TED2013
Mary Lou Jepsen: Could future devices read images from our brains?
Mary Lou Jepsen: No futuro, existirão equipamentos capazes de captar imagens dos nossos cérebros?
Filmed:
Readability: 4.6
1,035,856 views
Como uma especialista em vídeos digitais de alta tecnologia, Mary Lou Jepsen pesquisa como levar nossa maiores ideias para a tela. E ela mesma, como paciente de uma cirurgia no cérebro, é compelida a conhecer mais sobre a atividade nervosa por trás da inventividade, criatividade e pensamento. Ela entrelaça estas duas paixões numa conversa irresistível sobre duas pesquisas de ponta, que poderá levar a uma nova fronteira no entendimento de como (e porque) nós pensamos.
Mary Lou Jepsen - Inventor, entrepreneur, optical physicist
Mary Lou Jepsen pushes the edges of what's possible in optics and physics, to make new types of devices, leading teams and working with huge factories that can ship vast volumes of these strange, new things. Full bio
Mary Lou Jepsen pushes the edges of what's possible in optics and physics, to make new types of devices, leading teams and working with huge factories that can ship vast volumes of these strange, new things. Full bio
Double-click the English transcript below to play the video.
00:12
I had brain surgery 18 years ago,
0
607
2508
Há 18 anos fiz uma cirurgia no cérebro,
00:15
and since that time, brain science has become
1
3115
2567
e desde então, o estudo do cérebro
00:17
a personal passion of mine.
2
5682
1999
tem sido uma paixão para mim.
00:19
I'm actually an engineer.
3
7681
2235
Sou engenheira
00:21
And first let me say, I recently joined
4
9916
2516
e recentemente me juntei
00:24
Google's Moonshot group,
5
12432
1549
ao Grupo Moonshot do Google,
00:25
where I had a division,
6
13981
1212
no qual liderava uma divisão,
00:27
the display division in Google X,
7
15193
2181
a divisão de monitores do Google X.
00:29
and the brain science work I'm speaking about today
8
17374
2622
O trabalho de ciência
sobre o cérebro que falarei hoje
sobre o cérebro que falarei hoje
00:31
is work I did before I joined Google
9
19996
2921
é um trabalho que fiz
antes de me juntar ao Google
antes de me juntar ao Google
00:34
and on the side outside of Google.
10
22917
2332
e paralelo ao Google.
00:37
So that said, there's a stigma
11
25249
3183
Existe um estigma
00:40
when you have brain surgery.
12
28432
2285
quando você faz uma cirurgia no cérebro.
00:42
Are you still smart or not?
13
30717
2823
Você ainda é esperto?
00:45
And if not, can you make yourself smart again?
14
33540
3848
E se não, você pode voltar a ser esperto?
00:49
After my neurosurgery,
15
37388
1766
Depois da minha neurocirurgia,
00:51
part of my brain was missing,
16
39154
1997
perdi um pedaço do meu cérebro,
00:53
and I had to deal with that.
17
41151
2773
e tive que lidar com isso.
00:55
It wasn't the grey matter, but it
was the gooey part dead center
was the gooey part dead center
18
43924
2944
Não foi a massa cinzenta,
mas a parte pegajosa do centro
mas a parte pegajosa do centro
00:58
that makes key hormones and neurotransmitters.
19
46868
3402
que fabrica hormônios e neurotransmissores.
01:02
Immediately after my surgery,
20
50270
2231
Logo após a cirurgia,
01:04
I had to decide what amounts of each of over
21
52501
2143
tive de decidir
o quanto tomar todos os dias
o quanto tomar todos os dias
01:06
a dozen powerful chemicals to take each day,
22
54644
3702
de muitos poderosos produtos químicos,
01:10
because if I just took nothing,
23
58346
1809
porque se não tomasse nada,
01:12
I would die within hours.
24
60155
2732
morreria em algumas horas.
01:14
Every day now for 18 years -- every single day --
25
62887
3920
Todos os dias, pelos últimos 18 anos,
01:18
I've had to try to decide the combinations
26
66807
2710
tenho tentado decidir as combinações
01:21
and mixtures of chemicals,
27
69517
1328
e quantidades dos produtos químicos,
01:22
and try to get them, to stay alive.
