TEDWomen 2015
Rana el Kaliouby: This app knows how you feel -- from the look on your face
Ράνα ελ Καλιούμπι: Αυτή εφαρμογή ξέρει τι νιώθετε - από την όψη του προσώπου σας
Filmed:
Readability: 4.3
1,613,290 views
Τα συναισθήματά μας επηρεάζουν κάθε πτυχή της ζωής μας - τον τρόπο που μαθαίνουμε, που επικοινωνούμε, που παίρνουμε αποφάσεις. Παρόλα αυτά απουσιάζουν από τη ψηφιακή ζωή μας· οι συσκευές και οι εφαρμογές που χρησιμοποιούμε, δεν μπορούν να γνωρίζουν πώς αισθανόμαστε. Η επιστήμων Ράνα ελ Καλούμπι σκοπεύει να το αλλάξει αυτό. Μας παρουσιάζει μια ισχυρή νέα, τεχνολογία που διαβάζει την έκφραση του προσώπου σας και την αντιστοιχεί με ανάλογα συναισθήματα. Αυτή η «μηχανή συναισθημάτων» βρίσκει μεγάλη εφαρμογή, μας λέει, και μπορεί να αλλάξει, όχι μόνο τον τρόπο που αλληλεπιδρούμε με τις μηχανές, αλλά και μεταξύ μας.
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
Τα συναισθήματά μας επηρεάζουν
κάθε πτυχή της ζωής μας,
κάθε πτυχή της ζωής μας,
από την υγεία μας
και τον τρόπο που μαθαίνουμε,
και τον τρόπο που μαθαίνουμε,
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
έως το πώς εργαζόμαστε και
παίρνουμε αποφάσεις, μικρές και μεγάλες.
παίρνουμε αποφάσεις, μικρές και μεγάλες.
00:20
big ones and small.
2
8149
1773
00:22
Our emotions also influence
how we connect with one another.
how we connect with one another.
3
10672
3490
Τα συναισθήματά μας επίσης επηρεάζουν
το πώς συνδεόμαστε μεταξύ μας.
το πώς συνδεόμαστε μεταξύ μας.
00:27
We've evolved to live
in a world like this,
in a world like this,
4
15132
3976
Έχουμε εξελιχθεί να ζούμε
σε έναν κόσμο σαν αυτόν,
σε έναν κόσμο σαν αυτόν,
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
αντ' αυτού όμως, ζούμε
όλο και περισσότερο κάπως έτσι
όλο και περισσότερο κάπως έτσι
00:35
this is the text message
from my daughter last night --
from my daughter last night --
6
23427
3134
- αυτό είναι μήνυμα
από την κόρη μου χθες βράδυ -
από την κόρη μου χθες βράδυ -
00:38
in a world that's devoid of emotion.
7
26561
2740
σε έναν κόσμο στερημένο από συναίσθημα.
00:41
So I'm on a mission to change that.
8
29301
1951
Η αποστολή μου είναι να το αλλάξω αυτό.
00:43
I want to bring emotions
back into our digital experiences.
back into our digital experiences.
9
31252
4091
Θέλω να επαναφέρω το συναίσθημα
στις ψηφιακές μας εμπειρίες.
στις ψηφιακές μας εμπειρίες.
00:48
I started on this path 15 years ago.
10
36223
3077
Πήρα αυτόν τον δρόμο πριν από 15 χρόνια.
Ήμουν επιστήμων υπολογιστών στην Αίγυπτο,
00:51
I was a computer scientist in Egypt,
11
39300
2066
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
και μόλις είχα περάσει σε μεταπτυχιακό
πρόγραμμα του Πανεπιστημίου του Κέμπριτζ.
πρόγραμμα του Πανεπιστημίου του Κέμπριτζ.
00:57
So I did something quite unusual
13
45871
2113
Έτσι έκανα κάτι αρκετά ασυνήθιστο
00:59
for a young newlywed Muslim Egyptian wife:
14
47984
4225
για μια νεαρή νιόπαντρη μουσουλμάνα
σύζυγο από την Αίγυπτο:
σύζυγο από την Αίγυπτο:
01:05
With the support of my husband,
who had to stay in Egypt,
who had to stay in Egypt,
15
53599
2999
Με τη στήριξη του συζύγου μου,
που έπρεπε να μείνει στην Αίγυπτο,
που έπρεπε να μείνει στην Αίγυπτο,
01:08
I packed my bags and I moved to England.
16
56598
3018
έφτιαξα τα πράγματά μου
και μετακόμισα στην Αγγλία.
και μετακόμισα στην Αγγλία.
01:11
At Cambridge, thousands of miles
away from home,
away from home,
17
59616
3228
Στο Κέμπριτζ, χιλιάδες μίλια
μακριά από το σπίτι μου
μακριά από το σπίτι μου
01:14
I realized I was spending
more hours with my laptop
more hours with my laptop
18
62844
3413
κατάλαβα ότι περνούσα περισσότερη ώρα
με τον φορητό μου υπολογιστή
με τον φορητό μου υπολογιστή
01:18
than I did with any other human.
