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.
Em 1885, Karl Benz inventou o automóvel. Mais tarde, nesse ano, testou-o publicamente e — é mesmo verdade — embateu contra um muro! Desde há 130 anos, que trabalhamos nessa parte menos fiável do carro, o condutor. Tornámos os carros mais fortes. Colocámos cintos de segurança, "airbags", e na última década, tentámos tornar o carro mais inteligente para resolver esse problema, o condutor.
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.
Hoje, vou falar um pouco sobre a diferença entre diminuir esse problema com sistemas de assistência ao condutor e ter carros totalmente autónomos e o que eles podem fazer pelo mundo. Também vou falar um pouco do nosso carro e permitir que vejam como ele vê o mundo, como reage e o que faz, mas primeiro, vou falar um pouco sobre o problema. E é um grande problema: Morrem 1,2 milhões de pessoas por ano nas estradas do mundo inteiro. Só nos EUA, morrem 33 000 pessoas por ano. Para pôr isso em perspetiva, é o mesmo que um Boeing 737 cair do céu todos os dias úteis. É quase inacreditável. Os carros são-nos vendidos assim, mas, na verdade, conduzir é assim. Não há sol, está a chover, e queremos fazer tudo menos conduzir. O motivo para isso é: O trânsito tem vindo a piorar. Nos EUA, entre 1990 e 2010, a distância percorrida por veículos aumentou em 38%. Aumentámos em 6% o número de estradas, por isso não e só na nossa mente. O trânsito está realmente pior do que era há não muito tempo.
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.
Tudo isto tem um alto custo para a humanidade. Se agarrarmos no tempo médio de viagem nos EUA, que é de cerca de 50 minutos, e multiplicarmos isso pelos 120 milhões de trabalhadores que temos, obtemos cerca de seis mil milhões de minutos desperdiçados em viagem todos os dias. É um grande número, vamos colocá-lo em perspetiva. Agarramos nos seis mil milhões de minutos e dividimo-los pela esperança média de vida de uma pessoa, o que resulta em 162 vidas gastas todos os dias, desperdiçadas, apenas para ir de do ponto A ao ponto B. É inacreditável. Depois, há aqueles que não têm o privilégio de ficarem engarrafados no trânsito. Este é Steve. É um homem incrivelmente capaz, mas acontece que é cego. Isso implica que, em vez duma viagem de 30 minutos para o trabalho, demora duas horas a encaixar pedaços de transportes públicos ou pede boleia a amigos e família. Não tem a mesma liberdade de movimentos que nós temos. Devíamos fazer algo em relação a isso.
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.
O senso comum diria para agarrarmos nos sistemas de assistência ao condutor e os melhorarmos cada vez mais, até os transformar em carros autónomos. Estou aqui para mostrar que isso é o mesmo que eu dizer que, se treinar muito os meus saltos, um dia conseguirei voar. Na verdade, temos que fazer algo um pouco diferente. Então vou dizer-vos que os carros autónomos são diferentes dos sistemas de assistência em três planos diferentes. Vou começar por vos contar a nossa experiência.
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.
Em 2013, fizemos o primeiro teste de um carro autónomo em que deixámos pessoas vulgares usá-lo. Bem, quase vulgares... eram 100 funcionários da Google, mas não estavam a trabalhar no projeto. Demos-lhes o carro e pedimos que o usassem na sua vida quotidiana. Mas ainda não era um verdadeiro carro autónomo. Tinham que prestar atenção, porque era um veículo experimental. Tínhamos feitos muitos testes, mas ainda podia falhar. Então demos-lhes duas horas de treino, Colocámo-los no carro, deixámos que o usassem, e as reações deles foram uma coisa incrível, para alguém a tentar pôr um produto no mundo. Todos disseram que o adoraram. Tivemos um condutor de um Porsche, que nos disse, logo no primeiro dia: "Isto é uma ideia estúpida. Em que é que estão a pensar?" Mas no final, disse: "Eu queria ter um! "E todos deviam ter um, porque as pessoas são uns condutores terríveis". Foi música para os nossos ouvidos, mas depois começámos a observar o que as pessoas faziam dentro do carro, e isso abriu-nos os olhos. A minha história preferida é a deste senhor que olha para o seu telemóvel e repara que a bateria está fraca. Então, vira-se para trás no carro e vasculha na sua mochila, saca do seu computador portátil, coloca-o no banco, vai de novo à mochila procura, tira o carregador do telemóvel, desenrola-o, coloca-o no portátil e liga o telemóvel. Não tarda, o telemóvel está a carregar. Faz isto tudo a 100 km/hora, na autoestrada. Inacreditável! Pensámos nisto e dissemos: "É óbvio, não é? "Quanto melhor fica a tecnologia, "menos fiável será o condutor". Se só tornarmos os carros cada vez mais inteligentes, provavelmente não veremos as vitórias de que precisamos.
