TED@Intel
Jennifer Healey: If cars could talk, accidents might be avoidable
Дженіфер Гілей: Якби автомобілі могли говорити, можна було б уникнути дорожньо-транспортних пригод.
Filmed:
Readability: 3.2
908,454 views
Коли ми за кермом, ми потрапляємо в скляну кулю, зачиняємо двері, натискаємо на газ, покладаючись на наші очі для орієнтиру, але навіть тоді ми в змозі бачити лише кілька авто попереду та позаду нас. А що якби машини могли обмінюватися одна з одною інформацією про своє місцезнаходження та швидкість і використовувати моделі передбачення, щоб визначити найбезпечніші шляхи для кожного на дорозі? Дженіфер Гілей та її концепція про світ без дорожньо-транспортих пригод. (Знято на TED@Intel)
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
Погляньмо правді в очі:
00:14
Driving is dangerous.
1
2617
2445
керувати автомобілем небезпечно.
00:17
It's one of the things that we don't like to think about,
2
5062
3098
Це одна з тих речей, про які ми не любимо думати,
00:20
but the fact that religious icons and good luck charms
3
8160
3652
але те, що ікони та амулети "на щастя"
00:23
show up on dashboards around the world
4
11812
4790
люди в усіх куточках світу вішають на панель керування,
00:28
betrays the fact that we know this to be true.
5
16602
4137
свідчить про те, що ми усвідомлюємо, що це правда.
00:32
Car accidents are the leading cause of death
6
20739
3594
Дорожньо-траспортні пригоди - основна причина смерті
00:36
in people ages 16 to 19 in the United States --
7
24333
4170
серед молоді віком від 16 до 19 років в Америці --
00:40
leading cause of death --
8
28503
2843
основна причина смерті.
00:43
and 75 percent of these accidents have nothing to do
9
31346
3863
І 75 відсотків таких дорожньо-транспортних пригод не мають нічого спільного з керуванням
00:47
with drugs or alcohol.
10
35209
2285
у стані наркотичного або алкогольного сп'яніння.
00:49
So what happens?
11
37494
2261
То в чому ж тоді справа?
00:51
No one can say for sure, but I remember my first accident.
12
39755
4219
Ніхто не може з впевненістю сказати, але я пам'ятаю свою першу аварію.
00:55
I was a young driver out on the highway,
13
43974
3803
Я була молодим водієм та їхала по шосе,
00:59
and the car in front of me, I saw the brake lights go on.
14
47777
2258
попереду мене рухалось авто, я побачила, що його водій почав гальмувати.
01:02
I'm like, "Okay, all right, this guy is slowing down,
15
50035
1800
І собі думаю: "Добре, все гаразд, цей чолов'яга знижує швидкість,
01:03
I'll slow down too."
16
51835
1282
я теж знижу".
01:05
I step on the brake.
17
53117
1926
І натиснула на гальма.
01:07
But no, this guy isn't slowing down.
18
55043
2254
Але ні, цей чоловік не знижує швидкість.
01:09
This guy is stopping, dead stop, dead stop on the highway.
19
57297
3178
Цей чоловік зупиняється, раптово зупиняє авто, повна зупинка авто на шосе.
01:12
It was just going 65 -- to zero?
20
60475
2540
Тобто з 65 км/год швидкість впала до нуля?
01:15
I slammed on the brakes.
21
63015
1520
Я різко натиснула на гальма.
01:16
I felt the ABS kick in, and the car is still going,
22
64535
3059
Я відчула поштовх антиблокувальної гальмівної системи, але машина продовжувала рухатись.
01:19
and it's not going to stop, and I know it's not going to stop,
23
67594
2696
Вона не зупиниться, я знала, що вона не зупиниться,
01:22
and the air bag deploys, the car is totaled,
24
70290
2939
спрацювали подушки безпеки, машина не підлягає ремонту,
01:25
and fortunately, no one was hurt.
