English-Video.net comment policy

The comment field is common to all languages

Let's write in your language and use "Google Translate" together

Please refer to informative community guidelines on TED.com

TEDxPortland

Maurice Conti: The incredible inventions of intuitive AI

Maurice Conti: Las increíbles invenciones de la inteligencia artificial intuitiva

Filmed
Views 3,009,703

¿Qué obtienes cuando das a un sistema nervioso digital una herramienta de diseño? Maurice Conti explora una sociedad nueva entre tecnología, naturaleza y humanidad. El futuro de la aumentación humana. Maurice es un diseñador, futurista e innovador. Es el director de Innovación Estratégica en Autodesk y trabajó con pequeñas empresas, agencias gubernamentales, artistas renombrados y corporaciones para explorar lo que el futuro puede ofrecerles, y diseñar soluciones para hacerlos llegar a él. Como líder del Laboratorio de Investigación Aplicada en Autodesk, su trabajo se centra en la robótica avanzada, en el aprendizaje aplicado de máquinas y en el aumento del nivel del mar. Viajó por el mundo. EE.UU., Nueva Zelanda y Naciones Unidas lo condecoraron por su valentía al salvar la vida a tres náufragos. Vive en Muir Beach, CA, donde trabaja como bombero voluntario.

- Designer, futurist
Maurice Conti explores new partnerships between technology, nature and humanity. Full bio

