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

Дженифър Хийли: Ако колите можеха да говорят, биха могли да се избегнат катастрофите

Filmed:
908,454 views

Когато шофираме, влизаме в един стъклен балон, заключваме вратите и натискаме газта, разчитайки на очите си да ни водят -- независимо от това че виждаме само няколко коли зад и пред нас. Но какво би се случило ако колите можеха да обменят помежду си информация относно положението и скоростта си, и да използват прогнозни модели, за да изчислят най-безопасните маршрути за всички на пътя? Дженифър Хийли си представя един свят без катастрофи. (Заснето в 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 faceлице it:
0
703
1914
Нека си признаем:
00:14
DrivingШофиране is dangerousопасно.
1
2617
2445
да караш кола е опасно.
00:17
It's one of the things that we don't like to think about,
2
5062
3098
Това е нещo, за което не обичаме да мислим,
00:20
but the factфакт that religiousрелигиозен iconsикони and good luckкъсмет charmsсексапил
3
8160
3652
но фактът, че по цял свят
на огледалата за обратно виждане
00:23
showшоу up on dashboardsтабла around the worldсвят
4
11812
4790
висят религиозни икони и талисмани
00:28
betraysиздава the factфакт that we know this to be trueвярно.
5
16602
4137
подсказва, че знаем, че това е истина.
00:32
CarКола accidentsзлополуки are the leadingводещ causeкауза of deathсмърт
6
20739
3594
Автомобилните катастрофи
са основната причина за смърт
00:36
in people agesвъзрасти 16 to 19 in the UnitedЮнайтед StatesДържавите --
7
24333
4170
при хората на възраст между 16 и 19 години в САЩ --
00:40
leadingводещ causeкауза of deathсмърт --
8
28503
2843
основната причина за смърт --
00:43
and 75 percentна сто of these accidentsзлополуки have nothing to do
9
31346
3863
и 75% от тези катастрофи нямат нищо общо
00:47
with drugsнаркотици or alcoholалкохол.
10
35209
2285
с наркотиците и алкохола.
00:49
So what happensслучва се?
11
37494
2261
Тогава какъв е проблемът?
00:51
No one can say for sure, but I rememberпомня my first accidentзлополука.
12
39755
4219
Никой не може да каже със сигурност,
но аз си спомням моята първа катастрофа.
00:55
I was a youngмлад driverшофьор out on the highwayмагистрала,
13
43974
3803
Бях млада шофьорка на магистралата
00:59
and the carкола in frontпреден of me, I saw the brakeспирачка lightsсветлини go on.
14
47777
2258
и видях, че на колата пред мен ѝ светнаха стоповете.
01:02
I'm like, "Okay, all right, this guy is slowingзабавя down,
15
50035
1800
Помислих си: „Добре, спокойно, човекът намалява,
01:03
I'll slowбавен down too."
16
51835
1282
аз също ще намаля.“
01:05
I stepстъпка on the brakeспирачка.
17
53117
1926
Натискам спирачките.
01:07
But no, this guy isn't slowingзабавя down.
18
55043
2254
Но не, човекът не намалява.
01:09
This guy is stoppingспиране, deadмъртъв stop, deadмъртъв stop on the highwayмагистрала.
19
57297
3178
Човекът спира, спира напълно,
спира тотално на магистралата.
01:12
It was just going 65 -- to zeroнула?
20
60475
2540
Как така минава от 100 на 0?
01:15
I slammedзатръшна on the brakesспирачки.
21
63015
1520
Забих спирачките.
01:16
I feltчувствах the ABSABS kickудар in, and the carкола is still going,
22
64535
3059
Усетих, че ABS-ът влиза в действие,
а колата продължава напред,
01:19
and it's not going to stop, and I know it's not going to stop,
23
67594
2696
и няма да спре, и аз знам, че няма да може да спре,
01:22
and the airвъздух bagчанта deploysразположила, the carкола is totaledвъзлиза на,
24
70290
2939
и въздушната възглавница се отваря, колата e съсипана
01:25
and fortunatelyза щастие, no one was hurtболи.
25
73229
3557
и за щастие няма ранени.
01:28
But I had no ideaидея that carкола was stoppingспиране,
26
76786
4211
Но аз нямах ни най-малка предства,
че тази кола тръгва да спира
01:32
and I think we can do a lot better than that.
27
80997
3645
и мисля, че от тази гледна точка
могат да се въведат големи подобрения.
