WEBVTT

00:00:00.706 --> 00:00:04.353
Le emozioni influenzano
ogni aspetto delle nostre vite,

00:00:04.523 --> 00:00:07.963
dalla salute, da come impariamo,
al fare affari e a prendere decisioni,

00:00:08.149 --> 00:00:09.442
grandi e piccole.

00:00:10.452 --> 00:00:14.072
Le nostre emozioni influenzano anche
il modo di relazionarci l'un l'altro.

00:00:15.102 --> 00:00:18.418
Ci siamo evoluti per vivere
in un mondo così.

00:00:19.088 --> 00:00:23.317
Ma invece viviamo sempre più
le nostre vite così,

00:00:23.347 --> 00:00:26.571
- questo è il messaggio
di mia figlia la notte scorsa (risate) -

00:00:26.971 --> 00:00:29.141
in un mondo privo di emozioni.

00:00:29.251 --> 00:00:31.202
Perciò la mia missione
è cambiare le cose.

00:00:31.202 --> 00:00:34.933
Voglio riportare le emozioni
nelle nostre esperienze digitali.

NOTE Paragraph

00:00:36.223 --> 00:00:38.960
Ho intrapreso questo percorso
15 anni fa.

00:00:38.960 --> 00:00:41.526
Ero un'esperta di informatica in Egitto,

00:00:41.526 --> 00:00:45.661
da poco ammessa a un Dottorato
di Ricerca alla Cambridge University.

00:00:45.871 --> 00:00:47.984
Avevo fatto qualcosa 
di alquanto inusuale

00:00:47.984 --> 00:00:51.779
per una giovane moglie 
Musulmana Egiziana appena sposata.

00:00:51.949 --> 00:00:53.599
(Risate)

00:00:53.599 --> 00:00:56.538
Con il sostegno di mio marito,
che dovette restare in Egitto,

00:00:56.538 --> 00:00:58.986
feci i bagagli e mi trasferii
in Inghilterra.

00:00:59.616 --> 00:01:02.694
A Cambridge,
lontana migliaia di chilometri da casa,

00:01:02.844 --> 00:01:05.937
capii che trascorrevo
molte più ore col mio computer

00:01:05.937 --> 00:01:07.916
che con altri esseri umani.

00:01:08.376 --> 00:01:09.939
Eppure, nonostante l'intimità,

00:01:09.939 --> 00:01:13.209
il mio computer non aveva
assolutamente idea di come mi sentissi.

00:01:13.339 --> 00:01:15.490
Non sapeva se ero felice,

00:01:16.550 --> 00:01:19.628
se passavo una brutta giornata,
o ero stressata, confusa,

00:01:19.628 --> 00:01:21.320
e questo era frustrante.

00:01:23.550 --> 00:01:27.431
Ancora peggio, dato che comunicavo
online con la mia famiglia a casa,

00:01:29.281 --> 00:01:32.303
sentivo le mie emozioni
scomparire nello cyberspazio.

00:01:32.703 --> 00:01:37.498
Mi mancava casa, ero sola,
e alcuni giorni piangevo proprio,

00:01:37.838 --> 00:01:41.076
Ma tutto ciò che avevo per comunicare
queste emozioni

00:01:41.676 --> 00:01:44.596
era questo.
(Risate)

00:01:44.806 --> 00:01:48.990
La tecnologia oggigiorno ha tanto QI
ma non IE.

00:01:48.990 --> 00:01:52.476
Tanta intelligenza cognitiva,
ma nessuna Intelligenza Emotiva.

00:01:52.956 --> 00:01:54.843
E questo mi ha fatto pensare:

00:01:54.853 --> 00:01:59.057
e se la tecnologia potesse sentire
le nostre emozioni?

00:01:59.057 --> 00:02:01.317
Se i dispositivi sapessero
cosa proviamo

00:02:01.317 --> 00:02:02.853
e come reagiamo di conseguenza,

00:02:02.853 --> 00:02:05.776
come solo un amico
emotivamente intelligente farebbe?

00:02:06.666 --> 00:02:09.840
Queste domande
hanno portato me e il mio team

00:02:10.000 --> 00:02:13.897
a creare tecnologie che possono leggere
e reagire alle nostre emozioni.

00:02:14.607 --> 00:02:17.227
E il nostro punto di partenza
è stato il volto umano.

