0:00:00.786,0:00:04.533
Onze emoties beïnvloeden[br]alle aspecten van ons leven,

0:00:04.533,0:00:06.249
van onze gezondheid en hoe we leren,

0:00:06.249,0:00:08.262
tot hoe we zakendoen[br]en beslissingen nemen,

0:00:08.262,0:00:09.942
grote en kleine.

0:00:10.692,0:00:14.252
Onze emoties hebben ook invloed[br]op hoe we met elkaar omgaan.

0:00:15.202,0:00:19.218
We zijn geëvolueerd om te leven[br]in een wereld die er zo uitziet,

0:00:19.218,0:00:23.427
maar in plaats daarvan leven we[br]ons leven steeds vaker zo

0:00:23.427,0:00:27.031
-- dit is het berichtje [br]dat mijn dochter gisteravond stuurde --

0:00:27.031,0:00:29.491
in een wereld zonder emotie.

0:00:29.491,0:00:31.252
Mijn missie is om dat te veranderen.

0:00:31.252,0:00:35.243
Ik wil emoties terugbrengen[br]in onze digitale ervaringen.

0:00:36.533,0:00:38.980
15 jaar geleden ben ik hiermee begonnen.

0:00:38.980,0:00:41.686
Ik was computerwetenschapper in Egypte,

0:00:41.686,0:00:46.051
en ik was net toegelaten [br]tot een PhD-programma in Cambridge.

0:00:46.051,0:00:48.154
Ik deed iets behoorlijk ongewoons

0:00:48.154,0:00:52.049
voor een jonge, pasgetrouwde[br]Egyptische moslima.

0:00:52.049,0:00:53.699
(Gelach)

0:00:53.699,0:00:56.568
Met de steun van mijn man,[br]die in Egypte moest blijven,

0:00:56.568,0:00:59.576
pakte ik mijn koffers[br]en verhuisde ik naar Engeland.

0:00:59.576,0:01:02.904
Daar in Cambridge, [br]duizenden kilometers van huis,

0:01:02.904,0:01:06.117
besefte ik dat ik meer uren [br]met mijn laptop doorbracht

0:01:06.117,0:01:08.576
dan met andere mensen.

0:01:08.576,0:01:10.009
Ondanks deze vertrouwdheid[br]

0:01:10.009,0:01:13.469
had mijn laptop geen flauw idee [br]hoe ik me voelde.

0:01:13.469,0:01:16.550
Hij wist totaal niet of ik blij was,

0:01:16.550,0:01:19.958
een slechte dag had,[br]gestrest of verward was,

0:01:19.958,0:01:22.460
en dat werd frustrerend.

0:01:23.680,0:01:28.801
Erger nog, bij het online communiceren[br]met mijn familie thuis

0:01:28.801,0:01:32.813
had ik het gevoel dat al mijn emoties[br]verdwenen in de cyberspace.

0:01:32.813,0:01:37.908
Ik had heimwee, ik was eenzaam,[br]op sommige dagen zat ik echt te huilen,

0:01:37.908,0:01:41.836
maar het enige wat ik had[br]om deze emoties over te brengen

0:01:41.836,0:01:42.946
was dit.

0:01:42.946,0:01:45.036
(Gelach)

0:01:45.036,0:01:49.120
De technologie van vandaag[br]heeft veel IQ, maar geen EQ:

0:01:49.120,0:01:53.286
veel cognitieve intelligentie,[br]maar geen emotionele intelligentie.

0:01:53.286,0:01:55.153
Dat zette me aan het denken.

0:01:55.153,0:01:58.967
Wat als onze technologie[br]onze emoties kon waarnemen?

0:01:58.967,0:02:03.003
Wat als onze apparaten konden aanvoelen[br]hoe we ons voelden en daarop reageerden,

0:02:03.003,0:02:05.866
zoals emotioneel intelligente vrienden [br]dat ook zouden doen?

0:02:06.776,0:02:11.700
Die vragen zetten mij en mijn team [br]ertoe aan technologieën te maken

0:02:11.700,0:02:14.587
die onze emoties kunnen lezen[br]en erop reageren

0:02:14.587,0:02:17.697
en ons uitgangspunt [br]was het menselijk gezicht.