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.
Deixem-me falar de algo um pouco técnico, por momentos. Na parte inferior deste gráfico está a frequência com que o carro trava, quando não devia. Podemos ignorar a maior parte deste eixo porque nunca iremos comprar um carro, que pare de imprevisto, quando estamos a conduzir na cidade. O eixo vertical é a frequência com que o carro trava, quando deve, para nos ajudar a evitar um acidente. Se olharmos aqui para o canto inferior esquerdo, este é o carro clássico. Não trava por nossa conta, não faz nada inesperado, mas também não nos livra de um acidente. Se quisermos introduzir um sistema de condução assistida num carro, com travagem anti-colisão, vamos introduzir aqui um conjunto de tecnologias. Esta é a curva, que terá as suas propriedades de funcionamento, mas nunca evitará todos os acidentes, porque não tem essa capacidade. Mas vamos escolher uma zona da curva por aqui. O sistema talvez evite metade dos acidentes em que o condutor humano falha. Isso é incrível, não é? Acabamos de reduzir para metade os acidentes na estrada. Agora há menos 17 000 mortes por ano nos EUA.
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.
Mas, se queremos um carro autónomo, precisamos de uma curva tecnológica deste género. Precisaremos de mais sensores no veículo, e escolheremos um ponto operacional por aqui, onde, basicamente não haverá acidentes. Ainda vão ocorrer, mas com muito pouca frequência. Agora, podemos olhar para isto e podemos discutir se é algo incremental e eu responderia "regra dos 80:20". É muito difícil ultrapassar aquela nova curva. Mas vamos analisar de outra perspetiva, por momentos. Vamos ver com que frequência é que a tecnologia tem que fazer a coisa certa. Este ponto verde aqui é um sistema de assistência à condução. Parece que os condutores nos EUA fazem erros que provocam um acidente de trânsito em cada 160 000 km. Por outro lado, um carro autónomo provavelmente toma decisões cerca de 10 vezes por segundo, numa ordem de grandeza, que corresponde a cerca de 1000 decisões em cada 1,6 km. Portanto, se compararem a distância entre estas duas coisas, é cerca de 100 milhões. Oito ordens de magnitude. É como comparar a minha velocidade de corrida com a velocidade da luz. Por mais que eu treine, nunca vou chegar lá perto. Portanto há aqui um fosso muito grande.
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.
Por fim, há a forma como o sistema lida com a incerteza. Este peão aqui vai atravessar a estrada, ou não? Não sei dizer, nem nenhum dos nossos algoritmos. Se tivermos um sistema de assistência ao condutor, significa que não vai reagir, porque, novamente, é totalmente inaceitável que ele acione os travões inesperadamente. Enquanto que um carro autónomo deteta o peão e diz: "Não sei o que é que ele vai fazer, " vou abrandar, ver melhor, e depois reagir apropriadamente."
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.
Por isso, pode ser muito mais seguro do que qualquer sistema de assistência. Basta de falar sobre as diferenças entre os dois. Vamos falar um bocado sobre como o carro vê o mundo.
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?
