TEDGlobal 2010
Peter Molyneux: Meet Milo, the virtual boy
Peter Molyneux ci presenta Milo, il ragazzino virtuale
Filmed:
Readability: 3.5
852,770 views
Peter Molyneux ci mostra una demo di Milo, l'attesissimo videogioco per l'interfaccia Kinect di Microsoft. Acuto e sensibile quanto un ragazzino di 11 anni, Milo ascolta e apprende -- riconoscendo e rispondendo al giocatore.
Peter Molyneux - Game changer
The head of Microsoft's European games division, Peter Molyneux is building an astonishing new "virtual friend" who interacts with you. Full bio
The head of Microsoft's European games division, Peter Molyneux is building an astonishing new "virtual friend" who interacts with you. Full bio
Double-click the English transcript below to play the video.
00:16
When I saw a piece of technology called Kinect --
0
1000
3000
Quando ho visto la tecnologia Kinect --
00:19
it was called Natal -- I was inspired,
1
4000
3000
al tempo chiamata Natal -- ne fui ispirato,
00:22
and I thought for a moment,
2
7000
2000
e pensai per un istante,
00:24
maybe it's possible
3
9000
2000
che forse sarebbe stato possibile
00:26
to address that one problem of storytelling,
4
11000
3000
dedicarsi a quel particolare problema della narrazione:
00:29
to create a character
5
14000
3000
creare un personaggio
00:32
which seemed alive,
6
17000
2000
che sembri vivo,
00:34
which noticed me,
7
19000
2000
che mi noti,
00:36
that could look me in the eyes
8
21000
2000
che mi guardi negli occhi
00:38
and feel real,
9
23000
2000
e sembri reale,
00:40
and sculpt a story about our relationship.
10
25000
3000
e costruire una storia su questa relazione.
00:43
And so a year ago,
11
28000
3000
Così, un anno fa,
00:46
I showed this off
12
31000
2000
ho mostrato questo
00:48
at a computer show called E3.
13
33000
3000
a una fiera dell'elettronica chiamata E3.
00:51
And this was a piece of technology
14
36000
2000
Si trattava, appunto, di una tecnologia
00:53
with someone called Claire interacting with this boy.
15
38000
3000
in cui una certa Claire interagiva con questo ragazzino.
00:56
And there was a huge row online
16
41000
3000
Ci fu un'accesa discussione online
00:59
about, "Hey, this can't be real."
17
44000
3000
vi era gente che diceva "Hey, non può essere vero".
01:02
And so I waited till now
18
47000
2000
Ho quindi aspettato fino ad oggi
01:04
to have an actual demo
19
49000
2000
per avere una demo completa
01:06
of the real tech.
20
51000
2000
di questa innovazione.
01:08
Now, this tech incorporates
21
53000
2000
Questa tecnologia incorpora
01:10
three big elements.
22
55000
2000
3 elementi fondamentali.
01:12
The first is a Kinect camera,
23
57000
2000
Il primo è la videocamera Kinect,
01:14
which will be out in November,
24
59000
3000
che uscirà a novembre,
01:17
some incredible AI
25
62000
2000
una sorprendente Intelligenza Artificiale
01:19
that was hidden in the dusty vaults,
26
64000
3000
tenuta nascosta in polverosi archivi,
01:22
collecting dust
27
67000
2000
coprendosi di polvere
01:24
in Microsoft,
28
69000
2000
alla Microsoft,
01:26
plus our quite crude
29
71000
2000
cui si sono aggiunti i nostri rozzi
01:28
attempts at AI
30
73000
2000
esperimenti di I.A.
01:30
at a company called Lionhead,
31
75000
3000
sviluppati in una compagnia chiamata Lionhead.
01:33
mixing all those things together
32
78000
2000
Integrando questi 3 elementi
01:35
just to get to this one simple idea:
33
80000
3000
con un'unica idea in testa:
01:38
to create a real, living
34
83000
3000
creare un essere vivente, reale
01:41
being in a computer.
35
86000
2000
dentro il computer.
01:43
Now, I'll be honest with you
36
88000
3000
Ora, sarò sincero con voi
01:46
and say that most of it
37
91000
2000
dicendovi che per lo più
01:48
is just a trick,
38
93000
2000
si tratta solo di un trucco,
01:50
but it's a trick that actually works.
39
95000
3000
ma è un trucco che funziona egregiamente.
01:53
So why don't we go over and have
40
98000
2000
Direi quindi di andare avanti
01:55
a look at the demo now.