19
66257
2229
παρά με οποιονδήποτε άλλον άνθρωπο.
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
Παρόλη όμως αυτή την οικειότητα,
ο φορητός μου δεν είχε ιδέα πώς ένιωθα.
ο φορητός μου δεν είχε ιδέα πώς ένιωθα.
01:25
It had no idea if I was happy,
21
73339
3211
Αγνοούσε εάν ήμουν χαρούμενη,
01:28
having a bad day, or stressed, confused,
22
76550
2988
αν ήταν μια μέρα δύσκολη,
με άγχος ή επιπλοκές,
με άγχος ή επιπλοκές,
01:31
and so that got frustrating.
23
79538
2922
και αυτό με απογοήτευσε.
01:35
Even worse, as I communicated
online with my family back home,
online with my family back home,
24
83600
5231
Ακόμα χειρότερα, όταν επικοινωνούσα
διαδικτυακά με την οικογένεια στο σπίτι,
διαδικτυακά με την οικογένεια στο σπίτι,
01:41
I felt that all my emotions
disappeared in cyberspace.
disappeared in cyberspace.
25
89421
3282
ένιωθα ότι όλα μου τα συναισθήματα
εξαφανίζονταν στον κυβερνοχώρο.
εξαφανίζονταν στον κυβερνοχώρο.
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
Μου έλειπε το σπίτι μου, ένιωθα μοναξιά,
και κάποιες μέρες πραγματικά έκλαιγα,
και κάποιες μέρες πραγματικά έκλαιγα,
01:49
but all I had to communicate
these emotions was this.
these emotions was this.
27
97858
4928
αλλά είχα μόνο αυτό για να μεταδώσω
αυτά τα συναισθήματα.
αυτά τα συναισθήματα.
01:54
(Laughter)
28
102786
2020
(Γέλια)
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
Η σημερινή τεχνολογία έχει πολλή ευφυΐα
αλλά καθόλου συναίσθημα,
αλλά καθόλου συναίσθημα,
πάρα πολύ γνωστική ευφυΐα
αλλά καθόλου συναισθηματική ευφυΐα.
αλλά καθόλου συναισθηματική ευφυΐα.
02:01
lots of cognitive intelligence,
but no emotional intelligence.
but no emotional intelligence.
30
109780
3176
02:04
So that got me thinking,
31
112956
2197
Αυτό με έβαλε να σκεφτώ
02:07
what if our technology
could sense our emotions?
could sense our emotions?
32
115153
3624
τι θα γινόταν εάν η τεχνολογία μας
μπορούσε να νιώσει τα συναισθήματά μας;
μπορούσε να νιώσει τα συναισθήματά μας;
02:10
What if our devices could sense
how we felt and reacted accordingly,
how we felt and reacted accordingly,
33
118777
4076
Τι θα γινόταν εάν οι συσκευές ένιωθαν
πώς αισθανόμαστε και αποκρίνονταν ανάλογα,
πώς αισθανόμαστε και αποκρίνονταν ανάλογα,
02:14
just the way an emotionally
intelligent friend would?
intelligent friend would?
34
122853
3013
ακριβώς όπως θα αντιδρούσε
ένας φίλος με συναισθήματα;
ένας φίλος με συναισθήματα;
02:18
Those questions led me and my team
35
126666
3564
Αυτά τα ερωτήματα οδήγησαν
εμένα και την ομάδα μου
εμένα και την ομάδα μου
02:22
to create technologies that can read
and respond to our emotions,
and respond to our emotions,
36
130230
4377
στη δημιουργία τεχνολογιών που διαβάζουν
και αντιδρούν στα συναισθήματά μας,
και αντιδρούν στα συναισθήματά μας,
02:26
and our starting point was the human face.
37
134607
3090
και το σημείο αφετηρίας μας
ήταν το ανθρώπινο πρόσωπο.
ήταν το ανθρώπινο πρόσωπο.
02:30
So our human face happens to be
one of the most powerful channels
one of the most powerful channels
38
138577
3173
Το πρόσωπό μας τυγχάνει να είναι
ένα από τα πιο ισχυρά κανάλια
ένα από τα πιο ισχυρά κανάλια
02:33
that we all use to communicate
social and emotional states,
social and emotional states,
39
141750
4016
μέσω των οποίων εκφράζουμε κοινωνικές
και συναισθηματικές μας καταστάσεις,
και συναισθηματικές μας καταστάσεις,
02:37
everything from enjoyment, surprise,
40
145766
3010
τα πάντα, από διασκέδαση, έκπληξη,
ενσυναίσθηση και περιέργεια.
ενσυναίσθηση και περιέργεια.
02:40
empathy and curiosity.
41
148776
4203
02:44
In emotion science, we call each
facial muscle movement an action unit.
facial muscle movement an action unit.
42
152979
4928
Στην επιστήμη των συναισθημάτων,
κάθε κίνηση των μυών του προσώπου
την αποκαλούμε μονάδα δράσης.
την αποκαλούμε μονάδα δράσης.
