TED2013
Mary Lou Jepsen: Could future devices read images from our brains?
Mary Lou Jepsen: Beleláthatnak-e a jövőben az eszközök az agyunkba?
Filmed:
Readability: 4.6
1,035,856 views
Mary Lou Jepsen, a modern digitális kijelzők szakértője azt vizsgálja, hogyan lehet képernyőn megjeleníteni legkreatívabb ötleteinket. Mint agyműtéten átesett beteg, fűti a kíváncsiság, hogy minél többet megtudjon az idegrendszeri tevékenységről, amely az új találmányok, a kreativitás és a gondolatok hátterében húzódik. Ezt a két szenvedélyét ötvözi ebben a lenyűgöző előadásban két olyan agykutatási projektről, amelyek új megvilágításba helyezhetik azt, hogy hogyan (és miről) gondolkodunk.
Mary Lou Jepsen - Inventor, entrepreneur, optical physicist
Mary Lou Jepsen pushes the edges of what's possible in optics and physics, to make new types of devices, leading teams and working with huge factories that can ship vast volumes of these strange, new things. Full bio
Mary Lou Jepsen pushes the edges of what's possible in optics and physics, to make new types of devices, leading teams and working with huge factories that can ship vast volumes of these strange, new things. Full bio
Double-click the English transcript below to play the video.
00:12
I had brain surgery 18 years ago,
0
607
2508
18 évvel ezelőtt agyműtétem volt,
00:15
and since that time, brain science has become
1
3115
2567
és azóta az agykutatás
00:17
a personal passion of mine.
2
5682
1999
a szenvedélyemmé vált.
00:19
I'm actually an engineer.
3
7681
2235
Valójában mérnök vagyok.
00:21
And first let me say, I recently joined
4
9916
2516
Először is hadd említsem meg,
hogy nemrégiben csatlakoztam
00:24
Google's Moonshot group,
5
12432
1549
a Google Moonshot nevű csoportjához,
00:25
where I had a division,
6
13981
1212
ahol kaptam egy saját részleget,
a Google X kijelzőfejlesztő részlegét.
a Google X kijelzőfejlesztő részlegét.
00:27
the display division in Google X,
7
15193
2181
00:29
and the brain science work I'm speaking about today
8
17374
2622
Az aggyal kapcsolatos kutatással,
amelyről ma beszélek,
amelyről ma beszélek,
00:31
is work I did before I joined Google
9
19996
2921
a Google-től függetlenül foglalkoztam,
00:34
and on the side outside of Google.
10
22917
2332
még azelőtt, hogy csatlakoztam hozzájuk.
00:37
So that said, there's a stigma
11
25249
3183
Akkor folytassuk.
Az agyműtétek
00:40
when you have brain surgery.
12
28432
2285
mindig együtt járnak
egyfajta megbélyegzéssel.
egyfajta megbélyegzéssel.
00:42
Are you still smart or not?
13
30717
2823
Vajon okos maradsz-e utána is, vagy nem?
És ha nem,
00:45
And if not, can you make yourself smart again?
14
33540
3848
vajon újra okossá
tudod-e tenni magad valahogy?
tudod-e tenni magad valahogy?
00:49
After my neurosurgery,
15
37388
1766
Az agyműtétem következtében
00:51
part of my brain was missing,
16
39154
1997
az agyam egy részét eltávolították,
00:53
and I had to deal with that.
17
41151
2773
és ezzel meg kellett tanulnom együtt élni.
00:55
It wasn't the grey matter, but it
was the gooey part dead center
was the gooey part dead center
18
43924
2944
Nem a szürkeállomány volt az,
hanem az a nyúlós halott központi rész,
00:58
that makes key hormones and neurotransmitters.
19
46868
3402
amely kulcsfontosságú hormonokat
és neurotranszmittereket állít elő.
és neurotranszmittereket állít elő.
