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: Als auto's konden praten, zijn ongelukken misschien te voorkomen

Filmed:
908,454 views

Als we autorijden, dan zitten we in een glazen koepel, sluiten de deuren en trappen op het gaspedaal, we vertrouwen erop dat onze ogen ons zullen leiden - ook al kunnen we maar een paar auto's voor ons en een paar auto's achter ons zien. Maar wat als auto's gegevens konden uitwisselen met elkaar over hun positie en hun snelheid, als er voorspellende modellen gebruikt worden om de veiligste weg voor iedereen uit te stippelen? Jennifer Healey ziet een wereld voor zich zonder auto-ongelukken. (Gefilmd op 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 facegezicht it:
0
703
1914
Laten we duidelijk zijn:
00:14
DrivingRijden is dangerousgevaarlijk.
1
2617
2445
autorijden is gevaarlijk.
00:17
It's one of the things that we don't like to think about,
2
5062
3098
We denken er liever niet over na,
00:20
but the factfeit that religiousreligieus iconspictogrammen and good luckgeluk charmsCharmes
3
8160
3652
maar het feit dat er overal heiligenbeeldjes
en gelukspoppetjes
00:23
showtonen up on dashboardsdashboards around the worldwereld-
4
11812
4790
op dashboards staan, op de hele wereld,
00:28
betraysverraadt the factfeit that we know this to be truewaar.
5
16602
4137
bewijst dat we weten dat het waar is.
00:32
CarAuto accidentsongevallen are the leadingleidend causeoorzaak of deathdood
6
20739
3594
Auto-ongelukken zijn de voornaamste doodsoorzaak
00:36
in people agesleeftijden 16 to 19 in the UnitedVerenigd StatesStaten --
7
24333
4170
voor mensen in de leeftijd van 16 tot 19
in Amerika,
00:40
leadingleidend causeoorzaak of deathdood --
8
28503
2843
de voornaamste doodsoorzaak --
00:43
and 75 percentprocent of these accidentsongevallen have nothing to do
9
31346
3863
en 75 procent komt niet door
00:47
with drugsdrugs or alcoholalcohol.
10
35209
2285
drugs of alcohol.
00:49
So what happensgebeurt?
11
37494
2261
Wat is dan het probleem?
00:51
No one can say for sure, but I rememberonthouden my first accidentongeval.
12
39755
4219
Niemand weet dat zeker,
maar ik herinner me nog mijn eerste aanrijding.
00:55
I was a youngjong driverbestuurder out on the highwaysnelweg,
13
43974
3803
Ik had net mijn rijbewijs en reed op de snelweg.
00:59
and the carauto in frontvoorkant of me, I saw the brakerem lightslichten go on.
14
47777
2258
Ik zag dat de auto voor me remde.
01:02
I'm like, "Okay, all right, this guy is slowingvertragen down,
15
50035
1800
Ik dacht gelijk: "Ok, deze man gaat remmen,
01:03
I'll slowlangzaam down too."
16
51835
1282
dan ga ik ook remmen."
01:05
I stepstap on the brakerem.
17
53117
1926
Ik druk het rempedaal in.
01:07
But no, this guy isn't slowingvertragen down.
18
55043
2254
Maar deze man was niet aan het afremmen.
01:09
This guy is stoppingstoppen, deaddood stop, deaddood stop on the highwaysnelweg.
19
57297
3178
Hij stopte en stond in één klap stil op de snelweg.
01:12
It was just going 65 -- to zeronul?
20
60475
2540
Het ging van 100 km per uur naar 0?
01:15
I slammedsmeet on the brakesremmen.
21
63015
1520
Ik trapte keihard op de rem.