02:49
So for example, action unit 12,
43
157907
2925
Έτσι για παράδειγμα η μονάδα δράσης 12,
δεν είναι μια επιτυχία του Χόλιγουντ,
02:52
it's not a Hollywood blockbuster,
44
160832
2038
είναι σήκωμα της άκρης του χείλους,
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
που είναι βασικό συστατικό του χαμόγελου.
02:58
Try it everybody. Let's get
some smiles going on.
some smiles going on.
46
166312
2988
Δοκιμάστε το όλοι.
Ας ρίξουμε μερικά χαμόγελα.
Ας ρίξουμε μερικά χαμόγελα.
Άλλο παράδειγμα είναι η μονάδα δράσης 4.
Είναι η συνοφρύωση.
Είναι η συνοφρύωση.
03:01
Another example is action unit 4.
It's the brow furrow.
It's the brow furrow.
47
169300
2654
03:03
It's when you draw your eyebrows together
48
171954
2238
Είναι όταν σμίγουν τα φρύδια
και δημιουργούνται ρυτίδες και υφές.
και δημιουργούνται ρυτίδες και υφές.
03:06
and you create all
these textures and wrinkles.
these textures and wrinkles.
49
174192
2267
Δεν μας αρέσουν αλλά είναι
έντονη ένδειξη αρνητικού συναισθήματος.
έντονη ένδειξη αρνητικού συναισθήματος.
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
Έτσι έχουμε περίπου
45 τέτοιες μονάδες δράσης,
45 τέτοιες μονάδες δράσης,
03:12
So we have about 45 of these action units,
51
180754
2206
και οι συνδυασμοί τους εκφράζουν
εκατοντάδες συναισθήματα.
εκατοντάδες συναισθήματα.
03:14
and they combine to express
hundreds of emotions.
hundreds of emotions.
52
182960
3390
03:18
Teaching a computer to read
these facial emotions is hard,
these facial emotions is hard,
53
186350
3901
Το να μάθεις έναν υπολογιστή να διαβάζει
τις εκφράσεις του προσώπου είναι δύσκολο,
τις εκφράσεις του προσώπου είναι δύσκολο,
03:22
because these action units,
they can be fast, they're subtle,
they can be fast, they're subtle,
54
190251
2972
επειδή οι μονάδες δράσεις
μπορεί να εναλλάσσονται γρήγορα,
μπορεί να εναλλάσσονται γρήγορα,
να είναι αδιόρατες, και να συνδυάζονται
με πολλούς τρόπους.
με πολλούς τρόπους.
03:25
and they combine in many different ways.
55
193223
2554
03:27
So take, for example,
the smile and the smirk.
the smile and the smirk.
56
195777
3738
Πάρτε για παράδειγμα το χαμόγελο
και το υπεροπτικό χαμόγελο.
και το υπεροπτικό χαμόγελο.
03:31
They look somewhat similar,
but they mean very different things.
but they mean very different things.
57
199515
3753
Μοιάζουν μεταξύ τους
αλλά σημαίνουν διαφορετικά πράγματα.
αλλά σημαίνουν διαφορετικά πράγματα.
03:35
(Laughter)
58
203268
1718
(Γέλια)
03:36
So the smile is positive,
59
204986
3004
Έτσι το χαμόγελο είναι θετικό,
ενώ το προσποιητό χαμόγελο
είναι συχνά αρνητικό.
είναι συχνά αρνητικό.
03:39
a smirk is often negative.
60
207990
1270
03:41
Sometimes a smirk
can make you become famous.
can make you become famous.
61
209260
3876
Καμιά φορά το προσποιητό χαμόγελο
μπορεί να σε κάνει διάσημο.
μπορεί να σε κάνει διάσημο.
03:45
But seriously, it's important
for a computer to be able
for a computer to be able
62
213136
2824
Αλλά είναι πολύ σημαντικό
να μπορεί ο υπολογιστής
να δει τη διαφορά των δυο εκφράσεων.
να δει τη διαφορά των δυο εκφράσεων.
03:47
to tell the difference
between the two expressions.
between the two expressions.
63
215960
2855
Πώς το καταφέρνουμε λοιπόν αυτό;
03:50
So how do we do that?
64
218815
1812
Δίνουμε στους αλγορίθμους μας
03:52
We give our algorithms
65
220627
1787
δεκάδες χιλιάδες παραδείγματα ανθρώπων
που ξέρουμε ότι χαμογελούν,
που ξέρουμε ότι χαμογελούν,
03:54
tens of thousands of examples
of people we know to be smiling,
of people we know to be smiling,
66
222414
4110
03:58
from different ethnicities, ages, genders,
67
226524
3065
από διάφορες εθνότητες, ηλικίες, γένη,
04:01
and we do the same for smirks.
68
229589
2811
και κάνουμε το ίδιο
και για το υπεροπτικό χαμόγελο.
και για το υπεροπτικό χαμόγελο.
