TEDGlobal 2010
Tan Le: A headset that reads your brainwaves
Tan Le. Una cuffia per leggere le onde cerebrali
Filmed:
Readability: 5
2,732,929 views
La stupefacente interfaccia presentata da Tan Le è in grado di leggere le onde cerebrali di chi ne fa uso, rendendo possibile controllare con il pensiero (e con un po' di concentrazione) oggetti virtuali e persino oggetti elettronici reali. Tan Le ne da' una dimostrazione e discute l'ampia portata delle possibili applicazioni
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
Fino ad ora, la nostra comunicazione con le macchine
00:18
has always been limited
1
3000
2000
si è sempre limitata
00:20
to conscious and direct forms.
2
5000
2000
a forme coscienti e dirette.
00:22
Whether it's something simple
3
7000
2000
Che si tratti di un'operazione semplice
00:24
like turning on the lights with a switch,
4
9000
2000
come accendere le luci con un interruttore,
00:26
or even as complex as programming robotics,
5
11000
3000
o complessa come la programmazione robotica,
00:29
we have always had to give a command to a machine,
6
14000
3000
abbiamo sempre dovuto dare un comando a una macchina,
00:32
or even a series of commands,
7
17000
2000
o una serie di comandi,
00:34
in order for it to do something for us.
8
19000
3000
in modo che questa facesse qualcosa per noi.
00:37
Communication between people, on the other hand,
9
22000
2000
La comunicazione tra persone, d'altra parte,
00:39
is far more complex and a lot more interesting
10
24000
3000
è decisamente più complessa e molto più interessante
00:42
because we take into account
11
27000
2000
in quanto noi prendiamo in considerazione
00:44
so much more than what is explicitly expressed.
12
29000
3000
molto più di quanto è espresso esplicitamente.
00:47
We observe facial expressions, body language,
13
32000
3000
Osservando le espressioni del volto, il linguaggio del corpo,
00:50
and we can intuit feelings and emotions
14
35000
2000
siamo in grado di intuire sentimenti ed emozioni
00:52
from our dialogue with one another.
15
37000
3000
dialogando con un altro essere umano.
00:55
This actually forms a large part
16
40000
2000
E ciò ha un ruolo molto importante
00:57
of our decision-making process.
17
42000
2000
nel processo attraverso cui prendiamo le decisioni.
00:59
Our vision is to introduce
18
44000
2000
Ciò che intendiamo fare è introdurre
01:01
this whole new realm of human interaction
19
46000
3000
questo mondo complesso di interazione umana
01:04
into human-computer interaction
20
49000
2000
nell'interazione tra essere umano e computer,
01:06
so that computers can understand
21
51000
2000
così che i computer possano capire
01:08
not only what you direct it to do,
22
53000
2000
non solo ciò per cui ricevono dei comandi
01:10
but it can also respond
23
55000
2000
ma possano anche reagire
01:12
to your facial expressions
24
57000
2000
alle espressioni del volto
01:14
and emotional experiences.
25
59000
2000
e alle esperienze emotive.
01:16
And what better way to do this
26
61000
2000
E quale miglior modo per farlo
01:18
than by interpreting the signals
27
63000
2000
dell'interpretare i segnali
01:20
naturally produced by our brain,
28
65000
2000
prodotti naturalmente dal nostro cervello,
01:22
our center for control and experience.
29
67000
3000
il nostro centro di controllo e di esperienza.
01:25
Well, it sounds like a pretty good idea,
30
70000
2000
Beh, sembra un'idea piuttosto interessante,
01:27
but this task, as Bruno mentioned,
31
72000
2000
ma il compito, come ha detto Bruno,
01:29
isn't an easy one for two main reasons:
32
74000
3000
non è dei più facili, e in particolare per due motivi.
01:32
First, the detection algorithms.
33
77000
3000
La prima sono gli algoritmi di rilevamento.
01:35
Our brain is made up of
34
80000
2000
Il nostro cervello è composto da
01:37
billions of active neurons,
35
82000
2000
miliardi di neuroni attivi.
