1
00:00:00,556 --> 00:00:04,573
我们的情感影响着我们生活的方方面面，

2
00:00:04,573 --> 00:00:08,149
它影响我们的健康，影响我们如何学习、做生意以及做决定，

3
00:00:08,149 --> 00:00:09,922
影响着大大小小各各方面。

4
00:00:10,672 --> 00:00:14,162
我们的情感还影响着我们与他人的联系的方式。

5
00:00:15,132 --> 00:00:19,108
我们进化成可以生活在现在这样的世界，

6
00:00:19,108 --> 00:00:23,427
然而我们却越来越生活成这样子——

7
00:00:23,427 --> 00:00:26,561
这是我女儿昨晚给我发的短信——

8
00:00:26,561 --> 00:00:29,301
这是个缺乏情感的世界。

9
00:00:29,301 --> 00:00:31,252
所以我现在正致力于改变那种情况。

10
00:00:31,252 --> 00:00:35,343
我想把情感带回到我们的数字体验中来。

11
00:00:36,223 --> 00:00:39,300
15年前我就开始走上了这条道路。

12
00:00:39,300 --> 00:00:41,366
那时我是一个生活在埃及的计算机科学家，

13
00:00:41,366 --> 00:00:45,871
并且刚刚接受了剑桥大学的博士学位项目。

14
00:00:45,871 --> 00:00:47,984
我做了一件对于一个年轻的

15
00:00:47,984 --> 00:00:52,209
埃及穆斯林新婚妻子来说非常不寻常的事情：

16
00:00:53,599 --> 00:00:56,598
我的丈夫不能离开埃及，但在他的支持下，

17
00:00:56,598 --> 00:00:59,616
我独自收拾行李搬到英国去了。

18
00:00:59,616 --> 00:01:02,844
在离家数千里之外的剑桥，

19
00:01:02,844 --> 00:01:06,257
我意识到我花在笔记本电脑上的时间

20
00:01:06,257 --> 00:01:08,486
要多于我与其他人相处的时间。

21
00:01:08,486 --> 00:01:13,339
然而尽管我和电脑如此亲密，电脑却对我的感受毫无所知。

22
00:01:13,339 --> 00:01:16,550
它根本不知道我是快乐，

23
00:01:16,550 --> 00:01:19,538
还是经历着糟糕的一天，或者是感到有压力、困惑，

24
00:01:19,538 --> 00:01:22,460
这就很让人不爽。

25
00:01:23,600 --> 00:01:28,831
而且更糟的是，当我回家后在线跟家人聊天时，

26
00:01:29,421 --> 00:01:32,703
我觉得我所有的情感都在网络空间中消失了。

27
00:01:32,703 --> 00:01:37,858
我想家，我感到孤独，而且有些日子我真的哭了，

28
00:01:37,858 --> 00:01:42,786
而我也仅仅只能用这个表情来表达我的情感。

29
00:01:42,786 --> 00:01:44,806
（笑声）

30
00:01:44,806 --> 00:01:49,780
现今有很多技术具有智商，但是还没有具有情商的，

31
00:01:49,780 --> 00:01:52,956
很多技术具有认知性智能，但还没有具有情绪性智能的。

32
00:01:52,956 --> 00:01:55,153
这让我想到，

33
00:01:55,153 --> 00:01:58,777
如果我们的技术可以识别我们的情绪将会怎样？

34
00:01:58,777 --> 00:02:02,853
如果我们的设备能识别我们的感受并做出相应的反应，

35
00:02:02,853 --> 00:02:05,866
就像情商高的朋友所做的那样将会怎样？

36
00:02:06,666 --> 00:02:10,230
这些问题引导着我和我的团队

37
00:02:10,230 --> 00:02:14,607
去创造可以阅读我们的情绪并做出反应的技术，

38
00:02:14,607 --> 00:02:17,697
我们的起点是人脸。

