ABOUT THE SPEAKER
Tan Le - Entrepreneur
Tan Le is the founder & CEO of Emotiv, a bioinformatics company that's working on identifying biomarkers for mental and other neurological conditions using electroencephalography (EEG).

Why you should listen

Tan Le is the co-founder and president of Emotiv. Before this, she headed a firm that worked on a new form of remote control that uses brainwaves to control digital devices and digital media. It's long been a dream to bypass the mechanical (mouse, keyboard, clicker) and have our digital devices respond directly to what we think. Emotiv's EPOC headset uses 16 sensors to listen to activity across the entire brain. Software "learns" what each user's brain activity looks like when one, for instance, imagines a left turn or a jump.

Le herself has an extraordinary story -- a refugee from Vietnam at age 4, she entered college at 16 and has since become a vital young leader in her home country of Australia.

More profile about the speaker
Tan Le | Speaker | TED.com
TEDGlobal 2010

Tan Le: A headset that reads your brainwaves

Ταν Λε: Μια συσκευή κεφαλής που διαβάζει τα εγκεφαλικά σας κύματα.

Filmed:
2,732,929 views

Η νέα και εντυπωσιακή διεπαφή υπολογιστή της Ταν Λε "διαβάζει" τα εγκεφαλικά κύματα του χρήστη, επιτρέποντάς του να ελέγχει εικονικά αντικείμενα, ακόμα και φυσικές ηλεκτρονικές συσκευές, απλά με τη σκέψη (και λίγη συγκέντρωση). Κάνει επίδειξη τη συσκευή κεφαλής και μιλάει για τις εκτεταμενές εφαρμογές της.
- Entrepreneur
Tan Le is the founder & CEO of Emotiv, a bioinformatics company that's working on identifying biomarkers for mental and other neurological conditions using electroencephalography (EEG). Full bio

Double-click the English transcript below to play the video.

