TEDGlobal 2010
Tan Le: A headset that reads your brainwaves
Tan Le: Päähine, joka lukee aivoaaltoja
Filmed:
Readability: 5
2,732,929 views
Tan Len hämmästyttävä, uusi käyttöliittymä tietokoneisiin lukee käyttäjän aivoaaltoja, mahdollistaen virtuaalisten objektien ja jopa fyysisen elektroniikan ohjaamisen ajatuksen voimalla (ja pienellä keskittymisellä). Hän esittelee laitetta, ja kertoo sen kauaskantoisista mahdollisuuksista.
Tan Le - Entrepreneur
Tan Le is the founder & CEO of Emotiv, a bioinformatics company that's working on identifying biomarkers for mental and other neurological conditions using electroencephalography (EEG). Full bio
Tan Le is the founder & CEO of Emotiv, a bioinformatics company that's working on identifying biomarkers for mental and other neurological conditions using electroencephalography (EEG). Full bio
Double-click the English transcript below to play the video.
00:16
Up until now, our communication with machines
0
1000
2000
Vuorovaikutuksemme koneiden kanssa
00:18
has always been limited
1
3000
2000
on aina ollut rajoittunutta
00:20
to conscious and direct forms.
2
5000
2000
tietoisiin ja suoriin muotoihin.
00:22
Whether it's something simple
3
7000
2000
Olipa asia yksinkertainen,
00:24
like turning on the lights with a switch,
4
9000
2000
kuten valokatkaisimen käyttö,
00:26
or even as complex as programming robotics,
5
11000
3000
tai monimutkainen, kuten robottien ohjelmointi --
00:29
we have always had to give a command to a machine,
6
14000
3000
olemme aina antaneet käskyjä koneille
00:32
or even a series of commands,
7
17000
2000
komentojen sarjana,
00:34
in order for it to do something for us.
8
19000
3000
jotta saisimme ne tekemään jotain.
00:37
Communication between people, on the other hand,
9
22000
2000
Ihmisten välinen kommunikointi
00:39
is far more complex and a lot more interesting
10
24000
3000
on sen sijaan monimutkaisempaa ja kiinnostavampaa
00:42
because we take into account
11
27000
2000
koska otamme huomioon enemmän,
00:44
so much more than what is explicitly expressed.
12
29000
3000
kuin mitä suoranaisesti sanotaan.
00:47
We observe facial expressions, body language,
13
32000
3000
Seuraamme ilmeitä, ruumiinkieltä
00:50
and we can intuit feelings and emotions
14
35000
2000
ja voimme tunnistaa tunteita
00:52
from our dialogue with one another.
15
37000
3000
keskuteluissamme toisten kanssa.
00:55
This actually forms a large part
16
40000
2000
Tällä on iso osa
00:57
of our decision-making process.
17
42000
2000
päätöksentekoprosesseissamme.
00:59
Our vision is to introduce
18
44000
2000
Visiomme on esitellä
01:01
this whole new realm of human interaction
19
46000
3000
kokonaan uusi alue vuorovaikutusmahdollisuuksia
01:04
into human-computer interaction
20
49000
2000
ihmisten ja koneiden välille,
01:06
so that computers can understand
21
51000
2000
niin että koneen ymmärtäisivät
01:08
not only what you direct it to do,
22
53000
2000
-- ei vain mitä niitä käsketään tekemään --
01:10
but it can also respond
23
55000
2000
vaan myös vastaisivat
01:12
to your facial expressions
24
57000
2000
ilmeisiin ja
01:14
and emotional experiences.
25
59000
2000
tunteisiin.
01:16
And what better way to do this
26
61000
2000
Tähän tuskin on parempaa tapaa
01:18
than by interpreting the signals
27
63000
2000
kuin tulkita niitä signaaleja
01:20
naturally produced by our brain,
28
65000
2000
jotka syntyvät luontaisesti aivoissamme,
01:22
our center for control and experience.
29
67000
3000
kokemuksen ja hallinnan keskuksessamme.
01:25
Well, it sounds like a pretty good idea,
30
70000
2000
Se kuulostaa hyvältä idealta,
01:27
but this task, as Bruno mentioned,
31
72000
2000
mutta tämä, kuten Bruno sanoi,
01:29
isn't an easy one for two main reasons:
32
74000
3000
ei ole helppo tehtävä kahdesta syystä:
01:32
First, the detection algorithms.
