TEDWomen 2015
Rana el Kaliouby: This app knows how you feel -- from the look on your face
รานา เอล คาลิอูบี: แอปพลิเคชันนี้รู้ว่าคุณรู้สึกอย่างไร -- จากสีหน้าของคุณ
Filmed:
Readability: 4.3
1,613,290 views
อารมณ์ของเรามีอิทธิพลต่อเราในทุกด้านของชีวิต ไม่ว่าจะเป็น การเรียน การสื่อสาร การตัดสินใจ แต่ปัจจุบันอารมณ์กลับหายไปจากชีวิตดิจิตอลของเรา อุปกรณ์และแอปพลิเคชันที่เราปฏิสัมพันธ์ด้วยไม่มีทางรู้เลยว่าเรารู้สึกอย่างไร รานา เอล คาลิอูบี นักวิทยาศาสตร์คอมพิวเตอร์มุ่งจะเปลี่ยนแปลงเรื่องนี้ เธอสาธิตเทคโนโลยีทรงพลังอันใหม่ที่อ่านสีหน้าของคุณ และจับคู่กับอารมณ์ที่สอดคล้องกัน รานา เอล คาลิอูบีกล่าว "เครื่องวัดอารมณ์" นี้ มีนัยสำคัญหลายอย่าง และมันสามารถเปลี่ยนแปลง ไม่เพียงการปฏิสัมพันธ์ระหว่างเรากับเครื่องจักรต่างๆ แต่ระหว่างมนุษย์เราเองด้วย
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
อารมณ์ของเรามีอิทธิพลต่อเรา
ในทุกด้านของชีวิต
ในทุกด้านของชีวิต
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
ตั้งแต่สุขภาพและการเรียนรู้
ไปจนถึงการทำธุรกิจและตัดสินใจ
ไปจนถึงการทำธุรกิจและตัดสินใจ
00:20
big ones and small.
2
8149
1773
ไม่ว่าเรื่องใหญ่หรือเรื่องเล็ก
00:22
Our emotions also influence
how we connect with one another.
how we connect with one another.
3
10672
3490
อารมณ์ของเรายังมีอิทธิพลต่อ
ความสัมพันธ์ที่คนเรามีต่อกันด้วย
ความสัมพันธ์ที่คนเรามีต่อกันด้วย
00:27
We've evolved to live
in a world like this,
in a world like this,
4
15132
3976
คนเรามีวิวัฒนาการมา
ให้มีชีวิตอยู่ในโลกแบบนี้
ให้มีชีวิตอยู่ในโลกแบบนี้
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
แต่แทนที่จะเป็นอย่างนั้น
เรากำลังใช้ชีวิตแบบนี้มากขึ้นเรื่อยๆ
เรากำลังใช้ชีวิตแบบนี้มากขึ้นเรื่อยๆ
00:35
this is the text message
from my daughter last night --
from my daughter last night --
6
23427
3134
นี่คือข้อความจากลูกสาวของฉันเมื่อคืนนี้
00:38
in a world that's devoid of emotion.
7
26561
2740
ในโลกที่ขาดไร้ซึ่งอารมณ์
00:41
So I'm on a mission to change that.
8
29301
1951
ฉันเลยมีภารกิจที่จะเปลี่ยนแปลงมัน
00:43
I want to bring emotions
back into our digital experiences.
back into our digital experiences.
9
31252
4091
ฉันต้องการนำอารมณ์
กลับมาสู่ประสบการณ์ดิจิตอลของเรา
กลับมาสู่ประสบการณ์ดิจิตอลของเรา
00:48
I started on this path 15 years ago.
10
36223
3077
ฉันเริ่มต้นเส้นทางนี้เมื่อ 15 ปีที่แล้ว
00:51
I was a computer scientist in Egypt,
11
39300
2066
ฉันเป็นนักวิทยาศาสตร์คอมพิวเตอร์ในอียิปต์
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
และเพิ่งได้รับตอบรับเข้าเรียนปริญญาเอก
ที่มหาวิทยาลัยเคมบริดจ์
ที่มหาวิทยาลัยเคมบริดจ์
00:57
So I did something quite unusual
13
45871
2113
นั่นคือ ฉันทำอะไรที่ประหลาดมาก
00:59
for a young newlywed Muslim Egyptian wife:
14
47984
4225
สำหรับหญิงสาวมุสลิมในอียิปต์
ที่เพิ่งแต่งงาน
ที่เพิ่งแต่งงาน
01:05
With the support of my husband,
who had to stay in Egypt,
who had to stay in Egypt,
15
53599
2999
แต่ด้วยการสนับสนุนจากสามีของฉัน
ซึ่งต้องอยู่ที่อียิปต์
ซึ่งต้องอยู่ที่อียิปต์
01:08
I packed my bags and I moved to England.
16
56598
3018
ฉันก็เก็บกระเป๋าและย้ายไปอังกฤษ
01:11
At Cambridge, thousands of miles
away from home,
away from home,
17
59616
3228
ที่เคมบริดจ์ หลายพันไมล์ไกลจากบ้าน
01:14
I realized I was spending
more hours with my laptop
more hours with my laptop
18
62844
3413
ฉันเริ่มรู้ตัวว่าฉันใช้เวลา
อยู่กับคอมพิวเตอร์แล็บท็อปของฉัน
อยู่กับคอมพิวเตอร์แล็บท็อปของฉัน
01:18
than I did with any other human.
