A headset that reads your brainwaves | Tan Le

377,164 views ・ 2010-07-22

TED


Dobbeltklik venligst på de engelske undertekster nedenfor for at afspille videoen.

Translator: Mikkel Bech-Hansen Reviewer: Louise Frilund
00:16
Up until now, our communication with machines
0
16260
2000
Indtil nu har vores kommunikation med maskiner
00:18
has always been limited
1
18260
2000
altid været begrænset
00:20
to conscious and direct forms.
2
20260
2000
til bevidste og direkte former.
00:22
Whether it's something simple
3
22260
2000
Ligegyldigt om det er noget simpelt,
00:24
like turning on the lights with a switch,
4
24260
2000
som at tænde lyset med en kontakt,
00:26
or even as complex as programming robotics,
5
26260
3000
eller noget så komplekst som at programmere robotter
00:29
we have always had to give a command to a machine,
6
29260
3000
har vi altid måttet give kommandoer til en maskine,
00:32
or even a series of commands,
7
32260
2000
eller en serie af kommandoer,
00:34
in order for it to do something for us.
8
34260
3000
for at få den til at udføre noget for os.
00:37
Communication between people, on the other hand,
9
37260
2000
Kommunikationen mellem mennesker er derimod
00:39
is far more complex and a lot more interesting
10
39260
3000
langt mere kompleks og langt mere interessant,
00:42
because we take into account
11
42260
2000
fordi vi skal tage hensyn
00:44
so much more than what is explicitly expressed.
12
44260
3000
til langt mere end hvad der eksplicit udtrykkes.
00:47
We observe facial expressions, body language,
13
47260
3000
We observerer ansigtsudtryk, kropssprog,
00:50
and we can intuit feelings and emotions
14
50260
2000
og vi kender intuitivt til sindsstemninger og følelser
00:52
from our dialogue with one another.
15
52260
3000
igennem vores dialog med hinanden.
00:55
This actually forms a large part
16
55260
2000
Dette former faktisk en stor del
00:57
of our decision-making process.
17
57260
2000
af vores beslutningsprocesser.
00:59
Our vision is to introduce
18
59260
2000
Vores vision er at indføre
01:01
this whole new realm of human interaction
19
61260
3000
en helt ny dimension af menneskelig interaktion,
01:04
into human-computer interaction
20
64260
2000
i menneske/computer interaktion,
01:06
so that computers can understand
21
66260
2000
således at computeren kan forstå,
01:08
not only what you direct it to do,
22
68260
2000
ikke alene det, man beder den om,
01:10
but it can also respond
23
70260
2000
men så den også kan reagere
01:12
to your facial expressions
24
72260
2000
på dine ansigtsudtryk
01:14
and emotional experiences.
25
74260
2000
og følelsesmæssige oplevelser.
01:16
And what better way to do this
26
76260
2000
Og hvilken bedre måde at gøre dette på,
01:18
than by interpreting the signals
27
78260
2000
end ved at fortolke de signaler,
01:20
naturally produced by our brain,
28
80260
2000
der naturligt skabes i vores hjerne,
01:22
our center for control and experience.
29
82260
3000
vores center for styring og oplevelse.
01:25
Well, it sounds like a pretty good idea,
30
85260
2000
Nuvel, det lyder som en rigtig god idé,
01:27
but this task, as Bruno mentioned,
31
87260
2000
men opgaven, som Bruno nævnte det,
01:29
isn't an easy one for two main reasons:
32
89260
3000
er ikke nem. Hovedsagligt af to årsager:
01:32
First, the detection algorithms.
33
92260
3000
For det første, kortlægningen af algoritmer.
01:35
Our brain is made up of
34
95260
2000
Vores hjerne består af
01:37
billions of active neurons,
35
97260
2000
milliarder af aktive neuroner,
01:39
around 170,000 km
36
99260
3000
omkring 170.000 km
01:42
of combined axon length.
37
102260
2000
hvis man lægger længden af aksoner sammen.
