Un lector emocional de tu expresión facial
-
0:01 - 0:05Las emociones influyen en
cada aspecto de nuestras vidas, -
0:05 - 0:08de la salud y el aprendizaje, a la forma
de hacer negocios y tomar decisiones, -
0:08 - 0:10grandes y pequeñas.
-
0:11 - 0:14Las emociones influyen en la forma
en la cual interaccionamos entre nosotros. -
0:15 - 0:19Hemos evolucionado para vivir
en un mundo como este, -
0:19 - 0:23pero en cambio, vivimos la vida
cada vez más de esta manera -
0:23 - 0:27--este es el mensaje de texto
que recibí de mi hija anoche-- -
0:27 - 0:29en un mundo desprovisto de emoción.
-
0:29 - 0:31Mi misión es cambiar esto.
-
0:31 - 0:35Quiero devolver las emociones
a nuestra experiencia digital. -
0:36 - 0:39Empecé con esto hace 15 años.
-
0:39 - 0:41Era ingeniera informática en Egipto
-
0:41 - 0:46y fui aceptada en un programa de doctorado
en la Universidad de Cambridge. -
0:46 - 0:48E hice algo bastante inusual
-
0:48 - 0:52para una joven recién casada,
egipcia y musulmana: -
0:54 - 0:57con el apoyo de mi marido,
que debía quedarse en Egipto, -
0:57 - 1:00hice las maletas y me mudé a Inglaterra.
-
1:00 - 1:03En Cambridge, a miles
de kilómetros de casa, -
1:03 - 1:06me di cuenta de que estaba
pasando más horas con mi laptop -
1:06 - 1:08que con otros seres humanos.
-
1:08 - 1:13Pero a pesar de esta intimidad, mi laptop
no tenía ni idea de mi estado de ánimo. -
1:13 - 1:17No tenía idea de si yo era feliz,
-
1:17 - 1:20si tenía un mal día, o estaba
estresada o confundida, -
1:20 - 1:22y eso era frustrante.
-
1:24 - 1:29Aun peor, cuando me comunicaba
en línea con mi familia en casa, -
1:29 - 1:33sentía que todas mis emociones
desaparecían en el ciberespacio. -
1:33 - 1:38Sentía nostalgia, estaba sola,
y algunos días lloraba, -
1:38 - 1:43pero todo lo que tenía para
comunicar mis emociones era esto. -
1:43 - 1:45(Risas)
-
1:45 - 1:50Hoy la tecnología es
inteligente pero no emocional -
1:50 - 1:53mucha inteligencia cognitiva,
pero nada de inteligencia emocional. -
1:53 - 1:55Eso me hizo pensar,
-
1:55 - 1:59¿y si la tecnología pudiera
interpretar nuestras emociones? -
1:59 - 2:03¿Y si nuestros dispositivos pudieran
detectar y reaccionar en consecuencia, -
2:03 - 2:06como lo harían los amigos
con inteligencia emocional? -
2:07 - 2:10Esas preguntas me guiaron
a mí y a mi equipo -
2:10 - 2:15a crear tecnologías capaces
de leer emociones y responder, -
2:15 - 2:18y nuestro punto de partida
fue el rostro humano. -
2:19 - 2:22Nuestro rostro es uno de
los canales más poderosos -
2:22 - 2:26que usamos para comunicar
estados sociales y emocionales, -
2:26 - 2:29todo, del disfrute y la sorpresa,
-
2:29 - 2:33a la empatía y la curiosidad.
-
2:33 - 2:37En la ciencia de las emociones, cada
movimiento de cada músculo facial, -
2:37 - 2:38es una unidad de acción.
-
2:38 - 2:41Por ejemplo, la unidad de acción 12,
-
2:41 - 2:43no es una superproducción de Hollywood,
-
2:43 - 2:46es el tirón de la comisura labial,
componente principal de una sonrisa. -
2:46 - 2:49Intenten todos. Sonriamos.
-
2:49 - 2:51Otro ejemplo es la unidad de acción 4,
-
2:51 - 2:54las líneas de expresión en el entrecejo
cuando juntamos las cejas -
2:54 - 2:56y se forman estos pliegues y arrugas.
-
2:56 - 3:01No nos gustan, pero es una
fuerte señal de una emoción negativa. -
3:01 - 3:03Hay unas 45 unidades de acción,
-
3:03 - 3:06y combinadas expresan
cientos de emociones, -
3:06 - 3:10Enseñarle a una computadora a leer
estas emociones faciales es difícil, -
3:10 - 3:13porque estas unidades de acción
pueden ser rápidas y sutiles, -
3:13 - 3:16y se combinan de muchas formas.