01:36
I think we can transformтрансформиране the drivingшофиране experienceопит
28
84642
4145
Мисля, че можем да усъвършенстваме шофирането
01:40
by lettingотдаване под наем our carsавтомобили talk to eachвсеки other.
29
88787
3879
като позволим на колите си да разговарят помежду си.
01:44
I just want you to think a little bitмалко
30
92666
1424
Само искам да си помислите за момент
01:46
about what the experienceопит of drivingшофиране is like now.
31
94090
2888
как се чувствате когато карате.
01:48
Get into your carкола. CloseЗатвори the doorврата. You're in a glassстъклена чаша bubbleмехур.
32
96978
4028
Влизате в колата си. Затваряте вратата.
Намирате се в един стъклен балон.
01:53
You can't really directlyпряко senseсмисъл the worldсвят around you.
33
101006
2916
Нямате директен контакт с околния свят.
01:55
You're in this extendedпродължен bodyтяло.
34
103922
2181
Вие сте в едно продължение на тялото си.
01:58
You're taskedнатоварена with navigatingнавигацията it down
35
106103
2163
Изисква се от вас да го управлявате
02:00
partially-seenчастично-виждал roadwaysпътища,
36
108266
2056
по частично видими пътища,
02:02
in and amongstсред other metalметал giantsгиганти, at super-humanСупер-човешко speedsскорости.
37
110322
4424
сред други метални гиганти, със свръхчовешки скорости.
02:06
Okay? And all you have to guideръководство you are your two eyesочи.
38
114746
4480
Нали така? И очите ви са единственият ви водач.
02:11
Okay, so that's all you have,
39
119226
1762
Така, значи само това имате на разположение --
02:12
eyesочи that weren'tне са били really designedпроектиран for this taskзадача,
40
120988
1735
едни очи, които не са приспособени
точно за тази работа,
02:14
but then people askпитам you to do things like,
41
122723
3751
но все пак изискват от вас
да правите неща като например,
02:18
you want to make a laneЛейн changeпромяна,
42
126474
1549
при смяна на платното,
02:20
what's the first thing they askпитам you do?
43
128023
2321
кое е първото нещо, което се иска от вас?
02:22
Take your eyesочи off the roadпът. That's right.
44
130344
3095
Да отместите погледа си от пътя. Точно така.
02:25
Stop looking where you're going, turnзавой,
45
133439
2096
Да престанете да гледате къде вървите, да се обърнете,
02:27
checkпроверка your blindсляп spotмясто,
46
135535
2018
да проверите мъртвата зона,
02:29
and driveпът down the roadпът withoutбез looking where you're going.
47
137553
3471
и да карате по пътя без да гледате накъде отивате.
02:33
You and everyoneвсеки elseоще. This is the safeсейф way to driveпът.
48
141024
3135
Вие и всички останали.
Това е сигурният начин на шофиране.
02:36
Why do we do this? Because we have to,
49
144159
2241
Защо правим това? Защото ни се налага,
02:38
we have to make a choiceизбор, do I look here or do I look here?
50
146400
2579
трябва да вземем решение -- тук ли да гледам или там?
02:40
What's more importantважно?
51
148979
1521
Кое е по-важно?
02:42
And usuallyобикновено we do a fantasticфантастичен jobработа
52
150500
2711
И по принцип ни се отдава много добре
02:45
pickingбране and choosingизбор what we attendприсъстват to on the roadпът.
53
153211
3769
да избираме на какво да обръщаме внимание по пътя.
02:48
But occasionallyот време на време we missмис something.
54
156980
3650
Но от време на време изпускаме нещо.
02:52
OccasionallyОт време на време we senseсмисъл something wrongпогрешно or too lateкъсен.
55
160630
4461
Понякога усещаме нещо нередно или прекалено късно.
02:57
In countlessбезброен accidentsзлополуки, the driverшофьор saysказва,
56
165091
1988
В безброй катастрофи шофьорите казват:
02:59
"I didn't see it comingидващ."
57
167079
2308
„Появи се изневиделица.“
03:01
And I believe that. I believe that.
58
169387
3281
И аз им вярвам. Вярвам им.
03:04
We can only watch so much.
59
172668
2925
Защото способностите ни стигат само дотук.
03:07
But the technologyтехнология existsсъществува now that can help us improveподобряване на that.
60
175593
5144
Но вече съществува технологията, която
може да ни помогне да ги усъвършенстваме.