01:02
Immediately after my surgery,
20
50270
2231
A műtétem után rögtön
01:04
I had to decide what amounts of each of over
21
52501
2143
döntenem kellett arról,
hogy mekkora adagokat is
hogy mekkora adagokat is
01:06
a dozen powerful chemicals to take each day,
22
54644
3702
akarok szedni többtucatnyi
erős vegyszerből nap mint nap,
erős vegyszerből nap mint nap,
mert ha nem szednék semmit,
01:10
because if I just took nothing,
23
58346
1809
01:12
I would die within hours.
24
60155
2732
akkor néhány órán belül meghalnék.
01:14
Every day now for 18 years -- every single day --
25
62887
3920
18 éve minden nap, minden egyes nap,
meg kell próbálnom eltalálni a különböző
01:18
I've had to try to decide the combinations
26
66807
2710
01:21
and mixtures of chemicals,
27
69517
1328
gyógyszerek kombinációját
és keverékét ahhoz,
és keverékét ahhoz,
01:22
and try to get them, to stay alive.
28
70845
3847
hogy életben maradjak.
Többször előfordult már,
hogy csak egy hajszálon múlott a dolog.
hogy csak egy hajszálon múlott a dolog.
01:26
There have been several close calls.
29
74692
2721
01:29
But luckily, I'm an experimentalist at heart,
30
77413
3699
De mivel szerencsére a szívem mélyén
igazi kísérletező vagyok,
igazi kísérletező vagyok,
01:33
so I decided I would experiment
31
81112
3227
eldöntöttem, hogy megpróbálok
kikísérletezni
kikísérletezni
egy optimálisabb dózist, ugyanis
01:36
to try to find more optimal dosages
32
84339
2440
01:38
because there really isn't a clear road map
33
86779
1637
tényleg nincs semmilyen egyértelmű
01:40
on this that's detailed.
34
88416
1903
és részletes útmutatás, amit követhetnék.
01:42
I began to try different mixtures,
35
90319
2151
Elkezdtem különböző keverékeket kipróbálni,
01:44
and I was blown away by how
36
92470
2872
és teljesen megdöbbentett,
hogy a dózis egészen apró változtatásai
01:47
tiny changes in dosages
37
95342
2411
mennyire drámaian megváltoztatták azt,
ahogyan saját magamról vélekedtem,
ahogyan saját magamról vélekedtem,
01:49
dramatically changed my sense of self,
38
97753
3149
01:52
my sense of who I was, my thinking,
39
100902
1811
a személyemről, a gondolkodásomról,
01:54
my behavior towards people.
40
102713
2259
az emberekkel szembeni viselkedésemről.
01:56
One particularly dramatic case:
41
104972
2049
Különösen drámai eset volt, amikor néhány hónapig
01:59
for a couple months I actually tried dosages
42
107021
1868
olyan dózisokat és vegyszereket
02:00
and chemicals typical of a man in his early 20s,
43
108889
3908
próbáltam ki, amelyek többnyire
a 20-as éveik elején járó férfiakra jellemzőek.
a 20-as éveik elején járó férfiakra jellemzőek.
02:04
and I was blown away by how my thoughts changed.
44
112797
3011
Teljesen ledöbbentem attól,
hogy mennyire megváltoztak a gondolataim.
hogy mennyire megváltoztak a gondolataim.
02:07
(Laughter)
45
115808
3120
(Nevetés)
02:10
I was angry all the time,
46
118928
3058
Folyton dühös voltam,
02:13
I thought about sex constantly,
47
121986
1846
megállás nélkül a szexen járt az eszem,
02:15
and I thought I was the smartest person
48
123832
2949
és azt gondoltam, hogy én vagyok
a világ legokosabb embere és...
02:18
in the entire world, and
49
126781
2051
02:20
—(Laughter)—
50
128832
2263
(Nevetés)
02:23
of course over the years I'd
met guys kind of like that,
met guys kind of like that,
51
131095
2925
természetesen az évek során
találkoztam ilyen férfiakkal,
találkoztam ilyen férfiakkal,
02:26
or maybe kind of toned-down versions of that.
