Μέχρι στιγμής, η επικοινωνία μας με τις μηχανές ήταν περιορισμένη σε συνειδητές και άμεσες μορφές. Είτε είναι κάτι απλό, όπως το άνοιγμα των φώτων με ένα διακόπτη, είτε κάτι πιο πολύπλοκο, όπως ο ρομποτικός προγραμματισμός, πάντα έπρεπε να δώσουμε μια εντολή σε μια μηχανή ή ακόμα μια σειρά από εντολές, ώστε να μπορεί να κάνει κάτι για εμάς. Από την άλλη πλευρά, η επικοινωνία μεταξύ ανθρώπων είναι πολύ πιο σύνθετη και πολύ περισσότερο ενδιαφέρουσα, επειδή λαμβάνουμε υπόψη πολλά περισσότερα από αυτά που εκφράζονται ρητά. Παρατηρούμε τις εκφράσεις του προσώπου, τη γλώσσα του σώματος και μπορούμε να διαισθανθούμε αισθήματα και συναισθήματα από τον μεταξύ μας διάλογο. Αυτό στην ουσία διαμορφώνει ένα μεγάλο μέρος της διαδικασίας λήψεως των αποφάσεων μας. Το όραμά μας είναι να παρουσιάσουμε αυτό το νέο βασίλειο της ανθρώπινης επικοινωνίας σε αλληλεπίδραση ανθρώπου-υπολογιστή, ώστε οι ηλεκτρονικοί υπολογιστές να κατανοήσουν όχι μόνο τι τους λέτε να κάνουν, αλλά να μπορούν να ανταποκρίνονται στις εκφράσεις του προσώπου σας και στις συναισθηματικές εμπειρίες σας. Και δεν υπάρχει καλύτερος τρόπος να το κάνουμε αυτό από το να διερμηνεύσουμε τα σήματα που παράγονται φυσιολογικά από τον εγκέφαλό μας, το κέντρο ελέγχου μας και εμπειριών.
Up until now, our communication with machines has always been limited to conscious and direct forms. Whether it's something simple like turning on the lights with a switch, or even as complex as programming robotics, we have always had to give a command to a machine, or even a series of commands, in order for it to do something for us. Communication between people, on the other hand, is far more complex and a lot more interesting because we take into account so much more than what is explicitly expressed. We observe facial expressions, body language, and we can intuit feelings and emotions from our dialogue with one another. This actually forms a large part of our decision-making process. Our vision is to introduce this whole new realm of human interaction into human-computer interaction so that computers can understand not only what you direct it to do, but it can also respond to your facial expressions and emotional experiences. And what better way to do this than by interpreting the signals naturally produced by our brain, our center for control and experience.
Λοιπόν, ακούγεται σαν μια πολύ καλή ιδέα, αλλά αυτή η εργασία, όπως ανέφερε και ο Μπρούνο, δεν είναι και τόσο εύκολη, για δυο κυρίως λόγους: Πρώτον, για τους αλγόριθμους ανίχνευσης. Ο εγκέφαλός μας αποτελείται από δισεκατομμύρια ενεργών νευρώνων, περίπου 170.000 χιλιομέτρων συνολικού συνδυασμένου μήκους. Όταν αυτοί οι νευρώνες αλληλεπιδρούν, η χημική τους αντίδραση εκπέμπει έναν ηλεκτρικό παλμό, ο οποίος μπορεί να μετρηθεί. Η πλειοψηφία του λειτουργικού εγκεφάλου μας κατανέμεται στο εξωτερικό στρώμα επιφανείας του εγκεφάλου. Και για να αυξηθεί η περιοχή που είναι διαθέσιμη για τη διανοητική ικανότητα η επιφάνεια του εγκεφάλου είναι υπερβολικά διπλωμένη. Τώρα, αυτή η δίπλωση του φλοιού παρουσιάζει μια σημαντική πρόκληση για τη διερμηνεία των επιφανειακών ηλεκτρικών ώσεων. Ο φλοιός καθενός από εμάς είναι διπλωμένος διαφορετικά, όπως περίπου το δακτυλικό αποτύπωμα. Έτσι, ενώ ένα σήμα μπορεί να προέρχεται από το ίδιο λειτουργικό τμήμα του εγκεφάλου, με το που η διάρθρωση διπλωθεί, η φυσική της τοποθεσία είναι πολύ διαφορετική για τον καθένα, ακόμα και στα μονοζυγωτικά δίδυμα. Δεν υπάρχει πλέον καμία σταθερότητα στα σήματα της επιφανείας.
