TEDxToronto 2011
Ariel Garten: Know thyself, with a brain scanner
Ariel Garten: Poznaj samego siebie za pomocą neuroobrazowania
Filmed:
Readability: 4.2
480,514 views
Wyobraźcie sobie granie w grę kontrolowaną umysłem. Teraz wyobraźcie sobie, że ta gra także uczy was o własnym stresie, relaksacji i skupieniu. Na TEDxToronto Ariel Garten pokazuje jak spojrzenie na aktywność własnego mózgu nadaje nowe znaczenie starożytnemu powiedzeniu „poznaj samego siebie”.
Ariel Garten - Artist, scientist and entrepreneur
As CEO of InteraXon, Ariel Garten works to close the gap between science, art, business and technology. Full bio
As CEO of InteraXon, Ariel Garten works to close the gap between science, art, business and technology. Full bio
Double-click the English transcript below to play the video.
00:15
The maxim, "Know thyself"
0
0
2000
Maksyma „Poznaj samego siebie”
00:17
has been around since the ancient Greeks.
1
2000
2000
została sformułowana w czasach starożytnej Grecji.
00:19
Some attribute this golden world knowledge to Plato,
2
4000
3000
Niektórzy przypisują jej autorstwo Platonowi,
00:22
others to Pythagoras.
3
7000
2000
inni Pitagorasowi.
00:24
But the truth is it doesn't really matter which sage said it first,
4
9000
3000
Tak naprawdę nie ma znaczenia, który mędrzec powiedział to pierwszy,
00:27
because it's still sage advice, even today.
5
12000
3000
ponieważ jest to mądra i wciąż aktualna rada.
00:31
"Know thyself."
6
16000
2000
„Poznaj samego siebie”.
00:33
It's pithy
7
18000
2000
Jest zwięzłe
00:35
almost to the point of being meaningless,
8
20000
2000
prawie aż do punktu w którym przestaje coś znaczyć,
00:37
but it rings familiar and true, doesn't it?
9
22000
3000
ale brzmi znajomo i prawdziwie.
00:40
"Know thyself."
10
25000
3000
„Poznaj samego siebie”.
00:43
I understand this timeless dictum
11
28000
2000
Rozumiem to ponadczasowe powiedzenie
00:45
as a statement about the problems, or more exactly the confusions,
12
30000
3000
jako stwierdzenie dotyczące problemów
00:48
of consciousness.
13
33000
2000
lub ściślej nieporozumień świadomości.
00:50
I've always been fascinated with knowing the self.
14
35000
2000
Zawsze fascynowało mnie poznanie siebie.
00:52
This fascination led me to submerge myself in art,
15
37000
2000
Fascynacja ta doprowadziła mnie do zanurzenia się w sztuce,
00:54
study neuroscience
16
39000
2000
studiowania neuronauki,
00:56
and later to become a psychotherapist.
17
41000
2000
a potem do zostania psychoterapeutką.
00:58
Today I combine all my passions
18
43000
2000
Dziś łączę wszystkie swoje pasje
01:00
as the CEO of InteraXon,
19
45000
2000
jako prezes firmy InteraXon,
01:02
a thought-controlled computing company.
20
47000
2000
która produkuje oprogramowanie sterowane myślą.
01:04
My goal, quite simply,
21
49000
2000
Moim celem, tak po prostu,
01:06
is to help people become more in tune
22
51000
2000
jest pomaganie ludziom w lepszym dostosowaniu się
01:08
with themselves.
23
53000
2000
do samych siebie.
01:10
I take it from this little dictum,
24
55000
2000
Czerpię to z tego małego powiedzenia
01:12
"Know thyself."
25
57000
2000
„poznaj samego siebie”.
01:14
If you think about it,
26
59000
2000
Jeśli o tym pomyśleć,
01:16
this imperative is kind of the defining characteristic of our species,
27
61000
2000
ten nakaz jest cechą
01:18
isn't it?
28
63000
2000
definiującą nasz gatunek.
01:20
I mean, it's self-awareness
29
65000
2000
To samoświadomość
01:22
that separates Homo sapiens
30
67000
2000
odróżniająca Homo sapiens
01:24
from earlier instances of our mankind.
31
69000
3000
od innych hominidów.
01:27
Today we're often too busy
32
72000
2000
Współcześnie jesteśmy zbyt często zajęci
01:29
tending to our iPhones and iPods
33
74000
2000
wpatrywaniem się w iPhone'y i iPody,
01:31
to really stop and get to know ourselves.
34
76000
3000
by naprawdę zatrzymać się i poznać siebie.
01:34
Under the deluge of minute-to-minute text conversations,
35
79000
3000
W zalewie wiadomości tekstowych,
01:37
emails, relentless exchange of media channels
36
82000
3000
maili, nieustannej zmiany kanałów informacyjnych
01:40
and passwords and apps and reminders and Tweets and tags,
37
85000
3000
oraz haseł i aplikacji, przypomnień, komunikatów na Tweeterze i tagów
01:43
we lose sight of what all this fuss is supposed to be about in the first place:
38
88000
3000
tracimy z oczu to, o co w tym wszystkim chodzi -
01:46
ourselves.
