TEDGlobal 2010
Tan Le: A headset that reads your brainwaves
Tan Le: Headsettet som leser dine hjernebølger
Filmed:
Readability: 5
2,732,929 views
Tan Le's utrolige nye grensesnitt leser brukerens hjernebølger, og gjør det mulig å kontrollere virtuelle objekter, til og med elektronikk, med kun tanker (og litt konsentrasjon). Her demonstrerer hun headsettet, og snakker om de enorme bruksområdene.
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
Frem til nå, har vår kommunikasjon med maskiner
00:18
has always been limited
1
3000
2000
alltid vært begrenset
00:20
to conscious and direct forms.
2
5000
2000
til bevisste og direkte former.
00:22
Whether it's something simple
3
7000
2000
Uansett om det det er noe så enkelt
00:24
like turning on the lights with a switch,
4
9000
2000
som å skru på lysene med en bryter,
00:26
or even as complex as programming robotics,
5
11000
3000
eller noe så komplisert som å programmere roboter,
00:29
we have always had to give a command to a machine,
6
14000
3000
har vi alltid måtte gi maskinen en kommando,
00:32
or even a series of commands,
7
17000
2000
i noen tilfeller, flere kommandoer,
00:34
in order for it to do something for us.
8
19000
3000
for å få maskinen til å gjøre noe for oss.
00:37
Communication between people, on the other hand,
9
22000
2000
Kommunikasjon mellom mennesker derimot,
00:39
is far more complex and a lot more interesting
10
24000
3000
er mer komplisert og mye mer interessant,
00:42
because we take into account
11
27000
2000
fordi vi må ta hensyn til
00:44
so much more than what is explicitly expressed.
12
29000
3000
så mye mer enn det som blir sagt verbalt.
00:47
We observe facial expressions, body language,
13
32000
3000
Vi observerer ansiktsuttrykk og kroppsspråk,
00:50
and we can intuit feelings and emotions
14
35000
2000
og vi kan merke følelser og humør
00:52
from our dialogue with one another.
15
37000
3000
fra samtalene vi har med hverandre.
00:55
This actually forms a large part
16
40000
2000
Disse inntrykkene danner faktisk en stor del
00:57
of our decision-making process.
17
42000
2000
av vår beslutningsprosess.
00:59
Our vision is to introduce
18
44000
2000
Vårt mål er å introdusere
01:01
this whole new realm of human interaction
19
46000
3000
dette nye området innenfor menneskelig samhandling
01:04
into human-computer interaction
20
49000
2000
inn i en menneske-maskin samhandling,
01:06
so that computers can understand
21
51000
2000
slik at maskiner kan forstå
01:08
not only what you direct it to do,
22
53000
2000
ikke bare hva du styrer de til å gjøre,
01:10
but it can also respond
23
55000
2000
men at de også svarer
01:12
to your facial expressions
24
57000
2000
til dine ansiktsuttrykk
01:14
and emotional experiences.
25
59000
2000
og følelsemessige opplevelser.
01:16
And what better way to do this
26
61000
2000
Hvilken bedre måte finnes da,
01:18
than by interpreting the signals
27
63000
2000
enn at maskinen tolker signaler
01:20
naturally produced by our brain,
28
65000
2000
som produseres naturlig av hjernen vår,
01:22
our center for control and experience.
29
67000
3000
senteret vårt for kontroll og erfaring.
01:25
Well, it sounds like a pretty good idea,
30
70000
2000
Vel, det virker nok som en rimelig god idé,
01:27
but this task, as Bruno mentioned,
31
72000
2000
men denne oppgaven, som Bruno nevnte,
01:29
isn't an easy one for two main reasons:
32
74000
3000
er ikke så lett, på grunn av to årsaker:
01:32
First, the detection algorithms.
