1
00:00:00,556 --> 00:00:04,433
Våra känslor påverkar
varje del av våra liv

2
00:00:04,433 --> 00:00:08,149
från vår hälsa och hur vi lär oss,
till hur vi gör affärer och fattar beslut,

3
00:00:08,149 --> 00:00:09,922
stora som små.

4
00:00:10,672 --> 00:00:14,162
Våra känslor påverkar också
hur vi knyter an till varandra.

5
00:00:15,132 --> 00:00:19,108
Vi har utvecklats för att leva
i en sån här värld,

6
00:00:19,108 --> 00:00:23,427
men nu lever vi istället
mer och mer såna här liv -

7
00:00:23,427 --> 00:00:26,561
det här är ett sms som jag fick
från min dotter igår kväll -

8
00:00:26,561 --> 00:00:29,151
i en värld som är tömd på känslor.

9
00:00:29,151 --> 00:00:31,252
Jag ser som mitt uppdrag att förändra det.

10
00:00:31,252 --> 00:00:35,343
Jag vill föra tillbaka känslorna
i våra digitala upplevelser.

11
00:00:36,223 --> 00:00:39,070
Jag började med det för 15 år sen.

12
00:00:39,070 --> 00:00:41,486
Jag var dataingenjör i Egypten

13
00:00:41,486 --> 00:00:43,011
och hade just blivit antagen

14
00:00:43,011 --> 00:00:45,541
till en forskarutbildning
vid Cambridge University.

15
00:00:45,871 --> 00:00:47,984
Jag gjorde något ganska ovanligt

16
00:00:47,984 --> 00:00:52,209
för att vara en ung nygift
muslimsk egyptisk fru:

17
00:00:53,599 --> 00:00:56,598
Med stöd från min man
som blev tvungen att stanna i Egypten

18
00:00:56,598 --> 00:00:59,616
packade jag mina väskor
och flyttade till England.

19
00:00:59,616 --> 00:01:02,844
I Cambridge, tusentals kilometer hemifrån,

20
00:01:02,844 --> 00:01:05,847
insåg jag att jag tillbringade
fler timmar med min laptop

21
00:01:05,847 --> 00:01:08,486
än jag gjorde med någon människa.

22
00:01:08,486 --> 00:01:13,339
Trots detta nära band visste inte datorn
något om hur jag kände mig.

23
00:01:13,339 --> 00:01:16,190
Den visste inte om jag var glad,

24
00:01:16,190 --> 00:01:19,538
om jag hade en dålig dag,
eller var stressad, förvirrad,

25
00:01:19,538 --> 00:01:22,460
och det blev frustrerande.

26
00:01:23,600 --> 00:01:29,421
Ännu värre var det när jag kommunicerade
med min familj därhemma, och kände

27
00:01:29,431 --> 00:01:32,703
att mina känslor försvann i cyberrymden.

28
00:01:32,703 --> 00:01:37,858
Jag längtade hem, jag kände mig ensam,
och vissa dagar grät jag,

29
00:01:37,858 --> 00:01:42,786
men allt jag kunde använda
för att kommunicera känslorna var den här.

30
00:01:42,786 --> 00:01:44,806
(Skratt)

31
00:01:44,806 --> 00:01:49,780
Dagens teknik har mycket IQ, men ingen EQ;

32
00:01:49,780 --> 00:01:52,956
hög kognitiv intelligens
men ingen emotionell intelligens.

33
00:01:52,956 --> 00:01:55,153
Det fick mig att börja fundera på

34
00:01:55,153 --> 00:01:58,927
hur det skulle bli om vår teknik
skulle kunna känna av våra känslor?

35
00:01:58,927 --> 00:02:02,853
Om våra maskiner kunde känna av vårt humör
och bete sig i enlighet med det,

36
00:02:02,853 --> 00:02:05,866
som en emotionellt intelligent vän?

37
00:02:06,666 --> 00:02:09,970
De här frågorna gjorde
att jag och mitt team

38
00:02:09,970 --> 00:02:14,607
började skapa teknik som kan läsa av
och reagera på våra känslor,

39
00:02:14,607 --> 00:02:17,697
och vi började med det mänskliga ansiktet.