39
91000
2000
nas samych.
01:48
Much of the time we're transfixed
40
93000
2000
Przez większość czasu jesteśmy sparaliżowani
01:50
by all of the ways we can reflect ourselves into the world.
41
95000
4000
przez wszystkie sposoby na jakie możemy się prezentować światu.
01:54
And we can barely find the time to reflect deeply
42
99000
3000
Z ledwością znajdujemy czas na głęboką refleksję
01:57
back in on our own selves.
43
102000
3000
nad naszym Ja.
02:00
We've cluttered ourselves up with all this.
44
105000
2000
„Zagracamy się” tym wszystkim.
02:02
And we feel like we have to get
45
107000
2000
Aż mamy ochotę uciec daleko,
02:04
far, far away to a secluded retreat, leaving it all behind.
46
109000
3000
daleko stąd do odosobnionego schronienia i zostawić to wszystko za sobą.
02:07
So we go far away
47
112000
2000
Więc uciekamy daleko,
02:09
to the top of a mountain,
48
114000
2000
na szczyt góry,
02:11
assuming that perching ourselves on a piece
49
116000
2000
zakładając, że usadowienie się wysoko
02:13
is bound to give us the respite we need
50
118000
2000
da nam potrzebne wytchnienie
02:15
to sort the clutter, the chaotic everyday,
51
120000
2000
by uporządkować bałagan, codzienny chaos
02:17
and find ourselves again.
52
122000
2000
i odnaleźć siebie na nowo.
02:19
But on that mountain
53
124000
2000
Ale na tej górze,
02:21
where we gain that beautiful peace of mind,
54
126000
3000
gdzie odzyskujemy ten piękny spokój ducha,
02:24
what are we really achieving?
55
129000
3000
co tak naprawdę osiągamy?
02:27
It's really only a successful escape.
56
132000
3000
To tylko udana ucieczka.
02:30
Think of the term we use, "Retreat."
57
135000
2000
Pomyślcie o użytym słowie: „Schronienie‟.
02:32
This is the term that armies use when they've lost a battle.
58
137000
3000
To termin, którego używają wojska, gdy przegrają bitwę.
02:35
It means we've got to get out of here.
59
140000
2000
Oznacza ono, że musimy się stąd wynieść.
02:37
Is this how we feel about the pressures of our world,
60
142000
2000
Czy tak myślimy o nacisku ze strony świata,
02:39
that in order to get inside ourselves,
61
144000
2000
że aby wejść w siebie,
02:41
you have to run for the hills?
62
146000
3000
trzeba najpierw uciec?
02:44
And the problem with escaping your day-to-day life
63
149000
3000
A problemem z ucieczką od codziennego życia
02:47
is that you have to come home eventually.
64
152000
3000
jest taki, że w końcu trzeba wrócić do domu.
02:50
So when you think about it,
65
155000
2000
Więc jeśli o tym pomyśleć,
02:52
we're almost like a tourist
66
157000
2000
to jesteśmy prawie jak turysta,
02:54
visiting ourselves over there.
67
159000
3000
który tam siebie samego odwiedza.
02:57
And eventually that vacation's got to come to an end.
68
162000
3000
Wreszcie te wakacje muszą się skończyć.
03:00
So my question to you is,
69
165000
3000
Więc moje pytanie brzmi,
03:03
can we find ways to know ourselves
70
168000
2000
czy można znaleźć sposób na poznanie siebie
03:05
without the escape?
71
170000
2000
bez tej ucieczki?
03:07
Can we redefine our relationship
72
172000
2000
Czy możemy przedefiniować własną relację
03:09
with the technologized world
73
174000
2000
ze światem technologicznym
03:11
in order to have the heightened sense of self-awareness
74
176000
2000
by mieć lepsze poczucie samoświadomości,
03:13
that we seek?
75
178000
2000
której szukamy?
03:15
Can we live here and now in our wired web
76
180000
3000
Czy możemy żyć tu i teraz w tej sieci
03:18
and still follow those ancient instructions,
77
183000
3000
i wciąż podążać za starożytnym poleceniem
03:21
"Know thyself?"
78
186000
3000
„Poznaj samego siebie”?
03:24
I say the answer is yes.
79
189000
2000
Uważam, że tak.
03:26
And I'm here today to share a new way
80
191000
2000
Jestem tu dziś, by podzielić się nowym sposobem
03:28
that we're working with technology to this end
81
193000
2000
pracy z technologią,
03:30
to get familiar with our inner self
82
195000
2000
by zaznajomić się z wewnętrznym Ja
03:32
like never before --
83
197000
2000
jak nigdy dotąd.
03:34
humanizing technology
84
199000
2000
Humanizacja technologii
03:36
and furthering that age-old quest of ours
85
201000
2000
i szerzenie odwiecznych poszukiwań
03:38
to more fully know the self.
86
203000
3000
do pełniejszego poznania siebie.
03:41
It's called thought-controlled computing.
87
206000
4000
Nazywa się to komputerowym kontrolowaniem myślą.
03:47
You may or may not have noticed
88
212000
2000
Może zauważyliście,
03:49
that I'm wearing a tiny electrode on my forehead.
