TEDxPortland
Maurice Conti: The incredible inventions of intuitive AI
Maurice Conti: L'incredibile invenzione dell'Intelligenza Artificiale intuitiva
Filmed:
Readability: 4.6
6,173,221 views
Cosa si ottiene quando si fornisce un sistema nervoso digitale ad uno strumento di progettazione? I computer che migliorano la nostra capacità di pensare e immaginare, e i sistemi robotizzati che possono generare (e costruire) progetti radicalmente nuovi per ponti, droni e molto altro - tutto da soli. Fate un viaggio nella Realtà *Aumentata* con il futurologo Maurice Conti e prefiguratevi un tempo in cui robots e umani lavoreranno fianco a fianco per realizzare cose che non potrebbero fare da soli.
Maurice Conti - Designer, futurist
Maurice Conti explores new partnerships between technology, nature and humanity. Full bio
Maurice Conti explores new partnerships between technology, nature and humanity. Full bio
Double-click the English transcript below to play the video.
00:12
How many of you are creatives,
0
735
2289
Quanti di voi sono creativi,
00:15
designers, engineers,
entrepreneurs, artists,
entrepreneurs, artists,
1
3048
3624
progettisti, ingegneri, imprenditori,
artisti,
artisti,
00:18
or maybe you just have
a really big imagination?
a really big imagination?
2
6696
2387
o forse avete soltanto una grande
immaginazione?
immaginazione?
00:21
Show of hands? (Cheers)
3
9107
1848
Alzate le mani ? (Brusio)
00:22
That's most of you.
4
10979
1181
La maggior parte di voi.
00:25
I have some news for us creatives.
5
13334
2294
Ho delle novità per noi creativi.
00:28
Over the course of the next 20 years,
6
16714
2573
Nel corso dei prossimi 20 anni,
00:33
more will change around
the way we do our work
the way we do our work
7
21471
2973
ci saranno più cambiamenti,
nel modo in cui lavoriamo,
nel modo in cui lavoriamo,
00:37
than has happened in the last 2,000.
8
25382
2157
di quelli avvenuti negli ultimi 2.000.
00:40
In fact, I think we're at the dawn
of a new age in human history.
of a new age in human history.
9
28511
4628
Infatti, credo che siamo all'alba di una
nuova era nella storia dell'umanità.
nuova era nella storia dell'umanità.
00:45
Now, there have been four major historical
eras defined by the way we work.
eras defined by the way we work.
10
33645
4761
Ci sono state quattro grandi ere storiche
definite dal modo in cui lavoriamo.
definite dal modo in cui lavoriamo.
00:51
The Hunter-Gatherer Age
lasted several million years.
lasted several million years.
11
39404
3275
L'Era dei Cacciatori-Raccoglitori
è durata diversi milioni di anni.
è durata diversi milioni di anni.
00:55
And then the Agricultural Age
lasted several thousand years.
lasted several thousand years.
12
43163
3576
Poi l'Era Agricola, che è durata
diverse migliaia di anni.
diverse migliaia di anni.
00:59
The Industrial Age lasted
a couple of centuries.
a couple of centuries.
13
47195
3490
L'Era Industriale è durata solo
qualche centinaio di anni.
qualche centinaio di anni.
01:02
And now the Information Age
has lasted just a few decades.
has lasted just a few decades.
14
50709
4287
E adesso c'è l'Era dell'Informazione
da appena poche decine di anni.
da appena poche decine di anni.
01:07
And now today, we're on the cusp
of our next great era as a species.
of our next great era as a species.
15
55020
5220
E ora, oggi, siamo sul nascere della
prossima grande era per la nostra specie.
prossima grande era per la nostra specie.
01:13
Welcome to the Augmented Age.
16
61296
2680
Benvenuti nell'Era Aumentata.
01:16
In this new era, your natural human
capabilities are going to be augmented
capabilities are going to be augmented
17
64000
3693
In questa nuova era, le vostre capacità
naturali saranno aumentate
naturali saranno aumentate
01:19
by computational systems
that help you think,
that help you think,
18
67717
3068
da sistemi computerizzati che vi
aiuteranno a pensare,
aiuteranno a pensare,
01:22
robotic systems that help you make,
19
70809
2186
sistemi robotici che vi aiuteranno
a produrre,
a produrre,
01:25
and a digital nervous system
20
73019
1648
e un sistema nervoso digitale
01:26
that connects you to the world
far beyond your natural senses.
far beyond your natural senses.
21
74691
3690
che vi connetterà con il mondo
molto al di là dei vostri sensi naturali.
molto al di là dei vostri sensi naturali.
01:31
Let's start with cognitive augmentation.
22
79437
1942
Iniziamo con l'aumento cognitivo.
01:33
How many of you are augmented cyborgs?
23
81403
2200
Quanti di voi sono "cyborg" aumentati?
01:36
(Laughter)
24
84133
2650
(Risate)
01:38
I would actually argue
that we're already augmented.
that we're already augmented.
25
86807
2821
Io invece dico che siamo già aumentati.
01:42
Imagine you're at a party,
26
90288
1504
Pensate di essere ad un party
01:43
and somebody asks you a question
that you don't know the answer to.
that you don't know the answer to.
27
91816
3520
e qualcuno vi fa una domanda, della quale
non conoscete la risposta.
non conoscete la risposta.
01:47
If you have one of these,
in a few seconds, you can know the answer.
in a few seconds, you can know the answer.
28
95360
3760
Se avete uno di questi, in pochi secondi
potrete conoscere la risposta.
potrete conoscere la risposta.
01:51
But this is just a primitive beginning.
29
99869
2299
Ma questo è soltanto un inizio primitivo.
01:54
Even Siri is just a passive tool.
30
102863
3331
Persino Siri è solo uno strumento passivo.
