Can machines read your emotions? - Kostas Karpouzis

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

333,964 views

2016-11-29 ・ TED-Ed


New videos

Can machines read your emotions? - Kostas Karpouzis

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

333,964 views ・ 2016-11-29

TED-Ed


Κάντε διπλό κλικ στους αγγλικούς υπότιτλους παρακάτω για να αναπαραγάγετε το βίντεο.

Μετάφραση: Kostas Karpouzis Επιμέλεια: Chryssa Takahashi
00:07
With every year, machines surpass humans in more and more activities
0
7052
4590
Κάθε χρόνο, οι μηχανές ξεπερνούν τους ανθρώπους σε περισσότερες δραστηριότητες,
00:11
we once thought only we were capable of.
1
11642
3206
για τις οποίες θεωρούσαμε ότι μόνο εμείς ήμασταν ικανοί.
00:14
Today's computers can beat us in complex board games,
2
14848
3575
Οι σημερινοί υπολογιστές μπορούν να μας νικήσουν σε πολύπλοκα επιτραπέζια,
00:18
transcribe speech in dozens of languages,
3
18423
2871
να μεταγράψουν ομιλία σε πολυάριθμες γλώσσες,
00:21
and instantly identify almost any object.
4
21294
3452
και να αναγνωρίσουν ακαριαία σχεδόν οποιοδήποτε αντικείμενο.
00:24
But the robots of tomorrow may go futher
5
24746
2366
Αλλά τα αυριανά ρομπότ μπορεί να πάνε πιο μακριά
00:27
by learning to figure out what we're feeling.
6
27112
3131
μαθαίνοντας να καταλαβαίνουν τι αισθανόμαστε.
00:30
And why does that matter?
7
30243
2138
Και γιατί αυτό είναι σημαντικό;
00:32
Because if machines and the people who run them
8
32381
2292
Γιατί, αν οι μηχανές και όσοι τις διαχειρίζονται
00:34
can accurately read our emotional states,
9
34673
2550
μπορούν να διακρίνουν τη συναισθηματική μας κατάσταση,
00:37
they may be able to assist us or manipulate us
10
37223
2970
θα μπορούν να μας βοηθήσουν ή να μας χειραγωγήσουν
00:40
at unprecedented scales.
11
40193
2909
πιο εύκολα από ποτέ.
Αλλά πριν φτάσουμε εκεί,
00:43
But before we get there,
12
43102
1512
00:44
how can something so complex as emotion be converted into mere numbers,
13
44614
5039
πώς είναι δυνατόν κάτι τόσο πολύπλοκο σαν το συναίσθημα να μετατραπεί σε αριθμούς,
00:49
the only language machines understand?
14
49653
3600
τη μόνη γλώσσα που καταλαβαίνουν οι μηχανές;
00:53
Essentially the same way our own brains interpret emotions,
15
53253
3590
Πρακτικά, με τον ίδιο τρόπο που ο εγκέφαλός μας ερμηνεύει τα συναισθήματα,
00:56
by learning how to spot them.
16
56843
2151
μαθαίνοντας πώς να τα διακρίνει.
00:58
American psychologist Paul Ekman identified certain universal emotions
17
58994
5126
Ο Αμερικανός ψυχολόγος Πωλ Έκμαν ξεχώρισε κάποια συγκεκριμένα καθολικά συναισθήματα,
01:04
whose visual cues are understood the same way across cultures.
18
64120
5054
τα οποία αναγνωρίζονται οπτικά με τον ίδιο τρόπο ανεξάρτητα από πολιτισμικό υπόβαθρο.
01:09
For example, an image of a smile signals joy to modern urban dwellers
19
69174
5019
Για παράδειγμα, η εικόνα ενός χαμόγελου δείχνει χαρά σε έναν σύγχρονο αστό,
01:14
and aboriginal tribesmen alike.
20
74193
2772
όπως και σε έναν ιθαγενή κάποιας φυλής.
01:16
And according to Ekman,
21
76965
1129
Σύμφωνα με τον Έκμαν,
01:18
anger,
22
78094
729
01:18
disgust,
23
78823
710
ο θυμός,
η αηδία,
01:19
fear,
24
79533
742
ο φόβος,
01:20
joy,
25
80275
817
η χαρά,
01:21
sadness,
26
81092
756
01:21
and surprise are equally recognizable.
27
81848
3585
η λύπη,
και η έκπληξη γίνονται αντιληπτά με αντίστοιχο τρόπο.
01:25
As it turns out, computers are rapidly getting better at image recognition
28
85433
4403
Όπως φαίνεται, οι υπολογιστές βελτιώνονται γρήγορα στην αναγνώριση εικόνων,
01:29