How many of you are creatives,
¿Cuántos de Uds. son creativos?
00:12
designers, engineers,
entrepreneurs, artists,
Diseñadores, ingenieros,
emprendedores, artistas,
00:15
or maybe you just have
a really big imagination?
o quizás solo tienen
una gran imaginación.
00:18
Show of hands? (Cheers)
Muestren sus manos.
00:21
That's most of you.
La mayoría de Uds.
00:22
I have some news for us creatives.
Tengo algo que decir para
nosotros los creativos.
00:25
Over the course of the next 20 years,
En los próximos 20 años,
00:28
more will change around
the way we do our work
la manera de realizar nuestro
trabajo va a cambiar
00:33
than has happened in the last 2,000.
más que en los últimos 2000 años.
00:37
In fact, I think we're at the dawn
of a new age in human history.
De hecho, pienso que estamos ante
una nueva era en nuestra historia.
00:40
Now, there have been four major historical
eras defined by the way we work.
Hubo cuatro grandes eras históricas
definidas por la manera de trabajar.
00:45
The Hunter-Gatherer Age
lasted several million years.
La era cazadora-recolectora
duró varios millones de años.
00:51
And then the Agricultural Age
lasted several thousand years.
Luego, la era agrícola
duró varios miles de años.
00:55
The Industrial Age lasted
a couple of centuries.
La era industrial
duró un par de siglos.
00:59
And now the Information Age
has lasted just a few decades.
Y ahora la era de la información
que lleva solo algunas décadas.
01:02
And now today, we're on the cusp
of our next great era as a species.
Y hoy, estamos en presencia de una
nueva gran era para nuestra especie.
01:07
Welcome to the Augmented Age.
Bienvenidos a la era aumentada.
01:13
In this new era, your natural human
capabilities are going to be augmented
En esta era nueva, las capacidades
del ser humano serán aumentadas
01:16
by computational systems
that help you think,
por sistemas computarizados
que nos ayudarán a pensar,
01:19
robotic systems that help you make,
sistemas robóticos que
ayudarán a construir,
01:22
and a digital nervous system
y sistemas nerviosos digitales
01:25
that connects you to the world
far beyond your natural senses.
que conectarán con el mundo
más allá de los sentidos naturales.
01:26
Let's start with cognitive augmentation.
Comencemos con la aumentación cognitiva.
01:31
How many of you are augmented cyborgs?
¿Cuántos de Uds. son ciborgs aumentados?
01:33
(Laughter)
(Risas)
01:36
I would actually argue
that we're already augmented.
En realidad yo aseguraría
que ya estamos aumentados.
01:38
Imagine you're at a party,
Imagínense en una fiesta,
01:42
and somebody asks you a question
that you don't know the answer to.
y alguien les hace una pregunta
para la que no tienen respuesta.
01:43
If you have one of these,
in a few seconds, you can know the answer.
Si tienen uno de estos, en algunos
segundos, pueden saber la respuesta.
01:47
But this is just a primitive beginning.
Pero este es un comienzo primitivo.
01:51
Even Siri is just a passive tool.
Incluso Siri es una herramienta pasiva.
01:54
In fact, for the last
three-and-a-half million years,
De hecho, en los últimos
tres millones y medio de años,
01:58
the tools that we've had
have been completely passive.
las herramientas que usamos
fueron completamente pasivas.
02:02
They do exactly what we tell them
and nothing more.
Hacen justo lo que les pedimos
y nada más.
02:06
Our very first tool only cut
where we struck it.
Nuestra primera herramienta
cortaba donde la golpeábamos.
02:09
The chisel only carves
where the artist points it.
El cincel solo talla donde
el artista lo apunta.
02:13
And even our most advanced tools
do nothing without our explicit direction.
E incluso las herramientas más avanzadas
no hacen nada sin nuestra dirección.
02:17
In fact, to date, and this
is something that frustrates me,
De hecho, al día de la fecha,
y esto es algo que me frustra,
02:23
we've always been limited
siempre estuvimos limitados
02:26
by this need to manually
push our wills into our tools --
por esta necesidad manual de ejercer
nuestra voluntad en las herramientas
02:27
like, manual,
literally using our hands,
literalmente, con las manos,
02:31
even with computers.
incluso con las computadoras.
02:33
But I'm more like Scotty in "Star Trek."
