ABOUT THE SPEAKER
Jennifer Healey - Research scientist
A 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.

More profile about the speaker
Jennifer Healey | Speaker | TED.com
TED@Intel

Jennifer Healey: If cars could talk, accidents might be avoidable

Jennifer Healey: Jika mobil dapat berbicara, kecelakaan mungkin dapat dihindari

Filmed:
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.)
- Research scientist
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 facemenghadapi it:
0
703
1914
Akui saja:
00:14
DrivingMengemudi is dangerousberbahaya.
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 factfakta that religiouskeagamaan iconsikon and good luckkeberuntungan charmsdaya tarik
3
8160
3652
namun kenyataan bahwa jimat dan simbol-simbol agama
00:23
showmenunjukkan up on dashboardsdashboard around the worlddunia
4
11812
4790
terpajang di dasbor mobil di mana-mana
00:28
betraysmengkhianati the factfakta that we know this to be truebenar.
5
16602
4137
mengingkari hal yang sudah kita ketahui.
00:32
CarMobil accidentskecelakaan are the leadingterkemuka causesebab of deathkematian
6
20739
3594
Kecelakaan lalu lintas adalah penyebab utama kematian
00:36
in people agesusia 16 to 19 in the UnitedInggris StatesSerikat --
7
24333
4170
dari remaja berusia 16 hingga 19 tahun di Amerika Serikat --
00:40
leadingterkemuka causesebab of deathkematian --
8
28503
2843
penyebab utama kematian --
00:43
and 75 percentpersen of these accidentskecelakaan have nothing to do
9
31346
3863
dan 75 persen kecelakaan ini tidak ada hubungannya
00:47
with drugsnarkoba or alcoholalkohol.
10
35209
2285
dengan obat-obatan atau alkohol.
00:49
So what happensterjadi?
11
37494
2261
Jadi apa yang terjadi?
00:51
No one can say for sure, but I rememberingat my first accidentkecelakaan.
12
39755
4219
Tidak ada yang yakin, namun saya masih ingat pertama kali saya mengalami kecelakaan.
00:55
I was a youngmuda driversopir out on the highwayjalan raya,
13
43974
3803
Saya adalah pengemudi muda di jalan tol,
00:59
and the carmobil in frontdepan of me, I saw the brakerem lightslampu 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 slowingmelambat down,
15
50035
1800
Saya seperti, "Oh, mobil di depan melambat.
01:03
I'll slowlambat down too."
16
51835
1282
Saya juga akan melambat."
01:05
I steplangkah on the brakerem.
17
53117
1926
Saya menginjak rem.
01:07
But no, this guy isn't slowingmelambat down.
18
55043
2254
Namun, orang ini tidak melambat.
01:09
This guy is stoppinghenti, deadmati stop, deadmati stop on the highwayjalan raya.
19
57297
3178
Orang ini berhenti, benar-benar berhenti di tengah jalan tol.
01:12
It was just going 65 -- to zeronol?
20
60475
2540
Dari sekitar 65 mil/jam -- langsung berhenti.
01:15
I slammeddibanting on the brakesrem.
21
63015
1520
Saya menginjak rem sekuat-kuatnya.
01:16
I feltmerasa the ABSABS kicktendangan in, and the carmobil 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 airudara bagtas deploysmenyebarkan, the carmobil is totaledtotal,
24
70290
2939
lalu kantung udara dalam mobil mengembang, kami bertabrakan
01:25
and fortunatelyuntung, no one was hurtmenyakiti.
25
73229
3557
dan untungnya, tidak ada yang terluka.
01:28
But I had no ideaide that carmobil was stoppinghenti,
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 transformmengubah the drivingmenyetir experiencepengalaman
28
84642
4145
Saya rasa kita dapat mengubah pengalaman mengemudi
01:40
by lettingmembiarkan our carsmobil talk to eachsetiap other.
29
88787
3879
dengan membuat mobil kita saling berbicara.
01:44
I just want you to think a little bitsedikit
30
92666
1424
Saya hanya ingin Anda sedikit berpikir
01:46
about what the experiencepengalaman of drivingmenyetir is like now.
31
94090
2888
tentang pengalaman mengemudi kita sekarang.