33
77000
3000
Først, deteksjonsalgoritmen:
01:35
Our brain is made up of
34
80000
2000
Hjernen vår er laget av
01:37
billions of active neurons,
35
82000
2000
milliarder av aktive nerveceller;
01:39
around 170,000 km
36
84000
3000
ca. 170 000 km
01:42
of combined axon length.
37
87000
2000
med aksoner.
01:44
When these neurons interact,
38
89000
2000
Når hjernens nerveceller kommuniserer,
01:46
the chemical reaction emits an electrical impulse,
39
91000
2000
avgis det en elektrisk impuls, som følge av en kjemisk reaksjon,
01:48
which can be measured.
40
93000
2000
som kan måles.
01:50
The majority of our functional brain
41
95000
3000
Mesteparten av vår funksjonelle hjerne
01:53
is distributed over
42
98000
2000
er fordelt over
01:55
the outer surface layer of the brain,
43
100000
2000
den ytre overflaten av hjernen.
01:57
and to increase the area that's available for mental capacity,
44
102000
3000
For å øke overflaten, som er tilgjengelig for mental kapasitet,
02:00
the brain surface is highly folded.
45
105000
3000
er hjernens overflate, i stor del, foldet.
02:03
Now this cortical folding
46
108000
2000
Denne foldingen
02:05
presents a significant challenge
47
110000
2000
skaper en vesentlig utfordring
02:07
for interpreting surface electrical impulses.
48
112000
3000
i tolkningen av elektriske overflate-impulser.
02:10
Each individual's cortex
49
115000
2000
Hver persons hjernebark
02:12
is folded differently,
50
117000
2000
er foldet forskjellig,
02:14
very much like a fingerprint.
51
119000
2000
ikke ulikt fingeravtrykk.
02:16
So even though a signal
52
121000
2000
Så selv om et signal
02:18
may come from the same functional part of the brain,
53
123000
3000
kommer fra samme funksjonelle hjernedel hos et menneske,
02:21
by the time the structure has been folded,
54
126000
2000
er det forskjell på hvordan hjernedelen har blitt foldet.
02:23
its physical location
55
128000
2000
Signalets fysiske plassering
02:25
is very different between individuals,
56
130000
2000
er veldig forskjelig fra person til person,
02:27
even identical twins.
57
132000
3000
til og med eneggede tvillinger.
02:30
There is no longer any consistency
58
135000
2000
Det finnes altså ikke noen sammenheng
02:32
in the surface signals.
59
137000
2000
i overflatesignalene.
02:34
Our breakthrough was to create an algorithm
60
139000
2000
Vårt gjennombrudd var å lage en algoritme
02:36
that unfolds the cortex,
61
141000
2000
som foldet ut hjernebarken,
02:38
so that we can map the signals
62
143000
2000
slik at vi kunne kartlegge signalene
02:40
closer to its source,
63
145000
2000
nærmere deres opprinnelige kilde,
02:42
and therefore making it capable of working across a mass population.
64
147000
3000
og derfor gjøre det mulig å jobbe med en stor befolkning.
02:46
The second challenge
65
151000
2000
Den andre utfordringen
02:48
is the actual device for observing brainwaves.
66
153000
3000
er apparatet for observasjon av hjernebølger.
02:51
EEG measurements typically involve
67
156000
2000
Ofte involverer EEG-målinger
02:53
a hairnet with an array of sensors,
68
158000
3000
et hårnett fullt av sensorer,
02:56
like the one that you can see here in the photo.
69
161000
3000
slik som dere kan se på bildet.
02:59
A technician will put the electrodes
70
164000
2000
En tekniker setter elektrodene
03:01
onto the scalp
71
166000
2000
på hodebunnen
03:03
using a conductive gel or paste
72
168000
2000
ved hjelp av en ledende gelé eller krem,
03:05
and usually after a procedure of preparing the scalp
73
170000
3000
vanligvis etter en klargjøring av hodebunnen,
03:08
by light abrasion.
