TEDGlobal 2010
Tan Le: A headset that reads your brainwaves
טאן לה: התקן ראש שקורא את גלי המוח שלך.
Filmed:
Readability: 5
2,732,929 views
ממשק המחשב המדהים של טאן לה קורא את גלי המוח של המשתמש ומאפשר שליטה באובייקטים וירטואליים ואף עצמים אלקטרוניים מוחשיים, באמצעות המחשבה בלבד (ומעט ריכוז). היא מדגימה את התקן הראש ומדברת על היישומים מרחיקי הלכת שלו.
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
עד כה, התקשורת שלנו עם מכונות
00:18
has always been limited
1
3000
2000
הייתה תמיד מוגבלת
00:20
to conscious and direct forms.
2
5000
2000
לדרכים ישירות ומודעות.
00:22
Whether it's something simple
3
7000
2000
בין אם זה משהו פשוט
00:24
like turning on the lights with a switch,
4
9000
2000
כמו להדליק את האורות באמצעות המתג,
00:26
or even as complex as programming robotics,
5
11000
3000
ובין אם מדובר בתכנות רובוטים מורכב,
00:29
we have always had to give a command to a machine,
6
14000
3000
תמיד היינו צריכים לתת פקודה למכונה,
00:32
or even a series of commands,
7
17000
2000
או אפילו שורה של פקודות,
00:34
in order for it to do something for us.
8
19000
3000
על מנת שזו תעשה משהו עבורינו.
00:37
Communication between people, on the other hand,
9
22000
2000
תקשורת בין אנשים מצד שני,
00:39
is far more complex and a lot more interesting
10
24000
3000
הינה מורכבת הרבה יותר ומעניינת מאוד,
00:42
because we take into account
11
27000
2000
מכיוון שאנו לוקחים בחשבון
00:44
so much more than what is explicitly expressed.
12
29000
3000
הרבה מעבר לביטוי המפורש של הדברים.
00:47
We observe facial expressions, body language,
13
32000
3000
אנו צופים בהבעות הפנים, שפת הגוף,
00:50
and we can intuit feelings and emotions
14
35000
2000
ואנו יכול לפרש תחושות ורגשות
00:52
from our dialogue with one another.
15
37000
3000
מהדיאלוג שלנו עם האחר.
00:55
This actually forms a large part
16
40000
2000
זהו למעשה מרכיב משמעותי
00:57
of our decision-making process.
17
42000
2000
מתהליך קבלת ההחלטות שלנו.
00:59
Our vision is to introduce
18
44000
2000
החזון שלנו הוא להכניס
01:01
this whole new realm of human interaction
19
46000
3000
את העולם החדש של אינטראקציה אנושית
01:04
into human-computer interaction
20
49000
2000
לאינטראקציה שבין אדם למכונה.
01:06
so that computers can understand
21
51000
2000
כך שמחשבים יוכלו להבין
01:08
not only what you direct it to do,
22
53000
2000
לא רק מה שאנו אומרים להם לעשות,
01:10
but it can also respond
23
55000
2000
אך הם גם יוכלו להגיב
01:12
to your facial expressions
24
57000
2000
להבעות הפנים שלך
01:14
and emotional experiences.
25
59000
2000
ולהבעות הגוף.
01:16
And what better way to do this
26
61000
2000
ואיזו דרך טובה יותר לעשות זאת
01:18
than by interpreting the signals
27
63000
2000
מאשר לפענח את האותות
01:20
naturally produced by our brain,
28
65000
2000
המופקים באופן טבעי ע"י המוח שלנו,
01:22
our center for control and experience.
29
67000
3000
המרכז שלנו לשליטה וחוויה.
01:25
Well, it sounds like a pretty good idea,
30
70000
2000
ובכן, זה נשמע כמו רעיון טוב למדי,
01:27
but this task, as Bruno mentioned,
31
72000
2000
אך המשימה הזו, כמו שברונו ציין,
01:29
isn't an easy one for two main reasons:
32
74000
3000
לא קלה בשל שתי סיבות:
01:32
First, the detection algorithms.
33
77000
3000
הראשונה, אלגוריתם הזיהוי.
