ABOUT THE SPEAKER
Maurice Conti - Designer, futurist
Maurice 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.

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

Maurice Conti: The incredible inventions of intuitive AI

Maurice Conti: L'incredibile invenzione dell'Intelligenza Artificiale intuitiva

Filmed:
6,173,221 views

Cosa si ottiene quando si fornisce un sistema nervoso digitale ad uno strumento di progettazione? I computer che migliorano la nostra capacità di pensare e immaginare, e i sistemi robotizzati che possono generare (e costruire) progetti radicalmente nuovi per ponti, droni e molto altro - tutto da soli. Fate un viaggio nella Realtà *Aumentata* con il futurologo Maurice Conti e prefiguratevi un tempo in cui robots e umani lavoreranno fianco a fianco per realizzare cose che non potrebbero fare da soli.
- Designer, futurist
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 manymolti of you are creativescreatività,
0
735
2289
Quanti di voi sono creativi,
00:15
designersprogettisti, engineersingegneri,
entrepreneursimprenditori, artistsartisti,
1
3048
3624
progettisti, ingegneri, imprenditori,
artisti,
00:18
or maybe you just have
a really biggrande imaginationimmaginazione?
2
6696
2387
o forse avete soltanto una grande
immaginazione?
00:21
ShowVisualizza of handsmani? (CheersCheers)
3
9107
1848
Alzate le mani ? (Brusio)
00:22
That's mostmaggior parte of you.
4
10979
1181
La maggior parte di voi.
00:25
I have some newsnotizia for us creativescreatività.
5
13334
2294
Ho delle novità per noi creativi.
00:28
Over the coursecorso of the nextIl prossimo 20 yearsanni,
6
16714
2573
Nel corso dei prossimi 20 anni,
00:33
more will changemodificare around
the way we do our work
7
21471
2973
ci saranno più cambiamenti,
nel modo in cui lavoriamo,
00:37
than has happenedè accaduto in the last 2,000.
8
25382
2157
di quelli avvenuti negli ultimi 2.000.
00:40
In factfatto, I think we're at the dawnalba
of a newnuovo ageetà in humanumano historystoria.
9
28511
4628
Infatti, credo che siamo all'alba di una
nuova era nella storia dell'umanità.
00:45
Now, there have been fourquattro majormaggiore historicalstorico
erasere defineddefinito by the way we work.
10
33645
4761
Ci sono state quattro grandi ere storiche
definite dal modo in cui lavoriamo.
00:51
The Hunter-GathererCacciatori-raccoglitori AgeEtà
lastedè durato severalparecchi millionmilione yearsanni.
11
39404
3275
L'Era dei Cacciatori-Raccoglitori
è durata diversi milioni di anni.
00:55
And then the AgriculturalAgricola AgeEtà
lastedè durato severalparecchi thousandmille yearsanni.
12
43163
3576
Poi l'Era Agricola, che è durata
diverse migliaia di anni.
00:59
The IndustrialIndustriale AgeEtà lastedè durato
a couplecoppia of centuriessecoli.
13
47195
3490
L'Era Industriale è durata solo
qualche centinaio di anni.
01:02
And now the InformationInformazioni AgeEtà
has lastedè durato just a fewpochi decadesdecenni.
14
50709
4287
E adesso c'è l'Era dell'Informazione
da appena poche decine di anni.
01:07
And now todayoggi, we're on the cuspcuspide
of our nextIl prossimo great eraera as a speciesspecie.
15
55020
5220
E ora, oggi, siamo sul nascere della
prossima grande era per la nostra specie.
01:13
WelcomeBenvenuto to the AugmentedAumentata AgeEtà.
16
61296
2680
Benvenuti nell'Era Aumentata.
01:16
In this newnuovo eraera, your naturalnaturale humanumano
capabilitiescapacità are going to be augmentedaumentata
17
64000
3693
In questa nuova era, le vostre capacità
naturali saranno aumentate
01:19
by computationalcomputazionale systemssistemi
that help you think,
18
67717
3068
da sistemi computerizzati che vi
aiuteranno a pensare,
01:22
roboticrobotica systemssistemi that help you make,
19
70809
2186
sistemi robotici che vi aiuteranno
a produrre,
01:25
and a digitaldigitale nervousnervoso systemsistema
20
73019
1648
e un sistema nervoso digitale
01:26
that connectscollega you to the worldmondo
farlontano beyondal di là your naturalnaturale sensessensi.
21
74691
3690
che vi connetterà con il mondo
molto al di là dei vostri sensi naturali.
01:31
Let's startinizio with cognitiveconoscitivo augmentationaumento.
22
79437
1942
Iniziamo con l'aumento cognitivo.
01:33
How manymolti of you are augmentedaumentata cyborgsCyborg?
23
81403
2200
Quanti di voi sono "cyborg" aumentati?
01:36
(LaughterRisate)
24
84133
2650
(Risate)
01:38
I would actuallyin realtà arguediscutere
that we're alreadygià augmentedaumentata.
25
86807
2821
Io invece dico che siamo già aumentati.
01:42
ImagineImmaginate you're at a partypartito,
26
90288
1504
Pensate di essere ad un party
01:43
and somebodyqualcuno askschiede you a questiondomanda
that you don't know the answerrisposta to.
27
91816
3520
e qualcuno vi fa una domanda, della quale
non conoscete la risposta.
01:47
If you have one of these,
in a fewpochi secondssecondi, you can know the answerrisposta.
28
95360
3760
Se avete uno di questi, in pochi secondi
potrete conoscere la risposta.
01:51
But this is just a primitiveprimitivo beginninginizio.
29
99869
2299
Ma questo è soltanto un inizio primitivo.
01:54
Even SiriSiri is just a passivepassivo toolstrumento.
30
102863
3331
Persino Siri è solo uno strumento passivo.
