TEDWomen 2015
Rana el Kaliouby: This app knows how you feel -- from the look on your face
רנא אל קליובי: יישום זה יודע איך אתם מרגישים - מהמבט על הפנים שלכם
Filmed:
Readability: 4.3
1,613,290 views
הרגשות שלנו משפיעים על כל היבט של חיינו - כיצד אנו לומדים, איך אנו מתקשרים, כיצד אנו מקבלים החלטות. ובכל זאת הם נעדרים מחיינו הדיגיטליים; למכשירים וליישומים איתם אנו מתקשרים אין שום דרך לדעת איך אנחנו מרגישים. המדענית רנא אל קליובי שואפת לשנות את זה. היא מדגימה טכנולוגיה חדשה ורבת עוצמה שקוראת את הבעות הפנים שלכם ומתאימה אותן לרגשות המתאימים . ל"מנוע רגש" יש השלכות גדולות, היא אומרת, ויוכל לשנות לא רק איך אנו מתקשרים עם מכונות - אבל גם אחד עם השני.
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
הרגשות שלנו משפיעים על כל
היבט של חיינו,
היבט של חיינו,
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
מהבריאות שלנו, ואיך אנו לומדים, עושים
עסקים ומקבלים החלטות,
עסקים ומקבלים החלטות,
00:20
big ones and small.
2
8149
1773
גדולות וקטנות.
00:22
Our emotions also influence
how we connect with one another.
how we connect with one another.
3
10672
3490
הרגשות שלנו משפיעים גם על הדרך בה
אנו מתחברים זה לזה.
אנו מתחברים זה לזה.
00:27
We've evolved to live
in a world like this,
in a world like this,
4
15132
3976
התפתחנו לחיות בעולם כמו זה,
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
אך במקום זאת, אנו חיים את חיינו
יותר ויותר כך -
יותר ויותר כך -
00:35
this is the text message
from my daughter last night --
from my daughter last night --
6
23427
3134
זוהי הודעת הטקסט
מהבת שלי אתמול בלילה --
מהבת שלי אתמול בלילה --
00:38
in a world that's devoid of emotion.
7
26561
2740
בעולם נטול רגש.
00:41
So I'm on a mission to change that.
8
29301
1951
אז אני במשימה לשנות זאת.
00:43
I want to bring emotions
back into our digital experiences.
back into our digital experiences.
9
31252
4091
אני רוצה להחזיר את הרגשות
לחוויות הדיגיטליות שלנו.
לחוויות הדיגיטליות שלנו.
00:48
I started on this path 15 years ago.
10
36223
3077
התחלתי בדרך זו לפני 15 שנים
00:51
I was a computer scientist in Egypt,
11
39300
2066
הייתי מדעית מחשב במצרים,
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
ובדיוק התקבלתי לתכנית דוקטורט
באוניברסיטת קיימברידג'.
באוניברסיטת קיימברידג'.
00:57
So I did something quite unusual
13
45871
2113
אז עשיתי משהו יוצא דופן
00:59
for a young newlywed Muslim Egyptian wife:
14
47984
4225
לאישה מוסלמית צעירה ונשואה טרייה:
01:05
With the support of my husband,
who had to stay in Egypt,
who had to stay in Egypt,
15
53599
2999
עם תמיכה של בעלי שנאלץ להישאר במצרים,
01:08
I packed my bags and I moved to England.
16
56598
3018
ארזתי את חפציי ועברתי לאנגליה.
01:11
At Cambridge, thousands of miles
away from home,
away from home,
17
59616
3228
בקיימברידג', אלפי קילומטרים הרחק מהבית,
01:14
I realized I was spending
more hours with my laptop
more hours with my laptop
18
62844
3413
נוכחתי שאני מבזבזת יותר שעות
עם המחשב הנישא שלי
עם המחשב הנישא שלי
01:18
than I did with any other human.
19
66257
2229
מאשר עם כל בן אדם אחר.
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
ועל אף האינטימיות, למחשב
לא היה כל מושג איך אני מרגישה
לא היה כל מושג איך אני מרגישה
01:25
It had no idea if I was happy,
21
73339
3211
לא היה לו מושג אם הייתי מאושרת
01:28
having a bad day, or stressed, confused,
22
76550
2988
היה לי יום גרוע, או לחוץ, מבולבל,
01:31
and so that got frustrating.