01:39
around 170,000 km
36
84000
3000
La lunghezza complessiva degli assoni
01:42
of combined axon length.
37
87000
2000
ammonta a un totale di circa 170.000 km.
01:44
When these neurons interact,
38
89000
2000
Quando questi neuroni interagiscono
01:46
the chemical reaction emits an electrical impulse,
39
91000
2000
la reazione chimica emette un impulso elettrico
01:48
which can be measured.
40
93000
2000
misurabile.
01:50
The majority of our functional brain
41
95000
3000
La maggior parte delle nostre capacità mentali
01:53
is distributed over
42
98000
2000
è distribuita
01:55
the outer surface layer of the brain,
43
100000
2000
sullo strato superficiale esterno del cervello.
01:57
and to increase the area that's available for mental capacity,
44
102000
3000
E per aumentare la superficie a disposizione della capacità mentale
02:00
the brain surface is highly folded.
45
105000
3000
lo strato superficiale del cervello presenta innumerevoli pieghe.
02:03
Now this cortical folding
46
108000
2000
Ora, queste pieghe corticali
02:05
presents a significant challenge
47
110000
2000
rappresentano una sfida complessa
02:07
for interpreting surface electrical impulses.
48
112000
3000
all'interpretazione degli impulsi elettrici dello strato superficiale.
02:10
Each individual's cortex
49
115000
2000
La corteccia cerebrale di ogni individuo
02:12
is folded differently,
50
117000
2000
presenta pieghe differenti,
02:14
very much like a fingerprint.
51
119000
2000
molto simili a un'impronta digitale.
02:16
So even though a signal
52
121000
2000
Quindi, sebbene un segnale
02:18
may come from the same functional part of the brain,
53
123000
3000
possa provenire dalla stessa area di attività del cervello,
02:21
by the time the structure has been folded,
54
126000
2000
una volta che le pieghe strutturali sono state definite
02:23
its physical location
55
128000
2000
la sua ubicazione fisica
02:25
is very different between individuals,
56
130000
2000
differisce di molto da individuo e individuo,
02:27
even identical twins.
57
132000
3000
persino nei gemelli omozigoti.
02:30
There is no longer any consistency
58
135000
2000
Non c'è più alcuna coerenza
02:32
in the surface signals.
59
137000
2000
nei segnali superficiali.
02:34
Our breakthrough was to create an algorithm
60
139000
2000
La nostra innovazione è stata la creazione di un algoritmo
02:36
that unfolds the cortex,
61
141000
2000
in grado di districare la corteccia cerebrale,
02:38
so that we can map the signals
62
143000
2000
così da creare una mappatura dei segnali
02:40
closer to its source,
63
145000
2000
più vicino alla fonte
02:42
and therefore making it capable of working across a mass population.
64
147000
3000
in modo da poter funzionare sull'intera popolazione.
02:46
The second challenge
65
151000
2000
La seconda sfida
02:48
is the actual device for observing brainwaves.
66
153000
3000
è stato il macchinario con il quale osservare le onde cerebrali.
02:51
EEG measurements typically involve
67
156000
2000
Un elettroencefalogramma richiede
02:53
a hairnet with an array of sensors,
68
158000
3000
l'uso di una retina con una serie di sensori
02:56
like the one that you can see here in the photo.
69
161000
3000
come quella che vedete qui nell'immagine.
02:59
A technician will put the electrodes
70
164000
2000
Un tecnico sistema gli elettrodi
03:01
onto the scalp
71
166000
2000
sul cuoio capelluto
03:03
using a conductive gel or paste
72
168000
2000
aiutandosi con un conduttore o una pasta
03:05
and usually after a procedure of preparing the scalp
73
170000
3000
solitamente dopo una procedura di preparazione del cuoio capelluto
03:08
by light abrasion.
74
173000
2000
attraverso una leggera abrasione.
