ABOUT THE SPEAKER
Mary Lou Jepsen - Inventor, entrepreneur, optical physicist
Mary Lou Jepsen pushes the edges of what's possible in optics and physics, to make new types of devices, leading teams and working with huge factories that can ship vast volumes of these strange, new things.

Why you should listen

Mary Lou Jepsen is one of the world’s foremost engineers and scientists in optics, imaging and display -- inventing at the hairy, crazy edge of what physics allows, aiming to do what seems impossible and leading teams to achieve these in volume in partnership with the world’s largest manufacturers, in Asia. She has more than 200 patents published or issued.

Jepsen is the founder and CEO of Openwater, which aims to use new optics to see inside our bodies. Previously a top technical exec at Google, Facebook, Oculus and Intel, her startups include One Laptop Per Child, where she was CTO and chief architect on the $100 laptop. She studied at Brown, MIT and Rhode Island School of Design, and she was a professor at both MITs -- the one in Cambridge, Mass., and the Royal Melbourne Institute of Tech in Australia.

More profile about the speaker
Mary Lou Jepsen | Speaker | TED.com
TED2013

Mary Lou Jepsen: Could future devices read images from our brains?

Mary Lou Jepsen: Les appareils du futur pourront-ils lire les images depuis notre cerveau ?

Filmed:
1,035,856 views

En tant qu'experte sur ​​les affichages numériques haut de gamme, Mary Lou Jepsen étudie comment montrer nos idées les plus créatives sur les écrans. Et tant que patiente d'une opération neurochirurgicale elle-même, elle s'est vue conduite à en savoir plus sur l'activité neuronale qui sous-tend les inventions, la créativité, et la pensée. Elle mélange ces deux passions dans un discours plutôt hallucinant en parlant de ​​deux études pointues sur le cerveau qui pourraient percer une nouvelle frontière pour comprendre comment (et ce que) nous pensons.
- Inventor, entrepreneur, optical physicist
Mary Lou Jepsen pushes the edges of what's possible in optics and physics, to make new types of devices, leading teams and working with huge factories that can ship vast volumes of these strange, new things. Full bio