28
70845
3847
e tentado consegui-los, para sobreviver.
01:26
There have been several close calls.
29
74692
2721
Tive muitas dificuldades,
01:29
But luckily, I'm an experimentalist at heart,
30
77413
3699
mas, para minha sorte,
sempre gostei de explorar.
sempre gostei de explorar.
01:33
so I decided I would experiment
31
81112
3227
Então decidi que faria tentativas
01:36
to try to find more optimal dosages
32
84339
2440
para achar as melhores dosagens,
01:38
because there really isn't a clear road map
33
86779
1637
porque não existe uma regra clara
01:40
on this that's detailed.
34
88416
1903
e detalhada sobre isto.
01:42
I began to try different mixtures,
35
90319
2151
Comecei a experimentar
misturas diferentes,
misturas diferentes,
01:44
and I was blown away by how
36
92470
2872
e fiquei muito surpresa
por como pequenas alterações nas dosagens
01:47
tiny changes in dosages
37
95342
2411
01:49
dramatically changed my sense of self,
38
97753
3149
mudavam dramaticamente minha consciência,
01:52
my sense of who I was, my thinking,
39
100902
1811
minha sensação de quem eu sou,
meus pensamentos,
meus pensamentos,
01:54
my behavior towards people.
40
102713
2259
meu comportamento com as pessoas.
01:56
One particularly dramatic case:
41
104972
2049
Um exemplo particularmente dramático:
01:59
for a couple months I actually tried dosages
42
107021
1868
por dois meses, tentei dosagens
e produtos químicos
e produtos químicos
02:00
and chemicals typical of a man in his early 20s,
43
108889
3908
de um homem de 20 e poucos anos,
02:04
and I was blown away by how my thoughts changed.
44
112797
3011
e fiquei perplexa com como
meus pensamentos mudaram.
meus pensamentos mudaram.
02:07
(Laughter)
45
115808
3120
(risos)
02:10
I was angry all the time,
46
118928
3058
Ficava irritada o tempo todo,
02:13
I thought about sex constantly,
47
121986
1846
pensava em sexo toda hora
02:15
and I thought I was the smartest person
48
123832
2949
e me achava mais esperta que todos,
02:18
in the entire world, and
49
126781
2051
que todo mundo, que o mundo inteiro.
02:20
—(Laughter)—
50
128832
2263
(risos)
02:23
of course over the years I'd
met guys kind of like that,
met guys kind of like that,
51
131095
2925
Logicamente, no correr do anos,
encontrei homens assim,
encontrei homens assim,
02:26
or maybe kind of toned-down versions of that.
52
134020
2267
ou talvez uma versão
mais moderada daquela.
mais moderada daquela.
02:28
I was kind of extreme.
53
136287
2184
Foi intenso.
02:30
But to me, the surprise was,
54
138471
2569
Mas, para minha surpresa,
02:33
I wasn't trying to be arrogant.
55
141040
2166
não estava tentando ser arrogante.
02:35
I was actually trying,
56
143206
3209
Na verdade, estava tentando,
02:38
with a little bit of insecurity,
57
146415
2360
com um pouco de insegurança,
02:40
to actually fix a problem in front of me,
58
148775
3000
consertar um problema a minha frente,
02:43
and it just didn't come out that way.
59
151775
1856
mas não conseguia fazê-lo.
02:45
So I couldn't handle it.
60
153631
1483
Então perdi o controle.
02:47
I changed my dosages.
61
155114
1525
Mudei minhas dosagens.
02:48
But that experience, I think, gave me
62
156639
2455
Mas, acredito que aquela
experiência me deu
experiência me deu
02:51
a new appreciation for men
63
159094
1751
uma nova compreensão sobre homens
02:52
and what they might walk through,
64
160845
1816
e aquilo por que passam,
02:54
and I've gotten along with men
65
162661
1690
e tenho me dado muito melhor
02:56
a lot better since then.
66
164351
1839
com os homens desde então.