23
79538
2922
וכך זה נעשה מתסכל.
01:35
Even worse, as I communicated
online with my family back home,
online with my family back home,
24
83600
5231
אפילו גרוע יותר, כשהתקשרתי
עם משפחתי באינטרנט
עם משפחתי באינטרנט
01:41
I felt that all my emotions
disappeared in cyberspace.
disappeared in cyberspace.
25
89421
3282
הרגשתי שכל הרגשות שלי
נעלמו במרחב הקיברנטי.
נעלמו במרחב הקיברנטי.
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
התגעגעתי הביתה, הייתי בודדה,
ולמשך כמה ימים ממש בכיתי,
ולמשך כמה ימים ממש בכיתי,
01:49
but all I had to communicate
these emotions was this.
these emotions was this.
27
97858
4928
אבל כל מה שהיה לי כדי להעביר
את הרגשות האלו היה זה.
את הרגשות האלו היה זה.
01:54
(Laughter)
28
102786
2020
(צחוק)
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
לטכנולוגיה של היום יש הרבה I.Q., אבל לא E.Q .;
02:01
lots of cognitive intelligence,
but no emotional intelligence.
but no emotional intelligence.
30
109780
3176
המון אינטליגנציה קוגניטיבית,
אבל אין אינטליגנציה רגשית.
אבל אין אינטליגנציה רגשית.
02:04
So that got me thinking,
31
112956
2197
כך שזה גרם לי לחשוב,
02:07
what if our technology
could sense our emotions?
could sense our emotions?
32
115153
3624
מה אם הטכנולוגיה שלנו יכלה
לחוש את הרגשות שלנו?
לחוש את הרגשות שלנו?
02:10
What if our devices could sense
how we felt and reacted accordingly,
how we felt and reacted accordingly,
33
118777
4076
מה אם המכשירים שלנו יכלו לחוש
איך הרגשנו והיו מגיבים בהתאם,
איך הרגשנו והיו מגיבים בהתאם,
02:14
just the way an emotionally
intelligent friend would?
intelligent friend would?
34
122853
3013
כמו באופן בו חבר אינטליגנטי
רגשית היה מרגיש?
רגשית היה מרגיש?
02:18
Those questions led me and my team
35
126666
3564
שאלות אלו הנחו אותי ואת
הצוות שלי
הצוות שלי
02:22
to create technologies that can read
and respond to our emotions,
and respond to our emotions,
36
130230
4377
ליצור טכנולוגיות שיכולות לקרוא
את הרגשות שלנו, ולהגיב להם.
את הרגשות שלנו, ולהגיב להם.
02:26
and our starting point was the human face.
37
134607
3090
ונקודת המוצא שלנו הייתה
הפנים האנושיות.
הפנים האנושיות.
02:30
So our human face happens to be
one of the most powerful channels
one of the most powerful channels
38
138577
3173
אז הפנים האנושיות שלנו הן
אחד מהערוצים החזקים ביותר
אחד מהערוצים החזקים ביותר
02:33
that we all use to communicate
social and emotional states,
social and emotional states,
39
141750
4016
שכולנו משתמשים בהן כדי לתקשר
מצבים חברתיים ורגשיים,
מצבים חברתיים ורגשיים,
02:37
everything from enjoyment, surprise,
40
145766
3010
הכל מהנאה, הפתעה
02:40
empathy and curiosity.
41
148776
4203
אמפתיה וסקרנות.
02:44
In emotion science, we call each
facial muscle movement an action unit.
facial muscle movement an action unit.
42
152979
4928
במדע הרגשות, אנחנו קוראים לכל
תנועת שרירי פנים יחידת פעולה.
תנועת שרירי פנים יחידת פעולה.
02:49
So for example, action unit 12,
43
157907
2925
כך למשל, יחידת פעולה 12,
02:52
it's not a Hollywood blockbuster,
44
160832
2038
זה לא שובר קופות הוליוודי,
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
זו למעשה משיכה של פינת שפה,
שמהווה את המרכיב העיקרי של חיוך.
שמהווה את המרכיב העיקרי של חיוך.
02:58
Try it everybody. Let's get
some smiles going on.
some smiles going on.
46
166312
2988
נסו את זה לכולם. בואו ונעלה
כמה חיוכים.
כמה חיוכים.
03:01
Another example is action unit 4.
