TED@Intel
Jennifer Healey: If cars could talk, accidents might be avoidable
Jennifer Healey: Jika mobil dapat berbicara, kecelakaan mungkin dapat dihindari
Filmed:
Readability: 3.2
908,454 views
Saat mengemudi, kita masuk ke dalam gelembung kaca, mengunci pintu dan menekan pedal gas, bergantung pada mata untuk memandu kita -- walaupun kita hanya dapat melihat beberapa mobil di depan atau di belakang kita. Namun bagaimana jika mobil-mobil dapat saling berbagi data mengenai posisi dan kecepatan, serta menggunakan model prediktif untuk menghitung rute paling aman untuk semua orang yang ada di jalanan? Jennifer Healey membayangkan sebuah dunia tanpa kecelakaan lalu lintas. (Difilmkan di 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
Akui saja:
00:14
Driving is dangerous.
1
2617
2445
Mengemudi itu berbahaya.
00:17
It's one of the things that we don't like to think about,
2
5062
3098
Itulah salah satu hal yang tidak suka kita pikirkan,
00:20
but the fact that religious icons and good luck charms
3
8160
3652
namun kenyataan bahwa jimat dan simbol-simbol agama
00:23
show up on dashboards around the world
4
11812
4790
terpajang di dasbor mobil di mana-mana
00:28
betrays the fact that we know this to be true.
5
16602
4137
mengingkari hal yang sudah kita ketahui.
00:32
Car accidents are the leading cause of death
6
20739
3594
Kecelakaan lalu lintas adalah penyebab utama kematian
00:36
in people ages 16 to 19 in the United States --
7
24333
4170
dari remaja berusia 16 hingga 19 tahun di Amerika Serikat --
00:40
leading cause of death --
8
28503
2843
penyebab utama kematian --
00:43
and 75 percent of these accidents have nothing to do
9
31346
3863
dan 75 persen kecelakaan ini tidak ada hubungannya
00:47
with drugs or alcohol.
10
35209
2285
dengan obat-obatan atau alkohol.
00:49
So what happens?
11
37494
2261
Jadi apa yang terjadi?
00:51
No one can say for sure, but I remember my first accident.
12
39755
4219
Tidak ada yang yakin, namun saya masih ingat pertama kali saya mengalami kecelakaan.
00:55
I was a young driver out on the highway,
13
43974
3803
Saya adalah pengemudi muda di jalan tol,
00:59
and the car in front of me, I saw the brake lights go on.
14
47777
2258
dan saya melihat lampu rem mobil di depan saya menyala.
01:02
I'm like, "Okay, all right, this guy is slowing down,
15
50035
1800
Saya seperti, "Oh, mobil di depan melambat.
01:03
I'll slow down too."
16
51835
1282
Saya juga akan melambat."
01:05
I step on the brake.
17
53117
1926
Saya menginjak rem.
01:07
But no, this guy isn't slowing down.
18
55043
2254
Namun, orang ini tidak melambat.
01:09
This guy is stopping, dead stop, dead stop on the highway.
19
57297
3178
Orang ini berhenti, benar-benar berhenti di tengah jalan tol.
01:12
It was just going 65 -- to zero?
20
60475
2540
Dari sekitar 65 mil/jam -- langsung berhenti.
01:15
I slammed on the brakes.
21
63015
1520
Saya menginjak rem sekuat-kuatnya.
01:16
I felt the ABS kick in, and the car is still going,
22
64535
3059
Saya merasa sistem rem anti terkunci bekerja dan mobil saya masih tetap berjalan
01:19
and it's not going to stop, and I know it's not going to stop,
23
67594
2696
dan tidak berhenti, saya tahu mobil saya tidak akan berhenti,
01:22
and the air bag deploys, the car is totaled,
24
70290
2939
lalu kantung udara dalam mobil mengembang, kami bertabrakan
01:25
and fortunately, no one was hurt.
