TED@Intel
Jennifer Healey: If cars could talk, accidents might be avoidable
Jennifer Healey: Arabaların dili olsa kazalar önlenebilirdi
Filmed:
Readability: 3.2
908,454 views
Araba kullandığımızda cam bir baloncuğun içine gireriz, kapıları kapatıp gaza basarız ve bize yol göstermesi için gözümüze güveniriz -- sadece önümüzdeki ve arkamızdaki bir kaç aracı görebilmemize rağmen. Peki arabalar konumları ve hızları ile ilgili veri alışverişinde bulunabilselerdi ve herkes için en güvenli yolu hesaplamak için öngörücü modeller kullanabilselerdi ne olurdu? Jennifer Healey kazaların olmadığı bir dünya hayal ediyor. (TED@Intel de filme alındı.)
Jennifer Healey - Research scientist
A research scientist at Intel, Jennifer Healey develops the mobile internet devices of the future. Full bio
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 face it:
0
703
1914
Kabul edelim :
00:14
Driving is dangerous.
1
2617
2445
Araba kullanmak tehlikelidir.
00:17
It's one of the things that we don't like to think about,
2
5062
3098
Aklımıza getirmekten hoşlanmadığımız şeylerden biri olsa da,
00:20
but the fact that religious icons and good luck charms
3
8160
3652
dünya genelinde dikiz aynalarından sarkan
00:23
show up on dashboards around the world
4
11812
4790
dini simgeler ve nazar boncukları
00:28
betrays the fact that we know this to be true.
5
16602
4137
bu tehlikenin farkında olduğumuzu gösteriyor.
00:32
Car accidents are the leading cause of death
6
20739
3594
Trafik kazaları en önde gelen ölüm sebeplerinden biridir.
00:36
in people ages 16 to 19 in the United States --
7
24333
4170
ABD'de 16 ila 19 yaşındaki kişilerde ise
00:40
leading cause of death --
8
28503
2843
bu en önde gelen ölüm sebebidir --
00:43
and 75 percent of these accidents have nothing to do
9
31346
3863
ve bu kazaların yüzde 75'inin
00:47
with drugs or alcohol.
10
35209
2285
uyuşturucu ya da alkolle hiçbir ilgisi yoktur.
00:49
So what happens?
11
37494
2261
Peki ama olan ne?
00:51
No one can say for sure, but I remember my first accident.
12
39755
4219
Kesin bir şey söylemek zor ama ilk kazamı hatırlıyorum da
00:55
I was a young driver out on the highway,
13
43974
3803
Otoyolda yol alan genç bir sürücüydüm
00:59
and the car in front of me, I saw the brake lights go on.
14
47777
2258
önümde de bir araba vardı, fren lambalarının yandığını gördüm.
01:02
I'm like, "Okay, all right, this guy is slowing down,
15
50035
1800
Ben "Tamam, pekala, bu adam yavaşlıyor,
01:03
I'll slow down too."
16
51835
1282
ben de yavaşlarım madem"
01:05
I step on the brake.
17
53117
1926
Frene dokundum.
01:07
But no, this guy isn't slowing down.
18
55043
2254
Ama yoo, bu adam yavaşlıyor falan değil.
01:09
This guy is stopping, dead stop, dead stop on the highway.
19
57297
3178
Bu adam duruyor, tamamen durmuş, otoyol üstünde durmuş tamamen.
01:12
It was just going 65 -- to zero?
20
60475
2540
Yani saatte 105 km hızdan -- sıfıra mı inecektim?
01:15
I slammed on the brakes.
21
63015
1520
Frenlere yüklendim.
01:16
I felt the ABS kick in, and the car is still going,
22
64535
3059
ABS'nin devreye girdiğini hissettim, arabaysa hala gidiyordu,
01:19
and it's not going to stop, and I know it's not going to stop,
23
67594
2696
durmayacaktı ve durdurmayacağını biliyordum
01:22
and the air bag deploys, the car is totaled,
24
70290
2939
ve hava yastığı açıldı, araba hurdaya döndü
01:25
and fortunately, no one was hurt.