40
00:02:18,577 --> 00:02:21,750
Det mänskliga ansiktet råkar vara
en av de bästa kanaler

41
00:02:21,750 --> 00:02:25,766
som vi använder för att kommunicera
sociala och känslomässiga tillstånd,

42
00:02:25,766 --> 00:02:28,776
allt från njutning, överraskning,

43
00:02:28,776 --> 00:02:32,662
empati och nyfikenhet.

44
00:02:32,979 --> 00:02:37,907
Inom känslovetenskap kallas en rörelse
hos en ansiktsmuskel för "aktiv enhet".

45
00:02:37,907 --> 00:02:40,562
Den tolfte aktiva enheten

46
00:02:40,562 --> 00:02:42,870
är inte en toppfilm från Hollywood

47
00:02:42,870 --> 00:02:46,312
utan en uppdragen mungipa,
vilket är huvudkomponenten i ett leende.

48
00:02:46,312 --> 00:02:49,300
Prova det allihop. Nu ler vi lite.

49
00:02:49,300 --> 00:02:51,334
Ett annat exempel
är fjärde aktiva enheten.

50
00:02:51,334 --> 00:02:54,192
Det är när man drar ihop ögonbrynen

51
00:02:54,192 --> 00:02:56,129
och får den här ytan och rynkorna.

52
00:02:56,129 --> 00:03:00,141
Vi tycker inte om dem, men det är
en stark indikator på en negativ känsla.

53
00:03:00,164 --> 00:03:02,630
Vi har ungefär 45 aktiva enheter,

54
00:03:02,630 --> 00:03:06,350
och de kan kombineras
för att uttrycka hundratals känslor.

55
00:03:06,350 --> 00:03:10,251
Att lära en dator att läsa av
känslouttryck i ansiktet är svårt,

56
00:03:10,251 --> 00:03:13,223
för de aktiva enheterna
kan vara snabba och subtila

57
00:03:13,223 --> 00:03:15,487
och de går att kombinera
på många olika sätt.

58
00:03:15,487 --> 00:03:19,515
Ta till exempel leendet och hånflinet.

59
00:03:19,515 --> 00:03:23,268
De ser ganska lika ut,
men de betyder helt olika saker.

60
00:03:23,268 --> 00:03:24,986
(Skratt)

61
00:03:24,986 --> 00:03:27,430
Ett leende är positivt,

62
00:03:27,430 --> 00:03:29,260
ett flin är ofta negativt.

63
00:03:29,260 --> 00:03:33,136
Ibland kan ett flin göra en känd.

64
00:03:33,136 --> 00:03:35,960
Men trots allt är det viktigt
för en dator att kunna

65
00:03:35,960 --> 00:03:38,455
se skillnad mellan de här två uttrycken.

66
00:03:38,455 --> 00:03:40,337
Hur gör vi det?

67
00:03:40,337 --> 00:03:41,984
Vi ger våra algoritmer

68
00:03:41,984 --> 00:03:46,524
tiotusentals exempel
av människor som vi vet ler,

69
00:03:46,524 --> 00:03:49,589
med olika etnisk bakgrund, ålder, kön,

70
00:03:49,589 --> 00:03:51,631
och vi gör samma sak för flin.

71
00:03:51,950 --> 00:03:53,954
Och genom maskininlärning

72
00:03:53,954 --> 00:03:56,810
letar algoritmen
efter såna här ytor och rynkor

73
00:03:56,810 --> 00:03:59,070
och formändringar i vårt ansikte

74
00:03:59,070 --> 00:04:02,592
och lär sig helt enkelt att alla leenden
har egenskaper gemensamt,

75
00:04:02,592 --> 00:04:05,623
medan alla flin har
något annorlunda egenskaper.

76
00:04:05,623 --> 00:04:08,141
Och nästa gång den ser ett nytt ansikte

77
00:04:08,141 --> 00:04:10,440
märker den att

78
00:04:10,440 --> 00:04:13,993
det här ansiktet har samma egenskaper
som ett leende ansikte och den säger:

79
00:04:13,993 --> 00:04:17,208
"Aha, jag känner igen det här.
Det är ett leende uttryck."

80
00:04:18,381 --> 00:04:21,181
Det bästa sättet att visa
hur tekniken fungerar

81
00:04:21,181 --> 00:04:23,317
är genom en livedemo,

82
00:04:23,317 --> 00:04:27,230
så jag behöver en frivillig,
helst någon med ett ansikte.

