TED2013
Mary Lou Jepsen: Could future devices read images from our brains?
Mary Lou Jepsen: Dokáží přístroje budoucnosti číst naše představy?
Filmed:
Readability: 4.6
1,035,856 views
Mary Lou Jepsen se coby expert na nejmodernější digitální displeje zabývá tím, jak naše nápady a představy převést na obrazovku. A protože sama podstoupila operaci mozku, je motivovaná porozumět neurální aktivitě, která je podstatou kreativního myšlení. V této ohromující prezentaci oba své zájmy spojuje. Seznámí diváky se dvěma novými studiemi týkajícími se zobrazování mozkové aktivity, které otevírají nové možnosti porozumění tomu, jak (a o čem) přemýšlíme.
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
Před 18 lety jsem podstoupila operaci mozku
00:15
and since that time, brain science has become
1
3115
2567
a od té doby se stal výzkum mozku
00:17
a personal passion of mine.
2
5682
1999
mou osobní vášní,
00:19
I'm actually an engineer.
3
7681
2235
ačkoli jsem vlastně povoláním inženýrka.
00:21
And first let me say, I recently joined
4
9916
2516
Na začátek uvedu, že jsem se nedávno stala členkou
00:24
Google's Moonshot group,
5
12432
1549
týmu Google Moonshot,
00:25
where I had a division,
6
13981
1212
kde mám na starosti oddělení
00:27
the display division in Google X,
7
15193
2181
zabývající se zdokonalováním displejů.
00:29
and the brain science work I'm speaking about today
8
17374
2622
Výzkum mozku, o němž budu mluvit dnes,
00:31
is work I did before I joined Google
9
19996
2921
je práce, které jsem se věnovala, než jsem začala pracovat pro Google
00:34
and on the side outside of Google.
10
22917
2332
a s Googlem nesouvisela.
00:37
So that said, there's a stigma
11
25249
3183
A teď k věci. S podstoupením operace mozku
00:40
when you have brain surgery.
12
28432
2285
je spojené určité stigma:
00:42
Are you still smart or not?
13
30717
2823
jste stále chytří, nebo ne?
00:45
And if not, can you make yourself smart again?
14
33540
3848
A pokud ne, dá se s tím něco dělat?
00:49
After my neurosurgery,
15
37388
1766
Po té operaci
00:51
part of my brain was missing,
16
39154
1997
mi část mozku chyběla
00:53
and I had to deal with that.
17
41151
2773
a musela jsem se s tím vypořádat.
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
To, o co jsem přišla, nebyla šedá kůra, ale taková ta rosolovitá hmota uprostřed,
00:58
that makes key hormones and neurotransmitters.
19
46868
3402
která vyrábí klíčové hormony a neurotransmitery.
01:02
Immediately after my surgery,
20
50270
2231
Ihned po operaci
01:04
I had to decide what amounts of each of over
21
52501
2143
jsem se musela rozhodnout, jaké dávky
01:06
a dozen powerful chemicals to take each day,
22
54644
3702
více než tuctu různých silných látek musím každý den brát,
01:10
because if I just took nothing,
23
58346
1809
protože pokud bych nic nebrala
01:12
I would die within hours.
24
60155
2732
zemřela bych během pár hodin.
01:14
Every day now for 18 years -- every single day --
25
62887
3920
Abych přežila, musím se již 18 let
01:18
I've had to try to decide the combinations
26
66807
2710
každý den rozhodnout,
01:21
and mixtures of chemicals,
27
69517
1328
jakou kombinaci těch chemikálií
01:22
and try to get them, to stay alive.
28
70845
3847
si vezmu, abych přežila.
01:26
There have been several close calls.
29
74692
2721
Párkrát to bylo jen o vlásek.
01:29
But luckily, I'm an experimentalist at heart,
30
77413
3699
Naštěstí jsem v srdci experimentátorka
01:33
so I decided I would experiment
31
81112
3227
a rozhodla jsem se, že budu experimentovat
01:36
to try to find more optimal dosages
32
84339
2440
a pokusím se najít vhodnější poměr jednotlivých látek,
01:38
because there really isn't a clear road map
33
86779
1637
protože pro mou situaci
01:40
on this that's detailed.
34
88416
1903
neexistuje žádný jasný návod.