01:58
In fact, for the last
three-and-a-half million years,
three-and-a-half million years,
31
106660
3381
Infatti, negli ultimi tre milioni e mezzo
di anni,
di anni,
02:02
the tools that we've had
have been completely passive.
have been completely passive.
32
110065
3109
gli strumenti che abbiamo avuto sono stati
del tutto passivi.
del tutto passivi.
02:06
They do exactly what we tell them
and nothing more.
and nothing more.
33
114203
3655
Essi fanno esattamente quello che
diciamo ad essi e nulla più.
diciamo ad essi e nulla più.
02:09
Our very first tool only cut
where we struck it.
where we struck it.
34
117882
3101
Il nostro primo strumento tagliava solo
dove lo facevamo colpire.
dove lo facevamo colpire.
02:13
The chisel only carves
where the artist points it.
where the artist points it.
35
121822
3040
Lo scalpello scolpisce solo dove
l'artista lo punta.
l'artista lo punta.
02:17
And even our most advanced tools
do nothing without our explicit direction.
do nothing without our explicit direction.
36
125343
5641
E anche gli strumenti più avanzati non
fanno nulla senza la nostra guida.
fanno nulla senza la nostra guida.
02:23
In fact, to date, and this
is something that frustrates me,
is something that frustrates me,
37
131008
3181
Infatti, sino ad oggi, e questo è per me
motivo di frustrazione,
motivo di frustrazione,
02:26
we've always been limited
38
134213
1448
siamo sempre stati limitati
02:27
by this need to manually
push our wills into our tools --
push our wills into our tools --
39
135685
3501
da questo bisogno di fornire manualmente
le nostre volontà negli strumenti
le nostre volontà negli strumenti
02:31
like, manual,
literally using our hands,
literally using our hands,
40
139210
2297
cioé, manualmente, usando
letteralmente le mani,
letteralmente le mani,
02:33
even with computers.
41
141531
1428
anche con i computers.
02:36
But I'm more like Scotty in "Star Trek."
42
144072
2463
Ma io sono più come Scotty in "Star Trek."
02:38
(Laughter)
43
146559
1850
(Risate)
02:40
I want to have a conversation
with a computer.
with a computer.
44
148433
2146
Io voglio conversare
con il computer.
con il computer.
02:42
I want to say, "Computer,
let's design a car,"
let's design a car,"
45
150603
2970
Voglio poter dire, "Computer,
progettiamo un'automobile",
progettiamo un'automobile",
02:45
and the computer shows me a car.
46
153597
1539
e il computer mi mostra un'auto.
02:47
And I say, "No, more fast-looking,
and less German,"
and less German,"
47
155160
2608
E io dico "No, più veloce,
e meno tedesca"
e meno tedesca"
02:49
and bang, the computer shows me an option.
48
157792
2163
e bang, il computer mi mostra
un'alternativa.
un'alternativa.
02:51
(Laughter)
49
159979
1865
(Risate)
02:54
That conversation might be
a little ways off,
a little ways off,
50
162208
2306
Quella conversazione forse è
un po' distante,
un po' distante,
02:56
probably less than many of us think,
51
164538
2665
forse meno di quello che pensiamo,
02:59
but right now,
52
167227
1763
ma adesso
03:01
we're working on it.
53
169014
1151
ci stiamo lavorando.
03:02
Tools are making this leap
from being passive to being generative.
from being passive to being generative.
54
170189
4033
Gli strumenti stanno passando da
passivi a essere generativi.
passivi a essere generativi.
03:06
Generative design tools
use a computer and algorithms
use a computer and algorithms
55
174831
3308
Gli strumenti di design generativi
usano un computer e algoritmi
usano un computer e algoritmi
03:10
to synthesize geometry
56
178163
2608
per sintetizzare la geometria
03:12
to come up with new designs
all by themselves.
all by themselves.
57
180795
2754
e creare nuovi progetti,
tutti da loro stessi.
tutti da loro stessi.
03:15
All it needs are your goals
and your constraints.
and your constraints.
58
183996
2748
Hanno solo bisogno
dei vostri obiettivi e vincoli.
dei vostri obiettivi e vincoli.
03:18
I'll give you an example.
59
186768
1408
Vi faccio un esempio.
03:20
In the case of this aerial drone chassis,
60
188200
2788
Nel caso del telaio di questo drone aereo,
03:23
all you would need to do
is tell it something like,
is tell it something like,
61
191012
2626
tutto quello che dovreste fare è
dire qualcosa come,
dire qualcosa come,
03:25
it has four propellers,
62
193662
1273
ha quattro eliche,
03:26
you want it to be
as lightweight as possible,
as lightweight as possible,
63
194959
2131
deve essere il più leggero possibile,
03:29
and you need it to be
aerodynamically efficient.
aerodynamically efficient.
64
197114
2270
deve essere aerodinamicamente
efficiente.
efficiente.
03:31
Then what the computer does
is it explores the entire solution space:
is it explores the entire solution space:
65
199408
4914
Quindi quello che il computer fa è
esplorare l'intero campo delle soluzioni:
esplorare l'intero campo delle soluzioni:
03:36
every single possibility that solves
and meets your criteria --
and meets your criteria --
66
204346
3927
ogni singola possibilità che soddisfa
i vostri criteri --
i vostri criteri --
03:40
millions of them.
67
208297
1442
milioni di queste.
03:41
It takes big computers to do this.
68
209763
1975
Serve un gran computer
per fare questo.
per fare questo.
03:43
But it comes back to us with designs
69
211762
1955
Ma esso produce per noi dei progetti
03:45
that we, by ourselves,
never could've imagined.
never could've imagined.
70
213741
3143
che noi, da soli, non avremmo
neanche immaginato.
neanche immaginato.