25
73229
3557
ve neyse ki hiç kimse zarar görmedi.
01:28
But I had no idea that car was stopping,
26
76786
4211
O arabanın duruyor olduğunu hiç fark etmemiştim,
01:32
and I think we can do a lot better than that.
27
80997
3645
ve bence bundan çok daha iyisini yapabiliriz.
01:36
I think we can transform the driving experience
28
84642
4145
Bence, arabalarımızın birbirleriyle konuşmasını sağlayarak
01:40
by letting our cars talk to each other.
29
88787
3879
sürüş deneyimini değiştirebiliriz.
01:44
I just want you to think a little bit
30
92666
1424
Sizden sadece şimdiki sürüş deneyimimizin
01:46
about what the experience of driving is like now.
31
94090
2888
neye benzediği hakkında biraz düşünmenizi istiyorum.
01:48
Get into your car. Close the door. You're in a glass bubble.
32
96978
4028
Arabaya bin. Kapıyı kapa. Camdan bir balon içindesin.
01:53
You can't really directly sense the world around you.
33
101006
2916
Çevrende olup biteni doğrudan algılayamıyorsun aslında.
01:55
You're in this extended body.
34
103922
2181
Vücudumuzun bir uzantısı gibi bu şeyin içindesin.
01:58
You're tasked with navigating it down
35
106103
2163
Görevin ise bu şeyi tamamını göremediğin
02:00
partially-seen roadways,
36
108266
2056
yollarda diğer metal devlerin arasından,
02:02
in and amongst other metal giants, at super-human speeds.
37
110322
4424
içinden geçirerek insanüstü hızlarda ilerletmek.
02:06
Okay? And all you have to guide you are your two eyes.
38
114746
4480
Tamam? Ve sana rehberlik edecek tek şey de iki gözün.
02:11
Okay, so that's all you have,
39
119226
1762
Peki, her şey bu kadar.
02:12
eyes that weren't really designed for this task,
40
120988
1735
aslında bu iş için tasarlanmamış olan gözler
02:14
but then people ask you to do things like,
41
122723
3751
ve sonrada senden başka şeyler yapmanı istiyorlar,
02:18
you want to make a lane change,
42
126474
1549
mesela eğer şerit değiştirmek istiyorsan,
02:20
what's the first thing they ask you do?
43
128023
2321
senden ilk olarak ne yapmanı istiyorlar?
02:22
Take your eyes off the road. That's right.
44
130344
3095
Gözlerini yoldan ayırmanı. Evet, doğru.
02:25
Stop looking where you're going, turn,
45
133439
2096
Gittiğini yöne bakmayı kes, dön,
02:27
check your blind spot,
46
135535
2018
kör noktanı kontrol et
02:29
and drive down the road without looking where you're going.
47
137553
3471
ve nereye gittiğine bakmadan sürmeye devam et.
02:33
You and everyone else. This is the safe way to drive.
48
141024
3135
Sen ve diğer herkes. Araba sürmenin güvenli yolu bu.
02:36
Why do we do this? Because we have to,
49
144159
2241
Neden böyle yapıyoruz? Çünkü yapmak zorundayız,
02:38
we have to make a choice, do I look here or do I look here?
50
146400
2579
bir seçim yapmalıyız, buraya mı bakayım yoksa oraya mı bakayım?
02:40
What's more important?
51
148979
1521
Hangisi daha önemli?
02:42
And usually we do a fantastic job
52
150500
2711
Ve genellikle yolda neye dikkat edeceğimizi
02:45
picking and choosing what we attend to on the road.
53
153211
3769
bulup seçme konusunda da harika bir iş çıkarıyoruz.
02:48
But occasionally we miss something.
54
156980
3650
Ama bazen bir şeyi gözden kaçırıyoruz.
02:52
Occasionally we sense something wrong or too late.
55
160630
4461
Bazen bir şeyi yanlış algılıyor ya da çok geç fark ediyoruz.
02:57
In countless accidents, the driver says,
56
165091
1988
Pek çok kazada,
02:59
"I didn't see it coming."
57
167079
2308
"Geldiğini görmemiştim" der sürücü.
03:01
And I believe that. I believe that.