52
134020
2267
vagy legalábbis hasonlóakkal.
Én is elég extrém eset voltam.
02:28
I was kind of extreme.
53
136287
2184
02:30
But to me, the surprise was,
54
138471
2569
De számomra az igazi meglepetés az volt,
02:33
I wasn't trying to be arrogant.
55
141040
2166
hogy egyáltalán nem próbáltam arrogáns lenni.
02:35
I was actually trying,
56
143206
3209
Valójában azon voltam,
02:38
with a little bit of insecurity,
57
146415
2360
hogy kissé bizonytalanul ugyan,
02:40
to actually fix a problem in front of me,
58
148775
3000
de megoldást találjak
egy velem szemben álló problémára,
egy velem szemben álló problémára,
02:43
and it just didn't come out that way.
59
151775
1856
ám valamiért mégsem így jött át.
02:45
So I couldn't handle it.
60
153631
1483
Lényeg, hogy nem tudtam kezelni,
02:47
I changed my dosages.
61
155114
1525
így változtattam az adagoláson.
02:48
But that experience, I think, gave me
62
156639
2455
Ám úgy hiszem,
hogy ennek a tapasztalatnak köszönhetően
hogy ennek a tapasztalatnak köszönhetően
02:51
a new appreciation for men
63
159094
1751
más szemmel látom a férfiakat
02:52
and what they might walk through,
64
160845
1816
és mindazt, amin keresztülmennek,
02:54
and I've gotten along with men
65
162661
1690
ráadásul azóta sokkal jobban
02:56
a lot better since then.
66
164351
1839
kijövök velük.
02:58
What I was trying to do
67
166190
1545
Azért kísérleteztem ennyit
02:59
with tuning these hormones
68
167735
2028
a hormonjaim, neurotranszmittereim
és társaik beállításával,
és társaik beállításával,
03:01
and neurotransmitters and so forth
69
169763
2323
03:04
was to try to get my intelligence back
70
172086
3605
hogy visszakaphassam az intelligenciámat
03:07
after my illness and surgery,
71
175691
2634
a betegségem és a műtétem után;
03:10
my creative thought, my idea flow.
72
178325
2635
a kreatív gondolataimat, az ötleteimet.
03:12
And I think mostly in images,
73
180960
2641
És mivel én többnyire képekben gondolkodom,
03:15
and so for me that became a key metric --
74
183601
2852
kulcsfontosságúvá vált számomra,
hogy hogyan tudnám megérteni
03:18
how to get these mental images
75
186453
2330
ezeket a mentális képeket, amelyeket
03:20
that I use as a way of rapid prototyping,
76
188783
2504
a prototípusok gyors megalkotásához használok,
03:23
if you will, my ideas,
77
191287
1743
ha úgy tetszik, az ötleteimet,
03:25
trying on different new ideas for size,
78
193030
2372
amelyekkel új ötleteket tesztelek és
lehetséges forgatókönyveket pörgetek végig.
03:27
playing out scenarios.
79
195402
1695
03:29
This kind of thinking isn't new.
80
197097
1913
Ez a fajta gondolkodás nem új.
03:31
Philiosophers like Hume and Descartes and Hobbes
81
199010
3255
Filozófusok, mint például
Hume, Descartes és Hobbes
03:34
saw things similarly.
82
202265
1528
hasonlóan látták a dolgokat.
03:35
They thought that mental images and ideas
83
203793
2737
Ők úgy gondolták,
hogy a mentális képek és az ötletek
hogy a mentális képek és az ötletek
03:38
were actually the same thing.
84
206530
2331
valójában ugyanazt jelentik.