03:49
And the computer's coming up
with this stuff all by itself --
with this stuff all by itself --
71
217326
2912
E il computer fa tutto questo da solo --
03:52
no one ever drew anything,
72
220262
1678
nessuno ha disegnato nulla
03:53
and it started completely from scratch.
73
221964
2086
e ha iniziato completamente da zero.
03:57
And by the way, it's no accident
74
225038
2387
E comunque, non è un caso
03:59
that the drone body looks just like
the pelvis of a flying squirrel.
the pelvis of a flying squirrel.
75
227449
3481
che il telaio del drone assomigli
al bacino di uno scoiattolo volante.
al bacino di uno scoiattolo volante.
04:03
(Laughter)
76
231287
2007
(Risate)
04:06
It's because the algorithms
are designed to work
are designed to work
77
234040
2302
Ѐ perché gli algoritmi sono studiati
per lavorare
per lavorare
04:08
the same way evolution does.
78
236366
1637
allo stesso modo dell'evoluzione.
04:10
What's exciting is we're starting
to see this technology
to see this technology
79
238715
2660
Ѐ eccitante iniziare a vedere
questa tecnologia
questa tecnologia
04:13
out in the real world.
80
241399
1159
passare nel mondo reale.
04:14
We've been working with Airbus
for a couple of years
for a couple of years
81
242582
2452
Abbiamo lavorato con Airbus
per un paio d'anni
per un paio d'anni
04:17
on this concept plane for the future.
82
245058
1909
sul concetto di aeroplano del futuro.
04:18
It's a ways out still.
83
246991
2070
E' ancora di là da venire.
04:21
But just recently we used
a generative-design AI
a generative-design AI
84
249085
3780
Ma recentemente abbiamo usato un sistema
di AI per la generazione di progetti
di AI per la generazione di progetti
04:24
to come up with this.
85
252889
1807
in grado d risolvere questo problema.
04:27
This is a 3D-printed cabin partition
that's been designed by a computer.
that's been designed by a computer.
86
255609
5153
Questa è la partizione di una cabina
stampata in 3D e disegnata da un computer.
stampata in 3D e disegnata da un computer.
04:32
It's stronger than the original
yet half the weight,
yet half the weight,
87
260786
2824
Ѐ più forte dell'originale, ma pesa solo
la metà,
la metà,
04:35
and it will be flying
in the Airbus A320 later this year.
in the Airbus A320 later this year.
88
263634
3146
e volerà sull'Airbus A320 alla fine
di quest'anno.
di quest'anno.
Quindi i computer ora possono creare;
04:39
So computers can now generate;
89
267405
1559
04:40
they can come up with their own solutions
to our well-defined problems.
to our well-defined problems.
90
268988
4595
possono trovare le loro soluzioni ai
nostri problemi (ben definiti).
nostri problemi (ben definiti).
04:46
But they're not intuitive.
91
274677
1310
Ma non sono intuitivi.
04:48
They still have to start from scratch
every single time,
every single time,
92
276011
3086
Devono ancora iniziare da zero ogni
singola volta
singola volta
04:51
and that's because they never learn.
93
279121
2565
e questo perché non impararano mai.
04:54
Unlike Maggie.
94
282368
1766
Al contrario di Maggie.
04:56
(Laughter)
95
284158
1581
(Risate)
Maggie è più intelligente dei
più avanzati strumenti di progettazione.
più avanzati strumenti di progettazione.
04:57
Maggie's actually smarter
than our most advanced design tools.
than our most advanced design tools.
96
285763
3297
Cosa voglio dire?
05:01
What do I mean by that?
97
289467
1440
Se il suo padrone prende il guinzaglio,
05:02
If her owner picks up that leash,
98
290931
1590
05:04
Maggie knows with a fair
degree of certainty
degree of certainty
99
292545
2068
Maggie è abbastanza certa
05:06
it's time to go for a walk.
100
294637
1404
che è ora di uscire.
05:08
And how did she learn?
101
296065
1185
E come ha imparato?
05:09
Well, every time the owner picked up
the leash, they went for a walk.
the leash, they went for a walk.
102
297274
3324
Beh, ogni volta che il padrone prendeva il
guinzaglio, poi uscivano.
guinzaglio, poi uscivano.
E Maggie ha fatto tre cose:
05:12
And Maggie did three things:
103
300622
1878
05:14
she had to pay attention,
104
302524
1869
ha dovuto essere attenta,
05:16
she had to remember what happened
105
304417
2082
ricordare cosa era successo,
05:18
and she had to retain and create
a pattern in her mind.
a pattern in her mind.
106
306523
4017
ed elaborare un modello nella sua mente.
05:23
Interestingly, that's exactly what
107
311429
2095
Esattamente quello che gli scienziati
05:25
computer scientists
have been trying to get AIs to do
have been trying to get AIs to do
108
313548
2523
informatici hanno cercato
di far fare all'AI
di far fare all'AI
05:28
for the last 60 or so years.
109
316095
1859
nel corso degli ultimi 60 anni.
05:30
Back in 1952,
110
318683
1349
Nel 1952,
05:32
they built this computer
that could play Tic-Tac-Toe.
that could play Tic-Tac-Toe.
111
320056
3801
costruirono questo computer che
sapeva giocare a Tris.
sapeva giocare a Tris.
05:37
Big deal.
112
325081
1160
Sai che affare!
05:39
Then 45 years later, in 1997,
113
327029
3000
Poi 45 anni più tardi, nel 1997
05:42
Deep Blue beats Kasparov at chess.
114
330053
2472
Deep Blue ha battuto Kasparov a scacchi.
05:46
2011, Watson beats these two
humans at Jeopardy,
humans at Jeopardy,
115
334046
4968
2011, Watson batte questi
due umani a Jeopardy,
due umani a Jeopardy,
05:51
which is much harder for a computer
to play than chess is.
to play than chess is.
116
339038
2928
che è molto più difficile
degli scacchi, per un computer.
degli scacchi, per un computer.