01:35
Our brain is made up of
34
80000
2000
המוח שלנו מורכב
01:37
billions of active neurons,
35
82000
2000
ממיליארדי נוירונים פעילים,
01:39
around 170,000 km
36
84000
3000
בערך 170,000 ק"מ
01:42
of combined axon length.
37
87000
2000
של אקסונים משולבים.
01:44
When these neurons interact,
38
89000
2000
כאשר נוצרת אינטראקציה בין הניורונים הללו,
01:46
the chemical reaction emits an electrical impulse,
39
91000
2000
התגובה הכימית מפיצה פולס חשמלי
01:48
which can be measured.
40
93000
2000
אותו ניתן למדוד.
01:50
The majority of our functional brain
41
95000
3000
רובו של המוח הפעיל שלנו
01:53
is distributed over
42
98000
2000
נמצא באיזור
01:55
the outer surface layer of the brain,
43
100000
2000
משטח השכבה החיצונית של המוח שלנו.
01:57
and to increase the area that's available for mental capacity,
44
102000
3000
ועל מנת להגדיל את השטח הקיים ליכולות מנטליות,
02:00
the brain surface is highly folded.
45
105000
3000
משטח המוח מקופל ביותר.
02:03
Now this cortical folding
46
108000
2000
כעת, הקיפול המוחי הזה
02:05
presents a significant challenge
47
110000
2000
מציג אתגר משמעותי
02:07
for interpreting surface electrical impulses.
48
112000
3000
בפיענוח פולסים חשמליים.
02:10
Each individual's cortex
49
115000
2000
הקליפה המוחית של כל אדם
02:12
is folded differently,
50
117000
2000
מקופלת באופן שונה,
02:14
very much like a fingerprint.
51
119000
2000
בדומה מאוד לטביעת אצבע.
02:16
So even though a signal
52
121000
2000
כך שלמרות שאות
02:18
may come from the same functional part of the brain,
53
123000
3000
יכול להגיע מחלק דומה במוח הפעיל,
02:21
by the time the structure has been folded,
54
126000
2000
בזמן שהמבנה התקפל,
02:23
its physical location
55
128000
2000
המיקום הפיזי שלו
02:25
is very different between individuals,
56
130000
2000
שונה מאוד בין אדם לאדם,
02:27
even identical twins.
57
132000
3000
אפילו בתאומים זהים.
02:30
There is no longer any consistency
58
135000
2000
כבר אין אחידות
02:32
in the surface signals.
59
137000
2000
באותות על פני השטח.
02:34
Our breakthrough was to create an algorithm
60
139000
2000
פריצת הדרך שלנו הייתה ביצירת אלגוריתם
02:36
that unfolds the cortex,
61
141000
2000
אשר פותח את קיפולי הקליפה המוחית,
02:38
so that we can map the signals
62
143000
2000
כך שאנו יכולים למפות את האותות
02:40
closer to its source,
63
145000
2000
קרוב יותר למקור שלהם,
02:42
and therefore making it capable of working across a mass population.
64
147000
3000
ובכך מאפשרים למערכת לעבוד עם אוכלוסיה גדולה.
02:46
The second challenge
65
151000
2000
האתגר השני
02:48
is the actual device for observing brainwaves.
66
153000
3000
הוא המכשיר עצמו לצפייה בגלי המוח
02:51
EEG measurements typically involve
67
156000
2000
מדידות EEG בדרך כלל כוללות
02:53
a hairnet with an array of sensors,
68
158000
3000
רשת שיער עם מערך של חיישנים,
02:56
like the one that you can see here in the photo.
69
161000
3000
כמו זו שאתם יכולים לראות כאן בתמונה.
02:59
A technician will put the electrodes
70
164000
2000
טכנאי שם את האלקטרודות
03:01
onto the scalp
71
166000
2000
על הקרקפת
03:03
using a conductive gel or paste
72
168000
2000
באמצעות ג'ל מוליך או משחה
03:05
and usually after a procedure of preparing the scalp
73
170000
3000
ולרוב לאחר תהליך של הכנת הקרקפת
03:08
by light abrasion.
74
173000
2000
ע"י שפשוף קל.
03:10
Now this is quite time consuming
75
175000
2000
כעת, זהו תהליך הצורך זמן מה
03:12
and isn't the most comfortable process.
76
177000
2000
וגם לא מאוד נוח.