25
73229
3557
dan untungnya, tidak ada yang terluka.
01:28
But I had no idea that car was stopping,
26
76786
4211
Namun saya tidak tahu kalau mobil itu berhenti
01:32
and I think we can do a lot better than that.
27
80997
3645
dan saya rasa kita dapat melakukannya jauh lebih baik dari itu.
01:36
I think we can transform the driving experience
28
84642
4145
Saya rasa kita dapat mengubah pengalaman mengemudi
01:40
by letting our cars talk to each other.
29
88787
3879
dengan membuat mobil kita saling berbicara.
01:44
I just want you to think a little bit
30
92666
1424
Saya hanya ingin Anda sedikit berpikir
01:46
about what the experience of driving is like now.
31
94090
2888
tentang pengalaman mengemudi kita sekarang.
01:48
Get into your car. Close the door. You're in a glass bubble.
32
96978
4028
Kita masuk, menutup pintu. Anda berada dalam gelembung kaca.
01:53
You can't really directly sense the world around you.
33
101006
2916
Anda tidak dapat merasakan lingkungan di sekitar Anda secara langsung.
01:55
You're in this extended body.
34
103922
2181
Anda berada di dalam perpanjangan tubuh Anda.
01:58
You're tasked with navigating it down
35
106103
2163
Anda harus memandu perpanjangan tubuh itu
02:00
partially-seen roadways,
36
108266
2056
di jalan yang hanya terlihat sebagian
02:02
in and amongst other metal giants, at super-human speeds.
37
110322
4424
di dalam dan di antara raksasa logam lainnya, dengan kecepatan super.
02:06
Okay? And all you have to guide you are your two eyes.
38
114746
4480
OK? Dan yang dapat memandu Anda hanyalah kedua mata Anda.
02:11
Okay, so that's all you have,
39
119226
1762
Jadi itulah yang Anda miliki,
02:12
eyes that weren't really designed for this task,
40
120988
1735
mata yang tidak dirancang untuk tugas ini,
02:14
but then people ask you to do things like,
41
122723
3751
lalu kita diminta melakukan hal-hal seperti
02:18
you want to make a lane change,
42
126474
1549
jika Anda mau berpindah jalur,
02:20
what's the first thing they ask you do?
43
128023
2321
apa hal pertama yang harus dilakukan?
02:22
Take your eyes off the road. That's right.
44
130344
3095
Alihkan mata Anda dari jalanan. Benar.
02:25
Stop looking where you're going, turn,
45
133439
2096
Berhenti melihat arah Anda, berpaling
02:27
check your blind spot,
46
135535
2018
melihat titik buta Anda
02:29
and drive down the road without looking where you're going.
47
137553
3471
dan mengemudi tanpa melihat arah Anda.
02:33
You and everyone else. This is the safe way to drive.
48
141024
3135
Anda dan semua orang lain. Inilah cara mengemudi yang aman.
02:36
Why do we do this? Because we have to,
49
144159
2241
Mengapa kita melakukannya? Karena kita harus,
02:38
we have to make a choice, do I look here or do I look here?
50
146400
2579
kita harus membuat pilihan, apakah saya melihat ke sini atau ke sana?
02:40
What's more important?
51
148979
1521
Lalu apa yang lebih penting?
02:42
And usually we do a fantastic job
52
150500
2711
Dan biasanya kita melakukannya dengan luar biasa
02:45
picking and choosing what we attend to on the road.
53
153211
3769
dalam memilih dan mengambil apa yang harus kita perhatikan di jalan.
02:48
But occasionally we miss something.
54
156980
3650
Namun terkadang ada yang luput.
02:52
Occasionally we sense something wrong or too late.
55
160630
4461
Terkadang kita terlambat mengetahui ada yang salah.
02:57
In countless accidents, the driver says,
56
165091
1988
Dalam banyak kecelakaan, si pengemudi berkata,
02:59
"I didn't see it coming."