25
73229
3557
але, на щастя, ніхто не постраждав.
01:28
But I had no idea that car was stopping,
26
76786
4211
Але я навіть не думала про те, що машина зупинялася.
01:32
and I think we can do a lot better than that.
27
80997
3645
Гадаю це становище можна виправити.
01:36
I think we can transform the driving experience
28
84642
4145
Я думаю, що ми можемо змінити процес керування машиною,
01:40
by letting our cars talk to each other.
29
88787
3879
надавши нашим автівкам можливість розмовляти одна з одною.
01:44
I just want you to think a little bit
30
92666
1424
Я лише хочу, щоб зараз Ви трохи замислились над тим,
01:46
about what the experience of driving is like now.
31
94090
2888
що таке керування авто.
01:48
Get into your car. Close the door. You're in a glass bubble.
32
96978
4028
Сідаєте у машину. Зачиняєте двері. Ви знаходитесь у скляній кульці.
01:53
You can't really directly sense the world around you.
33
101006
2916
Ви не можете напряму відчувати світ навколо Вас.
01:55
You're in this extended body.
34
103922
2181
Ваша машина - наче продовження Вашого тіла.
01:58
You're tasked with navigating it down
35
106103
2163
Ваше завдання - керувати авто
02:00
partially-seen roadways,
36
108266
2056
з обмеженою видимістю на дорогах,
02:02
in and amongst other metal giants, at super-human speeds.
37
110322
4424
знаходячись всередині та посеред інших металевих велетнів, рухаючись з надлюдською швидкістю.
02:06
Okay? And all you have to guide you are your two eyes.
38
114746
4480
Уявили? І єдине, що у Вас є для орієнтації - це лише Ваші два ока.
02:11
Okay, so that's all you have,
39
119226
1762
Добре, отже, це все, що у Вас є,
02:12
eyes that weren't really designed for this task,
40
120988
1735
очі, які взагалі-то призначені для іншого,
02:14
but then people ask you to do things like,
41
122723
3751
але потім люди просять Вас зробити таку річ, як наприклад,
02:18
you want to make a lane change,
42
126474
1549
Ви хочете змінити смугу, по якій рухаєтесь,
02:20
what's the first thing they ask you do?
43
128023
2321
що перш за все вони Вас попросять зробити?
02:22
Take your eyes off the road. That's right.
44
130344
3095
Відвести Ваш погляд від дороги. Все вірно.
02:25
Stop looking where you're going, turn,
45
133439
2096
Припиніть дивитися, куди Ви рухаєтесь, поверніться,
02:27
check your blind spot,
46
135535
2018
перевірте "сліпі плями"
02:29
and drive down the road without looking where you're going.
47
137553
3471
та продовжуйте рухатись уперед по дорозі, не дивлячись, куди Ви їдете.
02:33
You and everyone else. This is the safe way to drive.
48
141024
3135
Ви та всі інші. І ось це називається безпечним способом керування.
02:36
Why do we do this? Because we have to,
49
144159
2241
Чому ми це робимо? Тому що ми повинні так робити,
02:38
we have to make a choice, do I look here or do I look here?
50
146400
2579
нам треба зробити вибір, на що саме дивитися - чи я дивлюсь сюди, чи туди?
02:40
What's more important?
51
148979
1521
Що важливіше?
02:42
And usually we do a fantastic job
52
150500
2711
І зазвичай в нас виходить фантастично
02:45
picking and choosing what we attend to on the road.
53
153211
3769
визначатись та обирати на що саме треба звернути увагу на дорозі.
02:48
But occasionally we miss something.
54
156980
3650
Але іноді ми дещо не помічаємо.
02:52
Occasionally we sense something wrong or too late.
55
160630
4461
Час від часу ми реагуємо на ситуацію або невірно або запізно.
02:57
In countless accidents, the driver says,
56
165091
1988
В незчисленній кількості дорожньо-траспортних пригод водії говорили,
02:59
"I didn't see it coming."