01:16
I feltvoelde the ABSABS kicktrap in, and the carauto is still going,
22
64535
3059
Ik voelde de ABS, maar de auto reed nog steeds,
01:19
and it's not going to stop, and I know it's not going to stop,
23
67594
2696
ik wist dat hij niet ging stoppen…
01:22
and the airlucht bagzak deploysimplementeert, the carauto is totaledbedroegen,
24
70290
2939
De airbag werd opgeblazen, de auto was total loss.
01:25
and fortunatelygelukkig, no one was hurtpijn doen.
25
73229
3557
Gelukkig was er niemand gewond.
01:28
But I had no ideaidee that carauto was stoppingstoppen,
26
76786
4211
Maar ik wist niet dat de auto voor me zou gaan stoppen.
01:32
and I think we can do a lot better than that.
27
80997
3645
Ik denk dat we beter kunnen doen dan dit.
01:36
I think we can transformtransformeren the drivinghet rijden experienceervaring
28
84642
4145
Ik denk dat we het autorijden kunnen verbeteren,
01:40
by lettingverhuur our carsauto's talk to eachelk other.
29
88787
3879
door auto's met elkaar te laten praten.
01:44
I just want you to think a little bitbeetje
30
92666
1424
Denk maar eens na
01:46
about what the experienceervaring of drivinghet rijden is like now.
31
94090
2888
hoe je nu aan het autorijden bent.
01:48
Get into your carauto. CloseSluiten the doordeur-. You're in a glassglas bubblebubbel.
32
96978
4028
Je stapt in de auto, sluit de deur.
Je bent in een soort glazen koepel.
01:53
You can't really directlydirect sensezin the worldwereld- around you.
33
101006
2916
Je voelt niet aan wat er om je heen gebeurt.
01:55
You're in this extendedverlengd bodylichaam.
34
103922
2181
Je zit in een verlengstuk van jezelf.
01:58
You're taskedbelast with navigatingnavigeren it down
35
106103
2163
Je moet dit stuk navigeren
02:00
partially-seengedeeltelijk-gezien roadwayswegen,
36
108266
2056
over wegen die je slechts gedeeltelijk overziet,
02:02
in and amongstte midden van other metalmetaal giantsreuzen, at super-humansuper mens speedssnelheden.
37
110322
4424
tussen allerlei andere metalen reuzen, op supersnelheid.
02:06
Okay? And all you have to guidegids you are your two eyesogen.
38
114746
4480
Je hebt maar twee ogen.
02:11
Okay, so that's all you have,
39
119226
1762
Dat is alles wat je hebt,
02:12
eyesogen that weren'twaren niet really designedontworpen for this tasktaak,
40
120988
1735
maar ogen zijn hier niet voor gemaakt,
02:14
but then people askvragen you to do things like,
41
122723
3751
en dan moet je dingen doen zoals:
02:18
you want to make a laneLane changeverandering,
42
126474
1549
veranderen van rijstrook,
02:20
what's the first thing they askvragen you do?
43
128023
2321
wat is dan het eerste wat je moet doen?
02:22
Take your eyesogen off the roadweg. That's right.
44
130344
3095
Kijk niet meer naar de weg.
02:25
Stop looking where you're going, turnbeurt,
45
133439
2096
Kijk niet meer waar je naar toe gaat en draai,
02:27
checkcontroleren your blindBlind spotplek,
46
135535
2018
controleer je blinde hoek,
02:29
and driverijden down the roadweg withoutzonder looking where you're going.
47
137553
3471
en blijf op de weg rijden
zonder te zien waar je naar toe gaat.
02:33
You and everyoneiedereen elseanders. This is the safeveilig way to driverijden.
48
141024
3135
Dit doet iedereen. Dit is de veilige manier om auto te rijden.
02:36
Why do we do this? Because we have to,
49
144159
2241
Waarom doen we dit? Omdat we
02:38
we have to make a choicekeuze, do I look here or do I look here?
50
146400
2579
een keuze moeten maken, kijk ik hierheen of daarheen?
02:40
What's more importantbelangrijk?
51
148979
1521
Wat is het belangrijkst?