01:42
I began to try different mixtures,
35
90319
2151
Začala jsem zkoušet různé směsi
01:44
and I was blown away by how
36
92470
2872
a byla jsem šokována tím,
01:47
tiny changes in dosages
37
95342
2411
že i nepatrné změny v dávkách dokáží
01:49
dramatically changed my sense of self,
38
97753
3149
dramaticky změnit mé vnímání sebe samé,
01:52
my sense of who I was, my thinking,
39
100902
1811
pocit mého já, mé myšlení
01:54
my behavior towards people.
40
102713
2259
a chování k ostatním.
01:56
One particularly dramatic case:
41
104972
2049
Jeden zvláště dramatický případ:
01:59
for a couple months I actually tried dosages
42
107021
1868
po pár měsíců jsem zkoušela dávky
02:00
and chemicals typical of a man in his early 20s,
43
108889
3908
a látky typické pro muže ve věku kolem 20 let
02:04
and I was blown away by how my thoughts changed.
44
112797
3011
a byla jsem velmi překvapena, jak se změnily mé myšlenky.
02:07
(Laughter)
45
115808
3120
(smích)
02:10
I was angry all the time,
46
118928
3058
V jednom kuse jsem byla naštvaná,
02:13
I thought about sex constantly,
47
121986
1846
nepřetržitě jsem myslela na sex
02:15
and I thought I was the smartest person
48
123832
2949
a považovala jsem se za nejchytřejší
02:18
in the entire world, and
49
126781
2051
na celém světě a
02:20
—(Laughter)—
50
128832
2263
(smích)
02:23
of course over the years I'd
met guys kind of like that,
met guys kind of like that,
51
131095
2925
samozřejmě za ta léta jsem se
setkala se spoustou mužů tohoto typu
setkala se spoustou mužů tohoto typu
02:26
or maybe kind of toned-down versions of that.
52
134020
2267
nebo spíše s trochu mírnější verzí.
02:28
I was kind of extreme.
53
136287
2184
Já jsem byla trochu extrém..
02:30
But to me, the surprise was,
54
138471
2569
Překvapivé pro mě však bylo --
02:33
I wasn't trying to be arrogant.
55
141040
2166
já jsem se nesnažila být arogantní.
02:35
I was actually trying,
56
143206
3209
Ve skutečnosti jsem se snažila
02:38
with a little bit of insecurity,
57
146415
2360
- tedy s malou mírou nejistoty -
02:40
to actually fix a problem in front of me,
58
148775
3000
vyřešit problém, který byl přede mnou,
02:43
and it just didn't come out that way.
59
151775
1856
ale tímto způsobem se to nepodařilo.
02:45
So I couldn't handle it.
60
153631
1483
Vymklo se mi to z rukou..
02:47
I changed my dosages.
61
155114
1525
Změnila jsem si tedy dávky.
02:48
But that experience, I think, gave me
62
156639
2455
Ale tato zkušenost mi pomohla
02:51
a new appreciation for men
63
159094
1751
víc chápat muže
02:52
and what they might walk through,
64
160845
1816
a to, čím si procházejí
02:54
and I've gotten along with men
65
162661
1690
a od té doby s nimi vycházím
02:56
a lot better since then.
66
164351
1839
mnohem lépe.
02:58
What I was trying to do
67
166190
1545
O co jsem se snažila při
02:59
with tuning these hormones
68
167735
2028
ladění dávek těchto hormonů
03:01
and neurotransmitters and so forth
69
169763
2323
neurotransmiterů a dalších látek
03:04
was to try to get my intelligence back
70
172086
3605
byla snaha získat zpět svou inteligenci
03:07
after my illness and surgery,
71
175691
2634
po té nemoci a operaci,
03:10
my creative thought, my idea flow.
72
178325
2635
kreativní myšlení, proud myšlenek.
03:12
And I think mostly in images,
73
180960
2641
Já většinou myslím pomocí vizuálních představ,
03:15
and so for me that became a key metric --
74
183601
2852
to se pro mě tedy stalo klíčovým měřítkem --
03:18
how to get these mental images
75
186453
2330
jak získat zpět tyto mentální obrazy
03:20
that I use as a way of rapid prototyping,
76
188783
2504
které používám, chcete-li,
03:23
if you will, my ideas,
77
191287
1743
k rychlému návrhu řešení problémů,
03:25
trying on different new ideas for size,
78
193030
2372
mé nápady,
03:27
playing out scenarios.