01:44
When these neurons interact,
38
104260
2000
Når disse neuroner interagerer,
01:46
the chemical reaction emits an electrical impulse,
39
106260
2000
udskiller de kemiske reaktioner en elektrisk impuls
01:48
which can be measured.
40
108260
2000
der kan måles.
01:50
The majority of our functional brain
41
110260
3000
Hovedparten af vores funktionelle hjerne
01:53
is distributed over
42
113260
2000
er fordelt over
01:55
the outer surface layer of the brain,
43
115260
2000
hjernens ydre overfladelag.
01:57
and to increase the area that's available for mental capacity,
44
117260
3000
For at gøre overfladen - der rummer den mentale kapacitet - større,
02:00
the brain surface is highly folded.
45
120260
3000
er hjernens overflade fuld af foldninger.
02:03
Now this cortical folding
46
123260
2000
Denne kortikale foldning
02:05
presents a significant challenge
47
125260
2000
stiller os overfor udfordringen;
02:07
for interpreting surface electrical impulses.
48
127260
3000
at kortlægge overfladens elektriske impulser.
02:10
Each individual's cortex
49
130260
2000
Ethvert menneskes cortex
02:12
is folded differently,
50
132260
2000
er foldet forskelligt,
02:14
very much like a fingerprint.
51
134260
2000
meget lig fingeraftryk.
02:16
So even though a signal
52
136260
2000
Så selvom et signal
02:18
may come from the same functional part of the brain,
53
138260
3000
kan komme fra samme funktionscenter i hjernen,
02:21
by the time the structure has been folded,
54
141260
2000
kan dets fysiske placering,
02:23
its physical location
55
143260
2000
når hjernestrukturen er endeligt foldet sammen,
02:25
is very different between individuals,
56
145260
2000
være meget forskellig fra person til person,
02:27
even identical twins.
57
147260
3000
selv hos enæggede tvillinger.
02:30
There is no longer any consistency
58
150260
2000
Der er ikke længere sammenhæng
02:32
in the surface signals.
59
152260
2000
mellem overfladesignalerne.
02:34
Our breakthrough was to create an algorithm
60
154260
2000
Vores gennembrud var at lave en algoritme,
02:36
that unfolds the cortex,
61
156260
2000
der folder cortex ud
02:38
so that we can map the signals
62
158260
2000
så vi kan kortlægge signalerne
02:40
closer to its source,
63
160260
2000
tættere på deres udgangspunkt,
02:42
and therefore making it capable of working across a mass population.
64
162260
3000
og dermed gøre algoritmen anvendelig på den brede befolkning.
02:46
The second challenge
65
166260
2000
Den anden udfordring
02:48
is the actual device for observing brainwaves.
66
168260
3000
er det apparat, der skal måle hjernebølgerne.
02:51
EEG measurements typically involve
67
171260
2000
EEG-målinger indebærer typisk
02:53
a hairnet with an array of sensors,
68
173260
3000
et hårnet med en lang række sensorer,
02:56
like the one that you can see here in the photo.
69
176260
3000
ligesom det, I kan se her på billedet.
02:59
A technician will put the electrodes
70
179260
2000
En tekniker sætter elektroderne
03:01
onto the scalp
71
181260
2000
fast på hovedbunden
03:03
using a conductive gel or paste
72
183260
2000
ved hjælp af en elektrisk ledende gel eller pasta,
03:05
and usually after a procedure of preparing the scalp
73
185260
3000
og som regel efter at have gjort hovedbunden klar
03:08
by light abrasion.
74
188260
2000
ved at lave lette hudafskrabninger.
03:10
Now this is quite time consuming
75
190260
2000
Dette er en tidskrævende proces
03:12
and isn't the most comfortable process.
76
192260
2000
og den er ikke specielt behagelig.
03:14
And on top of that, these systems
77
194260
2000
Derudover koster disse systemer
03:16
actually cost in the tens of thousands of dollars.
78
196260
3000
adskillige tusinde dollars.
