Ας το παραδεχτούμε: Η οδήγηση είναι επικίνδυνη. Είναι ένα από τα πράγματα που δεν θέλουμε να σκεφτόμαστε, αλλά το γεγονός ότι θρησκευτικές εικόνες και γούρια είναι τοποθετημένα σε ταμπλό ανά τον κόσμο προδίδει το γεγονός πως ξέρουμε ότι αυτό είναι αλήθεια. Τα τροχαία ατυχήματα είναι η κύρια αιτία θανάτου στις ηλικίες 16 έως 19 στις ΗΠΑ -- η κύρια αιτία θανάτου -- και το 75% αυτών των ατυχημάτων δεν σχετίζονται με ναρκωτικές ή οινοπνευματώδεις ουσίες.
Let's face it: Driving is dangerous. It's one of the things that we don't like to think about, but the fact that religious icons and good luck charms show up on dashboards around the world betrays the fact that we know this to be true. Car accidents are the leading cause of death in people ages 16 to 19 in the United States -- leading cause of death -- and 75 percent of these accidents have nothing to do with drugs or alcohol.
Τι συμβαίνει λοιπόν; Κανείς δεν μπορεί να πει με σιγουριά, αλλά θυμάμαι το πρώτο μου ατύχημα. Ήμουν νέα οδηγός σε εθνική οδό και στο προπορευόμενο αυτοκίνητο είδα να ανάβουν τα φώτα των φρένων. Σκέφτομαι «Εντάξει, όλα καλά, ο τύπος επιβραδύνει, θα επιβραδύνω και εγώ». Πατάω φρένο. Αλλά όχι, ο τύπος δεν επιβράδυνε. Ο τύπος σταματούσε, τελείως, σταμάτησε τελείως στην εθνική οδό. Πήγε από τα 100 χιλιόμετρα στο 0; Πάτησα πολύ δυνατά το φρένο. Ένιωσα το ABS να κλωτσάει και το αυτοκίνητο ακόμα προχωρούσε, και δεν επρόκειτο να σταματήσει, και το ξέρω ότι δεν θα σταματήσει, και ανοίγει ο αερόσακος, το αυτοκίνητο διαλύθηκε, και ευτυχώς, κανένας δεν τραυματίστηκε. Αλλά δεν είχα ιδέα ότι εκείνο το αυτοκίνητο θα σταματούσε και πιστεύω ότι μπορούμε να κάνουμε κάτι πολύ καλύτερο από αυτό. Πιστεύω ότι μπορούμε να μετατρέψουμε την οδική εμπειρία αφήνοντας τα αυτοκίνητά μας να μιλούν μεταξύ τους.
So what happens? No one can say for sure, but I remember my first accident. I was a young driver out on the highway, and the car in front of me, I saw the brake lights go on. I'm like, "Okay, all right, this guy is slowing down, I'll slow down too." I step on the brake. But no, this guy isn't slowing down. This guy is stopping, dead stop, dead stop on the highway. It was just going 65 -- to zero? I slammed on the brakes. I felt the ABS kick in, and the car is still going, and it's not going to stop, and I know it's not going to stop, and the air bag deploys, the car is totaled, and fortunately, no one was hurt. But I had no idea that car was stopping, and I think we can do a lot better than that. I think we can transform the driving experience by letting our cars talk to each other.
