TED@Intel
Jennifer Healey: If cars could talk, accidents might be avoidable
جنيفر هيلي: إذا استطاعت السيارات التكلم، سيمكننا تجنب الحوادث
Filmed:
Readability: 3.2
908,454 views
عمدما نقود سياراتنا، فإننا نكون داخل فقاعات زجاجية، نقفل الأبواب و ندوس على دواسة الوقود معتمدين على أعيننا لتوجهنا رغم كوننا لا نرى سوى بضع سيارات أمامنا و خلفنا. لكن ماذا لو استطاعت سياراتنا تبادل المعطيات حول وضعياتها و سرعتها و تمكنت من استخدام نماذج تنبؤية للقيام بحسابات حول المسالك الأكثر سلامة في طرقنا؟جنيفر هيلي تتخيل عالما دون حوادث. (تم التصوير في TED@Intel)
Jennifer Healey - Research scientist
A research scientist at Intel, Jennifer Healey develops the mobile internet devices of the future. Full bio
A research scientist at Intel, Jennifer Healey develops the mobile internet devices of the future. Full bio
Double-click the English transcript below to play the video.
00:12
Let's face it:
0
703
1914
فلنواجه الأمر:
00:14
Driving is dangerous.
1
2617
2445
القيادة محفوفة بالمخاطر.
00:17
It's one of the things that we don't like to think about,
2
5062
3098
إنها تعد من الأمور التي لا نحبّذ التفكير فيها،
00:20
but the fact that religious icons and good luck charms
3
8160
3652
لكن كوننا نعلّق الرموز الدينية و الأشياء الجالبة للحظ
00:23
show up on dashboards around the world
4
11812
4790
على لوحات التحكم بالسيارة في جميع أنحاء العالم
00:28
betrays the fact that we know this to be true.
5
16602
4137
يدحض فكرة أننا لا نعي بخطورة القيادة.
00:32
Car accidents are the leading cause of death
6
20739
3594
تعد حوادث السيارات السبب الرئيسي في موت
00:36
in people ages 16 to 19 in the United States --
7
24333
4170
الأشخاص الذين يتراوح عمرهم بين 16 و 19 في الولايات المتحدة--
00:40
leading cause of death --
8
28503
2843
السبب الرئيسي في الموت--
00:43
and 75 percent of these accidents have nothing to do
9
31346
3863
و ليست ل 75 بالمائة من هذه الحوادث أية صلة
00:47
with drugs or alcohol.
10
35209
2285
بالمخدرات أو الكحول.
00:49
So what happens?
11
37494
2261
إذن ماالذي يحدث؟
00:51
No one can say for sure, but I remember my first accident.
12
39755
4219
لاأحد بإمكانه معرفة الجواب، لكنني أتذكر الحادث الأول الذي تعرضت له.
00:55
I was a young driver out on the highway,
13
43974
3803
لقد كنت سائقة شابة على الطريق السريع،
00:59
and the car in front of me, I saw the brake lights go on.
14
47777
2258
وكانت السيارة أمامي، فرأيت أضواء الفرامل تشتعل.
01:02
I'm like, "Okay, all right, this guy is slowing down,
15
50035
1800
فقلت في نفسي "من المرجح أن سائق السيارة يخفّف من السرعة،
01:03
I'll slow down too."
16
51835
1282
سأقوم أنا أيضا بتخفيف السرعة."
01:05
I step on the brake.
17
53117
1926
دست على المكابح.
01:07
But no, this guy isn't slowing down.
18
55043
2254
لكن لا، بدا أنه لا يخفّف من السرعة.
01:09
This guy is stopping, dead stop, dead stop on the highway.
19
57297
3178
لقد كان يحاول التوقف، التوقف بشكل كامل، بشكل كامل على الطريق السريع.
01:12
It was just going 65 -- to zero?
20
60475
2540
لقد تحول من سرعة 65 -- إلى 0؟
01:15
I slammed on the brakes.
21
63015
1520
دست على الفرامل بقوّة.
01:16
I felt the ABS kick in, and the car is still going,
22
64535
3059
أحسست بنظام منع انغلاق المكابح يشتغل، و السيارة لازالت تسير،
01:19
and it's not going to stop, and I know it's not going to stop,
23
67594
2696
و لن تتوقف، علمت أنها لن تتوقّف،
01:22
and the air bag deploys, the car is totaled,
24
70290
2939
و انطلقت الوسادة الهوائية، و انسحقت السيارة،
01:25
and fortunately, no one was hurt.
