WEBVTT

00:00:00.556 --> 00:00:04.573
Nossos sentimentos influenciam
todos os aspectos de nossas vidas,

00:00:04.573 --> 00:00:08.149
desde nossa saúde e aprendizado
até como fazemos negócios e decisões,

00:00:08.149 --> 00:00:09.922
grandes ou pequenas.

00:00:10.482 --> 00:00:14.162
Nossos sentimentos também influenciam
como nos conectamos.

00:00:14.912 --> 00:00:19.108
Nós evoluímos para viver
num mundo como esse,

00:00:19.108 --> 00:00:23.427
mas em vez disso, cada vez mais
vivemos nossas vidas assim;

00:00:23.427 --> 00:00:26.561
esta mensagem
da minha filha ontem à noite;

00:00:26.561 --> 00:00:29.301
em um mundo desprovido de sentimentos.

00:00:29.301 --> 00:00:31.252
Eu estou numa missão para mudar isso.

00:00:31.252 --> 00:00:35.343
Quero recolocar os sentimentos
em nossas vidas digitais.

NOTE Paragraph

00:00:36.223 --> 00:00:39.300
Eu comecei essa jornada há 15 anos.

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

00:00:41.366 --> 00:00:45.871
e tinha acabado de ser aceita
em um Ph.D. na Universidade de Cambridge.

00:00:45.871 --> 00:00:47.984
Então fiz algo bem inusitado

00:00:47.984 --> 00:00:50.599
para uma jovem esposa
egípcia muçulmana recém-casada:

00:00:50.599 --> 00:00:53.599
(Risos)

00:00:53.599 --> 00:00:56.598
Com o apoio de meu marido,
que teve que ficar no Egito,

00:00:56.598 --> 00:00:59.616
eu arrumei minhas malas
e me mudei para a Inglaterra.

00:00:59.616 --> 00:01:02.844
Em Cambridge, milhares
de quilômetros longe de casa,

00:01:02.844 --> 00:01:05.927
eu percebi que passava
mais tempo com meu laptop

00:01:05.927 --> 00:01:08.486
do que com qualquer outro ser humano.

00:01:08.486 --> 00:01:10.099
E apesar desta intimidade,

00:01:10.099 --> 00:01:13.339
meu laptop não tinha a menor ideia
de como eu me sentia.

00:01:13.339 --> 00:01:16.550
Não tinha ideia se eu estava feliz,

00:01:16.550 --> 00:01:19.538
se num dia ruim, estressada, confusa,

00:01:19.538 --> 00:01:22.460
e isso acabou ficando frustrante.

00:01:23.600 --> 00:01:28.831
Pior ainda, enquanto eu me comunicava
online com a minha família em casa,

00:01:29.211 --> 00:01:32.703
eu sentia que todos os meus sentimentos
desapareciam no cyberespaço.

00:01:32.703 --> 00:01:37.858
Eu sentia saudades, estava sozinha,
e alguns até mesmo chorava,

00:01:37.858 --> 00:01:42.786
mas tudo que eu tinha
para expressar esses sentimentos era isto.

00:01:42.786 --> 00:01:44.806
(Risos)

00:01:44.806 --> 00:01:49.780
A tecnologia atual tem muito QI,
mas nenhum QE;

00:01:49.780 --> 00:01:52.956
muita inteligência cognitiva,
mas nenhuma inteligência emocional.

00:01:52.956 --> 00:01:55.153
E isso me fez pensar,

00:01:55.153 --> 00:01:58.777
e se nossa tecnologia pudesse
perceber nossos sentimentos?

00:01:58.777 --> 00:02:00.843
E se nossos dispositivos pudessem perceber

00:02:00.843 --> 00:02:02.853
como nos sentimos e reagissem de acordo,

00:02:02.853 --> 00:02:05.866
como um amigo
emocionalmente inteligente faria?

00:02:06.666 --> 00:02:10.230
Essas questões fizeram
com que eu e minha equipe

00:02:10.230 --> 00:02:14.607
criássemos tecnologias que pudessem
ler e reagir aos nossos sentimentos,

00:02:14.607 --> 00:02:17.697
e nosso ponto de partida
foi o rosto humano.

NOTE Paragraph

00:02:18.577 --> 00:02:21.750
Nosso rosto humano
é um dos canais mais poderosos

00:02:21.750 --> 00:02:25.766
que todos nós usamos para comunicar
estados sociais e emocionais,

00:02:25.766 --> 00:02:28.776
tudo desde alegria, surpresa,

00:02:28.776 --> 00:02:32.979
empatia e curiosidade.

