Return to Video

Αυτή εφαρμογή ξέρει τι νιώθετε - από την όψη του προσώπου σας

  • 0:01 - 0:04
    Τα συναισθήματά μας επηρεάζουν
    κάθε πτυχή της ζωής μας,
  • 0:04 - 0:07
    από την υγεία μας
    και τον τρόπο που μαθαίνουμε,
  • 0:07 - 0:10
    έως το πώς εργαζόμαστε και
    παίρνουμε αποφάσεις, μικρές και μεγάλες.
  • 0:11 - 0:14
    Τα συναισθήματά μας επίσης επηρεάζουν
    το πώς συνδεόμαστε μεταξύ μας.
  • 0:15 - 0:19
    Έχουμε εξελιχθεί να ζούμε
    σε έναν κόσμο σαν αυτόν,
  • 0:19 - 0:24
    αντ' αυτού όμως, ζούμε
    όλο και περισσότερο κάπως έτσι
  • 0:24 - 0:27
    - αυτό είναι μήνυμα
    από την κόρη μου χθες βράδυ -
  • 0:27 - 0:29
    σε έναν κόσμο στερημένο από συναίσθημα.
  • 0:29 - 0:31
    Η αποστολή μου είναι να το αλλάξω αυτό.
  • 0:31 - 0:35
    Θέλω να επαναφέρω το συναίσθημα
    στις ψηφιακές μας εμπειρίες.
  • 0:37 - 0:39
    Πήρα αυτόν τον δρόμο πριν από 15 χρόνια.
  • 0:39 - 0:42
    Ήμουν επιστήμων υπολογιστών στην Αίγυπτο,
  • 0:42 - 0:46
    και μόλις είχα περάσει σε μεταπτυχιακό
    πρόγραμμα του Πανεπιστημίου του Κέμπριτζ.
  • 0:46 - 0:48
    Έτσι έκανα κάτι αρκετά ασυνήθιστο
  • 0:48 - 0:52
    για μια νεαρή νιόπαντρη μουσουλμάνα
    σύζυγο από την Αίγυπτο:
  • 0:54 - 0:57
    Με τη στήριξη του συζύγου μου,
    που έπρεπε να μείνει στην Αίγυπτο,
  • 0:57 - 1:00
    έφτιαξα τα πράγματά μου
    και μετακόμισα στην Αγγλία.
  • 1:00 - 1:03
    Στο Κέμπριτζ, χιλιάδες μίλια
    μακριά από το σπίτι μου
  • 1:03 - 1:06
    κατάλαβα ότι περνούσα περισσότερη ώρα
    με τον φορητό μου υπολογιστή
  • 1:06 - 1:08
    παρά με οποιονδήποτε άλλον άνθρωπο.
  • 1:09 - 1:14
    Παρόλη όμως αυτή την οικειότητα,
    ο φορητός μου δεν είχε ιδέα πώς ένιωθα.
  • 1:14 - 1:17
    Αγνοούσε εάν ήμουν χαρούμενη,
  • 1:17 - 1:20
    αν ήταν μια μέρα δύσκολη,
    με άγχος ή επιπλοκές,
  • 1:20 - 1:22
    και αυτό με απογοήτευσε.
  • 1:24 - 1:28
    Ακόμα χειρότερα, όταν επικοινωνούσα
    διαδικτυακά με την οικογένεια στο σπίτι,
  • 1:29 - 1:33
    ένιωθα ότι όλα μου τα συναισθήματα
    εξαφανίζονταν στον κυβερνοχώρο.
  • 1:33 - 1:38
    Μου έλειπε το σπίτι μου, ένιωθα μοναξιά,
    και κάποιες μέρες πραγματικά έκλαιγα,
  • 1:38 - 1:43
    αλλά είχα μόνο αυτό για να μεταδώσω
    αυτά τα συναισθήματα.
