So in 1885, Karl Benz invented the automobile. Later that year, he took it out for the first public test drive, and -- true story -- crashed into a wall. For the last 130 years, we've been working around that least reliable part of the car, the driver. We've made the car stronger. We've added seat belts, we've added air bags, and in the last decade, we've actually started trying to make the car smarter to fix that bug, the driver.
1885-ben Karl Benz föltalálta az autót. Még abban az évben kivitte az első nyilvános próbaútra, és — a történet igaz — falnak ment vele. (Nevetés) Az eltelt 130 évben a kocsi legkevésbé megbízható része — a vezető — érdekében dolgoztunk. Megerősítettük a kocsit. Tettünk bele biztonsági övet, légzsákot, s az utóbbi évtizedben igyekeztünk okosabbá tenni a kocsit, hogy kiküszöböljük a hibát: a vezetőt.
Now, today I'm going to talk to you a little bit about the difference between patching around the problem with driver assistance systems and actually having fully self-driving cars and what they can do for the world. I'm also going to talk to you a little bit about our car and allow you to see how it sees the world and how it reacts and what it does, but first I'm going to talk a little bit about the problem. And it's a big problem: 1.2 million people are killed on the world's roads every year. In America alone, 33,000 people are killed each year. To put that in perspective, that's the same as a 737 falling out of the sky every working day. It's kind of unbelievable. Cars are sold to us like this, but really, this is what driving's like. Right? It's not sunny, it's rainy, and you want to do anything other than drive. And the reason why is this: Traffic is getting worse. In America, between 1990 and 2010, the vehicle miles traveled increased by 38 percent. We grew by six percent of roads, so it's not in your brains. Traffic really is substantially worse than it was not very long ago.
Ma arról fogok szólni, mi a különbség a probléma vezetősegítő rendszerekkel történő toldozása-foltozása és a valóban teljesen vezető nélküli kocsi között, és arról, hogy mi hasznunk belőle. Egy keveset beszélek majd a mi autónkról, és megtudhatják, hogyan látja a világot, hogyan reagál és mit tesz, de először a bajról szólnék. A baj márpedig jelentős: a világ útjain évente 1,2 milliónyian vesztik életüket. Csak az USA-ban évente 33 ezren. Hogy érzékeljük, ez olyan, mintha minden munkanap lezuhanna egy 737-es. Ez hihetetlen. Ilyen kocsikat árulnak nekünk, de valójában a vezetés az ok. Ugye? Nem napos az idő, hanem esős, és bármit csinálnánk inkább, csak ne kelljen vezetnünk. Az ok pedig a következő: A forgalom egyre nő. Az USA-ban 1990 és 2010 között a járművel megtett távolság 38%-kal nőtt. Az úthálózat 6%-kal bővült, tehát nehézkes a közlekedés. A forgalom tényleg sokkal rosszabb, mint volt nem is olyan régen.
And all of this has a very human cost. So if you take the average commute time in America, which is about 50 minutes, you multiply that by the 120 million workers we have, that turns out to be about six billion minutes wasted in commuting every day. Now, that's a big number, so let's put it in perspective. You take that six billion minutes and you divide it by the average life expectancy of a person, that turns out to be 162 lifetimes spent every day, wasted, just getting from A to B. It's unbelievable. And then, there are those of us who don't have the privilege of sitting in traffic. So this is Steve. He's an incredibly capable guy, but he just happens to be blind, and that means instead of a 30-minute drive to work in the morning, it's a two-hour ordeal of piecing together bits of public transit or asking friends and family for a ride. He doesn't have that same freedom that you and I have to get around. We should do something about that.
Ezért emberéletekkel fizetünk. Ha az USA-ban átlagosan ingázásra fordított kb. 50 percet megszorozzuk a 120 millió dolgozóval, az eredmény: kb. 6 milliárd percet pocsékolunk el minden nap ingázásra. Érzékeltessük, mekkora szám ez. Ha a 6 milliárd percet elosztjuk a várható átlagos élettartammal, az eredmény: 162 fő élettartamát pocsékoljuk el minden áldott nap. Csak hogy A pontból B pontba jussunk. Ez hihetetlen. Vannak, akik nem olyan kiváltságosak, hogy a forgalomban rostokoljanak. Ez itt Steve. Steve hihetetlenül ügyes fickó, de történetesen vak, s ezért a reggeli munkába járás a szokásos 30 perc helyett neki kétórás kínszenvedés közösségi közlekedéssel bumlizva. Esetleg megkérheti barátját vagy a családját egy fuvarra. Neki nincs meg az a mozgási szabadsága, mint nekünk. Valamit tennünk kell ezért.