03:12
In the futureбъдеще, with carsавтомобили exchangingобмен на dataданни with eachвсеки other,
61
180737
4296
В бъдеще, когато колите започнат
да обменят информация помежду си,
03:17
we will be ableспособен to see not just threeтри carsавтомобили aheadнапред
62
185033
3928
ще имаме възможността да видим
не само 3 коли пред нас
03:20
and threeтри carsавтомобили behindзад, to the right and left,
63
188961
1594
и 3 коли зад нас, а вляво и вдясно,
03:22
all at the sameедин и същ time, bird'sна птица eyeоко viewизглед,
64
190555
3166
всичко едновременно, птичи поглед,
03:25
we will actuallyвсъщност be ableспособен to see into those carsавтомобили.
65
193721
3128
всъщност ще можем да погледнем вътре в колите.
03:28
We will be ableспособен to see the velocityскорост of the carкола in frontпреден of us,
66
196849
2371
Ще можем да видим скоростта на колата пред нас,
03:31
to see how fastбърз that guy'sГай going or stoppingспиране.
67
199220
3240
да знаем колко бързо кара или спира този човек.
03:34
If that guy'sГай going down to zeroнула, I'll know.
68
202460
4510
Ако тръгне да намалява до 0, аз ще съм в течение.
03:38
And with computationизчисление and algorithmsалгоритми and predictiveвъвеждане на предсказуем modelsмодели,
69
206970
3859
С изчисления и алгоритми и прогнозни модели,
03:42
we will be ableспособен to see the futureбъдеще.
70
210829
3273
ще сме в състояние да видим бъдещето.
03:46
You mayможе think that's impossibleневъзможен.
71
214102
1556
Може би си мислите, че това е невъзможно.
03:47
How can you predictпредскаже the futureбъдеще? That's really hardтвърд.
72
215658
2731
Как така ще мога да предвиждам бъдещето?
Това хич не е лесно.
03:50
ActuallyВсъщност, no. With carsавтомобили, it's not impossibleневъзможен.
73
218389
3619
Всъщност, не. В този случай, не е невъзможно.
03:54
CarsАвтомобили are three-dimensionalтриизмерен objectsобекти
74
222008
2732
Колите са триизмерни предмети,
03:56
that have a fixedопределен positionпозиция and velocityскорост.
75
224740
2332
които имат дадени положение и скорост.
03:59
They travelпътуване down roadsпътища.
76
227072
1631
Пътуват по шосета.
04:00
OftenЧесто they travelпътуване on pre-publishedпредварително публикувани routesмаршрути.
77
228703
2412
Често вървят по предварително оповестени маршрути.
04:03
It's really not that hardтвърд to make reasonableразумен predictionsпрогнози
78
231115
3938
Наистина не е толкова трудно
да се направи еднo приемливo предположение
04:07
about where a car'sкола going to be in the nearблизо до futureбъдеще.
79
235053
2864
относно това къде ще се намира
една кола в близкото бъдеще.
04:09
Even if, when you're in your carкола
80
237917
2002
Дори когато сте в колата си
04:11
and some motorcyclistмотоциклетист comesидва -- bshoombshoom! --
81
239919
1994
и някакъв моторист профучава
04:13
85 milesмили an hourчас down, lane-splittingразделяне на Лейн --
82
241913
2296
и ви задминава със 140 км в час --
04:16
I know you've had this experienceопит --
83
244209
2547
знам, че ви се е случвало --
04:18
that guy didn't "just come out of nowhereникъде."
84
246756
2603
този човек не се е появил „като гръм от ясно небе“.
04:21
That guy'sГай been on the roadпът probablyвероятно for the last halfнаполовина hourчас.
85
249359
3643
Този човек най-вероятно е бил на пътя
от половин час насам.
04:25
(LaughterСмях)
86
253002
1190
(Смях)
04:26
Right? I mean, somebody'sнякой е seenвидян him.
87
254192
3589
Нали така? Искам да кажа, някой го е видял.
04:29
TenДесет, 20, 30 milesмили back, someone'sнечий seenвидян that guy,
88
257781
2768
Преди 15, 30, 50 км, някой е видял този човек,
04:32
and as soonскоро as one carкола seesвижда that guy
89
260549
2384
и щом една кола го види
04:34
and putsпоставя him on the mapкарта, he's on the mapкарта --
90
262933
2231
и го постави на картата, той си стои там
04:37
positionпозиция, velocityскорост,
91
265164
2176
-- положение, скорост,
04:39
good estimateприблизителна оценка he'llтой ще continueпродължи going 85 milesмили an hourчас.
