TEDxPortland
Maurice Conti: The incredible inventions of intuitive AI
موريس كونتي: الاختراعات المدهشة للذكاء الصنعي البديهي
Filmed:
Readability: 4.6
6,173,221 views
ما الذي ستحصلون عليه عندما تمنحون جهاز عصبي رقمي لأداة تصميم؟ الحواسيب التي تطور قدرتنا على التفكير والتخيّل والأنظمة الآلية التى تستطيع التوصل إلى (وبناء) تصميمات جذرية جديدة للجسور، السيارات، الطائرات بدون طيار، وأكثر من ذلك بكثير -- وكل ذلك بمفردهم. خذوا جولة في عصر التطور مع العالم المستقبلي موريس كونتي واستعرضوا الزمن حيث سيعمل الإنسان الآلي والبشر جنبًا إلى جنب لتحقيق أشياء لا يستطيع أي منهم تحقيقها بمفرده.
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
كم مبدع بينكم،
00:15
designers, engineers,
entrepreneurs, artists,
entrepreneurs, artists,
1
3048
3624
كم مهندس، مصمم، رجل أعمال، فنان،
أو قد يكون لديكم مخيلة عظيمة بحق؟
00:18
or maybe you just have
a really big imagination?
a really big imagination?
2
6696
2387
00:21
Show of hands? (Cheers)
3
9107
1848
هل ترفعون أيديكم؟ (هتاف)
00:22
That's most of you.
4
10979
1181
أغلبكم.
00:25
I have some news for us creatives.
5
13334
2294
عندي بعض الأخبار
لنا كمبدعين.
لنا كمبدعين.
00:28
Over the course of the next 20 years,
6
16714
2573
على مدى 20 عامًا القادمة،
00:33
more will change around
the way we do our work
the way we do our work
7
21471
2973
سيتغيرالكثير في ما يخُص
الطريقة التي نقوم بها بعملنا
الطريقة التي نقوم بها بعملنا
00:37
than has happened in the last 2,000.
8
25382
2157
خلافًا لما حدث في 2000 عام الأخيرة.
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
في الحقيقة، أعتقد أننا في فجر
عصر جديد من تاريخ البشرية.
عصر جديد من تاريخ البشرية.
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
حاليًا، هناك أربعة عصور رئيسية تاريخية
تمّ تصنيفها وفقًا لطريقة عملنا.
تمّ تصنيفها وفقًا لطريقة عملنا.
00:51
The Hunter-Gatherer Age
lasted several million years.
lasted several million years.
11
39404
3275
استمر عصر الصيد وجمع الثمار
لملايين السنين.
لملايين السنين.
00:55
And then the Agricultural Age
lasted several thousand years.
lasted several thousand years.
12
43163
3576
ثم دام العصر الزراعي
لآلاف السنين.
لآلاف السنين.
00:59
The Industrial Age lasted
a couple of centuries.
a couple of centuries.
13
47195
3490
ودام العصر الصناعي
لبضع قرون.
لبضع قرون.
01:02
And now the Information Age
has lasted just a few decades.
has lasted just a few decades.
14
50709
4287
وحاليًا لقد دام عصر المعلومات
لبضع عقود.
لبضع عقود.
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
واليوم نحن على أعتاب
عصرنا العظيم القادم كأجناس بشرية.
عصرنا العظيم القادم كأجناس بشرية.
01:13
Welcome to the Augmented Age.
16
61296
2680
أهلًا بكم في عصرالتطور.
01:16
In this new era, your natural human
capabilities are going to be augmented
capabilities are going to be augmented
17
64000
3693
في هذا العصرالجديد، ستتطور
قدراتكم البشرية
قدراتكم البشرية
01:19
by computational systems
that help you think,
that help you think,
18
67717
3068
بفضل الأنظمة الحاسوبية
التي تساعدكم على التفكير،
التي تساعدكم على التفكير،
01:22
robotic systems that help you make,
19
70809
2186
والأنظمة الآلية التي تساعدكم على التنفيذ،
01:25
and a digital nervous system
20
73019
1648
وجهاز عصبي رقمي
01:26
that connects you to the world
far beyond your natural senses.
far beyond your natural senses.
21
74691
3690
يربطك بالعالم أبعد من حواسك الطبيعية.
01:31
Let's start with cognitive augmentation.
22
79437
1942
لنبدأ بالتطور المعرفي.
01:33
How many of you are augmented cyborgs?
23
81403
2200
من بينكم انسان آلي
ذو قدرات قابلة للتطور؟
ذو قدرات قابلة للتطور؟
01:36
(Laughter)
24
84133
2650
(ضحك)
01:38
I would actually argue
that we're already augmented.
that we're already augmented.
25
86807
2821
سأقيم الحجة بأننا بالفعل قابلون للتطور.
01:42
Imagine you're at a party,
26
90288
1504
تخيل أنك في حفلة،
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
ويسألك أحدهم سؤالًا لا تعرف إجابته.
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
إذا كان لديك إحدى هذه،
خلال ثوانِ، يمكنك معرفة الإجابة.
خلال ثوانِ، يمكنك معرفة الإجابة.
01:51
But this is just a primitive beginning.
29
99869
2299
ولكن هذه مجرد بداية أولية.
01:54
Even Siri is just a passive tool.
30
102863
3331
حتى سيري مجرد آلة غير واعية.
01:58
In fact, for the last
three-and-a-half million years,
three-and-a-half million years,
31
106660
3381
في الواقع، لمدة الثلاث ونصف
مليون سنة الأخيرة،
مليون سنة الأخيرة،
02:02
the tools that we've had
have been completely passive.
have been completely passive.
32
110065
3109
كانت الأدوات التي لدينا
غير واعية تمامًا.
غير واعية تمامًا.
02:06
They do exactly what we tell them
and nothing more.
and nothing more.