-
3:16 - 3:20Tomemos por ejemplo
la sonrisa genuina y la socarrona. -
3:20 - 3:23Se parecen pero expresan cosas diferentes.
-
3:23 - 3:25(Risas)
-
3:25 - 3:28La sonrisa genuina es positiva,
-
3:28 - 3:30la sonrisa socarrona a veces es negativa.
-
3:30 - 3:33A veces una mueca puede hacerte célebre.
-
3:33 - 3:36Pero en serio, es importante
para una computadora poder -
3:36 - 3:39notar la diferencia entre
las dos expresiones. -
3:39 - 3:41¿Cómo hacemos esto?
-
3:41 - 3:43Introducimos en el programa de computación
-
3:43 - 3:47decenas de miles de ejemplos
de personas que sonríen -
3:47 - 3:50de distintas etnias, edades, géneros,
-
3:50 - 3:52y hacemos lo mismo con
las sonrisas socarronas. -
3:52 - 3:55Luego, los algoritmos
en aprendizaje automático -
3:55 - 3:59buscan estas lineas, pliegues
y cambios musculares faciales -
3:59 - 4:00y básicamente aprenden
-
4:00 - 4:03que todas las sonrisas genuinas
tienen características comunes -
4:03 - 4:07mientras que las sonrisas socarronas
tienen otras sensiblemente diferentes. -
4:07 - 4:10Y la próxima vez que vean
un nuevo rostro, sabrán -
4:10 - 4:14que este rostro tiene las mismas
características de una sonrisa genuina, -
4:14 - 4:17y dirán: "Ajá, la reconozco.
Esta es la expresión de una sonrisa". -
4:18 - 4:21Y la mejor manera de demostrar
cómo funciona esta tecnología -
4:21 - 4:23es con una demo en vivo,
-
4:23 - 4:27para esto necesito un voluntario,
preferentemente alguien con un rostro. -
4:27 - 4:30(Risas)
-
4:30 - 4:32Chloe será nuestra voluntaria de hoy.
-
4:33 - 4:38En los últimos 5 años, pasamos de ser
un proyecto de investigación en el MIT -
4:38 - 4:39a ser una empresa,
-
4:39 - 4:42donde mi equipo ha trabajado
arduamente en esta tecnología, -
4:42 - 4:45para que funcione fuera del laboratorio.
-
4:45 - 4:48Y la hemos compactado tanto como
para que el lector de las emociones -
4:48 - 4:51funcione en un dispositivo móvil
con una cámara, como este iPad. -
4:51 - 4:53Así que probémosla.
-
4:55 - 4:59Como pueden ver, el algoritmo
detectó el rostro de Chloe, -
4:59 - 5:00es este cuadro delimitador blanco,
-
5:00 - 5:03que detecta los contornos principales
de sus rasgos faciales, -
5:03 - 5:06sus cejas, sus ojos, su boca y nariz.
-
5:06 - 5:09La pregunta es:
¿puede reconocer su expresión? -
5:09 - 5:10Vamos a probar la máquina.
-
5:10 - 5:15Ante todo, pon cara
de póquer. Sí, genial. (Risas) -
5:15 - 5:18Y a medida que sonríe --esta es
una sonrisa genuina, es genial-- -
5:18 - 5:20pueden ver como aumenta la barra verde.
-
5:20 - 5:21Esa fue una gran sonrisa.
-
5:21 - 5:25¿Puedes intentar una sonrisa sutil
para ver si la computadora la reconoce? -
5:25 - 5:26También reconoce sonrisas sutiles.
-
5:26 - 5:29Hemos trabajado arduamente
para que esto suceda. -
5:29 - 5:31Luego levanta una ceja,
que indica sorpresa. -
5:31 - 5:36Frunce el ceño,
que indica la confusión. -
5:36 - 5:40Enfurruñate. Sí, perfecto.
-
5:40 - 5:43Estas son diferentes unidades
de acción. Hay muchas más. -
5:43 - 5:45Esta es solo una demo superficial.
-
5:45 - 5:48Llamamos a cada lectura
un dato emocional, -
5:48 - 5:52que luego pueden actuar juntos
para crear distintas emociones. -
5:52 - 5:55A la derecha de la demo,
parece que estás feliz. -
5:55 - 5:57Eso es alegría. Se desata la alegría.