  • 1:43 - 1:45
    (Γέλια)
  • 1:45 - 1:49
    Η σημερινή τεχνολογία έχει πολλή ευφυΐα
    αλλά καθόλου συναίσθημα,
  • 1:49 - 1:53
    πάρα πολύ γνωστική ευφυΐα
    αλλά καθόλου συναισθηματική ευφυΐα.
  • 1:53 - 1:55
    Αυτό με έβαλε να σκεφτώ
  • 1:55 - 1:59
    τι θα γινόταν εάν η τεχνολογία μας
    μπορούσε να νιώσει τα συναισθήματά μας;
  • 1:59 - 2:03
    Τι θα γινόταν εάν οι συσκευές ένιωθαν
    πώς αισθανόμαστε και αποκρίνονταν ανάλογα,
  • 2:03 - 2:06
    ακριβώς όπως θα αντιδρούσε
    ένας φίλος με συναισθήματα;
  • 2:07 - 2:10
    Αυτά τα ερωτήματα οδήγησαν
    εμένα και την ομάδα μου
  • 2:10 - 2:15
    στη δημιουργία τεχνολογιών που διαβάζουν
    και αντιδρούν στα συναισθήματά μας,
  • 2:15 - 2:18
    και το σημείο αφετηρίας μας
    ήταν το ανθρώπινο πρόσωπο.
  • 2:19 - 2:22
    Το πρόσωπό μας τυγχάνει να είναι
    ένα από τα πιο ισχυρά κανάλια
  • 2:22 - 2:26
    μέσω των οποίων εκφράζουμε κοινωνικές
    και συναισθηματικές μας καταστάσεις,
  • 2:26 - 2:32
    τα πάντα, από διασκέδαση, έκπληξη,
    ενσυναίσθηση και περιέργεια.
  • 2:33 - 2:35
    Στην επιστήμη των συναισθημάτων,
  • 2:35 - 2:38
    κάθε κίνηση των μυών του προσώπου
    την αποκαλούμε μονάδα δράσης.
  • 2:38 - 2:41
    Έτσι για παράδειγμα η μονάδα δράσης 12,
  • 2:41 - 2:42
    δεν είναι μια επιτυχία του Χόλιγουντ,
  • 2:42 - 2:44
    είναι σήκωμα της άκρης του χείλους,
  • 2:44 - 2:46
    που είναι βασικό συστατικό του χαμόγελου.
  • 2:46 - 2:49
    Δοκιμάστε το όλοι.
    Ας ρίξουμε μερικά χαμόγελα.
  • 2:49 - 2:52
    Άλλο παράδειγμα είναι η μονάδα δράσης 4.
    Είναι η συνοφρύωση.
  • 2:52 - 2:56
    Είναι όταν σμίγουν τα φρύδια
    και δημιουργούνται ρυτίδες και υφές.
  • 2:56 - 3:00
    Δεν μας αρέσουν αλλά είναι
    έντονη ένδειξη αρνητικού συναισθήματος.
  • 3:00 - 3:03
    Έτσι έχουμε περίπου
    45 τέτοιες μονάδες δράσης,
  • 3:03 - 3:06
    και οι συνδυασμοί τους εκφράζουν
    εκατοντάδες συναισθήματα.
  • 3:06 - 3:10
    Το να μάθεις έναν υπολογιστή να διαβάζει
    τις εκφράσεις του προσώπου είναι δύσκολο,
  • 3:10 - 3:13
    επειδή οι μονάδες δράσεις
    μπορεί να εναλλάσσονται γρήγορα,
  • 3:13 - 3:16
    να είναι αδιόρατες, και να συνδυάζονται
    με πολλούς τρόπους.
  • 3:16 - 3:20
    Πάρτε για παράδειγμα το χαμόγελο
    και το υπεροπτικό χαμόγελο.
  • 3:20 - 3:23
    Μοιάζουν μεταξύ τους
    αλλά σημαίνουν διαφορετικά πράγματα.
