TEDGlobal 2010
Peter Molyneux: Meet Milo, the virtual boy
Peter Molyneux faz a demonstração de Milo, o rapaz virtual
Filmed:
Readability: 3.5
852,770 views
Peter Molyneux faz a demonstração de Milo, um jogo muito antecipado para o controlador Kinect da Microsoft. Perspicaz e susceptível como um verdadeiro menino de 11 anos, o menino virtual observa, escuta e aprende- respondendo e reconhecendo o utilizador.
Peter Molyneux - Game changer
The head of Microsoft's European games division, Peter Molyneux is building an astonishing new "virtual friend" who interacts with you. Full bio
The head of Microsoft's European games division, Peter Molyneux is building an astonishing new "virtual friend" who interacts with you. Full bio
Double-click the English transcript below to play the video.
00:16
When I saw a piece of technology called Kinect --
0
1000
3000
Quando tomei contacto com a tecnologia do Kinect --
00:19
it was called Natal -- I was inspired,
1
4000
3000
Na altura "Projecto Natal" -- fiquei inspirado,
00:22
and I thought for a moment,
2
7000
2000
e pensei por um momento
00:24
maybe it's possible
3
9000
2000
que talvez fosse possível
00:26
to address that one problem of storytelling,
4
11000
3000
resolver essa grande dificuldade ao contar uma história:
00:29
to create a character
5
14000
3000
criar uma personagem
00:32
which seemed alive,
6
17000
2000
que parecesse vivo,
00:34
which noticed me,
7
19000
2000
que me reconhecesse,
00:36
that could look me in the eyes
8
21000
2000
que fosse capaz de me olhar nos olhos
00:38
and feel real,
9
23000
2000
que parecesse real,
00:40
and sculpt a story about our relationship.
10
25000
3000
e esculpir uma história sobre o nosso relacionamento.
00:43
And so a year ago,
11
28000
3000
Assim, há um ano atrás
00:46
I showed this off
12
31000
2000
mostrei este filme
00:48
at a computer show called E3.
13
33000
3000
numa feira informática chamada E3.
00:51
And this was a piece of technology
14
36000
2000
Nele, e através desta tecnologia,
00:53
with someone called Claire interacting with this boy.
15
38000
3000
uma pessoa de nome Claire interagia com este rapaz.
00:56
And there was a huge row online
16
41000
3000
E houve um grande burburinho na internet
00:59
about, "Hey, this can't be real."
17
44000
3000
em que se dizia, "Ei, isto não pode ser verdadeiro."
01:02
And so I waited till now
18
47000
2000
E então eu esperei até agora
01:04
to have an actual demo
19
49000
2000
para ter uma demo real
01:06
of the real tech.
20
51000
2000
desta tecnologia.
01:08
Now, this tech incorporates
21
53000
2000
Ora, esta tecnologia incorpora
01:10
three big elements.
22
55000
2000
três elementos essenciais.
01:12
The first is a Kinect camera,
23
57000
2000
O primeiro é a câmara Kinect,
01:14
which will be out in November,
24
59000
3000
que estará à venda em Novembro,
01:17
some incredible AI
25
62000
2000
uma IA incrível
01:19
that was hidden in the dusty vaults,
26
64000
3000
que estava escondida nos "cofres" poeirentos
01:22
collecting dust
27
67000
2000
da Microsoft
01:24
in Microsoft,
28
69000
2000
a apanhar pó,
01:26
plus our quite crude
29
71000
2000
e finalmente as nossas rústicas
01:28
attempts at AI
30
73000
2000
experiências com IA
01:30
at a company called Lionhead,
31
75000
3000
numa empresa informática chamada Lionhead.
01:33
mixing all those things together
32
78000
2000
Misturámos todas essas coisas
01:35
just to get to this one simple idea:
33
80000
3000
para atingir esta ideia simples:
01:38
to create a real, living
34
83000
3000
criar um ser real, vivo,
01:41
being in a computer.
35
86000
2000
num computador.
01:43
Now, I'll be honest with you
36
88000
3000
Bem, vou ser honesto convosco
01:46
and say that most of it
37
91000
2000
e dizer que a maior parte
01:48
is just a trick,
38
93000
2000
é apenas um truque,
01:50
but it's a trick that actually works.
39
95000
3000
mas é um truque que funciona.