83
00:04:27,230 --> 00:04:29,564
(Skratt)

84
00:04:29,564 --> 00:04:32,335
Cloe blir vår frivilliga idag.

85
00:04:33,325 --> 00:04:37,593
De senaste fem åren har vi utvecklats
från att vara ett projekt på MIT

86
00:04:37,593 --> 00:04:38,849
till att bli ett företag,

87
00:04:38,849 --> 00:04:42,131
där mitt team har jobbat mycket hårt
för att få tekniken att fungera,

88
00:04:42,131 --> 00:04:44,540
som vi säger, i naturen.

89
00:04:44,540 --> 00:04:47,210
Vi har också krympt den
så att känslomotorn

90
00:04:47,210 --> 00:04:50,530
fungerar i alla mobila enheter
med kamera, som den här iPaden.

91
00:04:50,530 --> 00:04:53,316
Vi testar.

92
00:04:54,756 --> 00:04:58,520
Som ni kan se har algoritmen
hittat Cloes ansikte,

93
00:04:58,520 --> 00:05:00,372
det är den här vita inramande rutan,

94
00:05:00,372 --> 00:05:02,943
och den spårar
huvudpunkterna i hennes ansikte,

95
00:05:02,943 --> 00:05:05,799
hennes ögonbryn, ögon, mun och näsa.

96
00:05:05,799 --> 00:05:08,526
Frågan är, kan den läsa av hennes uttryck?

97
00:05:08,526 --> 00:05:10,067
Vi ska testa maskinen.

98
00:05:10,067 --> 00:05:14,252
Först av allt, ge mig ett pokerfejs.
Ja, jättebra. (Skratt)

99
00:05:14,493 --> 00:05:17,316
Och när hon sen ler
är det ett riktigt leende, det är fint.

100
00:05:17,316 --> 00:05:19,766
Ni kan se att den gröna stapeln
går upp när hon ler.

101
00:05:19,766 --> 00:05:20,978
Det var ett stort leende.

102
00:05:20,978 --> 00:05:24,071
Kan du prova ett litet leende
och se om datorn kan känna igen det?

103
00:05:24,071 --> 00:05:25,682
Den känner igen småleenden också.

104
00:05:25,682 --> 00:05:27,968
Vi har jobbat hårt
för att det ska fungera.

105
00:05:27,968 --> 00:05:31,439
Och sen höjda ögonbryn,
ett tecken på förvåning.

106
00:05:31,439 --> 00:05:35,098
Rynkade ögonbryn, vilket är
ett tecken på förvirring.

107
00:05:35,688 --> 00:05:39,695
Rynka pannan. Ja, perfekt.

108
00:05:39,695 --> 00:05:43,188
Det är de olika aktiva enheterna.
Det finns många fler.

109
00:05:43,188 --> 00:05:45,220
Det här är bara en förenklad demo.

110
00:05:45,220 --> 00:05:48,368
Vi kallar varje avläsning
för en emotionell datapunkt,

111
00:05:48,368 --> 00:05:51,337
och de kan aktiveras tillsammans
för att visa olika känslor.


112
00:05:51,337 --> 00:05:55,990
Så på högra sidan - se glad ut.

113
00:05:55,990 --> 00:05:57,444
Det är lycka. Lycka lyser upp.

114
00:05:57,444 --> 00:05:59,371
Ge mig sen en min av avsmak.

115
00:05:59,371 --> 00:06:03,643
Försök minnas hur det var
när Zayn lämnade One Direction.

116
00:06:03,643 --> 00:06:05,153
(Skratt)

117
00:06:05,153 --> 00:06:09,495
Ja, rynka näsan. Perfekt.

118
00:06:09,495 --> 00:06:13,226
Och uttrycket är starkt negativt,
så du måste ha varit ett stort fan.

119
00:06:13,226 --> 00:06:15,926
Värde är hur positiv
eller negativ en upplevelse är,

120
00:06:15,926 --> 00:06:18,712
och engagemang är hur uttrycksfull hon är.

121
00:06:18,712 --> 00:06:22,126
Tänk er att Cloe hade tillgång
till den här känsloströmmen i realtid,

122
00:06:22,126 --> 00:06:24,935
och kunde dela den med vem hon ville.

123
00:06:24,935 --> 00:06:26,695
Tack.