58
169387
3281
Ve buna inanırım. Buna inanırım.
03:04
We can only watch so much.
59
172668
2925
Bizler sadece bir kısmını görebiliyoruz.
03:07
But the technology exists now that can help us improve that.
60
175593
5144
Şimdiki mevcut teknoloji ise bunu geliştirmemize yardımcı olabilir.
03:12
In the future, with cars exchanging data with each other,
61
180737
4296
Gelecekte, birbirleriyle veri alışverişinde bulunan arabalar sayesinde,
03:17
we will be able to see not just three cars ahead
62
185033
3928
sadece üç araba ilerimizi
03:20
and three cars behind, to the right and left,
63
188961
1594
üç araba gerimizi ve sağımızla solumuzu değil,
03:22
all at the same time, bird's eye view,
64
190555
3166
hepsini aynı anda, kuşbakışı görebileceğiz,
03:25
we will actually be able to see into those cars.
65
193721
3128
aslında bu arabaların içini bile görebileceğiz.
03:28
We will be able to see the velocity of the car in front of us,
66
196849
2371
Önümüzdeki arabanın hızını görebilecek,
03:31
to see how fast that guy's going or stopping.
67
199220
3240
bu adam ne kadar hızlı gidiyor yoksa duruyor mu hepsini görebileceğiz.
03:34
If that guy's going down to zero, I'll know.
68
202460
4510
Eğer bu adam durmak üzereyse, bunu bileceğim.
03:38
And with computation and algorithms and predictive models,
69
206970
3859
Ayrıca hesaplamalarla, algoritmalarla ve öngörücü modellerle
03:42
we will be able to see the future.
70
210829
3273
geleceği de görebileceğiz.
03:46
You may think that's impossible.
71
214102
1556
Bu imkansız gibi gelebilir.
03:47
How can you predict the future? That's really hard.
72
215658
2731
Geleceği nasıl tahmin edebilirsin ki? Bu gerçekten zor.
03:50
Actually, no. With cars, it's not impossible.
73
218389
3619
Aslında, değil. Arabalarla, imkansız değil.
03:54
Cars are three-dimensional objects
74
222008
2732
Arabalar, üç boyutlu nesnelerdir.
03:56
that have a fixed position and velocity.
75
224740
2332
sabit bir konum ve hıza sahiplerdir.
03:59
They travel down roads.
76
227072
1631
Yollarda giderler.
04:00
Often they travel on pre-published routes.
77
228703
2412
Çoğu zaman önceden belirlenen yollar üzerinde seyahat ederler.
04:03
It's really not that hard to make reasonable predictions
78
231115
3938
Bir arabanın yakın gelecekte nerede olacağına ilişkin
04:07
about where a car's going to be in the near future.
79
235053
2864
makul tahminler yapmak gerçekten de o kadar zor değil.
04:09
Even if, when you're in your car
80
237917
2002
Hatta, siz arabanızdayken
04:11
and some motorcyclist comes -- bshoom! --
81
239919
1994
bir motosikletçinin gelip -- vınnnnnn! --
04:13
85 miles an hour down, lane-splitting --
82
241913
2296
Saatte 140 kilometre hızla, yolu yararak--
04:16
I know you've had this experience --
83
244209
2547
bunu daha önce yaşamışsınızdır --
04:18
that guy didn't "just come out of nowhere."
84
246756
2603
işte buna "nerden çıktığı belli değil" deriz.
04:21
That guy's been on the road probably for the last half hour.
85
249359
3643
Ama bu adam belki yarım saattir yoldaydı.
04:25
(Laughter)
86
253002
1190
(Gülüşmeler)
04:26
Right? I mean, somebody's seen him.
87
254192
3589
Öyle değil mi? Yani, biri onu görmüştür.
04:29
Ten, 20, 30 miles back, someone's seen that guy,
88
257781
2768
On, 20, 30 kilometre gerideyken, birisi bu adamı görmüştür,
04:32
and as soon as one car sees that guy
89
260549
2384
ve bir araba da bu adamı görür görmez
04:34
and puts him on the map, he's on the map --
90
262933
2231
onu haritaya işler, artık haritadadır --
04:37
position, velocity,
91
265164
2176
konumuyla, hızıyla,
04:39
good estimate he'll continue going 85 miles an hour.
