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.
В 1885 году Карл Бенц изобрёл автомобиль. Позднее в том же году он вывел его на первый публичный тест-драйв и — на самом деле — врезался в стену. Последние 130 лет мы работали над этим наименее надёжным элементом автомобиля — водителем. Мы сделали автомобиль прочнее, добавили ремни безопасности, подушки безопасности, а в последние 10 лет стали пытаться сделать сам автомобиль умнее, чтобы исправить этот баг — водителя.
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.
Сегодня я хочу немного рассказать вам о различиях между латанием дыр в проблеме с системой помощи водителю и непосредственным созданием полностью автоматизированных автомобилей и о том, что они способны для нас сделать. Я также расскажу немного о нашем автомобиле и покажу вам, как он «видит» мир, как реагирует, что может делать. Но сначала поговорим о самой проблеме. Это серьёзная проблема: 1,2 миллиона человек в мире погибает на дорогах каждый год. Только в Америке 33 000 человек ежегодно погибают в авариях. Это то же самое, как если бы с неба каждый будний день падал самолёт Boeing-737. Невозможно поверить. В рекламе автомобили выглядят вот так. Но на самом деле вождение выглядит так. Верно? Совсем не солнечно — дождливо. И вести машину совсем не хочется. А причина тому — дорожное движение становится хуже. В Америке между 1990 и 2010 годами пройденный транспортом километраж увеличился на 38%, длина дорог возросла на 6%. Так что это не просто вам кажется. Дорожное движение значительно хуже, чем оно было не так давно.
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.
И у этого весьма реальная цена, равная человеческим жизням. Если взять среднее время в Америке, чтобы добраться до работы, — 50 минут — умножить на 120 миллионов работников в нашей стране, то получится около 6 миллиардов минут, потраченных на дорогу каждый день. Это большое число, давайте представим его в масштабе. Возьмём эти 6 миллиардов минут и разделим на значение средней продолжительности жизни, что даст в итоге 162 жизненных срока, израсходованных в никуда каждый день, просто чтобы добраться из пункта А в пункт В. Это непостижимо! Но также есть те, у кого нет привилегии ездить за рулём. Это Стив. Он невероятно способный малый, но так случилось, что он слеп, и это значит, что утром вместо 30 минут за рулём по дороге на работу он проводит 2 часа в общественном транспорте с пересадками или просит друзей или членов семьи его подвезти. У него нет такой же свободы передвижения, как у нас с вами. С этим нужно что-то делать.
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.
Принято считать, что нужно просто взять системы помощи водителю и продвинуть их, значительно их улучшить, и со временем они превратятся в беспилотные автомобили. Я здесь, чтобы объяснить вам. Это всё равно, что сказать: если я буду упорно работать над прыжками, когда-нибудь я полечу. Нужно сделать нечто иное. Я расскажу вам о трёх параметрах, по которым беспилотные автомобили отличаются от систем помощи водителю. Начну с нашего личного опыта.
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.
В 2013 году мы впервые протестировали беспилотный автомобиль, позволив обычным людям его использовать. Почти обычным — это были 100 сотрудников Google, но они не имели отношения к проекту. Мы дали им автомобиль и разрешили пользоваться им для повседневных дел. Но в отличие от настоящих беспилотных автомобилей, этот имел примечание: нужно было быть внимательным, так как это экспериментальное транспортное средство. Было проведено много тестов, но риск неудачи всё же существовал. Мы провели двухчасовой тренинг, посадили их за руль, отдали управление, и их впечатления были потрясающими — особенно для нас — людей, пытающихся привнести в мир новое. Каждый сказал, что машина — супер. К нам даже в первый же день пришёл владелец Porsche и сказал, что это глупо — и о чём мы только думаем. Но в итоге он сказал: «Не только у меня должен быть такой автомобиль, у каждого он должен быть, ведь люди — ужасные водители». Для нас это было бальзамом на душу, но затем мы проверили, что делали люди за рулём автомобиля, и это открыло нам глаза. Моя любимая история — джентльмен, который взглянул на свой телефон и понял, что батарея почти разрядилась. Он разворачивается вот так и начинает копаться в рюкзаке, вытаскивает ноутбук, кладёт его на сиденье, снова разворачивается, копается, вытаскивает зарядное устройство для телефона, суетится, подключает к ноутбуку, подсоединяет к мобильнику. Конечно же, телефон заряжается. Всё это время он ехал на скорости 105 км/ч по автостраде. Невероятно! Мы об этом подумали и решили, что такое поведение понятно: чем лучше становятся технологии, тем менее надёжным будет становиться водитель. Поэтому, просто делая автомобили значительно умнее, мы вряд ли увидим преимущества, на которые рассчитываем.
