0:00:00.556,0:00:04.573
Nossos sentimentos influenciam[br]todos os aspectos de nossas vidas,

0:00:04.573,0:00:08.149
desde nossa saúde e aprendizado[br]até como fazemos negócios e decisões,

0:00:08.149,0:00:09.922
grandes ou pequenas.

0:00:10.482,0:00:14.162
Nossos sentimentos também influenciam[br]como nos conectamos.

0:00:14.912,0:00:19.108
Nós evoluímos para viver[br]num mundo como esse,

0:00:19.108,0:00:23.427
mas em vez disso, cada vez mais[br]vivemos nossas vidas assim;

0:00:23.427,0:00:26.561
esta mensagem[br]da minha filha ontem à noite;

0:00:26.561,0:00:29.301
em um mundo desprovido de sentimentos.

0:00:29.301,0:00:31.252
Eu estou numa missão para mudar isso.

0:00:31.252,0:00:35.343
Quero recolocar os sentimentos[br]em nossas vidas digitais.

0:00:36.223,0:00:39.300
Eu comecei essa jornada há 15 anos.

0:00:39.300,0:00:41.366
Eu era cientista da computação no Egito,

0:00:41.366,0:00:45.871
e tinha acabado de ser aceita[br]em um Ph.D. na Universidade de Cambridge.

0:00:45.871,0:00:47.984
Então fiz algo bem inusitado

0:00:47.984,0:00:50.599
para uma jovem esposa[br]egípcia muçulmana recém-casada:

0:00:50.599,0:00:53.599
(Risos)

0:00:53.599,0:00:56.598
Com o apoio de meu marido,[br]que teve que ficar no Egito,

0:00:56.598,0:00:59.616
eu arrumei minhas malas[br]e me mudei para a Inglaterra.

0:00:59.616,0:01:02.844
Em Cambridge, milhares[br]de quilômetros longe de casa,

0:01:02.844,0:01:05.927
eu percebi que passava[br]mais tempo com meu laptop

0:01:05.927,0:01:08.486
do que com qualquer outro ser humano.

0:01:08.486,0:01:10.099
E apesar desta intimidade,

0:01:10.099,0:01:13.339
meu laptop não tinha a menor ideia[br]de como eu me sentia.

0:01:13.339,0:01:16.550
Não tinha ideia se eu estava feliz,

0:01:16.550,0:01:19.538
se num dia ruim, estressada, confusa,

0:01:19.538,0:01:22.460
e isso acabou ficando frustrante.

0:01:23.600,0:01:28.831
Pior ainda, enquanto eu me comunicava[br]online com a minha família em casa,

0:01:29.211,0:01:32.703
eu sentia que todos os meus sentimentos[br]desapareciam no cyberespaço.

0:01:32.703,0:01:37.858
Eu sentia saudades, estava sozinha,[br]e alguns até mesmo chorava,

0:01:37.858,0:01:42.786
mas tudo que eu tinha[br]para expressar esses sentimentos era isto.

0:01:42.786,0:01:44.806
(Risos)

0:01:44.806,0:01:49.780
A tecnologia atual tem muito QI,[br]mas nenhum QE;

0:01:49.780,0:01:52.956
muita inteligência cognitiva,[br]mas nenhuma inteligência emocional.

0:01:52.956,0:01:55.153
E isso me fez pensar,

0:01:55.153,0:01:58.777
e se nossa tecnologia pudesse[br]perceber nossos sentimentos?

0:01:58.777,0:02:00.843
E se nossos dispositivos pudessem perceber

0:02:00.843,0:02:02.853
como nos sentimos e reagissem de acordo,

0:02:02.853,0:02:05.866
como um amigo[br]emocionalmente inteligente faria?

0:02:06.666,0:02:10.230
Essas questões fizeram[br]com que eu e minha equipe

0:02:10.230,0:02:14.607
criássemos tecnologias que pudessem[br]ler e reagir aos nossos sentimentos,

0:02:14.607,0:02:17.697
e nosso ponto de partida[br]foi o rosto humano.