00:02:32.979 --> 00:02:34.407
Na ciência dos sentimentos,

00:02:34.407 --> 00:02:37.907
nós chamamos cada movimento
muscular facial de unidade de ação.

00:02:37.907 --> 00:02:40.832
Por exemplo, unidade de ação 12,

00:02:40.832 --> 00:02:42.720
não é um filme de Holywood,

00:02:42.720 --> 00:02:44.610
é sim uma fisgada no canto dos lábios,

00:02:44.610 --> 00:02:46.682
que é o principal
componente de um sorriso.

00:02:46.682 --> 00:02:49.300
Tentem vocês.
Vamos mostrar alguns sorrisos.

00:02:49.300 --> 00:02:52.174
Outro exemplo é a unidade de ação 4.
Que é a testa franzida.

00:02:52.174 --> 00:02:54.192
É quando você junta as sobrancelhas

00:02:54.192 --> 00:02:56.069
e cria todas estas texturas e dobras.

00:02:56.069 --> 00:02:57.374
Não gostamos disso,

00:02:57.374 --> 00:02:59.934
mas é um forte indicador
de um sentimento negativo.

00:02:59.934 --> 00:03:02.680
Temos cerca de 45 dessas unidades de ação,

00:03:02.680 --> 00:03:06.350
e elas se combinam para expressar
centenas de sentimentos.

NOTE Paragraph

00:03:06.350 --> 00:03:10.031
Ensinar um computador a ler
essas emoções faciais é difícil,

00:03:10.031 --> 00:03:13.223
porque essas unidades de ação
podem ser rápidas, elas são sutis,

00:03:13.223 --> 00:03:15.777
e se combinam
de várias maneiras diferentes.

00:03:15.777 --> 00:03:19.515
Então peguem, por exemplo,
o sorriso genuíno e o malicioso.

00:03:19.515 --> 00:03:23.268
Eles se parecem de certa maneira,
mas querem dizer coisas bem diferentes.

00:03:23.268 --> 00:03:24.986
(Risos)

00:03:24.986 --> 00:03:28.880
O sorriso genuíno é positivo,
o malicioso normalmente é negativo.

00:03:28.880 --> 00:03:33.226
Às vezes um sorriso malicioso
pode torná-lo famoso.

00:03:33.226 --> 00:03:35.960
Mas falando sério, é importante
que um computador consiga

00:03:35.960 --> 00:03:38.435
diferenciar essas duas expressões.

NOTE Paragraph

00:03:38.435 --> 00:03:40.317
Então, como fazemos?

00:03:40.317 --> 00:03:42.414
Nós damos ao nosso algoritmo

00:03:42.414 --> 00:03:44.514
dezenas de milhares de exemplos de pessoas

00:03:44.514 --> 00:03:46.524
que sabemos que estão sorrindo,

00:03:46.524 --> 00:03:49.589
de diferentes etnias, idades e gêneros,

00:03:49.589 --> 00:03:52.230
e fazemos o mesmo
para sorrisos maliciosos.

00:03:52.230 --> 00:03:54.114
E assim, usando aprendizagem profunda,

00:03:54.114 --> 00:03:56.810
o algoritmo busca
todas essas texturas e dobras

00:03:56.810 --> 00:03:59.170
e mudanças de forma em nosso rosto

00:03:59.170 --> 00:04:02.402
e aprende que todos os sorrisos genuínos
têm características em comum,

00:04:02.402 --> 00:04:04.002
todos os sorrisos maliciosos

00:04:04.002 --> 00:04:05.993
têm características
sutilmente diferentes.

00:04:05.993 --> 00:04:08.161
E da próxima vez
que ele vir um novo rosto,

00:04:08.161 --> 00:04:10.440
ele aprende que

00:04:10.440 --> 00:04:13.473
esse rosto tem as mesmas
características de um sorriso genuíno,

00:04:13.473 --> 00:04:17.751
Ele pensa: "Aha, este eu reconheço.
É uma expressão de sorriso genuíno."

NOTE Paragraph

00:04:18.381 --> 00:04:21.181
E a melhor maneira de mostrar
que essa tecnologia funciona

00:04:21.181 --> 00:04:23.317
é fazer uma demonstração ao vivo,

00:04:23.317 --> 00:04:27.230
então vou precisar de um voluntário,
de preferência alguém com um rosto.