39
00:02:18,577 --> 00:02:21,750
人脸是交流的最强大的渠道之一，

40
00:02:21,750 --> 00:02:25,766
我们所有人都用它来表达社会和情绪状态，

41
00:02:25,766 --> 00:02:28,776
从喜悦、惊讶

42
00:02:28,776 --> 00:02:32,979
到同情、好奇等等。

43
00:02:32,979 --> 00:02:37,907
在情感科学中，我们将每一个面肌运动称为一个动作单元。

44
00:02:37,907 --> 00:02:40,832
例如，动作单元12，

45
00:02:40,832 --> 00:02:42,870
这不是好莱坞大片，

46
00:02:42,870 --> 00:02:46,312
这就是简单的嘴角上扬，它是微笑的主要构成。

47
00:02:46,312 --> 00:02:49,300
大家都试一下。让我们都微笑起来。

48
00:02:49,300 --> 00:02:51,954
另一个例子是动作单元4。它是眉间纹。

49
00:02:51,954 --> 00:02:54,192
当你将眉毛拧到一起的时候

50
00:02:54,192 --> 00:02:56,459
你就创造出了这些纹理和皱纹。

51
00:02:56,459 --> 00:03:00,754
我们不喜欢它，但它是一个非常强的负面情绪指示器。

52
00:03:00,754 --> 00:03:02,960
我们大概有45个这样的单元，

53
00:03:02,960 --> 00:03:06,350
它们的组合可以表达上百种情绪。

54
00:03:06,350 --> 00:03:10,251
教会电脑去读取这些面部情绪很难，

55
00:03:10,251 --> 00:03:13,223
因为这些动作单元行动很微妙，而且稍纵即逝，

56
00:03:13,223 --> 00:03:15,777
而且它们有很多的组合方式。

57
00:03:15,777 --> 00:03:19,515
例如，微笑和假笑。

58
00:03:19,515 --> 00:03:23,268
它们看起来有几分相似，但意味却是天差地别。

59
00:03:23,268 --> 00:03:24,986
（笑声）

60
00:03:24,986 --> 00:03:27,990
微笑是正面的，

61
00:03:27,990 --> 00:03:29,260
假笑常常是负面的。

62
00:03:29,260 --> 00:03:33,136
有时一个假笑可以让你出名。

63
00:03:33,136 --> 00:03:35,960
但是严肃地讲，让电脑能够

64
00:03:35,960 --> 00:03:38,815
描述这两种表情的区别是很重要的。

65
00:03:38,815 --> 00:03:40,627
那我们是如何做的呢？

66
00:03:40,627 --> 00:03:42,414
我们给我们的算法

67
00:03:42,414 --> 00:03:46,524
成千上万的不同种族、年龄和性别的人们

68
00:03:46,524 --> 00:03:49,589
正在微笑的例子，

69
00:03:49,589 --> 00:03:52,400
然后我们也用同样的方法研究假笑。

70
00:03:52,400 --> 00:03:53,954
然后使用深度学习，

71
00:03:53,954 --> 00:03:56,810
算法可以观察我们脸上的所有这些纹理和皱纹

72
00:03:56,810 --> 00:03:59,390
以及形状变化，

73
00:03:59,390 --> 00:04:02,592
并且基本上得知所有的微笑都有共同特性，

74
00:04:02,592 --> 00:04:05,773
而所有的假笑都有些微的不同特性。

75
00:04:05,773 --> 00:04:08,141
然后下一次当它看到一个新面孔时，

76
00:04:08,141 --> 00:04:10,440
它就基本上能知道

77
00:04:10,440 --> 00:04:13,473
这张面孔上有和微笑相同的特性，

78
00:04:13,473 --> 00:04:17,751
然后它就会说：“啊哈，我知道了，这是一个微笑的表情。”