0:02:18.577,0:02:21.750
Nosso rosto humano[br]é um dos canais mais poderosos

0:02:21.750,0:02:25.766
que todos nós usamos para comunicar[br]estados sociais e emocionais,

0:02:25.766,0:02:28.776
tudo desde alegria, surpresa,

0:02:28.776,0:02:32.979
empatia e curiosidade.

0:02:32.979,0:02:34.407
Na ciência dos sentimentos,

0:02:34.407,0:02:37.907
nós chamamos cada movimento[br]muscular facial de unidade de ação.

0:02:37.907,0:02:40.832
Por exemplo, unidade de ação 12,

0:02:40.832,0:02:42.720
não é um filme de Holywood,

0:02:42.720,0:02:44.610
é sim uma fisgada no canto dos lábios,

0:02:44.610,0:02:46.682
que é o principal[br]componente de um sorriso.

0:02:46.682,0:02:49.300
Tentem vocês.[br]Vamos mostrar alguns sorrisos.

0:02:49.300,0:02:52.174
Outro exemplo é a unidade de ação 4.[br]Que é a testa franzida.

0:02:52.174,0:02:54.192
É quando você junta as sobrancelhas

0:02:54.192,0:02:56.069
e cria todas estas texturas e dobras.

0:02:56.069,0:02:57.374
Não gostamos disso,

0:02:57.374,0:02:59.934
mas é um forte indicador[br]de um sentimento negativo.

0:02:59.934,0:03:02.680
Temos cerca de 45 dessas unidades de ação,

0:03:02.680,0:03:06.350
e elas se combinam para expressar[br]centenas de sentimentos.

0:03:06.350,0:03:10.031
Ensinar um computador a ler[br]essas emoções faciais é difícil,

0:03:10.031,0:03:13.223
porque essas unidades de ação[br]podem ser rápidas, elas são sutis,

0:03:13.223,0:03:15.777
e se combinam[br]de várias maneiras diferentes.

0:03:15.777,0:03:19.515
Então peguem, por exemplo,[br]o sorriso genuíno e o malicioso.

0:03:19.515,0:03:23.268
Eles se parecem de certa maneira,[br]mas querem dizer coisas bem diferentes.

0:03:23.268,0:03:24.986
(Risos)

0:03:24.986,0:03:28.880
O sorriso genuíno é positivo,[br]o malicioso normalmente é negativo.

0:03:28.880,0:03:33.226
Às vezes um sorriso malicioso[br]pode torná-lo famoso.

0:03:33.226,0:03:35.960
Mas falando sério, é importante[br]que um computador consiga

0:03:35.960,0:03:38.435
diferenciar essas duas expressões.

0:03:38.435,0:03:40.317
Então, como fazemos?

0:03:40.317,0:03:42.414
Nós damos ao nosso algoritmo

0:03:42.414,0:03:44.514
dezenas de milhares de exemplos de pessoas

0:03:44.514,0:03:46.524
que sabemos que estão sorrindo,

0:03:46.524,0:03:49.589
de diferentes etnias, idades e gêneros,

0:03:49.589,0:03:52.230
e fazemos o mesmo[br]para sorrisos maliciosos.

0:03:52.230,0:03:54.114
E assim, usando aprendizagem profunda,

0:03:54.114,0:03:56.810
o algoritmo busca[br]todas essas texturas e dobras

0:03:56.810,0:03:59.170
e mudanças de forma em nosso rosto

0:03:59.170,0:04:02.402
e aprende que todos os sorrisos genuínos[br]têm características em comum,

0:04:02.402,0:04:04.002
todos os sorrisos maliciosos

0:04:04.002,0:04:05.993
têm características[br]sutilmente diferentes.

0:04:05.993,0:04:08.161
E da próxima vez[br]que ele vir um novo rosto,

0:04:08.161,0:04:10.440
ele aprende que

0:04:10.440,0:04:13.473
esse rosto tem as mesmas[br]características de um sorriso genuíno,

0:04:13.473,0:04:17.751
Ele pensa: "Aha, este eu reconheço.[br]É uma expressão de sorriso genuíno."