0:02:18.757,0:02:21.960
Het menselijk gezicht[br]is een van de sterkste kanalen

0:02:21.960,0:02:25.766
waarmee we onze sociale [br]en emotionele toestand overbrengen.

0:02:25.766,0:02:27.756
Alles van vreugde

0:02:27.756,0:02:29.396
tot verrassing,

0:02:29.396,0:02:30.576
empathie

0:02:30.576,0:02:33.129
en nieuwsgierigheid.

0:02:33.129,0:02:36.647
In de emotiewetenschap noemen we [br]elke beweging van de gelaatsspieren

0:02:36.647,0:02:38.157
een actie-eenheid.

0:02:38.157,0:02:40.472
Actie-eenheid 12 bijvoorbeeld,

0:02:40.472,0:02:42.760
dat is geen blockbuster uit Hollywood,

0:02:42.760,0:02:46.392
maar het optrekken van de mondhoeken,[br]het hoofdonderdeel van een glimlach.

0:02:46.392,0:02:48.990
Laten we dat allemaal even proberen.

0:02:48.990,0:02:50.940
Een ander voorbeeld is actie-eenheid 4,[br]

0:02:50.940,0:02:51.954
de wenkbrauwfrons:

0:02:51.954,0:02:54.082
als je je wenkbrauwen [br]tegen elkaar duwt

0:02:54.082,0:02:55.832
en allemaal rimpels maakt.

0:02:55.832,0:02:57.429
We vinden ze niet leuk,

0:02:57.429,0:03:00.184
maar ze zijn een goed signaal[br]voor een negatieve emotie.

0:03:00.184,0:03:03.430
We hebben ongeveer 45 [br]van die actie-eenheden

0:03:03.430,0:03:06.350
en samen drukken ze honderden emoties uit.

0:03:06.350,0:03:10.411
Het is moeilijk om een computer te leren[br]om deze gelaatsuitdrukkingen te lezen,

0:03:10.411,0:03:13.423
want deze actie-eenheden [br]kunnen snel zijn, ze zijn subtiel,

0:03:13.423,0:03:15.777
en ze komen voor in allerlei combinaties.

0:03:15.777,0:03:19.665
Neem bijvoorbeeld een glimlach[br]en een minachtende blik.

0:03:19.665,0:03:23.268
Ze lijken een beetje op elkaar,[br]maar ze betekenen iets heel anders.

0:03:23.268,0:03:25.176
(Gelach)

0:03:25.176,0:03:27.200
De een is positief,

0:03:27.200,0:03:29.010
de ander vaak negatief.

0:03:29.010,0:03:33.236
Soms kun je er beroemd door worden.

0:03:33.236,0:03:36.800
Maar het is belangrijk[br]dat een computer het verschil kan zien

0:03:36.800,0:03:38.635
tussen de twee gelaatsexpressies.

0:03:38.635,0:03:40.407
Hoe doen we dat?

0:03:40.407,0:03:42.284
We geven onze algoritmen

0:03:42.284,0:03:46.694
tienduizenden voorbeelden van mensen[br]waarvan we weten dat ze glimlachen,

0:03:46.694,0:03:49.659
van verschillende etniciteiten,[br]leeftijden, geslachten,

0:03:49.659,0:03:52.190
en dan doen we hetzelfde [br]voor de andere uitdrukking.

0:03:52.190,0:03:55.004
Door middel van deep learning[br]zoekt het algoritme

0:03:55.004,0:03:57.160
naar alle structuren en rimpels

0:03:57.160,0:03:59.380
en vormveranderingen in ons gezicht.

0:03:59.380,0:04:02.992
Zo leert het dat alle glimlachen[br]gemeenschappelijke eigenschappen hebben

0:04:02.992,0:04:05.873
die subtiel verschillen [br]van minachtende uitdrukkingen.

0:04:05.873,0:04:08.141
De volgende keer [br]dat het een nieuw gezicht ziet

0:04:08.141,0:04:13.120
leert het dat dit gezicht ook[br]de eigenschappen van een glimlach heeft

0:04:13.120,0:04:17.301
en zegt het: "Aha, dit herken ik.[br]Deze uitdrukking is een glimlach."