Now, conventional wisdom would say that we'll just take these driver assistance systems and we'll kind of push them and incrementally improve them, and over time, they'll turn into self-driving cars. Well, I'm here to tell you that's like me saying that if I work really hard at jumping, one day I'll be able to fly. We actually need to do something a little different. And so I'm going to talk to you about three different ways that self-driving systems are different than driver assistance systems. And I'm going to start with some of our own experience.
A népi bölcsesség úgy szól: vegyük csak a gépjárművezetést támogató rendszert, s fokozatosan tökéletesítsük, és ez idővel vezető nélküli kocsivá fejlődik. Ez pont olyan, mintha azt mondanám, hogy ha szorgalmasan ugrálok, egy nap már képes leszek repülni. Valamit egy kissé másként kell csinálnunk. Elmondom, mi az a három módszer, amitől a vezető nélküli rendszerek mások, mint a gépjárművezetést támogatók. Egy bizonyos tapasztalatunkkal kezdem.
So back in 2013, we had the first test of a self-driving car where we let regular people use it. Well, almost regular -- they were 100 Googlers, but they weren't working on the project. And we gave them the car and we allowed them to use it in their daily lives. But unlike a real self-driving car, this one had a big asterisk with it: They had to pay attention, because this was an experimental vehicle. We tested it a lot, but it could still fail. And so we gave them two hours of training, we put them in the car, we let them use it, and what we heard back was something awesome, as someone trying to bring a product into the world. Every one of them told us they loved it. In fact, we had a Porsche driver who came in and told us on the first day, "This is completely stupid. What are we thinking?" But at the end of it, he said, "Not only should I have it, everyone else should have it, because people are terrible drivers." So this was music to our ears, but then we started to look at what the people inside the car were doing, and this was eye-opening. Now, my favorite story is this gentleman who looks down at his phone and realizes the battery is low, so he turns around like this in the car and digs around in his backpack, pulls out his laptop, puts it on the seat, goes in the back again, digs around, pulls out the charging cable for his phone, futzes around, puts it into the laptop, puts it on the phone. Sure enough, the phone is charging. All the time he's been doing 65 miles per hour down the freeway. Right? Unbelievable. So we thought about this and we said, it's kind of obvious, right? The better the technology gets, the less reliable the driver is going to get. So by just making the cars incrementally smarter, we're probably not going to see the wins we really need.
Még 2003-ban végeztük az első tesztet a vezető nélküli kocsival, melyet hétköznapi emberek vezettek. Jó, majdnem hétköznapiak —, 100 guglizó volt, de nem vettek részt a projektben. Kocsit kaptak, és használhatták a mindennapi életükben. De a valódi vezető nélküli kocsihoz képest volt egy mínusza: Figyelni kellett rá, mert kísérleti kocsi volt. Sokat próbálgattuk, de nem volt tökéletes. Beültettük az embereket a kocsiba, használhatták, két órát gyakorolhattak. Döbbenetes volt, amit visszahallottunk tőlük, ahogy kivitték a kocsit a forgalomba. Azt mondták, hogy tetszik nekik a kocsi. Volt egy Porschét vezető ember, aki az első nap megjegyezte: "Ez tiszta hülyeség. Mit akarnak?" De a végén azt mondta: "Nemcsak nekem kell, mindenkinek kell, mert az emberek borzalmasan vezetnek." Ez zene volt füleinknek, de azután elkezdtük vizsgálni, mit tesznek az emberek a kocsiban, s ez felnyitotta a szemünket. Kedvenc történetem egy férfiről szól, aki rápillant a mobiljára, rájön, hogy az akku lemerülőben van, megfordul — így ni — a kocsiban, kotorászik a hátizsákjában, előhúzza a laptopját, lerakja az ülésre, megint hátrafordul, kotorászik, előhúzza mobilja töltőkábelét, szöszmötöl, bedugja a laptopjába és a mobiljába. Rendben, a mobil töltődik. Mindeközben 100 km/órás sebességgel tép az autópályán. Észbontó! Belegondoltunk, és azt mondtuk: Ez elég nyilvánvaló, nem? Minél inkább javul a technológia, annál kevésbé lesznek megbízhatók a vezetők. Ha a kocsikat okosabbá tesszük, ez valószínűleg nem hozza el a kívánt eredményt.
