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 naquele ano, ele fez o primeiro "test-drive" público, e, isso é verdade, bateu em um muro. Nos últimos 130 anos, temos trabalhado nesta parte menos confiável do carro, o motorista. Tornamos o carro mais forte. Adicionamos cintos de segurança, air bags, e, na última década, começamos a tentar fazer o carro mais inteligente para corrigir esse bug, o motorista.
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 eu contarei a vocês um pouco sobre a diferença entre contornar o problema com os sistemas de ajuda ao condutor e ter de fato carros autoconduzidos e o que eles podem fazer pelo mundo. Eu também lhes contarei um pouco sobre o nosso carro e permitir que vejam como ele vê o mundo e como ele reage e o que ele faz, mas primeiro eu vou falar um pouco sobre o problema. E é um grande problema: 1,2 milhões de pessoas são mortas em estradas do mundo a cada ano. Só nos Estados Unidos, 33 mil pessoas são mortas a cada ano. Para colocar isso em perspectiva, isto é o mesmo que um 737 caindo do céu todos os dias úteis. É meio que inacreditável. Os carros são vendidos pra gente assim, mas sério, dirigir está mais pra isso. Não está sol, está chovendo, e você quer fazer outra coisa que não seja dirigir. E a razão é esta: O tráfego está piorando. Nos Estados Unidos, entre 1990 e 2010, a quilometragem percorrida pelos veículos aumentou em 38%. Nós aumentamos 6% das estradas, então, isso não é só impressão. O tráfego realmente está substancialmente pior do que não muito tempo atrás.
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.
E tudo isso tem um alto custo humano. Se pegamos o tempo médio de trânsito nos EUA, que é cerca de 50 minutos, e o multiplicamos pelos 120 milhões de trabalhadores que temos, isto vira cerca de 6 bilhões de minutos desperdiçados no deslocamento diariamente. Este é um número grande, vamos colocá-lo em perspectiva. Pegue aqueles 6 bilhões de minutos e divida-os pela média de expectativa de vida de uma pessoa. Isso dá 162 vidas desperdiçadas, todos os dias, apenas para ir de A até B. É inacreditável. E depois, há aqueles de nós que não têm o privilégio de sentar-se durante o tráfego. Este é Steve. Ele é um cara incrivelmente capaz, mas acontece que ele é cego, e isto é, em vez de dirigir 30 minutos de carro para o trabalho, é uma provação de duas horas baldeando no transporte público ou pedindo carona a amigos e familiares. Ele não tem essa mesma liberdade que você e eu para nos locomover por aí. Nós devíamos fazer algo sobre 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.
A sabedoria convencional diria que vamos pegar esses sistemas de ajuda ao condutor e vamos testá-los e melhorá-los de forma incremental, e com o tempo, eles serão carros autoguiados. Bem, isso é o mesmo que se eu dissesse que se eu trabalhar duro para saltar, um dia serei capaz de voar. Nós realmente precisamos fazer algo um pouco diferente. Então, vou falar sobre três formas diferentes nas quais sistemas de autodireção são diferentes daqueles de ajuda ao condutor. Começarei com uma de nossas experiências.
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.