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.
Позвольте на мгновение объяснить технический момент. Мы смотрим на график, где на горизонтальной оси показано, как часто автомобиль «жмёт» на тормоза, когда не следовало. Большую часть этого можно игнорировать, ведь если вы едете по городу и автомобиль начинает случайно останавливаться, вы такой автомобиль никогда не купите. На вертикальной оси показано, как часто автомобиль применит тормоза, когда это необходимо для предотвращения аварии. Если посмотреть на левый нижний угол, это стандартный автомобиль. Он сам за вас на тормоза не жмёт, ничего странного не вытворяет, но при этом и от аварии вас не убережёт. Если добавить в автомобиль систему помощи водителю, скажем, тормозную систему со смягчением последствий столкновения, то есть дополнительную технологию, — вот эта кривая — то у неё будут какие-то операционные свойства, но она никогда не сможет избежать всех аварий, потому что такой возможности у неё нет. Но возьмём какой-нибудь участок на этой кривой: может, технология избегает половину аварий, которые упускает из виду водитель, и это замечательно, правда же? Мы только что снизили количество аварий на дорогах вдвое. Теперь ежегодно в Америке погибает в авариях на 17 000 человек меньше.
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.
Но если мы хотим беспилотный автомобиль, нам нужна кривая, которая выглядит вот так. Нужно поставить больше датчиков на транспортное средство. Выберем некоторую рабочую точку вот здесь, где аварий, по сути, не случается. Могут произойти, но крайне редко. Теперь и вы и я можем взглянуть на это и обсудить, значительно ли различие. Я бы мог рассказать что-нибудь о правиле «80-20» и что до верхушки кривой тяжело дойти. Но давайте на мгновение посмотрим на это под другим углом. Посмотрим, как часто технология вынуждена принимать правильные решения. Вот эта зелёная точка — система помощи водителю. Оказывается, в Америке водители совершают ошибки, приводящие к авариям, где-то один раз на каждые 160 000 километров. Для сравнения, система автоматизированного управления принимает решения около 10 раз в секунду, то есть порядок возрастания — около 620 раз на километр. Если сравнить разницу между ними, она составит 10 в восьмой степени — порядок возрастания равен восьми. Это как сравнить мою скорость бега со скоростью света. Неважно, как упорно я тренируюсь, мне никогда не стать таким быстрым. То есть промежуток весьма внушительный.
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.
И наконец, рассмотрим, как система справляется с неопределённостью. Вот этот прохожий может выйти на дорогу, а может и нет. Мне не понять, да и ни один из наших алгоритмов не может. Но в случае с системой помощи водителю это означает, что она не может перейти к действию, ведь если она неожиданно «нажмёт» на тормоза, это неприемлемо. В то время как автоматизированная система может оценить прохожего и решить: «Я не знаю, что он будет делать. Притормози, посмотри получше, а затем действуй по ситуации».
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.
Такая система куда безопаснее системы помощи водителю. Я достаточно сказал о различиях между двумя системами. Поговорим о том, как автомобиль «видит» мир.
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?
