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

Jennifer Healey: Kdyby auta mohla mluvit, nehodám by se možná dalo vyhnout

Filmed:
908,454 views

Když řídíme, dostaneme se do skleněné bubliny, zamkneme dveře a šlápneme na plyn, spoléhajíc na naše oči, aby nás vedly -- ačkoliv můžeme vidět jen pár aut před a za námi. Ale co kdyby auta mezi sebou mohla sdílet údaje o své poloze a rychlosti a používat prediktivní modely, aby vypočítala nejbezpečnější cestu pro každého na silnici? Jennifer Healey představuje svět bez nehod. (Filmed at 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 facetvář it:
0
703
1914
Postavme se k tomu čelem --
00:14
DrivingŘízení is dangerousnebezpečný.
1
2617
2445
řízení je nebezpečné.
00:17
It's one of the things that we don't like to think about,
2
5062
3098
Je to jedna z věcí, nad kterou neradi přemýšlíme,
00:20
but the factskutečnost that religiousnáboženský iconsikony and good luckštěstí charmspůvaby
3
8160
3652
ale skutečnost, že se náboženské ikony a přívěsky pro štěstí
00:23
showshow up on dashboardsřídicí panely around the worldsvět
4
11812
4790
objevují na palubních deskách po celém světě,
00:28
betraysprozrazuje the factskutečnost that we know this to be trueskutečný.
5
16602
4137
zrazuje fakt, že víme, že je to pravda.
00:32
CarAuto accidentsnehody are the leadingvedoucí causezpůsobit of deathsmrt
6
20739
3594
Autonehody jsou hlavní příčinou smrti
00:36
in people agesvěku 16 to 19 in the UnitedVelká StatesStáty --
7
24333
4170
lidí ve věku od 16 do 19 let ve Spojených státech --
00:40
leadingvedoucí causezpůsobit of deathsmrt --
8
28503
2843
hlavní příčinou smrti --
00:43
and 75 percentprocent of these accidentsnehody have nothing to do
9
31346
3863
a 75 procent těchto nehod nemá nic společného
00:47
with drugsdrogy or alcoholalkohol.
10
35209
2285
s drogami nebo alkoholem.
00:49
So what happensse děje?
11
37494
2261
Takže co se děje?
00:51
No one can say for sure, but I rememberpamatovat my first accidentnehoda.
12
39755
4219
Nikdo to nemůže říct jistě, ale já si pamatuji svou první nehodu.
00:55
I was a youngmladý driverŘidič out on the highwayDálnice,
13
43974
3803
Byla jsem mladá řidička na dálnici
00:59
and the carauto in frontpřední of me, I saw the brakebrzda lightssvětla go on.
14
47777
2258
a uviděla jsem, jak se brzdová světla auta přede mnou rozsvítila.
01:02
I'm like, "Okay, all right, this guy is slowingzpomalení down,
15
50035
1800
Říkám si: "Dobře, dobře, ten chlapík zpomaluje,
01:03
I'll slowpomalý down too."
16
51835
1282
zpomalím taky."
01:05
I stepkrok on the brakebrzda.
17
53117
1926
Šlápla jsem na brzdu.
01:07
But no, this guy isn't slowingzpomalení down.
18
55043
2254
Ale ne, ten člověk nezpomaluje.
01:09
This guy is stoppingzastavení, deadmrtví stop, deadmrtví stop on the highwayDálnice.
19
57297
3178
Ten člověk zastavuje, na doraz, na doraz na dálnici.
01:12
It was just going 65 -- to zeronula?
20
60475
2540
Z 65 mil za hodinu na nulu.
01:15
I slammedslammed on the brakesbrzdy.
21
63015
1520
Prudce jsem sešlápla brzdy.
