A headset that reads your brainwaves | Tan Le

377,164 views ・ 2010-07-22

TED


Vennligst dobbeltklikk på de engelske undertekstene nedenfor for å spille av videoen.

Translator: Joachim Grønhaug Reviewer: Martin Hassel
00:16
Up until now, our communication with machines
0
16260
2000
Frem til nå, har vår kommunikasjon med maskiner
00:18
has always been limited
1
18260
2000
alltid vært begrenset
00:20
to conscious and direct forms.
2
20260
2000
til bevisste og direkte former.
00:22
Whether it's something simple
3
22260
2000
Uansett om det det er noe så enkelt
00:24
like turning on the lights with a switch,
4
24260
2000
som å skru på lysene med en bryter,
00:26
or even as complex as programming robotics,
5
26260
3000
eller noe så komplisert som å programmere roboter,
00:29
we have always had to give a command to a machine,
6
29260
3000
har vi alltid måtte gi maskinen en kommando,
00:32
or even a series of commands,
7
32260
2000
i noen tilfeller, flere kommandoer,
00:34
in order for it to do something for us.
8
34260
3000
for å få maskinen til å gjøre noe for oss.
00:37
Communication between people, on the other hand,
9
37260
2000
Kommunikasjon mellom mennesker derimot,
00:39
is far more complex and a lot more interesting
10
39260
3000
er mer komplisert og mye mer interessant,
00:42
because we take into account
11
42260
2000
fordi vi må ta hensyn til
00:44
so much more than what is explicitly expressed.
12
44260
3000
så mye mer enn det som blir sagt verbalt.
00:47
We observe facial expressions, body language,
13
47260
3000
Vi observerer ansiktsuttrykk og kroppsspråk,
00:50
and we can intuit feelings and emotions
14
50260
2000
og vi kan merke følelser og humør
00:52
from our dialogue with one another.
15
52260
3000
fra samtalene vi har med hverandre.
00:55
This actually forms a large part
16
55260
2000
Disse inntrykkene danner faktisk en stor del
00:57
of our decision-making process.
17
57260
2000
av vår beslutningsprosess.
00:59
Our vision is to introduce
18
59260
2000
Vårt mål er å introdusere
01:01
this whole new realm of human interaction
19
61260
3000
dette nye området innenfor menneskelig samhandling
01:04
into human-computer interaction
20
64260
2000
inn i en menneske-maskin samhandling,
01:06
so that computers can understand
21
66260
2000
slik at maskiner kan forstå
01:08
not only what you direct it to do,
22
68260
2000
ikke bare hva du styrer de til å gjøre,
01:10
but it can also respond
23
70260
2000
men at de også svarer
01:12
to your facial expressions
24
72260
2000
til dine ansiktsuttrykk
01:14
and emotional experiences.
25
74260
2000
og følelsemessige opplevelser.
01:16
And what better way to do this
26
76260
2000
Hvilken bedre måte finnes da,
01:18
than by interpreting the signals
27
78260
2000
enn at maskinen tolker signaler
01:20
naturally produced by our brain,
28
80260
2000
som produseres naturlig av hjernen vår,
01:22
our center for control and experience.
29
82260
3000
senteret vårt for kontroll og erfaring.
01:25
Well, it sounds like a pretty good idea,
30
85260
2000
Vel, det virker nok som en rimelig god idé,
01:27
but this task, as Bruno mentioned,
31
87260
2000
men denne oppgaven, som Bruno nevnte,
01:29
isn't an easy one for two main reasons:
32
89260
3000
er ikke så lett, på grunn av to årsaker:
01:32
First, the detection algorithms.
33
92260
3000
Først, deteksjonsalgoritmen:
01:35
Our brain is made up of
34
95260
2000
Hjernen vår er laget av
01:37
billions of active neurons,
35
97260
2000
milliarder av aktive nerveceller;
01:39
around 170,000 km
36
99260
3000
ca. 170 000 km
01:42
of combined axon length.
