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

Дженифер Хейли: Если бы машины могли разговаривать, аварий удалось бы избежать

Filmed:
908,454 views

Когда мы садимся в машину, мы попадаем в стеклянный шар. Мы закрываем двери и жмём на газ, полностью полагаясь на наше зрение — несмотря на то, что видим лишь несколько машин спереди и сзади. Но чтобы бы произошло, если автомобили могли обмениваться информацией о своём положении и скорости и умели, используя прогностические модели, прокладывать безопасные маршруты для всех участников движения? Дженнифер Хейли пытается представить мир без автомобильных аварий. (Снято на 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 faceлицо it:
0
703
1914
Давайте посмотрим правде в глаза!
00:14
DrivingВождение is dangerousопасно.
1
2617
2445
Вождение — это опасность.
00:17
It's one of the things that we don't like to think about,
2
5062
3098
Это то, о чем не принято даже думать,
00:20
but the factфакт that religiousрелигиозная iconsиконки and good luckвезение charmsЧары
3
8160
3652
но факт того,
что всё больше иконок и амулетов
00:23
showпоказать up on dashboardsщитки around the worldМир
4
11812
4790
появляются на приборных панелях
автомобилей по всему миру,
00:28
betraysпредает the factфакт that we know this to be trueправда.
5
16602
4137
ясно даёт понять, что на самом деле
мы осознаем эту опасность.
00:32
CarАвтомобиль accidentsнесчастные случаи are the leadingведущий causeпричина of deathсмерть
6
20739
3594
Автокатастрофы
являются ведущей причиной смерти
00:36
in people agesвозраст 16 to 19 in the Unitedобъединенный Statesсостояния --
7
24333
4170
молодых людей от 16 до 19 в США —
00:40
leadingведущий causeпричина of deathсмерть --
8
28503
2843
основная причина смерти —
00:43
and 75 percentпроцент of these accidentsнесчастные случаи have nothing to do
9
31346
3863
и 75% этих происшествий никак не связаны
00:47
with drugsнаркотики or alcoholалкоголь.
10
35209
2285
ни с наркотиками, ни с алкоголем.
00:49
So what happensпроисходит?
11
37494
2261
Так что же происходит?
00:51
No one can say for sure, but I rememberзапомнить my first accidentавария.
12
39755
4219
Никто не может точно сказать,
но я помню свою первую аварию.
00:55
I was a youngмолодой driverВодитель out on the highwayшоссе,
13
43974
3803
Я тогда ещё была неопытным водителем
и ехала по шоссе,
00:59
and the carавтомобиль in frontфронт of me, I saw the brakeтормоз lightsогни go on.
14
47777
2258
и у машины впереди меня
включились тормозные фонари.
01:02
I'm like, "Okay, all right, this guy is slowingзамедление down,
15
50035
1800
Я подумала «Ладно, без паники,
он притормаживает,
01:03
I'll slowмедленный down too."
16
51835
1282
надо бы тоже притормозить».
01:05
I stepшаг on the brakeтормоз.
17
53117
1926
Я нажала на тормоз.
01:07
But no, this guy isn't slowingзамедление down.
18
55043
2254
Но нет, он не притормаживает.
01:09
This guy is stoppingостановка, deadмертвый stop, deadмертвый stop on the highwayшоссе.
19
57297
3178
Он останавливается, резко тормозит,
полное торможение на оживлённом шоссе!
01:12
It was just going 65 -- to zeroнуль?
20
60475
2540
Скорость должна была
упасть с 65 — до нуля?
01:15
I slammedзахлопнула on the brakesтормоза.
21
63015
1520
Я вдавила педаль тормоза.
01:16
I feltпочувствовал the ABSABS kickудар in, and the carавтомобиль is still going,
22
64535
3059
Я почувствовала, как включилась
антиблокировочная система торможения,
а машина продолжает двигаться
01:19
and it's not going to stop, and I know it's not going to stop,
23
67594
2696
и не собирается останавливаться,
и я знаю, что она не остановится,
01:22
and the airвоздух bagмешок deploysразвертывает, the carавтомобиль is totaledсоставил,
24
70290
2939
сработали подушки безопасности,
машина помята,
01:25
and fortunatelyк счастью, no one was hurtпричинить боль.
