Placeholder Image

字幕表 動画を再生する

  • Up until now, our communication with machines

    翻訳: Yasushi Aoki 校正: Yuki Okada

  • has always been limited

    これまでの私達の 機械に対する

  • to conscious and direct forms.

    コミュニケーションは 意識的で

  • Whether it's something simple

    直接的なものに 限られていました

  • like turning on the lights with a switch,

    スイッチで電灯を点けるという

  • or even as complex as programming robotics,

    単純なことから

  • we have always had to give a command to a machine,

    ロボティクスのプログラミングのような複雑なものまで

  • or even a series of commands,

    機械に何かをさせようと思ったら

  • in order for it to do something for us.

    はっきりと命じたり

  • Communication between people, on the other hand,

    一連のコマンドを与える必要がありました

  • is far more complex and a lot more interesting

    一方で 人と人のコミュニケーションは

  • because we take into account

    ずっと複雑で ずっと興味深いものです

  • so much more than what is explicitly expressed.

    明示的には示されない

  • We observe facial expressions, body language,

    多くのことが考慮されるからです

  • and we can intuit feelings and emotions

    表情やボディランゲージを読むことで

  • from our dialogue with one another.

    会話しながら気持ちや感情を

  • This actually forms a large part

    直感的につかみ取ることができます

  • of our decision-making process.

    実際これは私達の意志決定において

  • Our vision is to introduce

    大きな部分を占めています

  • this whole new realm of human interaction

    私達がビジョンに掲げているのは

  • into human-computer interaction

    人とコンピュータの対話の中に 今までにはなかった

  • so that computers can understand

    人の対話の要素を導入することで

  • not only what you direct it to do,

    コンピュータが

  • but it can also respond

    直接命令されたことだけでなく

  • to your facial expressions

    人の表情や

  • and emotional experiences.

    感情にも

  • And what better way to do this

    反応できるようにすることです

  • than by interpreting the signals

    そのための方法として

  • naturally produced by our brain,

    私達の制御や体験の中心にある

  • our center for control and experience.

    脳が作り出す信号を解釈するより

  • Well, it sounds like a pretty good idea,

    良い方法はないでしょう

  • but this task, as Bruno mentioned,

    これはとても良いアイデアに見えますが

  • isn't an easy one for two main reasons:

    ブルーノも紹介してくれたように

  • First, the detection algorithms.

    2つの理由により 容易なことではないのです

  • Our brain is made up of

    第一の問題は 検出アルゴリズムです

  • billions of active neurons,

    私達の脳には

  • around 170,000 km

    活動状態のニューロンが何十億もあり

  • of combined axon length.

    軸索を繋ぎ合わせると

  • When these neurons interact,

    17万キロにも及びます

  • the chemical reaction emits an electrical impulse,

    これらのニューロンが情報を伝えるとき

  • which can be measured.

    化学反応が起こす電気信号を

  • The majority of our functional brain

    計測することができます

  • is distributed over

    脳の機能部位の

  • the outer surface layer of the brain,

    大部分は

  • and to increase the area that's available for mental capacity,

    脳の表層部分にあります

  • the brain surface is highly folded.

    そして知的能力に使える領域を増やすために

  • Now this cortical folding

    脳の表面には たくさんの皺があります

  • presents a significant challenge

    この皮質にある皺のために

  • for interpreting surface electrical impulses.

    脳表層の電気信号の解釈は

  • Each individual's cortex

    難しい問題となっています

  • is folded differently,

    皮質の皺の入り方は

  • very much like a fingerprint.

    指紋のように 個人ごとに

  • So even though a signal

    異なっているのです

  • may come from the same functional part of the brain,

    だから信号が

  • by the time the structure has been folded,

    脳の同じ機能部位から来ているにしても

  • its physical location

    この皺になった構造のために

  • is very different between individuals,

    物理的な位置が

  • even identical twins.

