1
00:00:00,542 --> 00:00:04,542
Las emociones influyen en
cada aspecto de nuestras vidas,

2
00:00:04,573 --> 00:00:08,407
de la salud y el aprendizaje, a la forma
de hacer negocios y tomar decisiones,

3
00:00:08,408 --> 00:00:09,922
grandes y pequeñas.

4
00:00:10,667 --> 00:00:14,334
Las emociones influyen en la forma
en la cual interaccionamos entre nosotros.

5
00:00:15,132 --> 00:00:19,107
Hemos evolucionado para vivir
en un mundo como este,

6
00:00:19,108 --> 00:00:23,426
pero en cambio, vivimos la vida
cada vez más de esta manera

7
00:00:23,427 --> 00:00:26,560
--este es el mensaje de texto
que recibí de mi hija anoche--

8
00:00:26,561 --> 00:00:29,300
en un mundo desprovisto de emoción.

9
00:00:29,301 --> 00:00:31,251
Mi misión es cambiar esto.

10
00:00:31,252 --> 00:00:35,343
Quiero devolver las emociones
a nuestra experiencia digital.

11
00:00:36,223 --> 00:00:39,299
Empecé con esto hace 15 años.

12
00:00:39,300 --> 00:00:41,365
Era ingeniera informática en Egipto

13
00:00:41,366 --> 00:00:45,870
y fui aceptada en un programa de doctorado
en la Universidad de Cambridge.

14
00:00:45,871 --> 00:00:47,983
E hice algo bastante inusual

15
00:00:47,984 --> 00:00:52,209
para una joven recién casada,
egipcia y musulmana:

16
00:00:53,599 --> 00:00:56,597
con el apoyo de mi marido,
que debía quedarse en Egipto,

17
00:00:56,598 --> 00:00:59,615
hice las maletas y me mudé a Inglaterra.

18
00:00:59,616 --> 00:01:02,833
En Cambridge, a miles
de kilómetros de casa,

19
00:01:02,834 --> 00:01:06,251
me di cuenta de que estaba
pasando más horas con mi laptop

20
00:01:06,257 --> 00:01:08,485
que con otros seres humanos.

21
00:01:08,486 --> 00:01:13,338
Pero a pesar de esta intimidad, mi laptop
no tenía ni idea de mi estado de ánimo.

22
00:01:13,339 --> 00:01:16,541
No tenía idea de si yo era feliz,

23
00:01:16,542 --> 00:01:19,541
si tenía un mal día, o estaba
estresada o confundida,

24
00:01:19,542 --> 00:01:22,460
y eso era frustrante.

25
00:01:23,600 --> 00:01:28,831
Aun peor, cuando me comunicaba
en línea con mi familia en casa,

26
00:01:29,421 --> 00:01:32,702
sentía que todas mis emociones
desaparecían en el ciberespacio.

27
00:01:32,703 --> 00:01:37,857
Sentía nostalgia, estaba sola,
y algunos días lloraba,

28
00:01:37,858 --> 00:01:42,785
pero todo lo que tenía para
comunicar mis emociones era esto.

29
00:01:42,786 --> 00:01:44,805
(Risas)

30
00:01:44,806 --> 00:01:49,779
Hoy la tecnología es
inteligente pero no emocional

31
00:01:49,780 --> 00:01:52,955
mucha inteligencia cognitiva,
pero nada de inteligencia emocional.

32
00:01:52,956 --> 00:01:55,152
Eso me hizo pensar,

33
00:01:55,153 --> 00:01:58,776
¿y si la tecnología pudiera
interpretar nuestras emociones?

34
00:01:58,777 --> 00:02:02,852
¿Y si nuestros dispositivos pudieran
detectar y reaccionar en consecuencia,

35
00:02:02,853 --> 00:02:05,866
como lo harían los amigos
con inteligencia emocional?

36
00:02:06,666 --> 00:02:10,228
Esas preguntas me guiaron
a mí y a mi equipo

37
00:02:10,229 --> 00:02:14,606
a crear tecnologías capaces
de leer emociones y responder,

38
00:02:14,607 --> 00:02:17,697
y nuestro punto de partida
fue el rostro humano.

