0:00:00.556,0:00:04.573
我們的情緒會影響[br]日常生活的各個層面，

0:00:04.573,0:00:08.149
從我們的健康到如何學習、[br]如何做事、做決定，

0:00:08.149,0:00:09.922
無論事情大小都受此影響。

0:00:10.672,0:00:14.162
我們的情緒也會影響[br]我們如何與他人交流。

0:00:15.132,0:00:19.108
我們已經進化到生活在[br]一個像這樣的世界，

0:00:19.108,0:00:23.427
然而我們的生活卻愈來愈像這樣──

0:00:23.427,0:00:26.561
這是我女兒昨晚傳來的簡訊──

0:00:26.561,0:00:29.301
一個缺乏情感的世界。

0:00:29.301,0:00:31.252
所以我帶著使命要改變這種狀況。

0:00:31.252,0:00:35.343
我想將情感重新注入數位體驗中。

0:00:36.223,0:00:39.300
我在 15 年前走上這條路。

0:00:39.300,0:00:41.366
當時我在埃及是電腦科學家，

0:00:41.366,0:00:45.871
而且我才拿到劍橋大學[br]博士班的入學許可。

0:00:45.871,0:00:50.284
所以我做了一件[br]對身為年輕新婚的埃及回教婦女來說

0:00:50.284,0:00:52.209
相當不尋常的事：

0:00:53.599,0:00:56.598
在我先生的支持下，[br]他留在埃及，

0:00:56.598,0:00:59.616
我整理行囊搬到英格蘭。

0:00:59.616,0:01:02.844
在劍橋，離家千里遠的地方，

0:01:02.844,0:01:06.257
我發現我與筆電相處的時間，

0:01:06.257,0:01:08.486
遠超過與人交流的時間。

0:01:08.486,0:01:13.339
儘管與筆電相處如此親密，[br]它卻完全不了解我的感受，

0:01:13.339,0:01:16.550
它不知道我是否開心，

0:01:16.550,0:01:19.538
今天順不順，是否緊張或困惑，

0:01:19.538,0:01:22.460
所以那令我沮喪。

0:01:23.600,0:01:28.831
更糟的是，在我上線[br]與遠方的家人聯絡時，

0:01:29.421,0:01:32.703
我覺得我的情感[br]在這虛擬空間裡消失無蹤。

0:01:32.703,0:01:37.858
我好想家，我好孤單，[br]有些日子我真的哭了，

0:01:37.858,0:01:42.786
但我所能傳達的只有這個。

0:01:42.786,0:01:44.806
（笑聲）

0:01:44.806,0:01:49.780
今天的科技有很多智商，[br]卻沒有情緒智商；

0:01:49.780,0:01:52.956
有很多認知智商，[br]卻沒有情緒智商。

0:01:52.956,0:01:55.153
所以這讓我思考，

0:01:55.153,0:01:58.777
如果我們的科技可以[br]感受我們的情緒會怎樣？

0:01:58.777,0:02:02.853
如果我們的電子裝置可以[br]感受我們的感覺並做出相對回應，

0:02:02.853,0:02:05.866
就像一位高情商的朋友一樣，[br]會是怎樣？

0:02:06.666,0:02:10.230
這些問題讓我及我的團隊

0:02:10.230,0:02:14.607
創造出可以讀懂情緒[br]並做出回應的科技，

0:02:14.607,0:02:17.697
我們的起始點是人的臉。

0:02:18.577,0:02:21.750
人類的臉恰好就是有力的管道，

0:02:21.750,0:02:25.766
能用來傳遞社交及情緒狀態，

0:02:25.766,0:02:28.776
從愉快、驚訝，

0:02:28.776,0:02:32.979
到同情、好奇都可以。

0:02:32.979,0:02:37.907
情緒科學中，我們稱每一種[br]顏面肌肉運動為一個動作單位。

0:02:37.907,0:02:40.832
舉例來說，動作單位 12，

0:02:40.832,0:02:42.870
這可不是好萊塢的動作巨片，

0:02:42.870,0:02:46.312
這其實是拉嘴角，[br]這是微笑的主要部分。

0:02:46.312,0:02:49.300
大家都試一下吧！[br]讓會場有點笑容。

0:02:49.300,0:02:51.954
另一個例子是動作單位 4。[br]這是蹙額。

0:02:51.954,0:02:54.192
就是你把眉頭皺在一起

0:02:54.192,0:02:56.459
所產生的紋理和皺紋。