79
195402
1695
mentální přehrávání různých scénářů.
03:29
This kind of thinking isn't new.
80
197097
1913
Tento způsob myšlení není novinkou.
03:31
Philiosophers like Hume and Descartes and Hobbes
81
199010
3255
Filozofové jako Hume, Descartes a Hobbes
03:34
saw things similarly.
82
202265
1528
to viděli podobně.
03:35
They thought that mental images and ideas
83
203793
2737
Měli za to, že vizuální představy a nápady
03:38
were actually the same thing.
84
206530
2331
jsou vlastně to samé.
03:40
There are those today that dispute that,
85
208861
2417
Je dnes spousta lidí, co to popírají,
03:43
and lots of debates about how the mind works,
86
211278
3195
existuje spousta diskuzí o tom, jak mysl funguje,
03:46
but for me it's simple:
87
214473
1736
ale pro mě je to prosté.
03:48
Mental images, for most of us,
88
216209
2532
Přestavy mají pro většinu z nás
03:50
are central in inventive and creative thinking.
89
218741
3934
hlavní roli při vynalézavém a kreativním myšlení.
03:54
So after several years,
90
222675
1775
Takže jsem se po několika letech
03:56
I tuned myself up and I have lots of great,
91
224450
3233
vyladila a jsem schopna si představit
03:59
really vivid mental images with a lot of sophistication
92
227683
3048
opravdu živé a sofistikované mentální obrazy
04:02
and the analytical backbone behind them.
93
230731
2269
včetně racionální kostry, která je drží pohromadě.
04:05
And so now I'm working on,
94
233000
1921
A tak v součastnosti pracuji na tom,
04:06
how can I get these mental images in my mind
95
234921
4162
jak dostat tyto představy z mé mysli
04:11
out to my computer screen faster?
96
239083
2850
rychleji na obrazovku počítače.
04:13
Can you imagine, if you will,
97
241933
2089
Dokážete si představit,
04:16
a movie director being able to use
98
244022
2120
že by třeba filmovému režisérovi
04:18
her imagination alone to
direct the world in front of her?
direct the world in front of her?
99
246142
3762
ke ztvárnění jeho vize stačila pouze jeho představivost?
04:21
Or a musician to get the music out of his head?
100
249904
3588
Nebo hudebníka schopného dostat hudbu ze své hlavy přímo?
04:25
There are incredible possibilities with this
101
253492
2292
To kreativním lidem otevírá neuvěřitelné možnosti
04:27
as a way for creative people
102
255784
1993
jak s ostatními sdílet nápady
04:29
to share at light speed.
103
257777
2233
rychlostí světla.
04:32
And the truth is, the remaining bottleneck
104
260010
1998
A pravdou je, že jediné, co zbývá zdokonalit,
04:34
in being able to do this
105
262008
1173
aby bylo možné toto uskutečnit,
04:35
is just upping the resolution of brain scan systems.
106
263181
3980
je jen zlepšit rozlišení přístrojů na scanování mozku.
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
Dovolte mi, abych vám ukázala, proč si
myslím, že se k tomuto cíli blížíme -
myslím, že se k tomuto cíli blížíme -
04:42
by sharing with you two recent experiments
108
270029
2387
podělím se s vámi o nedávné pokusy
04:44
from two top neuroscience groups.
109
272416
2587
dvou vrcholových týmů v oblasti neurologie.
04:47
Both used fMRI technology --
110
275003
2488
Oba používají technologii fMRI --
04:49
functional magnetic resonance imaging technology --
111
277491
2279
technologie zobrazování pomocí funkční magnetické rezonance--
04:51
to image the brain,
112
279770
1411
pro zobrazení mozku
04:53
and here is a brain scan set from Giorgio Ganis
113
281181
3257
a zde vidíte sadu snímků mozku pořízenou
04:56
and his colleagues at Harvard.
114
284438
1950
Giorgio Ganisem a jeho kolegy na Harvardu.
04:58
And the left-hand column shows a brain scan
115
286388
3154
Levý sloupec ukazuje snímky mozku
05:01
of a person looking at an image.
116
289542
3267
člověka, co pozoruje obrázek.
