TEDWomen 2015
Rana el Kaliouby: This app knows how you feel -- from the look on your face
라나 엘 칼리오우비 (Rana el Kaliouby): 이 응용프로그램은 당신의 기분을 알아요— 당신의 표정을 통해서요.
Filmed:
Readability: 4.3
1,613,290 views
감정은 학습, 의사소통, 의사결정 방법 등 우리 삶의 모든 면에 영향을 줍니다. 그러나 디지털 세계에는 그런 것들이 부재합니다. 우리가 상호작용하는 장치나 응용프로그램은 우리가 어떤 것을 느끼는지 알 길이 없습니다. 과학자 라나 엘 칼리오우비는 그것을 바꾸는 목표를 가지고 있습니다. 그녀는 여러분의 얼굴의 표정을 읽고 상응하는 감정을 일치시키는 강력하고 새로운 기술을 보여줍니다. 이 "감정 엔진" 은 큰 의미을 가진다고 그녀는 말합니다. 그리고 우리가 기계들과 상호작용하는 방법을 바꿀 수 있다고 합니다.
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
우리의 감정들은
삶의 모든 면에 영향을 줍니다,
삶의 모든 면에 영향을 줍니다,
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
우리의 건강과 학습부터
사업의 방식과 의사결정까지요.
사업의 방식과 의사결정까지요.
00:20
big ones and small.
2
8149
1773
큰 일이든 작은 일이든지요.
00:22
Our emotions also influence
how we connect with one another.
how we connect with one another.
3
10672
3490
또한 감정은 우리가 서로를 어떻게
연결시키는지 영향을 주죠.
연결시키는지 영향을 주죠.
00:27
We've evolved to live
in a world like this,
in a world like this,
4
15132
3976
우리는 이런 세상에서
살기위해 진화해왔죠.
살기위해 진화해왔죠.
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
그러나 대신에 우리는 점점 더
이런 삶 속에 살고 있습니다.
이런 삶 속에 살고 있습니다.
어젯밤 제 딸의 문자 메세지입니다.
00:35
this is the text message
from my daughter last night --
from my daughter last night --
6
23427
3134
00:38
in a world that's devoid of emotion.
7
26561
2740
감정이 결여된 세상이죠.
00:41
So I'm on a mission to change that.
8
29301
1951
저는 그것을 바꾸는 과제에 착수했어요.
00:43
I want to bring emotions
back into our digital experiences.
back into our digital experiences.
9
31252
4091
감정을 디지털 공간의
경험안에 도입시키고 싶었죠.
경험안에 도입시키고 싶었죠.
00:48
I started on this path 15 years ago.
10
36223
3077
전 이걸 15년 전에 시작했어요.
저는 이집트에서 컴퓨터 공학자였고
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
막 캠브리지의 박사 학위
과정에 입학했었습니다.
과정에 입학했었습니다.
00:57
So I did something quite unusual
13
45871
2113
그래서 저는 좀 다른 것을 했습니다.
00:59
for a young newlywed Muslim Egyptian wife:
14
47984
4225
어린 신혼의 무슬림
이집트 부인으로서요.
이집트 부인으로서요.
01:05
With the support of my husband,
who had to stay in Egypt,
who had to stay in Egypt,
15
53599
2999
이집트에 남아야했던 남편의 지원 덕분에
01:08
I packed my bags and I moved to England.
16
56598
3018
저는 짐을 꾸려 영국으로 갔습니다.
01:11
At Cambridge, thousands of miles
away from home,
away from home,
17
59616
3228
고향에서 수천 마일 떨어진 캠브리지에서
01:14
I realized I was spending
more hours with my laptop
more hours with my laptop
18
62844
3413
사람들과 지내는 시간보다 많은 시간을
노트북과 보내고 있음을 알았습니다.
노트북과 보내고 있음을 알았습니다.
01:18
than I did with any other human.
19
66257
2229
이런 친밀성에도 불구하고
제 노트북은 저의 감정을 알 수 없었죠.
제 노트북은 저의 감정을 알 수 없었죠.
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
01:25
It had no idea if I was happy,
21
73339
3211
이것은 제가 행복한지, 기분이 안 좋은지,
01:28
having a bad day, or stressed, confused,
22
76550
2988
스트레스를 받는지, 혼란스러운지
알지 못했습니다.