01:48
Get into your carmobil. CloseTutup the doorpintu. You're in a glasskaca bubblegelembung.
32
96978
4028
Kita masuk, menutup pintu. Anda berada dalam gelembung kaca.
01:53
You can't really directlylangsung sensemerasakan the worlddunia around you.
33
101006
2916
Anda tidak dapat merasakan lingkungan di sekitar Anda secara langsung.
01:55
You're in this extendeddiperpanjang bodytubuh.
34
103922
2181
Anda berada di dalam perpanjangan tubuh Anda.
01:58
You're taskedbertugas with navigatingnavigasi it down
35
106103
2163
Anda harus memandu perpanjangan tubuh itu
02:00
partially-seensebagian dilihat roadwaysJalan Raya,
36
108266
2056
di jalan yang hanya terlihat sebagian
02:02
in and amongstdiantara other metallogam giantsraksasa, at super-humansuper manusia speedskecepatan.
37
110322
4424
di dalam dan di antara raksasa logam lainnya, dengan kecepatan super.
02:06
Okay? And all you have to guidepanduan you are your two eyesmata.
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
eyesmata that weren'ttidak really designeddirancang for this tasktugas,
40
120988
1735
mata yang tidak dirancang untuk tugas ini,
02:14
but then people askmeminta you to do things like,
41
122723
3751
lalu kita diminta melakukan hal-hal seperti
02:18
you want to make a laneLane changeperubahan,
42
126474
1549
jika Anda mau berpindah jalur,
02:20
what's the first thing they askmeminta you do?
43
128023
2321
apa hal pertama yang harus dilakukan?
02:22
Take your eyesmata off the roadjalan. That's right.
44
130344
3095
Alihkan mata Anda dari jalanan. Benar.
02:25
Stop looking where you're going, turnbelok,
45
133439
2096
Berhenti melihat arah Anda, berpaling
02:27
checkmemeriksa your blindbuta spottitik,
46
135535
2018
melihat titik buta Anda
02:29
and drivemendorong down the roadjalan withouttanpa looking where you're going.
47
137553
3471
dan mengemudi tanpa melihat arah Anda.
02:33
You and everyonesemua orang elselain. This is the safeaman way to drivemendorong.
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 choicepilihan, 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 importantpenting?
51
148979
1521
Lalu apa yang lebih penting?
02:42
And usuallybiasanya we do a fantasticfantastis jobpekerjaan
52
150500
2711
Dan biasanya kita melakukannya dengan luar biasa
02:45
pickingpemetikan and choosingmemilih what we attendmenghadiri to on the roadjalan.
53
153211
3769
dalam memilih dan mengambil apa yang harus kita perhatikan di jalan.
02:48
But occasionallykadang we misskehilangan something.
54
156980
3650
Namun terkadang ada yang luput.
02:52
OccasionallyKadang-kadang we sensemerasakan something wrongsalah or too lateterlambat.
55
160630
4461
Terkadang kita terlambat mengetahui ada yang salah.
02:57
In countlesstak terhitung accidentskecelakaan, the driversopir saysmengatakan,
56
165091
1988
Dalam banyak kecelakaan, si pengemudi berkata,
02:59
"I didn't see it comingkedatangan."
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 technologyteknologi existsada now that can help us improvememperbaiki that.
60
175593
5144
Namun kini ada teknologi yang dapat membantu kita meningkatkan hal itu.
03:12
In the futuremasa depan, with carsmobil exchangingbertukar datadata with eachsetiap other,
61
180737
4296
Di masa depan, saat mobil saling bertukar data,
03:17
we will be ablesanggup to see not just threetiga carsmobil aheaddi depan
62
185033
3928
kita akan dapat melihat bukan hanya 3 mobil yang ada di depan
03:20
and threetiga carsmobil behinddibelakang, 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 samesama time, bird'sburung eyemata viewmelihat,
64
190555
3166
semuanya sekaligus, pandangan dari atas,
03:25
we will actuallysebenarnya be ablesanggup to see into those carsmobil.
65
193721
3128
kita akan dapat melihat mobil-mobil itu.
03:28
We will be ablesanggup to see the velocitykecepatan of the carmobil in frontdepan of us,
66
196849
2371
Kita akan dapat melihat kecepatan mobil di depan kita
03:31
to see how fastcepat that guy'spria itu going or stoppinghenti.