03:40
There are those today that dispute that,
85
208861
2417
Manapság vannak, akik ezt vitatják,
03:43
and lots of debates about how the mind works,
86
211278
3195
és számos vita folyik arról,
hogyan is működik az elménk,
hogyan is működik az elménk,
03:46
but for me it's simple:
87
214473
1736
de számomra ez egyszerű:
03:48
Mental images, for most of us,
88
216209
2532
a mentális képek a legtöbbünk számára
03:50
are central in inventive and creative thinking.
89
218741
3934
központi részét képezik
az innovatív és kreatív gondolkodásnak.
az innovatív és kreatív gondolkodásnak.
03:54
So after several years,
90
222675
1775
Sok év elteltével tehát
03:56
I tuned myself up and I have lots of great,
91
224450
3233
sikerült beállítani a gyógyszerezést,
és rengeteg nagyszerű,
és rengeteg nagyszerű,
03:59
really vivid mental images with a lot of sophistication
92
227683
3048
szofisztikált mentális kép kering a fejemben
04:02
and the analytical backbone behind them.
93
230731
2269
a szükséges analitikus háttérrel együtt,
04:05
And so now I'm working on,
94
233000
1921
ezért aztán most azon dolgozom,
04:06
how can I get these mental images in my mind
95
234921
4162
hogyan tudnám ezeket a
mentális képeket az elmémből
mentális képeket az elmémből
04:11
out to my computer screen faster?
96
239083
2850
a számítógépem képernyőjére varázsolni.
04:13
Can you imagine, if you will,
97
241933
2089
El tudjátok képzelni, teszem azt,
04:16
a movie director being able to use
98
244022
2120
hogy egy filmrendező képes legyen mindössze
04:18
her imagination alone to
direct the world in front of her?
direct the world in front of her?
99
246142
3762
a képzeletével megteremteni
a lelki szemei előtt lebegő világot a valóságban is?
a lelki szemei előtt lebegő világot a valóságban is?
04:21
Or a musician to get the music out of his head?
100
249904
3588
Vagy, hogy egy zenész „ki tudja szedni”
a fejéből a zenét?
a fejéből a zenét?
04:25
There are incredible possibilities with this
101
253492
2292
Mindez hihetetlen lehetőségeket jelentene
04:27
as a way for creative people
102
255784
1993
a kreatív emberek számára,
04:29
to share at light speed.
103
257777
2233
hogy villámsebesen meg tudják osztani ötleteiket.
04:32
And the truth is, the remaining bottleneck
104
260010
1998
Az igazság az, hogy az egyetlen,
04:34
in being able to do this
105
262008
1173
ami ettől elválaszt,
04:35
is just upping the resolution of brain scan systems.
106
263181
3980
az az agyi képalkotó eljárások
felbontásának javítása.
felbontásának javítása.
04:39
So let me show you why I think
we're pretty close to getting there
we're pretty close to getting there
107
267161
2858
Engedjétek meg, hogy megmutassam,
miért gondolom úgy,
miért gondolom úgy,
04:42
by sharing with you two recent experiments
108
270029
2387
hogy hamarosan eljutunk idáig
két vezető neurológuscsoport
04:44
from two top neuroscience groups.
109
272416
2587
két közelmúltbeli kísérletének bemutatásával.
04:47
Both used fMRI technology --
110
275003
2488
Mindketten az fMRI-technológiát, vagyis
04:49
functional magnetic resonance imaging technology --
111
277491
2279
a funkcionális mágneses rezonanciavizsgálatot
04:51
to image the brain,
112
279770
1411
alkalmazták arra, hogy leképezzék az agyat.
04:53
and here is a brain scan set from Giorgio Ganis
113
281181
3257
Itt egy felvétel Giorgio Ganistól
04:56
and his colleagues at Harvard.
114
284438
1950
és kollégáitól Harvardból.
04:58
And the left-hand column shows a brain scan
115
286388
3154
A baloldali oszlop egy olyan ember agyáról készült,
05:01
of a person looking at an image.
116
289542
3267
aki épp egy képet néz.
