1
00:00:00,556 --> 00:00:04,573
Az érzelmeink életünk
minden aspektusát befolyásolják,

2
00:00:04,573 --> 00:00:08,149
az egészségtől kezdve a tanulásig,
az üzleteléstől a döntéshozatalig,

3
00:00:08,149 --> 00:00:09,922
nagyokat és kicsiket egyaránt.

4
00:00:10,672 --> 00:00:14,162
Az érzelmeink befolyásolják azt is,
hogyan kötődünk másokhoz.

5
00:00:15,132 --> 00:00:19,108
Ilyen világra lettünk teremtve,

6
00:00:19,108 --> 00:00:23,427
de ehelyett egyre inkább
egy másmilyen, --

7
00:00:23,427 --> 00:00:26,561
ezt az üzenetet a lányomtól
kaptam múlt éjszaka -

8
00:00:26,561 --> 00:00:29,301
érzelemmentes világban kezdünk élni.

9
00:00:29,301 --> 00:00:31,252
Az a küldetésem, hogy ezen változtassak.

10
00:00:31,252 --> 00:00:35,343
Vissza akarom hozni az érzelmeket
digitális élményeinkbe.

11
00:00:36,223 --> 00:00:39,300
Tizenöt éve indultam el ezen az úton.

12
00:00:39,300 --> 00:00:41,366
Számítógép-szakértő voltam Egyiptomban,

13
00:00:41,366 --> 00:00:45,871
és épp akkor vettek fel a Cambridge
Egyetem doktori programjára.

14
00:00:45,871 --> 00:00:47,984
Tehát valami egészen szokatlant csináltam

15
00:00:47,984 --> 00:00:52,209
fiatal, frissen házasodott
muszlim egyiptomi feleségként:

16
00:00:53,599 --> 00:00:56,598
Férjem támogatásával, akinek
Egyiptomban kellett maradnia,

17
00:00:56,598 --> 00:00:59,616
összecsomagoltam és Angliába költöztem.

18
00:00:59,616 --> 00:01:02,844
Cambridge-ben, több ezer mérföldre
az otthonomtól,

19
00:01:02,844 --> 00:01:06,257
rájöttem, hogy több órát töltök
a laptopommal,

20
00:01:06,257 --> 00:01:08,486
mint bármelyik embertársammal.

21
00:01:08,486 --> 00:01:13,339
De az intimitás ellenére a laptopomnak
fogalma sem volt az érzéseimről.

22
00:01:13,339 --> 00:01:16,550
Nem tudta, ha vidám voltam,

23
00:01:16,550 --> 00:01:19,538
ha rossz napom volt, ha stresszes
vagy zavart voltam,

24
00:01:19,538 --> 00:01:22,460
és ez frusztrált.

25
00:01:23,600 --> 00:01:28,831
Még rosszabb: ahogyan online beszélgettem
az otthon maradt családommal,

26
00:01:29,421 --> 00:01:32,703
úgy éreztem, hogy minden érzelmem
elvész a kibertérben.

27
00:01:32,703 --> 00:01:37,858
Honvágyam volt, magányos voltam,
és néhanapján igazából is sírtam,

28
00:01:37,858 --> 00:01:42,786
de ennyi volt mindaz, amivel kifejezhettem
ezeket az érzéseket.

29
00:01:42,786 --> 00:01:44,806
(Nevetés)

30
00:01:44,806 --> 00:01:49,780
A mai technológiának magas az IQ-ja,
viszont az EQ-ja nem;

31
00:01:49,780 --> 00:01:52,956
rengeteg kognitív intelligencia,
de semmi érzelmi intelligencia.

32
00:01:52,956 --> 00:01:55,153
Ez elgondolkodtatott:

33
00:01:55,153 --> 00:01:58,777
mi lenne, ha a technológia 
érzékelné érzelmeinket?