02:58
What I was trying to do
67
166190
1545
O que estava tentando fazer
02:59
with tuning these hormones
68
167735
2028
acionando estes hormônios
03:01
and neurotransmitters and so forth
69
169763
2323
e neurotransmissores e tudo mais,
03:04
was to try to get my intelligence back
70
172086
3605
era tentar conquistar
minha inteligência de volta
minha inteligência de volta
03:07
after my illness and surgery,
71
175691
2634
depois da doença e da cirurgia.
03:10
my creative thought, my idea flow.
72
178325
2635
Meu pensamento criativo,
a fluidez de minhas ideias.
a fluidez de minhas ideias.
03:12
And I think mostly in images,
73
180960
2641
Penso na maioria da vezes em imagens
03:15
and so for me that became a key metric --
74
183601
2852
e para mim isto se tornou
um indicador principal
um indicador principal
03:18
how to get these mental images
75
186453
2330
de como conseguir estas imagens mentais
03:20
that I use as a way of rapid prototyping,
76
188783
2504
que usaria como se fossem
um modelo rápido,
um modelo rápido,
03:23
if you will, my ideas,
77
191287
1743
testando minhas novas ideias
03:25
trying on different new ideas for size,
78
193030
2372
para ver se funcionam,
03:27
playing out scenarios.
79
195402
1695
simulando situações.
03:29
This kind of thinking isn't new.
80
197097
1913
Esta linha de pensamento não é nova.
03:31
Philiosophers like Hume and Descartes and Hobbes
81
199010
3255
Filósofos como Hume, Descartes e Hobbes
03:34
saw things similarly.
82
202265
1528
pensavam de uma forma similar.
03:35
They thought that mental images and ideas
83
203793
2737
Acreditavam que imagens mentais e ideias
03:38
were actually the same thing.
84
206530
2331
eram a mesma coisa.
03:40
There are those today that dispute that,
85
208861
2417
Hoje, existem alguns que contestam isso
03:43
and lots of debates about how the mind works,
86
211278
3195
e muitos debates
sobre como a mente funciona,
sobre como a mente funciona,
03:46
but for me it's simple:
87
214473
1736
mas para mim é simples:
03:48
Mental images, for most of us,
88
216209
2532
imagens mentais, para muitos de nós,
03:50
are central in inventive and creative thinking.
89
218741
3934
são essenciais
para a inventividade e a criatividade.
para a inventividade e a criatividade.
03:54
So after several years,
90
222675
1775
Então, depois de vários anos,
03:56
I tuned myself up and I have lots of great,
91
224450
3233
fui atrás e hoje tenho muitas e excelentes
03:59
really vivid mental images with a lot of sophistication
92
227683
3048
imagens mentais vívidas
e muito sofisticadas
e muito sofisticadas
04:02
and the analytical backbone behind them.
93
230731
2269
e com uma análise consistente delas.
04:05
And so now I'm working on,
94
233000
1921
Agora estou trabalhando
04:06
how can I get these mental images in my mind
95
234921
4162
em como conseguir transferir
rapidamente estas imagens
rapidamente estas imagens
04:11
out to my computer screen faster?
96
239083
2850
da minha mente rapidamente
para a tela do meu computador.
para a tela do meu computador.
04:13
Can you imagine, if you will,
97
241933
2089
Você poderia imaginar
04:16
a movie director being able to use
98
244022
2120
um diretor de cinema capaz de usar
04:18
her imagination alone to
direct the world in front of her?
direct the world in front of her?
99
246142
3762
apenas sua imaginação
para dirigir o mundo na sua frente?
para dirigir o mundo na sua frente?
04:21
Or a musician to get the music out of his head?
100
249904
3588
Ou um músico conseguindo
extrair a música de sua cabeça?
extrair a música de sua cabeça?
04:25
There are incredible possibilities with this
101
253492
2292
Há possibilidades incríveis de essa
04:27
as a way for creative people
102
255784
1993
ser uma forma de pessoas criativas
04:29
to share at light speed.
103
257777
2233
compartilharem na velocidade da luz.