Pero yo soy más como Scotty
de "Star Trek".
02:36
(Laughter)
(Risas)
02:38
I want to have a conversation
with a computer.
Quiero conversar con la computadora.
02:40
I want to say, "Computer,
let's design a car,"
Quiero decirle "Computadora,
diseñemos un auto",
02:42
and the computer shows me a car.
y que me lo muestre.
02:45
And I say, "No, more fast-looking,
and less German,"
Y yo diga "No, que parezca
más rápido y menos alemán",
02:47
and bang, the computer shows me an option.
y pum, la computadora muestra una opción.
02:49
(Laughter)
(Risas)
02:51
That conversation might be
a little ways off,
Esa conversación puede parecer lejana,
02:54
probably less than many of us think,
quizás menos de lo que pensamos,
02:56
but right now,
pero ahora,
02:59
we're working on it.
trabajamos en ello.
03:01
Tools are making this leap
from being passive to being generative.
Las herramientas están haciendo
el salto de pasivas a generativas.
03:02
Generative design tools
use a computer and algorithms
Las herramientas generativas
usan una computadora y algoritmos
03:06
to synthesize geometry
para sintetizar geometría,
03:10
to come up with new designs
all by themselves.
para crear nuevos diseños por sí mismas.
03:12
All it needs are your goals
and your constraints.
Solo necesita objetivos y restricciones.
03:15
I'll give you an example.
Les daré un ejemplo.
03:18
In the case of this aerial drone chassis,
En el caso de este chasis de dron aéreo,
03:20
all you would need to do
is tell it something like,
solo es necesario decir algo como,
03:23
it has four propellers,
tiene cuatro hélices,
03:25
you want it to be
as lightweight as possible,
que sea lo más liviano posible,
03:26
and you need it to be
aerodynamically efficient.
y con aerodinámica eficiente.
03:29
Then what the computer does
is it explores the entire solution space:
Luego la computadora explora
todas las soluciones posibles.
03:31
every single possibility that solves
and meets your criteria --
Cada posible solución que
concuerda con los criterios,
03:36
millions of them.
millones.
03:40
It takes big computers to do this.
Se necesitan computadoras grandes.
03:41
But it comes back to us with designs
Pero nos devuelve diseños
03:43
that we, by ourselves,
never could've imagined.
que por nuestros propios medios
nunca podríamos imaginar.
03:45
And the computer's coming up
with this stuff all by itself --
Y la computadora llega a esto
por sus propios medios.
03:49
no one ever drew anything,
Nadie jamás dibujó nada,
03:52
and it started completely from scratch.
y comenzó de cero.
03:53
And by the way, it's no accident
Y por cierto, no es un accidente
03:57
that the drone body looks just like
the pelvis of a flying squirrel.
que el cuerpo del dron se parezca
a la pelvis de una ardilla voladora.
03:59
(Laughter)
(Risas)
04:03
It's because the algorithms
are designed to work
Es porque los algoritmos trabajan
04:06
the same way evolution does.
igual que la evolución.
04:08
What's exciting is we're starting
to see this technology
Es emocionante que estamos
empezando a ver esta tecnología
04:10
out in the real world.
en el mundo real.
04:13
We've been working with Airbus
for a couple of years
Trabajamos con Airbus
durante un par de años
04:14
on this concept plane for the future.
en este concepto de avión para el futuro.
04:17
It's a ways out still.
Aunque todavía es muy lejano.
04:18
But just recently we used
a generative-design AI
Pero hace poco usamos inteligencia
artificial de diseño generativo
04:21
to come up with this.
para llegar a esto.
04:24
This is a 3D-printed cabin partition
that's been designed by a computer.
Esta es una división de cabina impresa
en 3D diseñada por una computadora.
04:27
It's stronger than the original
yet half the weight,
Es más fuerte que la original
y pesa la mitad,
04:32
and it will be flying
in the Airbus A320 later this year.
y va a volar en el Airbus A320
más adelante en este año.
04:35
So computers can now generate;
Ahora las computadoras pueden generar.
04:39
they can come up with their own solutions
to our well-defined problems.
Pueden brindar sus propias soluciones
para nuestros problemas bien definidos.
04:40
But they're not intuitive.
Pero no son intuitivas.
04:46
They still have to start from scratch