  • 3:23 - 3:25
    (Γέλια)
  • 3:25 - 3:27
    Έτσι το χαμόγελο είναι θετικό,
  • 3:27 - 3:29
    ενώ το προσποιητό χαμόγελο
    είναι συχνά αρνητικό.
  • 3:29 - 3:33
    Καμιά φορά το προσποιητό χαμόγελο
    μπορεί να σε κάνει διάσημο.
  • 3:33 - 3:35
    Αλλά είναι πολύ σημαντικό
  • 3:35 - 3:38
    να μπορεί ο υπολογιστής
    να δει τη διαφορά των δυο εκφράσεων.
  • 3:38 - 3:40
    Πώς το καταφέρνουμε λοιπόν αυτό;
  • 3:40 - 3:42
    Δίνουμε στους αλγορίθμους μας
  • 3:42 - 3:47
    δεκάδες χιλιάδες παραδείγματα ανθρώπων
    που ξέρουμε ότι χαμογελούν,
  • 3:47 - 3:50
    από διάφορες εθνότητες, ηλικίες, γένη,
  • 3:50 - 3:52
    και κάνουμε το ίδιο
    και για το υπεροπτικό χαμόγελο.
  • 3:52 - 3:54
    Και μετά χρησιμοποιώντας τη βαθιά μάθηση
  • 3:54 - 3:57
    ο αλγόριθμος ψάχνει
    για όλες αυτές τις υφές και τις ρυτίδες
  • 3:57 - 3:59
    και τις αλλαγές σχήματος του προσώπου μας,
  • 3:59 - 4:03
    και βασικά μαθαίνει ότι όλα τα χαμόγελα
    έχουν κοινά χαρακτηριστικά,
  • 4:03 - 4:06
    ενώ τα υπεροπτικά χαμόγελα έχουν
    ελαφρώς διαφορετικά χαρακτηριστικά.
  • 4:06 - 4:08
    Την επόμενη φορά
    που θα δει ένα νέο πρόσωπο
  • 4:08 - 4:11
    ουσιαστικά μαθαίνει ότι αυτό το πρόσωπο
  • 4:11 - 4:13
    έχει τα χαρακτηριστικά του χαμόγελου
  • 4:13 - 4:17
    και λέει, «Ναι, το αναγνωρίζω.
    Είναι έκφραση χαμόγελου».
  • 4:18 - 4:22
    Έτσι ο καλύτερος τρόπος για να δείξουμε
    πως λειτουργεί η τεχνολογία
  • 4:22 - 4:23
    είναι μια ζωντανή παρουσίαση,
  • 4:23 - 4:27
    γι' αυτό ζητάω έναν εθελοντή,
    κατά προτίμηση κάποιον με πρόσωπο.
  • 4:27 - 4:29
    (Γέλια)
  • 4:30 - 4:32
    Η Κλόη θα είναι η εθελόντριά μας σήμερα.
  • 4:33 - 4:38
    Τα τελευταία πέντε χρόνια,
    από ερευνητικό πρόγραμμα του ΜΙΤ
  • 4:38 - 4:39
    γίναμε εταιρεία,
  • 4:39 - 4:42
    όπου η ομάδα μου έχει μοχθήσει
    για να λειτουργήσει αυτή η τεχνολογία,
  • 4:42 - 4:44
    όπως αρεσκόμαστε να λέμε ακόμα.
  • 4:44 - 4:47
    Την έχουμε συρρικνώσει
    ώστε η κεντρική μηχανή συναισθημάτων
  • 4:47 - 4:51
    να λειτουργεί σε κάθε φορητή συσκευή
    με κάμερα, όπως αυτό το iPad.
  • 4:51 - 4:53
    Ας την δοκιμάσουμε λοιπόν.