92
267340
2321
най-вероятно ще продължи да се движи със 140км в час.
04:41
You'llВие ще know, because your carкола will know, because
93
269661
2184
Вие ще сте в течение, защото колата ви ще е в течение,
04:43
that other carкола will have whisperedпрошепнат something in his earухо,
94
271845
2275
защото другата кола ще й е пошушнала в ухото
04:46
like, "By the way, fiveпет minutesминути,
95
274120
1923
нещо като: „Между другото, 5 минути,
04:48
motorcyclistмотоциклетист, watch out."
96
276043
2775
моторист, внимавай.“
04:50
You can make reasonableразумен predictionsпрогнози about how carsавтомобили behaveдържа се.
97
278818
2703
Могат да се правят приемливи предположения
относно поведението на колите.
04:53
I mean, they're NewtonianНютон objectsобекти.
98
281521
1365
Искам да кажа, те са нютонови предмети.
04:54
That's very niceприятен about them.
99
282886
2909
Това е хубавото у тях.
04:57
So how do we get there?
100
285795
3034
Значи, как да стигнем дотам?
05:00
We can startначало with something as simpleпрост
101
288829
2266
Като начало, най-лесното е
05:03
as sharingсподеляне our positionпозиция dataданни betweenмежду carsавтомобили,
102
291095
2870
да споделяме положението си с други коли,
05:05
just sharingсподеляне GPSGPS.
103
293965
1892
да споделяме GPS-a.
05:07
If I have a GPSGPS and a cameraкамера in my carкола,
104
295857
2444
Ако имам GPS и камера в колата си,
05:10
I have a prettyкрасива preciseточно ideaидея of where I am
105
298301
2231
знам досто точно къде се намирам
05:12
and how fastбърз I'm going.
106
300532
1732
и с каква скорост се движа.
05:14
With computerкомпютър visionзрение, I can estimateприблизителна оценка where
107
302264
1657
Чрез компютърно зрение, мога да преценя горе-долу
05:15
the carsавтомобили around me are, sortвид of, and where they're going.
108
303921
3537
къде са колите около мен и накъде отиват.
05:19
And sameедин и същ with the other carsавтомобили.
109
307458
970
Същото важи и за другите коли.
05:20
They can have a preciseточно ideaидея of where they are,
110
308428
1814
Могат да имат точна идея къде се намират
05:22
and sortвид of a vagueнеясен ideaидея of where the other carsавтомобили are.
111
310242
2146
и някаква бегла представа къде са останалите коли.
05:24
What happensслучва се if two carsавтомобили shareдял that dataданни,
112
312388
3231
А какво става ако две коли обменят тази информация,
05:27
if they talk to eachвсеки other?
113
315619
1955
ако си говорят?
05:29
I can tell you exactlyточно what happensслучва се.
114
317574
2778
Мога да ви кажа точно какво би се случило.
05:32
BothИ двете modelsмодели improveподобряване на.
115
320352
2339
Двата модела се усъвършенстват.
05:34
EverybodyВсеки winsпобеди.
116
322691
2055
Всички печелят.
05:36
ProfessorПрофесор BobБоб WangУан and his teamекип
117
324746
2577
Екипът на професор Боб Уанг
05:39
have doneСвършен computerкомпютър simulationsсимулации of what happensслучва се
118
327323
2738
проучи, чрез компютърни симулации, какъв е резултатът
05:42
when fuzzyбухнал estimatesоценка combineкомбайн, even in lightсветлина trafficтрафик,
119
330061
3431
от обединяването на размити оценки,
дори при слаб трафик,
05:45
when carsавтомобили just shareдял GPSGPS dataданни,
120
333492
2624
когато колите обменят само GPS данни,
05:48
and we'veние имаме movedпреместен this researchизследване out of the computerкомпютър simulationсимулация
121
336116
2513
и пренесохме тeзи проучвания
извън компютърната симулация
05:50
and into robotробот testтест bedsлегла that have the actualдействителен sensorsсензори
122
338629
3027
в роботи-изпитвателни стендове,
които притежават същите сензори,
05:53
that are in carsавтомобили now on these robotsроботи:
123
341656
3133
които се намират и в колите:
05:56
stereoстерео camerasфотоапарати, GPSGPS,
124
344789
1838
стерео камери, GPS,
05:58
and the two-dimensionalдвуизмерен laserлазер rangeдиапазон findersFinders
125
346627
1874
и двуизмерни лазерни далекомери,
06:00
that are commonчесто срещани in backupрезервно копие systemsсистеми.