Let me talk about something a little technical for a moment here. So we're looking at this graph, and along the bottom is how often does the car apply the brakes when it shouldn't. You can ignore most of that axis, because if you're driving around town, and the car starts stopping randomly, you're never going to buy that car. And the vertical axis is how often the car is going to apply the brakes when it's supposed to to help you avoid an accident. Now, if we look at the bottom left corner here, this is your classic car. It doesn't apply the brakes for you, it doesn't do anything goofy, but it also doesn't get you out of an accident. Now, if we want to bring a driver assistance system into a car, say with collision mitigation braking, we're going to put some package of technology on there, and that's this curve, and it's going to have some operating properties, but it's never going to avoid all of the accidents, because it doesn't have that capability. But we'll pick some place along the curve here, and maybe it avoids half of accidents that the human driver misses, and that's amazing, right? We just reduced accidents on our roads by a factor of two. There are now 17,000 less people dying every year in America.
Most egy kis technika következik. A diagramon alul látjuk, milyen gyakran fékez a kocsi fölöslegesen. Figyelmen kívül hagyhatják ezt a tengelyt, mert ha városban a kocsi szeszélyesen fékezgetni kezd, soha nem veszik meg azt az autót. A függőleges tengely mutatja, milyen gyakran fékez a kocsi, hogy elkerülje a balesetet. A bal alsó sarokban látjuk a klasszikus kocsinkat. A kocsi nem fékez helyettünk, semmi ostobaságot nem követ el, de nem is húz ki egy balesetből. Ha egy vezetősegítő rendszert akarunk a kocsiba rakni, mondjuk az ütközés erejét mérséklő fékrendszert, el kell látnunk valamilyen műszaki csomaggal, ezt mutatja a görbe, s így sajátos működési tulajdonságai lesznek, de soha nem fogja elkerülni az összes balesetet, mert nincs meg az a képessége. Ha kiválasztjuk a görbe egy szakaszát, s ez kivédheti a balesetek felét, melyeket az ember nem, akkor ez csodás, nemde? A közúti baleseteket nemrég a felére csökkentettük. Manapság évente 17 ezerrel kevesebben halnak meg az USA-ban.
But if we want a self-driving car, we need a technology curve that looks like this. We're going to have to put more sensors in the vehicle, and we'll pick some operating point up here where it basically never gets into a crash. They'll happen, but very low frequency. Now you and I could look at this and we could argue about whether it's incremental, and I could say something like "80-20 rule," and it's really hard to move up to that new curve. But let's look at it from a different direction for a moment. So let's look at how often the technology has to do the right thing. And so this green dot up here is a driver assistance system. It turns out that human drivers make mistakes that lead to traffic accidents about once every 100,000 miles in America. In contrast, a self-driving system is probably making decisions about 10 times per second, so order of magnitude, that's about 1,000 times per mile. So if you compare the distance between these two, it's about 10 to the eighth, right? Eight orders of magnitude. That's like comparing how fast I run to the speed of light. It doesn't matter how hard I train, I'm never actually going to get there. So there's a pretty big gap there.
Ha vezető nélküli kocsit szeretnénk, a technikai görbének így kellene festenie. Több érzékelőt helyezünk majd a járműbe, és kiválasztunk egy működési pontot, ahol a kocsi nem szokta magát összetörni. Előfordul, de nagyon ritkán. Vitatkozhatnánk azon, hogy ez elhanyagolható-e, szerintem belefér a "80-20 szabályba", és tényleg nehéz följutni a felső görbére. De egy pillanatra nézzük ezt más szemszögből, nevezetesen, hogy milyen gyakorisággal kell a technikának helyesen cselekednie. Ez a fölső zöld pont itt a vezetősegítő rendszer. A vezetők által okozott hibák az USA-ban 161 ezer kilométerenként vezetnek közlekedési balesethez. A vezető nélküli rendszer viszont másodpercenként 10 döntést hoz. Ez nagyságrendileg 625 döntés kilométerenként. Ha összevetjük a kettő közötti távolságot, az kb. 10 a 8-hoz, ugye? Nagyságrendileg nyolc. Ez olyan, mintha futásomat a fénysebességhez hasonlítanám. Nem számít, milyen kitartóan edzek, soha nem érem el a fénysebességet. Elég nagy a szakadék.
