Return to Video

Deze app ziet hoe je je voelt -- aan de uitdrukking op je gezicht

  • 0:01 - 0:05
    Onze emoties beïnvloeden
    alle aspecten van ons leven,
  • 0:05 - 0:06
    van onze gezondheid en hoe we leren,
  • 0:06 - 0:08
    tot hoe we zakendoen
    en beslissingen nemen,
  • 0:08 - 0:10
    grote en kleine.
  • 0:11 - 0:14
    Onze emoties hebben ook invloed
    op hoe we met elkaar omgaan.
  • 0:15 - 0:19
    We zijn geëvolueerd om te leven
    in een wereld die er zo uitziet,
  • 0:19 - 0:23
    maar in plaats daarvan leven we
    ons leven steeds vaker zo
  • 0:23 - 0:27
    -- dit is het berichtje
    dat mijn dochter gisteravond stuurde --
  • 0:27 - 0:29
    in een wereld zonder emotie.
  • 0:29 - 0:31
    Mijn missie is om dat te veranderen.
  • 0:31 - 0:35
    Ik wil emoties terugbrengen
    in onze digitale ervaringen.
  • 0:37 - 0:39
    15 jaar geleden ben ik hiermee begonnen.
  • 0:39 - 0:42
    Ik was computerwetenschapper in Egypte,
  • 0:42 - 0:46
    en ik was net toegelaten
    tot een PhD-programma in Cambridge.
  • 0:46 - 0:48
    Ik deed iets behoorlijk ongewoons
  • 0:48 - 0:52
    voor een jonge, pasgetrouwde
    Egyptische moslima.
  • 0:52 - 0:54
    (Gelach)
  • 0:54 - 0:57
    Met de steun van mijn man,
    die in Egypte moest blijven,
  • 0:57 - 1:00
    pakte ik mijn koffers
    en verhuisde ik naar Engeland.
  • 1:00 - 1:03
    Daar in Cambridge,
    duizenden kilometers van huis,
  • 1:03 - 1:06
    besefte ik dat ik meer uren
    met mijn laptop doorbracht
  • 1:06 - 1:09
    dan met andere mensen.
  • 1:09 - 1:10
    Ondanks deze vertrouwdheid
  • 1:10 - 1:13
    had mijn laptop geen flauw idee
    hoe ik me voelde.
  • 1:13 - 1:17
    Hij wist totaal niet of ik blij was,
  • 1:17 - 1:20
    een slechte dag had,
    gestrest of verward was,
  • 1:20 - 1:22
    en dat werd frustrerend.
  • 1:24 - 1:29
    Erger nog, bij het online communiceren
    met mijn familie thuis
  • 1:29 - 1:33
    had ik het gevoel dat al mijn emoties
    verdwenen in de cyberspace.
  • 1:33 - 1:38
    Ik had heimwee, ik was eenzaam,
    op sommige dagen zat ik echt te huilen,
  • 1:38 - 1:42
    maar het enige wat ik had
    om deze emoties over te brengen
  • 1:42 - 1:43
    was dit.
  • 1:43 - 1:45
    (Gelach)
  • 1:45 - 1:49
    De technologie van vandaag
    heeft veel IQ, maar geen EQ:
  • 1:49 - 1:53
    veel cognitieve intelligentie,
    maar geen emotionele intelligentie.
  • 1:53 - 1:55
    Dat zette me aan het denken.
  • 1:55 - 1:59
    Wat als onze technologie
    onze emoties kon waarnemen?
  • 1:59 - 2:03
    Wat als onze apparaten konden aanvoelen
    hoe we ons voelden en daarop reageerden,
  • 2:03 - 2:06
    zoals emotioneel intelligente vrienden
    dat ook zouden doen?
  • 2:07 - 2:12
    Die vragen zetten mij en mijn team
    ertoe aan technologieën te maken
  • 2:12 - 2:15
    die onze emoties kunnen lezen
    en erop reageren
  • 2:15 - 2:18
    en ons uitgangspunt
    was het menselijk gezicht.
  • 2:19 - 2:22
    Het menselijk gezicht
    is een van de sterkste kanalen
  • 2:22 - 2:26
    waarmee we onze sociale
    en emotionele toestand overbrengen.
