0:00:00.556,0:00:04.573
Az érzelmeink életünk[br]minden aspektusát befolyásolják,

0:00:04.573,0:00:08.149
az egészségtől kezdve a tanulásig,[br]az üzleteléstől a döntéshozatalig,

0:00:08.149,0:00:09.922
nagyokat és kicsiket egyaránt.

0:00:10.672,0:00:14.162
Az érzelmeink befolyásolják azt is,[br]hogyan kötődünk másokhoz.

0:00:15.132,0:00:19.108
Ilyen világra lettünk teremtve,

0:00:19.108,0:00:23.427
de ehelyett egyre inkább[br]egy másmilyen, --

0:00:23.427,0:00:26.561
ezt az üzenetet a lányomtól[br]kaptam múlt éjszaka -

0:00:26.561,0:00:29.301
érzelemmentes világban kezdünk élni.

0:00:29.301,0:00:31.252
Az a küldetésem, hogy ezen változtassak.

0:00:31.252,0:00:35.343
Vissza akarom hozni az érzelmeket[br]digitális élményeinkbe.

0:00:36.223,0:00:39.300
Tizenöt éve indultam el ezen az úton.

0:00:39.300,0:00:41.366
Számítógép-szakértő voltam Egyiptomban,

0:00:41.366,0:00:45.871
és épp akkor vettek fel a Cambridge[br]Egyetem doktori programjára.

0:00:45.871,0:00:47.984
Tehát valami egészen szokatlant csináltam

0:00:47.984,0:00:52.209
fiatal, frissen házasodott[br]muszlim egyiptomi feleségként:

0:00:53.599,0:00:56.598
Férjem támogatásával, akinek[br]Egyiptomban kellett maradnia,

0:00:56.598,0:00:59.616
összecsomagoltam és Angliába költöztem.

0:00:59.616,0:01:02.844
Cambridge-ben, több ezer mérföldre[br]az otthonomtól,

0:01:02.844,0:01:06.257
rájöttem, hogy több órát töltök[br]a laptopommal,

0:01:06.257,0:01:08.486
mint bármelyik embertársammal.

0:01:08.486,0:01:13.339
De az intimitás ellenére a laptopomnak[br]fogalma sem volt az érzéseimről.

0:01:13.339,0:01:16.550
Nem tudta, ha vidám voltam,

0:01:16.550,0:01:19.538
ha rossz napom volt, ha stresszes[br]vagy zavart voltam,

0:01:19.538,0:01:22.460
és ez frusztrált.

0:01:23.600,0:01:28.831
Még rosszabb: ahogyan online beszélgettem[br]az otthon maradt családommal,

0:01:29.421,0:01:32.703
úgy éreztem, hogy minden érzelmem[br]elvész a kibertérben.

0:01:32.703,0:01:37.858
Honvágyam volt, magányos voltam,[br]és néhanapján igazából is sírtam,

0:01:37.858,0:01:42.786
de ennyi volt mindaz, amivel kifejezhettem[br]ezeket az érzéseket.

0:01:42.786,0:01:44.806
(Nevetés)

0:01:44.806,0:01:49.780
A mai technológiának magas az IQ-ja,[br]viszont az EQ-ja nem;

0:01:49.780,0:01:52.956
rengeteg kognitív intelligencia,[br]de semmi érzelmi intelligencia.

0:01:52.956,0:01:55.153
Ez elgondolkodtatott:

0:01:55.153,0:01:58.777
mi lenne, ha a technológia [br]érzékelné érzelmeinket?

0:01:58.777,0:02:02.853
Mi lenne, ha eszközeink érzékelnék, mit[br]érzünk, és annak megfelelően reagálnának,

0:02:02.853,0:02:05.866
ahogyan azt egy érzelmileg[br]intelligens barátunk tenné?

0:02:06.666,0:02:10.230
Ezek a kérdések vezettek[br]engem és a csapatomat

0:02:10.230,0:02:14.607
olyan technológiák megalkotására, amelyek[br]olvassák az érzéseinket, és válaszolnak.

0:02:14.607,0:02:17.697
Kiindulópontunk az emberi arc volt.