19
66257
2229
มากกว่าใช้เวลากับมนุษย์คนอื่น
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
แม้จะใกล้ชิดกันขนาดนั้น แล็บท็อปของฉัน
ก็ไม่รู้เลยว่าฉันกำลังรู้สึกอย่างไร
ก็ไม่รู้เลยว่าฉันกำลังรู้สึกอย่างไร
01:25
It had no idea if I was happy,
21
73339
3211
มันไม่รู้เลยว่าฉันกำลังมีความสุข
01:28
having a bad day, or stressed, confused,
22
76550
2988
เจอวันที่เลวร้าย หรือเครียด หรือสับสน
01:31
and so that got frustrating.
23
79538
2922
ฉันก็เลยเกิดคับข้องใจขึ้นมา
01:35
Even worse, as I communicated
online with my family back home,
online with my family back home,
24
83600
5231
ที่แย่กว่านั้น เวลาฉันสื่อสาร
กับครอบครัวของฉันที่อยู่ที่บ้าน
กับครอบครัวของฉันที่อยู่ที่บ้าน
01:41
I felt that all my emotions
disappeared in cyberspace.
disappeared in cyberspace.
25
89421
3282
ฉันรู้สึกว่าอารมณ์ทั้งหมดของฉัน
มันอันตรธานหายไปในโลกไซเบอร์
มันอันตรธานหายไปในโลกไซเบอร์
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
ฉันคิดถึงบ้าน ฉันเหงา
และบางวันฉันก็ร้องไห้
และบางวันฉันก็ร้องไห้
01:49
but all I had to communicate
these emotions was this.
these emotions was this.
27
97858
4928
แต่วิธีที่ฉันใช้สื่อสารอารมณ์เหล่านี้ได้
มีทั้งหมดก็แค่นี้
มีทั้งหมดก็แค่นี้
01:54
(Laughter)
28
102786
2020
(เสียงหัวเราะ)
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
เทคโนโลยีในปัจจุบันนี้
มี ไอ.คิว. สูงมาก แต่ไม่มี อี.คิว.
มี ไอ.คิว. สูงมาก แต่ไม่มี อี.คิว.
ฉลาดทางปัญญามาก
แต่ไม่ฉลาดทางอารมณ์
แต่ไม่ฉลาดทางอารมณ์
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
นั่นจึงทำให้ฉันคิดขึ้นมาว่า
02:07
what if our technology
could sense our emotions?
could sense our emotions?
32
115153
3624
มันจะเป็นยังไงนะ
ถ้าเทคโนโลยีรับรู้อารมณ์ของเราได้
ถ้าเทคโนโลยีรับรู้อารมณ์ของเราได้
02:10
What if our devices could sense
how we felt and reacted accordingly,
how we felt and reacted accordingly,
33
118777
4076
ถ้าอุปกรณ์ทั้งหลายของเรารับรู้ได้ว่า
เรารู้สึกอย่างไรและตอบสนองได้อย่างเหมาะสม
เรารู้สึกอย่างไรและตอบสนองได้อย่างเหมาะสม
02:14
just the way an emotionally
intelligent friend would?
intelligent friend would?
34
122853
3013
เหมือนที่เพื่อนของเรา
ที่มีความฉลาดทางอารมณ์จะตอบสนอง
ที่มีความฉลาดทางอารมณ์จะตอบสนอง
02:18
Those questions led me and my team
35
126666
3564
คำถามเหล่านี้นำพาฉันและทีม
02:22
to create technologies that can read
and respond to our emotions,
and respond to our emotions,
36
130230
4377
ให้สร้างเทคโนโลยีที่สามารถอ่าน
และตอบสนองต่ออารมณ์ของเราได้
และตอบสนองต่ออารมณ์ของเราได้
02:26
and our starting point was the human face.
37
134607
3090
และจุดเริ่มต้นของเราคือใบหน้าของมนุษย์
02:30
So our human face happens to be
one of the most powerful channels
one of the most powerful channels
38
138577
3173
ใบหน้าของมนุษย์
เป็นช่องทางที่มีพลังที่สุดช่องทางหนึ่ง
เป็นช่องทางที่มีพลังที่สุดช่องทางหนึ่ง
02:33
that we all use to communicate
social and emotional states,
social and emotional states,
39
141750
4016
ที่เราใช้สื่อสารสภาวะทางอารมณ์และสังคม
02:37
everything from enjoyment, surprise,
40
145766
3010
ทุกๆ อย่างตั้งแต่ความรื่นรมย์ ประหลาดใจ
02:40
empathy and curiosity.
41
148776
4203
เห็นอกเห็นใจ และสงสัยใคร่รู้
02:44
In emotion science, we call each
facial muscle movement an action unit.
facial muscle movement an action unit.