33
114203
3655
كانت تقوم بما نخبرها به ولا شيء أكثر.
02:09
Our very first tool only cut
where we struck it.
where we struck it.
34
117882
3101
كانت أداتُنا الأولى تقطع حيثما نضربها
02:13
The chisel only carves
where the artist points it.
where the artist points it.
35
121822
3040
يقطع المِنْقاش حيثما يصوبه الفنان.
02:17
And even our most advanced tools
do nothing without our explicit direction.
do nothing without our explicit direction.
36
125343
5641
وحتى أدواتنا الأكثرتقدمًا،
لا تقوم بشيء من دون توجيهنا المحدد.
لا تقوم بشيء من دون توجيهنا المحدد.
02:23
In fact, to date, and this
is something that frustrates me,
is something that frustrates me,
37
131008
3181
في الحقيقة، حتى هذا التاريخ،
وهذا شئ يُحبطني،
وهذا شئ يُحبطني،
02:26
we've always been limited
38
134213
1448
لقد كنا دائمًا مقيدين
02:27
by this need to manually
push our wills into our tools --
push our wills into our tools --
39
135685
3501
بالحاجة إلى الدفع يدويًا
بإرادتنا إلى أداوتنا
بإرادتنا إلى أداوتنا
02:31
like, manual,
literally using our hands,
literally using our hands,
40
139210
2297
مثل، يدويًا، استعمال أيدينا حرفيًا،
02:33
even with computers.
41
141531
1428
حتى مع الحواسيب.
02:36
But I'm more like Scotty in "Star Trek."
42
144072
2463
ولكني أشبه كثيرًا سكوتي
في "ستار تريك."
في "ستار تريك."
02:38
(Laughter)
43
146559
1850
(ضحك)
02:40
I want to have a conversation
with a computer.
with a computer.
44
148433
2146
أريد إجراء محادثة
مع حاسوب.
مع حاسوب.
02:42
I want to say, "Computer,
let's design a car,"
let's design a car,"
45
150603
2970
أريد أن أقول، "أيها الحاسوب،
لنصمم سيارة،"
لنصمم سيارة،"
02:45
and the computer shows me a car.
46
153597
1539
ويظهر الحاسوب لي سيارة.
02:47
And I say, "No, more fast-looking,
and less German,"
and less German,"
47
155160
2608
وأقول، "لا، ذات مظهر سريع أكثر،
وغير ألمانية.
وغير ألمانية.
02:49
and bang, the computer shows me an option.
48
157792
2163
فرقعة، ويقدم لي الحاسوب خيارًا.
02:51
(Laughter)
49
159979
1865
(ضحك)
02:54
That conversation might be
a little ways off,
a little ways off,
50
162208
2306
قد تكون تلك محادثة
غير ممكنة بعض الشيء،
غير ممكنة بعض الشيء،
02:56
probably less than many of us think,
51
164538
2665
ربما أقل مما يعتقد
الكثير منا،
الكثير منا،
02:59
but right now,
52
167227
1763
لكن الآن،
03:01
we're working on it.
53
169014
1151
نحن نعمل على ذلك.
03:02
Tools are making this leap
from being passive to being generative.
from being passive to being generative.
54
170189
4033
تقوم الأدوات بهذه القفزة من كونها
غير واعية إلى كونها منتجة.
غير واعية إلى كونها منتجة.
03:06
Generative design tools
use a computer and algorithms
use a computer and algorithms
55
174831
3308
تستخدم أدوات التصميم المُنتجة
حاسوب وخوارزميات
حاسوب وخوارزميات
03:10
to synthesize geometry
56
178163
2608
لتشكيل هندسة
03:12
to come up with new designs
all by themselves.
all by themselves.
57
180795
2754
تأتي بتصاميم ذاتية جديدة.
03:15
All it needs are your goals
and your constraints.
and your constraints.
58
183996
2748
كل ما تحتاجه هو أهدافك وتعليماتك.
03:18
I'll give you an example.
59
186768
1408
سأعطيكم مثالًا.
03:20
In the case of this aerial drone chassis,
60
188200
2788
في حالة هيكل الطائرة بدون طيار هذه،
03:23
all you would need to do
is tell it something like,
is tell it something like,
61
191012
2626
كل ما عليك فعله هو أن تخبره شيئًا مثل،
03:25
it has four propellers,
62
193662
1273
أن لديه أربع أعمدة،
03:26
you want it to be
as lightweight as possible,
as lightweight as possible,
63
194959
2131
تريدها أن تكون
خفيفة الوزن قدر الإمكان،
خفيفة الوزن قدر الإمكان،
03:29
and you need it to be
aerodynamically efficient.
aerodynamically efficient.
64
197114
2270
وتريدها أن تكون ذات
فاعلية ديناميكية هوائية.
فاعلية ديناميكية هوائية.
03:31
Then what the computer does
is it explores the entire solution space:
is it explores the entire solution space:
65
199408
4914
ما يقوم به الحاسوب هو
استكشاف نطاق الحل كاملًا:
استكشاف نطاق الحل كاملًا:
03:36
every single possibility that solves
and meets your criteria --
and meets your criteria --
66
204346
3927
كل إمكانية ستحل وتلبي معاييرك --
03:40
millions of them.
67
208297
1442
الملايين منهم.
03:41
It takes big computers to do this.
68
209763
1975
يتطلب هذا حواسيب كبيرة.
03:43
But it comes back to us with designs
69
211762
1955
لكن الأمر يعود إلينا بالنسبة للتصاميم
03:45
that we, by ourselves,
never could've imagined.
never could've imagined.
70
213741
3143
التي لم نكن، بأنفسنا، نتخيلها.
03:49
And the computer's coming up
with this stuff all by itself --
with this stuff all by itself --
71
217326
2912
وتقوم الحواسيب بذلك الأمر
بذاتها بشكل كامل --
بذاتها بشكل كامل --
03:52
no one ever drew anything,
72
220262
1678
لم يرسم أحد أي شيء.