25
73229
3557
لحسن الحظ لم يتعرّض أحد للأذى.
01:28
But I had no idea that car was stopping,
26
76786
4211
لكنني لم تكن لدي أدنى فكرة أن السيارة كانت بصدد التوقف،
01:32
and I think we can do a lot better than that.
27
80997
3645
و أعتقد أن بإمكاننا التصرف بطريقة أفضل بكثير.
01:36
I think we can transform the driving experience
28
84642
4145
أعتقد أن بإمكاننا تغيير تجربة القيادة
01:40
by letting our cars talk to each other.
29
88787
3879
عبر السماح لسياراتنا بالتواصل مع بعضها البعض.
01:44
I just want you to think a little bit
30
92666
1424
أريدكم أن تفكّروا قليلا
01:46
about what the experience of driving is like now.
31
94090
2888
بشكل تجربة القيادة في الوقت الحالي.
01:48
Get into your car. Close the door. You're in a glass bubble.
32
96978
4028
ادخلوا إلى سياراتكم.أغلقوا الباب. أنتم الآن داخل فقاعة زجاجية.
01:53
You can't really directly sense the world around you.
33
101006
2916
لا يمكنكم الإحساس بالعالم الخارجي بشكل مباشر.
01:55
You're in this extended body.
34
103922
2181
أنتم الآن داخل هذا الجسد الممتد.
01:58
You're tasked with navigating it down
35
106103
2163
أنتم مطالبون بالتنقل بها عبر
02:00
partially-seen roadways,
36
108266
2056
طرق يمكن رؤيتها بشكل جزئي،
02:02
in and amongst other metal giants, at super-human speeds.
37
110322
4424
وفي خضم آلات ضخمة أخري، بسرعة تفوق القدرة البشرية.
02:06
Okay? And all you have to guide you are your two eyes.
38
114746
4480
حسنا؟ و كل مانعتمد عليه لتوجيهنا هو عينانا.
02:11
Okay, so that's all you have,
39
119226
1762
حسنا، ذلك هو كل ما نملك،
02:12
eyes that weren't really designed for this task,
40
120988
1735
عينان لم تصمّما أصلا لهذا الغرض،
02:14
but then people ask you to do things like,
41
122723
3751
لكننا مطالبون بفعل أشياء من قبيل،
02:18
you want to make a lane change,
42
126474
1549
مثلا إذا أردنا تغيير الممر،
02:20
what's the first thing they ask you do?
43
128023
2321
ما هو أول شيء يطلب منكم؟
02:22
Take your eyes off the road. That's right.
44
130344
3095
أبعدوا أعينكم عن الطريق. هذا صحيح.
02:25
Stop looking where you're going, turn,
45
133439
2096
توقفوا عن النظر حيث تتجهون، انعطفوا
02:27
check your blind spot,
46
135535
2018
تحققوا من البقعة العمياء،
02:29
and drive down the road without looking where you're going.
47
137553
3471
و قودوا دون النظر في الاتجاه الذي تذهبون فيه.
02:33
You and everyone else. This is the safe way to drive.
48
141024
3135
أنتم و كل شخص آخر. هذه هي الطريقة الآمنة للقيادة.
02:36
Why do we do this? Because we have to,
49
144159
2241
لماذا نقوم بفعل ذلك؟ لأنه يتوجب علينا،
02:38
we have to make a choice, do I look here or do I look here?
50
146400
2579
علينا أن نختار بين النظر هنا أو النظر هناك.
02:40
What's more important?
51
148979
1521
ما هو الأكثر أهمية؟
02:42
And usually we do a fantastic job
52
150500
2711
وعادة ما نقوم بشكل رائع
02:45
picking and choosing what we attend to on the road.
53
153211
3769
بانتقاء و اختيار ما نحرص على فعله على الطريق.
02:48
But occasionally we miss something.
54
156980
3650
لكننا أحيانا نغفل عن بعض الأشياء.
02:52
Occasionally we sense something wrong or too late.
55
160630
4461
أحيانا نحس بخلل ما أو بشيء متأخر.
02:57
In countless accidents, the driver says,
56
165091
1988
في حوادث متعددة، يقول السائق،
02:59
"I didn't see it coming."
57
167079
2308
"أنا لم أتوقع حصول ذلك."
03:01
And I believe that. I believe that.
58
169387
3281
و أعتقد هذا و أعتقد ذلك.
03:04
We can only watch so much.
59
172668
2925
لكن قدرتنا على مراقبة كل شيء تبقى محدودة.
