TEDGlobal 2010
Tan Le: A headset that reads your brainwaves
Tan Le: Una diadema que lee nuestras ondas cerebrales
Filmed:
Readability: 5
2,732,929 views
Tan Le presenta una asombrosa nueva interfaz capaz de leer nuestras ondas cerebrales, posibilitando el control de objetos virtuales e incluso aparatos electrónicos sólo con el pensamiento (y un poco de concentración). Aquí nos muestra su diadema computarizada y nos cuenta sus varias aplicaciones.
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
Hasta ahora, la comunicación con las máquinas
00:18
has always been limited
1
3000
2000
ha estado limitada
00:20
to conscious and direct forms.
2
5000
2000
a formas conscientes y directas.
00:22
Whether it's something simple
3
7000
2000
Ya sea algo simple
00:24
like turning on the lights with a switch,
4
9000
2000
como un interruptor de luz
00:26
or even as complex as programming robotics,
5
11000
3000
o complejos como la programación robótica.
00:29
we have always had to give a command to a machine,
6
14000
3000
Siempre hemos tenido que ingresar comandos
00:32
or even a series of commands,
7
17000
2000
mediante uno o varios pasos
00:34
in order for it to do something for us.
8
19000
3000
para que una computadora ejecutara alguna tarea.
00:37
Communication between people, on the other hand,
9
22000
2000
Por otro lado, la comunicación humana
00:39
is far more complex and a lot more interesting
10
24000
3000
es mucho más compleja y más interesante
00:42
because we take into account
11
27000
2000
porque tiene en cuenta
00:44
so much more than what is explicitly expressed.
12
29000
3000
mucho más de lo expresado explícitamente.
00:47
We observe facial expressions, body language,
13
32000
3000
Mediante las expresiones y el lenguaje del cuerpo
00:50
and we can intuit feelings and emotions
14
35000
2000
podemos intuir emociones
00:52
from our dialogue with one another.
15
37000
3000
que son parte de nuestro diálogo.
00:55
This actually forms a large part
16
40000
2000
Esto juega un importante rol
00:57
of our decision-making process.
17
42000
2000
en nuestra manera de tomar decisiones.
00:59
Our vision is to introduce
18
44000
2000
Hoy nuestro objetivo es introducir
01:01
this whole new realm of human interaction
19
46000
3000
este nuevo campo de interacción humana
01:04
into human-computer interaction
20
49000
2000
en la interacción entre el hombre y las computadoras
01:06
so that computers can understand
21
51000
2000
para que éstas puedan comprender
01:08
not only what you direct it to do,
22
53000
2000
no sólo los comandos que les ordenamos
01:10
but it can also respond
23
55000
2000
sino que también puedan responder
01:12
to your facial expressions
24
57000
2000
a nuestras expresiones faciales
01:14
and emotional experiences.
25
59000
2000
y nuestras emociones.
01:16
And what better way to do this
26
61000
2000
Y ¿qué mejor manera de lograr esto
01:18
than by interpreting the signals
27
63000
2000
que mediante la interpretación de señales
01:20
naturally produced by our brain,
28
65000
2000
emitidas naturalmente por el cerebro?
01:22
our center for control and experience.
29
67000
3000
Que es nuestro centro de control.
01:25
Well, it sounds like a pretty good idea,
30
70000
2000
Bien, parece una buena idea
01:27
but this task, as Bruno mentioned,
31
72000
2000
pero, como bien dijo Bruno,
01:29
isn't an easy one for two main reasons:
32
74000
3000
no es tarea fácil, por dos razones principales:
01:32
First, the detection algorithms.
33
77000
3000
primero, los algoritmos de detección.
01:35
Our brain is made up of
34
80000
2000
El cerebro esta conformado
01:37
billions of active neurons,
35
82000
2000
por miles de millones de neuronas activas
01:39
around 170,000 km
36
84000
3000
cuyos axones, combinados,
01:42
of combined axon length.
37
87000
2000
alcanzan una longitud de 170.000 km.
01:44
When these neurons interact,
38
89000
2000
Cuando las neuronas interactúan
01:46
the chemical reaction emits an electrical impulse,
39
91000
2000
la reacción química emite un impulso eléctrico
01:48
which can be measured.
40
93000
2000
el cual puede medirse.
01:50
The majority of our functional brain
41
95000
3000
La mayor parte de nuestro cerebro funcional
01:53
is distributed over
42
98000
2000
se encuentra distribuido
01:55
the outer surface layer of the brain,
43
100000
2000
en la capa externa del cerebro.