03:10
Now this is quite time consuming
75
175000
2000
Tale procedura richiede del tempo
03:12
and isn't the most comfortable process.
76
177000
2000
e non è delle più piacevoli.
03:14
And on top of that, these systems
77
179000
2000
Oltre a tutto ciò, quei sistemi
03:16
actually cost in the tens of thousands of dollars.
78
181000
3000
costano in realtà decine di migliaia di dollari.
03:20
So with that, I'd like to invite onstage
79
185000
3000
Ora, detto questo, vorrei invitare sul palco
03:23
Evan Grant, who is one of last year's speakers,
80
188000
2000
Evan Grant, uno degli oratori dello scorso anno,
03:25
who's kindly agreed
81
190000
2000
il quale ha gentilmente accettato
03:27
to help me to demonstrate
82
192000
2000
di aiutarmi a dimostrare
03:29
what we've been able to develop.
83
194000
2000
ciò che siamo riusciti a sviluppare.
03:31
(Applause)
84
196000
6000
(Applausi)
03:37
So the device that you see
85
202000
2000
Il dispositivo che vedete
03:39
is a 14-channel, high-fidelity
86
204000
2000
è un sistema a 14 canali, in alta fedeltà
03:41
EEG acquisition system.
87
206000
2000
per l'acquisizione di un EEG.
03:43
It doesn't require any scalp preparation,
88
208000
3000
Non richiede alcuna preparazione del cuoio capelluto,
03:46
no conductive gel or paste.
89
211000
2000
nessun gel conduttore, nessuna pasta.
03:48
It only takes a few minutes to put on
90
213000
3000
Sono necessari solo pochi minuti per indossarlo
03:51
and for the signals to settle.
91
216000
2000
e perché i segnali si stabilizzino.
03:53
It's also wireless,
92
218000
2000
Ed è anche senza fili,
03:55
so it gives you the freedom to move around.
93
220000
3000
quindi da' la possibilità di muoversi liberamente.
03:58
And compared to the tens of thousands of dollars
94
223000
3000
E paragonata alle decine di migliaia di dollari
04:01
for a traditional EEG system,
95
226000
3000
di un sistema di EEG tradizionale,
04:04
this headset only costs
96
229000
2000
questa cuffia costa solo
04:06
a few hundred dollars.
97
231000
2000
poche centinaia di dollari.
04:08
Now on to the detection algorithms.
98
233000
3000
Passiamo ora agli algoritmi di rilevamento.
04:11
So facial expressions --
99
236000
2000
Dunque, le espressioni facciali -
04:13
as I mentioned before in emotional experiences --
100
238000
2000
come ho accennato prima nelle esperienze emotive -
04:15
are actually designed to work out of the box
101
240000
2000
hanno la funzione di sortire un effetto immediato
04:17
with some sensitivity adjustments
102
242000
2000
con qualche adattamento alla sensibilità
04:19
available for personalization.
103
244000
3000
disponibile per la personalizzazione.
04:22
But with the limited time we have available,
104
247000
2000
Ma con il poco tempo che abbiamo a disposizione
04:24
I'd like to show you the cognitive suite,
105
249000
2000
vorrei mostrarvi la suite cognitiva,
04:26
which is the ability for you
106
251000
2000
vale a dire la capacità
04:28
to basically move virtual objects with your mind.
107
253000
3000
di spostare oggetti virtuali con la mente.
04:32
Now, Evan is new to this system,
108
257000
2000
Ora, per Evan il sistema è nuovo,
04:34
so what we have to do first
109
259000
2000
quindi per prima cosa dobbiamo
04:36
is create a new profile for him.
110
261000
2000
creare un nuovo profilo per lui.
04:38
He's obviously not Joanne -- so we'll "add user."
111
263000
3000
Ovviamente lui non è Joanne - quindi aggiungiamo l'utente.
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
La prima cosa che dobbiamo fare con la suite cognitiva
04:46
is to start with training
114
271000
2000
è cominciare a familiarizzare
04:48
a neutral signal.