  • 4:55 - 4:59
    Βλέπετε ότι ο αλγόριθμος βασικά
    έχει εντοπίσει το πρόσωπο της Κλόη,
  • 4:59 - 5:00
    είναι αυτό το λευκό περίγραμμα,
  • 5:00 - 5:03
    και παρακολουθεί τα κεντρικά
    σημεία του προσώπου της,
  • 5:03 - 5:06
    ήτοι, τα φρύδια, τα μάτια και τη μύτη της.
  • 5:06 - 5:09
    Το ερώτημα είναι, μπορεί
    να αναγνωρίσει την έκφρασή της;
  • 5:09 - 5:10
    Άρα θα τεστάρουμε το μηχάνημα.
  • 5:10 - 5:13
    Αρχικά, δείξε μου ένα ανέκφραστο πρόσωπο.
    Ναι, υπέροχα.
  • 5:13 - 5:15
    (Γέλια)
  • 5:15 - 5:17
    Κατόπιν καθώς χαμογελάει,
    είναι γνήσιο χαμόγελο, υπέροχο.
  • 5:17 - 5:20
    Η πράσινη μπάρα μεγαλώνει
    καθώς χαμογελάει.
  • 5:20 - 5:21
    Αυτό ήταν ένα μεγάλο χαμόγελο.
  • 5:21 - 5:24
    Κι ένα υπεροπτικό χαμόγελο
    θα το καταλάβει ο υπολογιστής;
  • 5:24 - 5:28
    Αναγνωρίζει και τα διακριτικά χαμόγελα.
    Εργαστήκαμε σκληρά για να το καταφέρουμε.
  • 5:28 - 5:31
    Μετά σηκωμένα φρύδια ως ένδειξη έκπληξης.
  • 5:32 - 5:35
    Συνοφρύωση ως ένδειξη απογοήτευσης.
  • 5:36 - 5:40
    Κατσούφιασε. Ναι, τέλεια.
  • 5:40 - 5:42
    Όλες αυτές είναι διαφορετικές
    μονάδες δράσης.
  • 5:42 - 5:45
    Υπάρχουν πολύ περισσότερες.
    Αυτή είναι μια σύντομη παρουσίαση.
  • 5:45 - 5:48
    Αλλά κάθε καταγραφή την αποκαλούμε
    σημείο συναισθηματικών δεδομένων,
  • 5:48 - 5:52
    και μετά μπορούν να δράσουν μαζί
    για να δώσουν διάφορα συναισθήματα.
  • 5:52 - 5:55
    Έτσι στη δεξιά πλευρά της δοκιμής -
    δείξε ότι είσαι χαρούμενη.
  • 5:55 - 5:57
    Αυτό λοιπόν είναι χαρά. Η χαρά φωτίζεται.
  • 5:57 - 5:59
    Και μετά δώσε μου μια έκφραση αηδίας.
  • 5:59 - 6:03
    Θυμήσου πώς ήταν όταν ο Ζέιν έφυγε
    από τους Ουάν Νταϊρέξιον.
  • 6:03 - 6:05
    (Γέλια)
  • 6:05 - 6:08
    Ναι, ξύνισε τη μύτη σου. Φοβερό.
  • 6:09 - 6:13
    Το σθένος είναι αρκετά αρνητικό,
    άρα πρέπει να ήσουν μεγάλη θαυμάστρια.
  • 6:13 - 6:16
    Το σθένος δηλώνει πόσο θετική ή αρνητική
    είναι μια εμπειρία,
  • 6:16 - 6:19
    και η εμπλοκή δηλώνει
    πόσο εκφραστική είναι επίσης.
  • 6:19 - 6:23
    Φανταστείτε αν η Κλόη είχε πρόσβαση σ'αυτή
    τη ροή συναισθήματος σε πραγματικό χρόνο,
  • 6:23 - 6:25
    και μπορούσε να τη μοιραστεί
    με όποιον ήθελε.
  • 6:25 - 6:27
    Ευχαριστώ.