01:58
In factfatto, for the last
three-and-a-halftre-e-un-metà millionmilione yearsanni,
31
106660
3381
Infatti, negli ultimi tre milioni e mezzo
di anni,
02:02
the toolsutensili that we'venoi abbiamo had
have been completelycompletamente passivepassivo.
32
110065
3109
gli strumenti che abbiamo avuto sono stati
del tutto passivi.
02:06
They do exactlydi preciso what we tell them
and nothing more.
33
114203
3655
Essi fanno esattamente quello che
diciamo ad essi e nulla più.
02:09
Our very first toolstrumento only cuttagliare
where we struckcolpito it.
34
117882
3101
Il nostro primo strumento tagliava solo
dove lo facevamo colpire.
02:13
The chiselscalpello only carvesintaglia
where the artistartista pointspunti it.
35
121822
3040
Lo scalpello scolpisce solo dove
l'artista lo punta.
02:17
And even our mostmaggior parte advancedAvanzate toolsutensili
do nothing withoutsenza our explicitesplicito directiondirezione.
36
125343
5641
E anche gli strumenti più avanzati non
fanno nulla senza la nostra guida.
02:23
In factfatto, to dateData, and this
is something that frustratesfrustra me,
37
131008
3181
Infatti, sino ad oggi, e questo è per me
motivo di frustrazione,
02:26
we'venoi abbiamo always been limitedlimitato
38
134213
1448
siamo sempre stati limitati
02:27
by this need to manuallymanualmente
pushspingere our willstestamenti into our toolsutensili --
39
135685
3501
da questo bisogno di fornire manualmente
le nostre volontà negli strumenti
02:31
like, manualManuale,
literallyletteralmente usingutilizzando our handsmani,
40
139210
2297
cioé, manualmente, usando
letteralmente le mani,
02:33
even with computerscomputer.
41
141531
1428
anche con i computers.
02:36
But I'm more like ScottyScotty in "StarStar TrekTrek."
42
144072
2463
Ma io sono più come Scotty in "Star Trek."
02:38
(LaughterRisate)
43
146559
1850
(Risate)
02:40
I want to have a conversationconversazione
with a computercomputer.
44
148433
2146
Io voglio conversare
con il computer.
02:42
I want to say, "ComputerComputer,
let's designdesign a carauto,"
45
150603
2970
Voglio poter dire, "Computer,
progettiamo un'automobile",
02:45
and the computercomputer showsSpettacoli me a carauto.
46
153597
1539
e il computer mi mostra un'auto.
02:47
And I say, "No, more fast-lookingalla ricerca veloce,
and lessDi meno GermanTedesco,"
47
155160
2608
E io dico "No, più veloce,
e meno tedesca"
02:49
and bangscoppio, the computercomputer showsSpettacoli me an optionopzione.
48
157792
2163
e bang, il computer mi mostra
un'alternativa.
02:51
(LaughterRisate)
49
159979
1865
(Risate)
02:54
That conversationconversazione mightpotrebbe be
a little waysmodi off,
50
162208
2306
Quella conversazione forse è
un po' distante,
02:56
probablyprobabilmente lessDi meno than manymolti of us think,
51
164538
2665
forse meno di quello che pensiamo,
02:59
but right now,
52
167227
1763
ma adesso
03:01
we're workinglavoro on it.
53
169014
1151
ci stiamo lavorando.
03:02
ToolsStrumenti are makingfabbricazione this leapsalto
from beingessere passivepassivo to beingessere generativegenerativo.
54
170189
4033
Gli strumenti stanno passando da
passivi a essere generativi.
03:06
GenerativeGenerativa designdesign toolsutensili
use a computercomputer and algorithmsalgoritmi
55
174831
3308
Gli strumenti di design generativi
usano un computer e algoritmi
03:10
to synthesizesintetizzare geometrygeometria
56
178163
2608
per sintetizzare la geometria
03:12
to come up with newnuovo designsdisegni
all by themselvesloro stessi.
57
180795
2754
e creare nuovi progetti,
tutti da loro stessi.
03:15
All it needsesigenze are your goalsobiettivi
and your constraintsvincoli.
58
183996
2748
Hanno solo bisogno
dei vostri obiettivi e vincoli.
03:18
I'll give you an exampleesempio.
59
186768
1408
Vi faccio un esempio.
03:20
In the casecaso of this aerialaerea droneDrone chassistelaio,
60
188200
2788
Nel caso del telaio di questo drone aereo,
03:23
all you would need to do
is tell it something like,
61
191012
2626
tutto quello che dovreste fare è
dire qualcosa come,
03:25
it has fourquattro propellerseliche,
62
193662
1273
ha quattro eliche,
03:26
you want it to be
as lightweightleggero as possiblepossibile,
63
194959
2131
deve essere il più leggero possibile,
03:29
and you need it to be
aerodynamicallyaerodinamicamente efficientefficiente.
64
197114
2270
deve essere aerodinamicamente
efficiente.
03:31
Then what the computercomputer does
is it exploresEsplora the entireintero solutionsoluzione spacespazio:
65
199408
4914
Quindi quello che il computer fa è
esplorare l'intero campo delle soluzioni:
03:36
everyogni singlesingolo possibilitypossibilità that solvesrisolve
and meetsIncontra your criteriacriteri --
66
204346
3927
ogni singola possibilità che soddisfa
i vostri criteri --
03:40
millionsmilioni of them.
67
208297
1442
milioni di queste.
03:41
It takes biggrande computerscomputer to do this.
68
209763
1975
Serve un gran computer
per fare questo.
03:43
But it comesviene back to us with designsdisegni
69
211762
1955
Ma esso produce per noi dei progetti
03:45
that we, by ourselvesnoi stessi,
never could'vepotrebbe aver imaginedimmaginato.
70
213741
3143
che noi, da soli, non avremmo
neanche immaginato.
03:49
And the computer'sdi computer comingvenuta up
with this stuffcose all by itselfsi --
71
217326
2912
E il computer fa tutto questo da solo --
03:52
no one ever drewha disegnato anything,
72
220262
1678
nessuno ha disegnato nulla
03:53
and it startediniziato completelycompletamente from scratchgraffiare.