92
267340
2321
ve iyi bir tahminle saatte 140 kilometreyle gitmeye devam da edecek.
04:41
You'll know, because your car will know, because
93
269661
2184
Bunu bileceksiniz, çünkü arabanız bilecek, çünkü
04:43
that other car will have whispered something in his ear,
94
271845
2275
o diğer araba sizin arabanızın kulağına bir şeyler fısıldamış olacak,
04:46
like, "By the way, five minutes,
95
274120
1923
"Bu arada, beş dakika,
04:48
motorcyclist, watch out."
96
276043
2775
motosikletçi , dikkat et."
04:50
You can make reasonable predictions about how cars behave.
97
278818
2703
Arabaların nasıl davranacaklarına ilişkin mantıklı tahminlerde bulunabilirsiniz.
04:53
I mean, they're Newtonian objects.
98
281521
1365
Yani, bunlar klasik mekanikle hareket eden nesneler.
04:54
That's very nice about them.
99
282886
2909
Bu onların iyi bir yönü.
04:57
So how do we get there?
100
285795
3034
Peki bu noktaya nasıl geliriz?
05:00
We can start with something as simple
101
288829
2266
Basit bir şeyle başlayabiliriz,
05:03
as sharing our position data between cars,
102
291095
2870
konum verilerimizi arabalar arasında paylaşmak gibi,
05:05
just sharing GPS.
103
293965
1892
sadece GPS paylaşımı gibi.
05:07
If I have a GPS and a camera in my car,
104
295857
2444
Eğer arabamda bir GPS ve bir kamera varsa,
05:10
I have a pretty precise idea of where I am
105
298301
2231
nerede olduğuma ve ne kadar hızla ilerlediğime
05:12
and how fast I'm going.
106
300532
1732
ilişkin gayet kesin bir fikrim de vardır.
05:14
With computer vision, I can estimate where
107
302264
1657
Bilgisayar görüşüyle, çevremdeki arabaların nerelerde olduklarını
05:15
the cars around me are, sort of, and where they're going.
108
303921
3537
ve aşağı yukarı nereye gittiklerini tahmin edebilirim.
05:19
And same with the other cars.
109
307458
970
Aynısı diğer arabalar için de geçerli.
05:20
They can have a precise idea of where they are,
110
308428
1814
Nerede olduklarına ilişkin kesin bir fikre ve diğer arabaların da
05:22
and sort of a vague idea of where the other cars are.
111
310242
2146
aşağı yukarı nerede olduklarına ilişkin bir fikre sahip olabilirler.
05:24
What happens if two cars share that data,
112
312388
3231
Peki iki araba bu verileri paylaşırsa,
05:27
if they talk to each other?
113
315619
1955
eğer birbirleriyle konuşurlarsa ne olur?
05:29
I can tell you exactly what happens.
114
317574
2778
Ne olacağını size tam olarak söyleyebilirim.
05:32
Both models improve.
115
320352
2339
Her iki model de gelişir.
05:34
Everybody wins.
116
322691
2055
Herkes kazanır.
05:36
Professor Bob Wang and his team
117
324746
2577
Profesör Bob Wang ve ekibi,
05:39
have done computer simulations of what happens
118
327323
2738
bulanık tahminlerin birleştirilmesi durumunda ne olacağı ile ilgili
05:42
when fuzzy estimates combine, even in light traffic,
119
330061
3431
bilgisayar simülasyonları yapmış, hafif trafikte bile
05:45
when cars just share GPS data,
120
333492
2624
arabalar sadece GPS verilerini paylaştığında,
05:48
and we've moved this research out of the computer simulation
121
336116
2513
ve biz de bu araştırmayı bilgisayar simülasyonundan çıkarıp
05:50
and into robot test beds that have the actual sensors
122
338629
3027
şimdiki arabalarda da olan robotların şu hakiki sensörlere
05:53
that are in cars now on these robots:
123
341656
3133
sahip olduğu bir robotlu test ortamına taşıdık:
05:56
stereo cameras, GPS,
124
344789
1838
stereo kameralar, GPS,
05:58
and the two-dimensional laser range finders
125
346627
1874
iki boyutlu lazer mesafe ölçerler
06:00
that are common in backup systems.