Well, it sounds like a pretty good idea, but this task, as Bruno mentioned, isn't an easy one for two main reasons: First, the detection algorithms. Our brain is made up of billions of active neurons, around 170,000 km of combined axon length. When these neurons interact, the chemical reaction emits an electrical impulse, which can be measured. The majority of our functional brain is distributed over the outer surface layer of the brain, and to increase the area that's available for mental capacity, the brain surface is highly folded. Now this cortical folding presents a significant challenge for interpreting surface electrical impulses. Each individual's cortex is folded differently, very much like a fingerprint. So even though a signal may come from the same functional part of the brain, by the time the structure has been folded, its physical location is very different between individuals, even identical twins. There is no longer any consistency in the surface signals.
Η επαναστατική μας ανακάλυψη ήταν να δημιουργήσουμε έναν αλγόριθμο που ξεδιπλώνει τον φλοιό, ώστε να μπορέσουμε να χαρτογραφήσουμε τα σήματα κοντύτερα στην πηγή τους και επομένως να το κάνουμε ικανό να δουλέψει για τον γενικό πληθυσμό. Η δεύτερη πρόκληση είναι η ίδια η συσκευή για την παρατήρηση των εγκεφαλικών κυμάτων. Οι μετρήσεις ενός ηλεκτροεγκεφαλογραφήματος τυπικά περιλαμβάνουν ένα πλέγμα με μία σειρά αισθητήρων, σαν αυτό που βλέπεται εδώ στη φωτογραφία. Ένας τεχνικός θα τοποθετήσει τα ηλεκτρόδια πάνω στο τριχωτό της κεφαλής χρησιμοποιώντας ένα αγώγιμο πήκτωμα ή πάστα και συνήθως μετά από μία διαδικασία προετοιμασίας του κεφαλιού με ένα ελαφρύ γδάρσιμο. Τώρα, αυτό χρειάζεται αρκετό χρόνο και δεν είναι και η ευκολότερη διαδικασία. Και επιπλέον, αυτά τα συστήματα κοστίζουν πραγματικά δεκάδες χιλιάδες δολλάρια.
Our breakthrough was to create an algorithm that unfolds the cortex, so that we can map the signals closer to its source, and therefore making it capable of working across a mass population. The second challenge is the actual device for observing brainwaves. EEG measurements typically involve a hairnet with an array of sensors, like the one that you can see here in the photo. A technician will put the electrodes onto the scalp using a conductive gel or paste and usually after a procedure of preparing the scalp by light abrasion. Now this is quite time consuming and isn't the most comfortable process. And on top of that, these systems actually cost in the tens of thousands of dollars.
Έτσι με αυτά, θα ήθελα να προσκαλέσω στη σκηνή τον Έβαν Γκράντ, ο οποίος είναι ένας από τους περσινούς ομιλητές που πολύ ευγενικά συμφώνησε να με βοηθήσει να παρουσιάσω τι έχουμε καταφέρει να αναπτύξουμε.
So with that, I'd like to invite onstage Evan Grant, who is one of last year's speakers, who's kindly agreed to help me to demonstrate what we've been able to develop.
(Χειροκρότημα)
(Applause)
Λοιπόν, η συσκευή που βλέπετε είμαι ένα δεκατεσσάρων καναλιών, υψηλής πιστότητας σύστημα ηλεκτροεγκεφαλογραφήματος. Δεν χρειάζεται καμία προετοιμασία του κεφαλιού, ούτε αγώγιμο πήκτωμα ή πάστα. Χρειάζονται μόνο μερικά λεπτά για να φορεθεί και για να σταθεροποιηθούν τα σήματα. Είναι, επίσης, ασύρματη και έτσι σας δίνει την ελευθερία να κινήστε. Και σε σύγκριση με τα δεκάδες χιλιάδες δολλάρια του παραδοσιακού συστήματος ηλεκτροεγκεφαλογραφήματος, αυτή η συσκευή κεφαλής κοστίζει μόνο μερικές εκατοντάδες δολλάρια. Πάμε τώρα στους αλγόριθμους ανίχνευσης. Λοιπόν, οι εκφράσεις του προσώπου - όπως ανέφερα πριν στις συναισθηματικές εμπειρίες - είναι σχεδιασμένες να δουλεύουν κατευθείαν με μερικές ρυθμίσεις ευαισθησίας διαθέσιμες για εξατομίκευση. Αλλά, λόγω του περιορισμένου χρόνου που έχουμε, θα ήθελα να σας δείξω τη γνωστική ακολουθία, που είναι η ικανότητα για να μπορείτε να μετακινήσετε βασικά εικονικά αντικείμενα με το μυαλό σας.