73
221964
2086
e ha iniziato completamente da zero.
03:57
And by the way, it's no accidentincidente
74
225038
2387
E comunque, non è un caso
03:59
that the droneDrone bodycorpo lookssembra just like
the pelvisbacino of a flyingvolante squirrelscoiattolo.
75
227449
3481
che il telaio del drone assomigli
al bacino di uno scoiattolo volante.
04:03
(LaughterRisate)
76
231287
2007
(Risate)
04:06
It's because the algorithmsalgoritmi
are designedprogettato to work
77
234040
2302
Ѐ perché gli algoritmi sono studiati
per lavorare
04:08
the samestesso way evolutionEvoluzione does.
78
236366
1637
allo stesso modo dell'evoluzione.
04:10
What's excitingemozionante is we're startingdi partenza
to see this technologytecnologia
79
238715
2660
Ѐ eccitante iniziare a vedere
questa tecnologia
04:13
out in the realvero worldmondo.
80
241399
1159
passare nel mondo reale.
04:14
We'veAbbiamo been workinglavoro with AirbusAirbus
for a couplecoppia of yearsanni
81
242582
2452
Abbiamo lavorato con Airbus
per un paio d'anni
04:17
on this conceptconcetto planeaereo for the futurefuturo.
82
245058
1909
sul concetto di aeroplano del futuro.
04:18
It's a waysmodi out still.
83
246991
2070
E' ancora di là da venire.
04:21
But just recentlyrecentemente we used
a generative-designprogettazione generativa AIAI
84
249085
3780
Ma recentemente abbiamo usato un sistema
di AI per la generazione di progetti
04:24
to come up with this.
85
252889
1807
in grado d risolvere questo problema.
04:27
This is a 3D-printedD-stampato cabincabina partitionpartizione
that's been designedprogettato by a computercomputer.
86
255609
5153
Questa è la partizione di una cabina
stampata in 3D e disegnata da un computer.
04:32
It's strongerpiù forte than the originaloriginale
yetancora halfmetà the weightpeso,
87
260786
2824
Ѐ più forte dell'originale, ma pesa solo
la metà,
04:35
and it will be flyingvolante
in the AirbusAirbus A320 laterdopo this yearanno.
88
263634
3146
e volerà sull'Airbus A320 alla fine
di quest'anno.
Quindi i computer ora possono creare;
04:39
So computerscomputer can now generatecreare;
89
267405
1559
04:40
they can come up with theirloro ownproprio solutionssoluzioni
to our well-definedben definita problemsi problemi.
90
268988
4595
possono trovare le loro soluzioni ai
nostri problemi (ben definiti).
04:46
But they're not intuitiveintuitivo.
91
274677
1310
Ma non sono intuitivi.
04:48
They still have to startinizio from scratchgraffiare
everyogni singlesingolo time,
92
276011
3086
Devono ancora iniziare da zero ogni
singola volta
04:51
and that's because they never learnimparare.
93
279121
2565
e questo perché non impararano mai.
04:54
UnlikeA differenza di MaggieMaggie.
94
282368
1766
Al contrario di Maggie.
04:56
(LaughterRisate)
95
284158
1581
(Risate)
Maggie è più intelligente dei
più avanzati strumenti di progettazione.
04:57
Maggie'sDi Maggie actuallyin realtà smarterpiù intelligente
than our mostmaggior parte advancedAvanzate designdesign toolsutensili.
96
285763
3297
Cosa voglio dire?
05:01
What do I mean by that?
97
289467
1440
Se il suo padrone prende il guinzaglio,
05:02
If her ownerproprietario pickspicconi up that leashguinzaglio,
98
290931
1590
05:04
MaggieMaggie knowsconosce with a fairgiusto
degreegrado of certaintycertezza
99
292545
2068
Maggie è abbastanza certa
05:06
it's time to go for a walkcamminare.
100
294637
1404
che è ora di uscire.
05:08
And how did she learnimparare?
101
296065
1185
E come ha imparato?
05:09
Well, everyogni time the ownerproprietario pickedraccolto up
the leashguinzaglio, they wentandato for a walkcamminare.
102
297274
3324
Beh, ogni volta che il padrone prendeva il
guinzaglio, poi uscivano.
E Maggie ha fatto tre cose:
05:12
And MaggieMaggie did threetre things:
103
300622
1878
05:14
she had to paypagare attentionAttenzione,
104
302524
1869
ha dovuto essere attenta,
05:16
she had to rememberricorda what happenedè accaduto
105
304417
2082
ricordare cosa era successo,
05:18
and she had to retainconservare and createcreare
a patternmodello in her mindmente.
106
306523
4017
ed elaborare un modello nella sua mente.
05:23
InterestinglyÈ interessante notare che, that's exactlydi preciso what
107
311429
2095
Esattamente quello che gli scienziati
05:25
computercomputer scientistsscienziati
have been tryingprovare to get AIsAIs to do
108
313548
2523
informatici hanno cercato
di far fare all'AI
05:28
for the last 60 or so yearsanni.
109
316095
1859
nel corso degli ultimi 60 anni.
05:30
Back in 1952,
110
318683
1349
Nel 1952,
05:32
they builtcostruito this computercomputer
that could playgiocare Tic-Tac-ToeTris.
111
320056
3801
costruirono questo computer che
sapeva giocare a Tris.
05:37
BigGrande dealaffare.
112
325081
1160
Sai che affare!
05:39
Then 45 yearsanni laterdopo, in 1997,
113
327029
3000
Poi 45 anni più tardi, nel 1997
05:42
DeepProfondo BlueBlu beatsbattiti KasparovKasparov at chessscacchi.
114
330053
2472
Deep Blue ha battuto Kasparov a scacchi.