37
102260
2000
med aksoner.
01:44
When these neurons interact,
38
104260
2000
Når hjernens nerveceller kommuniserer,
01:46
the chemical reaction emits an electrical impulse,
39
106260
2000
avgis det en elektrisk impuls, som følge av en kjemisk reaksjon,
01:48
which can be measured.
40
108260
2000
som kan måles.
01:50
The majority of our functional brain
41
110260
3000
Mesteparten av vår funksjonelle hjerne
01:53
is distributed over
42
113260
2000
er fordelt over
01:55
the outer surface layer of the brain,
43
115260
2000
den ytre overflaten av hjernen.
01:57
and to increase the area that's available for mental capacity,
44
117260
3000
For å øke overflaten, som er tilgjengelig for mental kapasitet,
02:00
the brain surface is highly folded.
45
120260
3000
er hjernens overflate, i stor del, foldet.
02:03
Now this cortical folding
46
123260
2000
Denne foldingen
02:05
presents a significant challenge
47
125260
2000
skaper en vesentlig utfordring
02:07
for interpreting surface electrical impulses.
48
127260
3000
i tolkningen av elektriske overflate-impulser.
02:10
Each individual's cortex
49
130260
2000
Hver persons hjernebark
02:12
is folded differently,
50
132260
2000
er foldet forskjellig,
02:14
very much like a fingerprint.
51
134260
2000
ikke ulikt fingeravtrykk.
02:16
So even though a signal
52
136260
2000
Så selv om et signal
02:18
may come from the same functional part of the brain,
53
138260
3000
kommer fra samme funksjonelle hjernedel hos et menneske,
02:21
by the time the structure has been folded,
54
141260
2000
er det forskjell på hvordan hjernedelen har blitt foldet.
02:23
its physical location
55
143260
2000
Signalets fysiske plassering
02:25
is very different between individuals,
56
145260
2000
er veldig forskjelig fra person til person,
02:27
even identical twins.
57
147260
3000
til og med eneggede tvillinger.
02:30
There is no longer any consistency
58
150260
2000
Det finnes altså ikke noen sammenheng
02:32
in the surface signals.
59
152260
2000
i overflatesignalene.
02:34
Our breakthrough was to create an algorithm
60
154260
2000
Vårt gjennombrudd var å lage en algoritme
02:36
that unfolds the cortex,
61
156260
2000
som foldet ut hjernebarken,
02:38
so that we can map the signals
62
158260
2000
slik at vi kunne kartlegge signalene
02:40
closer to its source,
63
160260
2000
nærmere deres opprinnelige kilde,
02:42
and therefore making it capable of working across a mass population.
64
162260
3000
og derfor gjøre det mulig å jobbe med en stor befolkning.
02:46
The second challenge
65
166260
2000
Den andre utfordringen
02:48
is the actual device for observing brainwaves.
66
168260
3000
er apparatet for observasjon av hjernebølger.
02:51
EEG measurements typically involve
67
171260
2000
Ofte involverer EEG-målinger
02:53
a hairnet with an array of sensors,
68
173260
3000
et hårnett fullt av sensorer,
02:56
like the one that you can see here in the photo.
69
176260
3000
slik som dere kan se på bildet.
02:59
A technician will put the electrodes
70
179260
2000
En tekniker setter elektrodene
03:01
onto the scalp
71
181260
2000
på hodebunnen
03:03
using a conductive gel or paste
72
183260
2000
ved hjelp av en ledende gelé eller krem,
03:05
and usually after a procedure of preparing the scalp
73
185260
3000
vanligvis etter en klargjøring av hodebunnen,
03:08
by light abrasion.
74
188260
2000
ved rensing.
03:10
Now this is quite time consuming
75
190260
2000
Dette tar veldig lang tid
03:12
and isn't the most comfortable process.
76
192260
2000
og er ikke en veldig komfortabel prosess.