74
173000
2000
ved rensing.
03:10
Now this is quite time consuming
75
175000
2000
Dette tar veldig lang tid
03:12
and isn't the most comfortable process.
76
177000
2000
og er ikke en veldig komfortabel prosess.
03:14
And on top of that, these systems
77
179000
2000
Og på toppen av det, er disse systemene
03:16
actually cost in the tens of thousands of dollars.
78
181000
3000
kostbare, opp til titusener av dollar.
03:20
So with that, I'd like to invite onstage
79
185000
3000
Med det vil jeg gjerne invitere
03:23
Evan Grant, who is one of last year's speakers,
80
188000
2000
Evan Grant til scenen, en av fjorårets foredragsholdere,
03:25
who's kindly agreed
81
190000
2000
som gikk med på
03:27
to help me to demonstrate
82
192000
2000
å hjelpe til med demonstrasjonen
03:29
what we've been able to develop.
83
194000
2000
av det vi har klart å utvikle.
03:31
(Applause)
84
196000
6000
(Applaus)
03:37
So the device that you see
85
202000
2000
Apparatet du ser
03:39
is a 14-channel, high-fidelity
86
204000
2000
er en 14-kanals, Hi-Fi
03:41
EEG acquisition system.
87
206000
2000
EEG-ervervings system.
03:43
It doesn't require any scalp preparation,
88
208000
3000
Det trenger ingen klargjøring av hodebunnen,
03:46
no conductive gel or paste.
89
211000
2000
heller ingen ledende gelé eller krem.
03:48
It only takes a few minutes to put on
90
213000
3000
Det tar få minutter å sette på,
03:51
and for the signals to settle.
91
216000
2000
og kalibrere signaler.
03:53
It's also wireless,
92
218000
2000
Den er også trådløs,
03:55
so it gives you the freedom to move around.
93
220000
3000
så du kan bevege deg fritt.
03:58
And compared to the tens of thousands of dollars
94
223000
3000
Sammenlignet med titusener av dollar
04:01
for a traditional EEG system,
95
226000
3000
for et tradisjonelt EEG-system,
04:04
this headset only costs
96
229000
2000
koster dette headsettet
04:06
a few hundred dollars.
97
231000
2000
bare noen hundre dollar.
04:08
Now on to the detection algorithms.
98
233000
3000
Nå til deteksjonsalgoritmene.
04:11
So facial expressions --
99
236000
2000
Ansiktsuttrykk --
04:13
as I mentioned before in emotional experiences --
100
238000
2000
som jeg nevnte tidligere under følelsesmessige opplevelser --
04:15
are actually designed to work out of the box
101
240000
2000
er faktisk designet til å virke umiddelbart,
04:17
with some sensitivity adjustments
102
242000
2000
og er med få justeringer av følsomhet
04:19
available for personalization.
103
244000
3000
tilgjengelig for personlig tilpassing.
04:22
But with the limited time we have available,
104
247000
2000
Men med begrenset tid
04:24
I'd like to show you the cognitive suite,
105
249000
2000
vil jeg gjerne vise den kognitive pakken,
04:26
which is the ability for you
106
251000
2000
som er muligheten din
04:28
to basically move virtual objects with your mind.
107
253000
3000
til å flytte virtuelle objekter med tankene dine.
04:32
Now, Evan is new to this system,
108
257000
2000
Dette system er nytt for Evan,
04:34
so what we have to do first
109
259000
2000
så det vi må gjøre først
04:36
is create a new profile for him.
110
261000
2000
er å lage en profil til han.
04:38
He's obviously not Joanne -- so we'll "add user."
111
263000
3000
Han er tydeligvis ikke Joanne - så vi "legger til en bruker".
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
Den første tingen vi trenger å gjøre med den kognitive pakken
04:46
is to start with training
114
271000
2000
er å starte med treningen
04:48
a neutral signal.
115
273000
2000
av et nøytralt signal.