03:53
and it started completely from scratch.
73
221964
2086
وبدأت تمامًا من الصفر.
03:57
And by the way, it's no accident
74
225038
2387
وبالمناسبة، ليست صدفة
03:59
that the drone body looks just like
the pelvis of a flying squirrel.
the pelvis of a flying squirrel.
75
227449
3481
أن يشبه هيكل الطائرة بدون طيار
حوض السنجاب الطائر.
حوض السنجاب الطائر.
04:03
(Laughter)
76
231287
2007
(ضحك)
04:06
It's because the algorithms
are designed to work
are designed to work
77
234040
2302
ذلك لأن الخوارزميات صُمّمت للعمل
04:08
the same way evolution does.
78
236366
1637
بنفس طريقة التطور.
04:10
What's exciting is we're starting
to see this technology
to see this technology
79
238715
2660
المثير أننا بدأنا نرى هذه التكنولوجيا
04:13
out in the real world.
80
241399
1159
جَلية في العالم الواقعي.
04:14
We've been working with Airbus
for a couple of years
for a couple of years
81
242582
2452
لقد عملنا مع أيرباص
لعدة سنوات
لعدة سنوات
04:17
on this concept plane for the future.
82
245058
1909
على مفهوم الطائرة هذا للمستقبل.
04:18
It's a ways out still.
83
246991
2070
لم ترَ النور بعد.
04:21
But just recently we used
a generative-design AI
a generative-design AI
84
249085
3780
لكن مؤخرًا، استخدمنا تصميم ذو
ذكاء اصطناعي مُنتج.
ذكاء اصطناعي مُنتج.
04:24
to come up with this.
85
252889
1807
ليأتي بهذا.
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
هذا قسم مقصورة ذات صورة
ثلاثية أبعاد صممها حاسوب.
ثلاثية أبعاد صممها حاسوب.
04:32
It's stronger than the original
yet half the weight,
yet half the weight,
87
260786
2824
إنها أقوى من الحقيقية
و تزن نصف الوزن الحقيقي،
و تزن نصف الوزن الحقيقي،
04:35
and it will be flying
in the Airbus A320 later this year.
in the Airbus A320 later this year.
88
263634
3146
وستطير في إيرباص A320 لاحقًا هذا العام.
04:39
So computers can now generate;
89
267405
1559
لذا يمكن للحواسيب أن تنتج الآن؛
04:40
they can come up with their own solutions
to our well-defined problems.
to our well-defined problems.
90
268988
4595
يمكنها تقديم حلولها الخاصة
لمشاكلنا المحددة.
لمشاكلنا المحددة.
04:46
But they're not intuitive.
91
274677
1310
ولكنها ليست بديهية.
04:48
They still have to start from scratch
every single time,
every single time,
92
276011
3086
فلا يزال عليها البدء من الصفر كل مرّة،
04:51
and that's because they never learn.
93
279121
2565
ذلك لأنها لا تتعلم أبدًا.
04:54
Unlike Maggie.
94
282368
1766
على عكس ماجي.
04:56
(Laughter)
95
284158
1581
(ضحك)
04:57
Maggie's actually smarter
than our most advanced design tools.
than our most advanced design tools.
96
285763
3297
ماجي في الحقيقة أذكى من
أدواتنا التصمّيمة الأكثر تقدمًا.
أدواتنا التصمّيمة الأكثر تقدمًا.
05:01
What do I mean by that?
97
289467
1440
ما الذي أعنيه بذلك؟
05:02
If her owner picks up that leash,
98
290931
1590
إذا التقط صاحبها الرسن،
05:04
Maggie knows with a fair
degree of certainty
degree of certainty
99
292545
2068
تعرف ماجي بدرجة كبيرة من التأكد
05:06
it's time to go for a walk.
100
294637
1404
أنه حان وقت الذهاب للتنزه.
05:08
And how did she learn?
101
296065
1185
وكيف تعلمت ذلك؟
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
حسنًا، كلما يلتقط صاحبها الرسن،
يذهبان للتنزه.
يذهبان للتنزه.
05:12
And Maggie did three things:
103
300622
1878
وقامت ماجي بثلاثة أشياء:
05:14
she had to pay attention,
104
302524
1869
كانت لابد أن تنتبه،
05:16
she had to remember what happened
105
304417
2082
وكانت لابد أن تتذكر ما حدث
05:18
and she had to retain and create
a pattern in her mind.
a pattern in her mind.
106
306523
4017
وكان عليها أن تحفظ مسارًا
في رأسها وتحدده.
في رأسها وتحدده.
05:23
Interestingly, that's exactly what
107
311429
2095
والمثير للاهتمام، هذا هو بالضبط
05:25
computer scientists
have been trying to get AIs to do
have been trying to get AIs to do
108
313548
2523
يحاول علماء الحاسوب جَعل
الذكاء الإصطناعي يقوم بذلك
الذكاء الإصطناعي يقوم بذلك
05:28
for the last 60 or so years.
109
316095
1859
لمدة 60 سنة الأخيرة أو ما يُقارب ذلك.
05:30
Back in 1952,
110
318683
1349
بالعودة لعام 1952،
05:32
they built this computer
that could play Tic-Tac-Toe.
that could play Tic-Tac-Toe.
111
320056
3801
صنعوا هذا الحاسوب الذي
يصدر صوت تيك-تاك-تو
يصدر صوت تيك-تاك-تو
05:37
Big deal.
112
325081
1160
أمر عظيم.
05:39
Then 45 years later, in 1997,
113
327029
3000
ثم بعد 45 سنة، في عام 1997،
05:42
Deep Blue beats Kasparov at chess.
114
330053
2472
هزم ديب بلو كاسباروف
في لعبة الشطرنج.