  • 2:26 - 2:28
    Alles van vreugde
  • 2:28 - 2:29
    tot verrassing,
  • 2:29 - 2:31
    empathie
  • 2:31 - 2:33
    en nieuwsgierigheid.
  • 2:33 - 2:37
    In de emotiewetenschap noemen we
    elke beweging van de gelaatsspieren
  • 2:37 - 2:38
    een actie-eenheid.
  • 2:38 - 2:40
    Actie-eenheid 12 bijvoorbeeld,
  • 2:40 - 2:43
    dat is geen blockbuster uit Hollywood,
  • 2:43 - 2:46
    maar het optrekken van de mondhoeken,
    het hoofdonderdeel van een glimlach.
  • 2:46 - 2:49
    Laten we dat allemaal even proberen.
  • 2:49 - 2:51
    Een ander voorbeeld is actie-eenheid 4,
  • 2:51 - 2:52
    de wenkbrauwfrons:
  • 2:52 - 2:54
    als je je wenkbrauwen
    tegen elkaar duwt
  • 2:54 - 2:56
    en allemaal rimpels maakt.
  • 2:56 - 2:57
    We vinden ze niet leuk,
  • 2:57 - 3:00
    maar ze zijn een goed signaal
    voor een negatieve emotie.
  • 3:00 - 3:03
    We hebben ongeveer 45
    van die actie-eenheden
  • 3:03 - 3:06
    en samen drukken ze honderden emoties uit.
  • 3:06 - 3:10
    Het is moeilijk om een computer te leren
    om deze gelaatsuitdrukkingen te lezen,
  • 3:10 - 3:13
    want deze actie-eenheden
    kunnen snel zijn, ze zijn subtiel,
  • 3:13 - 3:16
    en ze komen voor in allerlei combinaties.
  • 3:16 - 3:20
    Neem bijvoorbeeld een glimlach
    en een minachtende blik.
  • 3:20 - 3:23
    Ze lijken een beetje op elkaar,
    maar ze betekenen iets heel anders.
  • 3:23 - 3:25
    (Gelach)
  • 3:25 - 3:27
    De een is positief,
  • 3:27 - 3:29
    de ander vaak negatief.
  • 3:29 - 3:33
    Soms kun je er beroemd door worden.
  • 3:33 - 3:37
    Maar het is belangrijk
    dat een computer het verschil kan zien
  • 3:37 - 3:39
    tussen de twee gelaatsexpressies.
  • 3:39 - 3:40
    Hoe doen we dat?
  • 3:40 - 3:42
    We geven onze algoritmen
  • 3:42 - 3:47
    tienduizenden voorbeelden van mensen
    waarvan we weten dat ze glimlachen,
  • 3:47 - 3:50
    van verschillende etniciteiten,
    leeftijden, geslachten,
  • 3:50 - 3:52
    en dan doen we hetzelfde
    voor de andere uitdrukking.
  • 3:52 - 3:55
    Door middel van deep learning
    zoekt het algoritme
  • 3:55 - 3:57
    naar alle structuren en rimpels
  • 3:57 - 3:59
    en vormveranderingen in ons gezicht.
  • 3:59 - 4:03
    Zo leert het dat alle glimlachen
    gemeenschappelijke eigenschappen hebben
  • 4:03 - 4:06
    die subtiel verschillen
    van minachtende uitdrukkingen.
  • 4:06 - 4:08
    De volgende keer
    dat het een nieuw gezicht ziet
  • 4:08 - 4:13
    leert het dat dit gezicht ook
    de eigenschappen van een glimlach heeft
  • 4:13 - 4:17
    en zegt het: "Aha, dit herken ik.
    Deze uitdrukking is een glimlach."
  • 4:18 - 4:22
    De beste manier om te laten zien
    hoe deze technologie werkt
  • 4:22 - 4:24
    is een live-demonstratie,
  • 4:24 - 4:27
    dus ik heb een vrijwilliger nodig,
    liefst iemand met een gezicht.
  • 4:27 - 4:30
    (Gelach)
  • 4:30 - 4:32
    Cloe is vandaag onze vrijwilliger.