05:46
2011, WatsonWatson beatsbattiti these two
humansgli esseri umani at JeopardyPericolo,
115
334046
4968
2011, Watson batte questi
due umani a Jeopardy,
05:51
whichquale is much harderPiù forte for a computercomputer
to playgiocare than chessscacchi is.
116
339038
2928
che è molto più difficile
degli scacchi, per un computer.
05:53
In factfatto, ratherpiuttosto than workinglavoro
from predefinedpredefiniti recipesricette,
117
341990
3812
Infatti, piuttosto che lavorare da
formule pre-impostate,
05:57
WatsonWatson had to use reasoningragionamento
to overcomesuperare his humanumano opponentsavversari.
118
345826
3323
Watson dovette usare il ragionamento
per battere i suoi avversari umani.
06:02
And then a couplecoppia of weekssettimane agofa,
119
350393
2439
E poi, un paio di settimane fa,
06:04
DeepMind'sDi DeepMind AlphaGoAlphaGo beatsbattiti
the world'sIl mondo di bestmigliore humanumano at Go,
120
352856
4262
AlphaGo di DeepMind batte il
campione del mondo umano a Go,
06:09
whichquale is the mostmaggior parte difficultdifficile
gamegioco that we have.
121
357142
2212
che è il gioco più difficile che abbiamo.
06:11
In factfatto, in Go, there are more
possiblepossibile movessi muove
122
359378
2896
Infatti, nel Go, ci sono
più mosse possibili
06:14
than there are atomsatomi in the universeuniverso.
123
362298
2024
di quanti atomi ci sono nell'Universo.
06:18
So in orderordine to winvincere,
124
366210
1826
Quindi per vincere,
06:20
what AlphaGoAlphaGo had to do
was developsviluppare intuitionintuizione.
125
368060
2618
AlphaGo ha dovuto sviluppare
l'intuizione.
06:23
And in factfatto, at some pointspunti,
AlphaGo'sDi AlphaGo programmersprogrammatori didn't understandcapire
126
371098
4110
E infatti ad un certo punto i
programmatori di AlphaGo non capivano
06:27
why AlphaGoAlphaGo was doing what it was doing.
127
375232
2286
perché AlphaGo facesse quello che faceva.
E le cose stanno andando molto veloci.
06:31
And things are movingin movimento really fastveloce.
128
379451
1660
06:33
I mean, considerprendere in considerazione --
in the spacespazio of a humanumano lifetimetutta la vita,
129
381135
3227
Voglio dire, pensate -
nello spazio di una vita umana,
06:36
computerscomputer have goneandato from a child'sdi bambino gamegioco
130
384386
2233
i computers sono passati
dai giochi per bambini
06:39
to what's recognizedriconosciuto as the pinnaclepinnacolo
of strategicstrategico thought.
131
387920
3048
a quello che è riconosciuto come il
massimo del pensiero strategico.
06:43
What's basicallyfondamentalmente happeningavvenimento
132
391999
2417
In pratica quello che sta avvenendo
06:46
is computerscomputer are going
from beingessere like SpockSpock
133
394440
3310
è che i computers sono passati
da essere come Spock
06:49
to beingessere a lot more like KirkKirk.
134
397774
1949
ad essere più come Kirk.
06:51
(LaughterRisate)
135
399747
3618
(Risate)
06:55
Right? From purepuro logiclogica to intuitionintuizione.
136
403389
3424
Giusto? Da pura logica ad intuizione.
07:00
Would you crossattraversare this bridgeponte?
137
408184
1743
Attraversereste questo ponte?
07:02
MostMaggior parte of you are sayingdetto, "Oh, hellinferno no!"
138
410609
2323
Molti di voi stanno dicendo,
"Oh diavolo, no!"
07:04
(LaughterRisate)
139
412956
1308
(Risate)
07:06
And you arrivedarrivato at that decisiondecisione
in a splitDiviso secondsecondo.
140
414288
2657
E siete arrivati a decidere in
meno di un secondo.
07:08
You just sortordinare of knewconosceva
that bridgeponte was unsafenon sicuri.
141
416969
2428
Sapevate subito che
quel ponte non era sicuro.
07:11
And that's exactlydi preciso the kindgenere of intuitionintuizione
142
419421
1989
E questo è proprio il tipo di intuizione
07:13
that our deep-learningprofondo-apprendimento systemssistemi
are startingdi partenza to developsviluppare right now.
143
421434
3568
che i nostri sistemi di apprendimento
profondo stanno sviluppando ora.
07:17
Very soonpresto, you'llpotrai literallyletteralmente be ablecapace
144
425722
1707
Molto presto, potrete letteralmente
07:19
to showmostrare something you've madefatto,
you've designedprogettato,
145
427453
2206
mostrare qualcosa da voi fatto,
o progettato,
07:21
to a computercomputer,
146
429683
1153
ad un computer
07:22
and it will look at it and say,
147
430860
1489
e lui la guarderà e dirà,
07:24
"Sorry, homiehomie, that'llche ti never work.
You have to try again."
148
432373
2823
"Mi dispiace, amico, non funzionerà mai.
Riprovaci."
07:27
Or you could askChiedere it if people
are going to like your nextIl prossimo songcanzone,
149
435854
3070
O potreste chiedergli se alla gente
piacerà la vostra prossima canzone,
07:31
or your nextIl prossimo flavorsapore of iceghiaccio creamcrema.
150
439773
2063
o il vostro prossimo gusto di gelato.
07:35
Or, much more importantlyimportante,
151
443549
2579
O, ancora più importante,
potreste lavorare con un computer
per risolvere un problema
07:38
you could work with a computercomputer
to solverisolvere a problemproblema
152
446152
2364
07:40
that we'venoi abbiamo never facedaffrontato before.
153
448540
1637
mai affrontato prima.
Come il cambiamento climatico.
07:42
For instanceesempio, climateclima changemodificare.
154
450201
1401
07:43
We're not doing a very
good joblavoro on our ownproprio,
155
451626
2020
Non stiamo facendo un buon lavoro da soli,
un aiuto ci farebbe sicuramente comodo.
