TED@Intel
Jennifer Healey: If cars could talk, accidents might be avoidable
چينيفر هيلي: اذا تمكنت السيارات من التحدث، يمكنها أن تتجنب الحوادث
Filmed:
Readability: 3.2
908,454 views
عندما نقود سيارة, نقوم بالدخول الى فقاعة زجاجية, نقفل الأبواب و ندعس على دواسة الوقود, معتمدين على أعيننا لترشدنا-- بالرغم من ذلك يمكننا فقط رؤية القليل من السيارات أمامنا و خلفنا. لكن ماذا لو استطاعت السيارات من مشاركة المعلومات فيما بينها بما يتعلق بمواضعها و سرعتها, و استخدمت نماذج تنبؤية لمعرفة الطرق الأكثر أمانا" للجميع على الطريق؟ جينيفر هيلي تتخيل عالم خالي من الحوادث. (تم تصويره في 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
لنقوم بمواجهة الأمر..
00:14
Driving is dangerous.
1
2617
2445
قيادة السيارات خطرة
00:17
It's one of the things that we don't like to think about,
2
5062
3098
هي أحدى الأمور التي لا نريد أن نفكر بها
00:20
but the fact that religious icons and good luck charms
3
8160
3652
لكن حقيقة أن الأيقونات الدينية و تعويذات الحظ السعيد
00:23
show up on dashboards around the world
4
11812
4790
تظهر على لوحات القيادة في السيارات حول العالم
00:28
betrays the fact that we know this to be true.
5
16602
4137
تضلل الحقيقة بأننا نعلم أن هذا يمكن أن يكون حقيقي
00:32
Car accidents are the leading cause of death
6
20739
3594
حوادث السيارة هي السبب المؤدي الى الموت
00:36
in people ages 16 to 19 in the United States --
7
24333
4170
لدى أشخاص من عمر 16 الى 19 في الولايات المتحدة
00:40
leading cause of death --
8
28503
2843
السبب المودي الى الموت
00:43
and 75 percent of these accidents have nothing to do
9
31346
3863
و 75 بالمئة من هذه الحوادث غير متعلقة
00:47
with drugs or alcohol.
10
35209
2285
بالمخدرات أو الكحول
00:49
So what happens?
11
37494
2261
اذا ما ذا يحدث؟
00:51
No one can say for sure, but I remember my first accident.
12
39755
4219
لا أحد يستطيع القول بالتأكيد, لكنني أتذكر أول حادث حصل لي
00:55
I was a young driver out on the highway,
13
43974
3803
كنت سائقة شابة على الطريق السريع
00:59
and the car in front of me, I saw the brake lights go on.
14
47777
2258
رأيت ضوء المكابح على السيارة التي كانت أمامي
01:02
I'm like, "Okay, all right, this guy is slowing down,
15
50035
1800
كأنني, حسنا", حسنا", هذا الشخص يبطء السرعة
01:03
I'll slow down too."
16
51835
1282
سأبطئ السرعة أيضا"
01:05
I step on the brake.
17
53117
1926
دست على المكابح
01:07
But no, this guy isn't slowing down.
18
55043
2254
لكن لا, هذا الشخص لا يبطئ
01:09
This guy is stopping, dead stop, dead stop on the highway.
19
57297
3178
انه يتوقف, وقوف كامل, وقوف كامل على الطريق السريع
01:12
It was just going 65 -- to zero?
20
60475
2540
كانت السرعة تنتقل من 65-- الى صفر
01:15
I slammed on the brakes.
21
63015
1520
دست على المكابح بقوة
01:16
I felt the ABS kick in, and the car is still going,
22
64535
3059
شعرت بأن المكابح ذات النظام المضاد للاقفال تصدر صوت,
و السيارة ما تزال تسير
و السيارة ما تزال تسير
01:19
and it's not going to stop, and I know it's not going to stop,
23
67594
2696
و أن السيارة لن تتوقف, و أنا أعلم بأنها لن تتوقف
01:22
and the air bag deploys, the car is totaled,
24
70290
2939
و انتفخ كيس الهواء, و قد أصيبت السيارة
01:25
and fortunately, no one was hurt.