It's the brow furrow.
It's the brow furrow.
47
169300
2654
דוגמה נוספת היא יחידת פעולה 4.
היא כיווץ המצח.
היא כיווץ המצח.
03:03
It's when you draw your eyebrows together
48
171954
2238
זה כאשר אתם מושכים
את הגבות שלכם יחד
את הגבות שלכם יחד
03:06
and you create all
these textures and wrinkles.
these textures and wrinkles.
49
174192
2267
ואתם יוצרים את כל
המרקמים והקמטים האלה.
המרקמים והקמטים האלה.
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
אנחנו לא אוהבים אותם, אבל זו
אינדיקציה חזקה של רגש שלילי.
אינדיקציה חזקה של רגש שלילי.
03:12
So we have about 45 of these action units,
51
180754
2206
אז יש לנו כ -45 יחידות פעולה כאלו,
03:14
and they combine to express
hundreds of emotions.
hundreds of emotions.
52
182960
3390
והן משתלבות להביע
מאות רגשות.
מאות רגשות.
03:18
Teaching a computer to read
these facial emotions is hard,
these facial emotions is hard,
53
186350
3901
קשה ללמד מחשב לקרוא את הבעות
הפנים האלו,
הפנים האלו,
03:22
because these action units,
they can be fast, they're subtle,
they can be fast, they're subtle,
54
190251
2972
כי יחידות פעולה אלה,
הן יכולות להיות מהירות, הן עדינות,
הן יכולות להיות מהירות, הן עדינות,
03:25
and they combine in many different ways.
55
193223
2554
והן משתלבות בהרבה אופנים.
03:27
So take, for example,
the smile and the smirk.
the smile and the smirk.
56
195777
3738
אז קחו לדוגמה, חיוך רגיל וגיחוך.
03:31
They look somewhat similar,
but they mean very different things.
but they mean very different things.
57
199515
3753
הם נראים זהים, אבל משמעותם
שונה לחלוטין.
שונה לחלוטין.
03:35
(Laughter)
58
203268
1718
(צחוק)
03:36
So the smile is positive,
59
204986
3004
אז החיוך הוא חיובי,
03:39
a smirk is often negative.
60
207990
1270
הגיחוך הוא לעתים קרובות
שלילי.
שלילי.
03:41
Sometimes a smirk
can make you become famous.
can make you become famous.
61
209260
3876
לפעמים גיחוך
יכול לגרום לכם להיות מפורסמים
יכול לגרום לכם להיות מפורסמים
03:45
But seriously, it's important
for a computer to be able
for a computer to be able
62
213136
2824
אבל ברצינות, זה חשוב
שמחשב יהיה מסוגל
שמחשב יהיה מסוגל
03:47
to tell the difference
between the two expressions.
between the two expressions.
63
215960
2855
להצביע על ההבדל בין שתי ההבעות.
03:50
So how do we do that?
64
218815
1812
אז איך אנחנו עושים את זה?
03:52
We give our algorithms
65
220627
1787
אנחנו נותנים לאלגוריתמים שלנו
03:54
tens of thousands of examples
of people we know to be smiling,
of people we know to be smiling,
66
222414
4110
עשרות אלפי דוגמאות
של אנשים שאנחנו מכירים כמחייכים,
של אנשים שאנחנו מכירים כמחייכים,
03:58
from different ethnicities, ages, genders,
67
226524
3065
ממוצאים אתניים, גילים,
ומגדרים שונים,
ומגדרים שונים,
04:01
and we do the same for smirks.
68
229589
2811
ואנחנו עושים את אותו הדבר
עבור גיחוכים.
עבור גיחוכים.
04:04
And then, using deep learning,
69
232400
1554
ולאחר מכן, באמצעות
למידה עמוקה
למידה עמוקה
04:05
the algorithm looks for all these
textures and wrinkles
textures and wrinkles
70
233954
2856
האלגוריתם מחפש את כל
המרקמים והקמטים האלו
המרקמים והקמטים האלו
04:08
and shape changes on our face,
71
236810
2580
וצורות שינוי על פנינו,
04:11
and basically learns that all smiles
have common characteristics,
have common characteristics,
72
239390
3202
ובעצם לומד שלכל החיוכים
יש מאפיינים משותפים,
יש מאפיינים משותפים,
04:14
all smirks have subtly
different characteristics.
different characteristics.
