TEDGlobal 2010
Tan Le: A headset that reads your brainwaves
Tan Le: een koptelefoon die je hersengolven leest
Filmed:
Readability: 5
2,732,929 views
Tan Le's verbazingwekkende nieuwe computerinterface leest de hersengolven van de gebruiker. Dit maakt het mogelijk om virtuele voorwerpen en zelfs elektronische apparaten te controleren, enkel door te denken (mits een beetje concentratie). Ze demonstreert de koptelefoon en heeft het over de uitgebreide toepassingsmogelijkheden.
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
Tot vandaag is onze communicatie met machines
00:18
has always been limited
1
3000
2000
altijd beperkt geweest
00:20
to conscious and direct forms.
2
5000
2000
tot bewuste en directe vormen.
00:22
Whether it's something simple
3
7000
2000
Of het nu iets eenvoudigs was,
00:24
like turning on the lights with a switch,
4
9000
2000
zoals het licht aansteken met een schakelaar,
00:26
or even as complex as programming robotics,
5
11000
3000
of iets ingewikkelds, zoals het programmeren van robots,
00:29
we have always had to give a command to a machine,
6
14000
3000
we moesten altijd een opdracht geven aan een machine,
00:32
or even a series of commands,
7
17000
2000
of zelfs een reeks opdrachten,
00:34
in order for it to do something for us.
8
19000
3000
om haar iets voor ons te laten doen.
00:37
Communication between people, on the other hand,
9
22000
2000
Van de andere kant is communicatie tussen mensen
00:39
is far more complex and a lot more interesting
10
24000
3000
veel ingewikkelder en interessanter,
00:42
because we take into account
11
27000
2000
omdat we met zoveel meer rekening houden,
00:44
so much more than what is explicitly expressed.
12
29000
3000
dan wat expliciet uitgedrukt is.
00:47
We observe facial expressions, body language,
13
32000
3000
We observeren gezichtsuitdrukkingen, lichaamstaal,
00:50
and we can intuit feelings and emotions
14
35000
2000
en we kunnen gevoelens en emoties afleiden
00:52
from our dialogue with one another.
15
37000
3000
uit onze dialogen met elkaar.
00:55
This actually forms a large part
16
40000
2000
Dit maakt eigenlijk een groot deel
00:57
of our decision-making process.
17
42000
2000
van ons beslissingsproces uit.
00:59
Our vision is to introduce
18
44000
2000
Onze visie bestaat erin
01:01
this whole new realm of human interaction
19
46000
3000
deze nieuwe wereld van menselijke interactie,
01:04
into human-computer interaction
20
49000
2000
te introduceren in de interactie tussen mens en computer,
01:06
so that computers can understand
21
51000
2000
zodat een computer niet alleen kan verstaan
01:08
not only what you direct it to do,
22
53000
2000
waar je hem opdracht toe geeft,
01:10
but it can also respond
23
55000
2000
maar dat hij ook kan reageren
01:12
to your facial expressions
24
57000
2000
op je gezichtsuitdrukkingen
01:14
and emotional experiences.
25
59000
2000
en emotionele ervaringen.
01:16
And what better way to do this
26
61000
2000
Is er een betere manier om dit te doen
01:18
than by interpreting the signals
27
63000
2000
dan door de signalen te interpreteren
01:20
naturally produced by our brain,
28
65000
2000
die voortgebracht worden door ons brein,
01:22
our center for control and experience.
29
67000
3000
ons centrum van controle en ervaringen?
01:25
Well, it sounds like a pretty good idea,
30
70000
2000
Het idee klinkt misschien wel goed,
01:27
but this task, as Bruno mentioned,
31
72000
2000
maar deze opdracht, zoals Bruno al zei,
01:29
isn't an easy one for two main reasons:
32
74000
3000
is niet gemakkelijk, om twee hoofdredenen.
01:32
First, the detection algorithms.
33
77000
3000
Ten eerste, de detectiealgoritmes.
