Ez az app tudja, mit érzünk - az arckifejezésünkből

Az érzelmeink életünk minden aspektusát befolyásolják - a tanulástól kezdve
a kommunikáción át a döntéshozatalig. Mégis hiányoznak a digitális életünkből; a készülékek és appok, amelyekkel kapcsolatba kerülünk, nem tudhatják, mit érzünk. Rana el Kaliouby kutató célja változtatni ezen. Bemutat egy új, hatékony technológiát, amely leolvassa az arckifejezésünket, és megfelelteti azt egy érzelemnek. Azt állítja, hogy ennek az "érzelem-motornak" nagy a kihatása, megváltoztathatja nemcsak azt, ahogyan a gépekkel kapcsolatot teremtünk, hanem azt is, ahogyan egymással.

Az érzelmeink életünk
minden aspektusát befolyásolják,

az egészségtől kezdve a tanulásig,
az üzleteléstől a döntéshozatalig,

nagyokat és kicsiket egyaránt.

Az érzelmeink befolyásolják azt is,
hogyan kötődünk másokhoz.

Ilyen világra lettünk teremtve,

de ehelyett egyre inkább
egy másmilyen, --

ezt az üzenetet a lányomtól
kaptam múlt éjszaka -

érzelemmentes világban kezdünk élni.

Az a küldetésem, hogy ezen változtassak.

Vissza akarom hozni az érzelmeket
digitális élményeinkbe.

Tizenöt éve indultam el ezen az úton.

Számítógép-szakértő voltam Egyiptomban,

és épp akkor vettek fel a Cambridge
Egyetem doktori programjára.

Tehát valami egészen szokatlant csináltam

fiatal, frissen házasodott
muszlim egyiptomi feleségként:

Férjem támogatásával, akinek
Egyiptomban kellett maradnia,

összecsomagoltam és Angliába költöztem.

Cambridge-ben, több ezer mérföldre
az otthonomtól,

rájöttem, hogy több órát töltök
a laptopommal,

mint bármelyik embertársammal.

De az intimitás ellenére a laptopomnak
fogalma sem volt az érzéseimről.

Nem tudta, ha vidám voltam,

ha rossz napom volt, ha stresszes
vagy zavart voltam,

és ez frusztrált.

Még rosszabb: ahogyan online beszélgettem
az otthon maradt családommal,

úgy éreztem, hogy minden érzelmem
elvész a kibertérben.

Honvágyam volt, magányos voltam,
és néhanapján igazából is sírtam,

de ennyi volt mindaz, amivel kifejezhettem
ezeket az érzéseket.

(Nevetés)

A mai technológiának magas az IQ-ja,
viszont az EQ-ja nem;

rengeteg kognitív intelligencia,
de semmi érzelmi intelligencia.

Ez elgondolkodtatott:

mi lenne, ha a technológia
érzékelné érzelmeinket?

Mi lenne, ha eszközeink érzékelnék, mit
érzünk, és annak megfelelően reagálnának,

ahogyan azt egy érzelmileg
intelligens barátunk tenné?

Ezek a kérdések vezettek
engem és a csapatomat

olyan technológiák megalkotására, amelyek
olvassák az érzéseinket, és válaszolnak.

Kiindulópontunk az emberi arc volt.

Emberi arcunk történetesen
az egyik legerősebb csatorna,

amelynek révén közösségi és érzelmi
állapotainkat közöljük,

mindent, beleértve az élvezetet,
meglepetést,

empátiát és kíváncsiságot is.

Az érzelmek tudományában minden
arcizom-mozgást egy egységnek nevezünk.

A 12-es mozgásegység például

nem egy hollywoodi kasszasiker,

ez valójában a száj sarkának felhúzása,
ami egy mosoly fő alkotóeleme.

Mindenki kipróbálhatja.
Lássunk néhány mosolyt.

Egy másik példa a 4-es egység.
Ez a szemöldök ráncolása.

Ilyenkor összevonjuk a szemöldökünket,

és létrehozzuk ezeket a
formákat meg ráncokat.

Nem szeretjük, de erős
negatív érzést jelez.

Van kb. 45 ilyen mozgásegységünk,

ezek kombinálva több száz
érzelmet fejeznek ki.

Nehéz megtanítani egy számítógépnek,
hogy ezeket az érzelmeket olvassa,

mert lehetnek ezek gyorsak, rejtettek,

és különböző módon keverednek.

Vegyük például a mosolyt és a grimaszt.