73
242592
3181
לכל הגיחוכים יש
מאפיינים מעודנים שונים.
מאפיינים מעודנים שונים.
04:17
And the next time it sees a new face,
74
245773
2368
ובפעם הבאה שהוא רואה
פנים חדשות,
פנים חדשות,
04:20
it essentially learns that
75
248141
2299
הוא בעצם לומד
04:22
this face has the same
characteristics of a smile,
characteristics of a smile,
76
250440
3033
שלפנים אלו יש אותם מאפיינים
של חיוך,
של חיוך,
04:25
and it says, "Aha, I recognize this.
This is a smile expression."
This is a smile expression."
77
253473
4278
והוא אומר, "אהה, אני מכיר את זה.
זו הבעת חיוך. "
זו הבעת חיוך. "
04:30
So the best way to demonstrate
how this technology works
how this technology works
78
258381
2800
לכן הדרך הטובה ביותר להדגים
איך הטכנולוגיה הזו עובדת
איך הטכנולוגיה הזו עובדת
04:33
is to try a live demo,
79
261181
2136
היא לנסות תוכנית הדגמה חיה,
04:35
so I need a volunteer,
preferably somebody with a face.
preferably somebody with a face.
80
263317
3913
אז אני צריכה מתנדב,
רצוי מישהו עם פנים.
רצוי מישהו עם פנים.
04:39
(Laughter)
81
267230
2334
(צחוק)
04:41
Cloe's going to be our volunteer today.
82
269564
2771
קלואי הולכת להיות
המתנדבת שלנו היום
המתנדבת שלנו היום
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
אז בחמש השנים האחרונות, עברנו
מלהיות פרויקט מחקר ב- MIT
מלהיות פרויקט מחקר ב- MIT
04:49
to a company,
84
277783
1156
לחברה,
04:50
where my team has worked really hard
to make this technology work,
to make this technology work,
85
278939
3192
שבה הקבוצה שלי עבדה ממש קשה
כדי לגרום לטכנולוגיה הזו לעבוד,
כדי לגרום לטכנולוגיה הזו לעבוד,
04:54
as we like to say, in the wild.
86
282131
2409
כמו שאנחנו אוהבים לומר, בטבע.
04:56
And we've also shrunk it so that
the core emotion engine
the core emotion engine
87
284540
2670
וגם כיווצנו זאת כדי שליבת מנוע הרגש
04:59
works on any mobile device
with a camera, like this iPad.
with a camera, like this iPad.
88
287210
3320
עובדת על כל מכשיר נייד
עם מצלמה, כמו האייפד הזה.
עם מצלמה, כמו האייפד הזה.
05:02
So let's give this a try.
89
290530
2786
אז בואו וננסה את זה.
05:06
As you can see, the algorithm
has essentially found Cloe's face,
has essentially found Cloe's face,
90
294756
3924
כפי שתוכלו לראות, האלגוריתם
בעצם מצא את פניה של קלואי,
בעצם מצא את פניה של קלואי,
05:10
so it's this white bounding box,
91
298680
1692
אז זוהי התיבה התוחמת הלבנה הזה,
05:12
and it's tracking the main
feature points on her face,
feature points on her face,
92
300372
2571
והיא עוקבת אחר נקודות האפיון
המרכזיים של פניה,
המרכזיים של פניה,
05:14
so her eyebrows, her eyes,
her mouth and her nose.
her mouth and her nose.
93
302943
2856
אז גבותיה, עיניה,
פיה ואפה.
פיה ואפה.
05:17
The question is,
can it recognize her expression?
can it recognize her expression?
94
305799
2987
השאלה היא,
האם זה יכול לזהות את הבעתה?
האם זה יכול לזהות את הבעתה?
05:20
So we're going to test the machine.
95
308786
1671
אז אנחנו הולכים לבחון את המכונה
05:22
So first of all, give me your poker face.
Yep, awesome. (Laughter)
Yep, awesome. (Laughter)
96
310457
4186
אז קודם כל, תני לי את פני הפוקר שלך.
כן, מדהים. (צחוק)
כן, מדהים. (צחוק)
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
ואז כשהיא מחייכת,
זה חיוך אמיתי, זה נהדר.
זה חיוך אמיתי, זה נהדר.
05:29
So you can see the green bar
go up as she smiles.
go up as she smiles.