Este é o nosso veículo. Ele começa por perceber onde está situado, alinhando um mapa e os seus dados sensoriais. Depois colocamos em cima disso o que ele vê no momento. Todas as caixas roxas que aqui veem são outros veículos na estrada, e a coisa vermelha ali ao lado é um ciclista, e, à distância, se olharem bem de perto, conseguem ver uns cones. Aí sabemos onde o carro se encontra no momento, mas temos que fazer melhor que isso: temos que prever o que vai acontecer. Aqui a carrinha no canto superior direito vai mudar para a faixa da esquerda porque a estrada à sua frente está fechada, portanto terá que se desviar. Reconhecer essa carrinha é ótimo, mas precisamos de saber o que todos estão a pensar, o que se torna num problema bastante complicado. Podemos determinar como o carro deve responder no momento, que trajetória deve seguir, com que velocidade deve abrandar ou acelerar. Depois, tudo isso se torna no caminho a seguir: virar o volante para a esquerda ou direita, acionar o travão ou o acelerador. No final do dia são apenas dois números. Até que ponto pode ser difícil?
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.
Quando começámos, em 2009, este era o nosso sistema. Vemos o nosso carro no centro e as outras caixas na estrada, a seguir pela autoestrada. O carro tem que perceber onde está e a posição aproximada dos outros veículos. É uma compreensão geométrica do mundo. Quando começamos a conduzir em bairros e estradas da cidade, o problema passa a ter toda uma nova dificuldade. Vemos peões a passar à nossa frente, carros a passar à nossa frente, em todas as direções, semáforos, passadeiras. Em comparação, é um problema incrivelmente complicado. Depois, quando se tem esse problema resolvido, o veículo tem que conseguir lidar com as obras. Aqui estão os cones à esquerda a obrigá-lo a virar para a direita, mas não são apenas as obras isoladas, claro. Também tem que lidar com outros veículos que passam por essa zona de obras. Claro, se alguém quebrar as regras, a polícia está lá. O carro tem que perceber que aquela luz a piscar no topo do carro significa que não é apenas um carro, é um carro da polícia. Da mesma forma, a caixa laranja deste lado é um autocarro escolar. Também temos que o tratar de forma diferente.
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.
Quando estamos na estrada, as pessoas têm expetativas: Assim, quando um ciclista levanta o braço, quer dizer que espera que o carro lhe ceda a passagem para ele poder mudar de direção. E quando um policia está na estrada, o nosso veículo deve perceber que isso quer dizer parar e que, quando fazem sinal para avançar, deve continuar.
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.
A forma de conseguirmos isto é partilhando informações entre veículos. Este é o primeiro modelo, mais em bruto. Quando um veículo vê uma zona de obras informa os outros veículos para ficarem na faixa correta para evitarem dificuldades. Mas temos uma compreensão mais profunda disso. Podemos usar todos os dados que os carros foram vendo, as centenas de milhares de peões, de ciclistas, e de veículos que lá estiveram e perceber como é que são e usar isso para deduzir o que é que os outros veículos são e o que é que são os peões. Ainda mais importante, podemos obter isso de um modelo de como prevemos que eles se desloquem. Aqui, a caixa amarela é um peão a atravessar á nossa frente. Aqui, a caixa azul é um ciclista e prevemos que ele vai sair da estrada á sua direita. Aqui, há um ciclista em sentido oposto e sabemos que ele vai continuar ao longo da estrada Aqui, alguém faz uma viragem á direita, e daqui a pouco, alguém vai inverter a marcha á nossa frente. Podemos prever esse comportamento e reagir com segurança.
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)
Agora, está tudo a correr bem para as coisas que vimos, mas claro, encontramos imensas coisas que nunca tínhamos visto. Há uns meses, os nossos veículos estavam a percorrer a Mountain View, e encontrámos isto. Uma mulher numa cadeira de rodas elétrica, às voltas, a perseguir um pato na estrada! (Risos) Acontece que, em parte alguma, no código da estrada, se explica como reagir a isto. Mas os nossos veículos foram capazes de gerir isso, abrandar e seguir em segurança. Mas não temos que lidar apenas com patos. Observem este pássaro à nossa frente. O carro reage a isso. Aqui, estamos a lidar com um ciclista como só encontramos em Mountain View. E claro que temos que lidar com condutores, mesmo os mais pequenos. Olhem para a direita, alguém salta deste camião. E agora, olhem para a esquerda, o carro com caixa verde decide, no último momento, que precisa de virar à direita. Aqui, quando vamos mudar de faixa, o carro à nossa esquerda decide que quer fazer o mesmo. E aqui, vemos um carro a passar um sinal vermelho e a continuar o seu caminho. Do mesmo modo, aqui um ciclista passa também um sinal vermelho. E claro, o nosso veículo responde de forma segura. Há pessoas, como este homem, que, não sei como, por vezes, atravessam a estrada entre dois carros autónomos. Temos de perguntar: " Em que é que estás a pensar?" (Risos)
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.