41
100000
2000
e dare un'occhiata alla demo.
01:57
This is Dimitri.
42
102000
2000
Lui è Dimitri.
01:59
Dimitri, just waggle your arm around.
43
104000
3000
Dimitri, fai un cenno.
02:02
Now, you notice he's sitting.
44
107000
2000
Potete vedere che è seduto.
02:04
There are no controllers,
45
109000
2000
Non ci sono comandi,
02:06
no keyboards,
46
111000
2000
niente tastiere,
02:08
or mice,
47
113000
2000
mouse,
02:10
or joysticks, or joypads.
48
115000
3000
joystick o pad.
02:13
He is just going to use
49
118000
2000
Userà soltanto
02:15
his hand, his body and his voice,
50
120000
3000
la sua mano, il suo corpo e la sua voce,
02:18
just like humans interact with their hands, body and voice.
51
123000
3000
proprio come noi umani, interagiamo con mani, corpo e voce.
02:21
So let's move forward.
52
126000
2000
Proseguiamo.
02:23
You're going to meet Milo for the first time.
53
128000
3000
Incontrerete Milo per la prima volta.
02:27
We had to give him a problem
54
132000
2000
Dovevamo dargli una situazione da risolvere,
02:29
because when we first created Milo,
55
134000
2000
perché quando abbiamo creato Milo,
02:31
we realized that he came across as a little bit of a brat,
56
136000
2000
ci è venuto fuori un po' monello
02:33
to be honest with you.
57
138000
2000
ad essere sinceri.
02:35
He was quite a know-it-all,
58
140000
2000
Era un po' saccente,
02:37
and he wanted to kind of make you laugh.
59
142000
2000
e faceva un po' il pagliaccio.
02:39
So the problem we introduced to him was this:
60
144000
2000
Quindi il problema che gli abbiamo dato è il seguente:
02:41
he's just moved house.
61
146000
2000
ha appena traslocato.
02:43
He's moved from London
62
148000
2000
Si è trasferito da Londra
02:45
to New England, over in America.
63
150000
3000
al New England, in America.
02:48
His parents are too busy
64
153000
2000
I suoi genitori sono troppo impegnati
02:50
to listen to his problems,
65
155000
2000
per dargli ascolto,
02:52
and that's when he starts almost conjuring you up.
66
157000
3000
ed è qui che, in un certo senso, arriviamo noi.
02:55
So here he is
67
160000
2000
Eccolo quindi
02:57
walking through the grass.
68
162000
2000
che passeggia sull'erba.
02:59
And you're able to interact with his world.
69
164000
3000
Potete interagire con il suo mondo.
03:02
The cool thing is, what we're doing
70
167000
3000
Il bello è che, ciò che facciamo
03:05
is we're changing the mind
71
170000
2000
è modificare continuamente
03:07
of Milo constantly.
72
172000
2000
la mente di Milo.
03:09
That means no two people's Milos
73
174000
3000
In altre parole, giocatori diversi
03:12
can be the same.
74
177000
2000
avranno Milo diversi.
03:14
You're actually sculpting a human being here.
75
179000
3000
E' come se si stesse plasmando un essere umano.
03:19
So, he's discovering the garden.
76
184000
2000
Sta esplorando il giardino.
03:21
You're helping him discover the garden
77
186000
2000
E voi lo aiutate a scoprirlo
03:23
by just pointing out these snails.
78
188000
3000
semplicemente indicando le lumache sullo schermo.
03:27
Very simple at the start.
79
192000
2000
Molto semplice all'inizio.
03:29
By the way, if you are a boy, it's snails;
80
194000
3000
Dimenticavo, se sei maschio, compaiono lumache;
03:32
if you're a girl, it's butterflies
81
197000
3000
se sei femmina, compaiono farfalle,
03:35
because what we found was that girls hate snails.
82
200000
3000
perché abbiamo scoperto che alle femmine le lumache non piacciono.
03:38
(Laughter)
83
203000
2000
(Risate)
03:44
So remember, this is the first time you've met him,
84
209000
3000
Ricordate, questo è il vostro primo incontro,
03:47
and we really want to draw you in and make you more curious.
85
212000
3000
e vogliamo davvero coinvolgervi e stuzzicare la vostra curiosità.
03:52
His face, by the way,
86
217000
2000
Il suo volto
03:54
is fully AI-driven.
87
219000
2000
è gestito interamente dall' I.A.