03:07
But the technology exists now that can help us improve that.
60
175593
5144
لكن التكنولوجيا موجودة الآن و يمكنها تحسين ذلك.
03:12
In the future, with cars exchanging data with each other,
61
180737
4296
في المستقبل، مع إمكانية تبادل السيارات للمعطيات،
03:17
we will be able to see not just three cars ahead
62
185033
3928
لن يكون بإمكاننا فقط رؤية ثلاث سيارات من الأمام
03:20
and three cars behind, to the right and left,
63
188961
1594
وثلاث سيارات من الخلف و على اليمين و اليسار،
03:22
all at the same time, bird's eye view,
64
190555
3166
كلها في نفس الوقت، من منظور عين الطائر،
03:25
we will actually be able to see into those cars.
65
193721
3128
بل سيكون بإمكاننا النظر داخل هذه السيارات.
03:28
We will be able to see the velocity of the car in front of us,
66
196849
2371
سيكون بإمكاننا رؤية سرعة السيارة التي أمامنا،
03:31
to see how fast that guy's going or stopping.
67
199220
3240
لمعرفة السرعة التي يسير بها أو يتوقف بها السائق.
03:34
If that guy's going down to zero, I'll know.
68
202460
4510
وإذا كان السائق سيخفف السرعة إلى حد الصفر، سنعرف ذلك.
03:38
And with computation and algorithms and predictive models,
69
206970
3859
و مع وجود الحسابات و اللوغاريتمات و النماذج التنبؤية،
03:42
we will be able to see the future.
70
210829
3273
سيكون بإمكاننا رؤية المستقبل.
03:46
You may think that's impossible.
71
214102
1556
ربما تظنون أن ذلك مستحيل.
03:47
How can you predict the future? That's really hard.
72
215658
2731
كيف بإمكاننا التنبؤ بالمستقبل؟ ذلك صعب للغاية.
03:50
Actually, no. With cars, it's not impossible.
73
218389
3619
في الواقع لا. في عالم السيارات، ذلك ليس مستحيلا.
03:54
Cars are three-dimensional objects
74
222008
2732
السيارات هي عبارة عن أجسام ثلاثية الأبعاد
03:56
that have a fixed position and velocity.
75
224740
2332
تتوفر على وضعية و سرعة ثابتة.
03:59
They travel down roads.
76
227072
1631
تسافر عبر الطرقات.
04:00
Often they travel on pre-published routes.
77
228703
2412
أحيانا تسافر عبر طرقات غير جاهزة بعد.
04:03
It's really not that hard to make reasonable predictions
78
231115
3938
إنه ليس من الصعب القيام بتبؤات منطقية
04:07
about where a car's going to be in the near future.
79
235053
2864
حول ماستقوم به سيارة ما في المستقبل القريب.
04:09
Even if, when you're in your car
80
237917
2002
حتى أنه إذا كنت في سيارتك
04:11
and some motorcyclist comes -- bshoom! --
81
239919
1994
و جاء أحد سائقي الدراجات النارية--بسرعة البرق!--
04:13
85 miles an hour down, lane-splitting --
82
241913
2296
بسرعة 85 ميلا في الساعة، يقاطع الممرات --
04:16
I know you've had this experience --
83
244209
2547
أعلم أنكم مررتم بهذه التجربة --
04:18
that guy didn't "just come out of nowhere."
84
246756
2603
ذلك السائق لم يأت "من حيث لا تدرون".
04:21
That guy's been on the road probably for the last half hour.
85
249359
3643
ذلك السائق ربما قضى على الطريق مالا يقل عن نصف ساعة.
04:25
(Laughter)
86
253002
1190
(تتعالى الضحكات)
04:26
Right? I mean, somebody's seen him.
87
254192
3589
أليس كذلك؟ أعني أن آخرين رأوه.
04:29
Ten, 20, 30 miles back, someone's seen that guy,
88
257781
2768
عشرة، 20 ، 30 ميلا إلى الوراء، أحدهم رأى ذلك السائق،
04:32
and as soon as one car sees that guy
89
260549
2384
و بمجرد ما ترى سيارة ما ذلك السائق
04:34
and puts him on the map, he's on the map --
90
262933
2231
و تضعه على الخريطة، عندها يصبح موضوعا على الخريطة --
04:37
position, velocity,
91
265164
2176
بوضعيته و سرعته
04:39
good estimate he'll continue going 85 miles an hour.
92
267340
2321
على أقرب تقدير سيواصل السير بسرعة 85 ميلا في الساعة.