01:16
I feltcítil the ABSABS kickkop in, and the carauto is still going,
22
64535
3059
Cítila jsem, jak ABS naskočilo, a auto stále jede,
01:19
and it's not going to stop, and I know it's not going to stop,
23
67594
2696
a nezastaví, a já vím, že nezastaví,
01:22
and the airvzduch bagTaška deploysnasadí, the carauto is totaledcelkem,
24
70290
2939
a airbag vystřeluje, auto je hotové,
01:25
and fortunatelynaštěstí, no one was hurtzranit.
25
73229
3557
a naštěstí, nikdo nebyl zraněn.
01:28
But I had no ideaidea that carauto was stoppingzastavení,
26
76786
4211
Ale já jsem nevěděla, že to auto zastavovalo
01:32
and I think we can do a lot better than that.
27
80997
3645
a myslím si, že to můžeme udělat mnohem lépe.
01:36
I think we can transformpřeměnit the drivingřízení experienceZkusenosti
28
84642
4145
Myslím si, že můžeme přeměnit zkušenosti z řízení tak,
01:40
by lettingzapůjčení our carsauta talk to eachkaždý other.
29
88787
3879
že necháme naše auta spolu mluvit.
01:44
I just want you to think a little bitbit
30
92666
1424
Chci jen, aby jste trochu popřemýšleli,
01:46
about what the experienceZkusenosti of drivingřízení is like now.
31
94090
2888
jaké jsou zkušenosti s řízením nyní.
01:48
Get into your carauto. CloseZavřít the doordveře. You're in a glasssklenka bubblebublina.
32
96978
4028
Jdete do svého auta. Zavřete dveře. Jste ve skleněné bublině.
01:53
You can't really directlypřímo sensesmysl the worldsvět around you.
33
101006
2916
Nemůžete bezprostředně vnímat svět kolem vás.
01:55
You're in this extendedrozšířeno bodytělo.
34
103922
2181
Jste v tomto rozšířeném těle.
01:58
You're taskedza úkol with navigatingnavigace it down
35
106103
2163
Jste pověřeni navigovat je po
02:00
partially-seenčástečně vidět roadwaysvozovek,
36
108266
2056
částečně viditelných silnicích,
02:02
in and amongstmezi other metalkov giantsobři, at super-humanSuper člověk speedsrychlosti.
37
110322
4424
v kovovém obrovi mezi dalšími takovými, rychlostí super člověka.
02:06
Okay? And all you have to guideprůvodce you are your two eyesoči.
38
114746
4480
Je to tak? A vše, co máte, aby vás vedlo, jsou vaše dvě oči.
02:11
Okay, so that's all you have,
39
119226
1762
Dobrá, takže to je vše, co máte,
02:12
eyesoči that weren'tnebyly really designednavrženo for this taskúkol,
40
120988
1735
oči, které ve skutečnosti ani nebyly navrženy pro takový úkol,
02:14
but then people askdotázat se you to do things like,
41
122723
3751
ale pak vás lidé žádají o věci typu
02:18
you want to make a laneLane changezměna,
42
126474
1549
přejetí do jiného jízdního pruhu.
02:20
what's the first thing they askdotázat se you do?
43
128023
2321
Co je první věcí, kterou chtějí, aby jste udělali?
02:22
Take your eyesoči off the roadsilnice. That's right.
44
130344
3095
Spusťte oči ze silnice. Tak je to správně.
02:25
Stop looking where you're going, turnotočit se,
45
133439
2096
Přestaňte se dívat, kam jedete, zabočte,
02:27
checkkontrola your blindslepý spotbod,
46
135535
2018
zkontrolujte si svůj slepý bod
02:29
and driveřídit down the roadsilnice withoutbez looking where you're going.
47
137553
3471
a jeďte po silnici, aniž by jste sledovali, kam jedete.
02:33
You and everyonekaždý elsejiný. This is the safebezpečný way to driveřídit.
48
141024
3135
Vy a všichni ostatní. Tohle je bezpečný způsob řízení.
02:36
Why do we do this? Because we have to,
49
144159
2241
Proč to děláme? Protože musíme,
02:38
we have to make a choicevýběr, do I look here or do I look here?