03:56
We have complete control over his blush responses,
88
221000
3000
Abbiamo controllo completo sui suoi rossori,
03:59
the diameter of his nostrils
89
224000
3000
sull'allargarsi delle sue narici
04:02
to denote stress.
90
227000
2000
per indicare lo stress.
04:04
We actually do something called body matching.
91
229000
2000
Usiamo una cosa chiamata coordinamento corporeo.
04:06
If you're leaning forward,
92
231000
2000
Se ti inclini in avanti,
04:08
he will try and slightly change
93
233000
2000
Milo modificherà leggermente
04:10
the neuro-linguistic nature of his face,
94
235000
3000
le caratteristiche espressive del suo viso,
04:13
because we went out with this strong idea:
95
238000
2000
perché la nostra idea alla base è:
04:15
how can we make you believe that something's real?
96
240000
3000
come possiamo far credere alla gente che sia vero?
04:18
Now we've used the hand.
97
243000
2000
Abbiamo usato la mano fino ad'ora.
04:20
The other thing to use is your body.
98
245000
3000
Ma possiamo anche usare il corpo.
04:23
Why not just, instead of pushing left and right
99
248000
3000
Perché, piuttosto di spostare a destra e sinistra
04:26
with a mouse or with a joypad,
100
251000
3000
un mouse o i comandi di un pad,
04:29
why not use your body just to lean on the chair --
101
254000
2000
perché non usare il proprio corpo inclinandosi sulla sedia --
04:31
again, relaxed?
102
256000
2000
In totale scioltezza!
04:33
You can lean back,
103
258000
2000
Ci si può reclinare,
04:35
but the camera will change its perspective
104
260000
2000
e l'inquadratura cambierà prospettiva
04:37
depending on which way you're looking.
105
262000
3000
a seconda di dove si sta guardando.
04:41
So Dimitri's now going to use --
106
266000
2000
Ora Dimitri userà --
04:43
he's used his hand; he's used his body.
107
268000
2000
ha finora usato la mano e il corpo.
04:45
He's now going to use the other thing which is essential,
108
270000
3000
Ora utilizzerà l'altro elemento essenziale,
04:48
and that's his voice.
109
273000
2000
che è la sua voce.
04:50
Now, the thing about voice is,
110
275000
2000
Ora, parlando della voce,
04:52
our experience with voice recognition
111
277000
2000
le nostre esperienze con il riconoscimento vocale
04:54
is pretty awful, isn't it?
112
279000
2000
sono piuttosto negative, vero?
04:56
It never works.
113
281000
2000
Non funziona mai.
04:58
You order an airline ticket; you end up in Timbuktu.
114
283000
3000
Ordini un biglietto aereo e finisci a Timbuktu.
05:02
So we've tackled that problem,
115
287000
2000
Abbiamo quindi lavorato al problema,
05:04
and we've come up with a solution, which we'll see in a second.
116
289000
3000
e abbiamo ideato la soluzione che vedrete a breve.
05:07
Milo: I could just squish it.
117
292000
2000
Milo: la potrei schiacciare!
05:09
Peter Molyneux: What are you going to do, Dimitri?
118
294000
2000
Peter Molyneux: Cosa farai Dimitri?
05:11
Female Voice: Squashing a snail may not seem important,
119
296000
2000
Voce: schiacciare la lumaca può sembrare poco importante,
05:13
but remember, even this choice
120
298000
2000
ma ricorda, anche questa scelta
05:15
will affect how Milo develops.
121
300000
3000
avrà un effetto sullo sviluppo di Milo.
05:18
Do you want Milo to squash it?
122
303000
2000
Vuoi che Milo la schiacci?
05:20
When you see the microphone,
123
305000
2000
Quando compare il microfono,
05:22
say ... (PM: Squash.) ... yes to decide.
124
307000
2000
di' sì o no per decidere.
05:24
Dimitri: Go on, Milo. Squash it.
125
309000
3000
Dimitri: Vai Milo, schiacciala!
05:27
PM: No. That's the wrong thing to do.
126
312000
2000
PM: No, cattivo!
05:29
Now look at his response.
127
314000
2000
Ma pensate a come ha risposto.
05:31
He said, "Go on, Milo. Squash it."
128
316000
3000
Ha detto: "Vai Milo, schiacciala"!
05:34
What we're using there is,
129
319000
2000
Qui stiamo usando
05:36
we're using something, a piece of technology called Tellme.
130
321000
2000
una tecnologia chiamata Tellme (Dimmi).