Então, de volta em 2013, tivemos o primeiro teste de autodireção onde deixamos as pessoas normais usá-lo. Quase normais: eram 100 funcionários do Google, mas eles não trabalhavam nesse projeto. Demos a eles o carro e deixamos que o utilizassem em seu cotidiano. Mas diferente de um verdadeiro carro autoguiado, esse tinha um porém: eles tinham que ter atenção, porque este era um veículo experimental. Nós o testamos muito, mas ele ainda poderia falhar. Demos a eles duas horas de treinamento, os colocamos no carro e os deixamos usá-lo, e o que ouvimos de volta foi impressionante, para alguém tentando trazer um produto ao mundo. Cada um deles nos disse que adorou. De fato, um motorista de Porsche disse-nos no primeiro dia, "Isso é completamente estúpido. O que estamos pensando?" Mas no fim de tudo, disse ele: "Não só eu deveria tê-lo, todos devem tê-lo, porque as pessoas são péssimas motoristas". Isso foi música para os nossos ouvidos, mas depois começamos a olhar para o que as pessoas no carro estavam fazendo, e isso abriu nossos olhos. A minha história favorita é deste cavalheiro que olha para o seu telefone e percebe que a bateria está fraca. Então ele se vira assim no carro, e procura algo na mochila; pega seu laptop, coloca-o no assento, se vira novamente, procura algo, pega o carregador do telefone, se demora ali, coloca o cabo no laptop, depois no telefone. Certifica-se de que o telefone esteja carregando. O tempo todo o ele está dirigindo a 104 km/h na rodovia. Certo? Inacreditável. Então pensamos sobre isso e concluímos que é óbvio: quanto melhor a tecnologia, menos confiável o motorista. Apenas incrementando a inteligência dos carros provavelmente não veremos as vitórias 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 sobre algo um pouco técnico por um momento. Vamos ver este gráfico, e conforme descemos é a frequência com que o carro freia quando não deveria. Esqueçam a maior parte desse eixo, pois se você está dirigindo na cidade, e o carro começa a parar aleatoriamente, você nunca vai comprar esse carro. E o eixo vertical é a frequência com que o carro irá frear quando ele tiver que ajudá-lo a evitar um acidente. Se olharmos para o canto inferior esquerdo, este é o seu carro clássico. Ele não freia para você, não faz nenhuma tolice, mas também não impede um acidente. Se quisermos pôr um sistema de ajuda na condução de um carro, tipo, trava de mitigação de colisão, vamos colocar um pacote de tecnologia lá, que é esta curva, e ele terá algumas propriedades de funcionamento, mas nunca vai evitar todos os acidentes, porque ele não tem essa capacidade. Vamos ver algum ponto ao longo da curva, e talvez ele evite metade dos acidentes que o motorista não consegue, e isso é incrível! Reduzimos acidentes nas nossas estradas pela metade. Agora 17 mil pessoas a menos morrem a cada ano nos Estados Unidos.
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 autoguiado, precisamos de uma curva de tecnologia como esta. O veículo precisará de mais sensores, e pegaremos algum ponto operacional daqui, no qual ele quase nunca se envolve num acidente. Eles acontecerão, mas com muito baixa frequência. Poderíamos olhar para isso e argumentar se é incremental, e eu poderia dizer algo como "regra 80-20" e é realmente difícil subir nessa nova curva. Vamos olhá-la de uma direção diferente por um momento. Vamos ver com que frequência a tecnologia tem de fazer a coisa certa. Este ponto verde aqui em cima é um sistema de ajuda ao condutor. Acontece que os motoristas humanos cometem erros que levam a acidentes de trânsito cerca de uma vez cada 160 mil quilômetros nos Estados Unidos. Em contraste, um sistema de autodireção toma decisões cerca de 10 vezes por segundo, então a ordem de grandeza, é cerca de mil vezes por quilômetro. Então, comparado à distância entre estes dois, isso é cerca de 10 para 8, certo? Oito ordens de grandeza. Isso é como comparar o quão rápido eu corro à velocidade da luz. Não importa o quão duro treine, eu nunca chegarei lá. Portanto, há uma lacuna muito grande lá. E então, finalmente, tem como o sistema pode lidar com a incerteza.
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.
Este pedestre aqui pode estar prestes a atravessar a rua, ou não. Não posso dizer, nem qualquer dos nossos algoritmos, mas, no caso de um sistema de ajuda ao condutor, isso significa que ele não pode agir, porque mais uma vez, se ele freia inesperadamente, isso é completamente inaceitável. Já o sistema de autodireção pode parar e dizer: eu não sei o que eles farão, desacelerar, olhar melhor, e, em seguida, reagir adequadamente.
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.
