TEDGlobal 2010
Tan Le: A headset that reads your brainwaves
Tan Le: Ein Headset, das Ihre Gehirnwellen liest
Filmed:
Readability: 5
2,732,929 views
Tan Les erstaunliches neues Computerinterface kann die Gehirnströme seiner Benutzer lesen und ermöglicht es, virtuelle Objekte, sowie physische Elektronik mit bloßen Gedanken (und ein bisschen Konzentration) zu kontrollieren. Sie stellt das Headset vor und redet über seine weitreichenden Anwendungen.
Tan Le - Entrepreneur
Tan Le is the founder & CEO of Emotiv, a bioinformatics company that's working on identifying biomarkers for mental and other neurological conditions using electroencephalography (EEG). Full bio
Tan Le is the founder & CEO of Emotiv, a bioinformatics company that's working on identifying biomarkers for mental and other neurological conditions using electroencephalography (EEG). Full bio
Double-click the English transcript below to play the video.
00:16
Up until now, our communication with machines
0
1000
2000
Bis jetzt war unsere Kommunikation mit Maschinen
00:18
has always been limited
1
3000
2000
immer begrenzt
00:20
to conscious and direct forms.
2
5000
2000
auf bewusste und direkte Formen.
00:22
Whether it's something simple
3
7000
2000
Sei es irgendwas Einfaches,
00:24
like turning on the lights with a switch,
4
9000
2000
wie das Licht mit dem Lichtschalter einschalten
00:26
or even as complex as programming robotics,
5
11000
3000
oder selbst etwas Komplexes wie das Programmieren von Robotik,
00:29
we have always had to give a command to a machine,
6
14000
3000
wir mussten einer Maschine immer einen Befehl geben,
00:32
or even a series of commands,
7
17000
2000
oder sogar eine Folge von Befehlen,
00:34
in order for it to do something for us.
8
19000
3000
damit sie etwas für uns tut.
00:37
Communication between people, on the other hand,
9
22000
2000
Auf der anderen Seite ist Kommunikation zwischen Menschen
00:39
is far more complex and a lot more interesting
10
24000
3000
viel komplexer und viel interessanter,
00:42
because we take into account
11
27000
2000
denn wir berücksichtigen
00:44
so much more than what is explicitly expressed.
12
29000
3000
viel mehr als das nur explizit Geäußerte.
00:47
We observe facial expressions, body language,
13
32000
3000
Wir beobachten Gesichtsausdrücke, Körpersprache,
00:50
and we can intuit feelings and emotions
14
35000
2000
und wir können Gefühle und Emotionen intuitiv erahnen
00:52
from our dialogue with one another.
15
37000
3000
durch unseren Dialog miteinander.
00:55
This actually forms a large part
16
40000
2000
Das macht einen großen Teil
00:57
of our decision-making process.
17
42000
2000
unseres Entscheidungsprozesses aus.
00:59
Our vision is to introduce
18
44000
2000
Unsere Vision ist es, dieses ganz neue Reich
01:01
this whole new realm of human interaction
19
46000
3000
menschlicher Interaktion in eine Mensch-Computer-Interaktion
01:04
into human-computer interaction
20
49000
2000
einzuführen.
01:06
so that computers can understand
21
51000
2000
So, dass Computer nicht nur verstehen können,
01:08
not only what you direct it to do,
22
53000
2000
was man ihnen befiehlt zu tun,
01:10
but it can also respond
23
55000
2000
sondern dass sie auch reagieren können
01:12
to your facial expressions
24
57000
2000
auf Ihre Gesichtsausdrücke
01:14
and emotional experiences.
25
59000
2000
und emotionale Erfahrungen.
01:16
And what better way to do this
26
61000
2000
Und welchen besseren Weg gibt es,
01:18
than by interpreting the signals
27
63000
2000
als die Signale, die natürlich von unserem Gehirn
01:20
naturally produced by our brain,
28
65000
2000
produziert werden, zu interpretieren.
01:22
our center for control and experience.
29
67000
3000
Das Gehirn, unserem Zentrum für Kontrolle und Erfahrungen.
01:25
Well, it sounds like a pretty good idea,
30
70000
2000
Gut, es klingt wie eine ziemlich gute Idee,
01:27
but this task, as Bruno mentioned,
31
72000
2000
aber diese Aufgabe, wie Bruno schon erwähnt hat,
01:29
isn't an easy one for two main reasons:
32
74000
3000
ist keine einfache, aus zwei Gründen:
01:32
First, the detection algorithms.
