1
00:00:00,556 --> 00:00:04,573
Nossos sentimentos influenciam
todos os aspectos de nossas vidas,

2
00:00:04,573 --> 00:00:08,149
desde nossa saúde e aprendizado
até como fazemos negócios e decisões,

3
00:00:08,149 --> 00:00:09,922
grandes ou pequenas.

4
00:00:10,482 --> 00:00:14,162
Nossos sentimentos também influenciam
como nos conectamos.

5
00:00:14,912 --> 00:00:19,108
Nós evoluímos para viver
num mundo como esse,

6
00:00:19,108 --> 00:00:23,427
mas em vez disso, cada vez mais
vivemos nossas vidas assim;

7
00:00:23,427 --> 00:00:26,561
esta mensagem
da minha filha ontem à noite;

8
00:00:26,561 --> 00:00:29,301
em um mundo desprovido de sentimentos.

9
00:00:29,301 --> 00:00:31,252
Eu estou numa missão para mudar isso.

10
00:00:31,252 --> 00:00:35,343
Quero recolocar os sentimentos
em nossas vidas digitais.

11
00:00:36,223 --> 00:00:39,300
Eu comecei essa jornada há 15 anos.

12
00:00:39,300 --> 00:00:41,366
Eu era cientista da computação no Egito,

13
00:00:41,366 --> 00:00:45,871
e tinha acabado de ser aceita
em um Ph.D. na Universidade de Cambridge.

14
00:00:45,871 --> 00:00:47,984
Então fiz algo bem inusitado

15
00:00:47,984 --> 00:00:50,599
para uma jovem esposa
egípcia muçulmana recém-casada:

16
00:00:50,599 --> 00:00:53,599
(Risos)

17
00:00:53,599 --> 00:00:56,598
Com o apoio de meu marido,
que teve que ficar no Egito,

18
00:00:56,598 --> 00:00:59,616
eu arrumei minhas malas
e me mudei para a Inglaterra.

19
00:00:59,616 --> 00:01:02,844
Em Cambridge, milhares
de quilômetros longe de casa,

20
00:01:02,844 --> 00:01:05,927
eu percebi que passava
mais tempo com meu laptop

21
00:01:05,927 --> 00:01:08,486
do que com qualquer outro ser humano.

22
00:01:08,486 --> 00:01:10,099
E apesar desta intimidade,

23
00:01:10,099 --> 00:01:13,339
meu laptop não tinha a menor ideia
de como eu me sentia.

24
00:01:13,339 --> 00:01:16,550
Não tinha ideia se eu estava feliz,

25
00:01:16,550 --> 00:01:19,538
se num dia ruim, estressada, confusa,

26
00:01:19,538 --> 00:01:22,460
e isso acabou ficando frustrante.

27
00:01:23,600 --> 00:01:28,831
Pior ainda, enquanto eu me comunicava
online com a minha família em casa,

28
00:01:29,211 --> 00:01:32,703
eu sentia que todos os meus sentimentos
desapareciam no cyberespaço.

29
00:01:32,703 --> 00:01:37,858
Eu sentia saudades, estava sozinha,
e alguns até mesmo chorava,

30
00:01:37,858 --> 00:01:42,786
mas tudo que eu tinha
para expressar esses sentimentos era isto.

31
00:01:42,786 --> 00:01:44,806
(Risos)

32
00:01:44,806 --> 00:01:49,780
A tecnologia atual tem muito QI,
mas nenhum QE;

33
00:01:49,780 --> 00:01:52,956
muita inteligência cognitiva,
mas nenhuma inteligência emocional.

34
00:01:52,956 --> 00:01:55,153
E isso me fez pensar,

35
00:01:55,153 --> 00:01:58,777
e se nossa tecnologia pudesse
perceber nossos sentimentos?

36
00:01:58,777 --> 00:02:00,843
E se nossos dispositivos pudessem perceber

37
00:02:00,843 --> 00:02:02,853
como nos sentimos e reagissem de acordo,

38
00:02:02,853 --> 00:02:05,866
como um amigo
emocionalmente inteligente faria?

39
00:02:06,666 --> 00:02:10,230
Essas questões fizeram
com que eu e minha equipe

40
00:02:10,230 --> 00:02:14,607
criássemos tecnologias que pudessem
ler e reagir aos nossos sentimentos,

41
00:02:14,607 --> 00:02:17,697
e nosso ponto de partida
foi o rosto humano.