07:45
we could certainlycertamente use
all the help we can get.
156
453670
2245
07:47
That's what I'm talkingparlando about,
157
455939
1458
Questo è ciò di cui parlo,
07:49
technologytecnologia amplifyingamplificando
our cognitiveconoscitivo abilitiesabilità
158
457421
2555
tecnologia che amplifica le nostre
capacità cognitive
07:52
so we can imagineimmaginare and designdesign things
that were simplysemplicemente out of our reachraggiungere
159
460000
3552
così che possiamo immaginare e progettare
cose che non erano alla nostra portata
07:55
as plainpianura oldvecchio un-augmentedONU-aumentata humansgli esseri umani.
160
463576
2559
come semplici umani "non aumentati".
07:59
So what about makingfabbricazione
all of this crazypazzo newnuovo stuffcose
161
467984
2941
Allora, come realizzare tutta questa
roba pazzesca
08:02
that we're going to inventinventare and designdesign?
162
470949
2441
che inventeremo e progetteremo ?
08:05
I think the eraera of humanumano augmentationaumento
is as much about the physicalfisico worldmondo
163
473952
4093
Credo che l'era dell'umanità aumentata
riguardi tanto il mondo fisico
08:10
as it is about the virtualvirtuale,
intellectualintellettuale realmregno.
164
478069
3065
quanto quello virtuale,
o il campo intellettuale.
08:13
How will technologytecnologia augmentaumentare us?
165
481833
1921
Come farà la tecnologia ad aumentarci?
08:16
In the physicalfisico worldmondo, roboticrobotica systemssistemi.
166
484261
2473
Nel mondo fisico, con i sistemi robotici.
08:19
OK, there's certainlycertamente a fearpaura
167
487620
1736
OK, c'è sicuramente il timore
08:21
that robotsrobot are going to take
jobslavori away from humansgli esseri umani,
168
489380
2488
che i robot toglieranno lavoro agli umani,
08:23
and that is truevero in certaincerto sectorssettori.
169
491892
1830
e questo è vero in certi settori.
08:26
But I'm much more interestedinteressato in this ideaidea
170
494174
2878
Ma io sono più interessato a questa idea
08:29
that humansgli esseri umani and robotsrobot workinglavoro togetherinsieme
are going to augmentaumentare eachogni other,
171
497076
5010
che umani e robot, lavorando insieme
si possano aumentare a vicenda
08:34
and startinizio to inhabitabitano a newnuovo spacespazio.
172
502110
2058
e inizino ad occupare un nuovo spazio.
08:36
This is our appliedapplicato researchricerca lablaboratorio
in SanSan FranciscoFrancisco,
173
504192
2362
Questo è il nostro laboratorio di
S.Francisco,
08:38
where one of our areasle zone of focusmessa a fuoco
is advancedAvanzate roboticsRobotica,
174
506578
3142
dove una delle aree di interesse è la
robotica avanzata,
08:41
specificallyspecificamente, human-robotuomo-robot collaborationcollaborazione.
175
509744
2511
specificatamente, la collaborazione
uomo - robot.
08:45
And this is BishopVescovo, one of our robotsrobot.
176
513034
2759
E questo è Bishop, uno dei nostri robot.
08:47
As an experimentsperimentare, we setimpostato it up
177
515817
1789
Come esperimento, l'abbiamo impostato
08:49
to help a personpersona workinglavoro in constructioncostruzione
doing repetitiveripetitive taskscompiti --
178
517630
3460
per aiutare a compiere operazioni
ripetitive nel campo delle costruzioni
08:53
taskscompiti like cuttingtaglio out holesfori for outletspunti vendita
or lightleggero switchesinterruttori in drywallmuro a secco.
179
521984
4194
come fare dei fori per prese elettriche o
interruttori nel cartongesso.
08:58
(LaughterRisate)
180
526202
2466
(Risate)
09:01
So, Bishop'sVescovile humanumano partnercompagno
can tell what to do in plainpianura EnglishInglese
181
529877
3111
Così, il compagno umano di Bishop può
dire cosa fare in Inglese
09:05
and with simplesemplice gesturesgesti,
182
533012
1305
e con gesti semplici,
09:06
kindgenere of like talkingparlando to a dogcane,
183
534341
1447
come portare a spasso un cane,
09:07
and then BishopVescovo executesesegue
on those instructionsIstruzioni
184
535812
2143
e Bishop esegue quelle istruzioni
09:09
with perfectperfezionare precisionprecisione.
185
537979
1892
con precisione estrema.
09:11
We're usingutilizzando the humanumano
for what the humanumano is good at:
186
539895
2989
Stiamo usando gli umani per quello in cui
sono bravi:
09:14
awarenessconsapevolezza, perceptionpercezione and decisiondecisione makingfabbricazione.
187
542908
2333
consapevolezza, percezione e
processo decisionale.
09:17
And we're usingutilizzando the robotrobot
for what it's good at:
188
545265
2240
Stiamo usando i robot per quello che
sanno fare
09:19
precisionprecisione and repetitivenessripetitività.
189
547529
1748
precisione e ripetitività.
09:22
Here'sQui è anotherun altro coolfreddo projectprogetto
that BishopVescovo workedlavorato on.
190
550252
2367
Ecco un altro progetto su cui Bishop
ha lavorato.
09:24
The goalobbiettivo of this projectprogetto,
whichquale we calledchiamato the HIVEALVEARE,
191
552643
3075
L'obiettivo del progetto,
che abbiamo chiamato HIVE,
09:27
was to prototypeprototipo the experienceEsperienza
of humansgli esseri umani, computerscomputer and robotsrobot
192
555742
3851
era un esempio di come
umani, computers e robot potessero
09:31
all workinglavoro togetherinsieme to solverisolvere
a highlyaltamente complexcomplesso designdesign problemproblema.