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

00:12
I had braincerveau surgerychirurgie 18 yearsannées agodepuis,
0
607
2508
Il y a 18 ans,
j'ai eu une opération neurochirurgicale
00:15
and sincedepuis that time, braincerveau sciencescience has becomedevenir
1
3115
2567
et depuis ce temps,
la neurologie est devenue
une de mes passions personnelles.
00:17
a personalpersonnel passionla passion of minemien.
2
5682
1999
00:19
I'm actuallyréellement an engineeringénieur.
3
7681
2235
En fait, je suis ingénieur.
00:21
And first let me say, I recentlyrécemment joinedrejoint
4
9916
2516
Tout d'abord, permettez-moi de dire
que j'ai récemment rejoint
l’équipe du projet Moonshot,
00:24
Google'sDe Google MoonshotMoonshot groupgroupe,
5
12432
1549
00:25
where I had a divisiondivision,
6
13981
1212
où je dirige un département,
00:27
the displayafficher divisiondivision in GoogleGoogle X,
7
15193
2181
le département de l'affichage
du Google X Lab,
00:29
and the braincerveau sciencescience work I'm speakingParlant about todayaujourd'hui
8
17374
2622
et les études de neurologie
dont je vais parler aujourd'hui,
00:31
is work I did before I joinedrejoint GoogleGoogle
9
19996
2921
sont des travaux que j'ai accompli
avant de rejoindre Google
00:34
and on the sidecôté outsideà l'extérieur of GoogleGoogle.
10
22917
2332
et en annexe,
en dehors de mon travail à Google.
00:37
So that said, there's a stigmastigmatisation
11
25249
3183
Cela dit, il y a un stigmate
00:40
when you have braincerveau surgerychirurgie.
12
28432
2285
quand vous avez eu
une opération neurochirurgicale.
00:42
Are you still smartintelligent or not?
13
30717
2823
Est-ce que vous êtes
toujours intelligent ou non ?
00:45
And if not, can you make yourselftoi même smartintelligent again?
14
33540
3848
Et si non, est-ce que vous pouvez
le redevenir par vous même ?
00:49
After my neurosurgeryNeurochirurgie,
15
37388
1766
Après mon opération neurochirurgicale,
00:51
partpartie of my braincerveau was missingmanquant,
16
39154
1997
une partie de mon cerveau avait disparu,
00:53
and I had to dealtraiter with that.
17
41151
2773
et j'ai dû faire face à cela.
00:55
It wasn'tn'était pas the greygris mattermatière, but it
was the gooeygluant partpartie deadmort centercentre
18
43924
2944
Ce n'était pas la matière grise,
mais c'était la matière inerte
et gluante du milieu
00:58
that makesfait du keyclé hormoneshormones and neurotransmittersneurotransmetteurs.
19
46868
3402
qui fabrique les neurotransmetteurs
et des hormones primordiales.
01:02
ImmediatelyImmédiatement after my surgerychirurgie,
20
50270
2231
Immédiatement après mon opération,
01:04
I had to decidedécider what amountsles montants of eachchaque of over
21
52501
2143
je devais décider des quantités
de chacun de plus d'une douzaine
01:06
a dozendouzaine powerfulpuissant chemicalsproduits chimiques to take eachchaque day,
22
54644
3702
de puissants produits chimiques
à prendre chaque jour,
01:10
because if I just tooka pris nothing,
23
58346
1809
parce que si je n'avais rien pris,
01:12
I would diemourir withindans hoursheures.
24
60155
2732
je serais morte en quelques heures.
01:14
EveryChaque day now for 18 yearsannées -- everychaque singleunique day --
25
62887
3920
Tous les jours, maintenant depuis 18 ans,
01:18
I've had to try to decidedécider the combinationscombinaisons
26
66807
2710
je dois essayer
de déterminer les combinaisons
01:21
and mixturesmélanges of chemicalsproduits chimiques,
27
69517
1328
et les mélanges de produits chimiques,
01:22
and try to get them, to stayrester alivevivant.
28
70845
3847
et essayer de les prendre,
pour rester en vie.
01:26
There have been severalnombreuses closeFermer callsappels.
29
74692
2721
Il y a eu plusieurs cas
où c'était vraiment juste.
01:29
But luckilyHeureusement, I'm an experimentalistexpérimentaliste at heartcœur,
30
77413
3699
Mais heureusement,
je tiens à cœur les expériences,
01:33
so I decideddécidé I would experimentexpérience
31
81112
3227
alors j'ai décidé
que je ferais des expériences
01:36
to try to find more optimaloptimal dosagesdosages
32
84339
2440
pour tenter de trouver
plus de doses optimales,
01:38
because there really isn't a clearclair roadroute mapcarte
33
86779
1637
parce qu'il n'y a pas vraiment
de feuille de route claire
01:40
on this that's detaileddétaillées.
34
88416
1903
et détaillée sur ça.
01:42
I begana commencé to try differentdifférent mixturesmélanges,