01:53
So why don't we go over and have
40
98000
2000
Vamos então de seguida ver
01:55
a look at the demo now.
41
100000
2000
uma pequena demonstração.
01:57
This is Dimitri.
42
102000
2000
Este é o Dimitri
01:59
Dimitri, just waggle your arm around.
43
104000
3000
Dimitri, move apenas o teu braço.
02:02
Now, you notice he's sitting.
44
107000
2000
Reparem que ele está sentado.
02:04
There are no controllers,
45
109000
2000
Não há controladores,
02:06
no keyboards,
46
111000
2000
não há teclados,
02:08
or mice,
47
113000
2000
ou ratos,
02:10
or joysticks, or joypads.
48
115000
3000
ou joysticks, ou joypads.
02:13
He is just going to use
49
118000
2000
Ele vai apenas usar
02:15
his hand, his body and his voice,
50
120000
3000
a sua mão, o seu corpo e a sua voz,
02:18
just like humans interact with their hands, body and voice.
51
123000
3000
tal como humanos interagem com as suas mãos, corpo e voz.
02:21
So let's move forward.
52
126000
2000
Vamos então prosseguir.
02:23
You're going to meet Milo for the first time.
53
128000
3000
Vão conhecer o Milo pela primeira vez.
02:27
We had to give him a problem
54
132000
2000
Tivemos que lhe dar um problema,
02:29
because when we first created Milo,
55
134000
2000
porque quando criámos o Milo pela primeira vez,
02:31
we realized that he came across as a little bit of a brat,
56
136000
2000
percebemos que ele podia parecer um pouco mimado,
02:33
to be honest with you.
57
138000
2000
para ser sincero convosco.
02:35
He was quite a know-it-all,
58
140000
2000
Era um pouco "sabichão",
02:37
and he wanted to kind of make you laugh.
59
142000
2000
e queria sempre tentar fazer-nos rir.
02:39
So the problem we introduced to him was this:
60
144000
2000
Assim, o problema que lhe apresentámos foi este:
02:41
he's just moved house.
61
146000
2000
ele acabou de mudar de casa.
02:43
He's moved from London
62
148000
2000
Mudou-se de Londres
02:45
to New England, over in America.
63
150000
3000
para o estado de Nova Inglaterra, nos EUA.
02:48
His parents are too busy
64
153000
2000
Os seus pais estão demasiado ocupados
02:50
to listen to his problems,
65
155000
2000
para ouvir os seus problemas,
02:52
and that's when he starts almost conjuring you up.
66
157000
3000
e é quando ele começa quase que a inventar-nos.
02:55
So here he is
67
160000
2000
Então aqui está ele
02:57
walking through the grass.
68
162000
2000
a caminhar pela relva.
02:59
And you're able to interact with his world.
69
164000
3000
E podem interagir com o seu mundo.
03:02
The cool thing is, what we're doing
70
167000
3000
E o porreiro é que, aquilo que estamos a fazer
03:05
is we're changing the mind
71
170000
2000
é mudar a mente do Milo
03:07
of Milo constantly.
72
172000
2000
constantemente.
03:09
That means no two people's Milos
73
174000
3000
Isto significa que o Milo é diferente
03:12
can be the same.
74
177000
2000
de pessoa para pessoa.
03:14
You're actually sculpting a human being here.
75
179000
3000
Estão de facto a esculpir um ser humano, aqui.
03:19
So, he's discovering the garden.
76
184000
2000
Então, ele está a descobrir o jardim.
03:21
You're helping him discover the garden
77
186000
2000
Estão a ajudá-lo a descobrir o jardim
03:23
by just pointing out these snails.
78
188000
3000
simplesmente chamando a atenção para os caracóis.
03:27
Very simple at the start.
79
192000
2000
Muito simples, para começar.
03:29
By the way, if you are a boy, it's snails;
80
194000
3000
Já agora, se o utilizador for um rapaz, são caracóis;
03:32
if you're a girl, it's butterflies
81
197000
3000
se for rapariga, são borboletas,
03:35
because what we found was that girls hate snails.
82
200000
3000
porque descobrimos que raparigas detestam caracóis.
03:38
(Laughter)
83
203000
2000
(Risos)
03:44
So remember, this is the first time you've met him,
84
209000
3000
Então lembrem-se, estão a conhecê-lo pela primeira vez,
03:47
and we really want to draw you in and make you more curious.