42
00:02:18,577 --> 00:02:21,750
Nosso rosto humano
é um dos canais mais poderosos

43
00:02:21,750 --> 00:02:25,766
que todos nós usamos para comunicar
estados sociais e emocionais,

44
00:02:25,766 --> 00:02:28,776
tudo desde alegria, surpresa,

45
00:02:28,776 --> 00:02:32,979
empatia e curiosidade.

46
00:02:32,979 --> 00:02:34,407
Na ciência dos sentimentos,

47
00:02:34,407 --> 00:02:37,907
nós chamamos cada movimento
muscular facial de unidade de ação.

48
00:02:37,907 --> 00:02:40,832
Por exemplo, unidade de ação 12,

49
00:02:40,832 --> 00:02:42,720
não é um filme de Holywood,

50
00:02:42,720 --> 00:02:44,610
é sim uma fisgada no canto dos lábios,

51
00:02:44,610 --> 00:02:46,682
que é o principal
componente de um sorriso.

52
00:02:46,682 --> 00:02:49,300
Tentem vocês.
Vamos mostrar alguns sorrisos.

53
00:02:49,300 --> 00:02:52,174
Outro exemplo é a unidade de ação 4.
Que é a testa franzida.

54
00:02:52,174 --> 00:02:54,192
É quando você junta as sobrancelhas

55
00:02:54,192 --> 00:02:56,069
e cria todas estas texturas e dobras.

56
00:02:56,069 --> 00:02:57,374
Não gostamos disso,

57
00:02:57,374 --> 00:02:59,934
mas é um forte indicador
de um sentimento negativo.

58
00:02:59,934 --> 00:03:02,680
Temos cerca de 45 dessas unidades de ação,

59
00:03:02,680 --> 00:03:06,350
e elas se combinam para expressar
centenas de sentimentos.

60
00:03:06,350 --> 00:03:10,031
Ensinar um computador a ler
essas emoções faciais é difícil,

61
00:03:10,031 --> 00:03:13,223
porque essas unidades de ação
podem ser rápidas, elas são sutis,

62
00:03:13,223 --> 00:03:15,777
e se combinam
de várias maneiras diferentes.

63
00:03:15,777 --> 00:03:19,515
Então peguem, por exemplo,
o sorriso genuíno e o malicioso.

64
00:03:19,515 --> 00:03:23,268
Eles se parecem de certa maneira,
mas querem dizer coisas bem diferentes.

65
00:03:23,268 --> 00:03:24,986
(Risos)

66
00:03:24,986 --> 00:03:28,880
O sorriso genuíno é positivo,
o malicioso normalmente é negativo.

67
00:03:28,880 --> 00:03:33,226
Às vezes um sorriso malicioso
pode torná-lo famoso.

68
00:03:33,226 --> 00:03:35,960
Mas falando sério, é importante
que um computador consiga

69
00:03:35,960 --> 00:03:38,435
diferenciar essas duas expressões.

70
00:03:38,435 --> 00:03:40,317
Então, como fazemos?

71
00:03:40,317 --> 00:03:42,414
Nós damos ao nosso algoritmo

72
00:03:42,414 --> 00:03:44,514
dezenas de milhares de exemplos de pessoas

73
00:03:44,514 --> 00:03:46,524
que sabemos que estão sorrindo,

74
00:03:46,524 --> 00:03:49,589
de diferentes etnias, idades e gêneros,

75
00:03:49,589 --> 00:03:52,230
e fazemos o mesmo
para sorrisos maliciosos.

76
00:03:52,230 --> 00:03:54,114
E assim, usando aprendizagem profunda,

77
00:03:54,114 --> 00:03:56,810
o algoritmo busca
todas essas texturas e dobras

78
00:03:56,810 --> 00:03:59,170
e mudanças de forma em nosso rosto

79
00:03:59,170 --> 00:04:02,402
e aprende que todos os sorrisos genuínos
têm características em comum,

80
00:04:02,402 --> 00:04:04,002
todos os sorrisos maliciosos

81
00:04:04,002 --> 00:04:05,993
têm características
sutilmente diferentes.

82
00:04:05,993 --> 00:04:08,161
E da próxima vez
que ele vir um novo rosto,

83
00:04:08,161 --> 00:04:10,440
ele aprende que

84
00:04:10,440 --> 00:04:13,473
esse rosto tem as mesmas
características de um sorriso genuíno,

85
00:04:13,473 --> 00:04:17,751
Ele pensa: "Aha, este eu reconheço.
É uma expressão de sorriso genuíno."