67
199220
3240
untuk melihat seberapa cepat orang ini berjalan atau mengerem.
03:34
If that guy'spria itu going down to zeronol, I'll know.
68
202460
4510
Jika orang itu akan berhenti, saya akan tahu.
03:38
And with computationkomputasi and algorithmsalgoritma and predictiveprediktif modelsmodel,
69
206970
3859
Dan dengan komputasi, algoritma, dan model prediktif,
03:42
we will be ablesanggup to see the futuremasa depan.
70
210829
3273
kita akan dapat melihat masa depan.
03:46
You maymungkin think that's impossiblemustahil.
71
214102
1556
Anda mungkin berpikir hal itu tidak mungkin.
03:47
How can you predictmeramalkan the futuremasa depan? That's really hardkeras.
72
215658
2731
Bagaimana Anda dapat melihat masa depan? Itu sulit.
03:50
ActuallyBenar-benar, no. With carsmobil, it's not impossiblemustahil.
73
218389
3619
Sebenarnya tidak. Dengan mobil, ini bukannya tidak mungkin.
03:54
CarsMobil are three-dimensionaltiga dimensi objectsbenda
74
222008
2732
Mobil adalah benda 3 dimensi
03:56
that have a fixedtetap positionposisi and velocitykecepatan.
75
224740
2332
yang memiliki posisi dan kecepatan tetap.
03:59
They travelperjalanan down roadsjalan.
76
227072
1631
Mobil-mobil itu ada di jalan
04:00
OftenSering they travelperjalanan on pre-publishedpra-diterbitkan routesrute.
77
228703
2412
pada rute yang tidak dipublikasikan.
04:03
It's really not that hardkeras to make reasonablemasuk akal predictionsPrediksi
78
231115
3938
Tidaklah sulit membuat prediksi
04:07
about where a car'smobil going to be in the neardekat futuremasa depan.
79
235053
2864
kemana sebuah mobil akan berada di masa depan.
04:09
Even if, when you're in your carmobil
80
237917
2002
Bahkan, saat Anda berada di dalam mobil
04:11
and some motorcyclistpengendara sepeda motor comesdatang -- bshoombshoom! --
81
239919
1994
dan ada pengendara sepeda motor lewat -- bshoom! --
04:13
85 milesmil an hourjam down, lane-splittingmembelah Lane --
82
241913
2296
85 mil per jam sambil memotong jalur Anda --
04:16
I know you've had this experiencepengalaman --
83
244209
2547
saya tahu Anda pernah mengalaminya --
04:18
that guy didn't "just come out of nowheretidak ada tempat."
84
246756
2603
mereka tidak sekedar "datang entah dari mana."
04:21
That guy'spria itu been on the roadjalan probablymungkin for the last halfsetengah hourjam.
85
249359
3643
Mereka mungkin sudah ada di jalanan sekitar setengah jam.
04:25
(LaughterTawa)
86
253002
1190
(Tawa)
04:26
Right? I mean, somebody'sseseorang seenterlihat him.
87
254192
3589
Maksud saya, sudah ada yang melihatnya.
04:29
TenSepuluh, 20, 30 milesmil back, someone'sseseorang seenterlihat that guy,
88
257781
2768
10, 20, atau 30 mil sebelumnya, ada yang melihatnya
04:32
and as soonsegera as one carmobil seesmelihat that guy
89
260549
2384
dan segera setelah satu mobil melihat orang ini
04:34
and putsmenempatkan him on the mappeta, he's on the mappeta --
90
262933
2231
dan memetakannya, dia akan ada di dalam peta --
04:37
positionposisi, velocitykecepatan,
91
265164
2176
dengan posisi, kecepatan,
04:39
good estimatememperkirakan he'llneraka continueterus going 85 milesmil an hourjam.
92
267340
2321
dan dengan perkiraan bahwa dia akan terus berjalan 85 mil per jam,
04:41
You'llAnda akan know, because your carmobil will know, because
93
269661
2184
Anda akan tahu, karena mobil Anda tahu, karena
04:43
that other carmobil will have whisperedberbisik something in his eartelinga,
94
271845
2275
mobil lainnya akan membisikkan sesuatu ke dalam telinga mobil Anda,
04:46
like, "By the way, fivelima minutesmenit,
95
274120
1923
"Omong-omong, 5 menit lagi
04:48
motorcyclistpengendara sepeda motor, watch out."