every single time,
Siempre tienen que comenzar de cero
en cada oportunidad,
04:48
and that's because they never learn.
Y eso es porque nunca aprenden.
04:51
Unlike Maggie.
No como Maggie.
04:54
(Laughter)
(Risas)
04:56
Maggie's actually smarter
than our most advanced design tools.
Maggie es más inteligente que nuestras
herramientas más avanzadas.
04:57
What do I mean by that?
¿Qué quiero decir?
05:01
If her owner picks up that leash,
Si su dueño toma la correa,
05:02
Maggie knows with a fair
degree of certainty
Maggie sabe con bastante seguridad
05:04
it's time to go for a walk.
que es hora de dar un paseo.
05:06
And how did she learn?
¿Y cómo lo aprendió?
05:08
Well, every time the owner picked up
the leash, they went for a walk.
Bueno, cada vez que su dueño
toma la correa, salen a pasear.
05:09
And Maggie did three things:
Maggie hizo tres cosas:
05:12
she had to pay attention,
tuvo que prestar atención,
05:14
she had to remember what happened
tuvo que recordar qué pasó,
05:16
and she had to retain and create
a pattern in her mind.
y tuvo que retener y crear
un patrón en su cabeza.
05:18
Interestingly, that's exactly what
Interesante, eso es justo
05:23
computer scientists
have been trying to get AIs to do
lo que los científicos intentan hacer
con la inteligencia artificial
05:25
for the last 60 or so years.
desde hace 60 años.
05:28
Back in 1952,
Allá en 1952,
05:30
they built this computer
that could play Tic-Tac-Toe.
construyeron esta computadora
que podía jugar a tres en raya.
05:32
Big deal.
Gran cosa.
05:37
Then 45 years later, in 1997,
Luego, 45 años más tarde en 1997,
05:39
Deep Blue beats Kasparov at chess.
Deep Blue ganó a Kasparov al ajedrez.
05:42
2011, Watson beats these two
humans at Jeopardy,
2011, Watson le gana a estos
dos humanos en Jeopardy,
05:46
which is much harder for a computer
to play than chess is.
que, para una computadora,
es mucho más difícil que el ajedrez.
05:51
In fact, rather than working
from predefined recipes,
De hecho, más que trabajar
con fórmulas predefinidas,
05:53
Watson had to use reasoning
to overcome his human opponents.
Watson tuvo que razonar para
vencer a sus oponentes humanos.
05:57
And then a couple of weeks ago,
Luego, algunas semanas atrás,
06:02
DeepMind's AlphaGo beats
the world's best human at Go,
AlphaGo de DeepMind venció
a los mejores en Go,
06:04
which is the most difficult
game that we have.
que es más el juego
más difícil que tenemos.
06:09
In fact, in Go, there are more
possible moves
De hecho, en Go, hay más
movimientos posibles
06:11
than there are atoms in the universe.
que átomos en el universo.
06:14
So in order to win,
Para ganar,
06:18
what AlphaGo had to do
was develop intuition.
AlphaGo tuvo que desarrollar intuición.
06:20
And in fact, at some points,
AlphaGo's programmers didn't understand
De hecho, en cierto punto, los
programadores de AlphaGo no entendían
06:23
why AlphaGo was doing what it was doing.
por qué AlphaGo hacía lo que hacía.
06:27
And things are moving really fast.
Y todo avanza muy rápido.
06:31
I mean, consider --
in the space of a human lifetime,
Es decir, si pensamos que en
el transcurso de una vida humana,
06:33
computers have gone from a child's game
las computadoras pasaron
de ser juegos de niños
06:36
to what's recognized as the pinnacle
of strategic thought.
a lo que se considera la cúspide
del pensamiento estratégico.
06:39
What's basically happening
Lo que básicamente ocurre
06:43
is computers are going
from being like Spock
es que las computadoras
pasan de ser como Spock...
06:46
to being a lot more like Kirk.
a ser más como Kirk.
06:49
(Laughter)
(Risas)
06:51
Right? From pure logic to intuition.
De lógica pura a intuición.
06:55
Would you cross this bridge?
¿Uds. cruzarían ese puente?
07:00
Most of you are saying, "Oh, hell no!"
Muchos piensan, "¡ni loco!"
07:02
(Laughter)
(Risas)
07:04
And you arrived at that decision
in a split second.
Y llegan a esa decisión
en una fracción de segundo.
07:06
You just sort of knew
that bridge was unsafe.
De alguna forma sabían que
ese puente es inestable.
07:08
And that's exactly the kind of intuition
Y esa es justo el tipo de intuición
07:11
that our deep-learning systems
are starting to develop right now.