  • 4:33 - 4:35
    In de afgelopen vijf jaar
  • 4:35 - 4:39
    zijn we van een onderzoeksproject bij MIT
    overgegaan in een bedrijf,
  • 4:39 - 4:42
    waar mijn team keihard heeft gewerkt
    om deze technologie te laten werken,
  • 4:42 - 4:44
    zoals wij dat zeggen, in het wild.
  • 4:44 - 4:46
    We hebben hem ook kleiner gemaakt
  • 4:46 - 4:49
    zodat de emotiemachine werkt
    op elk mobiel apparaat met een camera,
  • 4:49 - 4:51
    zoals deze iPad.
  • 4:51 - 4:53
    Laten we het eens proberen.
  • 4:55 - 4:59
    Zoals je ziet heeft het algoritme
    Cloe's gezicht gevonden,
  • 4:59 - 5:00
    dat is die witte rechthoek,
  • 5:00 - 5:03
    en het volgt de belangrijkste
    punten van haar gezicht,
  • 5:03 - 5:06
    dus de wenkbrauwen, ogen,
    mond en neus.
  • 5:06 - 5:09
    De vraag is: kan het
    haar uitdrukking herkennen?
  • 5:09 - 5:10
    We gaan de machine testen.
  • 5:10 - 5:15
    Laat eerst eens je pokerface zien.
    Ja, goed zo. (Gelach)
  • 5:15 - 5:18
    En terwijl ze glimlacht,
    dit is een oprechte glimlach,
  • 5:18 - 5:20
    zie je de groene balken omhooggaan.
  • 5:20 - 5:21
    Dat was een brede glimlach.
  • 5:21 - 5:24
    Kun je proberen of de computer
    ook een subtiele glimlach herkent?
  • 5:24 - 5:26
    De subtiele glimlach herkent hij ook.
  • 5:26 - 5:28
    Daar hebben we hard aan gewerkt.
  • 5:28 - 5:31
    En dan je wenkbrauwen omhoog,
    een teken van verrassing.
  • 5:31 - 5:36
    Wenkbrauwen fronsen,
    een teken van verwarring.
  • 5:36 - 5:40
    Boos kijken. Ja, perfect.
  • 5:40 - 5:42
    Dit zijn verschillende actie-eenheden.
  • 5:42 - 5:43
    Er zijn er nog veel meer.
  • 5:43 - 5:45
    Dit is maar een beperkte demo.
  • 5:45 - 5:49
    We noemen elke meting
    een emotiegegevenspunt,
  • 5:49 - 5:51
    en in combinatie kunnen ze
    verschillende emoties weergeven.
  • 5:51 - 5:55
    Aan de rechterkant van de demo --
    trek eens een vrolijk gezicht.
  • 5:55 - 5:58
    Dat is vreugde. Vreugde gaat aan.
  • 5:58 - 5:59
    Laat nu eens afkeer zien.
  • 5:59 - 6:04
    Denk aan hoe je je voelde
    toen Zayn wegging bij One Direction.
  • 6:04 - 6:05
    (Gelach)
  • 6:05 - 6:10
    Ja, maak rimpels bij je neus. Goed zo.
  • 6:10 - 6:13
    De valentie is behoorlijk negatief,
    dus je was vast een groot fan.
  • 6:13 - 6:16
    Valentie is hoe positief
    of negatief een ervaring is,
  • 6:16 - 6:19
    en betrokkenheid is hoe expressief ze is.
  • 6:19 - 6:22
    Stel je voor dat Cloe toegang had
    tot deze rechtstreekse emotiestream
  • 6:22 - 6:25
    en ze die kon delen
    met we ze maar wilde.
  • 6:25 - 6:27
    Dankjewel.
  • 6:27 - 6:32
    (Applaus)
  • 6:34 - 6:39
    Tot nu toe hebben we 12 miljard
    van deze emotiegegevens vergaard.
  • 6:39 - 6:41
    Het is de grootste
    emotiedatabase ter wereld.
  • 6:41 - 6:45
    We hebben hem verzameld
    uit 2,9 miljoen filmpjes van gezichten,
  • 6:45 - 6:48
    mensen die hun emoties
    met ons hebben willen delen,
  • 6:48 - 6:50
    uit 75 landen over de hele wereld.