96
276043
2775
pengendara motor, awas."
04:50
You can make reasonablemasuk akal predictionsPrediksi about how carsmobil behavebertingkah.
97
278818
2703
Anda dapat membuat prediksi rasional tentang bagaimana perilaku mobil.
04:53
I mean, they're NewtonianNewton objectsbenda.
98
281521
1365
Maksud saya, mereka adalah benda Newtonian.
04:54
That's very nicebagus 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 startmulai with something as simplesederhana
101
288829
2266
Kita dapat mulai dengan sesuatu yang sederhana
05:03
as sharingberbagi our positionposisi datadata betweenantara carsmobil,
102
291095
2870
seperti membagikan data posisi kita dengan kendaraan lain,
05:05
just sharingberbagi GPSGPS.
103
293965
1892
hanya dengan berbagi GPS.
05:07
If I have a GPSGPS and a camerakamera in my carmobil,
104
295857
2444
Jika saya memiliki GPS dan kamera di mobil saya,
05:10
I have a prettycantik precisetepat ideaide of where I am
105
298301
2231
saya akan cukup tahu di mana saya berada
05:12
and how fastcepat I'm going.
106
300532
1732
dan seberapa cepat saya mengemudi.
05:14
With computerkomputer visionpenglihatan, I can estimatememperkirakan where
107
302264
1657
Dengan daya lihat komputer, saya dapat memperkirakan jarak
05:15
the carsmobil around me are, sortmenyortir of, and where they're going.
108
303921
3537
mobil-mobil di sekitar saya dan ke mana mereka pergi.
05:19
And samesama with the other carsmobil.
109
307458
970
Mobil-mobil yang lain pun sama.
05:20
They can have a precisetepat ideaide of where they are,
110
308428
1814
Mobil-mobil itu tahu persis di mana mereka berada
05:22
and sortmenyortir of a vaguesamar ideaide of where the other carsmobil are.
111
310242
2146
dan tahu sedikit tentang di mana mobil-mobil lain berada.
05:24
What happensterjadi if two carsmobil shareBagikan that datadata,
112
312388
3231
Apa yang terjadi jika dua mobil saling berbagi data,
05:27
if they talk to eachsetiap other?
113
315619
1955
jika mereka saling berbicara?
05:29
I can tell you exactlypersis what happensterjadi.
114
317574
2778
Saya dapat mengatakan dengan tepat apa yang terjadi.
05:32
BothKedua modelsmodel improvememperbaiki.
115
320352
2339
Kedua model itu menjadi lebih baik.
05:34
EverybodySemua orang winsmenang.
116
322691
2055
Semuanya menang.
05:36
ProfessorProfesor BobBob WangWang and his teamtim
117
324746
2577
Profesor Bob Wang dan timnya
05:39
have doneselesai computerkomputer simulationssimulasi of what happensterjadi
118
327323
2738
telah melakukan simulasi computer akan apa yang terjadi
05:42
when fuzzykabur estimatesperkiraan combinemenggabungkan, even in lightcahaya trafficlalu lintas,
119
330061
3431
dengan logika fuzzy, bahkan di tempat yang sepi
05:45
when carsmobil just shareBagikan GPSGPS datadata,
120
333492
2624
di mana mobil hanya membagikan data GPS,
05:48
and we'vekita sudah movedterharu this researchpenelitian out of the computerkomputer simulationsimulasi
121
336116
2513
kami mengalihkan penelitian ini dari simulasi komputer
05:50
and into robotrobot testuji bedstempat tidur that have the actualsebenarnya sensorssensor
122
338629
3027
ke tes robot yang memiliki sensor sungguhan
05:53
that are in carsmobil now on these robotsrobot:
123
341656
3133
yang ada di mobil pada robot-robot ini:
05:56
stereostereo cameraskamera, GPSGPS,
124
344789
1838
kamera stereo, GPS,
05:58
and the two-dimensionaldua dimensi laserlaser rangejarak finderspencari
125
346627
1874
dan pelacak laser 2 dimensi
06:00
that are commonumum in backupcadangan systemssistem.