34
00:01:58,777 --> 00:02:02,853
Mi lenne, ha eszközeink érzékelnék, mit
érzünk, és annak megfelelően reagálnának,

35
00:02:02,853 --> 00:02:05,866
ahogyan azt egy érzelmileg
intelligens barátunk tenné?

36
00:02:06,666 --> 00:02:10,230
Ezek a kérdések vezettek
engem és a csapatomat

37
00:02:10,230 --> 00:02:14,607
olyan technológiák megalkotására, amelyek
olvassák az érzéseinket, és válaszolnak.

38
00:02:14,607 --> 00:02:17,697
Kiindulópontunk az emberi arc volt.

39
00:02:18,577 --> 00:02:21,750
Emberi arcunk történetesen
az egyik legerősebb csatorna,

40
00:02:21,750 --> 00:02:25,766
amelynek révén közösségi és érzelmi
állapotainkat közöljük,

41
00:02:25,766 --> 00:02:28,776
mindent, beleértve az élvezetet,
meglepetést,

42
00:02:28,776 --> 00:02:32,979
empátiát és kíváncsiságot is.

43
00:02:32,979 --> 00:02:37,907
Az érzelmek tudományában minden 
arcizom-mozgást egy egységnek nevezünk.

44
00:02:37,907 --> 00:02:40,832
A 12-es mozgásegység például

45
00:02:40,832 --> 00:02:42,870
nem egy hollywoodi kasszasiker,

46
00:02:42,870 --> 00:02:46,312
ez valójában a száj sarkának felhúzása,
ami egy mosoly fő alkotóeleme.

47
00:02:46,312 --> 00:02:49,300
Mindenki kipróbálhatja.
Lássunk néhány mosolyt.

48
00:02:49,300 --> 00:02:51,954
Egy másik példa a 4-es egység.
Ez a szemöldök ráncolása.

49
00:02:51,954 --> 00:02:54,192
Ilyenkor összevonjuk a szemöldökünket,

50
00:02:54,192 --> 00:02:56,459
és létrehozzuk ezeket a
formákat meg ráncokat.

51
00:02:56,459 --> 00:03:00,754
Nem szeretjük, de erős 
negatív érzést jelez.

52
00:03:00,754 --> 00:03:02,960
Van kb. 45 ilyen mozgásegységünk,

53
00:03:02,960 --> 00:03:06,350
ezek kombinálva több száz
érzelmet fejeznek ki.

54
00:03:06,350 --> 00:03:10,251
Nehéz megtanítani egy számítógépnek,
hogy ezeket az érzelmeket olvassa,

55
00:03:10,251 --> 00:03:13,223
mert lehetnek ezek gyorsak, rejtettek,

56
00:03:13,223 --> 00:03:15,777
és különböző módon keverednek.

57
00:03:15,777 --> 00:03:19,515
Vegyük például a mosolyt és a grimaszt.

58
00:03:19,515 --> 00:03:23,268
Valamennyire hasonlónak tűnnek,
ám nagyon különbözik a jelentésük.

59
00:03:23,268 --> 00:03:24,986
(Nevetés)

60
00:03:24,986 --> 00:03:27,990
A mosoly pozitív,

61
00:03:27,990 --> 00:03:29,260
a grimasz gyakran negatív.

62
00:03:29,260 --> 00:03:33,136
Néha egy grimasz híressé tehet.

63
00:03:33,136 --> 00:03:35,960
De komolyan, fontos, hogy egy 
számítógép képes legyen

64
00:03:35,960 --> 00:03:38,815
megkülönböztetni egymástól a két érzelmet.

65
00:03:38,815 --> 00:03:40,627
Mindezt hogyan csináljuk?

66
00:03:40,627 --> 00:03:42,414
Adunk az algortimusainknak

67
00:03:42,414 --> 00:03:46,524
több tízezer példát emberekről,
akikről tudjuk, hogy mosolyognak,

68
00:03:46,524 --> 00:03:49,589
ezek különböző etnikumúak, korúak, neműek,

69
00:03:49,589 --> 00:03:52,400
és ugyanígy teszünk a grimasszal is.

