TED2013
Mary Lou Jepsen: Could future devices read images from our brains?
Mary Lou Jepsen: Geleceğin cihazları beynimizdeki imgeleri okuyabilir mi?
Filmed:
Readability: 4.6
1,035,856 views
Son teknoloji dijital ekran uzmanı olarak, Mary Lou en yaratıcı düşüncelerimizi nasıl ekranlara yansıtabileceğimizi araştırıyor. Ve kendisi bir beyin ameliyatı hastası olarak; icat etme, yaratıcılık ve düşünmenin temelini oluşturan sinirsel aktivite hakkında daha fazla öğrenmeye yönelmiş. Bu iki tutkusunu, nasıl (ve ne) düşündüğümüz hakkında yeni bir sınır çizen iki son teknoloji beyin araştırmasından bahseden epey çarpıcı konuşmasında birleştiriyor.
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 yıl önce beyin ameliyatı oldum,
00:15
and since that time, brain science has become
1
3115
2567
ve o zamandan beri, beyin bilimi
00:17
a personal passion of mine.
2
5682
1999
benim kişisel bir tutkum haline geldi.
00:19
I'm actually an engineer.
3
7681
2235
Aslında ben bir mühendisim.
00:21
And first let me say, I recently joined
4
9916
2516
İlk olarak şunu söyleyeyim, kısa bir süre önce
00:24
Google's Moonshot group,
5
12432
1549
Google'un Moonshot grubuna katıldım,
00:25
where I had a division,
6
13981
1212
orada benim bir bölümüm vardı,
00:27
the display division in Google X,
7
15193
2181
Google X'in görüntü bölümü,
00:29
and the brain science work I'm speaking about today
8
17374
2622
ve bugün bahsedeceğim beyin bilimi çalışması
00:31
is work I did before I joined Google
9
19996
2921
benim Google'a katılmadan önce başladığım
00:34
and on the side outside of Google.
10
22917
2332
ve bir taraftan Google dışında yaptığım bir çalışma.
00:37
So that said, there's a stigma
11
25249
3183
Bunu belirttikten sonra, beyin ameliyatı olduğunuzda
00:40
when you have brain surgery.
12
28432
2285
damgalanıyorsunuz.
00:42
Are you still smart or not?
13
30717
2823
Hala zeki misiniz, değil misiniz?
00:45
And if not, can you make yourself smart again?
14
33540
3848
Ve eğer değilseniz, kendinizi tekrar zeki yapabilir misiniz?
00:49
After my neurosurgery,
15
37388
1766
Beyin ameliyatımdan sonra,
00:51
part of my brain was missing,
16
39154
1997
beynimin bir parçası eksikti,
00:53
and I had to deal with that.
17
41151
2773
ve ben bununla başa çıkmak zorundaydım.
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
Ölü olan gri madde değil, yapışkan kısımdı,
00:58
that makes key hormones and neurotransmitters.
19
46868
3402
başlıca hormon ve nörotransmitterleri yapan merkez.
01:02
Immediately after my surgery,
20
50270
2231
Ameliyatımın hemen ertesinde,
01:04
I had to decide what amounts of each of over
21
52501
2143
bir düzineden fazla güçlü kimyasalın herbirini
01:06
a dozen powerful chemicals to take each day,
22
54644
3702
günlük ne miktarda alacağıma karar vermeliydim.
01:10
because if I just took nothing,
23
58346
1809
Çünkü hiçbir şey almazsam,
01:12
I would die within hours.
24
60155
2732
saatler içinde ölecektim.
01:14
Every day now for 18 years -- every single day --
25
62887
3920
Artık 18 yıl boyunca hergün -her Allah'ın günü-
01:18
I've had to try to decide the combinations
26
66807
2710
bu kimyasalları deneyerek
01:21
and mixtures of chemicals,
27
69517
1328
kombinasyon ve karışımlarına karar vermeli
01:22
and try to get them, to stay alive.
