TEDWomen 2015
Rana el Kaliouby: This app knows how you feel -- from the look on your face
رنا القليوبي: هذا التطبيق يعرف ما تشعر به من تعبير وجهك
Filmed:
Readability: 4.3
1,613,290 views
تؤثر مشاعرنا على جميع نواحي حياتنا - ابتداء من طريقة تعلمنا وتواصلنا إلى كيفية اتخاذنا للقرارات. ورغم ذلك فإنها ما تزال مغيبة عن المجال الرقمي في حياتنا؛ فالأجهزة والتطبيقات التي نتعامل معها بشكل يومي لا تتوفر على أية وسيلة للتعرف على ما نشعر به. وسدّاً لتلك الفجوة اتخذت الباحثة رنا القليوبي تغيير ذلك هدفاً لها. تقدم لنا رنا من خلال هذه المحادثة عرضا عن تقنية جديدة وقوية، بمقدورها قراءة تعابير الوجه وتأويلها كمشاعر. وحسب اعتقاد رنا يمكن "لوحدة المعالجة المركزية العاطفية" تلك أن تستخدم في مجالات مهمة، كما يمكنها أن تغير ليس فقط طريقتنا في التفاعل مع الآلات - بل وحتى طريقة تواصلنا كبشر.
Rana el Kaliouby - Computer scientist
What if a computer could recognize your facial expression, and react to how you feel? Rana el Kaliouby sees big possibilities in making technology emotionally aware. Full bio
What if a computer could recognize your facial expression, and react to how you feel? Rana el Kaliouby sees big possibilities in making technology emotionally aware. Full bio
Double-click the English transcript below to play the video.
00:12
Our emotions influence
every aspect of our lives,
every aspect of our lives,
0
556
4017
عواطفنا تؤثر على كل نواحي حياتنا،
00:16
from our health and how we learn,
to how we do business and make decisions,
to how we do business and make decisions,
1
4573
3576
من صحتنا وطريقة تعلمنا
إلى كيفية تأدية أعمالنا واتخاذنا للقرارات
إلى كيفية تأدية أعمالنا واتخاذنا للقرارات
00:20
big ones and small.
2
8149
1773
الصغيرة منها أو الكبيرة.
00:22
Our emotions also influence
how we connect with one another.
how we connect with one another.
3
10672
3490
كما أنها تؤثر في كيفية تواصلنا مع بعضنا.
00:27
We've evolved to live
in a world like this,
in a world like this,
4
15132
3976
فقد تطورنا لنعيش في عالم كهذا،
00:31
but instead, we're living
more and more of our lives like this --
more and more of our lives like this --
5
19108
4319
ولكننا نعيش حياتنا أكثر فأكثر
بهذا الشكل --
بهذا الشكل --
00:35
this is the text message
from my daughter last night --
from my daughter last night --
6
23427
3134
هذه رسالة نصية
أرسلتها لي ابنتي الليلة الماضية --
أرسلتها لي ابنتي الليلة الماضية --
00:38
in a world that's devoid of emotion.
7
26561
2740
في عالم منزوع المشاعر.
00:41
So I'm on a mission to change that.
8
29301
1951
أنا في مهمة لتغيير ذلك.
00:43
I want to bring emotions
back into our digital experiences.
back into our digital experiences.
9
31252
4091
أود إعادة المشاعر إلى تجاربنا الرقمية.
00:48
I started on this path 15 years ago.
10
36223
3077
انطلقت على هذا الدرب منذ 15 سنة.
00:51
I was a computer scientist in Egypt,
11
39300
2066
كنت عالمة حاسوب في مصر،
00:53
and I had just gotten accepted to
a Ph.D. program at Cambridge University.
a Ph.D. program at Cambridge University.
12
41366
4505
وكنت قد قُبِلت للتو في برنامج للدكتوراه
بجامعة كامبريدج.
بجامعة كامبريدج.
00:57
So I did something quite unusual
13
45871
2113
وقمت وقتها بشيء غير اعتيادي
00:59
for a young newlywed Muslim Egyptian wife:
14
47984
4225
بالنسبة لفتاة مصرية مسلمة ومتزوجة حديثاً:
01:05
With the support of my husband,
who had to stay in Egypt,
who had to stay in Egypt,
15
53599
2999
بدعم من زوجي الذي ظل في مصر،
01:08
I packed my bags and I moved to England.
16
56598
3018
حزمت حقائبي وانتقلت إلى انجلترا.
