TEDGlobal 2010
Peter Molyneux: Meet Milo, the virtual boy
Peter Molyneux hace una demostración de Milo, el niño virtual
Filmed:
Readability: 3.5
852,770 views
Peter Molyneux hace una demostración de Milo, un videojuego para el controlador Kinect de Microsoft que ha suscitado mucha expectación. El niño virtual, perspicaz e impresionable como un chico de 11 años de verdad, observa, escucha y aprende: es capaz de reconocerle y responderle.
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
Cuando vi una tecnología denominada Kinect,
00:19
it was called Natal -- I was inspired,
1
4000
3000
se llamaba Natal antes, me inspiró,
00:22
and I thought for a moment,
2
7000
2000
y pensé por un momento,
00:24
maybe it's possible
3
9000
2000
tal vez sea posible
00:26
to address that one problem of storytelling,
4
11000
3000
abordar el problema de la narración de historias,
00:29
to create a character
5
14000
3000
crear un personaje
00:32
which seemed alive,
6
17000
2000
que parezca que está vivo,
00:34
which noticed me,
7
19000
2000
que perciba mi presencia,
00:36
that could look me in the eyes
8
21000
2000
que pueda mirarme a los ojos
00:38
and feel real,
9
23000
2000
y parecer de verdad,
00:40
and sculpt a story about our relationship.
10
25000
3000
y dar forma a una historia sobre nuestra relación.
00:43
And so a year ago,
11
28000
3000
De este modo hace un año,
00:46
I showed this off
12
31000
2000
exhibí esto
00:48
at a computer show called E3.
13
33000
3000
en una exposición de ocio digital llamada E3.
00:51
And this was a piece of technology
14
36000
2000
Se trataba de un dispositivo tecnológico
00:53
with someone called Claire interacting with this boy.
15
38000
3000
a través del cual una persona llamada Claire interactuaba con este niño.
00:56
And there was a huge row online
16
41000
3000
Hubo una enorme discusión en línea
00:59
about, "Hey, this can't be real."
17
44000
3000
sobre, "Oye, no puede ser verdad".
01:02
And so I waited till now
18
47000
2000
He esperado hasta ahora
01:04
to have an actual demo
19
49000
2000
para tener la demo
01:06
of the real tech.
20
51000
2000
de la tecnología real.
01:08
Now, this tech incorporates
21
53000
2000
Esta tecnología incorpora
01:10
three big elements.
22
55000
2000
tres grandes elementos.
01:12
The first is a Kinect camera,
23
57000
2000
El primero es una cámara Kinect,
01:14
which will be out in November,
24
59000
3000
que saldrá en noviembre,
01:17
some incredible AI
25
62000
2000
con una inteligencia artificial increíble
01:19
that was hidden in the dusty vaults,
26
64000
3000
que estaba oculta en los almacenes
01:22
collecting dust
27
67000
2000
acumulando polvo
01:24
in Microsoft,
28
69000
2000
en Microsoft,
01:26
plus our quite crude
29
71000
2000
además de nuestro intentos
01:28
attempts at AI
30
73000
2000
bastantes rudimentarios en IA
01:30
at a company called Lionhead,
31
75000
3000
en un compañía llamada Lionhead,
01:33
mixing all those things together
32
78000
2000
todo eso mezclado
01:35
just to get to this one simple idea:
33
80000
3000
para llegar a esta sencilla idea:
01:38
to create a real, living
34
83000
3000
crear un ser vivo, real
01:41
being in a computer.
35
86000
2000
en un equipo informático.
01:43
Now, I'll be honest with you
36
88000
3000
Les seré sincero
01:46
and say that most of it
37
91000
2000
y diré que la mayor parte
01:48
is just a trick,
38
93000
2000
es sólo un truco,
01:50
but it's a trick that actually works.
39
95000
3000
pero un truco que funciona.
01:53
So why don't we go over and have
40
98000
2000
Por qué no lo analizamos
01:55
a look at the demo now.
41
100000
2000
y vemos la demo.
01:57
This is Dimitri.
42
102000
2000
Él es Dimitri.
01:59
Dimitri, just waggle your arm around.
43
104000
3000
Dimitri, mueve el brazo.