04:32
And the truth is, the remaining bottleneck
104
260010
1998
E a verdade é que o gargalo que resta
04:34
in being able to do this
105
262008
1173
para sermos capazes
de realizar isto é melhorar
de realizar isto é melhorar
04:35
is just upping the resolution of brain scan systems.
106
263181
3980
a resolução de sistemas
de escaneamento de cérebros.
de escaneamento de cérebros.
04:39
So let me show you why I think
we're pretty close to getting there
we're pretty close to getting there
107
267161
2858
Deixe me mostrar porque estamos
perto de conseguir isto,
perto de conseguir isto,
04:42
by sharing with you two recent experiments
108
270029
2387
compartilhando com vocês
experimentos recentes
experimentos recentes
04:44
from two top neuroscience groups.
109
272416
2587
de dois renomados
grupos de neurocientistas.
grupos de neurocientistas.
04:47
Both used fMRI technology --
110
275003
2488
Os dois usaram tecnologia de fMRI -
04:49
functional magnetic resonance imaging technology --
111
277491
2279
ou Imagem de Ressonância
Magnética Funcional
Magnética Funcional
04:51
to image the brain,
112
279770
1411
para gerar imagens do cérebro,
04:53
and here is a brain scan set from Giorgio Ganis
113
281181
3257
e aqui temos um cérebro
escaneado por Giorgio Ganis
escaneado por Giorgio Ganis
04:56
and his colleagues at Harvard.
114
284438
1950
e seus colaboradores em Harvard.
04:58
And the left-hand column shows a brain scan
115
286388
3154
Na coluna da esquerda,
um cérebro escaneado
um cérebro escaneado
05:01
of a person looking at an image.
116
289542
3267
de uma pessoa olhando uma imagem.
05:04
The middle column shows the brainscan
117
292809
1929
Na coluna do meio, um cérebro escaneado
05:06
of that same individual
118
294738
1621
do mesmo indivíduo
05:08
imagining, seeing that same image.
119
296359
3066
imaginando que está olhando
aquela mesma imagem.
aquela mesma imagem.
05:11
And the right column was created
120
299425
2048
E a coluna da direita foi criada
05:13
by subtracting the middle
column from the left column,
column from the left column,
121
301473
3594
para subtrair a coluna do meio
da coluna da esquerda
da coluna da esquerda
mostrando que a diferença
é praticamente zero.
é praticamente zero.
05:17
showing the difference to be nearly zero.
122
305083
2943
05:20
This was repeated on lots of different individuals
123
308026
2894
Isto foi repetido com muitas indivíduos,
05:22
with lots of different images,
124
310920
2830
com muitas imagens diferentes,
05:25
always with a similar result.
125
313750
1604
sempre com resultados similares.
05:27
The difference between seeing an image
126
315354
2089
A diferença entre ver uma imagem
05:29
and imagining seeing that same image
127
317443
2455
e imaginar ver aquela imagem
05:31
is next to nothing.
128
319898
2155
é muito pouca.
05:34
Next let me share with you one other experiment,
129
322053
2761
Agora vamos compartilhar
um outro experimento,
um outro experimento,
05:36
this from Jack Gallant's lab at Cal Berkeley.
130
324814
4541
este é do laboratório
de Jack Gallant em Berkeley Califórnia
de Jack Gallant em Berkeley Califórnia
05:41
They've been able to decode brainwaves
131
329355
2063
Eles conseguiram codificar ondas cerebrais
05:43
into recognizable visual fields.
132
331418
2441
em campos visuais identificáveis.
05:45
So let me set this up for you.
133
333859
1305
Certo, deixe me explicar isto.
05:47
In this experiment, individuals were shown
134
335164
2333
Neste experimento, pessoas assistiram
05:49
hundreds of hours of YouTube videos
135
337497
1995
a vídeos do YouTube por centenas de horas,
05:51
while scans were made of their brains
136
339492
2039
enquanto seus cérebros eram escaneados
05:53
to create a large library of their brain reacting
137
341531
3216
criando um banco de dados
da reação cerebral
da reação cerebral
05:56
to video sequences.
