TED@Intel
Jennifer Healey: If cars could talk, accidents might be avoidable
ג'ניפר הילי: לו מכוניות יכלו לדבר, תאונות היו ניתנות למניעה.
Filmed:
Readability: 3.2
908,454 views
כשאנחנו נוהגים, אנחנו נכנסים לתוך בועה מזכוכית, נועלים את הדלתות ולוחצים על הדוושה, נסמכים על העיניים שלנו שידריכו אותנו - אפילו שאנחנו יכולים לראות רק מכוניות בודדות מלפנינו ומאחורינו. אבל מה אם מכוניות היו משתפות מידע זו עם זו אודות המיקום והמהירות שלהן, ומשתמשות במודלים לביצוע תחזיות לחישוב המסלולים הבטוחים ביותר עבור כל הנהגים על הכביש? ג'ניפר הילי מדמיינת עולם ללא תאונות דרכים. (צולם באירוע TED אינטל?).
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
בואו נודה בזה:
00:14
Driving is dangerous.
1
2617
2445
נהיגה היא דבר מסוכן.
00:17
It's one of the things that we don't like to think about,
2
5062
3098
זה אחד הדברים שאנחנו לא אוהבים לחשוב עליהם,
00:20
but the fact that religious icons and good luck charms
3
8160
3652
אבל העובדה שסמלים דתיים וקמעות של מזל טוב
00:23
show up on dashboards around the world
4
11812
4790
מופיעים על לוחות מחוונים ברחבי העולם
00:28
betrays the fact that we know this to be true.
5
16602
4137
מסגירה את העובדה שאנו יודעים שזה נכון.
00:32
Car accidents are the leading cause of death
6
20739
3594
תאונות דרכים הינן גורם המוות העיקרי
00:36
in people ages 16 to 19 in the United States --
7
24333
4170
בקרב נערים בגילאים 16 עד 19 בארצות הברית -
00:40
leading cause of death --
8
28503
2843
גורם המוות העיקרי -
00:43
and 75 percent of these accidents have nothing to do
9
31346
3863
ו-75% מהתאונות הללו אינן קשורות
00:47
with drugs or alcohol.
10
35209
2285
לסמים או אלכוהול.
00:49
So what happens?
11
37494
2261
אז מה קורה?
00:51
No one can say for sure, but I remember my first accident.
12
39755
4219
אף אחד לא יכול לומר בוודאות, אבל אני זוכרת את התאונה הראשונה שלי.
00:55
I was a young driver out on the highway,
13
43974
3803
הייתי נהגת צעירה, בכביש המהיר,
00:59
and the car in front of me, I saw the brake lights go on.
14
47777
2258
והרכב שנסע מולי - ראיתי את אורות הבלמים שלו נדלקים.
01:02
I'm like, "Okay, all right, this guy is slowing down,
15
50035
1800
אמרתי לעצמי, "בסדר, הבחור מאט,
01:03
I'll slow down too."
16
51835
1282
"אני אאט גם כן."
01:05
I step on the brake.
17
53117
1926
לחצתי על הבלם.
01:07
But no, this guy isn't slowing down.
18
55043
2254
אבל לא, הבחור לא מאט.
01:09
This guy is stopping, dead stop, dead stop on the highway.
19
57297
3178
הבחור עוצר, עצירה פתאומית, עצירה פתאומית באמצע כביש מהיר.
01:12
It was just going 65 -- to zero?
20
60475
2540
זה פשוט ירד מ-100 קמ"ש ל-0.
01:15
I slammed on the brakes.
21
63015
1520
לחצתי בחוזקה על הבלמים.
01:16
I felt the ABS kick in, and the car is still going,
22
64535
3059
הרגשתי את ה-ABS נכנס לפעולה, והמכונית עדיין המשיכה בנסיעה,
01:19
and it's not going to stop, and I know it's not going to stop,
23
67594
2696
והיא לא התכוונה לעצור, ואני יודעת שזה לא עומד לעצור,
01:22
and the air bag deploys, the car is totaled,
24
70290
2939
וכרית האוויר נפתחה, והמכונית התרסקה,
01:25
and fortunately, no one was hurt.
