TED@Intel
Jennifer Healey: If cars could talk, accidents might be avoidable
Jennifer Healey: Nếu xe biết nói chuyện, ta có thể tránh được tai nạn
Filmed:
Readability: 3.2
908,454 views
Khi lái xe, ta bị khoá trong một bong bóng, đạp ga, mà chỉ dựa độc vào mắt mình để quan sát trước sau. Nhưng một khi xe cộ có thể trao đổi dữ liệu về ví trí, tốc độ hay các mẫu hình dự đoán để tính toán tuyến đường an toàn nhất cho mọi người thì sao? Jennifer Healey và những tưởng tượng về một thế giới không tai nạn giao thông. (Quay phim tại TED@Intel)
Jennifer Healey - Research scientist
A research scientist at Intel, Jennifer Healey develops the mobile internet devices of the future. Full bio
A research scientist at Intel, Jennifer Healey develops the mobile internet devices of the future. Full bio
Double-click the English transcript below to play the video.
00:12
Let's face it:
0
703
1914
Hãy đối mặt với sự thật là:
00:14
Driving is dangerous.
1
2617
2445
Việc lái xe vô cùng nguy hiểm.
00:17
It's one of the things that we don't like to think about,
2
5062
3098
Dù ta không muốn nghĩ tới đi nữa,
00:20
but the fact that religious icons and good luck charms
3
8160
3652
những biểu tượng tôn giáo hay các lá bùa may
00:23
show up on dashboards around the world
4
11812
4790
treo trong buồng lái khắp nơi trên thế giới
00:28
betrays the fact that we know this to be true.
5
16602
4137
cũng đủ cho ta biết lái xe nguy hiểm cỡ nào.
00:32
Car accidents are the leading cause of death
6
20739
3594
Tai nạn xe cộ là nguyên nhân gây tử vong số một
00:36
in people ages 16 to 19 in the United States --
7
24333
4170
ở độ tuổi 16 tới 19 trên nước Mỹ.
00:40
leading cause of death --
8
28503
2843
nguyên nhân số một --
00:43
and 75 percent of these accidents have nothing to do
9
31346
3863
và 75 phần trăm số tai nạn này không liên quan gì tới
00:47
with drugs or alcohol.
10
35209
2285
ma tuý hay rượu cồn.
00:49
So what happens?
11
37494
2261
Vậy là sao?
00:51
No one can say for sure, but I remember my first accident.
12
39755
4219
Không ai nói chắc được, nhưng tôi còn nhớ tai nạn đầu tiên của mình.
00:55
I was a young driver out on the highway,
13
43974
3803
Hồi tôi còn là tay lái non trên đại lộ,
00:59
and the car in front of me, I saw the brake lights go on.
14
47777
2258
tôi thấy chiếc xe đằng trước đã bật đèn phanh.
01:02
I'm like, "Okay, all right, this guy is slowing down,
15
50035
1800
Tôi mới "Rồi, ông này đang hạ tốc độ,
01:03
I'll slow down too."
16
51835
1282
mình cũng hạ theo luôn."
01:05
I step on the brake.
17
53117
1926
Tôi đạp phanh.
01:07
But no, this guy isn't slowing down.
18
55043
2254
Nhưng mà tay này đâu có đi chậm lại.
01:09
This guy is stopping, dead stop, dead stop on the highway.
19
57297
3178
Ổng đứng sựng lại trên đường đại lộ, dừng giữa đường luôn.
01:12
It was just going 65 -- to zero?
20
60475
2540
Từ 65 nhảy xuống 0?
01:15
I slammed on the brakes.
21
63015
1520
Tôi đạp phịch cái phanh.
01:16
I felt the ABS kick in, and the car is still going,
22
64535
3059
Tôi thấy phanh chống khoá hoạt động, mà xe thì vẫn chạy
01:19
and it's not going to stop, and I know it's not going to stop,
23
67594
2696
không có dấu hiệu dừng, tôi cũng biết vậy
01:22
and the air bag deploys, the car is totaled,
24
70290
2939
và bong bóng xổ ra, xe đi tong,
01:25
and fortunately, no one was hurt.
25
73229
3557
nhưng may thay, không ai bị gì.