02:02
Now, you notice he's sitting.
44
107000
2000
Observan que está sentado.
02:04
There are no controllers,
45
109000
2000
No hay controladores,
02:06
no keyboards,
46
111000
2000
ni teclados,
02:08
or mice,
47
113000
2000
ni ratones,
02:10
or joysticks, or joypads.
48
115000
3000
ni joysticks, ni controladores para juegos.
02:13
He is just going to use
49
118000
2000
Sólo va a usar
02:15
his hand, his body and his voice,
50
120000
3000
su mano, su cuerpo y su voz,
02:18
just like humans interact with their hands, body and voice.
51
123000
3000
tal y como interactúan los humanos con sus manos, su cuerpo y su voz.
02:21
So let's move forward.
52
126000
2000
Avancemos.
02:23
You're going to meet Milo for the first time.
53
128000
3000
Van a conocer a Milo.
02:27
We had to give him a problem
54
132000
2000
Teníamos que darle un problema,
02:29
because when we first created Milo,
55
134000
2000
porque cuando creamos a Milo,
02:31
we realized that he came across as a little bit of a brat,
56
136000
2000
nos dimos cuenta de que nos salió un mocoso
02:33
to be honest with you.
57
138000
2000
para serles sincero.
02:35
He was quite a know-it-all,
58
140000
2000
Era un sabelotodo,
02:37
and he wanted to kind of make you laugh.
59
142000
2000
y quería hacer reír.
02:39
So the problem we introduced to him was this:
60
144000
2000
De modo que el problema que le presentamos fue éste:
02:41
he's just moved house.
61
146000
2000
se acaba de mudar de casa.
02:43
He's moved from London
62
148000
2000
Se ha mudado de Londres
02:45
to New England, over in America.
63
150000
3000
a Nueva Inglaterra, allá en EE.UU.
02:48
His parents are too busy
64
153000
2000
Sus padres están demasiado ocupados
02:50
to listen to his problems,
65
155000
2000
para escuchar sus problemas,
02:52
and that's when he starts almost conjuring you up.
66
157000
3000
y entonces es cuando empieza a encantarte.
02:55
So here he is
67
160000
2000
Aquí lo tenemos
02:57
walking through the grass.
68
162000
2000
caminando por la hierba.
02:59
And you're able to interact with his world.
69
164000
3000
Pueden interactuar con él también.
03:02
The cool thing is, what we're doing
70
167000
3000
Lo mejor es que lo que hacemos
03:05
is we're changing the mind
71
170000
2000
es cambiar la opinión
03:07
of Milo constantly.
72
172000
2000
de Milo constantemente.
03:09
That means no two people's Milos
73
174000
3000
Eso significa que no hay
03:12
can be the same.
74
177000
2000
dos Milos iguales.
03:14
You're actually sculpting a human being here.
75
179000
3000
Están dando forma a un ser humano.
03:19
So, he's discovering the garden.
76
184000
2000
Está descubriendo el jardín.
03:21
You're helping him discover the garden
77
186000
2000
Le están ayudando a descubrir el jardín
03:23
by just pointing out these snails.
78
188000
3000
al señalar a esos caracoles.
03:27
Very simple at the start.
79
192000
2000
Muy sencillo al principio.
03:29
By the way, if you are a boy, it's snails;
80
194000
3000
Por cierto, si uno es un chico, son caracoles;
03:32
if you're a girl, it's butterflies
81
197000
3000
si es una chica, mariposas,
03:35
because what we found was that girls hate snails.
82
200000
3000
porque hemos averiguado que a las chicas no les gustan los caracoles.
03:38
(Laughter)
83
203000
2000
(Risas)
03:44
So remember, this is the first time you've met him,
84
209000
3000
Recuerden, lo acaban de conocer,
03:47
and we really want to draw you in and make you more curious.
85
212000
3000
y queremos atraerles y despertar su curiosidad.
03:52
His face, by the way,
86
217000
2000
Su rostro, por cierto,
03:54
is fully AI-driven.
87
219000
2000
está totalmente controlado por IA.