39
00:02:18,577 --> 00:02:21,749
Nuestro rostro es uno de
los canales más poderosos

40
00:02:21,750 --> 00:02:25,765
que usamos para comunicar
estados sociales y emocionales,

41
00:02:25,766 --> 00:02:28,776
todo, del disfrute y la sorpresa,

42
00:02:28,792 --> 00:02:32,978
a la empatía y la curiosidad.

43
00:02:32,979 --> 00:02:36,526
En la ciencia de las emociones, cada
movimiento de cada músculo facial,

44
00:02:36,527 --> 00:02:37,906
es una unidad de acción.

45
00:02:37,907 --> 00:02:40,831
Por ejemplo, la unidad de acción 12,

46
00:02:40,832 --> 00:02:42,869
no es una superproducción de Hollywood,

47
00:02:42,870 --> 00:02:46,311
es el tirón de la comisura labial,
componente principal de una sonrisa.

48
00:02:46,312 --> 00:02:49,299
Intenten todos. Sonriamos.

49
00:02:49,300 --> 00:02:51,153
Otro ejemplo es la unidad de acción 4,

50
00:02:51,154 --> 00:02:54,321
las líneas de expresión en el entrecejo
cuando juntamos las cejas

51
00:02:54,322 --> 00:02:56,458
y se forman estos pliegues y arrugas.

52
00:02:56,459 --> 00:03:00,753
No nos gustan, pero es una
fuerte señal de una emoción negativa.

53
00:03:00,754 --> 00:03:02,959
Hay unas 45 unidades de acción,

54
00:03:02,960 --> 00:03:06,349
y combinadas expresan
cientos de emociones,

55
00:03:06,350 --> 00:03:10,250
Enseñarle a una computadora a leer
estas emociones faciales es difícil,

56
00:03:10,251 --> 00:03:13,222
porque estas unidades de acción
pueden ser rápidas y sutiles,

57
00:03:13,223 --> 00:03:15,776
y se combinan de muchas formas.

58
00:03:15,777 --> 00:03:19,514
Tomemos por ejemplo
la sonrisa genuina y la socarrona.

59
00:03:19,515 --> 00:03:23,267
Se parecen pero expresan cosas diferentes.

60
00:03:23,268 --> 00:03:24,985
(Risas)

61
00:03:24,986 --> 00:03:27,529
La sonrisa genuina es positiva,

62
00:03:27,530 --> 00:03:29,519
la sonrisa socarrona a veces es negativa.

63
00:03:29,520 --> 00:03:33,135
A veces una mueca puede hacerte célebre.

64
00:03:33,136 --> 00:03:35,959
Pero en serio, es importante
para una computadora poder

65
00:03:35,960 --> 00:03:38,814
notar la diferencia entre
las dos expresiones.

66
00:03:38,815 --> 00:03:40,626
¿Cómo hacemos esto?

67
00:03:40,627 --> 00:03:42,723
Introducimos en el programa de computación

68
00:03:42,724 --> 00:03:46,523
decenas de miles de ejemplos
de personas que sonríen

69
00:03:46,524 --> 00:03:49,588
de distintas etnias, edades, géneros,

70
00:03:49,589 --> 00:03:52,399
y hacemos lo mismo con
las sonrisas socarronas.

71
00:03:52,400 --> 00:03:54,783
Luego, los algoritmos
en aprendizaje automático

72
00:03:54,784 --> 00:03:59,291
buscan estas lineas, pliegues
y cambios musculares faciales

73
00:03:59,292 --> 00:04:00,426
y básicamente aprenden

74
00:04:00,426 --> 00:04:03,366
que todas las sonrisas genuinas
tienen características comunes

75
00:04:03,366 --> 00:04:06,907
mientras que las sonrisas socarronas
tienen otras sensiblemente diferentes.

76
00:04:06,908 --> 00:04:10,160
Y la próxima vez que vean
un nuevo rostro, sabrán

77
00:04:10,161 --> 00:04:13,603
que este rostro tiene las mismas
características de una sonrisa genuina,

78
00:04:13,604 --> 00:04:16,980
y dirán: "Ajá, la reconozco.
Esta es la expresión de una sonrisa".

79
00:04:18,380 --> 00:04:21,459
Y la mejor manera de demostrar
cómo funciona esta tecnología

80
00:04:21,459 --> 00:04:23,316
es con una demo en vivo,

81
00:04:23,317 --> 00:04:27,229
para esto necesito un voluntario,
preferentemente alguien con un rostro.