35
90319
2151
J'ai commencé à essayer
différents mélanges,
01:44
and I was blownsoufflé away by how
36
92470
2872
et j'ai été époustouflée
par la façon
dont des changements minuscules de doses
01:47
tinyminuscule changeschangements in dosagesdosages
37
95342
2411
01:49
dramaticallydramatiquement changedmodifié my sensesens of selfsoi,
38
97753
3149
changeaient radicalement ma conscience,
01:52
my sensesens of who I was, my thinkingen pensant,
39
100902
1811
le sentiment de qui j'étais, de ma pensée
01:54
my behaviorcomportement towardsvers people.
40
102713
2259
et mon comportement envers les gens.
01:56
One particularlyparticulièrement dramaticdramatique caseCas:
41
104972
2049
Un cas particulièrement dramatique :
01:59
for a couplecouple monthsmois I actuallyréellement trieda essayé dosagesdosages
42
107021
1868
pendant quelques mois,
j'ai effectivement essayé des dosages
02:00
and chemicalsproduits chimiques typicaltypique of a man in his earlyde bonne heure 20s,
43
108889
3908
et des produits chimiques typiques
d'un homme ayant la vingtaine,
02:04
and I was blownsoufflé away by how my thoughtspensées changedmodifié.
44
112797
3011
et j'ai été sidérée
par l'évolution de mes pensées.
02:07
(LaughterRires)
45
115808
3120
(Rires)
02:10
I was angryen colère all the time,
46
118928
3058
J'étais en colère tout le temps,
02:13
I thought about sexsexe constantlyconstamment,
47
121986
1846
je pensais tout le temps au sexe,
02:15
and I thought I was the smartestle plus intelligent personla personne
48
123832
2949
et je pensais que j'étais la personne
la plus intelligente
02:18
in the entiretout worldmonde, and
49
126781
2051
dans le monde entier, et ...
02:20
—(LaughterRires)—
50
128832
2263
— (Rires) —
02:23
of coursecours over the yearsannées I'd
metrencontré guys kindgentil of like that,
51
131095
2925
Bien sûr au fil des années,
j'ai rencontré des gars du genre,
02:26
or maybe kindgentil of toned-downédulcorée versionsversions of that.
52
134020
2267
ou peut-être
une sorte de version édulcorée de cela.
02:28
I was kindgentil of extremeextrême.
53
136287
2184
J'étais assez extrême.
02:30
But to me, the surprisesurprise was,
54
138471
2569
Mais pour moi, la surprise c'était ...
02:33
I wasn'tn'était pas tryingen essayant to be arrogantarrogant.
55
141040
2166
je ne cherchais pas à être arrogante.
02:35
I was actuallyréellement tryingen essayant,
56
143206
3209
J'essayais bel et bien,
02:38
with a little bitbit of insecurityinsécurité,
57
146415
2360
avec un peu d'insécurité,
02:40
to actuallyréellement fixréparer a problemproblème in frontde face of me,
58
148775
3000
de résoudre un problème
auquel je faisais face,
02:43
and it just didn't come out that way.
59
151775
1856
et ce n'était pas vraiment
ce que ça rendait.
02:45
So I couldn'tne pouvait pas handlemanipuler it.
60
153631
1483
Donc je ne pouvais plus le supporter.
02:47
I changedmodifié my dosagesdosages.
61
155114
1525
J'ai changé mes doses.
02:48
But that experienceexpérience, I think, gavea donné me
62
156639
2455
Mais cette expérience, je pense,
m'a donné une autre vision des hommes
02:51
a newNouveau appreciationappréciation for menHommes
63
159094
1751
02:52
and what they mightpourrait walkmarche throughpar,
64
160845
1816
et de ce qu'ils peuvent traverser,
02:54
and I've gottenobtenu alongle long de with menHommes
65
162661
1690
et depuis je m'entends beaucoup mieux
avec les hommes.
02:56
a lot better sincedepuis then.
66
164351
1839
02:58
What I was tryingen essayant to do
67
166190
1545
Ce que j'essayais de faire,
02:59
with tuningTuning these hormoneshormones
68
167735
2028
avec l'ajustement de ces hormones
et de ces neurotransmetteurs et tout ça,
03:01
and neurotransmittersneurotransmetteurs and so forthavant
69
169763
2323
03:04
was to try to get my intelligenceintelligence back
70
172086
3605
était d'essayer de récupérer
mon intelligence
03:07
after my illnessmaladie and surgerychirurgie,
71
175691
2634
après ma maladie et l'opération,
03:10
my creativeCréatif thought, my ideaidée flowcouler.
72
178325
2635
ma créativité, mon flux de pensées.
03:12
And I think mostlyla plupart in imagesimages,
73
180960
2641
Je raisonne principalement en images,
03:15
and so for me that becamedevenu a keyclé metricmétrique --
74
183601
2852
et donc, pour moi,
c'est devenu une métrique clé.
03:18
how to get these mentalmental imagesimages
75
186453
2330
Comment obtenir ces images mentales