02:42
And usuallydoorgaans we do a fantasticfantastisch jobbaan
52
150500
2711
En meestal zijn we heel goed in het kiezen
02:45
pickingpluk and choosingkiezen what we attendwonen to on the roadweg.
53
153211
3769
waar we aandacht aan besteden op de weg.
02:48
But occasionallyaf en toe we missmissen something.
54
156980
3650
Maar soms zien we iets over het hoofd.
02:52
OccasionallyAf en toe we sensezin something wrongfout or too latelaat.
55
160630
4461
Soms hebben we iets niet in de gaten of zijn we te laat.
02:57
In countlessontelbaar accidentsongevallen, the driverbestuurder sayszegt,
56
165091
1988
In de meeste gevallen zegt de chauffeur:
02:59
"I didn't see it comingkomt eraan."
57
167079
2308
"Ik zag het niet aankomen."
03:01
And I believe that. I believe that.
58
169387
3281
En dat geloof ik.
03:04
We can only watch so much.
59
172668
2925
We kunnen niet alles zien aankomen.
03:07
But the technologytechnologie existsbestaat now that can help us improveverbeteren that.
60
175593
5144
Maar met de huidige technologie kan dat verbeterd worden.
03:12
In the futuretoekomst, with carsauto's exchanginguitwisseling van datagegevens with eachelk other,
61
180737
4296
In de toekomst, als auto's met elkaar gegevens uitwisselen,
03:17
we will be ablein staat to see not just threedrie carsauto's aheadverder
62
185033
3928
kunnen we niet alleen drie auto's voor ons zien,
03:20
and threedrie carsauto's behindachter, to the right and left,
63
188961
1594
en drie auto's achter ons, en links en rechts,
03:22
all at the samedezelfde time, bird'sBird's eyeoog viewuitzicht,
64
190555
3166
maar alles tegelijkertijd, in vogelperspectief.
03:25
we will actuallywerkelijk be ablein staat to see into those carsauto's.
65
193721
3128
We kunnen zelfs in de auto's kijken.
03:28
We will be ablein staat to see the velocitysnelheid of the carauto in frontvoorkant of us,
66
196849
2371
We kunnen de snelheid zien van de auto voor ons,
03:31
to see how fastsnel that guy'sguy's going or stoppingstoppen.
67
199220
3240
hoe snel die man rijdt en of dat hij gaat stoppen.
03:34
If that guy'sguy's going down to zeronul, I'll know.
68
202460
4510
Als hij ineens bovenop de rem gaat staan, dan weet ik dat.
03:38
And with computationberekening and algorithmsalgoritmen and predictivevoorspellende modelsmodellen,
69
206970
3859
Met berekeningen, algoritmes en voorspellende modellen
03:42
we will be ablein staat to see the futuretoekomst.
70
210829
3273
kunnen we in de toekomst kijken.
03:46
You maymei think that's impossibleonmogelijk.
71
214102
1556
Je denkt misschien dat dat onmogelijk is.
03:47
How can you predictvoorspellen the futuretoekomst? That's really hardhard.
72
215658
2731
Het is moeilijk om de toekomst te voorspellen.
03:50
ActuallyEigenlijk, no. With carsauto's, it's not impossibleonmogelijk.
73
218389
3619
Met auto's is dat niet onmogelijk.
03:54
CarsAuto 's are three-dimensionaldriedimensionaal objectsvoorwerpen
74
222008
2732
Auto's zijn driedimensionale objecten
03:56
that have a fixedvast positionpositie and velocitysnelheid.
75
224740
2332
die een vaste positie en snelheid hebben.
03:59
They travelreizen down roadswegen.
76
227072
1631
Ze rijden over wegen.
04:00
OftenVaak they travelreizen on pre-publishedvooraf bekendgemaakt routesroutes.
77
228703
2412
Vaak rijden ze op vooraf aangegeven wegen.