  • 6:27 - 6:28
    (Χειροκρότημα)
  • 6:34 - 6:39
    Έως τώρα έχουμε συγκεντρώσει 12 δις
    τέτοια σημεία συναισθηματικών δεδομένων.
  • 6:39 - 6:42
    Είναι η μεγαλύτερη βάση δεδομένων
    από συναισθήματα στον κόσμο.
  • 6:42 - 6:45
    Τα συλλέξαμε από 2,9 εκατομμύρια βίντεο
    από πρόσωπα ανθρώπων
  • 6:45 - 6:48
    που συμφώνησαν να μοιραστούν
    τα συναισθήματά τους μαζί μας,
  • 6:48 - 6:50
    και από 75 χώρες σε όλο τον κόσμο.
  • 6:50 - 6:52
    Αυξάνεται κάθε μέρα.
  • 6:53 - 6:54
    Με συνεπαίρνει η ιδέα
  • 6:54 - 6:58
    ότι μπορούμε να ποσοτικοποιήσουμε
    κάτι τόσο προσωπικό όσο το συναίσθημα,
  • 6:58 - 7:00
    και να το κάνουμε σε τέτοια κλίμακα.
  • 7:00 - 7:02
    Τι μάθαμε λοιπόν έως τώρα;
  • 7:03 - 7:04
    Φύλο.
  • 7:05 - 7:09
    Τα δεδομένα μας επιβεβαιώνουν
    κάτι που ίσως υποψιαζόσαστε.
  • 7:09 - 7:11
    Οι γυναίκες είναι πιο εκφραστικές
    από τους άνδρες.
  • 7:11 - 7:14
    Χαμογελούν περισσότερο,
    και το χαμόγελό τους διαρκεί περισσότερο,
  • 7:14 - 7:16
    και τώρα μπορούμε να ποσοτικοποιήσουμε
  • 7:16 - 7:18
    σε τι άνδρες και γυναίκες
    αντιδρούν διαφορετικά.
  • 7:19 - 7:21
    Ας δούμε την κουλτούρα: Έτσι στις ΗΠΑ
  • 7:21 - 7:25
    οι γυναίκες είναι 40% πιο εκφραστικές
    από τους άνδρες, αλλά όλως περιέργως
  • 7:25 - 7:30
    δεν υπάρχει διαφορά μεταξύ ανδρών
    και γυναικών στην Αγγλία. (Γέλια)
  • 7:31 - 7:36
    Ηλικία: Οι άνθρωποι 50 ετών και άνω
  • 7:36 - 7:39
    είναι 25% πιο συναισθηματικοί
    από τους νέους ανθρώπους.
  • 7:40 - 7:44
    Οι γυναίκες των 20 χαμογελούν περισσότερο
    από τους άνδρες της ίδιας ηλικίας,
  • 7:44 - 7:46
    ίσως μια αναγκαιότητα
    για την αναζήτηση σχέσης.
  • 7:48 - 7:50
    Αλλά αυτό που μας εξέπληξε
    περισσότερο στα δεδομένα
  • 7:50 - 7:53
    είναι ότι συμβαίνει
    να είμαστε εκφραστικοί συνέχεια,
  • 7:53 - 7:56
    ακόμη και όταν είμαστε μόνοι
    μπροστά στη συσκευή μας,
  • 7:56 - 8:00
    και όχι μόνο όταν βλέπουμε
    βίντεο με γάτες στο Facebook.
  • 8:00 - 8:02
    Είμαστε εκφραστικοί
    όταν στέλνουμε email ή sms,
  • 8:02 - 8:06
    ψωνίζουμε διαδικτυακά, ακόμη και
    όταν κάνουμε τη φορολογική μας δήλωση.