89
214000
2000
że mam małą elektrodę na czole.
03:51
This is actually a brainwave sensor
90
216000
2000
To w rzeczywistości czujnik fal mózgowych,
03:53
that's reading the electrical activity of my brain
91
218000
2000
który odczytuje aktywność elektryczną mojego mózgu
03:55
as I give this talk.
92
220000
2000
podczas tego wykładu.
03:57
These brainwaves are being analyzed and we can see them as a graph.
93
222000
3000
Te fale mózgowe są analizowane i możemy je obserwować w postaci wykresu.
04:00
Let me show you what it looks like.
94
225000
3000
Pokażę wam jak to wygląda.
04:03
That blue line there is my brainwave.
95
228000
3000
Ta niebieska linia to moje fale mózgowe.
04:06
It's the direct signal being recorded from my head,
96
231000
2000
To sygnał bezpośrednio nagrywany z mojego mózgu
04:08
rendered in real time.
97
233000
2000
przesyłany w czasie rzeczywistym.
04:10
The green and red bars show that same signal displayed by frequency,
98
235000
3000
Czerwone i zielone słupki pokazują częstotliwość tego samego sygnału
04:13
with lower frequencies here
99
238000
2000
z niższymi częstotliwościami tu
04:15
and higher frequencies up here.
100
240000
2000
i wyższymi tam.
04:17
You're actually looking inside my head as I speak.
101
242000
3000
Zaglądacie do mojej głowy kiedy mówię.
04:22
These graphs are compelling, they're undulating,
102
247000
3000
Te wykresy są przekonujące, falują,
04:25
but from a human's perspective,
103
250000
2000
ale z ludzkiej perspektywy
04:27
they're actually not very useful.
104
252000
2000
nie są tak naprawdę bardzo przydatne.
04:29
That's why we've spent a lot of time
105
254000
2000
Dlatego spędziliśmy wiele czasu
04:31
thinking about how to make this data meaningful
106
256000
2000
zastanawiając się nad przydatnością tych danych
04:33
to the people who use it.
107
258000
2000
dla osób, które ich używają.
04:35
For instance, what if I could use this data
108
260000
3000
Co gdybym mogła użyć tych danych
04:38
to find out how relaxed I am at any moment?
109
263000
2000
by dowiedzieć się na ile rozluźniona jestem w każdej chwili?
04:40
Or what if I can take that information
110
265000
2000
Lub co jeśli mogłabym wziąć te informacje
04:42
and put it into an organic shape up on the screen?
111
267000
3000
i nadać im organiczny kształt na ekranie?
04:45
The shape on the right over here
112
270000
3000
Kształt tam po prawej
04:48
has become an indicator of what's going on in my head.
113
273000
2000
stał się wskaźnikiem tego, co dzieje się w mojej głowie.
04:50
The more relaxed I am,
114
275000
2000
Im bardziej zrelaksowana jestem,
04:52
the more the energy's going to fall through it.
115
277000
2000
tym więcej energii przez niego przepłynie.
04:54
I may also be interested in knowing
116
279000
2000
Może chciałabym też wiedzieć,
04:56
how focused I am,
117
281000
2000
na ile jestem skoncentrowana,
04:58
so I can put my level of attention into the circuit board on the other side.
118
283000
3000
mogę umieścić poziom mojej uwagi na obwodzie drukowanym po drugiej stronie.
05:01
And the more focused my brain is,
119
286000
2000
Im bardziej skupiony jest mój mózg,
05:03
the more the circuit board is going to surge with energy.
120
288000
3000
tym więcej energii będzie przepływało przez obwód.
05:06
Ordinarily, I would have no way of knowing how focused or relaxed I was
121
291000
3000
Normalnie nie miałabym sposobu żeby się dowiedzieć jak skupiona
05:09
in any tangible way.
122
294000
3000
czy zrelaksowana jestem, w żaden namacalny sposób.
05:12
As we know, our feelings about how we're feeling
123
297000
2000
Jak wiemy, nasze odczucia odnośnie tego jak się czujemy
05:14
are notoriously unreliable.
124
299000
2000
są niezmiernie zawodne.
05:16
We've all had stress creep up on us without even noticing it
125
301000
3000
Wszyscy doświadczyliśmy napięcia nawet go nie zauważając,
05:19
until we lost it on someone who didn't deserve it,
126
304000
2000
dopóki nie wyładowaliśmy go na kimś, kto na to nie zasługiwał,
05:21
and then we realize that we probably should have checked in with ourselves
127
306000
3000
a potem zdaliśmy sobie sprawę, że powinniśmy byli
05:24
a little earlier.
128
309000
2000
skontrolować się trochę wcześniej.
05:26
This new awareness
129
311000
2000
Ta nowa świadomość
05:28
opens up vast possibilities
130
313000
2000
otwiera szerokie możliwości
05:30
for applications that help improve our lives and ourselves.
131
315000
3000
zastosowań, które pomagają polepszyć nasze życie i nas samych.