NOTE Paragraph

00:02:18.487 --> 00:02:21.840
Il nostro volto pare sia
uno dei più potenti canali

00:02:21.840 --> 00:02:25.496
che usiamo per comunicare
stati sociali ed emotivi.

00:02:25.706 --> 00:02:28.776
Qualsiasi cosa, dal piacere alla sorpresa,

00:02:29.256 --> 00:02:31.879
dall'empatia alla curiosità.

00:02:32.979 --> 00:02:37.637
In scienza delle emozioni ogni movimento muscolare è detto
"unità d'azione".

00:02:37.907 --> 00:02:40.242
Per esempio, l'unità d'azione 12,

00:02:40.272 --> 00:02:42.620
non è un film di successo di Hollywood,

00:02:42.620 --> 00:02:46.022
ma è il tirare l'angolo della bocca,
che è la base per un sorriso.

00:02:46.022 --> 00:02:48.380
Provateci tutti.
Fate partire qualche sorriso.

00:02:48.900 --> 00:02:50.814
Un altro esempio è l'unità d'azione 4,

00:02:50.814 --> 00:02:53.782
è il solco tra le sopracciglia,
quando le ravvicinate

00:02:53.782 --> 00:02:55.809
e create tutte quelle linee
e quelle rughette.

00:02:55.809 --> 00:02:59.664
Non ci piacciono, ma è un forte
segnale di un'emozione negativa.

00:02:59.944 --> 00:03:02.380
Ne abbiamo circa 45,
di queste unità d'azione,

00:03:02.410 --> 00:03:05.510
che si combinano per esprimere
centinaia di emozioni.

NOTE Paragraph

00:03:06.340 --> 00:03:09.831
Insegnare a un computer a leggere
queste espressioni facciali è difficile,

00:03:10.211 --> 00:03:13.213
perché le unità d'azione
possono essere veloci, impercettibili,

00:03:13.223 --> 00:03:15.247
e si combinano in tanti modi diversi.

00:03:15.627 --> 00:03:18.305
Prendiamo per esempio
un sorriso e una smorfia.

00:03:19.525 --> 00:03:21.198
Sembrano in qualche modo simili,

00:03:21.498 --> 00:03:24.526
ma hanno significati molto diversi.
(Risate)

00:03:24.986 --> 00:03:26.810
Il sorriso è positivo,

00:03:27.100 --> 00:03:28.920
una smorfia è spesso negativa.

00:03:28.920 --> 00:03:32.456
Qualche volta una smorfia
può farti diventare famoso. (Risate)

00:03:33.136 --> 00:03:35.900
Ma seriamente, è importante
per un computer essere in grado

00:03:35.900 --> 00:03:38.355
di distinguere la differenza
tra le due espressioni.

NOTE Paragraph

00:03:38.475 --> 00:03:40.097
Perciò come possiamo farlo?

00:03:40.197 --> 00:03:41.994
Diamo ai nostri algoritmi

00:03:42.044 --> 00:03:45.794
decine di migliaia di esempi
di persone che sappiamo sorridono,

00:03:46.524 --> 00:03:49.339
di diverse etnie, età, genere,

00:03:49.529 --> 00:03:51.460
e facciamo lo stesso per le smorfie.

00:03:52.090 --> 00:03:53.704
E poi, usando il Deep Learning,

00:03:53.894 --> 00:03:56.870
l'algoritmo cerca tutte queste
trame, queste rughe,

00:03:56.870 --> 00:03:59.090
e i mutamenti di forma sul nostro viso,

00:03:59.090 --> 00:04:02.442
e in pratica apprende che tutti i sorrisi
hanno caratteristiche comuni,

00:04:02.592 --> 00:04:05.443
tutte le smorfie hanno caratteristiche
leggermente diverse.

00:04:05.673 --> 00:04:07.781
E la prossima volta
che vede un viso nuovo,

00:04:08.001 --> 00:04:13.020
capisce che quel viso ha le stesse 
caratteristiche di un sorriso,

00:04:13.093 --> 00:04:16.581
e dice: "La riconosco.
È un'espressione sorridente".

NOTE Paragraph

00:04:18.271 --> 00:04:21.351
E il miglior modo per dimostrare
come funziona questa tecnologia

00:04:21.351 --> 00:04:23.197
è una dimostrazione dal vivo,

00:04:23.317 --> 00:04:26.820
perciò mi serve un volontario,
possibilmente qualcuno con una faccia.