0:02:56.459,0:03:00.754
我們都不喜歡皺紋，[br]但那是負面情緒的重要指標。

0:03:00.754,0:03:02.960
我們有約 45 種動作單位，

0:03:02.960,0:03:06.350
排列組合後可以表現出數百種情緒。

0:03:06.350,0:03:10.251
要教電腦讀懂這些顏面表情很難，

0:03:10.251,0:03:13.223
因為這些動作單位很快、很細微，

0:03:13.223,0:03:15.777
而且還有各種不同的組合法。

0:03:15.777,0:03:19.515
所以再舉個例子，微笑和假笑。

0:03:19.515,0:03:23.268
兩者看起來有點像，[br]但是意義大不相同。

0:03:23.268,0:03:24.986
（笑聲）

0:03:24.986,0:03:27.990
微笑是正面的，

0:03:27.990,0:03:29.260
假笑往往是負面的。

0:03:29.260,0:03:33.136
有時候一個假笑可以讓你成名。

0:03:33.136,0:03:35.960
但是說真的，要讓電腦能夠

0:03:35.960,0:03:38.815
辨認出這兩種表情的不同很重要。

0:03:38.815,0:03:40.627
所以我們怎麼做呢？

0:03:40.627,0:03:42.414
我們給我們的演算法

0:03:42.414,0:03:46.524
成千上萬筆我們知道在微笑的例子，

0:03:46.524,0:03:49.589
各式人種、年齡、性別都有，

0:03:49.589,0:03:52.400
假笑也如法泡製。

0:03:52.400,0:03:53.954
然後，機器用深度學習法，

0:03:53.954,0:03:56.810
讓演算法找出臉上[br]所有的紋理、皺紋，

0:03:56.810,0:03:59.390
及臉型的改變，

0:03:59.390,0:04:02.592
基本上學得所有的微笑[br]都有共同的特點，

0:04:02.592,0:04:05.773
所有的假笑也有[br]稍稍不同的特點，

0:04:05.773,0:04:08.141
所以下一次電腦看到新的面孔，

0:04:08.141,0:04:10.440
它基本上會得知

0:04:10.440,0:04:13.473
這張臉與微笑有相同的特點，

0:04:13.473,0:04:17.751
然後它會說，「啊哈！[br]我認得這個，這是微笑的表情。」

0:04:18.381,0:04:21.181
要展示怎麼用[br]這項科技的最佳方法，

0:04:21.181,0:04:23.317
就是來一個現場示範，

0:04:23.317,0:04:27.230
所以我需要一名志願者，[br]最好是有臉的。

0:04:27.230,0:04:29.564
（笑聲）

0:04:29.564,0:04:32.335
我們今天的志願者是克蘿伊。

0:04:33.325,0:04:37.783
過去五年，我們從[br]麻省理工的一項研究計畫

0:04:37.783,0:04:38.939
發展成一家公司，

0:04:38.939,0:04:42.131
我的團隊很努力[br]讓這項科技能快速傳播，

0:04:42.131,0:04:44.540
好像我們常說的，（病毒）擴散中。

0:04:44.540,0:04:47.210
我們也把它縮小，[br]讓核心情緒引擎能用在

0:04:47.210,0:04:50.530
任何有照相機的行動裝置上，[br]像是這台 iPad。

0:04:50.530,0:04:53.316
現在來試一下。

0:04:54.756,0:04:58.680
正如你們所見，基本上[br]演算法已經找到了克蘿伊的臉，

0:04:58.680,0:05:00.372
就是這個白色的框框，

0:05:00.372,0:05:02.943
它正在找她臉上的[br]幾個主要特徵點，

0:05:02.943,0:05:05.799
像是她的眉毛、[br]眼睛、嘴巴和鼻子。

0:05:05.799,0:05:08.786
問題是，它能辨識她的表情嗎？

0:05:08.786,0:05:10.457
我們來考一下機器。

0:05:10.457,0:05:14.643
首先，來一張撲克臉。[br]對，好極了！（笑聲）

0:05:14.643,0:05:17.456
然後她微笑的時後，[br]這是真誠的微笑，很棒，

0:05:17.456,0:05:19.756
你們可以看到她微笑的時候，[br]綠色的信號格增加。

0:05:19.756,0:05:20.978
那可是個好大的微笑。

0:05:20.978,0:05:24.021
你可以試一下淺淺的微笑嗎？[br]看看電腦能不能辨識？

0:05:24.021,0:05:26.352