01:57
and to increase the area that's available for mental capacity,
44
102000
3000
Y para lograr mayor superficie con capacidad mental
02:00
the brain surface is highly folded.
45
105000
3000
la superficie cerebral está densamente plegada.
02:03
Now this cortical folding
46
108000
2000
Bien, los pliegues de esta corteza
02:05
presents a significant challenge
47
110000
2000
presentan un desafío no menor
02:07
for interpreting surface electrical impulses.
48
112000
3000
para interpretar impulsos eléctricos superficiales.
02:10
Each individual's cortex
49
115000
2000
La corteza de cada individuo
02:12
is folded differently,
50
117000
2000
está plegada de manera diferente,
02:14
very much like a fingerprint.
51
119000
2000
a la manera de huellas digitales.
02:16
So even though a signal
52
121000
2000
Por eso, si bien una señal
02:18
may come from the same functional part of the brain,
53
123000
3000
puede provenir de la misma parte funcional del cerebro,
02:21
by the time the structure has been folded,
54
126000
2000
la particular estructura de los pliegues
02:23
its physical location
55
128000
2000
hace que la posición física de esta señal
02:25
is very different between individuals,
56
130000
2000
varíe de individuo a individuo
02:27
even identical twins.
57
132000
3000
incluso entre hermanos gemelos.
02:30
There is no longer any consistency
58
135000
2000
Ya no existe coherencia
02:32
in the surface signals.
59
137000
2000
en la señales superficiales.
02:34
Our breakthrough was to create an algorithm
60
139000
2000
Nuestro descubrimiento fue la creación de un algoritmo
02:36
that unfolds the cortex,
61
141000
2000
que despliega la corteza
02:38
so that we can map the signals
62
143000
2000
de tal manera que las señales pueden localizarse
02:40
closer to its source,
63
145000
2000
cerca de su origen
02:42
and therefore making it capable of working across a mass population.
64
147000
3000
para poder aplicarse a la población en general.
02:46
The second challenge
65
151000
2000
El segundo desafío
02:48
is the actual device for observing brainwaves.
66
153000
3000
reside en el dispositivo para observar ondas cerebrales.
02:51
EEG measurements typically involve
67
156000
2000
La electroencefalografía requiere
02:53
a hairnet with an array of sensors,
68
158000
3000
de una red de sensores alrededor de la cabeza
02:56
like the one that you can see here in the photo.
69
161000
3000
como la que se ve en esta foto.
02:59
A technician will put the electrodes
70
164000
2000
Un técnico coloca los electrodos
03:01
onto the scalp
71
166000
2000
sobre el cuero cabelludo
03:03
using a conductive gel or paste
72
168000
2000
mediante un gel conductor o pasta
03:05
and usually after a procedure of preparing the scalp
73
170000
3000
habiendo antes preparado el cuero cabelludo
03:08
by light abrasion.
74
173000
2000
con abrasivos suaves.
03:10
Now this is quite time consuming
75
175000
2000
Pero esto lleva bastante tiempo
03:12
and isn't the most comfortable process.
76
177000
2000
y no es un método muy agradable.
03:14
And on top of that, these systems
77
179000
2000
Y, además, estos sistemas
03:16
actually cost in the tens of thousands of dollars.
78
181000
3000
cuestan decenas de miles de dólares.
03:20
So with that, I'd like to invite onstage
79
185000
3000
Por eso, quiero invitar a la tarima
03:23
Evan Grant, who is one of last year's speakers,
80
188000
2000
a Evan Grant, quien fuera conferencista el año pasado,
03:25
who's kindly agreed
81
190000
2000
y que muy amablemente ha aceptado
03:27
to help me to demonstrate
82
192000
2000
ayudarme a demostrar
03:29
what we've been able to develop.
83
194000
2000
ésto que desarrollamos.
03:31
(Applause)
84
196000
6000
(Aplauso)
03:37
So the device that you see
85
202000
2000
Este disposivo
03:39
is a 14-channel, high-fidelity
86
204000
2000
es un aparato de electroencefalografía
03:41
EEG acquisition system.
87
206000
2000
de 14 canales y alta fidelidad.
03:43
It doesn't require any scalp preparation,
88
208000
3000
No requiere de preparación del cuero cabelludo
03:46
no conductive gel or paste.
89
211000
2000
ni geles ni pastas.
03:48
It only takes a few minutes to put on
90
213000
3000
Se coloca en unos pocos minutos
03:51
and for the signals to settle.
91
216000
2000
y se espera a que aparezcan las señales.