05:33
We're trying to create technology that uses the insights
132
318000
3000
Staramy się stworzyć technologię, która używa tego wglądu
05:36
to make our work more efficient, our breaks more relaxing
133
321000
3000
by nasza praca stała się wydajniejsza, przerwy bardziej relaksujące
05:39
and our connections deeper and more fulfilling than ever.
134
324000
3000
a nasze relacje głębsze i bardziej zadowalające niż kiedykolwiek.
05:43
I'm going to share some of these visions with you in a bit,
135
328000
3000
Za chwilę podzielę się z wami niektórymi z tych wizji,
05:46
but first I want to take a look at how we got here.
136
331000
3000
ale najpierw chcę pokazać jak do tego doszliśmy.
05:49
By the way, feel free to check in on my head at any time.
137
334000
3000
Tak przy okazji, nie krępujcie się sprawdzać mojej głowy.
05:52
(Laughter)
138
337000
2000
(Śmiech)
05:54
My team at InteraXon and I
139
339000
2000
Mój zespół w IneraXon i ja
05:56
have been developing throught-controlled application for almost a decade now.
140
341000
3000
rozwijamy już aplikacje kontrolowane myślą od prawie 10 lat.
05:59
In the first phase of development
141
344000
2000
W pierwszej fazie rozwoju
06:01
we were really enthused by all the things we could control with our mind.
142
346000
3000
byliśmy zachwyceni wszystkimi rzeczami, które kontrolowaliśmy umysłem.
06:04
We were making things activate, light up and work
143
349000
3000
Aktywowaliśmy różne rzeczy, światło i pracę
06:07
just by thinking.
144
352000
2000
przez samo myślenie.
06:09
We were transcending the space
145
354000
2000
Przekraczaliśmy przestrzeń
06:11
between the mind and the device.
146
356000
2000
między umysłem a urządzeniem.
06:13
We brought to life a vast array of prototypes and products
147
358000
3000
Stworzyliśmy masę prototypów i produktów,
06:16
that you could control with your mind,
148
361000
2000
które można kontrolować umysłem,
06:18
like thought-controlled home appliances
149
363000
2000
jak sprzęty domowe kontrolowane myślą
06:20
or slot car games or video games
150
365000
2000
czy gry samochodowe lub wideo
06:22
or a levitating chair.
151
367000
2000
albo lewitujące krzesło.
06:24
We created technology and applications
152
369000
2000
Stworzyliśmy technologię i aplikacje,
06:26
that engaged people's imaginations,
153
371000
2000
które angażowały ludzką wyobraźnię
06:28
and it was really exciting.
154
373000
2000
i było to naprawdę ekscytujące.
06:30
And then we were asked to do something really big
155
375000
2000
A potem poproszono nas o zrobienie czegoś naprawdę wielkiego
06:32
for the Olympics.
156
377000
2000
na igrzyska olimpijskie.
06:34
We were invited to create a massive installation
157
379000
2000
Poproszono nas o stworzenie ogromnej instalacji
06:36
at the Vancouver 2010 winter Olympics,
158
381000
2000
na igrzyska olimpijskie w Vancouver w 2010 r.
06:38
were used in Vancouver,
159
383000
2000
Została ona użyta w Vancouver,
06:40
got to control the lighting on the C.N. Tower,
160
385000
2000
do kontrolowania świateł na wieży C.N. Tower,
06:42
the Canadian Parliament buildings and Niagara Falls
161
387000
3000
budynku parlamentu kanadyjskiego i wodospadzie Niagara,
06:45
from all the way across the country
162
390000
3000
z drugiego końca kraju,
06:48
using their minds.
163
393000
2000
za pośrednictwem umysłu.
06:50
Over 17 days at the Olympics 7,000 visitors from all over the world
164
395000
3000
Przez 17 dni na igrzyskach 7000 gości z całego świata
06:53
actually got to individually control the light
165
398000
2000
miało szansę indywidualnie sterować światłami
06:55
from the C.N. Tower, parliament and Niagara in real time
166
400000
2000
C.N. Tower, parlamentu i Niagary w czasie rzeczywistym,
06:57
with their minds from across the country,
167
402000
2000
za pomocą własnego umysłu, z drugiego końca kraju,
06:59
3,000 km away.
168
404000
2000
z odległości 3000 km.
07:01
So controlling stuff with your mind
169
406000
2000
Więc kontrolowanie rzeczy umysłem
07:03
is pretty cool.
170
408000
2000
jest całkiem fajne.
07:05
But we're always interested in multi-tiered levels of human interaction.
171
410000
3000
Ale zawsze interesowały nas wielowarstwowe poziomy ludzkich interakcji.
07:08
And so we began looking into inventing
172
413000
2000
I tak zaczęliśmy szukać sposobu przekształcenia
07:10
thought-controlled applications
173
415000
2000
aplikacji kontrolowanych myślą
07:12
in a more complex frame than just control.
174
417000
3000
w coś bardziej skomplikowanego niż tylko sterowanie.
07:15
And that was responsiveness.
175
420000
3000
Chodziło o responsywność.
07:18
We realized that we had a system
176
423000
2000
Zdaliśmy sobie sprawę, że dysponowaliśmy systemem,
07:20
that allowed technology to know something about you.