03:14
And on top of that, these systems
77
194260
2000
Og på toppen av det, er disse systemene
03:16
actually cost in the tens of thousands of dollars.
78
196260
3000
kostbare, opp til titusener av dollar.
03:20
So with that, I'd like to invite onstage
79
200260
3000
Med det vil jeg gjerne invitere
03:23
Evan Grant, who is one of last year's speakers,
80
203260
2000
Evan Grant til scenen, en av fjorårets foredragsholdere,
03:25
who's kindly agreed
81
205260
2000
som gikk med på
03:27
to help me to demonstrate
82
207260
2000
å hjelpe til med demonstrasjonen
03:29
what we've been able to develop.
83
209260
2000
av det vi har klart å utvikle.
03:31
(Applause)
84
211260
6000
(Applaus)
03:37
So the device that you see
85
217260
2000
Apparatet du ser
03:39
is a 14-channel, high-fidelity
86
219260
2000
er en 14-kanals, Hi-Fi
03:41
EEG acquisition system.
87
221260
2000
EEG-ervervings system.
03:43
It doesn't require any scalp preparation,
88
223260
3000
Det trenger ingen klargjøring av hodebunnen,
03:46
no conductive gel or paste.
89
226260
2000
heller ingen ledende gelé eller krem.
03:48
It only takes a few minutes to put on
90
228260
3000
Det tar få minutter å sette på,
03:51
and for the signals to settle.
91
231260
2000
og kalibrere signaler.
03:53
It's also wireless,
92
233260
2000
Den er også trådløs,
03:55
so it gives you the freedom to move around.
93
235260
3000
så du kan bevege deg fritt.
03:58
And compared to the tens of thousands of dollars
94
238260
3000
Sammenlignet med titusener av dollar
04:01
for a traditional EEG system,
95
241260
3000
for et tradisjonelt EEG-system,
04:04
this headset only costs
96
244260
2000
koster dette headsettet
04:06
a few hundred dollars.
97
246260
2000
bare noen hundre dollar.
04:08
Now on to the detection algorithms.
98
248260
3000
Nå til deteksjonsalgoritmene.
04:11
So facial expressions --
99
251260
2000
Ansiktsuttrykk --
04:13
as I mentioned before in emotional experiences --
100
253260
2000
som jeg nevnte tidligere under følelsesmessige opplevelser --
04:15
are actually designed to work out of the box
101
255260
2000
er faktisk designet til å virke umiddelbart,
04:17
with some sensitivity adjustments
102
257260
2000
og er med få justeringer av følsomhet
04:19
available for personalization.
103
259260
3000
tilgjengelig for personlig tilpassing.
04:22
But with the limited time we have available,
104
262260
2000
Men med begrenset tid
04:24
I'd like to show you the cognitive suite,
105
264260
2000
vil jeg gjerne vise den kognitive pakken,
04:26
which is the ability for you
106
266260
2000
som er muligheten din
04:28
to basically move virtual objects with your mind.
107
268260
3000
til å flytte virtuelle objekter med tankene dine.
04:32
Now, Evan is new to this system,
108
272260
2000
Dette system er nytt for Evan,
04:34
so what we have to do first
109
274260
2000
så det vi må gjøre først
04:36
is create a new profile for him.
110
276260
2000
er å lage en profil til han.
04:38
He's obviously not Joanne -- so we'll "add user."
111
278260
3000
Han er tydeligvis ikke Joanne - så vi "legger til en bruker".
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
Den første tingen vi trenger å gjøre med den kognitive pakken
04:46
is to start with training
114
286260
2000
er å starte med treningen
04:48
a neutral signal.
115
288260
2000
av et nøytralt signal.
04:50
With neutral, there's nothing in particular
116
290260
2000
Med nøytral, menes det at det er ikke noe spesielt
04:52
that Evan needs to do.
117
292260
2000
som Evan trenger å gjøre.
04:54
He just hangs out. He's relaxed.
118
294260
2000
Han tar det med ro. Han er avslappet.