它的確也能辨識淺淺的微笑。

0:05:26.352,0:05:28.477
我們真的很努力要做到這一點。

0:05:28.477,0:05:31.439
然後抬眉毛，表示驚訝。

0:05:31.439,0:05:35.688
蹙額，表示困惑。

0:05:35.688,0:05:39.695
皺眉，很好，很完美。

0:05:39.695,0:05:43.188
這些就是不同的動作單位。[br]還有更多。

0:05:43.188,0:05:45.220
這只是瘦身版示範。

0:05:45.220,0:05:48.368
我們稱每一個讀取[br]為一個情緒資料點，

0:05:48.368,0:05:51.337
然後它們一起發動[br]就能描繪出不同的情緒。

0:05:51.337,0:05:55.990
右邊的這張示範──[br]表現你很開心。

0:05:55.990,0:05:57.444
所以那是高興。高興出現了。

0:05:57.444,0:05:59.371
然後給我一張噁心的臉。

0:05:59.371,0:06:03.643
試著回想贊恩退出[br]男團一世代的那種感覺。

0:06:03.643,0:06:05.153
（笑聲）

0:06:05.153,0:06:09.495
沒錯，皺鼻子。太棒了！

0:06:09.495,0:06:13.226
效價呈現高負值，[br]所以你一定是大粉絲。

0:06:13.226,0:06:15.926
效價指的是感受的好壞程度，

0:06:15.926,0:06:18.712
而投入程度指的是[br]她的表情有多大。

0:06:18.712,0:06:22.126
想像一下如果克羅伊[br]能使用這套即時情緒串流，

0:06:22.126,0:06:24.935
而且她還可以跟任何人分享。

0:06:24.935,0:06:27.858
謝謝妳！

0:06:27.858,0:06:32.479
（掌聲）

0:06:33.749,0:06:39.019
到目前為止我們已經[br]累積了 120 億筆情緒數據點。

0:06:39.019,0:06:41.630
這是世界上最大的情緒資料庫。

0:06:41.630,0:06:44.593
我們從 290 萬筆臉孔短片[br]收集資料，

0:06:44.593,0:06:47.533
由同意與我們分享他們情緒的人提供，

0:06:47.533,0:06:50.398
來源遍及全球 75 個國家。

0:06:50.398,0:06:52.113
資料每天都在增加。

0:06:52.603,0:06:54.670
這真令我驚異萬分，

0:06:54.670,0:06:57.865
我們能量化像情緒[br]這麼個人的東西，

0:06:57.865,0:07:00.100
還能做到這個地步。

0:07:00.100,0:07:02.277
所以至今我們學到什麼？

0:07:03.057,0:07:05.388
性別。

0:07:05.388,0:07:09.034
我們的數據證實了一些[br]你們大概已經料到的事。

0:07:09.034,0:07:10.891
女人的表情比男人的更豐富。

0:07:10.891,0:07:13.574
她們不但更常微笑，[br]微笑的時間還更久，

0:07:13.574,0:07:15.668
而且我們現在真的能量化

0:07:15.668,0:07:18.614
造成男女不同反應的東西。

0:07:18.614,0:07:20.904
來看文化：在美國，

0:07:20.904,0:07:24.108
女性比男性多 40% [br]更願意表達情感，

0:07:24.108,0:07:27.753
但奇怪的是，[br]在英國看不到這樣的差距。

0:07:27.753,0:07:30.259
（笑聲）

0:07:31.296,0:07:35.323
再看年齡：50 歲以上的人

0:07:35.323,0:07:38.759
比年輕人多 25% 更願意表現情感。

0:07:39.899,0:07:43.751
20 多歲的女性[br]比同年齡的男性更常微笑，

0:07:43.751,0:07:47.590
大概是因為這是約會必殺技。

0:07:47.590,0:07:50.207
但是這筆數據最讓我們訝異的，

0:07:50.207,0:07:53.410
大概是我們隨時都有表情，

0:07:53.410,0:07:56.243
即使我們獨自坐在裝置前也是如此，

0:07:56.243,0:07:59.797
而且不只是在我們看[br]臉書上貓短片的的時候。

0:08:00.217,0:08:03.227
我們在寫信、傳簡訊、網購，

0:08:03.227,0:08:05.527
甚至在報稅時都表情豐富。

0:08:05.527,0:08:07.919
今天這筆數據用在哪裡呢？