And then finally, there's how the system can handle uncertainty. So this pedestrian here might be stepping into the road, might not be. I can't tell, nor can any of our algorithms, but in the case of a driver assistance system, that means it can't take action, because again, if it presses the brakes unexpectedly, that's completely unacceptable. Whereas a self-driving system can look at that pedestrian and say, I don't know what they're about to do, slow down, take a better look, and then react appropriately after that.
S végül, az a kérdés, hogyan tudja a rendszer kezelni a bizonytalanságot. Lehet, hogy ez a gyalogos lelép az úttestre, de lehet, hogy nem. Nem tudom megmondani, s egyik algoritmusunk sem, de a vezetősegítő rendszer esetén ez azt jelenti, hogy a rendszer nem cselekedhet, mert megint csak, ha váratlanul fékez, az egyáltalán nem fogadható el. Közben a vezető nélküli rendszer látja a gyalogost, és azt mondja: Nem tudom, mit akar csinálni, inkább lassítsunk, nézzük meg jobban, s utána reagáljunk helyesen.
So it can be much safer than a driver assistance system can ever be. So that's enough about the differences between the two. Let's spend some time talking about how the car sees the world.
Biztonságosabb lehet, mint a vezetősegítő rendszer bármikor. Ennyi elég a két rendszer közötti különbségről. Szánjunk egy kis időt arra, hogyan látja a kocsi a környezetét.
So this is our vehicle. It starts by understanding where it is in the world, by taking a map and its sensor data and aligning the two, and then we layer on top of that what it sees in the moment. So here, all the purple boxes you can see are other vehicles on the road, and the red thing on the side over there is a cyclist, and up in the distance, if you look really closely, you can see some cones. Then we know where the car is in the moment, but we have to do better than that: we have to predict what's going to happen. So here the pickup truck in top right is about to make a left lane change because the road in front of it is closed, so it needs to get out of the way. Knowing that one pickup truck is great, but we really need to know what everybody's thinking, so it becomes quite a complicated problem. And then given that, we can figure out how the car should respond in the moment, so what trajectory it should follow, how quickly it should slow down or speed up. And then that all turns into just following a path: turning the steering wheel left or right, pressing the brake or gas. It's really just two numbers at the end of the day. So how hard can it really be?
Ez itt a járművünk. Úgy indul útra, hogy tudja, hol helyezkedik el: összeveti a térképet az érzékelőinek adataival, s ehhez hozzátesszük, amit az adott pillanatban lát. Az itt látható lila dobozok az úton lévő más járművek, az oldalt lévő piros valami egy kerékpáros. Ha jobban megnézzük, a távolban valamilyen bójákat látunk. Akkor hát tudjuk, hogy pillanatnyilag hol a kocsi, de ennél több kell: meg kell jósolnunk, mi fog történni. A jobb felső sarokban lévő pickup teherautó balra akar sávot váltani, mert előtte beállt a sor, ezért el kell hagynia a sávját. A pickuppal tehát megvolnánk, de szeretnénk tudni, hogy a többiek mit gondolnak, ezért az ügy elég bonyolulttá válik. S ezt figyelembe véve, eldönthetjük a kocsinak most hogyan kell reagálnia, milyen útvonalon kell mennie, mennyire kell lassulnia vagy gyorsulnia. Azután ez mind leegyszerűsödik a nyomvonal követésére: jobbra vagy balra fordítjuk a kormányt, a féket vagy a gázt nyomjuk. Végső soron tényleg csak két szám maradt. Mi lehet ebben olyan bonyolult?