42
152979
4928
ในศาสตร์ด้านอารมณ์ เรียกการเคลื่อนไหว
กล้ามเนื้อใบหน้าแต่ละมัดว่าหน่วยเคลื่อนไหว
กล้ามเนื้อใบหน้าแต่ละมัดว่าหน่วยเคลื่อนไหว
02:49
So for example, action unit 12,
43
157907
2925
เช่น หน่วยเคลื่อนไหวที่ 12
02:52
it's not a Hollywood blockbuster,
44
160832
2038
ไม่ใช่ชื่อหนังฮอลลีวูดนะ
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
มันคือการดึงมุมปากขึ้น
ซึ่งเป็นองค์ประกอบหลักของการยิ้ม
ซึ่งเป็นองค์ประกอบหลักของการยิ้ม
02:58
Try it everybody. Let's get
some smiles going on.
some smiles going on.
46
166312
2988
ทุกคนลองดูนะคะ
มาเรามายิ้มกันเถอะ
มาเรามายิ้มกันเถอะ
03:01
Another example is action unit 4.
It's the brow furrow.
It's the brow furrow.
47
169300
2654
อีกตัวอย่างหนึ่งคือหน่วยเคลื่อนไหวที่ 4
คือการขมวดคิ้ว
คือการขมวดคิ้ว
03:03
It's when you draw your eyebrows together
48
171954
2238
เมื่อคุณดึงคิ้วเข้าหากัน
03:06
and you create all
these textures and wrinkles.
these textures and wrinkles.
49
174192
2267
ทำให้เกิดพื้นผิวรอยย่นแบบนี้
ซึ่งเราไม่ชอบเลย
ซึ่งเราไม่ชอบเลย
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
แต่มันเป็นตัวบ่งชี้อารมณ์ทางลบที่ชัดเจน
คนเรามีหน่วยการเคลื่อนไหวแบบนี้ 45 หน่วย
03:12
So we have about 45 of these action units,
51
180754
2206
และมันทำงานร่วมกันเพื่อแสดงอารมณ์นับร้อยๆ
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
การสอนให้คอมพิวเตอร์
อ่านอารมณ์ทางสีหน้าพวกนี้เป็นเรื่องยาก
อ่านอารมณ์ทางสีหน้าพวกนี้เป็นเรื่องยาก
03:22
because these action units,
they can be fast, they're subtle,
they can be fast, they're subtle,
54
190251
2972
เพราะหน่วยการเคลื่อนไหวเหล่านี้
เกิดขึ้นเร็ว มองไม่ค่อยออก
เกิดขึ้นเร็ว มองไม่ค่อยออก
03:25
and they combine in many different ways.
55
193223
2554
และยังประกอบกันได้หลายรูปแบบ
03:27
So take, for example,
the smile and the smirk.
the smile and the smirk.
56
195777
3738
ตัวอย่างเช่น การยิ้ม กับการยิ้มเยาะ
03:31
They look somewhat similar,
but they mean very different things.
but they mean very different things.
57
199515
3753
มันดูคล้ายๆ กัน แต่มันมีความหมายต่างกันมาก
03:35
(Laughter)
58
203268
1718
(เสียงหัวเราะ)
03:36
So the smile is positive,
59
204986
3004
การยิ้มนี่ความหมายทางบวก
การยิ้มเยาะนี่มักจะมีความหมายแง่ลบ
03:39
a smirk is often negative.
60
207990
1270
บางครั้งการยิ้มเยาะ
อาจทำให้คุณกลายเป็นคนดังขึ้นมา
อาจทำให้คุณกลายเป็นคนดังขึ้นมา
03:41
Sometimes a smirk
can make you become famous.
can make you become famous.
61
209260
3876
03:45
But seriously, it's important
for a computer to be able
for a computer to be able
62
213136
2824
แต่เอาจริงๆ นะ นี่เป็นเรื่องสำคัญ
ที่คอมพิวเตอร์ต้องสามารถ
ที่คอมพิวเตอร์ต้องสามารถ
03:47
to tell the difference
between the two expressions.
between the two expressions.
63
215960
2855
แยกแยะความแตกต่างระหว่างสีหน้าสองแบบนี้ได้
แล้วเราทำยังไงล่ะ
03:50
So how do we do that?
64
218815
1812
03:52
We give our algorithms
65
220627
1787
เราให้ชุดคำสั่งของเรา
03:54
tens of thousands of examples
of people we know to be smiling,
of people we know to be smiling,
66
222414
4110
ได้เรียนรู้ตัวอย่างคนนับหมื่นๆ
ที่เรารู้อย่างแน่นอนว่ากำลังยิ้มอยู่
ที่เรารู้อย่างแน่นอนว่ากำลังยิ้มอยู่
03:58
from different ethnicities, ages, genders,
67
226524
3065
จากทุกเชื้อชาติ อายุ เพศ
04:01
and we do the same for smirks.