01:28
But I had no idea that car was stopping,
26
76786
4211
Tôi không hề biết chiếc xe phía trước đang dừng lại,
01:32
and I think we can do a lot better than that.
27
80997
3645
tôi nghĩ ta có thể làm tốt hơn vậy.
01:36
I think we can transform the driving experience
28
84642
4145
Tôi nghĩ ta có thể biến đổi hoạt động lái xe lên một tầm mới
01:40
by letting our cars talk to each other.
29
88787
3879
khi ta để cho xe nói chuyện với nhau.
01:44
I just want you to think a little bit
30
92666
1424
Nếu bạn nghĩ một chút
01:46
about what the experience of driving is like now.
31
94090
2888
về cách ta lái xe trong hiện tại.
01:48
Get into your car. Close the door. You're in a glass bubble.
32
96978
4028
Bước vô xe. Đóng cửa lại. Ta ở trong lòng một bong bóng.
01:53
You can't really directly sense the world around you.
33
101006
2916
Không có khái niệm gì về thế giới bên ngoài.
01:55
You're in this extended body.
34
103922
2181
Ta ở trong một cơ thể được kéo dài ra.
01:58
You're tasked with navigating it down
35
106103
2163
Ta phải định vị xe đi
02:00
partially-seen roadways,
36
108266
2056
qua phần đường khuất không thấy hết
02:02
in and amongst other metal giants, at super-human speeds.
37
110322
4424
đi giữa dòng dài những khối thép khổng lồ, ở tốc độ siêu nhân.
02:06
Okay? And all you have to guide you are your two eyes.
38
114746
4480
OK? Và ta chỉ có hai đôi mắt dẫn đường cho đi.
02:11
Okay, so that's all you have,
39
119226
1762
Vậy thôi, chỉ có nhiêu đó,
02:12
eyes that weren't really designed for this task,
40
120988
1735
mắt - không thiết kế cho việc này,
02:14
but then people ask you to do things like,
41
122723
3751
đã vậy ta còn phải làm những thứ như,
02:18
you want to make a lane change,
42
126474
1549
ví dụ nếu muốn chuyển làn đường,
02:20
what's the first thing they ask you do?
43
128023
2321
ta phải làm gì nhỉ?
02:22
Take your eyes off the road. That's right.
44
130344
3095
Phải rời mắt ra khỏi con đường. Đúng vậy.
02:25
Stop looking where you're going, turn,
45
133439
2096
Rời mắt đi khỏi con đường trước mặt, quẹo,
02:27
check your blind spot,
46
135535
2018
kiểm tra điểm mù,
02:29
and drive down the road without looking where you're going.
47
137553
3471
rồi lái xuống đường mà không cần nhìn.
02:33
You and everyone else. This is the safe way to drive.
48
141024
3135
Không phải mình bạn mà ai cũng vậy. Lái như vậy mới an toàn.
02:36
Why do we do this? Because we have to,
49
144159
2241
Vì sao vậy? Vì ta bắt buộc phải làm vậy,
02:38
we have to make a choice, do I look here or do I look here?
50
146400
2579
ta phải quyết định nên nhìn chỗ này hay chỗ nọ?
02:40
What's more important?
51
148979
1521
Cái gì quan trọng hơn?
02:42
And usually we do a fantastic job
52
150500
2711
Thường thì ta làm tốt ghê lắm
02:45
picking and choosing what we attend to on the road.
53
153211
3769
chọn lựa những thứ ta phải lưu tâm trên đường.
02:48
But occasionally we miss something.
54
156980
3650
Nhưng thi thoảng ta để lỡ cái gì đó.
02:52
Occasionally we sense something wrong or too late.
55
160630
4461
Thi thoảng ta linh cảm có gì không ổn, hay là quá trễ rồi.
02:57
In countless accidents, the driver says,
56
165091
1988
Trong vô vàn tai nạn, tài xế sẽ nói,
02:59
"I didn't see it coming."
57
167079
2308
"Tôi không ngờ."
03:01
And I believe that. I believe that.
58
169387
3281
Tôi tin, rất tin.
03:04
We can only watch so much.
59
172668
2925
Ta chỉ đủ sức quan sát chừng đó thôi.