05:53
In fact, rather than working
from predefined recipes,
from predefined recipes,
117
341990
3812
Infatti, piuttosto che lavorare da
formule pre-impostate,
formule pre-impostate,
05:57
Watson had to use reasoning
to overcome his human opponents.
to overcome his human opponents.
118
345826
3323
Watson dovette usare il ragionamento
per battere i suoi avversari umani.
per battere i suoi avversari umani.
06:02
And then a couple of weeks ago,
119
350393
2439
E poi, un paio di settimane fa,
06:04
DeepMind's AlphaGo beats
the world's best human at Go,
the world's best human at Go,
120
352856
4262
AlphaGo di DeepMind batte il
campione del mondo umano a Go,
campione del mondo umano a Go,
06:09
which is the most difficult
game that we have.
game that we have.
121
357142
2212
che è il gioco più difficile che abbiamo.
06:11
In fact, in Go, there are more
possible moves
possible moves
122
359378
2896
Infatti, nel Go, ci sono
più mosse possibili
più mosse possibili
06:14
than there are atoms in the universe.
123
362298
2024
di quanti atomi ci sono nell'Universo.
06:18
So in order to win,
124
366210
1826
Quindi per vincere,
06:20
what AlphaGo had to do
was develop intuition.
was develop intuition.
125
368060
2618
AlphaGo ha dovuto sviluppare
l'intuizione.
l'intuizione.
06:23
And in fact, at some points,
AlphaGo's programmers didn't understand
AlphaGo's programmers didn't understand
126
371098
4110
E infatti ad un certo punto i
programmatori di AlphaGo non capivano
programmatori di AlphaGo non capivano
06:27
why AlphaGo was doing what it was doing.
127
375232
2286
perché AlphaGo facesse quello che faceva.
E le cose stanno andando molto veloci.
06:31
And things are moving really fast.
128
379451
1660
06:33
I mean, consider --
in the space of a human lifetime,
in the space of a human lifetime,
129
381135
3227
Voglio dire, pensate -
nello spazio di una vita umana,
nello spazio di una vita umana,
06:36
computers have gone from a child's game
130
384386
2233
i computers sono passati
dai giochi per bambini
dai giochi per bambini
06:39
to what's recognized as the pinnacle
of strategic thought.
of strategic thought.
131
387920
3048
a quello che è riconosciuto come il
massimo del pensiero strategico.
massimo del pensiero strategico.
06:43
What's basically happening
132
391999
2417
In pratica quello che sta avvenendo
06:46
is computers are going
from being like Spock
from being like Spock
133
394440
3310
è che i computers sono passati
da essere come Spock
da essere come Spock
06:49
to being a lot more like Kirk.
134
397774
1949
ad essere più come Kirk.
06:51
(Laughter)
135
399747
3618
(Risate)
06:55
Right? From pure logic to intuition.
136
403389
3424
Giusto? Da pura logica ad intuizione.
07:00
Would you cross this bridge?
137
408184
1743
Attraversereste questo ponte?
07:02
Most of you are saying, "Oh, hell no!"
138
410609
2323
Molti di voi stanno dicendo,
"Oh diavolo, no!"
"Oh diavolo, no!"
07:04
(Laughter)
139
412956
1308
(Risate)
07:06
And you arrived at that decision
in a split second.
in a split second.
140
414288
2657
E siete arrivati a decidere in
meno di un secondo.
meno di un secondo.
07:08
You just sort of knew
that bridge was unsafe.
that bridge was unsafe.
141
416969
2428
Sapevate subito che
quel ponte non era sicuro.
quel ponte non era sicuro.
07:11
And that's exactly the kind of intuition
142
419421
1989
E questo è proprio il tipo di intuizione
07:13
that our deep-learning systems
are starting to develop right now.
are starting to develop right now.
143
421434
3568
che i nostri sistemi di apprendimento
profondo stanno sviluppando ora.
profondo stanno sviluppando ora.
07:17
Very soon, you'll literally be able
144
425722
1707
Molto presto, potrete letteralmente
07:19
to show something you've made,
you've designed,
you've designed,
145
427453
2206
mostrare qualcosa da voi fatto,
o progettato,
o progettato,
07:21
to a computer,
146
429683
1153
ad un computer
07:22
and it will look at it and say,
147
430860
1489
e lui la guarderà e dirà,
07:24
"Sorry, homie, that'll never work.
You have to try again."
You have to try again."
148
432373
2823
"Mi dispiace, amico, non funzionerà mai.
Riprovaci."
Riprovaci."
07:27
Or you could ask it if people
are going to like your next song,
are going to like your next song,
149
435854
3070
O potreste chiedergli se alla gente
piacerà la vostra prossima canzone,
piacerà la vostra prossima canzone,
07:31
or your next flavor of ice cream.
150
439773
2063
o il vostro prossimo gusto di gelato.
07:35
Or, much more importantly,
151
443549
2579
O, ancora più importante,
potreste lavorare con un computer
per risolvere un problema
per risolvere un problema
07:38
you could work with a computer
to solve a problem
to solve a problem
152
446152
2364
07:40
that we've never faced before.
153
448540
1637
mai affrontato prima.
Come il cambiamento climatico.
07:42
For instance, climate change.
154
450201
1401
07:43
We're not doing a very
good job on our own,
good job on our own,
155
451626
2020
Non stiamo facendo un buon lavoro da soli,
un aiuto ci farebbe sicuramente comodo.
07:45
we could certainly use
all the help we can get.
all the help we can get.
156
453670
2245
07:47
That's what I'm talking about,
157
455939
1458
Questo è ciò di cui parlo,
07:49
technology amplifying
our cognitive abilities
our cognitive abilities
158
457421
2555
tecnologia che amplifica le nostre
capacità cognitive
capacità cognitive
07:52
so we can imagine and design things
that were simply out of our reach
that were simply out of our reach
159
460000
3552
così che possiamo immaginare e progettare
cose che non erano alla nostra portata
cose che non erano alla nostra portata
07:55
as plain old un-augmented humans.