68
229589
2811
แล้วเราก็ทำอย่างเดียวกันกับการยิ้มเยาะ
แล้วหลังจากการเรียนรู้ที่ลึกซึ้ง
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
ชุดคำสั่งของเราก็มองหาพื้นผิว รอยย่น
04:08
and shape changes on our face,
71
236810
2580
และการเปลี่ยนแปลงรูปร่างเหล่านี้
บนใบหน้าของเรา
บนใบหน้าของเรา
และเรียนรู้ว่า การยิ้มทุกๆ ตัวอย่าง
มีลักษณะอะไรร่วมกัน
มีลักษณะอะไรร่วมกัน
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
และการยิ้มเยาะทุกตัวอย่าง
มีลักษณะที่แตกต่างไปเล็กน้อยอย่างไร
มีลักษณะที่แตกต่างไปเล็กน้อยอย่างไร
04:17
And the next time it sees a new face,
74
245773
2368
ครั้งต่อไปที่มันเห็นใบหน้าใหม่
04:20
it essentially learns that
75
248141
2299
มันก็จะเรียนรู้ว่า
04:22
this face has the same
characteristics of a smile,
characteristics of a smile,
76
250440
3033
ใบหน้านี้มีลักษณะเหมือนการยิ้ม
04:25
and it says, "Aha, I recognize this.
This is a smile expression."
This is a smile expression."
77
253473
4278
แล้วก็บอกว่า
"อะฮ้า ฉันจำได้ละ นี่คือการยิ้ม"
"อะฮ้า ฉันจำได้ละ นี่คือการยิ้ม"
04:30
So the best way to demonstrate
how this technology works
how this technology works
78
258381
2800
ทีนี้ การสาธิตที่ดีที่สุด
ว่าเทคโนโลยีนี้ทำงานอย่างไร
ว่าเทคโนโลยีนี้ทำงานอย่างไร
04:33
is to try a live demo,
79
261181
2136
คือการทดลองกับคนจริงๆ
04:35
so I need a volunteer,
preferably somebody with a face.
preferably somebody with a face.
80
263317
3913
เอาล่ะ ฉันอยากได้อาสาสมัครสักคน
ขอให้เป็นคนที่มีใบหน้านะคะ
ขอให้เป็นคนที่มีใบหน้านะคะ
04:39
(Laughter)
81
267230
2334
(เสียงหัวเราะ)
04:41
Cloe's going to be our volunteer today.
82
269564
2771
โคลอี้จะเป็นอาสาสมัครให้เราวันนี้ค่ะ
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
คือ ห้าปีที่ผ่านมา
เราก้าวจากการเป็นโครงการวิจัยที่เอ็มไอที
เราก้าวจากการเป็นโครงการวิจัยที่เอ็มไอที
04:49
to a company,
84
277783
1156
มาเป็นบริษัท
04:50
where my team has worked really hard
to make this technology work,
to make this technology work,
85
278939
3192
ซึ่งทีมของฉันทำงานกันหนักมาก
เพื่อให้เทคโนโลยีนี้ทำงานได้
เพื่อให้เทคโนโลยีนี้ทำงานได้
04:54
as we like to say, in the wild.
86
282131
2409
ในสภาพการใช้งานจริง
04:56
And we've also shrunk it so that
the core emotion engine
the core emotion engine
87
284540
2670
และเราก็ย่อส่วนมัน
ให้โปรแกรมหลักที่ใช้วิเคราะห์อารมณ์
ให้โปรแกรมหลักที่ใช้วิเคราะห์อารมณ์
04:59
works on any mobile device
with a camera, like this iPad.
with a camera, like this iPad.
88
287210
3320
ทำงานบนอุปกรณ์เคลื่อนที่ที่มีกล้องได้
เช่นไอแพด
เช่นไอแพด
05:02
So let's give this a try.
89
290530
2786
เรามาลองกันนะคะ
05:06
As you can see, the algorithm
has essentially found Cloe's face,
has essentially found Cloe's face,
90
294756
3924
คุณจะเห็นว่าชุดคำสั่งพบใบหน้าของโคลอี้แล้ว
05:10
so it's this white bounding box,
91
298680
1692
คือกล่องที่มีเส้นกรอบสีขาวนี่
05:12
and it's tracking the main
feature points on her face,
feature points on her face,
92
300372
2571
แล้วมันก็ติดตามการเคลื่อนไหว
ของจุดหลักๆ บนหน้าของเธอ
ของจุดหลักๆ บนหน้าของเธอ
05:14
so her eyebrows, her eyes,
her mouth and her nose.
her mouth and her nose.
93
302943
2856
คิ้ว ตา ปาก และจมูก
05:17
The question is,
can it recognize her expression?
can it recognize her expression?
94
305799
2987
คำถามคือ มันจะรู้ไหมว่าเธอแสดงสีหน้าอะไร
05:20
So we're going to test the machine.
95
308786
1671
เราจะมาทดสอบเจ้าเครื่องนี้กัน
05:22
So first of all, give me your poker face.
Yep, awesome. (Laughter)
Yep, awesome. (Laughter)
96
310457
4186
ก่อนอื่น ทำหน้าเฉยหน่อยซิ
อ่ะ เจ๋งเลย (เสียงหัวเราะ)
อ่ะ เจ๋งเลย (เสียงหัวเราะ)
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
ทีนี้ พอโคลอี้ยิ้ม
นี่คือยิ้มที่จริงใจ เยี่ยมมาก
นี่คือยิ้มที่จริงใจ เยี่ยมมาก
05:29
So you can see the green bar
go up as she smiles.
go up as she smiles.