28
70845
3847
ve hayatta kalmak için bunları aksatmamalıydım.
01:26
There have been several close calls.
29
74692
2721
Paçamı zor kurtardığım bazı zamanlar oldu.
01:29
But luckily, I'm an experimentalist at heart,
30
77413
3699
Ama neyse ki, ben özünde deneyci biriyim.
01:33
so I decided I would experiment
31
81112
3227
Sonuç olarak, deneyerek
en uygun dozajları bulmaya karar verdim.
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
Çünkü gerçekten bu konuda net bir yol haritası yok,
01:40
on this that's detailed.
34
88416
1903
çok fazla ayrıntı var.
01:42
I began to try different mixtures,
35
90319
2151
Farklı karışımlar denemeye başladım.
01:44
and I was blown away by how
36
92470
2872
Beni en çok şaşırtan
01:47
tiny changes in dosages
37
95342
2411
dozajlardaki küçücük değişikliklerin
01:49
dramatically changed my sense of self,
38
97753
3149
nasıl dramatik bir şekilde benlik duygumu,
01:52
my sense of who I was, my thinking,
39
100902
1811
kim olduğum algısını, düşüncelerimi
01:54
my behavior towards people.
40
102713
2259
ve insanlara karşı davranışlarımı değiştirdiğini görmek oldu.
01:56
One particularly dramatic case:
41
104972
2049
Özellikle dramatik bir olay:
01:59
for a couple months I actually tried dosages
42
107021
1868
birkaç ay boyunca kullandığım dozaj ve kimyasallar
02:00
and chemicals typical of a man in his early 20s,
43
108889
3908
tipik 20li yaşlarının başındaki bir erkeğinkine benziyordu
02:04
and I was blown away by how my thoughts changed.
44
112797
3011
ve düşüncelerimin değişimi beni bir hayli şaşırttı.
02:07
(Laughter)
45
115808
3120
(Kahkaha)
02:10
I was angry all the time,
46
118928
3058
Sürekli kızgındım,
02:13
I thought about sex constantly,
47
121986
1846
durmadan seks hakkında düşünüyordum
02:15
and I thought I was the smartest person
48
123832
2949
ve tüm dünyadaki
en zeki insan olduğumu zannediyordum.
02:18
in the entire world, and
49
126781
2051
02:20
—(Laughter)—
50
128832
2263
(Kahkaha)
02:23
of course over the years I'd
met guys kind of like that,
met guys kind of like that,
51
131095
2925
Tabii ben yıllar boyunca bu tarz adamlarla tanıştım
02:26
or maybe kind of toned-down versions of that.
52
134020
2267
ya da belki bunun bir aşağı versiyonlarıyla diyebilirim.
02:28
I was kind of extreme.
53
136287
2184
Ben biraz aşırıydım.
02:30
But to me, the surprise was,
54
138471
2569
Ama benim için, asıl sürpriz olan,
02:33
I wasn't trying to be arrogant.
55
141040
2166
kibirli olmaya çalışmıyordum.
02:35
I was actually trying,
56
143206
3209
Aslında,
biraz güvensizlik ile birlikte,
02:38
with a little bit of insecurity,
57
146415
2360
02:40
to actually fix a problem in front of me,
58
148775
3000
gözümün önündeki bir sorunu çözmeye çalışıyordum.
02:43
and it just didn't come out that way.
59
151775
1856
Sadece bu, bu şekilde açığa çıkmadı.
02:45
So I couldn't handle it.
60
153631
1483
Bu yüzden üstesinden gelemedim.
02:47
I changed my dosages.
61
155114
1525
Dozajlarımı değiştirdim.
02:48
But that experience, I think, gave me
62
156639
2455
Ama bu deneyim, sanırım, bana
02:51
a new appreciation for men
63
159094
1751
erkekler ve onların
02:52
and what they might walk through,
64
160845
1816
nelerle başa çıkmak zorunda oldukları hakkında
02:54
and I've gotten along with men
65
162661
1690
yeni bir idrak kazandırdı, ve o zamandan beri
02:56
a lot better since then.