03:53
It's also wireless,
92
218000
2000
También es inalámbrico
03:55
so it gives you the freedom to move around.
93
220000
3000
por lo que permite que nos movamos.
03:58
And compared to the tens of thousands of dollars
94
223000
3000
Y en comparación con las decenas de miles de dólares
04:01
for a traditional EEG system,
95
226000
3000
de los sistemas de electroencefalografía tradicionales
04:04
this headset only costs
96
229000
2000
este casco sólo cuesta
04:06
a few hundred dollars.
97
231000
2000
unos pocos cientos de dólares.
04:08
Now on to the detection algorithms.
98
233000
3000
Ahora, los algoritmos de detección.
04:11
So facial expressions --
99
236000
2000
Las expresiones faciales,
04:13
as I mentioned before in emotional experiences --
100
238000
2000
como lo mencioné antes mediante emociones,
04:15
are actually designed to work out of the box
101
240000
2000
están diseñadas para funcionar fuera de la caja
04:17
with some sensitivity adjustments
102
242000
2000
con algunos ajustes sensoriales
04:19
available for personalization.
103
244000
3000
disponibles para personalización.
04:22
But with the limited time we have available,
104
247000
2000
Pero como no tenemos mucho tiempo
04:24
I'd like to show you the cognitive suite,
105
249000
2000
les quiero mostrar el conjunto cognitivo
04:26
which is the ability for you
106
251000
2000
que es, básicamente,
04:28
to basically move virtual objects with your mind.
107
253000
3000
la capacidad de mover objetos virtuales con la mente.
04:32
Now, Evan is new to this system,
108
257000
2000
Bien, esta es la primera vez para Evan,
04:34
so what we have to do first
109
259000
2000
así que lo primero que tenemos que hacer
04:36
is create a new profile for him.
110
261000
2000
es crear un nuevo perfil para él.
04:38
He's obviously not Joanne -- so we'll "add user."
111
263000
3000
Obviamente no es Joanne, por lo que selecciono "agregar usuario".
04:41
Evan. Okay.
112
266000
2000
Evan. Bien.
04:43
So the first thing we need to do with the cognitive suite
113
268000
3000
Así que lo primero que tenemos que hacer con el conjunto cognitivo
04:46
is to start with training
114
271000
2000
es ejercitar
04:48
a neutral signal.
115
273000
2000
una señal neutral.
04:50
With neutral, there's nothing in particular
116
275000
2000
De esta manera, no hay nada en particular
04:52
that Evan needs to do.
117
277000
2000
que Evan tenga que hacer.
04:54
He just hangs out. He's relaxed.
118
279000
2000
Sólo relajarse.
04:56
And the idea is to establish a baseline
119
281000
2000
Y la idea es establecer un punto de partida
04:58
or normal state for his brain,
120
283000
2000
o estado normal de su cerebro,
05:00
because every brain is different.
121
285000
2000
porque cada cerebro es diferente.
05:02
It takes eight seconds to do this,
122
287000
2000
Esto lleva ocho segundos.
05:04
and now that that's done,
123
289000
2000
Ya está listo,
05:06
we can choose a movement-based action.
124
291000
2000
podemos seleccionar una acción, un movimiento.
05:08
So Evan, choose something
125
293000
2000
Evan, debes elegir algo
05:10
that you can visualize clearly in your mind.
126
295000
2000
que puedas visualizar claramente en tu mente.
05:12
Evan Grant: Let's do "pull."
127
297000
2000
Evan Grant: de acuerdo, "atraer".
05:14
Tan Le: Okay, so let's choose "pull."
128
299000
2000
Tan Le: Bien. Elijo entonces "atraer".
05:16
So the idea here now
129
301000
2000
Así que la idea aquí
05:18
is that Evan needs to
130
303000
2000
es que Evan debe imaginar
05:20
imagine the object coming forward
131
305000
2000
que el objeto se mueve hacia nosotros
05:22
into the screen,
132
307000
2000
dentro de la pantalla.
05:24
and there's a progress bar that will scroll across the screen
133
309000
3000
Una barra en la pantalla indica el progreso
05:27
while he's doing that.
134
312000
2000
mientras él se concentra.
05:29
The first time, nothing will happen,
135
314000
2000
La primera vez, nada va a suceder,
05:31
because the system has no idea how he thinks about "pull."
136
316000
3000
porque el sistema no tiene idea de como él imagina "atraer".
05:34
But maintain that thought
137
319000
2000
Pero intenta mantener esa idea
05:36
for the entire duration of the eight seconds.
138
321000
2000
durante los ocho segundos.
05:38
So: one, two, three, go.