03:07
But the technology exists now that can help us improve that.
60
175593
5144
Nhưng công nghệ hiện tại có thể hỗ trợ ta cải thiện tình hình.
03:12
In the future, with cars exchanging data with each other,
61
180737
4296
Trong tương lai, xe hơi sẽ tự trao đổi dữ liệu
03:17
we will be able to see not just three cars ahead
62
185033
3928
ta không những thấy được ba chiếc xe phía trước
03:20
and three cars behind, to the right and left,
63
188961
1594
hay ba xe đằng sau, bên phải bên trái,
03:22
all at the same time, bird's eye view,
64
190555
3166
cùng một lúc, với tầm nhìn của chim,
03:25
we will actually be able to see into those cars.
65
193721
3128
ta có thể nhìn thấu mấy chiếc xe đó,
03:28
We will be able to see the velocity of the car in front of us,
66
196849
2371
Ta thấy luôn vận tốc của xe đi trước,
03:31
to see how fast that guy's going or stopping.
67
199220
3240
để coi người ta đi nhanh chậm cỡ nào hay có dừng lại không.
03:34
If that guy's going down to zero, I'll know.
68
202460
4510
Nếu họ chuẩn bị về 0, tôi biết liền.
03:38
And with computation and algorithms and predictive models,
69
206970
3859
Rồi với ước tính và thuật toán và những mô hình phỏng đoán,
03:42
we will be able to see the future.
70
210829
3273
ta có thể thấy trước tương lai.
03:46
You may think that's impossible.
71
214102
1556
Các bạn có thể nghĩ đó là chuyện không tưởng.
03:47
How can you predict the future? That's really hard.
72
215658
2731
Làm sao mà thấy trước tương lai? Khó hơn lên trời.
03:50
Actually, no. With cars, it's not impossible.
73
218389
3619
Không khó đâu. Với xe hơi thì việc này là khả dĩ.
03:54
Cars are three-dimensional objects
74
222008
2732
Xe hơi là vật có ba chiều
03:56
that have a fixed position and velocity.
75
224740
2332
có vị trí và vận tốc cố định.
03:59
They travel down roads.
76
227072
1631
Chúng đi trên đường.
04:00
Often they travel on pre-published routes.
77
228703
2412
Thường là những đường đã được thảo trước.
04:03
It's really not that hard to make reasonable predictions
78
231115
3938
Đưa ra những dự đoán hợp lý thì cũng không quá khó đâu
04:07
about where a car's going to be in the near future.
79
235053
2864
đoán xe sẽ đi tới đâu.
04:09
Even if, when you're in your car
80
237917
2002
Ngay cả khi bạn ở trong xe
04:11
and some motorcyclist comes -- bshoom! --
81
239919
1994
rồi mấy tay xe mô tô lò mò tới -
04:13
85 miles an hour down, lane-splitting --
82
241913
2296
85 dặm một giờ, xé đường --
04:16
I know you've had this experience --
83
244209
2547
Tôi biết các bạn gặp mấy vụ này rồi --
04:18
that guy didn't "just come out of nowhere."
84
246756
2603
tay kia không phải từ trên trời rơi xuống
04:21
That guy's been on the road probably for the last half hour.
85
249359
3643
Tay đó đã ở trên đường cả nửa tiếng.
04:25
(Laughter)
86
253002
1190
(Cười)
04:26
Right? I mean, somebody's seen him.
87
254192
3589
Đúng không? Ý tôi là người ta thấy anh ta rồi.
04:29
Ten, 20, 30 miles back, someone's seen that guy,
88
257781
2768
10, 20, 30 dặm, sẽ có người thấy anh ta,
04:32
and as soon as one car sees that guy
89
260549
2384
và ngay lúc có xe nào đó thấy ảnh
04:34
and puts him on the map, he's on the map --
90
262933
2231
và đưa xe ảnh lên bản đồ, trên bản đồ --
04:37
position, velocity,
91
265164
2176
vị trí, vận tốc,
04:39
good estimate he'll continue going 85 miles an hour.
92
267340
2321
ước tính đang chạy 85 dặm một giờ.