50
146400
2579
musíme se rozhodnout, podívám se sem, nebo sem?
02:40
What's more importantdůležité?
51
148979
1521
Co je důležitější?
02:42
And usuallyobvykle we do a fantasticfantastický jobpráce
52
150500
2711
A obvykle odvádíme skvělou práci,
02:45
pickingvybírání and choosingvolba what we attendnavštěvovat to on the roadsilnice.
53
153211
3769
odhadujeme a vybíráme čeho se na silnici účastníme.
02:48
But occasionallyobčas we missslečna, minout something.
54
156980
3650
Ale příležitostně nám něco unikne.
02:52
OccasionallyPříležitostně we sensesmysl something wrongšpatně or too latepozdě.
55
160630
4461
Příležitostně něco zachytíme špatně nebo příliš pozdě.
02:57
In countlessbezpočet accidentsnehody, the driverŘidič saysříká,
56
165091
1988
U bezpočtu nehod řidič říká:
02:59
"I didn't see it comingpříchod."
57
167079
2308
"Nečekal jsem to."
03:01
And I believe that. I believe that.
58
169387
3281
A já tomu věřím. Věřím tomu.
03:04
We can only watch so much.
59
172668
2925
Nemůžeme vnímat všechno.
03:07
But the technologytechnika existsexistuje now that can help us improvezlepšit that.
60
175593
5144
Ale nyní existuje technologie, která nám to může pomoci zlepšit.
03:12
In the futurebudoucnost, with carsauta exchangingVýměna datadata with eachkaždý other,
61
180737
4296
V budoucnosti, kde si auta jedno s druhým budou vyměňovat údaje,
03:17
we will be ableschopný to see not just threetři carsauta aheadvpřed
62
185033
3928
budeme schopni vidět nejen tři auta před sebou
03:20
and threetři carsauta behindza, to the right and left,
63
188961
1594
a tři za sebou, vpravo a vlevo,
03:22
all at the samestejný time, bird'sptačí eyeoko viewPohled,
64
190555
3166
vše zároveň, z ptačí perspektivy,
03:25
we will actuallyvlastně be ableschopný to see into those carsauta.
65
193721
3128
ale také uvidíme dovnitř aut.
03:28
We will be ableschopný to see the velocityrychlost of the carauto in frontpřední of us,
66
196849
2371
Budeme schopni vidět rychlost auta před námi,
03:31
to see how fastrychle that guy'schlap je going or stoppingzastavení.
67
199220
3240
jak rychle ten člověk jede nebo zastavuje.
03:34
If that guy'schlap je going down to zeronula, I'll know.
68
202460
4510
Jestli ten člověk zpomaluje na nulu, budu o tom vědět.
03:38
And with computationvýpočet and algorithmsalgoritmy and predictiveprediktivní psaní modelsmodely,
69
206970
3859
A s výpočty a algoritmy a prediktivními modely
03:42
we will be ableschopný to see the futurebudoucnost.
70
210829
3273
budeme schopni vidět do budoucnosti.
03:46
You maysmět think that's impossiblenemožné.
71
214102
1556
Možná si myslíte, že je to nemožné.
03:47
How can you predictpředpovědět the futurebudoucnost? That's really hardtvrdý.
72
215658
2731
Jak můžete předpovědět budoucnost? Je to skutečně těžké.
03:50
ActuallyVe skutečnosti, no. With carsauta, it's not impossiblenemožné.
73
218389
3619
Vlastně, není. S auty to není nemožné.
03:54
CarsAutomobily are three-dimensionaltrojrozměrný objectsobjekty
74
222008
2732
Auta jsou trojrozměrné objekty,
03:56
that have a fixedpevný positionpozice and velocityrychlost.
75
224740
2332
které mají pevnou polohu a rychlost.
03:59
They travelcestovat down roadssilnic.