03:20
that I use as a way of rapidrapide prototypingprototypage,
76
188783
2504
que j'utilise
en guise de prototypage rapide,
03:23
if you will, my ideasidées,
77
191287
1743
ou si vous voulez, mes idées,
03:25
tryingen essayant on differentdifférent newNouveau ideasidées for sizeTaille,
78
193030
2372
comme essayer des nouvelles idées
de tailles différentes;
03:27
playingen jouant out scenariosscénarios.
79
195402
1695
envisager des scénarios.
03:29
This kindgentil of thinkingen pensant isn't newNouveau.
80
197097
1913
Ce genre de raisonnement
n'est pas nouveau.
03:31
PhiliosophersPhiliosophers like HumeHume and DescartesDescartes and HobbesHobbes
81
199010
3255
Des philosophes tels que Hum,
Descartes et Hobbes
03:34
saw things similarlyDe même.
82
202265
1528
voyaient les choses de la même façon.
03:35
They thought that mentalmental imagesimages and ideasidées
83
203793
2737
Ils pensaient
que les images mentales et les idées
03:38
were actuallyréellement the sameMême thing.
84
206530
2331
étaient en fait la même chose.
03:40
There are those todayaujourd'hui that disputerèglement des différends that,
85
208861
2417
Il y a aujourd'hui des gens
qui contestent ce fait
03:43
and lots of debatesdébats about how the mindesprit workstravaux,
86
211278
3195
et beaucoup de débats
sur le fonctionnement de l'esprit,
03:46
but for me it's simplesimple:
87
214473
1736
mais pour moi c'est simple :
03:48
MentalMentale imagesimages, for mostles plus of us,
88
216209
2532
les images mentales,
pour la plupart d'entre nous,
03:50
are centralcentral in inventiveinventif and creativeCréatif thinkingen pensant.
89
218741
3934
sont au cœur de la pensée
inventive et créative.
03:54
So after severalnombreuses yearsannées,
90
222675
1775
Donc, après plusieurs années,
je me suis ajustée
03:56
I tunedaccordé myselfmoi même up and I have lots of great,
91
224450
3233
et j'ai beaucoup d'images mentales
vraiment géniales et saisissantes
03:59
really vividvives mentalmental imagesimages with a lot of sophisticationsophistication
92
227683
3048
avec beaucoup de raffinement
04:02
and the analyticalanalytique backbonecolonne vertébrale behindderrière them.
93
230731
2269
et une structure analytique
en arrière plan.
04:05
And so now I'm workingtravail on,
94
233000
1921
Et donc maintenant
je travaille sur cette question :
04:06
how can I get these mentalmental imagesimages in my mindesprit
95
234921
4162
comment puis-je obtenir
ces images mentales de ma tête
04:11
out to my computerordinateur screenécran fasterPlus vite?
96
239083
2850
sur mon écran d'ordinateur
plus rapidement ?
04:13
Can you imagineimaginer, if you will,
97
241933
2089
Vous pouvez imaginer, si vous voulez,
04:16
a moviefilm directorréalisateur beingétant ablecapable to use
98
244022
2120
un directeur de film ayant la possibilité
d'utiliser son imagination seule
04:18
her imaginationimagination aloneseul to
directdirect the worldmonde in frontde face of her?
99
246142
3762
pour diriger le monde en face de nous ?
04:21
Or a musicianmusicien to get the musicla musique out of his headtête?
100
249904
3588
Ou un musicien
pour extraire la musique de sa tête.
04:25
There are incredibleincroyable possibilitiespossibilités with this
101
253492
2292
Il y a des possibilités incroyables,
04:27
as a way for creativeCréatif people
102
255784
1993
comme un moyen
pour les personnes créatives
04:29
to sharepartager at lightlumière speedla vitesse.
103
257777
2233
de partager leurs pensées
à la vitesse de la lumière.
04:32
And the truthvérité is, the remainingrestant bottleneckgoulot
104
260010
1998
Et la vérité est que ce qui coince encore
pour être en mesure de le faire
04:34
in beingétant ablecapable to do this
105
262008
1173
04:35
is just uppingfaire monter the resolutionrésolution of braincerveau scanbalayage systemssystèmes.
106
263181
3980
est simplement d'augmenter la résolution
des systèmes du scanner cérébral.
Alors laissez-moi vous montrer
04:39
So let me showmontrer you why I think
we're prettyjoli closeFermer to gettingobtenir there
107
267161
2858
pourquoi je pense
que nous sommes assez proches du but
04:42
by sharingpartage with you two recentrécent experimentsexpériences
108
270029
2387
en partageant avec vous
deux expériences récentes
04:44
from two topHaut neuroscienceneuroscience groupsgroupes.
109
272416
2587
de deux groupes précurseurs
dans la neuroscience.
04:47
BothTous les deux used fMRIIRMf technologyLa technologie --
110
275003
2488
Les deux utilisaient l'IRMf --
technologie d'imagerie
par résonance magnétique fonctionnelle --
04:49
functionalfonctionnel magneticmagnétique resonancerésonance imagingd’imagerie technologyLa technologie --
111
277491
2279
04:51
to imageimage the braincerveau,
112
279770
1411
pour créer des images du cerveau.
04:53
and here is a braincerveau scanbalayage setensemble from GiorgioGiorgio GanisGanis
113
281181
3257
Et voici un scanner du cerveau
de Giorgio Ganis
04:56
and his colleaguescollègues at HarvardHarvard.
114
284438
1950
et de ses collègues
à l'Université d'Harvard.
04:58
And the left-handmain gauche columncolonne showsmontre a braincerveau scanbalayage
115
286388
3154
La colonne de gauche
montre un scanner cérébral
d'une personne qui regarde une image.
05:01
of a personla personne looking at an imageimage.
116
289542
3267
05:04
The middlemilieu columncolonne showsmontre the brainscanBrainscan
117
292809
1929
La colonne du milieu
montre le scanner cérébral
de cette même personne
05:06
of that sameMême individualindividuel
118
294738
1621
05:08
imaginingimaginant, seeingvoyant that sameMême imageimage.
119
296359
3066
qui imagine regarder cette même image.
05:11
And the right columncolonne was createdcréé
120
299425
2048
Et la colonne de droite a été créée
05:13
by subtractingen soustrayant the middlemilieu
columncolonne from the left columncolonne,
121
301473
3594
en soustrayant la colonne du milieu
de la colonne de gauche,
05:17
showingmontrer the differencedifférence to be nearlypresque zerozéro.
122
305083
2943
indiquant que la différence
est quasi nulle.
05:20
This was repeatedrépété on lots of differentdifférent individualspersonnes
123
308026
2894
Cela a été répété
sur beaucoup de personnes différentes
05:22
with lots of differentdifférent imagesimages,
124
310920
2830
avec beaucoup d'images différentes,
05:25
always with a similarsimilaire resultrésultat.
125
313750
1604
toujours avec un résultat similaire.
05:27
The differencedifférence betweenentre seeingvoyant an imageimage
126
315354
2089
La différence entre voir une image
05:29
and imaginingimaginant seeingvoyant that sameMême imageimage
127
317443
2455
et imaginer voir cette même image
05:31
is nextprochain to nothing.
128
319898
2155
est presque inexistante.
05:34
NextProchaine let me sharepartager with you one other experimentexpérience,
129
322053
2761
Maintenant, permettez-moi de partager
avec vous une autre expérience :
05:36
this from JackJack Gallant'sGallant lablaboratoire at CalCal BerkeleyBerkeley.
130
324814
4541
celle du laboratoire de Jack Gallant
à l'université de Californie, Berkeley.
05:41
They'veIls ont been ablecapable to decodedécoder brainwavesondes cérébrales
131
329355
2063
Ils ont réussi à décoder
des ondes cérébrales
05:43
into recognizablereconnaissable visualvisuel fieldsdes champs.
132
331418
2441
en champs visuels reconnaissables.
05:45
So let me setensemble this up for you.
133
333859
1305
Permettez-moi de vous expliquer cela.
05:47
In this experimentexpérience, individualspersonnes were shownmontré
134
335164
2333
Dans cette expérience,
on montrait aux individus
05:49
hundredsdes centaines of hoursheures of YouTubeYouTube videosvidéos
135
337497
1995
des centaines d'heures de vidéos YouTube
05:51
while scansscans were madefabriqué of theirleur brainscerveaux
136
339492
2039
pendant qu'on scannait leur cerveau
05:53
to createcréer a largegrand librarybibliothèque of theirleur braincerveau reactingréagir
137
341531
3216
pour créer
un important répertoire de leur cerveau
05:56
to videovidéo sequencesséquences.
138
344747
2649
réagissant à ces séquences vidéo.
05:59
Then a newNouveau moviefilm was shownmontré with newNouveau imagesimages,
139
347396
2850
Puis on leur montrait un nouveau film
avec de nouvelles images,
06:02
newNouveau people, newNouveau animalsanimaux in it,
140
350246
1952
avec de nouvelles personnes,
de nouveaux animaux
06:04
and a newNouveau scanbalayage setensemble was recordedenregistré.
141
352198
2711
et on enregistrait
un nouveau répertoire de scanners.
06:06
The computerordinateur, usingen utilisant braincerveau scanbalayage dataLes données aloneseul,
142
354909
2788
L'ordinateur, en utilisant seulement
les données des scanners cérébraux,
06:09
decodeddécodé that newNouveau braincerveau scanbalayage
143
357697
2024
a décodé ce nouveau scanner cérébral