thanks to machine learning algorithms, such as neural networks.
29
89836
4179
χάρη σε αλγορίθμους μηχανικής μάθησης, όπως τα νευρωνικά δίκτυα.
01:34
These consist of artificial nodes that mimic our biological neurons
30
94015
4190
Αυτά αποτελούνται από τεχνητούς νευρώνες που μιμούνται τους βιολογικούς,
01:38
by forming connections and exchanging information.
31
98205
3579
διαμορφώνοντας συνδέσεις και ανταλλάσσοντας πληροφορίες.
01:41
To train the network, sample inputs pre-classified into different categories,
32
101784
4501
Για να εκπαιδευτεί το δίκτυο, δείγματα ταξινομημένα από πριν σε κατηγορίες,
01:46
such as photos marked happy or sad,
33
106285
2890
όπως φωτογραφίες επισημειωμένες σαν χαρά ή λύπη,
01:49
are fed into the system.
34
109175
2110
τροφοδοτούνται στο σύστημα.
01:51
The network then learns to classify those samples
35
111285
2460
Το δίκτυο μαθαίνει να ταξινομεί αυτά τα δείγματα
01:53
by adjusting the relative weights assigned to particular features.
36
113745
4660
μεταβάλλοντας τα σχετικά βάρη που έχουν συγκεκριμένα χαρακτηριστικά.
01:58
The more training data it's given,
37
118405
1620
Όσο πιο πολλά δεδομένα δίνονται,
02:00
the better the algorithm becomes at correctly identifying new images.
38
120025
4770
τόσο καλύτερος γίνεται ο αλγόριθμος στο να διακρίνει σωστά νέες εικόνες.
02:04
This is similar to our own brains,
39
124795
1732
Αυτό μοιάζει με τον εγκέφαλό μας,
02:06
which learn from previous experiences to shape how new stimuli are processed.
40
126527
5198
που μαθαίνει από πρότερες εμπειρίες για να ορίσει πώς θα επεξεργαστεί νέα ερεθίσματα.
02:11
Recognition algorithms aren't just limited to facial expressions.
41
131725
3741
Οι αλγόριθμοι αναγνώρισης δεν περιορίζονται σε εκφράσεις του προσώπου.
02:15
Our emotions manifest in many ways.
42
135466
2420
Τα συναισθήματα εκφράζονται με διάφορους τρόπους.
02:17
There's body language and vocal tone,
43
137886
2230
Με τη γλώσσα του σώματος και τον τόνο της φωνής
02:20
changes in heart rate, complexion, and skin temperature,
44
140116
3121
αλλαγές στον ρυθμό της καρδιάς, το χρώμα ή τη θερμοκρασία στο δέρμα,
02:23
or even word frequency and sentence structure in our writing.
45
143237
4809
ή ακόμα και στην ταχύτητα που μιλάμε και τη δομή των προτάσεων που γράφουμε.
02:28
You might think that training neural networks to recognize these
46
148046
3159
Θα σκεφτόσασταν ότι η εκπαίδευση των δικτύων για όλα αυτά
02:31
would be a long and complicated task
47
151205
2432
θα ήταν μια χρονοβόρα και πολύπλοκη εργασία
02:33
until you realize just how much data is out there,
48
153637
3329
μέχρι να αναλογιστείτε πόσα δεδομένα είναι διαθέσιμα
02:36
and how quickly modern computers can process it.
49
156966
3409
και πόσο γρήγορα τα επεξεργάζονται οι σύγχρονοι υπολογιστές.
02:40
From social media posts,
50
160375
1542
Δημοσιεύσεις κοινωνικών δικτύων,
02:41
uploaded photos and videos,
51
161917
1669
ψηφιακές φωτογραφίες και βίντεο,
02:43
and phone recordings,
52
163586
1401
και τηλεφωνικές συνομιλίες,
02:44
to heat-sensitive security cameras
53
164987
1780
μέχρι θερμικές κάμερες ασφαλείας
02:46
and wearables that monitor physiological signs,
54
166767
3670
και φορετές συσκευές που παρακολουθούν τα βιοσήματά μας,
02:50
the big question is not how to collect enough data,
55
170437
2510
το ερώτημα δεν είναι πώς θα μαζέψουμε αρκετά δεδομένα
02:52
but what we're going to do with it.
56
172947
2308
αλλά τι θα κάνουμε με αυτά.
02:55
There are plenty of beneficial uses for computerized emotion recognition.
57
175255
4451
Υπάρχουν πολλές ευεργετικές χρήσεις της αναγνώρισης συναισθημάτων από υπολογιστές.