04:41
You'll know, because your car will know, because
93
269661
2184
Bạn biết những điều đó vì xe của bạn sẽ biết, do
04:43
that other car will have whispered something in his ear,
94
271845
2275
mấy xe khác to nhỏ vô tai nó,
04:46
like, "By the way, five minutes,
95
274120
1923
kiểu như, "Nhân tiện, 5 phút nữa,
04:48
motorcyclist, watch out."
96
276043
2775
xe mô tô, coi chừng đó."
04:50
You can make reasonable predictions about how cars behave.
97
278818
2703
Bạn sẽ đưa ra những dự đoán hợp lý về cách xe cộ cư xử.
04:53
I mean, they're Newtonian objects.
98
281521
1365
Ý tôi là, xe cộ là những vật mang tính Newton.
04:54
That's very nice about them.
99
282886
2909
Nên rất dễ thương.
04:57
So how do we get there?
100
285795
3034
Vậy làm sao mà ta tới được đây?
05:00
We can start with something as simple
101
288829
2266
Ta có thể bắt đầu đơn giản là
05:03
as sharing our position data between cars,
102
291095
2870
chia sẻ dữ liệu giữa các xe,
05:05
just sharing GPS.
103
293965
1892
chỉ chia sẻ GPS.
05:07
If I have a GPS and a camera in my car,
104
295857
2444
Nếu tôi có GPS và camera trong xe,
05:10
I have a pretty precise idea of where I am
105
298301
2231
tôi sẽ biết chính xác vị trí của mình
05:12
and how fast I'm going.
106
300532
1732
và cả tốc độ hiện tại nữa.
05:14
With computer vision, I can estimate where
107
302264
1657
Nhờ tầm nhìn của máy tính, tôi có thể ước đoán vị trí của
05:15
the cars around me are, sort of, and where they're going.
108
303921
3537
những xe xung quanh và biết chúng chuẩn bị đi đâu.
05:19
And same with the other cars.
109
307458
970
Mấy xe khác cũng vậy.
05:20
They can have a precise idea of where they are,
110
308428
1814
Họ cũng biết chính xác vị trí của họ,
05:22
and sort of a vague idea of where the other cars are.
111
310242
2146
và biết sơ sơ ví trí của xe khác.
05:24
What happens if two cars share that data,
112
312388
3231
Sẽ như thế nào nếu hai xe chia sẻ dữ liệu
05:27
if they talk to each other?
113
315619
1955
nếu chúng trò chuyện với nhau?
05:29
I can tell you exactly what happens.
114
317574
2778
Tôi sẽ giải thích đây.
05:32
Both models improve.
115
320352
2339
Cả hai mẫu xe được cải tiến.
05:34
Everybody wins.
116
322691
2055
Ai cũng có lợi.
05:36
Professor Bob Wang and his team
117
324746
2577
Giáo sư Bob Wang và nhóm của mình
05:39
have done computer simulations of what happens
118
327323
2738
đã làm giả nghiệm trên máy tính về
05:42
when fuzzy estimates combine, even in light traffic,
119
330061
3431
khi những ước tính mơ hồ kết hợp lại, ngay cả khi ít xe,
05:45
when cars just share GPS data,
120
333492
2624
khi xe chỉ chia sẻ dữ liệu GPS,
05:48
and we've moved this research out of the computer simulation
121
336116
2513
và chúng tôi đưa nghiên cứu này ra khỏi máy tính
05:50
and into robot test beds that have the actual sensors
122
338629
3027
vào trong những xe robot có cảm ứng
05:53
that are in cars now on these robots:
123
341656
3133
như trên xe, nhưng bây giờ gắn vào robot:
05:56
stereo cameras, GPS,
124
344789
1838
camera ba chiều, GPS,
05:58
and the two-dimensional laser range finders
125
346627
1874
và những máy dò tia laser
06:00
that are common in backup systems.
126
348501
2240
phổ biến trên các hệ thống hỗ trợ.
06:02
We also attach a discrete short-range communication radio,
127
350741
4484
Chúng tôi cũng gắn vào robot những radio tầm ngắn
06:07
and the robots talk to each other.
128
355225
1909
để robot nói chuyện với nhau.