33
77000
3000
Ensimmäiseksi, tunnistusalgoritmit.
01:35
Our brain is made up of
34
80000
2000
Aivomme koostuvat
01:37
billions of active neurons,
35
82000
2000
miljardeista aktiivisista neuroneista,
01:39
around 170,000 km
36
84000
3000
noin 170 000 kilometrin
01:42
of combined axon length.
37
87000
2000
yhteenlasketulla pituudella.
01:44
When these neurons interact,
38
89000
2000
Kun nuo neuronit vuorovaikuttavat,
01:46
the chemical reaction emits an electrical impulse,
39
91000
2000
kemikaalinen reaktio synnyttää
01:48
which can be measured.
40
93000
2000
mitattavissa olevan sähköisen impulssin.
01:50
The majority of our functional brain
41
95000
3000
Valtaosa aivotoiminnoistamme
01:53
is distributed over
42
98000
2000
jakaantuu
01:55
the outer surface layer of the brain,
43
100000
2000
aivojen kuorikerrokseen.
01:57
and to increase the area that's available for mental capacity,
44
102000
3000
Kuorikerroksen pinta-alan kasvattamiseksi,
02:00
the brain surface is highly folded.
45
105000
3000
se on erittäin poimuttunut.
02:03
Now this cortical folding
46
108000
2000
Tämä aivokuoren poimuttuneisuus
02:05
presents a significant challenge
47
110000
2000
aiheuttaa suuren haasteen
02:07
for interpreting surface electrical impulses.
48
112000
3000
kerroksen sähköisten impulssien tulkintaan.
02:10
Each individual's cortex
49
115000
2000
Jokaisen yksilön aivokuori
02:12
is folded differently,
50
117000
2000
on poimuttunut eri lailla,
02:14
very much like a fingerprint.
51
119000
2000
aivan kuten sormenjäljet.
02:16
So even though a signal
52
121000
2000
Joten vaikka signaali
02:18
may come from the same functional part of the brain,
53
123000
3000
tulisi samasta aivojen toiminnallisesta alueesta,
02:21
by the time the structure has been folded,
54
126000
2000
niin poimuttumisen vuoksi
02:23
its physical location
55
128000
2000
sen fyysinen sijainti
02:25
is very different between individuals,
56
130000
2000
on hyvin erilainen eri yksilöillä,
02:27
even identical twins.
57
132000
3000
jopa identtisten kaksosten välillä.
02:30
There is no longer any consistency
58
135000
2000
Pinnalta mitatuissa signaaleissa
02:32
in the surface signals.
59
137000
2000
ei ole johdonmukaisuutta.
02:34
Our breakthrough was to create an algorithm
60
139000
2000
Läpimurtomme oli luoda algoritmi,
02:36
that unfolds the cortex,
61
141000
2000
joka tasoittaa aivokuoren poimutuksen,
02:38
so that we can map the signals
62
143000
2000
jotta voimme kartoittaa signaalin
02:40
closer to its source,
63
145000
2000
lähemmäs sen lähdettä,
02:42
and therefore making it capable of working across a mass population.
64
147000
3000
saaden sen toimimaan läpi ihmisjoukkojen.
02:46
The second challenge
65
151000
2000
Toinen haaste on
02:48
is the actual device for observing brainwaves.
66
153000
3000
aivoaaltojen lukemiseen käytetty laite.
02:51
EEG measurements typically involve
67
156000
2000
EEG-mittaukset tyypillisesti vaativat
02:53
a hairnet with an array of sensors,
68
158000
3000
sensorein varustetun hiusverkon,
02:56
like the one that you can see here in the photo.
69
161000
3000
kuten tässä kuvassa nähdään.
02:59
A technician will put the electrodes
70
164000
2000
Teknikko asettelee elektrodit
03:01
onto the scalp
71
166000
2000
kallon pinnalle
03:03
using a conductive gel or paste
72
168000
2000
käyttäen johtavaa geeliä tai pastaa,
03:05
and usually after a procedure of preparing the scalp
73
170000
3000
usein valmisteltuaan ensin päänahkaa
03:08
by light abrasion.
74
173000
2000
raapimalla sen ihoa kevyesti.