Θέλω να σκεφτείτε για λίγο το πώς είναι τώρα η οδική εμπειρία. Μπαίνεις στο αυτοκίνητο. Κλείνεις την πόρτα. Είσαι μέσα σε μια γυάλινη φυσαλίδα. Δεν μπορείς να αισθανθείς άμεσα τον κόσμο γύρω σου. Είσαι μέσα σε μία προέκταση του εαυτού σου. Πρέπει να το πλοηγήσεις σε μερικώς ορατές εθνικές οδούς, εντός και μεταξύ άλλων μεταλλικών γιγάντων, σε υπεράνθρωπες ταχύτητες. Σωστά; Και τα μόνα που σε καθοδηγούν είναι τα δύο σου μάτια. Σωστά, αυτά είναι τα μόνα που έχεις, μάτια τα οποία πραγματικά δεν είναι σχεδιασμένα για αυτό το σκοπό, αλλά οι άνθρωποι σου ζητούν να κάνεις πράγματα, όπως όταν θέλεις να αλλάξεις λωρίδα κυκλοφορίας, ποιο είναι το πρώτο πράγμα που σου ζητάνε να κάνεις; Να πάρεις τα μάτια σου από το δρόμο. Σωστά. Σταμάτα να κοιτάζεις που πας, γύρνα, κοίτα στο τυφλό σημείο σου και συνέχισε να οδηγείς χωρίς να βλέπεις που πας. Εσύ και όλοι οι άλλοι. Αυτός είναι ο ασφαλής τρόπος οδήγησης. Γιατί το κάνουμε αυτό; Επειδή πρέπει, πρέπει να επιλέξουμε, βλέπω εδώ ή βλέπω εκεί; Τι είναι πιο σημαντικό; Και συνήθως κάνουμε εκπληκτική δουλειά επιλέγοντας και διαλέγοντας τι να προσέξουμε στο δρόμο. Αλλά, περιστασιακά κάτι θα μας ξεφύγει. Περιστασιακά αισθανόμαστε κάτι είτε λανθασμένα είτε πολύ αργά. Σε αμέτρητα ατυχήματα, ο οδηγός λέει: «Δεν το είδα να έρχεται.» Και το πιστεύω αυτό. Το πιστεύω. Τόσο μπορούμε να προσέξουμε.
I just want you to think a little bit about what the experience of driving is like now. Get into your car. Close the door. You're in a glass bubble. You can't really directly sense the world around you. You're in this extended body. You're tasked with navigating it down partially-seen roadways, in and amongst other metal giants, at super-human speeds. Okay? And all you have to guide you are your two eyes. Okay, so that's all you have, eyes that weren't really designed for this task, but then people ask you to do things like, you want to make a lane change, what's the first thing they ask you do? Take your eyes off the road. That's right. Stop looking where you're going, turn, check your blind spot, and drive down the road without looking where you're going. You and everyone else. This is the safe way to drive. Why do we do this? Because we have to, we have to make a choice, do I look here or do I look here? What's more important? And usually we do a fantastic job picking and choosing what we attend to on the road. But occasionally we miss something. Occasionally we sense something wrong or too late. In countless accidents, the driver says, "I didn't see it coming." And I believe that. I believe that. We can only watch so much.
Αλλά τώρα υπάρχει η τεχνολογία που μπορεί να μας βοηθήσει να το βελτιώσουμε αυτό. Στο μέλλον, με τα αυτοκίνητα να ανταλλάσσουν δεδομένα μεταξύ τους, θα μπορούμε να δούμε όχι μόνο τρία αυτοκίνητα μπροστά και τρία αυτοκίνητα πίσω, στα δεξιά και αριστερά, όλα την ίδια στιγμή, πανοραμική θέα. θα μπορούμε να δούμε μέσα σε αυτά τα αυτοκίνητα. Θα μπορούμε να δούμε την ταχύτητα του προπορευόμενου αυτοκινήτου, να δούμε πόσο γρήγορα πηγαίνει κάποιος ή εάν σταματά. Εάν κάποιος σταματάει τελείως, θα το ξέρω.
But the technology exists now that can help us improve that. In the future, with cars exchanging data with each other, we will be able to see not just three cars ahead and three cars behind, to the right and left, all at the same time, bird's eye view, we will actually be able to see into those cars. We will be able to see the velocity of the car in front of us, to see how fast that guy's going or stopping. If that guy's going down to zero, I'll know.