00:16
Up untilμέχρις ότου now, our communicationεπικοινωνία with machinesμηχανές
0
1000
2000
Μέχρι στιγμής, η επικοινωνία μας με τις μηχανές
00:18
has always been limitedπεριωρισμένος
1
3000
2000
ήταν περιορισμένη
00:20
to consciousσυνειδητός and directαπευθείας formsμορφές.
2
5000
2000
σε συνειδητές και άμεσες μορφές.
00:22
WhetherΑν it's something simpleαπλός
3
7000
2000
Είτε είναι κάτι απλό,
00:24
like turningστροφή on the lightsφώτα with a switchδιακόπτης,
4
9000
2000
όπως το άνοιγμα των φώτων με ένα διακόπτη,
00:26
or even as complexσυγκρότημα as programmingπρογραμματισμός roboticsΡομποτική,
5
11000
3000
είτε κάτι πιο πολύπλοκο, όπως ο ρομποτικός προγραμματισμός,
00:29
we have always had to give a commandεντολή to a machineμηχανή,
6
14000
3000
πάντα έπρεπε να δώσουμε μια εντολή σε μια μηχανή
00:32
or even a seriesσειρά of commandsεντολές,
7
17000
2000
ή ακόμα μια σειρά από εντολές,
00:34
in orderΣειρά for it to do something for us.
8
19000
3000
ώστε να μπορεί να κάνει κάτι για εμάς.
00:37
CommunicationΕπικοινωνία betweenμεταξύ people, on the other handχέρι,
9
22000
2000
Από την άλλη πλευρά, η επικοινωνία μεταξύ ανθρώπων
00:39
is farμακριά more complexσυγκρότημα and a lot more interestingενδιαφέρων
10
24000
3000
είναι πολύ πιο σύνθετη και πολύ περισσότερο ενδιαφέρουσα,
00:42
because we take into accountΛογαριασμός
11
27000
2000
επειδή λαμβάνουμε υπόψη
00:44
so much more than what is explicitlyρητά expressedεκφράζεται.
12
29000
3000
πολλά περισσότερα από αυτά που εκφράζονται ρητά.
00:47
We observeπαρατηρούν facialχύσια στα μούτρα expressionsεκφράσεις, bodyσώμα languageΓλώσσα,
13
32000
3000
Παρατηρούμε τις εκφράσεις του προσώπου, τη γλώσσα του σώματος
00:50
and we can intuitIntuit feelingsσυναισθήματα and emotionsσυναισθήματα
14
35000
2000
και μπορούμε να διαισθανθούμε αισθήματα και συναισθήματα
00:52
from our dialogueδιάλογος with one anotherαλλο.
15
37000
3000
από τον μεταξύ μας διάλογο.
00:55
This actuallyπράγματι formsμορφές a largeμεγάλο partμέρος
16
40000
2000
Αυτό στην ουσία διαμορφώνει ένα μεγάλο μέρος
00:57
of our decision-makingλήψη αποφάσης processεπεξεργάζομαι, διαδικασία.
17
42000
2000
της διαδικασίας λήψεως των αποφάσεων μας.
00:59
Our visionόραμα is to introduceπαρουσιάζω
18
44000
2000
Το όραμά μας είναι να παρουσιάσουμε
01:01
this wholeολόκληρος newνέος realmβασίλειο of humanο άνθρωπος interactionΑΛΛΗΛΕΠΙΔΡΑΣΗ
19
46000
3000
αυτό το νέο βασίλειο της ανθρώπινης επικοινωνίας
01:04
into human-computerανθρώπου-υπολογιστή interactionΑΛΛΗΛΕΠΙΔΡΑΣΗ
20
49000
2000
σε αλληλεπίδραση ανθρώπου-υπολογιστή,
01:06
so that computersΥπολογιστές can understandκαταλαβαίνουν
21
51000
2000
ώστε οι ηλεκτρονικοί υπολογιστές να κατανοήσουν
01:08
not only what you directαπευθείας it to do,
22
53000
2000
όχι μόνο τι τους λέτε να κάνουν,
01:10
but it can alsoεπίσης respondαπαντώ
23
55000
2000
αλλά να μπορούν να ανταποκρίνονται
01:12
to your facialχύσια στα μούτρα expressionsεκφράσεις
24
57000
2000
στις εκφράσεις του προσώπου σας
01:14
and emotionalΣυναισθηματική experiencesεμπειρίες.
25
59000
2000
και στις συναισθηματικές εμπειρίες σας.
01:16
And what better way to do this
26
61000
2000
Και δεν υπάρχει καλύτερος τρόπος να το κάνουμε αυτό
01:18
than by interpretingδιερμηνεία the signalsσήματα
27
63000
2000
από το να διερμηνεύσουμε τα σήματα
01:20
naturallyΦυσικά producedπαράγεται by our brainεγκέφαλος,
28
65000
2000
που παράγονται φυσιολογικά από τον εγκέφαλό μας,
01:22
our centerκέντρο for controlέλεγχος and experienceεμπειρία.
29
67000
3000
το κέντρο ελέγχου μας και εμπειριών.
01:25
Well, it soundsήχους like a prettyαρκετά good ideaιδέα,
30
70000
2000
Λοιπόν, ακούγεται σαν μια πολύ καλή ιδέα,
01:27
but this taskέργο, as BrunoΜπρούνο mentionedπου αναφέρθηκαν,
31
72000
2000
αλλά αυτή η εργασία, όπως ανέφερε και ο Μπρούνο,
01:29
isn't an easyεύκολος one for two mainκύριος reasonsαιτιολογικό:
32
74000
3000
δεν είναι και τόσο εύκολη, για δυο κυρίως λόγους:
01:32
First, the detectionανίχνευση algorithmsαλγορίθμους.
33
77000
3000
Πρώτον, για τους αλγόριθμους ανίχνευσης.
01:35
Our brainεγκέφαλος is madeέκανε up of