  • 6:50 - 6:52
    Hij groeit elke dag.
  • 6:53 - 6:55
    Ik sta ervan versteld
  • 6:55 - 6:58
    dat we iets persoonlijks als emoties
    nu kunnen kwantificeren
  • 6:58 - 7:00
    en dat we het op deze schaal kunnen doen.
  • 7:00 - 7:02
    Wat hebben we tot nu toe geleerd?
  • 7:03 - 7:05
    Geslacht:
  • 7:05 - 7:09
    onze data bevestigen iets
    dat je misschien al vermoedde.
  • 7:09 - 7:11
    Vrouwen zijn expressiever dan mannen.
  • 7:11 - 7:14
    Ze glimlachen niet alleen meer,
    maar ook langduriger,
  • 7:14 - 7:16
    en we kunnen nu echt vaststellen
    wat het precies is
  • 7:16 - 7:19
    waarop mannen en vrouwen anders reageren.
  • 7:19 - 7:20
    Nu cultuur:
  • 7:20 - 7:21
    in de Verenigde Staten
  • 7:21 - 7:24
    zijn vrouwen 40 procent
    expressiever dan mannen,
  • 7:24 - 7:28
    maar vreemd genoeg zien we in het VK
    geen verschil tussen mannen en vrouwen.
  • 7:28 - 7:30
    (Gelach)
  • 7:32 - 7:33
    Leeftijd:
  • 7:33 - 7:35
    mensen van 50 jaar en ouder
  • 7:35 - 7:39
    tonen 25 procent meer emotie
    dan jongere mensen.
  • 7:40 - 7:44
    Vrouwen in de twintig glimlachen veel meer
    dan mannen van dezelfde leeftijd,
  • 7:44 - 7:48
    misschien moet dat wel tijdens dates.
  • 7:48 - 7:50
    Maar wat ons misschien
    het meest heeft verrast
  • 7:50 - 7:53
    is dat we altijd expressief zijn,
  • 7:53 - 7:56
    zelfs als we alleen
    achter een apparaat zitten,
  • 7:56 - 8:00
    en niet alleen als we kattenfilmpjes
    kijken op Facebook.
  • 8:00 - 8:03
    We zijn expressief als we emailen,
    sms'en, online winkelen
  • 8:03 - 8:06
    en zelfs als we
    onze belastingaangifte doen.
  • 8:06 - 8:08
    Waar worden deze data momenteel gebruikt?
  • 8:08 - 8:10
    Bij het begrijpen van
    hoe we met media omgaan,
  • 8:10 - 8:13
    het begrijpen van viraliteit
    en stemgedrag,
  • 8:13 - 8:17
    en ook voor technologie
    die emoties toegankelijker maakt.
  • 8:17 - 8:21
    Ik wil een paar voorbeelden delen
    die me bijzonder nauw aan het hart liggen.
  • 8:21 - 8:23
    Brillen met emotietechnologie
  • 8:23 - 8:25
    kunnen mensen met
    een visuele handicap helpen
  • 8:25 - 8:28
    om de gezichten van anderen te lezen,
  • 8:28 - 8:31
    en mensen binnen het autismespectrum
    helpen om emoties te interpreteren,
  • 8:31 - 8:34
    iets waar ze echt moeite mee hebben.
  • 8:36 - 8:37
    In het onderwijs:
  • 8:37 - 8:39
    stel je voor dat je studeer-apps
  • 8:39 - 8:41
    aanvoelen wat je niet begrijpt
    en het tempo verlagen,
  • 8:41 - 8:43
    of dat je je verveelt,
    en dus sneller gaan,
  • 8:43 - 8:46
    net als een goede leraar op school.
  • 8:47 - 8:50
    Wat als je horloge je stemming bijhield
  • 8:50 - 8:52
    of je auto kon merken dat je moe was,
  • 8:52 - 8:55
    of je koelkast het wist
    als je gestrest was,
  • 8:55 - 8:59
    en automatisch op slot ging
    zodat je niet te veel kon eten. (Gelach)
  • 8:59 - 9:02
    Dat zou ik wel willen, ja.