Και με υπολογισμούς, αλγόριθμους και προγνωστικά μοντέλα, θα μπορούμε να δούμε το μέλλον. Μπορεί να σκέφτεστε ότι αυτό είναι αδύνατο. Πώς να προβλέψεις το μέλλον; Αυτό είναι κάτι πολύ δύσκολο. Για την ακρίβεια, όχι. Για τα αυτοκίνητα, δεν είναι αδύνατο. Τα αυτοκίνητα είναι τρισδιάστατα αντικείμενα που έχουν συγκεκριμένη θέση και ταχύτητα. Κινούνται πάνω σε οδόστρωμα. Συχνά ακολουθούν προκαθορισμένα δρομολόγια. Πραγματικά δεν είναι τόσο δύσκολο να γίνουν λογικές προβλέψεις για το που θα είναι ένα αυτοκίνητο στο άμεσο μέλλον. Ακόμη και εάν όταν είστε σε ένα αυτοκίνητο και έρθει ένας μοτοσικλετιστής --βζουμ!-- με 140 χλμ την ώρα, εναλλάσσοντας λωρίδες κυκλοφορίας -- ξέρω ότι είχατε αυτή την εμπειρία -- αυτός ο τύπος δεν «ήρθε από το πουθενά». Αυτός ο τύπος πιθανότατα ήταν στο δρόμο το τελευταίο μισάωρο. (Γέλια) Σωστά; Εννοώ, κάποιος τον έχει δει. 15, 30, 50 χιλιόμετρα πριν, κάποιος τον έχει δει και μόλις ένα αυτοκίνητο τον δει και τον τοποθετήσει στον χάρτη, είναι στον χάρτη -- θέση, ταχύτητα, καλή εκτίμηση ότι θα συνεχίσει να πηγαίνει με 140 χλμ την ώρα. Θα το ξέρεις, γιατί το αυτοκίνητό σου θα το ξέρει, γιατί το άλλο αυτοκίνητο του ψιθύρισε κάτι στο αυτί, όπως, «Παρεμπιπτόντως, πέντε λεπτά, μοτοσικλετιστής, πρόσεχε». Μπορείτε να κάνετε λογικές προβλέψεις σχετικά με το πώς συμπεριφέρονται τα αυτοκίνητα. Θέλω να πω ότι είναι Νευτώνεια αντικείμενα. Αυτό είναι το καλό με αυτά.
And with computation and algorithms and predictive models, we will be able to see the future. You may think that's impossible. How can you predict the future? That's really hard. Actually, no. With cars, it's not impossible. Cars are three-dimensional objects that have a fixed position and velocity. They travel down roads. Often they travel on pre-published routes. It's really not that hard to make reasonable predictions about where a car's going to be in the near future. Even if, when you're in your car and some motorcyclist comes -- bshoom! -- 85 miles an hour down, lane-splitting -- I know you've had this experience -- that guy didn't "just come out of nowhere." That guy's been on the road probably for the last half hour. (Laughter) Right? I mean, somebody's seen him. Ten, 20, 30 miles back, someone's seen that guy, and as soon as one car sees that guy and puts him on the map, he's on the map -- position, velocity, good estimate he'll continue going 85 miles an hour. You'll know, because your car will know, because that other car will have whispered something in his ear, like, "By the way, five minutes, motorcyclist, watch out." You can make reasonable predictions about how cars behave. I mean, they're Newtonian objects. That's very nice about them.
Πώς φτάνουμε λοιπόν εκεί; Μπορούμε να ξεκινήσουμε με κάτι τόσο απλό όσο ο διαμοιρασμός των δεδομένων της θέσης μας μεταξύ των αυτοκινήτων, απλά διαμοιρασμός GPS. Εάν έχω ένα GPS και μια κάμερα στο αυτοκίνητό μου, έχω μια αρκετά ακριβής ιδέα για το πού βρίσκομαι και το πόσο γρήγορα πηγαίνω. Με μηχανική όραση, μπορώ να εκτιμήσω που είναι τα τριγύρω μου αυτοκίνητα, περίπου, και που πηγαίνουν. Το ίδιο με τα άλλα αυτοκίνητα. Μπορούν να έχουν μια ακριβής ιδέα για το που είναι και μια ασαφή ιδέα του που είναι τα άλλα αυτοκίνητα. Τι συμβαίνει όταν δύο αυτοκίνητα μοιράζονται αυτά τα δεδομένα, εάν μιλούν μεταξύ τους; Μπορώ να σας πω ακριβώς τι γίνεται. Και τα δύο μοντέλα βελτιώνονται. Όλοι κερδίζουν. Ο καθηγητής Μπομπ Γουάνγκ και η ομάδα του έχουν κάνει προσομοιώσεις σε υπολογιστή για το τι συμβαίνει όταν ασαφείς εκτιμήσεις συνδυάζονται, ακόμα και σε μικρή συμφόρηση, όταν αυτοκίνητα απλά μοιράζονται δεδομένα GPS, και μεταφέραμε αυτή την έρευνα εκτός προσομοιώσεων υπολογιστή σε κλίνες δοκιμών ρομπότ που έχουν τους πραγματικούς αισθητήρες που υπάρχουν τώρα στα αυτοκίνητα, σε αυτά τα ρομπότ: στερεοφωνικές κάμερες, GPS και δισδιάστατα τηλέμετρα λέιζερ, τα οποία είναι κοινά σε εφεδρικά συστήματα. Επίσης, προσαρμόσαμε έναν διακριτικό ασύρματο μικρής εμβέλειας και τα ρομπότ μιλάνε μεταξύ τους. Όταν αυτά τα ρομπότ πλησιάζουν μεταξύ τους, παρακολουθούν με ακρίβεια το ένα τη θέση του άλλου και μπορούν να αποφύγουν το ένα το άλλο.