126
348501
2240
yang biasa ada dalam sistem cadangan.
06:02
We alsojuga attachmelampirkan a discretediskrit short-rangejangka pendek communicationkomunikasi radioradio,
127
350741
4484
Kami juga memasang radio komunikasi jarak pendek
06:07
and the robotsrobot talk to eachsetiap other.
128
355225
1909
di mana robot-robot itu saling berbicara.
06:09
When these robotsrobot come at eachsetiap other,
129
357134
1539
Saat robot-robot ini saling mendekat,
06:10
they trackjalur eachsetiap other'slainnya positionposisi preciselytepat,
130
358673
2971
mereka melacak posisi robot lainnya dengan tepat
06:13
and they can avoidmenghindari eachsetiap other.
131
361644
2737
dan dapat saling menghindar.
06:16
We're now addingmenambahkan more and more robotsrobot into the mixcampuran,
132
364381
3226
Kini kami menambahkan jumlah robotnya
06:19
and we encounteredditemui some problemsmasalah.
133
367607
1471
dan kami menemukan beberapa masalah.
06:21
One of the problemsmasalah, when you get too much chatterobrolan,
134
369078
2359
Salah satu masalahnya, jika ada terlalu banyak percakapan,
06:23
it's hardkeras to processproses all the packetsPaket, so you have to prioritizememprioritaskan,
135
371437
3728
sulit untuk mengolah semua data itu, sehingga Anda harus membuat prioritas,
06:27
and that's where the predictiveprediktif modelmodel helpsmembantu you.
136
375165
2357
dan itulah guna dari model prediktif.
06:29
If your robotrobot carsmobil are all trackingpelacakan the predicteddiprediksi trajectorieslintasan,
137
377522
4372
Jika mobil robot Anda memperkirakan semua jalur dari mobil yang ada,
06:33
you don't paymembayar as much attentionperhatian to those packetsPaket.
138
381894
1767
Anda tidak perlu terlalu memperhatikan semua jalur itu.
06:35
You prioritizememprioritaskan the one guy
139
383661
1703
Anda memprioritaskan satu orang
06:37
who seemsSepertinya to be going a little off courseTentu saja.
140
385364
1333
yang tampak melenceng.
06:38
That guy could be a problemmasalah.
141
386697
2526
Orang itu dapat menjadi masalah.
06:41
And you can predictmeramalkan the newbaru trajectorylintasan.
142
389223
3002
Dan Anda dapat memperkirakan jalur yang baru.
06:44
So you don't only know that he's going off courseTentu saja, you know how.
143
392225
2763
Jadi Anda tidak hanya tahu dia melenceng, Anda juga tahu bagaimana.
06:46
And you know whichyang driversdriver you need to alertwaspada 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 bestterbaik alertwaspada everyonesemua orang?
145
398713
2633
Dan kami ingin -- bagaimana kita dapat memperingatkan semua orang.
06:53
How can these carsmobil whisperWhisper, "You need to get out of the way?"
146
401346
3183
Bagaimana mobil ini dapat berkata, "Anda harus minggir?"
06:56
Well, it dependstergantung on two things:
147
404529
1517
Nah, itu tergantung pada dua hal:
06:58
one, the abilitykemampuan of the carmobil,
148
406046
2169
pertama, kemampuan mobil itu,
07:00
and secondkedua the abilitykemampuan of the driversopir.
149
408215
3217
dan kedua, keterampilan si pengemudi.
07:03
If one guy has a really great carmobil,
150
411432
1505
Jika kemampuan mobil itu hebat,
07:04
but they're on theirmereka phonetelepon or, you know, doing something,
151
412937
2925
namun pengemudinya berbicara di telepon atau melakukan hal lain,
07:07
they're not probablymungkin in the bestterbaik positionposisi
152
415862
1930
mereka mungkin tidak berada pada posisi terbaik
07:09
to reactreaksi in an emergencykeadaan darurat.
153
417792
2970
untuk bertindak dalam keadaan darurat.
07:12
So we starteddimulai a separateterpisah linegaris of researchpenelitian
154
420762
1665
Jadi kami memulai penelitian lainnya
07:14
doing driversopir statenegara modelingpemodelan.
