Return to Video

Μπορούν οι μηχανές να διαβάσουν τα συναισθήματά σας; - Κώστας Καρπούζης

  • 0:07 - 0:12
    Κάθε χρόνο, οι μηχανές ξεπερνούν τους
    ανθρώπους σε περισσότερες δραστηριότητες,
  • 0:12 - 0:15
    για τις οποίες θεωρούσαμε
    ότι μόνο εμείς ήμασταν ικανοί.
  • 0:15 - 0:18
    Οι σημερινοί υπολογιστές μπορούν
    να μας νικήσουν σε πολύπλοκα επιτραπέζια,
  • 0:18 - 0:21
    να μεταγράψουν ομιλία
    σε πολυάριθμες γλώσσες,
  • 0:21 - 0:24
    και να αναγνωρίσουν ακαριαία
    σχεδόν οποιοδήποτε αντικείμενο.
  • 0:25 - 0:27
    Αλλά τα αυριανά ρομπότ
    μπορεί να πάνε πιο μακριά
  • 0:27 - 0:30
    μαθαίνοντας να καταλαβαίνουν
    τι αισθανόμαστε.
  • 0:31 - 0:32
    Και γιατί αυτό είναι σημαντικό;
  • 0:32 - 0:35
    Γιατί, αν οι μηχανές
    και όσοι τις διαχειρίζονται
  • 0:35 - 0:37
    μπορούν να διακρίνουν
    τη συναισθηματική μας κατάσταση,
  • 0:37 - 0:40
    θα μπορούν να μας βοηθήσουν
    ή να μας χειραγωγήσουν
  • 0:40 - 0:43
    πιο εύκολα από ποτέ.
  • 0:43 - 0:44
    Αλλά πριν φτάσουμε εκεί,
  • 0:44 - 0:50
    πώς είναι δυνατόν κάτι τόσο πολύπλοκο σαν
    το συναίσθημα να μετατραπεί σε αριθμούς,
  • 0:50 - 0:52
    τη μόνη γλώσσα
    που καταλαβαίνουν οι μηχανές;
  • 0:53 - 0:57
    Πρακτικά, με τον ίδιο τρόπο που
    ο εγκέφαλός μας ερμηνεύει τα συναισθήματα,
  • 0:57 - 0:59
    μαθαίνοντας πώς να τα διακρίνει.
  • 0:59 - 1:04
    Ο Αμερικανός ψυχολόγος Πωλ Έκμαν ξεχώρισε
    κάποια συγκεκριμένα καθολικά συναισθήματα,
  • 1:04 - 1:09
    τα οποία αναγνωρίζονται οπτικά με τον ίδιο
    τρόπο ανεξάρτητα από πολιτισμικό υπόβαθρο.
  • 1:09 - 1:14
    Για παράδειγμα, η εικόνα ενός χαμόγελου
    δείχνει χαρά σε έναν σύγχρονο αστό,
  • 1:14 - 1:17
    όπως και σε έναν ιθαγενή κάποιας φυλής.
  • 1:17 - 1:18
    Σύμφωνα με τον Έκμαν,
  • 1:18 - 1:19
    ο θυμός,
  • 1:19 - 1:20
    η αηδία,
  • 1:20 - 1:20
    ο φόβος,
  • 1:20 - 1:21
    η χαρά,
  • 1:21 - 1:22
    η λύπη,
  • 1:22 - 1:25
    και η έκπληξη γίνονται αντιληπτά
    με αντίστοιχο τρόπο.
  • 1:25 - 1:30
    Όπως φαίνεται, οι υπολογιστές βελτιώνονται
    γρήγορα στην αναγνώριση εικόνων,
  • 1:30 - 1:34
    χάρη σε αλγορίθμους μηχανικής μάθησης,
    όπως τα νευρωνικά δίκτυα.
  • 1:34 - 1:38
    Αυτά αποτελούνται από τεχνητούς νευρώνες
    που μιμούνται τους βιολογικούς,
  • 1:38 - 1:41
    διαμορφώνοντας συνδέσεις
    και ανταλλάσσοντας πληροφορίες.
  • 1:42 - 1:46
    Για να εκπαιδευτεί το δίκτυο, δείγματα
    ταξινομημένα από πριν σε κατηγορίες,
  • 1:46 - 1:49
    όπως φωτογραφίες
    επισημειωμένες σαν χαρά ή λύπη,
  • 1:49 - 1:51
    τροφοδοτούνται στο σύστημα.
  • 1:51 - 1:54
    Το δίκτυο μαθαίνει
    να ταξινομεί αυτά τα δείγματα
  • 1:54 - 1:58
    μεταβάλλοντας τα σχετικά βάρη
    που έχουν συγκεκριμένα χαρακτηριστικά.
  • 1:58 - 2:00
    Όσο πιο πολλά δεδομένα δίνονται,
  • 2:00 - 2:04
    τόσο καλύτερος γίνεται ο αλγόριθμος
    στο να διακρίνει σωστά νέες εικόνες.
  • 2:05 - 2:07
    Αυτό μοιάζει με τον εγκέφαλό μας,
  • 2:07 - 2:11
    που μαθαίνει από πρότερες εμπειρίες για να
    ορίσει πώς θα επεξεργαστεί νέα ερεθίσματα.
  • 2:12 - 2:15
    Οι αλγόριθμοι αναγνώρισης δεν