알지 못했습니다.
01:31
and so that got frustrating.
23
79538
2922
그게 답답했어요.
01:35
Even worse, as I communicated
online with my family back home,
online with my family back home,
24
83600
5231
더 안 좋은 상황은 온라인상으로
고향 가족들과 대화할 때
고향 가족들과 대화할 때
01:41
I felt that all my emotions
disappeared in cyberspace.
disappeared in cyberspace.
25
89421
3282
제 모든 감정들이 사이버 공간에서
사라진다고 느껴졌어요.
사라진다고 느껴졌어요.
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
저는 향수병을 앓았고, 외로웠으며,
그리고 어떤날은 정말로 울었죠.
01:49
but all I had to communicate
these emotions was this.
these emotions was this.
27
97858
4928
그러나 제가 표현할 수 있는 방법은
이것뿐이었습니다.
01:54
(Laughter)
28
102786
2020
(웃음)
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
오늘날의 기술은 높은 I.Q를
가지고 있습니다.
가지고 있습니다.
그러나 E.Q는 없어요.
인지 지능이 있으나 감성 지능은 없죠.
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
그래서 생각하게 됐습니다.
02:07
what if our technology
could sense our emotions?
could sense our emotions?
32
115153
3624
기술이 우리의 감정을 느낀다면 어떨까?
02:10
What if our devices could sense
how we felt and reacted accordingly,
how we felt and reacted accordingly,
33
118777
4076
장비들이 우리의 감정을 느끼고
그에 따라 반응한다면 어떨까?
그에 따라 반응한다면 어떨까?
02:14
just the way an emotionally
intelligent friend would?
intelligent friend would?
34
122853
3013
감수성이 있는 친구가
반응하듯이 말이죠.
반응하듯이 말이죠.
02:18
Those questions led me and my team
35
126666
3564
이런 의문들 때문에 저와 동료들이
02:22
to create technologies that can read
and respond to our emotions,
and respond to our emotions,
36
130230
4377
감정을 읽고 반응하는
기술을 만들었습니다.
기술을 만들었습니다.
02:26
and our starting point was the human face.
37
134607
3090
우리의 시작점은 인간의 얼굴이었죠.
02:30
So our human face happens to be
one of the most powerful channels
one of the most powerful channels
38
138577
3173
인간의 얼굴은 하나의 강력한 경로인데
02:33
that we all use to communicate
social and emotional states,
social and emotional states,
39
141750
4016
사회적, 감정적 상태의
소통을 위해 모두가 사용하죠.
소통을 위해 모두가 사용하죠.
02:37
everything from enjoyment, surprise,
40
145766
3010
즐거움, 놀람, 공감과
호기심같은 감정들입니다.
호기심같은 감정들입니다.
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
감정 과학에서 각 얼굴 근육의 움직임을
활동 단위라고 합니다.
활동 단위라고 합니다.
02:49
So for example, action unit 12,
43
157907
2925
예를들어, 활동 단위 12번은
02:52
it's not a Hollywood blockbuster,
44
160832
2038
이건 헐리우드 대작이 아니예요.
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
입술의 가장자리를 당기는 것입니다.
웃음의 주요 구성 부분이죠.
웃음의 주요 구성 부분이죠.
02:58
Try it everybody. Let's get
some smiles going on.
some smiles going on.
46
166312
2988
모두 시도해보세요. 웃어 보세요.
다른 예로 활동 단위 4번은
눈썹을 찡그리는 것입니다.
눈썹을 찡그리는 것입니다.
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
당신이 두 눈썹을 함께 모을 때
이런 느낌과 주름살이 생깁니다.
이런 느낌과 주름살이 생깁니다.
03:06
and you create all
these textures and wrinkles.
these textures and wrinkles.
49
174192
2267
우리가 별로 좋아하지 않죠.
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
그건 부정적 감정의 강한 지표입니다.
03:12
So we have about 45 of these action units,
51
180754
2206
약 45개의 활동 단위가 있어요.
03:14
and they combine to express
hundreds of emotions.
hundreds of emotions.
52
182960
3390
조합해서 수백개의 감정표현이 생깁니다.
03:18
Teaching a computer to read
these facial emotions is hard,
these facial emotions is hard,
53
186350
3901
이런 표정을 읽도록 컴퓨터를
가르치는 것은 힘듭니다.