98
317456
2300
אז אתם יכולים לראות את הפס הירוק
עולה כשהיא מחייכת.
עולה כשהיא מחייכת.
05:31
Now that was a big smile.
99
319756
1222
עכשיו זה היה חיוך גדול.
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
את יכולה לנסות לחייך חיוך עדין
כדי לראות אם המחשב יכול לזהות?
כדי לראות אם המחשב יכול לזהות?
05:36
It does recognize subtle smiles as well.
101
324021
2331
הוא מזהה גם חיוכים עדינים.
05:38
We've worked really hard
to make that happen.
to make that happen.
102
326352
2125
עבדנו ממש קשים
כדי שזה יקרה.
כדי שזה יקרה.
05:40
And then eyebrow raised,
indicator of surprise.
indicator of surprise.
103
328477
2962
ולאחר מכן גבה מורמת,
שמצביעה של הפתעה.
שמצביעה של הפתעה.
05:43
Brow furrow, which is
an indicator of confusion.
an indicator of confusion.
104
331439
4249
כיווץ מצח שמצביע על מבוכה.
05:47
Frown. Yes, perfect.
105
335688
4007
זעף. כן, מושלם.
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
אז אלה הם כל יחידות הפעולה השונות.
יש עוד מהן.
יש עוד מהן.
05:55
This is just a slimmed-down demo.
107
343188
2032
זו תכנית הדגמה מצומקת.
05:57
But we call each reading
an emotion data point,
an emotion data point,
108
345220
3148
אבל אנחנו קוראים לכל קריאה
נקודת נתוני רגש,
נקודת נתוני רגש,
06:00
and then they can fire together
to portray different emotions.
to portray different emotions.
109
348368
2969
ואז הן יכולות "לירות" יחד
כדי לתאר רגשות שונים.
כדי לתאר רגשות שונים.
06:03
So on the right side of the demo --
look like you're happy.
look like you're happy.
110
351337
4653
אז בצד ימין של ההדגמה -
נראה כאילו שאתם שמחים
נראה כאילו שאתם שמחים
06:07
So that's joy. Joy fires up.
111
355990
1454
אז זו שמחה. השמחה "יורה."
06:09
And then give me a disgust face.
112
357444
1927
ואז תני לי הבעת גועל
06:11
Try to remember what it was like
when Zayn left One Direction.
when Zayn left One Direction.
113
359371
4272
נסי להיזכר איך זה היה
כשזאיין עזב בכיוון אחד.
כשזאיין עזב בכיוון אחד.
06:15
(Laughter)
114
363643
1510
(צחוק)
06:17
Yeah, wrinkle your nose. Awesome.
115
365153
4342
כן, קמטי את האף שלך. מדהים.
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
והערכיות היא למעשה שלילית למדי,
אז כנראה שאת מעריצה גדולה.
אז כנראה שאת מעריצה גדולה.
06:25
So valence is how positive
or negative an experience is,
or negative an experience is,
117
373226
2700
אז ערכיות היא המידה עד כמה
החוויה היא חיובית או שלילית,
החוויה היא חיובית או שלילית,
06:27
and engagement is how
expressive she is as well.
expressive she is as well.
118
375926
2786
וההתחייבות היא עד כמה
היא בעלת הבעה גם כן.
היא בעלת הבעה גם כן.
06:30
So imagine if Cloe had access
to this real-time emotion stream,
to this real-time emotion stream,
119
378712
3414
אז דמיינו אם לקלואי הייתה גישה
לזרם רגש כזה בזמן אמת,
לזרם רגש כזה בזמן אמת,
06:34
and she could share it
with anybody she wanted to.
with anybody she wanted to.
120
382126
2809
והיא הייתה יכולה לחלוק את זה
עם כל מי שהיא רצתה.
עם כל מי שהיא רצתה.
06:36
Thank you.
121
384935
2923
תודה.
06:39
(Applause)
122
387858
4621
(מחיאות כפיים)
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
אז עד כה, צברנו 12 מיליארד
נקודות נתוני רגש אלה.
נקודות נתוני רגש אלה.
06:51
It's the largest emotion
database in the world.
database in the world.
124
399019
2611
זה מסד נתוני הרגש הגדול
ביותר בעולם.
ביותר בעולם.