06:09
When these robots come at each other,
129
357134
1539
Khi những robot này thấy nhau,
06:10
they track each other's position precisely,
130
358673
2971
chúng lần ra được vị trí của nhau rất chính xác,
06:13
and they can avoid each other.
131
361644
2737
và có thể tránh nhau.
06:16
We're now adding more and more robots into the mix,
132
364381
3226
Rồi chúng ta cũng thêm nhiều robot vào,
06:19
and we encountered some problems.
133
367607
1471
và gặp một số vấn đề.
06:21
One of the problems, when you get too much chatter,
134
369078
2359
Một trong số đó là khi có mấy xe nhiều chuyện
06:23
it's hard to process all the packets, so you have to prioritize,
135
371437
3728
rất khó để xử lý các dữ kiện, nên bạn cần ưu tiên
06:27
and that's where the predictive model helps you.
136
375165
2357
và lúc đó sẽ có các mẫu dự đoán cho bạn.
06:29
If your robot cars are all tracking the predicted trajectories,
137
377522
4372
Nếu các robot đều chú mục vào những quỹ đạo theo dự đoán,
06:33
you don't pay as much attention to those packets.
138
381894
1767
ta không cần tập trung vào những dữ liệu đó.
06:35
You prioritize the one guy
139
383661
1703
Chỉ việc ưu tiên một xe
06:37
who seems to be going a little off course.
140
385364
1333
có vẻ như đang đi chệch hướng.
06:38
That guy could be a problem.
141
386697
2526
Xe đó có thể gây rắc rối.
06:41
And you can predict the new trajectory.
142
389223
3002
Và bạn có thể dự đoán quỹ đạo mới.
06:44
So you don't only know that he's going off course, you know how.
143
392225
2763
Không những biết được xe kia đi chệch, mà còn biết đi chệch ra làm sao.
06:46
And you know which drivers you need to alert to get out of the way.
144
394988
3725
Và biết phải bảo xe nào đi ra khỏi đường.
06:50
And we wanted to do -- how can we best alert everyone?
145
398713
2633
Và chúng tôi muốn - làm sao để cảnh giác mọi người?
06:53
How can these cars whisper, "You need to get out of the way?"
146
401346
3183
Làm sao để mấy xe này nói nhỏ. "Anh làm ơn đi tránh đường với?"
06:56
Well, it depends on two things:
147
404529
1517
Còn tuỳ thuộc hai điều:
06:58
one, the ability of the car,
148
406046
2169
1, khả năng của xe,
07:00
and second the ability of the driver.
149
408215
3217
2, khả năng của tài xế.
07:03
If one guy has a really great car,
150
411432
1505
Nếu một người có môt chiếc xe xịn,
07:04
but they're on their phone or, you know, doing something,
151
412937
2925
mà lại đang cà kê điện thoại, kiểu như, làm gì đó,
07:07
they're not probably in the best position
152
415862
1930
thì họ khó lòng
07:09
to react in an emergency.
153
417792
2970
phản ứng tốt trong tính huống nguy cấp.
07:12
So we started a separate line of research
154
420762
1665
Chúng tôi làm một nghiên cứu khác
07:14
doing driver state modeling.
155
422427
2551
trên các mẫu hình tài xế,
07:16
And now, using a series of three cameras,
156
424978
2329
Lần này, dùng một loạt camera,
07:19
we can detect if a driver is looking forward,
157
427307
2270
chúng tôi có thể phát hiện nếu tài xế đang nhìn thẳng,
07:21
looking away, looking down, on the phone,
158
429577
2860
không nhìn, nhìn xuống, đang nói chuyện điện thoại,
07:24
or having a cup of coffee.
159
432437
3061
hay đang uống cà phê.
07:27
We can predict the accident
160
435498
2070
Ta có thể dự đoán tai nạn
07:29
and we can predict who, which cars,
161
437568
3651
dự đoán ai, xe nào,
07:33
are in the best position to move out of the way
162
441219
3486
đang ở vị trí thuận tiện nhất để dạt ra
07:36
to calculate the safest route for everyone.
163
444705
3009
để mà tính toán được tuyến đường an toàn nhất cho mọi người.
07:39
Fundamentally, these technologies exist today.