03:14
And on top of that, these systems
77
179000
2000
ובנוסף, מערכות אלו
03:16
actually cost in the tens of thousands of dollars.
78
181000
3000
למעשה עולות עשרות אלפי דולרים.
03:20
So with that, I'd like to invite onstage
79
185000
3000
אז עם זה, הייתי מעוניינת להזמין לבמה את
03:23
Evan Grant, who is one of last year's speakers,
80
188000
2000
אוון גראנט, אחד מהדוברים של שנה שעברה.
03:25
who's kindly agreed
81
190000
2000
אשר הסכים באדיבותו
03:27
to help me to demonstrate
82
192000
2000
לעזור לי להדגים
03:29
what we've been able to develop.
83
194000
2000
את מה שהצלחנו לפתח.
03:31
(Applause)
84
196000
6000
(מחיאות כפיים)
03:37
So the device that you see
85
202000
2000
אז המכשיר שאתם רואים
03:39
is a 14-channel, high-fidelity
86
204000
2000
הוא בעל 14 ערוצים, ויכולת גבוהה
03:41
EEG acquisition system.
87
206000
2000
לקליטת EEG.
03:43
It doesn't require any scalp preparation,
88
208000
3000
הוא אינו דורש הכנה מוקדמת של הקרקפת,
03:46
no conductive gel or paste.
89
211000
2000
וגם לא ג'ל כמוליך או משחה.
03:48
It only takes a few minutes to put on
90
213000
3000
לוקח דקות בודדות להלביש אותו
03:51
and for the signals to settle.
91
216000
2000
ולהתחיל לקלוט את הגלים.
03:53
It's also wireless,
92
218000
2000
הוא גם אלחוטי,
03:55
so it gives you the freedom to move around.
93
220000
3000
כך שהוא מאפשר לך לנוע בחופשיות.
03:58
And compared to the tens of thousands of dollars
94
223000
3000
ובהשוואה לעשרות האלפים של דולרים
04:01
for a traditional EEG system,
95
226000
3000
למערכת EEG מסורתית,
04:04
this headset only costs
96
229000
2000
התקן הראש הזה עולה
04:06
a few hundred dollars.
97
231000
2000
כמה מאות דולרים בלבד.
04:08
Now on to the detection algorithms.
98
233000
3000
עכשיו נעבור לאלגוריתמים של הזיהוי.
04:11
So facial expressions --
99
236000
2000
אז הבעות פנים -
04:13
as I mentioned before in emotional experiences --
100
238000
2000
כמו שהסברתי מקודם בהבעות רגשיות --
04:15
are actually designed to work out of the box
101
240000
2000
למעשה מתוכננות לעבוד באופן טבעי
04:17
with some sensitivity adjustments
102
242000
2000
עם כמה שינויים ברגישות
04:19
available for personalization.
103
244000
3000
הקיימים לצורך התאמה אישית.
04:22
But with the limited time we have available,
104
247000
2000
אך בשל הזמן הקצר העומד לרשותנו,
04:24
I'd like to show you the cognitive suite,
105
249000
2000
הייתי רוצה להציג בפניכם את החבילה הקוגניטיבית,
04:26
which is the ability for you
106
251000
2000
אשר מאפשרת לך
04:28
to basically move virtual objects with your mind.
107
253000
3000
להזיז חפצים וירטואלים בעזרת המחשבה.
04:32
Now, Evan is new to this system,
108
257000
2000
כעת, אוון חדש במערכת,
04:34
so what we have to do first
109
259000
2000
אז מה שאנו צריכים לעשות תחילה
04:36
is create a new profile for him.
110
261000
2000
הוא ליצור פרופיל חדש עבורו.
04:38
He's obviously not Joanne -- so we'll "add user."
111
263000
3000
הוא בוודאי לא ג'ואן -- אז אנחנו "נוסיף משתמש".
04:41
Evan. Okay.
112
266000
2000
אוון. בסדר.
04:43
So the first thing we need to do with the cognitive suite
113
268000
3000
אז הדבר הראשון שאנחנו צריכים לעשות עם החבילה הקוגניטיבית
04:46
is to start with training
114
271000
2000
הוא להתחיל עם אימון
04:48
a neutral signal.
115
273000
2000
של אות ניטרלי.