04:03
It's really not that hardhard to make reasonableredelijk predictionsvoorspellingen
78
231115
3938
Het is niet zo moeilijk om te voorspellen
04:07
about where a car'sauto's going to be in the nearin de buurt futuretoekomst.
79
235053
2864
waar een auto zal zijn over een paar minuten.
04:09
Even if, when you're in your carauto
80
237917
2002
Zelfs als je in je auto bent
04:11
and some motorcyclistmotorrijder comeskomt -- bshoombshoom! --
81
239919
1994
en er komt een motorrijder aan - zoef! -
04:13
85 milesmijlen an houruur down, lane-splittingLane-splitsing --
82
241913
2296
met 135 km per uur, wisselend van rijstrook -
04:16
I know you've had this experienceervaring --
83
244209
2547
je hebt dat vast wel eens meegemaakt -
04:18
that guy didn't "just come out of nowherenergens."
84
246756
2603
die motor komt niet 'uit het niets'.
04:21
That guy'sguy's been on the roadweg probablywaarschijnlijk for the last halfvoor de helft houruur.
85
249359
3643
Die rijdt waarschijnlijk al een half uur op deze weg.
04:25
(LaughterGelach)
86
253002
1190
(Gelach)
04:26
Right? I mean, somebody'ssomebody is seengezien him.
87
254192
3589
Iemand moet hem gezien hebben.
04:29
TenTien, 20, 30 milesmijlen back, someone'siemands seengezien that guy,
88
257781
2768
Misschien 10, 20 of 30 kilometer eerder
heeft iemand hem gezien.
04:32
and as soonspoedig as one carauto seesziet that guy
89
260549
2384
En wanneer één auto die motorrijder ziet,
04:34
and putsputs him on the mapkaart, he's on the mapkaart --
90
262933
2231
dan wordt deze geregistreerd -
04:37
positionpositie, velocitysnelheid,
91
265164
2176
positie, snelheid.
04:39
good estimateschatting he'llhel continuevoortzetten going 85 milesmijlen an houruur.
92
267340
2321
Hij blijft nog wel even 135 km per uur rijden.
04:41
You'llU zult know, because your carauto will know, because
93
269661
2184
Jij weet dat, omdat je auto het weet, omdat
04:43
that other carauto will have whisperedfluisterde something in his earoor,
94
271845
2275
een andere auto dat in zijn oor heeft gefluisterd.
04:46
like, "By the way, fivevijf minutesnotulen,
95
274120
1923
Zo iets als: "Let op! Over vijf minuten,
04:48
motorcyclistmotorrijder, watch out."
96
276043
2775
motorrijder, kijk uit!"
04:50
You can make reasonableredelijk predictionsvoorspellingen about how carsauto's behavezich gedragen.
97
278818
2703
Je kunt aardig inschatten
hoe andere auto's zich gaan gedragen.
04:53
I mean, they're NewtonianNewtoniaanse objectsvoorwerpen.
98
281521
1365
Ze doen dat al zo lang.
04:54
That's very niceleuk about them.
99
282886
2909
Dat is juist het makkelijke eraan.
04:57
So how do we get there?
100
285795
3034
Maar hoe komen we zo ver?
05:00
We can startbegin with something as simpleeenvoudig
101
288829
2266
We kunnen beginnen met iets simpels,
05:03
as sharingdelen our positionpositie datagegevens betweentussen carsauto's,
102
291095
2870
bijvoorbeeld met het doorgeven
van onze positie aan andere auto's.
05:05
just sharingdelen GPSGPS.
103
293965
1892
Gewoon de gps-gegevens delen.
05:07
If I have a GPSGPS and a cameracamera in my carauto,
104
295857
2444
Als ik een gps en een camera in mijn auto heb,
05:10
I have a prettymooi precisenauwkeurig ideaidee of where I am
105
298301
2231
dan weet ik vrij aardig waar ik me bevind
05:12
and how fastsnel I'm going.