34
80000
2000
Ο εγκέφαλός μας αποτελείται από
01:37
billionsδισεκατομμύρια of activeενεργός neuronsνευρώνες,
35
82000
2000
δισεκατομμύρια ενεργών νευρώνων,
01:39
around 170,000 kmχλμ
36
84000
3000
περίπου 170.000 χιλιομέτρων
01:42
of combinedσε συνδυασμό axonAXON lengthμήκος.
37
87000
2000
συνολικού συνδυασμένου μήκους.
01:44
When these neuronsνευρώνες interactαλληλεπιδρώ,
38
89000
2000
Όταν αυτοί οι νευρώνες αλληλεπιδρούν,
01:46
the chemicalχημική ουσία reactionαντίδραση emitsεκπέμπει an electricalηλεκτρικός impulseώθηση,
39
91000
2000
η χημική τους αντίδραση εκπέμπει έναν ηλεκτρικό παλμό,
01:48
whichοι οποίες can be measuredμετρημένος.
40
93000
2000
ο οποίος μπορεί να μετρηθεί.
01:50
The majorityη πλειοψηφία of our functionalλειτουργικός brainεγκέφαλος
41
95000
3000
Η πλειοψηφία του λειτουργικού εγκεφάλου μας
01:53
is distributedδιανέμονται over
42
98000
2000
κατανέμεται στο
01:55
the outerεξωτερικός surfaceεπιφάνεια layerστρώμα of the brainεγκέφαλος,
43
100000
2000
εξωτερικό στρώμα επιφανείας του εγκεφάλου.
01:57
and to increaseαυξάνουν the areaπεριοχή that's availableδιαθέσιμος for mentalδιανοητικός capacityχωρητικότητα,
44
102000
3000
Και για να αυξηθεί η περιοχή που είναι διαθέσιμη για τη διανοητική ικανότητα
02:00
the brainεγκέφαλος surfaceεπιφάνεια is highlyυψηλά foldedδιπλωμένο.
45
105000
3000
η επιφάνεια του εγκεφάλου είναι υπερβολικά διπλωμένη.
02:03
Now this corticalφλοιού foldingπτυσσόμενος
46
108000
2000
Τώρα, αυτή η δίπλωση του φλοιού
02:05
presentsπαρουσιάζει a significantσημαντικός challengeπρόκληση
47
110000
2000
παρουσιάζει μια σημαντική πρόκληση
02:07
for interpretingδιερμηνεία surfaceεπιφάνεια electricalηλεκτρικός impulsesωθήσεις.
48
112000
3000
για τη διερμηνεία των επιφανειακών ηλεκτρικών ώσεων.
02:10
EachΚάθε individual'sτου ατόμου cortexφλοιός
49
115000
2000
Ο φλοιός καθενός από εμάς
02:12
is foldedδιπλωμένο differentlyδιαφορετικά,
50
117000
2000
είναι διπλωμένος διαφορετικά,
02:14
very much like a fingerprintδακτυλικών αποτυπωμάτων.
51
119000
2000
όπως περίπου το δακτυλικό αποτύπωμα.
02:16
So even thoughαν και a signalσήμα
52
121000
2000
Έτσι, ενώ ένα σήμα
02:18
mayενδέχεται come from the sameίδιο functionalλειτουργικός partμέρος of the brainεγκέφαλος,
53
123000
3000
μπορεί να προέρχεται από το ίδιο λειτουργικό τμήμα του εγκεφάλου,
02:21
by the time the structureδομή has been foldedδιπλωμένο,
54
126000
2000
με το που η διάρθρωση διπλωθεί,
02:23
its physicalφυσικός locationτοποθεσία
55
128000
2000
η φυσική της τοποθεσία
02:25
is very differentδιαφορετικός betweenμεταξύ individualsτα άτομα,
56
130000
2000
είναι πολύ διαφορετική για τον καθένα,
02:27
even identicalπανομοιότυπο twinsδίδυμα.
57
132000
3000
ακόμα και στα μονοζυγωτικά δίδυμα.
02:30
There is no longerμακρύτερα any consistencyσυνοχή
58
135000
2000
Δεν υπάρχει πλέον καμία σταθερότητα
02:32
in the surfaceεπιφάνεια signalsσήματα.
59
137000
2000
στα σήματα της επιφανείας.
02:34
Our breakthroughανακάλυψη was to createδημιουργώ an algorithmαλγόριθμος
60
139000
2000
Η επαναστατική μας ανακάλυψη ήταν να δημιουργήσουμε έναν αλγόριθμο
02:36
that unfoldsξεδιπλώνεται the cortexφλοιός,
61
141000
2000
που ξεδιπλώνει τον φλοιό,
02:38
so that we can mapχάρτης the signalsσήματα
62
143000
2000
ώστε να μπορέσουμε να χαρτογραφήσουμε τα σήματα
02:40
closerπιο κοντά to its sourceπηγή,
63
145000
2000
κοντύτερα στην πηγή τους
02:42
and thereforeεπομένως makingκατασκευή it capableικανός of workingεργαζόμενος acrossαπέναντι a massμάζα populationπληθυσμός.
64
147000
3000
και επομένως να το κάνουμε ικανό να δουλέψει για τον γενικό πληθυσμό.
02:46
The secondδεύτερος challengeπρόκληση
65
151000
2000
Η δεύτερη πρόκληση
02:48
is the actualπραγματικός deviceσυσκευή for observingπαρατηρητικός brainwavesεγκεφαλικά κύματα.
66
153000
3000
είναι η ίδια η συσκευή για την παρατήρηση των εγκεφαλικών κυμάτων.
02:51
EEGΗΕΓ measurementsΜετρήσεις typicallyτυπικά involveεμπλέκω
67
156000
2000
Οι μετρήσεις ενός ηλεκτροεγκεφαλογραφήματος τυπικά περιλαμβάνουν
02:53
a hairnetΧάντρες fs140042 with an arrayπαράταξη of sensorsΑισθητήρες,
68
