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.
Encaremos: Dirigir é perigoso. É uma das coisas que não gostamos de pensar a respeito, mas o fato de ícones religiosos e amuletos de boa sorte aparecerem nos painéis mundo afora revela o fato de que sabemos que isso é verdade. Acidentes automobilísticos são a principal causa de morte entre pessoas de 16 a 19 anos de idade nos Estados Unidos -- principal causa de morte -- e 75 por cento desses acidentes não tem nada a ver com drogas ou álcool.
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.
Então o que acontece? Ninguém pode dizer com certeza, mas eu lembro do meu primeiro acidente. Eu era uma jovem motorista pela estrada, e o carro a minha frente, eu vi as luzes do freio acenderem. Pensei, "Certo, tudo bem, esse sujeito está diminuindo a velocidade, vou diminuir também." Eu piso no freio. Mas não, esse sujeito não está diminuindo de velocidade. Ele está parando, parando totalmente na estrada. Ele estava a 104 km/h -- e de repente zero? Eu pisei com toda a força nos freios. Senti o ABS entrar em ação, e o carro continuar indo, e ele não vai parar, e eu sei que ele não vai parar, e o air bag é acionado, o carro é totalmente destruído, e felizmente, ninguém se machucou. Porém eu não tinha ideia alguma que o carro estava parando, e penso que podemos fazer muito melhor que isso. Eu acho que podemos transformar a experiência de dirigir deixando nosso carros conversar entre si.
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.
Só quero que vocês pensem um pouco sobre como é a experiência de dirigir hoje. Entre no seu carro. Feche a porta. Você está em uma redoma de vidro. Você de fato não pode sentir diretamente o mundo à sua volta. Você está nesse corpo estendido. Você tem a tarefa de navegá-lo por rodovias com visibilidade parcial, entre outros gigantes de metal, em velocidades sobre-humanas. Certo? E tudo o que você tem para guiá-lo são seus dois olhos. Certo, então isso é tudo que você tem, olhos que não foram projetados para essa tarefa, mas então as pessoas pedem para você fazer coisas como, você quer mudar de faixa, qual é a primeira coisa que eles pedem para você fazer? Tire seus olhos da estrada. Isso mesmo. Pare de olhar para onde você está indo, vire, verifique seu ponto cego, e dirija pela estrada sem olhar para onde você está indo. Você e todos os outros. Esse é o modo seguro de dirigir. Por que fazemos isso? Porque precisamos, precisamos fazer uma escolha, eu olho aqui ou olho aqui? O que é mais importante? E geralmente fazemos um trabalho fantástico determinando e escolhendo no que prestamos atenção na estrada. Mas ocasionalmente nós não notamos algo. Ocasionalmente nós sentimos algo errado ou tarde demais. Em inúmeros acidentes, o motorista diz, "eu não previ o que aconteceu." E eu acredito nisso. Eu acredito nisso. Nós só podemos ver até certo ponto.
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.
Mas a tecnologia existente hoje pode ajudar-nos a melhorar isso. No futuro, com carros trocando informações entre eles, seremos capazes de ver não apenas três carros à frente e três carros atrás, à direita e à esquerda, ao mesmo tempo, vistos de cima, nós seremos capazes de ver dentro desses carros. Seremos capazes de ver a velocidade do carro à nossa frente, de ver o quão rápido esse sujeito está indo ou parando. Se esse sujeito está indo a zero, eu saberei.
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.
E com computação e algorítimos e modelos prognósticos, seremos capazes de ver o futuro. Você pode pensar que isso é impossível. Como você pode prever o futuro? Isso é muito difícil. Na realidade não. Com relação à carros, não é impossível. Carros são objetos tridimensionais que possuem uma posição fixa e velocidade. Eles viajam por estradas. Geralmente eles viajam por rotas já catalogadas. Na verdade não é tão difícil fazer previsões razoáveis sobre onde um carro estará em um futuro próximo. Mesmo se, quando você está no seu carro e algum motociclista vem -- bshoom! -- a 140 km/h rasgando a pista -- Eu sei que vocês já tiveram essa experiência -- esse sujeito não "apareceu do nada". Esse sujeito estava na estrada provavelmente durante a última meia hora. (Risos) Certo? Quero dizer, alguém o viu. Quinze, 30, 50 quilômetros atrás, alguém viu esse sujeito, e assim que um carro veja esse sujeito e o ponha no mapa, ele está no mapa -- posição, velocidade, e boa estimativa que ele continuará a 140 km/h. Você saberá, porque seu carro saberá, porque esse outro carro terá sussurrado algo em sua orelha, como, "A propósito, cinco minutos, motociclista, tome cuidado." Você pode fazer previsões razoáveis sobre como os carros se comportam. Quero dizer, eles são objetos newtonianos. Isso é ótimo em relação à eles.