So the device that you see is a 14-channel, high-fidelity EEG acquisition system. It doesn't require any scalp preparation, no conductive gel or paste. It only takes a few minutes to put on and for the signals to settle. It's also wireless, so it gives you the freedom to move around. And compared to the tens of thousands of dollars for a traditional EEG system, this headset only costs a few hundred dollars. Now on to the detection algorithms. So facial expressions -- as I mentioned before in emotional experiences -- are actually designed to work out of the box with some sensitivity adjustments available for personalization. But with the limited time we have available, I'd like to show you the cognitive suite, which is the ability for you to basically move virtual objects with your mind.
Τώρα, ο Έβαν είναι καινούργιος σε αυτό το σύστημα, έτσι, αυτό που πρέπει να κάνουμε πρώτα είναι να δημιουργήσουμε ένα προφίλ για αυτόν. Προφανώς, δεν είναι η Τζοάν, γι' αυτό θα προσθέσουμε ένα χρήστη. Έβαν. Εντάξει. Λοιπόν, το πρώτο πράγμα που πρέπει να κάνουμε με τη γνωστική ακολουθία είναι να ξεκινήσουμε με την εκπαίδευση ενός ουδέτερου σήματος. Με το ουδέτερο, δεν έχουμε τίποτα συγκεκριμένο που πρέπει να κάνει ο Έβαν. Απλά κάθεται. Είναι ήρεμος. Και η ιδέα είναι να εξασφαλίσουμε ένα σημείο εκκίνησης ή μια κανονική κατάσταση για τον εγκέφαλό του, επειδή κάθε εγκέφαλος είναι διαφορετικός. Χρειάζονται οκτώ δευτερόλεπτα για να το κάνει αυτό. Και τώρα που έγινε αυτό, μπορούμε να επιλέξουμε μια δραστηριότητα κίνησης. Λοιπόν Έβαν, διάλεξε κάτι που να μπορείς να το σκεφτείς καθαρά στο μυαλό σου.
Now, Evan is new to this system, so what we have to do first is create a new profile for him. He's obviously not Joanne -- so we'll "add user." Evan. Okay. So the first thing we need to do with the cognitive suite is to start with training a neutral signal. With neutral, there's nothing in particular that Evan needs to do. He just hangs out. He's relaxed. And the idea is to establish a baseline or normal state for his brain, because every brain is different. It takes eight seconds to do this, and now that that's done, we can choose a movement-based action. So Evan, choose something that you can visualize clearly in your mind.
'Εβαν Γκράντ: Ας κάνουμε το "τραβάω".
Evan Grant: Let's do "pull."
Ταν Λε: Εντάξει. Ας κάνουμε το "τραβάω". Η ιδέα λοιπόν εδώ είναι ότι ο Έβαν πρέπει να φανταστεί το αντικείμενο να έρχεται εμπρός στην οθόνη. Και υπάρχει μια γραμμή προόδου που θα κυλάει κατά πλάτος της οθόνης όσο το κάνει αυτό. Την πρώτη φορά, τίποτα δεν θα συμβεί, γιατί το σύστημα δεν έχει ιδέα πως σκέφτεται το "τραβάω". Αλλά κράτησε αυτή τη σκέψη για όλη τη διάρκεια των οκτώ δευτερολέπτων. Λοιπόν: ένα, δυο, τρία, πάμε. Εντάξει. Όταν λοιπόν το αποδεχτούμε αυτό, ο κύβος είναι ζωντανός. Ας δούμε, λοιπόν, αν ο Έβαν μπορεί πραγματικά να προσπαθήσει να φανταστεί το "τράβηγμα". Α, πολύ καλά! (Χειροκρότημα) Αυτό είναι αρκετά εκπληκτικό.