0:02:18.577,0:02:21.750
Emberi arcunk történetesen[br]az egyik legerősebb csatorna,

0:02:21.750,0:02:25.766
amelynek révén közösségi és érzelmi[br]állapotainkat közöljük,

0:02:25.766,0:02:28.776
mindent, beleértve az élvezetet,[br]meglepetést,

0:02:28.776,0:02:32.979
empátiát és kíváncsiságot is.

0:02:32.979,0:02:37.907
Az érzelmek tudományában minden [br]arcizom-mozgást egy egységnek nevezünk.

0:02:37.907,0:02:40.832
A 12-es mozgásegység például

0:02:40.832,0:02:42.870
nem egy hollywoodi kasszasiker,

0:02:42.870,0:02:46.312
ez valójában a száj sarkának felhúzása,[br]ami egy mosoly fő alkotóeleme.

0:02:46.312,0:02:49.300
Mindenki kipróbálhatja.[br]Lássunk néhány mosolyt.

0:02:49.300,0:02:51.954
Egy másik példa a 4-es egység.[br]Ez a szemöldök ráncolása.

0:02:51.954,0:02:54.192
Ilyenkor összevonjuk a szemöldökünket,

0:02:54.192,0:02:56.459
és létrehozzuk ezeket a[br]formákat meg ráncokat.

0:02:56.459,0:03:00.754
Nem szeretjük, de erős [br]negatív érzést jelez.

0:03:00.754,0:03:02.960
Van kb. 45 ilyen mozgásegységünk,

0:03:02.960,0:03:06.350
ezek kombinálva több száz[br]érzelmet fejeznek ki.

0:03:06.350,0:03:10.251
Nehéz megtanítani egy számítógépnek,[br]hogy ezeket az érzelmeket olvassa,

0:03:10.251,0:03:13.223
mert lehetnek ezek gyorsak, rejtettek,

0:03:13.223,0:03:15.777
és különböző módon keverednek.

0:03:15.777,0:03:19.515
Vegyük például a mosolyt és a grimaszt.

0:03:19.515,0:03:23.268
Valamennyire hasonlónak tűnnek,[br]ám nagyon különbözik a jelentésük.

0:03:23.268,0:03:24.986
(Nevetés)

0:03:24.986,0:03:27.990
A mosoly pozitív,

0:03:27.990,0:03:29.260
a grimasz gyakran negatív.

0:03:29.260,0:03:33.136
Néha egy grimasz híressé tehet.

0:03:33.136,0:03:35.960
De komolyan, fontos, hogy egy [br]számítógép képes legyen

0:03:35.960,0:03:38.815
megkülönböztetni egymástól a két érzelmet.

0:03:38.815,0:03:40.627
Mindezt hogyan csináljuk?

0:03:40.627,0:03:42.414
Adunk az algortimusainknak

0:03:42.414,0:03:46.524
több tízezer példát emberekről,[br]akikről tudjuk, hogy mosolyognak,

0:03:46.524,0:03:49.589
ezek különböző etnikumúak, korúak, neműek,

0:03:49.589,0:03:52.400
és ugyanígy teszünk a grimasszal is.

0:03:52.400,0:03:53.954
Aztán deep learninget használva

0:03:53.954,0:03:56.810
az algoritmus megkeresi ezeket a[br]a struktúrákat és ráncokat,

0:03:56.810,0:03:59.390
az arcunk változásait,

0:03:59.390,0:04:02.592
lényegében megtanulja, hogy minden[br]mosolynak van közös jellemzője,

0:04:02.592,0:04:05.773
és minden grimasznak élesen[br]különböző jellemzői vannak.

0:04:05.773,0:04:08.141
A következő alkalommal,[br]mikor meglát egy új arcot,

0:04:08.141,0:04:10.440
lényegében rájön, hogy

0:04:10.440,0:04:13.473
ennek az arcnak ugyanolyan[br]jellemzői vannak, mint a mosolynak,

0:04:13.473,0:04:17.751
és azt mondja: "Jé, felismerem ezt.[br]Ez egy mosoly kifejezése."

0:04:18.381,0:04:21.181
A technológia működésének[br]bizonyítására a legjobb mód

0:04:21.181,0:04:23.317
egy élő demo kipróbálása,

0:04:23.317,0:04:27.230
tehát szükségem van egy önkéntesre,[br]lehetőleg valakire, akinek van arca.