04:41
You'll know, because your car will know, because
93
269661
2184
ستعلم ذلك، لأن سيارتك ستعلم ذلك، لأن
04:43
that other car will have whispered something in his ear,
94
271845
2275
تلك السيارة الأخرى ستهمس لها شيئا في أذنها،
04:46
like, "By the way, five minutes,
95
274120
1923
شيئا من قبيل، "بالمناسبة، في خمس دقائق،
04:48
motorcyclist, watch out."
96
276043
2775
سيمر سائق دراجة نارية، احترسي."
04:50
You can make reasonable predictions about how cars behave.
97
278818
2703
ستتمكن من القيام بتنبؤات منطقية حول سلوك السيارات.
04:53
I mean, they're Newtonian objects.
98
281521
1365
أعني بذلك أنها أجسام تسير على الأرض.
04:54
That's very nice about them.
99
282886
2909
هذا أمر جيد فيها.
04:57
So how do we get there?
100
285795
3034
إذن كيف نصل إلى ذلك؟
05:00
We can start with something as simple
101
288829
2266
يمكننا أن نبدأ بشيء سهل
05:03
as sharing our position data between cars,
102
291095
2870
مثل مشاركة معطيات وضعيات السيارات فيما بينها،
05:05
just sharing GPS.
103
293965
1892
عبر مشاركة جي بي إس،
05:07
If I have a GPS and a camera in my car,
104
295857
2444
إذا كنت أتوفر على جي بي إس و كاميرا في سيارتي
05:10
I have a pretty precise idea of where I am
105
298301
2231
فإنه تكون لدي فكرة محددة عن مكان تموضعي
05:12
and how fast I'm going.
106
300532
1732
و السرعة التي أسير بها
05:14
With computer vision, I can estimate where
107
302264
1657
بواسطة رؤية حاسوبية، يمكنني تقدير تموضع السيارات
05:15
the cars around me are, sort of, and where they're going.
108
303921
3537
التي تحيط بي و الاتجاه التقريبي الذي تأخذه.
05:19
And same with the other cars.
109
307458
970
و نفس الشيء بالنسبة للسيارات الأخرى.
05:20
They can have a precise idea of where they are,
110
308428
1814
يمكنها معرفة مكانها بالتحديد،
05:22
and sort of a vague idea of where the other cars are.
111
310242
2146
و فكرة شبه مبهمة عن أمكنة السيارات الأخرى.
05:24
What happens if two cars share that data,
112
312388
3231
ماذا يحدث عندما تتشارك سيارتان المعطيات،
05:27
if they talk to each other?
113
315619
1955
عندما تتواصلان؟
05:29
I can tell you exactly what happens.
114
317574
2778
يمكنني إخباركم بالضبط مالذي يحدث.
05:32
Both models improve.
115
320352
2339
يتحسّن النموذجان.
05:34
Everybody wins.
116
322691
2055
و الجميع فائز في هذه المعادلة.
05:36
Professor Bob Wang and his team
117
324746
2577
قام البروفسور بوب وانغ و فريقه
05:39
have done computer simulations of what happens
118
327323
2738
بمحاكات حاسوبية لما يحدث
05:42
when fuzzy estimates combine, even in light traffic,
119
330061
3431
عندما تجتمع تقديرات تقريبية، حتى في إشارات المرور،
05:45
when cars just share GPS data,
120
333492
2624
عندما تتشارك السيارات معطيات جي بي إس،
05:48
and we've moved this research out of the computer simulation
121
336116
2513
و نأخذ هذا البحث العلمي بعيدا عن المحاكاة الحاسوبية
05:50
and into robot test beds that have the actual sensors
122
338629
3027
إلى أسرّة التجارب الآلية التي تتوفر على أجهزة الاستشعارات
05:53
that are in cars now on these robots:
123
341656
3133
التي تحتوي عليها السيارات والتي هي موجودة الآن في الأجهزة الآلية:
05:56
stereo cameras, GPS,
124
344789
1838
كاميرات ستيريو، جي بي إس،
05:58
and the two-dimensional laser range finders
125
346627
1874
ومقدرات المسافات ثنائية الأبعاد الليزرية
06:00
that are common in backup systems.
126
348501
2240
والتي تعد شائعة في أنظمة الدعم.
06:02
We also attach a discrete short-range communication radio,
127
350741
4484
كما أننا نقوم أيضا بإرفاقها بجهاز تواصل لاسلكي خفي،
06:07
and the robots talk to each other.