04:50
With neutral, there's nothing in particular
116
275000
2000
עם ניטרלי, אין משהו מיוחד
04:52
that Evan needs to do.
117
277000
2000
שאוון צריך לעשות.
04:54
He just hangs out. He's relaxed.
118
279000
2000
הוא רק עומד. הוא רגוע.
04:56
And the idea is to establish a baseline
119
281000
2000
והרעיון הוא להגדיר בסיס
04:58
or normal state for his brain,
120
283000
2000
או מצב נורמלי למוח שלו.
05:00
because every brain is different.
121
285000
2000
מכיוון שכל מוח הוא שונה.
05:02
It takes eight seconds to do this,
122
287000
2000
זה לוקח 8 שניות לביצוע הפעולה.
05:04
and now that that's done,
123
289000
2000
ועכשיו שזה נגמר,
05:06
we can choose a movement-based action.
124
291000
2000
אנו יכולים לבחור פעולה מבוססת תנועה.
05:08
So Evan, choose something
125
293000
2000
אז אוון תבחר משהו
05:10
that you can visualize clearly in your mind.
126
295000
2000
אותו אתה יכול לדמיין בבהירות במוחך.
05:12
Evan Grant: Let's do "pull."
127
297000
2000
אוון גרנט: בואי נבצע "משיכה".
05:14
Tan Le: Okay, so let's choose "pull."
128
299000
2000
טאן לה: בסדר. אז בוא נבחר "משיכה".
05:16
So the idea here now
129
301000
2000
אז הרעיון כאן הוא
05:18
is that Evan needs to
130
303000
2000
שאוון צריך
05:20
imagine the object coming forward
131
305000
2000
לדמיין את האובייקט מתקדם
05:22
into the screen,
132
307000
2000
לתוך המסך.
05:24
and there's a progress bar that will scroll across the screen
133
309000
3000
ויש מד התקדמות לאורכו של המסך
05:27
while he's doing that.
134
312000
2000
בזמן שהוא עושה את זה.
05:29
The first time, nothing will happen,
135
314000
2000
בפעם הראשונה, שום דבר לא יקרה,
05:31
because the system has no idea how he thinks about "pull."
136
316000
3000
מכיוון והמערכת לא יודעת איך הוא חושב על "משיכה".
05:34
But maintain that thought
137
319000
2000
אבל תשמור על המחשבה הזו
05:36
for the entire duration of the eight seconds.
138
321000
2000
למשך כל ה-8 שניות.
05:38
So: one, two, three, go.
139
323000
3000
אז: אחת, שתיים, שלוש וזהו.
05:49
Okay.
140
334000
2000
בסדר.
05:51
So once we accept this,
141
336000
2000
אז ברגע שאנו מאשרים את זה,
05:53
the cube is live.
142
338000
2000
הקוביה חיה.
05:55
So let's see if Evan
143
340000
2000
אז בואו נראה האם אוון
05:57
can actually try and imagine pulling.
144
342000
3000
למעשה יכול לנסות ולדמיין משיכה.
06:00
Ah, good job!
145
345000
2000
אה, עבודה טובה.
06:02
(Applause)
146
347000
3000
(מחיאות כפיים)
06:05
That's really amazing.
147
350000
2000
זה למעשה מדהים.
06:07
(Applause)
148
352000
4000
(מחיאות כפיים)
06:11
So we have a little bit of time available,
149
356000
2000
אז יש לנו מעט זמן פנוי,
06:13
so I'm going to ask Evan
150
358000
2000
לכן אבקש מאוון
06:15
to do a really difficult task.
151
360000
2000
לבצע משימה קשה במיוחד.
06:17
And this one is difficult
152
362000
2000
וזו קשה
06:19
because it's all about being able to visualize something
153
364000
3000
מכיוון שהיא כרוכה ביכולת לדמיין משהו
06:22
that doesn't exist in our physical world.
154
367000
2000
שלא קיים בעולם הפיזי.
06:24
This is "disappear."
155
369000
2000
זה "היעלמות".
06:26
So what you want to do -- at least with movement-based actions,
156
371000
2000
אז מה שאתה רוצה -- לפחות עם פעולות מבוססות תנועה,
06:28
we do that all the time, so you can visualize it.
157
373000
3000
אנו עושים את זה כל הזמן, כך שאתה יכול לדמיין את זה.