86
00:04:18,381 --> 00:04:21,181
E a melhor maneira de mostrar
que essa tecnologia funciona

87
00:04:21,181 --> 00:04:23,317
é fazer uma demonstração ao vivo,

88
00:04:23,317 --> 00:04:27,230
então vou precisar de um voluntário,
de preferência alguém com um rosto.

89
00:04:27,230 --> 00:04:29,564
(Risos)

90
00:04:29,564 --> 00:04:32,335
A Cloe vai ser nossa voluntária hoje.

91
00:04:33,325 --> 00:04:35,003
Durante os últimos cinco anos,

92
00:04:35,003 --> 00:04:37,653
nós passamos de um projeto
de pesquisa no MIT

93
00:04:37,653 --> 00:04:38,939
para uma empresa,

94
00:04:38,939 --> 00:04:40,619
na qual minha equipe trabalhou duro

95
00:04:40,619 --> 00:04:42,521
para fazer essa tecnologia funcionar,

96
00:04:42,521 --> 00:04:44,540
como gostamos de dizer, no meio selvagem.

97
00:04:44,540 --> 00:04:45,800
E nós também a minimizamos

98
00:04:45,800 --> 00:04:47,870
para que o mecanismo central
de sentimentos

99
00:04:47,870 --> 00:04:50,530
funcione em qualquer
dispositivo móvel, como este iPad.

100
00:04:50,530 --> 00:04:52,976
Então vamos testar.

101
00:04:54,516 --> 00:04:58,380
Como podem ver, o algoritmo essencialmente
encontrou o rosto da Cloe,

102
00:04:58,380 --> 00:05:00,312
é essa caixa branca delimitadora,

103
00:05:00,312 --> 00:05:03,122
e está acompanhando 
os pontos característicos em seu rosto,

104
00:05:03,122 --> 00:05:05,959
as sobrancelhas, olhos, boca, e nariz.

105
00:05:05,959 --> 00:05:08,586
A questão é: será que consegue
reconhecer sua expressão?

106
00:05:08,586 --> 00:05:10,387
Vamos testar a máquina.

107
00:05:10,387 --> 00:05:14,493
Primeiro, faça uma cara de blefe.
Isso, ótimo! (Risos)

108
00:05:14,493 --> 00:05:17,336
E à medida que ela sorri,
esse sorriso é genuíno, muito bom.

109
00:05:17,336 --> 00:05:19,856
Podemos ver a barra verde
aumentar enquanto ela sorri.

110
00:05:19,856 --> 00:05:21,378
Foi um grande sorriso.

111
00:05:21,378 --> 00:05:24,411
Pode tentar um sorriso sutil
para ver se o computador reconhece?

112
00:05:24,411 --> 00:05:27,902
Também reconhece sorrisos sutis. 
Trabalhamos muito que isso acontecesse.

113
00:05:27,902 --> 00:05:31,439
As sobrancelhas levantadas,
o que indica surpresa.

114
00:05:31,439 --> 00:05:35,688
Testa franzida, o que indica confusão.

115
00:05:35,688 --> 00:05:39,695
Cara fechada. Isso, perfeito.

116
00:05:39,695 --> 00:05:43,188
Essas são as diferentes unidades de ação.
Há muitas outras.

117
00:05:43,188 --> 00:05:45,220
Esta é só uma curta demonstração.

118
00:05:45,220 --> 00:05:48,258
Mas cada leitura é chamada
de ponto de dados de sentimento,

119
00:05:48,258 --> 00:05:51,957
e eles podem ser ativados ao mesmo tempo
para retratar diferentes sentimentos.

120
00:05:51,957 --> 00:05:55,990
Do lado direito da demonstração...
Parece que você está feliz.

121
00:05:55,990 --> 00:05:57,604
Isto é alegria. A alegria acende.

122
00:05:57,604 --> 00:05:59,371
E faça uma cara de nojo.

123
00:05:59,371 --> 00:06:03,643
Tente se lembrar como foi
quando Zayn saiu do One Direction.

124
00:06:03,643 --> 00:06:05,153
(Risos)

125
00:06:05,153 --> 00:06:08,545
Isso, torça o nariz. Ótimo.

126
00:06:09,495 --> 00:06:13,226
E a valência é bastante negativa,
você deve ser uma grande fã.

127
00:06:13,226 --> 00:06:15,926
Valência é quão positiva
ou negativa é uma sensação,

128
00:06:15,926 --> 00:06:18,542
e engajamento indica
a expressividade também.

129
00:06:18,542 --> 00:06:22,206
Imaginem se a Cloe tivesse acesso
a esse fluxo de sentimentos em tempo real,

130
00:06:22,206 --> 00:06:24,935
e pudesse compartilhar
com quem ela quisesse.