05:04
The middle column shows the brainscan
117
292809
1929
A középső oszlop ugyanannak az egyénnek
az agyáról készült,
az agyáról készült,
05:06
of that same individual
118
294738
1621
miközben elképzelte,
gondolatban felidézte ugyanazt a képet.
gondolatban felidézte ugyanazt a képet.
05:08
imagining, seeing that same image.
119
296359
3066
05:11
And the right column was created
120
299425
2048
A jobboldali oszlop pedig úgy keletkezett,
05:13
by subtracting the middle
column from the left column,
column from the left column,
121
301473
3594
hogy a bal oszlopból kivontuk a középsőt,
ami azt mutatja,
ami azt mutatja,
05:17
showing the difference to be nearly zero.
122
305083
2943
hogy a kettő közti különbség gyakorlatilag nulla.
05:20
This was repeated on lots of different individuals
123
308026
2894
Ezt temérdek különböző emberrel megismételték,
05:22
with lots of different images,
124
310920
2830
temérdek különböző képpel,
05:25
always with a similar result.
125
313750
1604
ám mindig hasonló eredménnyel.
05:27
The difference between seeing an image
126
315354
2089
Aközött, hogy látunk egy képet és,
05:29
and imagining seeing that same image
127
317443
2455
hogy elképzeljük, amint azt a képet nézzük,
05:31
is next to nothing.
128
319898
2155
gyakorlatilag semmi különbség nincs.
05:34
Next let me share with you one other experiment,
129
322053
2761
Most pedig engedjétek meg,
hogy megosszak veletek egy másik kísérletet,
05:36
this from Jack Gallant's lab at Cal Berkeley.
130
324814
4541
melyet Jack Gallant laboratóriumában
végeztek el a Berkeley-n.
végeztek el a Berkeley-n.
05:41
They've been able to decode brainwaves
131
329355
2063
Sikerült az agyhullámokat
05:43
into recognizable visual fields.
132
331418
2441
felismerhető vizuális mezőkké alakítaniuk.
05:45
So let me set this up for you.
133
333859
1305
Hadd vázoljam fel nektek, hogyan.
05:47
In this experiment, individuals were shown
134
335164
2333
Ebben a kísérletben a résztvevőkkel
több száz órányi YouTube videót
nézettek végig,
nézettek végig,
05:49
hundreds of hours of YouTube videos
135
337497
1995
05:51
while scans were made of their brains
136
339492
2039
miközben felvételeket készítettek az agyukról,
05:53
to create a large library of their brain reacting
137
341531
3216
hogy összegyűjthessenek
egy hatalmas könyvtárat arról,
egy hatalmas könyvtárat arról,
05:56
to video sequences.
138
344747
2649
ahogyan az agyuk a videofelvételekre reagál.
05:59
Then a new movie was shown with new images,
139
347396
2850
Ezután egy újabb film következett, új képekkel,
06:02
new people, new animals in it,
140
350246
1952
új emberekkel és új állatokkal,
06:04
and a new scan set was recorded.
141
352198
2711
és újabb felvételeket készítettek.
A számítógép kizárólag
06:06
The computer, using brain scan data alone,
142
354909
2788
az agyszkennerrel készített felvételek adatainak
felhasználásával megfejtette,
felhasználásával megfejtette,
06:09
decoded that new brain scan
143
357697
2024
06:11
to show what it thought the
individual was actually seeing.
individual was actually seeing.
144
359721
4376
hogy szerinte az új felvétel alapján
a kísérleti személy mit láthatott.
a kísérleti személy mit láthatott.
06:16
On the right-hand side, you
see the computer's guess,
see the computer's guess,
145
364097
3381
Jobboldalon azt láthatjátok,
hogy mit tippelt a számítógép,
hogy mit tippelt a számítógép,
06:19
and on the left-hand side, the presented clip.
146
367478
4007
baloldalon pedig a tényleges videót.
06:23
This is the jaw-dropper.