115
273000
2000
con un segnale neutro.
04:50
With neutral, there's nothing in particular
116
275000
2000
Con il segnale neutro, Evan
04:52
that Evan needs to do.
117
277000
2000
non deve fare niente di particolare.
04:54
He just hangs out. He's relaxed.
118
279000
2000
Resta qui, si rilassa.
04:56
And the idea is to establish a baseline
119
281000
2000
Il concetto è quello di stabilire una linea di base,
04:58
or normal state for his brain,
120
283000
2000
una condizione di normalità per il suo cervello,
05:00
because every brain is different.
121
285000
2000
perché ogni cervello è diverso.
05:02
It takes eight seconds to do this,
122
287000
2000
L'operazione richiede 8 secondi.
05:04
and now that that's done,
123
289000
2000
Ora che questo è fatto,
05:06
we can choose a movement-based action.
124
291000
2000
possiamo scegliere un'azione basata sul movimento.
05:08
So Evan, choose something
125
293000
2000
Quindi, Evan, scegli qualcosa
05:10
that you can visualize clearly in your mind.
126
295000
2000
che puoi visualizzare con precisione nella mente.
05:12
Evan Grant: Let's do "pull."
127
297000
2000
Facciamo 'Tira'.
05:14
Tan Le: Okay, so let's choose "pull."
128
299000
2000
Ok. Allora scegliamo 'Tira'.
05:16
So the idea here now
129
301000
2000
Il concetto adesso
05:18
is that Evan needs to
130
303000
2000
è che Evan deve immaginare
05:20
imagine the object coming forward
131
305000
2000
che l'oggetto venga verso di lui
05:22
into the screen,
132
307000
2000
all'interno dello schermo.
05:24
and there's a progress bar that will scroll across the screen
133
309000
3000
E la barra che scorre attraverso lo schermo
05:27
while he's doing that.
134
312000
2000
misura il progresso di ciò che Evan sta facendo.
05:29
The first time, nothing will happen,
135
314000
2000
La prima volta non accadrà nulla
05:31
because the system has no idea how he thinks about "pull."
136
316000
3000
perché il sistema non ha idea di come lui pensi a 'Tirare'.
05:34
But maintain that thought
137
319000
2000
Ma mantieni quel pensiero
05:36
for the entire duration of the eight seconds.
138
321000
2000
per tutta la durata degli 8 secondi.
05:38
So: one, two, three, go.
139
323000
3000
Uno, due, tre, via!
05:49
Okay.
140
334000
2000
Ok.
05:51
So once we accept this,
141
336000
2000
Una volta che accettiamo questo
05:53
the cube is live.
142
338000
2000
il cubo è attivo.
05:55
So let's see if Evan
143
340000
2000
E ora vediamo se Evan
05:57
can actually try and imagine pulling.
144
342000
3000
può veramente immaginare di tirare.
06:00
Ah, good job!
145
345000
2000
Ah, bravissimo!
06:02
(Applause)
146
347000
3000
(Applausi)
06:05
That's really amazing.
147
350000
2000
Davvero incredibile.
06:07
(Applause)
148
352000
4000
(Applausi)
06:11
So we have a little bit of time available,
149
356000
2000
Dunque, visto che abbiamo un po' di tempo a disposizione
06:13
so I'm going to ask Evan
150
358000
2000
chiederò a Evan
06:15
to do a really difficult task.
151
360000
2000
di svolgere un compito molto difficile.
06:17
And this one is difficult
152
362000
2000
Ed è davvero difficile
06:19
because it's all about being able to visualize something
153
364000
3000
perché si tratta di essere in grado di visualizzare qualcosa
06:22
that doesn't exist in our physical world.
154
367000
2000
che non esiste nel nostro mondo fisico.
06:24
This is "disappear."
155
369000
2000
Si tratta di 'Sparire'.
06:26
So what you want to do -- at least with movement-based actions,
156
371000
2000
Quindi ciò che vogliamo - per lo meno con azioni basate sul movimento,
06:28
we do that all the time, so you can visualize it.