01:35
Our brain is made up of
34
80000
2000
Ons brein bestaat uit
01:37
billions of active neurons,
35
82000
2000
miljarden actieve neuronen,
01:39
around 170,000 km
36
84000
3000
dat is ongeveer 170.000 kilometer
01:42
of combined axon length.
37
87000
2000
aan zenuwbanen.
01:44
When these neurons interact,
38
89000
2000
Wanneer deze neuronen communiceren,
01:46
the chemical reaction emits an electrical impulse,
39
91000
2000
produceert de chemische reactie een elektrische impuls,
01:48
which can be measured.
40
93000
2000
die gemeten kan worden.
01:50
The majority of our functional brain
41
95000
3000
Het merendeel van ons werkende brein
01:53
is distributed over
42
98000
2000
is verdeeld over
01:55
the outer surface layer of the brain,
43
100000
2000
de laag aan het buitenste oppervlak van ons brein.
01:57
and to increase the area that's available for mental capacity,
44
102000
3000
Om de beschikbare plaats voor mentale functies te vergroten,
02:00
the brain surface is highly folded.
45
105000
3000
is het breinoppervlak sterk opgevouwen.
02:03
Now this cortical folding
46
108000
2000
Deze plooiing van de cortex
02:05
presents a significant challenge
47
110000
2000
is een belangrijke horde die genomen moet worden
02:07
for interpreting surface electrical impulses.
48
112000
3000
om elektrische impulsen aan de oppervlakte te interpreteren.
02:10
Each individual's cortex
49
115000
2000
De cortex van elk individu
02:12
is folded differently,
50
117000
2000
is op een andere manier geplooid,
02:14
very much like a fingerprint.
51
119000
2000
vergelijkbaar met een vingerafdruk.
02:16
So even though a signal
52
121000
2000
Dus, ook al komt het signaal
02:18
may come from the same functional part of the brain,
53
123000
3000
van hetzelfde functionele deel van het brein,
02:21
by the time the structure has been folded,
54
126000
2000
wanneer de structuur opgevouwen is,
02:23
its physical location
55
128000
2000
is de uiteindelijke fysieke locatie,
02:25
is very different between individuals,
56
130000
2000
zeer verschillend van persoon tot persoon,
02:27
even identical twins.
57
132000
3000
zelfs tussen identieke tweelingen.
02:30
There is no longer any consistency
58
135000
2000
Er is geen enkel patroon meer
02:32
in the surface signals.
59
137000
2000
in de oppervlaktesignalen.
02:34
Our breakthrough was to create an algorithm
60
139000
2000
Onze doorbraak was het uitzetten van een algoritme
02:36
that unfolds the cortex,
61
141000
2000
dat de cortex uitvouwt
02:38
so that we can map the signals
62
143000
2000
zodat we de signalen dichter bij hun bron
02:40
closer to its source,
63
145000
2000
in kaart kunnen brengen,
02:42
and therefore making it capable of working across a mass population.
64
147000
3000
en daardoor de procedure doen werken op een grote populatie.
02:46
The second challenge
65
151000
2000
De tweede uitdaging
02:48
is the actual device for observing brainwaves.
66
153000
3000
is het eigenlijke apparaat om hersengolven te observeren.
02:51
EEG measurements typically involve
67
156000
2000
Voor EEG-metingen gebruikt men meestal
02:53
a hairnet with an array of sensors,
68
158000
3000
een haarnet met een reeks sensoren,
02:56
like the one that you can see here in the photo.
69
161000
3000
zoals je hier op de foto kunt zien.
02:59
A technician will put the electrodes
70
164000
2000
Een technicus zet dan de elektroden
03:01
onto the scalp
71
166000
2000
op de schedel
03:03
using a conductive gel or paste
72
168000
2000
met een geleidende gel of pasta
03:05
and usually after a procedure of preparing the scalp
73
170000
3000
en meestal nadat de schedel geprepareerd is
03:08
by light abrasion.
74
173000
2000
door er wat haar af te scheren.
03:10
Now this is quite time consuming
75
175000
2000
Dit is een tijdrovend proces,
03:12
and isn't the most comfortable process.