00:04:26.820 --> 00:04:28.864
(Risate)

00:04:29.564 --> 00:04:31.785
Chloe sarà la nostra volontaria oggi.

NOTE Paragraph

00:04:33.325 --> 00:04:37.783
Negli ultimi cinque anni siamo passati
dall'essere un progetto di ricerca al MIT

00:04:37.783 --> 00:04:40.709
ad essere una società,
in cui il mio team ha lavorato sodo

00:04:40.709 --> 00:04:43.801
per far funzionare questa tecnologia,
noi diciamo, come bestie.

00:04:44.120 --> 00:04:47.210
E l'abbiamo anche compressa
così che il sistema emotivo centrale

00:04:47.210 --> 00:04:50.410
funzioni su tutti i dispositivi
con videocamera, come questo Ipad.

00:04:50.530 --> 00:04:52.146
Facciamo una prova.

NOTE Paragraph

00:04:54.756 --> 00:04:58.680
Come potete vedere, l'algoritmo
ha praticamente trovato il viso di Chloe,

00:04:58.680 --> 00:05:00.372
è questo riquadro bianco ai bordi,

00:05:00.372 --> 00:05:02.903
e sta tracciando i lineamenti
principali del suo viso,

00:05:02.903 --> 00:05:05.059
cioè sopracciglia, occhi,
bocca e naso.

00:05:05.779 --> 00:05:08.556
La domanda è:
riconosce le sue espressioni?

00:05:08.556 --> 00:05:10.007
Testiamo la macchina.

00:05:10.007 --> 00:05:12.133
Prima di tutto,
fai una faccia impassibile.

00:05:12.133 --> 00:05:14.643
Fantastico. (Risate)

00:05:14.643 --> 00:05:17.576
Poi se lei sorride,
è un sorriso sincero, va benissimo,

00:05:17.576 --> 00:05:19.646
vedete la linea verde salire se sorride.

00:05:19.646 --> 00:05:22.188
Quello era un gran sorriso,
puoi provare un sorrisetto

00:05:22.188 --> 00:05:25.221
per vedere se il computer lo riconosce?
Riconosce anche quelli.

00:05:25.221 --> 00:05:27.267
Abbiamo lavorato duramente
per riuscirci.

00:05:27.607 --> 00:05:31.239
E ora sopracciglia alzate,
indice di sorpresa. (Risate)

00:05:31.439 --> 00:05:35.688
Accigliata, 
che è indice di confusione. (Risate)

00:05:35.688 --> 00:05:39.695
Corrucciata, perfetto.
(Risate)

00:05:39.695 --> 00:05:42.668
Sono tutte unità d'azione
diverse, e ce ne sono tante altre.

00:05:42.668 --> 00:05:44.710
Questa è solo una demo compressa.

00:05:44.910 --> 00:05:48.048
Ma chiamiamo ogni interpretazione
"punto dati dell'emozione",

00:05:48.368 --> 00:05:51.367
e possono accendersi insieme
e descrivere emozioni differenti,

00:05:51.367 --> 00:05:54.910
sul lato destro della demo.
Sembri felice.

00:05:55.220 --> 00:05:57.144
C'è gioia. E "Joy" si accende.

00:05:57.444 --> 00:05:59.241
Poi fai una faccia disgustata.

00:05:59.241 --> 00:06:02.763
Prova a ricordare com'è stato
quando Zayn ha lasciato i One Direction.

00:06:02.763 --> 00:06:04.573
(Risate)

00:06:04.573 --> 00:06:08.035
Arriccia il naso. Fantastico.
(Risate)

00:06:09.495 --> 00:06:13.046
La valenza è abbastanza negativa,
devi essere stata una grande fan.

00:06:13.046 --> 00:06:15.926
"Valence" è quanto positiva
o negativa sia un'esperienza,

00:06:15.926 --> 00:06:18.452
ed "engagement" indica
quanto lei è espressiva.

00:06:18.712 --> 00:06:22.256
Immaginate se Chloe entrasse
in questo flusso emotivo in tempo reale

00:06:22.256 --> 00:06:24.755
e potesse condividerlo
con chiunque volesse.

00:06:24.855 --> 00:06:26.238
Grazie.