05:38
It's a company that Microsoft acquired some years ago.
131
323000
3000
Di una azienda acquisita da Microsoft qualche anno fa.
05:41
We've got a database of words which we recognize.
132
326000
2000
Abbiamo un database di parole riconoscibili.
05:43
We pick those words out.
133
328000
2000
Selezioniamo le parole.
05:45
We also reference that
134
330000
2000
E le incrociamo
05:47
with the tonation database
135
332000
2000
con il database delle tonalità
05:49
that we build up of Dimitri's voice,
136
334000
3000
costruito sulla voce di Dimitri,
05:52
or the user's voice.
137
337000
2000
o su quella di un altro utente.
05:54
Now we need to have a bit more engagement,
138
339000
3000
Ora ci serve un po' più di azione.
05:57
and again, what we can do
139
342000
2000
E di nuovo, ciò che possiamo fare
05:59
is we can look at the body.
140
344000
2000
è dare spazio al corpo.
06:01
And we'll do that in a second.
141
346000
2000
E lo faremo tra poco.
06:03
Milo: I wonder how deep it is.
142
348000
2000
Milo: chissà quanto è profondo.
06:13
Deep.
143
358000
2000
Molto.
06:16
PM: Okay. So what we're going to do now
144
361000
2000
PM: Ok, ciò che faremo ora
06:18
is teach Milo to skim stones.
145
363000
3000
è insegnare a Milo a far rimbalzare i sassi.
06:21
We're actually teaching him.
146
366000
2000
Glielo insegniamo davvero noi.
06:23
It's very, very interesting
147
368000
2000
E' davvero interessante
06:25
that men, more than women,
148
370000
2000
che i maschi, più che le femmine,
06:27
tend to be more competitive here.
149
372000
3000
tendono ad essere molto competitivi in questa fase.
06:30
They're fine with teaching Milo for the first few throws,
150
375000
3000
Fanno da insegnante a Milo nei primissimi lanci,
06:33
but then they want to beat Milo,
151
378000
2000
ma poi lo vogliono battere,
06:35
where women,
152
380000
2000
mentre le femmine,
06:37
they're more nurturing about this.
153
382000
3000
tendono a privilegiare l'insegnamento.
06:43
Okay, this is skimming stones.
154
388000
2000
Ecco qui i sassi che rimbalzano.
06:45
How do you skim stones?
155
390000
3000
Come si fa?
06:48
You stand up,
156
393000
3000
Ti alzi in piedi,
06:51
and you skim the stone.
157
396000
2000
e lanci il sasso.
06:53
It's that simple.
158
398000
2000
Semplicissimo.
06:55
Just recognizing your body,
159
400000
2000
Riconoscendo il corpo,
06:57
recognizing the body's motions, the tech,
160
402000
2000
e i suoi movimenti, questa tecnologia
06:59
understanding that you've gone
161
404000
2000
capisce che sei passato
07:01
from sitting down to standing up.
162
406000
3000
da seduto a in piedi.
07:04
Again, all of this is done
163
409000
2000
Faccio di nuovo notare che
07:06
in the way us humans do things,
164
411000
2000
tutto ciò avviene proprio come facciamo noi,
07:08
and that's crucially important
165
413000
3000
ed è questo l'elemento cruciale
07:11
if we want Milo to appear real.
166
416000
2000
se vogliamo che Milo sembri vero.
07:13
Female Voice: See if you can inspire him to do any better.
167
418000
3000
Voce: cerca di convincerlo a fare meglio.
07:21
Try hitting the boat.
168
426000
2000
Cerca di colpire la barchetta.
07:25
Milo: Ahhh. So close.
169
430000
2000
Milo: Ahh. Quasi.
07:33
PM: That's Dimitri at his most competitive.
170
438000
2000
PM: Ecco Dimitri che si scatena.
07:35
Now beaten an 11-year-old child. Well done.
171
440000
3000
Ha battuto un undicenne. Bravissimo.
07:39
Milo: Okay.
172
444000
2000
Milo: Evvabene...
07:42
PM: So, Milo's being called back in by his parents,
173
447000
3000
PM: I genitori di Milo lo stanno chiamando a casa,
07:45
giving us time to be alone
174
450000
2000
lasciandoci un attimo per stare soli
07:47
and to help him out.
175
452000
2000
e per aiutarlo.
07:49
Basically -- the bit that we missed at the start --
176
454000
2000
In sostanza -- ci siamo persi l'inizio --
07:51
his parents had asked him to clean up his room.