que nuestros sistemas de aprendizaje
profundo desarrollan ahora mismo.
07:13
Very soon, you'll literally be able
Muy pronto, podremos
07:17
to show something you've made,
you've designed,
mostrarle algo que hayamos diseñado
07:19
to a computer,
a una computadora
07:21
and it will look at it and say,
y ésta lo mirará y dirá:
07:22
"Sorry, homie, that'll never work.
You have to try again."
"Lo siento amigo, no va a funcionar.
Inténtalo de nuevo".
07:24
Or you could ask it if people
are going to like your next song,
O podrías saber si a la gente
le va a gustar tu nueva canción,
07:27
or your next flavor of ice cream.
o tu nuevo sabor de helado.
07:31
Or, much more importantly,
O, mucho más importante,
07:35
you could work with a computer
to solve a problem
te podría ayudar a resolver un problema
07:38
that we've never faced before.
que nunca hayamos enfrentado.
07:40
For instance, climate change.
Como el cambio climático.
07:42
We're not doing a very
good job on our own,
No estamos haciendo un gran trabajo,
07:43
we could certainly use
all the help we can get.
podríamos usar toda
la ayuda posible sin dudas.
07:45
That's what I'm talking about,
De eso hablo,
07:47
technology amplifying
our cognitive abilities
tecnología que mejora
nuestras habilidades cognitivas
07:49
so we can imagine and design things
that were simply out of our reach
para poder imaginar y diseñar
más allá de nuestro alcance
07:52
as plain old un-augmented humans.
como simples humanos antiguos
y no aumentados.
07:55
So what about making
all of this crazy new stuff
¿Pero qué pasa con todas
estas cosas alocadas nuevas
07:59
that we're going to invent and design?
que vamos a inventar y diseñar?
08:02
I think the era of human augmentation
is as much about the physical world
Creo que la era del humano aumentado
tiene que ver tanto con el mundo físico
08:05
as it is about the virtual,
intellectual realm.
como con el virtual,
el reino de lo intelectual.
08:10
How will technology augment us?
¿Cómo nos aumentará la tecnología?
08:13
In the physical world, robotic systems.
En el mundo físico, sistemas robóticos.
08:16
OK, there's certainly a fear
Bueno, igual existe un miedo latente
08:19
that robots are going to take
jobs away from humans,
de que los robots asumirán
nuestro trabajo,
08:21
and that is true in certain sectors.
y es verdad en ciertos sectores.
08:23
But I'm much more interested in this idea
Pero me interesa más esta idea
08:26
that humans and robots working together
are going to augment each other,
de que humanos y robots trabajen
juntos para aumentarse entre sí,
08:29
and start to inhabit a new space.
y empezar a habitar un espacio nuevo.
08:34
This is our applied research lab
in San Francisco,
Este es nuestro laboratorio
en San Francisco,
08:36
where one of our areas of focus
is advanced robotics,
donde una de nuestras áreas
de interés es robótica avanzada,
08:38
specifically, human-robot collaboration.
en especial, colaboración
entre humanos y robots.
08:41
And this is Bishop, one of our robots.
Y este es Bishop, uno de nuestros robots.
08:45
As an experiment, we set it up
Como un experimento, lo configuramos
08:47
to help a person working in construction
doing repetitive tasks --
para ayudar a una persona a hacer
tareas repetitivas en construcción,
08:49
tasks like cutting out holes for outlets
or light switches in drywall.
tareas como hacer agujeros para
apliques o luces en una pared de yeso.
08:53
(Laughter)
(Risas)
08:58
So, Bishop's human partner
can tell what to do in plain English
El compañero humano de Bishop
puede decir qué hacer en inglés
09:01
and with simple gestures,
y con gestos simples,
09:05
kind of like talking to a dog,
como hablarle a un perro,
09:06
and then Bishop executes
on those instructions
y luego Bishop ejecuta
dichas instrucciones
09:07
with perfect precision.
con una precisión perfecta.
09:09
We're using the human
for what the human is good at:
Usamos al humano para lo que es bueno:
09:11
awareness, perception and decision making.
conciencia, percepción
y toma de decisiones.
09:14
And we're using the robot
for what it's good at:
Y usamos al robot para lo que es bueno:
09:17
precision and repetitiveness.
precisión y repetición.
09:19
Here's another cool project
that Bishop worked on.