  • 9:04 - 9:06
    Wat als ik in Cambridge
  • 9:06 - 9:08
    toegang had gehad tot mijn emotiestream
  • 9:08 - 9:10
    en die had kunnen delen
    met mijn familie thuis
  • 9:10 - 9:12
    op een heel natuurlijke manier,
  • 9:12 - 9:16
    alsof we samen in één kamer zaten?
  • 9:16 - 9:18
    Ik denk dat over vijf jaar
  • 9:18 - 9:21
    al onze apparaten
    een emotie-chip zullen hebben
  • 9:21 - 9:25
    en we niet meer weten hoe het was
    om naar je apparaat te fronsen
  • 9:25 - 9:29
    zonder dat het terugzei:
    "Hmm, dat vond je blijkbaar niet leuk."
  • 9:29 - 9:33
    De grootste uitdaging van deze technologie
    is dat er zoveel toepassingen zijn,
  • 9:33 - 9:36
    dat mijn team en ik ze niet allemaal
    zelf kunnen bouwen.
  • 9:36 - 9:38
    Daarom hebben we de technologie
    beschikbaar gemaakt
  • 9:38 - 9:42
    zodat andere ontwikkelaars
    er creatief mee aan de slag kunnen.
  • 9:42 - 9:46
    We zien in dat er potentiële risico's zijn
  • 9:46 - 9:48
    en de mogelijkheid dat er misbruik
    van wordt gemaakt,
  • 9:48 - 9:50
    maar nu ik hier vele jaren
    mee bezig ben geweest
  • 9:50 - 9:53
    geloof ik persoonlijk
    dat de voordelen voor de mensheid
  • 9:53 - 9:56
    van emotioneel intelligente technologie
  • 9:56 - 9:59
    veel zwaarder wegen
    dan het mogelijke misbruik.
  • 9:59 - 10:02
    Ik nodig jullie allemaal uit
    deel te nemen aan het gesprek.
  • 10:02 - 10:04
    Hoe meer mensen
    van deze technologie afweten,
  • 10:04 - 10:08
    hoe meer we allemaal inspraak hebben
    in hoe het wordt gebruikt.
  • 10:10 - 10:14
    Nu ons leven steeds digitaler wordt,
  • 10:14 - 10:15
    voeren we een hopeloze strijd
  • 10:15 - 10:18
    als we ons gebruik van apparaten
    proberen te beperken
  • 10:18 - 10:20
    om zo onze emoties terug te winnen.
  • 10:21 - 10:25
    In plaats daarvan probeer ik
    emoties in onze technologie op te nemen
  • 10:25 - 10:27
    en onze technologieën
    beter te laten reageren.
  • 10:27 - 10:30
    Ik wil dat de apparaten
    die ons hebben gescheiden
  • 10:30 - 10:33
    ons weer bij elkaar brengen.
  • 10:33 - 10:37
    Door technologie te vermenselijken
    hebben we een gouden kans
  • 10:37 - 10:40
    om opnieuw te bedenken
    hoe we met onze machines omgaan
  • 10:40 - 10:44
    en daarmee ook hoe wij, als mensen,
  • 10:44 - 10:46
    omgaan met elkaar.
  • 10:46 - 10:47
    Dankjewel.
  • 10:47 - 10:52
    (Applaus)
Title:
Deze app ziet hoe je je voelt -- aan de uitdrukking op je gezicht
Speaker:
Rana el Kaliouby
Description:

Onze emoties beïnvloeden alle aspecten van ons leven -- hoe we leren, hoe we communiceren, hoe we beslissingen nemen. Toch ontbreken ze in ons digitale leven; de apparaten en apps die we gebruiken kunnen niet weten hoe we ons voelen. Wetenschapper Rana el Kaliouby wil daar verandering in brengen. Ze geeft een demonstratie van een indrukwekkende nieuwe technologie die je gelaatsuitdrukkingen leest en ze koppelt aan de overeenkomende emoties. Deze "emotiemachine" heeft belangrijke implicaties en kan niet alleen veranderen hoe we omgaan met machines -- maar ook hoe we omgaan met elkaar.
more » « less
Video Language:
English
Team:
closed TED
Project:
TEDTalks
Duration:
11:04

Dutch subtitles

Revisions Compare revisions

Our website uses cookies for analysis purposes.