158000
3000
ένα πλέγμα με μία σειρά αισθητήρων,
02:56
like the one that you can see here in the photoφωτογραφία.
69
161000
3000
σαν αυτό που βλέπεται εδώ στη φωτογραφία.
02:59
A technicianτεχνικός will put the electrodesηλεκτρόδια
70
164000
2000
Ένας τεχνικός θα τοποθετήσει τα ηλεκτρόδια
03:01
ontoεπάνω σε the scalpδέρμα της κεφαλής
71
166000
2000
πάνω στο τριχωτό της κεφαλής
03:03
usingχρησιμοποιώντας a conductiveβαρηκοΐα αγωγιμότητας gelGel or pasteΕπικόλληση
72
168000
2000
χρησιμοποιώντας ένα αγώγιμο πήκτωμα ή πάστα
03:05
and usuallyσυνήθως after a procedureδιαδικασία of preparingπροετοιμασία the scalpδέρμα της κεφαλής
73
170000
3000
και συνήθως μετά από μία διαδικασία προετοιμασίας του κεφαλιού
03:08
by lightφως abrasionτριβή.
74
173000
2000
με ένα ελαφρύ γδάρσιμο.
03:10
Now this is quiteαρκετά time consumingκατανάλωση
75
175000
2000
Τώρα, αυτό χρειάζεται αρκετό χρόνο
03:12
and isn't the mostπλέον comfortableάνετος processεπεξεργάζομαι, διαδικασία.
76
177000
2000
και δεν είναι και η ευκολότερη διαδικασία.
03:14
And on topμπλουζα of that, these systemsσυστήματα
77
179000
2000
Και επιπλέον, αυτά τα συστήματα
03:16
actuallyπράγματι costκόστος in the tensδεκάδες of thousandsχιλιάδες of dollarsδολάρια.
78
181000
3000
κοστίζουν πραγματικά δεκάδες χιλιάδες δολλάρια.
03:20
So with that, I'd like to inviteκαλώ onstageστη σκηνή
79
185000
3000
Έτσι με αυτά, θα ήθελα να προσκαλέσω στη σκηνή
03:23
EvanEvan GrantΕπιχορήγησης, who is one of last year'sέτος speakersΗχεία,
80
188000
2000
τον Έβαν Γκράντ, ο οποίος είναι ένας από τους περσινούς ομιλητές
03:25
who'sποιος είναι kindlyευγενικά agreedσύμφωνος
81
190000
2000
που πολύ ευγενικά συμφώνησε
03:27
to help me to demonstrateαποδείξει
82
192000
2000
να με βοηθήσει να παρουσιάσω
03:29
what we'veέχουμε been ableικανός to developαναπτύσσω.
83
194000
2000
τι έχουμε καταφέρει να αναπτύξουμε.
03:31
(ApplauseΧειροκροτήματα)
84
196000
6000
(Χειροκρότημα)
03:37
So the deviceσυσκευή that you see
85
202000
2000
Λοιπόν, η συσκευή που βλέπετε
03:39
is a 14-channel-κανάλι, high-fidelityυψηλής πιστότητας
86
204000
2000
είμαι ένα δεκατεσσάρων καναλιών, υψηλής πιστότητας
03:41
EEGΗΕΓ acquisitionαπόκτηση systemΣύστημα.
87
206000
2000
σύστημα ηλεκτροεγκεφαλογραφήματος.
03:43
It doesn't requireαπαιτώ any scalpδέρμα της κεφαλής preparationπαρασκευή,
88
208000
3000
Δεν χρειάζεται καμία προετοιμασία του κεφαλιού,
03:46
no conductiveβαρηκοΐα αγωγιμότητας gelGel or pasteΕπικόλληση.
89
211000
2000
ούτε αγώγιμο πήκτωμα ή πάστα.
03:48
It only takes a fewλίγοι minutesλεπτά to put on
90
213000
3000
Χρειάζονται μόνο μερικά λεπτά για να φορεθεί
03:51
and for the signalsσήματα to settleεγκατασταθούν.
91
216000
2000
και για να σταθεροποιηθούν τα σήματα.
03:53
It's alsoεπίσης wirelessασύρματος,
92
218000
2000
Είναι, επίσης, ασύρματη
03:55
so it givesδίνει you the freedomελευθερία to moveκίνηση around.
93
220000
3000
και έτσι σας δίνει την ελευθερία να κινήστε.
03:58
And comparedσε συγκριση to the tensδεκάδες of thousandsχιλιάδες of dollarsδολάρια
94
223000
3000
Και σε σύγκριση με τα δεκάδες χιλιάδες δολλάρια
04:01
for a traditionalπαραδοσιακός EEGΗΕΓ systemΣύστημα,
95
226000
3000
του παραδοσιακού συστήματος ηλεκτροεγκεφαλογραφήματος,
04:04
this headsetακουστικά only costsδικαστικά έξοδα
96
229000
2000
αυτή η συσκευή κεφαλής κοστίζει μόνο
04:06
a fewλίγοι hundredεκατό dollarsδολάρια.
97
231000
2000
μερικές εκατοντάδες δολλάρια.
04:08
Now on to the detectionανίχνευση algorithmsαλγορίθμους.
98
233000
3000
Πάμε τώρα στους αλγόριθμους ανίχνευσης.
04:11
So facialχύσια στα μούτρα expressionsεκφράσεις --
99
236000
2000
Λοιπόν, οι εκφράσεις του προσώπου
04:13
as I mentionedπου αναφέρθηκαν before in emotionalΣυναισθηματική experiencesεμπειρίες --
100
238000
2000
- όπως ανέφερα πριν στις συναισθηματικές εμπειρίες -
04:15
are actuallyπράγματι designedσχεδιασμένο to work out of the boxκουτί
101
240000
2000
είναι σχεδιασμένες να δουλεύουν κατευθείαν
04:17
with some sensitivityευαισθησία adjustmentsπροσαρμογές
102
242000
2000
με μερικές ρυθμίσεις ευαισθησίας
04:19
availableδιαθέσιμος for personalizationΕξατομίκευση.