79
00:04:18,381 --> 00:04:21,181
所以展示这种技术如何工作的最好方式

80
00:04:21,181 --> 00:04:23,317
是来一个现场演示，

81
00:04:23,317 --> 00:04:27,230
所以我需要一位志愿者，最好是个“有脸”的人。

82
00:04:27,230 --> 00:04:29,564
（笑声）

83
00:04:29,564 --> 00:04:32,335
克洛将成为我们今天的志愿者。

84
00:04:33,325 --> 00:04:37,783
在过去的5年间，我们从只是麻省理工学院的一个研究项目

85
00:04:37,783 --> 00:04:38,939
到成立一个公司，

86
00:04:38,939 --> 00:04:42,131
在公司里我的团队非常非常努力地工作以使这项技术成功，

87
00:04:42,131 --> 00:04:44,540
就像我们说的那样，我们在荒野里生存。

88
00:04:44,540 --> 00:04:47,210
我们还将它缩小了，这样的话这个核心情绪引擎

89
00:04:47,210 --> 00:04:50,530
就能在一个带摄像头的移动设备上运行，比如这个iPad。

90
00:04:50,530 --> 00:04:53,316
让我们来试一试。

91
00:04:54,756 --> 00:04:58,680
正如你们看到的，此算法基本上找到了克洛的脸，

92
00:04:58,680 --> 00:05:00,372
就是这个白色的边界框，

93
00:05:00,372 --> 00:05:02,943
它在跟踪她脸上的主要特征点，

94
00:05:02,943 --> 00:05:05,799
她的眉毛、眼睛、嘴巴和鼻子。

95
00:05:05,799 --> 00:05:08,786
问题是，它能识别她的表情吗？

96
00:05:08,786 --> 00:05:10,457
那么我们测试一下这台机器。

97
00:05:10,457 --> 00:05:14,643
首先，做一个面无表情的样子。嗯，好极了。（笑声）

98
00:05:14,643 --> 00:05:17,456
然后当她微笑时，这是一个真诚的微笑，很好。

99
00:05:17,456 --> 00:05:19,756
大家可以看到当她微笑时这些绿条增长了。

100
00:05:19,756 --> 00:05:20,978
这是一个大大的微笑。

101
00:05:20,978 --> 00:05:24,021
你能试着轻轻微笑一下，看看电脑能否识别出来吗？

102
00:05:24,021 --> 00:05:26,352
它确实也能识别轻轻的微笑。

103
00:05:26,352 --> 00:05:28,477
我们付出了很多的努力才使它能够做到这些。

104
00:05:28,477 --> 00:05:31,439
眉毛上扬，是惊喜的标志。

105
00:05:31,439 --> 00:05:35,688
眉间的皱纹，是困惑的标志。

106
00:05:35,688 --> 00:05:39,695
皱眉。嗯，很完美。

107
00:05:39,695 --> 00:05:43,188
这些都是不同的行动单元。还有很多这样的行动单元。

108
00:05:43,188 --> 00:05:45,220
这只是一个小型的演示。

109
00:05:45,220 --> 00:05:48,368
我们称每一次读取为一个情感数据点，

110
00:05:48,368 --> 00:05:51,337
然后它们可以组合在一起来描绘不同的情绪。

111
00:05:51,337 --> 00:05:55,990
因此在演示的右边，你看起来很开心。

112
00:05:55,990 --> 00:05:57,444
那表示快乐，快乐就被启动了。

113
00:05:57,444 --> 00:05:59,371
再做一个厌恶的表情。

114
00:05:59,371 --> 00:06:03,643
试着回想一下当泽恩离开单向乐队时的情景。

115
00:06:03,643 --> 00:06:05,153
（笑声）

116
00:06:05,153 --> 00:06:09,495
是的，皱一下鼻。很好。

117
00:06:09,495 --> 00:06:13,226
而“抗体效价”一项也呈现负值，因此你一定是他们的铁杆粉丝。

118
00:06:13,226 --> 00:06:15,926
抗体效价是用来描述一种体验的积极或消极程度的，

119
00:06:15,926 --> 00:06:18,712
而“参与度”是用来描述她的表现力的。

120
00:06:18,712 --> 00:06:22,126
所以大家可以想象一下如果克洛能够使用这种实时的情感流，