Y otro buen proyecto
en el que trabajó Bishop.
09:22
The goal of this project,
which we called the HIVE,
El objetivo de este,
al que denominamos HIVE,
09:24
was to prototype the experience
of humans, computers and robots
fue experimentar con humanos,
computadoras y robots
09:27
all working together to solve
a highly complex design problem.
todos trabajando juntos para resolver
un problema complejo de diseño.
09:31
The humans acted as labor.
Humanos como fuerza laboral.
09:35
They cruised around the construction site,
they manipulated the bamboo --
Se movieron por la zona de construcción,
manipulando el bambú,
09:37
which, by the way,
because it's a non-isomorphic material,
el cual, al no ser un material isomorfo,
09:40
is super hard for robots to deal with.
es difícil de manipular por los robots.
09:43
But then the robots
did this fiber winding,
Luego los robots hicieron
un camino serpenteante
09:45
which was almost impossible
for a human to do.
casi imposible de hacer para un humano.
09:47
And then we had an AI
that was controlling everything.
Y luego teníamos una inteligencia
artificial que controlaba todo.
09:49
It was telling the humans what to do,
telling the robots what to do
Le decía a los humanos qué hacer,
y a los robots qué hacer
09:53
and keeping track of thousands
of individual components.
y llevaba registro de miles
de componentes individuales.
09:56
What's interesting is,
Es interesante que,
09:59
building this pavilion
was simply not possible
construir este pabellón
era prácticamente imposible
10:01
without human, robot and AI
augmenting each other.
sin humanos, robots e inteligencia
artificial aumentándose entre sí.
10:04
OK, I'll share one more project.
This one's a little bit crazy.
Les mostraré uno de mis proyectos.
Es un poquito descabellado.
10:09
We're working with Amsterdam-based artist
Joris Laarman and his team at MX3D
Trabajamos con un artista en Amsterdam,
Joris Laarman y su equipo en MX3D,
10:13
to generatively design
and robotically print
en un diseño generativo
para imprimir con robots
10:17
the world's first autonomously
manufactured bridge.
el primer puente creado de
manera autónoma en el mundo.
10:20
So, Joris and an AI are designing
this thing right now, as we speak,
Joris y una inteligencia artificial
diseñan esto ahora, mientras hablamos,
10:24
in Amsterdam.
en Amsterdam.
10:28
And when they're done,
we're going to hit "Go,"
Y cuando terminen, les daremos luz verde,
10:29
and robots will start 3D printing
in stainless steel,
y los robots empezarán a imprimir
en 3D el acero inoxidable,
10:31
and then they're going to keep printing,
without human intervention,
y luego seguirán imprimiendo
sin intervención humana,
10:34
until the bridge is finished.
hasta que el puente se termine.
10:38
So, as computers are going
to augment our ability
Conforme las computadoras
aumenten nuestra realidad
10:41
to imagine and design new stuff,
para imaginar y diseñar cosas nuevas,
10:44
robotic systems are going to help us
build and make things
los sistemas robóticos
nos ayudarán a crear cosas
10:46
that we've never been able to make before.
que nunca podríamos haber hecho antes.
10:49
But what about our ability
to sense and control these things?
¿Y qué pasa con nuestra habilidad
para sentir y controlar estas cosas?
10:52
What about a nervous system
for the things that we make?
¿Y si usamos un sistema nervioso
para controlar las cosas que hacemos?
10:56
Our nervous system,
the human nervous system,
Nuestro sistema nervioso,
el de los humanos,
11:00
tells us everything
that's going on around us.
nos dice todo lo que
pasa a nuestro alrededor.
11:03
But the nervous system of the things
we make is rudimentary at best.
Pero el sistema nervioso de las cosas
que creamos es rudimentario.
11:06
For instance, a car doesn't tell
the city's public works department
Por ejemplo, un auto no le dice
al departamento de obras públicas
11:09
that it just hit a pothole at the corner
of Broadway and Morrison.
que acaba de pasar un bache en
la esquina de Broadway y Morrison.
11:13
A building doesn't tell its designers
Un edificio no les dice a sus diseñadores
11:16
whether or not the people inside
like being there,
si la gente que está dentro lo disfruta,
11:18