157
373000
3000
lo facciamo sempre, quindi lo si può visualizzare.
06:31
But with "disappear," there's really no analogies --
158
376000
2000
Ma con 'sparire' non esistono analogie.
06:33
so Evan, what you want to do here
159
378000
2000
Allora Evan, quello che devi fare ora
06:35
is to imagine the cube slowly fading out, okay.
160
380000
3000
è immaginare che il cubo lentamente svanisca.
06:38
Same sort of drill. So: one, two, three, go.
161
383000
3000
Stessa procedura. Uno, due, tre, via!
06:50
Okay. Let's try that.
162
395000
3000
Ok. Proviamoci.
06:53
Oh, my goodness. He's just too good.
163
398000
3000
Oh, è incredibile. E' troppo bravo!
06:57
Let's try that again.
164
402000
2000
Proviamoci di nuovo.
07:04
EG: Losing concentration.
165
409000
2000
Sto perdendo la concentrazione.
07:06
(Laughter)
166
411000
2000
(Risate)
07:08
TL: But we can see that it actually works,
167
413000
2000
Ma noi vediamo che in realtà funziona,
07:10
even though you can only hold it
168
415000
2000
anche se riesci a concentrarti solo
07:12
for a little bit of time.
169
417000
2000
per qualche attimo.
07:14
As I said, it's a very difficult process
170
419000
3000
Come ho detto, è molto difficile
07:17
to imagine this.
171
422000
2000
immaginare una sparizione.
07:19
And the great thing about it is that
172
424000
2000
E la cosa incredibile è che
07:21
we've only given the software one instance
173
426000
2000
abbiamo dato al sofware solo un esempio
07:23
of how he thinks about "disappear."
174
428000
3000
di come Evan pensi a 'sparire'.
07:26
As there is a machine learning algorithm in this --
175
431000
3000
Dato che qui dentro c'è una macchina che apprende gli algoritmi -
07:29
(Applause)
176
434000
4000
(Applausi)
07:33
Thank you.
177
438000
2000
Grazie.
07:35
Good job. Good job.
178
440000
3000
Bravo. Bravo.
07:38
(Applause)
179
443000
2000
(Applausi)
07:40
Thank you, Evan, you're a wonderful, wonderful
180
445000
3000
Grazie Evan, sei un esempio fantastico,
07:43
example of the technology.
181
448000
3000
una esempio fantastico di questa tecnologia.
07:46
So, as you can see, before,
182
451000
2000
Quindi, come avete visto prima,
07:48
there is a leveling system built into this software
183
453000
3000
esiste un sistema livellante all'interno di questo software
07:51
so that as Evan, or any user,
184
456000
2000
in modo che man mano che Evan, o qualsiasi altro fruitore
07:53
becomes more familiar with the system,
185
458000
2000
familiarizza con il sistema,
07:55
they can continue to add more and more detections,
186
460000
3000
si possono continuare ad aggiungere sempre più rilevamenti
07:58
so that the system begins to differentiate
187
463000
2000
così che il sistema cominci a differenziare
08:00
between different distinct thoughts.
188
465000
3000
tra pensieri distinti con precisione crescente.
08:04
And once you've trained up the detections,
189
469000
2000
E una volta determinati i rilevamenti
08:06
these thoughts can be assigned or mapped
190
471000
2000
questi pensieri possono venir assegnati, o mappati
08:08
to any computing platform,
191
473000
2000
su qualunque piattaforma, applicazione
08:10
application or device.
192
475000
2000
o dispositivo informatico.
08:12
So I'd like to show you a few examples,
193
477000
2000
Ora vorrei mostrarvi alcuni esempi,
08:14
because there are many possible applications
194
479000
2000
perché esistono molte applicazioni possibili
08:16
for this new interface.
195
481000
2000
di questa nuova interfaccia.