126
348501
2240
които се срещат при акустичните системи за паркиране.
06:02
We alsoсъщо attachприкрепете a discreteотделен short-rangeмалък обсег communicationобщуване radioрадио,
127
350741
4484
Също прикачихме едно отделно радио
за комуникации с малък обхват,
06:07
and the robotsроботи talk to eachвсеки other.
128
355225
1909
за да могат роботите да разговарят помежду си.
06:09
When these robotsроботи come at eachвсеки other,
129
357134
1539
Когато се засичат,
06:10
they trackпът eachвсеки other'sна другата страна positionпозиция preciselyточно,
130
358673
2971
те отразяват своето точно положение
06:13
and they can avoidда се избегне eachвсеки other.
131
361644
2737
и могат да се избегнат.
06:16
We're now addingдобавяне more and more robotsроботи into the mixразбъркайте,
132
364381
3226
В момента прибавяме все повече
роботи към тази система,
06:19
and we encounteredсрещнали some problemsпроблеми.
133
367607
1471
и се сблъскахме с няколко проблема.
06:21
One of the problemsпроблеми, when you get too much chatterбърборене,
134
369078
2359
Един от тях се състои в това,
че при прекалено много информация,
06:23
it's hardтвърд to processпроцес all the packetsпакети, so you have to prioritizeприоритет,
135
371437
3728
става трудно да се обработят всичките данни
и затова трябва да се поставят приоритети,
06:27
and that's where the predictiveвъвеждане на предсказуем modelмодел helpsпомага you.
136
375165
2357
и тогава прогнозният модел се стича на помощ.
06:29
If your robotробот carsавтомобили are all trackingпроследяване the predictedпрогнозира, trajectoriesтраектории,
137
377522
4372
Ако вашите коли-роботи засичат
прогнозираните траектории,
06:33
you don't payплащам as much attentionвнимание to those packetsпакети.
138
381894
1767
вие няма нужда да обръщате голямо
внимание на тази информация.
06:35
You prioritizeприоритет the one guy
139
383661
1703
Ще се съсредоточите над човека,
06:37
who seemsИзглежда to be going a little off courseкурс.
140
385364
1333
който изглежда се отклонява малко от курса.
06:38
That guy could be a problemпроблем.
141
386697
2526
Той е този, който би могъл да ви създаде проблеми.
06:41
And you can predictпредскаже the newнов trajectoryтраектория.
142
389223
3002
И можете да предскажете новата траектория.
06:44
So you don't only know that he's going off courseкурс, you know how.
143
392225
2763
Така че не само знаете,
че се отклонява от курса, а също и как.
06:46
And you know whichкойто driversдрайвери you need to alertтревога to get out of the way.
144
394988
3725
И знаете кои са шофьорите, които трябва
да предупредите, за да се отдръпнат.
06:50
And we wanted to do -- how can we bestнай-доброто alertтревога everyoneвсеки?
145
398713
2633
И искахме да направим...как най-лесно
можем да предупредим всички?
06:53
How can these carsавтомобили whisperшепот, "You need to get out of the way?"
146
401346
3183
Как могат тези коли да прошепнат:
„Трябва да се отдръпнеш“?
06:56
Well, it dependsЗависи on two things:
147
404529
1517
Това зависи от две неща:
06:58
one, the abilityспособност of the carкола,
148
406046
2169
възможностите на колата
07:00
and secondвтори the abilityспособност of the driverшофьор.
149
408215
3217
и умението на шофьора.
07:03
If one guy has a really great carкола,
150
411432
1505
Ако един човек има страхотна кола,
07:04
but they're on theirтехен phoneтелефон or, you know, doing something,
151
412937
2925
но говори по телефона, нали знаете, или прави нещо,
07:07
they're not probablyвероятно in the bestнай-доброто positionпозиция
152
415862
1930
може би не се намира в най-изгодното положение,
07:09
to reactреагирам in an emergencyспешен случай.
153
417792
2970
за да реагира в извънредна ситуация.
07:12
So we startedзапочна a separateотделен lineлиния of researchизследване
154
420762
1665
Затова започнахме едно отделно изследване,
07:14
doing driverшофьор stateсъстояние modelingмоделиране.