177
456000
3000
in cui i suoi genitori gli chiedono di sistemare la stanza.
07:54
And we're going to help him with this now.
178
459000
2000
E ora lo aiuteremo noi.
07:56
But this is going to be an introduction,
179
461000
2000
Ma sarà soltanto un'introduzione,
07:58
and this is all about the deep psychology that we're trying to use.
180
463000
3000
alla ricca psicologia che stiamo cercando di ricreare.
08:01
We're trying to introduce you
181
466000
2000
Stiamo cercando di presentarvi
08:03
to what I believe is the most wonderful part,
182
468000
3000
ciò che io considero l'elemento più straordinario,
08:06
you being able to talk
183
471000
2000
ossia la possibilità di parlare
08:08
in your natural voice to Milo.
184
473000
3000
naturalmente a Milo.
08:11
Now, to do that, we needed a set up,
185
476000
2000
Prima però, ci serve una situazione,
08:13
like a magician's trick.
186
478000
2000
come per il trucco di un mago.
08:15
And what we did was,
187
480000
2000
Ciò che abbiamo fatto,
08:17
we needed to give Milo this big problem.
188
482000
2000
è stato dare a Milo un problema.
08:19
So as Dimitri
189
484000
3000
Quindi mentre Dimitri
08:22
starts tidying up,
190
487000
2000
inizia a riordinare,
08:24
you can overhear a conversation
191
489000
2000
potete intuire una conversazione
08:26
that Milo's having with his parents.
192
491000
2000
tra Milo e i suoi genitori.
08:28
Milo's Mom: Oh, you've got gravy all over the floor. (Milo: I didn't mean to!)
193
493000
2000
Mamma: Hai sporcato il pavimento di sugo. (Milo: non volevo!)
08:30
Milo's Mom: That carpet is brand new.
194
495000
2000
Mamma: Il tappeto è nuovo.
08:32
PM: So he's just spilled
195
497000
2000
PM: Quindi ha rovesciato
08:34
a plate of sausages on the floor,
196
499000
2000
un piatto di salsicce sul pavimento,
08:36
on the brand-new carpet.
197
501000
2000
sul tappeto appena comperato.
08:38
We've all done it as parents; we've all done it as children.
198
503000
3000
L'abbiamo fatto tutti come genitori, e come figli.
08:41
Now's a chance for Dimitri
199
506000
2000
Ora Dimitri ha l'opportunità
08:43
to kind of reassure and calm Milo down.
200
508000
2000
di provare a rincuorare Milo.
08:45
It's all been too much for him.
201
510000
2000
E' molto demoralizzato.
08:47
He's just moved house. He's got no friends.
202
512000
3000
Ha appena traslocato. Non ha amici.
08:50
Now is the time
203
515000
2000
Arriva quindi il momento
08:52
when we open that portal
204
517000
2000
di aprire un varco
08:54
and allow you to talk to Milo.
205
519000
2000
e di permettervi di parlare a Milo.
08:57
Female Voice: Why don't you try saying something encouraging
206
522000
3000
Voce: Perché non provi a dire qualcosa
09:00
to cheer Milo up.
207
525000
2000
per rincuorare Milo?
09:02
Dimitri: Come on, Milo. You know what parents are like.
208
527000
2000
Dimitri: Dai Milo. Lo sai come sono i genitori.
09:04
They're always getting stressed.
209
529000
3000
Si fanno sempre mille problemi.
09:08
Milo: What do they want to come here for anyway?
210
533000
3000
Milo: Ma cosa ci siamo venuti a fare qui?
09:12
We don't know anyone.
211
537000
3000
Non conosciamo nessuno.
09:15
Dimitri: Well, you've got a new school to go to.
212
540000
2000
Dimitri: Però andrai a una nuova scuola.
09:17
You're going to meet loads of cool, new friends.
213
542000
3000
Ti farai un sacco di nuovi amici.
09:22
Milo: I just really miss my old house, that's all.
214
547000
3000
Milo: Mi manca la mia vecchia casa, tutto qui.
09:28
Dimitri: Well, this is a pretty awesome house, Milo.
215
553000
2000
Dimitri: Ei, ma questa casa è fantastica Milo!
09:30
You've got a cool garden to play in and a pond.
216
555000
3000
Hai un super giardino per giocare e uno stagno.
09:37
Milo: It was good skimming stones.
217
562000
2000
Milo: E' stato bello tirare i sassi.
09:47
This looks nice.