147
371485
2319
Na, ez valóban lélegzetelállító.
06:25
We are so close to being able to do this.
148
373804
2687
Annyira közel vagyunk ahhoz,
hogy ezt megvalósítjuk!
hogy ezt megvalósítjuk!
06:28
We just need to up the resolution.
149
376491
2785
Csak javítanunk kell a felbontáson.
06:31
And now remember that when you see an image
150
379276
3252
Mostantól jusson eszetekbe,
hogy amikor láttok egy képet,
hogy amikor láttok egy képet,
06:34
versus when you imagine that same image,
151
382528
2158
és amikor felidézitek ugyanazt a képet,
06:36
it creates the same brain scan.
152
384686
3475
ugyanaz játszódik le az agyatokban.
06:40
So this was done with the highest-resolution
153
388161
2722
Ezt tehát a manapság létező legnagyobb felbontású
agyszkennerrel végezték,
agyszkennerrel végezték,
06:42
brain scan systems available today,
154
390883
2185
amelynek a felbontása az elmúlt néhány évben
06:45
and their resolution has increased really
155
393068
1784
06:46
about a thousandfold in the last several years.
156
394852
3497
kb. az 1000-szeresére nőtt.
06:50
Next we need to increase the resolution
157
398349
2322
Következő lépésként még egyszer ennyivel kell
06:52
another thousandfold
158
400671
1977
javítanunk a felbontáson ahhoz,
hogy mélyebben beleláthassunk a folyamatba.
06:54
to get a deeper glimpse.
159
402648
1789
06:56
How do we do that?
160
404437
1511
Hogyan érhetjük ezt el?
06:57
There's a lot of techniques in this approach.
161
405948
2614
Erre több módszer is van.
Az egyik, hogy felnyitjuk a koponyát
és elektródákat helyezünk el benne.
és elektródákat helyezünk el benne.
07:00
One way is to crack open your
skull and put in electrodes.
skull and put in electrodes.
162
408562
3118
Ezért nem rajongok túlzottan.
07:03
I'm not for that.
163
411680
1403
Nagyon sok javaslat áll rendelkezésünkre
07:05
There's a lot of new imaging techniques
164
413083
2955
új leképezési technikákra vonatkozóan,
07:08
being proposed, some even by me,
165
416038
2003
némelyik pont éntőlem,
07:10
but given the recent success of MRI,
166
418041
2959
de az fMRI legutóbbi sikere kapcsán
07:13
first we need to ask the question,
167
421000
2068
felmerül a kérdés, hogy vajon
07:15
is it the end of the road with this technology?
168
423068
2841
elértük-e ennek a technológiának
a legvégső határát?
a legvégső határát?
07:17
Conventional wisdom says the only way
169
425909
2455
Az általános vélekedés szerint
nagyobb felbontást csak
07:20
to get higher resolution is with bigger magnets,
170
428364
2589
nagyobb mágnesekkel érhetünk el,
07:22
but at this point bigger magnets
171
430953
1842
ám ezen a ponton a nagyobb mágnesek is
07:24
only offer incremental resolution improvements,
172
432795
3750
csak jelentéktelen javulást eredményeznek,
07:28
not the thousandfold we need.
173
436545
2160
nem a számunkra szükséges ezerszereset.
07:30
I'm putting forward an idea:
174
438705
1823
Javaslok valamit:
07:32
instead of bigger magnets,
175
440528
1963
nagyobb mágnesek helyett
07:34
let's make better magnets.
176
442491
2450
csináljunk jobbakat.
A nanotechnológia újabb tudományos áttörései
a mágneses struktúrák terén
a mágneses struktúrák terén
07:36
There's some new technology breakthroughs
177
444941
2003
07:38
in nanoscience
178
446944
1457
07:40
when applied to magnetic structures
179
448401
1727
07:42
that have created a whole new class of magnets,
180
450128
3013
a mágnesek egy egészen új csoportját hozták létre,
07:45
and with these magnets, we can lay down
181
453141
2531
és ezekkel már nagyon finom részletekbe menő
mágneses mintázatokat
határozhatunk meg az agyban.
határozhatunk meg az agyban.