106
300532
1732
en hoe snel ik ga.
05:14
With computercomputer visionvisie, I can estimateschatting where
107
302264
1657
Met hulp van een computer kan ik inschatten
05:15
the carsauto's around me are, sortsoort of, and where they're going.
108
303921
3537
waar de auto's om mij heen zijn
en waar ze naar toe gaan.
05:19
And samedezelfde with the other carsauto's.
109
307458
970
Dat geldt ook voor andere auto's.
05:20
They can have a precisenauwkeurig ideaidee of where they are,
110
308428
1814
Ze kunnen exact weten waar ze zijn
05:22
and sortsoort of a vaguevaag ideaidee of where the other carsauto's are.
111
310242
2146
en hebben een vaag idee waar andere auto's zijn.
05:24
What happensgebeurt if two carsauto's sharedelen that datagegevens,
112
312388
3231
Wat zou er gebeuren als twee auto's
deze gegevens uitwisselen,
05:27
if they talk to eachelk other?
113
315619
1955
als ze met elkaar zouden praten?
05:29
I can tell you exactlyprecies what happensgebeurt.
114
317574
2778
Ik kan precies zeggen wat er dan gebeurt:
05:32
BothBeide modelsmodellen improveverbeteren.
115
320352
2339
ze worden er allebei beter van.
05:34
EverybodyIedereen winswint.
116
322691
2055
Het is een win-win-situatie.
05:36
ProfessorProfessor BobBob WangWang and his teamteam
117
324746
2577
Professor Bob Wang en zijn team..
05:39
have donegedaan computercomputer simulationssimulaties of what happensgebeurt
118
327323
2738
hebben computersimulaties gemaakt van wat er gebeurt
05:42
when fuzzyfuzzy estimatesramingen combinecombineren, even in lightlicht trafficverkeer,
119
330061
3431
als schattingen worden gecombineerd,
zelfs als het niet zo druk is,
05:45
when carsauto's just sharedelen GPSGPS datagegevens,
120
333492
2624
als auto's alleen maar hun gps-gegevens
zouden uitwisselen.
05:48
and we'vewij hebben movedverhuisd this researchOnderzoek out of the computercomputer simulationsimulatie
121
336116
2513
Dit onderzoek is nu de fase van computersimulatie voorbij.
05:50
and into robotrobot testtest bedsbedden that have the actualwerkelijk sensorssensors
122
338629
3027
Er zijn nu de proefmodellen met echte sensoren
05:53
that are in carsauto's now on these robotsrobots:
123
341656
3133
in auto's die op de computers staan:
05:56
stereostereo camerascamera's, GPSGPS,
124
344789
1838
dubbele camera's, gps,
05:58
and the two-dimensionaltweedimensionale laserlaser rangereeks findersvinders
125
346627
1874
en de tweedimensionale afstandsmeters
06:00
that are commongemeenschappelijk in backupbackup systemssystemen.
126
348501
2240
die gebruikt worden in backupsystemen.
06:02
We alsoook attachhechten a discretediscreet short-rangekorte afstand communicationcommunicatie radioradio-,
127
350741
4484
We hangen er ook een losse radio aan
met kort bereik
06:07
and the robotsrobots talk to eachelk other.
128
355225
1909
en laten de robots met elkaar praten.
06:09
When these robotsrobots come at eachelk other,
129
357134
1539
Als deze robots elkaar vinden,
06:10
they trackspoor eachelk other'selkaars positionpositie preciselyprecies,
130
358673
2971
dan bepalen ze elkaars positie
06:13
and they can avoidvermijden eachelk other.
131
361644
2737
en kunnen ze elkaar uit de weg gaan.
06:16
We're now addingtoe te voegen more and more robotsrobots into the mixmengen,
132
364381
3226
We voegen momenteel steeds meer robots toe
06:19
and we encounteredondervonden some problemsproblemen.