76
227072
1631
Cestují po silnicích.
04:00
OftenČasto they travelcestovat on pre-publishedpředem zveřejněna routestras.
77
228703
2412
Často cestují po předběžně zveřejněných cestách.
04:03
It's really not that hardtvrdý to make reasonablerozumné predictionspředpovědi
78
231115
3938
Skutečně není tak těžké udělat přiměřené prognózy toho,
04:07
about where a car'sauta going to be in the nearu futurebudoucnost.
79
235053
2864
kam auto pojede v blízké budoucnosti.
04:09
Even if, when you're in your carauto
80
237917
2002
I v případě, že jste ve svém autě
04:11
and some motorcyclistmotocyklista comespřijde -- bshoombshoom! --
81
239919
1994
a nějaký motocyklista předjíždí -- bum! --
04:13
85 milesmíle an hourhodina down, lane-splittingLane rozdělení --
82
241913
2296
rychlostí 85 mil za hodinu --
04:16
I know you've had this experienceZkusenosti --
83
244209
2547
já vím, že jste měli takovou zkušenost --
04:18
that guy didn't "just come out of nowherenikde."
84
246756
2603
tenhle chlapík nepřijel "jen tak odnikud".
04:21
That guy'schlap je been on the roadsilnice probablypravděpodobně for the last halfpolovina hourhodina.
85
249359
3643
Tento chlapík byl na silnici nejspíš poslední půl hodiny.
04:25
(LaughterSmích)
86
253002
1190
(Smích)
04:26
Right? I mean, somebody'sněkdo je seenviděno him.
87
254192
3589
Je to tak? Chci říct, někdo jej už viděl.
04:29
TenDeset, 20, 30 milesmíle back, someone'sněčí seenviděno that guy,
88
257781
2768
Deset, 20, 30 mil nazpět toho chlapíka někdo viděl,
04:32
and as soonjiž brzy as one carauto seesvidí that guy
89
260549
2384
a jakmile jedno auto toho člověka spatří
04:34
and putsdělá him on the mapmapa, he's on the mapmapa --
90
262933
2231
a umístí jej na mapu, je na mapě --
04:37
positionpozice, velocityrychlost,
91
265164
2176
poloha, rychlost,
04:39
good estimateodhad he'llpeklo continuepokračovat going 85 milesmíle an hourhodina.
92
267340
2321
s dobrým odhadem bude pokračovat v jízdě 85 mil za hodinu.
04:41
You'llYou'll know, because your carauto will know, because
93
269661
2184
Budete to vědět, protože vaše auto to bude vědět,
04:43
that other carauto will have whisperedzašeptal something in his earucho,
94
271845
2275
protože mu to jiné auto zašeptá do ucha:
04:46
like, "By the way, fivePět minutesminut,
95
274120
1923
"Mimochodem, pět minut,
04:48
motorcyclistmotocyklista, watch out."
96
276043
2775
motocyklista, dávej pozor."
04:50
You can make reasonablerozumné predictionspředpovědi about how carsauta behavechovat se.
97
278818
2703
Můžete přiměřeně předvídat, jak se auta chovají.
04:53
I mean, they're NewtonianNewtonovská objectsobjekty.
98
281521
1365
Chci říct, jsou to Newtonovy objekty.
04:54
That's very nicepěkný about them.
99
282886
2909
To je na nich velice pěkné.
04:57
So how do we get there?
100
285795
3034
Takže jak se k tomu dostaneme?
05:00
We can startStart with something as simplejednoduchý
101
288829
2266
Můžeme začít s něčím tak jednoduchým,
05:03
as sharingsdílení our positionpozice datadata betweenmezi carsauta,
102
291095
2870
jako je sdílení údajů o naší poloze mezi auty,
05:05
just sharingsdílení GPSGPS.
103
293965
1892
stačí sdílené GPS.