193
559617
3220
lavorare insieme per risolvere complessi
problemi di progettazione.
09:35
The humansgli esseri umani actedha agito as laborlavoro.
194
563793
1451
Gli umani erano la manodopera.
09:37
They cruisedvelocità di crociera around the constructioncostruzione siteluogo,
they manipulatedmanipolato the bamboobambù --
195
565268
3473
Giravano per il cantiere,
lavoravano il bambù --
09:40
whichquale, by the way,
because it's a non-isomorphicnon isomorfi materialMateriale,
196
568765
2756
che, per inciso, essendo
un materiale non isomorfo,
09:43
is supersuper harddifficile for robotsrobot to dealaffare with.
197
571545
1874
è troppo duro per i robot.
09:45
But then the robotsrobot
did this fiberfibra windingavvolgimento,
198
573443
2022
Ma poi i robot fecero queste legature
09:47
whichquale was almostquasi impossibleimpossibile
for a humanumano to do.
199
575489
2451
che erano quasi impossibili da fare
per gli umani.
09:49
And then we had an AIAI
that was controllingcontrollo everything.
200
577964
3621
E poi avevamo un AI che controllava tutto.
09:53
It was tellingraccontare the humansgli esseri umani what to do,
tellingraccontare the robotsrobot what to do
201
581609
3290
Diceva agli umani cosa fare,
diceva ai robot cosa fare
09:56
and keepingconservazione tracktraccia of thousandsmigliaia
of individualindividuale componentscomponenti.
202
584923
2915
e teneva il conto di migliaia
di singole componenti.
09:59
What's interestinginteressante is,
203
587862
1180
La cosa interessante è
10:01
buildingcostruzione this pavilionPadiglione
was simplysemplicemente not possiblepossibile
204
589066
3141
che costruire questo padiglione sarebbe
stato impossibile
10:04
withoutsenza humanumano, robotrobot and AIAI
augmentingaugmenting eachogni other.
205
592231
4524
senza umani, robot e AI
che si aumentavano l'un l'altro.
10:09
OK, I'll shareCondividere one more projectprogetto.
This one'suno è a little bitpo crazypazzo.
206
597890
3320
OK, vi mostrerò un altro progetto.
Questo è un po' folle.
10:13
We're workinglavoro with Amsterdam-basedBasato su Amsterdam artistartista
JorisJoris LaarmanLaarman and his teamsquadra at MXMX3D
207
601234
4468
Stiamo lavorando con Joris Laarman,
un artista di Amsterdam, e il suo team
10:17
to generativelygenerativa designdesign
and roboticallyroboticamente printstampare
208
605726
2878
per progettare generativamente e
stampare roboticamente
10:20
the world'sIl mondo di first autonomouslyautonomamente
manufacturedfabbricati bridgeponte.
209
608628
2995
il primo ponte del mondo
costruito autonomamente
10:24
So, JorisJoris and an AIAI are designingprogettazione
this thing right now, as we speakparlare,
210
612315
3685
Così, Joris e un AI stanno progettando
questa cosa proprio adesso,
10:28
in AmsterdamAmsterdam.
211
616024
1172
ad Amsterdam
10:29
And when they're donefatto,
we're going to hitcolpire "Go,"
212
617220
2321
Quando avranno finito, premeremo "Via,"
10:31
and robotsrobot will startinizio 3D printingstampa
in stainlessacciaio inox steelacciaio,
213
619565
3311
e i robots stamperanno in 3D
acciaio inossidabile
10:34
and then they're going to keep printingstampa,
withoutsenza humanumano interventionintervento,
214
622900
3283
e continueranno a stampare senza
intervento umano
10:38
untilfino a the bridgeponte is finishedfinito.
215
626207
1558
fino a che il ponte sarà finito.
10:41
So, as computerscomputer are going
to augmentaumentare our abilitycapacità
216
629099
2928
Così, come i computer aumenteranno
la nostra capacità
10:44
to imagineimmaginare and designdesign newnuovo stuffcose,
217
632051
2150
di immaginare e progettare nuove cose,
10:46
roboticrobotica systemssistemi are going to help us
buildcostruire and make things
218
634225
2895
i sistemi robotici ci aiuteranno
a costruire e fare cose
10:49
that we'venoi abbiamo never been ablecapace to make before.
219
637144
2084
che non abbiamo mai potuto fare prima.
10:52
But what about our abilitycapacità
to sensesenso and controlcontrollo these things?
220
640347
4160
Ma, che dire della nostra capacità di
sentire e controllare queste cose?
10:56
What about a nervousnervoso systemsistema
for the things that we make?
221
644531
4031
E che dire di un sistema nervoso
per le cose che facciamo?
11:00
Our nervousnervoso systemsistema,
the humanumano nervousnervoso systemsistema,
222
648586
2512
Il nostro sistema nervoso, quello umano,
11:03
tellsdice us everything
that's going on around us.
223
651122
2311
ci dice tutto quello che accade
intorno a noi.
11:06
But the nervousnervoso systemsistema of the things
we make is rudimentaryrudimentale at bestmigliore.
224
654186
3684
Ma il sistema nervoso delle cose
che facciamo è, al più, rudimentale.
11:09
For instanceesempio, a carauto doesn't tell
the city'scittà publicpubblico workslavori departmentDipartimento
225
657894
3563
Per esempio, una macchina non dice al
Dip. Lavori Pubblici del Comune
11:13
that it just hitcolpire a potholePothole at the cornerangolo
of BroadwayBroadway and MorrisonMorrison.
226
661481
3130
che ha appena preso una buca all'angolo
tra Broadway e Morrison.
11:16
A buildingcostruzione doesn't tell its designersprogettisti
227
664635
2032
Un palazzo non dice ai suoi architetti
11:18
whetherse or not the people insidedentro
like beingessere there,
228
666691
2684
se alle persone piace vivere lì,
11:21
and the toygiocattolo manufacturerfabbricante doesn't know
229
669399
3010
e il costruttore di giocattoli non sa
11:24
if a toygiocattolo is actuallyin realtà beingessere playedgiocato with --
230
672433
2007
se qualcuno gioca con i suoi giocattoli -
11:26
how and where and whetherse
or not it's any fundivertimento.