25
73229
3557
но к счастью, никто не пострадал.
01:28
But I had no ideaидея that carавтомобиль was stoppingостановка,
26
76786
4211
Но я и понятия не имела,
что машина останавливалась,
01:32
and I think we can do a lot better than that.
27
80997
3645
и я думаю,
что подобные ситуации можно избежать.
01:36
I think we can transformпреобразование the drivingвождение experienceопыт
28
84642
4145
Мне кажется,
что можно преобразить вождение,
01:40
by lettingсдача в аренду our carsлегковые автомобили talk to eachкаждый other.
29
88787
3879
разрешив нашим машинам
«разговаривать» друг с другом.
01:44
I just want you to think a little bitнемного
30
92666
1424
Я хочу, чтобы вы задумались
01:46
about what the experienceопыт of drivingвождение is like now.
31
94090
2888
о том, что сейчас представляет собой
процесс вождения.
01:48
Get into your carавтомобиль. CloseЗакрыть the doorдверь. You're in a glassстакан bubbleпузырь.
32
96978
4028
Сядьте в машину. Закройте дверь.
Вы в стеклянном шаре.
01:53
You can't really directlyнепосредственно senseсмысл the worldМир around you.
33
101006
2916
Вы не можете напрямую
воспринимать мир вокруг вас.
01:55
You're in this extendedрасширенный bodyтело.
34
103922
2181
Вы в этом вытянутом агрегате.
01:58
You're taskedпоставлена ​​задача with navigatingнавигационный it down
35
106103
2163
Ваша задача — управлять им
02:00
partially-seenчастично видно roadwaysмостовые,
36
108266
2056
на плохо просматриваемых дорогах,
02:02
in and amongstсреди other metalметалл giantsгиганты, at super-humanсупер-человек speedsскорость.
37
110322
4424
среди других таких же металлических
гигантов на нечеловеческих скоростях.
02:06
Okay? And all you have to guideруководство you are your two eyesглаза.
38
114746
4480
Так? И единственное, что помогает
ориентироваться во всем этом, это ваши глаза.
02:11
Okay, so that's all you have,
39
119226
1762
Хорошо, это всё, что у вас есть,
02:12
eyesглаза that weren'tне было really designedпредназначенный for this taskзадача,
40
120988
1735
глаза не предназначены для такого,
02:14
but then people askпросить you to do things like,
41
122723
3751
но потом приходится делать что-то,
02:18
you want to make a laneполоса дороги changeизменение,
42
126474
1549
например, перестроиться в другой ряд.
02:20
what's the first thing they askпросить you do?
43
128023
2321
Что от вас требуется в первую очередь?
02:22
Take your eyesглаза off the roadДорога. That's right.
44
130344
3095
Перевести взгляд с дороги. Именно так.
02:25
Stop looking where you're going, turnочередь,
45
133439
2096
Перестать следить за дорогой, повернуться,
02:27
checkпроверить your blindслепой spotместо,
46
135535
2018
проверить слепые зоны,
02:29
and driveводить машину down the roadДорога withoutбез looking where you're going.
47
137553
3471
и продолжить движение не видя, куда едешь.
02:33
You and everyoneвсе elseеще. This is the safeбезопасно way to driveводить машину.
48
141024
3135
Вы и все остальные.
Такое вождение считается безопасным.
02:36
Why do we do this? Because we have to,
49
144159
2241
Почему мы это делаем?
Потому что мы вынуждены,
02:38
we have to make a choiceвыбор, do I look here or do I look here?
50
146400
2579
нам нужно сделать выбор, куда же смотреть?
02:40
What's more importantважный?
51
148979
1521
Что более важно?