05:07
If I have a GPSGPS and a cameraFotoaparát in my carauto,
104
295857
2444
Pokud budu mít ve svém autě GPS a kameru,
05:10
I have a prettydosti precisepřesný ideaidea of where I am
105
298301
2231
budu mít dost přesnou představu o tom, kde jsem
05:12
and how fastrychle I'm going.
106
300532
1732
a jak rychle jedu.
05:14
With computerpočítač visionvidění, I can estimateodhad where
107
302264
1657
S počítačovým viděním můžu odhadnout,
05:15
the carsauta around me are, sorttřídění of, and where they're going.
108
303921
3537
kde asi jsou auta kolem mě, a kam jedou.
05:19
And samestejný with the other carsauta.
109
307458
970
A totéž s ostatními auty.
05:20
They can have a precisepřesný ideaidea of where they are,
110
308428
1814
Můžou mít přesnou představu o tom, kde jsou,
05:22
and sorttřídění of a vaguevágní ideaidea of where the other carsauta are.
111
310242
2146
a takovou mlhavou představu, kde jsou ostatní auta.
05:24
What happensse děje if two carsauta sharepodíl that datadata,
112
312388
3231
Co se stane, jestli dvě auta sdílí tyto údaje,
05:27
if they talk to eachkaždý other?
113
315619
1955
jestli spolu mluví?
05:29
I can tell you exactlypřesně what happensse děje.
114
317574
2778
Můžu vám říct přesně, co se stane.
05:32
BothOba modelsmodely improvezlepšit.
115
320352
2339
Oba modely se zlepší.
05:34
EverybodyVšichni winsvyhraje.
116
322691
2055
Každý vyhraje.
05:36
ProfessorProfesor BobBob WangWang and his teamtým
117
324746
2577
Profesor Bob Wang a jeho tým
05:39
have doneHotovo computerpočítač simulationssimulace of what happensse děje
118
327323
2738
udělali počítačové simulace toho, co se stane,
05:42
when fuzzyfuzzy estimatesodhadů combinekombajn, even in lightsvětlo trafficprovoz,
119
330061
3431
když se nejasné odhady spojí, dokonce i v provozu za světla,
05:45
when carsauta just sharepodíl GPSGPS datadata,
120
333492
2624
kdy auta sdílí GPS údaje,
05:48
and we'vejsme movedpřestěhoval this researchvýzkum out of the computerpočítač simulationsimulace
121
336116
2513
a my jsme tento výzkum posunuli z počítačové simulace
05:50
and into robotrobot testtest bedspostele that have the actualaktuální sensorssenzory
122
338629
3027
do robotových testbed, které mají skutečné snímače,
05:53
that are in carsauta now on these robotsroboty:
123
341656
3133
které jsou nyní v autech na těchto robotech:
05:56
stereostereo cameraskamery, GPSGPS,
124
344789
1838
stereo kamery, GPS,
05:58
and the two-dimensionaldvourozměrný laserlaser rangerozsah findersnálezci
125
346627
1874
a dvourozměrné laserové dálkoměry,
06:00
that are commonběžný in backupzálohování systemssystémy.
126
348501
2240
které jsou běžné v zálohovacích systémech.
06:02
We alsotaké attachpřipojit a discreteoddělený short-rangekrátkého dosahu communicationsdělení radiorádio,
127
350741
4484
Přikládáme také diskrétní komunikační rádio krátkého dosahu
06:07
and the robotsroboty talk to eachkaždý other.
128
355225
1909
a roboti spolu hovoří.
06:09
When these robotsroboty come at eachkaždý other,
129
357134
1539
Když na sebe roboti přijdou,
06:10
they trackdráha eachkaždý other'sostatní positionpozice preciselypřesně,
130
358673
2971
přesně sledují vzájemnou polohu
06:13
and they can avoidvyhýbat se eachkaždý other.
131
361644
2737
a mohou se sobě navzájem vyhnout.