57
167079
2308
"Я її не помітив".
03:01
And I believe that. I believe that.
58
169387
3281
І я вірю в це, я в це вірю.
03:04
We can only watch so much.
59
172668
2925
Ми в змозі бачити лише певну частину.
03:07
But the technology exists now that can help us improve that.
60
175593
5144
Але сьогодні існують технології, які можуть полегшити наше завдання.
03:12
In the future, with cars exchanging data with each other,
61
180737
4296
В майбутньому, з можливістю обміну інформацією між машинами,
03:17
we will be able to see not just three cars ahead
62
185033
3928
ми зможемо бачити не лише три машини попереду
03:20
and three cars behind, to the right and left,
63
188961
1594
і три машини позаду, праворуч та ліворуч,
03:22
all at the same time, bird's eye view,
64
190555
3166
і всі одночасно - з висоти пташиного польоту,
03:25
we will actually be able to see into those cars.
65
193721
3128
ми зможемо навіть заглянути в ці машини.
03:28
We will be able to see the velocity of the car in front of us,
66
196849
2371
Ми матимемо змогу бачити швидкість машини, яка рухається попереду нас,
03:31
to see how fast that guy's going or stopping.
67
199220
3240
як швидко ось той водій рухається або зупиняється.
03:34
If that guy's going down to zero, I'll know.
68
202460
4510
Якщо водій знижуватиме швидкість до нуля, я про це знатиму.
03:38
And with computation and algorithms and predictive models,
69
206970
3859
І за допомогою розрахунків та алгоритмів, а також моделей передбачення,
03:42
we will be able to see the future.
70
210829
3273
ми будемо мати змогу побачити майбутнє.
03:46
You may think that's impossible.
71
214102
1556
Ви мабуть думаєте, що це неможливо.
03:47
How can you predict the future? That's really hard.
72
215658
2731
Як можна передбачити майбутнє? Це ж складно.
03:50
Actually, no. With cars, it's not impossible.
73
218389
3619
Насправді, ні. Що стосується машин, це можливо.
03:54
Cars are three-dimensional objects
74
222008
2732
Машини є тривимірними об'єктами,
03:56
that have a fixed position and velocity.
75
224740
2332
в яких є фіксоване місцезнаходження та швидкість.
03:59
They travel down roads.
76
227072
1631
Вони пересуваються дорогою.
04:00
Often they travel on pre-published routes.
77
228703
2412
Частенько вони рухаються незнайомими автошляхами.
04:03
It's really not that hard to make reasonable predictions
78
231115
3938
Зовсім нескладно зробити розумні передбачення
04:07
about where a car's going to be in the near future.
79
235053
2864
щодо того, де машина буде у найближчому майбутньому.
04:09
Even if, when you're in your car
80
237917
2002
Навіть якщо ви знаходитесь у машині
04:11
and some motorcyclist comes -- bshoom! --
81
239919
1994
і якийсь мотоцикліст проноситься повз Вас - шуууууух!---
04:13
85 miles an hour down, lane-splitting --
82
241913
2296
85 миль/год по шосе, дорожня смуга розходиться --
04:16
I know you've had this experience --
83
244209
2547
я знаю, з Вами таке траплялось --
04:18
that guy didn't "just come out of nowhere."
84
246756
2603
цей чувак не просто з'явився "хтозна-звідки".
04:21
That guy's been on the road probably for the last half hour.
85
249359
3643
Цей чувак вже їхав десь півгодини.
04:25
(Laughter)
86
253002
1190
(Сміх)
04:26
Right? I mean, somebody's seen him.
87
254192
3589
Правда ж? Я маю на увазі, хтось його таки бачив.