06:31
But with "disappear," there's really no analogies --
158
376000
2000
אבל עם "היעלמות", אין ממש אנלוגיות.
06:33
so Evan, what you want to do here
159
378000
2000
אז אוון, מה שאתה רוצה לעשות כאן
06:35
is to imagine the cube slowly fading out, okay.
160
380000
3000
הוא לדמיין את הקוביה נעלמת בהדרגה, בסדר.
06:38
Same sort of drill. So: one, two, three, go.
161
383000
3000
אותו תהליך כמו מקודם. אז: אחת, שתיים, שלושה וזהו.
06:50
Okay. Let's try that.
162
395000
3000
בסדר. בוא ננסה את זה.
06:53
Oh, my goodness. He's just too good.
163
398000
3000
הו, איזה יופי. הוא פשוט טוב מידי.
06:57
Let's try that again.
164
402000
2000
בוא ננסה זאת שוב.
07:04
EG: Losing concentration.
165
409000
2000
אוון גרנט: מאבד ריכוז.
07:06
(Laughter)
166
411000
2000
(צחוק)
07:08
TL: But we can see that it actually works,
167
413000
2000
טאן לה: אבל אנחנו יכולים לראות שזה ממש עובד.
07:10
even though you can only hold it
168
415000
2000
אפילו שאתה בקושי מחזיק את זה
07:12
for a little bit of time.
169
417000
2000
לזמן קצר מאוד.
07:14
As I said, it's a very difficult process
170
419000
3000
כמו שאמרתי, זהו תהליך קשה במיוחד
07:17
to imagine this.
171
422000
2000
לדמיין את זה.
07:19
And the great thing about it is that
172
424000
2000
והדבר הגדול בנוגע לזה הוא
07:21
we've only given the software one instance
173
426000
2000
נתנו לתוכנה רק מופע אחת
07:23
of how he thinks about "disappear."
174
428000
3000
של איך שהוא חושב על "היעלמות".
07:26
As there is a machine learning algorithm in this --
175
431000
3000
כך שיש אלגוריתם מכונה ללימוד בתוך זה --
07:29
(Applause)
176
434000
4000
(מחיאות כפיים)
07:33
Thank you.
177
438000
2000
תודה לך.
07:35
Good job. Good job.
178
440000
3000
עבודה טובה. עבודה טובה.
07:38
(Applause)
179
443000
2000
(מחיאות כפיים)
07:40
Thank you, Evan, you're a wonderful, wonderful
180
445000
3000
תודה לך, אוון, אתה דוגמא נפלאה, נפלאה
07:43
example of the technology.
181
448000
3000
של הטכנולוגיה.
07:46
So, as you can see, before,
182
451000
2000
אז כמו שיכולתם לראות מקודם,
07:48
there is a leveling system built into this software
183
453000
3000
יש מערכת איזון הבנויה בתוך התוכנה
07:51
so that as Evan, or any user,
184
456000
2000
כך שבעת שאוון, או כל משתמש,
07:53
becomes more familiar with the system,
185
458000
2000
מכירים את המערכת טוב יותר,
07:55
they can continue to add more and more detections,
186
460000
3000
הם יכולים להמשיך ולהוסיף עוד ועוד זיהוי,
07:58
so that the system begins to differentiate
187
463000
2000
כך שהמערכת מתחילה להבחין
08:00
between different distinct thoughts.
188
465000
3000
בין מחשבות ייחודיות שונות
08:04
And once you've trained up the detections,
189
469000
2000
וברגע שאתה מאמן את ההבחנות,
08:06
these thoughts can be assigned or mapped
190
471000
2000
המחשבות האלו יכולות להיות מוגדרות או ממופות
08:08
to any computing platform,
191
473000
2000
לכל פלטפורמת מחשב,
08:10
application or device.
192
475000
2000
תוכנה או מכשיר.
08:12
So I'd like to show you a few examples,
193
477000
2000
אז הייתי רוצה להציג בפניכם מספר דוגמאות,
08:14
because there are many possible applications
194
479000
2000
מכיוון וישנם יישומים רבים אפשריים
08:16
for this new interface.
195
481000
2000
לממשק החדש הזה.