133
367607
1471
en we liepen tegen een paar problemen aan.
06:21
One of the problemsproblemen, when you get too much chattergebabbel,
134
369078
2359
Als er te veel gegevens
heen en weer worden gestuurd
06:23
it's hardhard to processwerkwijze all the packetsPakketten, so you have to prioritizeprioriteren,
135
371437
3728
dan wordt het moeilijk alle gegevens te verwerken.
Er moet dan bepaald worden wat belangrijk is.
06:27
and that's where the predictivevoorspellende modelmodel- helpshelpt you.
136
375165
2357
Dan komt het voorspellende model van pas.
06:29
If your robotrobot carsauto's are all trackingbijhouden the predictedvoorspelde trajectoriestrajecten,
137
377522
4372
Als alle robotauto's de voorspelde trajecten bijhouden,
06:33
you don't paybetalen as much attentionaandacht to those packetsPakketten.
138
381894
1767
dan hoef je daar niet zo veel aandacht aan te besteden.
06:35
You prioritizeprioriteren the one guy
139
383661
1703
Je richt je slechts op die ene persoon
06:37
who seemslijkt to be going a little off courseCursus.
140
385364
1333
die van het standaardtraject afwijkt.
06:38
That guy could be a problemprobleem.
141
386697
2526
Die persoon zou een probleem kunnen worden.
06:41
And you can predictvoorspellen the newnieuwe trajectorytraject.
142
389223
3002
Je kunt het nieuwe traject voorspellen.
06:44
So you don't only know that he's going off courseCursus, you know how.
143
392225
2763
Je weet niet alleen dat hij afwijkt,
je weet ook hoe.
06:46
And you know whichwelke driversstuurprogramma 's you need to alertalarm to get out of the way.
144
394988
3725
Je weet welke chauffeurs je moet waarschuwen
om uit de weg te gaan.
06:50
And we wanted to do -- how can we bestbeste alertalarm everyoneiedereen?
145
398713
2633
Hoe kunnen wij het beste iedereen waarschuwen?
06:53
How can these carsauto's whisperWhisper, "You need to get out of the way?"
146
401346
3183
Hoe kunnen deze auto's doorgeven:
"Zorg dat je wegkomt?"
06:56
Well, it dependshangt af on two things:
147
404529
1517
Dat hangt af van twee dingen.
06:58
one, the abilityvermogen of the carauto,
148
406046
2169
Eén: de mogelijkheden van de auto,
07:00
and secondtweede the abilityvermogen of the driverbestuurder.
149
408215
3217
Twee: de bekwaamheid van de chauffeur.
07:03
If one guy has a really great carauto,
150
411432
1505
Als iemand een geweldige auto heeft,
07:04
but they're on theirhun phonetelefoon or, you know, doing something,
151
412937
2925
maar aan het bellen is of iets anders aan het doen is,
07:07
they're not probablywaarschijnlijk in the bestbeste positionpositie
152
415862
1930
dan is hij waarschijnlijk niet alert genoeg
07:09
to reactReageer in an emergencynoodgeval.
153
417792
2970
om tijdig te reageren in geval van nood.
07:12
So we startedbegonnen a separatescheiden linelijn of researchOnderzoek
154
420762
1665
We zijn een apart onderzoek begonnen
07:14
doing driverbestuurder statestaat modelingmodellering.
155
422427
2551
naar de houding van de chauffeur.
07:16
And now, usinggebruik makend van a seriesserie of threedrie camerascamera's,
156
424978
2329
Met behulp van drie camera's
07:19
we can detectopsporen if a driverbestuurder is looking forwardvooruit,
157
427307
2270
zien we of een chauffeur voor zich uit kijkt,
07:21
looking away, looking down, on the phonetelefoon,
158
429577
2860
wegkijkt, naar beneden kijkt, aan het bellen is,
07:24
or havingmet a cupkop of coffeekoffie.