02:42
And usuallyкак правило we do a fantasticфантастика jobработа
52
150500
2711
И обычно мы прилагаем нереальные усилия,
02:45
pickingсобирание and choosingвыбор what we attendпосещать to on the roadДорога.
53
153211
3769
выбирая, чему же уделить внимание на дороге.
02:48
But occasionallyвремя от времени we missМисс something.
54
156980
3650
Но иногда мы что-то упускаем.
02:52
OccasionallyВремя от времени we senseсмысл something wrongнеправильно or too lateпоздно.
55
160630
4461
Иногда мы чувствуем, что что-то идёт не так
или замечаем это слишком поздно.
02:57
In countlessбесчисленный accidentsнесчастные случаи, the driverВодитель saysговорит,
56
165091
1988
После бесчисленных аварий
водители обычно говорят
02:59
"I didn't see it comingприход."
57
167079
2308
«Я не заметил, откуда он взялся!»
03:01
And I believe that. I believe that.
58
169387
3281
И я этому верю. Действительно верю.
03:04
We can only watch so much.
59
172668
2925
Нам только и остаётся,
что смотреть изо всех сил.
03:07
But the technologyтехнологии existsсуществует now that can help us improveулучшать that.
60
175593
5144
Но существуют технологии, которые
могут помочь исправить ситуацию.
03:12
In the futureбудущее, with carsлегковые автомобили exchangingобмена dataданные with eachкаждый other,
61
180737
4296
В будущем, когда машины смогут
обмениваться информацией друг с другом,
03:17
we will be ableв состоянии to see not just threeтри carsлегковые автомобили aheadвпереди
62
185033
3928
мы сможем увидеть
не только три машины впереди
03:20
and threeтри carsлегковые автомобили behindза, to the right and left,
63
188961
1594
или три машины сзади, справа и слева,
03:22
all at the sameодна и та же time, bird'sптичий eyeглаз viewПосмотреть,
64
190555
3166
все в один момент,
настоящее орлиное зрение,
03:25
we will actuallyна самом деле be ableв состоянии to see into those carsлегковые автомобили.
65
193721
3128
мы сможем заглянуть в эти машины.
03:28
We will be ableв состоянии to see the velocityскорость of the carавтомобиль in frontфронт of us,
66
196849
2371
Мы сможем увидеть скорость, с которой
двигается идущая впереди машина,
03:31
to see how fastбыстро that guy'sпарень going or stoppingостановка.
67
199220
3240
понять, с какой скоростью она движется
и собирается ли она останавливаться.
03:34
If that guy'sпарень going down to zeroнуль, I'll know.
68
202460
4510
Если водитель собирается
резко затормозить, я сразу пойму.
03:38
And with computationвычисление and algorithmsалгоритмы and predictiveпрогностическое modelsмодели,
69
206970
3859
И благодаря расчётам, алгоритмам
и прогностическим моделям,
03:42
we will be ableв состоянии to see the futureбудущее.
70
210829
3273
мы сможем заглянуть в будущее.
03:46
You mayмай think that's impossibleневозможно.
71
214102
1556
Может показаться, что это невозможно.
03:47
How can you predictпрогнозировать the futureбудущее? That's really hardжесткий.
72
215658
2731
Как можно предсказать будущее?
Это действительно нелегко.
03:50
ActuallyНа самом деле, no. With carsлегковые автомобили, it's not impossibleневозможно.
73
218389
3619
На самом деле нет.
С машинами это действительно возможно.
03:54
CarsЛегковые автомобили are three-dimensionalтрехмерный objectsобъекты
74
222008
2732
Машины — это трёхмерные объекты,
03:56
that have a fixedисправлено positionдолжность and velocityскорость.
75
224740
2332
которые обладают определённым положением
в пространстве и скоростью передвижения
03:59
They travelпутешествовать down roadsдороги.
76
227072
1631
Они едут по дорогам.
04:00
OftenЧасто they travelпутешествовать on pre-publishedпредварительно опубликованы routesмаршруты.