25
73229
3557
ולמרבה המזל - איש לא נפגע.
01:28
But I had no idea that car was stopping,
26
76786
4211
אבל לא היה לי מושג שהרכב מתכוון לעצור,
01:32
and I think we can do a lot better than that.
27
80997
3645
ואני חושבת שאנחנו יכולים לעשות הרבה יותר טוב מזה.
01:36
I think we can transform the driving experience
28
84642
4145
אני חושבת שאנחנו יכולים לשנות את חווית הנהיגה
01:40
by letting our cars talk to each other.
29
88787
3879
ע"י כך שניתן למכוניות שלנו לדבר זו עם זו.
01:44
I just want you to think a little bit
30
92666
1424
אני רק רוצה שתחשבו קצת
01:46
about what the experience of driving is like now.
31
94090
2888
מהי חווית הנהיגה שלנו היום.
01:48
Get into your car. Close the door. You're in a glass bubble.
32
96978
4028
נכנסים למכונית. סוגרים את הדלת. אתם בתוך בועת זכוכית.
01:53
You can't really directly sense the world around you.
33
101006
2916
אתם לא באמת יכולים לחוש את העולם סביבכם.
01:55
You're in this extended body.
34
103922
2181
אתם בתוך הגוף המורחב הזה.
01:58
You're tasked with navigating it down
35
106103
2163
אתם אמונים על ניווטו,
02:00
partially-seen roadways,
36
108266
2056
רואים את הדרך באופן חלקי,
02:02
in and amongst other metal giants, at super-human speeds.
37
110322
4424
בתוך סביבה של ענקי מתכת נוספים, במהירות על-אנושית.
02:06
Okay? And all you have to guide you are your two eyes.
38
114746
4480
בסדר? וכל מה שיכול להדריך אותכם הן זוג עינייכם.
02:11
Okay, so that's all you have,
39
119226
1762
בסדר, אז זה כל מה שיש לכם,
02:12
eyes that weren't really designed for this task,
40
120988
1735
עיניים שלא באמת מיועדות למשימה הזו,
02:14
but then people ask you to do things like,
41
122723
3751
אבל אז אנשים מבקשים ממכם לעשות דברים כמו,
02:18
you want to make a lane change,
42
126474
1549
אתם רוצים לעבור נתיב,
02:20
what's the first thing they ask you do?
43
128023
2321
מה הדבר הראשון שיבקשו ממכם לעשות?
02:22
Take your eyes off the road. That's right.
44
130344
3095
להסיט את עינייך מהכביש. נכון.
02:25
Stop looking where you're going, turn,
45
133439
2096
הפסיקו להסתכל לאן שאתם נוסעים, פנו,
02:27
check your blind spot,
46
135535
2018
בדקו את השטח המת,
02:29
and drive down the road without looking where you're going.
47
137553
3471
והמשיכו בדרך מבלי להסתכל לאן אתם נוסעים.
02:33
You and everyone else. This is the safe way to drive.
48
141024
3135
אתם וכל היתר. זו הדרך הבטוחה לנהוג.
02:36
Why do we do this? Because we have to,
49
144159
2241
למה אנחנו עושים את זה? כי אנחנו חייבים,
02:38
we have to make a choice, do I look here or do I look here?
50
146400
2579
אנחנו חייבים לבחור, האם צריך להסתכל לכאן או לשם?
02:40
What's more important?
51
148979
1521
מה יותר חשוב?
02:42
And usually we do a fantastic job
52
150500
2711
ובדרך כלל אנחנו עושים עבודה מצויינת,
02:45
picking and choosing what we attend to on the road.
53
153211
3769
לבחור ולברור מה לעשות על הכביש.
02:48
But occasionally we miss something.
54
156980
3650
אבל לעתים אנחנו מפספסים משהו.
02:52
Occasionally we sense something wrong or too late.
55
160630
4461
לעתים אנחנו חשים משהו לא נכון, או מאוחר מדי.
02:57
In countless accidents, the driver says,
56
165091
1988
במספר רב של תאונות דרכים, הנהג אומר,
02:59
"I didn't see it coming."