70
00:03:52,400 --> 00:03:53,954
Aztán deep learninget használva

71
00:03:53,954 --> 00:03:56,810
az algoritmus megkeresi ezeket a
a struktúrákat és ráncokat,

72
00:03:56,810 --> 00:03:59,390
az arcunk változásait,

73
00:03:59,390 --> 00:04:02,592
lényegében megtanulja, hogy minden
mosolynak van közös jellemzője,

74
00:04:02,592 --> 00:04:05,773
és minden grimasznak élesen
különböző jellemzői vannak.

75
00:04:05,773 --> 00:04:08,141
A következő alkalommal,
mikor meglát egy új arcot,

76
00:04:08,141 --> 00:04:10,440
lényegében rájön, hogy

77
00:04:10,440 --> 00:04:13,473
ennek az arcnak ugyanolyan
jellemzői vannak, mint a mosolynak,

78
00:04:13,473 --> 00:04:17,751
és azt mondja: "Jé, felismerem ezt.
Ez egy mosoly kifejezése."

79
00:04:18,381 --> 00:04:21,181
A technológia működésének
bizonyítására a legjobb mód

80
00:04:21,181 --> 00:04:23,317
egy élő demo kipróbálása,

81
00:04:23,317 --> 00:04:27,230
tehát szükségem van egy önkéntesre,
lehetőleg valakire, akinek van arca.

82
00:04:27,230 --> 00:04:29,564
(Nevetés)

83
00:04:29,564 --> 00:04:32,335
Cloe lesz a mai önkéntesünk,

84
00:04:33,325 --> 00:04:37,783
Az elmúlt öt év során egy MIT-s
kutatási projektből vállalattá

85
00:04:37,783 --> 00:04:38,939
nőttük ki magunkat,

86
00:04:38,939 --> 00:04:42,131
és a csapatom igen sokat dolgozott azon,
hogy ez a technológia

87
00:04:42,131 --> 00:04:44,540
működjön, ahogy mondani szokás,
a vadonban is.

88
00:04:44,540 --> 00:04:47,210
Úgy összezsugorítottuk, hogy
a fő érzelem-motor

89
00:04:47,210 --> 00:04:50,530
bármelyik kamerás mobil eszközön
működik, mint ezen az iPad-en is.

90
00:04:50,530 --> 00:04:53,316
Tehát próbáljuk ki!

91
00:04:54,756 --> 00:04:58,680
Ahogy láthatják, az algoritmus 
megtalálta Cloe arcát,

92
00:04:58,680 --> 00:05:00,372
ez az a fehér határolókeret,

93
00:05:00,372 --> 00:05:02,943
és követi a fő jellemző pontokat az arcán,

94
00:05:02,943 --> 00:05:05,799
vagyis a szemöldökét, a szemét,
a száját és az orrát.

95
00:05:05,799 --> 00:05:08,786
Az a kérdés,
hogy fel tudja-e ismerni, mit fejez ki?

96
00:05:08,786 --> 00:05:10,457
Most leteszteljük a gépet.

97
00:05:10,457 --> 00:05:14,643
Legelőször mutasd a pókerarcod.
Igen, nagyszerű. (Nevetés)

98
00:05:14,643 --> 00:05:17,456
Aztán ahogy mosolyog,
ez egy valódi mosoly, nagyszerű.

99
00:05:17,456 --> 00:05:19,756
A zöld sáv láthatóan növekszik,
mikor mosolyog.

100
00:05:19,756 --> 00:05:20,978
Ez egy nagy mosoly volt.

101
00:05:20,978 --> 00:05:24,021
Megpróbálsz egy enyhébb mosolyt,
hogy lássuk, felismeri-e a gép?

102
00:05:24,021 --> 00:05:26,352
Felismeri az enyhébb mosolyt is.