06:53
We've collected it
from 2.9 million face videos,
from 2.9 million face videos,
125
401630
2963
אספנו אותם מ-2.9 מיליון קטעי
וידאו של פנים.
וידאו של פנים.
06:56
people who have agreed
to share their emotions with us,
to share their emotions with us,
126
404593
2600
אנשים שהסכימו
לחלוק את רגשותיהם איתנו,
לחלוק את רגשותיהם איתנו,
06:59
and from 75 countries around the world.
127
407193
3205
ומ- 75 מדינות ברחבי העולם.
07:02
It's growing every day.
128
410398
1715
זה הולך וגדל מיום ליום.
07:04
It blows my mind away
129
412603
2067
זה מטריף אותי
07:06
that we can now quantify something
as personal as our emotions,
as personal as our emotions,
130
414670
3195
שעכשיו אנחנו יכולים לכמת משהו
כה אישי כמו הרגשות שלנו,
כה אישי כמו הרגשות שלנו,
07:09
and we can do it at this scale.
131
417865
2235
ואנחנו יכולים לעשות את זה
בקנה המידה הזה
בקנה המידה הזה
07:12
So what have we learned to date?
132
420100
2177
אז מה למדנו עד כה?
07:15
Gender.
133
423057
2331
מגדר.
07:17
Our data confirms something
that you might suspect.
that you might suspect.
134
425388
3646
הנתונים שלנו מאשרים משהו
שאולי אתם מנחשים.
שאולי אתם מנחשים.
07:21
Women are more expressive than men.
135
429034
1857
נשים הן יותר בעלות
הבעה מגברים.
הבעה מגברים.
07:22
Not only do they smile more,
their smiles last longer,
their smiles last longer,
136
430891
2683
לא רק שהן מחייכות יותר,
החיוכים שלהם נמשכים יותר זמן,
החיוכים שלהם נמשכים יותר זמן,
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
ואנחנו יכולים עכשיו באמת לכמת
מהו הדבר שגברים ונשים
מהו הדבר שגברים ונשים
07:28
respond to differently.
138
436478
2136
מגיבים לו באופן שונה.
07:30
Let's do culture: So in the United States,
139
438614
2290
בואו נפנה לתרבות:
אז בארצות הברית,
אז בארצות הברית,
07:32
women are 40 percent
more expressive than men,
more expressive than men,
140
440904
3204
נשים הן ב-40 אחוזים
יותר בעלות הבעה מגברים,
יותר בעלות הבעה מגברים,
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
אך למרבה הפלא, איננו רואים כל
הבדל בבריטניה בין גברים לנשים.
הבדל בבריטניה בין גברים לנשים.
07:39
(Laughter)
142
447753
2506
(צחוק)
07:43
Age: People who are 50 years and older
143
451296
4027
גיל: אנשים שהם בני 50 ומעלה
07:47
are 25 percent more emotive
than younger people.
than younger people.
144
455323
3436
הם ב-25% יותר אמוטיבים
מאנשים צעירים.
מאנשים צעירים.
07:51
Women in their 20s smile a lot more
than men the same age,
than men the same age,
145
459899
3852
נשים בשנות ה -20 שלהן מחייכות
הרבה יותר מגברים באותו גיל,
הרבה יותר מגברים באותו גיל,
07:55
perhaps a necessity for dating.
146
463751
3839
אולי זה הכרחי להיכרויות.
07:59
But perhaps what surprised us
the most about this data
the most about this data
147
467590
2617
אבל אולי מה שהכי הפתיע אותנו
בנתונים אלה
בנתונים אלה
08:02
is that we happen
to be expressive all the time,
to be expressive all the time,
148
470207
3203
זה שאנחנו הבעתיים כל הזמן
08:05
even when we are sitting
in front of our devices alone,
in front of our devices alone,
149
473410
2833
אפילו כאשר אנו יושבים
לבד מול המכשירים שלנו,
לבד מול המכשירים שלנו,
08:08
and it's not just when we're watching
cat videos on Facebook.
cat videos on Facebook.
150
476243
3274
וזה לא רק כאשר אנחנו צופים
בקטעי וידאו על חתולים בפייסבוק.
בקטעי וידאו על חתולים בפייסבוק.