76
177000
2000
en ook niet het meest comfortabele.
03:14
And on top of that, these systems
77
179000
2000
Bovendien kosten deze systemen
03:16
actually cost in the tens of thousands of dollars.
78
181000
3000
tienduizenden dollars.
03:20
So with that, I'd like to invite onstage
79
185000
3000
Hierbij wil ik graag Evan Grant, die hier
03:23
Evan Grant, who is one of last year's speakers,
80
188000
2000
vorig jaar gesproken heeft, op het podium uitnodigen.
03:25
who's kindly agreed
81
190000
2000
Hij heeft er vriendelijk in toegestemd
03:27
to help me to demonstrate
82
192000
2000
mij te helpen demonstreren
03:29
what we've been able to develop.
83
194000
2000
wat we hebben kunnen ontwikkelen.
03:31
(Applause)
84
196000
6000
(Applaus)
03:37
So the device that you see
85
202000
2000
Het apparraat dat je ziet,
03:39
is a 14-channel, high-fidelity
86
204000
2000
is een 14-kanaals, zeer betrouwbaar
03:41
EEG acquisition system.
87
206000
2000
EEG-meetsysteem.
03:43
It doesn't require any scalp preparation,
88
208000
3000
Het vereist geen schedelpreparatie,
03:46
no conductive gel or paste.
89
211000
2000
en ook geen geleidende gel of pasta.
03:48
It only takes a few minutes to put on
90
213000
3000
Het kost slechts enkele minuten om op te zetten
03:51
and for the signals to settle.
91
216000
2000
en om de signalen te laten normaliseren.
03:53
It's also wireless,
92
218000
2000
Het is ook draadloos,
03:55
so it gives you the freedom to move around.
93
220000
3000
dus je kunt er vrij mee rondlopen.
03:58
And compared to the tens of thousands of dollars
94
223000
3000
Vergeleken met de tienduizenden dollars
04:01
for a traditional EEG system,
95
226000
3000
voor een traditioneel EEG-systeem,
04:04
this headset only costs
96
229000
2000
kost deze hoofdtelefoon
04:06
a few hundred dollars.
97
231000
2000
slechts enkele honderden dollars.
04:08
Now on to the detection algorithms.
98
233000
3000
Laat ik het hebben over de detectiealgoritmen.
04:11
So facial expressions --
99
236000
2000
Zoals ik al zei in het gedeelte over
04:13
as I mentioned before in emotional experiences --
100
238000
2000
emotionele ervaringen, zijn gezichtsuitdrukkingen
04:15
are actually designed to work out of the box
101
240000
2000
ontworpen om standaard te werken,
04:17
with some sensitivity adjustments
102
242000
2000
met enkele gevoeligheidsaanpassingen,
04:19
available for personalization.
103
244000
3000
die je naar believen kunt instellen.
04:22
But with the limited time we have available,
104
247000
2000
Maar gezien de beperkte tijd,
04:24
I'd like to show you the cognitive suite,
105
249000
2000
zou ik jullie graag de cognitieve suite tonen.
04:26
which is the ability for you
106
251000
2000
Die geeft je de mogelijkheid
04:28
to basically move virtual objects with your mind.
107
253000
3000
om virtuele objecten te bewegen met je geest.
04:32
Now, Evan is new to this system,
108
257000
2000
Omdat Evan nieuw is voor dit systeem
04:34
so what we have to do first
109
259000
2000
moeten we eerst
04:36
is create a new profile for him.
110
261000
2000
een nieuw profiel voor hem aanmaken.
04:38
He's obviously not Joanne -- so we'll "add user."
111
263000
3000
Hij is duidelijk niet Joanne, dus voegen we een gebruiker toe.
04:41
Evan. Okay.
112
266000
2000
Evan. OK.
04:43
So the first thing we need to do with the cognitive suite
113
268000
3000
Het eerste wat we moeten doen met de cognitieve suite
04:46
is to start with training
114
271000
2000
is een neutraal signaal
04:48
a neutral signal.