0:04:18.381,0:04:21.181
E a melhor maneira de mostrar[br]que essa tecnologia funciona

0:04:21.181,0:04:23.317
é fazer uma demonstração ao vivo,

0:04:23.317,0:04:27.230
então vou precisar de um voluntário,[br]de preferência alguém com um rosto.

0:04:27.230,0:04:29.564
(Risos)

0:04:29.564,0:04:32.335
A Cloe vai ser nossa voluntária hoje.

0:04:33.325,0:04:35.003
Durante os últimos cinco anos,

0:04:35.003,0:04:37.653
nós passamos de um projeto[br]de pesquisa no MIT

0:04:37.653,0:04:38.939
para uma empresa,

0:04:38.939,0:04:40.619
na qual minha equipe trabalhou duro

0:04:40.619,0:04:42.521
para fazer essa tecnologia funcionar,

0:04:42.521,0:04:44.540
como gostamos de dizer, no meio selvagem.

0:04:44.540,0:04:45.800
E nós também a minimizamos

0:04:45.800,0:04:47.870
para que o mecanismo central[br]de sentimentos

0:04:47.870,0:04:50.530
funcione em qualquer[br]dispositivo móvel, como este iPad.

0:04:50.530,0:04:52.976
Então vamos testar.

0:04:54.516,0:04:58.380
Como podem ver, o algoritmo essencialmente[br]encontrou o rosto da Cloe,

0:04:58.380,0:05:00.312
é essa caixa branca delimitadora,

0:05:00.312,0:05:03.122
e está acompanhando [br]os pontos característicos em seu rosto,

0:05:03.122,0:05:05.959
as sobrancelhas, olhos, boca, e nariz.

0:05:05.959,0:05:08.586
A questão é: será que consegue[br]reconhecer sua expressão?

0:05:08.586,0:05:10.387
Vamos testar a máquina.

0:05:10.387,0:05:14.493
Primeiro, faça uma cara de blefe.[br]Isso, ótimo! (Risos)

0:05:14.493,0:05:17.336
E à medida que ela sorri,[br]esse sorriso é genuíno, muito bom.

0:05:17.336,0:05:19.856
Podemos ver a barra verde[br]aumentar enquanto ela sorri.

0:05:19.856,0:05:21.378
Foi um grande sorriso.

0:05:21.378,0:05:24.411
Pode tentar um sorriso sutil[br]para ver se o computador reconhece?

0:05:24.411,0:05:27.902
Também reconhece sorrisos sutis. [br]Trabalhamos muito que isso acontecesse.

0:05:27.902,0:05:31.439
As sobrancelhas levantadas,[br]o que indica surpresa.

0:05:31.439,0:05:35.688
Testa franzida, o que indica confusão.

0:05:35.688,0:05:39.695
Cara fechada. Isso, perfeito.

0:05:39.695,0:05:43.188
Essas são as diferentes unidades de ação.[br]Há muitas outras.

0:05:43.188,0:05:45.220
Esta é só uma curta demonstração.

0:05:45.220,0:05:48.258
Mas cada leitura é chamada[br]de ponto de dados de sentimento,

0:05:48.258,0:05:51.957
e eles podem ser ativados ao mesmo tempo[br]para retratar diferentes sentimentos.

0:05:51.957,0:05:55.990
Do lado direito da demonstração...[br]Parece que você está feliz.

0:05:55.990,0:05:57.604
Isto é alegria. A alegria acende.

0:05:57.604,0:05:59.371
E faça uma cara de nojo.

0:05:59.371,0:06:03.643
Tente se lembrar como foi[br]quando Zayn saiu do One Direction.

0:06:03.643,0:06:05.153
(Risos)

0:06:05.153,0:06:08.545
Isso, torça o nariz. Ótimo.

0:06:09.495,0:06:13.226
E a valência é bastante negativa,[br]você deve ser uma grande fã.

0:06:13.226,0:06:15.926
Valência é quão positiva[br]ou negativa é uma sensação,

0:06:15.926,0:06:18.542
e engajamento indica[br]a expressividade também.

0:06:18.542,0:06:22.206
Imaginem se a Cloe tivesse acesso[br]a esse fluxo de sentimentos em tempo real,

0:06:22.206,0:06:24.935
e pudesse compartilhar[br]com quem ela quisesse.