82
00:04:27,230 --> 00:04:29,563
(Risas)

83
00:04:29,564 --> 00:04:32,335
Chloe será nuestra voluntaria de hoy.

84
00:04:33,334 --> 00:04:37,789
En los últimos 5 años, pasamos de ser
un proyecto de investigación en el MIT

85
00:04:37,790 --> 00:04:38,938
a ser una empresa,

86
00:04:38,939 --> 00:04:42,130
donde mi equipo ha trabajado
arduamente en esta tecnología,

87
00:04:42,131 --> 00:04:44,539
para que funcione fuera del laboratorio.

88
00:04:44,540 --> 00:04:47,919
Y la hemos compactado tanto como
para que el lector de las emociones

89
00:04:47,920 --> 00:04:50,980
funcione en un dispositivo móvil
con una cámara, como este iPad.

90
00:04:50,981 --> 00:04:52,918
Así que probémosla.

91
00:04:54,756 --> 00:04:58,679
Como pueden ver, el algoritmo
detectó el rostro de Chloe,

92
00:04:58,680 --> 00:05:00,371
es este cuadro delimitador blanco,

93
00:05:00,372 --> 00:05:03,282
que detecta los contornos principales
de sus rasgos faciales,

94
00:05:03,283 --> 00:05:05,798
sus cejas, sus ojos, su boca y nariz.

95
00:05:05,799 --> 00:05:08,785
La pregunta es:
¿puede reconocer su expresión?

96
00:05:08,786 --> 00:05:10,457
Vamos a probar la máquina.

97
00:05:10,459 --> 00:05:14,626
Ante todo, pon cara 
de póquer. Sí, genial. (Risas)

98
00:05:14,643 --> 00:05:17,885
Y a medida que sonríe --esta es
una sonrisa genuina, es genial--

99
00:05:17,886 --> 00:05:19,755
pueden ver como aumenta la barra verde.

100
00:05:19,756 --> 00:05:20,977
Esa fue una gran sonrisa.

101
00:05:20,978 --> 00:05:24,510
¿Puedes intentar una sonrisa sutil
para ver si la computadora la reconoce?

102
00:05:24,511 --> 00:05:26,351
También reconoce sonrisas sutiles.

103
00:05:26,352 --> 00:05:28,646
Hemos trabajado arduamente
para que esto suceda.

104
00:05:28,647 --> 00:05:31,438
Luego levanta una ceja,
que indica sorpresa.

105
00:05:31,439 --> 00:05:35,666
Frunce el ceño,
que indica la confusión.

106
00:05:35,667 --> 00:05:39,667
Enfurruñate. Sí, perfecto.

107
00:05:39,695 --> 00:05:43,187
Estas son diferentes unidades
de acción. Hay muchas más.

108
00:05:43,188 --> 00:05:45,219
Esta es solo una demo superficial.

109
00:05:45,220 --> 00:05:48,367
Llamamos a cada lectura
un dato emocional,

110
00:05:48,368 --> 00:05:51,646
que luego pueden actuar juntos
para crear distintas emociones.

111
00:05:51,647 --> 00:05:55,399
A la derecha de la demo,
parece que estás feliz.

112
00:05:55,400 --> 00:05:57,443
Eso es alegría. Se desata la alegría.

113
00:05:57,444 --> 00:05:59,371
Ahora pon cara de disgusto.

114
00:05:59,375 --> 00:06:03,642
Trata de recordar qué sentiste
cuando Zayn dejó One Direction.

115
00:06:03,643 --> 00:06:05,152
(Risas)

116
00:06:05,153 --> 00:06:09,495
Sí, arruga la nariz. Genial.

117
00:06:09,501 --> 00:06:13,225
La valencia es bastante negativa,
por lo que debe haber sido una gran fan.

118
00:06:13,226 --> 00:06:16,193
La valencia indica cuán positiva
o negativa es una experiencia,

119
00:06:16,193 --> 00:06:18,711
y la vinculación indica lo
expresiva que es también.

120
00:06:18,712 --> 00:06:22,335
Imaginen que Chloe tiene acceso a este
contenido emocional en tiempo real,

121
00:06:22,336 --> 00:06:24,934
y que puede compartir sus
emociones con quien quiere.

122
00:06:24,935 --> 00:06:26,497
Gracias.