98
317456
2300
คุณจะเห็นแท่งสีเขียวเพิ่มขึ้นตอนที่เธอยิ้ม
05:31
Now that was a big smile.
99
319756
1222
นั่นคือการยิ้มกว้าง
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
ลองยิ้มน้อยๆ ได้ไหม
ดูซิว่าคอมพิวเตอร์จะจับได้ไหม
ดูซิว่าคอมพิวเตอร์จะจับได้ไหม
05:36
It does recognize subtle smiles as well.
101
324021
2331
มันรับรู้ยิ้มจางๆ ได้ด้วยเช่นกัน
05:38
We've worked really hard
to make that happen.
to make that happen.
102
326352
2125
เราทำงานกันหนักมากเพื่อให้มันทำได้
05:40
And then eyebrow raised,
indicator of surprise.
indicator of surprise.
103
328477
2962
ทีนี้ เลิกคิ้ว ตัวบ่งชี้ว่าประหลาดใจ
05:43
Brow furrow, which is
an indicator of confusion.
an indicator of confusion.
104
331439
4249
คิ้วขมวด ซึ่งบ่งชี้ความสับสน
05:47
Frown. Yes, perfect.
105
335688
4007
หน้าบึ้ง ใช่เลย เยี่ยม
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
นี่คือหน่วยการเคลื่อนไหวต่างๆ
ยังมีอีกหลายแบบมาก
ยังมีอีกหลายแบบมาก
05:55
This is just a slimmed-down demo.
107
343188
2032
นี่คือการสาธิตสั้นๆ เท่านั้น
05:57
But we call each reading
an emotion data point,
an emotion data point,
108
345220
3148
เราเรียกการอ่านข้อมูลแต่ละจุดบนใบหน้า
ว่าหน่วยข้อมูลอารมณ์
ว่าหน่วยข้อมูลอารมณ์
06:00
and then they can fire together
to portray different emotions.
to portray different emotions.
109
348368
2969
และมันก็ทำงานร่วมกัน
เพื่อแสดงอารมณ์ที่แตกต่างกันออกไป
เพื่อแสดงอารมณ์ที่แตกต่างกันออกไป
06:03
So on the right side of the demo --
look like you're happy.
look like you're happy.
110
351337
4653
ตรงด้านขวาของจอ
ดูเหมือนเธอมีความสุขอยู่นะ
ดูเหมือนเธอมีความสุขอยู่นะ
06:07
So that's joy. Joy fires up.
111
355990
1454
นั่นคือความสุข มันสว่างขึ้นมา
06:09
And then give me a disgust face.
112
357444
1927
ทีนี้ ทำหน้าขยะแขยงซิ
06:11
Try to remember what it was like
when Zayn left One Direction.
when Zayn left One Direction.
113
359371
4272
ทีนี้ นึกถึงความรู้สึกตอนที่เซย์น
ลาออกจากวง วัน ไดเร็กชัน ซิ
ลาออกจากวง วัน ไดเร็กชัน ซิ
06:15
(Laughter)
114
363643
1510
(เสียงหัวเราะ)
06:17
Yeah, wrinkle your nose. Awesome.
115
365153
4342
ใช่ จมูกย่นเลย แจ๋ว
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
และทิศทางอารมณ์ค่อนข้างลบมาก
นี่เป็นแฟนพันธุ์แท้วงนี้ล่ะสิ
นี่เป็นแฟนพันธุ์แท้วงนี้ล่ะสิ
06:25
So valence is how positive
or negative an experience is,
or negative an experience is,
117
373226
2700
ทิศทางอารมณ์คือความเป็นบวก
หรือลบของประสบการณ์นั้น
หรือลบของประสบการณ์นั้น
06:27
and engagement is how
expressive she is as well.
expressive she is as well.
118
375926
2786
และความอิน คือ เธอแสดงออกมากขนาดไหน
06:30
So imagine if Cloe had access
to this real-time emotion stream,
to this real-time emotion stream,
119
378712
3414
ลองจินตนาการดูสิคะ ถ้าโคลอี้เข้าถึง
ข้อมูลอารมณ์แบบนี้ได้ทันทีตลอดเวลา
ข้อมูลอารมณ์แบบนี้ได้ทันทีตลอดเวลา
06:34
and she could share it
with anybody she wanted to.
with anybody she wanted to.
120
382126
2809
และเธอสามารถแชร์ให้ใครก็ได้ที่เธอต้องการ
06:36
Thank you.
121
384935
2923
ขอบคุณค่ะ
06:39
(Applause)
122
387858
4621
(เสียงปรบมือ)
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
ที่ผ่านมาจนถึงวันนี้ เราเก็บรวบรวม
ข้อมูลอารมณ์ได้หนึ่งหมื่นสองพันล้านหน่วย
ข้อมูลอารมณ์ได้หนึ่งหมื่นสองพันล้านหน่วย
06:51
It's the largest emotion
database in the world.
database in the world.