66
164351
1839
erkeklerle daha iyi anlaşıyorum.
02:58
What I was trying to do
67
166190
1545
Benim yapmaya çalıştığım,
02:59
with tuning these hormones
68
167735
2028
bu hormon ve
03:01
and neurotransmitters and so forth
69
169763
2323
nörotransmitterleri ayarlayarak,
03:04
was to try to get my intelligence back
70
172086
3605
hastalığım ve ameliyatımdan sonra
03:07
after my illness and surgery,
71
175691
2634
zekâmı,
03:10
my creative thought, my idea flow.
72
178325
2635
yaratıcı düşüncemi, fikir akışımı geri kazanmaya çalışmaktı.
03:12
And I think mostly in images,
73
180960
2641
Ben genellikle görsel olarak düşünürüm,
03:15
and so for me that became a key metric --
74
183601
2852
yani bu benim için esas belirleyicidir.
03:18
how to get these mental images
75
186453
2330
Peki bu zihinsel görüntüleri nasıl geri kazanacaktım?
03:20
that I use as a way of rapid prototyping,
76
188783
2504
Çünkü bunları;
düşüncelerimi hızla modellerken,
03:23
if you will, my ideas,
77
191287
1743
03:25
trying on different new ideas for size,
78
193030
2372
yeni fikirlerimi ölçerken
03:27
playing out scenarios.
79
195402
1695
ve kafamda senaryolar kurarken kullanıyordum.
03:29
This kind of thinking isn't new.
80
197097
1913
Bu tarz bir düşünme şekli yeni değildir.
03:31
Philiosophers like Hume and Descartes and Hobbes
81
199010
3255
Hume, Descartes ve Hobbes gibi filozoflar da
03:34
saw things similarly.
82
202265
1528
aynı şekilde düşünüyorlardı.
03:35
They thought that mental images and ideas
83
203793
2737
Onlara göre bu görsel resim ve fikirler
03:38
were actually the same thing.
84
206530
2331
aslında aynı şeylerdi.
03:40
There are those today that dispute that,
85
208861
2417
Bugün bu konuyu tartışanlar var
ve zihnin nasıl çalıştığıyla ilgili bir sürü tartışma var,
03:43
and lots of debates about how the mind works,
86
211278
3195
03:46
but for me it's simple:
87
214473
1736
ama benim için olay basit:
03:48
Mental images, for most of us,
88
216209
2532
Zihinsel resimler, çoğumuzda,
03:50
are central in inventive and creative thinking.
89
218741
3934
icat eden ve yaratan düşüncenin merkezindedir.
03:54
So after several years,
90
222675
1775
Sonuç olarak birkaç yıl sonra
03:56
I tuned myself up and I have lots of great,
91
224450
3233
kendimi yükselttim ve birçok muazzam,
03:59
really vivid mental images with a lot of sophistication
92
227683
3048
çok canlı zihinsel resimler oluşturdum, bunlar fazlasıyla entellektüel
04:02
and the analytical backbone behind them.
93
230731
2269
ve analitik omurgası sağlam resimlerdi.
04:05
And so now I'm working on,
94
233000
1921
Ve şimdi de üzerinde çalıştığım soru şu,
04:06
how can I get these mental images in my mind
95
234921
4162
bu zihinsel imajları nasıl zihnimden
04:11
out to my computer screen faster?
96
239083
2850
dışarı bilgisayar ekranına hızlıca geçirebilirim?
04:13
Can you imagine, if you will,
97
241933
2089
Hayal edin,
04:16
a movie director being able to use
98
244022
2120
bir film yönetmeninin sadece hayal gücünü kullanarak
04:18
her imagination alone to
direct the world in front of her?
direct the world in front of her?
99
246142
3762
önündeki dünyayı yönetebildiğini.