57
167079
2308
"Saya tidak melihatnya."
03:01
And I believe that. I believe that.
58
169387
3281
Saya percaya itu. Benar.
03:04
We can only watch so much.
59
172668
2925
Kemampuan melihat kita terbatas.
03:07
But the technology exists now that can help us improve that.
60
175593
5144
Namun kini ada teknologi yang dapat membantu kita meningkatkan hal itu.
03:12
In the future, with cars exchanging data with each other,
61
180737
4296
Di masa depan, saat mobil saling bertukar data,
03:17
we will be able to see not just three cars ahead
62
185033
3928
kita akan dapat melihat bukan hanya 3 mobil yang ada di depan
03:20
and three cars behind, to the right and left,
63
188961
1594
dan 3 mobil yang ada di belakang, di sebelah kiri dan kanan,
03:22
all at the same time, bird's eye view,
64
190555
3166
semuanya sekaligus, pandangan dari atas,
03:25
we will actually be able to see into those cars.
65
193721
3128
kita akan dapat melihat mobil-mobil itu.
03:28
We will be able to see the velocity of the car in front of us,
66
196849
2371
Kita akan dapat melihat kecepatan mobil di depan kita
03:31
to see how fast that guy's going or stopping.
67
199220
3240
untuk melihat seberapa cepat orang ini berjalan atau mengerem.
03:34
If that guy's going down to zero, I'll know.
68
202460
4510
Jika orang itu akan berhenti, saya akan tahu.
03:38
And with computation and algorithms and predictive models,
69
206970
3859
Dan dengan komputasi, algoritma, dan model prediktif,
03:42
we will be able to see the future.
70
210829
3273
kita akan dapat melihat masa depan.
03:46
You may think that's impossible.
71
214102
1556
Anda mungkin berpikir hal itu tidak mungkin.
03:47
How can you predict the future? That's really hard.
72
215658
2731
Bagaimana Anda dapat melihat masa depan? Itu sulit.
03:50
Actually, no. With cars, it's not impossible.
73
218389
3619
Sebenarnya tidak. Dengan mobil, ini bukannya tidak mungkin.
03:54
Cars are three-dimensional objects
74
222008
2732
Mobil adalah benda 3 dimensi
03:56
that have a fixed position and velocity.
75
224740
2332
yang memiliki posisi dan kecepatan tetap.
03:59
They travel down roads.
76
227072
1631
Mobil-mobil itu ada di jalan
04:00
Often they travel on pre-published routes.
77
228703
2412
pada rute yang tidak dipublikasikan.
04:03
It's really not that hard to make reasonable predictions
78
231115
3938
Tidaklah sulit membuat prediksi
04:07
about where a car's going to be in the near future.
79
235053
2864
kemana sebuah mobil akan berada di masa depan.
04:09
Even if, when you're in your car
80
237917
2002
Bahkan, saat Anda berada di dalam mobil
04:11
and some motorcyclist comes -- bshoom! --
81
239919
1994
dan ada pengendara sepeda motor lewat -- bshoom! --
04:13
85 miles an hour down, lane-splitting --
82
241913
2296
85 mil per jam sambil memotong jalur Anda --
04:16
I know you've had this experience --
83
244209
2547
saya tahu Anda pernah mengalaminya --
04:18
that guy didn't "just come out of nowhere."
84
246756
2603
mereka tidak sekedar "datang entah dari mana."
04:21
That guy's been on the road probably for the last half hour.
85
249359
3643
Mereka mungkin sudah ada di jalanan sekitar setengah jam.
04:25
(Laughter)
86
253002
1190
(Tawa)
04:26
Right? I mean, somebody's seen him.
87
254192
3589
Maksud saya, sudah ada yang melihatnya.