138
344747
2649
pelas sequências de vídeos.
05:59
Then a new movie was shown with new images,
139
347396
2850
Então, um novo filme foi exibido
com novas imagens,
com novas imagens,
06:02
new people, new animals in it,
140
350246
1952
com novas pessoas e animais,
06:04
and a new scan set was recorded.
141
352198
2711
e escaneado novamente.
06:06
The computer, using brain scan data alone,
142
354909
2788
O computar, utilizando apenas
o banco de dados,
o banco de dados,
06:09
decoded that new brain scan
143
357697
2024
decifrou o novo registro escaneado,
06:11
to show what it thought the
individual was actually seeing.
individual was actually seeing.
144
359721
4376
presumindo o que a pessoa estava vendo.
06:16
On the right-hand side, you
see the computer's guess,
see the computer's guess,
145
364097
3381
No lado direito, você vê
o que o computador enxergou,
o que o computador enxergou,
06:19
and on the left-hand side, the presented clip.
146
367478
4007
no lado esquerdo, o vídeo apresentado.
06:23
This is the jaw-dropper.
147
371485
2319
É de ficar de boca aberta.
06:25
We are so close to being able to do this.
148
373804
2687
Estamos muito perto de conseguir isto.
06:28
We just need to up the resolution.
149
376491
2785
Precisamos apenas aprimorar a resolução.
06:31
And now remember that when you see an image
150
379276
3252
E agora lembre
que quando você vê uma imagem
que quando você vê uma imagem
06:34
versus when you imagine that same image,
151
382528
2158
ou quando você imagina
que vê a mesma imagem,
que vê a mesma imagem,
06:36
it creates the same brain scan.
152
384686
3475
o mesmo mapeamento cerebral é criado.
06:40
So this was done with the highest-resolution
153
388161
2722
Isto foi realizado
com o sistema de ressonância
com o sistema de ressonância
06:42
brain scan systems available today,
154
390883
2185
de mais alta resolução disponível hoje,
06:45
and their resolution has increased really
155
393068
1784
e sua resolução melhorou milhares
06:46
about a thousandfold in the last several years.
156
394852
3497
de vezes nos últimos anos.
06:50
Next we need to increase the resolution
157
398349
2322
Precisamos melhorar a resolução
06:52
another thousandfold
158
400671
1977
outras milhares de vezes
06:54
to get a deeper glimpse.
159
402648
1789
para conseguir uma visão mais profunda.
06:56
How do we do that?
160
404437
1511
Como conseguir isto?
06:57
There's a lot of techniques in this approach.
161
405948
2614
Existem muitas técnicas para isto.
07:00
One way is to crack open your
skull and put in electrodes.
skull and put in electrodes.
162
408562
3118
Podemos abrir sua cabeça
e colocar eletrodos lá dentro.
e colocar eletrodos lá dentro.
07:03
I'm not for that.
163
411680
1403
Mas não quero isto.
07:05
There's a lot of new imaging techniques
164
413083
2955
Existem muitas técnicas de ressonância
07:08
being proposed, some even by me,
165
416038
2003
sendo propostas, algumas até por mim,
07:10
but given the recent success of MRI,
166
418041
2959
mas devido ao sucesso recente do MRI,
07:13
first we need to ask the question,
167
421000
2068
primeiro precisamos perguntar:
07:15
is it the end of the road with this technology?
168
423068
2841
este é o fim da linha desta tecnologia?
07:17
Conventional wisdom says the only way
169
425909
2455
É sabido até o momento que a única forma
07:20
to get higher resolution is with bigger magnets,
170
428364
2589
de se melhorar a resolução
é com ímãs maiores,
é com ímãs maiores,
07:22
but at this point bigger magnets
171
430953
1842
mas, até o momento, ímãs maiores
07:24
only offer incremental resolution improvements,
172
432795
3750
oferecem apenas incrementos de melhorias,
07:28
not the thousandfold we need.
173
436545
2160
não as milhares de vezes que precisamos.
07:30
I'm putting forward an idea:
174
438705
1823
Pois tenho uma ideia:
07:32
instead of bigger magnets,
175
440528
1963
em vez de ímãs maiores,
07:34
let's make better magnets.