131
00:06:24,935 --> 00:06:26,858
Obrigada.

132
00:06:26,858 --> 00:06:29,479
(Aplausos)

133
00:06:33,749 --> 00:06:39,019
Até agora já acumulamos 12 bilhões
de pontos de dados de sentimentos.

134
00:06:39,019 --> 00:06:41,630
É o maior banco de dados
de sentimentos do mundo.

135
00:06:41,630 --> 00:06:44,543
Nós os conseguimos
de 2,9 milhões de vídeos de rostos,

136
00:06:44,543 --> 00:06:47,693
pessoas que aceitaram compartilhar
seus sentimentos conosco,

137
00:06:47,693 --> 00:06:50,398
e de 75 países por todo o mundo.

138
00:06:50,398 --> 00:06:52,113
Está crescendo a cada dia.

139
00:06:52,603 --> 00:06:54,370
Me deixa sem palavras

140
00:06:54,370 --> 00:06:57,795
que agora podemos quantificar
algo tão pessoal como nossos sentimentos,

141
00:06:57,795 --> 00:07:00,100
e podemos fazê-lo nessa escala.

142
00:07:00,100 --> 00:07:02,277
E o que já aprendemos?

143
00:07:03,057 --> 00:07:04,788
Gênero.

144
00:07:05,388 --> 00:07:08,864
Nossos dados confirmam uma coisa
que talvez vocês suspeitem.

145
00:07:08,864 --> 00:07:10,891
Mulheres são mais expressivas que homens.

146
00:07:10,891 --> 00:07:13,574
Elas não só sorriem mais,
seus sorrisos duram mais,

147
00:07:13,574 --> 00:07:16,858
e agora conseguimos quantificar
o que faz com que homens e mulheres

148
00:07:16,858 --> 00:07:18,614
reajam de maneira diferente.

149
00:07:18,614 --> 00:07:20,904
Vamos falar de cultura: 
nos Estados Unidos,

150
00:07:20,904 --> 00:07:24,108
as mulheres são 40%
mais expressivas que os homens,

151
00:07:24,108 --> 00:07:26,518
mas curiosamente não vemos
nenhuma diferença

152
00:07:26,518 --> 00:07:28,583
no Reino Unido entre homens e mulheres.

153
00:07:28,583 --> 00:07:30,259
(Risos)

154
00:07:31,296 --> 00:07:35,323
Idade: pessoas com 50 anos ou mais

155
00:07:35,323 --> 00:07:38,759
são 25% mais emotivas
do que os mais jovens.

156
00:07:39,469 --> 00:07:43,751
Mulheres na casa dos 20 sorriem muito mais
do que homens com a mesma idade,

157
00:07:43,751 --> 00:07:47,360
talvez uma necessidade para namorar.

158
00:07:47,360 --> 00:07:50,207
Mas talvez o que mais
nos surpreendeu nesses dados

159
00:07:50,207 --> 00:07:53,410
é que somos expressivos o tempo todo,

160
00:07:53,410 --> 00:07:56,243
mesmo quando estamos sozinhos
com nossos dispositivos,

161
00:07:56,243 --> 00:07:59,517
e não é só quando estamos
assistindo vídeos de gatos no Facebook.

162
00:07:59,847 --> 00:08:03,417
Somos expressivos quando escrevemos
e-mails, mensagens, fazemos compras,

163
00:08:03,417 --> 00:08:05,527
ou até mesmo declarando os impostos.

164
00:08:05,527 --> 00:08:07,919
Onde esses dados são usados hoje?

165
00:08:07,919 --> 00:08:10,682
Para entender como
interagimos com a mídia,

166
00:08:10,682 --> 00:08:13,166
entender viralidade
e comportamento de votação;

167
00:08:13,166 --> 00:08:15,906
e também capacitar e incluir
sentimentos na tecnologia,

168
00:08:15,906 --> 00:08:20,527
e eu gostaria de mostrar alguns 
dos meus exemplos preferidos.

169
00:08:21,197 --> 00:08:24,265
Óculos que conseguem ler sentimentos
podem ajudar

170
00:08:24,265 --> 00:08:27,493
pessoas com deficiência visual
a ler os rostos dos outros

171
00:08:27,493 --> 00:08:31,680
e pode ajudar pessoas no espectro
do autismo a interpretar sentimentos,

172
00:08:31,680 --> 00:08:34,458
algo com que têm muita dificuldade.