Valamennyire hasonlónak tűnnek,
ám nagyon különbözik a jelentésük.

(Nevetés)

A mosoly pozitív,

a grimasz gyakran negatív.

Néha egy grimasz híressé tehet.

De komolyan, fontos, hogy egy
számítógép képes legyen

megkülönböztetni egymástól a két érzelmet.

Mindezt hogyan csináljuk?

Adunk az algortimusainknak

több tízezer példát emberekről,
akikről tudjuk, hogy mosolyognak,

ezek különböző etnikumúak, korúak, neműek,

és ugyanígy teszünk a grimasszal is.

Aztán deep learninget használva

az algoritmus megkeresi ezeket a
a struktúrákat és ráncokat,

az arcunk változásait,

lényegében megtanulja, hogy minden
mosolynak van közös jellemzője,

és minden grimasznak élesen
különböző jellemzői vannak.

A következő alkalommal,
mikor meglát egy új arcot,

lényegében rájön, hogy

ennek az arcnak ugyanolyan
jellemzői vannak, mint a mosolynak,

és azt mondja: "Jé, felismerem ezt.
Ez egy mosoly kifejezése."

A technológia működésének
bizonyítására a legjobb mód

egy élő demo kipróbálása,

tehát szükségem van egy önkéntesre,
lehetőleg valakire, akinek van arca.

(Nevetés)

Cloe lesz a mai önkéntesünk,

Az elmúlt öt év során egy MIT-s
kutatási projektből vállalattá

nőttük ki magunkat,

és a csapatom igen sokat dolgozott azon,
hogy ez a technológia

működjön, ahogy mondani szokás,
a vadonban is.

Úgy összezsugorítottuk, hogy
a fő érzelem-motor

bármelyik kamerás mobil eszközön
működik, mint ezen az iPad-en is.

Tehát próbáljuk ki!

Ahogy láthatják, az algoritmus
megtalálta Cloe arcát,

ez az a fehér határolókeret,

és követi a fő jellemző pontokat az arcán,

vagyis a szemöldökét, a szemét,
a száját és az orrát.

Az a kérdés,
hogy fel tudja-e ismerni, mit fejez ki?

Most leteszteljük a gépet.

Legelőször mutasd a pókerarcod.
Igen, nagyszerű. (Nevetés)

Aztán ahogy mosolyog,
ez egy valódi mosoly, nagyszerű.

A zöld sáv láthatóan növekszik,
mikor mosolyog.

Ez egy nagy mosoly volt.

Megpróbálsz egy enyhébb mosolyt,
hogy lássuk, felismeri-e a gép?

Felismeri az enyhébb mosolyt is.

Nagyon sokat dolgoztunk,
hogy ez sikerüljön.

Aztán felemelt szemöldök,
a meglepetés jelzője.

Szemöldökráncolás,
a zavartság jelzője.

Homlokráncolás. Tökéletes.

Ezek mind különböző mozgásegységek.
Sokkal több van belőlük.

Ez csak egy karcsúsított demo.

Minden leolvasást
érzelmi adatpontnak nevezünk,

majd ezek ötvözése ábrázolja
a különböző érzelmeket.

A demo jobb oldalán -- tégy úgy,
mintha boldog lennél.

Ez az öröm. Kigyúl az öröm.

Most vágj utálkozó arcot.

Gondolj arra, milyen volt, amikor Zayn
kilépett a One Direction-ből.

(Nevetés)

Úgy, ráncold az orrod. Klassz.

A kötődés eléggé negatív,
biztos nagy rajongója voltál.

A kötődés a tapasztalat
pozitív vagy negatív jellege,

az elkötelezettség pedig
azt jelzi, mennyire kifejező.

Képzeljék el, ha Cloe hozzáférne
egy valós idejű érzelem-csatornához,

és megoszthatná azt mindenkivel,
akivel csak akarná.

Köszönöm.

(Taps)

Az eddigiekben 12 milliárd ilyen
érzelmi adatpontot gyűjtöttünk.

Ez a legnagyobb érzelem-adatbázis
a világon.

2,9 millió arcot ábrázoló
videóról gyűjtöttük ezeket,

olyanoktól, akik beleegyeztek
érzelmeik megosztásába,

világszerte, 75 országban.

Naponta növekszik.

Lélegzetelállító, hogy tudunk

számszerűsíteni egy ennyire
személyes dolgot, mint az érzelmeink,

és ilyen nagyságrendben tudjuk.