في لعبة الشطرنج.
05:46
2011, Watson beats these two
humans at Jeopardy,
humans at Jeopardy,
115
334046
4968
في 2011، هزم واتسون هذان
البشريان في جاباردي،
البشريان في جاباردي،
05:51
which is much harder for a computer
to play than chess is.
to play than chess is.
116
339038
2928
وهو شيء أصعب للحاسوب
في اللعب من الشطرنج.
في اللعب من الشطرنج.
05:53
In fact, rather than working
from predefined recipes,
from predefined recipes,
117
341990
3812
في الحقيقة،
05:57
Watson had to use reasoning
to overcome his human opponents.
to overcome his human opponents.
118
345826
3323
احتاج وتسون لاستخدام المنطق حتى
يتغلب على خصومه البشريين.
يتغلب على خصومه البشريين.
06:02
And then a couple of weeks ago,
119
350393
2439
ومن ثم منذ بضعة أسابيع،
06:04
DeepMind's AlphaGo beats
the world's best human at Go,
the world's best human at Go,
120
352856
4262
هزم ديب ميند التابع لألفاجو
أفضل بشري في جو،
أفضل بشري في جو،
06:09
which is the most difficult
game that we have.
game that we have.
121
357142
2212
والتى تعد أصعب لعبة لدينا.
06:11
In fact, in Go, there are more
possible moves
possible moves
122
359378
2896
في الحقيقة، في جو، هناك المزيد
من التغيرات الممكنة
من التغيرات الممكنة
06:14
than there are atoms in the universe.
123
362298
2024
أكثر من الذرات الموجودة في الكون.
06:18
So in order to win,
124
366210
1826
لذا للفوز،
06:20
what AlphaGo had to do
was develop intuition.
was develop intuition.
125
368060
2618
يجب على الفاجو أن يقوم بتطوير البديهة.
06:23
And in fact, at some points,
AlphaGo's programmers didn't understand
AlphaGo's programmers didn't understand
126
371098
4110
وفي الواقع، في بعض النقاط،
لم يفهم مبرمجو الفاجو
لم يفهم مبرمجو الفاجو
06:27
why AlphaGo was doing what it was doing.
127
375232
2286
لما كان يقوم ألفاجو بما قام به.
06:31
And things are moving really fast.
128
379451
1660
وتمضي الأشياء بسرعة كبيرة.
06:33
I mean, consider --
in the space of a human lifetime,
in the space of a human lifetime,
129
381135
3227
أعني، فكروا في -- في نطاق العمر البشري،
06:36
computers have gone from a child's game
130
384386
2233
فقد انتقلت الحواسيب من كونها لعبة أطفال
06:39
to what's recognized as the pinnacle
of strategic thought.
of strategic thought.
131
387920
3048
إلى كونها رأس التفكير الاستراتيجي.
06:43
What's basically happening
132
391999
2417
ما يحدث أساسيًا
06:46
is computers are going
from being like Spock
from being like Spock
133
394440
3310
هو أن الحواسيب تنتقل من كونها شبه سبوك
06:49
to being a lot more like Kirk.
134
397774
1949
إلى كونها أكثر شبهًا بكيرك.
06:51
(Laughter)
135
399747
3618
(ضحك)
06:55
Right? From pure logic to intuition.
136
403389
3424
صحيح؟ من المنطق البحت إلى البديهة.
07:00
Would you cross this bridge?
137
408184
1743
هل ستعبرون هذا الجسر؟
07:02
Most of you are saying, "Oh, hell no!"
138
410609
2323
يقول معظمكم، "اوه، لا بحق الجحيم!"
07:04
(Laughter)
139
412956
1308
(ضحك)
07:06
And you arrived at that decision
in a split second.
in a split second.
140
414288
2657
وقد قررتم ذلك في جزء أقل من الثانية.
07:08
You just sort of knew
that bridge was unsafe.
that bridge was unsafe.
141
416969
2428
تعرفون نوعًا ما بأن هذا الجسر غير آمن.
07:11
And that's exactly the kind of intuition
142
419421
1989
وهذا بالتحديد هو البديهة
07:13
that our deep-learning systems
are starting to develop right now.
are starting to develop right now.
143
421434
3568
التي بدأت أنظمتنا المعرفيّة
المعقدة بتطويرها الآن.
المعقدة بتطويرها الآن.
07:17
Very soon, you'll literally be able
144
425722
1707
قريبًا، ستكونون حرفيًا قادرين على
07:19
to show something you've made,
you've designed,
you've designed,
145
427453
2206
أن تظهروا شيء قد صنعتموه، أو صممتموه،
07:21
to a computer,
146
429683
1153
إلى حاسوب،
07:22
and it will look at it and say,
147
430860
1489
وسينظر إليه ويقول،
07:24
"Sorry, homie, that'll never work.
You have to try again."
You have to try again."
148
432373
2823
"آسف، يا صاح، لن يصلح هذا أبدًا.
لابد أن تحاول مجددًا.
لابد أن تحاول مجددًا.
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
أو قد تساله إذا ما كان الناس
سيحبون أُغنيتك التالية،
سيحبون أُغنيتك التالية،
07:31
or your next flavor of ice cream.
150
439773
2063
او نكهتك التالية من الآيس كريم.
07:35
Or, much more importantly,
151
443549
2579
أو ما هو أكثر أهميةً من ذلك،
07:38
you could work with a computer
to solve a problem
to solve a problem
152
446152
2364
هو العمل مع حاسوب لحل مشكلة
07:40
that we've never faced before.
153
448540
1637
لم نواجهها من قبل.
07:42
For instance, climate change.
154
450201
1401
على سبيل المثال، تغير المناخ.
07:43
We're not doing a very
good job on our own,
good job on our own,
155
451626
2020
نحن لا نقوم بعمل جيد بمفردنا،
07:45
we could certainly use
all the help we can get.
all the help we can get.