00:06:26.268 --> 00:06:30.889
(Applausi)

NOTE Paragraph

00:06:33.749 --> 00:06:38.809
Ad oggi abbiamo accumulato 12 miliardi
di questi punti dati dell'emozione.

00:06:38.819 --> 00:06:41.140
È il più vasto database di emozioni
al mondo.

00:06:41.170 --> 00:06:44.383
Lo abbiamo messo insieme
da 2,9 milioni di video facciali,

00:06:44.593 --> 00:06:47.193
persone che hanno condiviso
le loro emozioni con noi,

00:06:47.193 --> 00:06:50.228
e da 75 Paesi di tutto il mondo.

00:06:50.268 --> 00:06:51.783
E si arricchisce ogni giorno.

00:06:52.593 --> 00:06:56.270
Mi sbalordisce che oggi
possiamo misurare qualcosa

00:06:56.270 --> 00:06:57.985
di così personale come le emozioni,

00:06:57.985 --> 00:06:59.850
e possiamo farlo così ampiamente.

NOTE Paragraph

00:06:59.970 --> 00:07:02.137
Cosa abbiamo quindi imparato
a determinare?

00:07:03.057 --> 00:07:04.248
Il genere.

00:07:05.328 --> 00:07:08.934
I nostri dati confermano qualcosa
di cui potete sospettare. (Risate)

00:07:08.934 --> 00:07:10.891
Le donne sono più espressive
degli uomini.

00:07:10.891 --> 00:07:13.574
Non solo sorridono di più
ma i loro sorrisi durano di più

00:07:13.574 --> 00:07:16.478
e possiamo davvero determinare
a cosa uomini e donne

00:07:16.478 --> 00:07:18.094
reagiscono in modo differente.

00:07:18.614 --> 00:07:20.904
Vediamo culturalmente.
Negli Stati Uniti

00:07:20.904 --> 00:07:23.828
le donne sono per il 40 %
più espressive degli uomini,

00:07:23.988 --> 00:07:27.753
ma -strano- non c'è alcuna differenza
nel Regno Unito tra uomini e donne.

00:07:27.753 --> 00:07:30.019
(Risate)

00:07:31.296 --> 00:07:35.323
Età: le persone dai 50 anni in su

00:07:35.323 --> 00:07:38.269
sono per il 25 % più emotive
dei più giovani.

00:07:39.519 --> 00:07:43.541
Le donne ventenni sorridono
molto più degli uomini della stessa età,

00:07:43.621 --> 00:07:45.960
forse per necessità relazionali.

00:07:47.510 --> 00:07:50.007
Ma forse ciò che ci ha sorpresi di più
in questi dati

00:07:50.007 --> 00:07:53.260
è che ci ritroviamo a essere
espressivi in ogni momento,

00:07:53.260 --> 00:07:55.973
anche quando siamo seduti
da soli coi nostri dispositivi,

00:07:56.163 --> 00:07:59.307
non solo quando stiamo guardando
video di gatti su Facebook.

00:07:59.987 --> 00:08:03.077
Siamo espressivi quando inviamo email,
messaggi, compriamo online,

00:08:03.077 --> 00:08:04.757
o anche calcolando le tasse.

NOTE Paragraph

00:08:05.627 --> 00:08:07.659
Per cosa sono usati questi dati oggi?

00:08:07.919 --> 00:08:10.312
Per capire come ci relazioniamo
coi media,

00:08:10.312 --> 00:08:12.846
cioè comprendere la viralità
e la modalità di scelta;

00:08:13.166 --> 00:08:16.606
e anche per dare potere
o attivare emotivamente la tecnologia.

00:08:16.606 --> 00:08:20.067
Voglio condividere alcuni esempi
particolarmente vicini al mio cuore.

00:08:21.197 --> 00:08:24.265
Occhiali abilitati all'emozione
possono aiutare gli individui

00:08:24.265 --> 00:08:27.263
con problemi di vista
a leggere i volti degli altri,

00:08:27.463 --> 00:08:31.050
e possono aiutare individui con tendenza
autistica a interpretare emozioni

00:08:31.050 --> 00:08:33.148
qualcosa con cui combattono realmente.