03:20
So with that, I'd like to invite onstage
79
200260
3000
Hermed vil jeg gerne invitere Evan Grant,
03:23
Evan Grant, who is one of last year's speakers,
80
203260
2000
som er én af sidste års talere, op på scenen.
03:25
who's kindly agreed
81
205260
2000
Han har sagt ja
03:27
to help me to demonstrate
82
207260
2000
til at hjælpe mig med at demonstrere
03:29
what we've been able to develop.
83
209260
2000
det, vi har været i stand til at udvikle.
03:31
(Applause)
84
211260
6000
(Bifald)
03:37
So the device that you see
85
217260
2000
Enheden, I ser her
03:39
is a 14-channel, high-fidelity
86
219260
2000
er et 14-kanals, high-fidelity
03:41
EEG acquisition system.
87
221260
2000
EEG målings-system.
03:43
It doesn't require any scalp preparation,
88
223260
3000
Det kræver ingen klargøring af hovedbunden,
03:46
no conductive gel or paste.
89
226260
2000
ingen ledende gel eller pasta.
03:48
It only takes a few minutes to put on
90
228260
3000
Det tager kun et par minutter at tage på
03:51
and for the signals to settle.
91
231260
2000
og for signalerne til at stabilisere sig.
03:53
It's also wireless,
92
233260
2000
Det er også trådløst,
03:55
so it gives you the freedom to move around.
93
235260
3000
så det giver én frihed til at bevæge sig.
03:58
And compared to the tens of thousands of dollars
94
238260
3000
Og sammenlignet med de titusindvis af dollars
04:01
for a traditional EEG system,
95
241260
3000
som traditionelle EEG-systemer koster,
04:04
this headset only costs
96
244260
2000
koster dette headset kun
04:06
a few hundred dollars.
97
246260
2000
et par hundrede dollars.
04:08
Now on to the detection algorithms.
98
248260
3000
Og nu til detekteringsalgoritmerne.
04:11
So facial expressions --
99
251260
2000
Ansigtsudtryk -
04:13
as I mentioned before in emotional experiences --
100
253260
2000
som jeg nævnte før - i følelsesmæssige oplevelser
04:15
are actually designed to work out of the box
101
255260
2000
- kan aflæses med det samme
04:17
with some sensitivity adjustments
102
257260
2000
med nogle få følsomhedsindstillinger
04:19
available for personalization.
103
259260
3000
til individuel tilpasning.
04:22
But with the limited time we have available,
104
262260
2000
Men med den begrænsede tid vi har til rådighed her,
04:24
I'd like to show you the cognitive suite,
105
264260
2000
vil jeg nøjes med at vise jer den kognitive afdeling,
04:26
which is the ability for you
106
266260
2000
hvilket er evnen, der gør dig istand til
04:28
to basically move virtual objects with your mind.
107
268260
3000
grundlæggende set, at flytte virtuelle objekter ved tankens kraft.
04:32
Now, Evan is new to this system,
108
272260
2000
Evan er ny i dette system,
04:34
so what we have to do first
109
274260
2000
så først er vi nødt til
04:36
is create a new profile for him.
110
276260
2000
at lave en ny profil til ham.
04:38
He's obviously not Joanne -- so we'll "add user."
111
278260
3000
Han er tydeligvis ikke Joanne - så vi trykker "tilføj bruger."
04:41
Evan. Okay.
112
281260
2000
Evan. Ok.
04:43
So the first thing we need to do with the cognitive suite
113
283260
3000
Det første vi skal gøre i den kognitive afdeling
04:46
is to start with training
114
286260
2000
er at optræne
04:48
a neutral signal.
115
288260
2000
et neutralt signal.
04:50
With neutral, there's nothing in particular
116
290260
2000
Ved et neutralt signal, er der ikke noget særligt
04:52
that Evan needs to do.
117
292260
2000
som Evan skal foretage sig.
04:54
He just hangs out. He's relaxed.
118
294260
2000
Han hænger bare ud. Han er afslappet.