Tan Le: Okay, so let's choose "pull." So the idea here now is that Evan needs to imagine the object coming forward into the screen, and there's a progress bar that will scroll across the screen while he's doing that. The first time, nothing will happen, because the system has no idea how he thinks about "pull." But maintain that thought for the entire duration of the eight seconds. So: one, two, three, go. Okay. So once we accept this, the cube is live. So let's see if Evan can actually try and imagine pulling. Ah, good job! (Applause) That's really amazing.
(Χειροκρότημα)
(Applause)
Έχουμε λοιπόν λίγο ακόμα χρόνο διαθέσιμο, έτσι θα ζητήσω από τον Έβαν να κάνει μία πολύ δύσκολη εργασία. Και αυτή είναι δύσκολη, επειδή αφορά στο να μπορεί να σκεφθεί κάτι που δεν υπάρχει στο φυσικό μας κόσμο. Αυτό είναι η "εξαφάνιση". Έτσι, αυτό που θέλετε... Τουλάχιστον με τις δραστηριότητες κίνησης, που τις κάνουμε συνεχώς, για να μπορέσετε να το φανταστείτε. Αλλά με την "εξαφάνιση", δεν υπάρχει πραγματικά κάτι ανάλογο. Λοιπόν, Έβαν, αυτό που θέλεις να κάνεις εδώ είναι να φανταστείς τον κύβο να εξαφανίζεται βαθμιαία και αργά, εντάξει; Σαν να θρυμματίζεται. Λοιπόν, ένα, δυο, τρία, πάμε. Εντάξει. Ας το δοκιμάσουμε. Ω, Θεέ μου! Είναι πολύ καλός. Ας το δοκιμάσουμε ξανά.
So we have a little bit of time available, so I'm going to ask Evan to do a really difficult task. And this one is difficult because it's all about being able to visualize something that doesn't exist in our physical world. This is "disappear." So what you want to do -- at least with movement-based actions, we do that all the time, so you can visualize it. But with "disappear," there's really no analogies -- so Evan, what you want to do here is to imagine the cube slowly fading out, okay. Same sort of drill. So: one, two, three, go. Okay. Let's try that. Oh, my goodness. He's just too good. Let's try that again.
Έβαν Γκράντ: Χάνω την αυτοσυγκέντρωσή μου.
EG: Losing concentration.
(Χειροκρότημα)
(Laughter)
Ταν Λε: Αλλά μπορούμε να δούμε ότι πράγματι λειτουργεί, παρότι μπορείς να το κρατήσεις μόνο για πολύ λίγο χρόνο. Όπως είπα, είναι μια πολύ δύσκολη διαδικασία να το φανταστείτε. Και το εκπληκτικό είναι ότι έχουμε δώσει στο λογισμικό μόνο μια έννοια του πως σκέφτεται την "εξαφάνιση". Δεδομένου ότι υπάρχει μια μηχανή μάθησης σε αυτόν τον αλγόριθμο.
TL: But we can see that it actually works, even though you can only hold it for a little bit of time. As I said, it's a very difficult process to imagine this. And the great thing about it is that we've only given the software one instance of how he thinks about "disappear." As there is a machine learning algorithm in this --
(Χειροκρότημα)
(Applause)
Σας ευχαριστώ. Πολύ καλά. Πολύ καλά.
Thank you. Good job. Good job.
(Χειροκρότημα)
(Applause)
Ευχαριστώ Έβαν, είσαι ένα υπέροχο, υπέροχο παράδειγμα της τεχνολογίας.
Thank you, Evan, you're a wonderful, wonderful example of the technology.
Όπως, λοιπόν, είδατε πριν, υπάρχει ένα βαθμιαίο σύστημα ενσωματωμένο στο λογισμικό έτσι ώστε όσο ο Έβαν, ή κάθε χρήστης, εξοικιώνεται με το σύστημα, να μπορεί να προσθέτει ακόμα περισσότερες ανιχνεύσεις, ώστε το σύστημα να ξεχωρίζει μεταξύ διαφορετικών ξεχωριστών σκέψεων. Και μόλις εκπαιδεύσετε τις ανιχνεύσεις, αυτές οι σκέψεις μπορούν να εκχωρηθούν ή χαρτογραφηθούν σε οποιαδήποτε υπολογιστική πλατφόρμα, εφαρμογή ή συσκευή.