128
355225
1909
فتقوم هذه الأجسام الآلية بالتواصل مع بعضها البعض.
06:09
When these robots come at each other,
129
357134
1539
عندما تتحد هذه الأجسام الآلية،
06:10
they track each other's position precisely,
130
358673
2971
فإنها تتّبع تموضع بعضها البعض بالتحديد
06:13
and they can avoid each other.
131
361644
2737
و بالتالي يمكنها تفادي بعضها البعض.
06:16
We're now adding more and more robots into the mix,
132
364381
3226
إننا نضيف المزيد و المزيد من الأجسام الآلية في التجارب
06:19
and we encountered some problems.
133
367607
1471
و قد واجهنا القليل من المشاكل.
06:21
One of the problems, when you get too much chatter,
134
369078
2359
أحد هذه المشاكل هو في حالة وصول معلومات مفرطة
06:23
it's hard to process all the packets, so you have to prioritize,
135
371437
3728
فيصبح من الصعب تحليل كل مجموعة من المعطيات، عندها يجب معرفة الأولويات
06:27
and that's where the predictive model helps you.
136
375165
2357
عندها يقوم النموذج التنبؤي بمساعدتك.
06:29
If your robot cars are all tracking the predicted trajectories,
137
377522
4372
إذا كان باستطاعة جسمك الآلي تتبع جميع المسارات المتنبأة،
06:33
you don't pay as much attention to those packets.
138
381894
1767
فيصبح غير محتم عليك الإنتباه إلى مجموعات المعطيات.
06:35
You prioritize the one guy
139
383661
1703
ذلك لأنك تعطي الأولوية للسائق
06:37
who seems to be going a little off course.
140
385364
1333
الذي يبدو منحرفا قليلا في مساره.
06:38
That guy could be a problem.
141
386697
2526
هذا السائق من المحتمل أن يسبب مشكلا.
06:41
And you can predict the new trajectory.
142
389223
3002
و يمكنك كذلك التنبؤ بالمسارات القادمة.
06:44
So you don't only know that he's going off course, you know how.
143
392225
2763
وبذلك سيمكنك معرفة أنه منحرف وكذا كيفية انحرافه.
06:46
And you know which drivers you need to alert to get out of the way.
144
394988
3725
و ستعلم أيضا السائقين الذين يجب أن تنبههم ليبتعدوا عن الطريق.
06:50
And we wanted to do -- how can we best alert everyone?
145
398713
2633
كما أردنا التمكن من معرفة-- كيف يمكن لنا تنبيه الآخرين؟
06:53
How can these cars whisper, "You need to get out of the way?"
146
401346
3183
كيف يمكن لهذه السيارات أن تهمس لبعضها البعض بالابتعاد عن الطريق؟
06:56
Well, it depends on two things:
147
404529
1517
حسنا، يعتمد هذا على عاملين:
06:58
one, the ability of the car,
148
406046
2169
أولا، قدرة السيارة،
07:00
and second the ability of the driver.
149
408215
3217
ثانيا، قدرة السائق.
07:03
If one guy has a really great car,
150
411432
1505
إذا توفر شخص على سيارة رائعة،
07:04
but they're on their phone or, you know, doing something,
151
412937
2925
و مع ذلك فهو يتحدث على الهاتف أو يفعل شيئا ما،
07:07
they're not probably in the best position
152
415862
1930
أي أنه ليس في الوضعية المناسبة
07:09
to react in an emergency.
153
417792
2970
ليتعامل مع الحالات الطارئة.
07:12
So we started a separate line of research
154
420762
1665
لهذا الغرض قمنا بإنشاء قسم جديد للبحث
07:14
doing driver state modeling.
155
422427
2551
فبدأنا بصنع نماذج لحالات السائق.
07:16
And now, using a series of three cameras,
156
424978
2329
و الآن، باستخدام مجموعة من ثلاث كاميرات،
07:19
we can detect if a driver is looking forward,
157
427307
2270
يمكننا اكتشاف ما إذا كان السائق ينظر ألى الأمام،
07:21
looking away, looking down, on the phone,
158
429577
2860
أو في اتجاه آخر أو إلى الأسفل أو يتحدث بالهاتف،
07:24
or having a cup of coffee.
159
432437
3061
أو أنه يرتشف كوبا من القهوة.
07:27
We can predict the accident
160
435498
2070
يمكننا التنبؤ بالحادث
07:29
and we can predict who, which cars,
161
437568
3651
و يمكننا التنبؤ بالسائق المتورط و السياره
07:33
are in the best position to move out of the way
162
441219
3486
و الوضعية المثلى للابتعاد عن الطريق
07:36
to calculate the safest route for everyone.