126
348501
2240
yanaşma sistemlerinde yaygın bulunurlar.
06:02
We also attach a discrete short-range communication radio,
127
350741
4484
Ayrıca, ayrı bir kısa menzilli iletişim telsizi taktık
06:07
and the robots talk to each other.
128
355225
1909
ve robotlar birbirleriyle konuştular.
06:09
When these robots come at each other,
129
357134
1539
Bu robotlar birbirleriyle karşılaştıklarında,
06:10
they track each other's position precisely,
130
358673
2971
birbirlerinin konumunu tam olarak izleyip
06:13
and they can avoid each other.
131
361644
2737
birbirlerinden sakınabilirler.
06:16
We're now adding more and more robots into the mix,
132
364381
3226
Şimdi karışımın içine daha fazla robot ekledikçe
06:19
and we encountered some problems.
133
367607
1471
bazı sorunlarla karşılaştık.
06:21
One of the problems, when you get too much chatter,
134
369078
2359
Sorunlardan biri, çok fazla lakırdı olunca
06:23
it's hard to process all the packets, so you have to prioritize,
135
371437
3728
veri paketlerinin tümünü işlemenizin zor olması, bu yüzden öncelikler belirlemelisiniz
06:27
and that's where the predictive model helps you.
136
375165
2357
ve işte öngörücü modelin size yardımcı olacağı nokta da bu.
06:29
If your robot cars are all tracking the predicted trajectories,
137
377522
4372
Eğer robot arabalarınızın hepsi de tahmini yörüngeleri izlerseler,
06:33
you don't pay as much attention to those packets.
138
381894
1767
bu paketlere o kadar da dikkat etmenize gerek yoktur.
06:35
You prioritize the one guy
139
383661
1703
Rotadan biraz çıkacak gibi görünen
06:37
who seems to be going a little off course.
140
385364
1333
bir adamı öncelikle ele alırsınız.
06:38
That guy could be a problem.
141
386697
2526
Bu adam bir sorun teşkil edebilir.
06:41
And you can predict the new trajectory.
142
389223
3002
Ve yeni güzergahı tahmin edersiniz.
06:44
So you don't only know that he's going off course, you know how.
143
392225
2763
Yani, onun rotadan çıkacağını sadece bilmekle kalmıyor, nasıl olacağını da biliyorsunuz.
06:46
And you know which drivers you need to alert to get out of the way.
144
394988
3725
Ayrıca hangi sürücüleri yoldan çekilmeleri için uyaracağınızı da biliyorsunuz.
06:50
And we wanted to do -- how can we best alert everyone?
145
398713
2633
Ve bizim yapmak istediğimiz ise -- herkesi en iyi şekilde nasıl uyarabileceğimiz?
06:53
How can these cars whisper, "You need to get out of the way?"
146
401346
3183
Bu arabalar nasıl fısıldaşabilir, "Yoldan çekilmen gerekiyor?"
06:56
Well, it depends on two things:
147
404529
1517
Bu iki şeye bağlı:
06:58
one, the ability of the car,
148
406046
2169
birincisi, arabanın yeteneğine,
07:00
and second the ability of the driver.
149
408215
3217
ve ikincisi de sürücünün yeteneğine.
07:03
If one guy has a really great car,
150
411432
1505
Eğer adamın birinin gerçekten harika bir arabası varsa,
07:04
but they're on their phone or, you know, doing something,
151
412937
2925
ama telefondaysa, ya da işte bir şeyle meşgulse,
07:07
they're not probably in the best position
152
415862
1930
muhtemelen acil bir durumda harekete geçmek
07:09
to react in an emergency.
153
417792
2970
için uygun bir halde olmayacaktır.
07:12
So we started a separate line of research
154
420762
1665
Bu yüzden, sürücü durumunu modelleyen
07:14
doing driver state modeling.