-
5:57 - 5:59Ahora pon cara de disgusto.
-
5:59 - 6:04Trata de recordar qué sentiste
cuando Zayn dejó One Direction. -
6:04 - 6:05(Risas)
-
6:05 - 6:09Sí, arruga la nariz. Genial.
-
6:10 - 6:13La valencia es bastante negativa,
por lo que debe haber sido una gran fan. -
6:13 - 6:16La valencia indica cuán positiva
o negativa es una experiencia, -
6:16 - 6:19y la vinculación indica lo
expresiva que es también. -
6:19 - 6:22Imaginen que Chloe tiene acceso a este
contenido emocional en tiempo real, -
6:22 - 6:25y que puede compartir sus
emociones con quien quiere. -
6:25 - 6:26Gracias.
-
6:26 - 6:28(Aplausos)
-
6:34 - 6:39Hasta ahora contamos con 12 000
millones de estos indicadores emocionales. -
6:39 - 6:42Es la base de datos de emociones
más grande del mundo. -
6:42 - 6:45La hemos recopilado a partir de
2,9 millones de rostros en videos, -
6:45 - 6:48de personas que accedieron a compartir
sus emociones con nosotros, -
6:48 - 6:50de 75 países del mundo.
-
6:50 - 6:52Crece cada día.
-
6:53 - 6:55Me resulta impactante
-
6:55 - 6:58que ahora podamos cuantificar algo
tan personal como las emociones, -
6:58 - 7:00y poder hacerlo a esta escala.
-
7:00 - 7:02¿Qué hemos aprendido hasta la fecha?
-
7:03 - 7:05Hay diferencias por género.
-
7:05 - 7:09Nuestros datos confirman algo
que Uds. ya sospechaban. -
7:09 - 7:11Las mujeres son más
expresivas que los hombres. -
7:11 - 7:14No solo sonríen más,
sus sonrisas duran más, -
7:14 - 7:16y ahora podemos cuantificar
cómo es que hombres y mujeres -
7:16 - 7:19responden de maneras tan diferentes.
-
7:19 - 7:21Veamos culturalmente: en EE.UU.,
-
7:21 - 7:24las mujeres son un 40 %
más expresivas que los hombres, -
7:24 - 7:28pero curiosamente, no vemos diferencia
entre hombres y mujeres en el R.U. -
7:28 - 7:30(Risas)
-
7:31 - 7:35Por edad: las personas de 50 años o más
-
7:35 - 7:39son un 25 % más emotivos
que los más jóvenes. -
7:40 - 7:44Las mujeres de veintipico sonríen mucho
más que los hombres de la misma edad, -
7:44 - 7:48quizá es una necesidad para las citas.
-
7:48 - 7:50Pero quizá lo que más
nos sorprende de estos datos -
7:50 - 7:53es que solemos ser
expresivos todo el tiempo, -
7:53 - 7:57incluso cuando estamos sentados
solos frente a nuestros dispositivos -
7:57 - 7:59y no solo cuando miramos
videos de gatos en Facebook. -
8:00 - 8:04Somos expresivos cuando mandamos emails,
mensajes, cuando compramos en línea, -
8:04 - 8:06o incluso pagando impuestos.
-
8:06 - 8:08¿Para qué se usan estos datos hoy?
-
8:08 - 8:11Para entender cómo nos
relacionamos con los medios, -
8:11 - 8:13para entender la viralidad
y el comportamiento del voto; -
8:13 - 8:17y también para dar poder
dotar de emoción a la tecnología, -
8:17 - 8:21y quiero compartir algunos ejemplos
particularmente especiales para mi. -
8:21 - 8:24Las gafas portátiles con lector
emotivo pueden ayudar -
8:24 - 8:27a las personas con discapacidad visual
a leer los rostros de los demás, -
8:27 - 8:32y a las personas del espectro autista
a interpretar pistas emocionales -
8:32 - 8:34algo que les cuesta mucho.
-
8:36 - 8:39En educación, imaginen
si sus apps educativas -
8:39 - 8:42detectaran que están confundidos
y bajaran la velocidad, -
8:42 - 8:43o que están aburridos, y aceleraran,
-
8:43 - 8:46como haría un buen profesor en el aula.
-
8:47 - 8:50Y si una pulsera leyera su estado anímico,
-
8:50 - 8:52o el auto detectara que están cansados,
-
8:52 - 8:55o quizá si el frigorífico
supiera que están estresados, -
8:55 - 9:01y se autobloqueara para
evitar atracones. (Risas) -
9:01 - 9:04Me gustaría eso, sí.