176
442491
2450
vamos fazer ímãs melhores.
07:36
There's some new technology breakthroughs
177
444941
2003
Existem novas descobertas tecnológicas
07:38
in nanoscience
178
446944
1457
em nanociência
07:40
when applied to magnetic structures
179
448401
1727
que, quando aplicadas
em estruturas magnéticas,
em estruturas magnéticas,
07:42
that have created a whole new class of magnets,
180
450128
3013
têm criado uma nova classe de ímãs,
07:45
and with these magnets, we can lay down
181
453141
2531
e, com estes ímãs, podemos produzir
07:47
very fine detailed magnetic field patterns
182
455672
2167
padrões de campos magnéticos
07:49
throughout the brain,
183
457839
1355
muito bem detalhados por todo o cérebro
07:51
and using those, we can actually create
184
459194
3182
e com eles, podemos criar
07:54
holographic-like interference structures
185
462376
2838
hologramas de estruturas de interferência
07:57
to get precision control over many patterns,
186
465214
3469
para conseguir um controle preciso
sobre muitos padrões,
sobre muitos padrões,
08:00
as is shown here by shifting things.
187
468683
2445
mostrado aqui, deslocando-os.
08:03
We can create much more complicated structures
188
471128
3150
Podemos criar estruturas
muito mais complicadas
muito mais complicadas
08:06
with slightly different arrangements,
189
474278
2071
com pequenas diferenças de ajuste,
08:08
kind of like making Spirograph.
190
476349
3033
como se desenhássemos
com réguas Spirograph.
com réguas Spirograph.
08:11
So why does that matter?
191
479382
2228
Mas por que isto é importante?
08:13
A lot of effort in MRI over the years
192
481610
2577
Muito dos esforços em MRI nos últimos anos
08:16
has gone into making really big,
193
484187
2837
tem sido em produzir ímãs
08:19
really huge magnets, right?
194
487024
2610
muito, muito grandes, certo?
08:21
But yet most of the recent advances
195
489634
2509
Ainda assim, a maior parte
dos avanços recentes
dos avanços recentes
08:24
in resolution have actually come from
196
492143
2197
em resolução tem vindo
de engenhosas e inteligentes
de engenhosas e inteligentes
08:26
ingeniously clever encoding and decoding solutions
197
494340
4008
soluções em codificação e decodificação
08:30
in the F.M. radio frequency transmitters and receivers
198
498348
3287
de transmissores e receptores
de frequência F.M.
de frequência F.M.
08:33
in the MRI systems.
199
501635
2691
nos sistema de MRI.
08:36
Let's also, instead of a uniform magnetic field,
200
504326
3322
Também, em vez de um campo
magnético uniforme,
magnético uniforme,
08:39
put down structured magnetic patterns
201
507648
2672
vamos utilizar padrões
magnéticos estruturados
magnéticos estruturados
08:42
in addition to the F.M. radio frequencies.
202
510320
3099
junto à frequência F.M.
08:45
So by combining the magnetics patterns
203
513419
2307
Então, combinando estes padrões magnéticos
08:47
with the patterns in the F.M. radio frequencies
204
515726
2710
com os padrões das frequências F.M.
08:50
processing which can massively increase
205
518436
2171
processo que pode aumentar abundantemente
08:52
the information that we can extract
206
520607
1969
as informações que podemos extrair
08:54
in a single scan.
207
522576
2446
numa simples ressonância.
08:57
And on top of that, we can then layer
208
525022
2332
E, além disto, podemos contar
com o crescente
com o crescente
08:59
our ever-growing knowledge
of brain structure and memory
of brain structure and memory
209
527354
4472
conhecimento da estrutura
do cérebro e memória
do cérebro e memória
09:03
to create a thousandfold increase that we need.
210
531826
3695
para criar as milhares de vezes
de aumento de que precisamos.
de aumento de que precisamos.