04:56
And the idea is to establish a baseline
119
296260
2000
Og idéen er at bestemme et grundniveau
04:58
or normal state for his brain,
120
298260
2000
eller en normaltilstand for hans hjerne,
05:00
because every brain is different.
121
300260
2000
for alle hjerner er forskellige.
05:02
It takes eight seconds to do this,
122
302260
2000
Det tager 8 sekunder at gøre dette.
05:04
and now that that's done,
123
304260
2000
Og nu da det er gjort,
05:06
we can choose a movement-based action.
124
306260
2000
kan vi vælge en bevægelses-handling.
05:08
So Evan, choose something
125
308260
2000
Så Evan; vælg noget,
05:10
that you can visualize clearly in your mind.
126
310260
2000
som du kan visualisere klart indeni hovedet.
05:12
Evan Grant: Let's do "pull."
127
312260
2000
Evan Grant: Lad os prøve "træk."
05:14
Tan Le: Okay, so let's choose "pull."
128
314260
2000
Tan Le: Okay. Lad os vælge "træk."
05:16
So the idea here now
129
316260
2000
Idéen er nu
05:18
is that Evan needs to
130
318260
2000
at Evan skal
05:20
imagine the object coming forward
131
320260
2000
forestille sig objektet bevæge sig fremad
05:22
into the screen,
132
322260
2000
ind mod skærmen.
05:24
and there's a progress bar that will scroll across the screen
133
324260
3000
Og der er en "progress bar", som vil rulle på tværs af skærmen
05:27
while he's doing that.
134
327260
2000
mens han gør det.
05:29
The first time, nothing will happen,
135
329260
2000
Første gang, vil der ikke ske noget,
05:31
because the system has no idea how he thinks about "pull."
136
331260
3000
fordi systemet ikke ved hvordan han tænker på at trække.
05:34
But maintain that thought
137
334260
2000
Men hold fast i tanken
05:36
for the entire duration of the eight seconds.
138
336260
2000
i hele de 8 sekunders varighed.
05:38
So: one, two, three, go.
139
338260
3000
Så: en, to, tre, start.
05:49
Okay.
140
349260
2000
Okay.
05:51
So once we accept this,
141
351260
2000
Når vi så godkender dette,
05:53
the cube is live.
142
353260
2000
kommer kassen til live.
05:55
So let's see if Evan
143
355260
2000
Lad os se om Evan
05:57
can actually try and imagine pulling.
144
357260
3000
rent faktisk kan prøve at forestille sig at trække.
06:00
Ah, good job!
145
360260
2000
Ah, godt arbejde!
06:02
(Applause)
146
362260
3000
(Bifald)
06:05
That's really amazing.
147
365260
2000
Det er ret fantastisk.
06:07
(Applause)
148
367260
4000
(Bifald)
06:11
So we have a little bit of time available,
149
371260
2000
Vi har lidt tid tilbage
06:13
so I'm going to ask Evan
150
373260
2000
så nu vil jeg bede Evan
06:15
to do a really difficult task.
151
375260
2000
om at udføre en meget svær opgave.
06:17
And this one is difficult
152
377260
2000
Og denne er ret svær
06:19
because it's all about being able to visualize something
153
379260
3000
fordi den handler om at kunne visualisere noget
06:22
that doesn't exist in our physical world.
154
382260
2000
som ikke eksisterer i den fysiske verden.
06:24
This is "disappear."
155
384260
2000
Dette er "at forsvinde."
06:26
So what you want to do -- at least with movement-based actions,
156
386260
2000
Så det du skal gøre her -- i det mindste med bevægelses-baserede handlinger,
06:28
we do that all the time, so you can visualize it.
157
388260
3000
det foretager vi os hele tiden, så det kan man visualisere.
06:31
But with "disappear," there's really no analogies --
158
391260
2000
Men "at forsvinde", der har vi ikke rigtig nogen analogier.
06:33
so Evan, what you want to do here
159
393260
2000
Så Evan, det du skal gøre her
06:35
is to imagine the cube slowly fading out, okay.