155
422427
2551
ayrı bir araştırma konusuna daha başladık.
07:16
And now, using a series of three cameras,
156
424978
2329
Ve şimdiyse, üç kamera kullanarak,
07:19
we can detect if a driver is looking forward,
157
427307
2270
bir sürücü ileriye mi bakıyor,
07:21
looking away, looking down, on the phone,
158
429577
2860
uzaklara mı bakıyor, aşağı mı bakıyor, telefonda mı,
07:24
or having a cup of coffee.
159
432437
3061
yoksa kahve mi içiyor algılayabiliyoruz.
07:27
We can predict the accident
160
435498
2070
Kazayı tahmin edebiliyor
07:29
and we can predict who, which cars,
161
437568
3651
ve herkes için en güvenli yolu hesaplamak için kimin,
07:33
are in the best position to move out of the way
162
441219
3486
hangi arabaların yoldan çekilmesinin
07:36
to calculate the safest route for everyone.
163
444705
3009
daha uygun olacağını tahmin edebiliyoruz..
07:39
Fundamentally, these technologies exist today.
164
447714
4635
Temelde, bu teknolojiler bugün mevcut.
07:44
I think the biggest problem that we face
165
452349
2824
Sanırım karşı karşıya kaldığımız en büyük sorun,
07:47
is our own willingness to share our data.
166
455173
3013
verilerimizi paylaşmak için istekli olup olmadığımız.
07:50
I think it's a very disconcerting notion,
167
458186
2631
Sanırım oldukça rahatsız edici bir fikir gibi,
07:52
this idea that our cars will be watching us,
168
460817
2386
Sanki, arabaların bizi izlemesi,
07:55
talking about us to other cars,
169
463203
3371
diğer arabalarla bizi çekiştirmesi,
07:58
that we'll be going down the road in a sea of gossip.
170
466574
3427
ve bir dedikodu denizinde yol alacak olmamız fikri
08:02
But I believe it can be done in a way that protects our privacy,
171
470001
3897
Ama inanıyorum ki gizliliğimizi koruyacak bir şekilde yapılabilir,
08:05
just like right now, when I look at your car from the outside,
172
473898
3741
tıpkı günümüzde dışarıdan arabanıza baktığımda,
08:09
I don't really know about you.
173
477639
2363
sizin hakkınızda aslında hiçbir şey öğrenemiyor olmam gibi.
08:12
If I look at your license plate number,
174
480002
1137
Plaka numaranıza baksam da
08:13
I don't really know who you are.
175
481139
1886
gerçekten kim olduğunuzu bilemem.
08:15
I believe our cars can talk about us behind our backs.
176
483025
4249
Bence arabalar arkamızdan bizi çekiştirebilir.
08:19
(Laughter)
177
487274
2975
(Gülüşmeler)
08:22
And I think it's going to be a great thing.
178
490249
3185
Üstelik bence bu harika bir şey olacak.
08:25
I want you to consider for a moment
179
493434
1650
Bir an için düşünmenizi istiyorum
08:27
if you really don't want the distracted teenager behind you
180
495084
4118
arkanızdaki dikkati dağınık gencin sizin fren yaptığınızı
08:31
to know that you're braking,
181
499202
2120
bilmesini gerçekten de istemez miydiniz
08:33
that you're coming to a dead stop.
182
501322
2924
aniden durmak üzere olduğunuzu bilmesini.
08:36
By sharing our data willingly,
183
504246
2741
Verilerimizi kendi isteğimizle paylaşarak
08:38
we can do what's best for everyone.
184
506987
2812
herkes için en iyi olanı yapabiliriz.
08:41
So let your car gossip about you.
185
509799
3076
Yani bırakın arabalar dedikodunuzu yapsın.
08:44
It's going to make the roads a lot safer.
186
512875
3038
Bu, yolları çok daha güvenli kılacak.
08:47
Thank you.
187
515913
1791
Teşekkürler.
08:49
(Applause)
188
517704
4985
(Alkışlar)
ABOUT THE SPEAKER
Jennifer Healey - Research scientistA 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.
Jennifer Healey | Speaker | TED.com