25
73229
3557
و لحسن الحظ لم يصاب أحد
01:28
But I had no idea that car was stopping,
26
76786
4211
لكنني لم أعرف ما سبب توقف تلك السيارة
01:32
and I think we can do a lot better than that.
27
80997
3645
و أعتقد أنه باستطاعتنا أن نقوم بعمل أفضل من ذلك
01:36
I think we can transform the driving experience
28
84642
4145
أعتقد بأننا نستطيع أن ننقل تجارب القيادة
01:40
by letting our cars talk to each other.
29
88787
3879
من خلال اعطاء الفرصة لسياراتنا لتتحدث لبعضها
01:44
I just want you to think a little bit
30
92666
1424
أريدكم أن تفكروا و لو لقليلا"
01:46
about what the experience of driving is like now.
31
94090
2888
حول ماهية خبرة قيادة السيارات الآن
01:48
Get into your car. Close the door. You're in a glass bubble.
32
96978
4028
اصعد إلى السيارة, أغلق الباب, أنت الآن في فقاعة زجاجية
01:53
You can't really directly sense the world around you.
33
101006
2916
لا يمكنك حقا" أن تشعر بالعالم المحيط حولك
01:55
You're in this extended body.
34
103922
2181
انت في هذا الجسم الممتد
01:58
You're tasked with navigating it down
35
106103
2163
مهمتك هي التنقل عليه
02:00
partially-seen roadways,
36
108266
2056
الطرقات المرئية جزئيا"
02:02
in and amongst other metal giants, at super-human speeds.
37
110322
4424
ما بين العمالقة المعدنية, بسرعات جنونية
02:06
Okay? And all you have to guide you are your two eyes.
38
114746
4480
حسنا" و كل ما تملكه ليقودك هو عيناك
02:11
Okay, so that's all you have,
39
119226
1762
حسنا", هذا كل ما تملك
02:12
eyes that weren't really designed for this task,
40
120988
1735
عيون هي بالأصل غير مصممة لهذا الغرض
02:14
but then people ask you to do things like,
41
122723
3751
لكن فيما بعد يسألك الناس لفعل شي مثل,
02:18
you want to make a lane change,
42
126474
1549
أن تغير الممر
02:20
what's the first thing they ask you do?
43
128023
2321
ما هو أول شيء يطلبوه منك لتفعل؟
02:22
Take your eyes off the road. That's right.
44
130344
3095
أن تزيح عيناك عن الطريق أمامك, هذا صحيح
02:25
Stop looking where you're going, turn,
45
133439
2096
أن تتوقف من النظر أين ذاهب, تدير نفسك
02:27
check your blind spot,
46
135535
2018
لتتفقد البقعة العمياء جانبك
02:29
and drive down the road without looking where you're going.
47
137553
3471
و أن تقود في الطريق بدون أن تنظر أين تسير
02:33
You and everyone else. This is the safe way to drive.
48
141024
3135
أنتم و كل شخص. هذه الطريقة الآمنة للقيادة...
02:36
Why do we do this? Because we have to,
49
144159
2241
لماذا نفعل ذلك؟ لأنه يجب علينا فعله..
02:38
we have to make a choice, do I look here or do I look here?
50
146400
2579
يجب علينا أن نختار, هل أنظر هنا أو أنظر هناك؟
02:40
What's more important?
51
148979
1521
ما هو الأكثر أهمية؟
02:42
And usually we do a fantastic job
52
150500
2711
و في الواقع نحن نقوم بعمل رائع
02:45
picking and choosing what we attend to on the road.
53
153211
3769
انتقاء و اختيار اين نكون على الطريق
02:48
But occasionally we miss something.
54
156980
3650
لكن بعض الأحيان نفتقد شيئا"
02:52
Occasionally we sense something wrong or too late.
55
160630
4461
أحيانا نشعر بشيئ خاطئ أو متأخر
02:57
In countless accidents, the driver says,
56
165091
1988
في حوادث لا تعد, يقول السائق,
02:59
"I didn't see it coming."
57
167079
2308
"لم أره قادم"
03:01
And I believe that. I believe that.