160
395260
3000
er at forestille dig at kassen langsomt fader ud, okay?
06:38
Same sort of drill. So: one, two, three, go.
161
398260
3000
Samme rille. Så: en, to tre, kør!
06:50
Okay. Let's try that.
162
410260
3000
Okay, lad os prøve det.
06:53
Oh, my goodness. He's just too good.
163
413260
3000
Du godeste! Han er alt for god.
06:57
Let's try that again.
164
417260
2000
Lad os prøve igen.
07:04
EG: Losing concentration.
165
424260
2000
Evan: Jeg mister koncentrationen.
07:06
(Laughter)
166
426260
2000
(Latter)
07:08
TL: But we can see that it actually works,
167
428260
2000
Tan Le: Men vi kan se at det faktisk virker,
07:10
even though you can only hold it
168
430260
2000
selvom du kun kan holde den
07:12
for a little bit of time.
169
432260
2000
i kort tid.
07:14
As I said, it's a very difficult process
170
434260
3000
Som jeg sagde, det er en svær opgave
07:17
to imagine this.
171
437260
2000
at forestille sig dette.
07:19
And the great thing about it is that
172
439260
2000
Og det fantastiske ved det er,
07:21
we've only given the software one instance
173
441260
2000
at vi kun har givet programmet én måling
07:23
of how he thinks about "disappear."
174
443260
3000
af hvordan han tænker på "at forsvinde."
07:26
As there is a machine learning algorithm in this --
175
446260
3000
Eftersom der er en maskinel læringsalgoritme i dette -
07:29
(Applause)
176
449260
4000
(Bifald)
07:33
Thank you.
177
453260
2000
Tak.
07:35
Good job. Good job.
178
455260
3000
Godt arbejde. Godt arbejde.
07:38
(Applause)
179
458260
2000
(Bifald)
07:40
Thank you, Evan, you're a wonderful, wonderful
180
460260
3000
Tak Evan, du er et skønt, skønt
07:43
example of the technology.
181
463260
3000
eksempel for teknologien.
07:46
So, as you can see, before,
182
466260
2000
Som I kunne se før
07:48
there is a leveling system built into this software
183
468260
3000
er der et udjævningssystem bygget ind i dette program.
07:51
so that as Evan, or any user,
184
471260
2000
Så efterhånden som Evan eller andre brugere,
07:53
becomes more familiar with the system,
185
473260
2000
bliver mere og mere fortrolige med systemet,
07:55
they can continue to add more and more detections,
186
475260
3000
kan de fortsætte med at tilføje flere og flere målinger,
07:58
so that the system begins to differentiate
187
478260
2000
så systemet bliver i stand til at skelne
08:00
between different distinct thoughts.
188
480260
3000
imellem tydeligt forskellige tanker.
08:04
And once you've trained up the detections,
189
484260
2000
Og når man så har optrænet de forskellige detektioner,
08:06
these thoughts can be assigned or mapped
190
486260
2000
kan disse tanker så anvises eller kortlægges
08:08
to any computing platform,
191
488260
2000
til hvilken som helst computerbaseret platform,
08:10
application or device.
192
490260
2000
applikation eller enhed.
08:12
So I'd like to show you a few examples,
193
492260
2000
Så jeg vil gerne vise jer et par eksempler,
08:14
because there are many possible applications
194
494260
2000
for der er mange mulige anvendelsesmuligheder
08:16
for this new interface.
195
496260
2000
for dette nye interface.
08:19
In games and virtual worlds, for example,
196
499260
2000
I spil og virtuelle verdener, for eksempel,
08:21
your facial expressions
197
501260
2000
kan dine ansigtsudtryk
08:23
can naturally and intuitively be used
198
503260
2000
naturligt og intuitivt bruges
08:25
to control an avatar or virtual character.
199
505260
3000
til at styre et avatar eller en virtuel karakter.
08:29
Obviously, you can experience the fantasy of magic
200
509260
2000
Naturligvis kan man også opleve fantasien om magi
08:31
and control the world with your mind.