04:29
Ten, 20, 30 miles back, someone's seen that guy,
88
257781
2768
10, 20, atau 30 mil sebelumnya, ada yang melihatnya
04:32
and as soon as one car sees that guy
89
260549
2384
dan segera setelah satu mobil melihat orang ini
04:34
and puts him on the map, he's on the map --
90
262933
2231
dan memetakannya, dia akan ada di dalam peta --
04:37
position, velocity,
91
265164
2176
dengan posisi, kecepatan,
04:39
good estimate he'll continue going 85 miles an hour.
92
267340
2321
dan dengan perkiraan bahwa dia akan terus berjalan 85 mil per jam,
04:41
You'll know, because your car will know, because
93
269661
2184
Anda akan tahu, karena mobil Anda tahu, karena
04:43
that other car will have whispered something in his ear,
94
271845
2275
mobil lainnya akan membisikkan sesuatu ke dalam telinga mobil Anda,
04:46
like, "By the way, five minutes,
95
274120
1923
"Omong-omong, 5 menit lagi
04:48
motorcyclist, watch out."
96
276043
2775
pengendara motor, awas."
04:50
You can make reasonable predictions about how cars behave.
97
278818
2703
Anda dapat membuat prediksi rasional tentang bagaimana perilaku mobil.
04:53
I mean, they're Newtonian objects.
98
281521
1365
Maksud saya, mereka adalah benda Newtonian.
04:54
That's very nice about them.
99
282886
2909
Itu hal yang sangat bagus.
04:57
So how do we get there?
100
285795
3034
Lalu bagaimana kita tiba di sana?
05:00
We can start with something as simple
101
288829
2266
Kita dapat mulai dengan sesuatu yang sederhana
05:03
as sharing our position data between cars,
102
291095
2870
seperti membagikan data posisi kita dengan kendaraan lain,
05:05
just sharing GPS.
103
293965
1892
hanya dengan berbagi GPS.
05:07
If I have a GPS and a camera in my car,
104
295857
2444
Jika saya memiliki GPS dan kamera di mobil saya,
05:10
I have a pretty precise idea of where I am
105
298301
2231
saya akan cukup tahu di mana saya berada
05:12
and how fast I'm going.
106
300532
1732
dan seberapa cepat saya mengemudi.
05:14
With computer vision, I can estimate where
107
302264
1657
Dengan daya lihat komputer, saya dapat memperkirakan jarak
05:15
the cars around me are, sort of, and where they're going.
108
303921
3537
mobil-mobil di sekitar saya dan ke mana mereka pergi.
05:19
And same with the other cars.
109
307458
970
Mobil-mobil yang lain pun sama.
05:20
They can have a precise idea of where they are,
110
308428
1814
Mobil-mobil itu tahu persis di mana mereka berada
05:22
and sort of a vague idea of where the other cars are.
111
310242
2146
dan tahu sedikit tentang di mana mobil-mobil lain berada.
05:24
What happens if two cars share that data,
112
312388
3231
Apa yang terjadi jika dua mobil saling berbagi data,
05:27
if they talk to each other?
113
315619
1955
jika mereka saling berbicara?
05:29
I can tell you exactly what happens.
114
317574
2778
Saya dapat mengatakan dengan tepat apa yang terjadi.
05:32
Both models improve.
115
320352
2339
Kedua model itu menjadi lebih baik.
05:34
Everybody wins.
116
322691
2055
Semuanya menang.
05:36
Professor Bob Wang and his team
117
324746
2577
Profesor Bob Wang dan timnya
05:39
have done computer simulations of what happens
118
327323
2738
telah melakukan simulasi computer akan apa yang terjadi
05:42
when fuzzy estimates combine, even in light traffic,
119
330061
3431
dengan logika fuzzy, bahkan di tempat yang sepi
05:45
when cars just share GPS data,
120
333492
2624
di mana mobil hanya membagikan data GPS,
05:48
and we've moved this research out of the computer simulation
121
336116
2513
kami mengalihkan penelitian ini dari simulasi komputer
05:50
and into robot test beds that have the actual sensors
122
338629
3027
ke tes robot yang memiliki sensor sungguhan
05:53
that are in cars now on these robots:
123
341656
3133
yang ada di mobil pada robot-robot ini:
05:56
stereo cameras, GPS,
124
344789
1838
kamera stereo, GPS,
05:58
and the two-dimensional laser range finders
125
346627
1874
dan pelacak laser 2 dimensi
06:00
that are common in backup systems.