07:47
very fine detailed magnetic field patterns
182
455672
2167
07:49
throughout the brain,
183
457839
1355
Ezek segítségével létrehozhatunk
07:51
and using those, we can actually create
184
459194
3182
hologramhoz hasonló interferencia-struktúrákat,
07:54
holographic-like interference structures
185
462376
2838
07:57
to get precision control over many patterns,
186
465214
3469
amelyekkel precízen irányíthatunk sok mintát,
mint ahogy láthatjátok ezt azon keresztül is,
ahogy itt mozgatjuk a dolgokat.
ahogy itt mozgatjuk a dolgokat.
08:00
as is shown here by shifting things.
187
468683
2445
08:03
We can create much more complicated structures
188
471128
3150
Sokkal bonyolultabb struktúrákat hozhatunk létre
08:06
with slightly different arrangements,
189
474278
2071
alig eltérő beállításokkal,
08:08
kind of like making Spirograph.
190
476349
3033
mintha csak spirográfot készítenénk.
08:11
So why does that matter?
191
479382
2228
Szóval miért is fontos ez?
08:13
A lot of effort in MRI over the years
192
481610
2577
Az évek folyamán rengeteg energia ment el arra
az MRI fejlesztése során,
az MRI fejlesztése során,
08:16
has gone into making really big,
193
484187
2837
hogy hatalmas mágneseket gyártsunk, igaz?
08:19
really huge magnets, right?
194
487024
2610
Mégis, a felbontás közelmúltbeli javulása
08:21
But yet most of the recent advances
195
489634
2509
08:24
in resolution have actually come from
196
492143
2197
valójában nagyrészt az MRI rendszerek
08:26
ingeniously clever encoding and decoding solutions
197
494340
4008
FM rádióhullám-transzmittereinek és -vevőinek
08:30
in the F.M. radio frequency transmitters and receivers
198
498348
3287
zseniálisan ötletes kódolási és kódfejtési megoldásaiból fakad.
08:33
in the MRI systems.
199
501635
2691
Az uniformizált mágneses mező helyett
08:36
Let's also, instead of a uniform magnetic field,
200
504326
3322
08:39
put down structured magnetic patterns
201
507648
2672
illesszünk strukturált mágneses mintákat
08:42
in addition to the F.M. radio frequencies.
202
510320
3099
az FM rádióhullámok mellé.
Így, ha kombináljuk a mágneses és
08:45
So by combining the magnetics patterns
203
513419
2307
08:47
with the patterns in the F.M. radio frequencies
204
515726
2710
az FM rádióhullámok mintáit,
08:50
processing which can massively increase
205
518436
2171
jelentősen megnövelhetjük
08:52
the information that we can extract
206
520607
1969
azt az információmennyiséget,
08:54
in a single scan.
207
522576
2446
amit egy egyszerű felvételből leszűrhetünk.
08:57
And on top of that, we can then layer
208
525022
2332
Képesek lehetünk arra is, hogy rendszerezzük
08:59
our ever-growing knowledge
of brain structure and memory
of brain structure and memory
209
527354
4472
az agy struktúrájára és a memóriára vonatkozó egyre növekvő tudásunkat,
09:03
to create a thousandfold increase that we need.
210
531826
3695
ezáltal megteremtve a szükséges ezerszeres javulást.
Ráadásul az fMRI használatával
arra is képesek lehetünk,
arra is képesek lehetünk,
09:07
And using fMRI, we should be able to measure
211
535521
2943
hogy az oxigéndús vér áramlása mellett
09:10
not just oxygenated blood flow,
212
538464
2082
azokat a hormonokat és neurotranszmittereket is mérjük,
09:12
but the hormones and neurotransmitters
I've talked about
I've talked about
213
540546
2901
amelyekről korábban beszéltem,
09:15
and maybe even the direct neural activity,
214
543447
2345
és talán közvetlenül az agyi aktivitást is,
09:17
which is the dream.