and the toy manufacturer doesn't know
y el fabricante de juguetes no sabe
11:21
if a toy is actually being played with --
si se juega con cierto juguete,
11:24
how and where and whether
or not it's any fun.
cómo, dónde, y si es divertido o no.
11:26
Look, I'm sure that the designers
imagined this lifestyle for Barbie
Miren, seguro que los diseñadores
se imaginaron esta vida para la Barbie
11:29
when they designed her.
cuando la diseñaron.
11:33
(Laughter)
(Risas)
11:34
But what if it turns out that Barbie's
actually really lonely?
¿Pero qué pasaría si en realidad
la Barbie se siente muy sola?
11:36
(Laughter)
(Risas)
11:39
If the designers had known
Si los diseñadores supieran
11:43
what was really happening
in the real world
qué pasa realmente en el mundo
11:44
with their designs -- the road,
the building, Barbie --
con sus diseños: caminos,
edificios, Barbies,
11:46
they could've used that knowledge
to create an experience
podrían usar ese conocimiento
para crear una experiencia
11:49
that was better for the user.
mejor para el usuario.
11:52
What's missing is a nervous system
Lo que falta es un sistema nervioso
11:53
connecting us to all of the things
that we design, make and use.
que nos conecte a las cosas que
diseñamos, creamos, y usamos.
11:55
What if all of you had that kind
of information flowing to you
¿Qué pasaría si todos tuvieran
ese tipo de información
11:59
from the things you create
in the real world?
desde todas las cosas
que creamos en el mundo?
12:03
With all of the stuff we make,
Con todo lo que hacemos,
12:07
we spend a tremendous amount
of money and energy --
gastamos una cantidad inmensa
de dinero y energías.
12:08
in fact, last year,
about two trillion dollars --
De hecho, el último año,
cerca de USD 2 billones
12:11
convincing people to buy
the things we've made.
intentando que la gente
compre lo que hacemos.
12:13
But if you had this connection
to the things that you design and create
Pero si existiera esta conexión
con las cosas que uno diseña y crea
12:16
after they're out in the real world,
después de que salen al mundo,
12:20
after they've been sold
or launched or whatever,
después de vendidas,
lanzadas o lo que sea,
12:21
we could actually change that,
podríamos en verdad cambiarlo,
12:25
and go from making people want our stuff,
e ir desde hacer que la
gente quiera nuestras cosas,
12:27
to just making stuff that people
want in the first place.
a hacer cosas que la gente
quiere en primer lugar.
12:30
The good news is, we're working
on digital nervous systems
La buena noticia es que
trabajamos en sistemas nerviosos
12:33
that connect us to the things we design.
que nos conectan con lo que creamos.
12:36
We're working on one project
Estamos trabajando en un proyecto
12:40
with a couple of guys down in Los Angeles
called the Bandito Brothers
con un par de personas en Los Ángeles
llamados los Bandito Brothers
12:42
and their team.
y su equipo.
12:45
And one of the things these guys do
is build insane cars
Y una de las cosas que hacen
es crear autos delirantes
12:47
that do absolutely insane things.
que hacen cosas absolutamente delirantes.
12:50
These guys are crazy --
Estas personas están locas,
12:54
(Laughter)
(Risas)
12:56
in the best way.
de la mejor manera.
12:57
And what we're doing with them
Y lo que estamos haciendo juntos
13:00
is taking a traditional race-car chassis
es tomar el chasis tradicional de un auto
13:02
and giving it a nervous system.
y darle un sistema nervioso.
13:05
So we instrumented it
with dozens of sensors,
Lo equipamos con decenas de sensores,
13:06
put a world-class driver behind the wheel,
pusimos un piloto de
primer nivel al volante,
13:09
took it out to the desert
and drove the hell out of it for a week.
lo llevamos al desierto, y lo manejó
al máximo durante una semana.
13:12
And the car's nervous system
captured everything
Y el sistema nervioso
del auto capturó todo
13:15
that was happening to the car.
lo que pasaba en el auto.
13:18
We captured four billion data points;
Capturamos 4000 millones de datos,
13:19
all of the forces
that it was subjected to.
todas las fuerzas a la que era sometido.
13:22
And then we did something crazy.
Y luego construimos algo alocado.
13:24
We took all of that data,
Tomamos esos datos y los pusimos