Και μετά χρησιμοποιώντας τη βαθιά μάθηση
04:04
And then, using deep learning,
69
232400
1554
04:05
the algorithm looks for all these
textures and wrinkles
textures and wrinkles
70
233954
2856
ο αλγόριθμος ψάχνει
για όλες αυτές τις υφές και τις ρυτίδες
για όλες αυτές τις υφές και τις ρυτίδες
04:08
and shape changes on our face,
71
236810
2580
και τις αλλαγές σχήματος του προσώπου μας,
και βασικά μαθαίνει ότι όλα τα χαμόγελα
έχουν κοινά χαρακτηριστικά,
έχουν κοινά χαρακτηριστικά,
04:11
and basically learns that all smiles
have common characteristics,
have common characteristics,
72
239390
3202
04:14
all smirks have subtly
different characteristics.
different characteristics.
73
242592
3181
ενώ τα υπεροπτικά χαμόγελα έχουν
ελαφρώς διαφορετικά χαρακτηριστικά.
ελαφρώς διαφορετικά χαρακτηριστικά.
04:17
And the next time it sees a new face,
74
245773
2368
Την επόμενη φορά
που θα δει ένα νέο πρόσωπο
που θα δει ένα νέο πρόσωπο
04:20
it essentially learns that
75
248141
2299
ουσιαστικά μαθαίνει ότι αυτό το πρόσωπο
04:22
this face has the same
characteristics of a smile,
characteristics of a smile,
76
250440
3033
έχει τα χαρακτηριστικά του χαμόγελου
04:25
and it says, "Aha, I recognize this.
This is a smile expression."
This is a smile expression."
77
253473
4278
και λέει, «Ναι, το αναγνωρίζω.
Είναι έκφραση χαμόγελου».
Είναι έκφραση χαμόγελου».
Έτσι ο καλύτερος τρόπος για να δείξουμε
πως λειτουργεί η τεχνολογία
πως λειτουργεί η τεχνολογία
04:30
So the best way to demonstrate
how this technology works
how this technology works
78
258381
2800
04:33
is to try a live demo,
79
261181
2136
είναι μια ζωντανή παρουσίαση,
04:35
so I need a volunteer,
preferably somebody with a face.
preferably somebody with a face.
80
263317
3913
γι' αυτό ζητάω έναν εθελοντή,
κατά προτίμηση κάποιον με πρόσωπο.
κατά προτίμηση κάποιον με πρόσωπο.
04:39
(Laughter)
81
267230
2334
(Γέλια)
04:41
Cloe's going to be our volunteer today.
82
269564
2771
Η Κλόη θα είναι η εθελόντριά μας σήμερα.
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
Τα τελευταία πέντε χρόνια,
από ερευνητικό πρόγραμμα του ΜΙΤ
από ερευνητικό πρόγραμμα του ΜΙΤ
04:49
to a company,
84
277783
1156
γίναμε εταιρεία,
04:50
where my team has worked really hard
to make this technology work,
to make this technology work,
85
278939
3192
όπου η ομάδα μου έχει μοχθήσει
για να λειτουργήσει αυτή η τεχνολογία,
για να λειτουργήσει αυτή η τεχνολογία,
04:54
as we like to say, in the wild.
86
282131
2409
όπως αρεσκόμαστε να λέμε ακόμα.
Την έχουμε συρρικνώσει
ώστε η κεντρική μηχανή συναισθημάτων
ώστε η κεντρική μηχανή συναισθημάτων
04:56
And we've also shrunk it so that
the core emotion engine
the core emotion engine
87
284540
2670
04:59
works on any mobile device
with a camera, like this iPad.
with a camera, like this iPad.
88
287210
3320
να λειτουργεί σε κάθε φορητή συσκευή
με κάμερα, όπως αυτό το iPad.
με κάμερα, όπως αυτό το iPad.
05:02
So let's give this a try.
89
290530
2786
Ας την δοκιμάσουμε λοιπόν.
05:06
As you can see, the algorithm
has essentially found Cloe's face,
has essentially found Cloe's face,
90
294756
3924
Βλέπετε ότι ο αλγόριθμος βασικά
έχει εντοπίσει το πρόσωπο της Κλόη,
έχει εντοπίσει το πρόσωπο της Κλόη,
05:10
so it's this white bounding box,
91
298680
1692
είναι αυτό το λευκό περίγραμμα,
05:12
and it's tracking the main
feature points on her face,
feature points on her face,
92
300372
2571
και παρακολουθεί τα κεντρικά
σημεία του προσώπου της,
σημεία του προσώπου της,
05:14
so her eyebrows, her eyes,
her mouth and her nose.
her mouth and her nose.
93
302943
2856
ήτοι, τα φρύδια, τα μάτια και τη μύτη της.
05:17
The question is,
can it recognize her expression?
can it recognize her expression?
94
305799
2987
Το ερώτημα είναι, μπορεί
να αναγνωρίσει την έκφρασή της;
να αναγνωρίσει την έκφρασή της;
05:20
So we're going to test the machine.
95
308786
1671
Άρα θα τεστάρουμε το μηχάνημα.
Αρχικά, δείξε μου ένα ανέκφραστο πρόσωπο.
Ναι, υπέροχα.
Ναι, υπέροχα.
05:22
So first of all, give me your poker face.
Yep, awesome. (Laughter)
Yep, awesome. (Laughter)
96
310457
4186
(Γέλια)
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
Κατόπιν καθώς χαμογελάει,
είναι γνήσιο χαμόγελο, υπέροχο.