가르치는 것은 힘듭니다.
03:22
because these action units,
they can be fast, they're subtle,
they can be fast, they're subtle,
54
190251
2972
활동 단위들은 빠를 수도 있고,
미묘할 수 도 있으며
미묘할 수 도 있으며
03:25
and they combine in many different ways.
55
193223
2554
수 많은 방법으로 조합되기 때문입니다.
03:27
So take, for example,
the smile and the smirk.
the smile and the smirk.
56
195777
3738
예로 웃음과 억지웃음을 들어봅시다.
03:31
They look somewhat similar,
but they mean very different things.
but they mean very different things.
57
199515
3753
그것들은 다소 비슷해 보이죠.
그러나 매우 의미가 다릅니다.
03:35
(Laughter)
58
203268
1718
(웃음)
03:36
So the smile is positive,
59
204986
3004
웃음은 긍정적이고,
억지웃음은 보통은 부정적입니다.
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
가끔 억지웃음으로
유명해질 수 있어요.
유명해질 수 있어요.
03:45
But seriously, it's important
for a computer to be able
for a computer to be able
62
213136
2824
농담이 아니라 컴퓨터가 두 표정의 차이를
구별하는 것은 중요합니다.
구별하는 것은 중요합니다.
03:47
to tell the difference
between the two expressions.
between the two expressions.
63
215960
2855
그래서 저희는 어떻게 했을까요?
03:50
So how do we do that?
64
218815
1812
03:52
We give our algorithms
65
220627
1787
저희는 컴퓨터 알고리즘에
03:54
tens of thousands of examples
of people we know to be smiling,
of people we know to be smiling,
66
222414
4110
십만개의 웃는 사람들
예시를 입력했습니다.
예시를 입력했습니다.
03:58
from different ethnicities, ages, genders,
67
226524
3065
인종, 나이, 성별이 다양합니다.
04:01
and we do the same for smirks.
68
229589
2811
억지웃음도 그렇게 했습니다.
딥 러닝 인공지능을 사용해서
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
알고리즘이 느낌과 주름살,
얼굴의 형태 변화를 찾습니다.
얼굴의 형태 변화를 찾습니다.
04:08
and shape changes on our face,
71
236810
2580
04:11
and basically learns that all smiles
have common characteristics,
have common characteristics,
72
239390
3202
모든 웃는 얼굴에 공통적 특징이
있다는 것을 학습하게 됩니다.
있다는 것을 학습하게 됩니다.
04:14
all smirks have subtly
different characteristics.
different characteristics.
73
242592
3181
모든 억지웃음은 미묘하게
다른 특징을 가지고 있어요.
다른 특징을 가지고 있어요.
04:17
And the next time it sees a new face,
74
245773
2368
그리고나서 이것은
새로운 얼굴을 관찰합니다.
새로운 얼굴을 관찰합니다.
04:20
it essentially learns that
75
248141
2299
이 얼굴이 웃음과 같은
특징을 가진다는 것을 알고
특징을 가진다는 것을 알고
04:22
this face has the same
characteristics of a smile,
characteristics of a smile,
76
250440
3033
04:25
and it says, "Aha, I recognize this.
This is a smile expression."
This is a smile expression."
77
253473
4278
말합니다."아하, 알겠습니다.
이건 웃는 표정입니다."
이건 웃는 표정입니다."
04:30
So the best way to demonstrate
how this technology works
how this technology works
78
258381
2800
이 기술이 어떻게 작동하는지
보여주는 가장 좋은 방법은
보여주는 가장 좋은 방법은
04:33
is to try a live demo,
79
261181
2136
실제 시연을 시도하는 것이죠.
04:35
so I need a volunteer,
preferably somebody with a face.
preferably somebody with a face.
80
263317
3913
저는 지원자 한 분이 필요해요.
얼굴을 가진 분을 선호합니다.
04:39
(Laughter)
81
267230
2334
(웃음)
04:41
Cloe's going to be our volunteer today.
82
269564
2771
클로이가 오늘 지원해줄 겁니다.
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
지난 5년 동안,
우리는 MIT에서 연구로 시작해
한 회사를 설립했습니다.
한 회사를 설립했습니다.