156
453670
2245
يمكننا بالتاكيد استخدام المساعدة
التي يمكن أن نحصل عليها.
التي يمكن أن نحصل عليها.
07:47
That's what I'm talking about,
157
455939
1458
هذا ما أتحدث عنه،
07:49
technology amplifying
our cognitive abilities
our cognitive abilities
158
457421
2555
تقوي التكنولوجيا قدراتنا الإدراكية
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
بذلك يمكننا تخيل وتصميم أشياء
لم تكن في متناولنا
لم تكن في متناولنا
07:55
as plain old un-augmented humans.
160
463576
2559
كبشر غير متطورين وبسطاء.
07:59
So what about making
all of this crazy new stuff
all of this crazy new stuff
161
467984
2941
إذاً ماذا عن هذا
الشيء المجنون الجديد
الشيء المجنون الجديد
08:02
that we're going to invent and design?
162
470949
2441
الذي سنخترعه وسنصممه؟
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
أعتقد أن عصر التطور البشري
بقدر ما هو حول العالم المادي
بقدر ما هو حول العالم المادي
08:10
as it is about the virtual,
intellectual realm.
intellectual realm.
164
478069
3065
بقدر ما هو حول العالم الإفتراضي الفكري.
08:13
How will technology augment us?
165
481833
1921
إذًا كيف ستتطورنا التكنولوجيا؟
08:16
In the physical world, robotic systems.
166
484261
2473
في العالم المادي، الأنظمة الآلية.
08:19
OK, there's certainly a fear
167
487620
1736
حسنًا، هناك بالتأكيد خوف من
08:21
that robots are going to take
jobs away from humans,
jobs away from humans,
168
489380
2488
أن الأنظمة الحاسوبية ستأخذ وظائف البشر،
08:23
and that is true in certain sectors.
169
491892
1830
وهذا حقيقي في بعض القطاعات.
08:26
But I'm much more interested in this idea
170
494174
2878
ولكني مهتم أكثر بهذه الفكرة
08:29
that humans and robots working together
are going to augment each other,
are going to augment each other,
171
497076
5010
أن عمل البشر والأنسان الآلي معًا
سيطور من بعضهم البعض،
سيطور من بعضهم البعض،
08:34
and start to inhabit a new space.
172
502110
2058
ويبدأون بشغل مجال جديد.
08:36
This is our applied research lab
in San Francisco,
in San Francisco,
173
504192
2362
هذا معملنا للبحث التطبيقي
في سان فرانسيسكو،
في سان فرانسيسكو،
08:38
where one of our areas of focus
is advanced robotics,
is advanced robotics,
174
506578
3142
حيث أحدى مجالات اهتماماتنا
هو علم الإنسان الآلي المتقدم،
هو علم الإنسان الآلي المتقدم،
08:41
specifically, human-robot collaboration.
175
509744
2511
وبالأخص، التعاون البشري الآلي.
08:45
And this is Bishop, one of our robots.
176
513034
2759
وهذا بيشوب، إنسان آلي لدينا.
08:47
As an experiment, we set it up
177
515817
1789
كتجربة، أعددناه
08:49
to help a person working in construction
doing repetitive tasks --
doing repetitive tasks --
178
517630
3460
لمساعدة شخص يعمل في البناء
يقوم بمهام متكررة --
يقوم بمهام متكررة --
08:53
tasks like cutting out holes for outlets
or light switches in drywall.
or light switches in drywall.
179
521984
4194
مهام مثل حفر ثقوب مأخذ التيار
أو مفاتيح الإضاءة في حائط الجبس.
أو مفاتيح الإضاءة في حائط الجبس.
08:58
(Laughter)
180
526202
2466
(ضحك)
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
فالشريك البشري لبيشوب بإمكانه إخباره
بما يجب فعله بإنجليزية بسيطة
بما يجب فعله بإنجليزية بسيطة
09:05
and with simple gestures,
182
533012
1305
وبإشارات بسيطة،
09:06
kind of like talking to a dog,
183
534341
1447
نوعًا ما مثل التحدث إلى كلب،
09:07
and then Bishop executes
on those instructions
on those instructions
184
535812
2143
وبعدها ينفذ بيشوب وفقًا لتلك التعليمات
09:09
with perfect precision.
185
537979
1892
بإحكام تام.
09:11
We're using the human
for what the human is good at:
for what the human is good at:
186
539895
2989
نحن نستخدم البشر فيما هم جيدون فيه:
09:14
awareness, perception and decision making.
187
542908
2333
الوعي و الإدراك واتخاذ القررات،
09:17
And we're using the robot
for what it's good at:
for what it's good at:
188
545265
2240
ونستخدم الإنسان الآلي فيما هو جيد فيه:
09:19
precision and repetitiveness.
189
547529
1748
الانضباط والتكرار.
09:22
Here's another cool project
that Bishop worked on.
that Bishop worked on.
190
550252
2367
وهنا مشروع ممتاز آخر يعمل به بيشوب.
09:24
The goal of this project,
which we called the HIVE,
which we called the HIVE,
191
552643
3075
إن هدف هذا المشروع، الذي نسميه ال "هايف"،
09:27
was to prototype the experience
of humans, computers and robots
of humans, computers and robots
192
555742
3851
هو وضع تصميم أولي لتجربة
البشر والحواسيب والإنسان الآلي
البشر والحواسيب والإنسان الآلي
09:31
all working together to solve
a highly complex design problem.
a highly complex design problem.
193
559617
3220
لعملهم معًا جميعًا لحل مشكلة
تصميم معقدة جدًا.
تصميم معقدة جدًا.
09:35
The humans acted as labor.
194
563793
1451
يمثل البشر العمالة.