139
323000
3000
Uno, dos, tres, cuatro, vamos.
05:49
Okay.
140
334000
2000
Bien.
05:51
So once we accept this,
141
336000
2000
Al seleccionar "aceptar"
05:53
the cube is live.
142
338000
2000
el cubo se mueve.
05:55
So let's see if Evan
143
340000
2000
Veamos si Evan
05:57
can actually try and imagine pulling.
144
342000
3000
puede imaginar "atraer".
06:00
Ah, good job!
145
345000
2000
Ah, ¡muy bien!
06:02
(Applause)
146
347000
3000
(Aplauso)
06:05
That's really amazing.
147
350000
2000
¡Sorprendente!
06:07
(Applause)
148
352000
4000
(Aplauso)
06:11
So we have a little bit of time available,
149
356000
2000
Aún tenemos un poquito de tiempo
06:13
so I'm going to ask Evan
150
358000
2000
así que le voy a pedir a Evan
06:15
to do a really difficult task.
151
360000
2000
que realice una tarea realmente complicada.
06:17
And this one is difficult
152
362000
2000
Y digo complicada
06:19
because it's all about being able to visualize something
153
364000
3000
porque se trata de visualizar algo
06:22
that doesn't exist in our physical world.
154
367000
2000
que no existe en el mundo físico.
06:24
This is "disappear."
155
369000
2000
Esto es "desaparecer".
06:26
So what you want to do -- at least with movement-based actions,
156
371000
2000
Las acciones de movimiento
06:28
we do that all the time, so you can visualize it.
157
373000
3000
son muy comunes, y es fácil visualizarlas.
06:31
But with "disappear," there's really no analogies --
158
376000
2000
Pero para "desaparecer" no existen analogías.
06:33
so Evan, what you want to do here
159
378000
2000
Así que, Evan, lo que tienes que hacer
06:35
is to imagine the cube slowly fading out, okay.
160
380000
3000
es imaginar el cubo esfumándose lentamente.
06:38
Same sort of drill. So: one, two, three, go.
161
383000
3000
Tal cual como antes. Uno, dos, tres, vamos.
06:50
Okay. Let's try that.
162
395000
3000
Bien, intentemos eso.
06:53
Oh, my goodness. He's just too good.
163
398000
3000
¡Oh, cielos! ¡Qué bien lo hace!
06:57
Let's try that again.
164
402000
2000
Intentemos otra vez.
07:04
EG: Losing concentration.
165
409000
2000
EG: Estoy perdiendo la concentración.
07:06
(Laughter)
166
411000
2000
(Risas)
07:08
TL: But we can see that it actually works,
167
413000
2000
TL: Pero vemos que funciona
07:10
even though you can only hold it
168
415000
2000
aunque sólo puedas mantenerlo
07:12
for a little bit of time.
169
417000
2000
por un tiempo corto.
07:14
As I said, it's a very difficult process
170
419000
3000
Como decía, imaginar ésto
07:17
to imagine this.
171
422000
2000
es un proceso complicado.
07:19
And the great thing about it is that
172
424000
2000
Y lo grandioso de esto es que
07:21
we've only given the software one instance
173
426000
2000
sólo le indicamos al sistema una única vez
07:23
of how he thinks about "disappear."
174
428000
3000
cómo Evan piensa en "desaparecer".
07:26
As there is a machine learning algorithm in this --
175
431000
3000
Ya que la máquina tiene un algoritmo de aprendizaje...---
07:29
(Applause)
176
434000
4000
(Aplauso)
07:33
Thank you.
177
438000
2000
Muchas gracias.
07:35
Good job. Good job.
178
440000
3000
Muy bien, buen trabajo.
07:38
(Applause)
179
443000
2000
(Aplauso)
07:40
Thank you, Evan, you're a wonderful, wonderful
180
445000
3000
Muchas gracias, Evan,
07:43
example of the technology.
181
448000
3000
eres un maravilloso ejemplo de la tecnología.
07:46
So, as you can see, before,
182
451000
2000
Así que como pueden ver
07:48
there is a leveling system built into this software
183
453000
3000
hay un progreso por niveles incorporado a este software
07:51
so that as Evan, or any user,
184
456000
2000
por lo que mientras Evan, u otro usuario,
07:53
becomes more familiar with the system,
185
458000
2000
se familiariza con el sistema,
07:55
they can continue to add more and more detections,
186
460000
3000
puede agregar más y más detecciones
07:58
so that the system begins to differentiate
187
463000
2000
que permiten al sistema diferenciar
08:00
between different distinct thoughts.