Вот наш автомобиль. Он начинает с осознания того, где он конкретно находится, используя карту и данные с датчиков и объединяя эту информацию, плюс то, что он «видит» в данный момент. Вот здесь фиолетовые прямоугольники — другие автомобили на дороге, красная штука там в стороне — это велосипедист, а вот там на расстоянии, если приглядеться, можно увидеть дорожные конусы. Теперь мы знаем, где автомобиль находится в данный момент, но нужно больше информации: нужно предсказать, что произойдёт дальше. Вот здесь грузовик, справа наверху, собирается перестроиться на левую полосу, так как дорога перед ним закрыта, и ему надо съехать с этой полосы. Хорошо знать об одном грузовике, но нам-то нужно знать, о чём думают все участники движения, так что проблема становится весьма сложной. Зная это, мы можем определить, как автомобилю следует отреагировать: какой траектории следовать, как быстро замедлиться или ускориться. И всё это сводится к следующему алгоритму: повернуть руль влево или вправо, нажать тормоз или газ. В итоге всего два выбора. Как сложно это может быть?
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.
Когда мы начали в 2009 году, наша система выглядела так. Вы видите наш автомобиль в центре и другие прямоугольнички на дороге, едущие по автостраде. Автомобилю нужно определить, где он и где другие транспортные средства. Такое геометрическое представление мира. Как только мы начинаем передвигаться в жилой зоне и по улицам города, проблема усложняется в разы. Вот пешеходы, переходящие улицу перед нами, автомобили — каждый идёт своей дорогой; светофоры, пешеходные переходы. В сравнении с предыдущей, эта проблема куда сложнее. Как только эта проблема решена, автомобилю также нужно справляться с дорожными работами — вот конусы слева, вынуждающие ехать вправо, — но не только с изолированными стройками, конечно же, нужно справляться и с теми, кто пересекает эту зону. А если кто-то нарушает правила, приезжает полиция, и автомобилю нужно понимать, что вот этот мигающий огонёк на крыше значит, что это не простой автомобиль, а полицейский. Так же, оранжевый прямоугольник здесь — это школьный автобус, и к нему тоже требуется особое отношение.
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.
Когда мы на дороге, у людей есть определённые ожидания: если велосипедист поднимает руку, это значит, он ожидает, что автомобиль уступит ему дорогу, чтобы он смог сменить полосу. А если полицейский перегородил дорогу, значит, нужно остановиться и продолжить движение, только когда он просигналит нам.
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.
Мы добились этого путём распределения информации между автомобилями. В грубом исполнении задумка такова: когда одно транспортное средство видит дорожные работы, другое узнаёт об этом и может перестроиться в нужную полосу, избежав сложностей. Но мы продумали ситуацию куда глубже. Мы можем взять все данные, собранные автомобилями за всё время, — сотни тысяч пешеходов, велосипедистов и транспортных средств — и обдумать, как они выглядят, чтобы на основании этого сделать вывод о том, как выглядят другие автомобили и пешеходы. А затем, что ещё важнее, из этого можно получить модель того, каким ожидается их движение. Тут жёлтые прямоугольники — пешеходы, переходящие дорогу перед нами, голубой прямоугольник — велосипедист, и мы предугадываем, что они объедут автомобиль справа. Здесь велосипедист спукается вниз, и мы понимаем, что он продолжит ехать вдоль дороги. Здесь кто-то поворачивает направо, а вот в этот момент кто-то решил развернуться перед нами, и мы можем предугадать такое поведение и соответственно отреагировать.