04:49
to a company,
84
277783
1156
04:50
where my team has worked really hard
to make this technology work,
to make this technology work,
85
278939
3192
저희 팀이 이 기술을
실현하려고 노력하는 곳이죠.
실현하려고 노력하는 곳이죠.
04:54
as we like to say, in the wild.
86
282131
2409
저희는 야생의 상태라고 불러요.
04:56
And we've also shrunk it so that
the core emotion engine
the core emotion engine
87
284540
2670
그리고 우리는 기술을 소형화해서
핵심 감정 엔진이 아이패드처럼 카메라달린
이동식 장치에도 쓸 수 있게 했습니다.
이동식 장치에도 쓸 수 있게 했습니다.
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
자, 시도해봅시다.
05:06
As you can see, the algorithm
has essentially found Cloe's face,
has essentially found Cloe's face,
90
294756
3924
여러분이 보듯이,
이것은 클로이의 얼굴을
감지하고 있습니다.
감지하고 있습니다.
05:10
so it's this white bounding box,
91
298680
1692
여기 하얀 테두리가 있죠.
05:12
and it's tracking the main
feature points on her face,
feature points on her face,
92
300372
2571
이것은 그녀의 얼굴의
눈썹, 눈, 입과 코와 같은
눈썹, 눈, 입과 코와 같은
05:14
so her eyebrows, her eyes,
her mouth and her nose.
her mouth and her nose.
93
302943
2856
주요 특정 부분을 추적하고 있습니다.
05:17
The question is,
can it recognize her expression?
can it recognize her expression?
94
305799
2987
궁금한것은 이게 그녀의 표정을
인식할 수 있을까요?
인식할 수 있을까요?
05:20
So we're going to test the machine.
95
308786
1671
그래서 이 기계를 시험해볼거예요.
05:22
So first of all, give me your poker face.
Yep, awesome. (Laughter)
Yep, awesome. (Laughter)
96
310457
4186
먼저 무표정을 해주세요.
좋아요, 멋지네요. (웃음)
좋아요, 멋지네요. (웃음)
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
순수한 웃음이죠, 멋져요.
웃을 때 녹색 막대가
증가하는 것을 볼 수 있죠.
증가하는 것을 볼 수 있죠.
05:29
So you can see the green bar
go up as she smiles.
go up as she smiles.
98
317456
2300
05:31
Now that was a big smile.
99
319756
1222
함박웃음이었어요.
미묘한 웃음을 해보시겠어요?
미묘한 웃음을 해보시겠어요?
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
컴퓨터가 인식하는지 보려고요.
미묘한 웃음도 인식합니다.
미묘한 웃음도 인식합니다.
05:36
It does recognize subtle smiles as well.
101
324021
2331
이것을 만들려고 정말 노력했어요.
05:38
We've worked really hard
to make that happen.
to make that happen.
102
326352
2125
눈썹이 올라가면 놀람의 표시이죠.
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
이마의 주름살은 혼란의 표시입니다.
05:47
Frown. Yes, perfect.
105
335688
4007
찡그려주세요.
네, 완벽하네요.
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
이것은 각각 다른 활동단위이고
더 많이 있습니다.
더 많이 있습니다.
이건 몇가지만 보여드린 겁니다.
05:55
This is just a slimmed-down demo.
107
343188
2032
05:57
But we call each reading
an emotion data point,
an emotion data point,
108
345220
3148
저희는 각각의 인식을
감정 정보점이라고 합니다.
감정 정보점이라고 합니다.
이것이 함께 여러가지
감정을 나타나게 합니다.
감정을 나타나게 합니다.
06:00
and then they can fire together
to portray different emotions.
to portray different emotions.
109
348368
2969
06:03
So on the right side of the demo --
look like you're happy.
look like you're happy.
110
351337
4653
오른쪽에는 당신이 행복해 보입니다.
이것은 기쁨입니다.
기쁨 기능이 작동하죠.
기쁨 기능이 작동하죠.
06:07
So that's joy. Joy fires up.
111
355990
1454
06:09
And then give me a disgust face.
112
357444
1927
혐오하는 표정을 지어주세요.
06:11
Try to remember what it was like
when Zayn left One Direction.
when Zayn left One Direction.
113
359371
4272
자인이 One Direction을
탈퇴했다고 생각해보세요.
탈퇴했다고 생각해보세요.