103
00:05:26,352 --> 00:05:28,477
Nagyon sokat dolgoztunk,
hogy ez sikerüljön.

104
00:05:28,477 --> 00:05:31,439
Aztán felemelt szemöldök,
a meglepetés jelzője.

105
00:05:31,439 --> 00:05:35,688
Szemöldökráncolás,
a zavartság jelzője.

106
00:05:35,688 --> 00:05:39,695
Homlokráncolás. Tökéletes.

107
00:05:39,695 --> 00:05:43,188
Ezek mind különböző mozgásegységek.
Sokkal több van belőlük.

108
00:05:43,188 --> 00:05:45,220
Ez csak egy karcsúsított demo.

109
00:05:45,220 --> 00:05:48,368
Minden leolvasást
érzelmi adatpontnak nevezünk,

110
00:05:48,368 --> 00:05:51,337
majd ezek ötvözése ábrázolja
a különböző érzelmeket.

111
00:05:51,337 --> 00:05:55,990
A demo jobb oldalán -- tégy úgy, 
mintha boldog lennél.

112
00:05:55,990 --> 00:05:57,444
Ez az öröm. Kigyúl az öröm.

113
00:05:57,444 --> 00:05:59,371
Most vágj utálkozó arcot.

114
00:05:59,371 --> 00:06:03,643
Gondolj arra, milyen volt, amikor Zayn
kilépett a One Direction-ből.

115
00:06:03,643 --> 00:06:05,153
(Nevetés)

116
00:06:05,153 --> 00:06:09,495
Úgy, ráncold az orrod. Klassz.

117
00:06:09,495 --> 00:06:13,226
A kötődés eléggé negatív,
biztos nagy rajongója voltál.

118
00:06:13,226 --> 00:06:15,926
A kötődés a tapasztalat
pozitív vagy negatív jellege,

119
00:06:15,926 --> 00:06:18,712
az elkötelezettség pedig
azt jelzi, mennyire kifejező.

120
00:06:18,712 --> 00:06:22,126
Képzeljék el, ha Cloe hozzáférne
egy valós idejű érzelem-csatornához,

121
00:06:22,126 --> 00:06:24,935
és megoszthatná azt mindenkivel,
akivel csak akarná.

122
00:06:24,935 --> 00:06:27,858
Köszönöm.

123
00:06:27,858 --> 00:06:32,479
(Taps)

124
00:06:33,749 --> 00:06:39,019
Az eddigiekben 12 milliárd ilyen
érzelmi adatpontot gyűjtöttünk.

125
00:06:39,019 --> 00:06:41,630
Ez a legnagyobb érzelem-adatbázis
a világon.

126
00:06:41,630 --> 00:06:44,593
2,9 millió arcot ábrázoló
videóról gyűjtöttük ezeket,

127
00:06:44,593 --> 00:06:47,193
olyanoktól, akik beleegyeztek
érzelmeik megosztásába,

128
00:06:47,193 --> 00:06:50,398
világszerte, 75 országban.

129
00:06:50,398 --> 00:06:52,113
Naponta növekszik.

130
00:06:52,603 --> 00:06:54,670
Lélegzetelállító, hogy tudunk

131
00:06:54,670 --> 00:06:57,865
számszerűsíteni egy ennyire
személyes dolgot, mint az érzelmeink,

132
00:06:57,865 --> 00:07:00,100
és ilyen nagyságrendben tudjuk.

133
00:07:00,100 --> 00:07:02,277
Mit tanultunk tehát eddig?

134
00:07:03,057 --> 00:07:05,388
A nemek.

135
00:07:05,388 --> 00:07:09,034
Adataink igazolják,
amit valószínűleg sejtenek.

136
00:07:09,034 --> 00:07:10,891
A nők kifejezőbbek, mint a férfiak.