58
169387
3281
و أنا أصدق ذلك, أصدق ذلك
03:04
We can only watch so much.
59
172668
2925
بامكاننا ان نراقب الكثير
03:07
But the technology exists now that can help us improve that.
60
175593
5144
لكن التقنية موجودة الآن لمساعدتنا أن نحسن ذلك
03:12
In the future, with cars exchanging data with each other,
61
180737
4296
في المستقبل, بوجود سيارات تتبادل المعلومات فيما بينها
03:17
we will be able to see not just three cars ahead
62
185033
3928
سوف يكون بامكاننا أن نرى, ليس فقط ثلاثة سيارات أمامنا فحسب
03:20
and three cars behind, to the right and left,
63
188961
1594
و ثلاثة سيارات خلفنا, الى اليمين و اليسار
03:22
all at the same time, bird's eye view,
64
190555
3166
كل الجهات في نفس الوقت, كالنظر بعين الطائر
03:25
we will actually be able to see into those cars.
65
193721
3128
سوف يكون بمقدورنا رؤية داخل تلك السيارات
03:28
We will be able to see the velocity of the car in front of us,
66
196849
2371
سوف نتمكن من ملاحظة سرعة السيارة التي أمامنا
03:31
to see how fast that guy's going or stopping.
67
199220
3240
لنعرف ما هي السرعة التي يقود بها هذا الشخص أو التي يتوقف بها
03:34
If that guy's going down to zero, I'll know.
68
202460
4510
اذا كان هذا الشخص سيتوقف بشكل كامل, سوف أعرف ذلك
03:38
And with computation and algorithms and predictive models,
69
206970
3859
مع علم الحاسوب و الخوارزميات و النماذج التنبؤية
03:42
we will be able to see the future.
70
210829
3273
سوف نتمكن من رؤية المستقبل
03:46
You may think that's impossible.
71
214102
1556
يمكن أن تجد ذلك مستحيلا"
03:47
How can you predict the future? That's really hard.
72
215658
2731
كيف بامكانك أن تتنبأ بالمستقبل؟ هذا فعلا صعب
03:50
Actually, no. With cars, it's not impossible.
73
218389
3619
بالواقع, لا, ليس بمستحيل تطبيقه على السيارات
03:54
Cars are three-dimensional objects
74
222008
2732
السيارات هي مجسمات ثلاثية الأبعاد
03:56
that have a fixed position and velocity.
75
224740
2332
حيث لديها موقع و سرعة تابتين
03:59
They travel down roads.
76
227072
1631
يسافرون على الطرقات
04:00
Often they travel on pre-published routes.
77
228703
2412
مرارا" يسافرون على طرقات غير جاهزة
04:03
It's really not that hard to make reasonable predictions
78
231115
3938
ليس من الصعب حقا" القيام بتنبؤات معقولة
04:07
about where a car's going to be in the near future.
79
235053
2864
حول الموضع الذي ستكون به السيارة في المستقبل القريب
04:09
Even if, when you're in your car
80
237917
2002
حتى عندما تكون في سيارتك
04:11
and some motorcyclist comes -- bshoom! --
81
239919
1994
و تصادفك دراجة نارية --بشووم!
04:13
85 miles an hour down, lane-splitting --
82
241913
2296
تسير بسرعة 85 ميل بالساعة و تشاطرك الممر--
04:16
I know you've had this experience --
83
244209
2547
أعرف بأنكم مررتم بظرف كهذا--
04:18
that guy didn't "just come out of nowhere."
84
246756
2603
لم يأتي هذا الشخص " من المجهول"
04:21
That guy's been on the road probably for the last half hour.
85
249359
3643
ربما هذا الشخص كان متواجد على الطريق لمدة النصف ساعة الماضية
04:25
(Laughter)
86
253002
1190
(ضحك)
04:26
Right? I mean, somebody's seen him.