00:04:27.230 --> 00:04:29.564
(Risos)

00:04:29.564 --> 00:04:32.335
A Cloe vai ser nossa voluntária hoje.

NOTE Paragraph

00:04:33.325 --> 00:04:35.003
Durante os últimos cinco anos,

00:04:35.003 --> 00:04:37.653
nós passamos de um projeto
de pesquisa no MIT

00:04:37.653 --> 00:04:38.939
para uma empresa,

00:04:38.939 --> 00:04:40.619
na qual minha equipe trabalhou duro

00:04:40.619 --> 00:04:42.521
para fazer essa tecnologia funcionar,

00:04:42.521 --> 00:04:44.540
como gostamos de dizer, no meio selvagem.

00:04:44.540 --> 00:04:45.800
E nós também a minimizamos

00:04:45.800 --> 00:04:47.870
para que o mecanismo central
de sentimentos

00:04:47.870 --> 00:04:50.530
funcione em qualquer
dispositivo móvel, como este iPad.

00:04:50.530 --> 00:04:52.976
Então vamos testar.

NOTE Paragraph

00:04:54.516 --> 00:04:58.380
Como podem ver, o algoritmo essencialmente
encontrou o rosto da Cloe,

00:04:58.380 --> 00:05:00.312
é essa caixa branca delimitadora,

00:05:00.312 --> 00:05:03.122
e está acompanhando 
os pontos característicos em seu rosto,

00:05:03.122 --> 00:05:05.959
as sobrancelhas, olhos, boca, e nariz.

00:05:05.959 --> 00:05:08.586
A questão é: será que consegue
reconhecer sua expressão?

00:05:08.586 --> 00:05:10.387
Vamos testar a máquina.

00:05:10.387 --> 00:05:14.493
Primeiro, faça uma cara de blefe.
Isso, ótimo! (Risos)

00:05:14.493 --> 00:05:17.336
E à medida que ela sorri,
esse sorriso é genuíno, muito bom.

00:05:17.336 --> 00:05:19.856
Podemos ver a barra verde
aumentar enquanto ela sorri.

00:05:19.856 --> 00:05:21.378
Foi um grande sorriso.

00:05:21.378 --> 00:05:24.411
Pode tentar um sorriso sutil
para ver se o computador reconhece?

00:05:24.411 --> 00:05:27.902
Também reconhece sorrisos sutis. 
Trabalhamos muito que isso acontecesse.

00:05:27.902 --> 00:05:31.439
As sobrancelhas levantadas,
o que indica surpresa.

00:05:31.439 --> 00:05:35.688
Testa franzida, o que indica confusão.

00:05:35.688 --> 00:05:39.695
Cara fechada. Isso, perfeito.

00:05:39.695 --> 00:05:43.188
Essas são as diferentes unidades de ação.
Há muitas outras.

00:05:43.188 --> 00:05:45.220
Esta é só uma curta demonstração.

00:05:45.220 --> 00:05:48.258
Mas cada leitura é chamada
de ponto de dados de sentimento,

00:05:48.258 --> 00:05:51.957
e eles podem ser ativados ao mesmo tempo
para retratar diferentes sentimentos.

00:05:51.957 --> 00:05:55.990
Do lado direito da demonstração...
Parece que você está feliz.

00:05:55.990 --> 00:05:57.604
Isto é alegria. A alegria acende.

00:05:57.604 --> 00:05:59.371
E faça uma cara de nojo.

00:05:59.371 --> 00:06:03.643
Tente se lembrar como foi
quando Zayn saiu do One Direction.

00:06:03.643 --> 00:06:05.153
(Risos)

00:06:05.153 --> 00:06:08.545
Isso, torça o nariz. Ótimo.

00:06:09.495 --> 00:06:13.226
E a valência é bastante negativa,
você deve ser uma grande fã.

00:06:13.226 --> 00:06:15.926
Valência é quão positiva
ou negativa é uma sensação,

00:06:15.926 --> 00:06:18.542
e engajamento indica
a expressividade também.

00:06:18.542 --> 00:06:22.206
Imaginem se a Cloe tivesse acesso
a esse fluxo de sentimentos em tempo real,

00:06:22.206 --> 00:06:24.935
e pudesse compartilhar
com quem ela quisesse.