33
77000
3000
Erstens, die Aufspürungs-Algorithmen.
01:35
Our brain is made up of
34
80000
2000
Unser Gehirn besteht aus
01:37
billions of active neurons,
35
82000
2000
Milliarden von aktiven Neuronen,
01:39
around 170,000 km
36
84000
3000
etwa 170.000 km
01:42
of combined axon length.
37
87000
2000
kombinierter Axon-Länge.
01:44
When these neurons interact,
38
89000
2000
Wenn diese Neuronen interagieren,
01:46
the chemical reaction emits an electrical impulse,
39
91000
2000
sendet eine chemische Reaktion einen elektrischen Impuls aus,
01:48
which can be measured.
40
93000
2000
der gemessen werden kann.
01:50
The majority of our functional brain
41
95000
3000
Die Mehrheit unseres funktionellen Gehirns
01:53
is distributed over
42
98000
2000
ist verteilt über
01:55
the outer surface layer of the brain,
43
100000
2000
die äußere Oberflächenschicht des Gehirns.
01:57
and to increase the area that's available for mental capacity,
44
102000
3000
Und um diese für mentale Leistungsfähigkeit verfügbare Fläche zu vergrößern,
02:00
the brain surface is highly folded.
45
105000
3000
ist die Gehirnoberfläche stark gefaltet.
02:03
Now this cortical folding
46
108000
2000
Dieses kortikale Falten
02:05
presents a significant challenge
47
110000
2000
bedeutet eine große Herausforderung,
02:07
for interpreting surface electrical impulses.
48
112000
3000
um die elektrischen Impulse der Oberfläche zu interpretieren.
02:10
Each individual's cortex
49
115000
2000
Die Kortex jedes Einzelnen
02:12
is folded differently,
50
117000
2000
ist unterschiedlich gefaltet,
02:14
very much like a fingerprint.
51
119000
2000
ähnlich wie ein Fingerabdruck.
02:16
So even though a signal
52
121000
2000
Obwohl also ein Signal von demselben
02:18
may come from the same functional part of the brain,
53
123000
3000
funktionellen Teil des Gehirns kommt,
02:21
by the time the structure has been folded,
54
126000
2000
wenn die Struktur gefaltet wurde,
02:23
its physical location
55
128000
2000
ist die physische Lage
02:25
is very different between individuals,
56
130000
2000
von Mensch zu Mensch unterschiedlich,
02:27
even identical twins.
57
132000
3000
selbst bei eineiigen Zwillingen.
02:30
There is no longer any consistency
58
135000
2000
Es gibt da keine Beständigkeit mehr
02:32
in the surface signals.
59
137000
2000
von Oberflächensignalen.
02:34
Our breakthrough was to create an algorithm
60
139000
2000
Unser Durchbruch war es, einen Algorithmus zu kreieren,
02:36
that unfolds the cortex,
61
141000
2000
der die Kortex entfaltet,
02:38
so that we can map the signals
62
143000
2000
sodass wir die Signale lokalisieren können,
02:40
closer to its source,
63
145000
2000
näher an den Ursprung heran,
02:42
and therefore making it capable of working across a mass population.
64
147000
3000
wodurch es bei einer Massenpopulation anwendbar ist.
02:46
The second challenge
65
151000
2000
Die zweite Herausforderung ist
02:48
is the actual device for observing brainwaves.
66
153000
3000
der eigentliche Apparat um Gehirnwellen zu beobachten.
02:51
EEG measurements typically involve
67
156000
2000
EEG-Messungen gehen üblicherweise einher mit
02:53
a hairnet with an array of sensors,
68
158000
3000
einem Haarnetz mit einer Reihe Sensoren,
02:56
like the one that you can see here in the photo.
69
161000
3000
wie dieses, das Sie hier auf dem Foto sehen können.
02:59
A technician will put the electrodes
70
164000
2000
Ein Techniker platziert die Elektroden
03:01
onto the scalp
71
166000
2000
auf die Kopfhaut, und benutzt dabei
03:03
using a conductive gel or paste
72
168000
2000
ein leitendes Gel oder eine Paste,
03:05
and usually after a procedure of preparing the scalp
73
170000
3000
und normalerweise nach der Prozedur der Kopfhautvorbereitung
03:08
by light abrasion.
74
173000
2000
gibt es leichte Abschürfungen.