57
167079
2308
"לא ראיתי את זה בא".
03:01
And I believe that. I believe that.
58
169387
3281
ואני מאמינה לזה. אני מאמינה לזה.
03:04
We can only watch so much.
59
172668
2925
אנחנו לא יכולים לצפות בכל כך הרבה.
03:07
But the technology exists now that can help us improve that.
60
175593
5144
אבל הטכנולוגיה שקיימת היום יכולה לסייע לנו לשפר זאת.
03:12
In the future, with cars exchanging data with each other,
61
180737
4296
בעתיד, כשכלי רכב יוכלו להחליף מידע ביניהם,
03:17
we will be able to see not just three cars ahead
62
185033
3928
נהיה מסוגלים לראות לא רק שלוש מכוניות מלפנים,
03:20
and three cars behind, to the right and left,
63
188961
1594
ושלוש מכוניות מאחור, מימין ומשמאל,
03:22
all at the same time, bird's eye view,
64
190555
3166
כולן באותו הזמן, טווח ראיה של ציפור,
03:25
we will actually be able to see into those cars.
65
193721
3128
למעשה נהיה מסוגלים לראות לתוך המכוניות הללו.
03:28
We will be able to see the velocity of the car in front of us,
66
196849
2371
נהיה מסוגלים לראות את המהירות של הרכב מלפנינו,
03:31
to see how fast that guy's going or stopping.
67
199220
3240
לראות באיזו מהירות הנהג מלפנינו נוסע או עוצר.
03:34
If that guy's going down to zero, I'll know.
68
202460
4510
אם הנהג מאט עד לעצירה, אני אדע.
03:38
And with computation and algorithms and predictive models,
69
206970
3859
ועם מחשוב ואלגוריתמים ומודלים שמסוגלים לחזות,
03:42
we will be able to see the future.
70
210829
3273
נהיה מסוגלים לראות את העתיד.
03:46
You may think that's impossible.
71
214102
1556
אתם יכולים לחשוב שזה בלתי אפשרי.
03:47
How can you predict the future? That's really hard.
72
215658
2731
איך אפשר לנבא את העתיד? זה באמת קשה.
03:50
Actually, no. With cars, it's not impossible.
73
218389
3619
למעשה לא. עם כלי רכב, זה לא בלתי-אפשרי.
03:54
Cars are three-dimensional objects
74
222008
2732
מכוניות הן אובייקטים תלת-מימדיים
03:56
that have a fixed position and velocity.
75
224740
2332
שיש להם מיקום ומהירות מוחלטים.
03:59
They travel down roads.
76
227072
1631
הן נוסעות בכבישים.
04:00
Often they travel on pre-published routes.
77
228703
2412
לעתים הן נוסעות בנתיבים מסומנים.
04:03
It's really not that hard to make reasonable predictions
78
231115
3938
זה לא באמת קשה כל כך לבצע הערכות סבירות
04:07
about where a car's going to be in the near future.
79
235053
2864
איפה מכונית מסויימת עומדת להיות בעתיד הקרוב.
04:09
Even if, when you're in your car
80
237917
2002
אפילו אם, כשאתם במכונית
04:11
and some motorcyclist comes -- bshoom! --
81
239919
1994
ואופנוען אחד מגיע - וושששש...
04:13
85 miles an hour down, lane-splitting --
82
241913
2296
130 קמ"ש במורד הכביש, חוצה נתיבים -
04:16
I know you've had this experience --
83
244209
2547
אני יודעת שחוויתם את החוויה הזו -
04:18
that guy didn't "just come out of nowhere."
84
246756
2603
הבחור לא "פשוט בא משום מקום."
04:21
That guy's been on the road probably for the last half hour.
85
249359
3643
הבחור היה ככל הנראה על הכביש בחצי השעה האחרונה.
04:25
(Laughter)
86
253002
1190
(צחוק)
04:26
Right? I mean, somebody's seen him.
87
254192
3589
נכון? אני מתכוונת, מישהו ראה אותו.