04:29
Ten, 20, 30 miles back, someone's seen that guy,
88
257781
2768
10, 20, 30 миль назад, хтось його таки вже бачив,
04:32
and as soon as one car sees that guy
89
260549
2384
і щойно одна машина побачить цього водія,
04:34
and puts him on the map, he's on the map --
90
262933
2231
вона заносить його на карту, він на карті -
04:37
position, velocity,
91
265164
2176
його місце розташування, швидкість,
04:39
good estimate he'll continue going 85 miles an hour.
92
267340
2321
надійна оцінка того, що він продовжуватиме їхати зі швидкістю 85 миль за годину.
04:41
You'll know, because your car will know, because
93
269661
2184
Ви будете знати, тому що Ваше авто буде знати,
04:43
that other car will have whispered something in his ear,
94
271845
2275
адже та інша машина прошепче дещо на вухо Вашій машині,
04:46
like, "By the way, five minutes,
95
274120
1923
щось на кшталт, "До речі, 5 хвилин,
04:48
motorcyclist, watch out."
96
276043
2775
мотоцикліст, пильнуй".
04:50
You can make reasonable predictions about how cars behave.
97
278818
2703
Ви можете зробити ймовірні передбачення щодо того, яким чином машини поводяться.
04:53
I mean, they're Newtonian objects.
98
281521
1365
Я маю на увазі, що вони підлягають законам Ньютона.
04:54
That's very nice about them.
99
282886
2909
І це дуже добре.
04:57
So how do we get there?
100
285795
3034
Отже, як ми це можемо зробити?
05:00
We can start with something as simple
101
288829
2266
Можна почати з чогось простенького, такого як
05:03
as sharing our position data between cars,
102
291095
2870
взаємообмін інформацією щодо місця розташування наших авто,
05:05
just sharing GPS.
103
293965
1892
просто поділитися пошуковим навігатором GPS .
05:07
If I have a GPS and a camera in my car,
104
295857
2444
Якщо моя машина обладнана пошуковим навігатором та камерою,
05:10
I have a pretty precise idea of where I am
105
298301
2231
я маю досить чітке уявлення про те, де я знаходжусь
05:12
and how fast I'm going.
106
300532
1732
та з якою швидкістю я рухаюсь.
05:14
With computer vision, I can estimate where
107
302264
1657
За допомогою зображення з комп'ютера, я можу оцінити,
05:15
the cars around me are, sort of, and where they're going.
108
303921
3537
де знаходяться машини навколо мене, і прикинути куди вони рухаються.
05:19
And same with the other cars.
109
307458
970
І так само для інших машин.
05:20
They can have a precise idea of where they are,
110
308428
1814
Вони можуть мати точне уявлення про те, де вони,
05:22
and sort of a vague idea of where the other cars are.
111
310242
2146
і прикинути, де приблизно знаходяться інші авто.
05:24
What happens if two cars share that data,
112
312388
3231
А що коли дві машини поділяться такою інформацією,
05:27
if they talk to each other?
113
315619
1955
якщо вони зможуть заговорити одна до одної?
05:29
I can tell you exactly what happens.
114
317574
2778
Я можу точно вам сказати, що станеться.
05:32
Both models improve.
115
320352
2339
Обидві моделі будуть покращені.
05:34
Everybody wins.
116
322691
2055
Кожен виграє.
05:36
Professor Bob Wang and his team
117
324746
2577
Професор Боб Ванґ та його команда
05:39
have done computer simulations of what happens
118
327323
2738
провели комп'ютерне тестування того, що станеться
05:42
when fuzzy estimates combine, even in light traffic,
119
330061
3431
якщо скласти приблизні розрахунки, навіть за умови, що рух на дорозі не інтенсивний,
05:45
when cars just share GPS data,
120
333492
2624
в разі, якщо машини поділяться інформацією зі своїх GPS,
05:48
and we've moved this research out of the computer simulation
121
336116
2513
і ми перемістили це дослідження з комп'ютерного тестування
05:50
and into robot test beds that have the actual sensors
122
338629
3027
на стенд автоматичного тестування з автоматичними механізмами, які обладнані такими самим сенсорами,
05:53
that are in cars now on these robots:
123
341656
3133
як і автомобілі:
05:56
stereo cameras, GPS,
124
344789
1838
стерео камери, пошуковий пристрій GPS,
05:58
and the two-dimensional laser range finders
125
346627
1874
та двомірний лазерний дальномір,
06:00
that are common in backup systems.