    περιορίζονται σε εκφράσεις του προσώπου.
  • 2:15 - 2:18
    Τα συναισθήματα εκφράζονται
    με διάφορους τρόπους.
  • 2:18 - 2:20
    Με τη γλώσσα του σώματος
    και τον τόνο της φωνής
  • 2:20 - 2:23
    αλλαγές στον ρυθμό της καρδιάς,
    το χρώμα ή τη θερμοκρασία στο δέρμα,
  • 2:23 - 2:28
    ή ακόμα και στην ταχύτητα που μιλάμε
    και τη δομή των προτάσεων που γράφουμε.
  • 2:28 - 2:31
    Θα σκεφτόσασταν ότι η εκπαίδευση
    των δικτύων για όλα αυτά
  • 2:31 - 2:34
    θα ήταν μια χρονοβόρα
    και πολύπλοκη εργασία
  • 2:34 - 2:37
    μέχρι να αναλογιστείτε
    πόσα δεδομένα είναι διαθέσιμα
  • 2:37 - 2:40
    και πόσο γρήγορα τα επεξεργάζονται
    οι σύγχρονοι υπολογιστές.
  • 2:40 - 2:42
    Δημοσιεύσεις κοινωνικών δικτύων,
  • 2:42 - 2:44
    ψηφιακές φωτογραφίες και βίντεο,
  • 2:44 - 2:45
    και τηλεφωνικές συνομιλίες,
  • 2:45 - 2:47
    μέχρι θερμικές κάμερες ασφαλείας
  • 2:47 - 2:50
    και φορετές συσκευές
    που παρακολουθούν τα βιοσήματά μας,
  • 2:50 - 2:53
    το ερώτημα δεν είναι πώς
    θα μαζέψουμε αρκετά δεδομένα
  • 2:53 - 2:55
    αλλά τι θα κάνουμε με αυτά.
  • 2:55 - 3:00
    Υπάρχουν πολλές ευεργετικές χρήσεις της
    αναγνώρισης συναισθημάτων από υπολογιστές.
  • 3:00 - 3:02
    Τα ρομπότ που διακρίνουν
    εκφράσεις στο πρόσωπο
  • 3:02 - 3:04
    μπορούν να βοηθήσουν τα παιδιά να μάθουν
  • 3:04 - 3:08
    ή να παρέχουν σε μοναχικούς ανθρώπους
    την αίσθηση της συντροφικότητας.
  • 3:08 - 3:11
    Οι εταιρίες κοινωνικής δικτύωσης
    μελετούν τη χρήση αλγορίθμων
  • 3:11 - 3:17
    για να αποτρέψουν αυτοκτονίες εντοπίζοντας
    ορισμένες λέξεις ή φράσεις σε αναρτήσεις.
  • 3:17 - 3:21
    Και το λογισμικό αναγνώρισης συναισθημάτων
    μπορεί να θεραπεύσει ψυχικές διαταραχές
  • 3:21 - 3:25
    ή να παρέχει αυτοματοποιημένη
    ψυχοθεραπεία χαμηλού κόστους.
  • 3:25 - 3:27
    Πέρα από τις πιθανές ωφέλειες,
  • 3:27 - 3:31
    η προοπτική ενός τεράστιου δικτύου
    που επεξεργάζεται αυτόματα φωτογραφίες,
  • 3:31 - 3:32
    επικοινωνίες,
  • 3:32 - 3:36
    και τα βιοσήματά μας είναι ανησυχητική.
  • 3:37 - 3:41
    Ποια επίπτωση θα έχουμε στην ιδιωτικότητα
    όταν τέτοια απρόσωπα συστήματα
  • 3:41 - 3:45
    χρησιμοποιούνται από εταιρίες για να μας
    επηρεάσουν συναισθηματικά με διαφημίσεις;
  • 3:45 - 3:47
    Τι θα συμβεί στα δικαιώματά μας
  • 3:47 - 3:51
    αν οι αρχές θεωρήσουν ότι μπορούν
    να εντοπίσουν τους πιθανούς κακοποιούς
  • 3:51 - 3:54
    πριν αυτοί αποφασίσουν
    συνειδητά να δράσουν;
  • 3:55 - 3:57
    Τα ρομπότ έχουν να διανύσουν
    μεγάλη απόσταση
  • 3:57 - 4:00
    μέχρι να αναγνωρίσουν συναισθηματικές
    αποχρώσεις, όπως την ειρωνεία,
  • 4:00 - 4:05
    και την ένταση ενός συναισθήματος,
    πόσο χαρούμενος ή λυπημένος είναι κάποιος.
  • 4:05 - 4:09
    Παρ' όλα αυτά, μπορεί τελικά να διαβάσουν
    με ακρίβεια τα συναισθήματά μας
  • 4:09 - 4:11
    και να ανταποκριθούν σε αυτά.
  • 4:11 - 4:15
    Το αν θα συμπάσχουν με τον φόβο
    μιας ανεπιθύμητης εισβολής, πάντως,
  • 4:15 - 4:17
    είναι άλλη ιστορία.
Title:
Μπορούν οι μηχανές να διαβάσουν τα συναισθήματά σας; - Κώστας Καρπούζης
Speaker:
Kostas Karpouzis
Description:

Δείτε το πλήρες μάθημα στο http://ed.ted.com/lessons/can-machines-read-your-emotions-kostas-karpouzis

Οι υπολογιστές μπορούν να μας κερδίζουν σε επιτραπέζια παιχνίδια, να μεταγράφουν ομιλία, και να αναγνωρίζουν ακαριαία σχεδόν οποιοδήποτε αντικείμενο. Αλλά τα ρομπότ του μέλλοντος θα πάνε πιο μακριά μαθαίνοντας να καταλαβαίνουν τι αισθανόμαστε; Ο Κώστας Καρπούζης φαντάζεται ένα μέλλον όπου οι μηχανές και οι άνθρωποι που τις ορίζουν μπορούν να διαβάσουν με ακρίβεια τις συναισθηματικές μας καταστάσεις - και εξηγεί πώς αυτό θα μπορούσε να τους δώσει τη δυνατότητα να μας βοηθήσουν ή να μας χειραγωγήσουν περισσότερο από ποτέ.

Μάθημα από τον Κώστα Καρπούζη, ψηφιακή απεικόνιση από τον Λάσε Ρούτζου Βρούντσε

more » « less
Video Language:
English
Team:
closed TED
Project:
TED-Ed
Duration:
04:39
Lucas Kaimaras approved Greek subtitles for Can machines read your emotions?
Lucas Kaimaras edited Greek subtitles for Can machines read your emotions?
Chryssa R. Takahashi accepted Greek subtitles for Can machines read your emotions?
Chryssa R. Takahashi edited Greek subtitles for Can machines read your emotions?
Kostas Karpouzis edited Greek subtitles for Can machines read your emotions?
Kostas Karpouzis edited Greek subtitles for Can machines read your emotions?
Kostas Karpouzis edited Greek subtitles for Can machines read your emotions?

Greek subtitles

Revisions