09:07
And using fMRI, we should be able to measure
211
535521
2943
E, usando fMRI,
seríamos capazes de mensurar
seríamos capazes de mensurar
09:10
not just oxygenated blood flow,
212
538464
2082
não apenas o fluxo de sangue oxigenado,
09:12
but the hormones and neurotransmitters
I've talked about
I've talked about
213
540546
2901
mas os hormônios
e neurotransmissores de que falei
e neurotransmissores de que falei
09:15
and maybe even the direct neural activity,
214
543447
2345
e talvez até diretamente
a atividade nervosa,
a atividade nervosa,
09:17
which is the dream.
215
545792
1503
o que é o nosso sonho.
09:19
We're going to be able to dump our ideas
216
547295
2234
Nós seremos capazes
de transferir nossa ideias
de transferir nossa ideias
09:21
directly to digital media.
217
549529
2694
diretamente para os meios
digitais de comunicação.
digitais de comunicação.
09:24
Could you imagine if we could leapfrog language
218
552223
2711
Você pode imaginar
se pudéssemos pular a linguagem
se pudéssemos pular a linguagem
09:26
and communicate directly with human thought?
219
554934
4209
e se comunicar diretamente
com o pensamento humano?
com o pensamento humano?
09:31
What would we be capable of then?
220
559143
3193
Do que seríamos capaz depois?
09:34
And how will we learn to deal
221
562336
2637
E como iremos aprender a lidar
09:36
with the truths of unfiltered human thought?
222
564973
4219
com as verdades do pensamento
humano sem censura?
humano sem censura?
09:41
You think the Internet was big.
223
569192
2567
E você achou que a Internet
foi uma revolução.
foi uma revolução.
09:43
These are huge questions.
224
571759
2602
Estas são grandes perguntas.
09:46
It might be irresistible as a tool
225
574361
2148
Seria irresistível
usar como uma ferramenta
usar como uma ferramenta
09:48
to amplify our thinking and communication skills.
226
576509
3876
para melhorar nossas habilidades
de comunicação e raciocínio.
de comunicação e raciocínio.
09:52
And indeed, this very same tool
227
580385
2023
E também, esta mesma ferramenta
09:54
may prove to lead to the cure
228
582408
2126
talvez se mostre ser útil na cura
09:56
for Alzheimer's and similar diseases.
229
584534
3074
de Alzheimer e outra doenças similares.
09:59
We have little option but to open this door.
230
587608
3512
Temos poucas opções
a não ser abrir esta porta.
a não ser abrir esta porta.
10:03
Regardless, pick a year --
231
591120
1585
Escolha um ano:
10:04
will it happen in five years or 15 years?
232
592705
2266
acontecerá em 5 ou 15 anos?
10:06
It's hard to imagine it taking much longer.
233
594971
4616
É difícil de imaginar
que leve tanto tempo.
que leve tanto tempo.
10:11
We need to learn how to take this step together.
234
599587
3695
Precisamos aprender
como dar estes passos juntos.
como dar estes passos juntos.
10:15
Thank you.
235
603282
2174
Obrigado!!
(Aplausos)
10:17
(Applause)
236
605456
3974
ABOUT THE SPEAKER
Mary Lou Jepsen - Inventor, entrepreneur, optical physicistMary Lou Jepsen pushes the edges of what's possible in optics and physics, to make new types of devices, leading teams and working with huge factories that can ship vast volumes of these strange, new things.
Why you should listen
Mary Lou Jepsen is one of the world’s foremost engineers and scientists in optics, imaging and display -- inventing at the hairy, crazy edge of what physics allows, aiming to do what seems impossible and leading teams to achieve these in volume in partnership with the world’s largest manufacturers, in Asia. She has more than 200 patents published or issued.
Jepsen is the founder and CEO of Openwater, which aims to use new optics to see inside our bodies. Previously a top technical exec at Google, Facebook, Oculus and Intel, her startups include One Laptop Per Child, where she was CTO and chief architect on the $100 laptop. She studied at Brown, MIT and Rhode Island School of Design, and she was a professor at both MITs -- the one in Cambridge, Mass., and the Royal Melbourne Institute of Tech in Australia.
Mary Lou Jepsen | Speaker | TED.com