231
674464
2539
come e dove e se sono divertenti o no.
11:29
Look, I'm sure that the designersprogettisti
imaginedimmaginato this lifestylestile di vita for BarbieBarbie
232
677620
3814
Sono sicuro che gli ideatori di Barbie
hanno immaginato questo stile di vita
11:33
when they designedprogettato her.
233
681458
1224
quando la crearono.
11:34
(LaughterRisate)
234
682706
1447
(Risate)
11:36
But what if it turnsgiri out that Barbie'sDi Barbie
actuallyin realtà really lonelysolitario?
235
684177
2906
Ma, e se Barbie fosse invece molto sola?
11:39
(LaughterRisate)
236
687107
3147
(Risate)
11:43
If the designersprogettisti had knownconosciuto
237
691266
1288
Se avessero saputo
11:44
what was really happeningavvenimento
in the realvero worldmondo
238
692578
2107
cosa succedeva realmente nel mondo
11:46
with theirloro designsdisegni -- the roadstrada,
the buildingcostruzione, BarbieBarbie --
239
694709
2583
con le loro creazioni - la strada,
il palazzo, Barbie
avrebbero potuto usare ciò
per creare una esperienza
11:49
they could'vepotrebbe aver used that knowledgeconoscenza
to createcreare an experienceEsperienza
240
697316
2694
11:52
that was better for the userutente.
241
700034
1400
migliore per l'utente.
11:53
What's missingmancante is a nervousnervoso systemsistema
242
701458
1791
E' mancato un sistema nervoso
11:55
connectingcollegamento us to all of the things
that we designdesign, make and use.
243
703273
3709
che ci collegasse a tutte le cose che
progettiamo, facciamo e usiamo.
11:59
What if all of you had that kindgenere
of informationinformazione flowingfluente to you
244
707915
3555
Che succederebbe se tutte queste
informazioni fluissero a voi
12:03
from the things you createcreare
in the realvero worldmondo?
245
711494
2183
dalle cose che create nel mondo reale?
12:07
With all of the stuffcose we make,
246
715432
1451
Con tutta la roba che facciamo
12:08
we spendtrascorrere a tremendousenorme amountquantità
of moneyi soldi and energyenergia --
247
716907
2435
spendiamo una quantità enorme
di soldi e energia -
12:11
in factfatto, last yearanno,
about two trilliontrilioni di dollarsdollari --
248
719366
2376
lo scorso anno, circa duemila
miliardi di dollari -
12:13
convincingconvincente people to buyacquistare
the things we'venoi abbiamo madefatto.
249
721766
2854
per convincere la gente a comprare
le cose che facciamo
12:16
But if you had this connectionconnessione
to the things that you designdesign and createcreare
250
724644
3388
Ma se aveste questa connessione con le
cose che progettate e create
12:20
after they're out in the realvero worldmondo,
251
728056
1727
dopo che sono nel mondo reale,
12:21
after they'veessi hanno been soldvenduto
or launchedlanciato or whateverqualunque cosa,
252
729807
3614
dopo che sono state vendute
o lanciate sul mercato o altro,
12:25
we could actuallyin realtà changemodificare that,
253
733445
1620
potremmo cambiare tutto questo
12:27
and go from makingfabbricazione people want our stuffcose,
254
735089
3047
e passare dal convincere la gente a
volere la nostra roba
12:30
to just makingfabbricazione stuffcose that people
want in the first placeposto.
255
738160
3434
a fare cose che la gente
vuole dall'inizio.
12:33
The good newsnotizia is, we're workinglavoro
on digitaldigitale nervousnervoso systemssistemi
256
741618
2787
La buona notizia è che stiamo lavorando
a sistemi nervosi digitali
12:36
that connectCollegare us to the things we designdesign.
257
744429
2801
che ci connettano alle cose che creiamo.
12:40
We're workinglavoro on one projectprogetto
258
748365
1627
Stiamo lavorando ad un progetto
12:42
with a couplecoppia of guys down in LosLos AngelesAngeles
calledchiamato the BanditoBandito BrothersFratelli
259
750016
3712
con due tizi di Los Angeles noti come
Bandito Brothers
12:45
and theirloro teamsquadra.
260
753752
1407
e il loro team.
12:47
And one of the things these guys do
is buildcostruire insanefolle carsautomobili
261
755183
3433
Una delle cose che questi ragazzi fanno
è costruire macchine pazzesche
12:50
that do absolutelyassolutamente insanefolle things.
262
758640
2873
che fanno cose assolutamente folli.
12:54
These guys are crazypazzo --
263
762905
1450
Questi ragazzi sono pazzi -
12:56
(LaughterRisate)
264
764379
1036
(Risate)
12:57
in the bestmigliore way.
265
765439
1403
in senso positivo.
13:00
And what we're doing with them
266
768993
1763
E quello che stiamo facendo con loro
13:02
is takingpresa a traditionaltradizionale race-carauto da corsa chassistelaio
267
770780
2440
è prendere il telaio di una tipica
macchina da corsa
13:05
and givingdando it a nervousnervoso systemsistema.
268
773244
1585
e dargli un sistema nervoso.
13:06
So we instrumentedstrumentato it
with dozensdozzine of sensorssensori,
269
774853
3058
Così gli abbiamo inserito
dozzine di sensori,
13:09
put a world-classclasse mondiale driverautista behinddietro a the wheelruota,
270
777935
2635
messo un pilota fuori-classe al volante,
13:12
tookha preso it out to the desertdeserto
and droveguidavo the hellinferno out of it for a weeksettimana.
271
780594
3357
l'abbiamo portata nel deserto e l'abbiamo
guidata per una settimana.