123
00:06:26,498 --> 00:06:28,169
(Aplausos)

124
00:06:33,749 --> 00:06:39,018
Hasta ahora contamos con 12 000
millones de estos indicadores emocionales.

125
00:06:39,019 --> 00:06:41,628
Es la base de datos de emociones
más grande del mundo.

126
00:06:41,629 --> 00:06:44,835
La hemos recopilado a partir de
2,9 millones de rostros en videos,

127
00:06:44,842 --> 00:06:47,953
de personas que accedieron a compartir
sus emociones con nosotros,

128
00:06:47,953 --> 00:06:50,397
de 75 países del mundo.

129
00:06:50,398 --> 00:06:52,113
Crece cada día.

130
00:06:52,603 --> 00:06:54,669
Me resulta impactante

131
00:06:54,670 --> 00:06:57,864
que ahora podamos cuantificar algo
tan personal como las emociones,

132
00:06:57,865 --> 00:07:00,099
y poder hacerlo a esta escala.

133
00:07:00,100 --> 00:07:02,277
¿Qué hemos aprendido hasta la fecha?

134
00:07:03,057 --> 00:07:05,387
Hay diferencias por género.

135
00:07:05,388 --> 00:07:08,543
Nuestros datos confirman algo
que Uds. ya sospechaban.

136
00:07:08,544 --> 00:07:10,890
Las mujeres son más
expresivas que los hombres.

137
00:07:10,891 --> 00:07:13,573
No solo sonríen más,
sus sonrisas duran más,

138
00:07:13,574 --> 00:07:16,477
y ahora podemos cuantificar
cómo es que hombres y mujeres

139
00:07:16,478 --> 00:07:18,614
responden de maneras tan diferentes.

140
00:07:18,626 --> 00:07:20,903
Veamos culturalmente: en EE.UU.,

141
00:07:20,904 --> 00:07:24,108
las mujeres son un 40 %
más expresivas que los hombres,

142
00:07:24,125 --> 00:07:27,959
pero curiosamente, no vemos diferencia
entre hombres y mujeres en el R.U.

143
00:07:27,960 --> 00:07:30,259
(Risas)

144
00:07:31,296 --> 00:07:35,322
Por edad: las personas de 50 años o más

145
00:07:35,323 --> 00:07:38,759
son un 25 % más emotivos
que los más jóvenes.

146
00:07:39,918 --> 00:07:43,752
Las mujeres de veintipico sonríen mucho
más que los hombres de la misma edad,

147
00:07:43,753 --> 00:07:47,589
quizá es una necesidad para las citas.

148
00:07:47,590 --> 00:07:50,206
Pero quizá lo que más
nos sorprende de estos datos

149
00:07:50,207 --> 00:07:53,409
es que solemos ser
expresivos todo el tiempo,

150
00:07:53,410 --> 00:07:56,752
incluso cuando estamos sentados
solos frente a nuestros dispositivos

151
00:07:56,753 --> 00:07:59,487
y no solo cuando miramos
videos de gatos en Facebook.

152
00:08:00,209 --> 00:08:03,918
Somos expresivos cuando mandamos emails,
mensajes, cuando compramos en línea,

153
00:08:03,919 --> 00:08:05,526
o incluso pagando impuestos.

154
00:08:05,527 --> 00:08:07,918
¿Para qué se usan estos datos hoy?

155
00:08:07,919 --> 00:08:10,666
Para entender cómo nos
relacionamos con los medios,

156
00:08:10,667 --> 00:08:13,376
para entender la viralidad
y el comportamiento del voto;

157
00:08:13,396 --> 00:08:16,785
y también para dar poder
dotar de emoción a la tecnología,

158
00:08:16,786 --> 00:08:20,527
y quiero compartir algunos ejemplos
particularmente especiales para mi.

159
00:08:21,197 --> 00:08:23,904
Las gafas portátiles con lector
emotivo pueden ayudar

160
00:08:23,905 --> 00:08:27,492
a las personas con discapacidad visual
a leer los rostros de los demás,

161
00:08:27,493 --> 00:08:31,679
y a las personas del espectro autista
a interpretar pistas emocionales

162
00:08:31,680 --> 00:08:34,037
algo que les cuesta mucho.

163
00:08:35,918 --> 00:08:38,785
En educación, imaginen
si sus apps educativas

164
00:08:38,787 --> 00:08:41,586
detectaran que están confundidos
y bajaran la velocidad,

165
00:08:41,587 --> 00:08:43,442
o que están aburridos, y aceleraran,

166
00:08:43,443 --> 00:08:46,413
como haría un buen profesor en el aula.