85
212000
3000
e queremos muito chamar a vossa atenção, deixar-vos mais curiosos.
03:52
His face, by the way,
86
217000
2000
A cara de Milo, a propósito,
03:54
is fully AI-driven.
87
219000
2000
é totalmente controlada por uma IA.
03:56
We have complete control over his blush responses,
88
221000
3000
Temos perfeito controlo sobre a sua capacidade de corar,
03:59
the diameter of his nostrils
89
224000
3000
o diâmetro das narinas
04:02
to denote stress.
90
227000
2000
para indicar stress.
04:04
We actually do something called body matching.
91
229000
2000
Criámos algo chamado "correspondência corporal".
04:06
If you're leaning forward,
92
231000
2000
Se vocês se inclinarem para a frente,
04:08
he will try and slightly change
93
233000
2000
ele irá tentar mudar subtilmente
04:10
the neuro-linguistic nature of his face,
94
235000
3000
a natureza neurolinguística do seu rosto,
04:13
because we went out with this strong idea:
95
238000
2000
porque nos guiámos por esta ideia fundamental:
04:15
how can we make you believe that something's real?
96
240000
3000
Como fazer alguém acreditar que algo é real?
04:18
Now we've used the hand.
97
243000
2000
Até agora usámos a mão.
04:20
The other thing to use is your body.
98
245000
3000
Outra coisa que podem usar é o vosso corpo.
04:23
Why not just, instead of pushing left and right
99
248000
3000
Porque não, em vez de pressionar esquerda ou direita
04:26
with a mouse or with a joypad,
100
251000
3000
no rato, ou com um joypad,
04:29
why not use your body just to lean on the chair --
101
254000
2000
porque não usar o vosso corpo para se reclinarem na cadeira
04:31
again, relaxed?
102
256000
2000
relaxadamente?
04:33
You can lean back,
103
258000
2000
Podem reclinar-se,
04:35
but the camera will change its perspective
104
260000
2000
mas a câmara irá manter a sua perspectiva
04:37
depending on which way you're looking.
105
262000
3000
dependendo da direcção para onde estiverem a olhar.
04:41
So Dimitri's now going to use --
106
266000
2000
O Dimitri irá agora usar
04:43
he's used his hand; he's used his body.
107
268000
2000
- usou a sua mão; usou o corpo.
04:45
He's now going to use the other thing which is essential,
108
270000
3000
Irá agora usar a outra coisa que é essencial,
04:48
and that's his voice.
109
273000
2000
que é a sua voz.
04:50
Now, the thing about voice is,
110
275000
2000
A questão com a voz é,
04:52
our experience with voice recognition
111
277000
2000
a nossa experiência com reconhecimento de voz
04:54
is pretty awful, isn't it?
112
279000
2000
é bastante má, admitamos.
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
Compramos um bilhete de avião online, acabamos em Timbuktu.
05:02
So we've tackled that problem,
115
287000
2000
Portanto, contornámos esse problema,
05:04
and we've come up with a solution, which we'll see in a second.
116
289000
3000
e desenvolvemos a solução que iremos ver num segundo.
05:07
Milo: I could just squish it.
117
292000
2000
Podia pisá-lo.
05:09
Peter Molyneux: What are you going to do, Dimitri?
118
294000
2000
O que vais fazer, Dimitri?
05:11
Female Voice: Squashing a snail may not seem important,
119
296000
2000
Pisar um caracol pode não parecer importante,
05:13
but remember, even this choice
120
298000
2000
mas lembra-te, até esta escolha
05:15
will affect how Milo develops.
121
300000
3000
irá afectar o desenvolvimento do Milo.
05:18
Do you want Milo to squash it?
122
303000
2000
Queres que o Milo pise o caracol?
05:20
When you see the microphone,
123
305000
2000
Quando vires o microfone,
05:22
say ... (PM: Squash.) ... yes to decide.
124
307000
2000
diz ... (Molyneux: Pisa-o) ... sim para decidir.
05:24
Dimitri: Go on, Milo. Squash it.
125
309000
3000
Força, Milo. Pisa-o.
05:27
PM: No. That's the wrong thing to do.
126
312000
2000
Não. Essa é a coisa errada a fazer.
05:29
Now look at his response.