103
244000
3000
διαθέσιμες για εξατομίκευση.
04:22
But with the limitedπεριωρισμένος time we have availableδιαθέσιμος,
104
247000
2000
Αλλά, λόγω του περιορισμένου χρόνου που έχουμε,
04:24
I'd like to showπροβολή you the cognitiveγνωστική suiteΣουίτα,
105
249000
2000
θα ήθελα να σας δείξω τη γνωστική ακολουθία,
04:26
whichοι οποίες is the abilityικανότητα for you
106
251000
2000
που είναι η ικανότητα για να μπορείτε να
04:28
to basicallyβασικα moveκίνηση virtualεικονικός objectsαντικείμενα with your mindμυαλό.
107
253000
3000
μετακινήσετε βασικά εικονικά αντικείμενα με το μυαλό σας.
04:32
Now, EvanEvan is newνέος to this systemΣύστημα,
108
257000
2000
Τώρα, ο Έβαν είναι καινούργιος σε αυτό το σύστημα,
04:34
so what we have to do first
109
259000
2000
έτσι, αυτό που πρέπει να κάνουμε πρώτα
04:36
is createδημιουργώ a newνέος profileπροφίλ for him.
110
261000
2000
είναι να δημιουργήσουμε ένα προφίλ για αυτόν.
04:38
He's obviouslyπροφανώς not JoanneJoanne -- so we'llΚαλά "addπροσθέτω userχρήστης."
111
263000
3000
Προφανώς, δεν είναι η Τζοάν, γι' αυτό θα προσθέσουμε ένα χρήστη.
04:41
EvanEvan. Okay.
112
266000
2000
Έβαν. Εντάξει.
04:43
So the first thing we need to do with the cognitiveγνωστική suiteΣουίτα
113
268000
3000
Λοιπόν, το πρώτο πράγμα που πρέπει να κάνουμε με τη γνωστική ακολουθία
04:46
is to startαρχή with trainingεκπαίδευση
114
271000
2000
είναι να ξεκινήσουμε με την εκπαίδευση
04:48
a neutralουδέτερος signalσήμα.
115
273000
2000
ενός ουδέτερου σήματος.
04:50
With neutralουδέτερος, there's nothing in particularιδιαιτερος
116
275000
2000
Με το ουδέτερο, δεν έχουμε τίποτα συγκεκριμένο
04:52
that EvanEvan needsανάγκες to do.
117
277000
2000
που πρέπει να κάνει ο Έβαν.
04:54
He just hangsκρέμεται out. He's relaxedχαλαρή.
118
279000
2000
Απλά κάθεται. Είναι ήρεμος.
04:56
And the ideaιδέα is to establishεγκαθιδρύω a baselineβασική γραμμή
119
281000
2000
Και η ιδέα είναι να εξασφαλίσουμε ένα σημείο εκκίνησης
04:58
or normalκανονικός stateκατάσταση for his brainεγκέφαλος,
120
283000
2000
ή μια κανονική κατάσταση για τον εγκέφαλό του,
05:00
because everyκάθε brainεγκέφαλος is differentδιαφορετικός.
121
285000
2000
επειδή κάθε εγκέφαλος είναι διαφορετικός.
05:02
It takes eightοκτώ secondsδευτερολέπτων to do this,
122
287000
2000
Χρειάζονται οκτώ δευτερόλεπτα για να το κάνει αυτό.
05:04
and now that that's doneΈγινε,
123
289000
2000
Και τώρα που έγινε αυτό,
05:06
we can chooseεπιλέγω a movement-basedβασίζεται στην κίνηση actionδράση.
124
291000
2000
μπορούμε να επιλέξουμε μια δραστηριότητα κίνησης.
05:08
So EvanEvan, chooseεπιλέγω something
125
293000
2000
Λοιπόν Έβαν, διάλεξε κάτι
05:10
that you can visualizeφαντάζομαι clearlyσαφώς in your mindμυαλό.
126
295000
2000
που να μπορείς να το σκεφτείς καθαρά στο μυαλό σου.
05:12
EvanEvan GrantΕπιχορήγησης: Let's do "pullΤραβήξτε."
127
297000
2000
'Εβαν Γκράντ: Ας κάνουμε το "τραβάω".
05:14
TanΜαύρισμα LeLe: Okay, so let's chooseεπιλέγω "pullΤραβήξτε."
128
299000
2000
Ταν Λε: Εντάξει. Ας κάνουμε το "τραβάω".
05:16
So the ideaιδέα here now
129
301000
2000
Η ιδέα λοιπόν εδώ
05:18
is that EvanEvan needsανάγκες to
130
303000
2000
είναι ότι ο Έβαν πρέπει να
05:20
imagineφαντάζομαι the objectαντικείμενο comingερχομός forwardπρος τα εμπρός
131
305000
2000
φανταστεί το αντικείμενο να έρχεται εμπρός
05:22
into the screenοθόνη,
132
307000
2000
στην οθόνη.
05:24
and there's a progressπρόοδος barμπαρ that will scrollπάπυρος acrossαπέναντι the screenοθόνη
133
309000
3000
Και υπάρχει μια γραμμή προόδου που θα κυλάει κατά πλάτος της οθόνης
05:27
while he's doing that.
134
312000
2000
όσο το κάνει αυτό.
05:29
The first time, nothing will happenσυμβεί,
135
314000
2000
Την πρώτη φορά, τίποτα δεν θα συμβεί,
05:31
because the systemΣύστημα has no ideaιδέα how he thinksσκέφτεται about "pullΤραβήξτε."
136
316000
3000
γιατί το σύστημα δεν έχει ιδέα πως σκέφτεται το "τραβάω".
05:34
But maintainδιατηρούν that thought
137
319000
2000
Αλλά κράτησε αυτή τη σκέψη
05:36
for the entireολόκληρος durationδιάρκεια of the eightοκτώ secondsδευτερολέπτων.