είναι γνήσιο χαμόγελο, υπέροχο.
05:29
So you can see the green bar
go up as she smiles.
go up as she smiles.
98
317456
2300
Η πράσινη μπάρα μεγαλώνει
καθώς χαμογελάει.
καθώς χαμογελάει.
Αυτό ήταν ένα μεγάλο χαμόγελο.
05:31
Now that was a big smile.
99
319756
1222
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
Κι ένα υπεροπτικό χαμόγελο
θα το καταλάβει ο υπολογιστής;
θα το καταλάβει ο υπολογιστής;
Αναγνωρίζει και τα διακριτικά χαμόγελα.
Εργαστήκαμε σκληρά για να το καταφέρουμε.
Εργαστήκαμε σκληρά για να το καταφέρουμε.
05:36
It does recognize subtle smiles as well.
101
324021
2331
05:38
We've worked really hard
to make that happen.
to make that happen.
102
326352
2125
Μετά σηκωμένα φρύδια ως ένδειξη έκπληξης.
05:40
And then eyebrow raised,
indicator of surprise.
indicator of surprise.
103
328477
2962
05:43
Brow furrow, which is
an indicator of confusion.
an indicator of confusion.
104
331439
4249
Συνοφρύωση ως ένδειξη απογοήτευσης.
05:47
Frown. Yes, perfect.
105
335688
4007
Κατσούφιασε. Ναι, τέλεια.
Όλες αυτές είναι διαφορετικές
μονάδες δράσης.
μονάδες δράσης.
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
Υπάρχουν πολύ περισσότερες.
Αυτή είναι μια σύντομη παρουσίαση.
Αυτή είναι μια σύντομη παρουσίαση.
05:55
This is just a slimmed-down demo.
107
343188
2032
Αλλά κάθε καταγραφή την αποκαλούμε
σημείο συναισθηματικών δεδομένων,
σημείο συναισθηματικών δεδομένων,
05:57
But we call each reading
an emotion data point,
an emotion data point,
108
345220
3148
06:00
and then they can fire together
to portray different emotions.
to portray different emotions.
109
348368
2969
και μετά μπορούν να δράσουν μαζί
για να δώσουν διάφορα συναισθήματα.
για να δώσουν διάφορα συναισθήματα.
06:03
So on the right side of the demo --
look like you're happy.
look like you're happy.
110
351337
4653
Έτσι στη δεξιά πλευρά της δοκιμής -
δείξε ότι είσαι χαρούμενη.
δείξε ότι είσαι χαρούμενη.
Αυτό λοιπόν είναι χαρά. Η χαρά φωτίζεται.
06:07
So that's joy. Joy fires up.
111
355990
1454
06:09
And then give me a disgust face.
112
357444
1927
Και μετά δώσε μου μια έκφραση αηδίας.
06:11
Try to remember what it was like
when Zayn left One Direction.
when Zayn left One Direction.
113
359371
4272
Θυμήσου πώς ήταν όταν ο Ζέιν έφυγε
από τους Ουάν Νταϊρέξιον.
από τους Ουάν Νταϊρέξιον.
(Γέλια)
06:15
(Laughter)
114
363643
1510
Ναι, ξύνισε τη μύτη σου. Φοβερό.
06:17
Yeah, wrinkle your nose. Awesome.
115
365153
4342
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
Το σθένος είναι αρκετά αρνητικό,
άρα πρέπει να ήσουν μεγάλη θαυμάστρια.
άρα πρέπει να ήσουν μεγάλη θαυμάστρια.
Το σθένος δηλώνει πόσο θετική ή αρνητική
είναι μια εμπειρία,
είναι μια εμπειρία,
06:25
So valence is how positive
or negative an experience is,
or negative an experience is,
117
373226
2700
06:27
and engagement is how
expressive she is as well.
expressive she is as well.
118
375926
2786
και η εμπλοκή δηλώνει
πόσο εκφραστική είναι επίσης.
πόσο εκφραστική είναι επίσης.
Φανταστείτε αν η Κλόη είχε πρόσβαση σ'αυτή
τη ροή συναισθήματος σε πραγματικό χρόνο,
τη ροή συναισθήματος σε πραγματικό χρόνο,
06:30
So imagine if Cloe had access
to this real-time emotion stream,
to this real-time emotion stream,
119
378712
3414
06:34
and she could share it
with anybody she wanted to.
with anybody she wanted to.
120
382126
2809
και μπορούσε να τη μοιραστεί
με όποιον ήθελε.
με όποιον ήθελε.
06:36
Thank you.
121
384935
2923
Ευχαριστώ.
(Χειροκρότημα)
06:39
(Applause)
122
387858
4621
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
Έως τώρα έχουμε συγκεντρώσει 12 δις
τέτοια σημεία συναισθηματικών δεδομένων.
τέτοια σημεία συναισθηματικών δεδομένων.
Είναι η μεγαλύτερη βάση δεδομένων
από συναισθήματα στον κόσμο.
από συναισθήματα στον κόσμο.