09:37
They cruised around the construction site,
they manipulated the bamboo --
they manipulated the bamboo --
195
565268
3473
هم يتجولون حول موقع البناء،
ويشكلون الخيزران --
ويشكلون الخيزران --
09:40
which, by the way,
because it's a non-isomorphic material,
because it's a non-isomorphic material,
196
568765
2756
والذي بسبب كونه مادة غير تَشاكُلية،
09:43
is super hard for robots to deal with.
197
571545
1874
صعب جدًا على الإنسان
الآلي التعامل معها.
الآلي التعامل معها.
09:45
But then the robots
did this fiber winding,
did this fiber winding,
198
573443
2022
من ثم يقوم الإنسان
الآلي بلف الألياف هذه،
الآلي بلف الألياف هذه،
09:47
which was almost impossible
for a human to do.
for a human to do.
199
575489
2451
والذي كان مستحيل تقريبًا علي البشر فعله.
09:49
And then we had an AI
that was controlling everything.
that was controlling everything.
200
577964
3621
ومن ثم كان لدينا الذكاء الصنعي
الذي يتحكم في كل شيء.
الذي يتحكم في كل شيء.
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
كان يُملي على البشرما يجب عليهم فعله،
والإنسان الآلي كذلك
والإنسان الآلي كذلك
09:56
and keeping track of thousands
of individual components.
of individual components.
202
584923
2915
ويتتبع مسار آلاف المكونات الفردية.
09:59
What's interesting is,
203
587862
1180
المثير للاهتمام أن،
10:01
building this pavilion
was simply not possible
was simply not possible
204
589066
3141
بناء هذا الجناح لم يكن ممكنًا
10:04
without human, robot and AI
augmenting each other.
augmenting each other.
205
592231
4524
بدون البشر والإنسان الآلي و الذكاء
الصنعي بتطويرهم لبعضهم البعض.
الصنعي بتطويرهم لبعضهم البعض.
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
حسنًا، سأشارككم مشروع آخر.
و هو مجنون قليلًا.
و هو مجنون قليلًا.
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
إننا نعمل مع فنان مقيم في أمستردام جوريس
لارمان وفريقه في أم أكس ثري دي
لارمان وفريقه في أم أكس ثري دي
10:17
to generatively design
and robotically print
and robotically print
208
605726
2878
وذلك للتصميم بشكل إنتاجي والطباعة آليًا
10:20
the world's first autonomously
manufactured bridge.
manufactured bridge.
209
608628
2995
أول جسر في العالم مصنع بشكل استقلالي.
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
وبذلك، يصمم جوريس و الذكاء
الصنعي هذا الشيء الآن، ونحن نتكلم،
الصنعي هذا الشيء الآن، ونحن نتكلم،
10:28
in Amsterdam.
211
616024
1172
في أمستردام.
10:29
And when they're done,
we're going to hit "Go,"
we're going to hit "Go,"
212
617220
2321
وعندما ينتهون، سنعطي "إشارة البدء"
10:31
and robots will start 3D printing
in stainless steel,
in stainless steel,
213
619565
3311
وسيبدأ الإنسان الآلي برسم رسومات
ثلاثية الأبعاد على فولاذ مقاوم للصدأ.
ثلاثية الأبعاد على فولاذ مقاوم للصدأ.
10:34
and then they're going to keep printing,
without human intervention,
without human intervention,
214
622900
3283
وبعدها سيواصلون الرسم من دون تدخل البشر،
10:38
until the bridge is finished.
215
626207
1558
حتي ينتهي الجسر.
10:41
So, as computers are going
to augment our ability
to augment our ability
216
629099
2928
لذا إن كانت الحواسيب ستطور من قدرتنا
10:44
to imagine and design new stuff,
217
632051
2150
على تخيل وتصمم أشياء جديدة،
10:46
robotic systems are going to help us
build and make things
build and make things
218
634225
2895
فستساعدنا النُظم الآلية على بناء
وتصنيع أشياء جديدة
وتصنيع أشياء جديدة
10:49
that we've never been able to make before.
219
637144
2084
لم نكن قادرين على القيام بها من قبل.
10:52
But what about our ability
to sense and control these things?
to sense and control these things?
220
640347
4160
ولكن ماذا عن قدرتنا على الإدراك
والتحكم في هذه الأشياء؟
والتحكم في هذه الأشياء؟
10:56
What about a nervous system
for the things that we make?
for the things that we make?
221
644531
4031
ماذا عن جهاز عصبي للأشياء التى نصنعها؟
11:00
Our nervous system,
the human nervous system,
the human nervous system,
222
648586
2512
جهازنا العصبي، الجهازي العصبي البشري،
11:03
tells us everything
that's going on around us.
that's going on around us.
223
651122
2311
يخبرنا بالأشياء التى تجري من حولنا.
11:06
But the nervous system of the things
we make is rudimentary at best.
we make is rudimentary at best.
224
654186
3684
لكن الجهاز العصبي للأشياء التي
نصنعها بدائي في أحسن حالاته.
نصنعها بدائي في أحسن حالاته.
11:09
For instance, a car doesn't tell
the city's public works department
the city's public works department
225
657894
3563
مثلًا، السيارة لا تُخبر دائرة
الأشغال العامة بالمدينة
الأشغال العامة بالمدينة
11:13
that it just hit a pothole at the corner
of Broadway and Morrison.
of Broadway and Morrison.
226
661481
3130
أنها قد اصطدمت في حفرة عند زاوية
برودواي و إيمرسون.
برودواي و إيمرسون.
11:16
A building doesn't tell its designers
227
664635
2032
وأن البناء لا يخبر مصمميه
11:18
whether or not the people inside
like being there,
like being there,
228
666691
2684
إن ما كان الناس بداخله
يحبون التواجد فيه أم لا،
يحبون التواجد فيه أم لا،
11:21
and the toy manufacturer doesn't know
229
669399
3010
ولايعرف مصمم لعُبة
11:24
if a toy is actually being played with --
230
672433
2007
إن كان يُلعب بها --
11:26
how and where and whether
or not it's any fun.
or not it's any fun.