01:11
At Cambridge, thousands of miles
away from home,
away from home,
17
59616
3228
وفي كامبريدج بعيدا عن منزلي بآلاف الأميال،
01:14
I realized I was spending
more hours with my laptop
more hours with my laptop
18
62844
3413
أدركت أني أقضي وقتا أكبر أمام حاسوبي
01:18
than I did with any other human.
19
66257
2229
مما كنت أفعل مع الناس.
01:20
Yet despite this intimacy, my laptop
had absolutely no idea how I was feeling.
had absolutely no idea how I was feeling.
20
68486
4853
ورغم كل تلك الألفة بيننا
لم يكن لدى حاسوبي أية فكرة عما أشعر به.
لم يكن لدى حاسوبي أية فكرة عما أشعر به.
01:25
It had no idea if I was happy,
21
73339
3211
لم تكن لديه أية فكرة إن كنت فرحة
01:28
having a bad day, or stressed, confused,
22
76550
2988
أو إن كان نهاري سيئاً
أو أنني مرهقة، قلقة،
أو أنني مرهقة، قلقة،
01:31
and so that got frustrating.
23
79538
2922
وقد أصبح الأمر محبطاً.
01:35
Even worse, as I communicated
online with my family back home,
online with my family back home,
24
83600
5231
بل أن الأمر ساء عندما كنت أتصل بأسرتي،
01:41
I felt that all my emotions
disappeared in cyberspace.
disappeared in cyberspace.
25
89421
3282
بحيث بدأت أحس بمشاعري تختفي
في الفضاء الإلكتروني.
في الفضاء الإلكتروني.
01:44
I was homesick, I was lonely,
and on some days I was actually crying,
and on some days I was actually crying,
26
92703
5155
كنت أحن للوطن وكنت وحيدة
بل إني كنت أبكي في بعض الأيام،
بل إني كنت أبكي في بعض الأيام،
01:49
but all I had to communicate
these emotions was this.
these emotions was this.
27
97858
4928
لكن الوسيلة التي كنت أنقل بها مشاعري،
كانت هي هذه.
01:54
(Laughter)
28
102786
2020
(ضحك)
01:56
Today's technology
has lots of I.Q., but no E.Q.;
has lots of I.Q., but no E.Q.;
29
104806
4974
قد تملك التقنية اليوم نسبة ذكاء كبيرة
لكنها تفتقد للمشاعر؛
لكنها تفتقد للمشاعر؛
02:01
lots of cognitive intelligence,
but no emotional intelligence.
but no emotional intelligence.
30
109780
3176
الكثير من الذكاء الإدراكي
لكن دون ذكاء عاطفي.
لكن دون ذكاء عاطفي.
02:04
So that got me thinking,
31
112956
2197
وهذا جعلني أفكر،
02:07
what if our technology
could sense our emotions?
could sense our emotions?
32
115153
3624
ماذا لو كان بإمكان تقنيتنا
إدراك مشاعرنا؟
إدراك مشاعرنا؟
02:10
What if our devices could sense
how we felt and reacted accordingly,
how we felt and reacted accordingly,
33
118777
4076
ماذا لو كان بإمكان أجهزتنا أن تحس بمشاعرنا
وتتفاعل معنا على أساسها،
وتتفاعل معنا على أساسها،
02:14
just the way an emotionally
intelligent friend would?
intelligent friend would?
34
122853
3013
كما كان ليفعل معكم صديق؟
02:18
Those questions led me and my team
35
126666
3564
وقد قادتني هذه الأسئلة وفريقي
02:22
to create technologies that can read
and respond to our emotions,
and respond to our emotions,
36
130230
4377
إلى ابتكار تقنية قادرة
على قراءة مشاعرنا والتفاعل معها،
على قراءة مشاعرنا والتفاعل معها،
02:26
and our starting point was the human face.
37
134607
3090
وكانت نقطة انطلاقنا من الوجه.
02:30
So our human face happens to be
one of the most powerful channels
one of the most powerful channels
38
138577
3173
يعتبر وجهنا أقوى الوسائل
02:33
that we all use to communicate
social and emotional states,
social and emotional states,
39
141750
4016
التي نستخدمها جميعا في التعبير
عن حالاتنا الاجتماعية والعاطفية،
عن حالاتنا الاجتماعية والعاطفية،
02:37
everything from enjoyment, surprise,
40
145766
3010
عن كل شيء عن الفرح والتفاجئ
02:40
empathy and curiosity.
41
148776
4203
والتعاطف والفضول.
02:44
In emotion science, we call each
facial muscle movement an action unit.
facial muscle movement an action unit.