05:04
The middle column shows the brainscan
117
292809
1929
v prostředním sloupci jsou snímky mozku
05:06
of that same individual
118
294738
1621
toho stejného člověka,
05:08
imagining, seeing that same image.
119
296359
3066
který si ten samý obrázek zpětně představuje
05:11
And the right column was created
120
299425
2048
A pravý sloupec vznikl
05:13
by subtracting the middle
column from the left column,
column from the left column,
121
301473
3594
srovnáním prostředního a levého sloupce
05:17
showing the difference to be nearly zero.
122
305083
2943
a ukazuje, že rozdíl je téměř nulový.
05:20
This was repeated on lots of different individuals
123
308026
2894
Pokus byl proveden na spoustě lidí
05:22
with lots of different images,
124
310920
2830
s množstvím obrázků
05:25
always with a similar result.
125
313750
1604
a vždy s podobným výsledkem.
05:27
The difference between seeing an image
126
315354
2089
Rozdíl mezi pozorováním obrázku
05:29
and imagining seeing that same image
127
317443
2455
a představou, že ho pozorujeme,
05:31
is next to nothing.
128
319898
2155
není skoro žádný.
05:34
Next let me share with you one other experiment,
129
322053
2761
Dále mi dovolte podělit se o další experiment,
05:36
this from Jack Gallant's lab at Cal Berkeley.
130
324814
4541
tentokrát z laboratoře Jacka Gallanta v Cal Berkeley.
05:41
They've been able to decode brainwaves
131
329355
2063
Tam byli schopni přeložit mozkové vlny
05:43
into recognizable visual fields.
132
331418
2441
do rozpoznatelných obrázků.
05:45
So let me set this up for you.
133
333859
1305
Trochu to přiblížím.
05:47
In this experiment, individuals were shown
134
335164
2333
Při tomto experimentu lidé pozorovali
05:49
hundreds of hours of YouTube videos
135
337497
1995
stovky hodin videí na YouTube,
05:51
while scans were made of their brains
136
339492
2039
zatímco byly jejich mozky snímány,
05:53
to create a large library of their brain reacting
137
341531
3216
aby se vytvořila velká knihovna reakcí mozku
05:56
to video sequences.
138
344747
2649
na různé scény.
05:59
Then a new movie was shown with new images,
139
347396
2850
Poté byl přehrán nový film,
06:02
new people, new animals in it,
140
350246
1952
s novými lidmi a novými zvířaty
06:04
and a new scan set was recorded.
141
352198
2711
a vznikla sada nových snímků.
06:06
The computer, using brain scan data alone,
142
354909
2788
Počítač analyzoval tento nový scan
06:09
decoded that new brain scan
143
357697
2024
mozku pokusné osoby
06:11
to show what it thought the
individual was actually seeing.
individual was actually seeing.
144
359721
4376
a pokusil se zpětně zkonstruovat, jak vypadalo video, na něž se osoba dívala.
06:16
On the right-hand side, you
see the computer's guess,
see the computer's guess,
145
364097
3381
na pravé straně vidíte odhad počítače
06:19
and on the left-hand side, the presented clip.
146
367478
4007
a na levé straně skutečné video.
06:23
This is the jaw-dropper.
147
371485
2319
Tohle je prostě bomba.
06:25
We are so close to being able to do this.
148
373804
2687
Jsme tak blízko cíli.
06:28
We just need to up the resolution.
149
376491
2785
Jediné co potřebujeme, je zlepšit rozlišení.
06:31
And now remember that when you see an image
150
379276
3252
A nyní si vzpomeňte, že když vidíte obrázek
06:34
versus when you imagine that same image,
151
382528
2158
a když si ten samý obrázek představíte,
06:36
it creates the same brain scan.
152
384686
3475
aktivita mozku je stejná.
06:40
So this was done with the highest-resolution
153
388161
2722
Tyto snímky vznikly na systémech s nejvyšším možným rozlišením
06:42
brain scan systems available today,
154
390883
2185
jaké je dnes dostupné,
06:45
and their resolution has increased really
155
393068
1784
a toto rozlišení se v posledních pár letech
06:46
about a thousandfold in the last several years.
156
394852
3497
zlepšilo přibližně tisíckrát.