    個人ごとに大きく異なり

  • There is no longer any consistency

    たとえ一卵性双生児でも 同じにはなりません

  • in the surface signals.

    表層の信号に

  • Our breakthrough was to create an algorithm

    一貫した解釈はできないのです

  • that unfolds the cortex,

    私達は この問題の解決のため

  • so that we can map the signals

    皮質の皺を展開するアルゴリズムを作りました

  • closer to its source,

    それによって信号を その発生元に

  • and therefore making it capable of working across a mass population.

    対応づけることが可能になり

  • The second challenge

    多くの人に適用できるようになったのです

  • is the actual device for observing brainwaves.

    もう1つの難問は

  • EEG measurements typically involve

    脳波を観察するための装置です

  • a hairnet with an array of sensors,

    脳波測定には通常

  • like the one that you can see here in the photo.

    センサが並んだヘアネットのようなものを使います

  • A technician will put the electrodes

    写真でご覧頂いているようなものです

  • onto the scalp

    その電極を 技師が伝導性の

  • using a conductive gel or paste

    ジェルやペーストを使って

  • and usually after a procedure of preparing the scalp

    頭皮に取り付けるのですが

  • by light abrasion.

    これをやると あとで軽い

  • Now this is quite time consuming

    擦り傷のようになります

  • and isn't the most comfortable process.

    これはとても時間がかかりますし

  • And on top of that, these systems

    あまり快適なものでもありません

  • actually cost in the tens of thousands of dollars.

    その上 こういったシステムは

  • So with that, I'd like to invite onstage

    何万ドルもするのです

  • Evan Grant, who is one of last year's speakers,

    ここで去年の講演者であるエヴァン グラントに

  • who's kindly agreed

    登場してもらいましょう

  • to help me to demonstrate

    彼は快く

  • what we've been able to develop.

    私達の発明のデモへの協力を

  • (Applause)

    引き受けてくださいました

  • So the device that you see

    (拍手)

  • is a 14-channel, high-fidelity

    ご覧頂いている装置は

  • EEG acquisition system.

    14チャネル 高忠実度

  • It doesn't require any scalp preparation,

    脳波捕捉システムです

  • no conductive gel or paste.

    頭皮にジェルやペーストを

  • It only takes a few minutes to put on

    付ける必要はありません

  • and for the signals to settle.

    装着して信号が安定するまで

  • It's also wireless,

    ほんの数分しかかかりません

  • so it gives you the freedom to move around.

    ワイヤレスですので

  • And compared to the tens of thousands of dollars

    自由に動き回れます

  • for a traditional EEG system,

    何万ドルもする従来の

  • this headset only costs

    脳波捕捉システムに対し

  • a few hundred dollars.

    このヘッドセットは

  • Now on to the detection algorithms.

    ほんの数百ドルしかしません

  • So facial expressions --

    検出アルゴリズムについてお話ししましょう

  • as I mentioned before in emotional experiences --

    前に感情表現としての

  • are actually designed to work out of the box

    表情の話をしましたが

  • with some sensitivity adjustments

    個人に合わせた簡単な

  • available for personalization.

    感度調整だけで

  • But with the limited time we have available,

    すぐに表情の捕捉ができるようになります

  • I'd like to show you the cognitive suite,

    今日は時間が限られていますので

  • which is the ability for you

    認知セットだけを ご紹介します

  • to basically move virtual objects with your mind.

    これは心の中で

  • Now, Evan is new to this system,

    仮想的な物体を動かすというものです

  • so what we have to do first

    エヴァンは 初めて

  • is create a new profile for him.

    このシステムを使うので

  • He's obviously not Joanne -- so we'll "add user."

    最初に新しいプロフィールを作ります

  • Evan. Okay.

    彼がジョアンなわけありませんね 「ユーザの追加」で

  • So the first thing we need to do with the cognitive suite

    エヴァンと入れます

  • is to start with training

    認知セットを行うにあたって

  • a neutral signal.