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)
Всё это здорово для тех ситуаций, которые мы видели, но ведь случаются и такие вещи, с которыми мы до этого не сталкивались. Всего пару месяцев тому назад наши автомобили двигались через Маунтин-Вью и натолкнулись вот на что. Это женщина в электрическом инвалидном кресле, гоняющаяся по кругу за уткой на дороге. (Смех) Оказалось, нигде в руководстве ПДД не сказано, что делать в такой ситуации, но наши автомобили с этим справились: они притормозили и поехали осторожнее. Приходится сталкиваться не только с утками. Посмотрите, как птица пролетает прямо перед нами, и автомобиль реагирует. Здесь ситуация с велосипедистом, которую нигде, кроме Маунтин-Вью, не ожидаешь увидеть. И, конечно, ситуации с водителями, в том числе самыми маленькими. Посмотрите, как справа кто-то выпрыгивает на нас из грузовика. А теперь слева автомобиль с зелёным прямоугольником в последний момент решает, что ему нужно повернуть направо. Здесь, пока мы меняем полосу движения, водитель слева решает, что и он тоже хочет сменить полосу. А тут мы видим, как автомобиль проносится на красный свет, и мы останавливаемся. И тут тоже: велосипедист проезжает на красный свет. И, конечно, наш автомобиль реагирует, соблюдая безопасность. Также есть те, кто иногда бог знает что вытворяет на дороге: как вот это парень, втискивающийся меж двух автоматизированных автомобилей. Хочется спросить: «Чем ты думаешь?» (Смех)
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.
Я тут вас закидал разными ситуациями, давайте разберём одну досконально. Итак, снова ситуация с велосипедистом. Вы можете заметить внизу, что велосипедиста нам пока не видно, но автомобиль его видит: голубой прямоугольник вот здесь. Мы получили данные с лазерных датчиков. Это не так просто понять, поэтому я разверну данные и посмотрю на них, и если вы хорошо умеете анализировать данные с лазерных датчиков, то можете разглядеть несколько точек на этой кривой, а голубой прямоугольник — велосипедист. Пока наш светофор красный, светофор для велосипедистов загорелся жёлтым, и если прищуриться, можно увидеть это на изображении. Но велосипедист собирается пересечь перекрёсток. Теперь наш светофор горит зелёным, его — красным. Мы предугадываем, что велосипедист так и поедет вперёд до конца. К сожалению, водители рядом с нами не обратили на это внимания, они начали движение вперёд, и, к счастью для всех, велосипедист реагирует, избегает столкновения и проезжает перекрёсток. Теперь можно ехать.
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.
Как видите, мы добились впечатляющего прогресса и на данный момент убеждены, что эта технология станет доступной на рынке. Каждый день мы тестируем автомобили на почти 5 000 000 километрах, и можно представить опыт, который они накопили. Мы с нетерпением ждём, когда эта технология выйдет на дороги, и думаем, что верный выбор — это автоматизированные автомобили, а не система помощи водителю, ведь актуальность так велика. За время, пока я выступал, на дорогах Америки погибло 34 человека.
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.
Как скоро станет доступной наша система? Трудно ответить, ведь проблема сложная. Но вот мои два сына: старшему 11 лет, что значит, что через 4 с половиной года он может получить водительские права. Я и моя команда работаем, чтобы этого не случилось.
Thank you.
Спасибо.
(Laughter) (Applause) Chris Anderson: Chris, I've got a question for you.
(Смех) (Аплодисменты) Крис Андерсон: Крис, у меня есть к вам вопрос.
Chris Urmson: Sure.
Крис Урмсон: Конечно.
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.
КА: Разум ваших автомобилей поразителен. В этом споре между автоматизированными и снабжёнными помощью автомобилями... Серьёзный спор идёт сейчас на эту тему. Некоторые компании, например, Tesla, идут по пути вспомогательных систем. Вы говорите, что это своего рода тупик, потому что нельзя просто улучшать эти системы и в конечном счёте прийти к полной автоматизации, ведь водитель может подумать, что это безопасно, и полезть на заднее сидение, и тогда может произойти что-то ужасное.
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.
КУ: Верно. Именно так. И не то чтобы системы помощи водителю не имеют огромной ценности — они могут спасти много жизней за этот период, но чтобы была возможность преобразовать, помочь людям вроде Стива передвигаться, прийти к максимуму безопасности, иметь возможность изменить наши города, избавиться от этих городских окопов, которые мы называем парковками, — для этого существует только один путь.
CA: We will be tracking your progress with huge interest. Thanks so much, Chris. CU: Thank you. (Applause)
КА: Мы будем следить за вашими успехами с огромным интересом. Спасибо, Крис. КУ: Спасибо. (Аплодисменты)