138
321000
2000
για όλη τη διάρκεια των οκτώ δευτερολέπτων.
05:38
So: one, two, threeτρία, go.
139
323000
3000
Λοιπόν: ένα, δυο, τρία, πάμε.
05:49
Okay.
140
334000
2000
Εντάξει.
05:51
So onceμια φορά we acceptαποδέχομαι this,
141
336000
2000
Όταν λοιπόν το αποδεχτούμε αυτό,
05:53
the cubeκύβος is liveζω.
142
338000
2000
ο κύβος είναι ζωντανός.
05:55
So let's see if EvanEvan
143
340000
2000
Ας δούμε, λοιπόν, αν ο Έβαν
05:57
can actuallyπράγματι try and imagineφαντάζομαι pullingτραβώντας.
144
342000
3000
μπορεί πραγματικά να προσπαθήσει να φανταστεί το "τράβηγμα".
06:00
AhΑχ, good jobδουλειά!
145
345000
2000
Α, πολύ καλά!
06:02
(ApplauseΧειροκροτήματα)
146
347000
3000
(Χειροκρότημα)
06:05
That's really amazingφοβερο.
147
350000
2000
Αυτό είναι αρκετά εκπληκτικό.
06:07
(ApplauseΧειροκροτήματα)
148
352000
4000
(Χειροκρότημα)
06:11
So we have a little bitκομμάτι of time availableδιαθέσιμος,
149
356000
2000
Έχουμε λοιπόν λίγο ακόμα χρόνο διαθέσιμο,
06:13
so I'm going to askπαρακαλώ EvanEvan
150
358000
2000
έτσι θα ζητήσω από τον Έβαν
06:15
to do a really difficultδύσκολος taskέργο.
151
360000
2000
να κάνει μία πολύ δύσκολη εργασία.
06:17
And this one is difficultδύσκολος
152
362000
2000
Και αυτή είναι δύσκολη,
06:19
because it's all about beingνα εισαι ableικανός to visualizeφαντάζομαι something
153
364000
3000
επειδή αφορά στο να μπορεί να σκεφθεί κάτι
06:22
that doesn't existυπάρχει in our physicalφυσικός worldκόσμος.
154
367000
2000
που δεν υπάρχει στο φυσικό μας κόσμο.
06:24
This is "disappearεξαφανίζομαι."
155
369000
2000
Αυτό είναι η "εξαφάνιση".
06:26
So what you want to do -- at leastελάχιστα with movement-basedβασίζεται στην κίνηση actionsΕνέργειες,
156
371000
2000
Έτσι, αυτό που θέλετε... Τουλάχιστον με τις δραστηριότητες κίνησης,
06:28
we do that all the time, so you can visualizeφαντάζομαι it.
157
373000
3000
που τις κάνουμε συνεχώς, για να μπορέσετε να το φανταστείτε.
06:31
But with "disappearεξαφανίζομαι," there's really no analogiesαναλογίες --
158
376000
2000
Αλλά με την "εξαφάνιση", δεν υπάρχει πραγματικά κάτι ανάλογο.
06:33
so EvanEvan, what you want to do here
159
378000
2000
Λοιπόν, Έβαν, αυτό που θέλεις να κάνεις εδώ
06:35
is to imagineφαντάζομαι the cubeκύβος slowlyαργά fadingξεθώριασμα out, okay.
160
380000
3000
είναι να φανταστείς τον κύβο να εξαφανίζεται βαθμιαία και αργά, εντάξει;
06:38
SameΊδια sortείδος of drillτρυπάνι. So: one, two, threeτρία, go.
161
383000
3000
Σαν να θρυμματίζεται. Λοιπόν, ένα, δυο, τρία, πάμε.
06:50
Okay. Let's try that.
162
395000
3000
Εντάξει. Ας το δοκιμάσουμε.
06:53
Oh, my goodnessκαλοσύνη. He's just too good.
163
398000
3000
Ω, Θεέ μου! Είναι πολύ καλός.
06:57
Let's try that again.
164
402000
2000
Ας το δοκιμάσουμε ξανά.
07:04
EGΠ.Χ.: LosingΑπώλεια concentrationσυγκέντρωση.
165
409000
2000
Έβαν Γκράντ: Χάνω την αυτοσυγκέντρωσή μου.
07:06
(LaughterΤο γέλιο)
166
411000
2000
(Χειροκρότημα)
07:08
TLTL: But we can see that it actuallyπράγματι worksεργοστάσιο,
167
413000
2000
Ταν Λε: Αλλά μπορούμε να δούμε ότι πράγματι λειτουργεί,
07:10
even thoughαν και you can only holdΚρατήστε it
168
415000
2000
παρότι μπορείς να το κρατήσεις μόνο
07:12
for a little bitκομμάτι of time.
169
417000
2000
για πολύ λίγο χρόνο.
07:14
As I said, it's a very difficultδύσκολος processεπεξεργάζομαι, διαδικασία
170
419000
3000
Όπως είπα, είναι μια πολύ δύσκολη διαδικασία
07:17
to imagineφαντάζομαι this.
171
422000
2000
να το φανταστείτε.
07:19
And the great thing about it is that
172
424000
2000
Και το εκπληκτικό είναι ότι
07:21
we'veέχουμε only givenδεδομένος the softwareλογισμικό one instanceπαράδειγμα
173
426000
2000
έχουμε δώσει στο λογισμικό μόνο μια έννοια
07:23
of how he thinksσκέφτεται about "disappearεξαφανίζομαι."
174
428000
3000
του πως σκέφτεται την "εξαφάνιση".
07:26
As there is a machineμηχανή learningμάθηση algorithmαλγόριθμος in this --
175
431000
3000
Δεδομένου ότι υπάρχει μια μηχανή μάθησης σε αυτόν τον αλγόριθμο.
07:29
(ApplauseΧειροκροτήματα)
176
434000
4000
(Χειροκρότημα)
07:33
Thank you.
177
438000
2000
Σας ευχαριστώ.
07:35
Good jobδουλειά. Good jobδουλειά.