13:27
and plugged it into a generative-design AI
we call "Dreamcatcher."
en una inteligencia artificial de diseño
generativo que llamamos "Dreamcatcher".
13:28
So what do get when you give
a design tool a nervous system,
¿Y qué obtienes cuando les das un sistema
nervioso a una herramienta de diseño
13:33
and you ask it to build you
the ultimate car chassis?
y le pides que te construya
lo último en chasis de autos?
13:37
You get this.
Obtienes esto.
13:40
This is something that a human
could never have designed.
Estos es algo que un humano
nunca podría haber diseñado.
13:44
Except a human did design this,
Pero esto lo diseñó un humano,
13:48
but it was a human that was augmented
by a generative-design AI,
un humano aumentado por una
inteligencia de diseño generativo,
13:50
a digital nervous system
un sistema nervioso digital
13:54
and robots that can actually
fabricate something like this.
y robots que realmente
pueden fabricar algo así.
13:56
So if this is the future,
the Augmented Age,
Si este es el futuro, la era aumentada,
13:59
and we're going to be augmented
cognitively, physically and perceptually,
y aumentaremos nuestro nivel
cognitivo, físico y perceptivo,
14:03
what will that look like?
¿a qué se parecerá?
14:07
What is this wonderland going to be like?
¿A qué se parecerá este
país de las maravillas?
14:09
I think we're going to see a world
Creo que veremos un mundo
14:12
where we're moving
from things that are fabricated
donde iremos de cosas que se fabrican
14:14
to things that are farmed.
a cosas que se cultivan.
14:17
Where we're moving from things
that are constructed
De cosas que se construyen
14:20
to that which is grown.
a cosas que se cultivan.
14:23
We're going to move from being isolated
Iremos de estar aislados
14:26
to being connected.
a estar conectados.
14:28
And we'll move away from extraction
Iremos de la extracción
14:30
to embrace aggregation.
a adoptar la agregación.
14:33
I also think we'll shift
from craving obedience from our things
Y también creo que pasaremos de
ansiar la obediencia de nuestras cosas
14:35
to valuing autonomy.
a valorar su autonomía.
14:39
Thanks to our augmented capabilities,
Gracias a las capacidades aumentadas
14:42
our world is going to change dramatically.
nuestro mundo sufrirá un cambio drástico.
14:44
We're going to have a world
with more variety, more connectedness,
Tendremos un mundo con
más variedad, más conectividad,
14:47
more dynamism, more complexity,
más dinamismo, más complejidad,
14:50
more adaptability and, of course,
más adaptabilidad y, por supuesto,
14:53
more beauty.
más belleza.
14:55
The shape of things to come
La formas de las cosas por venir
14:57
will be unlike anything
we've ever seen before.
será algo que jamás hemos visto antes.
14:58
Why?
¿Por qué?
15:01
Because what will be shaping those things
is this new partnership
Porque nuestra nueva asociación
le dará forma a estas cosas
15:02
between technology, nature and humanity.
entre tecnología, naturaleza y humanidad.
15:06
That, to me, is a future
well worth looking forward to.
Eso, para mí, es un futuro
que vale la pena anhelar.
15:11
Thank you all so much.
Muchas gracias a todos.
15:15
(Applause)
(Aplausos)
15:16

▲Back to top

About the speaker:

Maurice Conti - Designer, futurist
Maurice Conti explores new partnerships between technology, nature and humanity.

Why you should listen

Maurice 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 them there.

Conti is currently Director of Applied Research & Innovation at Autodesk. He also leads Autodesk's Applied Research Lab, which he built from the ground up. Conti and his team are responsible for exploring the trends and technologies that will shape our future and to begin building the solutions that can help make our world a better place.

His team's research focuses on advanced robotics, applied machine learning, the Internet of Things and climate change/sea level rise.

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 U.S. Coast Guard Citation for Bravery for saving the lives of three shipwrecked sailors.

Conti lives in Muir Beach, CA, where he serves his local community as a volunteer firefighter.

More profile about the speaker
Maurice Conti | Speaker | TED.com