08:12
We are expressive when we're emailing,
texting, shopping online,
texting, shopping online,
151
480217
3010
אנחנו הבעתיים כאשר אנחנו שולחים דואר אלקטרוני,
הודעות SMS, וקניות באינטרנט,
הודעות SMS, וקניות באינטרנט,
08:15
or even doing our taxes.
152
483227
2300
או אפילו משלמים את המסים שלנו.
08:17
Where is this data used today?
153
485527
2392
איפה משתמשים בנתונים אלה היום?
08:19
In understanding how we engage with media,
154
487919
2763
בהבנת האופן בו אנו עוסקים בתקשורת
08:22
so understanding virality
and voting behavior;
and voting behavior;
155
490682
2484
אז הבנת הוויראליות והרגלי הצבעה;
08:25
and also empowering
or emotion-enabling technology,
or emotion-enabling technology,
156
493166
2740
וגם העצמה או טכנולוגיה שמאפשרת
רגש,
רגש,
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
ואני רוצה לשתף כמה דוגמאות
שקרובות ללבי במיוחד.
שקרובות ללבי במיוחד.
08:33
Emotion-enabled wearable glasses
can help individuals
can help individuals
158
501197
3068
חבישת משקפיים מאפשרי-רגש
יכולים לעזור לאנשים
יכולים לעזור לאנשים
08:36
who are visually impaired
read the faces of others,
read the faces of others,
159
504265
3228
לקויי ראייה לקרוא את פניהם
של אחרים
של אחרים
08:39
and it can help individuals
on the autism spectrum interpret emotion,
on the autism spectrum interpret emotion,
160
507493
4187
וזה יכול לעזור לאנשים
על הספקטרום האוטיסטי לפרש רגש,
על הספקטרום האוטיסטי לפרש רגש,
08:43
something that they really struggle with.
161
511680
2778
משהו שהם ממש נאבקים איתו.
08:47
In education, imagine
if your learning apps
if your learning apps
162
515918
2859
בחינוך, דמיינו אם יישומי
הלמידה שלכם
הלמידה שלכם
08:50
sense that you're confused and slow down,
163
518777
2810
חשים שאתם מבולבלים
ואז מאיטים,
ואז מאיטים,
08:53
or that you're bored, so it's sped up,
164
521587
1857
או שאתם משועממים, אז הם
מאיצים,
מאיצים,
08:55
just like a great teacher
would in a classroom.
would in a classroom.
165
523444
2969
כפי שמורה גדול היה נוהג בכיתה.
08:59
What if your wristwatch tracked your mood,
166
527043
2601
מה אם שעון היד שלכם היה
עוקב אחר מצב הרוח שלכם,
עוקב אחר מצב הרוח שלכם,
09:01
or your car sensed that you're tired,
167
529644
2693
או שמכוניתכם הרגישה
שאתם עייפים,
שאתם עייפים,
09:04
or perhaps your fridge
knows that you're stressed,
knows that you're stressed,
168
532337
2548
או אולי המקרר שלכם
יודע שאתם לחוצים,
יודע שאתם לחוצים,
09:06
so it auto-locks to prevent you
from binge eating. (Laughter)
from binge eating. (Laughter)
169
534885
6066
אז הוא ננעל אוטומטית כדי למנוע
מכם בולמוס אכילה. (צחוק)
מכם בולמוס אכילה. (צחוק)
09:12
I would like that, yeah.
170
540951
2717
הייתי אוהבת את זה, כן.
09:15
What if, when I was in Cambridge,
171
543668
1927
מה אם, כשהייתי בקיימברידג ',
09:17
I had access to my real-time
emotion stream,
emotion stream,
172
545595
2313
הייתה לי גישה לזרם הרגש שלי
בזמן אמת,
בזמן אמת,
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
ויכולתי לחלוק את זה עם משפחתי
בבית באופן מאוד טבעי,
בבית באופן מאוד טבעי,
09:23
just like I would've if we were all
in the same room together?
in the same room together?
174
551437
3971
בדיוק כפי שהייתי עושה לו היינו
כולנו יחד באותו חדר?
כולנו יחד באותו חדר?
09:27
I think five years down the line,
175
555408
3142
אני חושבת, שחמש שנים מהיום,
09:30
all our devices are going
to have an emotion chip,
to have an emotion chip,
176
558550
2337
לכל המכשירים שלנו הולך להיות
שבב רגש,
שבב רגש,
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
ולא נזכור איך זה היה כשלא יכולנו
פשוט לזעוף על המכשיר שלנו
פשוט לזעוף על המכשיר שלנו
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
והמכשיר היה אומר, "הממ,
לא אהבת את זה , נכון?"