77
228703
2412
Зачастую они едут
по заранее определённым маршрутам.
04:03
It's really not that hardжесткий to make reasonableразумный predictionsпрогнозы
78
231115
3938
На самом деле не так сложно
сделать логичные предположения о том,
04:07
about where a car'sлегковые автомобили going to be in the nearвозле futureбудущее.
79
235053
2864
где машина окажется в ближайшем будущем.
04:09
Even if, when you're in your carавтомобиль
80
237917
2002
Даже если вы находитесь в вашей машине
04:11
and some motorcyclistмотоциклист comesвыходит -- bshoombshoom! --
81
239919
1994
и какой-то мотоцикл проезжает мимо —вжик! —
04:13
85 milesмиль an hourчас down, lane-splittingполоса расщепления --
82
241913
2296
140 км/ч, поперёк движения —
04:16
I know you've had this experienceопыт --
83
244209
2547
Я уверена, вы с этим сталкивались —
04:18
that guy didn't "just come out of nowhereнигде."
84
246756
2603
этот парень не появился «из ниоткуда».
04:21
That guy'sпарень been on the roadДорога probablyвероятно for the last halfполовина hourчас.
85
249359
3643
Этот парень, по-видимому,
уже как полчаса едет по дороге.
04:25
(LaughterСмех)
86
253002
1190
(Смех)
04:26
Right? I mean, somebody'sчей-то seenвидели him.
87
254192
3589
Так? Я имею в виду,
кто-то точно видел его.
04:29
Ten10, 20, 30 milesмиль back, someone'sчей-то seenвидели that guy,
88
257781
2768
10, 20, 30 километров позади,
кто-то точно заметил этого мотоциклиста,
04:32
and as soonскоро as one carавтомобиль seesвидит that guy
89
260549
2384
и как только один водитель замечает его
04:34
and putsпуты him on the mapкарта, he's on the mapкарта --
90
262933
2231
и отмечает его положение
на карте, он замечен —
04:37
positionдолжность, velocityскорость,
91
265164
2176
его положение, скорость,
04:39
good estimateоценить he'llад continueПродолжать going 85 milesмиль an hourчас.
92
267340
2321
предположение, что он продолжит
двигаться со скоростью 140 км/ч.
04:41
You'llВы будете know, because your carавтомобиль will know, because
93
269661
2184
Вы будете знать, потому что
ваша машина узнает, потому что
04:43
that other carавтомобиль will have whisperedшепнула something in his earухо,
94
271845
2275
та другая машина нашептала ей на ушко,
04:46
like, "By the way, five5 minutesминут,
95
274120
1923
типа «Кстати, 5 минут,
04:48
motorcyclistмотоциклист, watch out."
96
276043
2775
мотоциклист, берегись».
04:50
You can make reasonableразумный predictionsпрогнозы about how carsлегковые автомобили behaveвести себя.
97
278818
2703
Вы можете предположить, как машины ведут себя.
04:53
I mean, they're Newtonianньютонов objectsобъекты.
98
281521
1365
Я имею в виду, они ньютоновские объекты.
04:54
That's very niceхороший about them.
99
282886
2909
И это играет нам на руку.
04:57
So how do we get there?
100
285795
3034
Так как нам достигнуть всего этого?
05:00
We can startНачало with something as simpleпросто
101
288829
2266
Можно начать с чего-то простого
05:03
as sharingразделение our positionдолжность dataданные betweenмежду carsлегковые автомобили,
102
291095
2870
как обмен координатами между машинами,
05:05
just sharingразделение GPSGPS.
103
293965
1892
обмен данными навигатора.
05:07
If I have a GPSGPS and a cameraкамера in my carавтомобиль,
104
295857
2444
Если у меня в машине
установлен навигатор и камера,
05:10
I have a prettyСимпатичная preciseточный ideaидея of where I am
105
298301
2231
я точно знаю, где нахожусь
05:12
and how fastбыстро I'm going.