-
9:04 - 9:06¿Y si, cuando estuve en Cambridge,
-
9:06 - 9:09hubiera tenido acceso en tiempo
real a mi contenido emocional -
9:09 - 9:12y hubiera podido compartirlo con mi
familia en casa de manera muy natural, -
9:12 - 9:15como si estuviéramos en
la misma habitación juntos? -
9:15 - 9:18Creo que dentro de 5 años,
-
9:18 - 9:21todos los dispositivos tendrán
un chip lector de emociones -
9:21 - 9:25y no recordaremos cómo era no poder
fruncir el ceño a nuestro dispositivo -
9:25 - 9:29y que nuestro dispositivo dijera:
"Mmm, no te gusta, ¿no?" -
9:29 - 9:33Nuestro desafío más grande es que hay
tantas aplicaciones para esta tecnología, -
9:33 - 9:36que mi equipo y yo nos dimos cuenta
de que no podemos con todo solos, -
9:36 - 9:38por eso liberamos esta tecnología
-
9:38 - 9:41para que otros desarrolladores
puedan desarrollarla y ser creativos. -
9:41 - 9:46Reconocemos que hay riesgos potenciales
-
9:46 - 9:48y potencial para el abuso,
-
9:48 - 9:51pero en mi opinión, habiendo pasado
muchos años haciendo esto, -
9:51 - 9:53creo que los beneficios para la humanidad
-
9:53 - 9:56de contar con tecnología
emocionalmente inteligente -
9:56 - 9:59superan con creces las
desventajas por uso indebido. -
9:59 - 10:02Y los invito a todos
a tomar parte en el debate. -
10:02 - 10:04Cuantas más personas
conozcan esta tecnología, -
10:04 - 10:08más podemos decir
sobre cómo se usa. -
10:09 - 10:14Conforme nuestras vidas
se vuelven cada vez más digitales, -
10:14 - 10:17estamos librando una batalla perdida
tratando de evitar los dispositivos -
10:17 - 10:19para recuperar nuestras emociones.
-
10:21 - 10:25Por eso yo propongo, en cambio,
incorporar las emociones a la tecnología -
10:25 - 10:27y hacer que nuestras tecnologías
sean más receptivas. -
10:27 - 10:29Quiero que esos dispositivos
que nos han separado -
10:29 - 10:32nos vuelvan a unir.
-
10:32 - 10:36Y humanizando la tecnología,
tenemos esta oportunidad excelente -
10:36 - 10:40de reinventar la manera de
conectarnos con las máquinas, -
10:40 - 10:44y por lo tanto, la manera de como
nosotros, los seres humanos, -
10:44 - 10:46conectamos unos con otros.
-
10:46 - 10:48Gracias.
-
10:48 - 10:49(Aplausos)
- Title:
- Un lector emocional de tu expresión facial
- Speaker:
- Rana el Kaliouby
- Description:
-
Las emociones influyen en cada aspecto de nuestras vidas: en la forma de aprender, de comunicarnos y tomar decisiones. Sin embargo, no están presentes en nuestra vida digital; los dispositivos y las aplicaciones con los que interactuamos no tienen manera de saber nuestro estado de ánimo. La científica Rana el Kaliouby pretende cambiar eso y nos presenta una nueva y poderosa tecnología que lee expresiones faciales para interpretar las emociones correspondientes. Afirma que este "lector afectivo" tiene profundas implicaciones que pueden cambiar no solo la forma en la que interactuamos con las máquinas sino también en la forma de interactuar entre entre nosotros.
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 11:04
Sebastian Betti approved Spanish subtitles for This app knows how you feel -- from the look on your face | ||
Sebastian Betti edited Spanish subtitles for This app knows how you feel -- from the look on your face | ||
Sebastian Betti edited Spanish subtitles for This app knows how you feel -- from the look on your face | ||
Sebastian Betti edited Spanish subtitles for This app knows how you feel -- from the look on your face | ||
Denise RQ accepted Spanish subtitles for This app knows how you feel -- from the look on your face | ||
Denise RQ edited Spanish subtitles for This app knows how you feel -- from the look on your face | ||
Denise RQ edited Spanish subtitles for This app knows how you feel -- from the look on your face | ||
Denise RQ edited Spanish subtitles for This app knows how you feel -- from the look on your face |