126
348501
2240
які зазвичай використовуються для резервних систем.
06:02
We also attach a discrete short-range communication radio,
127
350741
4484
Ми також прикріпляємо непомітну радіостанцію короткодистанційного зв'язку,
06:07
and the robots talk to each other.
128
355225
1909
і ці автоматичні механізми, які беруть участь у тестуванні, спілкуються між собою.
06:09
When these robots come at each other,
129
357134
1539
Коли ці механізми-роботи наближаються один до одного,
06:10
they track each other's position precisely,
130
358673
2971
вони пильно слідкують за місцем розташування один одного,
06:13
and they can avoid each other.
131
361644
2737
і можуть уникнути зіткнення.
06:16
We're now adding more and more robots into the mix,
132
364381
3226
Наразі ми додаємо все більше таких механізмів-роботів до цього експерименту,
06:19
and we encountered some problems.
133
367607
1471
та стикаємося з деякими проблемами.
06:21
One of the problems, when you get too much chatter,
134
369078
2359
Одна з таких проблем полягає в тому, що коли накопичується велика кількість таких "розмов",
06:23
it's hard to process all the packets, so you have to prioritize,
135
371437
3728
важко обробити всі ці пакетні дані, отже, Ви маєте розставляти пріорітети,
06:27
and that's where the predictive model helps you.
136
375165
2357
і саме на цьому етапі на допомогу приходить модель передбачення.
06:29
If your robot cars are all tracking the predicted trajectories,
137
377522
4372
Якщо всі Ваші механізми-роботи ведуть облік ймовірних траекторій,
06:33
you don't pay as much attention to those packets.
138
381894
1767
Ви не звертаєте на такі дані багато уваги.
06:35
You prioritize the one guy
139
383661
1703
Ви вирізняєте одного водія,
06:37
who seems to be going a little off course.
140
385364
1333
який виглядає так, наче він трохи збився з курсу.
06:38
That guy could be a problem.
141
386697
2526
Цей водій може стати проблемою.
06:41
And you can predict the new trajectory.
142
389223
3002
І Ви можете передбачити нову траекторію.
06:44
So you don't only know that he's going off course, you know how.
143
392225
2763
Таким чином, Ви не лише знаєте, що він збився з курсу, але й знаєте, яким саме чином він буде рухатись.
06:46
And you know which drivers you need to alert to get out of the way.
144
394988
3725
І знаєте, яких водіїв Ви маєте попередити, щоб вони встигли вчасно зреагувати.
06:50
And we wanted to do -- how can we best alert everyone?
145
398713
2633
І ми хотіли так само визначитись, яким чином можна найкраще попередити?
06:53
How can these cars whisper, "You need to get out of the way?"
146
401346
3183
Як ці авто можуть прошепотіти: "Вшивайся звідси".
06:56
Well, it depends on two things:
147
404529
1517
Отже, це залежить від двох чинників:
06:58
one, the ability of the car,
148
406046
2169
перший - можливості машини,
07:00
and second the ability of the driver.
149
408215
3217
та другий - можливості водія.
07:03
If one guy has a really great car,
150
411432
1505
Якщо навіть у водія прекрасна машина,
07:04
but they're on their phone or, you know, doing something,
151
412937
2925
але він чи то на телефоні, чи то зайнятий чимось,
07:07
they're not probably in the best position
152
415862
1930
вони, швидше за все, не у найкращій ситуації,
07:09
to react in an emergency.
153
417792
2970
щоб вчасно відреагувати на надзвичайну ситуацію.