04:21
Or a musician to get the music out of his head?
100
249904
3588
Ya da bir müzisyenin kafasındaki müziği dışarı çıkarabildiğini.
04:25
There are incredible possibilities with this
101
253492
2292
Bunda yaratıcı insanların
04:27
as a way for creative people
102
255784
1993
ışık hızıyla paylaşabilmeleri için
04:29
to share at light speed.
103
257777
2233
inanılmaz olanaklar var.
04:32
And the truth is, the remaining bottleneck
104
260010
1998
Gerçek şu ki, bunu yapmak için
04:34
in being able to do this
105
262008
1173
kalan son tıkanma noktası,
04:35
is just upping the resolution of brain scan systems.
106
263181
3980
beyin tarama sistemlerinin çözünürlüğünü arttırmak.
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
Neden buna ulaşmaya yakın olduğumuzu düşündüğümü
04:42
by sharing with you two recent experiments
108
270029
2387
iki yeni deneyi paylaşarak açıklayayım.
04:44
from two top neuroscience groups.
109
272416
2587
Bunlar sinirbiliminin iki en iyi grubu tarafından yapıldılar.
04:47
Both used fMRI technology --
110
275003
2488
Her ikisinde de beyni görüntülemek için
FMRI teknolojisi kullanıldı --
04:49
functional magnetic resonance imaging technology --
111
277491
2279
fonksiyonel manyetik rezonans görüntüleme teknolojisi --
04:51
to image the brain,
112
279770
1411
04:53
and here is a brain scan set from Giorgio Ganis
113
281181
3257
ve işte Giorgio Ganis ve Harvard'daki meslektaşları tarafından
04:56
and his colleagues at Harvard.
114
284438
1950
yapılmış bir beyin tomografisi dizisi.
04:58
And the left-hand column shows a brain scan
115
286388
3154
Ve sol sütunda
bir imgeye bakan bir kişinin beyin taraması gösteriliyor.
05:01
of a person looking at an image.
116
289542
3267
05:04
The middle column shows the brainscan
117
292809
1929
Ortadaki sütunda
05:06
of that same individual
118
294738
1621
aynı kişi
05:08
imagining, seeing that same image.
119
296359
3066
aynı imgeyi gördüğünü hayal ediyor.
05:11
And the right column was created
120
299425
2048
Sağdaki sütun
05:13
by subtracting the middle
column from the left column,
column from the left column,
121
301473
3594
sol sütundan ortadaki sütun çıkartılarak elde edildi
05:17
showing the difference to be nearly zero.
122
305083
2943
ve aradaki farkın neredeyse sıfır olduğunu gösteriyor.
05:20
This was repeated on lots of different individuals
123
308026
2894
Bu deney bir sürü farklı kişiyle,
05:22
with lots of different images,
124
310920
2830
bir sürü farklı görüntüyle tekrar tekrar yapıldı,
05:25
always with a similar result.
125
313750
1604
ve hep benzer sonuç elde edildi.
05:27
The difference between seeing an image
126
315354
2089
Bir imgeyi görmekle
05:29
and imagining seeing that same image
127
317443
2455
aynı imgeyi gördüğünü hayal etmek arasında
05:31
is next to nothing.
128
319898
2155
neredeyse fark yok.
05:34
Next let me share with you one other experiment,
129
322053
2761
Sırada sizinle başka bir deney paylaşmak istiyorum.
05:36
this from Jack Gallant's lab at Cal Berkeley.
130
324814
4541
Bu Jack Gallant'ın Cal Berkeley'deki laboratuarından.
05:41
They've been able to decode brainwaves
131
329355
2063
Beyin dalgalarını tanınabilir görsel alanlara
05:43
into recognizable visual fields.
132
331418
2441
kodlamayı başardılar.
05:45
So let me set this up for you.
133
333859
1305
Bunu size açayım.