121
00:06:22,126 --> 00:06:24,935
并且能分享给任何她想分享的人的情景。

122
00:06:24,935 --> 00:06:27,858
谢谢。

123
00:06:27,858 --> 00:06:32,479
（掌声）

124
00:06:33,749 --> 00:06:39,019
迄今为止，我们已经积累了120亿这种情感数据点。

125
00:06:39,019 --> 00:06:41,630
这是世界上最大的情感数据库。

126
00:06:41,630 --> 00:06:44,593
我们是从两百九十万个面部视频中去收集的，

127
00:06:44,593 --> 00:06:47,193
这些视频来自那些同意将他们的情感与我们一起分享的人们，

128
00:06:47,193 --> 00:06:50,398
并且这些人们来自全世界75个国家。

129
00:06:50,398 --> 00:06:52,113
它每天都在发展。

130
00:06:52,603 --> 00:06:54,670
它发散了我的思维：

131
00:06:54,670 --> 00:06:57,865
原来我们可以将情绪这么个性化的东西进行量化，

132
00:06:57,865 --> 00:07:00,100
并且是在这样的规模下去做这件事。

133
00:07:00,100 --> 00:07:02,277
到现在我们从这些数据中学到了什么呢？

134
00:07:03,057 --> 00:07:05,388
性别差异。

135
00:07:05,388 --> 00:07:09,034
我们的数据证实了某些你可能正在猜测的事情。

136
00:07:09,034 --> 00:07:10,891
女性比男性更具表现力。

137
00:07:10,891 --> 00:07:13,574
不仅是她们笑得更多，更因为她们笑得更久，

138
00:07:13,574 --> 00:07:16,478
并且我们现在可以真实地量化男性和女性

139
00:07:16,478 --> 00:07:18,614
在反应方面的差异性。

140
00:07:18,614 --> 00:07:20,904
让我们从文化方面来看：在美国，

141
00:07:20,904 --> 00:07:24,108
女性的表现力要比男性高40%，

142
00:07:24,108 --> 00:07:27,753
但奇怪的是，在英国我们看不到男女在这方面的任何差异。

143
00:07:27,753 --> 00:07:30,259
（笑声）

144
00:07:31,296 --> 00:07:35,323
在年龄方面：50岁及以上的人

145
00:07:35,323 --> 00:07:38,759
情绪化比小于50岁的人高25%。

146
00:07:39,899 --> 00:07:43,751
女性在20来岁的时候要比同龄的男性笑得更多，

147
00:07:43,751 --> 00:07:47,590
也许这是约会的必需品。

148
00:07:47,590 --> 00:07:50,207
但也许这些数据带给我们最大的惊喜是

149
00:07:50,207 --> 00:07:53,410
我们每时每刻都在表达，

150
00:07:53,410 --> 00:07:56,243
即使当我们独自坐在电子设备前，

151
00:07:56,243 --> 00:07:59,517
而且不仅是我们在脸书上看猫的视频时。

152
00:08:00,217 --> 00:08:03,227
不管我们在发邮件、发短信、网购，甚至报税的时候

153
00:08:03,227 --> 00:08:05,527
我们无时无刻不在表达自己。

154
00:08:05,527 --> 00:08:07,919
那么如今这些数据用在何处呢？

155
00:08:07,919 --> 00:08:10,682
用在弄明白我们如何和传媒结合，

156
00:08:10,682 --> 00:08:13,166
从而搞明白网络扩散和投票行为，

157
00:08:13,166 --> 00:08:15,906
以及情绪授权技术。

158
00:08:15,906 --> 00:08:20,527
我想分享一些触动我心的例子。

159
00:08:21,197 --> 00:08:24,265
情绪授权可佩戴眼镜

160
00:08:24,265 --> 00:08:27,493
可以帮助那些视力受损的人读懂他人的脸部表情，

161
00:08:27,493 --> 00:08:31,680
也可帮助患有自闭症的人们解读情绪，

162
00:08:31,680 --> 00:08:34,458
因为解读情绪对他们来说是很困难的。

163
00:08:35,918 --> 00:08:38,777