106
300532
1732
и с какой скоростью двигаюсь.
05:14
With computerкомпьютер visionвидение, I can estimateоценить where
107
302264
1657
Благодаря компьютерному зрению
я могу рассчитать,
05:15
the carsлегковые автомобили around me are, sortСортировать of, and where they're going.
108
303921
3537
где находятся машины вокруг меня
и в каком направлении они двигаются.
05:19
And sameодна и та же with the other carsлегковые автомобили.
109
307458
970
И то же самое с другими машинами.
05:20
They can have a preciseточный ideaидея of where they are,
110
308428
1814
Они могут точно понять, где они
05:22
and sortСортировать of a vagueрасплывчатый ideaидея of where the other carsлегковые автомобили are.
111
310242
2146
и приблизительно оценить
положение других машин.
05:24
What happensпроисходит if two carsлегковые автомобили shareдоля that dataданные,
112
312388
3231
Что произойдёт, если две машины
обменяются этой информацией,
05:27
if they talk to eachкаждый other?
113
315619
1955
если они поговорят друг с другом?
05:29
I can tell you exactlyв точку what happensпроисходит.
114
317574
2778
Я точно могу ответить на этот вопрос.
05:32
BothИ то и другое modelsмодели improveулучшать.
115
320352
2339
Качество вождения улучшится.
05:34
Everybodyвсе winsпобеды.
116
322691
2055
Все останутся в выигрыше.
05:36
ProfessorПрофессор Bobбоб WangВан and his teamкоманда
117
324746
2577
Профессор Боб Вонг и его команда
05:39
have doneсделанный computerкомпьютер simulationsмоделирование of what happensпроисходит
118
327323
2738
произвели компьютерные расчёты
на тему того, что произойдёт,
05:42
when fuzzyнечеткий estimatesоценки combineскомбинировать, even in lightлегкий trafficтрафик,
119
330061
3431
если объединить неточные данные,
даже при не загруженных дорогах,
05:45
when carsлегковые автомобили just shareдоля GPSGPS dataданные,
120
333492
2624
если машины обменяются данными навигаторов
05:48
and we'veмы в movedпереехал this researchисследование out of the computerкомпьютер simulationмоделирование
121
336116
2513
и мы пошли дальше, выведя
эти исследования на практический уровень
05:50
and into robotробот testконтрольная работа bedsкровати that have the actualфактический sensorsдатчиков
122
338629
3027
используя тесты
на специальных роботах с сенсорами,
05:53
that are in carsлегковые автомобили now on these robotsроботы:
123
341656
3133
которые установлены
в машинах на этих роботах,
05:56
stereoстерео camerasкамеры, GPSGPS,
124
344789
1838
стереокамеры, навигатор
05:58
and the two-dimensionalдвумерный laserлазер rangeассортимент findersискатели
125
346627
1874
и двумерные лазерные дальномеры,
06:00
that are commonобщий in backupрезервное копирование systemsсистемы.
126
348501
2240
которые распространены в резервных системах.
06:02
We alsoтакже attachприкреплять a discreteдискретный short-rangeна короткие расстояния communicationсвязь radioрадио,
127
350741
4484
Мы так же установили
скрытые приёмники ближней радиосвязи
06:07
and the robotsроботы talk to eachкаждый other.
128
355225
1909
и роботы начали общаться между собой.
06:09
When these robotsроботы come at eachкаждый other,
129
357134
1539
Когда роботы натыкались друг на друга,
06:10
they trackтрек eachкаждый other'sдруга positionдолжность preciselyточно,
130
358673
2971
они точно определяли положение друг друга,
06:13
and they can avoidизбежать eachкаждый other.
131
361644
2737
и им удавалось избежать столкновения.
06:16
We're now addingдобавление more and more robotsроботы into the mixсмешивание,
132
364381
3226
Мы добавляем больше и больше
роботов в эту конструкцию,
06:19
and we encounteredвстречается some problemsпроблемы.