06:51
It's the largest emotion
database in the world.
database in the world.
124
399019
2611
06:53
We've collected it
from 2.9 million face videos,
from 2.9 million face videos,
125
401630
2963
Τα συλλέξαμε από 2,9 εκατομμύρια βίντεο
από πρόσωπα ανθρώπων
από πρόσωπα ανθρώπων
06:56
people who have agreed
to share their emotions with us,
to share their emotions with us,
126
404593
2600
που συμφώνησαν να μοιραστούν
τα συναισθήματά τους μαζί μας,
τα συναισθήματά τους μαζί μας,
06:59
and from 75 countries around the world.
127
407193
3205
και από 75 χώρες σε όλο τον κόσμο.
07:02
It's growing every day.
128
410398
1715
Αυξάνεται κάθε μέρα.
07:04
It blows my mind away
129
412603
2067
Με συνεπαίρνει η ιδέα
ότι μπορούμε να ποσοτικοποιήσουμε
κάτι τόσο προσωπικό όσο το συναίσθημα,
κάτι τόσο προσωπικό όσο το συναίσθημα,
07:06
that we can now quantify something
as personal as our emotions,
as personal as our emotions,
130
414670
3195
07:09
and we can do it at this scale.
131
417865
2235
και να το κάνουμε σε τέτοια κλίμακα.
07:12
So what have we learned to date?
132
420100
2177
Τι μάθαμε λοιπόν έως τώρα;
07:15
Gender.
133
423057
2331
Φύλο.
07:17
Our data confirms something
that you might suspect.
that you might suspect.
134
425388
3646
Τα δεδομένα μας επιβεβαιώνουν
κάτι που ίσως υποψιαζόσαστε.
κάτι που ίσως υποψιαζόσαστε.
Οι γυναίκες είναι πιο εκφραστικές
από τους άνδρες.
από τους άνδρες.
07:21
Women are more expressive than men.
135
429034
1857
07:22
Not only do they smile more,
their smiles last longer,
their smiles last longer,
136
430891
2683
Χαμογελούν περισσότερο,
και το χαμόγελό τους διαρκεί περισσότερο,
και το χαμόγελό τους διαρκεί περισσότερο,
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
και τώρα μπορούμε να ποσοτικοποιήσουμε
σε τι άνδρες και γυναίκες
αντιδρούν διαφορετικά.
αντιδρούν διαφορετικά.
07:28
respond to differently.
138
436478
2136
07:30
Let's do culture: So in the United States,
139
438614
2290
Ας δούμε την κουλτούρα: Έτσι στις ΗΠΑ
οι γυναίκες είναι 40% πιο εκφραστικές
από τους άνδρες, αλλά όλως περιέργως
από τους άνδρες, αλλά όλως περιέργως
07:32
women are 40 percent
more expressive than men,
more expressive than men,
140
440904
3204
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
δεν υπάρχει διαφορά μεταξύ ανδρών
και γυναικών στην Αγγλία. (Γέλια)
και γυναικών στην Αγγλία. (Γέλια)
07:39
(Laughter)
142
447753
2506
07:43
Age: People who are 50 years and older
143
451296
4027
Ηλικία: Οι άνθρωποι 50 ετών και άνω
07:47
are 25 percent more emotive
than younger people.
than younger people.
144
455323
3436
είναι 25% πιο συναισθηματικοί
από τους νέους ανθρώπους.
από τους νέους ανθρώπους.
Οι γυναίκες των 20 χαμογελούν περισσότερο
από τους άνδρες της ίδιας ηλικίας,
από τους άνδρες της ίδιας ηλικίας,
07:51
Women in their 20s smile a lot more
than men the same age,
than men the same age,
145
459899
3852
07:55
perhaps a necessity for dating.
146
463751
3839
ίσως μια αναγκαιότητα
για την αναζήτηση σχέσης.
για την αναζήτηση σχέσης.
07:59
But perhaps what surprised us
the most about this data
the most about this data
147
467590
2617
Αλλά αυτό που μας εξέπληξε
περισσότερο στα δεδομένα
περισσότερο στα δεδομένα
08:02
is that we happen
to be expressive all the time,
to be expressive all the time,
148
470207
3203
είναι ότι συμβαίνει
να είμαστε εκφραστικοί συνέχεια,
να είμαστε εκφραστικοί συνέχεια,
08:05
even when we are sitting
in front of our devices alone,
in front of our devices alone,
149
473410
2833
ακόμη και όταν είμαστε μόνοι
μπροστά στη συσκευή μας,
μπροστά στη συσκευή μας,
08:08
and it's not just when we're watching
cat videos on Facebook.
cat videos on Facebook.
150
476243
3274
και όχι μόνο όταν βλέπουμε
βίντεο με γάτες στο Facebook.
βίντεο με γάτες στο Facebook.
Είμαστε εκφραστικοί
όταν στέλνουμε email ή sms,
όταν στέλνουμε email ή sms,
08:12
We are expressive when we're emailing,
texting, shopping online,
texting, shopping online,
151
480217
3010
ψωνίζουμε διαδικτυακά, ακόμη και
όταν κάνουμε τη φορολογική μας δήλωση.