155
422427
2551
моделирайки състоянието на шофьора.
07:16
And now, usingизползвайки a seriesсерия of threeтри camerasфотоапарати,
156
424978
2329
И сега, използвайки три камери,
07:19
we can detectоткриване if a driverшофьор is looking forwardнапред,
157
427307
2270
можем да установим дали шофьорът гледа напред,
07:21
looking away, looking down, on the phoneтелефон,
158
429577
2860
встрани, надолу, в телефона си
07:24
or havingкато a cupчаша of coffeeкафе.
159
432437
3061
или пие кафе.
07:27
We can predictпредскаже the accidentзлополука
160
435498
2070
Можем да предвидим катастрофата
07:29
and we can predictпредскаже who, whichкойто carsавтомобили,
161
437568
3651
и също така кой, кои коли,
07:33
are in the bestнай-доброто positionпозиция to moveход out of the way
162
441219
3486
се намират в най-добро положение, за да се отдръпнат
07:36
to calculateизчисли the safestнай-сигурният routeмаршрут for everyoneвсеки.
163
444705
3009
и да може да се изчисли
най-безопасния маршрут за всички.
07:39
FundamentallyФундаментално, these technologiesтехнологии existсъществувам todayднес.
164
447714
4635
Поначало, тези технологии вече съществуват.
07:44
I think the biggestНай-големият problemпроблем that we faceлице
165
452349
2824
Мисля, че най-големият проблем,
пред който се изправяме
07:47
is our ownсобствен willingnessжелание to shareдял our dataданни.
166
455173
3013
е нежеланието да споделяме нашите данни.
07:50
I think it's a very disconcertingсмущаващо notionпонятие,
167
458186
2631
Идеята, че колите ни ни гледат,
07:52
this ideaидея that our carsавтомобили will be watchingгледане us,
168
460817
2386
говорят за нас с други коли,
07:55
talkingговорим about us to other carsавтомобили,
169
463203
3371
и че пътуваме през едно море от клюки,
07:58
that we'llдобре be going down the roadпът in a seaморе of gossipклюка.
170
466574
3427
ми изглежда доста смущаваща.
08:02
But I believe it can be doneСвършен in a way that protectsпредпазва our privacyповерителност,
171
470001
3897
Но съм сигурна, че може да се осъществи,
защитавайки личния ни живот,
08:05
just like right now, when I look at your carкола from the outsideизвън,
172
473898
3741
точно както ако гледам колата ви отвън,
08:09
I don't really know about you.
173
477639
2363
аз всъщност нищо не знам за вас.
08:12
If I look at your licenseРазрешително plateплоча numberномер,
174
480002
1137
Поглеждайки номера на колата ви,
08:13
I don't really know who you are.
175
481139
1886
аз не знам кои сте.
08:15
I believe our carsавтомобили can talk about us behindзад our backsгръб.
176
483025
4249
Мисля, че колите ни могат да говорят
за нас зад гърба ни.
08:19
(LaughterСмях)
177
487274
2975
(Смях)
08:22
And I think it's going to be a great thing.
178
490249
3185
И съм сигурна, че това ще бъде нещо страхотно.
08:25
I want you to considerобмислям for a momentмомент
179
493434
1650
Искам само за момент да се замислите
08:27
if you really don't want the distractedразсеян teenagerтийнейджър behindзад you
180
495084
4118
дали наистина не искате разсеяният тийнейджър зад вас
08:31
to know that you're brakingспиране,
181
499202
2120
да знае, че натискате спирачките,
08:33
that you're comingидващ to a deadмъртъв stop.
182
501322
2924
че спирате напълно.
08:36
By sharingсподеляне our dataданни willinglyохотно,
183
504246
2741
Споделяйки доброволно нашите данни,
08:38
we can do what's bestнай-доброто for everyoneвсеки.
184
506987
2812
можем да направим това, което е най-добре за всички.
08:41
So let your carкола gossipклюка about you.
185
509799
3076
Така че позволете на колата си да поклюкарства за вас.
08:44
It's going to make the roadsпътища a lot saferпо-безопасно.
186
512875
3038
Това ще направи пътищата много по-безопасни.
08:47
Thank you.
187
515913
1791
Благодаря ви.
08:49
(ApplauseАплодисменти)
188
517704
4985
(Аплодисменти)
Translated by Mihaela Panayotova
Reviewed by Anton Hikov

▲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