115
273000
2000
aanleren.
04:50
With neutral, there's nothing in particular
116
275000
2000
Wat betreft het neutrale signaal, moet
04:52
that Evan needs to do.
117
277000
2000
Evan niets speciaals doen.
04:54
He just hangs out. He's relaxed.
118
279000
2000
Hij is met niets bezig. Hij is ontspannen.
04:56
And the idea is to establish a baseline
119
281000
2000
Het is de bedoeling een referentiestand,
04:58
or normal state for his brain,
120
283000
2000
of normale status voor zijn brein op te stellen,
05:00
because every brain is different.
121
285000
2000
omdat elk brein verschillend is.
05:02
It takes eight seconds to do this,
122
287000
2000
Het duurt acht seconden.
05:04
and now that that's done,
123
289000
2000
Nu dit achter de rug is,
05:06
we can choose a movement-based action.
124
291000
2000
kunnen we een bewegingsactie uitkiezen.
05:08
So Evan, choose something
125
293000
2000
Evan, kies iets dat je je
05:10
that you can visualize clearly in your mind.
126
295000
2000
duidelijk visueel kunt voorstellen.
05:12
Evan Grant: Let's do "pull."
127
297000
2000
Evan Grant: Laten we "trekken" doen.
05:14
Tan Le: Okay, so let's choose "pull."
128
299000
2000
Tan Le: OK, ik kies dus "trekken".
05:16
So the idea here now
129
301000
2000
Het idee hierachter is
05:18
is that Evan needs to
130
303000
2000
dat Evan zich moet voorstellen
05:20
imagine the object coming forward
131
305000
2000
dat het voorwerp vooruit
05:22
into the screen,
132
307000
2000
het scherm ingaat.
05:24
and there's a progress bar that will scroll across the screen
133
309000
3000
Er is een voortgangsbalkje dat langs het scherm zal scrollen
05:27
while he's doing that.
134
312000
2000
terwijl hij dat doet.
05:29
The first time, nothing will happen,
135
314000
2000
De eerste keer zal er niets gebeuren,
05:31
because the system has no idea how he thinks about "pull."
136
316000
3000
omdat het systeem geen idee heeft hoe hij over "trekken" denkt.
05:34
But maintain that thought
137
319000
2000
Hou die gedachte vast
05:36
for the entire duration of the eight seconds.
138
321000
2000
voor de volle acht seconden.
05:38
So: one, two, three, go.
139
323000
3000
Dus: één, twee, drie, start.
05:49
Okay.
140
334000
2000
OK.
05:51
So once we accept this,
141
336000
2000
Zodra we dit accepteren,
05:53
the cube is live.
142
338000
2000
komt de kubus tot leven.
05:55
So let's see if Evan
143
340000
2000
Laten we eens zien of Evan
05:57
can actually try and imagine pulling.
144
342000
3000
kan trekken in zijn fantasie.
06:00
Ah, good job!
145
345000
2000
Ha, bravo!
06:02
(Applause)
146
347000
3000
(Applaus)
06:05
That's really amazing.
147
350000
2000
Dat is echt geweldig.
06:07
(Applause)
148
352000
4000
(Applaus)
06:11
So we have a little bit of time available,
149
356000
2000
We hebben nog wat tijd,
06:13
so I'm going to ask Evan
150
358000
2000
dus ik ga Evan vragen
06:15
to do a really difficult task.
151
360000
2000
om iets heel moeilijks te doen.
06:17
And this one is difficult
152
362000
2000
Deze taak is moeilijk
06:19
because it's all about being able to visualize something
153
364000
3000
omdat men zich iets moet voorstellen
06:22
that doesn't exist in our physical world.
154
367000
2000
dat niet bestaat in onze wereld.
06:24
This is "disappear."
155
369000
2000
Het is "verdwijnen".
06:26
So what you want to do -- at least with movement-based actions,
156
371000
2000
Acties gebaseerd op beweging doen we de hele tijd
06:28
we do that all the time, so you can visualize it.