160
463576
2559
come semplici umani "non aumentati".
07:59
So what about making
all of this crazy new stuff
all of this crazy new stuff
161
467984
2941
Allora, come realizzare tutta questa
roba pazzesca
roba pazzesca
08:02
that we're going to invent and design?
162
470949
2441
che inventeremo e progetteremo ?
08:05
I think the era of human augmentation
is as much about the physical world
is as much about the physical world
163
473952
4093
Credo che l'era dell'umanità aumentata
riguardi tanto il mondo fisico
riguardi tanto il mondo fisico
08:10
as it is about the virtual,
intellectual realm.
intellectual realm.
164
478069
3065
quanto quello virtuale,
o il campo intellettuale.
o il campo intellettuale.
08:13
How will technology augment us?
165
481833
1921
Come farà la tecnologia ad aumentarci?
08:16
In the physical world, robotic systems.
166
484261
2473
Nel mondo fisico, con i sistemi robotici.
08:19
OK, there's certainly a fear
167
487620
1736
OK, c'è sicuramente il timore
08:21
that robots are going to take
jobs away from humans,
jobs away from humans,
168
489380
2488
che i robot toglieranno lavoro agli umani,
08:23
and that is true in certain sectors.
169
491892
1830
e questo è vero in certi settori.
08:26
But I'm much more interested in this idea
170
494174
2878
Ma io sono più interessato a questa idea
08:29
that humans and robots working together
are going to augment each other,
are going to augment each other,
171
497076
5010
che umani e robot, lavorando insieme
si possano aumentare a vicenda
si possano aumentare a vicenda
08:34
and start to inhabit a new space.
172
502110
2058
e inizino ad occupare un nuovo spazio.
08:36
This is our applied research lab
in San Francisco,
in San Francisco,
173
504192
2362
Questo è il nostro laboratorio di
S.Francisco,
S.Francisco,
08:38
where one of our areas of focus
is advanced robotics,
is advanced robotics,
174
506578
3142
dove una delle aree di interesse è la
robotica avanzata,
robotica avanzata,
08:41
specifically, human-robot collaboration.
175
509744
2511
specificatamente, la collaborazione
uomo - robot.
uomo - robot.
08:45
And this is Bishop, one of our robots.
176
513034
2759
E questo è Bishop, uno dei nostri robot.
08:47
As an experiment, we set it up
177
515817
1789
Come esperimento, l'abbiamo impostato
08:49
to help a person working in construction
doing repetitive tasks --
doing repetitive tasks --
178
517630
3460
per aiutare a compiere operazioni
ripetitive nel campo delle costruzioni
ripetitive nel campo delle costruzioni
08:53
tasks like cutting out holes for outlets
or light switches in drywall.
or light switches in drywall.
179
521984
4194
come fare dei fori per prese elettriche o
interruttori nel cartongesso.
interruttori nel cartongesso.
08:58
(Laughter)
180
526202
2466
(Risate)
09:01
So, Bishop's human partner
can tell what to do in plain English
can tell what to do in plain English
181
529877
3111
Così, il compagno umano di Bishop può
dire cosa fare in Inglese
dire cosa fare in Inglese
09:05
and with simple gestures,
182
533012
1305
e con gesti semplici,
09:06
kind of like talking to a dog,
183
534341
1447
come portare a spasso un cane,
09:07
and then Bishop executes
on those instructions
on those instructions
184
535812
2143
e Bishop esegue quelle istruzioni
09:09
with perfect precision.
185
537979
1892
con precisione estrema.
09:11
We're using the human
for what the human is good at:
for what the human is good at:
186
539895
2989
Stiamo usando gli umani per quello in cui
sono bravi:
sono bravi:
09:14
awareness, perception and decision making.
187
542908
2333
consapevolezza, percezione e
processo decisionale.
processo decisionale.
09:17
And we're using the robot
for what it's good at:
for what it's good at:
188
545265
2240
Stiamo usando i robot per quello che
sanno fare
sanno fare
09:19
precision and repetitiveness.
189
547529
1748
precisione e ripetitività.
09:22
Here's another cool project
that Bishop worked on.
that Bishop worked on.
190
550252
2367
Ecco un altro progetto su cui Bishop
ha lavorato.
ha lavorato.
09:24
The goal of this project,
which we called the HIVE,
which we called the HIVE,
191
552643
3075
L'obiettivo del progetto,
che abbiamo chiamato HIVE,
che abbiamo chiamato HIVE,
09:27
was to prototype the experience
of humans, computers and robots
of humans, computers and robots
192
555742
3851
era un esempio di come
umani, computers e robot potessero
umani, computers e robot potessero
09:31
all working together to solve
a highly complex design problem.
a highly complex design problem.
193
559617
3220
lavorare insieme per risolvere complessi
problemi di progettazione.
problemi di progettazione.
09:35
The humans acted as labor.
194
563793
1451
Gli umani erano la manodopera.
09:37
They cruised around the construction site,
they manipulated the bamboo --
they manipulated the bamboo --
195
565268
3473
Giravano per il cantiere,
lavoravano il bambù --
lavoravano il bambù --
09:40
which, by the way,
because it's a non-isomorphic material,
because it's a non-isomorphic material,
196
568765
2756
che, per inciso, essendo
un materiale non isomorfo,
un materiale non isomorfo,
09:43
is super hard for robots to deal with.
197
571545
1874
è troppo duro per i robot.
09:45
But then the robots
did this fiber winding,
did this fiber winding,
198
573443
2022
Ma poi i robot fecero queste legature
09:47
which was almost impossible
for a human to do.
for a human to do.
