WEBVTT

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，

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，

00:00:08.149 --> 00:00:09.922
影响着大大小小各各方面。

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。

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，

00:00:19.108 --> 00:00:23.427
然而我们却越来越生活成这样子——

00:00:23.427 --> 00:00:26.561
这是我女儿昨晚给我发的短信——

00:00:26.561 --> 00:00:29.301
这是个缺乏情感的世界。

00:00:29.301 --> 00:00:31.252
所以我现在正致力于改变那种情况。

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。

NOTE Paragraph

00:00:36.223 --> 00:00:39.300
15年前我就开始走上了这条道路。

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，

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。

00:00:45.871 --> 00:00:47.984
我做了一件对于一个年轻的

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：

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，

00:00:56.598 --> 00:00:59.616
我独自收拾行李搬到英国去了。

00:00:59.616 --> 00:01:02.844
在离家数千里之外的剑桥，

00:01:02.844 --> 00:01:06.257
我意识到我花在笔记本电脑上的时间

00:01:06.257 --> 00:01:08.486
要多于我与其他人相处的时间。

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。

00:01:13.339 --> 00:01:16.550
它根本不知道我是快乐，

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，

00:01:19.538 --> 00:01:22.460
这就很让人不爽。

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，

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。

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，

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。

00:01:42.786 --> 00:01:44.806
（笑声）

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，

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。

00:01:52.956 --> 00:01:55.153
这让我想到，

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？

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，

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？

00:02:06.666 --> 00:02:10.230
这些问题引导着我和我的团队

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，

00:02:14.607 --> 00:02:17.697
我们的起点是人脸。

NOTE Paragraph

00:02:18.577 --> 00:02:21.750
人脸是交流的最强大的渠道之一，

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，

00:02:25.766 --> 00:02:28.776
从喜悦、惊讶

00:02:28.776 --> 00:02:32.979
到同情、好奇等等。

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。

00:02:37.907 --> 00:02:40.832
例如，动作单元12，

00:02:40.832 --> 00:02:42.870
这不是好莱坞大片，

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。

00:02:46.312 --> 00:02:49.300
大家都试一下。让我们都微笑起来。

00:02:49.300 --> 00:02:51.954
另一个例子是动作单元4。它是眉间纹。

00:02:51.954 --> 00:02:54.192
当你将眉毛拧到一起的时候

00:02:54.192 --> 00:02:56.459
你就创造出了这些纹理和皱纹。

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。

00:03:00.754 --> 00:03:02.960
我们大概有45个这样的单元，

00:03:02.960 --> 00:03:06.350
它们的组合可以表达上百种情绪。

NOTE Paragraph

00:03:06.350 --> 00:03:10.251
教会电脑去读取这些面部情绪很难，

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，

00:03:13.223 --> 00:03:15.777
而且它们有很多的组合方式。

00:03:15.777 --> 00:03:19.515
例如，微笑和假笑。

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。

00:03:23.268 --> 00:03:24.986
（笑声）

00:03:24.986 --> 00:03:27.990
微笑是正面的，

00:03:27.990 --> 00:03:29.260
假笑常常是负面的。

00:03:29.260 --> 00:03:33.136
有时一个假笑可以让你出名。

00:03:33.136 --> 00:03:35.960
但是严肃地讲，让电脑能够

00:03:35.960 --> 00:03:38.815
描述这两种表情的区别是很重要的。

NOTE Paragraph

00:03:38.815 --> 00:03:40.627
那我们是如何做的呢？

00:03:40.627 --> 00:03:42.414
我们给我们的算法

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

00:03:46.524 --> 00:03:49.589
正在微笑的例子，

00:03:49.589 --> 00:03:52.400
然后我们也用同样的方法研究假笑。

00:03:52.400 --> 00:03:53.954
然后使用深度学习，

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

00:03:56.810 --> 00:03:59.390
以及形状变化，

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，

00:04:02.592 --> 00:04:05.773
而所有的假笑都有些微的不同特性。

00:04:05.773 --> 00:04:08.141
然后下一次当它看到一个新面孔时，

00:04:08.141 --> 00:04:10.440
它就基本上能知道

00:04:10.440 --> 00:04:13.473
这张面孔上有和微笑相同的特性，

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。”