13:15
And the car'sautomobili nervousnervoso systemsistema
capturedcaptured everything
272
783975
2491
Il sistema nervoso della macchina
ha memorizzato
13:18
that was happeningavvenimento to the carauto.
273
786490
1482
tutto quello che accadeva.
13:19
We capturedcaptured fourquattro billionmiliardo datadati pointspunti;
274
787996
2621
Abbiamo registrato 4 miliardi di dati;
13:22
all of the forcesforze
that it was subjectedsottoposto to.
275
790641
2310
tutte le forze a cui è stata soggetta.
13:24
And then we did something crazypazzo.
276
792975
1659
Poi abbiamo fatto una cosa pazzesca.
13:27
We tookha preso all of that datadati,
277
795268
1500
Abbiamo preso tutti questi dati
13:28
and pluggedcollegato it into a generative-designprogettazione generativa AIAI
we call "DreamcatcherDreamcatcher."
278
796792
3736
e li abbiamo inseriti in un AI per la
progettazione generativa "Dreamcatcher".
13:33
So what do get when you give
a designdesign toolstrumento a nervousnervoso systemsistema,
279
801270
3964
Cosa ottieni quando doti uno strumento
di progettazione con un sistema nervoso,
13:37
and you askChiedere it to buildcostruire you
the ultimatefinale carauto chassistelaio?
280
805258
2882
e gli chiedi di costruirti il miglior
telaio di macchina?
13:40
You get this.
281
808723
1973
Ottieni questo.
13:44
This is something that a humanumano
could never have designedprogettato.
282
812293
3713
Questo è qualcosa che un umano non avrebbe
mai potuto creare.
13:48
ExceptTranne per il fatto a humanumano did designdesign this,
283
816707
1888
Ma è stato proprio un umano a crearlo,
13:50
but it was a humanumano that was augmentedaumentata
by a generative-designprogettazione generativa AIAI,
284
818619
4309
ma era un umano aumentato da un AI per
la progettazione generativa,
un sistema nervoso digitale
13:54
a digitaldigitale nervousnervoso systemsistema
285
822952
1231
13:56
and robotsrobot that can actuallyin realtà
fabricatefabbricare something like this.
286
824207
3005
e robot che possono costruire
cose come queste.
13:59
So if this is the futurefuturo,
the AugmentedAumentata AgeEtà,
287
827680
3595
Così, se questo è il futuro,
l'Era Aumentata
14:03
and we're going to be augmentedaumentata
cognitivelycognitivamente, physicallyfisicamente and perceptuallypercettivamente,
288
831299
4261
e saremo aumentati cognitivamente,
fisicamente e percettivamente,
14:07
what will that look like?
289
835584
1408
come sarà ?
14:09
What is this wonderlandpaese delle meraviglie going to be like?
290
837576
3321
Come sarà questo Paese delle Meraviglie ?
14:12
I think we're going to see a worldmondo
291
840921
1709
Credo che vedremo un mondo
14:14
where we're movingin movimento
from things that are fabricatedfabbricato
292
842654
3068
dove passeremo da cose che sono fabbricate
14:17
to things that are farmedd'allevamento.
293
845746
1445
a cose che vengono allevate.
14:20
Where we're movingin movimento from things
that are constructedcostruito
294
848159
3453
da cose che sono costruite
14:23
to that whichquale is growncresciuto.
295
851636
1704
a cose che sono coltivate.
14:26
We're going to movemossa from beingessere isolatedisolato
296
854134
2188
Passeremo dall'essere isolati
14:28
to beingessere connectedcollegato.
297
856346
1610
ad essere connessi.
14:30
And we'llbene movemossa away from extractionestrazione
298
858634
2411
Ci allontaneremo dall'estrazione
14:33
to embraceabbraccio aggregationaggregazione.
299
861069
1873
per accogliere l'aggregazione.
14:35
I alsoanche think we'llbene shiftcambio
from cravingbrama obedienceobbedienza from our things
300
863967
3767
Penso anche che passeremo dal volere
obbedienza dalle nostre cose
14:39
to valuingvalorizzazione autonomyautonomia.
301
867758
1641
all'apprezzare l'autonomia.
14:42
ThanksGrazie to our augmentedaumentata capabilitiescapacità,
302
870510
1905
Grazie alle nostre capacità aumentate,
14:44
our worldmondo is going to changemodificare dramaticallydrammaticamente.
303
872439
2377
il nostro mondo cambierà
significativamente.
14:47
We're going to have a worldmondo
with more varietyvarietà, more connectednessconnessione,
304
875576
3246
Avremo un mondo con più varietà,
più connettività,
14:50
more dynamismdinamismo, more complexitycomplessità,
305
878846
2287
più dinamismo, più complessità,
14:53
more adaptabilityadattabilità and, of coursecorso,
306
881157
2318
più adattabilità e, ovviamente,
14:55
more beautybellezza.
307
883499
1217
più bellezza.
14:57
The shapeforma of things to come
308
885231
1564
La forma di ciò che verrà
14:58
will be unlikea differenza di anything
we'venoi abbiamo ever seenvisto before.
309
886819
2290
sarà come niente di quanto
abbiamo visto prima.
15:01
Why?
310
889133
1159
Perché ?
15:02
Because what will be shapingShaping those things
is this newnuovo partnershipassociazione
311
890316
3755
Perché a dare forma a quelle cose
sarà la nuova associazione
15:06
betweenfra technologytecnologia, naturenatura and humanityumanità.
312
894095
3670
tra tecnologia, natura e umanità.
15:11
That, to me, is a futurefuturo
well worthdi valore looking forwardinoltrare to.
313
899279
3804
Questo, per me, è un futuro che vale
la pena di non vedere l'ora che avvenga.
15:15
Thank you all so much.
314
903107
1271
Grazie tante a tutti.
15:16
(ApplauseApplausi)
315
904402
5669
(Applausi)
Translated by Mario Leonardi
Reviewed by Federico MINELLE

▲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 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.

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