06:50
Next we need to increase the resolution
157
398349
2322
Je ale potřeba dosáhnout dalšího
06:52
another thousandfold
158
400671
1977
tisícinásobného zlepšení rozlišení
06:54
to get a deeper glimpse.
159
402648
1789
pro získání kvalitnějších výsledků.
06:56
How do we do that?
160
404437
1511
Jak to dokážeme?
06:57
There's a lot of techniques in this approach.
161
405948
2614
Existuje spousta možných přístupů.
07:00
One way is to crack open your
skull and put in electrodes.
skull and put in electrodes.
162
408562
3118
Jedním z nich je navrtat lebku a vložit dovnitř elektrody.
07:03
I'm not for that.
163
411680
1403
K tomu se nepřikláním.
07:05
There's a lot of new imaging techniques
164
413083
2955
Existuje spousta nově navrhovaných zobrazovacích technik,
07:08
being proposed, some even by me,
165
416038
2003
dokonce pár mých vlastních,
07:10
but given the recent success of MRI,
166
418041
2959
ale vzhledem k nedávným úspěchům s MRI
07:13
first we need to ask the question,
167
421000
2068
se nejprve musíme zeptat:
07:15
is it the end of the road with this technology?
168
423068
2841
je to konečná téhle technologie?
07:17
Conventional wisdom says the only way
169
425909
2455
Všeobecně se má za to,
07:20
to get higher resolution is with bigger magnets,
170
428364
2589
že abychom dosáhli vyššího rozlišení, je potřeba větších magnetů,
07:22
but at this point bigger magnets
171
430953
1842
ale v tomto případě větší magnety
07:24
only offer incremental resolution improvements,
172
432795
3750
nabízeji pouze dílčí zlepšení rozlišení,
07:28
not the thousandfold we need.
173
436545
2160
ne to tisícinásobné, které potřebujeme.
07:30
I'm putting forward an idea:
174
438705
1823
Zde mám jeden návrh:
07:32
instead of bigger magnets,
175
440528
1963
namísto větších magnetů
07:34
let's make better magnets.
176
442491
2450
vyrobme lepší magnety.
07:36
There's some new technology breakthroughs
177
444941
2003
V oblasti nanotechnologií došlo
07:38
in nanoscience
178
446944
1457
k pár technologickým průlomům
07:40
when applied to magnetic structures
179
448401
1727
týkajících se magnetických struktur,
07:42
that have created a whole new class of magnets,
180
450128
3013
díky nimž bylo možno vytvořit zcela nový typ magnetů
07:45
and with these magnets, we can lay down
181
453141
2531
pomocí kterých jsme již schopni
07:47
very fine detailed magnetic field patterns
182
455672
2167
vystavit mozek magnetickému poli
07:49
throughout the brain,
183
457839
1355
s velmi jemnými detaily.
07:51
and using those, we can actually create
184
459194
3182
Ty pak umožňují vytvořit
07:54
holographic-like interference structures
185
462376
2838
interferenční obrazce podobné hologramu
07:57
to get precision control over many patterns,
186
465214
3469
a získat tak přesnou kontrolu nad spoustou vzorů,
08:00
as is shown here by shifting things.
187
468683
2445
jak vidíte zde, pomocí posouvání.
08:03
We can create much more complicated structures
188
471128
3150
Lehkou změnou experimentálního uspořádání jsme schopni
08:06
with slightly different arrangements,
189
474278
2071
vytvořit mnohem komplikovanější struktury,
08:08
kind of like making Spirograph.
190
476349
3033
trochu jako při tvorbě spirografu.
08:11
So why does that matter?
191
479382
2228
A proč je to podstatné?
08:13
A lot of effort in MRI over the years
192
481610
2577
V uplynulých letech bylo v oblasti vývoje MRI věnováno mnoho úsilí
08:16
has gone into making really big,
193
484187
2837
vytváření opravdu velkých,
08:19
really huge magnets, right?
194
487024
2610
opravdu obrovských magnetů, že?
08:21
But yet most of the recent advances
195
489634
2509
A přitom většina nedávných zdokonalení rozlišení
08:24
in resolution have actually come from
196
492143
2197
byla založena na nesmírně sofistikovaných metodách
08:26
ingeniously clever encoding and decoding solutions
197
494340
4008
kódování a dekódování ve vysílačích a přijímačích
08:30
in the F.M. radio frequency transmitters and receivers
198
498348
3287
rádiového FM signálu,
08:33
in the MRI systems.