87
254192
3589
صحيح؟ أقصد, أن شخص ما قد رآه
04:29
Ten, 20, 30 miles back, someone's seen that guy,
88
257781
2768
10, 20, 30 ميل الى الوراء, أحدهم قد رأى هذا الشخص
04:32
and as soon as one car sees that guy
89
260549
2384
و بمجرد ما تشاهد سيارة هذا الشخص
04:34
and puts him on the map, he's on the map --
90
262933
2231
و تضعه هلى الخريطة, هو على الخريطة--
04:37
position, velocity,
91
265164
2176
موضع, و سرعة,
04:39
good estimate he'll continue going 85 miles an hour.
92
267340
2321
تقدير جيد أنه سيستمر السير بسرعة 85 ميل بالساعة
04:41
You'll know, because your car will know, because
93
269661
2184
سوف تعرف, لأن سيارتك سوف تعرف, لأن
04:43
that other car will have whispered something in his ear,
94
271845
2275
السيارة الأخرى ستكون قد همست في اذنه بشيء
04:46
like, "By the way, five minutes,
95
274120
1923
مثل, "بالمناسبة, خمس دقائق,
04:48
motorcyclist, watch out."
96
276043
2775
سائق دراجة نارية, ترقب"
04:50
You can make reasonable predictions about how cars behave.
97
278818
2703
بامكانك أن تقوم بتنبؤ مقبول حول سلوك السيارات
04:53
I mean, they're Newtonian objects.
98
281521
1365
أقصد, هي أجسام نيوتونية
04:54
That's very nice about them.
99
282886
2909
و هذا جميل جدا عنهم
04:57
So how do we get there?
100
285795
3034
اذا" كيف بامكاننا التوصل لذلك
05:00
We can start with something as simple
101
288829
2266
نستطيع أن نبدأ بشي بسيط
05:03
as sharing our position data between cars,
102
291095
2870
بمشاركة معلومات مواقعنا بين السيارات
05:05
just sharing GPS.
103
293965
1892
فقط مشاركة "نظام تحديد المواقع العالمي" GPS
05:07
If I have a GPS and a camera in my car,
104
295857
2444
اذا كان لدي نظام تحديد المواقع العالمي و كاميرا بسيارتي
05:10
I have a pretty precise idea of where I am
105
298301
2231
سوف يكون لدي فكرة عن المكان الذي أنا فيه
05:12
and how fast I'm going.
106
300532
1732
و السرعة التي أقود بها
05:14
With computer vision, I can estimate where
107
302264
1657
و برؤية الحاسوب, أستطيع أن أقيّم أين
05:15
the cars around me are, sort of, and where they're going.
108
303921
3537
تتوضع السيارات حولي, نوعا" ما, و أين هي متوجهة
05:19
And same with the other cars.
109
307458
970
و نفس الشيء بالنسبة للسيارات الأخرى
05:20
They can have a precise idea of where they are,
110
308428
1814
سوف يكون لديهم فكرة دقيقة عن موضعهم
05:22
and sort of a vague idea of where the other cars are.
111
310242
2146
و فكرة مبهمة نوعا" ما حول مكان السيارات الأخرى
05:24
What happens if two cars share that data,
112
312388
3231
ماذا يحصل اذا تشاركت سيارتان هذه المعلومات
05:27
if they talk to each other?
113
315619
1955
اذا تحدثو فيما بينهم؟
05:29
I can tell you exactly what happens.
114
317574
2778
سوف أقول لكم بالضبط ماذا يحصل
05:32
Both models improve.
115
320352
2339
كلا النموذجين يتحسنا
05:34
Everybody wins.
116
322691
2055
الجميع يفوز
05:36
Professor Bob Wang and his team
117
324746
2577
البروفيسور بوب و فريقه
05:39
have done computer simulations of what happens
118
327323
2738
قد أجرو عمليات محاكاة على الحاسوب لما يجري
05:42
when fuzzy estimates combine, even in light traffic,
119
330061
3431
عند الجمع بين تقديرات غامضة, حتى في حركة السير الخفيفة
05:45
when cars just share GPS data,
120
333492
2624
عندما تقوم السيارات بمشاركة معلومات ال GPS فقط
05:48
and we've moved this research out of the computer simulation
121
336116
2513
لقد نقلنا هذا البحث من محاكاة الكومبيوتر
05:50
and into robot test beds that have the actual sensors
122
338629
3027
الى أجسام آلية للاختبار, حيث لديها اجهزة استشعار حقيقية
05:53
that are in cars now on these robots:
123
341656
3133
التي تتواجد في السيارات الآن على هذه الروبوتات
05:56
stereo cameras, GPS,
124
344789
1838
كاميرات ستيريو, GPS,
05:58
and the two-dimensional laser range finders
125
346627
1874
و ليزر ثنائي الأبعاد لاستكشاف النطاق
06:00
that are common in backup systems.