126
348501
2240
yang biasa ada dalam sistem cadangan.
06:02
We also attach a discrete short-range communication radio,
127
350741
4484
Kami juga memasang radio komunikasi jarak pendek
06:07
and the robots talk to each other.
128
355225
1909
di mana robot-robot itu saling berbicara.
06:09
When these robots come at each other,
129
357134
1539
Saat robot-robot ini saling mendekat,
06:10
they track each other's position precisely,
130
358673
2971
mereka melacak posisi robot lainnya dengan tepat
06:13
and they can avoid each other.
131
361644
2737
dan dapat saling menghindar.
06:16
We're now adding more and more robots into the mix,
132
364381
3226
Kini kami menambahkan jumlah robotnya
06:19
and we encountered some problems.
133
367607
1471
dan kami menemukan beberapa masalah.
06:21
One of the problems, when you get too much chatter,
134
369078
2359
Salah satu masalahnya, jika ada terlalu banyak percakapan,
06:23
it's hard to process all the packets, so you have to prioritize,
135
371437
3728
sulit untuk mengolah semua data itu, sehingga Anda harus membuat prioritas,
06:27
and that's where the predictive model helps you.
136
375165
2357
dan itulah guna dari model prediktif.
06:29
If your robot cars are all tracking the predicted trajectories,
137
377522
4372
Jika mobil robot Anda memperkirakan semua jalur dari mobil yang ada,
06:33
you don't pay as much attention to those packets.
138
381894
1767
Anda tidak perlu terlalu memperhatikan semua jalur itu.
06:35
You prioritize the one guy
139
383661
1703
Anda memprioritaskan satu orang
06:37
who seems to be going a little off course.
140
385364
1333
yang tampak melenceng.
06:38
That guy could be a problem.
141
386697
2526
Orang itu dapat menjadi masalah.
06:41
And you can predict the new trajectory.
142
389223
3002
Dan Anda dapat memperkirakan jalur yang baru.
06:44
So you don't only know that he's going off course, you know how.
143
392225
2763
Jadi Anda tidak hanya tahu dia melenceng, Anda juga tahu bagaimana.
06:46
And you know which drivers you need to alert to get out of the way.
144
394988
3725
Dan Anda tahu pengemudi mana yang harus Anda waspadai untuk dihindari.
06:50
And we wanted to do -- how can we best alert everyone?
145
398713
2633
Dan kami ingin -- bagaimana kita dapat memperingatkan semua orang.
06:53
How can these cars whisper, "You need to get out of the way?"
146
401346
3183
Bagaimana mobil ini dapat berkata, "Anda harus minggir?"
06:56
Well, it depends on two things:
147
404529
1517
Nah, itu tergantung pada dua hal:
06:58
one, the ability of the car,
148
406046
2169
pertama, kemampuan mobil itu,
07:00
and second the ability of the driver.
149
408215
3217
dan kedua, keterampilan si pengemudi.
07:03
If one guy has a really great car,
150
411432
1505
Jika kemampuan mobil itu hebat,
07:04
but they're on their phone or, you know, doing something,
151
412937
2925
namun pengemudinya berbicara di telepon atau melakukan hal lain,
07:07
they're not probably in the best position
152
415862
1930
mereka mungkin tidak berada pada posisi terbaik
07:09
to react in an emergency.
153
417792
2970
untuk bertindak dalam keadaan darurat.
07:12
So we started a separate line of research
154
420762
1665
Jadi kami memulai penelitian lainnya
07:14
doing driver state modeling.