0:04:18.291,0:04:21.561
De beste manier om te laten zien [br]hoe deze technologie werkt

0:04:21.561,0:04:23.557
is een live-demonstratie,

0:04:23.557,0:04:27.230
dus ik heb een vrijwilliger nodig,[br]liefst iemand met een gezicht.

0:04:27.230,0:04:29.694
(Gelach)

0:04:29.694,0:04:32.335
Cloe is vandaag onze vrijwilliger.

0:04:33.475,0:04:35.183
In de afgelopen vijf jaar

0:04:35.183,0:04:38.939
zijn we van een onderzoeksproject bij MIT[br]overgegaan in een bedrijf,

0:04:38.939,0:04:42.371
waar mijn team keihard heeft gewerkt[br]om deze technologie te laten werken,

0:04:42.371,0:04:44.250
zoals wij dat zeggen, in het wild.

0:04:44.250,0:04:45.900
We hebben hem ook kleiner gemaakt

0:04:45.900,0:04:49.200
zodat de emotiemachine werkt[br]op elk mobiel apparaat met een camera,

0:04:49.200,0:04:50.760
zoals deze iPad.

0:04:50.760,0:04:53.316
Laten we het eens proberen.

0:04:54.876,0:04:58.770
Zoals je ziet heeft het algoritme[br]Cloe's gezicht gevonden,

0:04:58.770,0:05:00.252
dat is die witte rechthoek,

0:05:00.252,0:05:02.943
en het volgt de belangrijkste [br]punten van haar gezicht,

0:05:02.943,0:05:05.799
dus de wenkbrauwen, ogen,[br]mond en neus.

0:05:05.799,0:05:08.646
De vraag is: kan het [br]haar uitdrukking herkennen?

0:05:08.646,0:05:10.077
We gaan de machine testen.

0:05:10.077,0:05:14.913
Laat eerst eens je pokerface zien.[br]Ja, goed zo. (Gelach)

0:05:14.913,0:05:17.816
En terwijl ze glimlacht,[br]dit is een oprechte glimlach,

0:05:17.816,0:05:19.616
zie je de groene balken omhooggaan.

0:05:19.616,0:05:20.908
Dat was een brede glimlach.

0:05:20.908,0:05:23.951
Kun je proberen of de computer[br]ook een subtiele glimlach herkent?

0:05:23.951,0:05:25.712
De subtiele glimlach herkent hij ook.

0:05:25.712,0:05:27.717
Daar hebben we hard aan gewerkt.

0:05:27.717,0:05:31.439
En dan je wenkbrauwen omhoog,[br]een teken van verrassing.

0:05:31.439,0:05:36.038
Wenkbrauwen fronsen, [br]een teken van verwarring.

0:05:36.038,0:05:39.755
Boos kijken. Ja, perfect.

0:05:39.755,0:05:41.565
Dit zijn verschillende actie-eenheden.

0:05:41.565,0:05:42.758
Er zijn er nog veel meer.

0:05:42.758,0:05:45.220
Dit is maar een beperkte demo.

0:05:45.220,0:05:48.608
We noemen elke meting[br]een emotiegegevenspunt,

0:05:48.608,0:05:51.377
en in combinatie kunnen ze[br]verschillende emoties weergeven.

0:05:51.377,0:05:55.240
Aan de rechterkant van de demo --[br]trek eens een vrolijk gezicht.

0:05:55.240,0:05:57.594
Dat is vreugde. Vreugde gaat aan.

0:05:57.594,0:05:59.371
Laat nu eens afkeer zien.

0:05:59.371,0:06:03.523
Denk aan hoe je je voelde[br]toen Zayn wegging bij One Direction.

0:06:03.523,0:06:04.943
(Gelach)

0:06:04.943,0:06:10.055
Ja, maak rimpels bij je neus. Goed zo.

0:06:10.055,0:06:13.166
De valentie is behoorlijk negatief,[br]dus je was vast een groot fan.

0:06:13.166,0:06:15.926
Valentie is hoe positief [br]of negatief een ervaring is,

0:06:15.926,0:06:18.892
en betrokkenheid is hoe expressief ze is.

0:06:18.892,0:06:22.186
Stel je voor dat Cloe toegang had[br]tot deze rechtstreekse emotiestream

0:06:22.186,0:06:24.935
en ze die kon delen[br]met we ze maar wilde.

0:06:24.935,0:06:27.028
Dankjewel.