177
425000
2000
który pozwalał technologii czegoś się o tobie dowiedzieć.
07:22
And it could join into the relationship with you.
178
427000
4000
Wejść jej w relację z tobą.
07:26
We created the responsive room
179
431000
2000
Stworzyliśmy responsywny pokój,
07:28
where the lights music and blinds adjusted to your state.
180
433000
3000
gdzie światła, muzyka i zasłony dostosowywały się do twojego stanu.
07:31
They followed these little shifts in your mental activity.
181
436000
3000
Podążały za zmianami w aktywności umysłowej.
07:34
So as you settled into relaxation at the end of a hard day,
182
439000
2000
Więc kiedy relaksowałeś się po ciężkim dniu
07:36
on the couch in our office,
183
441000
2000
na kanapie w biurze,
07:38
the music would mellow with you.
184
443000
3000
muzyka dostrajała się do ciebie.
07:41
When you read, the desk lamp would get brighter.
185
446000
2000
Kiedy czytałeś, lampka na stole świeciła jaśniej.
07:43
If you nod off, the system would know,
186
448000
3000
Kiedy zasypiałeś, system wiedział o tym
07:46
dimming to darkness as you do.
187
451000
3000
i przygaszał światło.
07:49
We then realized that if technology could know something about you
188
454000
3000
Wówczas zdaliśmy sobie sprawę, że jeśli technologia może coś o tobie
07:52
and use it to help you,
189
457000
2000
wiedzieć i użyć tej wiedzy by ci pomóc,
07:54
there's an even more valuable application than that.
190
459000
3000
to istnieje jeszcze cenniejsze zastosowanie.
07:57
That you could know something about yourself.
191
462000
3000
Aby można się czegoś o sobie dowiedzieć.
08:00
We could know sides of ourselves
192
465000
2000
Możemy poznać własne strony,
08:02
that were all but invisible
193
467000
2000
które dotychczas były niewidoczne
08:04
and come to see things that were previously hidden.
194
469000
3000
i dostrzec rzeczy, które poprzednio były ukryte.
08:07
Let me show you an example of what I'm talking about here.
195
472000
2000
Pokażę wam przykład tego, o czym mówię.
08:09
Here's an application
196
474000
2000
Oto aplikacja,
08:11
that I created for the iPad.
197
476000
2000
którą stworzyłam na iPady.
08:13
So the goal of the original game Zen Bound
198
478000
2000
Celem oryginalnej gry Zen Bound
08:15
is to wrap a rope around a wooden form.
199
480000
2000
jest obwiązanie liny wokół drewnianego kształtu.
08:17
So you use it with your headset.
200
482000
2000
Używa się tego z opaską na głowę.
08:19
The headset connects wirelessly to an iPad or a smartphone.
201
484000
3000
Opaska jest bezprzewodowo połączona z iPadem lub smartfonem.
08:22
In that headset
202
487000
2000
W tej opasce
08:24
you have fabric sensors on your forehead and above the ear.
203
489000
3000
są umieszczone czujniki na czole i nad uchem.
08:27
In the original Zen Bound game,
204
492000
2000
W oryginalnej wersji gry Zen Bound
08:29
you play it by scrolling your fingers over the pad.
205
494000
3000
gra się przez przesuwanie palców po ekranie.
08:32
In the game that we created, of course,
206
497000
2000
Oczywiście w grze, którą stworzyliśmy
08:34
you control the wooden form that's on the screen there
207
499000
2000
drewnianą formę kontroluje się na ekranie
08:36
with your mind.
208
501000
2000
za pomocą myśli.
08:38
As you focus on the wooden form,
209
503000
2000
Drewniany kształt obraca się,
08:40
it rotates.
210
505000
2000
gdy się na nim skupiamy.
08:42
The more you focus, the faster the rotation.
211
507000
3000
Im bardziej się skupiamy, tym szybsze są obroty.
08:45
This is for real.
212
510000
2000
To jest prawdziwe.
08:47
This is not a fake.
213
512000
2000
Żadna podróbka.
08:49
What's really interesting to me though
214
514000
2000
Co mnie jednak naprawdę interesuje,
08:51
is at the end of the game you get stats and feedback
215
516000
2000
to to, że na końcu gry otrzymujesz statystyki i informację zwrotną
08:53
about how you did.
216
518000
2000
na temat tego, jak ci poszło.
08:55
You have graphs and charts
217
520000
2000
Mamy wykresy i diagramy,
08:57
that tell you how your brain was doing --
218
522000
2000
które mówią o tym, jak radził sobie mózg -
08:59
not just how much rope you used or what your high score is,
219
524000
3000
nie tylko jak wiele liny zużyto ani jaki jest najlepszy wynik,
09:02
but what was going on
220
527000
2000
ale co działo się
09:04
inside of your mind.
221
529000
2000
w Twoim umyśle.
09:06
And this is valuable feedback
222
531000
2000
I to jest wartościowa informacja zwrotna,
09:08
that we can use to understand what's going on
223
533000
3000
którą możemy wykorzystać by dowiedzieć się
09:11
inside of ourselves.