03:56
We have complete control over his blush responses,
88
221000
3000
Tenemos un control absoluto sobre sus reacciones de sonrojo,
03:59
the diameter of his nostrils
89
224000
3000
el diámetro de las ventanas de su nariz
04:02
to denote stress.
90
227000
2000
para denotar estrés.
04:04
We actually do something called body matching.
91
229000
2000
Hacemos algo que se llama correspondencia corporal.
04:06
If you're leaning forward,
92
231000
2000
Si uno se inclina hacia delante,
04:08
he will try and slightly change
93
233000
2000
él intentará cambiar ligeramente
04:10
the neuro-linguistic nature of his face,
94
235000
3000
la naturaleza neurolingüística de su cara,
04:13
because we went out with this strong idea:
95
238000
2000
porque partimos de esta idea equivocada:
04:15
how can we make you believe that something's real?
96
240000
3000
¿cómo podemos hacerles creer que algo es real?
04:18
Now we've used the hand.
97
243000
2000
Hemos usado la mano.
04:20
The other thing to use is your body.
98
245000
3000
Y también el cuerpo.
04:23
Why not just, instead of pushing left and right
99
248000
3000
¿Por qué, en lugar de empujar hacia la izquierda y la derecha
04:26
with a mouse or with a joypad,
100
251000
3000
con un ratón o con un controlador para juegos,
04:29
why not use your body just to lean on the chair --
101
254000
2000
por qué no usar su cuerpo para inclinarse en la silla,
04:31
again, relaxed?
102
256000
2000
otra vez, relajados?
04:33
You can lean back,
103
258000
2000
Pueden reclinarse,
04:35
but the camera will change its perspective
104
260000
2000
pero la cámara cambiará la perspectiva
04:37
depending on which way you're looking.
105
262000
3000
dependiendo de la dirección en la que miren.
04:41
So Dimitri's now going to use --
106
266000
2000
Dimitri va a usar...
04:43
he's used his hand; he's used his body.
107
268000
2000
ha usado su mano; ha usado su cuerpo.
04:45
He's now going to use the other thing which is essential,
108
270000
3000
Va a usar otra cosa que es esencial,
04:48
and that's his voice.
109
273000
2000
y es su voz.
04:50
Now, the thing about voice is,
110
275000
2000
La cuestión sobre la voz es,
04:52
our experience with voice recognition
111
277000
2000
nuestra experiencia con el reconocimiento de voz
04:54
is pretty awful, isn't it?
112
279000
2000
es bastante mala.
04:56
It never works.
113
281000
2000
Nunca funciona.
04:58
You order an airline ticket; you end up in Timbuktu.
114
283000
3000
Encargas un pasaje de avión y acabas en Tombuctú.
05:02
So we've tackled that problem,
115
287000
2000
Hemos tratado ese problema
05:04
and we've come up with a solution, which we'll see in a second.
116
289000
3000
y hemos dado con una solución que verán en un momento.
05:07
Milo: I could just squish it.
117
292000
2000
Milo: Podría aplastarlo.
05:09
Peter Molyneux: What are you going to do, Dimitri?
118
294000
2000
Peter Molyneux: ¿Qué vas a hacer, Dimitri?
05:11
Female Voice: Squashing a snail may not seem important,
119
296000
2000
Voz femenina: Aplastar a un caracol no parecerá importante,
05:13
but remember, even this choice
120
298000
2000
pero recuerden, incluso esta elección
05:15
will affect how Milo develops.
121
300000
3000
afectará a la evolución de Milo.
05:18
Do you want Milo to squash it?
122
303000
2000
¿Quieren que Milo lo aplaste?
05:20
When you see the microphone,
123
305000
2000
Cuando vean el micrófono,
05:22
say ... (PM: Squash.) ... yes to decide.
124
307000
2000
digan... (PM: Aplastar.)... sí para decidir.
05:24
Dimitri: Go on, Milo. Squash it.
125
309000
3000
Dimitri: Vamos, Milo. Aplástalo.
05:27
PM: No. That's the wrong thing to do.
126
312000
2000
PM: No. Esa es la decisión equivocada.
05:29
Now look at his response.
127
314000
2000
Observen su respuesta.
05:31
He said, "Go on, Milo. Squash it."
