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.
Enfrentémoslo: conducir, es peligroso. Es una de las cosas en las que no queremos pensar, pero el hecho de que íconos religiosos y amuletos de la suerte estén en tableros alrededor del mundo traiciona el hecho de que sabemos que esto es cierto. Los accidentes automovilísticos, son la principal causa de muerte en personas entre los 16 y 19 años en EE.UU., principal causa de muerte, y 75 % de estos accidentes no tienen nada que ver con drogas o alcochol.
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.
¿Entonces, qué pasa? Nadie sabe a ciencia cierta, pero recuerdo mi primer accidente. Era una joven conductora en la autopista, y había otro auto en frente mío, vi que encendió las luces de frenos y me dije, "Bueno, este tipo está bajando la velocidad, también voy a bajar la velocidad. Pisé el freno. Pero, no, el tipo no estaba reduciendo la velocidad. Se está deteniendo, frenando por completo en medio de la autopista. ¿Iba a pasar de 65 a...cero? Me paré en el freno. Sentí el ABS activarse, y que el automóvil seguía en movimiento y que no iba a frenar, y sabía que no iba a frenar, y se activó el airbag, el automóvil estaba destrozado, y por suerte, nadie resultó herido. Pero no tenía idea que ese automóvil estaba frenando, y creo que podemos hacer algo mejor que eso. Creo que podemos transformar la experiencia de conducir dejando que nuestros automóviles se comuniquen entre sí.
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.
Quiero que reflexionen un momento acerca de la experiencia actual de conducir. Suban a su auto. Cierren la puerta. Se encuentran en una burbuja de vidrio. No pueden sentir directamente el mundo a su alrededor. Están en este cuerpo extendido. Les corresponde navegarlo por caminos parcialmente visibles, entre otros gigantes de metal, a velocidades sobrehumanas. ¿Bien? Y lo único que los guía son sus ojos. Bien, eso es con lo único que cuentan, con un par de ojos que no fueron diseñados para esta tarea, pero luego se les pide que hagan cosas como, si quieren cambiar de carril, ¿qué es lo primero que se les pide que hagan? Que quiten la vista del camino. Eso es. Tienen que dejar de ver por dónde van, girar, verificar su punto ciego, y seguir conduciendo por el camino sin ver por dónde van. Para Uds. y todos los demás. Esta es la manera segura de conducir. ¿Por qué hacemos esto? Porque tenemos que hacerlo, debemos elegir, ¿miro aquí o miro allá? ¿Qué es más importante? Y en general, hacemos un muy buen trabajo eligiendo y decidiendo a qué le prestamos atención en la carretera. Pero, a veces, fallamos. A veces, precibimos algo mal, o demasiado tarde. En incontables accidentes, el conductor dice, "No lo vi venir". Y lo creo. En serio. No podemos verlo todo.
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.
Pero la tecnología actual puede ayudarnos a mejorar esto. En el futuro, con automóviles intercambiando información entre ellos, vamos a poder ver hasta tres autos más adelante y tres autos más atrás, a la derecha y a la izquierda, todo al mismo tiempo, con vista panorámica, realmente vamos a poder ver esos automóviles. Vamos a poder saber la velocidad del auto que tenemos delante, saber cuán rápidamente el tipo está frenando. Si el tipo está frenando a cero, lo sabré.
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.
Y con cálculos, algoritmos y modelos predictivos, vamos a poder predecir el futuro. Pueden pensar que es imposible. ¿Cómo puede predecirse el futuro? Es muy difícil. Pero no. En el caso de los automóviles, no es imposible. Los autos son objetos tridimensionales que tienen una velocidad y posición fija. Se desplazan por caminos. A veces se desplazan en rutas pre prublicadas. No es realmente difícil hacer predicciones razonables acerca de dónde un auto va a estar en el futuro cercano. Incluso si están dentro de su auto y pasa un motociclista, <i>¡fiuuuummm!</i> a 85 millas por hora, cambiando de carriles. Sé que han pasado por esto, ese tipo simplemente no "salió de la nada". Lo más probable es que ya estuviera en la carretera durante la última media hora. (Risas) ¿Cierto? Quiero decir, alguien lo vio. Diez, 20, 30 millas atrás, alguien vio a este tipo, y tan pronto como un auto ve al motociclista y lo incorpora al mapa, está en el mapa... posición, velocidad, se puede decir que continuará su trayecto a 85 millas por hora. Uds. lo sabrán, porque su auto lo sabrá, porque ese otro auto se lo habrá susurrado, algo así como, "por cierto, en cinco minutos, pasa un motociclista, cuidado". Pueden hacer predicciones razonables acerca del comportamiento de los autos. Quiero decir, son objetos newtonianos. Lo cual es algo muy bueno.