0:06:27.028,0:06:32.479
(Applaus)

0:06:33.959,0:06:39.019
Tot nu toe hebben we 12 miljard[br]van deze emotiegegevens vergaard.

0:06:39.019,0:06:41.470
Het is de grootste [br]emotiedatabase ter wereld.

0:06:41.470,0:06:44.913
We hebben hem verzameld[br]uit 2,9 miljoen filmpjes van gezichten,

0:06:44.913,0:06:48.083
mensen die hun emoties [br]met ons hebben willen delen,

0:06:48.083,0:06:50.398
uit 75 landen over de hele wereld.

0:06:50.398,0:06:52.113
Hij groeit elke dag.

0:06:52.643,0:06:54.630
Ik sta ervan versteld

0:06:54.630,0:06:58.195
dat we iets persoonlijks als emoties[br]nu kunnen kwantificeren

0:06:58.195,0:07:00.290
en dat we het op deze schaal kunnen doen.

0:07:00.290,0:07:02.277
Wat hebben we tot nu toe geleerd?

0:07:03.207,0:07:05.388
Geslacht:

0:07:05.388,0:07:09.094
onze data bevestigen iets[br]dat je misschien al vermoedde.

0:07:09.094,0:07:10.891
Vrouwen zijn expressiever dan mannen.

0:07:10.891,0:07:13.604
Ze glimlachen niet alleen meer,[br]maar ook langduriger,

0:07:13.604,0:07:16.278
en we kunnen nu echt vaststellen[br]wat het precies is

0:07:16.278,0:07:18.614
waarop mannen en vrouwen anders reageren.

0:07:18.614,0:07:19.614
Nu cultuur:

0:07:19.614,0:07:21.004
in de Verenigde Staten

0:07:21.004,0:07:24.108
zijn vrouwen 40 procent [br]expressiever dan mannen,

0:07:24.108,0:07:27.753
maar vreemd genoeg zien we in het VK[br]geen verschil tussen mannen en vrouwen.

0:07:27.753,0:07:30.259
(Gelach)

0:07:31.576,0:07:33.356
Leeftijd:

0:07:33.356,0:07:35.323
mensen van 50 jaar en ouder

0:07:35.323,0:07:38.759
tonen 25 procent meer emotie[br]dan jongere mensen.

0:07:39.559,0:07:43.741
Vrouwen in de twintig glimlachen veel meer[br]dan mannen van dezelfde leeftijd,

0:07:43.741,0:07:47.530
misschien moet dat wel tijdens dates.

0:07:47.530,0:07:50.207
Maar wat ons misschien[br]het meest heeft verrast

0:07:50.207,0:07:53.250
is dat we altijd expressief zijn,

0:07:53.250,0:07:56.283
zelfs als we alleen [br]achter een apparaat zitten,

0:07:56.283,0:07:59.517
en niet alleen als we kattenfilmpjes [br]kijken op Facebook.

0:08:00.217,0:08:03.227
We zijn expressief als we emailen,[br]sms'en, online winkelen

0:08:03.227,0:08:05.937
en zelfs als we[br]onze belastingaangifte doen.

0:08:05.937,0:08:08.139
Waar worden deze data momenteel gebruikt?

0:08:08.139,0:08:10.382
Bij het begrijpen van [br]hoe we met media omgaan,

0:08:10.382,0:08:13.166
het begrijpen van viraliteit[br]en stemgedrag,

0:08:13.166,0:08:16.766
en ook voor technologie[br]die emoties toegankelijker maakt.

0:08:16.766,0:08:20.527
Ik wil een paar voorbeelden delen[br]die me bijzonder nauw aan het hart liggen.

0:08:21.197,0:08:22.977
Brillen met emotietechnologie

0:08:22.977,0:08:25.465
kunnen mensen met [br]een visuele handicap helpen

0:08:25.465,0:08:27.553
om de gezichten van anderen te lezen,

0:08:27.553,0:08:31.240
en mensen binnen het autismespectrum[br]helpen om emoties te interpreteren,

0:08:31.240,0:08:34.458
iets waar ze echt moeite mee hebben.