04:29
Ten, 20, 30 miles back, someone's seen that guy,
88
257781
2768
15, 30, 45 קילומטרים אחורה, מישהו בטח ראה את הבחור הזה,
04:32
and as soon as one car sees that guy
89
260549
2384
וברגע שמכונית אחת רואה את הבחור הזה
04:34
and puts him on the map, he's on the map --
90
262933
2231
ושמה אותו על המפה, הוא על המפה -
04:37
position, velocity,
91
265164
2176
מיקום, מהירות,
04:39
good estimate he'll continue going 85 miles an hour.
92
267340
2321
הערכה סבירה שהוא ימשיך במהירות של 130 קמ"ש.
04:41
You'll know, because your car will know, because
93
269661
2184
אתה תדע, כי המכונית שלך תדע, בגלל
04:43
that other car will have whispered something in his ear,
94
271845
2275
שמכונית אחרת תלחש משהו באוזני (המכונית) שלך,
04:46
like, "By the way, five minutes,
95
274120
1923
משהו כמו, "אגב, חמש דקות,
04:48
motorcyclist, watch out."
96
276043
2775
"אופנוען, שים לב."
04:50
You can make reasonable predictions about how cars behave.
97
278818
2703
תוכל לבצע הערכה סבירה אודות איך מכוניות מתהגות.
04:53
I mean, they're Newtonian objects.
98
281521
1365
אני מתכוונת, הן אובייקטים ניוטוניים.
04:54
That's very nice about them.
99
282886
2909
זה מאוד נחמד במכוניות.
04:57
So how do we get there?
100
285795
3034
אז איך אנחנו מגיעים לשם?
05:00
We can start with something as simple
101
288829
2266
אנחנו יכולים להתחיל עם משהו פשוט
05:03
as sharing our position data between cars,
102
291095
2870
כמו לשתף מכוניות אחרות במיקום שלנו,
05:05
just sharing GPS.
103
293965
1892
רק לשתף GPS.
05:07
If I have a GPS and a camera in my car,
104
295857
2444
אם יש לי GPS ומצלמה ברכב,
05:10
I have a pretty precise idea of where I am
105
298301
2231
יש לי מידע די מדויק איפה אני
05:12
and how fast I'm going.
106
300532
1732
וכמה מהר אני נוסעת.
05:14
With computer vision, I can estimate where
107
302264
1657
באמצעות ראייה ממוחשבת, אני יכולה להעריך
05:15
the cars around me are, sort of, and where they're going.
108
303921
3537
איפה המכוניות מסביבי, בערך, ולאן הן נוסעות.
05:19
And same with the other cars.
109
307458
970
ואותו הדבר לגבי מכוניות אחרות.
05:20
They can have a precise idea of where they are,
110
308428
1814
יכול להיות להן מושג מדויק איפה הן,
05:22
and sort of a vague idea of where the other cars are.
111
310242
2146
וסוג של מושג מעורפל איפה המכוניות האחרות.
05:24
What happens if two cars share that data,
112
312388
3231
מה קורה אם שתי מכוניות חולקות את המידע הזה,
05:27
if they talk to each other?
113
315619
1955
אם הן מדברות אחת עם השניה?
05:29
I can tell you exactly what happens.
114
317574
2778
אני יכולה להגיד לכם בדיוק מה קורה:
05:32
Both models improve.
115
320352
2339
שני המודלים משתפרים.
05:34
Everybody wins.
116
322691
2055
כולם מרוויחים.
05:36
Professor Bob Wang and his team
117
324746
2577
פרופסור בוב וואנג והצוות שלו
05:39
have done computer simulations of what happens
118
327323
2738
ביצעו סימולציות מחשב שמחשבות מה קורה
05:42
when fuzzy estimates combine, even in light traffic,
119
330061
3431
כאשר הערכות עמומות משתלבות, אפילו כשהתנועה זורמת,
05:45
when cars just share GPS data,
120
333492
2624
כשמכוניות רק חולקות מידע של GPS
05:48
and we've moved this research out of the computer simulation
121
336116
2513
ואנחנו העברנו את המחקר הזה מחוץ לסימולציית המחשב
05:50
and into robot test beds that have the actual sensors
122
338629
3027
למצע של רובוטים מחקריים שיש להם חיישנים
05:53
that are in cars now on these robots:
123
341656
3133
כמו במכוניות, על הרובוטים הללו:
05:56
stereo cameras, GPS,
124
344789
1838
מצלמות סטריאו, GPS,
05:58
and the two-dimensional laser range finders
125
346627
1874
וגלאי טווח דו-מדיים מבוססי לייזר
06:00
that are common in backup systems.