Back when we started in 2009, this is what our system looked like. So you can see our car in the middle and the other boxes on the road, driving down the highway. The car needs to understand where it is and roughly where the other vehicles are. It's really a geometric understanding of the world. Once we started driving on neighborhood and city streets, the problem becomes a whole new level of difficulty. You see pedestrians crossing in front of us, cars crossing in front of us, going every which way, the traffic lights, crosswalks. It's an incredibly complicated problem by comparison. And then once you have that problem solved, the vehicle has to be able to deal with construction. So here are the cones on the left forcing it to drive to the right, but not just construction in isolation, of course. It has to deal with other people moving through that construction zone as well. And of course, if anyone's breaking the rules, the police are there and the car has to understand that that flashing light on the top of the car means that it's not just a car, it's actually a police officer. Similarly, the orange box on the side here, it's a school bus, and we have to treat that differently as well.
Amikor 2009-ben kezdtük, a rendszerünk így nézett ki. Látják középen a kocsinkat, és az úton a többi "dobozt", amint a pályán hajtanak. A kocsinak tudnia kell, hol van, és hogy a többi jármű kb. hol van. Ez a környezet geometriai felfogása. Mikor a környéken és városban kezdtünk vezetni, a feladat teljesen más bonyolultsági fokú volt. Látják, gyalogosok mennek át a kocsi előtt, összevissza cikáznak, közlekedési lámpák, zebrák. Elképesztően bonyolult feladat az autópályához képest. S ha megoldottuk a problémát, a járműnek a végrehajtással is kell foglalkoznia. Balra a bóják arra késztetik a kocsit, hogy jobbra húzódjon, de a végrehajtáson kívül ügyelnie kell a végrehajtás zónájában mozgó emberekre is. Persze, ha valaki szabályt sért, és megjelenik a rendőrség, a kocsinknak értenie kell, hogy a villogó az autó tetején nem csupán egy kocsi: az egy rendőrt jelent. Hasonlóan, oldalt a narancssárga doboz egy iskolabusz, s azzal is másként kell bánni.
When we're out on the road, other people have expectations: So, when a cyclist puts up their arm, it means they're expecting the car to yield to them and make room for them to make a lane change. And when a police officer stood in the road, our vehicle should understand that this means stop, and when they signal to go, we should continue.
Mikor az úton vagyunk, az emberek valamire számítanak: mikor a kerékpáros fölemeli a karját, arra számít, hogy a kocsi elsőbbséget ad, és engedi neki a sávváltást. S amikor egy rendőr áll az úton, járművünknek értenie kell, hogy ez megálljt jelent, és mikor továbbot int, tovább kell haladnunk.
Now, the way we accomplish this is by sharing data between the vehicles. The first, most crude model of this is when one vehicle sees a construction zone, having another know about it so it can be in the correct lane to avoid some of the difficulty. But we actually have a much deeper understanding of this. We could take all of the data that the cars have seen over time, the hundreds of thousands of pedestrians, cyclists, and vehicles that have been out there and understand what they look like and use that to infer what other vehicles should look like and other pedestrians should look like. And then, even more importantly, we could take from that a model of how we expect them to move through the world. So here the yellow box is a pedestrian crossing in front of us. Here the blue box is a cyclist and we anticipate that they're going to nudge out and around the car to the right. Here there's a cyclist coming down the road and we know they're going to continue to drive down the shape of the road. Here somebody makes a right turn, and in a moment here, somebody's going to make a U-turn in front of us, and we can anticipate that behavior and respond safely.
Ezt úgy hajtjuk végre, hogy adatokat cserélünk a járművekkel. Az első, legdurvább modell, mikor az egyik kocsi építési területet vesz észre, tudatja a másikkal, hogy az helyes sávot válasszon a nehézségek elkerülésére. De mi mélyebben értjük a helyzetet. Rendelkezünk a kocsi által huzamos idő alatt észlelt adatokkal, melyek százezernyi gyalogosra, kerékpárosra és járműre vonatkoznak, és értjük, hogy milyenek, és használni tudjuk őket, hogy következtessünk más járművekre és gyalogosokra. Még ennél is fontosabb, hogy a modellből kihámozhatjuk, miféle mozgásra számíthatunk. A sárga doboz egy előttünk áthaladó gyalogos. A kék doboz egy kerékpáros, és úgy sejtjük, hogy jobbról közelít a kocsinkhoz. Itt egy úton szemben haladó kerékpáros, és tudjuk, hogy továbbmennek, ahogy az út adja magát. Itt valaki jobbra kanyarodik, és rögtön itt előttünk valaki éppen vissza akar fordulni. Megjósolhatjuk a viselkedést, biztos választ adhatunk.