199
575489
2451
che erano quasi impossibili da fare
per gli umani.
per gli umani.
09:49
And then we had an AI
that was controlling everything.
that was controlling everything.
200
577964
3621
E poi avevamo un AI che controllava tutto.
09:53
It was telling the humans what to do,
telling the robots what to do
telling the robots what to do
201
581609
3290
Diceva agli umani cosa fare,
diceva ai robot cosa fare
diceva ai robot cosa fare
09:56
and keeping track of thousands
of individual components.
of individual components.
202
584923
2915
e teneva il conto di migliaia
di singole componenti.
di singole componenti.
09:59
What's interesting is,
203
587862
1180
La cosa interessante è
10:01
building this pavilion
was simply not possible
was simply not possible
204
589066
3141
che costruire questo padiglione sarebbe
stato impossibile
stato impossibile
10:04
without human, robot and AI
augmenting each other.
augmenting each other.
205
592231
4524
senza umani, robot e AI
che si aumentavano l'un l'altro.
che si aumentavano l'un l'altro.
10:09
OK, I'll share one more project.
This one's a little bit crazy.
This one's a little bit crazy.
206
597890
3320
OK, vi mostrerò un altro progetto.
Questo è un po' folle.
Questo è un po' folle.
10:13
We're working with Amsterdam-based artist
Joris Laarman and his team at MX3D
Joris Laarman and his team at MX3D
207
601234
4468
Stiamo lavorando con Joris Laarman,
un artista di Amsterdam, e il suo team
un artista di Amsterdam, e il suo team
10:17
to generatively design
and robotically print
and robotically print
208
605726
2878
per progettare generativamente e
stampare roboticamente
stampare roboticamente
10:20
the world's first autonomously
manufactured bridge.
manufactured bridge.
209
608628
2995
il primo ponte del mondo
costruito autonomamente
costruito autonomamente
10:24
So, Joris and an AI are designing
this thing right now, as we speak,
this thing right now, as we speak,
210
612315
3685
Così, Joris e un AI stanno progettando
questa cosa proprio adesso,
questa cosa proprio adesso,
10:28
in Amsterdam.
211
616024
1172
ad Amsterdam
10:29
And when they're done,
we're going to hit "Go,"
we're going to hit "Go,"
212
617220
2321
Quando avranno finito, premeremo "Via,"
10:31
and robots will start 3D printing
in stainless steel,
in stainless steel,
213
619565
3311
e i robots stamperanno in 3D
acciaio inossidabile
acciaio inossidabile
10:34
and then they're going to keep printing,
without human intervention,
without human intervention,
214
622900
3283
e continueranno a stampare senza
intervento umano
intervento umano
10:38
until the bridge is finished.
215
626207
1558
fino a che il ponte sarà finito.
10:41
So, as computers are going
to augment our ability
to augment our ability
216
629099
2928
Così, come i computer aumenteranno
la nostra capacità
la nostra capacità
10:44
to imagine and design new stuff,
217
632051
2150
di immaginare e progettare nuove cose,
10:46
robotic systems are going to help us
build and make things
build and make things
218
634225
2895
i sistemi robotici ci aiuteranno
a costruire e fare cose
a costruire e fare cose
10:49
that we've never been able to make before.
219
637144
2084
che non abbiamo mai potuto fare prima.
10:52
But what about our ability
to sense and control these things?
to sense and control these things?
220
640347
4160
Ma, che dire della nostra capacità di
sentire e controllare queste cose?
sentire e controllare queste cose?
10:56
What about a nervous system
for the things that we make?
for the things that we make?
221
644531
4031
E che dire di un sistema nervoso
per le cose che facciamo?
per le cose che facciamo?
11:00
Our nervous system,
the human nervous system,
the human nervous system,
222
648586
2512
Il nostro sistema nervoso, quello umano,
11:03
tells us everything
that's going on around us.
that's going on around us.
223
651122
2311
ci dice tutto quello che accade
intorno a noi.
intorno a noi.
11:06
But the nervous system of the things
we make is rudimentary at best.
we make is rudimentary at best.
224
654186
3684
Ma il sistema nervoso delle cose
che facciamo è, al più, rudimentale.
che facciamo è, al più, rudimentale.
11:09
For instance, a car doesn't tell
the city's public works department
the city's public works department
225
657894
3563
Per esempio, una macchina non dice al
Dip. Lavori Pubblici del Comune
Dip. Lavori Pubblici del Comune
11:13
that it just hit a pothole at the corner
of Broadway and Morrison.
of Broadway and Morrison.
226
661481
3130
che ha appena preso una buca all'angolo
tra Broadway e Morrison.
tra Broadway e Morrison.
11:16
A building doesn't tell its designers
227
664635
2032
Un palazzo non dice ai suoi architetti
11:18
whether or not the people inside
like being there,
like being there,
228
666691
2684
se alle persone piace vivere lì,
11:21
and the toy manufacturer doesn't know
229
669399
3010
e il costruttore di giocattoli non sa
11:24
if a toy is actually being played with --
230
672433
2007
se qualcuno gioca con i suoi giocattoli -
11:26
how and where and whether
or not it's any fun.
or not it's any fun.
231
674464
2539
come e dove e se sono divertenti o no.
11:29
Look, I'm sure that the designers
imagined this lifestyle for Barbie
imagined this lifestyle for Barbie
232
677620
3814
Sono sicuro che gli ideatori di Barbie
hanno immaginato questo stile di vita
hanno immaginato questo stile di vita
11:33
when they designed her.
233
681458
1224
quando la crearono.
11:34
(Laughter)
234
682706
1447
(Risate)
11:36
But what if it turns out that Barbie's
actually really lonely?
actually really lonely?
235
684177
2906
Ma, e se Barbie fosse invece molto sola?