08:19
In games and virtual worlds, for example,
196
484000
2000
במשחקים ועולמות מדומים, לדוגמא,
08:21
your facial expressions
197
486000
2000
הבעות הפנים שלכם
08:23
can naturally and intuitively be used
198
488000
2000
יכולות באופן טבעי ואינטואיטיבי לשמש
08:25
to control an avatar or virtual character.
199
490000
3000
לשליטה בדמות או ביצור וירטואלי.
08:29
Obviously, you can experience the fantasy of magic
200
494000
2000
אתם יכולים לחוות את הנפלאות של הקסם
08:31
and control the world with your mind.
201
496000
3000
ולשלוט בעולם עם המוח שלכם.
08:36
And also, colors, lighting,
202
501000
3000
וגם, צבעים, אורות,
08:39
sound and effects
203
504000
2000
צלילים ואפקטים,
08:41
can dynamically respond to your emotional state
204
506000
2000
יכולים באופן דינאמי להגיב למצב הריגשי שלך
08:43
to heighten the experience that you're having, in real time.
205
508000
3000
להעצים את החוויה שלך, בזמן אמת.
08:47
And moving on to some applications
206
512000
2000
ונעבור למספר יישומים
08:49
developed by developers and researchers around the world,
207
514000
3000
שפותחו ע"י מפתחים וחוקרים מרחבי העולם,
08:52
with robots and simple machines, for example --
208
517000
3000
בעזרת רובוטים ומכונות פשוטות, לדוגמא --
08:55
in this case, flying a toy helicopter
209
520000
2000
במקרה הזה, הטסת מסוק צעצוע
08:57
simply by thinking "lift" with your mind.
210
522000
3000
פשוט באמצעות המחשבה של להרים אותו.
09:00
The technology can also be applied
211
525000
2000
הטכנולוגיה יכולה להיות מיושמת גם
09:02
to real world applications --
212
527000
2000
ליישומים בעולם האמיתי --
09:04
in this example, a smart home.
213
529000
2000
במקרה הזה, בית חכם.
09:06
You know, from the user interface of the control system
214
531000
3000
אתם יודעים, מממשק המשתמש של מערכת השליטה
09:09
to opening curtains
215
534000
2000
לפתיחת וילונות
09:11
or closing curtains.
216
536000
3000
או סגירתם.
09:22
And of course, also to the lighting --
217
547000
3000
ובוודאי שגם לאורות --
09:25
turning them on
218
550000
3000
להדליק
09:28
or off.
219
553000
2000
או לכבות אותם.
09:30
And finally,
220
555000
2000
ולבסוף,
09:32
to real life-changing applications,
221
557000
2000
ליישומים אמיתיים משני-חיים
09:34
such as being able to control an electric wheelchair.
222
559000
3000
כמו היכולת לשלוט בכיסא גלגלים חשמלי.
09:37
In this example,
223
562000
2000
במקרה הזה,
09:39
facial expressions are mapped to the movement commands.
224
564000
3000
הבעות הפנים ממופות לפקודות התנועה.
09:42
Man: Now blink right to go right.
225
567000
3000
אדם: "עכשיו מצמץ בעין ימין לזוז ימינה".
09:50
Now blink left to turn back left.
226
575000
3000
"עכשיו מצמץ בעין שמאל לזוז שמאלה".
10:02
Now smile to go straight.
227
587000
3000
"עכשיו חייך לזוז קדימה".
10:08
TL: We really -- Thank you.
228
593000
2000
טי אל: אנו באמת -- מודים לך.
10:10
(Applause)
229
595000
5000
(מחיאות כפיים)
10:15
We are really only scratching the surface of what is possible today,
230
600000
3000
אנו באמת רק מגרדים את פני השטח של האפשרי כיום.
10:18
and with the community's input,
231
603000
2000
ועם משובים מהקהילה,
10:20
and also with the involvement of developers
232
605000
2000
ועם המעורבות של מפתחים
10:22
and researchers from around the world,
233
607000
3000
וחוקרים מרחבי העולם,
10:25
we hope that you can help us to shape
234
610000
2000
אנו מקווים שאתם יכולים לעזור לנו לעצב
10:27
where the technology goes from here. Thank you so much.
235
612000
3000
את כיוונה של הטכנולוגיה מכאן. תודה רבה לכם.
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