128
316000
3000
Dijo: "Vamos, Milo. Aplástalo".
05:34
What we're using there is,
129
319000
2000
Lo que usamos ahí es,
05:36
we're using something, a piece of technology called Tellme.
130
321000
2000
usamos una tecnología llamada Tell Me.
05:38
It's a company that Microsoft acquired some years ago.
131
323000
3000
Es una compañía que adquirió Microsoft hace unos años.
05:41
We've got a database of words which we recognize.
132
326000
2000
Disponemos de una base de datos de palabras que reconocemos.
05:43
We pick those words out.
133
328000
2000
Las seleccionamos.
05:45
We also reference that
134
330000
2000
También la documentamos
05:47
with the tonation database
135
332000
2000
con la base de datos tonal
05:49
that we build up of Dimitri's voice,
136
334000
3000
que construimos a partir de la voz de Dimitri
05:52
or the user's voice.
137
337000
2000
o la voz del usuario.
05:54
Now we need to have a bit more engagement,
138
339000
3000
Necesitamos tener una mayor implicación.
05:57
and again, what we can do
139
342000
2000
Y de nuevo, lo que hacemos
05:59
is we can look at the body.
140
344000
2000
es observar el cuerpo.
06:01
And we'll do that in a second.
141
346000
2000
Lo haremos en un momento.
06:03
Milo: I wonder how deep it is.
142
348000
2000
Milo: Me pregunto qué profundidad tiene.
06:13
Deep.
143
358000
2000
Profundo.
06:16
PM: Okay. So what we're going to do now
144
361000
2000
PM: Bien. O sea, lo que vamos a hacer
06:18
is teach Milo to skim stones.
145
363000
3000
es enseñar a Milo a hacer patitos.
06:21
We're actually teaching him.
146
366000
2000
Ya le estamos enseñando.
06:23
It's very, very interesting
147
368000
2000
Resulta muy interesante
06:25
that men, more than women,
148
370000
2000
que los hombres, más que las mujeres,
06:27
tend to be more competitive here.
149
372000
3000
suelen ser en esto más competitivos.
06:30
They're fine with teaching Milo for the first few throws,
150
375000
3000
Se sienten cómodos enseñándole a lanzar piedras,
06:33
but then they want to beat Milo,
151
378000
2000
pero después quieren vencer a Milo,
06:35
where women,
152
380000
2000
mientras que las mujeres,
06:37
they're more nurturing about this.
153
382000
3000
son más protectoras en este aspecto.
06:43
Okay, this is skimming stones.
154
388000
2000
Bien, esto es hacer patitos.
06:45
How do you skim stones?
155
390000
3000
¿Cómo lo haces?
06:48
You stand up,
156
393000
3000
Te pones en pie,
06:51
and you skim the stone.
157
396000
2000
y rozas la superficie con la piedra.
06:53
It's that simple.
158
398000
2000
Así de simple.
06:55
Just recognizing your body,
159
400000
2000
Reconociendo el cuerpo,
06:57
recognizing the body's motions, the tech,
160
402000
2000
reconociendo sus movimientos, la tecnología,
06:59
understanding that you've gone
161
404000
2000
comprendiendo que se ha pasado
07:01
from sitting down to standing up.
162
406000
3000
de estar sentado a estar de pie.
07:04
Again, all of this is done
163
409000
2000
De nuevo, todo esto se hace
07:06
in the way us humans do things,
164
411000
2000
como nosotros los humanos lo hacemos,
07:08
and that's crucially important
165
413000
3000
y eso es sumamente importante
07:11
if we want Milo to appear real.
166
416000
2000
si queremos que Milo parezca real.
07:13
Female Voice: See if you can inspire him to do any better.
167
418000
3000
Voz femenina: A ver si puedes animarle a hacerlo mejor.
07:21
Try hitting the boat.
168
426000
2000
Prueba a darle al barco.
07:25
Milo: Ahhh. So close.
169
430000
2000
Milo: Ahhh. Por poco.
07:33
PM: That's Dimitri at his most competitive.
170
438000
2000
PM: El lado más competitivo de Dimitri.
07:35
Now beaten an 11-year-old child. Well done.
171
440000
3000
Ha ganado a un niño de 11 años. Bien hecho.