03:10
Now this is quite time consuming
75
175000
2000
Tämä kestää melko kauan
03:12
and isn't the most comfortable process.
76
177000
2000
eikä ole kovin miellyttävää.
03:14
And on top of that, these systems
77
179000
2000
Kaiken lisäksi, nämä järjestelmät
03:16
actually cost in the tens of thousands of dollars.
78
181000
3000
maksavat kymmeniä tuhansia dollareita.
03:20
So with that, I'd like to invite onstage
79
185000
3000
Tällä pohjustuksella, haluaisin kutsua lavalle
03:23
Evan Grant, who is one of last year's speakers,
80
188000
2000
Evan Grantin, yhden viime vuoden puhujista,
03:25
who's kindly agreed
81
190000
2000
joka ystävällisesti suostui
03:27
to help me to demonstrate
82
192000
2000
auttamaan minua esittelemään
03:29
what we've been able to develop.
83
194000
2000
mitä olemme saaneet aikaiseksi.
03:31
(Applause)
84
196000
6000
(Aplodeja)
03:37
So the device that you see
85
202000
2000
Laite, jonka näette
03:39
is a 14-channel, high-fidelity
86
204000
2000
on 14-kanavainen,
03:41
EEG acquisition system.
87
206000
2000
korkealaatuinen EEG-tallennuslaite.
03:43
It doesn't require any scalp preparation,
88
208000
3000
Se ei vaadi päänahan valmistelua
03:46
no conductive gel or paste.
89
211000
2000
johtavalla geelillä tai pastalla.
03:48
It only takes a few minutes to put on
90
213000
3000
Sen pukemiseen ja signaalien tasoittumiseen
03:51
and for the signals to settle.
91
216000
2000
menee vain muutamia minuutteja.
03:53
It's also wireless,
92
218000
2000
Se on myös langaton,
03:55
so it gives you the freedom to move around.
93
220000
3000
joten sen kanssa voi liikkua ympäriinsä.
03:58
And compared to the tens of thousands of dollars
94
223000
3000
Ja verrattuna perinteisten EEG-järjestelmien
04:01
for a traditional EEG system,
95
226000
3000
kymmenien tuhansien hintaan,
04:04
this headset only costs
96
229000
2000
tämä päähine maksaa
04:06
a few hundred dollars.
97
231000
2000
vain muutamia satasia.
04:08
Now on to the detection algorithms.
98
233000
3000
Ja nyt tunnistusalgoritmeihin.
04:11
So facial expressions --
99
236000
2000
Kasvojen ilmeet
04:13
as I mentioned before in emotional experiences --
100
238000
2000
-- kuten sanoin aiemmin tunteiden ilmenemisestä --
04:15
are actually designed to work out of the box
101
240000
2000
on suunniteltu toimimaan
04:17
with some sensitivity adjustments
102
242000
2000
suoraan, muutamilla henkilökohtaisilla
04:19
available for personalization.
103
244000
3000
herkkyyden asetuksilla.
04:22
But with the limited time we have available,
104
247000
2000
Mutta tällä rajoitetulla ajallamme,
04:24
I'd like to show you the cognitive suite,
105
249000
2000
haluaisin esitellä kognitiivista ohjelmistoamme,
04:26
which is the ability for you
106
251000
2000
jonka avulla on mahdollista
04:28
to basically move virtual objects with your mind.
107
253000
3000
liikuttaa virtuaalisia esineitä ajatuksen voimalla.
04:32
Now, Evan is new to this system,
108
257000
2000
Evan on uusi käyttäjä,
04:34
so what we have to do first
109
259000
2000
joten luomme ensin hänelle
04:36
is create a new profile for him.
110
261000
2000
profiilin järjestelmään.
04:38
He's obviously not Joanne -- so we'll "add user."
111
263000
3000
Hän ei selvästikään ole Joanne -- joten lisäämme uuden käyttäjän.
04:41
Evan. Okay.
112
266000
2000
Evan. Ok.
04:43
So the first thing we need to do with the cognitive suite
113
268000
3000
Aluksi harjoittaaksemme ohjelmistoa,
04:46
is to start with training
114
271000
2000
tarvitsemme
04:48
a neutral signal.
115
273000
2000
neutraalin signaalin.
04:50
With neutral, there's nothing in particular
116
275000
2000
Neuraalissa ei ole mitään erityistä
04:52
that Evan needs to do.