όταν κάνουμε τη φορολογική μας δήλωση.
08:15
or even doing our taxes.
152
483227
2300
08:17
Where is this data used today?
153
485527
2392
Πού χρησιμοποιούνται
αυτά τα δεδομένα σήμερα;
αυτά τα δεδομένα σήμερα;
08:19
In understanding how we engage with media,
154
487919
2763
Στο να καταλάβουμε
πώς εμπλεκόμαστε με τα μέσα,
πώς εμπλεκόμαστε με τα μέσα,
έτσι κατανοώντας τη διαδικτυακή
εξάπλωση και το πώς ψηφίζουμε.
εξάπλωση και το πώς ψηφίζουμε.
08:22
so understanding virality
and voting behavior;
and voting behavior;
155
490682
2484
08:25
and also empowering
or emotion-enabling technology,
or emotion-enabling technology,
156
493166
2740
Επίσης την τεχνολογία
που ενεργοποιεί συναισθήματα,
που ενεργοποιεί συναισθήματα,
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
και θέλω να μοιραστώ κάποια παραδείγματα
στα οποία έχω ιδιαίτερη αδυναμία.
στα οποία έχω ιδιαίτερη αδυναμία.
08:33
Emotion-enabled wearable glasses
can help individuals
can help individuals
158
501197
3068
Γυαλιά που ενεργοποιούνται
από συναισθήματα
από συναισθήματα
θα βοηθήσουν άτομα με προβλήματα όρασης
να διαβάσουν τα πρόσωπα των άλλων,
να διαβάσουν τα πρόσωπα των άλλων,
08:36
who are visually impaired
read the faces of others,
read the faces of others,
159
504265
3228
08:39
and it can help individuals
on the autism spectrum interpret emotion,
on the autism spectrum interpret emotion,
160
507493
4187
και θα βοηθήσει
άτομα στο φάσμα του αυτισμού
άτομα στο φάσμα του αυτισμού
να ερμηνεύσουν συναισθήματα,
κάτι που πραγματικά τους ταλαιπωρεί.
κάτι που πραγματικά τους ταλαιπωρεί.
08:43
something that they really struggle with.
161
511680
2778
Στην εκπαίδευση, φανταστείτε
εάν οι εφαρμογές που μαθαίνουν
εάν οι εφαρμογές που μαθαίνουν
08:47
In education, imagine
if your learning apps
if your learning apps
162
515918
2859
08:50
sense that you're confused and slow down,
163
518777
2810
αισθανθούν ότι έχετε μπερδευτεί
και μειώσουν ταχύτητα
και μειώσουν ταχύτητα
08:53
or that you're bored, so it's sped up,
164
521587
1857
ή ότι βαριόσαστε έτσι να επιταχύνουν,
08:55
just like a great teacher
would in a classroom.
would in a classroom.
165
523444
2969
ακριβώς όπως ένας καλός δάσκαλος
θα έκανε στην τάξη.
θα έκανε στην τάξη.
08:59
What if your wristwatch tracked your mood,
166
527043
2601
Εάν το ρολόι στο χέρι σας
παρακολουθούσε τη διάθεσή σας
παρακολουθούσε τη διάθεσή σας
09:01
or your car sensed that you're tired,
167
529644
2693
ή το αυτοκινητό σας αισθανόταν
ότι είστε κουρασμένος,
ότι είστε κουρασμένος,
09:04
or perhaps your fridge
knows that you're stressed,
knows that you're stressed,
168
532337
2548
ή ίσως το ψυγείο σας να αναγνωρίζει
ότι είστε αγχωμένος
ότι είστε αγχωμένος
09:06
so it auto-locks to prevent you
from binge eating. (Laughter)
from binge eating. (Laughter)
169
534885
6066
και να κλειδώνει αυτόματα αποτρέποντας
τη λαίμαργη επιδρομή σας. (Γέλια)
τη λαίμαργη επιδρομή σας. (Γέλια)
Θα μου άρεσε αυτό, ναι.
09:12
I would like that, yeah.
170
540951
2717
Τι εάν, όταν ήμουν στο Κέμπριτζ,
09:15
What if, when I was in Cambridge,
171
543668
1927
είχα πρόσβαση στη ροή συναισθημάτων μου
σε πραγματικό χρόνο
σε πραγματικό χρόνο
09:17
I had access to my real-time
emotion stream,
emotion stream,
172
545595
2313
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
και μπορούσα να τη μοιραστώ
με την οικογένειά μου πολύ φυσικά
με την οικογένειά μου πολύ φυσικά
09:23
just like I would've if we were all
in the same room together?
in the same room together?