07:39
Milo: Okay.
172
444000
2000
Milo: Bien.
07:42
PM: So, Milo's being called back in by his parents,
173
447000
3000
PM: A Milo lo reclaman sus padres,
07:45
giving us time to be alone
174
450000
2000
así tenemos tiempo para estar solos
07:47
and to help him out.
175
452000
2000
y ayudarle.
07:49
Basically -- the bit that we missed at the start --
176
454000
2000
Básicamente... lo que no vimos al principio...
07:51
his parents had asked him to clean up his room.
177
456000
3000
sus padres le habían pedido que ordenara su habitación.
07:54
And we're going to help him with this now.
178
459000
2000
Y ahora le vamos a ayudar.
07:56
But this is going to be an introduction,
179
461000
2000
Pero va a ser una presentación
07:58
and this is all about the deep psychology that we're trying to use.
180
463000
3000
y tiene que ver con la psicología profunda que aplicamos.
08:01
We're trying to introduce you
181
466000
2000
Intentamos presentarles
08:03
to what I believe is the most wonderful part,
182
468000
3000
lo que creo que es la parte más maravillosa,
08:06
you being able to talk
183
471000
2000
que ustedes puedan hablarle
08:08
in your natural voice to Milo.
184
473000
3000
a Milo con su voz natural.
08:11
Now, to do that, we needed a set up,
185
476000
2000
Para hacerlo, necesitamos una simulación,
08:13
like a magician's trick.
186
478000
2000
como el truco de un mago.
08:15
And what we did was,
187
480000
2000
Y lo que hicimos fue,
08:17
we needed to give Milo this big problem.
188
482000
2000
teníamos que dar a Milo este problema.
08:19
So as Dimitri
189
484000
3000
Mientras que Dimitri
08:22
starts tidying up,
190
487000
2000
empieza a limpiar,
08:24
you can overhear a conversation
191
489000
2000
pueden oír de fondo una conversación
08:26
that Milo's having with his parents.
192
491000
2000
que tiene Milo con sus padres.
08:28
Milo's Mom: Oh, you've got gravy all over the floor. (Milo: I didn't mean to!)
193
493000
2000
Madre: Hay salsa por todo el suelo. (Milo: ¡Fue sin querer!)
08:30
Milo's Mom: That carpet is brand new.
194
495000
2000
Madre de Milo: Esa alfombra es nueva.
08:32
PM: So he's just spilled
195
497000
2000
PM: Se le ha caído
08:34
a plate of sausages on the floor,
196
499000
2000
un plato de salchichas al suelo,
08:36
on the brand-new carpet.
197
501000
2000
a la alfombra nueva.
08:38
We've all done it as parents; we've all done it as children.
198
503000
3000
Todos lo hemos hecho como padres; todos lo hemos hecho como hijos.
08:41
Now's a chance for Dimitri
199
506000
2000
Ahora Dimistri tiene la oportunidad
08:43
to kind of reassure and calm Milo down.
200
508000
2000
de tranquilizar y calmar a Milo.
08:45
It's all been too much for him.
201
510000
2000
Ha sido demasiado para él.
08:47
He's just moved house. He's got no friends.
202
512000
3000
Se acaba de mudar de casa. No tiene amigos.
08:50
Now is the time
203
515000
2000
Ahora es el momento
08:52
when we open that portal
204
517000
2000
en el que abrimos ese portal
08:54
and allow you to talk to Milo.
205
519000
2000
y les permitimos hablar con Milo.
08:57
Female Voice: Why don't you try saying something encouraging
206
522000
3000
Voz femenina: Por qué no intentas decir algo que
09:00
to cheer Milo up.
207
525000
2000
anime a Milo.
09:02
Dimitri: Come on, Milo. You know what parents are like.
208
527000
2000
Dimitri: Venga, Milo. Ya sabes cómo son los padres.
09:04
They're always getting stressed.
209
529000
3000
Siempre están estresados.
09:08
Milo: What do they want to come here for anyway?
210
533000
3000
Milo: ¿Para qué quieren venirse aquí?
09:12
We don't know anyone.
211
537000
3000
No conocemos a nadie.