157
373000
3000
dus kun je je ze visueel voorstellen.
06:31
But with "disappear," there's really no analogies --
158
376000
2000
Maar er zijn geen analogieën met "verdwijnen".
06:33
so Evan, what you want to do here
159
378000
2000
Dus, Evan, je kunt best proberen je voor te stellen
06:35
is to imagine the cube slowly fading out, okay.
160
380000
3000
dat de kubus langzaam vervaagt. OK?
06:38
Same sort of drill. So: one, two, three, go.
161
383000
3000
Zelfde drill: één, twee, drie, go.
06:50
Okay. Let's try that.
162
395000
3000
OK. Laten we dat proberen.
06:53
Oh, my goodness. He's just too good.
163
398000
3000
Lieve help! Hij is echt te goed!
06:57
Let's try that again.
164
402000
2000
Laten we nog eens proberen.
07:04
EG: Losing concentration.
165
409000
2000
EG: Ik verlies mijn concentratie.
07:06
(Laughter)
166
411000
2000
(Gelach)
07:08
TL: But we can see that it actually works,
167
413000
2000
TL: We kunnen in elk geval zien dat het werkt,
07:10
even though you can only hold it
168
415000
2000
zelfs als je het enkel kan vasthouden
07:12
for a little bit of time.
169
417000
2000
voor een beperkte tijd.
07:14
As I said, it's a very difficult process
170
419000
3000
Zoals ik al zei, het is zeer moeilijk
07:17
to imagine this.
171
422000
2000
om je dit voor te stellen.
07:19
And the great thing about it is that
172
424000
2000
Het geweldige voordeel hiervan is dat
07:21
we've only given the software one instance
173
426000
2000
we de software maar één voorbeeld gegeven hebben
07:23
of how he thinks about "disappear."
174
428000
3000
van hoe Evan denkt over "verdwijnen".
07:26
As there is a machine learning algorithm in this --
175
431000
3000
Omdat er een leeralgoritme voor de machine hierin --
07:29
(Applause)
176
434000
4000
(Applaus)
07:33
Thank you.
177
438000
2000
Dank u.
07:35
Good job. Good job.
178
440000
3000
Heel goed. Heel goed.
07:38
(Applause)
179
443000
2000
(Applaus)
07:40
Thank you, Evan, you're a wonderful, wonderful
180
445000
3000
Dank je, Evan, je bent een geweldig
07:43
example of the technology.
181
448000
3000
voorbeeld van de technologie.
07:46
So, as you can see, before,
182
451000
2000
Zoals je kon zien,
07:48
there is a leveling system built into this software
183
453000
3000
is er een systeem met niveaus in deze software ingebouwd,
07:51
so that as Evan, or any user,
184
456000
2000
zodat Evan, of iemand anders,
07:53
becomes more familiar with the system,
185
458000
2000
meerdere detecties kunnen toevoegen, naarmate
07:55
they can continue to add more and more detections,
186
460000
3000
ze meer vertrouwd raken met het systeem
07:58
so that the system begins to differentiate
187
463000
2000
zodat het systeem onderscheid kan beginnen maken
08:00
between different distinct thoughts.
188
465000
3000
tussen verschillende gedachten.
08:04
And once you've trained up the detections,
189
469000
2000
Zodra je het detectiemechanisme getraind hebt,
08:06
these thoughts can be assigned or mapped
190
471000
2000
kunnen deze gedachten toegewezen worden
08:08
to any computing platform,
191
473000
2000
aan elk willekeurig computerplatform,
08:10
application or device.
192
475000
2000
elke toepassing, of elk apparaat.
08:12
So I'd like to show you a few examples,
193
477000
2000
Ik zou dus enkele voorbeelden willen laten zien,
08:14
because there are many possible applications
194
479000
2000
omdat er vele mogelijke toepassingen zijn
08:16
for this new interface.
195
481000
2000
voor deze nieuwe interface.