00:08:35.508 --> 00:08:38.897
Nell'istruzione, immaginate
se la vostra app per l'apprendimento

00:08:38.897 --> 00:08:41.347
capisse che siete confusi
e rallentasse,

00:08:41.347 --> 00:08:43.444
o che siete annoiati,
così da accelerare,

00:08:43.444 --> 00:08:45.853
proprio come farebbe
un bravo insegnante in classe.

00:08:46.873 --> 00:08:49.644
Se il vostro orologio tracciasse
il vostro umore,

00:08:49.644 --> 00:08:51.947
o se l'auto sentisse che siete stanchi,

00:08:52.257 --> 00:08:54.885
o magari il vostro frigo
sapesse che siete stressati,

00:08:54.885 --> 00:08:59.001
così da bloccarsi automaticamente
per evitarvi un'abbuffata. (Risate)

00:08:59.001 --> 00:09:01.718
A me piacerebbe. (Risate)

00:09:03.668 --> 00:09:05.515
E se, quando ero a Cambridge,

00:09:05.515 --> 00:09:07.908
fossi entrata nel mio flusso
emotivo in tempo reale

00:09:07.908 --> 00:09:11.437
e avessi potuto condividerlo
con la mia famiglia in modo spontaneo,

00:09:11.437 --> 00:09:14.708
come avrei fatto se fossimo stati insieme
nella stessa stanza?

NOTE Paragraph

00:09:15.408 --> 00:09:18.140
Credo che nel giro di cinque anni

00:09:18.160 --> 00:09:20.797
tutti i dispositivi avranno
un chip per le emozioni,

00:09:20.887 --> 00:09:23.951
e non ricorderemo com'era quando
non potevamo guardar male

00:09:23.951 --> 00:09:28.120
il nostro dispositivosenza che dicesse:
"Non ti piaceva, vero?

00:09:29.140 --> 00:09:32.751
La grande sfida è che ci sono così tante
applicazioni di questa tecnologia

00:09:32.751 --> 00:09:35.804
che io e il mio team sappiamo
di non poter realizzare da soli.

00:09:35.804 --> 00:09:39.110
Perciò l'abbiamo resa disponibile
così che altri sviluppatori

00:09:39.110 --> 00:09:41.194
possano svilupparla ed essere creativi.

00:09:41.474 --> 00:09:45.560
Ammettiamo che ci sono
rischi potenziali

00:09:45.560 --> 00:09:47.247
e la possibilità di abuso,

00:09:47.627 --> 00:09:50.266
ma personalmente, avendo passato
tanti anni a farlo,

00:09:50.326 --> 00:09:53.078
credo che i benefici per l'uomo

00:09:53.078 --> 00:09:55.463
nell'avere una tecnologia
emotivamente intelligente

00:09:55.573 --> 00:09:58.959
siano di gran lunga maggiori
del potenziale uso improprio.

00:09:59.179 --> 00:10:01.800
E vi invito a essere tutti
parte della conversazione.

00:10:01.800 --> 00:10:04.244
Più persone conoscono
questa tecnologia,

00:10:04.314 --> 00:10:07.351
più possiamo tutti avere voce 
su come va usata.

00:10:09.081 --> 00:10:13.155
Dato che sempre più le nostre vite
diventano digitali,

00:10:13.655 --> 00:10:17.153
combattiamo una battaglia persa
cercando di frenare l'uso dei dispositivi

00:10:17.153 --> 00:10:19.382
per ritrovare le nostre emozioni.

00:10:20.532 --> 00:10:24.566
Quello che invece cerco di fare è portare
le emozioni nella nostra tecnologia

00:10:24.566 --> 00:10:26.585
e renderla più reattiva.

00:10:26.585 --> 00:10:29.195
Voglio che quei dispositivi
che ci hanno divisi

00:10:29.345 --> 00:10:31.047
ci uniscano di nuovo.

00:10:32.207 --> 00:10:36.275
E umanizzando la tecnologia
abbiamo un'opportunità d'oro

00:10:36.485 --> 00:10:39.632
per ripensare a come siamo connessi
con le macchine,

00:10:39.992 --> 00:10:43.943
e quindi a come, in quanto esseri umani,

00:10:44.163 --> 00:10:45.887
siamo connessi agli altri.

NOTE Paragraph

00:10:46.037 --> 00:10:47.047
Grazie.

NOTE Paragraph

00:10:47.047 --> 00:10:50.750
(Applausi)