201
511260
3000
og kontrollere verden med sin hjerne.
08:36
And also, colors, lighting,
202
516260
3000
Og også farver, lys,
08:39
sound and effects
203
519260
2000
lyd og effekter,
08:41
can dynamically respond to your emotional state
204
521260
2000
kan dynamisk tilsvare dine følelser
08:43
to heighten the experience that you're having, in real time.
205
523260
3000
for at højne din oplevelse i "real time."
08:47
And moving on to some applications
206
527260
2000
Og nu videre til anvendelsesmuligheder
08:49
developed by developers and researchers around the world,
207
529260
3000
udviklet af udviklere og forskere verden over,
08:52
with robots and simple machines, for example --
208
532260
3000
med robotter og simple maskiner, for eksempel -
08:55
in this case, flying a toy helicopter
209
535260
2000
i dette tilfælde, at styre en legetøjshelikopter
08:57
simply by thinking "lift" with your mind.
210
537260
3000
blot ved at tænke "let".
09:00
The technology can also be applied
211
540260
2000
Teknologien kan også anvendes
09:02
to real world applications --
212
542260
2000
i dagligdags applikationer -
09:04
in this example, a smart home.
213
544260
2000
her et intelligent hjem.
09:06
You know, from the user interface of the control system
214
546260
3000
Fra kontrolsystemets brugerinterface
09:09
to opening curtains
215
549260
2000
kan man trække gardiner fra
09:11
or closing curtains.
216
551260
3000
eller lukke dem til.
09:22
And of course, also to the lighting --
217
562260
3000
Og selvfølgelig til styring af belysning -
09:25
turning them on
218
565260
3000
at tænde
09:28
or off.
219
568260
2000
eller slukke.
09:30
And finally,
220
570260
2000
Og til sidst,
09:32
to real life-changing applications,
221
572260
2000
livsomstyrtende anvendelser,
09:34
such as being able to control an electric wheelchair.
222
574260
3000
såsom at styre en elektrisk rullestol.
09:37
In this example,
223
577260
2000
I dette eksempel
09:39
facial expressions are mapped to the movement commands.
224
579260
3000
kobles ansigtsudtryk til bevægelseskommandoerne.
09:42
Man: Now blink right to go right.
225
582260
3000
Mand: Blink med højre øje for at dreje til højre.
09:50
Now blink left to turn back left.
226
590260
3000
Blink nu med venstre øje for at dreje tilbage til venstre.
10:02
Now smile to go straight.
227
602260
3000
Smil for at køre ligeud.
10:08
TL: We really -- Thank you.
228
608260
2000
Tan Le: Vi - Tak skal I have.
10:10
(Applause)
229
610260
5000
(Bifald)
10:15
We are really only scratching the surface of what is possible today,
230
615260
3000
Vi skraber blot overfladen af, hvad der er muligt i dag.
10:18
and with the community's input,
231
618260
2000
Og med inputs fra forskningsfællesskaber,
10:20
and also with the involvement of developers
232
620260
2000
og inddragelsen af udviklere
10:22
and researchers from around the world,
233
622260
3000
og forksere fra hele Verden,
10:25
we hope that you can help us to shape
234
625260
2000
håber vi, at I kan hjælpe os med at påvirke
10:27
where the technology goes from here. Thank you so much.
235
627260
3000
hvor teknologien skal bevæge sig hen herfra. Mange tak skal I have.
Om denne hjemmeside

På dette websted kan du se YouTube-videoer, der er nyttige til at lære engelsk. Du vil se engelskundervisning, der er udført af førsteklasses lærere fra hele verden. Dobbeltklik på de engelske undertekster, der vises på hver videoside, for at afspille videoen derfra. Underteksterne ruller i takt med videoafspilningen. Hvis du har kommentarer eller ønsker, bedes du kontakte os ved hjælp af denne kontaktformular.

https://forms.gle/WvT1wiN1qDtmnspy7