Ele pode ser tão seguro quanto um sistema de ajuda ao condutor pode ser. Isso é o suficiente sobre as diferenças entre os dois. Vamos passar algum tempo falando 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 entendendo onde está no mundo, usando um mapa e seus dados do sensor e alinhando os dois, e então separamos de acordo com o que ele que vê no momento. Aqui, todas as caixas roxas que vêem são outros veículos na estrada, e em vermelho do outro lado temos um ciclista, e mesmo à distância, se olharmos bem de perto, podemos ver alguns cones. Então sabemos onde o carro está no momento, mas temos de fazer melhor, e prever o que acontecerá. A caminhonete no canto superior direito vai mudar para a faixa da esquerda pois a estrada à frente está fechada, então ela precisa sair do caminho. Saber sobre aquela caminhonete é ótimo, mas realmente precisamos saber o que todos pensam, por isso se torna um problema bastante complicado. E assim, podemos descobrir como o carro deve responder no momento, o trajeto que ele deveria seguir, a rapidez para desacelerar ou acelerar. E então, tudo se transforma em apenas seguir um caminho: virar o volante para esquerda ou direita, pisar no freio ou acelerador. No fim do dia, são apenas dois números. Então, o quão difícil pode ser realmente?
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 começamos, em 2009, esse era o nosso sistema. Podem ver o nosso carro no meio e as outras caixas na estrada, dirigindo pela rodovia. O carro precisa entender sua posição e a dos outros veículos. É realmente uma compreensão geométrica do mundo. Quando começamos a dirigir nas ruas dos bairros e cidades, o problema tornou-se um novo nível de dificuldade. Você vê pedestres e carros atravessando na nossa frente, indo em todas as direções, semáforos, faixas de pedestres. É um problema incrivelmente complicado em comparação. E uma vez que você resolve aquele problema o veículo tem de ser capaz de lidar com as obras. Aqui estão cones do lado esquerdo forçando-o a ir para a direita, mas não apenas as obras isoladamente. Ele também tem que lidar com as pessoas que transitam naquela área em obras. E se alguém quebra as regras, a polícia está lá e o carro tem que entender que a luz piscando em cima do carro significa que não é apenas um carro, e sim, uma viatura. Da mesma forma, a caixa laranja ao lado, é um ônibus escolar, e também temos que tratá-lo 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 outras pessoas têm expectativas: quando um ciclista acena, significa que eles esperam que o carro dê passagem a eles para fazer uma mudança de pista. E quando há um policial na estrada, nosso veículo deve compreender que isso significa parar, e quando eles sinalizam para ir, devemos 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.
Nós fizemos isso compartilhando dados entre os veículos. O primeiro e mais imperfeito modelo disso é quando o veículo vê uma área em obras, tendo outra informação sobre isso ele pode ficar na pista correta para evitar algumas dificuldades. Mas nós temos uma compreensão mais profunda disto. Podemos pegar todos os dados que os carros receberam com o tempo, as centenas de milhares de pedestres, ciclistas, e veículos nas estradas e entendermos como se comportam e usar isso para pressupor como outros carros e pedestres se comportam. E, mais importante, poderíamos tirar deste modelo como esperamos que eles se movam pelo mundo. Aqui, a caixa amarela é um pedestre cruzando a nossa frente. A caixa azul é um ciclista e prevemos que ele vai acenar e contornar o carro pela a direita. Aqui há um ciclista descendo a estrada e sabemos que vai continuar pela mesma mão da rua. Aqui alguém faz uma curva à direita, e aqui, fará uma inversão na nossa frente, e podemos antecipar isso e responder 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)
Está tudo muito bem para as coisas que vemos, mas encontramos um monte de coisas que ainda não vimos. Há apenas alguns meses, nossos veículos dirigiam em Mountain View, e encontramos uma mulher em uma cadeira de rodas elétrica perseguindo um pato em círculos na estrada. (Risos) Acontece que não há nenhum tópico no manual do motorista que lhe diga como lidar com isso, mas nossos veículos conseguiram encontrá-lo, desacelerar, e dirigir com segurança. Mas não temos de lidar apenas com patos. Vejam este pássaro cruzando a nossa frente. O carro reage a ele. Aqui, lidamos com um ciclista que nunca se esperaria ver em outro lugar que não Mountain View. E temos que lidar com os motoristas, mesmo com os mais baixos. Vejam à direita como alguém salta deste caminhão em nossa direção. E vejam à esquerda como o carro com a caixa verde decide que ele precisa virar à direita no último momento possível. Aqui, ao mudarmos de faixa, o carro à nossa esquerda decide que também quer mudar de faixa. E aqui, vemos um carro cruzar uma luz vermelha e paramos para ele. E aqui, da mesma forma, um ciclista cruzando aquela luz também. O veículo responde de forma segura. Às vezes temos pessoas na estrada, como esse cara se desviando de dois carros autoguiados. Há de se perguntar: "O que você está pensando?" (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.