42
152979
4928
نسمي في علم المشاعر كل حركة لعضلة الوجه
بالحركة كوحدة قياس.
بالحركة كوحدة قياس.
02:49
So for example, action unit 12,
43
157907
2925
فمثلا الحركة 12،
02:52
it's not a Hollywood blockbuster,
44
160832
2038
ليست بفيلم هوليوودي ضخم،
02:54
it is actually a lip corner pull,
which is the main component of a smile.
which is the main component of a smile.
45
162870
3442
في الواقع هي شد الشفتين لرسم البسمة.
02:58
Try it everybody. Let's get
some smiles going on.
some smiles going on.
46
166312
2988
جربوها جميعا.
دعونا نرسم بعض البسمات.
دعونا نرسم بعض البسمات.
03:01
Another example is action unit 4.
It's the brow furrow.
It's the brow furrow.
47
169300
2654
المثال الثاني هو الحركة 4.
تقطيب الجبين.
تقطيب الجبين.
03:03
It's when you draw your eyebrows together
48
171954
2238
وهذا عندما تقاربون بين حواجبكم
03:06
and you create all
these textures and wrinkles.
these textures and wrinkles.
49
174192
2267
لتظهر تلك الأخاديد والخطوط على جباهكم.
03:08
We don't like them, but it's
a strong indicator of a negative emotion.
a strong indicator of a negative emotion.
50
176459
4295
نحن لا نحبها
لكنها علامة قوية على مشاعر سلبية.
لكنها علامة قوية على مشاعر سلبية.
03:12
So we have about 45 of these action units,
51
180754
2206
لدينا حوالي 45 حركة كوحدات قياس،
03:14
and they combine to express
hundreds of emotions.
hundreds of emotions.
52
182960
3390
نجمع بينها للتعبير على المئات من المشاعر.
03:18
Teaching a computer to read
these facial emotions is hard,
these facial emotions is hard,
53
186350
3901
من الصعب تعليم الحاسوب كيفية قراءتها،
03:22
because these action units,
they can be fast, they're subtle,
they can be fast, they're subtle,
54
190251
2972
لأننا نقوم بتلك الحركات في رمشة عين،
إنها خفية،
إنها خفية،
03:25
and they combine in many different ways.
55
193223
2554
ويمكن الجمع بينها بطرق مختلفة ومتعددة.
03:27
So take, for example,
the smile and the smirk.
the smile and the smirk.
56
195777
3738
وخذ على سبيل المثال،
البسمة العادية والصفراء.
البسمة العادية والصفراء.
03:31
They look somewhat similar,
but they mean very different things.
but they mean very different things.
57
199515
3753
قد تبدوان متشابهتين
لكنهما بمعنيين جد مختلفين.
لكنهما بمعنيين جد مختلفين.
03:35
(Laughter)
58
203268
1718
(ضحك)
03:36
So the smile is positive,
59
204986
3004
فالبسمة العادية إيجابية المعنى
03:39
a smirk is often negative.
60
207990
1270
والصفراء في الغالب سلبيه.
03:41
Sometimes a smirk
can make you become famous.
can make you become famous.
61
209260
3876
وقد تجعلكم البسمة الصفراء أحيانا مشهورين.
03:45
But seriously, it's important
for a computer to be able
for a computer to be able
62
213136
2824
لكن وبشكل جدي،
من المهم أن يكون الحاسوب قادراً
من المهم أن يكون الحاسوب قادراً
03:47
to tell the difference
between the two expressions.
between the two expressions.
63
215960
2855
على التفريق بين هذين التعبيرين.
03:50
So how do we do that?
64
218815
1812
فكيف نفعل ذلك؟
03:52
We give our algorithms
65
220627
1787
أضفنا لخوارزمياتنا
03:54
tens of thousands of examples
of people we know to be smiling,
of people we know to be smiling,
66
222414
4110
العشرات من الآلاف من الأمثلة لأشخاص
نعلم أنهم يبتسمون بحق،
نعلم أنهم يبتسمون بحق،
03:58
from different ethnicities, ages, genders,
67
226524
3065
من مختلف الأعراق والأعمار والأجناس،
04:01
and we do the same for smirks.
68
229589
2811
ونفس الشيء للبسمة الصفراء.