117
277000
2000
mitä Evanin tarvitsisi tehdä.
04:54
He just hangs out. He's relaxed.
118
279000
2000
Hän vain on. Rentona.
04:56
And the idea is to establish a baseline
119
281000
2000
Tarkoituksena on määritellä
04:58
or normal state for his brain,
120
283000
2000
hänen aivojensa normaalitila,
05:00
because every brain is different.
121
285000
2000
koska jokainen aivo on omanlaisensa.
05:02
It takes eight seconds to do this,
122
287000
2000
Tämä kestää kahdeksan sekuntia.
05:04
and now that that's done,
123
289000
2000
Ja kun se on tehty,
05:06
we can choose a movement-based action.
124
291000
2000
voimme valita liikkeeseen perustuvan toiminnon.
05:08
So Evan, choose something
125
293000
2000
Evan valitse jotakin
05:10
that you can visualize clearly in your mind.
126
295000
2000
jonka voit visualisoida helposti mielessäsi.
05:12
Evan Grant: Let's do "pull."
127
297000
2000
EG: Valitaan kohti vetäminen.
05:14
Tan Le: Okay, so let's choose "pull."
128
299000
2000
TL: Okei, valitaan 'veto'.
05:16
So the idea here now
129
301000
2000
Tarkoituksena tässä on,
05:18
is that Evan needs to
130
303000
2000
että Evan kuvittelee
05:20
imagine the object coming forward
131
305000
2000
kohteen tulevan lähemmäs
05:22
into the screen,
132
307000
2000
ruutua kohti.
05:24
and there's a progress bar that will scroll across the screen
133
309000
3000
Palkki kasvaa ruudussa
05:27
while he's doing that.
134
312000
2000
hänen tekiessään sitä.
05:29
The first time, nothing will happen,
135
314000
2000
Ensimmäisellä kerralla mitään ei tapahtu
05:31
because the system has no idea how he thinks about "pull."
136
316000
3000
koska järjestelmä ei tiedä miten hän 'vetää'.
05:34
But maintain that thought
137
319000
2000
Mutta pidetään se ajatus
05:36
for the entire duration of the eight seconds.
138
321000
2000
koko kahdeksan sekunnin ajan.
05:38
So: one, two, three, go.
139
323000
3000
Yksi, kaksi, kolme, nyt.
05:49
Okay.
140
334000
2000
Okei.
05:51
So once we accept this,
141
336000
2000
Kunhan hyväksymme tämän,
05:53
the cube is live.
142
338000
2000
kuutio on käytössä.
05:55
So let's see if Evan
143
340000
2000
Katsotaan jos Evan saa
05:57
can actually try and imagine pulling.
144
342000
3000
todella vedettyä sitä kuvittelemalla.
06:00
Ah, good job!
145
345000
2000
Aa, hyvin tehty!
06:02
(Applause)
146
347000
3000
(Aplodeja)
06:05
That's really amazing.
147
350000
2000
Tämä on hämmästyttävää.
06:07
(Applause)
148
352000
4000
(Aplodeja)
06:11
So we have a little bit of time available,
149
356000
2000
Meillä on vähän aikaa jäljellä,
06:13
so I'm going to ask Evan
150
358000
2000
joten pyydän Evania
06:15
to do a really difficult task.
151
360000
2000
suorittamaan vaikean tehtävän.
06:17
And this one is difficult
152
362000
2000
Se on vaikea, koska
06:19
because it's all about being able to visualize something
153
364000
3000
hän tulee kuvittelemaan jotain,
06:22
that doesn't exist in our physical world.
154
367000
2000
mitä ei tapahtu fyysisessä maailmassa.
06:24
This is "disappear."
155
369000
2000
Tämä on 'katoaminen'.
06:26
So what you want to do -- at least with movement-based actions,
156
371000
2000
Liikkeeseen pohjautuva toiminta on helppoa,
06:28
we do that all the time, so you can visualize it.
157
373000
3000
sillä teemme sitä koko ajan; se on helppoa kuvitella.
06:31
But with "disappear," there's really no analogies --
158
376000
2000
Mutta 'katoaminen' -- sille ei ole vastineita.
06:33
so Evan, what you want to do here
159
378000
2000
Joten Evan, seuraavaksi haluat
06:35
is to imagine the cube slowly fading out, okay.