126
348501
2240
هذا أمر شائع في أنظمة النسخ الاحتياطي
06:02
We also attach a discrete short-range communication radio,
127
350741
4484
و وصلنا أيضا" راديو مميز قصير المدى للتواصل
06:07
and the robots talk to each other.
128
355225
1909
و الروبوتات تتواصل فيما بينها
06:09
When these robots come at each other,
129
357134
1539
عندما تقترب فيما بينها
06:10
they track each other's position precisely,
130
358673
2971
يقومون بتعقب مواقع كل واحد منهم بشكل دقيق
06:13
and they can avoid each other.
131
361644
2737
و يمكنهم تجنب بعضهم البعض
06:16
We're now adding more and more robots into the mix,
132
364381
3226
نقوم باضافة العديد و العديد من الروبوتات الى المجموعة
06:19
and we encountered some problems.
133
367607
1471
و نقوم بخلق بعض العقبات
06:21
One of the problems, when you get too much chatter,
134
369078
2359
احدى هذه العقبات أنه عندما يكون لديك الكثير من الثرثرة
06:23
it's hard to process all the packets, so you have to prioritize,
135
371437
3728
يكون من الصعب تنسيق عمليات الرزم, فيتوجب عليك أختيار الأولوية
06:27
and that's where the predictive model helps you.
136
375165
2357
و هنا يقوم النموذج التنبؤي بمساعدتك
06:29
If your robot cars are all tracking the predicted trajectories,
137
377522
4372
اذا قامت سياراتك الآلية بتعقب المسارات المتوقعة
06:33
you don't pay as much attention to those packets.
138
381894
1767
لن تقوم بالاهتمام كثيرا" لهذه الرزم
06:35
You prioritize the one guy
139
383661
1703
سوفت تعطي الأولوية لذلك الشخص
06:37
who seems to be going a little off course.
140
385364
1333
الذي يبدو أنه يسير قليلا" خارج المسار
06:38
That guy could be a problem.
141
386697
2526
ربما يكون هذا الشخص هو المشكلة
06:41
And you can predict the new trajectory.
142
389223
3002
ستستطيع أن تتنبأ بالمسار الجديد
06:44
So you don't only know that he's going off course, you know how.
143
392225
2763
حيث أنك لا تعرف فحسب أنه يسير خارج المسار, تعرف كيف
06:46
And you know which drivers you need to alert to get out of the way.
144
394988
3725
و تعرف اي سائقين تحتاج لأن تنبههم ليبعدو من الطريق
06:50
And we wanted to do -- how can we best alert everyone?
145
398713
2633
و أردنا أن نقوم-- كيف بامكاننا أن ننبه الجميع؟
06:53
How can these cars whisper, "You need to get out of the way?"
146
401346
3183
كيف تستطيع هذه السيارات أن تهمس, عليك أن تبتعد من الطريق؟
06:56
Well, it depends on two things:
147
404529
1517
حسنا", يتوقف هذا على شيئين:
06:58
one, the ability of the car,
148
406046
2169
الأول, قدرة السيارة
07:00
and second the ability of the driver.
149
408215
3217
و الثاني هو قدرة السائق
07:03
If one guy has a really great car,
150
411432
1505
اذا كان شخص ما يملك سيارة ممتازة
07:04
but they're on their phone or, you know, doing something,
151
412937
2925
لكنه يستعمل التليفون أو, تعرفون, يقوم بعمل ما,
07:07
they're not probably in the best position
152
415862
1930
انه على الأغلب ليس في الموضع المناسب
07:09
to react in an emergency.
153
417792
2970
للتصرف في الحالات الطارئة
07:12
So we started a separate line of research
154
420762
1665
لذلك, بدأنا بالقيام بخط بحث منفصل
07:14
doing driver state modeling.