    まずニュートラルな状態の信号による

  • With neutral, there's nothing in particular

    トレーニングから始めます

  • that Evan needs to do.

    ニュートラルというのは

  • He just hangs out. He's relaxed.

    何もしない状態ということです

  • And the idea is to establish a baseline

    ただくつろいで リラックスします

  • or normal state for his brain,

    これによって ベースラインというか

  • because every brain is different.

    脳の標準的な状態を設定します

  • It takes eight seconds to do this,

    脳は人によって異なるからです

  • and now that that's done,

    これには8秒かかります

  • we can choose a movement-based action.

    それが済んだら

  • So Evan, choose something

    ものを動かす課題をどれか選びます

  • that you can visualize clearly in your mind.

    ではエヴァン 心の中で明確に

  • Evan Grant: Let's do "pull."

    イメージできるものを選んでください

  • Tan Le: Okay, so let's choose "pull."

    「引く」をやってみます

  • So the idea here now

    では「引く」を選択します

  • is that Evan needs to

    エヴァンには

  • imagine the object coming forward

    物体が画面の

  • into the screen,

    手前の方にやってくるところを

  • and there's a progress bar that will scroll across the screen

    イメージしてもらいます

  • while he's doing that.

    その間プログレスバーが

  • The first time, nothing will happen,

    伸びていきます

  • because the system has no idea how he thinks about "pull."

    最初は何も起きません

  • But maintain that thought

    彼が「引く」をどう考えるのか システムはまだ知らないからです

  • for the entire duration of the eight seconds.

    8秒間「引く」ことを

  • So: one, two, three, go.

    イメージし続けてください

  • Okay.

    それでは 1、2、3、はい

  • So once we accept this,

    いいでしょう

  • the cube is live.

    これを登録してやると

  • So let's see if Evan

    立方体を動かせるようになります

  • can actually try and imagine pulling.

    ではエヴァンに

  • Ah, good job!

    「引く」ことをイメージしてもらいましょう

  • (Applause)

    わぁ すごい!

  • That's really amazing.

    (拍手)

  • (Applause)

    びっくりしました

  • So we have a little bit of time available,

    (拍手)

  • so I'm going to ask Evan

    まだ少し時間があるようですので

  • to do a really difficult task.

    エヴァンにすごく難しい課題に

  • And this one is difficult

    挑戦してもらいましょう

  • because it's all about being able to visualize something

    これが難しいのは

  • that doesn't exist in our physical world.

    実際の世界には存在しないことを

  • This is "disappear."

    イメージする必要があるためです

  • So what you want to do -- at least with movement-based actions,

    「消す」をやります

  • we do that all the time, so you can visualize it.

    移動に関するアクションであれば

  • But with "disappear," there's really no analogies --

    いつもやっている事なので 容易にイメージできます

  • so Evan, what you want to do here

    でも「消す」というのは経験がありません

  • is to imagine the cube slowly fading out, okay.

    ではエヴァン 立方体がゆっくりと

  • Same sort of drill. So: one, two, three, go.

    消えていくところをイメージしてください

  • Okay. Let's try that.

    まずは練習です 1、2、3、はい

  • Oh, my goodness. He's just too good.

    じゃあ試してみましょう

  • Let's try that again.

    ほら! 彼は本当に優秀です

  • EG: Losing concentration.

    もう一度やってみて…

  • (Laughter)

    集中力が切れちゃったな

  • TL: But we can see that it actually works,

    (笑)

  • even though you can only hold it

    でも一度うまくいったの分かりますよね

  • for a little bit of time.

    あまり長くは

  • As I said, it's a very difficult process

    保てませんでしたけど

  • to imagine this.

    さっきも言ったように これはイメージするのが

  • And the great thing about it is that

    とても難しいんです

  • we've only given the software one instance

    これのいいところは

  • of how he thinks about "disappear."

    「消す」をどう考えるか

  • As there is a machine learning algorithm in this --

    ソフトウェアに いっぺん教えればいいということです