159
432437
3061
of een kopje koffie drinkt.
07:27
We can predictvoorspellen the accidentongeval
160
435498
2070
Wij kunnen het ongeval voorspellen
07:29
and we can predictvoorspellen who, whichwelke carsauto's,
161
437568
3651
en we kunnen voorspellen welke auto's
07:33
are in the bestbeste positionpositie to moveverhuizing out of the way
162
441219
3486
het beste uit de weg kunnen gaan,
07:36
to calculateberekenen the safestveiligste routeroute for everyoneiedereen.
163
444705
3009
om de veiligste route voor iedereen berekenen.
07:39
FundamentallyFundamenteel, these technologiestechnologieën existbestaan todayvandaag.
164
447714
4635
Deze technologieën zijn er vandaag al.
07:44
I think the biggestgrootste problemprobleem that we facegezicht
165
452349
2824
Ik denk dat het grootste probleem
07:47
is our owneigen willingnessbereidheid to sharedelen our datagegevens.
166
455173
3013
onze bereidwilligheid zal zijn om gegevens te delen.
07:50
I think it's a very disconcertingverontrustend notionbegrip,
167
458186
2631
Het is een verontrustende gedachte
07:52
this ideaidee that our carsauto's will be watchingkijken us,
168
460817
2386
dat auto's ons in de gaten kunnen houden,
07:55
talkingpratend about us to other carsauto's,
169
463203
3371
en over ons praten met andere auto's,
07:58
that we'llgoed be going down the roadweg in a seazee of gossiproddel.
170
466574
3427
dat we ons op de weg begeven
in een zee van geroddel.
08:02
But I believe it can be donegedaan in a way that protectsbeschermt our privacyprivacy,
171
470001
3897
Maar ik denk dat het mogelijk is
met bescherming van onze privacy,
08:05
just like right now, when I look at your carauto from the outsidebuiten,
172
473898
3741
net als nu: ik zie je auto van buitenaf,
08:09
I don't really know about you.
173
477639
2363
terwijl ik niets over jou weet.
08:12
If I look at your licenselicentie platebord numberaantal,
174
480002
1137
Als ik naar jouw kentekenplaat kijk,
08:13
I don't really know who you are.
175
481139
1886
dan weet ik echt niet wie je bent.
08:15
I believe our carsauto's can talk about us behindachter our backsrug.
176
483025
4249
Ik geloof dat onze auto's achter onze rug
over ons kunnen praten.
08:19
(LaughterGelach)
177
487274
2975
(Gelach)
08:22
And I think it's going to be a great thing.
178
490249
3185
Ik denk dat het heel groot gaat worden.
08:25
I want you to consideroverwegen for a momentmoment
179
493434
1650
Denk je eens in:
08:27
if you really don't want the distractedafgeleid teenagertiener behindachter you
180
495084
4118
Wil je echt niet dat die verstrooide tiener achter jou
08:31
to know that you're brakingremmen,
181
499202
2120
weet dat je op de rem gaat staan,
08:33
that you're comingkomt eraan to a deaddood stop.
182
501322
2924
dat je een noodstop moet maken?
08:36
By sharingdelen our datagegevens willinglygewillig,
183
504246
2741
Door het vrijwillig delen van onze gegevens,
08:38
we can do what's bestbeste for everyoneiedereen.
184
506987
2812
kunnen wij doen wat voor iedereen het beste zou zijn.
08:41
So let your carauto gossiproddel about you.
185
509799
3076
Dus laat je auto lekker over je kletsen.
08:44
It's going to make the roadswegen a lot saferveiliger.
186
512875
3038
Het zal de wegen een stuk veiliger maken.
08:47
Thank you.
187
515913
1791
Bedankt.
08:49
(ApplauseApplaus)
188
517704
4985
(Applaus)
Translated by Ingrid van Sichem
Reviewed by Els De Keyser

▲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

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee