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

ג'ניפר הילי: לו מכוניות יכלו לדבר, תאונות היו ניתנות למניעה.

Filmed:
908,454 views

כשאנחנו נוהגים, אנחנו נכנסים לתוך בועה מזכוכית, נועלים את הדלתות ולוחצים על הדוושה, נסמכים על העיניים שלנו שידריכו אותנו - אפילו שאנחנו יכולים לראות רק מכוניות בודדות מלפנינו ומאחורינו. אבל מה אם מכוניות היו משתפות מידע זו עם זו אודות המיקום והמהירות שלהן, ומשתמשות במודלים לביצוע תחזיות לחישוב המסלולים הבטוחים ביותר עבור כל הנהגים על הכביש? ג'ניפר הילי מדמיינת עולם ללא תאונות דרכים. (צולם באירוע TED אינטל?).
- 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 faceפָּנִים it:
0
703
1914
בואו נודה בזה:
00:14
Drivingנְהִיגָה is dangerousמְסוּכָּן.
1
2617
2445
נהיגה היא דבר מסוכן.
00:17
It's one of the things that we don't like to think about,
2
5062
3098
זה אחד הדברים שאנחנו לא אוהבים לחשוב עליהם,
00:20
but the factעוּבדָה that religiousדָתִי iconsסמלים and good luckמַזָל charmsקסמי
3
8160
3652
אבל העובדה שסמלים דתיים וקמעות של מזל טוב
00:23
showלְהַצִיג up on dashboardsלוחות מחוונים around the worldעוֹלָם
4
11812
4790
מופיעים על לוחות מחוונים ברחבי העולם
00:28
betraysבוגד the factעוּבדָה that we know this to be trueנָכוֹן.
5
16602
4137
מסגירה את העובדה שאנו יודעים שזה נכון.
00:32
Carאוטו accidentsתאונות are the leadingמוֹבִיל causeגורם of deathמוות
6
20739
3594
תאונות דרכים הינן גורם המוות העיקרי
00:36
in people agesהגילאים 16 to 19 in the Unitedמאוחד Statesמדינות --
7
24333
4170
בקרב נערים בגילאים 16 עד 19 בארצות הברית -
00:40
leadingמוֹבִיל causeגורם of deathמוות --
8
28503
2843
גורם המוות העיקרי -
00:43
and 75 percentאָחוּז of these accidentsתאונות have nothing to do
9
31346
3863
ו-75% מהתאונות הללו אינן קשורות
00:47
with drugsסמים or alcoholכּוֹהֶל.
10
35209
2285
לסמים או אלכוהול.
00:49
So what happensקורה?
11
37494
2261
אז מה קורה?
00:51
No one can say for sure, but I rememberלִזכּוֹר my first accidentתְאוּנָה.
12
39755
4219
אף אחד לא יכול לומר בוודאות, אבל אני זוכרת את התאונה הראשונה שלי.
00:55
I was a youngצָעִיר driverנהג out on the highwayכביש מהיר,
13
43974
3803
הייתי נהגת צעירה, בכביש המהיר,
00:59
and the carאוטו in frontחֲזִית of me, I saw the brakeבֶּלֶם lightsאורות go on.
14
47777
2258
והרכב שנסע מולי - ראיתי את אורות הבלמים שלו נדלקים.
01:02
I'm like, "Okay, all right, this guy is slowingהאטה down,
15
50035
1800
אמרתי לעצמי, "בסדר, הבחור מאט,
01:03
I'll slowלְהַאֵט down too."
16
51835
1282
"אני אאט גם כן."
01:05
I stepשלב on the brakeבֶּלֶם.
17
53117
1926
לחצתי על הבלם.
01:07
But no, this guy isn't slowingהאטה down.
18
55043
2254
אבל לא, הבחור לא מאט.
01:09
This guy is stoppingסְתִימָה, deadמֵת stop, deadמֵת stop on the highwayכביש מהיר.
19
57297
3178
הבחור עוצר, עצירה פתאומית, עצירה פתאומית באמצע כביש מהיר.
01:12
It was just going 65 -- to zeroאֶפֶס?
20
60475
2540
זה פשוט ירד מ-100 קמ"ש ל-0.
01:15
I slammedנטרקה on the brakesבַּלָמִים.
21
63015
1520
לחצתי בחוזקה על הבלמים.
01:16
I feltהרגיש the ABSשרירי בטן kickבְּעִיטָה in, and the carאוטו is still going,
22
64535
3059
הרגשתי את ה-ABS נכנס לפעולה, והמכונית עדיין המשיכה בנסיעה,
01:19
and it's not going to stop, and I know it's not going to stop,
23
67594
2696
והיא לא התכוונה לעצור, ואני יודעת שזה לא עומד לעצור,
01:22
and the airאוויר bagתיק deploysפריסות, the carאוטו is totaledהסתכם,
24
70290
2939
וכרית האוויר נפתחה, והמכונית התרסקה,
01:25
and fortunatelyלְמַרְבֶּה הַמַזָל, no one was hurtכאב.
25
73229
3557
ולמרבה המזל - איש לא נפגע.
01:28
But I had no ideaרַעְיוֹן that carאוטו was stoppingסְתִימָה,
26
76786
4211
אבל לא היה לי מושג שהרכב מתכוון לעצור,
01:32
and I think we can do a lot better than that.
27
80997
3645
ואני חושבת שאנחנו יכולים לעשות הרבה יותר טוב מזה.
01:36
I think we can transformשינוי צורה the drivingנְהִיגָה experienceניסיון
28
84642
4145
אני חושבת שאנחנו יכולים לשנות את חווית הנהיגה
01:40
by lettingלתת our carsמכוניות talk to eachכל אחד other.
29
88787
3879
ע"י כך שניתן למכוניות שלנו לדבר זו עם זו.
01:44
I just want you to think a little bitbit
30
92666
1424
אני רק רוצה שתחשבו קצת
01:46
about what the experienceניסיון of drivingנְהִיגָה is like now.
31
94090
2888
מהי חווית הנהיגה שלנו היום.
01:48
Get into your carאוטו. Closeלִסְגוֹר the doorדלת. You're in a glassזכוכית bubbleבּוּעָה.
32
96978
4028
נכנסים למכונית. סוגרים את הדלת. אתם בתוך בועת זכוכית.
01:53
You can't really directlyבאופן ישיר senseלָחוּשׁ the worldעוֹלָם around you.
33
101006
2916
אתם לא באמת יכולים לחוש את העולם סביבכם.
01:55
You're in this extendedמורחב bodyגוּף.
34
103922
2181
אתם בתוך הגוף המורחב הזה.
01:58
You're taskedמשימה with navigatingניווט it down
35
106103
2163
אתם אמונים על ניווטו,
02:00
partially-seenבאופן חלקי roadwaysכבישים,
36
108266
2056
רואים את הדרך באופן חלקי,
02:02
in and amongstבֵּין other metalמַתֶכֶת giantsענקים, at super-humanסופר אנושי speedsבמהירויות.
37
110322
4424
בתוך סביבה של ענקי מתכת נוספים, במהירות על-אנושית.
02:06
Okay? And all you have to guideלהנחות you are your two eyesעיניים.
38
114746
4480
בסדר? וכל מה שיכול להדריך אותכם הן זוג עינייכם.
02:11
Okay, so that's all you have,
39
119226
1762
בסדר, אז זה כל מה שיש לכם,
02:12
eyesעיניים that weren'tלא היו really designedמְעוּצָב for this taskמְשִׁימָה,
40
120988
1735
עיניים שלא באמת מיועדות למשימה הזו,
02:14
but then people askלִשְׁאוֹל you to do things like,
41
122723
3751
אבל אז אנשים מבקשים ממכם לעשות דברים כמו,
02:18
you want to make a laneנתיב changeשינוי,
42
126474
1549
אתם רוצים לעבור נתיב,
02:20
what's the first thing they askלִשְׁאוֹל you do?
43
128023
2321
מה הדבר הראשון שיבקשו ממכם לעשות?
02:22
Take your eyesעיניים off the roadכְּבִישׁ. That's right.
44
130344
3095
להסיט את עינייך מהכביש. נכון.
02:25
Stop looking where you're going, turnלפנות,
45
133439
2096
הפסיקו להסתכל לאן שאתם נוסעים, פנו,
02:27
checkלבדוק your blindסומא spotלְזַהוֹת,
46
135535
2018
בדקו את השטח המת,
02:29
and driveנהיגה down the roadכְּבִישׁ withoutלְלֹא looking where you're going.
47
137553
3471
והמשיכו בדרך מבלי להסתכל לאן אתם נוסעים.
02:33
You and everyoneכל אחד elseאַחֵר. This is the safeבטוח way to driveנהיגה.
48
141024
3135
אתם וכל היתר. זו הדרך הבטוחה לנהוג.
02:36
Why do we do this? Because we have to,
49
144159
2241
למה אנחנו עושים את זה? כי אנחנו חייבים,
02:38
we have to make a choiceבְּחִירָה, do I look here or do I look here?
50
146400
2579
אנחנו חייבים לבחור, האם צריך להסתכל לכאן או לשם?
02:40
What's more importantחָשׁוּב?
51
148979
1521
מה יותר חשוב?
02:42
And usuallyבְּדֶרֶך כְּלַל we do a fantasticפַנטַסטִי jobעבודה
52
150500
2711
ובדרך כלל אנחנו עושים עבודה מצויינת,
02:45
pickingקטיף and choosingבְּחִירָה what we attendהשתתף to on the roadכְּבִישׁ.
53
153211
3769
לבחור ולברור מה לעשות על הכביש.
02:48
But occasionallyלִפְעָמִים we missעלמה something.
54
156980
3650
אבל לעתים אנחנו מפספסים משהו.
02:52
Occasionallyלִפְעָמִים we senseלָחוּשׁ something wrongלא בסדר or too lateמאוחר.
55
160630
4461
לעתים אנחנו חשים משהו לא נכון, או מאוחר מדי.
02:57
In countlessאינספור accidentsתאונות, the driverנהג saysאומר,
56
165091
1988
במספר רב של תאונות דרכים, הנהג אומר,
02:59
"I didn't see it comingמגיע."
57
167079
2308
"לא ראיתי את זה בא".
03:01
And I believe that. I believe that.
58
169387
3281
ואני מאמינה לזה. אני מאמינה לזה.
03:04
We can only watch so much.
59
172668
2925
אנחנו לא יכולים לצפות בכל כך הרבה.
03:07
But the technologyטֶכנוֹלוֹגִיָה existsקיים now that can help us improveלְשַׁפֵּר that.
60
175593
5144
אבל הטכנולוגיה שקיימת היום יכולה לסייע לנו לשפר זאת.
03:12
In the futureעתיד, with carsמכוניות exchangingהחלפה dataנתונים with eachכל אחד other,
61
180737
4296
בעתיד, כשכלי רכב יוכלו להחליף מידע ביניהם,
03:17
we will be ableיכול to see not just threeשְׁלוֹשָׁה carsמכוניות aheadקָדִימָה
62
185033
3928
נהיה מסוגלים לראות לא רק שלוש מכוניות מלפנים,
03:20
and threeשְׁלוֹשָׁה carsמכוניות behindמֵאָחוֹר, to the right and left,
63
188961
1594
ושלוש מכוניות מאחור, מימין ומשמאל,
03:22
all at the sameאותו time, bird'sbird eyeעַיִן viewנוף,
64
190555
3166
כולן באותו הזמן, טווח ראיה של ציפור,
03:25
we will actuallyלמעשה be ableיכול to see into those carsמכוניות.
65
193721
3128
למעשה נהיה מסוגלים לראות לתוך המכוניות הללו.
03:28
We will be ableיכול to see the velocityמְהִירוּת of the carאוטו in frontחֲזִית of us,
66
196849
2371
נהיה מסוגלים לראות את המהירות של הרכב מלפנינו,
03:31
to see how fastמָהִיר that guy'sשל הבחור going or stoppingסְתִימָה.
67
199220
3240
לראות באיזו מהירות הנהג מלפנינו נוסע או עוצר.
03:34
If that guy'sשל הבחור going down to zeroאֶפֶס, I'll know.
68
202460
4510
אם הנהג מאט עד לעצירה, אני אדע.
03:38
And with computationחישוב and algorithmsאלגוריתמים and predictiveמְנַבֵּא modelsמודלים,
69
206970
3859
ועם מחשוב ואלגוריתמים ומודלים שמסוגלים לחזות,
03:42
we will be ableיכול to see the futureעתיד.
70
210829
3273
נהיה מסוגלים לראות את העתיד.
03:46
You mayמאי think that's impossibleבלתי אפשרי.
71
214102
1556
אתם יכולים לחשוב שזה בלתי אפשרי.
03:47
How can you predictלַחֲזוֹת the futureעתיד? That's really hardקָשֶׁה.
72
215658
2731
איך אפשר לנבא את העתיד? זה באמת קשה.
03:50
Actuallyבעצם, no. With carsמכוניות, it's not impossibleבלתי אפשרי.
73
218389
3619
למעשה לא. עם כלי רכב, זה לא בלתי-אפשרי.
03:54
Carsמכוניות are three-dimensionalתלת ממד objectsחפצים
74
222008
2732
מכוניות הן אובייקטים תלת-מימדיים
03:56
that have a fixedתוקן positionעמדה and velocityמְהִירוּת.
75
224740
2332
שיש להם מיקום ומהירות מוחלטים.
03:59
They travelלִנְסוֹעַ down roadsכבישים.
76
227072
1631
הן נוסעות בכבישים.
04:00
Oftenלעתים קרובות they travelלִנְסוֹעַ on pre-publishedפורסם מראש routesמסלולים.
77
228703
2412
לעתים הן נוסעות בנתיבים מסומנים.
04:03
It's really not that hardקָשֶׁה to make reasonableסביר predictionsתחזיות
78
231115
3938
זה לא באמת קשה כל כך לבצע הערכות סבירות
04:07
about where a car'sשל המכונית going to be in the nearליד futureעתיד.
79
235053
2864
איפה מכונית מסויימת עומדת להיות בעתיד הקרוב.
04:09
Even if, when you're in your carאוטו
80
237917
2002
אפילו אם, כשאתם במכונית
04:11
and some motorcyclistאוֹפנוֹעָן comesבא -- bshoombshoom! --
81
239919
1994
ואופנוען אחד מגיע - וושששש...
04:13
85 milesstomach an hourשָׁעָה down, lane-splittingפיצול נתיבים --
82
241913
2296
130 קמ"ש במורד הכביש, חוצה נתיבים -
04:16
I know you've had this experienceניסיון --
83
244209
2547
אני יודעת שחוויתם את החוויה הזו -
04:18
that guy didn't "just come out of nowhereלְשׁוּם מָקוֹם."
84
246756
2603
הבחור לא "פשוט בא משום מקום."
04:21
That guy'sשל הבחור been on the roadכְּבִישׁ probablyכנראה for the last halfחֲצִי hourשָׁעָה.
85
249359
3643
הבחור היה ככל הנראה על הכביש בחצי השעה האחרונה.
04:25
(Laughterצחוק)
86
253002
1190
(צחוק)
04:26
Right? I mean, somebody'sשל מישהו seenלראות him.
87
254192
3589
נכון? אני מתכוונת, מישהו ראה אותו.
04:29
Tenעשר, 20, 30 milesstomach back, someone'sשל מישהו seenלראות that guy,
88
257781
2768
15, 30, 45 קילומטרים אחורה, מישהו בטח ראה את הבחור הזה,
04:32
and as soonבקרוב as one carאוטו seesרואה that guy
89
260549
2384
וברגע שמכונית אחת רואה את הבחור הזה
04:34
and putsמעמיד him on the mapמַפָּה, he's on the mapמַפָּה --
90
262933
2231
ושמה אותו על המפה, הוא על המפה -
04:37
positionעמדה, velocityמְהִירוּת,
91
265164
2176
מיקום, מהירות,
04:39
good estimateלְהַעֲרִיך he'llגֵיהִנוֹם continueלְהַמשִׁיך going 85 milesstomach an hourשָׁעָה.
92
267340
2321
הערכה סבירה שהוא ימשיך במהירות של 130 קמ"ש.
04:41
You'llללא שם: תוכל know, because your carאוטו will know, because
93
269661
2184
אתה תדע, כי המכונית שלך תדע, בגלל
04:43
that other carאוטו will have whisperedלחש something in his earאֹזֶן,
94
271845
2275
שמכונית אחרת תלחש משהו באוזני (המכונית) שלך,
04:46
like, "By the way, fiveחָמֵשׁ minutesדקות,
95
274120
1923
משהו כמו, "אגב, חמש דקות,
04:48
motorcyclistאוֹפנוֹעָן, watch out."
96
276043
2775
"אופנוען, שים לב."
04:50
You can make reasonableסביר predictionsתחזיות about how carsמכוניות behaveלְהִתְנַהֵג.
97
278818
2703
תוכל לבצע הערכה סבירה אודות איך מכוניות מתהגות.
04:53
I mean, they're Newtonianניוטונית objectsחפצים.
98
281521
1365
אני מתכוונת, הן אובייקטים ניוטוניים.
04:54
That's very niceנֶחְמָד about them.
99
282886
2909
זה מאוד נחמד במכוניות.
04:57
So how do we get there?
100
285795
3034
אז איך אנחנו מגיעים לשם?
05:00
We can startהַתחָלָה with something as simpleפָּשׁוּט
101
288829
2266
אנחנו יכולים להתחיל עם משהו פשוט
05:03
as sharingשיתוף our positionעמדה dataנתונים betweenבֵּין carsמכוניות,
102
291095
2870
כמו לשתף מכוניות אחרות במיקום שלנו,
05:05
just sharingשיתוף GPSג'י.פי. אס.
103
293965
1892
רק לשתף GPS.
05:07
If I have a GPSג'י.פי. אס and a cameraמַצלֵמָה in my carאוטו,
104
295857
2444
אם יש לי GPS ומצלמה ברכב,
05:10
I have a prettyיפה preciseמְדוּיָק ideaרַעְיוֹן of where I am
105
298301
2231
יש לי מידע די מדויק איפה אני
05:12
and how fastמָהִיר I'm going.
106
300532
1732
וכמה מהר אני נוסעת.
05:14
With computerמַחשֵׁב visionחָזוֹן, I can estimateלְהַעֲרִיך where
107
302264
1657
באמצעות ראייה ממוחשבת, אני יכולה להעריך
05:15
the carsמכוניות around me are, sortסוג of, and where they're going.
108
303921
3537
איפה המכוניות מסביבי, בערך, ולאן הן נוסעות.
05:19
And sameאותו with the other carsמכוניות.
109
307458
970
ואותו הדבר לגבי מכוניות אחרות.
05:20
They can have a preciseמְדוּיָק ideaרַעְיוֹן of where they are,
110
308428
1814
יכול להיות להן מושג מדויק איפה הן,
05:22
and sortסוג of a vagueמְעוּרפָּל ideaרַעְיוֹן of where the other carsמכוניות are.
111
310242
2146
וסוג של מושג מעורפל איפה המכוניות האחרות.
05:24
What happensקורה if two carsמכוניות shareלַחֲלוֹק that dataנתונים,
112
312388
3231
מה קורה אם שתי מכוניות חולקות את המידע הזה,
05:27
if they talk to eachכל אחד other?
113
315619
1955
אם הן מדברות אחת עם השניה?
05:29
I can tell you exactlyבְּדִיוּק what happensקורה.
114
317574
2778
אני יכולה להגיד לכם בדיוק מה קורה:
05:32
Bothשניהם modelsמודלים improveלְשַׁפֵּר.
115
320352
2339
שני המודלים משתפרים.
05:34
Everybodyכולם winsמנצח.
116
322691
2055
כולם מרוויחים.
05:36
Professorפּרוֹפֶסוֹר Bobבוב Wangוואנג and his teamקְבוּצָה
117
324746
2577
פרופסור בוב וואנג והצוות שלו
05:39
have doneבוצע computerמַחשֵׁב simulationsסימולציות of what happensקורה
118
327323
2738
ביצעו סימולציות מחשב שמחשבות מה קורה
05:42
when fuzzyמְעוּרפָּל estimatesאומדנים combineלְשַׁלֵב, even in lightאוֹר trafficתְנוּעָה,
119
330061
3431
כאשר הערכות עמומות משתלבות, אפילו כשהתנועה זורמת,
05:45
when carsמכוניות just shareלַחֲלוֹק GPSג'י.פי. אס dataנתונים,
120
333492
2624
כשמכוניות רק חולקות מידע של GPS
05:48
and we'veיש לנו movedנִרגָשׁ this researchמחקר out of the computerמַחשֵׁב simulationסימולציה
121
336116
2513
ואנחנו העברנו את המחקר הזה מחוץ לסימולציית המחשב
05:50
and into robotרוֹבּוֹט testמִבְחָן bedsמיטות that have the actualמַמָשִׁי sensorsחיישנים
122
338629
3027
למצע של רובוטים מחקריים שיש להם חיישנים
05:53
that are in carsמכוניות now on these robotsרובוטים:
123
341656
3133
כמו במכוניות, על הרובוטים הללו:
05:56
stereoסטריאו camerasמצלמות, GPSג'י.פי. אס,
124
344789
1838
מצלמות סטריאו, GPS,
05:58
and the two-dimensionalדו מימדי laserלייזר rangeטווח findersמאתר
125
346627
1874
וגלאי טווח דו-מדיים מבוססי לייזר
06:00
that are commonמשותף in backupגיבוי systemsמערכות.
126
348501
2240
שנפוצים במערכות נסיעה לאחור.
06:02
We alsoגַם attachלְצַרֵף a discreteנִבדָל short-rangeטווח קצר communicationתִקשׁוֹרֶת radioרָדִיוֹ,
127
350741
4484
צירפנו גם משדר רדיו לטווח קצר,
06:07
and the robotsרובוטים talk to eachכל אחד other.
128
355225
1909
והרובוטים מדברים זה עם זה.
06:09
When these robotsרובוטים come at eachכל אחד other,
129
357134
1539
כשהרובוטים הללו מתקרבים זה לזה,
06:10
they trackמַסלוּל eachכל אחד other'sאחרים positionעמדה preciselyבְּדִיוּק,
130
358673
2971
הם עוקבים אחר המיקום של האחרים במדויק,
06:13
and they can avoidלְהִמָנַע eachכל אחד other.
131
361644
2737
והם יכולים לחמוק אחד מהשני.
06:16
We're now addingמוֹסִיף more and more robotsרובוטים into the mixלְעַרְבֵּב,
132
364381
3226
אנחנו עכשיו מוסיפים עוד ועוד רובוטים לתערובת,
06:19
and we encounteredנתקל ב some problemsבעיות.
133
367607
1471
ועלינו על כמה בעיות.
06:21
One of the problemsבעיות, when you get too much chatterלְפַטְפֵט,
134
369078
2359
אחת הבעיות, כשמגיעים אליך יותר מדי אותות מידע,
06:23
it's hardקָשֶׁה to processתהליך all the packetsמנות, so you have to prioritizeלתעדף,
135
371437
3728
קשה לעבד את כולו, אז אתה חייב לתעדף,
06:27
and that's where the predictiveמְנַבֵּא modelדֶגֶם helpsעוזר you.
136
375165
2357
וכאן המודלים עוזרים לך לחזות.
06:29
If your robotרוֹבּוֹט carsמכוניות are all trackingמעקב the predictedניבא trajectoriesמסלולים,
137
377522
4372
אם כל המכוניות הרובוטיות שלך ממשיכות במסלולים שנחזו,
06:33
you don't payלְשַׁלֵם as much attentionתשומת הלב to those packetsמנות.
138
381894
1767
אתה לא מפנה יותר מדי תשומת לב לאותות המידע.
06:35
You prioritizeלתעדף the one guy
139
383661
1703
אתה מתעדף את הבחור
06:37
who seemsנראה to be going a little off courseקוּרס.
140
385364
1333
שנראה לך שסוטה קצת מהמסלול.
06:38
That guy could be a problemבְּעָיָה.
141
386697
2526
הבחור יכול להוות בעיה.
06:41
And you can predictלַחֲזוֹת the newחָדָשׁ trajectoryמַסלוּל.
142
389223
3002
ואתה יכול לחזות את המסלול החדש.
06:44
So you don't only know that he's going off courseקוּרס, you know how.
143
392225
2763
אז אתה יודע לא רק שהוא סוטה מהמסלול, אתה יודע כיצד.
06:46
And you know whichאיזה driversנהגים you need to alertעֵרָנִי to get out of the way.
144
394988
3725
ואתה יודע אילו נהגים אתה צריך להזהיר לזוז מהדרך.
06:50
And we wanted to do -- how can we bestהטוב ביותר alertעֵרָנִי everyoneכל אחד?
145
398713
2633
ואנחנו רצינו לעשות - איך אפשר להזהיר את כולם?
06:53
How can these carsמכוניות whisperלַחַשׁ, "You need to get out of the way?"
146
401346
3183
איך המכוניות האלה לוחשות, "אתה צריך לזוז מהדרך?"
06:56
Well, it dependsתלוי on two things:
147
404529
1517
ובכן, זה תלוי בשני דברים:
06:58
one, the abilityיְכוֹלֶת of the carאוטו,
148
406046
2169
אחד, היכולת של המכונית,
07:00
and secondשְׁנִיָה the abilityיְכוֹלֶת of the driverנהג.
149
408215
3217
והשני, היכולת של הנהג.
07:03
If one guy has a really great carאוטו,
150
411432
1505
אם לנהג אחד יש מכונית באמת נפלאה,
07:04
but they're on theirשֶׁלָהֶם phoneטלפון or, you know, doing something,
151
412937
2925
אבל הוא מדבר בטלפון או, אתם יודעים, עושה משהו,
07:07
they're not probablyכנראה in the bestהטוב ביותר positionעמדה
152
415862
1930
הוא לא באמת בעמדה הטובה ביותר
07:09
to reactלְהָגִיב in an emergencyחרום.
153
417792
2970
להגיב במקרה חירום.
07:12
So we startedהתחיל a separateנפרד lineקַו of researchמחקר
154
420762
1665
אז התחלנו קו נפרד של מחקר
07:14
doing driverנהג stateמדינה modelingדוּגמָנוּת.
155
422427
2551
לביצוע מידול של מצב הנהג.
07:16
And now, usingמבנה יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוני a seriesסִדרָה of threeשְׁלוֹשָׁה camerasמצלמות,
156
424978
2329
וכעת, תוך שימוש בסדרה של שלוש מצלמות,
07:19
we can detectלזהות if a driverנהג is looking forwardקָדִימָה,
157
427307
2270
אנחנו יכולים לזהות אם נהג מסתכל קדימה,
07:21
looking away, looking down, on the phoneטלפון,
158
429577
2860
מסתכל החוצה, הצידה, על הטלפון,
07:24
or havingשיש a cupגָבִיעַ of coffeeקָפֶה.
159
432437
3061
או שותה כוס קפה.
07:27
We can predictלַחֲזוֹת the accidentתְאוּנָה
160
435498
2070
אנחנו יכולים לחזות את התאונה.
07:29
and we can predictלַחֲזוֹת who, whichאיזה carsמכוניות,
161
437568
3651
ואנחנו יכולים לחזות מי, אילו מכוניות,
07:33
are in the bestהטוב ביותר positionעמדה to moveמהלך \ לזוז \ לעבור out of the way
162
441219
3486
נמצאות בעמדה הטובה ביותר לזוז מהדרך
07:36
to calculateלחשב the safestהבטוחה ביותר routeמַסלוּל for everyoneכל אחד.
163
444705
3009
לחשב את הנתיב הבטוח ביותר עבור כולם.
07:39
Fundamentallyבִּיסוֹדוֹ, these technologiesטכנולוגיות existקיימים todayהיום.
164
447714
4635
באופן עקרוני, הטכנולוגיות הללו קיימות כיום.
07:44
I think the biggestהגדול ביותר problemבְּעָיָה that we faceפָּנִים
165
452349
2824
אני חושבת שהבעיה הגדולה ביותר שאנו מתמודדים איתה
07:47
is our ownשֶׁלוֹ willingnessנְכוֹנוּת to shareלַחֲלוֹק our dataנתונים.
166
455173
3013
הוא הרצון לשתף את המידע שלנו.
07:50
I think it's a very disconcertingמביך notionרעיון,
167
458186
2631
אני חושבת שזה רעיון מאוד מביך,
07:52
this ideaרַעְיוֹן that our carsמכוניות will be watchingצופה us,
168
460817
2386
הרעיון שמכוניות אחרות תוכלנה לעקוב אחרינו,
07:55
talkingשִׂיחָה about us to other carsמכוניות,
169
463203
3371
ולדבר עלינו עם מכוניות אחרות.
07:58
that we'llטוֹב be going down the roadכְּבִישׁ in a seaיָם of gossipרְכִילוּת.
170
466574
3427
שניסע בכביש בים של רכילות.
08:02
But I believe it can be doneבוצע in a way that protectsמגן our privacyפְּרָטִיוּת,
171
470001
3897
אבל אני מאמינה שזה יכול להיעשות בדרך שתשמור על הפרטיות שלנו,
08:05
just like right now, when I look at your carאוטו from the outsideבחוץ,
172
473898
3741
ממש כמו עכשיו, כשאני מסתכלת על המכונית שלך מבחוץ,
08:09
I don't really know about you.
173
477639
2363
אני לא באמת יודעת עליך.
08:12
If I look at your licenseרישיון plateצַלַחַת numberמספר,
174
480002
1137
אם אני מסתכלת על לוחית הרישוי שלך,
08:13
I don't really know who you are.
175
481139
1886
אני לא באמת יודעת מי אתה.
08:15
I believe our carsמכוניות can talk about us behindמֵאָחוֹר our backsגב.
176
483025
4249
אני מאמינה שהמכוניות שלנו יכולות לדבר עלינו מאחורי הגב.
08:19
(Laughterצחוק)
177
487274
2975
(צחוק)
08:22
And I think it's going to be a great thing.
178
490249
3185
ואני חושב שזה הולך להיות דבר גדול.
08:25
I want you to considerלשקול for a momentרֶגַע
179
493434
1650
אני רוצה שתשקלו לרגע
08:27
if you really don't want the distractedמְפוּזָר teenagerמִתבַּגֵר behindמֵאָחוֹר you
180
495084
4118
אם אתם ממש לא רוצים שבן הנוער מוסח הדעת מאחוריכם
08:31
to know that you're brakingבְּלִימָה,
181
499202
2120
ידע שאתה בולמים,
08:33
that you're comingמגיע to a deadמֵת stop.
182
501322
2924
שאתם עומדים לבצע עצירה פתאומית.
08:36
By sharingשיתוף our dataנתונים willinglyבחפץ לב,
183
504246
2741
על ידי שיתוף המידע שלנו מרצון טוב,
08:38
we can do what's bestהטוב ביותר for everyoneכל אחד.
184
506987
2812
אנחנו יכולים לעשות מה שטוב לכולם.
08:41
So let your carאוטו gossipרְכִילוּת about you.
185
509799
3076
אז תן לרכב שלך לרכל עליך.
08:44
It's going to make the roadsכבישים a lot saferבטוח יותר.
186
512875
3038
זה עומד להפוך את הכבישים לבטוחים יותר.
08:47
Thank you.
187
515913
1791
תודה.
08:49
(Applauseתְשׁוּאוֹת)
188
517704
4985
(מחיאות כפיים)
Translated by Guy Sella
Reviewed by Ido Dekkers

▲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