127
314000
2000
Agora vejamos a sua resposta.
05:31
He said, "Go on, Milo. Squash it."
128
316000
3000
Ele disse, "Força, Milo. Pisa-o".
05:34
What we're using there is,
129
319000
2000
O que aqui estamos a usar
05:36
we're using something, a piece of technology called Tellme.
130
321000
2000
é algo, uma tecnologia chamada Tellme.
05:38
It's a company that Microsoft acquired some years ago.
131
323000
3000
Trata-se de uma empresa que a Microsoft adquiriu há alguns anos atrás.
05:41
We've got a database of words which we recognize.
132
326000
2000
Temos uma base de dados de palavras que reconhecemos.
05:43
We pick those words out.
133
328000
2000
Escolhemos essas palavras.
05:45
We also reference that
134
330000
2000
Também cruzamos essa informação
05:47
with the tonation database
135
332000
2000
com uma base de dados de entoações
05:49
that we build up of Dimitri's voice,
136
334000
3000
que construimos com a voz do Dimitri,
05:52
or the user's voice.
137
337000
2000
ou com a voz do utilizador.
05:54
Now we need to have a bit more engagement,
138
339000
3000
Agora precisamos de ter uma maior interacção.
05:57
and again, what we can do
139
342000
2000
E de novo, aquilo que podemos fazer
05:59
is we can look at the body.
140
344000
2000
é olhar para o corpo.
06:01
And we'll do that in a second.
141
346000
2000
E iremos fazer isso em seguida.
06:03
Milo: I wonder how deep it is.
142
348000
2000
Pergunto-me quão fundo é...
06:13
Deep.
143
358000
2000
É fundo.
06:16
PM: Okay. So what we're going to do now
144
361000
2000
Portanto, o que iremos fazer agora
06:18
is teach Milo to skim stones.
145
363000
3000
é ensinar o Milo a ressaltar pedras na água.
06:21
We're actually teaching him.
146
366000
2000
Vamos verdadeiramente ensiná-lo.
06:23
It's very, very interesting
147
368000
2000
É muito, muito interessante
06:25
that men, more than women,
148
370000
2000
que os homens, mais que as mulheres,
06:27
tend to be more competitive here.
149
372000
3000
tendam a ser mais competitivos aqui.
06:30
They're fine with teaching Milo for the first few throws,
150
375000
3000
Não se importam de ajudar o Milo nos primeiros lançamentos,
06:33
but then they want to beat Milo,
151
378000
2000
mas depois, querem vencer o Milo,
06:35
where women,
152
380000
2000
enquanto as mulheres
06:37
they're more nurturing about this.
153
382000
3000
são mais carinhosas nesta parte.
06:43
Okay, this is skimming stones.
154
388000
2000
Ok, estamos a ressaltar pedrinhas na água.
06:45
How do you skim stones?
155
390000
3000
Como o fazemos?
06:48
You stand up,
156
393000
3000
Levantamo-nos,
06:51
and you skim the stone.
157
396000
2000
e fazemos ressaltar a pedra.
06:53
It's that simple.
158
398000
2000
Tão simples quanto isto.
06:55
Just recognizing your body,
159
400000
2000
Simplesmente reconhecendo o nosso corpo,
06:57
recognizing the body's motions, the tech,
160
402000
2000
reconhendo os seus movimentos, a tecnologia,
06:59
understanding that you've gone
161
404000
2000
percebendo que se passou
07:01
from sitting down to standing up.
162
406000
3000
da posição sentada para estar de pé.
07:04
Again, all of this is done
163
409000
2000
De novo, tudo isto é feito
07:06
in the way us humans do things,
164
411000
2000
da maneira que nós humanos fazemos as coisas,
07:08
and that's crucially important
165
413000
3000
e isso é de importância crucial
07:11
if we want Milo to appear real.
166
416000
2000
se queremos que o Milo pareça real.
07:13
Female Voice: See if you can inspire him to do any better.
167
418000
3000
Vê se o consegues inspirar a fazer melhor.
07:21
Try hitting the boat.
168
426000
2000
Tenta atingir o barco.
07:25
Milo: Ahhh. So close.
169
430000
2000
Ahh. Tão perto.
07:33
PM: That's Dimitri at his most competitive.
170
438000
2000
Eis o Dimitri no auge da sua competitividade.