0:04:27.230,0:04:29.564
(Nevetés)

0:04:29.564,0:04:32.335
Cloe lesz a mai önkéntesünk,

0:04:33.325,0:04:37.783
Az elmúlt öt év során egy MIT-s[br]kutatási projektből vállalattá

0:04:37.783,0:04:38.939
nőttük ki magunkat,

0:04:38.939,0:04:42.131
és a csapatom igen sokat dolgozott azon,[br]hogy ez a technológia

0:04:42.131,0:04:44.540
működjön, ahogy mondani szokás,[br]a vadonban is.

0:04:44.540,0:04:47.210
Úgy összezsugorítottuk, hogy[br]a fő érzelem-motor

0:04:47.210,0:04:50.530
bármelyik kamerás mobil eszközön[br]működik, mint ezen az iPad-en is.

0:04:50.530,0:04:53.316
Tehát próbáljuk ki!

0:04:54.756,0:04:58.680
Ahogy láthatják, az algoritmus [br]megtalálta Cloe arcát,

0:04:58.680,0:05:00.372
ez az a fehér határolókeret,

0:05:00.372,0:05:02.943
és követi a fő jellemző pontokat az arcán,

0:05:02.943,0:05:05.799
vagyis a szemöldökét, a szemét,[br]a száját és az orrát.

0:05:05.799,0:05:08.786
Az a kérdés,[br]hogy fel tudja-e ismerni, mit fejez ki?

0:05:08.786,0:05:10.457
Most leteszteljük a gépet.

0:05:10.457,0:05:14.643
Legelőször mutasd a pókerarcod.[br]Igen, nagyszerű. (Nevetés)

0:05:14.643,0:05:17.456
Aztán ahogy mosolyog,[br]ez egy valódi mosoly, nagyszerű.

0:05:17.456,0:05:19.756
A zöld sáv láthatóan növekszik,[br]mikor mosolyog.

0:05:19.756,0:05:20.978
Ez egy nagy mosoly volt.

0:05:20.978,0:05:24.021
Megpróbálsz egy enyhébb mosolyt,[br]hogy lássuk, felismeri-e a gép?

0:05:24.021,0:05:26.352
Felismeri az enyhébb mosolyt is.

0:05:26.352,0:05:28.477
Nagyon sokat dolgoztunk,[br]hogy ez sikerüljön.

0:05:28.477,0:05:31.439
Aztán felemelt szemöldök,[br]a meglepetés jelzője.

0:05:31.439,0:05:35.688
Szemöldökráncolás,[br]a zavartság jelzője.

0:05:35.688,0:05:39.695
Homlokráncolás. Tökéletes.

0:05:39.695,0:05:43.188
Ezek mind különböző mozgásegységek.[br]Sokkal több van belőlük.

0:05:43.188,0:05:45.220
Ez csak egy karcsúsított demo.

0:05:45.220,0:05:48.368
Minden leolvasást[br]érzelmi adatpontnak nevezünk,

0:05:48.368,0:05:51.337
majd ezek ötvözése ábrázolja[br]a különböző érzelmeket.

0:05:51.337,0:05:55.990
A demo jobb oldalán -- tégy úgy, [br]mintha boldog lennél.

0:05:55.990,0:05:57.444
Ez az öröm. Kigyúl az öröm.

0:05:57.444,0:05:59.371
Most vágj utálkozó arcot.

0:05:59.371,0:06:03.643
Gondolj arra, milyen volt, amikor Zayn[br]kilépett a One Direction-ből.

0:06:03.643,0:06:05.153
(Nevetés)

0:06:05.153,0:06:09.495
Úgy, ráncold az orrod. Klassz.

0:06:09.495,0:06:13.226
A kötődés eléggé negatív,[br]biztos nagy rajongója voltál.

0:06:13.226,0:06:15.926
A kötődés a tapasztalat[br]pozitív vagy negatív jellege,

0:06:15.926,0:06:18.712
az elkötelezettség pedig[br]azt jelzi, mennyire kifejező.

0:06:18.712,0:06:22.126
Képzeljék el, ha Cloe hozzáférne[br]egy valós idejű érzelem-csatornához,

0:06:22.126,0:06:24.935
és megoszthatná azt mindenkivel,[br]akivel csak akarná.

0:06:24.935,0:06:27.858
Köszönöm.