Eu metralhei vocês com um várias coisas, e rapidamente vou desmembrar uma delas. Estamos vendo a cena com o ciclista novamente, e podem notar no fundo que ainda não é possível vê-lo, mas o carro pode: uma pequena caixa azul lá em cima, que vem dos dados do laser. E isso não é fácil de entender, então vou girar esse dado a laser e observá-lo e se você for bom em observar dados a laser, poderá ver alguns pontos sobre a curva, e aquela caixa azul é o ciclista. Quando a nossa luz fica vermelha, a luz do ciclista ficou amarela, e se você olhar de lado, pode vê-lo nas imagens. Mas vemos que o ciclista vai prosseguir pelo cruzamento. Agora nossa luz ficou verde, a dele, vermelha, e agora podemos prever que esta bicicleta virá em toda a extensão. Infelizmente, os outros motoristas não estavam prestando tanta atenção. Eles começaram a acelerar, e felizmente para todos, este ciclista reage, evita e consegue passar pelo cruzamento. E lá 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, nós fizemos alguns ótimos progressos, e a esta altura estamos bem convencidos de que esta tecnologia chegará ao mercado. Fazemos 4.8 milhões de km de testes em nossos simuladores diariamente, então podem imaginar a experiência que nossos carros têm. Estamos ansiosos para ter esta tecnologia na estrada, e achamos que o caminho certo é pela autodireção ao invés da ajuda ao condutor por ser muito urgente. No tempo em que falei aqui hoje, 34 pessoas morreram nas estradas dos Estados Unidos. Quando poderemos tê-lo?
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.
Bem, é difícil dizer, porque é um problema realmente complicado, mas... Estes são os meus dois garotos. Meu filho mais velho tem 11 anos, o que significa que em quatro anos e meio ele poderá ter sua carteira de motorista. Minha equipe e eu estamos nos certificando de que isso não aconteça. (Risos)
Thank you.
Obrigado.
(Laughter) (Applause) Chris Anderson: Chris, I've got a question for you.
(Risos) (Aplausos) Chris Anderson: Chris, tenho uma pergunta para você.
Chris Urmson: Sure.
Chris Urmson: Claro.
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 de seus carros é bastante surpreendente. Neste debate entre ajuda ao motorista e autodireção, há um grande debate acontecendo agora. Algumas empresas, por exemplo a Tesla, apoiam a ajuda ao motorista. O que você está dizendo é que isso será um beco sem saída, pois não dá pra ficar melhorando isso e em certo ponto chegar à total autodireção, e o motorista vai dizer: "Isso parece seguro," e ir para o assento de trás, e algo feio vai acontecer.
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: Certo. É exatamente isso, e não é questão de dizer que os sistemas de ajuda ao condutor não serão incrivelmente valiosos. Eles podem salvar muitas vidas nesse ínterim, mas pra ver a oportunidade transformadora ajudar alguém como Steve a se locomover, a chegar ao final em segurança, ter a oportunidade de mudar nossas cidades e nos livrarmos dessas crateras urbanas que chamamos de estacionamentos, É único caminho a seguir.
CA: We will be tracking your progress with huge interest. Thanks so much, Chris. CU: Thank you. (Applause)
CA: Vamos acompanhar seu progresso com enorme interesse. Muito obrigado, Chris. CU: Obrigado.