So how do we get there? We can start with something as simple as sharing our position data between cars, just sharing GPS. If I have a GPS and a camera in my car, I have a pretty precise idea of where I am and how fast I'm going. With computer vision, I can estimate where the cars around me are, sort of, and where they're going. And same with the other cars. They can have a precise idea of where they are, and sort of a vague idea of where the other cars are. What happens if two cars share that data, if they talk to each other? I can tell you exactly what happens. Both models improve. Everybody wins. Professor Bob Wang and his team have done computer simulations of what happens when fuzzy estimates combine, even in light traffic, when cars just share GPS data, and we've moved this research out of the computer simulation and into robot test beds that have the actual sensors that are in cars now on these robots: stereo cameras, GPS, and the two-dimensional laser range finders that are common in backup systems. We also attach a discrete short-range communication radio, and the robots talk to each other. When these robots come at each other, they track each other's position precisely, and they can avoid each other.
Τώρα προσθέτουμε ακόμα περισσότερα ρομπότ στο χώρο και αντιμετωπίσαμε μερικά προβλήματα. Ένα από τα προβλήματα, όταν δέχεστε πολλή φλυαρία, είναι δύσκολο να επεξεργαστείτε όλα τα πακέτα, έτσι πρέπει να θέσετε προτεραιότητες και εδώ το προγνωστικό μοντέλο σας βοηθάει. Εάν τα αυτοκίνητα ρομπότ ακολουθούν τις προβλεφθείσες πορείες, δεν δίνεις μεγάλη σημασία σε αυτά τα πακέτα. Δίνεις προτεραιότητα σε αυτό που φαίνεται να πηγαίνει λίγο εκτός πορείας. Αυτός ο τύπος μπορεί να δημιουργήσει ένα πρόβλημα. Και μπορείτε να προβλέψετε μια νέα πορεία. Έτσι, όχι μόνο ξέρεις ότι θα βγει εκτός πορείας, ξέρεις πώς. Και ξέρετε ποιους οδηγούς πρέπει να προειδοποιήσετε να κάνουν στην άκρη.
We're now adding more and more robots into the mix, and we encountered some problems. One of the problems, when you get too much chatter, it's hard to process all the packets, so you have to prioritize, and that's where the predictive model helps you. If your robot cars are all tracking the predicted trajectories, you don't pay as much attention to those packets. You prioritize the one guy who seems to be going a little off course. That guy could be a problem. And you can predict the new trajectory. So you don't only know that he's going off course, you know how. And you know which drivers you need to alert to get out of the way.