05:47
In this experiment, individuals were shown
134
335164
2333
Bu deneyde, deneklere
05:49
hundreds of hours of YouTube videos
135
337497
1995
yüzlerce saat YouTube videoları izletildi,
05:51
while scans were made of their brains
136
339492
2039
bu sırada beyinlerinin taraması yapılırken
05:53
to create a large library of their brain reacting
137
341531
3216
her video serisine beyinlerinin verdiği reaksiyonların
05:56
to video sequences.
138
344747
2649
geniş bir kaydı oluşturuldu.
05:59
Then a new movie was shown with new images,
139
347396
2850
Daha sonra içinde yeni görüntüler, yeni insanlar
06:02
new people, new animals in it,
140
350246
1952
yeni hayvanlar olan bir film gösterildi
06:04
and a new scan set was recorded.
141
352198
2711
ve yeni bir tarama seti kaydedildi.
06:06
The computer, using brain scan data alone,
142
354909
2788
Bilgisayar, sadece beyin tarama verilerini kullanarak,
06:09
decoded that new brain scan
143
357697
2024
bu yeni beyin taramasının
06:11
to show what it thought the
individual was actually seeing.
individual was actually seeing.
144
359721
4376
deneğin gerçekte ne gördüğünü göstermek amacıyla kodlarını çözdü.
06:16
On the right-hand side, you
see the computer's guess,
see the computer's guess,
145
364097
3381
Sağ tarafta, bilgisayarın tahminini görüyorsunuz
06:19
and on the left-hand side, the presented clip.
146
367478
4007
ve sol tarafta, sunulan klibi.
06:23
This is the jaw-dropper.
147
371485
2319
Akıl almaz birşey.
06:25
We are so close to being able to do this.
148
373804
2687
Bunu yapabilir olmamıza çok az kaldı.
06:28
We just need to up the resolution.
149
376491
2785
Sadece çözünürlüğü arttırmamız gerekiyor.
06:31
And now remember that when you see an image
150
379276
3252
Ve unutmayın, bir imge görmekle
06:34
versus when you imagine that same image,
151
382528
2158
aynı imgeyi hayal etmek,
06:36
it creates the same brain scan.
152
384686
3475
aynı beyin taramasını oluşturur.
06:40
So this was done with the highest-resolution
153
388161
2722
Yani bu, bugün mevcut olan en yüksek çözünürlüklü
06:42
brain scan systems available today,
154
390883
2185
beyin tarama sistemleriyle yapıldı
06:45
and their resolution has increased really
155
393068
1784
ve bunların çözünürlükleri son birkaç yılda
06:46
about a thousandfold in the last several years.
156
394852
3497
bin misli kadar çok arttı.
06:50
Next we need to increase the resolution
157
398349
2322
Bizim de çözünürlüğü
06:52
another thousandfold
158
400671
1977
bin misli daha arttırıp
06:54
to get a deeper glimpse.
159
402648
1789
daha derin bir bakış elde etmemiz gerekiyor.
06:56
How do we do that?
160
404437
1511
Nasıl yapacağız bunu?
06:57
There's a lot of techniques in this approach.
161
405948
2614
Bu bağlamda bir sürü teknik var.
07:00
One way is to crack open your
skull and put in electrodes.
skull and put in electrodes.
162
408562
3118
Bir yolu kafatasınızı kırarak açıp içine elektrotlar koymak.
07:03
I'm not for that.
163
411680
1403
Ben buna karşıyım.
07:05
There's a lot of new imaging techniques
164
413083
2955
Bir sürü önerilen yeni görüntüleme teknikleri var,
07:08
being proposed, some even by me,
165
416038
2003
hatta bazılarını ben öneriyorum.
07:10
but given the recent success of MRI,
166
418041
2959
Ama MRI son yükselişini düşünürsek,
07:13
first we need to ask the question,
167
421000
2068
ilk şu soruyu sormamız gerekiyor:
07:15
is it the end of the road with this technology?