08:19
In games and virtual worlds, for example,
196
484000
2000
In spellen en virtuele werelden, bijvoorbeeld,
08:21
your facial expressions
197
486000
2000
kunnen je gezichtsuitdrukkingen
08:23
can naturally and intuitively be used
198
488000
2000
natuurlijk en intuïtief gebruikt worden
08:25
to control an avatar or virtual character.
199
490000
3000
om een avatar of virtueel personage te controleren.
08:29
Obviously, you can experience the fantasy of magic
200
494000
2000
Zo kun je natuurlijk de fantasie van de magie beleven
08:31
and control the world with your mind.
201
496000
3000
en de wereld besturen met je geest.
08:36
And also, colors, lighting,
202
501000
3000
Verder kunnen kleur, belichting,
08:39
sound and effects
203
504000
2000
geluid en effecten
08:41
can dynamically respond to your emotional state
204
506000
2000
dynamisch beantwoorden aan je emoties,
08:43
to heighten the experience that you're having, in real time.
205
508000
3000
om de beleving intenser te maken.
08:47
And moving on to some applications
206
512000
2000
We gaan door met enkele toepassingen
08:49
developed by developers and researchers around the world,
207
514000
3000
ontworpen door ontwerpers en onderzoekers over heel de wereld,
08:52
with robots and simple machines, for example --
208
517000
3000
met robots en simpele machines,
08:55
in this case, flying a toy helicopter
209
520000
2000
zoals, bijvoorbeeld, een speelgoedhelikopter besturen,
08:57
simply by thinking "lift" with your mind.
210
522000
3000
gewoon door "omhoog" te denken met je geest.
09:00
The technology can also be applied
211
525000
2000
Deze technologie kan ook toegepast worden
09:02
to real world applications --
212
527000
2000
in de echte wereld,
09:04
in this example, a smart home.
213
529000
2000
zoals in dit voorbeeld van een intelligent huis.
09:06
You know, from the user interface of the control system
214
531000
3000
Zoals je kan zien kun je de gordijnen
09:09
to opening curtains
215
534000
2000
sluiten of openen
09:11
or closing curtains.
216
536000
3000
vanaf de interface van het controlesysteem.
09:22
And of course, also to the lighting --
217
547000
3000
En natuurlijk ook het licht:
09:25
turning them on
218
550000
3000
het aansteken,
09:28
or off.
219
553000
2000
of uit.
09:30
And finally,
220
555000
2000
En tenslotte,
09:32
to real life-changing applications,
221
557000
2000
voor echt levensveranderende toepassingen,
09:34
such as being able to control an electric wheelchair.
222
559000
3000
zoals het besturen van een elektrische rolstoel.
09:37
In this example,
223
562000
2000
In dit voorbeeld
09:39
facial expressions are mapped to the movement commands.
224
564000
3000
zijn gezichtsuitdrukkingen toegewezen aan de bewegingscommando's.
09:42
Man: Now blink right to go right.
225
567000
3000
Man: Knipper nu met uw rechteroog om naar rechts te gaan.
09:50
Now blink left to turn back left.
226
575000
3000
En nu met uw linkeroog om terug naar links te gaan.
10:02
Now smile to go straight.
227
587000
3000
Glimlach nu om rechtdoor te gaan.
10:08
TL: We really -- Thank you.
228
593000
2000
We zien -- Dank u.
10:10
(Applause)
229
595000
5000
(Applaus)
10:15
We are really only scratching the surface of what is possible today,
230
600000
3000
We zien echt nog enkel het topje van de ijsberg van wat vandaag mogelijk is.
10:18
and with the community's input,
231
603000
2000
Door inspraak van de gemeenschap
10:20
and also with the involvement of developers
232
605000
2000
en door ontwikkelaars en onderzoekers
10:22
and researchers from around the world,
233
607000
3000
van over de wereld erbij te betrekken,
10:25
we hope that you can help us to shape
234
610000
2000
hopen we dat jullie ons kunnen helpen bepalen
10:27
where the technology goes from here. Thank you so much.
235
612000
3000
waar het heen moet met de technologie. Bedankt.
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