11:39
(Laughter)
236
687107
3147
(Risate)
11:43
If the designers had known
237
691266
1288
Se avessero saputo
11:44
what was really happening
in the real world
in the real world
238
692578
2107
cosa succedeva realmente nel mondo
11:46
with their designs -- the road,
the building, Barbie --
the building, Barbie --
239
694709
2583
con le loro creazioni - la strada,
il palazzo, Barbie
il palazzo, Barbie
avrebbero potuto usare ciò
per creare una esperienza
per creare una esperienza
11:49
they could've used that knowledge
to create an experience
to create an experience
240
697316
2694
11:52
that was better for the user.
241
700034
1400
migliore per l'utente.
11:53
What's missing is a nervous system
242
701458
1791
E' mancato un sistema nervoso
11:55
connecting us to all of the things
that we design, make and use.
that we design, make and use.
243
703273
3709
che ci collegasse a tutte le cose che
progettiamo, facciamo e usiamo.
progettiamo, facciamo e usiamo.
11:59
What if all of you had that kind
of information flowing to you
of information flowing to you
244
707915
3555
Che succederebbe se tutte queste
informazioni fluissero a voi
informazioni fluissero a voi
12:03
from the things you create
in the real world?
in the real world?
245
711494
2183
dalle cose che create nel mondo reale?
12:07
With all of the stuff we make,
246
715432
1451
Con tutta la roba che facciamo
12:08
we spend a tremendous amount
of money and energy --
of money and energy --
247
716907
2435
spendiamo una quantità enorme
di soldi e energia -
di soldi e energia -
12:11
in fact, last year,
about two trillion dollars --
about two trillion dollars --
248
719366
2376
lo scorso anno, circa duemila
miliardi di dollari -
miliardi di dollari -
12:13
convincing people to buy
the things we've made.
the things we've made.
249
721766
2854
per convincere la gente a comprare
le cose che facciamo
le cose che facciamo
12:16
But if you had this connection
to the things that you design and create
to the things that you design and create
250
724644
3388
Ma se aveste questa connessione con le
cose che progettate e create
cose che progettate e create
12:20
after they're out in the real world,
251
728056
1727
dopo che sono nel mondo reale,
12:21
after they've been sold
or launched or whatever,
or launched or whatever,
252
729807
3614
dopo che sono state vendute
o lanciate sul mercato o altro,
o lanciate sul mercato o altro,
12:25
we could actually change that,
253
733445
1620
potremmo cambiare tutto questo
12:27
and go from making people want our stuff,
254
735089
3047
e passare dal convincere la gente a
volere la nostra roba
volere la nostra roba
12:30
to just making stuff that people
want in the first place.
want in the first place.
255
738160
3434
a fare cose che la gente
vuole dall'inizio.
vuole dall'inizio.
12:33
The good news is, we're working
on digital nervous systems
on digital nervous systems
256
741618
2787
La buona notizia è che stiamo lavorando
a sistemi nervosi digitali
a sistemi nervosi digitali
12:36
that connect us to the things we design.
257
744429
2801
che ci connettano alle cose che creiamo.
12:40
We're working on one project
258
748365
1627
Stiamo lavorando ad un progetto
12:42
with a couple of guys down in Los Angeles
called the Bandito Brothers
called the Bandito Brothers
259
750016
3712
con due tizi di Los Angeles noti come
Bandito Brothers
Bandito Brothers
12:45
and their team.
260
753752
1407
e il loro team.
12:47
And one of the things these guys do
is build insane cars
is build insane cars
261
755183
3433
Una delle cose che questi ragazzi fanno
è costruire macchine pazzesche
è costruire macchine pazzesche
12:50
that do absolutely insane things.
262
758640
2873
che fanno cose assolutamente folli.
12:54
These guys are crazy --
263
762905
1450
Questi ragazzi sono pazzi -
12:56
(Laughter)
264
764379
1036
(Risate)
12:57
in the best way.
265
765439
1403
in senso positivo.
13:00
And what we're doing with them
266
768993
1763
E quello che stiamo facendo con loro
13:02
is taking a traditional race-car chassis
267
770780
2440
è prendere il telaio di una tipica
macchina da corsa
macchina da corsa
13:05
and giving it a nervous system.
268
773244
1585
e dargli un sistema nervoso.
13:06
So we instrumented it
with dozens of sensors,
with dozens of sensors,
269
774853
3058
Così gli abbiamo inserito
dozzine di sensori,
dozzine di sensori,
13:09
put a world-class driver behind the wheel,
270
777935
2635
messo un pilota fuori-classe al volante,
13:12
took it out to the desert
and drove the hell out of it for a week.
and drove the hell out of it for a week.
271
780594
3357
l'abbiamo portata nel deserto e l'abbiamo
guidata per una settimana.
guidata per una settimana.
13:15
And the car's nervous system
captured everything
captured everything
272
783975
2491
Il sistema nervoso della macchina
ha memorizzato
ha memorizzato
13:18
that was happening to the car.
273
786490
1482
tutto quello che accadeva.
13:19
We captured four billion data points;
274
787996
2621
Abbiamo registrato 4 miliardi di dati;
13:22
all of the forces
that it was subjected to.
that it was subjected to.
275
790641
2310
tutte le forze a cui è stata soggetta.
13:24
And then we did something crazy.
276
792975
1659
Poi abbiamo fatto una cosa pazzesca.
13:27
We took all of that data,
277
795268
1500
Abbiamo preso tutti questi dati
13:28
and plugged it into a generative-design AI
we call "Dreamcatcher."
we call "Dreamcatcher."
278
796792
3736
e li abbiamo inseriti in un AI per la
progettazione generativa "Dreamcatcher".
progettazione generativa "Dreamcatcher".