et fournit une prédiction
06:11
to showmontrer what it thought the
individualindividuel was actuallyréellement seeingvoyant.
144
359721
4376
de ce que l'individu
était effectivement en train de voir.
06:16
On the right-handmain droite sidecôté, you
see the computer'sde l’ordinateur guessdeviner,
145
364097
3381
Sur la droite,
vous voyez la prédiction de l'ordinateur,
06:19
and on the left-handmain gauche sidecôté, the presentedprésenté clipagrafe.
146
367478
4007
et sur le côté gauche, le clip présenté.
06:23
This is the jaw-droppermâchoire-dropper.
147
371485
2319
C'est ce qu'il y a de stupéfiant !
06:25
We are so closeFermer to beingétant ablecapable to do this.
148
373804
2687
Nous sommes presque en mesure de le faire.
06:28
We just need to up the resolutionrésolution.
149
376491
2785
Nous avons juste besoin
d'augmenter la résolution.
06:31
And now rememberrappelles toi that when you see an imageimage
150
379276
3252
Et maintenant, souvenez-vous
que lorsque vous voyez une image
06:34
versuscontre when you imagineimaginer that sameMême imageimage,
151
382528
2158
par rapport à quand vous imaginez
cette même image,
06:36
it createscrée the sameMême braincerveau scanbalayage.
152
384686
3475
cela crée le même scanner cérébral.
06:40
So this was doneterminé with the highest-resolutionplus haute résolution
153
388161
2722
Bon, cela a été fait avec les scanners
possédant la plus haute résolution
06:42
braincerveau scanbalayage systemssystèmes availabledisponible todayaujourd'hui,
154
390883
2185
disponible aujourd'hui,
06:45
and theirleur resolutionrésolution has increasedaugmenté really
155
393068
1784
et leur résolution a augmenté en fait
d'environ mille fois ces dernières années.
06:46
about a thousandfoldThousandfold in the last severalnombreuses yearsannées.
156
394852
3497
06:50
NextProchaine we need to increaseaugmenter the resolutionrésolution
157
398349
2322
Maintenant, nous devons
augmenter la résolution
06:52
anotherun autre thousandfoldThousandfold
158
400671
1977
de mille fois encore
06:54
to get a deeperPlus profond glimpseaperçu.
159
402648
1789
pour obtenir un aperçu plus profond.
06:56
How do we do that?
160
404437
1511
Comment procédons-nous ?
06:57
There's a lot of techniquestechniques in this approachapproche.
161
405948
2614
Il y a beaucoup de techniques
dans cette approche.
07:00
One way is to crackfissure openouvrir your
skullcrâne and put in electrodesélectrodes.
162
408562
3118
Une façon est de vous ouvrir le crâne
et d'y mettre des électrodes.
07:03
I'm not for that.
163
411680
1403
Je ne suis pas pour.
07:05
There's a lot of newNouveau imagingd’imagerie techniquestechniques
164
413083
2955
Il y a beaucoup de nouvelles techniques
d'imagerie proposées,
07:08
beingétant proposedproposé, some even by me,
165
416038
2003
certaines même par moi,
07:10
but givendonné the recentrécent successSuccès of MRIIRM,
166
418041
2959
mais étant donné le succès récent de l'IRM,
07:13
first we need to askdemander the questionquestion,
167
421000
2068
tout d'abord,
nous devons nous poser la question,
07:15
is it the endfin of the roadroute with this technologyLa technologie?
168
423068
2841
est-ce que cette technologie
est arrivée en fin de course ?
07:17
ConventionalConventionnel wisdomsagesse saysdit the only way
169
425909
2455
L'idée reçue est que
on obtient une résolution plus élevée
avec des aimants plus gros,
07:20
to get higherplus haute resolutionrésolution is with biggerplus gros magnetsaimants,
170
428364
2589
07:22
but at this pointpoint biggerplus gros magnetsaimants
171
430953
1842
mais à ce point, de plus gros aimants
07:24
only offeroffre incrementalincrémentale resolutionrésolution improvementsdes améliorations,
172
432795
3750
n'offrent que des améliorations
incrémentielles de la résolution,
07:28
not the thousandfoldThousandfold we need.
173
436545
2160
pas les multiples de mille
dont nous avons besoin.
07:30
I'm puttingen mettant forwardvers l'avant an ideaidée:
174
438705
1823
Je mets en avant une idée :
07:32
insteadau lieu of biggerplus gros magnetsaimants,
175
440528
1963
au lieu de plus gros aimants,
07:34
let's make better magnetsaimants.
176
442491
2450
faisons de meilleurs aimants.
07:36
There's some newNouveau technologyLa technologie breakthroughspercées
177
444941
2003
Il y a quelques nouvelles percées
de la technologie en nanoscience
07:38
in nanosciencenanoscience
178
446944
1457