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.
¿Pero cómo llegamos allí? Podemos empezar con algo tan sencillo como compartir la información de nuestra posición entre vehículos, simplemente compartiendo el GPS. Si tengo un GPS y una cámara en mi auto, tengo una idea bastante precisa de dónde estoy y a qué velocidad me desplazo. Con visión de computadora, puedo calcular dónde están los vehículos a mi alrededor, más o menos, y hacia dónde van. Y lo mismo para otros autos. Pueden tener una idea precisa de dónde están, y al menos una vaga idea de dónde están los demás autos. ¿Qué pasa si dos automóviles pudiesen compartir esa información, si pudiesen hablarse? Se los diré. Ambos modelos mejoran. Todos ganan. El profesor Bob Wang y su equipo han creado simulaciones computarizadas de lo que ocurre cuando se combinan cálculos aproximados, incluso con poco tráfico, cuando los autos solo comparten información GPS, y hemos llevado esta investigación de simulación por computación y hacia un banco de pruebas robóticas que tienen los sensores reales que los autos tienen actualmente, en estos robots: cámaras estéreo, GPS, y los telémetros láser bidimensionales que son comunes en los sistemas de respaldo. También incluimos una radio de comunicación de corto alcance, y los robots hablan entre sí. Cuando estos robots se acercan, rastrean la posición del otro de manera precisa y pueden evitarse.
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.
Ahora agregamos más y más robots a la ecuación, y hemos encontrado algunos problemas. Uno de ellos, es que cuando hay demasiada charla, es difícil procesar todos los paquetes de información, entonces se debe priorizar, y allí es cuando nos ayuda el modelo predictivo. Si todos sus autos robots están rastreando las trayectorias predecidas, no se presta demasiada atención a esos paquetes. Se da prioridad al que parece estar saliéndose un poco de su curso. Este tipo podría ser un problema. Y se puede predecir la trayectoria nueva. Así que no solo se sabe que está cambiando su curso, también se sabe cómo. Y se sabe a qué conductor advertir para que se quite del camino.
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.
Y quisimos saber: ¿cómo podemos alertar mejor a todos? ¿Cómo pueden los autos susurrarse: "Necesitas quitarte del camino"? Bien, depende de dos cuestiones: una, es la capacidad del auto, y la otra, la capacidad del conductor. Si alguien tiene un auto muy bueno, pero está hablando por teléfono, o ya saben, haciendo otra cosa, probablemente no esté en la mejor posición para reaccionar ante una emergencia. Así que comenzamos una línea de investigación adicional enfocándonos en los conductores. Y ahora, utilizando una serie de tres cámaras, podemos detectar si un conductor está mirando hacia adelante, hacia otro lado, hacia arriba, si está al teléfono, o tomando una taza de café. Podemos predecir el accidente y podemos predecir, quiénes, qué autos, están en la mejor posición para quitarse del camino y así calcular la ruta más segura para todos. Fundamentalmente, este tipo de tecnología existe hoy.
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.
Creo que el mayor problema que enfrentamos, es nuestra voluntad para compartir nuestra información. Creo que hay una noción muy desconcertante, esta idea de que nuestros autos van a estar observándonos, hablando de nosotros con otros autos, que vamos a desplazarnos por la ruta en un mar de cotilleo. Pero creo que puede hacerse de un modo que proteja nuestra privacidad, tal y como ahora, cuando miro su auto desde afuera, realmente no sé nada de usted. Si miro la matrícula de su vehículo, realmente no sé quién es usted. Creo que nuestros autos pueden hablar de nosotros a nuestra espalda.
(Laughter)
(Risas)
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.
Y creo que eso será algo estupendo. Quiero que reflexionen por un momento si realmente no quieren que el adolescente distraído detrás de ustedes sepa que están frenando, que están frenando por completo. Compartiendo nuestra información, voluntariamente, podemos hacer lo que es mejor para todos.
So let your car gossip about you. It's going to make the roads a lot safer.
Así que dejen que su auto hable de ustedes. Eso hará mucho más seguras nuestras calles.
Thank you.
Gracias.
(Applause)
(Aplausos)