167
00:08:47,043 --> 00:08:49,643
Y si una pulsera leyera su estado anímico,

168
00:08:49,644 --> 00:08:52,333
o el auto detectara que están cansados,

169
00:08:52,334 --> 00:08:55,252
o quizá si el frigorífico
supiera que están estresados,

170
00:08:55,292 --> 00:09:00,950
y se autobloqueara para
evitar atracones. (Risas)

171
00:09:00,951 --> 00:09:03,667
Me gustaría eso, sí.

172
00:09:03,668 --> 00:09:05,594
¿Y si, cuando estuve en Cambridge,

173
00:09:05,595 --> 00:09:08,627
hubiera tenido acceso en tiempo
real a mi contenido emocional

174
00:09:08,628 --> 00:09:12,216
y hubiera podido compartirlo con mi
familia en casa de manera muy natural,

175
00:09:12,217 --> 00:09:15,407
como si estuviéramos en
la misma habitación juntos?

176
00:09:15,408 --> 00:09:18,259
Creo que dentro de 5 años,

177
00:09:18,260 --> 00:09:21,076
todos los dispositivos tendrán
un chip lector de emociones

178
00:09:21,077 --> 00:09:24,950
y no recordaremos cómo era no poder
fruncir el ceño a nuestro dispositivo

179
00:09:24,951 --> 00:09:29,079
y que nuestro dispositivo dijera:
"Mmm, no te gusta, ¿no?"

180
00:09:29,080 --> 00:09:32,960
Nuestro desafío más grande es que hay
tantas aplicaciones para esta tecnología,

181
00:09:32,961 --> 00:09:36,323
que mi equipo y yo nos dimos cuenta
de que no podemos con todo solos,

182
00:09:36,324 --> 00:09:38,249
por eso liberamos esta tecnología

183
00:09:38,250 --> 00:09:41,473
para que otros desarrolladores
puedan desarrollarla y ser creativos.

184
00:09:41,474 --> 00:09:45,559
Reconocemos que hay riesgos potenciales

185
00:09:45,560 --> 00:09:47,626
y potencial para el abuso,

186
00:09:47,627 --> 00:09:50,575
pero en mi opinión, habiendo pasado
muchos años haciendo esto,

187
00:09:50,576 --> 00:09:53,377
creo que los beneficios para la humanidad

188
00:09:53,378 --> 00:09:55,892
de contar con tecnología
emocionalmente inteligente

189
00:09:55,893 --> 00:09:59,398
superan con creces las
desventajas por uso indebido.

190
00:09:59,399 --> 00:10:01,929
Y los invito a todos
a tomar parte en el debate.

191
00:10:01,930 --> 00:10:04,483
Cuantas más personas
conozcan esta tecnología,

192
00:10:04,484 --> 00:10:07,661
más podemos decir
sobre cómo se usa.

193
00:10:09,081 --> 00:10:13,654
Conforme nuestras vidas
se vuelven cada vez más digitales,

194
00:10:13,655 --> 00:10:17,152
estamos librando una batalla perdida
tratando de evitar los dispositivos

195
00:10:17,153 --> 00:10:19,382
para recuperar nuestras emociones.

196
00:10:20,622 --> 00:10:24,535
Por eso yo propongo, en cambio,
incorporar las emociones a la tecnología

197
00:10:24,536 --> 00:10:27,034
y hacer que nuestras tecnologías
sean más receptivas.

198
00:10:27,035 --> 00:10:29,434
Quiero que esos dispositivos
que nos han separado

199
00:10:29,435 --> 00:10:31,896
nos vuelvan a unir.

200
00:10:31,897 --> 00:10:36,484
Y humanizando la tecnología,
tenemos esta oportunidad excelente

201
00:10:36,485 --> 00:10:39,781
de reinventar la manera de
conectarnos con las máquinas,

202
00:10:39,782 --> 00:10:44,262
y por lo tanto, la manera de como
nosotros, los seres humanos,

203
00:10:44,263 --> 00:10:46,166
conectamos unos con otros.

204
00:10:46,167 --> 00:10:47,506
Gracias.

205
00:10:47,507 --> 00:10:49,190
(Aplausos)