09:15
Dimitri: Well, you've got a new school to go to.
212
540000
2000
Dimitri: Tienes una nueva escuela.
09:17
You're going to meet loads of cool, new friends.
213
542000
3000
Vas a conocer muchos amigos nuevos que molan.
09:22
Milo: I just really miss my old house, that's all.
214
547000
3000
Milo: Echo de menos mi antigua casa, eso es todo.
09:28
Dimitri: Well, this is a pretty awesome house, Milo.
215
553000
2000
Dimitri: Ésta es una casa bastante bonita, Milo.
09:30
You've got a cool garden to play in and a pond.
216
555000
3000
Tienes un jardín genial para jugar y un estanque.
09:37
Milo: It was good skimming stones.
217
562000
2000
Milo: Me gustaba hacer ranitas.
09:47
This looks nice.
218
572000
2000
Es bonito.
09:50
You cleaned up my room.
219
575000
2000
Ordenaste mi habitación.
09:52
Thanks.
220
577000
2000
Gracias.
09:54
PM: So after three-quarters of an hour,
221
579000
2000
PM: Después de tres cuartos de hora,
09:56
he recognizes you.
222
581000
2000
él les reconoce.
09:58
And I promise you, if you're sitting in front of this screen,
223
583000
3000
Se lo prometo, si están sentados delante de esta pantalla,
10:01
that is a truly wonderful moment.
224
586000
3000
es un momento verdaderamente maravilloso.
10:04
And we're ready now
225
589000
2000
Estamos listos
10:06
to tell a story about his childhood and his life,
226
591000
2000
para contar una historia sobre su infancia y su vida,
10:08
and it goes on,
227
593000
2000
y continúa,
10:10
and he has, you know, many adventures.
228
595000
2000
y tiene muchas aventuras.
10:12
Some of those adventures are a little bit dark or on the darker side.
229
597000
3000
Algunas de ellas son un poco tristes o están en el lado más oscuro.
10:15
Some of those adventures are wonderfully encouraging --
230
600000
2000
Otras son maravillosamente esperanzadoras...
10:17
he's got to go to school.
231
602000
2000
tiene que ir a la escuela.
10:19
The cool thing is
232
604000
2000
Lo mejor es que
10:21
that we're doing as well:
233
606000
2000
nosotros lo hacemos también:
10:23
as you interact with him,
234
608000
2000
al interactuar con él,
10:25
you're able to put things into his world; he recognizes objects.
235
610000
3000
pueden poner objetos en su mundo y él los reconoce.
10:28
His mind is based in a cloud.
236
613000
3000
Su mente está localizada en una nube.
10:31
That means Milo's mind,
237
616000
2000
Eso significa que la mente de Milo,
10:33
as millions of people use it,
238
618000
2000
tal y como millones de personas la usamos,
10:35
will get smarter and cleverer.
239
620000
2000
se hará más inteligente y más lista.
10:37
He'll recognize more objects
240
622000
2000
Reconocerá más objetos
10:39
and thus understand more words.
241
624000
2000
y así comprenderá más palabras.
10:41
But for me,
242
626000
2000
Pero por lo que a mí respecta,
10:43
this is a wonderful opportunity
243
628000
2000
es una oportunidad maravillosa
10:45
where technology, at last, can be connected with,
244
630000
3000
con la que la tecnología, por fin, puede relacionarse,
10:48
where I am no longer restrained
245
633000
2000
en la que no me limita ya
10:50
by the finger I hold in my hand --
246
635000
2000
el dedo que levanto en mi mano...
10:52
as far as a computer game's concerned --
247
637000
2000
en lo que respecta a un juego de PC...
10:54
or by the blandness of not being noticed
248
639000
2000
o la experiencia insípida carente de reconocimiento
10:56
if you're watching a film or a book.
249
641000
3000
de ver una película o un libro.
10:59
And I love those revolutions,
250
644000
3000
Me encantan estas revoluciones
11:02
and I love the future that Milo brings.
251
647000
2000
y me encanta el futuro que trae Milo.
11:04
Thank you very much indeed.
252
649000
2000
Muchísimas gracias.
11:06
(Applause)
253
651000
3000
(Aplausos)
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