Και θέλαμε να κάνουμε -- ποιος είναι ο καλύτερος τρόπος να ειδοποιηθούν όλοι; Πώς μπορούν τα αυτοκίνητα να ψιθυρίσουν «Πρέπει να κάνεις στην άκρη;» Εξαρτάται από δύο πράγματα: πρώτον, την ικανότητα του αυτοκινήτου και δεύτερον την ικανότητα του οδηγού. Εάν κάποιος έχει ένα πραγματικά καλό αυτοκίνητο, αλλά χρησιμοποιεί το τηλέφωνο ή, ξέρετε, κάνει κάτι, πιθανότατα δεν είναι στην καλύτερη θέση να αντιδράσει σε μια αιφνίδια κατάσταση. Έτσι, ξεκινήσαμε μια ξεχωριστή έρευνα κάνοντας μοντελοποίηση της κατάστασης του οδηγού. Τώρα, χρησιμοποιώντας μια σειρά τριών καμερών, μπορούμε να εντοπίσουμε εάν ο οδηγός κοιτάζει μπροστά, κοιτάζει μακρυά, κοιτάζει κάτω, είναι στο τηλέφωνο ή πίνει καφέ. Μπορούμε να προβλέψουμε το ατύχημα και μπορούμε να προβλέψουμε ποιος, ποια αυτοκίνητα, είναι στην βέλτιστη θέση να κινηθούν εκτός πορείας να υπολογίσουν την ασφαλέστερη διαδρομή για όλους. Κατά βάση, αυτές οι τεχνολογίες υπάρχουν σήμερα.
And we wanted to do -- how can we best alert everyone? How can these cars whisper, "You need to get out of the way?" Well, it depends on two things: one, the ability of the car, and second the ability of the driver. If one guy has a really great car, but they're on their phone or, you know, doing something, they're not probably in the best position to react in an emergency. So we started a separate line of research doing driver state modeling. And now, using a series of three cameras, we can detect if a driver is looking forward, looking away, looking down, on the phone, or having a cup of coffee. We can predict the accident and we can predict who, which cars, are in the best position to move out of the way to calculate the safest route for everyone. Fundamentally, these technologies exist today.
Πιστεύω ότι το μεγαλύτερο πρόβλημα που αντιμετωπίζουμε είναι η προθυμία μας να μοιραστούμε τα δεδομένα μας. Νομίζω ότι είναι μια πολύ ανησυχητική έννοια, η ιδέα ότι τα αυτοκίνητά μας θα μας παρακολουθούν, θα μιλάνε για εμάς σε άλλα αυτοκίνητα, θα μας κουτσομπολεύουν διαρκώς. Αλλά πιστεύω ότι μπορεί να γίνει με τέτοιο τρόπο ώστε να προστατευτεί η ιδιωτικότητά μας, όπως ακριβώς τώρα, όταν βλέπω εξωτερικά το αμάξι σας πραγματικά δεν γνωρίζω για εσάς. Εάν κοιτάξω τις πινακίδες κυκλοφορίας σας, δεν ξέρω ποιος είστε. Πιστεύω ότι τα αυτοκίνητά μας θα μιλάνε για εμάς πίσω από την πλάτη μας.
I think the biggest problem that we face is our own willingness to share our data. I think it's a very disconcerting notion, this idea that our cars will be watching us, talking about us to other cars, that we'll be going down the road in a sea of gossip. But I believe it can be done in a way that protects our privacy, just like right now, when I look at your car from the outside, I don't really know about you. If I look at your license plate number, I don't really know who you are. I believe our cars can talk about us behind our backs.
(Γέλια)
(Laughter)
Και πιστεύω ότι θα είναι κάτι πάρα πολύ καλό. Θέλω να σκεφτείτε για μια στιγμή εάν πραγματικά δεν θέλετε ο αφηρημένος έφηβος πίσω σας να γνωρίζει ότι φρενάρετε, ότι σκοπεύετε να σταματήσετε. Με τον εθελούσιο διαμοιρασμό των δεδομένων μας, μπορούμε να κάνουμε το καλύτερο για όλους.
And I think it's going to be a great thing. I want you to consider for a moment if you really don't want the distracted teenager behind you to know that you're braking, that you're coming to a dead stop. By sharing our data willingly, we can do what's best for everyone.
Αφήστε λοιπόν το αυτοκίνητό σας να σας κουτσομπολεύσει. Θα κάνει τους δρόμους πιο ασφαλής.
So let your car gossip about you. It's going to make the roads a lot safer.
Σας ευχαριστώ.
Thank you.
(Χειροκρότημα)
(Applause)