174
551437
3971
ακριβώς όπως θα έκανα
αν είμασταν όλοι μαζί στο ίδιο δωμάτιο;
αν είμασταν όλοι μαζί στο ίδιο δωμάτιο;
09:27
I think five years down the line,
175
555408
3142
Νομίζω ότι σε πέντε χρόνια, όλες
οι συσκευές θα έχουν τσιπ συναισθημάτων
οι συσκευές θα έχουν τσιπ συναισθημάτων
09:30
all our devices are going
to have an emotion chip,
to have an emotion chip,
176
558550
2337
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
και δεν θα θυμόμαστε πώς ήταν
όταν δεν μπορούσαμε
να αγριοκοιτάξουμε τη συσκευή μας
να αγριοκοιτάξουμε τη συσκευή μας
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
και αυτή να μας πει
«Χμ, μάλλον δεν σου αρέσε αυτό, σωστά;»
«Χμ, μάλλον δεν σου αρέσε αυτό, σωστά;»
Η μεγαλύτερη πρόκληση είναι
09:41
Our biggest challenge is that there are
so many applications of this technology,
so many applications of this technology,
179
569200
3761
ότι υπάρχουν τόσες εφαρμογές
αυτής της τεχνολογίας,
αυτής της τεχνολογίας,
09:44
my team and I realize that we can't
build them all ourselves,
build them all ourselves,
180
572961
2903
που η ομάδα μας δεν μπορεί
να τις κάνει όλες μόνη της
να τις κάνει όλες μόνη της
09:47
so we've made this technology available
so that other developers
so that other developers
181
575864
3496
έτσι κάναμε την τεχνολογία διαθέσιμη
ώστε και άλλοι προγραμματιστές
να χτίσουν και να γίνουν δημιουργικοί.
να χτίσουν και να γίνουν δημιουργικοί.
09:51
can get building and get creative.
182
579360
2114
09:53
We recognize that
there are potential risks
there are potential risks
183
581474
4086
Κατανοούμε ότι υπάρχουν πιθανοί κίνδυνοι
και ενδεχόμενη κατάχρηση,
και ενδεχόμενη κατάχρηση,
09:57
and potential for abuse,
184
585560
2067
αλλά προσωπικά, έχοντας περάσει
τόσα χρόνια πάνω σε αυτό,
τόσα χρόνια πάνω σε αυτό,
09:59
but personally, having spent
many years doing this,
many years doing this,
185
587627
2949
10:02
I believe that the benefits to humanity
186
590576
2972
πιστεύω ότι τα οφέλη για την ανθρωπότητα
από το να έχουμε
συναισθηματικά ευφυή τεχνολογία
συναισθηματικά ευφυή τεχνολογία
10:05
from having emotionally
intelligent technology
intelligent technology
187
593548
2275
ξεπερνούν κατά πολύ
την πιθανότητα κακής χρήσης.
την πιθανότητα κακής χρήσης.
10:07
far outweigh the potential for misuse.
188
595823
3576
Σας προσκαλώ όλους
να συμμετέχετε στη συζήτηση.
να συμμετέχετε στη συζήτηση.
10:11
And I invite you all to be
part of the conversation.
part of the conversation.
189
599399
2531
Όσα περισσότερα γνωρίζει ο κόσμος
γι' αυτή την τεχνολογία,
γι' αυτή την τεχνολογία,
10:13
The more people who know
about this technology,
about this technology,
190
601930
2554
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
τόσο περισσότερο μπορούμε όλοι
να έχουμε άποψη για την χρήση της.
να έχουμε άποψη για την χρήση της.
10:21
So as more and more
of our lives become digital,
of our lives become digital,
192
609081
4574
'Ετσι, καθώς οι ζωές μας γίνονται
όλο και πιο ψηφιακές,
όλο και πιο ψηφιακές,
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
μάταια αγωνιζόμαστε
να επιβραδύνουμε τη χρήση των συσκευών
να επιβραδύνουμε τη χρήση των συσκευών
10:29
in order to reclaim our emotions.
194
617153
2229
για να ανακτήσουμε τα συναισθήματά μας.
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
Αυτό που προσπαθώ να κάνω είναι
να φέρω το συναίσθημα στην τεχνολογία
να φέρω το συναίσθημα στην τεχνολογία
10:36
and make our technologies more responsive.
196
624536
2229
και να κάνω την τεχνολογία να αποκρίνεται.
10:38
So I want those devices
that have separated us
that have separated us
197
626765
2670
Θέλω λοιπόν εκείνες οι συσκευές
που μας απομάκρυναν
που μας απομάκρυναν
10:41
to bring us back together.
198
629435
2462
να μας ενώσουν και πάλι.
10:43
And by humanizing technology,
we have this golden opportunity
we have this golden opportunity
199
631897
4588
Και εξανθρωπίζοντας την τεχνολογία
έχουμε αυτή τη χρυσή ευκαιρία
έχουμε αυτή τη χρυσή ευκαιρία
10:48
to reimagine how we
connect with machines,
connect with machines,
200
636485
3297
να αναδιατυπώσουμε
τη σχέση μας με τις μηχανές
τη σχέση μας με τις μηχανές
10:51
and therefore, how we, as human beings,
201
639782
4481
και ως εκ τούτου,
και το πώς εμείς ως ανθρώπινα όντα,
και το πώς εμείς ως ανθρώπινα όντα,
10:56
connect with one another.
202
644263
1904
συνδεόμαστε ο ένας με τον άλλον.
10:58
Thank you.
203
646167
2160
Ευχαριστώ.
(Χειροκρότημα)
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