13:33
So what do get when you give
a design tool a nervous system,
a design tool a nervous system,
279
801270
3964
Cosa ottieni quando doti uno strumento
di progettazione con un sistema nervoso,
di progettazione con un sistema nervoso,
13:37
and you ask it to build you
the ultimate car chassis?
the ultimate car chassis?
280
805258
2882
e gli chiedi di costruirti il miglior
telaio di macchina?
telaio di macchina?
13:40
You get this.
281
808723
1973
Ottieni questo.
13:44
This is something that a human
could never have designed.
could never have designed.
282
812293
3713
Questo è qualcosa che un umano non avrebbe
mai potuto creare.
mai potuto creare.
13:48
Except a human did design this,
283
816707
1888
Ma è stato proprio un umano a crearlo,
13:50
but it was a human that was augmented
by a generative-design AI,
by a generative-design AI,
284
818619
4309
ma era un umano aumentato da un AI per
la progettazione generativa,
la progettazione generativa,
un sistema nervoso digitale
13:54
a digital nervous system
285
822952
1231
13:56
and robots that can actually
fabricate something like this.
fabricate something like this.
286
824207
3005
e robot che possono costruire
cose come queste.
cose come queste.
13:59
So if this is the future,
the Augmented Age,
the Augmented Age,
287
827680
3595
Così, se questo è il futuro,
l'Era Aumentata
l'Era Aumentata
14:03
and we're going to be augmented
cognitively, physically and perceptually,
cognitively, physically and perceptually,
288
831299
4261
e saremo aumentati cognitivamente,
fisicamente e percettivamente,
fisicamente e percettivamente,
14:07
what will that look like?
289
835584
1408
come sarà ?
14:09
What is this wonderland going to be like?
290
837576
3321
Come sarà questo Paese delle Meraviglie ?
14:12
I think we're going to see a world
291
840921
1709
Credo che vedremo un mondo
14:14
where we're moving
from things that are fabricated
from things that are fabricated
292
842654
3068
dove passeremo da cose che sono fabbricate
14:17
to things that are farmed.
293
845746
1445
a cose che vengono allevate.
14:20
Where we're moving from things
that are constructed
that are constructed
294
848159
3453
da cose che sono costruite
14:23
to that which is grown.
295
851636
1704
a cose che sono coltivate.
14:26
We're going to move from being isolated
296
854134
2188
Passeremo dall'essere isolati
14:28
to being connected.
297
856346
1610
ad essere connessi.
14:30
And we'll move away from extraction
298
858634
2411
Ci allontaneremo dall'estrazione
14:33
to embrace aggregation.
299
861069
1873
per accogliere l'aggregazione.
14:35
I also think we'll shift
from craving obedience from our things
from craving obedience from our things
300
863967
3767
Penso anche che passeremo dal volere
obbedienza dalle nostre cose
obbedienza dalle nostre cose
14:39
to valuing autonomy.
301
867758
1641
all'apprezzare l'autonomia.
14:42
Thanks to our augmented capabilities,
302
870510
1905
Grazie alle nostre capacità aumentate,
14:44
our world is going to change dramatically.
303
872439
2377
il nostro mondo cambierà
significativamente.
significativamente.
14:47
We're going to have a world
with more variety, more connectedness,
with more variety, more connectedness,
304
875576
3246
Avremo un mondo con più varietà,
più connettività,
più connettività,
14:50
more dynamism, more complexity,
305
878846
2287
più dinamismo, più complessità,
14:53
more adaptability and, of course,
306
881157
2318
più adattabilità e, ovviamente,
14:55
more beauty.
307
883499
1217
più bellezza.
14:57
The shape of things to come
308
885231
1564
La forma di ciò che verrà
14:58
will be unlike anything
we've ever seen before.
we've ever seen before.
309
886819
2290
sarà come niente di quanto
abbiamo visto prima.
abbiamo visto prima.
15:01
Why?
310
889133
1159
Perché ?
15:02
Because what will be shaping those things
is this new partnership
is this new partnership
311
890316
3755
Perché a dare forma a quelle cose
sarà la nuova associazione
sarà la nuova associazione
15:06
between technology, nature and humanity.
312
894095
3670
tra tecnologia, natura e umanità.
15:11
That, to me, is a future
well worth looking forward to.
well worth looking forward to.
313
899279
3804
Questo, per me, è un futuro che vale
la pena di non vedere l'ora che avvenga.
la pena di non vedere l'ora che avvenga.
15:15
Thank you all so much.
314
903107
1271
Grazie tante a tutti.
15:16
(Applause)
315
904402
5669
(Applausi)
ABOUT THE SPEAKER
Maurice Conti - Designer, futuristMaurice Conti explores new partnerships between technology, nature and humanity.
Why you should listen
Maurice Conti is a designer, futurist and innovator. He's worked with startups, government agencies, artists and corporations to explore the things that will matter to us in the future, and to design solutions to get us there.
Conti is currently Chief Innovation Officer at Alpha -- Europe's first moonshot factory, powered by Telefónica. Conti and his team are responsible for coming up with the ideas, prototypes and proofs of concepts that will go on to become full-blown moonshots at Alpha: projects that will affect 100 million people or more, be a force for good on the planet and grow into billion-euro businesses.
Previously, Conti was Director of Applied Research & Innovation at Autodesk where built and led Autodesk's Applied Research Lab. Conti's work focuses on applied machine learning, advanced robotics, augmented and virtual realities, and the future of work, cities and mobility.
Conti is also an explorer of geographies and cultures. He has circumnavigated the globe once and been half-way around twice. In 2009 he was awarded the Medal for Exceptional Bravery at Sea by the United Nations, the New Zealand Bravery Medal and a US Coast Guard Citation for Bravery for risking his own life to save three shipwrecked sailors.
Conti lives in Barcelona, Spain, and travels around the world speaking to groups about innovation, technology trends, the future, and high adventure.
Maurice Conti | Speaker | TED.com