164
447714
4635
Căn bản thì những công nghệ này đang hiện hữu.
07:44
I think the biggest problem that we face
165
452349
2824
Tôi nghĩ vấn đề lớn nhất của ta bây giờ
07:47
is our own willingness to share our data.
166
455173
3013
là liệu ta có sẵn lòng chia sẻ dữ liệu không.
07:50
I think it's a very disconcerting notion,
167
458186
2631
Tôi nghĩ đây là một khái niệm tế nhị,
07:52
this idea that our cars will be watching us,
168
460817
2386
khi xe cộ có thể theo dõi ta,
07:55
talking about us to other cars,
169
463203
3371
buôn chuyện với xe khác về chúng ta,
07:58
that we'll be going down the road in a sea of gossip.
170
466574
3427
rồi ta sẽ đi trên con đường rặt những chuyện phiếm.
08:02
But I believe it can be done in a way that protects our privacy,
171
470001
3897
Nhưng tôi tin ta sẽ có cách bảo vệ sự riêng tư cho mình,
08:05
just like right now, when I look at your car from the outside,
172
473898
3741
như bây giờ, khi tôi nhìn xe bạn từ bên ngoài,
08:09
I don't really know about you.
173
477639
2363
tôi cũng không biết mấy lắm về bạn.
08:12
If I look at your license plate number,
174
480002
1137
Khi tôi nhìn biển số xe bạn,
08:13
I don't really know who you are.
175
481139
1886
tôi không biết bạn là ai.
08:15
I believe our cars can talk about us behind our backs.
176
483025
4249
Tôi tin rằng xe cộ sẽ bàn tán về chủ chúng sau lưng chúng ta.
08:19
(Laughter)
177
487274
2975
(Cười)
08:22
And I think it's going to be a great thing.
178
490249
3185
Và tôi nghĩ như vậy thì thật hay.
08:25
I want you to consider for a moment
179
493434
1650
Hãy nghĩ một chút
08:27
if you really don't want the distracted teenager behind you
180
495084
4118
nếu bạn không muốn một cậu nhỏ lơ đãng chạy sau
08:31
to know that you're braking,
181
499202
2120
biết rằng bạn đang phanh,
08:33
that you're coming to a dead stop.
182
501322
2924
rằng bạn sắp tới đường cùng.
08:36
By sharing our data willingly,
183
504246
2741
Chỉ thông qua việc chia sẻ dữ liệu,
08:38
we can do what's best for everyone.
184
506987
2812
ta có thể làm được điều tốt nhất cho mọi người.
08:41
So let your car gossip about you.
185
509799
3076
Cho nên hãy cứ để mặc xe cộ buôn chuyện.
08:44
It's going to make the roads a lot safer.
186
512875
3038
Chúng sẽ làm cho đường xá an toàn lên nhiều.
08:47
Thank you.
187
515913
1791
Cám ơn.
08:49
(Applause)
188
517704
4985
(Vỗ tay)
ABOUT THE SPEAKER
Jennifer Healey - Research scientistA research scientist at Intel, Jennifer Healey develops the mobile internet devices of the future.
Why you should listen
Jennifer Healey imagines a future where computers and smartphones are capable of being sensitive to human emotions and where cars are able to talk to each other, and thus keep their drivers away from accidents. A scientist at Intel Corporation Research Labs, she researches devices and systems that would allow for these major innovations.
Healey holds PhD from MIT in electrical engineering and computer science. While there, she pioneered “Affective Computing” with Rosalind Picard and developed the first wearable computer with physiological sensors and a video camera that allows the wearer to track their daily activities and how they feel while doing them. From there, she moved to IBM where she worked on the next generation of multi-modal interactive smartphones and helped architect the "Interaction Mark-Up language" that allows users to switch from voice to speech input seamlessly.
Healey has also used her interest in embedded devices in the field of healthcare. While an instructor at Harvard Medical School and at Beth Israel Deaconess Medical Center, she worked on new ways to use heart rate to predict cardiac health. She then joined HP Research in Cambridge to further develop wearable sensors for health monitoring and continued this research when she joined Intel Digital Health.
Jennifer Healey | Speaker | TED.com