03:10
Now this is quite time consuming
75
175000
2000
Das ist sehr zeitaufwendig
03:12
and isn't the most comfortable process.
76
177000
2000
und ist nicht gerade angenehm.
03:14
And on top of that, these systems
77
179000
2000
Hinzu kommt, dass diese Systeme
03:16
actually cost in the tens of thousands of dollars.
78
181000
3000
Zehntausende Dollar kosten.
03:20
So with that, I'd like to invite onstage
79
185000
3000
So, nun möchte ich Evan Grant auf die Bühne bitten.
03:23
Evan Grant, who is one of last year's speakers,
80
188000
2000
Er ist einer der Sprecher vom letzten Jahr
03:25
who's kindly agreed
81
190000
2000
und hat netterweise zugestimmt,
03:27
to help me to demonstrate
82
192000
2000
mir bei der Demonstration von dem,
03:29
what we've been able to develop.
83
194000
2000
was wir entwickelt haben, zu helfen.
03:31
(Applause)
84
196000
6000
(Applaus)
03:37
So the device that you see
85
202000
2000
Dieses Gerät, das Sie sehen,
03:39
is a 14-channel, high-fidelity
86
204000
2000
ist ein 14-Kanal EEG-Erfassungssystem
03:41
EEG acquisition system.
87
206000
2000
mit hoher Wiedergabetreue.
03:43
It doesn't require any scalp preparation,
88
208000
3000
Es benötigt keine Vorbereitung der Kopfhaut,
03:46
no conductive gel or paste.
89
211000
2000
weder Leitgel noch Paste.
03:48
It only takes a few minutes to put on
90
213000
3000
Es braucht lediglich ein paar Minuten zum Anlegen,
03:51
and for the signals to settle.
91
216000
2000
und zum Beruhigen der Signale.
03:53
It's also wireless,
92
218000
2000
Weiterhin ist es drahtlos,
03:55
so it gives you the freedom to move around.
93
220000
3000
es gibt Ihnen also die Freiheit sich zu bewegen.
03:58
And compared to the tens of thousands of dollars
94
223000
3000
Und verglichen mit den Tausenden von Dollar
04:01
for a traditional EEG system,
95
226000
3000
für ein übliches EEG-System
04:04
this headset only costs
96
229000
2000
kostet dieses Headset nur
04:06
a few hundred dollars.
97
231000
2000
ein paar Hundert Dollar.
04:08
Now on to the detection algorithms.
98
233000
3000
Nun zu den Aufspürungs-Algorithmen.
04:11
So facial expressions --
99
236000
2000
Gesichtsausdrücke –
04:13
as I mentioned before in emotional experiences --
100
238000
2000
wie ich vorhin erwähnte bei emotionalen Erlebnissen –
04:15
are actually designed to work out of the box
101
240000
2000
werden vom Gerät, das dafür designt ist, sofort erkannt,
04:17
with some sensitivity adjustments
102
242000
2000
mit ein paar Empfindlichkeitseinstellungen,
04:19
available for personalization.
103
244000
3000
nutzbar für Personalisierung.
04:22
But with the limited time we have available,
104
247000
2000
Aber mit der begrenzten Zeit, die mir zur Verfügung steht,
04:24
I'd like to show you the cognitive suite,
105
249000
2000
möchte ich Ihnen eine kognitive Folge zeigen,
04:26
which is the ability for you
106
251000
2000
die für Sie die Fähigkeit bedeutet,
04:28
to basically move virtual objects with your mind.
107
253000
3000
virtuelle Objekte praktisch mit Ihren Gedanken zu bewegen.
04:32
Now, Evan is new to this system,
108
257000
2000
Evan ist neu im System,
04:34
so what we have to do first
109
259000
2000
also müssen wir erst
04:36
is create a new profile for him.
110
261000
2000
ein neues Profil für ihn anlegen.
04:38
He's obviously not Joanne -- so we'll "add user."
111
263000
3000
Er ist offensichtlich nicht Joanne – also legen wir einen neuen Benutzer an.
04:41
Evan. Okay.
112
266000
2000
Evan. Okay.
04:43
So the first thing we need to do with the cognitive suite
113
268000
3000
Für die kognitive Folge müssen wir erst
04:46
is to start with training
114
271000
2000
mit dem Training eines neutralen Signals
04:48
a neutral signal.
115
273000
2000
beginnen.
04:50
With neutral, there's nothing in particular
116
275000
2000
Neutral heißt, dass es nichts Besonderes gibt,
04:52
that Evan needs to do.