231
674464
2539
كيف وأين وإذا ما كانت ممتعة أو لا.
11:29
Look, I'm sure that the designers
imagined this lifestyle for Barbie
imagined this lifestyle for Barbie
232
677620
3814
انظروا، أنا متأكد أن المصممين
تخيلوا نظام الحياة هذا لباربي
تخيلوا نظام الحياة هذا لباربي
11:33
when they designed her.
233
681458
1224
وهم يصممونها.
11:34
(Laughter)
234
682706
1447
(ضحك)
11:36
But what if it turns out that Barbie's
actually really lonely?
actually really lonely?
235
684177
2906
لكن ماذا لو بدا أن باربي في الواقع وحيدة؟
11:39
(Laughter)
236
687107
3147
(ضحك)
11:43
If the designers had known
237
691266
1288
لو كان يعلم المصممون
11:44
what was really happening
in the real world
in the real world
238
692578
2107
ما كان يحدث في العالم الواقعي
11:46
with their designs -- the road,
the building, Barbie --
the building, Barbie --
239
694709
2583
مع تصميماتهم -- الطريق، البناء، باربي --
11:49
they could've used that knowledge
to create an experience
to create an experience
240
697316
2694
لكانوا استخدموا هذه المعرفة لخلق تجربة
11:52
that was better for the user.
241
700034
1400
أفضل للمستخدم.
11:53
What's missing is a nervous system
242
701458
1791
ما ينقص هو جهاز عصبي
11:55
connecting us to all of the things
that we design, make and use.
that we design, make and use.
243
703273
3709
يربطنا بجميع الأشياء التي
نُصممها ونصنعها ونستخدمها.
نُصممها ونصنعها ونستخدمها.
11:59
What if all of you had that kind
of information flowing to you
of information flowing to you
244
707915
3555
ماذا لو كان لديكم هذا النوع
من المعلومات التي تأتي اليكم
من المعلومات التي تأتي اليكم
12:03
from the things you create
in the real world?
in the real world?
245
711494
2183
من الأشياء التي تصنعونها
في العالم الواقعي.
في العالم الواقعي.
12:07
With all of the stuff we make,
246
715432
1451
مع كل هذه الأشياء التي نصنعها،
12:08
we spend a tremendous amount
of money and energy --
of money and energy --
247
716907
2435
قد أنفقنا كم هائل من المال والطاقة --
12:11
in fact, last year,
about two trillion dollars --
about two trillion dollars --
248
719366
2376
فى الواقع، العام الماضي،
حوالي 2 تريليون دولارًا --
حوالي 2 تريليون دولارًا --
12:13
convincing people to buy
the things we've made.
the things we've made.
249
721766
2854
لإقناع الناس بشراء الأشياء التي صنعناها .
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
لكن إن كان لديكم هذه العلاقة بين
الأشياء التي تصممونها وتصنعونها
الأشياء التي تصممونها وتصنعونها
12:20
after they're out in the real world,
251
728056
1727
بعدما كانوا في العالم الخارجي،
12:21
after they've been sold
or launched or whatever,
or launched or whatever,
252
729807
3614
بعد بيعهم أو اطلاقهم أو أيًا كان،
12:25
we could actually change that,
253
733445
1620
بإمكاننا فعليًا تغيير ذلك،
12:27
and go from making people want our stuff,
254
735089
3047
ونتحول من جذب الناس لشراء أشياءنا،
12:30
to just making stuff that people
want in the first place.
want in the first place.
255
738160
3434
إلى تصنيع الأشياء التي يريدها
الناس في المقام الأول.
الناس في المقام الأول.
12:33
The good news is, we're working
on digital nervous systems
on digital nervous systems
256
741618
2787
الأخبار الجيدة هى أننا نعمل على
جهاز عصبي رقمي
جهاز عصبي رقمي
12:36
that connect us to the things we design.
257
744429
2801
يربطنا بالأشياء التي نصممها.
12:40
We're working on one project
258
748365
1627
نعمل على مشروع
12:42
with a couple of guys down in Los Angeles
called the Bandito Brothers
called the Bandito Brothers
259
750016
3712
مع بعض الرفاق في لوس أنجلوس
يسمون "بانديتو برازرز"
يسمون "بانديتو برازرز"
12:45
and their team.
260
753752
1407
وفريقهم.
12:47
And one of the things these guys do
is build insane cars
is build insane cars
261
755183
3433
وأحد الأشياء التي يقوم بها هؤلاء
الرفاق هو تصميم سيارات مجنونة
الرفاق هو تصميم سيارات مجنونة
12:50
that do absolutely insane things.
262
758640
2873
والتي تقوم بالطبع بأشياء مجنونة.
12:54
These guys are crazy --
263
762905
1450
هؤلاء الرفاق مجانين--
12:56
(Laughter)
264
764379
1036
(ضحك)
12:57
in the best way.
265
765439
1403
بأفضل حال.
13:00
And what we're doing with them
266
768993
1763
وما نفعله معهم
13:02
is taking a traditional race-car chassis
267
770780
2440
هو أخد هيكل سيارة سباق تقليدية
13:05
and giving it a nervous system.
268
773244
1585
وإعطاءه جهاز عصبي.
13:06
So we instrumented it
with dozens of sensors,
with dozens of sensors,
269
774853
3058
وعليه فقد جهزها بعشرات
من أجهزة الاستشعار،
من أجهزة الاستشعار،
13:09
put a world-class driver behind the wheel,
270
777935
2635
وجعلنا سائق ذو تصنيف عالمي يقودها،
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
وأخذها خارجًا الى الصحراء
وقادها لمدة أسبوع.
وقادها لمدة أسبوع.