178
440000
3000
Πολύ καλά. Πολύ καλά.
07:38
(ApplauseΧειροκροτήματα)
179
443000
2000
(Χειροκρότημα)
07:40
Thank you, EvanEvan, you're a wonderfulεκπληκτικός, wonderfulεκπληκτικός
180
445000
3000
Ευχαριστώ Έβαν, είσαι ένα υπέροχο, υπέροχο
07:43
exampleπαράδειγμα of the technologyτεχνολογία.
181
448000
3000
παράδειγμα της τεχνολογίας.
07:46
So, as you can see, before,
182
451000
2000
Όπως, λοιπόν, είδατε πριν,
07:48
there is a levelingΙσοστάθμιση systemΣύστημα builtχτισμένο into this softwareλογισμικό
183
453000
3000
υπάρχει ένα βαθμιαίο σύστημα ενσωματωμένο στο λογισμικό
07:51
so that as EvanEvan, or any userχρήστης,
184
456000
2000
έτσι ώστε όσο ο Έβαν, ή κάθε χρήστης,
07:53
becomesγίνεται more familiarοικείος with the systemΣύστημα,
185
458000
2000
εξοικιώνεται με το σύστημα,
07:55
they can continueνα συνεχίσει to addπροσθέτω more and more detectionsεντοπισμοί,
186
460000
3000
να μπορεί να προσθέτει ακόμα περισσότερες ανιχνεύσεις,
07:58
so that the systemΣύστημα beginsαρχίζει to differentiateδιαφοροποιούν
187
463000
2000
ώστε το σύστημα να ξεχωρίζει
08:00
betweenμεταξύ differentδιαφορετικός distinctδιακριτή thoughtsσκέψεις.
188
465000
3000
μεταξύ διαφορετικών ξεχωριστών σκέψεων.
08:04
And onceμια φορά you've trainedεκπαιδευμένο up the detectionsεντοπισμοί,
189
469000
2000
Και μόλις εκπαιδεύσετε τις ανιχνεύσεις,
08:06
these thoughtsσκέψεις can be assignedανατεθεί or mappedαντιστοίχιση
190
471000
2000
αυτές οι σκέψεις μπορούν να εκχωρηθούν ή χαρτογραφηθούν
08:08
to any computingχρήση υπολογιστή platformπλατφόρμα,
191
473000
2000
σε οποιαδήποτε υπολογιστική πλατφόρμα,
08:10
applicationεφαρμογή or deviceσυσκευή.
192
475000
2000
εφαρμογή ή συσκευή.
08:12
So I'd like to showπροβολή you a fewλίγοι examplesπαραδείγματα,
193
477000
2000
Έτσι, θα ήθελα να σας δείξω μερικά παραδείγματα,
08:14
because there are manyΠολλά possibleδυνατόν applicationsεφαρμογών
194
479000
2000
επειδή υπάρχουν πολλές δυνατές εφαρμογές
08:16
for this newνέος interfaceδιεπαφή.
195
481000
2000
για αυτή τη νέα διεπαφή.
08:19
In gamesΠαιχνίδια and virtualεικονικός worldsτου κόσμου, for exampleπαράδειγμα,
196
484000
2000
Στα παιχνίδια και τους εικονικούς κόσμους, για παράδειγμα,
08:21
your facialχύσια στα μούτρα expressionsεκφράσεις
197
486000
2000
οι εκφράσεις του προσώπου σας
08:23
can naturallyΦυσικά and intuitivelyδιαισθητικά be used
198
488000
2000
μπορούν να χρησιμοποιηθούν φυσικά και ενστικτωδώς για
08:25
to controlέλεγχος an avataravatar or virtualεικονικός characterχαρακτήρας.
199
490000
3000
να ελέγξουν ένα άβαταρ ή έναν εικονικό χαρακτήρα.
08:29
ObviouslyΠροφανώς, you can experienceεμπειρία the fantasyφαντασία of magicμαγεία
200
494000
2000
Προφανώς, μπορείτε να βιώσετε τη φαντασίωση της μαγείας
08:31
and controlέλεγχος the worldκόσμος with your mindμυαλό.
201
496000
3000
και να ελέγξετε τον κόσμο με το μυαλό σας.
08:36
And alsoεπίσης, colorsχρωματιστά, lightingφωτισμός,
202
501000
3000
Όπως επίσης, χρώματα, φωτισμός,
08:39
soundήχος and effectsυπάρχοντα
203
504000
2000
ήχοι και εφέ,
08:41
can dynamicallyδυναμικά respondαπαντώ to your emotionalΣυναισθηματική stateκατάσταση
204
506000
2000
μπορούν να αποκριθούν δυναμικά στη συναισθηματική σας κατάσταση
08:43
to heightenαυξήσει την the experienceεμπειρία that you're havingέχοντας, in realπραγματικός time.
205
508000
3000
να εντείνουν την εμπειρία που βιώνετε, σε πραγματικό χρόνο.
08:47
And movingκίνηση on to some applicationsεφαρμογών
206
512000
2000
Και, προχωρώντας σε μερικές εφαρμογές που
08:49
developedαναπτηγμένος by developersπρογραμματιστές and researchersερευνητές around the worldκόσμος,
207
514000
3000
ανέπτυξαν προγραμματιστές και ερευνητές ανά τον κόσμο,
08:52
with robotsρομπότ and simpleαπλός machinesμηχανές, for exampleπαράδειγμα --
208
517000
3000
με ρομπότ και απλές μηχανές, για παράδειγμα -
08:55
in this caseπερίπτωση, flyingπέταγμα a toyπαιχνίδι helicopterελικόπτερο
209
520000
2000
σε αυτη την περίπτωση, πετώντας ένα παιχνίδι-ελικόπτερο
08:57
simplyαπλά by thinkingσκέψη "liftανελκυστήρας" with your mindμυαλό.
210
522000
3000