117
277000
2000
das Evan tun muss.
04:54
He just hangs out. He's relaxed.
118
279000
2000
Er wartet einfach. Er ist entspannt.
04:56
And the idea is to establish a baseline
119
281000
2000
So wird eine Referenzlinie erstellt.
04:58
or normal state for his brain,
120
283000
2000
Das ist der normale Zustand für sein Gehirn,
05:00
because every brain is different.
121
285000
2000
denn jedes Gehirn ist anders.
05:02
It takes eight seconds to do this,
122
287000
2000
Dieser Vorgang dauert acht Sekunden.
05:04
and now that that's done,
123
289000
2000
Und nun, nachdem das getan ist,
05:06
we can choose a movement-based action.
124
291000
2000
können wir eine bewegungsorientierte Aktion wählen.
05:08
So Evan, choose something
125
293000
2000
Also, Evan, wähle etwas aus,
05:10
that you can visualize clearly in your mind.
126
295000
2000
das du dir klar vorstellen kannst.
05:12
Evan Grant: Let's do "pull."
127
297000
2000
Evan Grant: Nehmen wir "ziehen".
05:14
Tan Le: Okay, so let's choose "pull."
128
299000
2000
Tan Le: Okay. Wir wählen also "ziehen".
05:16
So the idea here now
129
301000
2000
Der Grundgedanke hieran ist,
05:18
is that Evan needs to
130
303000
2000
dass Evan sich vorstellen muss,
05:20
imagine the object coming forward
131
305000
2000
wie das Objekt sich nach vorne
05:22
into the screen,
132
307000
2000
in den Schirm bewegt.
05:24
and there's a progress bar that will scroll across the screen
133
309000
3000
Es gibt einen Fortschrittsbalken, der über den Schirm scrollt,
05:27
while he's doing that.
134
312000
2000
während er das tut.
05:29
The first time, nothing will happen,
135
314000
2000
Das erste Mal wird nichts passieren,
05:31
because the system has no idea how he thinks about "pull."
136
316000
3000
weil das System noch keine Ahnung hat, dass er "ziehen" denkt.
05:34
But maintain that thought
137
319000
2000
Aber behalte den Gedanken
05:36
for the entire duration of the eight seconds.
138
321000
2000
für die ganze Zeit der 8 Sekunden.
05:38
So: one, two, three, go.
139
323000
3000
Okay, eins, zwei, drei, los.
05:49
Okay.
140
334000
2000
Okay.
05:51
So once we accept this,
141
336000
2000
Wenn wir dies nun akzeptieren,
05:53
the cube is live.
142
338000
2000
ist der Würfel live.
05:55
So let's see if Evan
143
340000
2000
Mal sehen, ob Evan es wirklich versuchen
05:57
can actually try and imagine pulling.
144
342000
3000
und sich das Ziehen vorstellen kann.
06:00
Ah, good job!
145
345000
2000
Ah, gut gemacht!
06:02
(Applause)
146
347000
3000
(Applaus)
06:05
That's really amazing.
147
350000
2000
Das ist großartig.
06:07
(Applause)
148
352000
4000
(Applaus)
06:11
So we have a little bit of time available,
149
356000
2000
Wir haben noch ein bisschen Zeit übrig,
06:13
so I'm going to ask Evan
150
358000
2000
also werde ich jetzt Evan bitten,
06:15
to do a really difficult task.
151
360000
2000
eine wirklich schwere Aufgabe zu lösen.
06:17
And this one is difficult
152
362000
2000
Sie ist schwierig,
06:19
because it's all about being able to visualize something
153
364000
3000
weil man fähig sein muss, sich etwas vorzustellen,
06:22
that doesn't exist in our physical world.
154
367000
2000
das nicht in unserer physischen Welt existiert.
06:24
This is "disappear."
155
369000
2000
Und zwar ist das "Verschwinden".
06:26
So what you want to do -- at least with movement-based actions,
156
371000
2000
Zumindest mit den bewegungsbezogenen Aktionen tun wir das
06:28
we do that all the time, so you can visualize it.
157
373000
3000
die ganze Zeit, man kann es sich also leicht visualisieren.
06:31
But with "disappear," there's really no analogies --
158
376000
2000
Aber für "Verschwinden" gibt es keine richtigen Analogien.
06:33
so Evan, what you want to do here
159
378000
2000
Also Evan, was du hier machen kannst,
06:35
is to imagine the cube slowly fading out, okay.