13:15
And the car's nervous system
captured everything
captured everything
272
783975
2491
والتقط الجهاز العصبي للسيارة كل شيء
13:18
that was happening to the car.
273
786490
1482
كان يحدث للسيارة.
13:19
We captured four billion data points;
274
787996
2621
لقد جمعنا 4 بليون نقطة معلومات؛
13:22
all of the forces
that it was subjected to.
that it was subjected to.
275
790641
2310
جميعها من القوى التي خضعت لها.
13:24
And then we did something crazy.
276
792975
1659
وبعدها قمنا بشيء مجنون.
13:27
We took all of that data,
277
795268
1500
أخذنا كل تلك المعلومات،
13:28
and plugged it into a generative-design AI
we call "Dreamcatcher."
we call "Dreamcatcher."
278
796792
3736
ووصلناها الى تصميم إنتاجي للذكاء الصنعي
أسميناه " دريمكاتشر."
أسميناه " دريمكاتشر."
13:33
So what do get when you give
a design tool a nervous system,
a design tool a nervous system,
279
801270
3964
إذًأ ماذا يحدث عندما تعطي
جهاز عصبي لآلة تصميم،
جهاز عصبي لآلة تصميم،
13:37
and you ask it to build you
the ultimate car chassis?
the ultimate car chassis?
280
805258
2882
وطلبت منها أن تصمم لك هيكل سيارة نهائي؟
13:40
You get this.
281
808723
1973
ستحصل على هذا.
13:44
This is something that a human
could never have designed.
could never have designed.
282
812293
3713
هذا شيء لم يمكن لإنسان أن يصممه أبدًا.
13:48
Except a human did design this,
283
816707
1888
باستثناء إنسان واحد قام بتصميمه،
13:50
but it was a human that was augmented
by a generative-design AI,
by a generative-design AI,
284
818619
4309
لكنه كان إنسان قد تطورعن طريق
تصميم إنتاجي للذكاء الصنعي،
تصميم إنتاجي للذكاء الصنعي،
13:54
a digital nervous system
285
822952
1231
و نظام عصبي رقمي
13:56
and robots that can actually
fabricate something like this.
fabricate something like this.
286
824207
3005
و إنسان آلي بإمكانه أن يصنع شيء مثل هذا.
13:59
So if this is the future,
the Augmented Age,
the Augmented Age,
287
827680
3595
لذا، إذا كان هذا هو المستقبل،
والعصر المتطور
والعصر المتطور
14:03
and we're going to be augmented
cognitively, physically and perceptually,
cognitively, physically and perceptually,
288
831299
4261
وسنتطور معرفيًا وماديًا وإدراكيًا،
14:07
what will that look like?
289
835584
1408
كيف سيبدوا هذا؟
14:09
What is this wonderland going to be like?
290
837576
3321
كيف ستبدو أرض العجائب هذه؟
14:12
I think we're going to see a world
291
840921
1709
أعتقد أننا سنرى عالم
14:14
where we're moving
from things that are fabricated
from things that are fabricated
292
842654
3068
حيث سننتقل من الأشياء المصنعة
14:17
to things that are farmed.
293
845746
1445
الى الأشياء المزروعة.
14:20
Where we're moving from things
that are constructed
that are constructed
294
848159
3453
وحيث سننتقل من الأشياء المبنية
14:23
to that which is grown.
295
851636
1704
إلى تلك النامية.
14:26
We're going to move from being isolated
296
854134
2188
سنتحول من كوننا منعزلين
14:28
to being connected.
297
856346
1610
إلى كوننا متواصلين.
14:30
And we'll move away from extraction
298
858634
2411
وسنبتعد عن الاستخراج
14:33
to embrace aggregation.
299
861069
1873
إلى قبول التجميع.
14:35
I also think we'll shift
from craving obedience from our things
from craving obedience from our things
300
863967
3767
أعتقد أيضًا أننا سنغير من
الرغبة في انقياد الأشياء لنا
الرغبة في انقياد الأشياء لنا
14:39
to valuing autonomy.
301
867758
1641
إلى تقدير التحكم الذاتي.
14:42
Thanks to our augmented capabilities,
302
870510
1905
بفضل قدراتنا المطورة،
14:44
our world is going to change dramatically.
303
872439
2377
سيتغيرعالمنا بشكل كبير.
14:47
We're going to have a world
with more variety, more connectedness,
with more variety, more connectedness,
304
875576
3246
سيكون لدينا عالم ذو تنوع أكثر،
وذو اتصال أكبر،
وذو اتصال أكبر،
14:50
more dynamism, more complexity,
305
878846
2287
وذو دينامكية أكثر، وتعقيد أكبر،
14:53
more adaptability and, of course,
306
881157
2318
وأكثر تكيفًا، وبالطبع،
14:55
more beauty.
307
883499
1217
أكثر جمالًا.
14:57
The shape of things to come
308
885231
1564
شكل الأشياء المستقبلية
14:58
will be unlike anything
we've ever seen before.
we've ever seen before.
309
886819
2290
سيكون مختلف عن الأشياء
التي رأيناها من قبل.
التي رأيناها من قبل.
15:01
Why?
310
889133
1159
لماذا؟
15:02
Because what will be shaping those things
is this new partnership
is this new partnership
311
890316
3755
لأن من سيشكل تلك الأشياء
هي تلك الشراكة الجديدة
هي تلك الشراكة الجديدة
15:06
between technology, nature and humanity.
312
894095
3670
بين التكنولوجيا والطبيعة والإنسانية.
15:11
That, to me, is a future
well worth looking forward to.
well worth looking forward to.
313
899279
3804
ذلك، بالنسبة لي،
مستقبل جدير بأن يُتطلع إليه.
مستقبل جدير بأن يُتطلع إليه.
15:15
Thank you all so much.
314
903107
1271
الشكر لكم جميعًا.
15:16
(Applause)
315
904402
5669
(تصفيق)
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