0:06:24.935,0:06:26.858
Obrigada.

0:06:26.858,0:06:29.479
(Aplausos)

0:06:33.749,0:06:39.019
Até agora já acumulamos 12 bilhões[br]de pontos de dados de sentimentos.

0:06:39.019,0:06:41.630
É o maior banco de dados[br]de sentimentos do mundo.

0:06:41.630,0:06:44.543
Nós os conseguimos[br]de 2,9 milhões de vídeos de rostos,

0:06:44.543,0:06:47.693
pessoas que aceitaram compartilhar[br]seus sentimentos conosco,

0:06:47.693,0:06:50.398
e de 75 países por todo o mundo.

0:06:50.398,0:06:52.113
Está crescendo a cada dia.

0:06:52.603,0:06:54.370
Me deixa sem palavras

0:06:54.370,0:06:57.795
que agora podemos quantificar[br]algo tão pessoal como nossos sentimentos,

0:06:57.795,0:07:00.100
e podemos fazê-lo nessa escala.

0:07:00.100,0:07:02.277
E o que já aprendemos?

0:07:03.057,0:07:04.788
Gênero.

0:07:05.388,0:07:08.864
Nossos dados confirmam uma coisa[br]que talvez vocês suspeitem.

0:07:08.864,0:07:10.891
Mulheres são mais expressivas que homens.

0:07:10.891,0:07:13.574
Elas não só sorriem mais,[br]seus sorrisos duram mais,

0:07:13.574,0:07:16.858
e agora conseguimos quantificar[br]o que faz com que homens e mulheres

0:07:16.858,0:07:18.614
reajam de maneira diferente.

0:07:18.614,0:07:20.904
Vamos falar de cultura: [br]nos Estados Unidos,

0:07:20.904,0:07:24.108
as mulheres são 40%[br]mais expressivas que os homens,

0:07:24.108,0:07:26.518
mas curiosamente não vemos[br]nenhuma diferença

0:07:26.518,0:07:28.583
no Reino Unido entre homens e mulheres.

0:07:28.583,0:07:30.259
(Risos)

0:07:31.296,0:07:35.323
Idade: pessoas com 50 anos ou mais

0:07:35.323,0:07:38.759
são 25% mais emotivas[br]do que os mais jovens.

0:07:39.469,0:07:43.751
Mulheres na casa dos 20 sorriem muito mais[br]do que homens com a mesma idade,

0:07:43.751,0:07:47.360
talvez uma necessidade para namorar.

0:07:47.360,0:07:50.207
Mas talvez o que mais[br]nos surpreendeu nesses dados

0:07:50.207,0:07:53.410
é que somos expressivos o tempo todo,

0:07:53.410,0:07:56.243
mesmo quando estamos sozinhos[br]com nossos dispositivos,

0:07:56.243,0:07:59.517
e não é só quando estamos[br]assistindo vídeos de gatos no Facebook.

0:07:59.847,0:08:03.417
Somos expressivos quando escrevemos[br]e-mails, mensagens, fazemos compras,

0:08:03.417,0:08:05.527
ou até mesmo declarando os impostos.

0:08:05.527,0:08:07.919
Onde esses dados são usados hoje?

0:08:07.919,0:08:10.682
Para entender como[br]interagimos com a mídia,

0:08:10.682,0:08:13.166
entender viralidade[br]e comportamento de votação;

0:08:13.166,0:08:15.906
e também capacitar e incluir[br]sentimentos na tecnologia,

0:08:15.906,0:08:20.527
e eu gostaria de mostrar alguns [br]dos meus exemplos preferidos.

0:08:21.197,0:08:24.265
Óculos que conseguem ler sentimentos[br]podem ajudar

0:08:24.265,0:08:27.493
pessoas com deficiência visual[br]a ler os rostos dos outros

0:08:27.493,0:08:31.680
e pode ajudar pessoas no espectro[br]do autismo a interpretar sentimentos,

0:08:31.680,0:08:34.458
algo com que têm muita dificuldade.