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.
Então como chegamos lá? Podemos começar com algo tão simples como compartilhar nossa informação de posicionamento entre carros, apenas compartilhando GPS. Se eu tenho um GPS e uma câmera em meu carro, eu tenho uma ideia bem precisa de onde estou e o quão rápido estou indo. Com a visão do computador, eu posso estimar onde os carros à minha volta estão, mais ou menos, e onde eles estão indo. E a mesma coisa com os outros carros. Eles podem ter uma ideia precisa de onde estão, e uma noção de onde os outros carros estão. O que acontece se dois carros compartilham essa informação, se eles podem conversar um com o outro? Posso contar a vocês exatamente o que acontece. Ambos modelos melhoram. Todos ganham. Professor Bob Wang e seu time fizeram simulações por computador do que acontece quando estimativas vagas se combinam, até no tráfego leve, quando carros apenas compartilham informações de GPS, e nós deslocamos essa pesquisa para fora da simulação por computador e para dentro de simuladores robóticos que possuem os mesmos sensores que estão nos carros hoje nesses robôs: câmeras estéreo, GPS, e os lasers bidimensionais de análise de distância que são comuns em sistemas de backup. Nós também adicionamos um discreto rádio de ondas curtas, e os robôs conversam entre si. Quando esses robôs se encontram, eles rastreiam a posição de cada um deles precisamente, e eles podem evitar-se.
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.
Nós agora estamos adicionando mais e mais robôs na mistura, e encontramos alguns problemas. Um dos problemas, quando você tem muitas conversas rápidas, é difícil processar todos os pacotes, então você tem que priorizar, e é onde o modelo preditivo ajuda você. Se seus carros robôs estão todos rastreando as trajetórias previstas, vocês não prestam tanta atenção a estes pacotes. Você prioriza aquele sujeito que parece estar indo um pouco fora de curso. Esse sujeito pode ser um problema. E você pode prever a nova trajetória. Desta forma você não só sabe que ele está saindo do curso, você sabe como. E você sabe quais motoristas alertar para que saiam do caminho.
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.
E queríamos fazer -- como podemos alertar melhor todo mundo? Como os carros podem sussurrar, "Você precisa sair do caminho"? Bem, isso depende de duas coisas: primeiro, a habilidade do carro, e segundo, a habilidade do motorista. Se um sujeito tem carro realmente bom, mas eles estão ao telefone ou, vocês sabem, fazendo alguma coisa provavelmente eles não estão na melhor posição para reagir a uma emergência. Então começamos uma linha de pesquisa separada fazendo modelagem do estado do motorista. E agora, usando uma série de três câmeras, nós podemos detectar se um motorista está olhando para frente, olhando para longe, para baixo, ao telefone ou tomando um café. Podemos prever o acidente e podemos prever quem, quais carros, estão na melhor posição para saírem do caminho para calcular a rota mais segura para todos. Basicamente, essas tecnologias existem hoje.
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.
Penso que o maior problemas que enfrentamos é nossa própria disposição de compartilhar nossas informações. Eu acho que é uma noção muito desconcertante, essa ideia que nossos carros estarão nos vigiando, falando de nós para outros carros, que nós estaremos indo em direção a um oceano de fofocas. Porém creio que isso pode ser feito de um modo que proteja nossa privacidade, como agora mesmo, quando eu olho para seu carro de fora, eu na verdade não conheço você. Se eu olhar o número de sua placa, eu não quem você é de verdade. Eu acredito que nossos carros podem falar de nós nas nossas costas.
(Laughter)
(Risos)
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.
E eu acho que será uma coisa ótima. Eu quero que vocês pensem por um momento se vocês realmente não querem que o adolescente distraído atrás de vocês saiba que vocês estão freando, que vocês vão parar completamente. Compartilhando nossas informações voluntariamente, podemos fazer o que é melhor para todos.
So let your car gossip about you. It's going to make the roads a lot safer.
Então deixe seu carro fofocar sobre você. Isso vai fazer as estradas muito mais seguras.
Thank you.
Obrigada.
(Applause)
(Aplausos)