NOTE Paragraph

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

00:04:21.181 --> 00:04:23.317
是来一个现场演示，

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。

00:04:27.230 --> 00:04:29.564
（笑声）

00:04:29.564 --> 00:04:32.335
克洛将成为我们今天的志愿者。

NOTE Paragraph

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

00:04:37.783 --> 00:04:38.939
到成立一个公司，

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，

00:04:42.131 --> 00:04:44.540
就像我们说的那样，我们在荒野里生存。

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

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。

00:04:50.530 --> 00:04:53.316
让我们来试一试。

NOTE Paragraph

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，

00:04:58.680 --> 00:05:00.372
就是这个白色的边界框，

00:05:00.372 --> 00:05:02.943
它在跟踪她脸上的主要特征点，

00:05:02.943 --> 00:05:05.799
她的眉毛、眼睛、嘴巴和鼻子。

00:05:05.799 --> 00:05:08.786
问题是，它能识别她的表情吗？

00:05:08.786 --> 00:05:10.457
那么我们测试一下这台机器。

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）

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。

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。

00:05:19.756 --> 00:05:20.978
这是一个大大的微笑。

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？

00:05:24.021 --> 00:05:26.352
它确实也能识别轻轻的微笑。

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。

00:05:28.477 --> 00:05:31.439
眉毛上扬，是惊喜的标志。

00:05:31.439 --> 00:05:35.688
眉间的皱纹，是困惑的标志。

00:05:35.688 --> 00:05:39.695
皱眉。嗯，很完美。

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。

00:05:43.188 --> 00:05:45.220
这只是一个小型的演示。

00:05:45.220 --> 00:05:48.368
我们称每一次读取为一个情感数据点，

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。

00:05:51.337 --> 00:05:55.990
因此在演示的右边，你看起来很开心。

00:05:55.990 --> 00:05:57.444
那表示快乐，快乐就被启动了。

00:05:57.444 --> 00:05:59.371
再做一个厌恶的表情。

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。

00:06:03.643 --> 00:06:05.153
（笑声）

00:06:05.153 --> 00:06:09.495
是的，皱一下鼻。很好。

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。

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，

00:06:15.926 --> 00:06:18.712
而“参与度”是用来描述她的表现力的。

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，

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。

00:06:24.935 --> 00:06:27.858
谢谢。

00:06:27.858 --> 00:06:32.479
（掌声）

NOTE Paragraph

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。

00:06:39.019 --> 00:06:41.630
这是世界上最大的情感数据库。

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，

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，

00:06:47.193 --> 00:06:50.398
并且这些人们来自全世界75个国家。

00:06:50.398 --> 00:06:52.113
它每天都在发展。

00:06:52.603 --> 00:06:54.670
它发散了我的思维：

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，

00:06:57.865 --> 00:07:00.100
并且是在这样的规模下去做这件事。

NOTE Paragraph

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？

00:07:03.057 --> 00:07:05.388
性别差异。

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。

00:07:09.034 --> 00:07:10.891
女性比男性更具表现力。

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，

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

00:07:16.478 --> 00:07:18.614
在反应方面的差异性。

00:07:18.614 --> 00:07:20.904
让我们从文化方面来看：在美国，

00:07:20.904 --> 00:07:24.108
女性的表现力要比男性高40%，

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。

00:07:27.753 --> 00:07:30.259
（笑声）

00:07:31.296 --> 00:07:35.323
在年龄方面：50岁及以上的人

00:07:35.323 --> 00:07:38.759
情绪化比小于50岁的人高25%。

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，

00:07:43.751 --> 00:07:47.590
也许这是约会的必需品。

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

00:07:50.207 --> 00:07:53.410
我们每时每刻都在表达，

00:07:53.410 --> 00:07:56.243
即使当我们独自坐在电子设备前，

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。

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

00:08:03.227 --> 00:08:05.527
我们无时无刻不在表达自己。

NOTE Paragraph

00:08:05.527 --> 00:08:07.919
那么如今这些数据用在何处呢？

00:08:07.919 --> 00:08:10.682
用在弄明白我们如何和传媒结合，

00:08:10.682 --> 00:08:13.166
从而搞明白网络扩散和投票行为，

00:08:13.166 --> 00:08:15.906
以及情绪授权技术。

00:08:15.906 --> 00:08:20.527
我想分享一些触动我心的例子。

00:08:21.197 --> 00:08:24.265
情绪授权可佩戴眼镜

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，

00:08:27.493 --> 00:08:31.680
也可帮助患有自闭症的人们解读情绪，

00:08:31.680 --> 00:08:34.458
因为解读情绪对他们来说是很困难的。

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

00:08:38.777 --> 00:08:41.587
察觉出你有困惑，应用程序会放慢速度，

00:08:41.587 --> 00:08:43.444
或者你无聊了，它则会加快进程，

00:08:43.444 --> 00:08:46.413
就像教室里经验丰富的老师一样。

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，

00:08:49.644 --> 00:08:52.337
或你的车可以觉察出你疲惫了，

00:08:52.337 --> 00:08:54.885
或者说你的冰箱知道你有压力，

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）

00:09:00.951 --> 00:09:03.668
我会喜欢这个的，没错。

00:09:03.668 --> 00:09:05.595
设想当我在剑桥时，

00:09:05.595 --> 00:09:07.908
我可以连接到实时情绪流，

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，

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？

NOTE Paragraph

00:09:15.408 --> 00:09:18.550
我猜想也就在五年后，

00:09:18.550 --> 00:09:20.887
所有的电子设备都会有一个情绪芯片，

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？”

00:09:24.951 --> 00:09:29.200
这一举动实现时的感受。

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，

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，

00:09:35.864 --> 00:09:39.360
所以我们把这项科技开放，

00:09:39.360 --> 00:09:41.474
这样其他开发者就能创造创新。

00:09:41.474 --> 00:09:45.560
我们知道这有潜在的风险，

00:09:45.560 --> 00:09:47.627
还有可能被滥用，

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，

00:09:50.576 --> 00:09:53.548
我相信情绪智能技术

00:09:53.548 --> 00:09:55.823
给人类带来的好处

00:09:55.823 --> 00:09:59.399
远超过被滥用的可能性。

00:09:59.399 --> 00:10:01.930
所以我邀请大家一起加入。

00:10:01.930 --> 00:10:04.484
越多的人知道这项技术，

00:10:04.484 --> 00:10:07.661
我们就越能说出如何使用的想法。

00:10:09.081 --> 00:10:13.655
所以随着我们的生活越来越数字化，

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

00:10:17.153 --> 00:10:19.382
从而开拓我们的情绪。

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

00:10:24.536 --> 00:10:26.765
让我们的科技更加有响应性。

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

00:10:29.435 --> 00:10:31.897
重新把我们聚在一起。

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

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，

00:10:39.782 --> 00:10:44.263
从而重新想象，作为人类的我们

00:10:44.263 --> 00:10:46.167
如何与彼此交流结合。

NOTE Paragraph

00:10:46.167 --> 00:10:48.327
谢谢。

NOTE Paragraph

00:10:48.327 --> 00:10:51.640
（掌声）