0:08:35.918,0:08:38.777
Na educação, imagine[br]se seus aplicativos de ensino

0:08:38.777,0:08:41.587
perceberem que você[br]está confuso e desacelerarem,

0:08:41.587,0:08:43.444
ou que você está[br]entediado e acelerarem,

0:08:43.444,0:08:46.413
assim como faria um bom[br]professor em sala de aula.

0:08:47.043,0:08:49.644
E se seu relógio de pulso[br]acompanhasse seu humor

0:08:49.644,0:08:52.337
ou seu carro percebesse[br]que você está cansado,

0:08:52.337,0:08:55.315
ou talvez sua geladeira saiba[br]que você está estressada,

0:08:55.315,0:08:59.421
e se tranca sozinha [br]para que você não coma demais. (Risos)

0:08:59.421,0:09:02.218
Eu gostaria disso, sim.

0:09:03.528,0:09:05.135
E se, quando eu estava em Cambridge,

0:09:05.135,0:09:08.018
eu tivesse acesso ao meu fluxo[br]de sentimentos em tempo real,

0:09:08.018,0:09:09.358
e pudesse compartilhá-lo

0:09:09.358,0:09:11.757
com a minha família em casa[br]de maneira natural,

0:09:11.757,0:09:15.408
assim como eu faria se estivéssemos[br]todos juntos na sala?

0:09:15.408,0:09:18.020
Acredito que daqui a cinco anos,

0:09:18.020,0:09:20.887
todos os nossos dispositivos[br]vão ter um chip de sentimentos,

0:09:20.887,0:09:22.501
e nem vamos nos lembrar como era

0:09:22.501,0:09:25.411
quando não adiantava fazer cara feia[br]para o dispositivo

0:09:25.411,0:09:29.200
e ele diria: "Hm, você não[br]gostou disso, né?"

0:09:29.200,0:09:32.711
Nosso maior desafio é que há tantas[br]aplicações para essa tecnologia,

0:09:32.711,0:09:36.024
que minha equipe percebeu[br]que não podemos satisfazê-las sozinhos,

0:09:36.024,0:09:39.360
então nós disponibilizamos essa tecnologia[br]a outros desenvolvedores

0:09:39.360,0:09:41.474
para que construam e usem a criatividade.

0:09:41.474,0:09:45.560
Nós reconhecemos que há potenciais riscos

0:09:45.560,0:09:47.627
e potencial para abuso,

0:09:47.627,0:09:50.576
mas pessoalmente, [br]após muitos anos fazendo isso,

0:09:50.576,0:09:52.978
acredito que os benefícios à humanidade

0:09:52.978,0:09:55.823
de ter tecnologia[br]emocionalmente inteligente

0:09:55.823,0:09:59.399
superam de longe o potencial de abuso.

0:09:59.399,0:10:01.930
E eu os convido todos[br]a participarem da conversa.

0:10:01.930,0:10:04.484
Quanto mais pessoas[br]conhecerem essa tecnologia,

0:10:04.484,0:10:07.661
mais peso terá nossa opinião[br]sobre como usá-la.

0:10:09.081,0:10:13.655
E à medida que nossas vidas[br]vão se digitalizando,

0:10:13.655,0:10:17.153
nós lutamos uma batalha perdida[br]tentando frear nosso uso de dispositivos

0:10:17.153,0:10:19.382
para reivindicar nossos sentimentos.

0:10:20.622,0:10:24.536
Então o que estou tentando fazer[br]é colocar sentimentos na tecnologia

0:10:24.536,0:10:26.845
e tornar nossa tecnologia mais responsiva.

0:10:26.845,0:10:29.435
Eu quero que esses dispositivos[br]que nos separaram

0:10:29.435,0:10:31.897
juntem-nos novamente.

0:10:31.897,0:10:36.485
E humanizando a tecnologia,[br]nós temos essa oportunidade de ouro

0:10:36.485,0:10:39.782
de reimaginar nossa conexão[br]com as máquinas,

0:10:39.782,0:10:44.263
e assim, como nós, seres humanos,

0:10:44.263,0:10:46.167
nos conectamos uns com os outros.

0:10:46.167,0:10:48.027
Obrigada.

0:10:48.027,0:10:51.640
(Aplausos)