08:19
In games and virtual worlds, for example,
196
484000
2000
Nei video giochi e nei mondi virtuali, per esempio,
08:21
your facial expressions
197
486000
2000
la vostra espressione facciale
08:23
can naturally and intuitively be used
198
488000
2000
può venir usata naturalmente e intuitivamente
08:25
to control an avatar or virtual character.
199
490000
3000
per controllare un avatar o un personaggio virtuale.
08:29
Obviously, you can experience the fantasy of magic
200
494000
2000
Ovviamente, potete provare la magia della simulazione
08:31
and control the world with your mind.
201
496000
3000
e controllare il mondo con la mente.
08:36
And also, colors, lighting,
202
501000
3000
Inoltre i colori, le luci,
08:39
sound and effects
203
504000
2000
il suono e gli effetti
08:41
can dynamically respond to your emotional state
204
506000
2000
rispondono in manera dinamica al vostro stato emotivo
08:43
to heighten the experience that you're having, in real time.
205
508000
3000
in tempo reale, per intensificare la vostra esperienza.
08:47
And moving on to some applications
206
512000
2000
Passiamo ora ad alcune applicazioni
08:49
developed by developers and researchers around the world,
207
514000
3000
sviluppate da imprenditori e ricercatori di tutto il mondo
08:52
with robots and simple machines, for example --
208
517000
3000
con robot e semplici macchinari. Per esempio -
08:55
in this case, flying a toy helicopter
209
520000
2000
in questo caso, si fa volare un elicottero giocattolo
08:57
simply by thinking "lift" with your mind.
210
522000
3000
semplicemente pensando 'solleva' nella propria testa.
09:00
The technology can also be applied
211
525000
2000
La tecnologia si impiega anche
09:02
to real world applications --
212
527000
2000
ad applicazioni del mondo reale:
09:04
in this example, a smart home.
213
529000
2000
in questo caso, una casa intelligente.
09:06
You know, from the user interface of the control system
214
531000
3000
Vedete, dal sistema di controllo dell'interfaccia dell'utente
09:09
to opening curtains
215
534000
2000
si aprono
09:11
or closing curtains.
216
536000
3000
o si chiudono le tende.
09:22
And of course, also to the lighting --
217
547000
3000
E certamente anche l'illuminazione,
09:25
turning them on
218
550000
3000
si accende
09:28
or off.
219
553000
2000
o si spegne.
09:30
And finally,
220
555000
2000
Passiamo infine
09:32
to real life-changing applications,
221
557000
2000
a quelle applicazioni che cambiano la vita
09:34
such as being able to control an electric wheelchair.
222
559000
3000
come la possibilità di controllare una sedia a rotelle elettrica.
09:37
In this example,
223
562000
2000
In questo caso
09:39
facial expressions are mapped to the movement commands.
224
564000
3000
le espressioni facciali vengono collegate ai comandi per il movimento.
09:42
Man: Now blink right to go right.
225
567000
3000
Ora chiudi l'occhio destro per andare a destra.
09:50
Now blink left to turn back left.
226
575000
3000
Ora il sinistro per girare a sinistra.
10:02
Now smile to go straight.
227
587000
3000
Ora sorridi per andare dritto.
10:08
TL: We really -- Thank you.
228
593000
2000
Noi, veramente - Grazie.
10:10
(Applause)
229
595000
5000
(Applausi)
10:15
We are really only scratching the surface of what is possible today,
230
600000
3000
E oggi stiamo solo agli inizi di ciò che è possibile.
10:18
and with the community's input,
231
603000
2000
E con il contributo della comunità
10:20
and also with the involvement of developers
232
605000
2000
e il coinvolgimento degli sviluppatori
10:22
and researchers from around the world,
233
607000
3000
e dei ricercatori di tutto il mondo
10:25
we hope that you can help us to shape
234
610000
2000
speriamo che voi possiate aiutarci a dare forma
10:27
where the technology goes from here. Thank you so much.
235
612000
3000
alla direzione che da qui prenderà la tecnologia.Grazie infinite.
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