02:59
Robots using algorithms to identify facial expressions
58
179706
2921
Τα ρομπότ που διακρίνουν εκφράσεις στο πρόσωπο
03:02
can help children learn
59
182627
1619
μπορούν να βοηθήσουν τα παιδιά να μάθουν
03:04
or provide lonely people with a sense of companionship.
60
184246
3390
ή να παρέχουν σε μοναχικούς ανθρώπους την αίσθηση της συντροφικότητας.
03:07
Social media companies are considering using algorithms
61
187636
3001
Οι εταιρίες κοινωνικής δικτύωσης μελετούν τη χρήση αλγορίθμων
03:10
to help prevent suicides by flagging posts that contain specific words or phrases.
62
190637
6410
για να αποτρέψουν αυτοκτονίες εντοπίζοντας ορισμένες λέξεις ή φράσεις σε αναρτήσεις.
03:17
And emotion recognition software can help treat mental disorders
63
197047
4240
Και το λογισμικό αναγνώρισης συναισθημάτων μπορεί να θεραπεύσει ψυχικές διαταραχές
03:21
or even provide people with low-cost automated psychotherapy.
64
201287
4291
ή να παρέχει αυτοματοποιημένη ψυχοθεραπεία χαμηλού κόστους.
03:25
Despite the potential benefits,
65
205578
1610
Πέρα από τις πιθανές ωφέλειες,
03:27
the prospect of a massive network automatically scanning our photos,
66
207188
3681
η προοπτική ενός τεράστιου δικτύου που επεξεργάζεται αυτόματα φωτογραφίες,
03:30
communications,
67
210869
1089
επικοινωνίες,
03:31
and physiological signs is also quite disturbing.
68
211958
4919
και τα βιοσήματά μας είναι ανησυχητική.
03:36
What are the implications for our privacy when such impersonal systems
69
216877
3919
Ποια επίπτωση θα έχουμε στην ιδιωτικότητα όταν τέτοια απρόσωπα συστήματα
03:40
are used by corporations to exploit our emotions through advertising?
70
220796
4412
χρησιμοποιούνται από εταιρίες για να μας επηρεάσουν συναισθηματικά με διαφημίσεις;
03:45
And what becomes of our rights
71
225208
1510
Τι θα συμβεί στα δικαιώματά μας
03:46
if authorities think they can identify the people likely to commit crimes
72
226718
4019
αν οι αρχές θεωρήσουν ότι μπορούν να εντοπίσουν τους πιθανούς κακοποιούς
03:50
before they even make a conscious decision to act?
73
230737
4190
πριν αυτοί αποφασίσουν συνειδητά να δράσουν;
03:54
Robots currently have a long way to go
74
234927
2223
Τα ρομπότ έχουν να διανύσουν μεγάλη απόσταση
03:57
in distinguishing emotional nuances, like irony,
75
237150
3108
μέχρι να αναγνωρίσουν συναισθηματικές αποχρώσεις, όπως την ειρωνεία,
04:00
and scales of emotions, just how happy or sad someone is.
76
240258
4500
και την ένταση ενός συναισθήματος, πόσο χαρούμενος ή λυπημένος είναι κάποιος.
04:04
Nonetheless, they may eventually be able to accurately read our emotions
77
244758
4530
Παρ' όλα αυτά, μπορεί τελικά να διαβάσουν με ακρίβεια τα συναισθήματά μας
04:09
and respond to them.
78
249288
1850
και να ανταποκριθούν σε αυτά.
04:11
Whether they can empathize with our fear of unwanted intrusion, however,
79
251138
4251
Το αν θα συμπάσχουν με τον φόβο μιας ανεπιθύμητης εισβολής, πάντως,
04:15
that's another story.
80
255389
1498
είναι άλλη ιστορία.
Σχετικά με αυτόν τον ιστότοπο

Αυτός ο ιστότοπος θα σας παρουσιάσει βίντεο στο YouTube που είναι χρήσιμα για την εκμάθηση της αγγλικής γλώσσας. Θα δείτε μαθήματα αγγλικών που διδάσκουν κορυφαίοι καθηγητές από όλο τον κόσμο. Κάντε διπλό κλικ στους αγγλικούς υπότιτλους που εμφανίζονται σε κάθε σελίδα βίντεο για να αναπαράγετε το βίντεο από εκεί. Οι υπότιτλοι μετακινούνται συγχρονισμένα με την αναπαραγωγή του βίντεο. Εάν έχετε οποιαδήποτε σχόλια ή αιτήματα, παρακαλούμε επικοινωνήστε μαζί μας χρησιμοποιώντας αυτή τη φόρμα επικοινωνίας.

https://forms.gle/WvT1wiN1qDtmnspy7