Mit tanultunk tehát eddig?

A nemek.

Adataink igazolják,
amit valószínűleg sejtenek.

A nők kifejezőbbek, mint a férfiak.

Nemcsak többet mosolyognak,
de a mosolyuk tovább tart,

és most tényleg számszerűsíteni tudjuk,
mi az, amire

a nők és a férfiak eltérően válaszolnak.

Nézzük a kultúrát: az Egyesült Államokban

a nők 40%-kal kifejezőbbek,
mint a férfiak,

de érdekes módon az Egyesült Királyságban
nem látunk közöttük különbséget.

(Nevetés)

Életkor: az 50 év felettiek

25%-kal érzelmesebbek a fiataloknál.

A huszonéves nők sokkal többet
mosolyognak, mint az azonos korú férfiak,

lehet, hogy ez szükséges a randizáshoz.

De az adatokban talán az
lepett meg a legjobban,

hogy úgy tűnik, mindig kifejezőek vagyunk,

még akkor is, amikor egyedül ülünk
a készülékeink előtt,

és nemcsak amikor cicás videókat
nézünk a Facebookon.

Kifejezőek vagyunk e-mail és SMS írásakor,
online vásárláskor,

még az adóbevallás kitöltésekor is.

Hol használják ma ezeket az adatokat?

Annak megértésére,
mennyire köt le a média,

hogy mi és miért terjed a neten,
hogy hogyan választunk,

és arra, hogyan építsük be
a gesztus értelmezését a technológiába.

Bemutatok néhány, a szívemhez
különösen közel álló példát.

A gesztus-értelmező szemüvegek segítenek

a gyengénlátó embereknek
leolvasni mások arcát,

és segítenek az autista embereknek
az érzelmek értelmezésében,

ők ezzel nagyon küszködnek.

Oktatás: képzeljék el,
hogy az online tanulásban az app

érzékeli, ha összezavarodtunk,
és lelassít;

ha unatkozunk, akkor felgyorsít,

ahogyan egy jó tanár tenné
az osztályteremben.

Mi lenne, ha a karóránk figyelné
kedélyünket,

az autónk észlelné, ha fáradtak vagyunk,

vagy akár: a hűtőnk tudná,
hogy feszültek vagyunk,

és lezárná magát, hogy megakadályozza,
hogy túlzabáljuk magunkat. (Nevetés)

Igen, ezt szeretném.

Mi lett volna, ha a cambridge-i időkben

hozzáfértem volna az érzelem-csatornámhoz,

és természetes módon meg tudtam volna
azt osztani otthonmaradt családommal,

mintha mindannyian együtt
lennénk, ugyanabban a szobában?

Azt gondolom, öt év múlva

minden eszközünkben lesz érzelem-csip,

és már nem fogunk emlékezni arra,
amikor hiába néztünk homlokráncolva,

készülékünk nem mondta:
"Ez ugye nem tetszett?"

A nagy kihívás az, hogy a technológiának
olyan sok alkalmazási területe van,

hogy a csapatommal rájöttünk:
nem tudjuk mindet mi megépíteni,

ezért közzétettük a technológiát,
hogy más fejlesztők is

tudjanak építeni rá és alkotni.

Elismerjük, hogy vannak
potenciális kockázatok,

és vissza lehet élni ezzel,

de személy szerint, miután
oly sok éve dolgozom rajta,

hiszem, hogy az érzelmileg
intelligens technológia léte

olyan nagy haszon az emberiségnek,

hogy az jócskán ellensúlyozza
a visszaélés lehetőségét.

Meghívom Önöket is,
vegyenek részt a beszélgetésben.

Minél többen tudnak a technológiáról,

annál többen mondhatnak
véleményt használatáról.

Ahogy tehát egyre inkább digitálissá
válik életünk,

vesztésre állunk a csatában,
amelyben korlátozni próbáljuk eszközeink

használatát, hogy
visszakérjük érzelmeinket.

Ehelyett próbálok érzelmeket
vinni technológiánkba,

és fogékonyabbá tenni azt.

Azt akarom, hogy az eszközök,
amelyek elválasztottak,

újra összekössenek minket.

A technológia emberiessé tételével
kitűnő lehetőségünk nyílik arra,

hogy újragondoljuk,
hogyan viszonyulunk a gépekhez,

és ennek folytán mi, emberi lények,

hogyan viszonyulunk egymáshoz.

Köszönöm.

(Taps)