00:06:24.935 --> 00:06:26.858
Obrigada.

00:06:26.858 --> 00:06:29.479
(Aplausos)

NOTE Paragraph

00:06:33.749 --> 00:06:39.019
Até agora já acumulamos 12 bilhões
de pontos de dados de sentimentos.

00:06:39.019 --> 00:06:41.630
É o maior banco de dados
de sentimentos do mundo.

00:06:41.630 --> 00:06:44.543
Nós os conseguimos
de 2,9 milhões de vídeos de rostos,

00:06:44.543 --> 00:06:47.693
pessoas que aceitaram compartilhar
seus sentimentos conosco,

00:06:47.693 --> 00:06:50.398
e de 75 países por todo o mundo.

00:06:50.398 --> 00:06:52.113
Está crescendo a cada dia.

00:06:52.603 --> 00:06:54.370
Me deixa sem palavras

00:06:54.370 --> 00:06:57.795
que agora podemos quantificar
algo tão pessoal como nossos sentimentos,

00:06:57.795 --> 00:07:00.100
e podemos fazê-lo nessa escala.

NOTE Paragraph

00:07:00.100 --> 00:07:02.277
E o que já aprendemos?

00:07:03.057 --> 00:07:04.788
Gênero.

00:07:05.388 --> 00:07:08.864
Nossos dados confirmam uma coisa
que talvez vocês suspeitem.

00:07:08.864 --> 00:07:10.891
Mulheres são mais expressivas que homens.

00:07:10.891 --> 00:07:13.574
Elas não só sorriem mais,
seus sorrisos duram mais,

00:07:13.574 --> 00:07:16.858
e agora conseguimos quantificar
o que faz com que homens e mulheres

00:07:16.858 --> 00:07:18.614
reajam de maneira diferente.

00:07:18.614 --> 00:07:20.904
Vamos falar de cultura: 
nos Estados Unidos,

00:07:20.904 --> 00:07:24.108
as mulheres são 40%
mais expressivas que os homens,

00:07:24.108 --> 00:07:26.518
mas curiosamente não vemos
nenhuma diferença

00:07:26.518 --> 00:07:28.583
no Reino Unido entre homens e mulheres.

00:07:28.583 --> 00:07:30.259
(Risos)

00:07:31.296 --> 00:07:35.323
Idade: pessoas com 50 anos ou mais

00:07:35.323 --> 00:07:38.759
são 25% mais emotivas
do que os mais jovens.

00:07:39.469 --> 00:07:43.751
Mulheres na casa dos 20 sorriem muito mais
do que homens com a mesma idade,

00:07:43.751 --> 00:07:47.360
talvez uma necessidade para namorar.

00:07:47.360 --> 00:07:50.207
Mas talvez o que mais
nos surpreendeu nesses dados

00:07:50.207 --> 00:07:53.410
é que somos expressivos o tempo todo,

00:07:53.410 --> 00:07:56.243
mesmo quando estamos sozinhos
com nossos dispositivos,

00:07:56.243 --> 00:07:59.517
e não é só quando estamos
assistindo vídeos de gatos no Facebook.

00:07:59.847 --> 00:08:03.417
Somos expressivos quando escrevemos
e-mails, mensagens, fazemos compras,

00:08:03.417 --> 00:08:05.527
ou até mesmo declarando os impostos.

NOTE Paragraph

00:08:05.527 --> 00:08:07.919
Onde esses dados são usados hoje?

00:08:07.919 --> 00:08:10.682
Para entender como
interagimos com a mídia,

00:08:10.682 --> 00:08:13.166
entender viralidade
e comportamento de votação;

00:08:13.166 --> 00:08:15.906
e também capacitar e incluir
sentimentos na tecnologia,

00:08:15.906 --> 00:08:20.527
e eu gostaria de mostrar alguns 
dos meus exemplos preferidos.

00:08:21.197 --> 00:08:24.265
Óculos que conseguem ler sentimentos
podem ajudar

00:08:24.265 --> 00:08:27.493
pessoas com deficiência visual
a ler os rostos dos outros

00:08:27.493 --> 00:08:31.680
e pode ajudar pessoas no espectro
do autismo a interpretar sentimentos,

00:08:31.680 --> 00:08:34.458
algo com que têm muita dificuldade.