160
380000
3000
kuvitella kuution hitaasti katoavan.
06:38
Same sort of drill. So: one, two, three, go.
161
383000
3000
Sama toimintatapa. Eli; yksi, kaksi, kolme, nyt.
06:50
Okay. Let's try that.
162
395000
3000
Okei, koetetaan sitä.
06:53
Oh, my goodness. He's just too good.
163
398000
3000
Oho, hän on todella hyvä tässä.
06:57
Let's try that again.
164
402000
2000
Yritetään uudestaan.
07:04
EG: Losing concentration.
165
409000
2000
EG: Keskittyminen hukkuu.
07:06
(Laughter)
166
411000
2000
(Naurua)
07:08
TL: But we can see that it actually works,
167
413000
2000
TL: Mutta näemme, että
07:10
even though you can only hold it
168
415000
2000
se toimii, vaikka saat sen pysymään
07:12
for a little bit of time.
169
417000
2000
vain hetken ajan.
07:14
As I said, it's a very difficult process
170
419000
3000
Kuten sanottua, on erittäin vaikeaa
07:17
to imagine this.
171
422000
2000
kuvitella tätä.
07:19
And the great thing about it is that
172
424000
2000
Ja hienointa tässä on,
07:21
we've only given the software one instance
173
426000
2000
että olemme antaneet ohjelmistolle
07:23
of how he thinks about "disappear."
174
428000
3000
vain yhden esimerkin 'katoamisesta'.
07:26
As there is a machine learning algorithm in this --
175
431000
3000
Koneoppimisen algoritmi tämän takana ---
07:29
(Applause)
176
434000
4000
(Aplodeja)
07:33
Thank you.
177
438000
2000
Kiitos.
07:35
Good job. Good job.
178
440000
3000
Hyvin tehty.
07:38
(Applause)
179
443000
2000
(Aplodeja)
07:40
Thank you, Evan, you're a wonderful, wonderful
180
445000
3000
Kiitos Evan, olet loistava esimerkki
07:43
example of the technology.
181
448000
3000
tästä teknologiasta.
07:46
So, as you can see, before,
182
451000
2000
Kuten näitte aiemmin,
07:48
there is a leveling system built into this software
183
453000
3000
järjestelmään on rakennettu tasorakenne,
07:51
so that as Evan, or any user,
184
456000
2000
joten kun Evan, tai kuka tahansa,
07:53
becomes more familiar with the system,
185
458000
2000
tulee tutummaksi järjestelmään,
07:55
they can continue to add more and more detections,
186
460000
3000
he voivat lisätä lisää tunnistimia,
07:58
so that the system begins to differentiate
187
463000
2000
jolloin järjestelmä oppii erottamaan
08:00
between different distinct thoughts.
188
465000
3000
erilaisia ajatustyyppejä toisistaan.
08:04
And once you've trained up the detections,
189
469000
2000
Kun on opettanut tunnistimet,
08:06
these thoughts can be assigned or mapped
190
471000
2000
nämä ajatukset voidaan liittää
08:08
to any computing platform,
191
473000
2000
mihin tahansa tietokoneen toimintoon,
08:10
application or device.
192
475000
2000
ohjelmistoon tai oheislaitteeseen.
08:12
So I'd like to show you a few examples,
193
477000
2000
Haluaisin näyttää muutaman esimerkin,
08:14
because there are many possible applications
194
479000
2000
koska tälle uudelle tekniikalle
08:16
for this new interface.
195
481000
2000
on monia mahdollisia käyttötapoja
08:19
In games and virtual worlds, for example,
196
484000
2000
Peleissä ja virtuaalimaailmoissa,
08:21
your facial expressions
197
486000
2000
esimerkiksi kasvonilmeitä
08:23
can naturally and intuitively be used
198
488000
2000
voidaan helposti ja luonnollisesti käyttää
08:25
to control an avatar or virtual character.
199
490000
3000
ohjaamaan virtuaalihahmoa.
08:29
Obviously, you can experience the fantasy of magic
200
494000
2000
Näin pääsee taianomaisesti kokemaan
08:31
and control the world with your mind.
201
496000
3000
miten hallita maailmaa ajatuksilla.