155
422427
2551
القيام بنمذجة حالة السائق
07:16
And now, using a series of three cameras,
156
424978
2329
و استخدام سلسلة من ثلاث كاميرات الآن
07:19
we can detect if a driver is looking forward,
157
427307
2270
يمكننا معرفة اذا كان السائق ينظر الى الأمام
07:21
looking away, looking down, on the phone,
158
429577
2860
ينظر بعيدا", ينظر الى الأسفل, على الهاتف,
07:24
or having a cup of coffee.
159
432437
3061
أو لديه كأس من القهوة
07:27
We can predict the accident
160
435498
2070
يمكننا أن نتنبأ بالحادث
07:29
and we can predict who, which cars,
161
437568
3651
و يمكننا أن نتنبأ من, أي سيارات
07:33
are in the best position to move out of the way
162
441219
3486
هي في أفضل المواقع للابتعاد من الطريق
07:36
to calculate the safest route for everyone.
163
444705
3009
للقيام بمعرفة الطريق الآمن للجميع
07:39
Fundamentally, these technologies exist today.
164
447714
4635
أساسا", هذه التكنولوجيات متواجدة اليوم
07:44
I think the biggest problem that we face
165
452349
2824
أعتقد أن من أكبر العقبات التي نواجهها
07:47
is our own willingness to share our data.
166
455173
3013
هي رغبتنا بمشاركة معلوماتنا
07:50
I think it's a very disconcerting notion,
167
458186
2631
أعتقد بأنها فكرة مقلقة للغاية
07:52
this idea that our cars will be watching us,
168
460817
2386
فكرة أن السيارات الأخرى سوف تقوم بمراقبتنا
07:55
talking about us to other cars,
169
463203
3371
تقوم بالتحدث عنا الى السيارات الأخرى
07:58
that we'll be going down the road in a sea of gossip.
170
466574
3427
و أنه سوف نسير في الطريق ضمن بحر من الأقاويل
08:02
But I believe it can be done in a way that protects our privacy,
171
470001
3897
لكنني أعتقد بأنه يمكن القيام بذلك بطريقة تحمي فيها خصوصيتنا
08:05
just like right now, when I look at your car from the outside,
172
473898
3741
بالضبط مثل الوقت الحالي, عندما أنظر الى سيارتك من الخارج
08:09
I don't really know about you.
173
477639
2363
لا أعرف حقا" أي شيء عنك
08:12
If I look at your license plate number,
174
480002
1137
أو عندما أنظر الى رقم لوحة الرخصة
08:13
I don't really know who you are.
175
481139
1886
لا أعرف حقا" من تكون
08:15
I believe our cars can talk about us behind our backs.
176
483025
4249
أعتقد بأن سياراتنا تتحدث عنا من ورائنا
08:19
(Laughter)
177
487274
2975
(ضحك)
08:22
And I think it's going to be a great thing.
178
490249
3185
أظن بأن ذلك سيكون شيء رائع
08:25
I want you to consider for a moment
179
493434
1650
أريد منكم أن تأخذو بعين الاعتبار للحظة
08:27
if you really don't want the distracted teenager behind you
180
495084
4118
اذا كنتم حقا" لا تريدون تشتيت انتباه مراهق يقود خلفكم
08:31
to know that you're braking,
181
499202
2120
لمعرفة أنكم تستعملون المكابح
08:33
that you're coming to a dead stop.
182
501322
2924
و أنكم تقومون بتوقف كامل
08:36
By sharing our data willingly,
183
504246
2741
من خلال مشاركة معلوماتنا بارادتنا
08:38
we can do what's best for everyone.
184
506987
2812
نستطيع القيام ما هو أفضل للجميع
08:41
So let your car gossip about you.
185
509799
3076
لذلك دع سيارتك تثرثر عنك
08:44
It's going to make the roads a lot safer.
186
512875
3038
سوف تقوم بجعل الطريق أكثر أمانا"
08:47
Thank you.
187
515913
1791
شكرا" لكم
08:49
(Applause)
188
517704
4985
(تصفيق)
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