  • 8:06 - 8:08
    Πού χρησιμοποιούνται
    αυτά τα δεδομένα σήμερα;
  • 8:08 - 8:10
    Στο να καταλάβουμε
    πώς εμπλεκόμαστε με τα μέσα,
  • 8:10 - 8:13
    έτσι κατανοώντας τη διαδικτυακή
    εξάπλωση και το πώς ψηφίζουμε.
  • 8:13 - 8:17
    Επίσης την τεχνολογία
    που ενεργοποιεί συναισθήματα,
  • 8:17 - 8:21
    και θέλω να μοιραστώ κάποια παραδείγματα
    στα οποία έχω ιδιαίτερη αδυναμία.
  • 8:21 - 8:23
    Γυαλιά που ενεργοποιούνται
    από συναισθήματα
  • 8:23 - 8:27
    θα βοηθήσουν άτομα με προβλήματα όρασης
    να διαβάσουν τα πρόσωπα των άλλων,
  • 8:27 - 8:30
    και θα βοηθήσει
    άτομα στο φάσμα του αυτισμού
  • 8:30 - 8:33
    να ερμηνεύσουν συναισθήματα,
    κάτι που πραγματικά τους ταλαιπωρεί.
  • 8:36 - 8:39
    Στην εκπαίδευση, φανταστείτε
    εάν οι εφαρμογές που μαθαίνουν
  • 8:39 - 8:42
    αισθανθούν ότι έχετε μπερδευτεί
    και μειώσουν ταχύτητα
  • 8:42 - 8:43
    ή ότι βαριόσαστε έτσι να επιταχύνουν,
  • 8:43 - 8:46
    ακριβώς όπως ένας καλός δάσκαλος
    θα έκανε στην τάξη.
  • 8:47 - 8:50
    Εάν το ρολόι στο χέρι σας
    παρακολουθούσε τη διάθεσή σας
  • 8:50 - 8:52
    ή το αυτοκινητό σας αισθανόταν
    ότι είστε κουρασμένος,
  • 8:52 - 8:55
    ή ίσως το ψυγείο σας να αναγνωρίζει
    ότι είστε αγχωμένος
  • 8:55 - 9:00
    και να κλειδώνει αυτόματα αποτρέποντας
    τη λαίμαργη επιδρομή σας. (Γέλια)
  • 9:00 - 9:01
    Θα μου άρεσε αυτό, ναι.
  • 9:03 - 9:05
    Τι εάν, όταν ήμουν στο Κέμπριτζ,
  • 9:05 - 9:08
    είχα πρόσβαση στη ροή συναισθημάτων μου
    σε πραγματικό χρόνο
  • 9:08 - 9:12
    και μπορούσα να τη μοιραστώ
    με την οικογένειά μου πολύ φυσικά
  • 9:12 - 9:15
    ακριβώς όπως θα έκανα
    αν είμασταν όλοι μαζί στο ίδιο δωμάτιο;
  • 9:15 - 9:21
    Νομίζω ότι σε πέντε χρόνια, όλες
    οι συσκευές θα έχουν τσιπ συναισθημάτων
  • 9:21 - 9:23
    και δεν θα θυμόμαστε πώς ήταν
  • 9:23 - 9:26
    όταν δεν μπορούσαμε
    να αγριοκοιτάξουμε τη συσκευή μας
  • 9:26 - 9:28
    και αυτή να μας πει
    «Χμ, μάλλον δεν σου αρέσε αυτό, σωστά;»
  • 9:29 - 9:31
    Η μεγαλύτερη πρόκληση είναι
  • 9:31 - 9:33
    ότι υπάρχουν τόσες εφαρμογές
    αυτής της τεχνολογίας,
  • 9:33 - 9:36
    που η ομάδα μας δεν μπορεί
    να τις κάνει όλες μόνη της
  • 9:36 - 9:38
    έτσι κάναμε την τεχνολογία διαθέσιμη
  • 9:38 - 9:41
    ώστε και άλλοι προγραμματιστές
    να χτίσουν και να γίνουν δημιουργικοί.