218
572000
2000
Sembra tutto a posto.
09:50
You cleaned up my room.
219
575000
2000
Hai pulito la mia stanza.
09:52
Thanks.
220
577000
2000
Grazie.
09:54
PM: So after three-quarters of an hour,
221
579000
2000
PM: dopo tre quarti d'ora quindi,
09:56
he recognizes you.
222
581000
2000
Milo mostra di apprezzarvi.
09:58
And I promise you, if you're sitting in front of this screen,
223
583000
3000
Ve lo garantisco, se siete seduti di fronte allo schermo,
10:01
that is a truly wonderful moment.
224
586000
3000
questo è un momento davvero magico.
10:04
And we're ready now
225
589000
2000
Siamo ora pronti
10:06
to tell a story about his childhood and his life,
226
591000
2000
per raccontare la storia della sua infanzia e vita,
10:08
and it goes on,
227
593000
2000
che prosegue
10:10
and he has, you know, many adventures.
228
595000
2000
con una serie di avventure.
10:12
Some of those adventures are a little bit dark or on the darker side.
229
597000
3000
Alcune di queste sono un po' cupe.
10:15
Some of those adventures are wonderfully encouraging --
230
600000
2000
Altre invece decisamente incoraggianti --
10:17
he's got to go to school.
231
602000
2000
dovrà andare a scuola.
10:19
The cool thing is
232
604000
2000
Il bello è che
10:21
that we're doing as well:
233
606000
2000
possiamo anche fare delle cose:
10:23
as you interact with him,
234
608000
2000
mentre interagiamo,
10:25
you're able to put things into his world; he recognizes objects.
235
610000
3000
si possono inserire nuovi elementi nel suo mondo, e riconosce gli oggetti.
10:28
His mind is based in a cloud.
236
613000
3000
La sua mente è formata da una "nuvola".
10:31
That means Milo's mind,
237
616000
2000
Vuol dire che la mente di Milo,
10:33
as millions of people use it,
238
618000
2000
grazie all'utilizzo di milioni di persone,
10:35
will get smarter and cleverer.
239
620000
2000
diventerà più brillante e acuta.
10:37
He'll recognize more objects
240
622000
2000
Riconoscerà più oggetti
10:39
and thus understand more words.
241
624000
2000
e capirà più parole.
10:41
But for me,
242
626000
2000
Ma per me,
10:43
this is a wonderful opportunity
243
628000
2000
questa è un'occasione straordinaria
10:45
where technology, at last, can be connected with,
244
630000
3000
in cui, finalmente, la tecnologia può essere vissuta,
10:48
where I am no longer restrained
245
633000
2000
in cui non siamo più limitati
10:50
by the finger I hold in my hand --
246
635000
2000
dall'utilizzo delle dita sul comando --
10:52
as far as a computer game's concerned --
247
637000
2000
almeno per quanto riguarda i videogiochi --
10:54
or by the blandness of not being noticed
248
639000
2000
o dalla freddezza di non essere notati
10:56
if you're watching a film or a book.
249
641000
3000
dal film o dal libro che stiamo leggendo.
10:59
And I love those revolutions,
250
644000
3000
Io adoro queste rivoluzioni,
11:02
and I love the future that Milo brings.
251
647000
2000
e adoro il futuro che Milo ci porta.
11:04
Thank you very much indeed.
252
649000
2000
Grazie mille, davvero.
11:06
(Applause)
253
651000
3000
(Applauso)
ABOUT THE SPEAKER
Peter Molyneux - Game changerThe head of Microsoft's European games division, Peter Molyneux is building an astonishing new "virtual friend" who interacts with you.
Why you should listen
Game geeks have been buzzing about Project Natal for, seemingly, ever -- Microsoft's now-in-development gaming device that goes the Wii one better by allowing your whole body to become the joystick, using touchless, visual-recognition interface technology. What kind of game will be played on this immersive new equipment? Peter Molyneux is working on one that redefines the whole notion of "game" -- Milo.
Milo is a little boy (there's also to be a little girl, Kate) who quite simply acts like a little boy, learning your name, talking with you, going on walks around the lake. It's an immersive, slightly uncanny experience, as seen in the single year-old demo that's still blowing minds on YouTube. Molyneux himself is a game-industry legend who has created many titles. In 1997 he founded Lionhead Studios, makers of Fable, a role-playing game. Microsoft bought Lionhead in 2006, and will release the much-anticipated Fable III in the fall.
Peter Molyneux | Speaker | TED.com