173
00:08:35,918 --> 00:08:38,777
Na educação, imagine
se seus aplicativos de ensino

174
00:08:38,777 --> 00:08:41,587
perceberem que você
está confuso e desacelerarem,

175
00:08:41,587 --> 00:08:43,444
ou que você está
entediado e acelerarem,

176
00:08:43,444 --> 00:08:46,413
assim como faria um bom
professor em sala de aula.

177
00:08:47,043 --> 00:08:49,644
E se seu relógio de pulso
acompanhasse seu humor

178
00:08:49,644 --> 00:08:52,337
ou seu carro percebesse
que você está cansado,

179
00:08:52,337 --> 00:08:55,315
ou talvez sua geladeira saiba
que você está estressada,

180
00:08:55,315 --> 00:08:59,421
e se tranca sozinha 
para que você não coma demais. (Risos)

181
00:08:59,421 --> 00:09:02,218
Eu gostaria disso, sim.

182
00:09:03,528 --> 00:09:05,135
E se, quando eu estava em Cambridge,

183
00:09:05,135 --> 00:09:08,018
eu tivesse acesso ao meu fluxo
de sentimentos em tempo real,

184
00:09:08,018 --> 00:09:09,358
e pudesse compartilhá-lo

185
00:09:09,358 --> 00:09:11,757
com a minha família em casa
de maneira natural,

186
00:09:11,757 --> 00:09:15,408
assim como eu faria se estivéssemos
todos juntos na sala?

187
00:09:15,408 --> 00:09:18,020
Acredito que daqui a cinco anos,

188
00:09:18,020 --> 00:09:20,887
todos os nossos dispositivos
vão ter um chip de sentimentos,

189
00:09:20,887 --> 00:09:22,501
e nem vamos nos lembrar como era

190
00:09:22,501 --> 00:09:25,411
quando não adiantava fazer cara feia
para o dispositivo

191
00:09:25,411 --> 00:09:29,200
e ele diria: "Hm, você não
gostou disso, né?"

192
00:09:29,200 --> 00:09:32,711
Nosso maior desafio é que há tantas
aplicações para essa tecnologia,

193
00:09:32,711 --> 00:09:36,024
que minha equipe percebeu
que não podemos satisfazê-las sozinhos,

194
00:09:36,024 --> 00:09:39,360
então nós disponibilizamos essa tecnologia
a outros desenvolvedores

195
00:09:39,360 --> 00:09:41,474
para que construam e usem a criatividade.

196
00:09:41,474 --> 00:09:45,560
Nós reconhecemos que há potenciais riscos

197
00:09:45,560 --> 00:09:47,627
e potencial para abuso,

198
00:09:47,627 --> 00:09:50,576
mas pessoalmente, 
após muitos anos fazendo isso,

199
00:09:50,576 --> 00:09:52,978
acredito que os benefícios à humanidade

200
00:09:52,978 --> 00:09:55,823
de ter tecnologia
emocionalmente inteligente

201
00:09:55,823 --> 00:09:59,399
superam de longe o potencial de abuso.

202
00:09:59,399 --> 00:10:01,930
E eu os convido todos
a participarem da conversa.

203
00:10:01,930 --> 00:10:04,484
Quanto mais pessoas
conhecerem essa tecnologia,

204
00:10:04,484 --> 00:10:07,661
mais peso terá nossa opinião
sobre como usá-la.

205
00:10:09,081 --> 00:10:13,655
E à medida que nossas vidas
vão se digitalizando,

206
00:10:13,655 --> 00:10:17,153
nós lutamos uma batalha perdida
tentando frear nosso uso de dispositivos

207
00:10:17,153 --> 00:10:19,382
para reivindicar nossos sentimentos.

208
00:10:20,622 --> 00:10:24,536
Então o que estou tentando fazer
é colocar sentimentos na tecnologia

209
00:10:24,536 --> 00:10:26,845
e tornar nossa tecnologia mais responsiva.

210
00:10:26,845 --> 00:10:29,435
Eu quero que esses dispositivos
que nos separaram

211
00:10:29,435 --> 00:10:31,897
juntem-nos novamente.

212
00:10:31,897 --> 00:10:36,485
E humanizando a tecnologia,
nós temos essa oportunidade de ouro

213
00:10:36,485 --> 00:10:39,782
de reimaginar nossa conexão
com as máquinas,

214
00:10:39,782 --> 00:10:44,263
e assim, como nós, seres humanos,

215
00:10:44,263 --> 00:10:46,167
nos conectamos uns com os outros.

216
00:10:46,167 --> 00:10:48,027
Obrigada.

217
00:10:48,027 --> 00:10:51,640
(Aplausos)