163
444705
3009
و حساب الطريق الأكثر سلامة للجميع.
07:39
Fundamentally, these technologies exist today.
164
447714
4635
في الأساس، تعد هذه التكنولوجيات موجودة حاليا.
07:44
I think the biggest problem that we face
165
452349
2824
أعتقد أن أكبر مشكل نواجهه
07:47
is our own willingness to share our data.
166
455173
3013
هو استعدادنا لمشاركة معطياتنا مع الآخرين.
07:50
I think it's a very disconcerting notion,
167
458186
2631
أعتقد أنها فكرة مثيرة للقلق
07:52
this idea that our cars will be watching us,
168
460817
2386
أن تكون سياراتنا تقوم بمراقبتنا،
07:55
talking about us to other cars,
169
463203
3371
و تعطي معلومات حولنا لسيارات أخرى،
07:58
that we'll be going down the road in a sea of gossip.
170
466574
3427
وأننا نسير في عالم من النميمة،
08:02
But I believe it can be done in a way that protects our privacy,
171
470001
3897
لكنني أعتقد أنه يمكننا القيام بذلك بطريقة تحمي خصوصيتنا،
08:05
just like right now, when I look at your car from the outside,
172
473898
3741
تماما مثل الوقت الحاضر، عندما أنظر إلى سياراتكم خارجا،
08:09
I don't really know about you.
173
477639
2363
لا أحصل على معلومات حولكم.
08:12
If I look at your license plate number,
174
480002
1137
إذا نظرت إلى رقم لوحة رخصتكم،
08:13
I don't really know who you are.
175
481139
1886
فإنني لن أعلم من أنتم.
08:15
I believe our cars can talk about us behind our backs.
176
483025
4249
أعتقد أن سياراتنا تتحدث عنا من وراء ظهورنا.
08:19
(Laughter)
177
487274
2975
(تتعالى الضحكات)
08:22
And I think it's going to be a great thing.
178
490249
3185
و أعتقد أن ذلك سيكون أمرا رائعا.
08:25
I want you to consider for a moment
179
493434
1650
أريدكم أن تفكروا للحظة واحدة
08:27
if you really don't want the distracted teenager behind you
180
495084
4118
ما إذا كنتم لاتريدون ذلك المراهق المشتت الانتباء من وراءكم
08:31
to know that you're braking,
181
499202
2120
أن يعلم أنكم بصدد الدوس على المكابح،
08:33
that you're coming to a dead stop.
182
501322
2924
أنكم ستتوقفون توقفا كاملا.
08:36
By sharing our data willingly,
183
504246
2741
عبر مشاركة معطياتنا بمحض إرادتنا،
08:38
we can do what's best for everyone.
184
506987
2812
يمكننا مراعاة مصلحة الجميع.
08:41
So let your car gossip about you.
185
509799
3076
إذن دعوا سياراتكم تثرثر حولكم.
08:44
It's going to make the roads a lot safer.
186
512875
3038
فذلك سيجعل الطرق أكثر أمانا.
08:47
Thank you.
187
515913
1791
شكراً.
08:49
(Applause)
188
517704
4985
(تصفيق)
ABOUT THE SPEAKER
Jennifer Healey - Research scientistA research scientist at Intel, Jennifer Healey develops the mobile internet devices of the future.
Why you should listen
Jennifer Healey imagines a future where computers and smartphones are capable of being sensitive to human emotions and where cars are able to talk to each other, and thus keep their drivers away from accidents. A scientist at Intel Corporation Research Labs, she researches devices and systems that would allow for these major innovations.
Healey holds PhD from MIT in electrical engineering and computer science. While there, she pioneered “Affective Computing” with Rosalind Picard and developed the first wearable computer with physiological sensors and a video camera that allows the wearer to track their daily activities and how they feel while doing them. From there, she moved to IBM where she worked on the next generation of multi-modal interactive smartphones and helped architect the "Interaction Mark-Up language" that allows users to switch from voice to speech input seamlessly.
Healey has also used her interest in embedded devices in the field of healthcare. While an instructor at Harvard Medical School and at Beth Israel Deaconess Medical Center, she worked on new ways to use heart rate to predict cardiac health. She then joined HP Research in Cambridge to further develop wearable sensors for health monitoring and continued this research when she joined Intel Digital Health.
Jennifer Healey | Speaker | TED.com