qui lorsqu'elles sont appliquées
aux structures magnétiques,
07:40
when appliedappliqué to magneticmagnétique structuresles structures
179
448401
1727
07:42
that have createdcréé a wholeentier newNouveau classclasse of magnetsaimants,
180
450128
3013
ont créé
une toute nouvelle classe d'aimants,
07:45
and with these magnetsaimants, we can layallonger down
181
453141
2531
et avec ces aimants,
nous pouvons établir
des échantillons de champs magnétiques
07:47
very fine detaileddétaillées magneticmagnétique fieldchamp patternsmodèles
182
455672
2167
vraiment très détaillés
dans tout le cerveau,
07:49
throughouttout au long de the braincerveau,
183
457839
1355
07:51
and usingen utilisant those, we can actuallyréellement createcréer
184
459194
3182
et par leur biais,
nous pouvons bel et bien créer
07:54
holographic-likeholographique-like interferenceingérence structuresles structures
185
462376
2838
des structures d'interférence
de type holographique
07:57
to get precisionprécision controlcontrôle over manybeaucoup patternsmodèles,
186
465214
3469
pour obtenir un contrôle de la précision
sur beaucoup des échantillons,
08:00
as is shownmontré here by shiftingdéplacement things.
187
468683
2445
comme on le voit ici
en déplaçant les choses.
08:03
We can createcréer much more complicatedcompliqué structuresles structures
188
471128
3150
Nous pouvons créer
des structures beaucoup plus compliquées
08:06
with slightlylégèrement differentdifférent arrangementsarrangements,
189
474278
2071
avec des dispositions
légèrement différentes,
08:08
kindgentil of like makingfabrication SpirographSpirographe.
190
476349
3033
un peu comme pour faire un spirographe.
08:11
So why does that mattermatière?
191
479382
2228
Alors pourquoi est-ce que c'est important ?
08:13
A lot of efforteffort in MRIIRM over the yearsannées
192
481610
2577
Beaucoup d'efforts avec les IRM
au cours des années
08:16
has gonedisparu into makingfabrication really biggros,
193
484187
2837
ont apporté de très gros
et vraiment énormes aimants, pas vrai ?
08:19
really hugeénorme magnetsaimants, right?
194
487024
2610
08:21
But yetencore mostles plus of the recentrécent advancesavances
195
489634
2509
Et pourtant, la plupart des progrès récents
dans la résolution
08:24
in resolutionrésolution have actuallyréellement come from
196
492143
2197
viennent en fait de solutions de codages
et de décodages brillamment astucieuses
08:26
ingeniouslyingénieusement cleverintelligent encodingencodage and decodingdécodage solutionssolutions
197
494340
4008
08:30
in the F.M. radioradio frequencyla fréquence transmittersémetteurs and receiversrécepteurs
198
498348
3287
des récepteurs
et émetteurs de fréquences radio F.M.
08:33
in the MRIIRM systemssystèmes.
199
501635
2691
dans les systèmes d'IRM.
08:36
Let's alsoaussi, insteadau lieu of a uniformuniforme magneticmagnétique fieldchamp,
200
504326
3322
Au lieu d'un champ magnétique uniforme,
08:39
put down structuredstructuré magneticmagnétique patternsmodèles
201
507648
2672
on met aussi en place
des modèles magnétiques structurés
08:42
in additionune addition to the F.M. radioradio frequenciesfréquences.
202
510320
3099
en plus des fréquences de radio F.M.,
08:45
So by combiningcombinant the magneticsMagnetics patternsmodèles
203
513419
2307
de sorte a combiner les modèles magnétiques
08:47
with the patternsmodèles in the F.M. radioradio frequenciesfréquences
204
515726
2710
avec les modèles de traitement
des fréquences de radio F.M.
08:50
processingEn traitement whichlequel can massivelymassivement increaseaugmenter
205
518436
2171
qui permettent d'augmenter
de manière considérable
08:52
the informationinformation that we can extractextrait
206
520607
1969
les informations que nous pouvons extraire
08:54
in a singleunique scanbalayage.
207
522576
2446
avec un seul scanner.
08:57
And on topHaut of that, we can then layercouche
208
525022
2332
Et en plus de cela,
nous pouvons ensuite superposer
08:59
our ever-growingsans cesse croissante knowledgeconnaissance
of braincerveau structurestructure and memoryMémoire
209
527354
4472
nos connaissances sans cesse croissantes
de la structure cérébrale et de la mémoire
09:03
to createcréer a thousandfoldThousandfold increaseaugmenter that we need.
210
531826
3695
pour créer l'augmentation multipliée
par mille dont nous avons besoin.
09:07
And usingen utilisant fMRIIRMf, we should be ablecapable to measuremesure
211
535521
2943