在教育方面，想象如果你的学习类应用程序

164
00:08:38,777 --> 00:08:41,587
察觉出你有困惑，应用程序会放慢速度，

165
00:08:41,587 --> 00:08:43,444
或者你无聊了，它则会加快进程，

166
00:08:43,444 --> 00:08:46,413
就像教室里经验丰富的老师一样。

167
00:08:47,043 --> 00:08:49,644
再想象一下你的手表可以感知你的情绪，

168
00:08:49,644 --> 00:08:52,337
或你的车可以觉察出你疲惫了，

169
00:08:52,337 --> 00:08:54,885
或者说你的冰箱知道你有压力，

170
00:08:54,885 --> 00:09:00,951
所以它会自动上锁防止你暴饮暴食。（笑声）

171
00:09:00,951 --> 00:09:03,668
我会喜欢这个的，没错。

172
00:09:03,668 --> 00:09:05,595
设想当我在剑桥时，

173
00:09:05,595 --> 00:09:07,908
我可以连接到实时情绪流，

174
00:09:07,908 --> 00:09:11,437
我可以和我家里的亲人
用很自然的方式分享一些东西，

175
00:09:11,437 --> 00:09:15,408
就像我和家人在同一间房里所做的事一样将会怎样？

176
00:09:15,408 --> 00:09:18,550
我猜想也就在五年后，

177
00:09:18,550 --> 00:09:20,887
所有的电子设备都会有一个情绪芯片，

178
00:09:20,887 --> 00:09:24,951
我们将会体验到我们皱眉后电子设备回应
“嗯，你不喜欢这个，对吧？”

179
00:09:24,951 --> 00:09:29,200
这一举动实现时的感受。

180
00:09:29,200 --> 00:09:32,961
我们最大的挑战就是
现在关于这方面的科技有许多用途，

181
00:09:32,961 --> 00:09:35,864
我和我的团队意识到我们无法
靠我们自己就把所有事情都完成，

182
00:09:35,864 --> 00:09:39,360
所以我们把这项科技开放，

183
00:09:39,360 --> 00:09:41,474
这样其他开发者就能创造创新。

184
00:09:41,474 --> 00:09:45,560
我们知道这有潜在的风险，

185
00:09:45,560 --> 00:09:47,627
还有可能被滥用，

186
00:09:47,627 --> 00:09:50,576
但就我个人来说，花了这么多年做这件事，

187
00:09:50,576 --> 00:09:53,548
我相信情绪智能技术

188
00:09:53,548 --> 00:09:55,823
给人类带来的好处

189
00:09:55,823 --> 00:09:59,399
远超过被滥用的可能性。

190
00:09:59,399 --> 00:10:01,930
所以我邀请大家一起加入。

191
00:10:01,930 --> 00:10:04,484
越多的人知道这项技术，

192
00:10:04,484 --> 00:10:07,661
我们就越能说出如何使用的想法。

193
00:10:09,081 --> 00:10:13,655
所以随着我们的生活越来越数字化，

194
00:10:13,655 --> 00:10:17,153
我们其实在打一场处于劣势的战争，试图去控制我们的电子设备的用途

195
00:10:17,153 --> 00:10:19,382
从而开拓我们的情绪。

196
00:10:20,622 --> 00:10:24,536
所以相反地，我所做的就是把情绪带到我们的科技中

197
00:10:24,536 --> 00:10:26,765
让我们的科技更加有响应性。

198
00:10:26,765 --> 00:10:29,435
我想要那些把我们分离开来的电子设备

199
00:10:29,435 --> 00:10:31,897
重新把我们聚在一起。

200
00:10:31,897 --> 00:10:36,485
现在是黄金时机，我们可以通过人性化科技

201
00:10:36,485 --> 00:10:39,782
重新想象我们该如何和这些机器交流结合，

202
00:10:39,782 --> 00:10:44,263
从而重新想象，作为人类的我们

203
00:10:44,263 --> 00:10:46,167
如何与彼此交流结合。

204
00:10:46,167 --> 00:10:48,327
谢谢。

205
00:10:48,327 --> 00:10:51,640
（掌声）