137
00:07:10,891 --> 00:07:13,574
Nemcsak többet mosolyognak,
de a mosolyuk tovább tart,

138
00:07:13,574 --> 00:07:16,478
és most tényleg számszerűsíteni tudjuk,
mi az, amire

139
00:07:16,478 --> 00:07:18,614
a nők és a férfiak eltérően válaszolnak.

140
00:07:18,614 --> 00:07:20,904
Nézzük a kultúrát: az Egyesült Államokban

141
00:07:20,904 --> 00:07:24,108
a nők 40%-kal kifejezőbbek, 
mint a férfiak,

142
00:07:24,108 --> 00:07:27,753
de érdekes módon az Egyesült Királyságban
nem látunk közöttük különbséget.

143
00:07:27,753 --> 00:07:30,259
(Nevetés)

144
00:07:31,296 --> 00:07:35,323
Életkor: az 50 év felettiek

145
00:07:35,323 --> 00:07:38,759
25%-kal érzelmesebbek a fiataloknál.

146
00:07:39,899 --> 00:07:43,751
A huszonéves nők sokkal többet
mosolyognak, mint az azonos korú férfiak,

147
00:07:43,751 --> 00:07:47,590
lehet, hogy ez szükséges a randizáshoz.

148
00:07:47,590 --> 00:07:50,207
De az adatokban talán az
lepett meg a legjobban,

149
00:07:50,207 --> 00:07:53,410
hogy úgy tűnik, mindig kifejezőek vagyunk,

150
00:07:53,410 --> 00:07:56,243
még akkor is, amikor egyedül ülünk
a készülékeink előtt,

151
00:07:56,243 --> 00:07:59,517
és nemcsak amikor cicás videókat
nézünk a Facebookon.

152
00:08:00,217 --> 00:08:03,227
Kifejezőek vagyunk e-mail és SMS írásakor,
online vásárláskor,

153
00:08:03,227 --> 00:08:05,527
még az adóbevallás kitöltésekor is.

154
00:08:05,527 --> 00:08:07,919
Hol használják ma ezeket az adatokat?

155
00:08:07,919 --> 00:08:10,422
Annak megértésére, 
mennyire köt le a média,

156
00:08:10,422 --> 00:08:13,156
hogy mi és miért terjed a neten, 
hogy hogyan választunk,

157
00:08:13,156 --> 00:08:16,256
és arra, hogyan építsük be
a gesztus értelmezését a technológiába.

158
00:08:16,256 --> 00:08:20,527
Bemutatok néhány, a szívemhez 
különösen közel álló példát.

159
00:08:21,197 --> 00:08:24,265
A gesztus-értelmező szemüvegek segítenek

160
00:08:24,265 --> 00:08:27,493
a gyengénlátó embereknek
leolvasni mások arcát,

161
00:08:27,493 --> 00:08:31,680
és segítenek az autista embereknek
az érzelmek értelmezésében,

162
00:08:31,680 --> 00:08:34,458
ők ezzel nagyon küszködnek.

163
00:08:35,918 --> 00:08:38,777
Oktatás: képzeljék el,
hogy az online tanulásban az app

164
00:08:38,777 --> 00:08:41,587
érzékeli, ha összezavarodtunk, 
és lelassít;

165
00:08:41,587 --> 00:08:43,444
ha unatkozunk, akkor felgyorsít,

166
00:08:43,444 --> 00:08:46,413
ahogyan egy jó tanár tenné
az osztályteremben.

167
00:08:47,043 --> 00:08:49,644
Mi lenne, ha a karóránk figyelné
kedélyünket,

168
00:08:49,644 --> 00:08:52,337
az autónk észlelné, ha fáradtak vagyunk,

169
00:08:52,337 --> 00:08:54,885
vagy akár: a hűtőnk tudná,
hogy feszültek vagyunk,

170
00:08:54,885 --> 00:09:00,951
és lezárná magát, hogy megakadályozza,
hogy túlzabáljuk magunkat. (Nevetés)

171
00:09:00,951 --> 00:09:03,668
Igen, ezt szeretném.