124
00:06:26,695 --> 00:06:29,655
(Applåder)

125
00:06:33,749 --> 00:06:38,809
Så här långt har vi samlat in
12 miljarder såna här datapunkter.

126
00:06:38,809 --> 00:06:41,360
Det är den största databasen
för känslor i världen.

127
00:06:41,360 --> 00:06:44,343
Vi har samlat in den
från 2,9 miljoner filmer på ansikten,

128
00:06:44,343 --> 00:06:47,193
människor som har gått med på
att dela sina känslor med oss,

129
00:06:47,193 --> 00:06:50,398
från 75 länder i världen.

130
00:06:50,398 --> 00:06:52,113
Det blir fler och fler varje dag.

131
00:06:52,603 --> 00:06:54,670
Det känns fantastiskt

132
00:06:54,670 --> 00:06:57,865
att vi nu kan kvantifiera
något så personligt som våra känslor,

133
00:06:57,865 --> 00:07:00,100
och vi kan göra det i den här skalan.

134
00:07:00,100 --> 00:07:02,277
Vad har vi då lärt oss så här långt?

135
00:07:03,057 --> 00:07:05,388
Kön.

136
00:07:05,388 --> 00:07:09,034
Vår data bekräftar något
som du kanske misstänker.

137
00:07:09,034 --> 00:07:10,891
Kvinnor är mer uttrycksfulla än män.

138
00:07:10,891 --> 00:07:13,574
De inte bara ler mer,
deras leenden pågår längre,

139
00:07:13,574 --> 00:07:16,478
och vi kan nu verkligen mäta
vad det är som män och kvinnor

140
00:07:16,478 --> 00:07:18,614
reagerar olika på.

141
00:07:18,614 --> 00:07:19,794
Om vi tittar på kultur:

142
00:07:19,794 --> 00:07:23,888
I USA är kvinnor 40 procent
mer uttrycksfulla än män,

143
00:07:23,888 --> 00:07:27,753
men lustigt nog ser vi ingen skillnad
mellan män och kvinnor i Storbritannien.

144
00:07:27,753 --> 00:07:30,549
(Skratt)

145
00:07:31,296 --> 00:07:35,323
Ålder: Människor som är 50 år och äldre

146
00:07:35,323 --> 00:07:38,759
är 25 procent mer emotionella
än unga människor.

147
00:07:39,539 --> 00:07:43,751
Kvinnor i 20-årsåldern ler mycket mer
än män i samma ålder,

148
00:07:43,751 --> 00:07:47,590
kanske är det nödvändigt vid dejter.

149
00:07:47,590 --> 00:07:50,207
Men det som förvånade oss mest

150
00:07:50,207 --> 00:07:53,410
är att vi uttrycker oss hela tiden,

151
00:07:53,410 --> 00:07:56,243
även när vi sitter ensamma
framför våra skärmar,

152
00:07:56,243 --> 00:07:59,517
och det är inte bara
när vi tittar på kattvideos på Facebook.

153
00:07:59,757 --> 00:08:03,227
Vi är uttycksfulla när vi skickar e-post,
textmeddelanden, handlar online,

154
00:08:03,227 --> 00:08:05,527
till och med när vi deklarerar.

155
00:08:05,527 --> 00:08:07,919
Var används den här informationen idag?

156
00:08:07,919 --> 00:08:10,892
Genom att förstå hur vi interagerar
med medier kan vi förstå

157
00:08:10,892 --> 00:08:13,166
viral budskapsspridning och röstbeteenden

158
00:08:13,166 --> 00:08:16,456
och även föra in möjligheten
till känslouttryck i tekniken,

159
00:08:16,456 --> 00:08:20,527
och jag vill dela med mig av några exempel
som ligger mig speciellt varmt om hjärtat.

160
00:08:21,197 --> 00:08:24,265
Känslostyrda glasögon kan hjälpa människor

161
00:08:24,265 --> 00:08:27,493
med synnedsättning
att läsa av andras ansikten,

162
00:08:27,493 --> 00:08:31,110
och det kan hjälpa individer
med autism att tolka känslor,

163
00:08:31,110 --> 00:08:33,825
något som de verkligen kämpar med.

164
00:08:35,418 --> 00:08:38,777
Inom utbildning,
tänk dig att dina läroappar

165
00:08:38,777 --> 00:08:41,377
känner av att du är förvirrad
och saktar ner,

166
00:08:41,377 --> 00:08:43,444
eller om du är uttråkad kan de öka tempot,

167
00:08:43,444 --> 00:08:46,413
precis som en riktigt bra lärare
skulle göra i klassrummet.