04:04
And then, using deep learning,
69
232400
1554
وبعدها باستخدام عملية معقدة
04:05
the algorithm looks for all these
textures and wrinkles
textures and wrinkles
70
233954
2856
تبحث الخوارزمية
على جميع تلك الأخاديد والخطوط
على جميع تلك الأخاديد والخطوط
04:08
and shape changes on our face,
71
236810
2580
وعلى الاختلافات الصغيرة على وجوهنا،
04:11
and basically learns that all smiles
have common characteristics,
have common characteristics,
72
239390
3202
التوصل إلى أن جميع البسمات العادية
لديها مميزات مشتركة،
لديها مميزات مشتركة،
04:14
all smirks have subtly
different characteristics.
different characteristics.
73
242592
3181
وأن البسمات الصفراء
لديها مميزات مختلفة خفية.
لديها مميزات مختلفة خفية.
04:17
And the next time it sees a new face,
74
245773
2368
وفي المرة القادمة عند رؤيتها لوجه جديد
04:20
it essentially learns that
75
248141
2299
تتعرف الخوارزمية في الأساس
04:22
this face has the same
characteristics of a smile,
characteristics of a smile,
76
250440
3033
بأن هذا الوجه
لديه نفس مميزات البسمة العادية،
لديه نفس مميزات البسمة العادية،
04:25
and it says, "Aha, I recognize this.
This is a smile expression."
This is a smile expression."
77
253473
4278
فتقول: "أنا أعرف هذه البسمة."
04:30
So the best way to demonstrate
how this technology works
how this technology works
78
258381
2800
وأفضل طريقة
لتوضيح كيفية عمل هذه التقنية
لتوضيح كيفية عمل هذه التقنية
04:33
is to try a live demo,
79
261181
2136
هي تجربة عرض مباشر.
04:35
so I need a volunteer,
preferably somebody with a face.
preferably somebody with a face.
80
263317
3913
أنا بحاجة لمتطوع،
ومن الأفضل أن يمتلك وجهاً.
ومن الأفضل أن يمتلك وجهاً.
04:39
(Laughter)
81
267230
2334
(ضحك)
04:41
Cloe's going to be our volunteer today.
82
269564
2771
كلوي هي متطوعتنا اليوم.
04:45
So over the past five years, we've moved
from being a research project at MIT
from being a research project at MIT
83
273325
4458
خلال السنوات 5 الماضية، انتقلنا من مرحلة
مشروع بحث بمعهد ماساتشوستس للتقنية
مشروع بحث بمعهد ماساتشوستس للتقنية
04:49
to a company,
84
277783
1156
إلى شركة،
04:50
where my team has worked really hard
to make this technology work,
to make this technology work,
85
278939
3192
حيث عمل فريقي بجد لجعل هذه التقنية تعمل،
04:54
as we like to say, in the wild.
86
282131
2409
كما يقال، في الطبيعة.
04:56
And we've also shrunk it so that
the core emotion engine
the core emotion engine
87
284540
2670
كما قمنا بتصغيرحجمها
لتعمل مع كافة الهواتف النقالة ذات الكاميرا
كهذا الآي باد.
كهذا الآي باد.
04:59
works on any mobile device
with a camera, like this iPad.
with a camera, like this iPad.
88
287210
3320
05:02
So let's give this a try.
89
290530
2786
دعونا إذا نجربها.
05:06
As you can see, the algorithm
has essentially found Cloe's face,
has essentially found Cloe's face,
90
294756
3924
كما تلاحظون،
حددت الخوارزمية تقاسيم وجه كلوي
حددت الخوارزمية تقاسيم وجه كلوي
05:10
so it's this white bounding box,
91
298680
1692
في هذا الإطار الأبيض
05:12
and it's tracking the main
feature points on her face,
feature points on her face,
92
300372
2571
وهي تبحث على النقط الرئيسية في وجهها،
05:14
so her eyebrows, her eyes,
her mouth and her nose.
her mouth and her nose.
93
302943
2856
وهي حاجبيها وعينيها وفمها وأنفها.
05:17
The question is,
can it recognize her expression?
can it recognize her expression?
94
305799
2987
والسؤال هو،
هل ستتمكن من التعرف على تعابير وجهها؟
هل ستتمكن من التعرف على تعابير وجهها؟
05:20
So we're going to test the machine.
95
308786
1671
سنختبر الآن الآلة لنعرف.
05:22
So first of all, give me your poker face.
Yep, awesome. (Laughter)
Yep, awesome. (Laughter)
96
310457
4186
في البداية، أود رؤية وجه لاعب الورق.
نعم، رائع. (ضحك)
نعم، رائع. (ضحك)
05:26
And then as she smiles,
this is a genuine smile, it's great.
this is a genuine smile, it's great.