124
399019
2611
เป็นฐานข้อมูลอารมณ์ที่ใหญ่ที่สุดในโลก
06:53
We've collected it
from 2.9 million face videos,
from 2.9 million face videos,
125
401630
2963
เราเก็บรวบรวมมาจากวิดีโอใบหน้า
สองล้านเก้าแสนวิดีโอ
สองล้านเก้าแสนวิดีโอ
06:56
people who have agreed
to share their emotions with us,
to share their emotions with us,
126
404593
2600
ถ่ายจากคนที่ยินยอม
ให้ข้อมูลอารมณ์ของเขาให้กับเรา
ให้ข้อมูลอารมณ์ของเขาให้กับเรา
06:59
and from 75 countries around the world.
127
407193
3205
จาก 75 ประเทศทั่วโลก
07:02
It's growing every day.
128
410398
1715
และกำลังเพิ่มมากขึ้นทุกๆ วัน
07:04
It blows my mind away
129
412603
2067
มันทำให้ฉันตื่นเต้นสุดๆ
07:06
that we can now quantify something
as personal as our emotions,
as personal as our emotions,
130
414670
3195
ที่ตอนนี้เราวัดปริมาณอะไรที่
เป็นประสบการณ์ส่วนตัวมากๆ อย่างอารมณ์
เป็นประสบการณ์ส่วนตัวมากๆ อย่างอารมณ์
07:09
and we can do it at this scale.
131
417865
2235
และเราสามารถทำได้ในขอบเขตใหญ่ขนาดนี้
07:12
So what have we learned to date?
132
420100
2177
แล้วจากข้อมูลนี้เราได้เรียนรู้อะไรบ้าง
07:15
Gender.
133
423057
2331
ความแตกต่างระหว่างเพศ
07:17
Our data confirms something
that you might suspect.
that you might suspect.
134
425388
3646
ข้อมูลของเรายืนยันบางอย่าง
ที่คุณอาจคาดไว้อยู่แล้ว
ที่คุณอาจคาดไว้อยู่แล้ว
07:21
Women are more expressive than men.
135
429034
1857
ผู้หญิงแสดงอารมณ์มากกว่าผู้ชาย
07:22
Not only do they smile more,
their smiles last longer,
their smiles last longer,
136
430891
2683
ไม่ใช่เพียงแค่ยิ้มมากกว่า
แต่ยังยิ้มนานกว่า
แต่ยังยิ้มนานกว่า
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
และเรายังสามารถวัดได้ด้วย
ว่าอะไรที่ผู้หญิงกับผู้ชาย
ว่าอะไรที่ผู้หญิงกับผู้ชาย
07:28
respond to differently.
138
436478
2136
ตอบสนองต่างกัน
07:30
Let's do culture: So in the United States,
139
438614
2290
ลองมาดูตามวัฒนธรรมกัน
ในสหรัฐอเมริกา
ในสหรัฐอเมริกา
07:32
women are 40 percent
more expressive than men,
more expressive than men,
140
440904
3204
ผู้หญิงแสดงอารมณ์
มากกว่าผู้ชาย 40 เปอร์เซ็นต์
มากกว่าผู้ชาย 40 เปอร์เซ็นต์
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
แต่น่าแปลกไหม ที่เราไม่เห็นความแตกต่าง
ระหว่างชายหญิงในอังกฤษ
ระหว่างชายหญิงในอังกฤษ
07:39
(Laughter)
142
447753
2506
(เสียงหัวเราะ)
07:43
Age: People who are 50 years and older
143
451296
4027
ส่วนอายุ คนที่อายุ 50 ปีขึ้นไป
07:47
are 25 percent more emotive
than younger people.
than younger people.
144
455323
3436
แสดงอารมณ์มากกว่าคนที่อายุน้อยกว่า
ผู้หญิงในวัย 20 กว่า
ยิ้มเยอะกว่าผู้ชายในวัยเดียวกันมาก
ยิ้มเยอะกว่าผู้ชายในวัยเดียวกันมาก
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
บางทีอาจเป็นสิ่งจำเป็นในการออกเดท
07:59
But perhaps what surprised us
the most about this data
the most about this data
147
467590
2617
แต่สิ่งที่ทำให้เราประหลาดใจที่สุด
จากข้อมูลชุดนี้
จากข้อมูลชุดนี้
08:02
is that we happen
to be expressive all the time,
to be expressive all the time,
148
470207
3203
คือ จริงๆ คนเราแสดงอารมณ์ตลอดเวลา
08:05
even when we are sitting
in front of our devices alone,
in front of our devices alone,
149
473410
2833
แม้เวลาที่เรานั่งอยู่คนเดียว
หน้าอุปกรณ์อิเล็กทรอนิกส์ของเรา
หน้าอุปกรณ์อิเล็กทรอนิกส์ของเรา
08:08
and it's not just when we're watching
cat videos on Facebook.
cat videos on Facebook.
150
476243
3274
ไม่ใช่แค่ตอนที่เราดูวิดีโอแมวบนเฟซบุค
08:12
We are expressive when we're emailing,
texting, shopping online,
texting, shopping online,
151
480217
3010
แต่เราแสดงอารมณ์ตอนเราอีเมล์
ส่งข้อความ ซื้อของออนไลน์
ส่งข้อความ ซื้อของออนไลน์
08:15
or even doing our taxes.