08:36
And also, colors, lighting,
202
501000
3000
Myös värit, valaistus,
08:39
sound and effects
203
504000
2000
äänet ja efektit voivat
08:41
can dynamically respond to your emotional state
204
506000
2000
dynaamisesti reagoida käyttäjän mielentilaan
08:43
to heighten the experience that you're having, in real time.
205
508000
3000
korostaen kokemusta reaaliajassa.
08:47
And moving on to some applications
206
512000
2000
Siirrytäänpä muutamiin muihin
08:49
developed by developers and researchers around the world,
207
514000
3000
tutkijoiden ja suunnittelijoiden kehittämiin sovelluksiin,
08:52
with robots and simple machines, for example --
208
517000
3000
robotteihin ja yksinkertaisiin laitteisiin, esimerkiksi --
08:55
in this case, flying a toy helicopter
209
520000
2000
tässä tapauksessa, lelukopterin lennättämiseen
08:57
simply by thinking "lift" with your mind.
210
522000
3000
vain ajattelemalla 'nousua' mielessään.
09:00
The technology can also be applied
211
525000
2000
Tätä teknologiaa voidaan soveltaa
09:02
to real world applications --
212
527000
2000
reaalimaailman sovelluksiin --
09:04
in this example, a smart home.
213
529000
2000
kuten tässä, älykkääseen kotiin.
09:06
You know, from the user interface of the control system
214
531000
3000
Käyttöliittymäksi, jolla hallita
09:09
to opening curtains
215
534000
2000
verhojen avaaminen
09:11
or closing curtains.
216
536000
3000
ja sulkeminen.
09:22
And of course, also to the lighting --
217
547000
3000
Sekä valaistus --
09:25
turning them on
218
550000
3000
valojen kytkeminen päälle
09:28
or off.
219
553000
2000
tai pois.
09:30
And finally,
220
555000
2000
Ja lopuksi,
09:32
to real life-changing applications,
221
557000
2000
todellisen muutoksten tekeviin sovelluksiin,
09:34
such as being able to control an electric wheelchair.
222
559000
3000
kuten sähköisen pyörätuolin ohjaamiseen.
09:37
In this example,
223
562000
2000
Tässä tapauksessa,
09:39
facial expressions are mapped to the movement commands.
224
564000
3000
kasvojen ilmeet on liitetty liikekomentoihin.
09:42
Man: Now blink right to go right.
225
567000
3000
Mies: Vinkkaa oikeaa silmää mennäksesi oikealle.
09:50
Now blink left to turn back left.
226
575000
3000
Nyt vasenta mennäksesi vasemmalle.
10:02
Now smile to go straight.
227
587000
3000
Hymyile mennäksesi suoraan.
10:08
TL: We really -- Thank you.
228
593000
2000
TL: Me todella -- Kiitos.
10:10
(Applause)
229
595000
5000
(Aplodeja)
10:15
We are really only scratching the surface of what is possible today,
230
600000
3000
Olemme vasta raapaisemassa mahdollisuuksien pintaa.
10:18
and with the community's input,
231
603000
2000
Yhteisön palaute,
10:20
and also with the involvement of developers
232
605000
2000
ja kehittäjien ja tutkijoiden osallistuminen
10:22
and researchers from around the world,
233
607000
3000
eri puolilla maailmaa
10:25
we hope that you can help us to shape
234
610000
2000
auttavat meitä muokkaamaan
10:27
where the technology goes from here. Thank you so much.
235
612000
3000
teknologiaa tästä eteenpäin. Kiitos paljon.
ABOUT THE SPEAKER
Tan Le - EntrepreneurTan Le is the founder & CEO of Emotiv, a bioinformatics company that's working on identifying biomarkers for mental and other neurological conditions using electroencephalography (EEG).
Why you should listen
Tan Le is the co-founder and president of Emotiv. Before this, she headed a firm that worked on a new form of remote control that uses brainwaves to control digital devices and digital media. It's long been a dream to bypass the mechanical (mouse, keyboard, clicker) and have our digital devices respond directly to what we think. Emotiv's EPOC headset uses 16 sensors to listen to activity across the entire brain. Software "learns" what each user's brain activity looks like when one, for instance, imagines a left turn or a jump.
Le herself has an extraordinary story -- a refugee from Vietnam at age 4, she entered college at 16 and has since become a vital young leader in her home country of Australia.
Tan Le | Speaker | TED.com