133
367607
1471
и мы столкнулись с некоторыми проблемами.
06:21
One of the problemsпроблемы, when you get too much chatterболтовня,
134
369078
2359
Одна из проблем заключается в том, что
когда получаешь слишком много «болтовни»,
06:23
it's hardжесткий to processобработать all the packetsпакеты, so you have to prioritizeрасставлять приоритеты,
135
371437
3728
тяжело обработать всю информацию
и нужно научиться её фильтровать,
06:27
and that's where the predictiveпрогностическое modelмодель helpsпомогает you.
136
375165
2357
и именно здесь
прогнозирующие модели могут помочь.
06:29
If your robotробот carsлегковые автомобили are all trackingотслеживание the predictedпредсказанный trajectoriesтраектории,
137
377522
4372
Если автоматы в машине
отслеживают предсказанные траектории,
06:33
you don't payплатить as much attentionвнимание to those packetsпакеты.
138
381894
1767
уже нет необходимости
уделять внимание всем объектам вокруг.
06:35
You prioritizeрасставлять приоритеты the one guy
139
383661
1703
Система концентрируется на том водителе,
06:37
who seemsкажется to be going a little off courseкурс.
140
385364
1333
который отклоняется от заданного курса.
06:38
That guy could be a problemпроблема.
141
386697
2526
Из-за него могут возникнуть проблемы.
06:41
And you can predictпрогнозировать the newновый trajectoryтраектория.
142
389223
3002
И вы сможете предугадать новую траекторию.
06:44
So you don't only know that he's going off courseкурс, you know how.
143
392225
2763
То есть вы не только знаете,
что он отклоняется, но вы знаете как.
06:46
And you know whichкоторый driversводители you need to alertбдительный to get out of the way.
144
394988
3725
И вы знаете, каких водителей нужно
предупредить, чтобы они ушли с пути его следования.
06:50
And we wanted to do -- how can we bestЛучший alertбдительный everyoneвсе?
145
398713
2633
И что мы хотели предпринять —
как лучше всего всех предупредить?
06:53
How can these carsлегковые автомобили whisperшептать, "You need to get out of the way?"
146
401346
3183
Как эти машины могут прошептать
«Лучше убраться с дороги?»
06:56
Well, it dependsзависит on two things:
147
404529
1517
Это зависит от двух вещей:
06:58
one, the abilityспособность of the carавтомобиль,
148
406046
2169
во-первых, от характеристик машины,
07:00
and secondвторой the abilityспособность of the driverВодитель.
149
408215
3217
во-вторых, от навыка самого водителя.
07:03
If one guy has a really great carавтомобиль,
150
411432
1505
Если у одного парня
действительно отличная машина,
07:04
but they're on theirих phoneТелефон or, you know, doing something,
151
412937
2925
но он говорит по телефону или,
ну вы знаете, занимается тем,
07:07
they're not probablyвероятно in the bestЛучший positionдолжность
152
415862
1930
чем не стоило бы заниматься за рулём,
07:09
to reactреагировать in an emergencyкрайняя необходимость.
153
417792
2970
чтобы суметь отреагировать на опасность.
07:12
So we startedначал a separateотдельный lineлиния of researchисследование
154
420762
1665
Так что мы начали двигаться
в другом направлении исследований,
07:14
doing driverВодитель stateгосударство modelingмоделирование.
155
422427
2551
моделируя возможные ситуации на дорогах.
07:16
And now, usingс помощью a seriesсерии of threeтри camerasкамеры,
156
424978
2329
И теперь, используя систему из трёх камер,
07:19
we can detectобнаружить if a driverВодитель is looking forwardвперед,
157
427307
2270
мы можем определить,
смотрит ли водитель перед собой
07:21
looking away, looking down, on the phoneТелефон,
158
429577
2860
в сторону, внизу, говорит по телефону
07:24
or havingимеющий a cupкружка of coffeeкофе.
159
432437
3061
или пьёт кофе.