07:35
Now beaten an 11-year-old child. Well done.
171
440000
3000
Acabaste de vencer a uma criança de 11 anos. Muito bem.
07:39
Milo: Okay.
172
444000
2000
Ok.
07:42
PM: So, Milo's being called back in by his parents,
173
447000
3000
Agora, Milo é chamado de volta a casa pelos seus pais,
07:45
giving us time to be alone
174
450000
2000
dando-nos tempo para estar sozinhos
07:47
and to help him out.
175
452000
2000
e para ajudá-lo.
07:49
Basically -- the bit that we missed at the start --
176
454000
2000
Basicamente -perdemos esta parte no início-
07:51
his parents had asked him to clean up his room.
177
456000
3000
os seus pais pediram-lhe que arrumasse o seu quarto.
07:54
And we're going to help him with this now.
178
459000
2000
E nós vamos ajudá-lo com essa tarefa agora.
07:56
But this is going to be an introduction,
179
461000
2000
Mas isto será uma introdução,
07:58
and this is all about the deep psychology that we're trying to use.
180
463000
3000
tudo acerca da psicologia complexa que estamos a tentar usar.
08:01
We're trying to introduce you
181
466000
2000
Estamos a tentar apresentar-vos
08:03
to what I believe is the most wonderful part,
182
468000
3000
ao que acredito ser a parte mais maravilhosa:
08:06
you being able to talk
183
471000
2000
o utilizador ser capaz de falar
08:08
in your natural voice to Milo.
184
473000
3000
na sua voz natural com o Milo.
08:11
Now, to do that, we needed a set up,
185
476000
2000
Para isso, tivemos de criar um enquadramento
08:13
like a magician's trick.
186
478000
2000
como um truque de magia.
08:15
And what we did was,
187
480000
2000
E o que fizemos foi,
08:17
we needed to give Milo this big problem.
188
482000
2000
precisávamos de dar ao Milo um grande problema.
08:19
So as Dimitri
189
484000
3000
Assim, enquanto o Dimitri
08:22
starts tidying up,
190
487000
2000
começa a arrumar tudo,
08:24
you can overhear a conversation
191
489000
2000
conseguimos ouvir ao fundo uma conversa
08:26
that Milo's having with his parents.
192
491000
2000
entre o Milo e os seus pais.
08:28
Milo's Mom: Oh, you've got gravy all over the floor. (Milo: I didn't mean to!)
193
493000
2000
Entornaste molho pelo chão todo! (Milo: Foi sem querer!)
08:30
Milo's Mom: That carpet is brand new.
194
495000
2000
Esta carpete é nova!
08:32
PM: So he's just spilled
195
497000
2000
Portanto, ele acabou de entornar
08:34
a plate of sausages on the floor,
196
499000
2000
um prato de salsichas
08:36
on the brand-new carpet.
197
501000
2000
na carpete acabada de comprar.
08:38
We've all done it as parents; we've all done it as children.
198
503000
3000
Já todos o fizemos como pais; todos o fizemos como crianças.
08:41
Now's a chance for Dimitri
199
506000
2000
Eis a oportunidade para o Dimitri
08:43
to kind of reassure and calm Milo down.
200
508000
2000
de tentar reconfortar e acalmar o Milo.
08:45
It's all been too much for him.
201
510000
2000
Tudo isto tem sido demais para ele.
08:47
He's just moved house. He's got no friends.
202
512000
3000
Ele acabou de mudar de casa. Não tem amigos.
08:50
Now is the time
203
515000
2000
Chegou a altura
08:52
when we open that portal
204
517000
2000
em que abrimos esse portal
08:54
and allow you to talk to Milo.
205
519000
2000
e permitimo-vos falar com o Milo.
08:57
Female Voice: Why don't you try saying something encouraging
206
522000
3000
Porque não tentas dizer algo encorajador
09:00
to cheer Milo up.
207
525000
2000
para animar o Milo?
09:02
Dimitri: Come on, Milo. You know what parents are like.
208
527000
2000
Vá lá, Milo, já sabes como os pais são.
09:04
They're always getting stressed.
209
529000
3000
Passam a vida stressados.
09:08
Milo: What do they want to come here for anyway?
210
533000
3000
Para que quiseram eles vir para cá, afinal?
09:12
We don't know anyone.