224
536000
3000
co się w nas dzieje.
09:14
I like to call this
225
539000
2000
Lubię to nazywać
09:16
"intra-active."
226
541000
2000
„intraaktywnością”.
09:18
Normally we think about technology
227
543000
2000
Normalnie myślimy o interaktywnej technologii.
09:20
as interactive.
228
545000
2000
Normalnie myślimy o interaktywnej technologii.
09:22
This technology
229
547000
2000
Ta technologia
09:24
is intra-active.
230
549000
2000
jest intraaktywna.
09:26
It understands what's inside of you
231
551000
3000
Rozumie co się w nas dzieje
09:29
and builds a sort of responsive relationship
232
554000
3000
i tworzy rodzaj responsywnej relacji
09:32
between you and your technology
233
557000
2000
między nami a technologią,
09:34
so that you can use this information
234
559000
2000
abyśmy mogli wykorzystać tę informację
09:36
to move you forward.
235
561000
2000
do rozwoju.
09:38
So you can use this information
236
563000
2000
Można wykorzystać tę wiedzę,
09:40
to understand you in a responsive loop.
237
565000
3000
by zrozumieć siebie w responsywnej pętli.
09:43
At InteraXon,
238
568000
4000
W InteraXon,
09:47
intra-active technology
239
572000
3000
technologia intraaktywna
09:50
is one of our really defining mandates.
240
575000
3000
jest jednym z naszych ważniejszych przesłań.
09:53
It's how we understand the world inside
241
578000
3000
Dotyczy ona naszego rozumienia świata wewnętrznie
09:56
and reflect it outside
242
581000
2000
i okazywania tego na zewnątrz
09:58
into this tight loop.
243
583000
3000
w wyżej wspomnianej pętli.
10:01
For example, thought-controlled computing
244
586000
3000
Na przykład, komputery kontrolowane myślą
10:04
can teach children with ADD
245
589000
2000
mogą nauczyć dzieci z ADD
10:06
how to improve their focus.
246
591000
2000
w jaki sposób poprawić koncentrację.
10:08
With ADD, children have a low proportion of beta waves for focus states
247
593000
4000
Dzieci z ADD mają mały odsetek fal beta w stanie skupienia
10:12
and a high proportion of theta states.
248
597000
2000
i dużą proporcję fal theta.
10:14
So you can create applications that reward focused brain states.
249
599000
3000
Można stworzyć aplikacje nagradzające stany skupienia fal mózgowych.
10:17
So you can imagine kids playing video games with their brain waves
250
602000
3000
Można sobie wyobrazić dzieciaki grające w gry wideo za pomocą fal mózgowych,
10:20
and improving their ADD symptoms as they do it.
251
605000
3000
które jednocześnie niwelują objawy ADD.
10:23
This can be as effective as Ritalin.
252
608000
3000
Może to być tak efektywne jak Ritalin.
10:26
Perhaps even more importantly,
253
611000
2000
Może nawet co ważniejsze,
10:28
thought-controlled computing can give children with ADD
254
613000
2000
komputery kontrolowane myślą mogą dać dziecku z ADD
10:30
insights into their own fluctuating mental states,
255
615000
3000
wgląd we własne zmieniające się stany umysłu,
10:33
so they can better understand themselves
256
618000
2000
by lepiej zrozumieć siebie
10:35
and their learning needs.
257
620000
2000
i swoje potrzeby dotyczące uczenia się.
10:37
The way these children will be able to use their new awareness to improve themselves
258
622000
4000
Sposób, w jaki te dzieci będą w stanie wykorzystać nową świadomość do rozwoju
10:41
will upend many of the damaging and widespread social stigmas
259
626000
3000
odwróci wiele ze szkodliwych i rozpowszechnionych stereotypów społecznych,
10:44
that people who are diagnosed as different
260
629000
2000
z którymi borykają się osoby,
10:46
are challenged with.
261
631000
2000
które zostały zdiagnozowane jako odmienne.
10:48
We can peer inside our heads
262
633000
2000
Możemy zajrzeć w nasze głowy
10:50
and interact with what was once locked away from us,
263
635000
2000
i wejść w kontakt z tym co dotychczas było zamknięte,
10:52
what once mystified and separated us.
264
637000
5000
tajemnicze i oddzielające.
10:57
Brainwave technology can understand us, anticipate our emotions
265
642000
3000
Technologia odczytująca fale mózgowe może nas zrozumieć, przewidywać nasze emocje
11:00
and find the best solutions for our needs.
266
645000
2000
i znaleźć najlepszą odpowiedź na nasze potrzeby.
11:02
Imagine this collected awareness of the individual
267
647000
3000
Wyobraźcie sobie tą zbiorową świadomość osób
11:05
computed and reflected across an entire lifespan.
268
650000
3000
wyliczaną i odzwierciedlaną przez całe życie.
11:08
Imagine the insights that you can gain
269
653000
2000
Wyobraźcie sobie poziom zrozumienia,
11:10
from this kind of second sight.
270
655000
2000
który można uzyskać z tego źródła.
11:12
It would be like plugging into your own personal Google.