168
423068
2841
Bu teknolojiyle yolun sonu bu mu?
07:17
Conventional wisdom says the only way
169
425909
2455
Geleneksel akıl daha yüksek çözünürlük elde etmenin
07:20
to get higher resolution is with bigger magnets,
170
428364
2589
tek yolunun daha büyük mıknatıslarla olacağını söylüyor.
07:22
but at this point bigger magnets
171
430953
1842
Ama bu noktada büyük mıknatıslar
07:24
only offer incremental resolution improvements,
172
432795
3750
yalnızca çözünürlük geliştirmede artış sunar,
07:28
not the thousandfold we need.
173
436545
2160
ihtiyacımız olan bin mislini değil.
07:30
I'm putting forward an idea:
174
438705
1823
Bir fikir öne sürüyorum:
07:32
instead of bigger magnets,
175
440528
1963
Daha büyük mıknatıslar yerine,
07:34
let's make better magnets.
176
442491
2450
daha iyi mıknatıslar yapalım.
07:36
There's some new technology breakthroughs
177
444941
2003
Nanobiliminde bazı yeni
07:38
in nanoscience
178
446944
1457
teknolojik buluşlar var,
07:40
when applied to magnetic structures
179
448401
1727
bunlar manyetik yapılara uygulandığında
07:42
that have created a whole new class of magnets,
180
450128
3013
tamamen yeni bir çeşit mıknatıs oluşturuyorlar.
07:45
and with these magnets, we can lay down
181
453141
2531
Ve bu mıknatıslar ile beyinden
07:47
very fine detailed magnetic field patterns
182
455672
2167
çok daha ince detaylı manyetik alan şablonları
07:49
throughout the brain,
183
457839
1355
oluşturabiliriz.
07:51
and using those, we can actually create
184
459194
3182
Daha sonra bunları kullanarak,
07:54
holographic-like interference structures
185
462376
2838
çok sayıda şablon üzerinde hassas kontrolü sağlayacak
07:57
to get precision control over many patterns,
186
465214
3469
holografik benzeri müdahale yapıları oluşturabiliriz.
08:00
as is shown here by shifting things.
187
468683
2445
Burada da gösterildiği gibi bazı şeyleri oynatarak.
08:03
We can create much more complicated structures
188
471128
3150
Azıcık farklı düzenlemelerle,
08:06
with slightly different arrangements,
189
474278
2071
çok daha karmaşık yapılar oluşturabiliriz,
08:08
kind of like making Spirograph.
190
476349
3033
mesela spirograf yapmak gibi.
08:11
So why does that matter?
191
479382
2228
Peki bu neden önemli?
08:13
A lot of effort in MRI over the years
192
481610
2577
Yıllar boyunca MRI çalışmalarında
08:16
has gone into making really big,
193
484187
2837
çok büyük mıknatıslar yapmaya
08:19
really huge magnets, right?
194
487024
2610
büyük çabalar harcandı, değil mi?
08:21
But yet most of the recent advances
195
489634
2509
Ama henüz çözünürlükteki en son gelişmeler
08:24
in resolution have actually come from
196
492143
2197
MRI sistemlerindeki
08:26
ingeniously clever encoding and decoding solutions
197
494340
4008
F.M. radyo frekansı vericileri ve alıcılarında yapılan
08:30
in the F.M. radio frequency transmitters and receivers
198
498348
3287
dahiyane kodlama ve kod çözme çözümleri
08:33
in the MRI systems.
199
501635
2691
sayesinde oldu.
08:36
Let's also, instead of a uniform magnetic field,
200
504326
3322
Şimdi de, tek tip bir manyetik alan yerine,
08:39
put down structured magnetic patterns
201
507648
2672
F.M. radyo frekanslarına ek olarak
08:42
in addition to the F.M. radio frequencies.
202
510320
3099
yapılandırılmış manyetik şablonlar koyalım.