211
537000
3000
Não conhecemos ninguém.
09:15
Dimitri: Well, you've got a new school to go to.
212
540000
2000
Bem, vais ter uma nova escola para onde ir.
09:17
You're going to meet loads of cool, new friends.
213
542000
3000
Vais conhecer imensos amigos novos e porreiros.
09:22
Milo: I just really miss my old house, that's all.
214
547000
3000
Tenho saudades da minha casa antiga, é só isso...
09:28
Dimitri: Well, this is a pretty awesome house, Milo.
215
553000
2000
Bem, esta casa é um espectáculo, Milo.
09:30
You've got a cool garden to play in and a pond.
216
555000
3000
Com um jardim bem fixe para brincar e um lago.
09:37
Milo: It was good skimming stones.
217
562000
2000
Foi giro atirar pedrinhas.
09:47
This looks nice.
218
572000
2000
Isto está bonito.
09:50
You cleaned up my room.
219
575000
2000
Tu arrumaste o meu quarto.
09:52
Thanks.
220
577000
2000
Obrigado.
09:54
PM: So after three-quarters of an hour,
221
579000
2000
Portanto, ao fim de 3 quartos de hora.
09:56
he recognizes you.
222
581000
2000
ele reconhece-nos.
09:58
And I promise you, if you're sitting in front of this screen,
223
583000
3000
E garanto-vos, se estão sentados em frente a este ecrã,
10:01
that is a truly wonderful moment.
224
586000
3000
esse é um momento realmente maravilhoso.
10:04
And we're ready now
225
589000
2000
E estamos agora preparados
10:06
to tell a story about his childhood and his life,
226
591000
2000
para contar uma história acerca da sua infância e da sua vida,
10:08
and it goes on,
227
593000
2000
e esta prossegue,
10:10
and he has, you know, many adventures.
228
595000
2000
e ele terá, bem, muitas aventuras.
10:12
Some of those adventures are a little bit dark or on the darker side.
229
597000
3000
Algumas dessas aventuras são um bocado sombrias, ou um pouco mais negras.
10:15
Some of those adventures are wonderfully encouraging --
230
600000
2000
Outras serão maravilhosamente encorajadoras --
10:17
he's got to go to school.
231
602000
2000
ele tem de ir para a escola.
10:19
The cool thing is
232
604000
2000
O porreiro nesta teconologia
10:21
that we're doing as well:
233
606000
2000
e algo que estamos a fazer:
10:23
as you interact with him,
234
608000
2000
à medida que interagem com ele,
10:25
you're able to put things into his world; he recognizes objects.
235
610000
3000
serão capazes de colocar coisas no seu mundo, coisas que ele irá reconhecer.
10:28
His mind is based in a cloud.
236
613000
3000
A sua mente é baseada numa nuvem.
10:31
That means Milo's mind,
237
616000
2000
O que quer dizer que a mente do Milo,
10:33
as millions of people use it,
238
618000
2000
à medida que milhões de pessoas a usam,
10:35
will get smarter and cleverer.
239
620000
2000
irá ficar mais esperta e inteligente.
10:37
He'll recognize more objects
240
622000
2000
Será capaz de reconhecer mais objectos
10:39
and thus understand more words.
241
624000
2000
bem como mais palavras.
10:41
But for me,
242
626000
2000
Mas para mim
10:43
this is a wonderful opportunity
243
628000
2000
esta é uma oportunidade maravilhosa
10:45
where technology, at last, can be connected with,
244
630000
3000
em que podemos, por fim relacionarmo-nos com a tecnologia
10:48
where I am no longer restrained
245
633000
2000
e em que não estou mais restrito
10:50
by the finger I hold in my hand --
246
635000
2000
pelos dedos da minha mão
10:52
as far as a computer game's concerned --
247
637000
2000
- no caso de jogos de vídeo-
10:54
or by the blandness of not being noticed
248
639000
2000
ou pela insipidez de não repararem em mim
10:56
if you're watching a film or a book.
249
641000
3000
ao ver um filme, ou ler um livro.
10:59
And I love those revolutions,
250
644000
3000
E eu adoro essas revoluções,
11:02
and I love the future that Milo brings.
251
647000
2000
e adoro o futuro que o Milo traz.
11:04
Thank you very much indeed.
252
649000
2000
Muitíssimo obrigado.
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