Et à l'aide de l'IRMf,
nous devrions être capables de mesurer
09:10
not just oxygenatedoxygénée blooddu sang flowcouler,
212
538464
2082
non seulement les flux sanguins oxygénés,
09:12
but the hormoneshormones and neurotransmittersneurotransmetteurs
I've talkeda parlé about
213
540546
2901
mais aussi les hormones
et les neurotransmetteurs dont j'ai parlé
09:15
and maybe even the directdirect neuralneural activityactivité,
214
543447
2345
et ainsi peut-être même
l'activité neuronale directe,
09:17
whichlequel is the dreamrêver.
215
545792
1503
ce qui est le rêve.
09:19
We're going to be ablecapable to dumpdéverser our ideasidées
216
547295
2234
Nous allons être en mesure
de déverser nos idées
09:21
directlydirectement to digitalnumérique mediamédias.
217
549529
2694
directement vers les médias numériques.
09:24
Could you imagineimaginer if we could leapfrogdépasser languagela langue
218
552223
2711
Pouvez-vous imaginer
si nous pouvions dépasser la langue
09:26
and communicatecommuniquer directlydirectement with humanHumain thought?
219
554934
4209
et communiquer directement
avec la pensée humaine ?
09:31
What would we be capablecapable of then?
220
559143
3193
Que serions-nous capables de faire alors ?
09:34
And how will we learnapprendre to dealtraiter
221
562336
2637
Et comment allons-nous apprendre à gérer
09:36
with the truthsvérités of unfilterednon filtré humanHumain thought?
222
564973
4219
les vérités de la pensée humaine
non filtrée ?
09:41
You think the InternetInternet was biggros.
223
569192
2567
Vous pensiez que l'Internet était grand.
09:43
These are hugeénorme questionsdes questions.
224
571759
2602
Ces questions sont des questions énormes.
09:46
It mightpourrait be irresistibleirrésistible as a tooloutil
225
574361
2148
Cela pourrait être irrésistible
comme outil
09:48
to amplifyamplifier our thinkingen pensant and communicationla communication skillscompétences.
226
576509
3876
pour amplifier les compétences
de notre pensée et de la communication.
09:52
And indeedeffectivement, this very sameMême tooloutil
227
580385
2023
Et en effet, ce même outil
09:54
maymai proveprouver to leadconduire to the cureguérir
228
582408
2126
peut s'avérer être la solution
vers la guérison de la maladie d'Alzheimer
09:56
for Alzheimer'sAlzheimer and similarsimilaire diseasesmaladies.
229
584534
3074
et de maladies similaires.
09:59
We have little optionoption but to openouvrir this doorporte.
230
587608
3512
Nous n'avons pas vraiment le choix
de ne pas ouvrir cette porte.
10:03
RegardlessSans se soucier, pickchoisir a yearan --
231
591120
1585
Indépendamment de cela,
choisissez une année --
10:04
will it happense produire in fivecinq yearsannées or 15 yearsannées?
232
592705
2266
est-ce que ça arrivera dans 5 ou 15 ans ?
10:06
It's harddifficile to imagineimaginer it takingprise much longerplus long.
233
594971
4616
Difficile de croire que cela prendra
plus de temps que cela.
10:11
We need to learnapprendre how to take this stepétape togetherensemble.
234
599587
3695
Nous devons apprendre
à franchir ce pas ensemble.
10:15
Thank you.
235
603282
2174
Merci.
(Applaudissements)
10:17
(ApplauseApplaudissements)
236
605456
3974
Translated by Jonathan Pierrel

▲Back to top

ABOUT THE SPEAKER
Mary Lou Jepsen - Inventor, entrepreneur, optical physicist
Mary Lou Jepsen pushes the edges of what's possible in optics and physics, to make new types of devices, leading teams and working with huge factories that can ship vast volumes of these strange, new things.

Why you should listen

Mary Lou Jepsen is one of the world’s foremost engineers and scientists in optics, imaging and display -- inventing at the hairy, crazy edge of what physics allows, aiming to do what seems impossible and leading teams to achieve these in volume in partnership with the world’s largest manufacturers, in Asia. She has more than 200 patents published or issued.

Jepsen is the founder and CEO of Openwater, which aims to use new optics to see inside our bodies. Previously a top technical exec at Google, Facebook, Oculus and Intel, her startups include One Laptop Per Child, where she was CTO and chief architect on the $100 laptop. She studied at Brown, MIT and Rhode Island School of Design, and she was a professor at both MITs -- the one in Cambridge, Mass., and the Royal Melbourne Institute of Tech in Australia.

More profile about the speaker
Mary Lou Jepsen | Speaker | TED.com