152
483227
2300
หรือแม้แต่ยื่นแบบภาษี
08:17
Where is this data used today?
153
485527
2392
วันนี้ เราเอาข้อมูลเหล่านี้ไปทำอะไรได้
08:19
In understanding how we engage with media,
154
487919
2763
ในการทำความเข้าใจการติดต่อสัมพันธ์กับสื่อ
08:22
so understanding virality
and voting behavior;
and voting behavior;
155
490682
2484
การแพร่กระจายข่าวสารแบบไวรัล
พฤติกรรมการเลือกตั้ง
พฤติกรรมการเลือกตั้ง
08:25
and also empowering
or emotion-enabling technology,
or emotion-enabling technology,
156
493166
2740
เทคโนโลยีที่ให้อำนาจ
หรือความสามารถทางอารมณ์
หรือความสามารถทางอารมณ์
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
ฉันอยากเล่าตัวอย่าง
ที่สำคัญกับฉันมากเป็นพิเศษ
ที่สำคัญกับฉันมากเป็นพิเศษ
08:33
Emotion-enabled wearable glasses
can help individuals
can help individuals
158
501197
3068
แว่นตาเพิ่มความสามารถในการรับรู้อารมณ์
08:36
who are visually impaired
read the faces of others,
read the faces of others,
159
504265
3228
ช่วยให้คนพิการทางสายตาอ่านใบหน้าคนอื่นได้
08:39
and it can help individuals
on the autism spectrum interpret emotion,
on the autism spectrum interpret emotion,
160
507493
4187
มันช่วยคนที่มีอาการออทิสซึม
ให้ตีความอารมณ์คนอื่นได้
ให้ตีความอารมณ์คนอื่นได้
ซึ่งเป็นสิ่งที่พวกเขามีปัญหา
08:43
something that they really struggle with.
161
511680
2778
ในวงการการศึกษา ลองคิดดูสิคะ
ถ้าแอปพลิเคชันการเรียนรู้ของคุณ
ถ้าแอปพลิเคชันการเรียนรู้ของคุณ
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
รับรู้ได้ว่าคุณสับสนและทำงานช้าลง
08:53
or that you're bored, so it's sped up,
164
521587
1857
หรือรู้ว่าคุณเบื่อ จึงเร่งความเร็วขึ้น
08:55
just like a great teacher
would in a classroom.
would in a classroom.
165
523444
2969
เหมือนที่ครูที่ยอดเยี่ยมจะทำในห้องเรียน
08:59
What if your wristwatch tracked your mood,
166
527043
2601
จะเป็นยังไงถ้านาฬิกาข้อมือของคุณ
เฝ้าติดตามอารมณ์ของคุณ
เฝ้าติดตามอารมณ์ของคุณ
09:01
or your car sensed that you're tired,
167
529644
2693
หรือรถของคุณรับรู้ได้ว่าคุณเหนื่อย
09:04
or perhaps your fridge
knows that you're stressed,
knows that you're stressed,
168
532337
2548
หรือตู้เย็นของคุณอาจจะรู้ว่าคุณเครียด
09:06
so it auto-locks to prevent you
from binge eating. (Laughter)
from binge eating. (Laughter)
169
534885
6066
มันเลยล็อกตัวเองอัตโนมัติ
ป้องกันคุณกินอย่างไร้สติ (เสียงหัวเราะ)
ป้องกันคุณกินอย่างไร้สติ (เสียงหัวเราะ)
ฉันอยากได้นะ
09:12
I would like that, yeah.
170
540951
2717
09:15
What if, when I was in Cambridge,
171
543668
1927
จะเป็นยังไง ถ้าตอนอยู่เคมบริดจ์
09:17
I had access to my real-time
emotion stream,
emotion stream,
172
545595
2313
ฉันสามารถเข้าถึงกระแสอารมณ์ของฉัน
แบบนาทีต่อนาที
แบบนาทีต่อนาที
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
และฉันสามารถแชร์ความรู้สึกนั้น
กับครอบครัวของฉันที่บ้านอย่างเป็นธรรมชาติ
กับครอบครัวของฉันที่บ้านอย่างเป็นธรรมชาติ
09:23
just like I would've if we were all
in the same room together?
in the same room together?