04:56
And the idea is to establish a baseline
119
296260
2000
Og idéen er å etablere en basis
04:58
or normal state for his brain,
120
298260
2000
eller normaltilstand for hjernen hans,
05:00
because every brain is different.
121
300260
2000
fordi ingen hjerner er like.
05:02
It takes eight seconds to do this,
122
302260
2000
Det tar åtte sekunder å gjøre dette.
05:04
and now that that's done,
123
304260
2000
Og nå som det er ferdig,
05:06
we can choose a movement-based action.
124
306260
2000
kan vi velge en bevegelsesbasert handling.
05:08
So Evan, choose something
125
308260
2000
Evan, velg noe
05:10
that you can visualize clearly in your mind.
126
310260
2000
som du kan se klart i hodet ditt.
05:12
Evan Grant: Let's do "pull."
127
312260
2000
Evan Grant: La oss prøve "dra".
05:14
Tan Le: Okay, so let's choose "pull."
128
314260
2000
Tan Le: Ok. La oss velge "dra."
05:16
So the idea here now
129
316260
2000
Tanken her nå
05:18
is that Evan needs to
130
318260
2000
er at Evan trenger å
05:20
imagine the object coming forward
131
320260
2000
forestille seg objektet komme
05:22
into the screen,
132
322260
2000
mot skjermen.
05:24
and there's a progress bar that will scroll across the screen
133
324260
3000
En fremdriftsindikator vil vises på skjermen
05:27
while he's doing that.
134
327260
2000
mens han gjør det.
05:29
The first time, nothing will happen,
135
329260
2000
Første gangen vil ingenting skje,
05:31
because the system has no idea how he thinks about "pull."
136
331260
3000
fordi systemet ikke vet at han tenker på "dra".
05:34
But maintain that thought
137
334260
2000
Men hold tanken
05:36
for the entire duration of the eight seconds.
138
336260
2000
alle åtte sekundene.
05:38
So: one, two, three, go.
139
338260
3000
En, to, tre, kjør.
05:49
Okay.
140
349260
2000
Ok.
05:51
So once we accept this,
141
351260
2000
Med en gang vi godtar dette,
05:53
the cube is live.
142
353260
2000
blir kuben levende.
05:55
So let's see if Evan
143
355260
2000
Så, la oss se om Evan
05:57
can actually try and imagine pulling.
144
357260
3000
faktisk kan prøve, og tenke, "dra,"
06:00
Ah, good job!
145
360260
2000
Bra jobba!
06:02
(Applause)
146
362260
3000
(Applaus)
06:05
That's really amazing.
147
365260
2000
Det er ganske utrolig.
06:07
(Applause)
148
367260
4000
(Applaus)
06:11
So we have a little bit of time available,
149
371260
2000
Vi har litt mer tid igjen,
06:13
so I'm going to ask Evan
150
373260
2000
så jeg kommer til å spørre Evan
06:15
to do a really difficult task.
151
375260
2000
om å gjøre en vanskelig oppgave.
06:17
And this one is difficult
152
377260
2000
Og denne er vanskelig
06:19
because it's all about being able to visualize something
153
379260
3000
fordi det hele handler om å klare å visualisere noe
06:22
that doesn't exist in our physical world.
154
382260
2000
som ikke eksisterer i vår fysiske verden.
06:24
This is "disappear."
155
384260
2000
Dette er "forsvinn."
06:26
So what you want to do -- at least with movement-based actions,
156
386260
2000
Det du vil, iallefall med bevegelsesbaserte handlinger,
06:28
we do that all the time, so you can visualize it.
157
388260
3000
som vi gjør hele tiden, slik at du kan visualisere det.
06:31
But with "disappear," there's really no analogies --
158
391260
2000
Med med "forsvinn," er det egentlig ingen analogier.
06:33
so Evan, what you want to do here
159
393260
2000
Evan, det du må gjøre her
06:35
is to imagine the cube slowly fading out, okay.