97
314643
2813
وبينما هي تبتسم، هذه ابتسامة جميلة، رائع.
05:29
So you can see the green bar
go up as she smiles.
go up as she smiles.
98
317456
2300
يمكنكم ملاحظة الشريط الأخضر يرتفع
كلما ابتسمت.
كلما ابتسمت.
05:31
Now that was a big smile.
99
319756
1222
كانت هذه ابتسامة مشرقة.
05:32
Can you try a subtle smile
to see if the computer can recognize?
to see if the computer can recognize?
100
320978
3043
هل يمكنك الابتسام خفية
لنرى إن كان الحاسوب سيتعرف عليها؟
لنرى إن كان الحاسوب سيتعرف عليها؟
05:36
It does recognize subtle smiles as well.
101
324021
2331
لقد تعرف على الابتسامة الخفية أيضا.
05:38
We've worked really hard
to make that happen.
to make that happen.
102
326352
2125
لقد عملنا بجد لتحقيق هذا.
05:40
And then eyebrow raised,
indicator of surprise.
indicator of surprise.
103
328477
2962
وبعدها رفع الحاجبين علامة المفاجأة.
05:43
Brow furrow, which is
an indicator of confusion.
an indicator of confusion.
104
331439
4249
تقطيب الحاجبين علامة الارتباك.
05:47
Frown. Yes, perfect.
105
335688
4007
تقطيب. نعم، رائع.
05:51
So these are all the different
action units. There's many more of them.
action units. There's many more of them.
106
339695
3493
كانت هذه جميع الحركات المختلفة.
وهناك العديد منها.
وهناك العديد منها.
05:55
This is just a slimmed-down demo.
107
343188
2032
كان هذا عرضا بسيطا.
05:57
But we call each reading
an emotion data point,
an emotion data point,
108
345220
3148
ونسمي كل نقطة تم التعرف عليها
بنقطة بيانات عاطفية،
بنقطة بيانات عاطفية،
06:00
and then they can fire together
to portray different emotions.
to portray different emotions.
109
348368
2969
وبعد تمازجها معا
تقدم لنا علامات عن مختلف المشاعر.
تقدم لنا علامات عن مختلف المشاعر.
06:03
So on the right side of the demo --
look like you're happy.
look like you're happy.
110
351337
4653
وعلى يمين العرض --
يبدو أنك سعيدة.
يبدو أنك سعيدة.
06:07
So that's joy. Joy fires up.
111
355990
1454
هذا مؤشر الفرح ينطلق.
06:09
And then give me a disgust face.
112
357444
1927
والآن تعبير بالقرف.
06:11
Try to remember what it was like
when Zayn left One Direction.
when Zayn left One Direction.
113
359371
4272
حاولي تذكر شعورك عندما ترك زين
فرقة ون دايركشن.
فرقة ون دايركشن.
06:15
(Laughter)
114
363643
1510
(ضحك)
06:17
Yeah, wrinkle your nose. Awesome.
115
365153
4342
نعم، تقلص أنفك. رائع.
06:21
And the valence is actually quite
negative, so you must have been a big fan.
negative, so you must have been a big fan.
116
369495
3731
انظروا إلى المقياس إنه جد سلبي،
لابد وأنك معجبة كبيرة.
لابد وأنك معجبة كبيرة.
06:25
So valence is how positive
or negative an experience is,
or negative an experience is,
117
373226
2700
يبين هذا المقياس إن كانت التجربة
إيجابية أو سلبية،
إيجابية أو سلبية،
06:27
and engagement is how
expressive she is as well.
expressive she is as well.
118
375926
2786
و"الالتزام" مستوى التعبير.
06:30
So imagine if Cloe had access
to this real-time emotion stream,
to this real-time emotion stream,
119
378712
3414
تخيلوا لو كان بإمكان كلوي الوصول إلى هذه
البيانات العاطفية المباشرة،
البيانات العاطفية المباشرة،
06:34
and she could share it
with anybody she wanted to.
with anybody she wanted to.
120
382126
2809
ومشاركتها مع من تريد.
06:36
Thank you.
121
384935
2923
شكرا جزيلا كلوي.
06:39
(Applause)
122
387858
4621
(تصفيق)
06:45
So, so far, we have amassed
12 billion of these emotion data points.
12 billion of these emotion data points.
123
393749
5270
لقد جمعنا لغاية الآن
12 مليار نقطة بيانات عاطفية تلك.
12 مليار نقطة بيانات عاطفية تلك.
06:51
It's the largest emotion
database in the world.
database in the world.