לא אהבת את זה , נכון?"
09:41
Our biggest challenge is that there are
so many applications of this technology,
so many applications of this technology,
179
569200
3761
האתגר הגדול ביותר שלנו הוא שיש
כל כך הרבה יישומים של טכנולוגיה זו,
כל כך הרבה יישומים של טכנולוגיה זו,
09:44
my team and I realize that we can't
build them all ourselves,
build them all ourselves,
180
572961
2903
הצוות שלי ואני מבינים שאיננו יכולים
לבנות את כולם בעצמנו,
לבנות את כולם בעצמנו,
09:47
so we've made this technology available
so that other developers
so that other developers
181
575864
3496
אז עשינו טכנולוגיה זו זמינה כך
שמפתחים אחרים
שמפתחים אחרים
09:51
can get building and get creative.
182
579360
2114
יוכלו לבנות ולהיות יצירתיים.
09:53
We recognize that
there are potential risks
there are potential risks
183
581474
4086
אנו מודעים לכך שיש
סיכונים פוטנציאליים
סיכונים פוטנציאליים
09:57
and potential for abuse,
184
585560
2067
ופוטנציאל לשימוש לרעה,
09:59
but personally, having spent
many years doing this,
many years doing this,
185
587627
2949
אבל באופן אישי, לאחר שביליתי
שנים רבות בעשייה של זה,
שנים רבות בעשייה של זה,
10:02
I believe that the benefits to humanity
186
590576
2972
אני מאמינה שהיתרונות לאנושות,
10:05
from having emotionally
intelligent technology
intelligent technology
187
593548
2275
מהשגת טכנולוגיה אינטליגנטית רגשית
10:07
far outweigh the potential for misuse.
188
595823
3576
עולה בהרבה על הפוטנציאל לשימוש לרעה.
10:11
And I invite you all to be
part of the conversation.
part of the conversation.
189
599399
2531
ואני מזמינה את כולכם להיות
חלק מהשיחה.
חלק מהשיחה.
10:13
The more people who know
about this technology,
about this technology,
190
601930
2554
ככל שיותר אנשים ידעו
על טכנולוגיה זו,
על טכנולוגיה זו,
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
יוכל להיות לכולנו קול שיאמר
מה יהיה אופן השימוש.
מה יהיה אופן השימוש.
10:21
So as more and more
of our lives become digital,
of our lives become digital,
192
609081
4574
כך כשיותר ויותר חלקים מחיינו נעשים
דיגיטליים,
דיגיטליים,
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
אנו לוחמים מלחמה אבודה בניסיון לרסן
את השימוש במכשירים שלנו
את השימוש במכשירים שלנו
10:29
in order to reclaim our emotions.
194
617153
2229
כדי להשיב לעצמנו את הרגשות שלנו.
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
אז מה שאני מנסה לעשות במקום זה
הוא להביא רגשות לטכנולוגיה שלנו
הוא להביא רגשות לטכנולוגיה שלנו
10:36
and make our technologies more responsive.
196
624536
2229
ולהפוך את הטכנולוגיה שלנו
ליותר מגיבה.
ליותר מגיבה.
10:38
So I want those devices
that have separated us
that have separated us
197
626765
2670
אז אני רוצה שהמכשירים האלה
שהפרידו בינינו
שהפרידו בינינו
10:41
to bring us back together.
198
629435
2462
ישיבו לנו את הביחד.
10:43
And by humanizing technology,
we have this golden opportunity
we have this golden opportunity
199
631897
4588
ועל ידי האנשת טכנולוגיה,
יש לנו הזדמנות פז
יש לנו הזדמנות פז
10:48
to reimagine how we
connect with machines,
connect with machines,
200
636485
3297
לשוב ולדמיין כיצד אנו
יוצרים קשר עם מכונות
יוצרים קשר עם מכונות
10:51
and therefore, how we, as human beings,
201
639782
4481
ולכן, כיצד אנו, כבני אדם,
10:56
connect with one another.
202
644263
1904
מתחברים אחד עם השני.
10:58
Thank you.
203
646167
2160
תודה.
11:00
(Applause)
204
648327
3313
(מחיאות כפיים)
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