160
395260
3000
er å forestille deg at kuben tones ut sakte.
06:38
Same sort of drill. So: one, two, three, go.
161
398260
3000
Samme som i stad. En, to, tre, kjør.
06:50
Okay. Let's try that.
162
410260
3000
Okey. La oss prøve.
06:53
Oh, my goodness. He's just too good.
163
413260
3000
Herregud. Han er litt for flink.
06:57
Let's try that again.
164
417260
2000
La oss prøve igjen.
07:04
EG: Losing concentration.
165
424260
2000
EG: Jeg mister konsentrasjonen.
07:06
(Laughter)
166
426260
2000
(Latter)
07:08
TL: But we can see that it actually works,
167
428260
2000
TL: Men vi kan faktisk se at det virker,
07:10
even though you can only hold it
168
430260
2000
selv om du bare klarer å holde tanken
07:12
for a little bit of time.
169
432260
2000
en liten stund.
07:14
As I said, it's a very difficult process
170
434260
3000
Som jeg sa, det er en veldig vanskelig prosess
07:17
to imagine this.
171
437260
2000
å forestille seg dette.
07:19
And the great thing about it is that
172
439260
2000
Og den beste tingen med dette er at
07:21
we've only given the software one instance
173
441260
2000
vi kun ga programvaren et forsøk
07:23
of how he thinks about "disappear."
174
443260
3000
på hvordan han tenkte "forsvinn."
07:26
As there is a machine learning algorithm in this --
175
446260
3000
Siden det er en læringsalgoritme i maskinen --
07:29
(Applause)
176
449260
4000
(Applaus)
07:33
Thank you.
177
453260
2000
Takk.
07:35
Good job. Good job.
178
455260
3000
Bra jobba. Bra jobba.
07:38
(Applause)
179
458260
2000
(Applaus)
07:40
Thank you, Evan, you're a wonderful, wonderful
180
460260
3000
Takk skal du ha, Evan. Du er et fantastisk, fantastisk
07:43
example of the technology.
181
463260
3000
eksempel på teknologien.
07:46
So, as you can see, before,
182
466260
2000
Som dere så i stad,
07:48
there is a leveling system built into this software
183
468260
3000
er det et nivåsystem innebygd i programvaren
07:51
so that as Evan, or any user,
184
471260
2000
slik at ettersom Evan, eller hvilken som helst bruker,
07:53
becomes more familiar with the system,
185
473260
2000
blir kjent med systemet,
07:55
they can continue to add more and more detections,
186
475260
3000
kan de fortsette å legge til fler og fler deteksjoner,
07:58
so that the system begins to differentiate
187
478260
2000
slik at system begynner å skille
08:00
between different distinct thoughts.
188
480260
3000
mellom ulike bestemte tanker.
08:04
And once you've trained up the detections,
189
484260
2000
Og når du har trent opp deteksjonene,
08:06
these thoughts can be assigned or mapped
190
486260
2000
kan tankene tilordnes eller kartlegges
08:08
to any computing platform,
191
488260
2000
til hvilken som helst platform,
08:10
application or device.
192
490260
2000
program eller enhet.
08:12
So I'd like to show you a few examples,
193
492260
2000
Jeg vil vise dere et par eksempler,
08:14
because there are many possible applications
194
494260
2000
fordi det er mange mulige bruksområder
08:16
for this new interface.
195
496260
2000
for dette nye grensesnittet.
08:19
In games and virtual worlds, for example,
196
499260
2000
For eksempel, i spill og virtuelle verdener,
08:21
your facial expressions
197
501260
2000
kan dine ansiktsuttrykk
08:23
can naturally and intuitively be used
198
503260
2000
naturlig og intuitivt bli brukt
08:25
to control an avatar or virtual character.
199
505260
3000
til å kontrollere en avatar eller en virtuell figur.
08:29
Obviously, you can experience the fantasy of magic
200
509260
2000
Selvfølgelig kan du oppleve magi
08:31
and control the world with your mind.
