Tan Le: Et headset, der læser dine hjernebølger

Indtil nu har vores kommunikation med maskiner altid været begrænset til bevidste og direkte former. Ligegyldigt om det er noget simpelt, som at tænde lyset med en kontakt, eller noget så komplekst som at programmere robotter har vi altid måttet give kommandoer til en maskine, eller en serie af kommandoer, for at få den til at udføre noget for os. Kommunikationen mellem mennesker er derimod langt mere kompleks og langt mere interessant, fordi vi skal tage hensyn til langt mere end hvad der eksplicit udtrykkes. We observerer ansigtsudtryk, kropssprog, og vi kender intuitivt til sindsstemninger og følelser igennem vores dialog med hinanden. Dette former faktisk en stor del af vores beslutningsprocesser. Vores vision er at indføre en helt ny dimension af menneskelig interaktion, i menneske/computer interaktion, således at computeren kan forstå, ikke alene det, man beder den om, men så den også kan reagere på dine ansigtsudtryk og følelsesmæssige oplevelser. Og hvilken bedre måde at gøre dette på, end ved at fortolke de signaler, der naturligt skabes i vores hjerne, vores center for styring og oplevelse.

Nuvel, det lyder som en rigtig god idé, men opgaven, som Bruno nævnte det, er ikke nem. Hovedsagligt af to årsager: For det første, kortlægningen af algoritmer. Vores hjerne består af milliarder af aktive neuroner, omkring 170.000 km hvis man lægger længden af aksoner sammen. Når disse neuroner interagerer, udskiller de kemiske reaktioner en elektrisk impuls der kan måles. Hovedparten af vores funktionelle hjerne er fordelt over hjernens ydre overfladelag. For at gøre overfladen - der rummer den mentale kapacitet - større, er hjernens overflade fuld af foldninger. Denne kortikale foldning stiller os overfor udfordringen; at kortlægge overfladens elektriske impulser. Ethvert menneskes cortex er foldet forskelligt, meget lig fingeraftryk. Så selvom et signal kan komme fra samme funktionscenter i hjernen, kan dets fysiske placering, når hjernestrukturen er endeligt foldet sammen, være meget forskellig fra person til person, selv hos enæggede tvillinger. Der er ikke længere sammenhæng mellem overfladesignalerne.

Vores gennembrud var at lave en algoritme, der folder cortex ud så vi kan kortlægge signalerne tættere på deres udgangspunkt, og dermed gøre algoritmen anvendelig på den brede befolkning. Den anden udfordring er det apparat, der skal måle hjernebølgerne. EEG-målinger indebærer typisk et hårnet med en lang række sensorer, ligesom det, I kan se her på billedet. En tekniker sætter elektroderne fast på hovedbunden ved hjælp af en elektrisk ledende gel eller pasta, og som regel efter at have gjort hovedbunden klar ved at lave lette hudafskrabninger. Dette er en tidskrævende proces og den er ikke specielt behagelig. Derudover koster disse systemer adskillige tusinde dollars.

Hermed vil jeg gerne invitere Evan Grant, som er én af sidste års talere, op på scenen. Han har sagt ja til at hjælpe mig med at demonstrere det, vi har været i stand til at udvikle.

(Bifald)

Enheden, I ser her er et 14-kanals, high-fidelity EEG målings-system. Det kræver ingen klargøring af hovedbunden, ingen ledende gel eller pasta. Det tager kun et par minutter at tage på og for signalerne til at stabilisere sig. Det er også trådløst, så det giver én frihed til at bevæge sig. Og sammenlignet med de titusindvis af dollars som traditionelle EEG-systemer koster, koster dette headset kun et par hundrede dollars. Og nu til detekteringsalgoritmerne. Ansigtsudtryk - som jeg nævnte før - i følelsesmæssige oplevelser - kan aflæses med det samme med nogle få følsomhedsindstillinger til individuel tilpasning. Men med den begrænsede tid vi har til rådighed her, vil jeg nøjes med at vise jer den kognitive afdeling, hvilket er evnen, der gør dig istand til grundlæggende set, at flytte virtuelle objekter ved tankens kraft.