0:08:07.919,0:08:10.682
用在瞭解我們如何與媒體互動，

0:08:10.682,0:08:13.166
所以能瞭解影片爆紅及投票行為，

0:08:13.166,0:08:15.906
也用在情緒辨識科技，

0:08:15.906,0:08:20.527
我想分享幾個[br]讓我特別感動的例子。

0:08:21.197,0:08:24.265
情緒辨識眼鏡能幫助

0:08:24.265,0:08:27.493
視障者讀取別人臉上的表情，

0:08:27.493,0:08:31.680
也能幫助各種程度的[br]自閉症患者解讀情緒，

0:08:31.680,0:08:34.458
這是他們的最大難題。

0:08:35.918,0:08:38.777
在教育上，想像一下[br]如果你的學習應用程式

0:08:38.777,0:08:41.587
感受到你的困惑並放慢速度，

0:08:41.587,0:08:43.444
或是知道你覺得無聊了[br]所以加快速度，

0:08:43.444,0:08:46.413
就像一位好老師[br]在課堂上做的一樣。

0:08:47.043,0:08:49.644
如果你的手錶能追蹤你的心情，

0:08:49.644,0:08:52.337
或是你的車能感受到[br]你現在很疲倦，

0:08:52.337,0:08:54.885
或是你的冰箱能知道[br]你現在壓力很大，

0:08:54.885,0:08:59.451
所以它會自動鎖住，[br]你就不能拿東西來吃。（笑聲）

0:08:59.451,0:09:02.488
我會喜歡那個，真的。

0:09:03.668,0:09:05.595
當我在劍橋的時候，

0:09:05.595,0:09:07.908
如果我能用這套[br]即時情緒串流工具，

0:09:07.908,0:09:11.437
我就能用非常自然的方法[br]與遠在家鄉的家人分享，

0:09:11.437,0:09:15.408
就好像我們都在[br]同一間房間一樣，那有多好？

0:09:15.408,0:09:18.550
我想五年後，

0:09:18.550,0:09:20.887
我們所有的裝置[br]都會有一個情緒晶片，

0:09:20.887,0:09:26.191
我們就會忘記當年[br]裝置還不會回應我們皺眉的時候說出：

0:09:26.191,0:09:29.200
「嗯，你不喜歡這個，是吧？」[br]是什麼樣子。

0:09:29.200,0:09:32.961
我們最大的挑戰是[br]這種科技有許多應用程式，

0:09:32.961,0:09:35.864
我和我的團隊瞭解[br]我們不可能只靠自己發展全部，

0:09:35.864,0:09:39.360
所以我們開放這項科技[br]讓其他開發者

0:09:39.360,0:09:41.474
能繼續開發並激發創意。

0:09:41.474,0:09:45.560
我們知道會有潛在風險，

0:09:45.560,0:09:47.627
也可能遭到濫用，

0:09:47.627,0:09:50.576
但是個人認為，[br]在花了這麼多年做這個之後，

0:09:50.576,0:09:53.548
我相信這對人類的益處，

0:09:53.548,0:09:55.823
就是開發情緒智能科技的益處，

0:09:55.823,0:09:59.399
遠超過誤用的潛在危險。

0:09:59.399,0:10:01.930
我請大家口耳相傳。

0:10:01.930,0:10:04.484
愈多人知道這項科技，

0:10:04.484,0:10:07.661
我們就愈能發聲說明[br]這該如何使用。

0:10:09.081,0:10:13.655
隨著我們的生活愈來愈數位化，

0:10:13.655,0:10:17.153
試圖以遏止使用裝置來重拾情緒

0:10:17.153,0:10:19.382
是一場必敗的仗。

0:10:20.622,0:10:24.536
與其如此，[br]我寧可把情感帶進科技，

0:10:24.536,0:10:26.765
讓我們的科技更有回應。

0:10:26.765,0:10:29.435
所以我想用這些[br]原本使我們疏遠的裝置，

0:10:29.435,0:10:31.897
讓我們重新結合在一起。

0:10:31.897,0:10:36.485
藉著把科技人性化，[br]我們擁有這個黃金時機

0:10:36.485,0:10:39.782
來重新想像我們如何[br]與機器連結，

0:10:39.782,0:10:44.263
進而想像我們身為人類

0:10:44.263,0:10:46.167
如何能重新連結彼此。

0:10:46.167,0:10:48.327
謝謝。

0:10:48.327,0:10:51.640
（掌聲）