07:27
We can predictпрогнозировать the accidentавария
160
435498
2070
Мы можем предугадать аварию,
07:29
and we can predictпрогнозировать who, whichкоторый carsлегковые автомобили,
161
437568
3651
и мы можем сказать, кому и каким машинам
07:33
are in the bestЛучший positionдолжность to moveпереехать out of the way
162
441219
3486
проще всего сдвинуться с пути,
07:36
to calculateподсчитывать the safestбезопасный routeмаршрут for everyoneвсе.
163
444705
3009
чтобы рассчитать самую безопасную
траекторию движения для каждого.
07:39
FundamentallyВ корне, these technologiesтехнологии existсуществовать todayCегодня.
164
447714
4635
В принципе, такие технологии
существуют и сейчас.
07:44
I think the biggestсамый большой problemпроблема that we faceлицо
165
452349
2824
Я думаю, что основная проблема в том,
07:47
is our ownсвоя willingnessготовность to shareдоля our dataданные.
166
455173
3013
готовы ли мы делиться своей информацией.
07:50
I think it's a very disconcertingдезорганизующим notionпонятие,
167
458186
2631
Это может привести в замешательство,
07:52
this ideaидея that our carsлегковые автомобили will be watchingнаблюдение us,
168
460817
2386
что наши машины наблюдают за нами,
07:55
talkingговорящий about us to other carsлегковые автомобили,
169
463203
3371
обсуждают нас с другими машинами,
07:58
that we'llЧто ж be going down the roadДорога in a seaморе of gossipслухи.
170
466574
3427
что мы будем двигаться
по дороге в потоке болтовни.
08:02
But I believe it can be doneсделанный in a way that protectsзащищает our privacyКонфиденциальность,
171
470001
3897
Но я уверена, что это может быть достигнуто
путём, при котором не затрагивается наша частная жизнь.
08:05
just like right now, when I look at your carавтомобиль from the outsideза пределами,
172
473898
3741
Как сейчас, когда я смотрю
на вашу машину со стороны,
08:09
I don't really know about you.
173
477639
2363
я на самом деле ничего о вас не знаю.
08:12
If I look at your licenseлицензия plateпластина numberномер,
174
480002
1137
Если я взгляну на ваш номерной знак,
08:13
I don't really know who you are.
175
481139
1886
это ничего не скажет мне о вас.
08:15
I believe our carsлегковые автомобили can talk about us behindза our backsспины.
176
483025
4249
Я верю, что наши машины могут
шушукаться о нас у нас за спиной.
08:19
(LaughterСмех)
177
487274
2975
(Смех)
08:22
And I think it's going to be a great thing.
178
490249
3185
И я считаю,
что это станет великим достижением.
08:25
I want you to considerрассматривать for a momentмомент
179
493434
1650
Я хочу, чтобы вы задумались на минуту,
08:27
if you really don't want the distractedотвлекается teenagerподросток behindза you
180
495084
4118
действительно ли вы не хотите, чтобы
невнимательный подросток за вами
08:31
to know that you're brakingторможение,
181
499202
2120
узнал, что вы притормаживаете,
08:33
that you're comingприход to a deadмертвый stop.
182
501322
2924
что вы собираетесь резко остановиться.
08:36
By sharingразделение our dataданные willinglyохотно,
183
504246
2741
Делясь своей информацией по собственному желанию,
08:38
we can do what's bestЛучший for everyoneвсе.
184
506987
2812
мы можем сделать что-то для всеобщего блага.
08:41
So let your carавтомобиль gossipслухи about you.
185
509799
3076
Так что позвольте вашему автомобилю
посплетничать о вас.
08:44
It's going to make the roadsдороги a lot saferбезопаснее.
186
512875
3038
Это поможет сделать дороги безопаснее.
08:47
Thank you.
187
515913
1791
Спасибо.
08:49
(ApplauseАплодисменты)
188
517704
4985
(Аплодисменты)
Translated by Alla Ryabova
Reviewed by Aliaksandr Autayeu

▲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