08:45
So by combining the magnetics patterns
203
513419
2307
Yani manyetik şablonları
08:47
with the patterns in the F.M. radio frequencies
204
515726
2710
F.M. radyo frekansları işlemindeki şablonlarla birleştirelim.
08:50
processing which can massively increase
205
518436
2171
Bu tek bir taramada
08:52
the information that we can extract
206
520607
1969
elde edebileceğimiz bilgiyi
08:54
in a single scan.
207
522576
2446
muazzam bir şekilde arttıracaktır.
08:57
And on top of that, we can then layer
208
525022
2332
Bunun da üzerinde, daha sonra
08:59
our ever-growing knowledge
of brain structure and memory
of brain structure and memory
209
527354
4472
ihtiyacımız olan bin misli artışı sağlamak için
09:03
to create a thousandfold increase that we need.
210
531826
3695
beyin yapısı ve bellek hakkındaki sürekli gelişen bilgimizi ayrıştırabiliriz.
09:07
And using fMRI, we should be able to measure
211
535521
2943
Ve fMRI kullanarak,
09:10
not just oxygenated blood flow,
212
538464
2082
sadece oksijenli kan akışını değil,
09:12
but the hormones and neurotransmitters
I've talked about
I've talked about
213
540546
2901
bahsettiğim hormonlar ve nörotransmitterleri
09:15
and maybe even the direct neural activity,
214
543447
2345
ve belki de doğrudan sinirsel aktiviteyi ölçebilir olmalıyız,
09:17
which is the dream.
215
545792
1503
hayal ettiğimiz şey bu.
09:19
We're going to be able to dump our ideas
216
547295
2234
Düşüncelerimizi doğrudan dijital medyaya
09:21
directly to digital media.
217
549529
2694
dökebileceğiz.
09:24
Could you imagine if we could leapfrog language
218
552223
2711
Dili pas geçip doğrudan
09:26
and communicate directly with human thought?
219
554934
4209
düşüncelerimizle iletişim kurabilidiğimizi hayal edebiliyor musunuz?
09:31
What would we be capable of then?
220
559143
3193
O vakit başka neler yapabilirdik?
09:34
And how will we learn to deal
221
562336
2637
Filtresiz insan düşüncesi gerçeğiyle
09:36
with the truths of unfiltered human thought?
222
564973
4219
nasıl başa çıkmayı öğreneceğiz?
09:41
You think the Internet was big.
223
569192
2567
Siz hala internetin büyük buluş olduğunu düşünüyorsunuz.
09:43
These are huge questions.
224
571759
2602
Bunlar büyük sorular.
09:46
It might be irresistible as a tool
225
574361
2148
Düşünme ve iletişim becerilerimizi geliştirme aracı olarak
09:48
to amplify our thinking and communication skills.
226
576509
3876
karşı konulamaz olabilir.
09:52
And indeed, this very same tool
227
580385
2023
Ve gerçekten de, bu aynı araç
09:54
may prove to lead to the cure
228
582408
2126
Alzheimer ve benzeri hastalıkların
09:56
for Alzheimer's and similar diseases.
229
584534
3074
çözümüne yönlendirecek bir kanıt oluşturabilir.
09:59
We have little option but to open this door.
230
587608
3512
Tek bir seçeneğimiz var o da bu kapıyı açmak.
10:03
Regardless, pick a year --
231
591120
1585
Öylesine bir yıl seçin --
10:04
will it happen in five years or 15 years?
232
592705
2266
5 yıl içinde mi yoksa 15 yıl içinde mi olacak?
10:06
It's hard to imagine it taking much longer.
233
594971
4616
Daha uzun süreceğini düşünmek zor.
10:11
We need to learn how to take this step together.
234
599587
3695
Bu adımı hep beraber nasıl atacağımızı öğrenmemiz gerekiyor.
10:15
Thank you.
235
603282
2174
Teşekkür ederim.
10:17
(Applause)
236
605456
3974
(Alkış)
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