160
380000
3000
ist dir vorzustellen, wie sich der Würfel langsam auflöst.
06:38
Same sort of drill. So: one, two, three, go.
161
383000
3000
Die gleiche Prozedur. Ein, zwei, drei, los.
06:50
Okay. Let's try that.
162
395000
3000
Okay, versuchen wir das.
06:53
Oh, my goodness. He's just too good.
163
398000
3000
Oh meine Güte, er ist zu gut.
06:57
Let's try that again.
164
402000
2000
Nochmal.
07:04
EG: Losing concentration.
165
409000
2000
Evan: Meine Konzentration schwindet.
07:06
(Laughter)
166
411000
2000
(Lachen)
07:08
TL: But we can see that it actually works,
167
413000
2000
Tan Le: Aber wir können sehen, dass es tatsächlich funktioniert,
07:10
even though you can only hold it
168
415000
2000
obwohl du es nur für kurze Zeit
07:12
for a little bit of time.
169
417000
2000
halten kannst.
07:14
As I said, it's a very difficult process
170
419000
3000
Wie ich sagte, es ist ein sehr schwieriger Prozess
07:17
to imagine this.
171
422000
2000
sich das vorzustellen.
07:19
And the great thing about it is that
172
424000
2000
Und die tolle Sache daran ist, dass
07:21
we've only given the software one instance
173
426000
2000
wir der Software nur ein einziges Beispiel gegeben haben,
07:23
of how he thinks about "disappear."
174
428000
3000
von dem, was er von "verschwinden" denkt.
07:26
As there is a machine learning algorithm in this --
175
431000
3000
Da es einen Lernalgorithmus in der Maschine gibt –
07:29
(Applause)
176
434000
4000
(Applaus)
07:33
Thank you.
177
438000
2000
Danke sehr.
07:35
Good job. Good job.
178
440000
3000
Gut gemacht.
07:38
(Applause)
179
443000
2000
(Applaus)
07:40
Thank you, Evan, you're a wonderful, wonderful
180
445000
3000
Danke Evan, du bist ein tolles
07:43
example of the technology.
181
448000
3000
Beispiel dieser Technologie.
07:46
So, as you can see, before,
182
451000
2000
Also wie Sie vorher sehen konnten,
07:48
there is a leveling system built into this software
183
453000
3000
gibt es ein in die Software eingebautes Nivellierungssystem,
07:51
so that as Evan, or any user,
184
456000
2000
sodass, wenn Evan, oder jeder andere Nutzer,
07:53
becomes more familiar with the system,
185
458000
2000
mit dem System vertrauter wird,
07:55
they can continue to add more and more detections,
186
460000
3000
kontinuierlich immer mehr Erkennungen hinzufügen kann.
07:58
so that the system begins to differentiate
187
463000
2000
Das System beginnt dann zwischen
08:00
between different distinct thoughts.
188
465000
3000
verschiedenen Gedanken zu differenzieren.
08:04
And once you've trained up the detections,
189
469000
2000
Und wenn Sie diese Aufspürungen herangebildet haben,
08:06
these thoughts can be assigned or mapped
190
471000
2000
können diese Gedanken an jedem beliebigen Rechner,
08:08
to any computing platform,
191
473000
2000
Anwendung oder Gerät
08:10
application or device.
192
475000
2000
zugewiesen oder abgebildet werden.
08:12
So I'd like to show you a few examples,
193
477000
2000
Ich möchte Ihnen ein paar Beispiele zeigen,
08:14
because there are many possible applications
194
479000
2000
denn es gibt viele mögliche Anwendungen
08:16
for this new interface.
195
481000
2000
für dieses neue Interface.
08:19
In games and virtual worlds, for example,
196
484000
2000
In Spielen und virtuellen Welten, zum Beispiel,
08:21
your facial expressions
197
486000
2000
können Ihre Gesichtsausdrücke
08:23
can naturally and intuitively be used
198
488000
2000
natürlich und intuitiv genutzt werden,
08:25
to control an avatar or virtual character.
199
490000
3000
um einen Avatar oder virtuellen Charakter zu kontrollieren.
08:29
Obviously, you can experience the fantasy of magic
200
494000
2000
Natürlich können Sie die Magie selbst erleben
08:31
and control the world with your mind.
201
496000
3000
und die Welt mit Ihrem Geist kontrollieren.