So, as you can see, before, there is a leveling system built into this software so that as Evan, or any user, becomes more familiar with the system, they can continue to add more and more detections, so that the system begins to differentiate between different distinct thoughts. And once you've trained up the detections, these thoughts can be assigned or mapped to any computing platform, application or device.
Έτσι, θα ήθελα να σας δείξω μερικά παραδείγματα, επειδή υπάρχουν πολλές δυνατές εφαρμογές για αυτή τη νέα διεπαφή. Στα παιχνίδια και τους εικονικούς κόσμους, για παράδειγμα, οι εκφράσεις του προσώπου σας μπορούν να χρησιμοποιηθούν φυσικά και ενστικτωδώς για να ελέγξουν ένα άβαταρ ή έναν εικονικό χαρακτήρα. Προφανώς, μπορείτε να βιώσετε τη φαντασίωση της μαγείας και να ελέγξετε τον κόσμο με το μυαλό σας. Όπως επίσης, χρώματα, φωτισμός, ήχοι και εφέ, μπορούν να αποκριθούν δυναμικά στη συναισθηματική σας κατάσταση να εντείνουν την εμπειρία που βιώνετε, σε πραγματικό χρόνο. Και, προχωρώντας σε μερικές εφαρμογές που ανέπτυξαν προγραμματιστές και ερευνητές ανά τον κόσμο, με ρομπότ και απλές μηχανές, για παράδειγμα - σε αυτη την περίπτωση, πετώντας ένα παιχνίδι-ελικόπτερο απλά με το να σκέφτεστε "απογειώσου" με το μυαλό σας.
So I'd like to show you a few examples, because there are many possible applications for this new interface. In games and virtual worlds, for example, your facial expressions can naturally and intuitively be used to control an avatar or virtual character. Obviously, you can experience the fantasy of magic and control the world with your mind. And also, colors, lighting, sound and effects can dynamically respond to your emotional state to heighten the experience that you're having, in real time. And moving on to some applications developed by developers and researchers around the world, with robots and simple machines, for example -- in this case, flying a toy helicopter simply by thinking "lift" with your mind.
Η τεχνολογία μπορεί επίσης να εφαρμοστεί σε εφαρμογές του πραγματικού κόσμου - σε αυτό το παράδειγμα, ένα έξυπνο σπίτι. Ξέρετε, από τη διεπαφή του χρήστη με το σύστημα ελέγχου για να ανοίξετε τις κουρτίνες ή να τις κλείσετε. Και φυσικά επίσης για το φωτισμό - να τον ανοίξουμε ή να τον κλείσουμε. Και, τέλος, σε εφαρμογές που πραγματικά μας αλλάζουν τη ζωή, όπως να είστε σε θέση να ελέγξετε ένα ηλεκτρικό αναπηρικό καροτσάκι. Σε αυτό το παράδειγμα, οι εκφράσεις του προσώπου είναι συνυφασμένες με τις εντολές κίνησης.
The technology can also be applied to real world applications -- in this example, a smart home. You know, from the user interface of the control system to opening curtains or closing curtains. And of course, also to the lighting -- turning them on or off. And finally, to real life-changing applications, such as being able to control an electric wheelchair. In this example, facial expressions are mapped to the movement commands.
Άνδρας: Τώρα βλεφάρισε δεξιά για να πάει δεξιά. Τώρα βλεφάρισε αριστερά για να γυρίσει αριστερά. Τώρα χαμογέλασε για να πας ευθεία.
Man: Now blink right to go right. Now blink left to turn back left. Now smile to go straight.
Ταν Λε: Πραγματικά... Σας ευχαριστώ.
TL: We really -- Thank you.
(Χειροκρότημα)
(Applause)
Και αυτά είναι η κορυφή του παγόβουνου, με τα σημερινά δεδομένα. Και με τη συμβολή της κοινότητας, καθώς επίσης και την ανάμειξη των κατασκευαστών λογισμικού και ερευνητών από όλο τον κόσμο, ελπίζουμε ότι θα μας βοηθήσετε να διαμορφώσουμε πως θα συνεχίσει αυτή η τεχνολογία από εδώ. Σας ευχαριστώ πάρα πολύ.
We are really only scratching the surface of what is possible today, and with the community's input, and also with the involvement of developers and researchers from around the world, we hope that you can help us to shape where the technology goes from here. Thank you so much.