00:08:35.918 --> 00:08:38.777
Na educação, imagine
se seus aplicativos de ensino

00:08:38.777 --> 00:08:41.587
perceberem que você
está confuso e desacelerarem,

00:08:41.587 --> 00:08:43.444
ou que você está
entediado e acelerarem,

00:08:43.444 --> 00:08:46.413
assim como faria um bom
professor em sala de aula.

00:08:47.043 --> 00:08:49.644
E se seu relógio de pulso
acompanhasse seu humor

00:08:49.644 --> 00:08:52.337
ou seu carro percebesse
que você está cansado,

00:08:52.337 --> 00:08:55.315
ou talvez sua geladeira saiba
que você está estressada,

00:08:55.315 --> 00:08:59.421
e se tranca sozinha 
para que você não coma demais. (Risos)

00:08:59.421 --> 00:09:02.218
Eu gostaria disso, sim.

00:09:03.528 --> 00:09:05.135
E se, quando eu estava em Cambridge,

00:09:05.135 --> 00:09:08.018
eu tivesse acesso ao meu fluxo
de sentimentos em tempo real,

00:09:08.018 --> 00:09:09.358
e pudesse compartilhá-lo

00:09:09.358 --> 00:09:11.757
com a minha família em casa
de maneira natural,

00:09:11.757 --> 00:09:15.408
assim como eu faria se estivéssemos
todos juntos na sala?

NOTE Paragraph

00:09:15.408 --> 00:09:18.020
Acredito que daqui a cinco anos,

00:09:18.020 --> 00:09:20.887
todos os nossos dispositivos
vão ter um chip de sentimentos,

00:09:20.887 --> 00:09:22.501
e nem vamos nos lembrar como era

00:09:22.501 --> 00:09:25.411
quando não adiantava fazer cara feia
para o dispositivo

00:09:25.411 --> 00:09:29.200
e ele diria: "Hm, você não
gostou disso, né?"

00:09:29.200 --> 00:09:32.711
Nosso maior desafio é que há tantas
aplicações para essa tecnologia,

00:09:32.711 --> 00:09:36.024
que minha equipe percebeu
que não podemos satisfazê-las sozinhos,

00:09:36.024 --> 00:09:39.360
então nós disponibilizamos essa tecnologia
a outros desenvolvedores

00:09:39.360 --> 00:09:41.474
para que construam e usem a criatividade.

00:09:41.474 --> 00:09:45.560
Nós reconhecemos que há potenciais riscos

00:09:45.560 --> 00:09:47.627
e potencial para abuso,

00:09:47.627 --> 00:09:50.576
mas pessoalmente, 
após muitos anos fazendo isso,

00:09:50.576 --> 00:09:52.978
acredito que os benefícios à humanidade

00:09:52.978 --> 00:09:55.823
de ter tecnologia
emocionalmente inteligente

00:09:55.823 --> 00:09:59.399
superam de longe o potencial de abuso.

00:09:59.399 --> 00:10:01.930
E eu os convido todos
a participarem da conversa.

00:10:01.930 --> 00:10:04.484
Quanto mais pessoas
conhecerem essa tecnologia,

00:10:04.484 --> 00:10:07.661
mais peso terá nossa opinião
sobre como usá-la.

00:10:09.081 --> 00:10:13.655
E à medida que nossas vidas
vão se digitalizando,

00:10:13.655 --> 00:10:17.153
nós lutamos uma batalha perdida
tentando frear nosso uso de dispositivos

00:10:17.153 --> 00:10:19.382
para reivindicar nossos sentimentos.

00:10:20.622 --> 00:10:24.536
Então o que estou tentando fazer
é colocar sentimentos na tecnologia

00:10:24.536 --> 00:10:26.845
e tornar nossa tecnologia mais responsiva.

00:10:26.845 --> 00:10:29.435
Eu quero que esses dispositivos
que nos separaram

00:10:29.435 --> 00:10:31.897
juntem-nos novamente.

00:10:31.897 --> 00:10:36.485
E humanizando a tecnologia,
nós temos essa oportunidade de ouro

00:10:36.485 --> 00:10:39.782
de reimaginar nossa conexão
com as máquinas,

00:10:39.782 --> 00:10:44.263
e assim, como nós, seres humanos,

00:10:44.263 --> 00:10:46.167
nos conectamos uns com os outros.

NOTE Paragraph

00:10:46.167 --> 00:10:48.027
Obrigada.

NOTE Paragraph

00:10:48.027 --> 00:10:51.640
(Aplausos)