06:15
(Laughter)
114
363643
1510
(웃음)
네, 코에 주름을 잡아보세요. 좋아요.
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
유의성이 부정적이네요,
그러니까 진짜 팬이었나보네요.
그러니까 진짜 팬이었나보네요.
06:25
So valence is how positive
or negative an experience is,
or negative an experience is,
117
373226
2700
유의성은 한 경험이 얼마나
긍정적 또는 부정적인지 나타냅니다.
긍정적 또는 부정적인지 나타냅니다.
06:27
and engagement is how
expressive she is as well.
expressive she is as well.
118
375926
2786
참여도는 얼마나 표현력이
있느냐를 보여줍니다.
있느냐를 보여줍니다.
06:30
So imagine if Cloe had access
to this real-time emotion stream,
to this real-time emotion stream,
119
378712
3414
클로이가 실시간 감정 변화에
접근할 수 있다고 상상해 보세요.
접근할 수 있다고 상상해 보세요.
06:34
and she could share it
with anybody she wanted to.
with anybody she wanted to.
120
382126
2809
그녀는 이것을 원하는 사람과
공유할 수 있겠죠.
공유할 수 있겠죠.
06:36
Thank you.
121
384935
2923
감사합니다.
(박수)
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
지금까지 120억개의
감정 정보점을 수집했습니다.
감정 정보점을 수집했습니다.
06:51
It's the largest emotion
database in the world.
database in the world.
124
399019
2611
세상에서 가장 큰 감정 데이터베이스죠.
2,900만개의
얼굴 영상에서 모았습니다.
얼굴 영상에서 모았습니다.
06:53
We've collected it
from 2.9 million face videos,
from 2.9 million face videos,
125
401630
2963
06:56
people who have agreed
to share their emotions with us,
to share their emotions with us,
126
404593
2600
감정 공유에 동의한 분들이고
06:59
and from 75 countries around the world.
127
407193
3205
세계의 75개국에서 모았습니다.
07:02
It's growing every day.
128
410398
1715
이것은 매일 늘어나고 있습니다.
07:04
It blows my mind away
129
412603
2067
저는 이것이 놀랍습니다.
07:06
that we can now quantify something
as personal as our emotions,
as personal as our emotions,
130
414670
3195
지금 우리는 감정과 같은
개인적인 것을 수량화 할 수 있는거죠.
개인적인 것을 수량화 할 수 있는거죠.
07:09
and we can do it at this scale.
131
417865
2235
그리고 이런 규모로 할 수 있습니다.
07:12
So what have we learned to date?
132
420100
2177
최근까지 연구한 것은 무엇일까요?
07:15
Gender.
133
423057
2331
성별입니다.
07:17
Our data confirms something
that you might suspect.
that you might suspect.
134
425388
3646
저희 정보가 여러분이
설마하는 것을 확인시켜 줄 겁니다.
설마하는 것을 확인시켜 줄 겁니다.
07:21
Women are more expressive than men.
135
429034
1857
여자가 남자보다 표현력이 있습니다.
07:22
Not only do they smile more,
their smiles last longer,
their smiles last longer,
136
430891
2683
더 많이 웃고 더 오래 웃어요.
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
우리는 수량화할 수 있어요.
여성과 남성이 다르게 반응하는 것을요.
07:28
respond to differently.
138
436478
2136
07:30
Let's do culture: So in the United States,
139
438614
2290
문화적으로는 미국에서 여성들이
남성보다 40% 더 표현력이 좋아요.
남성보다 40% 더 표현력이 좋아요.
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
그런데 신기하게도
영국에서는 차이가 없네요.
영국에서는 차이가 없네요.
07:39
(Laughter)
142
447753
2506
(웃음)
07:43
Age: People who are 50 years and older
143
451296
4027
나이는요.
50대 혹은 그 이상의 사람들이
젊은 사람들보다 25% 더 감정적입니다.
젊은 사람들보다 25% 더 감정적입니다.
07:47
are 25 percent more emotive
than younger people.
than younger people.
144
455323
3436
20대 여성들은 또래 남성보다
25% 더 많이 웃습니다.
25% 더 많이 웃습니다.
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
아마 데이트를 위해 필요한 것이겠죠.