271
657000
3000
To byłoby jak podłączenie się do swojego własnego Google'a.
11:15
On the subject of Google,
272
660000
2000
Co do Google'a,
11:17
today you can search and tag images
273
662000
2000
to dziś możemy wyszukiwać i tagować obrazy
11:19
based on the thoughts and feelings you had while you watched them.
274
664000
3000
na podstawie tego, jakich myśli i uczuć doświadczyliśmy podczas ich oglądania.
11:22
You can tag pictures of baby animals as happy,
275
667000
2000
Można otagować zdjęcia małych zwierzątek jako szczęśliwe,
11:24
or whatever baby animals are to you,
276
669000
3000
czy jak tam wolicie,
11:27
and then you can search that database,
277
672000
2000
a potem przeszukać bazę,
11:29
navigating with your feelings,
278
674000
2000
kierując się uczuciami
11:31
rather than the keywords that just hint at them.
279
676000
3000
raczej niż słowami kluczowymi, które tylko je sugerują.
11:34
Or you could tag Facebook photos
280
679000
2000
Lub można otagować zdjęcia na Facebooku
11:36
with the emotions that you had associated
281
681000
3000
emocjami skojarzonymi
11:39
with those memories
282
684000
2000
z tymi wspomnieniami,
11:41
and then instantly prioritize
283
686000
2000
po czym natychmiast nadać priorytet
11:43
the streams that catch your attention,
284
688000
2000
wątkom, które przyciągają
11:45
just like this.
285
690000
3000
naszą uwagę.
11:48
Humanizing technology
286
693000
2000
Humanizacja technologii
11:50
is about taking what's already natural about the human-tech experience
287
695000
3000
polega na wykorzystywaniu tego co jest naturalne w doświadczeniu człowieka z technologią
11:53
and building technology seamlessly in tandem with it.
288
698000
3000
i jednoczesnym budowaniu jednolitej technologii.
11:56
As it aligns with our human behaviors,
289
701000
2000
Wraz z jej dostosowywaniem się do ludzkich zachowań,
11:58
it can allow us to make better sense of what we do
290
703000
3000
pozwala nam lepiej zrozumieć to co robimy
12:01
and, more importantly, why,
291
706000
3000
i co ważniejsze dlaczego
12:04
creating a big picture
292
709000
2000
tworzymy szerszy obraz
12:06
out of all the important little details
293
711000
2000
ze wszystkich ważnych szczegółów,
12:08
that make up who we are.
294
713000
2000
które składają się na to kim jesteśmy.
12:10
With humanized technology
295
715000
2000
Ze zhumanizowaną technologią
12:12
we can monitor the quality of your sleep cycles.
296
717000
2000
możemy śledzić jakość cykli snu.
12:14
When our productivity starts to slacken,
297
719000
3000
Kiedy spada nasza efektywność,
12:17
we can go back to that data
298
722000
2000
możemy wrócić do tych danych
12:19
and see how we can make more effective balance
299
724000
2000
i sprawdzić, jak można znaleźć efektywniejszą równowagę
12:21
between work and play.
300
726000
2000
między pracą i zabawą.
12:23
Do you know what causes fatigue in you
301
728000
2000
Czy wiecie co was męczy,
12:25
or what brings out your energetic self,
302
730000
2000
lub co dodaje energii,
12:27
what triggers cause you to be depressed
303
732000
3000
co przygnębia
12:30
or what fun things are going to bring you out of that funk?
304
735000
4000
lub jakie rozrywki wyciągną was z tego stanu?
12:34
Imagine if you had access to data
305
739000
2000
Wyobraźcie sobie, że macie dostęp do danych,
12:36
that allowed you to rank on a scale of overall happiness
306
741000
3000
które pozwalają wam ocenić na skali ogólnego zadowolenia,
12:39
which people in your life made you the happiest,
307
744000
3000
którzy ludzie uszczęśliwiali was w życiu najbardziej,
12:42
or what activities brought you joy.
308
747000
3000
czy też czynności, które sprawiały wam radość.
12:45
Would you make more time for those people? Would you prioritize?
309
750000
3000
Czy poświęcilibyście tym ludziom więcej czasu?
12:48
Would you get a divorce?
310
753000
3000
Rozwiedlibyście się?
12:51
What thought-controlled computing can allow you to do
311
756000
2000
Komputery kontrolowane myślą pozwalają
12:53
is build colorful layered pictures of our lives.
312
758000
3000
zbudować barwne, wielopoziomowe obrazy naszego życia.
12:56
And with this, we can get the skinny on our psychological happenings
313
761000
3000
Dzięki temu możemy poznać szczegóły swoich przeżyć psychologicznych
12:59
and build a story of our behaviors over time.
314
764000
3000
i po pewnym czasie stworzyć historię naszych zachowań.
13:02
We can begin to see the underlying narratives
315
767000
2000
Możemy zacząć dostrzegać leżące u podłoża narracje,
13:04
that propel us forward
316
769000
2000
które nas napędzają
13:06
and tell us about what's going on.
317
771000
3000
i mówią co się dzieje.