155
422427
2551
yaitu membuat model perilaku pengemudi.
07:16
And now, using a series of three cameras,
156
424978
2329
Dan kini, menggunakan tiga kamera sekaligus,
07:19
we can detect if a driver is looking forward,
157
427307
2270
kami dapat mendeteksi apakah si pengemudi itu melihat ke depan,
07:21
looking away, looking down, on the phone,
158
429577
2860
berpaling, melihat ke teleponnya,
07:24
or having a cup of coffee.
159
432437
3061
atau sedang minum kopi.
07:27
We can predict the accident
160
435498
2070
Kami dapat memperkirakan kecelakaan
07:29
and we can predict who, which cars,
161
437568
3651
dan juga siapa, mobil mana
07:33
are in the best position to move out of the way
162
441219
3486
yang paling mungkin untuk menghindar
07:36
to calculate the safest route for everyone.
163
444705
3009
untuk menghitung jalur teraman bagi semua orang.
07:39
Fundamentally, these technologies exist today.
164
447714
4635
Pada dasarnya, teknologi ini sudah ada sekarang.
07:44
I think the biggest problem that we face
165
452349
2824
Saya rasa masalah terbesar yang kami hadapi
07:47
is our own willingness to share our data.
166
455173
3013
adalah kemauan kita sendiri untuk membagi data.
07:50
I think it's a very disconcerting notion,
167
458186
2631
Saya rasa ini gagasan yang sangat membingungkan,
07:52
this idea that our cars will be watching us,
168
460817
2386
gagasan bahwa mobil-mobil akan mengawasi kita,
07:55
talking about us to other cars,
169
463203
3371
berbicara tentang kita dengan mobil-mobil lainnya,
07:58
that we'll be going down the road in a sea of gossip.
170
466574
3427
bahwa kita akan berada di jalanan penuh gossip.
08:02
But I believe it can be done in a way that protects our privacy,
171
470001
3897
Namun saya yakin hal ini dapat dilakukan sambil melindungi privasi kita
08:05
just like right now, when I look at your car from the outside,
172
473898
3741
seperti sekarang, saat saya melihat mobil Anda dari luar,
08:09
I don't really know about you.
173
477639
2363
saya tidak kenal Anda.
08:12
If I look at your license plate number,
174
480002
1137
Jika saya melihat nomor kendaraan Anda,
08:13
I don't really know who you are.
175
481139
1886
saya masih tidak kenal Anda.
08:15
I believe our cars can talk about us behind our backs.
176
483025
4249
Saya yakin mobil-mobil kita dapat membicarakan kita di belakang.
08:19
(Laughter)
177
487274
2975
(Tawa)
08:22
And I think it's going to be a great thing.
178
490249
3185
Dan saya yakin ini akan menjadi hal yang hebat.
08:25
I want you to consider for a moment
179
493434
1650
Saya ingin Anda berpikir sejenak
08:27
if you really don't want the distracted teenager behind you
180
495084
4118
apakah Anda benar-benar tidak mau remaja bingung di belakang Anda
08:31
to know that you're braking,
181
499202
2120
tahu bahwa Anda akan mengerem,
08:33
that you're coming to a dead stop.
182
501322
2924
bahwa Anda akan langsung berhenti.
08:36
By sharing our data willingly,
183
504246
2741
Dengan bersedia membagikan data kita,
08:38
we can do what's best for everyone.
184
506987
2812
kita dapat melakukan hal yang terbaik bagi semua orang.
08:41
So let your car gossip about you.
185
509799
3076
Jadi biarkan mobil Anda saling bergosip tentang Anda.
08:44
It's going to make the roads a lot safer.
186
512875
3038
Ini akan membuat jalanan menjadi jauh lebih aman.
08:47
Thank you.
187
515913
1791
Terima kasih.
08:49
(Applause)
188
517704
4985
(Tepuk tangan)
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