06:16
We're now addingpřidání more and more robotsroboty into the mixsměs,
132
364381
3226
Nyní do této kombinace přidáváme více a více robotů
06:19
and we encounteredse setkali some problemsproblémy.
133
367607
1471
a narazili jsme na určité problémy.
06:21
One of the problemsproblémy, when you get too much chatterklábosení,
134
369078
2359
Jeden z těch problémů je, když je kolem příliš mnoho štěbetání,
06:23
it's hardtvrdý to processproces all the packetspakety, so you have to prioritizeupřednostnit,
135
371437
3728
je obtížné zpracovat všechny balíčky, takže musíte něco upřednostnit,
06:27
and that's where the predictiveprediktivní psaní modelmodel helpspomáhá you.
136
375165
2357
a zde vám pomohou prediktivní modely.
06:29
If your robotrobot carsauta are all trackingsledování the predictedpředpokládané trajectoriestrajektorií,
137
377522
4372
Pokud vaše auta-roboty všechny sledují předpovězené trajektorie,
06:33
you don't payplatit as much attentionPozor to those packetspakety.
138
381894
1767
nemusíte věnovat tolik pozornosti těm balíčkům.
06:35
You prioritizeupřednostnit the one guy
139
383661
1703
Upřednostníte jednoho člověka,
06:37
who seemszdá se to be going a little off coursechod.
140
385364
1333
který se zdá být trochu mimo kurz.
06:38
That guy could be a problemproblém.
141
386697
2526
Ten by mohl být problémem.
06:41
And you can predictpředpovědět the newNový trajectorytrajektorie.
142
389223
3002
A vy můžete předpovědět novou trajektorii.
06:44
So you don't only know that he's going off coursechod, you know how.
143
392225
2763
Takže víte nejen to, že jede mimo kurz, víte i jak.
06:46
And you know whichkterý driversovladače you need to alertupozornění to get out of the way.
144
394988
3725
A víte které řidiče máte varovat, aby uhnuli z cesty.
06:50
And we wanted to do -- how can we bestnejlepší alertupozornění everyonekaždý?
145
398713
2633
Šlo nám o to, jak nejlépe varovat každého.
06:53
How can these carsauta whisperšepot, "You need to get out of the way?"
146
401346
3183
Jak mohou tato auta šeptat: "Musíš uhnout z cesty?"
06:56
Well, it dependszávisí on two things:
147
404529
1517
Nu, záleží to na dvou věcech:
06:58
one, the abilityschopnost of the carauto,
148
406046
2169
zaprvé na schopnosti auta,
07:00
and seconddruhý the abilityschopnost of the driverŘidič.
149
408215
3217
a zadruhé na schopnosti řidiče.
07:03
If one guy has a really great carauto,
150
411432
1505
Pokud má jeden člověk opravdu velké auto,
07:04
but they're on theirjejich phonetelefon or, you know, doing something,
151
412937
2925
ale zrovna telefonuje, nebo, však víte, prostě něco dělá,
07:07
they're not probablypravděpodobně in the bestnejlepší positionpozice
152
415862
1930
asi není v té nejlepší pozici,
07:09
to reactreagovat in an emergencynouzový.
153
417792
2970
aby reagoval v případě pohotovosti.
07:12
So we startedzačal a separatesamostatný linečára of researchvýzkum
154
420762
1665
Takže jsme začali se samostatnou částí výzkumu,
07:14
doing driverŘidič stateStát modelingmodelování.
155
422427
2551
který modeluje stav řidiče.
07:16
And now, usingpoužitím a seriessérie of threetři cameraskamery,
156
424978
2329
A nyní, za užití série tří kamer,
07:19
we can detectdetekovat if a driverŘidič is looking forwardvpřed,
157
427307
2270
můžeme odhalit, jestli se řidič dívá dopředu,
07:21
looking away, looking down, on the phonetelefon,
158
429577
2860
jinam, dolů, na telefon,
07:24
or havingmít a cuppohár of coffeekáva.
159
432437
3061
nebo jestli si dává šálek kávy.