0:06:27.858,0:06:32.479
(Taps)

0:06:33.749,0:06:39.019
Az eddigiekben 12 milliárd ilyen[br]érzelmi adatpontot gyűjtöttünk.

0:06:39.019,0:06:41.630
Ez a legnagyobb érzelem-adatbázis[br]a világon.

0:06:41.630,0:06:44.593
2,9 millió arcot ábrázoló[br]videóról gyűjtöttük ezeket,

0:06:44.593,0:06:47.193
olyanoktól, akik beleegyeztek[br]érzelmeik megosztásába,

0:06:47.193,0:06:50.398
világszerte, 75 országban.

0:06:50.398,0:06:52.113
Naponta növekszik.

0:06:52.603,0:06:54.670
Lélegzetelállító, hogy tudunk

0:06:54.670,0:06:57.865
számszerűsíteni egy ennyire[br]személyes dolgot, mint az érzelmeink,

0:06:57.865,0:07:00.100
és ilyen nagyságrendben tudjuk.

0:07:00.100,0:07:02.277
Mit tanultunk tehát eddig?

0:07:03.057,0:07:05.388
A nemek.

0:07:05.388,0:07:09.034
Adataink igazolják,[br]amit valószínűleg sejtenek.

0:07:09.034,0:07:10.891
A nők kifejezőbbek, mint a férfiak.

0:07:10.891,0:07:13.574
Nemcsak többet mosolyognak,[br]de a mosolyuk tovább tart,

0:07:13.574,0:07:16.478
és most tényleg számszerűsíteni tudjuk,[br]mi az, amire

0:07:16.478,0:07:18.614
a nők és a férfiak eltérően válaszolnak.

0:07:18.614,0:07:20.904
Nézzük a kultúrát: az Egyesült Államokban

0:07:20.904,0:07:24.108
a nők 40%-kal kifejezőbbek, [br]mint a férfiak,

0:07:24.108,0:07:27.753
de érdekes módon az Egyesült Királyságban[br]nem látunk közöttük különbséget.

0:07:27.753,0:07:30.259
(Nevetés)

0:07:31.296,0:07:35.323
Életkor: az 50 év felettiek

0:07:35.323,0:07:38.759
25%-kal érzelmesebbek a fiataloknál.

0:07:39.899,0:07:43.751
A huszonéves nők sokkal többet[br]mosolyognak, mint az azonos korú férfiak,

0:07:43.751,0:07:47.590
lehet, hogy ez szükséges a randizáshoz.

0:07:47.590,0:07:50.207
De az adatokban talán az[br]lepett meg a legjobban,

0:07:50.207,0:07:53.410
hogy úgy tűnik, mindig kifejezőek vagyunk,

0:07:53.410,0:07:56.243
még akkor is, amikor egyedül ülünk[br]a készülékeink előtt,

0:07:56.243,0:07:59.517
és nemcsak amikor cicás videókat[br]nézünk a Facebookon.

0:08:00.217,0:08:03.227
Kifejezőek vagyunk e-mail és SMS írásakor,[br]online vásárláskor,

0:08:03.227,0:08:05.527
még az adóbevallás kitöltésekor is.

0:08:05.527,0:08:07.919
Hol használják ma ezeket az adatokat?

0:08:07.919,0:08:10.422
Annak megértésére, [br]mennyire köt le a média,

0:08:10.422,0:08:13.156
hogy mi és miért terjed a neten, [br]hogy hogyan választunk,

0:08:13.156,0:08:16.256
és arra, hogyan építsük be[br]a gesztus értelmezését a technológiába.

0:08:16.256,0:08:20.527
Bemutatok néhány, a szívemhez [br]különösen közel álló példát.

0:08:21.197,0:08:24.265
A gesztus-értelmező szemüvegek segítenek

0:08:24.265,0:08:27.493
a gyengénlátó embereknek[br]leolvasni mások arcát,

0:08:27.493,0:08:31.680
és segítenek az autista embereknek[br]az érzelmek értelmezésében,

0:08:31.680,0:08:34.458
ők ezzel nagyon küszködnek.

0:08:35.918,0:08:38.777
Oktatás: képzeljék el,[br]hogy az online tanulásban az app

0:08:38.777,0:08:41.587
érzékeli, ha összezavarodtunk, [br]és lelassít;

0:08:41.587,0:08:43.444
ha unatkozunk, akkor felgyorsít,

0:08:43.444,0:08:46.413
ahogyan egy jó tanár tenné[br]az osztályteremben.