126
348501
2240
שנפוצים במערכות נסיעה לאחור.
06:02
We also attach a discrete short-range communication radio,
127
350741
4484
צירפנו גם משדר רדיו לטווח קצר,
06:07
and the robots talk to each other.
128
355225
1909
והרובוטים מדברים זה עם זה.
06:09
When these robots come at each other,
129
357134
1539
כשהרובוטים הללו מתקרבים זה לזה,
06:10
they track each other's position precisely,
130
358673
2971
הם עוקבים אחר המיקום של האחרים במדויק,
06:13
and they can avoid each other.
131
361644
2737
והם יכולים לחמוק אחד מהשני.
06:16
We're now adding more and more robots into the mix,
132
364381
3226
אנחנו עכשיו מוסיפים עוד ועוד רובוטים לתערובת,
06:19
and we encountered some problems.
133
367607
1471
ועלינו על כמה בעיות.
06:21
One of the problems, when you get too much chatter,
134
369078
2359
אחת הבעיות, כשמגיעים אליך יותר מדי אותות מידע,
06:23
it's hard to process all the packets, so you have to prioritize,
135
371437
3728
קשה לעבד את כולו, אז אתה חייב לתעדף,
06:27
and that's where the predictive model helps you.
136
375165
2357
וכאן המודלים עוזרים לך לחזות.
06:29
If your robot cars are all tracking the predicted trajectories,
137
377522
4372
אם כל המכוניות הרובוטיות שלך ממשיכות במסלולים שנחזו,
06:33
you don't pay as much attention to those packets.
138
381894
1767
אתה לא מפנה יותר מדי תשומת לב לאותות המידע.
06:35
You prioritize the one guy
139
383661
1703
אתה מתעדף את הבחור
06:37
who seems to be going a little off course.
140
385364
1333
שנראה לך שסוטה קצת מהמסלול.
06:38
That guy could be a problem.
141
386697
2526
הבחור יכול להוות בעיה.
06:41
And you can predict the new trajectory.
142
389223
3002
ואתה יכול לחזות את המסלול החדש.
06:44
So you don't only know that he's going off course, you know how.
143
392225
2763
אז אתה יודע לא רק שהוא סוטה מהמסלול, אתה יודע כיצד.
06:46
And you know which drivers you need to alert to get out of the way.
144
394988
3725
ואתה יודע אילו נהגים אתה צריך להזהיר לזוז מהדרך.
06:50
And we wanted to do -- how can we best alert everyone?
145
398713
2633
ואנחנו רצינו לעשות - איך אפשר להזהיר את כולם?
06:53
How can these cars whisper, "You need to get out of the way?"
146
401346
3183
איך המכוניות האלה לוחשות, "אתה צריך לזוז מהדרך?"
06:56
Well, it depends on two things:
147
404529
1517
ובכן, זה תלוי בשני דברים:
06:58
one, the ability of the car,
148
406046
2169
אחד, היכולת של המכונית,
07:00
and second the ability of the driver.
149
408215
3217
והשני, היכולת של הנהג.
07:03
If one guy has a really great car,
150
411432
1505
אם לנהג אחד יש מכונית באמת נפלאה,
07:04
but they're on their phone or, you know, doing something,
151
412937
2925
אבל הוא מדבר בטלפון או, אתם יודעים, עושה משהו,
07:07
they're not probably in the best position
152
415862
1930
הוא לא באמת בעמדה הטובה ביותר
07:09
to react in an emergency.
153
417792
2970
להגיב במקרה חירום.
07:12
So we started a separate line of research
154
420762
1665
אז התחלנו קו נפרד של מחקר
07:14
doing driver state modeling.