Now, that's all well and good for things that we've seen, but of course, you encounter lots of things that you haven't seen in the world before. And so just a couple of months ago, our vehicles were driving through Mountain View, and this is what we encountered. This is a woman in an electric wheelchair chasing a duck in circles on the road. (Laughter) Now it turns out, there is nowhere in the DMV handbook that tells you how to deal with that, but our vehicles were able to encounter that, slow down, and drive safely. Now, we don't have to deal with just ducks. Watch this bird fly across in front of us. The car reacts to that. Here we're dealing with a cyclist that you would never expect to see anywhere other than Mountain View. And of course, we have to deal with drivers, even the very small ones. Watch to the right as someone jumps out of this truck at us. And now, watch the left as the car with the green box decides he needs to make a right turn at the last possible moment. Here, as we make a lane change, the car to our left decides it wants to as well. And here, we watch a car blow through a red light and yield to it. And similarly, here, a cyclist blowing through that light as well. And of course, the vehicle responds safely. And of course, we have people who do I don't know what sometimes on the road, like this guy pulling out between two self-driving cars. You have to ask, "What are you thinking?" (Laughter)
Nincs is semmi gond a látottakkal, de persze találkozunk olyan jelenségekkel, amilyenekkel még nem volt dolgunk. Pár hónapja járműveink éppen Mountain View-n haladtak keresztül, s akkor ez akadt az útjukba. Ez egy elektromos tolószékével az úton kacsákat hajkurászó nő. (Nevetés) Az a helyzet, hogy ilyenről nincs szó a gépjárművekre vonatkozó kézikönyvben, de a járműveink kezelik a helyzetet: lassítanak és biztonságosan haladnak. De nem csak kacsákkal kell vesződnünk. Nézzék, ahogy ez a madár átrepül előttünk. A kocsi reagál rá. Itt egy bicajossal foglalkozunk, ilyenre csak Mountain View-ban számíthatunk. S persze ott vannak még az egészen kicsi sofőrök is. Figyeljünk jobbra, ahonnan valaki elénk ugrik egy teherautó mögül. Most figyeljünk balra, ahol a zöld dobozzal jelölt kocsi úgy döntött, hogy az utolsó pillanatban jobbra fordul. Itt sávot váltanánk, de a tőlünk balra haladó kocsi úgy dönt, hogy ő is. Itt meg egy kocsi átzúg a tiloson, engedjük csak el. Hasonlóképpen, egy bringás is átzúg a tiloson. A kocsi természetesen biztonságosan kezeli a helyzeteket. Persze, vannak olyanok, akikről nem is értem, hogy kerülnek az útra, mint ez az ürge, aki behúz két, vezető nélküli kocsi közé. Megkérdezhetjük: "Észnél van?" (Nevetés)
Now, I just fire-hosed you with a lot of stuff there, so I'm going to break one of these down pretty quickly. So what we're looking at is the scene with the cyclist again, and you might notice in the bottom, we can't actually see the cyclist yet, but the car can: it's that little blue box up there, and that comes from the laser data. And that's not actually really easy to understand, so what I'm going to do is I'm going to turn that laser data and look at it, and if you're really good at looking at laser data, you can see a few dots on the curve there, right there, and that blue box is that cyclist. Now as our light is red, the cyclist's light has turned yellow already, and if you squint, you can see that in the imagery. But the cyclist, we see, is going to proceed through the intersection. Our light has now turned green, his is solidly red, and we now anticipate that this bike is going to come all the way across. Unfortunately the other drivers next to us were not paying as much attention. They started to pull forward, and fortunately for everyone, this cyclists reacts, avoids, and makes it through the intersection. And off we go.
Eddig sok mindent önökre zúdítottam, de visszatérnék az egyik esetre. Nézzük meg még egyszer a jelenetet a bringással. Lehet, hogy fölfigyelnek a kép aljára, bár mi még nem látjuk a bringást, de a kocsi igen: ő az a kis kék doboz, és ezt a lézer adataiból tudja. Elég nehéz is megérteni, ezért megnézem a lézer adatait, és ha önök jól látják a lézer adatait, pontok láthatók a görbén, ott ni, és a kék doboz pedig a bringás. A lámpánk pirosat mutat, de a kerékpárosoké már sárgára váltott, s ha odasandítunk, látjuk a képen. De látjuk, hogy a bringás át fog vágni a kereszteződésen. Lámpánk zöldre váltott, az övé masszívan piros, s sejtjük, hogy a bicaj keresztben jön. Sajnos, a mellettünk lévő vezetők annyira nem figyelnek rá. Elindulnak, de mindenki szerencséjére, a bringás észbe kap, kitér, és átmegy a kereszteződésen. És már ott sem vagyunk.