155
422427
2551
yaitu membuat model perilaku pengemudi.
07:16
And now, usingmenggunakan a seriesseri of threetiga cameraskamera,
156
424978
2329
Dan kini, menggunakan tiga kamera sekaligus,
07:19
we can detectmendeteksi if a driversopir is looking forwardmeneruskan,
157
427307
2270
kami dapat mendeteksi apakah si pengemudi itu melihat ke depan,
07:21
looking away, looking down, on the phonetelepon,
158
429577
2860
berpaling, melihat ke teleponnya,
07:24
or havingmemiliki a cupcangkir of coffeekopi.
159
432437
3061
atau sedang minum kopi.
07:27
We can predictmeramalkan the accidentkecelakaan
160
435498
2070
Kami dapat memperkirakan kecelakaan
07:29
and we can predictmeramalkan who, whichyang carsmobil,
161
437568
3651
dan juga siapa, mobil mana
07:33
are in the bestterbaik positionposisi to movepindah out of the way
162
441219
3486
yang paling mungkin untuk menghindar
07:36
to calculatemenghitung the safestpaling aman routerute for everyonesemua orang.
163
444705
3009
untuk menghitung jalur teraman bagi semua orang.
07:39
FundamentallyPada dasarnya, these technologiesteknologi existada todayhari ini.
164
447714
4635
Pada dasarnya, teknologi ini sudah ada sekarang.
07:44
I think the biggestterbesar problemmasalah that we facemenghadapi
165
452349
2824
Saya rasa masalah terbesar yang kami hadapi
07:47
is our ownsendiri willingnesskesediaan to shareBagikan our datadata.
166
455173
3013
adalah kemauan kita sendiri untuk membagi data.
07:50
I think it's a very disconcertingmembingungkan notiongagasan,
167
458186
2631
Saya rasa ini gagasan yang sangat membingungkan,
07:52
this ideaide that our carsmobil will be watchingmenonton us,
168
460817
2386
gagasan bahwa mobil-mobil akan mengawasi kita,
07:55
talkingpembicaraan about us to other carsmobil,
169
463203
3371
berbicara tentang kita dengan mobil-mobil lainnya,
07:58
that we'llbaik be going down the roadjalan in a sealaut of gossipgosip.
170
466574
3427
bahwa kita akan berada di jalanan penuh gossip.
08:02
But I believe it can be doneselesai in a way that protectsmelindungi our privacyPrivasi,
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 carmobil from the outsidedi luar,
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 licenselisensi platepiring numberjumlah,
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 carsmobil can talk about us behinddibelakang our backspunggung.
176
483025
4249
Saya yakin mobil-mobil kita dapat membicarakan kita di belakang.
08:19
(LaughterTawa)
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 considermempertimbangkan for a momentsaat
179
493434
1650
Saya ingin Anda berpikir sejenak
08:27
if you really don't want the distractedbingung teenagerremaja behinddibelakang you
180
495084
4118
apakah Anda benar-benar tidak mau remaja bingung di belakang Anda
08:31
to know that you're brakingpengereman,
181
499202
2120
tahu bahwa Anda akan mengerem,
08:33
that you're comingkedatangan to a deadmati stop.
182
501322
2924
bahwa Anda akan langsung berhenti.
08:36
By sharingberbagi our datadata willinglyrela,
183
504246
2741
Dengan bersedia membagikan data kita,
08:38
we can do what's bestterbaik for everyonesemua orang.
184
506987
2812
kita dapat melakukan hal yang terbaik bagi semua orang.
08:41
So let your carmobil gossipgosip about you.
185
509799
3076
Jadi biarkan mobil Anda saling bergosip tentang Anda.
08:44
It's going to make the roadsjalan a lot saferlebih aman.
186
512875
3038
Ini akan membuat jalanan menjadi jauh lebih aman.
08:47
Thank you.
187
515913
1791
Terima kasih.
08:49
(ApplauseTepuk tangan)
188
517704
4985
(Tepuk tangan)

▲Back to top

ABOUT THE SPEAKER
Jennifer Healey - Research scientist
A 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.

More profile about the speaker
Jennifer Healey | Speaker | TED.com