168
00:08:47,043 --> 00:08:49,644
Tänk om din armbandsklocka
kunde mäta hur du mår,

169
00:08:49,644 --> 00:08:52,337
eller om din bil kunde veta
att du var trött,

170
00:08:52,337 --> 00:08:54,885
eller kanske din kyl vet om
att du är stressad,

171
00:08:54,885 --> 00:08:59,291
så att den låser sig automatiskt
för att undvika att du proppar i dig.

172
00:08:59,291 --> 00:09:01,158
Det skulle jag vilja ha.

173
00:09:01,158 --> 00:09:03,223
(Skratt)

174
00:09:03,668 --> 00:09:05,595
Tänk om jag hade hade haft tillgång

175
00:09:05,595 --> 00:09:07,908
till mina känslor i realtid i Cambridge,

176
00:09:07,908 --> 00:09:11,437
och jag hade kunnat dela den
med min familj på ett naturligt sätt,

177
00:09:11,437 --> 00:09:15,408
på samma sätt som om vi
hade varit i samma rum tillsammans?

178
00:09:15,408 --> 00:09:18,100
Jag tror att om fem år

179
00:09:18,100 --> 00:09:20,887
kommer våra enheter att ha ett känslochip

180
00:09:20,887 --> 00:09:24,951
och vi kommer inte att minnas hur det var
när vi inte kunde rynka pannan åt maskinen

181
00:09:24,951 --> 00:09:28,529
och den sa "Hmm,
det där gillade du inte va?"

182
00:09:29,200 --> 00:09:32,791
Vår största utmaning är att det finns
så många tillämpningar för tekniken,

183
00:09:32,791 --> 00:09:35,864
så jag och mitt team inser
att vi inte kan bygga alla själva,

184
00:09:35,864 --> 00:09:38,920
så vi har gjort tekniken tillgänglig
så att andra utvecklare

185
00:09:38,920 --> 00:09:41,474
kan börja skapa på ett kreativt sätt.

186
00:09:41,474 --> 00:09:45,560
Vi inser att det finns potientiella risker

187
00:09:45,560 --> 00:09:47,627
och möjligheter till missbruk,

188
00:09:47,627 --> 00:09:50,576
men jag tror, efter att ha
använt detta i många år,

189
00:09:50,576 --> 00:09:52,828
att fördelarna för mänskligheten

190
00:09:52,828 --> 00:09:55,453
av att ha emotionellt intelligent teknik

191
00:09:55,453 --> 00:09:59,169
mer än väl uppväger konsekvenserna
av felaktig användning.

192
00:09:59,169 --> 00:10:01,700
Och jag bjuder in er alla
att ta del i diskussionen.

193
00:10:01,700 --> 00:10:04,154
Ju fler människor
som känner till den här tekniken,

194
00:10:04,154 --> 00:10:07,661
desto mer kan vi uttrycka åsikter
om hur den ska användas.

195
00:10:09,081 --> 00:10:13,655
Så när allt fler delar
av våra liv blir digitala

196
00:10:13,655 --> 00:10:17,323
utkämpar vi en ojämn kamp för att begränsa
användningen av digitala enheter

197
00:10:17,323 --> 00:10:19,952
och kunna återta våra känslor.

198
00:10:20,622 --> 00:10:24,536
Vad jag istället försöker göra
är att föra in känslorna i tekniken

199
00:10:24,536 --> 00:10:26,765
och göra vår teknik mer lyhörd.

200
00:10:26,765 --> 00:10:29,435
Jag vill att maskinerna
som har separerat oss

201
00:10:29,435 --> 00:10:32,147
ska föra oss samman igen.

202
00:10:32,147 --> 00:10:36,485
Och genom att göra tekniken mer human
har vi ett gyllene tillfälle

203
00:10:36,485 --> 00:10:39,782
att tänka om hur vi umgås med maskiner,

204
00:10:39,782 --> 00:10:44,263
och därmed hur vi som människor

205
00:10:44,263 --> 00:10:46,167
umgås med varandra.

206
00:10:46,167 --> 00:10:48,013
Tack.

207
00:10:48,013 --> 00:10:51,010
(Applåder)