하지만 이 자료에서 놀라운 점은
07:59
But perhaps what surprised us
the most about this data
the most about this data
147
467590
2617
08:02
is that we happen
to be expressive all the time,
to be expressive all the time,
148
470207
3203
우리가 언제나 표현력이
있다는 것입니다.
있다는 것입니다.
08:05
even when we are sitting
in front of our devices alone,
in front of our devices alone,
149
473410
2833
혼자 기계 앞에 앉아 있을때도요.
08:08
and it's not just when we're watching
cat videos on Facebook.
cat videos on Facebook.
150
476243
3274
페이스북의 고양이 영상을
볼 때 뿐만 아니라
볼 때 뿐만 아니라
메일을 보낼 때, 문자를 할 때,
그리고 온라인 쇼핑을 하거나
그리고 온라인 쇼핑을 하거나
08:12
We are expressive when we're emailing,
texting, shopping online,
texting, shopping online,
151
480217
3010
08:15
or even doing our taxes.
152
483227
2300
심지어 세금을 지불할 때도 표현합니다.
08:17
Where is this data used today?
153
485527
2392
오늘날 이 자료가 어디에 사용될까요?
08:19
In understanding how we engage with media,
154
487919
2763
우리가 매체와 소통하는 방법과
08:22
so understanding virality
and voting behavior;
and voting behavior;
155
490682
2484
대박영상 특징이나
투표 성향을 이해하고
투표 성향을 이해하고
08:25
and also empowering
or emotion-enabling technology,
or emotion-enabling technology,
156
493166
2740
그리고 자율권을 주거나
감정 기능 기술을 이해하는 겁니다.
감정 기능 기술을 이해하는 겁니다.
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
제 마음에 가장 와닿는
예를 보여드리고 싶습니다.
예를 보여드리고 싶습니다.
08:33
Emotion-enabled wearable glasses
can help individuals
can help individuals
158
501197
3068
이 감정 기능 안경은
사람들을 돕습니다.
사람들을 돕습니다.
08:36
who are visually impaired
read the faces of others,
read the faces of others,
159
504265
3228
시각기능이 약화된 사람들이
다른 이들의 감정을 읽게 해줍니다.
다른 이들의 감정을 읽게 해줍니다.
08:39
and it can help individuals
on the autism spectrum interpret emotion,
on the autism spectrum interpret emotion,
160
507493
4187
또한 자폐증이 있는 사람이
감정을 해석하게 해줍니다.
감정을 해석하게 해줍니다.
08:43
something that they really struggle with.
161
511680
2778
정말로 힘들어 하는 것이지요.
교육에서 학습프로그램이 당신이
혼란스럽고 지쳐간다는 것을 감지하거나
혼란스럽고 지쳐간다는 것을 감지하거나
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
08:53
or that you're bored, so it's sped up,
164
521587
1857
또는 지루하거나, 흥분하는 것을
감지하는 걸 상상해 보세요.
감지하는 걸 상상해 보세요.
08:55
just like a great teacher
would in a classroom.
would in a classroom.
165
523444
2969
교실에서 정말 좋은 선생님이
그러는 것처럼요.
그러는 것처럼요.
08:59
What if your wristwatch tracked your mood,
166
527043
2601
손목시계가 감정을 감지한다면 어떨까요.
09:01
or your car sensed that you're tired,
167
529644
2693
자동차가 여러분이
피곤하다는 것을 안다면요.
피곤하다는 것을 안다면요.
09:04
or perhaps your fridge
knows that you're stressed,
knows that you're stressed,
168
532337
2548
아니면 냉장고가 당신이
스트레스를 받았다는 것을 알아서
스트레스를 받았다는 것을 알아서
09:06
so it auto-locks to prevent you
from binge eating. (Laughter)
from binge eating. (Laughter)
169
534885
6066
냉장고가 자동으로 잠궈서
폭식을 막아 준다면요. (웃음)
폭식을 막아 준다면요. (웃음)
전 좋을거 같아요.
09:12
I would like that, yeah.
170
540951
2717
제가 캠프리지에 있었을때,
09:15
What if, when I was in Cambridge,
171
543668
1927
09:17
I had access to my real-time
emotion stream,
emotion stream,
172
545595
2313
이 실시간 감정 흐름에
접근할 수 있었다면 어땠을까요.
접근할 수 있었다면 어땠을까요.
고향에 가족과 공유할 수 있었을겁니다.