215
545792
1503
ami az igazi álom.
09:19
We're going to be able to dump our ideas
216
547295
2234
Képesek leszünk arra, hogy az ötleteinket
09:21
directly to digital media.
217
549529
2694
közvetlenül a digitális médián keresztül is
kifejezzük.
kifejezzük.
09:24
Could you imagine if we could leapfrog language
218
552223
2711
El tudjátok képzelni, hogy a nyelv megkerülésével
09:26
and communicate directly with human thought?
219
554934
4209
közvetlenül az emberi gondolattal kommunikáljunk?
09:31
What would we be capable of then?
220
559143
3193
Mire lennénk így képesek?
09:34
And how will we learn to deal
221
562336
2637
És hogyan fogjuk megtanulni kezelni
09:36
with the truths of unfiltered human thought?
222
564973
4219
a cenzúrázatlan emberi gondolatokat?
09:41
You think the Internet was big.
223
569192
2567
Azt hiszitek, az internet nagy durranás volt.
09:43
These are huge questions.
224
571759
2602
Ezek hatalmas kérdések.
Talán ellenállhatatlan eszközévé válik majd
09:46
It might be irresistible as a tool
225
574361
2148
09:48
to amplify our thinking and communication skills.
226
576509
3876
gondolkodásunk és kommunikációs készségünk
kiszélesítésének is.
kiszélesítésének is.
09:52
And indeed, this very same tool
227
580385
2023
És valójában ugyanez az eszköz
09:54
may prove to lead to the cure
228
582408
2126
vezethet majd el minket
az Alzheimer-kór és más hasonló betegségek
gyógymódjaihoz is.
gyógymódjaihoz is.
09:56
for Alzheimer's and similar diseases.
229
584534
3074
09:59
We have little option but to open this door.
230
587608
3512
Nincs nagyon más választásunk,
minthogy kinyissuk ezt az ajtót.
Mindegy mikor, válasszatok egy évet:
10:03
Regardless, pick a year --
231
591120
1585
10:04
will it happen in five years or 15 years?
232
592705
2266
5 év múlva valósul-e meg, vagy 15?
10:06
It's hard to imagine it taking much longer.
233
594971
4616
Nehéz elképzelni,
hogy sokkal több idő kelljen hozzá.
hogy sokkal több idő kelljen hozzá.
10:11
We need to learn how to take this step together.
234
599587
3695
Meg kell tanulnunk, hogyan tehetjük meg
ezt a lépést együtt.
ezt a lépést együtt.
10:15
Thank you.
235
603282
2174
Köszönöm.
(Taps)
10:17
(Applause)
236
605456
3974
ABOUT THE SPEAKER
Mary Lou Jepsen - Inventor, entrepreneur, optical physicistMary Lou Jepsen pushes the edges of what's possible in optics and physics, to make new types of devices, leading teams and working with huge factories that can ship vast volumes of these strange, new things.
Why you should listen
Mary Lou Jepsen is one of the world’s foremost engineers and scientists in optics, imaging and display -- inventing at the hairy, crazy edge of what physics allows, aiming to do what seems impossible and leading teams to achieve these in volume in partnership with the world’s largest manufacturers, in Asia. She has more than 200 patents published or issued.
Jepsen is the founder and CEO of Openwater, which aims to use new optics to see inside our bodies. Previously a top technical exec at Google, Facebook, Oculus and Intel, her startups include One Laptop Per Child, where she was CTO and chief architect on the $100 laptop. She studied at Brown, MIT and Rhode Island School of Design, and she was a professor at both MITs -- the one in Cambridge, Mass., and the Royal Melbourne Institute of Tech in Australia.
Mary Lou Jepsen | Speaker | TED.com