Já vos inundei com todas estas coisas, por isso, vou falar duma muito rapidamente. O que vemos aqui, é a cena do ciclista outra vez. Na realidade, ainda não vemos o ciclista, mas o carro vê: é aquela pequena caixa azul ali. Isso vem das informações do laser. Na verdade, não é muito fácil perceber, por isso vou mudar o ângulo de leitura e olhar para elas. Se formos bons a ler dados laser, podemos ver alguns pontos ali na curva. Aquela caixa azul é o ciclista. Quando o nosso sinal está vermelho, o do ciclista já está amarelo. Se semicerrarmos os olhos, podemos ver isso na imagem. Mas o ciclista vai avançar no cruzamento. O nosso sinal mudou para verde, o dele já está vermelho e podemos prever que a bicicleta vai atravessar-se à nossa frente. Infelizmente, os outros condutores não prestaram muita atenção. Começaram a avançar e, felizmente para todos, este ciclista reage, evita-os e passa pelo cruzamento. E agora, cá vamos nós!
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.
Como podem ver, fizemos progressos muito excitantes. Nesta altura, estamos convencidos que esta tecnologia vai entrar no mercado. Fizemos cinco milhões de km de testes nos nossos simuladores, todos os dias. Podem imaginar a experiência que os nossos veículos têm. Estamos ansiosos por ver esta tecnologia na estrada. Achamos que o caminho correto é através dos carros autónomos em vez de carros com assistência ao condutor. A urgência é enorme. Durante o tempo em que eu fiz esta palestra hoje, morreram 34 pessoas nas estradas dos EUA.
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.
Quando é que podemos pôr isto cá fora? É difícil dizer, porque é um problema complicado. Estes são os meus dois filhos. O meu filho mais velho tem 11 anos. Dentro de 4 anos e meio, vai poder obter a carta de condução. A minha equipa e eu estamos empenhados em fazer que isso não aconteça!
Thank you.
Obrigado.
(Laughter) (Applause) Chris Anderson: Chris, I've got a question for you.
(Aplausos) Chris Anderson: Chris, tenho uma pergunta para ti.
Chris Urmson: Sure.
Chris Urmson: Ok.
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: Certamente a mente dos vossos carros é bastante incompreensível. Neste debate entre assistência ao condutor e totalmente autónomo... Há bastante debate sobre isto, neste momento. Há empresas como, por exemplo, a Tesla que estão viradas para a assistência á condução. O que estás a dizer e dizer é que isso vai ser um beco sem saída, porque não conseguimos continuar a melhorar esse caminho e chegar a autónomo em determinado ponto, e o condutor vai dizer: " Isto parece seguro",
CU: Right. No, that's exactly right, and it's not to say
entra lá para trás, e acontece algo muito feio.
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: Certo, é isso mesmo. Não estou a dizer que os sistemas de assistência ao condutor vão deixar de ter um valor incrível. Podem salvar muitas vidas entretanto. mas ver a oportunidade transformadora e ajudar alguém como o Steve a dar uma volta, para chegar ao fim em segurança, ter a oportunidade de mudar as nossas cidades e eliminar essas crateras urbanas a que chamamos parques de estacionamento, é a única forma de avançar.
CA: We will be tracking your progress with huge interest. Thanks so much, Chris. CU: Thank you. (Applause)
CA: Nós vamos acompanhando o vosso progresso com enorme interesse. - Muito obrigado Chris. - Obrigado.