0:08:47.043,0:08:49.644
Mi lenne, ha a karóránk figyelné[br]kedélyünket,

0:08:49.644,0:08:52.337
az autónk észlelné, ha fáradtak vagyunk,

0:08:52.337,0:08:54.885
vagy akár: a hűtőnk tudná,[br]hogy feszültek vagyunk,

0:08:54.885,0:09:00.951
és lezárná magát, hogy megakadályozza,[br]hogy túlzabáljuk magunkat. (Nevetés)

0:09:00.951,0:09:03.668
Igen, ezt szeretném.

0:09:03.668,0:09:05.595
Mi lett volna, ha a cambridge-i időkben

0:09:05.595,0:09:07.908
hozzáfértem volna az érzelem-csatornámhoz,

0:09:07.908,0:09:11.437
és természetes módon meg tudtam volna[br]azt osztani otthonmaradt családommal,

0:09:11.437,0:09:15.408
mintha mindannyian együtt [br]lennénk, ugyanabban a szobában?

0:09:15.408,0:09:18.550
Azt gondolom, öt év múlva

0:09:18.550,0:09:20.887
minden eszközünkben lesz érzelem-csip,

0:09:20.887,0:09:24.951
és már nem fogunk emlékezni arra, [br]amikor hiába néztünk homlokráncolva,

0:09:24.951,0:09:29.200
készülékünk nem mondta: [br]"Ez ugye nem tetszett?"

0:09:29.200,0:09:32.961
A nagy kihívás az, hogy a technológiának[br]olyan sok alkalmazási területe van,

0:09:32.961,0:09:35.864
hogy a csapatommal rájöttünk:[br]nem tudjuk mindet mi megépíteni,

0:09:35.864,0:09:39.360
ezért közzétettük a technológiát,[br]hogy más fejlesztők is

0:09:39.360,0:09:41.474
tudjanak építeni rá és alkotni.

0:09:41.474,0:09:45.560
Elismerjük, hogy vannak[br]potenciális kockázatok,

0:09:45.560,0:09:47.627
és vissza lehet élni ezzel,

0:09:47.627,0:09:50.576
de személy szerint, miután[br]oly sok éve dolgozom rajta,

0:09:50.576,0:09:53.548
hiszem, hogy az érzelmileg[br]intelligens technológia léte

0:09:53.548,0:09:55.823
olyan nagy haszon az emberiségnek,

0:09:55.823,0:09:59.399
hogy az jócskán ellensúlyozza[br]a visszaélés lehetőségét.

0:09:59.399,0:10:01.930
Meghívom Önöket is,[br]vegyenek részt a beszélgetésben.

0:10:01.930,0:10:04.484
Minél többen tudnak a technológiáról,

0:10:04.484,0:10:07.661
annál többen mondhatnak [br]véleményt használatáról.

0:10:09.081,0:10:13.655
Ahogy tehát egyre inkább digitálissá[br]válik életünk,

0:10:13.655,0:10:17.153
vesztésre állunk a csatában,[br]amelyben korlátozni próbáljuk eszközeink

0:10:17.153,0:10:19.382
használatát, hogy [br]visszakérjük érzelmeinket.

0:10:20.622,0:10:24.536
Ehelyett próbálok érzelmeket[br]vinni technológiánkba,

0:10:24.536,0:10:26.765
és fogékonyabbá tenni azt.

0:10:26.765,0:10:29.435
Azt akarom, hogy az eszközök,[br]amelyek elválasztottak,

0:10:29.435,0:10:31.897
újra összekössenek minket.

0:10:31.897,0:10:36.485
A technológia emberiessé tételével[br]kitűnő lehetőségünk nyílik arra,

0:10:36.485,0:10:39.782
hogy újragondoljuk,[br]hogyan viszonyulunk a gépekhez,

0:10:39.782,0:10:44.263
és ennek folytán mi, emberi lények,

0:10:44.263,0:10:46.167
hogyan viszonyulunk egymáshoz.

0:10:46.167,0:10:48.327
Köszönöm.

0:10:48.327,0:10:51.640
(Taps)