0:08:35.548,0:08:36.998
In het onderwijs:

0:08:36.998,0:08:38.597
stel je voor dat je studeer-apps

0:08:38.597,0:08:41.227
aanvoelen wat je niet begrijpt[br]en het tempo verlagen,

0:08:41.227,0:08:43.484
of dat je je verveelt,[br]en dus sneller gaan,

0:08:43.484,0:08:46.413
net als een goede leraar op school.

0:08:47.003,0:08:49.644
Wat als je horloge je stemming bijhield

0:08:49.644,0:08:52.407
of je auto kon merken dat je moe was,

0:08:52.407,0:08:55.165
of je koelkast het wist[br]als je gestrest was,

0:08:55.165,0:08:59.281
en automatisch op slot ging[br]zodat je niet te veel kon eten. (Gelach)

0:08:59.281,0:09:01.798
Dat zou ik wel willen, ja.

0:09:03.728,0:09:05.675
Wat als ik in Cambridge

0:09:05.675,0:09:07.608
toegang had gehad tot mijn emotiestream

0:09:07.608,0:09:09.818
en die had kunnen delen [br]met mijn familie thuis

0:09:09.818,0:09:11.847
op een heel natuurlijke manier,

0:09:11.847,0:09:15.608
alsof we samen in één kamer zaten?

0:09:15.608,0:09:18.190
Ik denk dat over vijf jaar

0:09:18.190,0:09:21.237
al onze apparaten [br]een emotie-chip zullen hebben

0:09:21.237,0:09:25.011
en we niet meer weten hoe het was[br]om naar je apparaat te fronsen

0:09:25.011,0:09:29.330
zonder dat het terugzei:[br]"Hmm, dat vond je blijkbaar niet leuk."

0:09:29.330,0:09:32.991
De grootste uitdaging van deze technologie[br]is dat er zoveel toepassingen zijn,

0:09:32.991,0:09:35.864
dat mijn team en ik ze niet allemaal [br]zelf kunnen bouwen.

0:09:35.864,0:09:38.310
Daarom hebben we de technologie[br]beschikbaar gemaakt

0:09:38.310,0:09:41.794
zodat andere ontwikkelaars[br]er creatief mee aan de slag kunnen.

0:09:41.794,0:09:45.550
We zien in dat er potentiële risico's zijn

0:09:45.550,0:09:48.087
en de mogelijkheid dat er misbruik[br]van wordt gemaakt,

0:09:48.087,0:09:50.466
maar nu ik hier vele jaren [br]mee bezig ben geweest

0:09:50.466,0:09:53.148
geloof ik persoonlijk[br]dat de voordelen voor de mensheid

0:09:53.148,0:09:55.703
van emotioneel intelligente technologie

0:09:55.703,0:09:59.269
veel zwaarder wegen[br]dan het mogelijke misbruik.[br]

0:09:59.269,0:10:02.030
Ik nodig jullie allemaal uit[br]deel te nemen aan het gesprek.

0:10:02.030,0:10:04.394
Hoe meer mensen[br]van deze technologie afweten,

0:10:04.394,0:10:07.801
hoe meer we allemaal inspraak hebben[br]in hoe het wordt gebruikt.

0:10:09.621,0:10:13.835
Nu ons leven steeds digitaler wordt,

0:10:13.835,0:10:15.395
voeren we een hopeloze strijd

0:10:15.395,0:10:17.953
als we ons gebruik van apparaten [br]proberen te beperken

0:10:17.953,0:10:19.722
om zo onze emoties terug te winnen.

0:10:20.622,0:10:24.576
In plaats daarvan probeer ik[br]emoties in onze technologie op te nemen

0:10:24.576,0:10:26.765
en onze technologieën [br]beter te laten reageren.

0:10:26.765,0:10:29.515
Ik wil dat de apparaten[br]die ons hebben gescheiden

0:10:29.515,0:10:32.507
ons weer bij elkaar brengen.

0:10:32.507,0:10:36.735
Door technologie te vermenselijken[br]hebben we een gouden kans

0:10:36.735,0:10:40.452
om opnieuw te bedenken[br]hoe we met onze machines omgaan

0:10:40.452,0:10:44.033
en daarmee ook hoe wij, als mensen,

0:10:44.033,0:10:46.087
omgaan met elkaar.

0:10:46.087,0:10:47.217
Dankjewel.

0:10:47.217,0:10:51.640
(Applaus)