124
399019
2611
وهي أكبر قاعدة بيانات عاطفية في العالم.
06:53
We've collected it
from 2.9 million face videos,
from 2.9 million face videos,
125
401630
2963
وجمعناها من 2,9 مليون فيديو وجه،
06:56
people who have agreed
to share their emotions with us,
to share their emotions with us,
126
404593
2600
لأشخاص وافقوا على مشاركة مشاعرهم معنا،
06:59
and from 75 countries around the world.
127
407193
3205
ومن 75 دولة حول العالم.
07:02
It's growing every day.
128
410398
1715
وهي تكبر كل يوم.
07:04
It blows my mind away
129
412603
2067
وقد أذهلني
07:06
that we can now quantify something
as personal as our emotions,
as personal as our emotions,
130
414670
3195
كيف أنه أصبح بمقدورنا
قياس شيء شخصي كمشاعرنا،
قياس شيء شخصي كمشاعرنا،
07:09
and we can do it at this scale.
131
417865
2235
وأن نفعل ذلك على هذا المستوى.
07:12
So what have we learned to date?
132
420100
2177
فما الذي تعلمناه إلى اليوم؟
07:15
Gender.
133
423057
2331
النوع.
07:17
Our data confirms something
that you might suspect.
that you might suspect.
134
425388
3646
تؤكد بياناتنا أمر لربما تتوقعونه.
07:21
Women are more expressive than men.
135
429034
1857
النساء كن أكثر تعبيرا من الرجال.
07:22
Not only do they smile more,
their smiles last longer,
their smiles last longer,
136
430891
2683
ليس فقط أنهن الأكثر ابتساما
بل لوقت أطول أيضاً
بل لوقت أطول أيضاً
07:25
and we can now really quantify
what it is that men and women
what it is that men and women
137
433574
2904
ويمكننا اليوم قياس ما يتفاعل معه
الرجال والنساء
الرجال والنساء
07:28
respond to differently.
138
436478
2136
بشكل مختلف.
07:30
Let's do culture: So in the United States,
139
438614
2290
من الجانب الثقافي: في الولايات المتحدة،
07:32
women are 40 percent
more expressive than men,
more expressive than men,
140
440904
3204
من النساء هن 40% أكثر تعبيرا من الرجال،
07:36
but curiously, we don't see any difference
in the U.K. between men and women.
in the U.K. between men and women.
141
444108
3645
لكن الغريب
أنهما متساويان في المملكة المتحدة.
أنهما متساويان في المملكة المتحدة.
07:39
(Laughter)
142
447753
2506
(ضحك)
07:43
Age: People who are 50 years and older
143
451296
4027
العمري: الأشخاص من 50 سنة فما فوق
07:47
are 25 percent more emotive
than younger people.
than younger people.
144
455323
3436
هم 25% أكثر تعبيرا من الشباب.
07:51
Women in their 20s smile a lot more
than men the same age,
than men the same age,
145
459899
3852
النساء في سن 20 يبتسمن أكثر
من الرجال في نفس السن،
من الرجال في نفس السن،
07:55
perhaps a necessity for dating.
146
463751
3839
ربما لضرورة التعارف.
07:59
But perhaps what surprised us
the most about this data
the most about this data
147
467590
2617
لكن ما فاجأنا أكثر في هذه البيانات
08:02
is that we happen
to be expressive all the time,
to be expressive all the time,
148
470207
3203
هو أننا دائمي التعبير عن مشاعرنا،
08:05
even when we are sitting
in front of our devices alone,
in front of our devices alone,
149
473410
2833
حتى عندما نكون جالسين أمام أجهزتنا لوحدنا،
08:08
and it's not just when we're watching
cat videos on Facebook.
cat videos on Facebook.
150
476243
3274
وليس فقط عندما نكون بصدد
مشاهدة فيديوهات القطط على الفيسبوك.
مشاهدة فيديوهات القطط على الفيسبوك.
08:12
We are expressive when we're emailing,
texting, shopping online,
texting, shopping online,
151
480217
3010
بل إننا نعبر أثناء كتابة رسالة
أو التسوق على الإنترنت
أو التسوق على الإنترنت
08:15
or even doing our taxes.
152
483227
2300
أو حتى أثناء حسابنا للضريبة نهاية السنة.
08:17
Where is this data used today?