Evan er ny i dette system, så først er vi nødt til at lave en ny profil til ham. Han er tydeligvis ikke Joanne - så vi trykker "tilføj bruger." Evan. Ok. Det første vi skal gøre i den kognitive afdeling er at optræne et neutralt signal. Ved et neutralt signal, er der ikke noget særligt som Evan skal foretage sig. Han hænger bare ud. Han er afslappet. Og idéen er at bestemme et grundniveau eller en normaltilstand for hans hjerne, for alle hjerner er forskellige. Det tager 8 sekunder at gøre dette. Og nu da det er gjort, kan vi vælge en bevægelses-handling. Så Evan; vælg noget, som du kan visualisere klart indeni hovedet.

Evan Grant: Lad os prøve "træk."

Tan Le: Okay. Lad os vælge "træk." Idéen er nu at Evan skal forestille sig objektet bevæge sig fremad ind mod skærmen. Og der er en "progress bar", som vil rulle på tværs af skærmen mens han gør det. Første gang, vil der ikke ske noget, fordi systemet ikke ved hvordan han tænker på at trække. Men hold fast i tanken i hele de 8 sekunders varighed. Så: en, to, tre, start. Okay. Når vi så godkender dette, kommer kassen til live. Lad os se om Evan rent faktisk kan prøve at forestille sig at trække. Ah, godt arbejde! (Bifald) Det er ret fantastisk.

(Bifald)

Vi har lidt tid tilbage så nu vil jeg bede Evan om at udføre en meget svær opgave. Og denne er ret svær fordi den handler om at kunne visualisere noget som ikke eksisterer i den fysiske verden. Dette er "at forsvinde." Så det du skal gøre her -- i det mindste med bevægelses-baserede handlinger, det foretager vi os hele tiden, så det kan man visualisere. Men "at forsvinde", der har vi ikke rigtig nogen analogier. Så Evan, det du skal gøre her er at forestille dig at kassen langsomt fader ud, okay? Samme rille. Så: en, to tre, kør! Okay, lad os prøve det. Du godeste! Han er alt for god. Lad os prøve igen.

Evan: Jeg mister koncentrationen.

(Latter)

Tan Le: Men vi kan se at det faktisk virker, selvom du kun kan holde den i kort tid. Som jeg sagde, det er en svær opgave at forestille sig dette. Og det fantastiske ved det er, at vi kun har givet programmet én måling af hvordan han tænker på "at forsvinde." Eftersom der er en maskinel læringsalgoritme i dette -

(Bifald)

Tak. Godt arbejde. Godt arbejde.

(Bifald)

Tak Evan, du er et skønt, skønt eksempel for teknologien.

Som I kunne se før er der et udjævningssystem bygget ind i dette program. Så efterhånden som Evan eller andre brugere, bliver mere og mere fortrolige med systemet, kan de fortsætte med at tilføje flere og flere målinger, så systemet bliver i stand til at skelne imellem tydeligt forskellige tanker. Og når man så har optrænet de forskellige detektioner, kan disse tanker så anvises eller kortlægges til hvilken som helst computerbaseret platform, applikation eller enhed.

Så jeg vil gerne vise jer et par eksempler, for der er mange mulige anvendelsesmuligheder for dette nye interface. I spil og virtuelle verdener, for eksempel, kan dine ansigtsudtryk naturligt og intuitivt bruges til at styre et avatar eller en virtuel karakter. Naturligvis kan man også opleve fantasien om magi og kontrollere verden med sin hjerne. Og også farver, lys, lyd og effekter, kan dynamisk tilsvare dine følelser for at højne din oplevelse i "real time." Og nu videre til anvendelsesmuligheder udviklet af udviklere og forskere verden over, med robotter og simple maskiner, for eksempel - i dette tilfælde, at styre en legetøjshelikopter blot ved at tænke "let".

Teknologien kan også anvendes i dagligdags applikationer - her et intelligent hjem. Fra kontrolsystemets brugerinterface kan man trække gardiner fra eller lukke dem til. Og selvfølgelig til styring af belysning - at tænde eller slukke. Og til sidst, livsomstyrtende anvendelser, såsom at styre en elektrisk rullestol. I dette eksempel kobles ansigtsudtryk til bevægelseskommandoerne.

Mand: Blink med højre øje for at dreje til højre. Blink nu med venstre øje for at dreje tilbage til venstre. Smil for at køre ligeud.

Tan Le: Vi - Tak skal I have.

(Bifald)

Vi skraber blot overfladen af, hvad der er muligt i dag. Og med inputs fra forskningsfællesskaber, og inddragelsen af udviklere og forksere fra hele Verden, håber vi, at I kan hjælpe os med at påvirke hvor teknologien skal bevæge sig hen herfra. Mange tak skal I have.