  • 9:42 - 9:47
    Κατανοούμε ότι υπάρχουν πιθανοί κίνδυνοι
    και ενδεχόμενη κατάχρηση,
  • 9:47 - 9:51
    αλλά προσωπικά, έχοντας περάσει
    τόσα χρόνια πάνω σε αυτό,
  • 9:51 - 9:53
    πιστεύω ότι τα οφέλη για την ανθρωπότητα
  • 9:53 - 9:56
    από το να έχουμε
    συναισθηματικά ευφυή τεχνολογία
  • 9:56 - 9:59
    ξεπερνούν κατά πολύ
    την πιθανότητα κακής χρήσης.
  • 9:59 - 10:02
    Σας προσκαλώ όλους
    να συμμετέχετε στη συζήτηση.
  • 10:02 - 10:05
    Όσα περισσότερα γνωρίζει ο κόσμος
    γι' αυτή την τεχνολογία,
  • 10:05 - 10:08
    τόσο περισσότερο μπορούμε όλοι
    να έχουμε άποψη για την χρήση της.
  • 10:09 - 10:14
    'Ετσι, καθώς οι ζωές μας γίνονται
    όλο και πιο ψηφιακές,
  • 10:14 - 10:18
    μάταια αγωνιζόμαστε
    να επιβραδύνουμε τη χρήση των συσκευών
  • 10:18 - 10:20
    για να ανακτήσουμε τα συναισθήματά μας.
  • 10:21 - 10:25
    Αυτό που προσπαθώ να κάνω είναι
    να φέρω το συναίσθημα στην τεχνολογία
  • 10:25 - 10:27
    και να κάνω την τεχνολογία να αποκρίνεται.
  • 10:27 - 10:30
    Θέλω λοιπόν εκείνες οι συσκευές
    που μας απομάκρυναν
  • 10:30 - 10:32
    να μας ενώσουν και πάλι.
  • 10:32 - 10:37
    Και εξανθρωπίζοντας την τεχνολογία
    έχουμε αυτή τη χρυσή ευκαιρία
  • 10:37 - 10:40
    να αναδιατυπώσουμε
    τη σχέση μας με τις μηχανές
  • 10:40 - 10:44
    και ως εκ τούτου,
    και το πώς εμείς ως ανθρώπινα όντα,
  • 10:44 - 10:46
    συνδεόμαστε ο ένας με τον άλλον.
  • 10:46 - 10:47
    Ευχαριστώ.
  • 10:47 - 10:49
    (Χειροκρότημα)
Title:
Αυτή εφαρμογή ξέρει τι νιώθετε - από την όψη του προσώπου σας
Speaker:
Ράνα ελ Καλιούμπι
Description:

Τα συναισθήματά μας επηρεάζουν κάθε πτυχή της ζωής μας - τον τρόπο που μαθαίνουμε, που επικοινωνούμε, που παίρνουμε αποφάσεις. Παρόλα αυτά απουσιάζουν από τη ψηφιακή ζωή μας· οι συσκευές και οι εφαρμογές που χρησιμοποιούμε, δεν μπορούν να γνωρίζουν πώς αισθανόμαστε. Η επιστήμων Ράνα ελ Καλούμπι σκοπεύει να το αλλάξει αυτό. Μας παρουσιάζει μια ισχυρή νέα, τεχνολογία που διαβάζει την έκφραση του προσώπου σας και την αντιστοιχεί με ανάλογα συναισθήματα. Αυτή η «μηχανή συναισθημάτων» βρίσκει μεγάλη εφαρμογή, μας λέει, και μπορεί να αλλάξει, όχι μόνο τον τρόπο που αλληλεπιδρούμε με τις μηχανές, αλλά και μεταξύ μας.

more » « less
Video Language:
English
Team:
closed TED
Project:
TEDTalks
Duration:
11:04

Greek subtitles

Revisions