174
551437
3971
เหมือนกับเวลาที่เราทุกคนอยู่ในห้องเดียวกัน
09:27
I think five years down the line,
175
555408
3142
ฉันคิดว่า อีกห้าปีข้างหน้า
09:30
all our devices are going
to have an emotion chip,
to have an emotion chip,
176
558550
2337
อุปกรณ์ทุกอย่างของเรา
จะมีชิพตรวจจับอารมณ์
จะมีชิพตรวจจับอารมณ์
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
และเราจะลืมช่วงเวลาก่อนหน้านี้ไปเลย
ที่เรายังไม่สามารถหน้าบึ้งใส่อุปกรณ์ของเรา
ที่เรายังไม่สามารถหน้าบึ้งใส่อุปกรณ์ของเรา
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
แล้วอุปกรณ์ของเรามันจะพูดว่า
"อืม คุณไม่ชอบใช่ไหมล่ะ"
"อืม คุณไม่ชอบใช่ไหมล่ะ"
09:41
Our biggest challenge is that there are
so many applications of this technology,
so many applications of this technology,
179
569200
3761
ความท้าทายสูงสุดของเราคือ
การใช้งานเทคโนโลยีนี้มีได้หลากหลายมาก
การใช้งานเทคโนโลยีนี้มีได้หลากหลายมาก
09:44
my team and I realize that we can't
build them all ourselves,
build them all ourselves,
180
572961
2903
ฉันกับทีมของฉันรู้ว่า
เราไม่สามารถสร้างทุกอย่างเองได้ทั้งหมด
เราไม่สามารถสร้างทุกอย่างเองได้ทั้งหมด
09:47
so we've made this technology available
so that other developers
so that other developers
181
575864
3496
เราจึงเปิดเผยเทคโนโลยีนี้
เพื่อให้นักพัฒนาคนอื่น
เพื่อให้นักพัฒนาคนอื่น
09:51
can get building and get creative.
182
579360
2114
สามารถเอาไปพัฒนาและสร้างสรรค์ต่อ
09:53
We recognize that
there are potential risks
there are potential risks
183
581474
4086
เราตระหนักว่ามันมีความเสี่ยง
09:57
and potential for abuse,
184
585560
2067
และอาจมีการเอาไปใช้ในทางที่ผิด
09:59
but personally, having spent
many years doing this,
many years doing this,
185
587627
2949
แต่โดยส่วนตัวที่ทำเรื่องนี้มาหลายปี
10:02
I believe that the benefits to humanity
186
590576
2972
ฉันเชื่อว่า ประโยชน์ที่มีต่อมนุษยชาติ
จากการมีเทคโนโลยีที่มีความฉลาดทางอารมณ์
10:05
from having emotionally
intelligent technology
intelligent technology
187
593548
2275
มันมากกว่าโอกาสที่จะมีคนนำไปใช้ในทางไม่ควร
10:07
far outweigh the potential for misuse.
188
595823
3576
และฉันอยากเชื้อเชิญทุกคน
ให้เป็นส่วนหนึ่งในการสนทนานี้
ให้เป็นส่วนหนึ่งในการสนทนานี้
10:11
And I invite you all to be
part of the conversation.
part of the conversation.
189
599399
2531
ยิ่งมีคนรู้เกี่ยวกับเทคโนโลยีนี้มากเท่าใด
10:13
The more people who know
about this technology,
about this technology,
190
601930
2554
เรายิ่งมีเสียงที่หลากหลายมากขึ้น
ว่าเราเอามันไปใช้ทำอะไรได้บ้าง
ว่าเราเอามันไปใช้ทำอะไรได้บ้าง
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
10:21
So as more and more
of our lives become digital,
of our lives become digital,
192
609081
4574
ชีวิตของเรา
กลายเป็นชีวิตดิจิตอลมากขึ้นเรื่อยๆ
กลายเป็นชีวิตดิจิตอลมากขึ้นเรื่อยๆ
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
เราพ่ายแพ้ในการต่อสู้เพื่อพยายาม
ลดการใช้อุปกรณ์อิเล็กทรอนิกส์ต่างๆ
ลดการใช้อุปกรณ์อิเล็กทรอนิกส์ต่างๆ
10:29
in order to reclaim our emotions.
194
617153
2229
เพื่อกู้อารมณ์ของเรากลับคืนมา
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
แทนที่จะทำอย่างนั้น สิ่งที่ฉันพยายามทำคือ
นำอารมณ์มาใส่ในเทคโนโลยี
นำอารมณ์มาใส่ในเทคโนโลยี
10:36
and make our technologies more responsive.
196
624536
2229
และทำให้เทคโนโลยีตอบสนองกับเรามากขึ้น
10:38
So I want those devices
that have separated us
that have separated us
197
626765
2670
ฉันอยากให้อุปกรณ์เหล่านั้น
ที่เคยแยกเราให้ห่างกัน
ที่เคยแยกเราให้ห่างกัน
10:41
to bring us back together.
198
629435
2462
นำเรากลับมาใกล้กันอีกครั้ง
10:43
And by humanizing technology,
we have this golden opportunity
we have this golden opportunity
199
631897
4588
การทำให้เทคโนโลยีมีความเป็นมนุษย์มากขึ้น
ทำให้เรามีโอกาสทอง
ทำให้เรามีโอกาสทอง
10:48
to reimagine how we
connect with machines,
connect with machines,
200
636485
3297
ที่จะสร้างจินตนาการใหม่
ว่าเราจะเชื่อมต่อกับอุปกรณ์ต่างๆ อย่างไร
ว่าเราจะเชื่อมต่อกับอุปกรณ์ต่างๆ อย่างไร
10:51
and therefore, how we, as human beings,
201
639782
4481
และเพื่อให้เรา มนุษยชาติ
10:56
connect with one another.
202
644263
1904
เชื่อมโยงสัมพันธ์กันมากขึ้น
10:58
Thank you.
203
646167
2160
ขอบคุณค่ะ
11:00
(Applause)
204
648327
3313
(เสียงปรบมือ)
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