04:50
With neutral, there's nothing in particular
116
275000
2000
Med nøytral, menes det at det er ikke noe spesielt
04:52
that Evan needs to do.
117
277000
2000
som Evan trenger å gjøre.
04:54
He just hangs out. He's relaxed.
118
279000
2000
Han tar det med ro. Han er avslappet.
04:56
And the idea is to establish a baseline
119
281000
2000
Og idéen er å etablere en basis
04:58
or normal state for his brain,
120
283000
2000
eller normaltilstand for hjernen hans,
05:00
because every brain is different.
121
285000
2000
fordi ingen hjerner er like.
05:02
It takes eight seconds to do this,
122
287000
2000
Det tar åtte sekunder å gjøre dette.
05:04
and now that that's done,
123
289000
2000
Og nå som det er ferdig,
05:06
we can choose a movement-based action.
124
291000
2000
kan vi velge en bevegelsesbasert handling.
05:08
So Evan, choose something
125
293000
2000
Evan, velg noe
05:10
that you can visualize clearly in your mind.
126
295000
2000
som du kan se klart i hodet ditt.
05:12
Evan Grant: Let's do "pull."
127
297000
2000
Evan Grant: La oss prøve "dra".
05:14
Tan Le: Okay, so let's choose "pull."
128
299000
2000
Tan Le: Ok. La oss velge "dra."
05:16
So the idea here now
129
301000
2000
Tanken her nå
05:18
is that Evan needs to
130
303000
2000
er at Evan trenger å
05:20
imagine the object coming forward
131
305000
2000
forestille seg objektet komme
05:22
into the screen,
132
307000
2000
mot skjermen.
05:24
and there's a progress bar that will scroll across the screen
133
309000
3000
En fremdriftsindikator vil vises på skjermen
05:27
while he's doing that.
134
312000
2000
mens han gjør det.
05:29
The first time, nothing will happen,
135
314000
2000
Første gangen vil ingenting skje,
05:31
because the system has no idea how he thinks about "pull."
136
316000
3000
fordi systemet ikke vet at han tenker på "dra".
05:34
But maintain that thought
137
319000
2000
Men hold tanken
05:36
for the entire duration of the eight seconds.
138
321000
2000
alle åtte sekundene.
05:38
So: one, two, three, go.
139
323000
3000
En, to, tre, kjør.
05:49
Okay.
140
334000
2000
Ok.
05:51
So once we accept this,
141
336000
2000
Med en gang vi godtar dette,
05:53
the cube is live.
142
338000
2000
blir kuben levende.
05:55
So let's see if Evan
143
340000
2000
Så, la oss se om Evan
05:57
can actually try and imagine pulling.
144
342000
3000
faktisk kan prøve, og tenke, "dra,"
06:00
Ah, good job!
145
345000
2000
Bra jobba!
06:02
(Applause)
146
347000
3000
(Applaus)
06:05
That's really amazing.
147
350000
2000
Det er ganske utrolig.
06:07
(Applause)
148
352000
4000
(Applaus)
06:11
So we have a little bit of time available,
149
356000
2000
Vi har litt mer tid igjen,
06:13
so I'm going to ask Evan
150
358000
2000
så jeg kommer til å spørre Evan
06:15
to do a really difficult task.
151
360000
2000
om å gjøre en vanskelig oppgave.
06:17
And this one is difficult
152
362000
2000
Og denne er vanskelig
06:19
because it's all about being able to visualize something
153
364000
3000
fordi det hele handler om å klare å visualisere noe
06:22
that doesn't exist in our physical world.
154
367000
2000
som ikke eksisterer i vår fysiske verden.
06:24
This is "disappear."
155
369000
2000
Dette er "forsvinn."
06:26
So what you want to do -- at least with movement-based actions,
156
371000
2000
Det du vil, iallefall med bevegelsesbaserte handlinger,
06:28
we do that all the time, so you can visualize it.