153
485527
2392
فيما تستخدم هذه البيانات حاليا؟
08:19
In understanding how we engage with media,
154
487919
2763
في فهم كيفية التعامل مع وسائل الإعلام
08:22
so understanding virality
and voting behavior;
and voting behavior;
155
490682
2484
فهم الظواهر الشائعة وسلوكيات التصويت؛
08:25
and also empowering
or emotion-enabling technology,
or emotion-enabling technology,
156
493166
2740
وكذلك تعزيز أو تمكين التقنية من المشاعر،
08:27
and I want to share some examples
that are especially close to my heart.
that are especially close to my heart.
157
495906
4621
وأرغب في مشاركتكم
بعض الأمثلة العزيزة على قلبي.
بعض الأمثلة العزيزة على قلبي.
08:33
Emotion-enabled wearable glasses
can help individuals
can help individuals
158
501197
3068
نظرات قارئة للمشاعر ستساعد ضعاف البصر
08:36
who are visually impaired
read the faces of others,
read the faces of others,
159
504265
3228
في التعرف على تعابير وجوه الآخرين،
08:39
and it can help individuals
on the autism spectrum interpret emotion,
on the autism spectrum interpret emotion,
160
507493
4187
ويمكن أن تساعد مرضى التوحد تأويل المشاعر،
08:43
something that they really struggle with.
161
511680
2778
وهو أمر يعانون منه كثيرا.
08:47
In education, imagine
if your learning apps
if your learning apps
162
515918
2859
في التعليم،
تخيلوا إن كانت تطبيقاتكم التعليمية
تخيلوا إن كانت تطبيقاتكم التعليمية
08:50
sense that you're confused and slow down,
163
518777
2810
تحس بارتباككم فتبطئ الوتيرة
08:53
or that you're bored, so it's sped up,
164
521587
1857
أو بمللكم فتسرعها،
08:55
just like a great teacher
would in a classroom.
would in a classroom.
165
523444
2969
كما قد يفعل أي مدرس متمرس في القسم.
08:59
What if your wristwatch tracked your mood,
166
527043
2601
تخيلوا ساعتكم تخبركم بمزاجكم
09:01
or your car sensed that you're tired,
167
529644
2693
أو أن تحس سيارتكم بأنكم تعبين
09:04
or perhaps your fridge
knows that you're stressed,
knows that you're stressed,
168
532337
2548
أو أن تعرف ثلاجتكم بأنكم متوترين
09:06
so it auto-locks to prevent you
from binge eating. (Laughter)
from binge eating. (Laughter)
169
534885
6066
فتقفل تلقائيا لمنعكم من الأكل بشراهة.
(ضحك)
(ضحك)
كنت لأرغب في ذلك، نعم.
09:12
I would like that, yeah.
170
540951
2717
09:15
What if, when I was in Cambridge,
171
543668
1927
ماذا لو تمكنت، عندما كنت في كامبريدج،
09:17
I had access to my real-time
emotion stream,
emotion stream,
172
545595
2313
من الوصول إلى بياناتي العاطفية المباشرة،
09:19
and I could share that with my family
back home in a very natural way,
back home in a very natural way,
173
547908
3529
وتشاركتها مع أسرتي في الوطن بطريقة طبيعية،
09:23
just like I would've if we were all
in the same room together?
in the same room together?
174
551437
3971
كما كنت لأفعل لو كنا جميعا
في الغرفة نفسها؟
في الغرفة نفسها؟
09:27
I think five years down the line,
175
555408
3142
أعتقد أنه خلال السنوات الخمس القادمة،
09:30
all our devices are going
to have an emotion chip,
to have an emotion chip,
176
558550
2337
ستحتوي جميع أجهزتنا على شريحة مشاعر
09:32
and we won't remember what it was like
when we couldn't just frown at our device
when we couldn't just frown at our device
177
560887
4064
وسننسى بعدها كيف أننا كنا نعبس
09:36
and our device would say, "Hmm,
you didn't like that, did you?"
you didn't like that, did you?"
178
564951
4249
أمام أجهزتنا فلا ترد قائلة:
"أنت لا تحب هذا، أليس كذلك؟"
"أنت لا تحب هذا، أليس كذلك؟"
09:41
Our biggest challenge is that there are
so many applications of this technology,
so many applications of this technology,
179
569200
3761
التحدي الكبير الذي يواجهنا هو أن هناك
طرق متعددة لاستعمال هذه التقنية،
طرق متعددة لاستعمال هذه التقنية،
09:44
my team and I realize that we can't
build them all ourselves,
build them all ourselves,
180
572961
2903
وقد أدركت وفريقي
بأنه لا يمكننا ابتكارها جميعا بمفردنا،
بأنه لا يمكننا ابتكارها جميعا بمفردنا،
09:47
so we've made this technology available
so that other developers
so that other developers
181
575864
3496
لذا أتحنا هذه التقنية ليتمكن باقي المطورين
09:51
can get building and get creative.