απλά με το να σκέφτεστε "απογειώσου" με το μυαλό σας.
09:00
The technologyτεχνολογία can alsoεπίσης be appliedεφαρμοσμένος
211
525000
2000
Η τεχνολογία μπορεί επίσης να εφαρμοστεί
09:02
to realπραγματικός worldκόσμος applicationsεφαρμογών --
212
527000
2000
σε εφαρμογές του πραγματικού κόσμου
09:04
in this exampleπαράδειγμα, a smartέξυπνος home.
213
529000
2000
- σε αυτό το παράδειγμα, ένα έξυπνο σπίτι.
09:06
You know, from the userχρήστης interfaceδιεπαφή of the controlέλεγχος systemΣύστημα
214
531000
3000
Ξέρετε, από τη διεπαφή του χρήστη με το σύστημα ελέγχου
09:09
to openingάνοιγμα curtainsκουρτίνες
215
534000
2000
για να ανοίξετε τις κουρτίνες
09:11
or closingκλείσιμο curtainsκουρτίνες.
216
536000
3000
ή να τις κλείσετε.
09:22
And of courseσειρά μαθημάτων, alsoεπίσης to the lightingφωτισμός --
217
547000
3000
Και φυσικά επίσης για το φωτισμό
09:25
turningστροφή them on
218
550000
3000
- να τον ανοίξουμε
09:28
or off.
219
553000
2000
ή να τον κλείσουμε.
09:30
And finallyτελικά,
220
555000
2000
Και, τέλος,
09:32
to realπραγματικός life-changingαλλάζει τη ζωή applicationsεφαρμογών,
221
557000
2000
σε εφαρμογές που πραγματικά μας αλλάζουν τη ζωή,
09:34
suchτέτοιος as beingνα εισαι ableικανός to controlέλεγχος an electricηλεκτρικός wheelchairπρόσβαση σε αναπηρική καρέκλα.
222
559000
3000
όπως να είστε σε θέση να ελέγξετε ένα ηλεκτρικό αναπηρικό καροτσάκι.
09:37
In this exampleπαράδειγμα,
223
562000
2000
Σε αυτό το παράδειγμα,
09:39
facialχύσια στα μούτρα expressionsεκφράσεις are mappedαντιστοίχιση to the movementκίνηση commandsεντολές.
224
564000
3000
οι εκφράσεις του προσώπου είναι συνυφασμένες με τις εντολές κίνησης.
09:42
Man: Now blinkαναβοσβήνω right to go right.
225
567000
3000
Άνδρας: Τώρα βλεφάρισε δεξιά για να πάει δεξιά.
09:50
Now blinkαναβοσβήνω left to turnστροφή back left.
226
575000
3000
Τώρα βλεφάρισε αριστερά για να γυρίσει αριστερά.
10:02
Now smileχαμόγελο to go straightευθεία.
227
587000
3000
Τώρα χαμογέλασε για να πας ευθεία.
10:08
TLTL: We really -- Thank you.
228
593000
2000
Ταν Λε: Πραγματικά... Σας ευχαριστώ.
10:10
(ApplauseΧειροκροτήματα)
229
595000
5000
(Χειροκρότημα)
10:15
We are really only scratchingξύσιμο the surfaceεπιφάνεια of what is possibleδυνατόν todayσήμερα,
230
600000
3000
Και αυτά είναι η κορυφή του παγόβουνου, με τα σημερινά δεδομένα.
10:18
and with the community'sτης κοινότητας inputεισαγωγή,
231
603000
2000
Και με τη συμβολή της κοινότητας,
10:20
and alsoεπίσης with the involvementπεριπλοκή of developersπρογραμματιστές
232
605000
2000
καθώς επίσης και την ανάμειξη των κατασκευαστών λογισμικού
10:22
and researchersερευνητές from around the worldκόσμος,
233
607000
3000
και ερευνητών από όλο τον κόσμο,
10:25
we hopeελπίδα that you can help us to shapeσχήμα
234
610000
2000
ελπίζουμε ότι θα μας βοηθήσετε να διαμορφώσουμε
10:27
where the technologyτεχνολογία goesπηγαίνει from here. Thank you so much.
235
612000
3000
πως θα συνεχίσει αυτή η τεχνολογία από εδώ. Σας ευχαριστώ πάρα πολύ.
Translated by Nikolaos Benias
Reviewed by Alexandros Tzaferidis

▲Back to top

ABOUT THE SPEAKER
Tan Le - Entrepreneur
Tan Le is the founder & CEO of Emotiv, a bioinformatics company that's working on identifying biomarkers for mental and other neurological conditions using electroencephalography (EEG).

Why you should listen

Tan Le is the co-founder and president of Emotiv. Before this, she headed a firm that worked on a new form of remote control that uses brainwaves to control digital devices and digital media. It's long been a dream to bypass the mechanical (mouse, keyboard, clicker) and have our digital devices respond directly to what we think. Emotiv's EPOC headset uses 16 sensors to listen to activity across the entire brain. Software "learns" what each user's brain activity looks like when one, for instance, imagines a left turn or a jump.

Le herself has an extraordinary story -- a refugee from Vietnam at age 4, she entered college at 16 and has since become a vital young leader in her home country of Australia.

More profile about the speaker
Tan Le | Speaker | TED.com