155
422427
2551
לביצוע מידול של מצב הנהג.
07:16
And now, using a series of three cameras,
156
424978
2329
וכעת, תוך שימוש בסדרה של שלוש מצלמות,
07:19
we can detect if a driver is looking forward,
157
427307
2270
אנחנו יכולים לזהות אם נהג מסתכל קדימה,
07:21
looking away, looking down, on the phone,
158
429577
2860
מסתכל החוצה, הצידה, על הטלפון,
07:24
or having a cup of coffee.
159
432437
3061
או שותה כוס קפה.
07:27
We can predict the accident
160
435498
2070
אנחנו יכולים לחזות את התאונה.
07:29
and we can predict who, which cars,
161
437568
3651
ואנחנו יכולים לחזות מי, אילו מכוניות,
07:33
are in the best position to move out of the way
162
441219
3486
נמצאות בעמדה הטובה ביותר לזוז מהדרך
07:36
to calculate the safest route for everyone.
163
444705
3009
לחשב את הנתיב הבטוח ביותר עבור כולם.
07:39
Fundamentally, these technologies exist today.
164
447714
4635
באופן עקרוני, הטכנולוגיות הללו קיימות כיום.
07:44
I think the biggest problem that we face
165
452349
2824
אני חושבת שהבעיה הגדולה ביותר שאנו מתמודדים איתה
07:47
is our own willingness to share our data.
166
455173
3013
הוא הרצון לשתף את המידע שלנו.
07:50
I think it's a very disconcerting notion,
167
458186
2631
אני חושבת שזה רעיון מאוד מביך,
07:52
this idea that our cars will be watching us,
168
460817
2386
הרעיון שמכוניות אחרות תוכלנה לעקוב אחרינו,
07:55
talking about us to other cars,
169
463203
3371
ולדבר עלינו עם מכוניות אחרות.
07:58
that we'll be going down the road in a sea of gossip.
170
466574
3427
שניסע בכביש בים של רכילות.
08:02
But I believe it can be done in a way that protects our privacy,
171
470001
3897
אבל אני מאמינה שזה יכול להיעשות בדרך שתשמור על הפרטיות שלנו,
08:05
just like right now, when I look at your car from the outside,
172
473898
3741
ממש כמו עכשיו, כשאני מסתכלת על המכונית שלך מבחוץ,
08:09
I don't really know about you.
173
477639
2363
אני לא באמת יודעת עליך.
08:12
If I look at your license plate number,
174
480002
1137
אם אני מסתכלת על לוחית הרישוי שלך,
08:13
I don't really know who you are.
175
481139
1886
אני לא באמת יודעת מי אתה.
08:15
I believe our cars can talk about us behind our backs.
176
483025
4249
אני מאמינה שהמכוניות שלנו יכולות לדבר עלינו מאחורי הגב.
08:19
(Laughter)
177
487274
2975
(צחוק)
08:22
And I think it's going to be a great thing.
178
490249
3185
ואני חושב שזה הולך להיות דבר גדול.
08:25
I want you to consider for a moment
179
493434
1650
אני רוצה שתשקלו לרגע
08:27
if you really don't want the distracted teenager behind you
180
495084
4118
אם אתם ממש לא רוצים שבן הנוער מוסח הדעת מאחוריכם
08:31
to know that you're braking,
181
499202
2120
ידע שאתה בולמים,
08:33
that you're coming to a dead stop.
182
501322
2924
שאתם עומדים לבצע עצירה פתאומית.
08:36
By sharing our data willingly,
183
504246
2741
על ידי שיתוף המידע שלנו מרצון טוב,
08:38
we can do what's best for everyone.
184
506987
2812
אנחנו יכולים לעשות מה שטוב לכולם.
08:41
So let your car gossip about you.
185
509799
3076
אז תן לרכב שלך לרכל עליך.
08:44
It's going to make the roads a lot safer.
186
512875
3038
זה עומד להפוך את הכבישים לבטוחים יותר.
08:47
Thank you.
187
515913
1791
תודה.
08:49
(Applause)
188
517704
4985
(מחיאות כפיים)
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