07:12
So we started a separate line of research
154
420762
1665
Тому ми почали проводити окреме дослідження,
07:14
doing driver state modeling.
155
422427
2551
намагаючись розробити модель стану водія.
07:16
And now, using a series of three cameras,
156
424978
2329
І наразі, використовуючи комплект із трьох камер,
07:19
we can detect if a driver is looking forward,
157
427307
2270
ми можемо визначити, чи дивиться водій вперед,
07:21
looking away, looking down, on the phone,
158
429577
2860
кудись убік, вниз, на телефон,
07:24
or having a cup of coffee.
159
432437
3061
чи він попиває каву.
07:27
We can predict the accident
160
435498
2070
Ми можемо передбачити дорожньо-транспортну пригоду
07:29
and we can predict who, which cars,
161
437568
3651
і так само можемо визначити, хто і які машини
07:33
are in the best position to move out of the way
162
441219
3486
знаходяться у найкращій позиції для того, щоб звільнити дорожню смугу,
07:36
to calculate the safest route for everyone.
163
444705
3009
розрахувати найбезпечніший шлях для кожного.
07:39
Fundamentally, these technologies exist today.
164
447714
4635
Загалом, ці технології існують сьогодні.
07:44
I think the biggest problem that we face
165
452349
2824
Я вважаю, що найбільша проблема, з якою ми стикаємося -
07:47
is our own willingness to share our data.
166
455173
3013
це наше власне бажання обмінюватись інформацією.
07:50
I think it's a very disconcerting notion,
167
458186
2631
Я думаю, що це дуже спантеличує.
07:52
this idea that our cars will be watching us,
168
460817
2386
Оця думка про те, що наші машини будуть нас пильнувати,
07:55
talking about us to other cars,
169
463203
3371
говорити про нас іншим машинам,
07:58
that we'll be going down the road in a sea of gossip.
170
466574
3427
що ми будемо рухатися по дорозі, купаючись в морі пліток.
08:02
But I believe it can be done in a way that protects our privacy,
171
470001
3897
Але я вірю, що це можна зробити таким чином, щоб захистити наше право на приватність,
08:05
just like right now, when I look at your car from the outside,
172
473898
3741
так само як зараз, коли я дивлюся на Вашу машину ззовні,
08:09
I don't really know about you.
173
477639
2363
я про Вас нічого не знаю.
08:12
If I look at your license plate number,
174
480002
1137
Якщо я погляну на Ваш номерний знак,
08:13
I don't really know who you are.
175
481139
1886
мені це про Вас нічого не говорить.
08:15
I believe our cars can talk about us behind our backs.
176
483025
4249
Я вірю, що наші машини можуть розмовляти про нас за нашими спинами.
08:19
(Laughter)
177
487274
2975
(Сміх)
08:22
And I think it's going to be a great thing.
178
490249
3185
І я думаю, що це буде чудовим винаходом.
08:25
I want you to consider for a moment
179
493434
1650
Я хочу, щоб Ви на хвилинку замислились,
08:27
if you really don't want the distracted teenager behind you
180
495084
4118
чи справді Ви хочете, щоб спантеличений підліток за Вашою спиною
08:31
to know that you're braking,
181
499202
2120
не знав про те, що Ви гальмуєте,
08:33
that you're coming to a dead stop.
182
501322
2924
що Ви збираєтесь повністю зупинитися.
08:36
By sharing our data willingly,
183
504246
2741
Шляхом добровільного взаємообміну інформацією,
08:38
we can do what's best for everyone.
184
506987
2812
ми можемо координувати свої дії якнайкраще для кожного.
08:41
So let your car gossip about you.
185
509799
3076
Тож дозвольте Вашому автомобілю пліткувати про Вас.
08:44
It's going to make the roads a lot safer.
186
512875
3038
Це допоможе зробити автошляхи набагато безпечнішими.
08:47
Thank you.
187
515913
1791
Дякую.
08:49
(Applause)
188
517704
4985
(Оплески)
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