13:09
And from this,
318
774000
2000
A z tego
13:11
we can learn how to change the plot, the outcome
319
776000
2000
możemy się nauczyć jak zmienić wątek, wynik
13:13
and the character
320
778000
2000
i charakter
13:15
of our personal stories.
321
780000
2000
naszych osobistych losów.
13:17
Two millennia ago,
322
782000
2000
Dwa tysiące lat temu,
13:19
those Greeks had some powerful insights.
323
784000
3000
Grecy mieli potężny wgląd.
13:22
They knew that a fundamental piece falls into place
324
787000
3000
Wiedzieli, że najważniejsza część znajdzie się we właściwym miejscu,
13:25
when you start to live out their little phrase,
325
790000
3000
kiedy zaczniemy żyć zgodnie z tym krótkim powiedzeniem,
13:28
when you come into contact with yourself.
326
793000
3000
kiedy nawiążemy ze sobą kontakt.
13:31
They understood the power of human narrative
327
796000
3000
Rozumieli siłę ludzkiej narracji
13:34
and the value that we place on humans
328
799000
2000
i wartość jaką przywiązujemy do ludzi
13:36
as changing, evolving and growing.
329
801000
3000
jako zmiennych, ewoluujących i rozwijających się.
13:39
But they understood something more fundamental --
330
804000
3000
Ale rozumieli coś bardziej fundamentalnego -
13:42
the sheer joy in discovery,
331
807000
3000
czystą radość odkrywania,
13:45
the delight and fascination that we get from the world
332
810000
3000
przyjemność i fascynację, które czerpiemy ze świata
13:48
and being ourselves in it,
333
813000
2000
i bycia w nim sobą,
13:50
the richness that we get
334
815000
2000
bogactwo, które czerpiemy
13:52
from seeing, feeling and knowing the lives that we are.
335
817000
3000
z widzenia, odczuwania i znania życia, które prowadzimy.
13:55
My mom's an artist,
336
820000
2000
Moja mama jest artystką
13:57
and as a child I'd often see her bring things to life with the stroke of a brush.
337
822000
3000
i jako dziecko przyglądałam się, jak ożywiała różne rzeczy za dotknięciem pędzla.
14:00
One moment it was all white space, pure possibility.
338
825000
3000
Najpierw było puste miejsce, czyste możliwości.
14:03
The next, it was alive
339
828000
2000
A potem żyło ono
14:05
with her colorful ideas and expressions.
340
830000
3000
kolorowymi ideami i ekspresją.
14:08
As I sat easel-side,
341
833000
2000
Kiedy siedziałam po stronie sztalugi
14:10
watching her transform canvas after canvas,
342
835000
3000
obserwując ją, jak przekształcała płótno za płótnem,
14:13
I learned that you could create your own world.
343
838000
4000
nauczyłam się, że mogę stworzyć swój własny świat.
14:17
I learned that our own inner worlds --
344
842000
2000
Dowiedziałam się, że nasz świat wewnętrzny -
14:19
our ideas, emotions and imaginations --
345
844000
3000
nasze myśli, emocje i wyobrażenia -
14:22
were, in fact, not bound by our brains and bodies.
346
847000
4000
nie jest ograniczony przez nasz mózg i ciało.
14:26
If you could think it, if you could discover it,
347
851000
3000
Jeśli możesz to wymyślić, odkryć,
14:29
you could bring it to life.
348
854000
3000
to możesz to zrealizować.
14:32
To me, thought-controlled computing
349
857000
2000
Dla mnie, komputery sterowane myślą
14:34
is as simple and powerful as a paintbrush --
350
859000
2000
są tak proste i potężne jak pędzel -
14:36
one more tool to unlock and enliven
351
861000
3000
jeszcze jedno narzędzie do otwarcia i ożywienia
14:39
the hidden worlds within us.
352
864000
2000
ukrytego świata wewnątrz nas.
14:41
I look forward to the day
353
866000
2000
Oczekuję czasu,
14:43
that I can sit beside you, easel-side,
354
868000
3000
kiedy będę mogła usiąść obok was, po stronie sztalug,
14:46
watching the world that we can create
355
871000
2000
i widzieć świat, który możemy stworzyć
14:48
with our new toolboxes
356
873000
2000
naszymi nowymi narzędziami
14:50
and the discoveries that we can make
357
875000
2000
i odkryciami, których możemy dokonać
14:52
about ourselves.
358
877000
2000
o nas samych.
14:54
Thank you.
359
879000
2000
Dziękuję.
14:56
(Applause)
360
881000
2000
(Brawa)
ABOUT THE SPEAKER
Ariel Garten - Artist, scientist and entrepreneurAs CEO of InteraXon, Ariel Garten works to close the gap between science, art, business and technology.
Why you should listen
Ariel Garten is the CEO and co-founder of InteraXon, which creates thought controlled computing products and applications. Ariel has also researched at the Krembil Neuroscience Institute studying hippocampal neurogenesis, displayed work at the Art Gallery of Ontario, been head designer at a fashion label, and opened Toronto Fashion Week. Referred to as the “Brain Guru”, Ariel and her team’s work has been featured in hundreds of articles in over 20 countries.
Ariel Garten | Speaker | TED.com