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
매우 자연스럽게
모두 같은 방에 있는 것처럼요.
모두 같은 방에 있는 것처럼요.
09:23
just like I would've if we were all
in the same room together?
in the same room together?
174
551437
3971
09:27
I think five years down the line,
175
555408
3142
제 생각에 5년 후에는
09:30
all our devices are going
to have an emotion chip,
to have an emotion chip,
176
558550
2337
모든 기계들이 감정칩을 가질겁니다.
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
이렇게 반응하는 기기가
어땠는지 기억도 못할 겁니다.
어땠는지 기억도 못할 겁니다.
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
기기앞에서 그저 찌푸리지만 않고
"별로 안좋으신가봐요, 그렇죠?" 하는 겁니다.
"별로 안좋으신가봐요, 그렇죠?" 하는 겁니다.
09:41
Our biggest challenge is that there are
so many applications of this technology,
so many applications of this technology,
179
569200
3761
가장 큰 과제는 이 기술에
많은 응용이 있다는 것입니다.
많은 응용이 있다는 것입니다.
09:44
my team and I realize that we can't
build them all ourselves,
build them all ourselves,
180
572961
2903
저희 팀원들은 우리가 모든 것을
만들 수 없다는 걸 깨달았습니다.
만들 수 없다는 걸 깨달았습니다.
09:47
so we've made this technology available
so that other developers
so that other developers
181
575864
3496
그래서 다른 개발자들이 함께
이 기술을 사용할 수 있게 했습니다.
이 기술을 사용할 수 있게 했습니다.
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
저희는 잠재적인 위험성과
악용의 가능성이 있음을 압니다.
악용의 가능성이 있음을 압니다.
09:57
and potential for abuse,
184
585560
2067
09:59
but personally, having spent
many years doing this,
many years doing this,
185
587627
2949
그러나 개인적으로 이 일에
수년을 보낸 사람으로서
수년을 보낸 사람으로서
10:02
I believe that the benefits to humanity
186
590576
2972
감정 지능 기술이 인류에게 줄 혜택이
10:05
from having emotionally
intelligent technology
intelligent technology
187
593548
2275
악용의 가능성보다
훨씬 크다고 믿습니다.
훨씬 크다고 믿습니다.
10:07
far outweigh the potential for misuse.
188
595823
3576
10:11
And I invite you all to be
part of the conversation.
part of the conversation.
189
599399
2531
여러분이 이 대화의 부분으로
참여하도록 초대했어요.
참여하도록 초대했어요.
10:13
The more people who know
about this technology,
about this technology,
190
601930
2554
더 많은 사람들이 이 기술을 알수록
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
어떻게 사용되는지
더 많은 의견을 들을 수 있어요.
더 많은 의견을 들을 수 있어요.
10:21
So as more and more
of our lives become digital,
of our lives become digital,
192
609081
4574
점점 더 우리의 삶이 디지털화 되면서
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
우리 감정을 되찾고자 기기사용을 억제하는
승산없는 싸움을 하고 있습니다.
승산없는 싸움을 하고 있습니다.
10:29
in order to reclaim our emotions.
194
617153
2229
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
대신에 제가 시도하는 것은
감정들을 기술로 가져오는 것이에요.
10:36
and make our technologies more responsive.
196
624536
2229
기술이 보다 반응할 수 있도록 만들죠.
10:38
So I want those devices
that have separated us
that have separated us
197
626765
2670
우리를 갈라놓은 기계들이
10:41
to bring us back together.
198
629435
2462
우리를 재화합할 수 있게 하고 싶어요.
10:43
And by humanizing technology,
we have this golden opportunity
we have this golden opportunity
199
631897
4588
기술을 인간적이게 만들어서
우리는 최고의 기회를 얻었죠.
10:48
to reimagine how we
connect with machines,
connect with machines,
200
636485
3297
어떻게 우리가 기계들과
소통하는지 재고하는 겁니다.
소통하는지 재고하는 겁니다.
따라서 우리 인간이 다른 이들과
소통하는 방법도 재고하는 겁니다.
소통하는 방법도 재고하는 겁니다.
10:51
and therefore, how we, as human beings,
201
639782
4481
10:56
connect with one another.
202
644263
1904
10:58
Thank you.
203
646167
2160
감사합니다.
(박수)
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