157
373000
3000
som vi gjør hele tiden, slik at du kan visualisere det.
06:31
But with "disappear," there's really no analogies --
158
376000
2000
Med med "forsvinn," er det egentlig ingen analogier.
06:33
so Evan, what you want to do here
159
378000
2000
Evan, det du må gjøre her
06:35
is to imagine the cube slowly fading out, okay.
160
380000
3000
er å forestille deg at kuben tones ut sakte.
06:38
Same sort of drill. So: one, two, three, go.
161
383000
3000
Samme som i stad. En, to, tre, kjør.
06:50
Okay. Let's try that.
162
395000
3000
Okey. La oss prøve.
06:53
Oh, my goodness. He's just too good.
163
398000
3000
Herregud. Han er litt for flink.
06:57
Let's try that again.
164
402000
2000
La oss prøve igjen.
07:04
EG: Losing concentration.
165
409000
2000
EG: Jeg mister konsentrasjonen.
07:06
(Laughter)
166
411000
2000
(Latter)
07:08
TL: But we can see that it actually works,
167
413000
2000
TL: Men vi kan faktisk se at det virker,
07:10
even though you can only hold it
168
415000
2000
selv om du bare klarer å holde tanken
07:12
for a little bit of time.
169
417000
2000
en liten stund.
07:14
As I said, it's a very difficult process
170
419000
3000
Som jeg sa, det er en veldig vanskelig prosess
07:17
to imagine this.
171
422000
2000
å forestille seg dette.
07:19
And the great thing about it is that
172
424000
2000
Og den beste tingen med dette er at
07:21
we've only given the software one instance
173
426000
2000
vi kun ga programvaren et forsøk
07:23
of how he thinks about "disappear."
174
428000
3000
på hvordan han tenkte "forsvinn."
07:26
As there is a machine learning algorithm in this --
175
431000
3000
Siden det er en læringsalgoritme i maskinen --
07:29
(Applause)
176
434000
4000
(Applaus)
07:33
Thank you.
177
438000
2000
Takk.
07:35
Good job. Good job.
178
440000
3000
Bra jobba. Bra jobba.
07:38
(Applause)
179
443000
2000
(Applaus)
07:40
Thank you, Evan, you're a wonderful, wonderful
180
445000
3000
Takk skal du ha, Evan. Du er et fantastisk, fantastisk
07:43
example of the technology.
181
448000
3000
eksempel på teknologien.
07:46
So, as you can see, before,
182
451000
2000
Som dere så i stad,
07:48
there is a leveling system built into this software
183
453000
3000
er det et nivåsystem innebygd i programvaren
07:51
so that as Evan, or any user,
184
456000
2000
slik at ettersom Evan, eller hvilken som helst bruker,
07:53
becomes more familiar with the system,
185
458000
2000
blir kjent med systemet,
07:55
they can continue to add more and more detections,
186
460000
3000
kan de fortsette å legge til fler og fler deteksjoner,
07:58
so that the system begins to differentiate
187
463000
2000
slik at system begynner å skille
08:00
between different distinct thoughts.
188
465000
3000
mellom ulike bestemte tanker.
08:04
And once you've trained up the detections,
189
469000
2000
Og når du har trent opp deteksjonene,
08:06
these thoughts can be assigned or mapped
190
471000
2000
kan tankene tilordnes eller kartlegges
08:08
to any computing platform,
191
473000
2000
til hvilken som helst platform,
08:10
application or device.
192
475000
2000
program eller enhet.
08:12
So I'd like to show you a few examples,
193
477000
2000
Jeg vil vise dere et par eksempler,
08:14
because there are many possible applications
194
479000
2000
fordi det er mange mulige bruksområder
08:16
for this new interface.
195
481000
2000
for dette nye grensesnittet.