188
465000
3000
entre distintos pensamientos.
08:04
And once you've trained up the detections,
189
469000
2000
Y una vez que se han entrenado las detecciones
08:06
these thoughts can be assigned or mapped
190
471000
2000
estos pensamientos pueden ser asignados o
08:08
to any computing platform,
191
473000
2000
a cualquier sistema operativo,
08:10
application or device.
192
475000
2000
aplicación o dispositivo.
08:12
So I'd like to show you a few examples,
193
477000
2000
Así que quisiera mostarles algunos ejemplos
08:14
because there are many possible applications
194
479000
2000
de las muchas aplicaciones
08:16
for this new interface.
195
481000
2000
para esta nueva interfaz.
08:19
In games and virtual worlds, for example,
196
484000
2000
En juegos y el mundo virtual, por ejemplo,
08:21
your facial expressions
197
486000
2000
nuestras expresiones faciales
08:23
can naturally and intuitively be used
198
488000
2000
pueden ser utilizadas intuitivamente
08:25
to control an avatar or virtual character.
199
490000
3000
para controlar un avatar o personaje virtual.
08:29
Obviously, you can experience the fantasy of magic
200
494000
2000
Podemos experimentar la fantasía de la magia
08:31
and control the world with your mind.
201
496000
3000
y controlar el mundo con nuestra mente.
08:36
And also, colors, lighting,
202
501000
3000
Y también los colores, las luces,
08:39
sound and effects
203
504000
2000
los sonidos y efectos
08:41
can dynamically respond to your emotional state
204
506000
2000
pueden responder a nuestras emociones de manera dinámica
08:43
to heighten the experience that you're having, in real time.
205
508000
3000
para resaltar nuestras experiencias en tiempo real.
08:47
And moving on to some applications
206
512000
2000
Quiero mostrarles algunas aplicaciones
08:49
developed by developers and researchers around the world,
207
514000
3000
desarrolladas por ingenieros en todo el mundo,
08:52
with robots and simple machines, for example --
208
517000
3000
con robots y máquinas simples
08:55
in this case, flying a toy helicopter
209
520000
2000
como que un helicóptero de juguete pueda volar
08:57
simply by thinking "lift" with your mind.
210
522000
3000
con sólo pensar en "elevación".
09:00
The technology can also be applied
211
525000
2000
Pero esta tecnología también puede aplicarse
09:02
to real world applications --
212
527000
2000
a escenarios de la vida real.
09:04
in this example, a smart home.
213
529000
2000
En este ejemplo, una casa inteligente.
09:06
You know, from the user interface of the control system
214
531000
3000
Desde de
09:09
to opening curtains
215
534000
2000
para correr cortinas
09:11
or closing curtains.
216
536000
3000
y luego cerrarlas.
09:22
And of course, also to the lighting --
217
547000
3000
Y, por supuesto, para la iluminación:
09:25
turning them on
218
550000
3000
encender las luces
09:28
or off.
219
553000
2000
o apagarlas.
09:30
And finally,
220
555000
2000
Y finalmente,
09:32
to real life-changing applications,
221
557000
2000
aplicaciones para calidad de vida
09:34
such as being able to control an electric wheelchair.
222
559000
3000
como controlar una silla de ruedas.
09:37
In this example,
223
562000
2000
En este ejemplo
09:39
facial expressions are mapped to the movement commands.
224
564000
3000
las expresiones faciales controlan los movimientos.
09:42
Man: Now blink right to go right.
225
567000
3000
Voz: Guiña el ojo derecho para girar a la derecha.
09:50
Now blink left to turn back left.
226
575000
3000
Ahora el izquierdo para girar a la izquierda.
10:02
Now smile to go straight.
227
587000
3000
Ahora sonríe para avanzar.
10:08
TL: We really -- Thank you.
228
593000
2000
TL: Estamos... muchas gracias.
10:10
(Applause)
229
595000
5000
(Aplauso)
10:15
We are really only scratching the surface of what is possible today,
230
600000
3000
Estamos apenas comenzando a explorar las posibilidades.
10:18
and with the community's input,
231
603000
2000
Y con la contribución de la sociedad
10:20
and also with the involvement of developers
232
605000
2000
y el aporte de los ingenieros
10:22
and researchers from around the world,
233
607000
3000
e investigadores de todo el mundo
10:25
we hope that you can help us to shape
234
610000
2000
esperamos poder darle forma
10:27
where the technology goes from here. Thank you so much.
235
612000
3000
al nuevo rumbo de la tecnología. Muchas gracias.
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