182
579360
2114
من المساهمة في التطوير والابتكار.
09:53
We recognize that
there are potential risks
there are potential risks
183
581474
4086
ونحن نعترف بأن هناك مخاطر محتملة
09:57
and potential for abuse,
184
585560
2067
وإمكانية لاستغلالها،
09:59
but personally, having spent
many years doing this,
many years doing this,
185
587627
2949
لكن شخصيا،
وبعد أن قضيت عدة سنوات في هذا العمل،
وبعد أن قضيت عدة سنوات في هذا العمل،
10:02
I believe that the benefits to humanity
186
590576
2972
أؤمن بأن الفوائد التي ستجنيها البشرية
10:05
from having emotionally
intelligent technology
intelligent technology
187
593548
2275
من الحصول على تقنية ذات ذكاء عاطفي
10:07
far outweigh the potential for misuse.
188
595823
3576
أكبر بكثير من احتمال سوء استخدامها.
10:11
And I invite you all to be
part of the conversation.
part of the conversation.
189
599399
2531
وأدعوكم جميعا لتكونوا جزءا من النقاش.
10:13
The more people who know
about this technology,
about this technology,
190
601930
2554
فكلما كان عدد الأشخاص المطلعين
على هذه التقنية أكبر
على هذه التقنية أكبر
10:16
the more we can all have a voice
in how it's being used.
in how it's being used.
191
604484
3177
كلما كان لنا رأي في طريقة استخدامها.
10:21
So as more and more
of our lives become digital,
of our lives become digital,
192
609081
4574
وبينما تصبح حياتنا رقمية أكثر فأكثر،
10:25
we are fighting a losing battle
trying to curb our usage of devices
trying to curb our usage of devices
193
613655
3498
فإننا نخوض معركة خاسرة
بمحاولتنا للحد من استخدام الأجهزة
بمحاولتنا للحد من استخدام الأجهزة
10:29
in order to reclaim our emotions.
194
617153
2229
من أجل المطالبة بمشاعرنا.
10:32
So what I'm trying to do instead
is to bring emotions into our technology
is to bring emotions into our technology
195
620622
3914
وما أحاول القيام به
هو تمكين أجهزتنا من المشاعر
هو تمكين أجهزتنا من المشاعر
10:36
and make our technologies more responsive.
196
624536
2229
وجعل تقنياتنا أكثر تفاعلا.
10:38
So I want those devices
that have separated us
that have separated us
197
626765
2670
وأود من تلك الأجهزة التي فرقتنا
10:41
to bring us back together.
198
629435
2462
أن تكون سبباً في جمعنا معاً.
10:43
And by humanizing technology,
we have this golden opportunity
we have this golden opportunity
199
631897
4588
وبتأنيس التقنية نكون أمام فرصة ذهبية
10:48
to reimagine how we
connect with machines,
connect with machines,
200
636485
3297
لمراجعتنا لطريقة تواصلنا مع الآلات،
10:51
and therefore, how we, as human beings,
201
639782
4481
وبالتالي، كيف يمكننا، كبشر،
10:56
connect with one another.
202
644263
1904
بأن نتواصلنا فيما بيننا
شكراً جزيلا.
10:58
Thank you.
203
646167
2160
(تصفيق)
11:00
(Applause)
204
648327
3313
ABOUT THE SPEAKER
Rana el Kaliouby - Computer scientistWhat if a computer could recognize your facial expression, and react to how you feel? Rana el Kaliouby sees big possibilities in making technology emotionally aware.
Why you should listen
Rana el Kaliouby, chief science officer and co-founder of Affectiva, an MIT Media Lab spin-off, is on a mission to bring emotion intelligence to our digital experiences. She leads the company's emotion analytics team, which is responsible for developing emotion-sensing algorithms and mining the world's largest emotion data database. So far, they've collected 12 billion emotion data points from 2.9 million face videos from volunteers in 75 countries. The company’s platform is used by many Fortune Global 100 companies to measure consumer engagement, and is pioneering emotion-enabled digital apps for enterprise, entertainment, video communication and online education.
Entrepreneur magazine called el Kaliouby one of “The 7 Most Powerful Women To Watch in 2014,” and the MIT Technology Review included her in their list of the “Top 35 Innovators Under 35.”
Rana el Kaliouby | Speaker | TED.com