08:19
In games and virtual worlds, for example,
196
484000
2000
For eksempel, i spill og virtuelle verdener,
08:21
your facial expressions
197
486000
2000
kan dine ansiktsuttrykk
08:23
can naturally and intuitively be used
198
488000
2000
naturlig og intuitivt bli brukt
08:25
to control an avatar or virtual character.
199
490000
3000
til å kontrollere en avatar eller en virtuell figur.
08:29
Obviously, you can experience the fantasy of magic
200
494000
2000
Selvfølgelig kan du oppleve magi
08:31
and control the world with your mind.
201
496000
3000
og kontrollere verden med tankene dine.
08:36
And also, colors, lighting,
202
501000
3000
Også farger, belysning,
08:39
sound and effects
203
504000
2000
lyd og effekter,
08:41
can dynamically respond to your emotional state
204
506000
2000
kan reagere dynamisk på bakgrunn av ditt humør
08:43
to heighten the experience that you're having, in real time.
205
508000
3000
for å øke opplevelsen du får, i sanntid.
08:47
And moving on to some applications
206
512000
2000
Videre til noen tilpassede programmer
08:49
developed by developers and researchers around the world,
207
514000
3000
laget av utviklere og forskere omkring i verden,
08:52
with robots and simple machines, for example --
208
517000
3000
med roboter og enkle maskiner, for eksempel --
08:55
in this case, flying a toy helicopter
209
520000
2000
i dette tilfelle, å fly et lekehelikopter
08:57
simply by thinking "lift" with your mind.
210
522000
3000
kun ved å tenke "løft" med hodet ditt.
09:00
The technology can also be applied
211
525000
2000
Teknologien kan også brukes
09:02
to real world applications --
212
527000
2000
i den virkelig verden --
09:04
in this example, a smart home.
213
529000
2000
i dette eksempelet, et smarthus.
09:06
You know, from the user interface of the control system
214
531000
3000
Fra menyen i kontrollsystemet,
09:09
to opening curtains
215
534000
2000
til å åpne gardiner,
09:11
or closing curtains.
216
536000
3000
eller lukke dem.
09:22
And of course, also to the lighting --
217
547000
3000
Og selvfølgelig også belysningen --
09:25
turning them on
218
550000
3000
skru på,
09:28
or off.
219
553000
2000
eller av.
09:30
And finally,
220
555000
2000
Og til slutt,
09:32
to real life-changing applications,
221
557000
2000
til livsforvandlende bruksområder,
09:34
such as being able to control an electric wheelchair.
222
559000
3000
som å klare å styre en elektrisk rullestol.
09:37
In this example,
223
562000
2000
I dette eksempelet,
09:39
facial expressions are mapped to the movement commands.
224
564000
3000
er ansiktsuttrykk koblet til bevegelseskommandoene.
09:42
Man: Now blink right to go right.
225
567000
3000
Mann: Blunk med høyre for å gå til høyre.
09:50
Now blink left to turn back left.
226
575000
3000
Blunk med venstre for å snu tilbake.
10:02
Now smile to go straight.
227
587000
3000
Smil for å gå rett frem.
10:08
TL: We really -- Thank you.
228
593000
2000
TL: Vi... -- Takk skal dere ha.
10:10
(Applause)
229
595000
5000
(Applaus)
10:15
We are really only scratching the surface of what is possible today,
230
600000
3000
Vi skraper kun på overflaten av hva som er mulig i dag.
10:18
and with the community's input,
231
603000
2000
Og med innspill fra fellesskapet,
10:20
and also with the involvement of developers
232
605000
2000
i tillegg til utviklerenes involvering,
10:22
and researchers from around the world,
233
607000
3000
og forskerne omkring i verden,
10:25
we hope that you can help us to shape
234
610000
2000
håper vi at du kan hjelpe oss å forme
10:27
where the technology goes from here. Thank you so much.
235
612000
3000
denne teknologien videre. Takk skal dere ha.
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