172
00:09:03,668 --> 00:09:05,595
Mi lett volna, ha a cambridge-i időkben

173
00:09:05,595 --> 00:09:07,908
hozzáfértem volna az érzelem-csatornámhoz,

174
00:09:07,908 --> 00:09:11,437
és természetes módon meg tudtam volna
azt osztani otthonmaradt családommal,

175
00:09:11,437 --> 00:09:15,408
mintha mindannyian együtt 
lennénk, ugyanabban a szobában?

176
00:09:15,408 --> 00:09:18,550
Azt gondolom, öt év múlva

177
00:09:18,550 --> 00:09:20,887
minden eszközünkben lesz érzelem-csip,

178
00:09:20,887 --> 00:09:24,951
és már nem fogunk emlékezni arra, 
amikor hiába néztünk homlokráncolva,

179
00:09:24,951 --> 00:09:29,200
készülékünk nem mondta: 
"Ez ugye nem tetszett?"

180
00:09:29,200 --> 00:09:32,961
A nagy kihívás az, hogy a technológiának
olyan sok alkalmazási területe van,

181
00:09:32,961 --> 00:09:35,864
hogy a csapatommal rájöttünk:
nem tudjuk mindet mi megépíteni,

182
00:09:35,864 --> 00:09:39,360
ezért közzétettük a technológiát,
hogy más fejlesztők is

183
00:09:39,360 --> 00:09:41,474
tudjanak építeni rá és alkotni.

184
00:09:41,474 --> 00:09:45,560
Elismerjük, hogy vannak
potenciális kockázatok,

185
00:09:45,560 --> 00:09:47,627
és vissza lehet élni ezzel,

186
00:09:47,627 --> 00:09:50,576
de személy szerint, miután
oly sok éve dolgozom rajta,

187
00:09:50,576 --> 00:09:53,548
hiszem, hogy az érzelmileg
intelligens technológia léte

188
00:09:53,548 --> 00:09:55,823
olyan nagy haszon az emberiségnek,

189
00:09:55,823 --> 00:09:59,399
hogy az jócskán ellensúlyozza
a visszaélés lehetőségét.

190
00:09:59,399 --> 00:10:01,930
Meghívom Önöket is,
vegyenek részt a beszélgetésben.

191
00:10:01,930 --> 00:10:04,484
Minél többen tudnak a technológiáról,

192
00:10:04,484 --> 00:10:07,661
annál többen mondhatnak 
véleményt használatáról.

193
00:10:09,081 --> 00:10:13,655
Ahogy tehát egyre inkább digitálissá
válik életünk,

194
00:10:13,655 --> 00:10:17,153
vesztésre állunk a csatában,
amelyben korlátozni próbáljuk eszközeink

195
00:10:17,153 --> 00:10:19,382
használatát, hogy 
visszakérjük érzelmeinket.

196
00:10:20,622 --> 00:10:24,536
Ehelyett próbálok érzelmeket
vinni technológiánkba,

197
00:10:24,536 --> 00:10:26,765
és fogékonyabbá tenni azt.

198
00:10:26,765 --> 00:10:29,435
Azt akarom, hogy az eszközök,
amelyek elválasztottak,

199
00:10:29,435 --> 00:10:31,897
újra összekössenek minket.

200
00:10:31,897 --> 00:10:36,485
A technológia emberiessé tételével
kitűnő lehetőségünk nyílik arra,

201
00:10:36,485 --> 00:10:39,782
hogy újragondoljuk,
hogyan viszonyulunk a gépekhez,

202
00:10:39,782 --> 00:10:44,263
és ennek folytán mi, emberi lények,

203
00:10:44,263 --> 00:10:46,167
hogyan viszonyulunk egymáshoz.

204
00:10:46,167 --> 00:10:48,327
Köszönöm.

205
00:10:48,327 --> 00:10:51,640
(Taps)