Now, as you can see, we've made some pretty exciting progress, and at this point we're pretty convinced this technology is going to come to market. We do three million miles of testing in our simulators every single day, so you can imagine the experience that our vehicles have. We are looking forward to having this technology on the road, and we think the right path is to go through the self-driving rather than driver assistance approach because the urgency is so large. In the time I have given this talk today, 34 people have died on America's roads.
Láthatják, hogy jócskán haladtunk már a projekttel, és jelenleg meg vagyunk győződve róla, hogy ez a technológia piacra kerül. Naponta 4,8 millió kilométeren tesztelnek a szimulátoraink, képzelhetik, autóink mekkora tapasztalatot gyűjtöttek. Alig várjuk, hogy az utakon lássuk viszont a technológiát, s úgy hisszük, hogy a helyes módszer a vezető nélküli kocsi, nem pedig a vezetősegítő megoldás, mert az ügy valóban nem tűr halasztást. Mialatt ma az előadásomat hallgatták, az USA útjain 34 fő halt meg.
How soon can we bring it out? Well, it's hard to say because it's a really complicated problem, but these are my two boys. My oldest son is 11, and that means in four and a half years, he's going to be able to get his driver's license. My team and I are committed to making sure that doesn't happen.
Mikor tudjuk bevezetni a rendszert? Nos, nehéz megmondani, mert a feladat tényleg összetett. De nézzék, ők a fiaim. Az idősebbik 11 éves, ami azt jelenti, hogy négy és fél év múlva jogosítványt kaphat. Csapatom és én mindent megteszünk, hogy ez ne történjék meg.
Thank you.
Köszönöm.
(Laughter) (Applause) Chris Anderson: Chris, I've got a question for you.
(Nevetés) (Taps) Chris Anderson: Chris, kérdésem van hozzád.
Chris Urmson: Sure.
Chris Urmson: Tessék.
CA: So certainly, the mind of your cars is pretty mind-boggling. On this debate between driver-assisted and fully driverless -- I mean, there's a real debate going on out there right now. So some of the companies, for example, Tesla, are going the driver-assisted route. What you're saying is that that's kind of going to be a dead end because you can't just keep improving that route and get to fully driverless at some point, and then a driver is going to say, "This feels safe," and climb into the back, and something ugly will happen.
CA: A kocsijaitok agya egyszerűen észbontó. A vezetősegítő és a vezető nélküli kocsi közötti döntésről folyik vita, úgy értem, egy igazi vita zajlik jelenleg. Több vállalkozás, pl. a Tesla, a vezetősegítő megoldás útjára lép. Szerinted tehát az valamiféle zsákutca, mert a módszert nem lehet minduntalan tökéletesíteni, hogy majd valaha elérjük a vezető nélküli állapotot, amit a sofőr biztonságosnak ismer el, és hátraül, közben meg valami borzalmas történik.
CU: Right. No, that's exactly right, and it's not to say that the driver assistance systems aren't going to be incredibly valuable. They can save a lot of lives in the interim, but to see the transformative opportunity to help someone like Steve get around, to really get to the end case in safety, to have the opportunity to change our cities and move parking out and get rid of these urban craters we call parking lots, it's the only way to go.
CU: Így van. Pontosan így van, s ezzel nem állítom, hogy a vezetősegítő rendszerek nem lesznek nagyon is értékesek. Átmenetileg sok életet menthetnek meg, de hogy megváltozzék pl. Steve lehetősége, hogy valóban biztonságosan közlekedhessen, hogy lehetőségünk legyen városaink átalakítására, hogy eltüntessük belőlük a parkolóknak nevezett városi krátereket: a miénk a járható út.
CA: We will be tracking your progress with huge interest. Thanks so much, Chris. CU: Thank you. (Applause)
CA: Kíváncsian követjük majd nyomon a fejlődéseteket. Nagyon szépen köszönöm, Chris. CU: Köszönöm. (Taps)