201
511260
3000
og kontrollere verden med tankene dine.
08:36
And also, colors, lighting,
202
516260
3000
Også farger, belysning,
08:39
sound and effects
203
519260
2000
lyd og effekter,
08:41
can dynamically respond to your emotional state
204
521260
2000
kan reagere dynamisk på bakgrunn av ditt humør
08:43
to heighten the experience that you're having, in real time.
205
523260
3000
for å øke opplevelsen du får, i sanntid.
08:47
And moving on to some applications
206
527260
2000
Videre til noen tilpassede programmer
08:49
developed by developers and researchers around the world,
207
529260
3000
laget av utviklere og forskere omkring i verden,
08:52
with robots and simple machines, for example --
208
532260
3000
med roboter og enkle maskiner, for eksempel --
08:55
in this case, flying a toy helicopter
209
535260
2000
i dette tilfelle, å fly et lekehelikopter
08:57
simply by thinking "lift" with your mind.
210
537260
3000
kun ved å tenke "løft" med hodet ditt.
09:00
The technology can also be applied
211
540260
2000
Teknologien kan også brukes
09:02
to real world applications --
212
542260
2000
i den virkelig verden --
09:04
in this example, a smart home.
213
544260
2000
i dette eksempelet, et smarthus.
09:06
You know, from the user interface of the control system
214
546260
3000
Fra menyen i kontrollsystemet,
09:09
to opening curtains
215
549260
2000
til å åpne gardiner,
09:11
or closing curtains.
216
551260
3000
eller lukke dem.
09:22
And of course, also to the lighting --
217
562260
3000
Og selvfølgelig også belysningen --
09:25
turning them on
218
565260
3000
skru på,
09:28
or off.
219
568260
2000
eller av.
09:30
And finally,
220
570260
2000
Og til slutt,
09:32
to real life-changing applications,
221
572260
2000
til livsforvandlende bruksområder,
09:34
such as being able to control an electric wheelchair.
222
574260
3000
som å klare å styre en elektrisk rullestol.
09:37
In this example,
223
577260
2000
I dette eksempelet,
09:39
facial expressions are mapped to the movement commands.
224
579260
3000
er ansiktsuttrykk koblet til bevegelseskommandoene.
09:42
Man: Now blink right to go right.
225
582260
3000
Mann: Blunk med høyre for å gå til høyre.
09:50
Now blink left to turn back left.
226
590260
3000
Blunk med venstre for å snu tilbake.
10:02
Now smile to go straight.
227
602260
3000
Smil for å gå rett frem.
10:08
TL: We really -- Thank you.
228
608260
2000
TL: Vi... -- Takk skal dere ha.
10:10
(Applause)
229
610260
5000
(Applaus)
10:15
We are really only scratching the surface of what is possible today,
230
615260
3000
Vi skraper kun på overflaten av hva som er mulig i dag.
10:18
and with the community's input,
231
618260
2000
Og med innspill fra fellesskapet,
10:20
and also with the involvement of developers
232
620260
2000
i tillegg til utviklerenes involvering,
10:22
and researchers from around the world,
233
622260
3000
og forskerne omkring i verden,
10:25
we hope that you can help us to shape
234
625260
2000
håper vi at du kan hjelpe oss å forme
10:27
where the technology goes from here. Thank you so much.
235
627260
3000
denne teknologien videre. Takk skal dere ha.
Om denne nettsiden

Denne siden vil introdusere deg til YouTube-videoer som er nyttige for å lære engelsk. Du vil se engelsktimer undervist av førsteklasses lærere fra hele verden. Dobbeltklikk på de engelske undertekstene som vises på hver videoside for å spille av videoen derfra. Undertekstene ruller synkronisert med videoavspillingen. Hvis du har kommentarer eller forespørsler, vennligst kontakt oss ved å bruke dette kontaktskjemaet.

https://forms.gle/WvT1wiN1qDtmnspy7