08:36
And also, colors, lighting,
202
501000
3000
Außerdem können Farben, Beleuchtung,
08:39
sound and effects
203
504000
2000
Klänge und Effekte
08:41
can dynamically respond to your emotional state
204
506000
2000
dynamisch auf Ihren emotionalen Zustand reagieren,
08:43
to heighten the experience that you're having, in real time.
205
508000
3000
um das Erlebnis, das Sie haben, in Echtzeit zu intensivieren.
08:47
And moving on to some applications
206
512000
2000
Kommen wir zu ein paar Anwendungen,
08:49
developed by developers and researchers around the world,
207
514000
3000
die von Entwicklern und Forschern aus der ganzen Welt entwickelt wurden,
08:52
with robots and simple machines, for example --
208
517000
3000
mit Robotern und einfachen Maschinen zum Beispiel –
08:55
in this case, flying a toy helicopter
209
520000
2000
in diesem Fall ist es ein Spielzeughelikopter,
08:57
simply by thinking "lift" with your mind.
210
522000
3000
der einfach durch den geistigen Befehl "Abheben" fliegt.
09:00
The technology can also be applied
211
525000
2000
Diese Technologie kann auch für Anwendungen
09:02
to real world applications --
212
527000
2000
der realen Welt eingesetzt werden.
09:04
in this example, a smart home.
213
529000
2000
Zum Beispiel ein smartes Zuhause.
09:06
You know, from the user interface of the control system
214
531000
3000
Von der Benutzerschnittstelle des Kontrollsystems
09:09
to opening curtains
215
534000
2000
können die Vorhänge geöffnet
09:11
or closing curtains.
216
536000
3000
oder geschlossen werden.
09:22
And of course, also to the lighting --
217
547000
3000
Und natürlich auch die Beleuchtung –
09:25
turning them on
218
550000
3000
die Lampen anschalten
09:28
or off.
219
553000
2000
oder ausschalten.
09:30
And finally,
220
555000
2000
Und zuletzt
09:32
to real life-changing applications,
221
557000
2000
kommen wir zu wirklichen lebensverändernden Anwendungsgebieten,
09:34
such as being able to control an electric wheelchair.
222
559000
3000
wie einen elektrischen Rollstuhl zu kontrollieren.
09:37
In this example,
223
562000
2000
In diesem Beispiel
09:39
facial expressions are mapped to the movement commands.
224
564000
3000
sind Gesichtsausdrücke mit Bewegungsbefehlen verbunden.
09:42
Man: Now blink right to go right.
225
567000
3000
Mann: Blinzle mit dem rechten Auge, um nach rechts zu fahren.
09:50
Now blink left to turn back left.
226
575000
3000
Nun mit dem linken, um nach links zu fahren.
10:02
Now smile to go straight.
227
587000
3000
Nun lächle, um geradeaus zu fahren.
10:08
TL: We really -- Thank you.
228
593000
2000
TL: Vielen Dank.
10:10
(Applause)
229
595000
5000
(Applaus)
10:15
We are really only scratching the surface of what is possible today,
230
600000
3000
Wir kratzen wirklich nur an der Oberfläche von dem, was heute möglich ist.
10:18
and with the community's input,
231
603000
2000
Und mit dem Input der Gemeinschaft,
10:20
and also with the involvement of developers
232
605000
2000
und auch mit der Hilfe der Entwickler
10:22
and researchers from around the world,
233
607000
3000
und Forscher aus der ganzen Welt
10:25
we hope that you can help us to shape
234
610000
2000
hoffen wir, dass Sie uns helfen können,
10:27
where the technology goes from here. Thank you so much.
235
612000
3000
die Zukunft dieser Technologie zu formen. Vielen Dank.
ABOUT THE SPEAKER
Tan Le - EntrepreneurTan Le is the founder & CEO of Emotiv, a bioinformatics company that's working on identifying biomarkers for mental and other neurological conditions using electroencephalography (EEG).
Why you should listen
Tan Le is the co-founder and president of Emotiv. Before this, she headed a firm that worked on a new form of remote control that uses brainwaves to control digital devices and digital media. It's long been a dream to bypass the mechanical (mouse, keyboard, clicker) and have our digital devices respond directly to what we think. Emotiv's EPOC headset uses 16 sensors to listen to activity across the entire brain. Software "learns" what each user's brain activity looks like when one, for instance, imagines a left turn or a jump.
Le herself has an extraordinary story -- a refugee from Vietnam at age 4, she entered college at 16 and has since become a vital young leader in her home country of Australia.
Tan Le | Speaker | TED.com