199
501635
2691
které jsou součástí MRI přístrojů.
08:36
Let's also, instead of a uniform magnetic field,
200
504326
3322
Zkusme též kromě toho FM kódování
08:39
put down structured magnetic patterns
201
507648
2672
navíc místo homogenního magnetického pole
08:42
in addition to the F.M. radio frequencies.
202
510320
3099
použít magnetické pole strukturované, s jemnými vzory.
08:45
So by combining the magnetics patterns
203
513419
2307
Zkombinujme magnetické vzorce
08:47
with the patterns in the F.M. radio frequencies
204
515726
2710
se vzorci v F.M. radiových frekvencích.
08:50
processing which can massively increase
205
518436
2171
To může masivně zvýšit množství informace,
08:52
the information that we can extract
206
520607
1969
kterou můžeme získat
08:54
in a single scan.
207
522576
2446
z jediného snímaní.
08:57
And on top of that, we can then layer
208
525022
2332
A konečně, k tomu všemu ještě můžeme přidat
08:59
our ever-growing knowledge
of brain structure and memory
of brain structure and memory
209
527354
4472
naše průběžně se rozrůstající znalosti o paměti a struktuře mozku,
09:03
to create a thousandfold increase that we need.
210
531826
3695
čímž bychom mohli získat to tisícinásobné zlepšení rozlišení,
které potřebujeme.
které potřebujeme.
09:07
And using fMRI, we should be able to measure
211
535521
2943
A další věc je, že bychom pomocí fMRI měli být schopni měřit
09:10
not just oxygenated blood flow,
212
538464
2082
nejen tok okysličené krve,
09:12
but the hormones and neurotransmitters
I've talked about
I've talked about
213
540546
2901
ale i hormony a neurotransmitery, o kterých jsem mluvila
09:15
and maybe even the direct neural activity,
214
543447
2345
a možná dokonce přímo nervovou aktivitu,
09:17
which is the dream.
215
545792
1503
což je jakýsi svatý grál.
09:19
We're going to be able to dump our ideas
216
547295
2234
Budeme moci vysypat své myšlenky
09:21
directly to digital media.
217
549529
2694
přímo do digitální podoby.
09:24
Could you imagine if we could leapfrog language
218
552223
2711
Dokážete si představit, jaké by to bylo, přeskočit jazyk coby prostředek komunikace
09:26
and communicate directly with human thought?
219
554934
4209
a komunikovat s někým přímo, jen pomocí myšlenek?
09:31
What would we be capable of then?
220
559143
3193
Čeho všeho bychom potom byli schopni?
09:34
And how will we learn to deal
221
562336
2637
A jak bychom se naučili se vypořádat
09:36
with the truths of unfiltered human thought?
222
564973
4219
s nefiltrovaným lidským uvažování?
09:41
You think the Internet was big.
223
569192
2567
A vám připadá, že Internet byl velká revoluce!
09:43
These are huge questions.
224
571759
2602
Toto jsou velké otázky.
09:46
It might be irresistible as a tool
225
574361
2148
Bylo by to neodolatelným nástrojem
09:48
to amplify our thinking and communication skills.
226
576509
3876
ke zdokonalení našich mentálních a komunikačních dovedností.
09:52
And indeed, this very same tool
227
580385
2023
Tato stejná technologie
09:54
may prove to lead to the cure
228
582408
2126
se také může osvědčit
09:56
for Alzheimer's and similar diseases.
229
584534
3074
v boji s Alzheimerem a podobnými chorobami.
09:59
We have little option but to open this door.
230
587608
3512
Sotva máme jinou možnost než tuto vizi realizovat
10:03
Regardless, pick a year --
231
591120
1585
Řekněte rok --
10:04
will it happen in five years or 15 years?
232
592705
2266
stane se to za pět let? Nebo za patnáct?
10:06
It's hard to imagine it taking much longer.
233
594971
4616
Je těžké si představit, že to potrvá déle.
10:11
We need to learn how to take this step together.
234
599587
3695
Musíme společně zjistit, jak tento krok provést.
10:15
Thank you.
235
603282
2174
Děkuji Vám.
10:17
(Applause)
236
605456
3974
(potlesk)
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