07:27
We can predictpředpovědět the accidentnehoda
160
435498
2070
Umíme předpovědět nehodu,
07:29
and we can predictpředpovědět who, whichkterý carsauta,
161
437568
3651
a umíme předpovědět kdo, která auta,
07:33
are in the bestnejlepší positionpozice to movehýbat se out of the way
162
441219
3486
jsou v nejlepší pozici k poodjetí z cesty,
07:36
to calculatevypočítat the safestnejbezpečnější routetrasa for everyonekaždý.
163
444705
3009
abychom vypočítali nejbezpečnější cestu pro každého.
07:39
FundamentallyZásadně, these technologiestechnologií existexistovat todaydnes.
164
447714
4635
V podstatě tyto technologie dnes existují.
07:44
I think the biggestnejvětší problemproblém that we facetvář
165
452349
2824
Myslím si, že největší problém, kterému čelíme,
07:47
is our ownvlastní willingnessochota to sharepodíl our datadata.
166
455173
3013
je naše vlastní ochota sdílet údaje.
07:50
I think it's a very disconcertingznepokojující notionpojem,
167
458186
2631
Myslím, že je to velmi znepokojující představa,
07:52
this ideaidea that our carsauta will be watchingsledování us,
168
460817
2386
tento nápad, že naše auta nás budou sledovat,
07:55
talkingmluvící about us to other carsauta,
169
463203
3371
říkat o nás dalším autům,
07:58
that we'lldobře be going down the roadsilnice in a seamoře of gossipdrby.
170
466574
3427
že pojedeme po cestě v moři pomluv.
08:02
But I believe it can be doneHotovo in a way that protectschrání our privacysoukromí,
171
470001
3897
Ale věřím, že to může být uděláno způsobem, který by chránil naše soukromí,
08:05
just like right now, when I look at your carauto from the outsidemimo,
172
473898
3741
stejně jako nyní, kdy se zvenku podívám na vaše auto,
08:09
I don't really know about you.
173
477639
2363
a prakticky o vás nevím.
08:12
If I look at your licenselicence platetalíř numberčíslo,
174
480002
1137
Když se podívám na vaši státní poznávací značku,
08:13
I don't really know who you are.
175
481139
1886
ve skutečnosti nevím, kdo jste.
08:15
I believe our carsauta can talk about us behindza our backssáček.
176
483025
4249
Věřím, že naše auta o nás mohou mluvit za našimi zády.
08:19
(LaughterSmích)
177
487274
2975
(Smích)
08:22
And I think it's going to be a great thing.
178
490249
3185
A myslím si, že to bude skvělá věc.
08:25
I want you to considerzvážit for a momentmoment
179
493434
1650
Chci, aby jste na chvíli pouvažovali,
08:27
if you really don't want the distractedroztržitý teenagerteenager behindza you
180
495084
4118
zda opravdu nechcete, aby ten nepozorný teenager za vámi
08:31
to know that you're brakingbrzdění,
181
499202
2120
věděl, že zastavujete,
08:33
that you're comingpříchod to a deadmrtví stop.
182
501322
2924
že zastavujete na doraz.
08:36
By sharingsdílení our datadata willinglyochotně,
183
504246
2741
Ochotným sdílením našich dat
08:38
we can do what's bestnejlepší for everyonekaždý.
184
506987
2812
můžeme udělat to, co je nejlepší pro každého.
08:41
So let your carauto gossipdrby about you.
185
509799
3076
Tak nechte vaše auto, aby vás pomlouvalo.
08:44
It's going to make the roadssilnic a lot saferbezpečnější.
186
512875
3038
Silnice budou mnohem bezpečnější.
08:47
Thank you.
187
515913
1791
Děkuji vám za pozornost.
08:49
(ApplausePotlesk)
188
517704
4985
(Potlesk)
Translated by Kateřina Číhalová
Reviewed by Mirek Mráz

▲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