Can machines read your emotions? - Kostas Karpouzis

Translator: behrooz forsati Reviewer: soheila Jafari

With every year, machines surpass humans in more and more activities

هر ساله ماشینها در فعالیتهای بیشتری از انسانها پیشی می‌گیرند

we once thought only we were capable of.

که زمانی ما فکر می کردیم تنها خودمان توانایی انجام انها را داریم

Today's computers can beat us in complex board games,

امروزه کامپوترها ما در بازی های سخت

transcribe speech in dozens of languages,

تر جمه سخنذرانی ها به چندین زبان مختلف

and instantly identify almost any object.

و شناسایی فوری تقریبا تمام اجسام شکست میدهند.

But the robots of tomorrow may go futher

در حالیکه ممکن است ربات‌های اینده

by learning to figure out what we're feeling.

با آموختن کشف احساسات ما از این هم پیشتر بروند.

And why does that matter?

ولی چرا این مهم است؟

Because if machines and the people who run them

چون اگرماشینها و کسانی که انها را به کار می‌گیرند

can accurately read our emotional states,

بتوانند احساست ما را بطور دقیقی بخوانند،

they may be able to assist us or manipulate us

ممکن است هم مارا یاری دهند و هم بتوانند در اندازهای

at unprecedented scales.

غیر قابل پیش بینی مارا تحت تاثیر قرار دهند.

But before we get there,

اما قبل ازرسیدن به ان نقطه

how can something so complex as emotion be converted into mere numbers,

چطور میتوان چیز چنان پیچیده‌ای چون احساسات را به اعداد

the only language machines understand?

که تنها زبان قابل فهم ماشینهاست تبدبل کرد؟

Essentially the same way our own brains interpret emotions,

اصولا با همان روشی که مغز ما احساسات را تفسیر میکند،

by learning how to spot them.

یعنی با یاد گرفتن چگونگی تشخیص انها.

American psychologist Paul Ekman identified certain universal emotions

"پائول اکمان "روانشناس امریکایی احساسات مشخصی را بطور جهانی شناسایی کرده که

whose visual cues are understood the same way across cultures.

نشانه‌های بصری انها در بین فرهنگ های مختلف بطور یکسان قابل فهم هستند.

For example, an image of a smile signals joy to modern urban dwellers

برای مثال تصویر یک لبخند پیام شادی را هم به شهر نشینان مدرن

and aboriginal tribesmen alike.

و هم به مردمان قبیله نشین بومی بطور یکسان می‌رساند.

And according to Ekman,

و بر طبق گفتههای اکمان،

anger,

disgust,

خشم،

انزجار،

fear,

ترس،

joy,

لذت،

sadness,

and surprise are equally recognizable.

غم،

و تعحب بطور یکسان قابل شناسایی‌اند.

As it turns out, computers are rapidly getting better at image recognition

چنان که پیداست کامپوترها به سرعت در حال بهتر شدن در تشخیص تصاویر

thanks to machine learning algorithms, such as neural networks.

بدلیل یاد گیری الگوریتم هایی مثل شبکه های عصبی هستند.

These consist of artificial nodes that mimic our biological neurons

که شامل گره های مصنویی که عصبهای بیولوژیکی ما را بوسیله

by forming connections and exchanging information.

شکل دادن اتصالات و ردوبدل کردن اطلاعات تقلید می‌کنند می‌شود.

To train the network, sample inputs pre-classified into different categories,

جهت منظم کردن شبکه داده‌های نمونه در دسته های مختلف طبقه بندی می‌شوند

such as photos marked happy or sad,

مانند عکس‌هایی که به عنوان شاد یا غمگین نشانه‌گذاری شده اند،

are fed into the system.

به سیستم داده می‌شوند.

The network then learns to classify those samples

سپس سیستم یاد میگیرد که ان نمونه هارا بوسیله تنظیم

by adjusting the relative weights assigned to particular features.

وزن های همانند به ویژگیهای خاصی طبقه بندی کند

The more training data it's given,

هرچه اطلاعات منظم شده بیشتری داده

the better the algorithm becomes at correctly identifying new images.

داه شود الگوریتم در شناختن تصاویر بهتر می‌شود.

This is similar to our own brains,

این شبیه کاری است که مغز ما،

which learn from previous experiences to shape how new stimuli are processed.

در یاد گیری از تجربه های قبلی در شکل دادن به محرک های جدید می‌کند.

Recognition algorithms aren't just limited to facial expressions.

شناسایی الگوریتم‌ها به حالات چهره محدود نمی‌شوند.

Our emotions manifest in many ways.

احساسات ما به روش های مختلفی ظاهر می‌شوند،

There's body language and vocal tone,

مانند زبان بدن و تن صدا

changes in heart rate, complexion, and skin temperature,

تغییردر ضربان قلب یا تغییر چهره و دمای پوست

or even word frequency and sentence structure in our writing.

ویا حتی در تعداد تکرار کلمات و یا در ساختار جمله نویسی ما.

You might think that training neural networks to recognize these

ممکن است شما فکر کنید که تعلیم شبکه های عصبی جهت شناسایی این (احساسات)

would be a long and complicated task

کاری طولانی وسخت می‌باشد

until you realize just how much data is out there,

تا زمانی که شما بدانید که چه مقدار اطلاعات وجود دارد

and how quickly modern computers can process it.

و با چه سرعتی کامپوتر های جدید می‌توانند اطلاعات را پردازش کنند.

From social media posts,

از نوشته ها در شبکه های اجتماعی،

uploaded photos and videos,

عکس ها و ویدئوهای بار گذاری شده،

and phone recordings,

و مکالمات تلفنی ظبط شده،

to heat-sensitive security cameras

تا دوربین‌های حفاظتی حرارتی

and wearables that monitor physiological signs,

و پوشیدنی‌هایی که علامات فیزیولوژیکی را رصد می‌کنند،

the big question is not how to collect enough data,

حال سوال این است که چگونه به مقدارکافی اطلاعات جمع کنیم،

but what we're going to do with it.

ویا اینکه ما چه اقداماتی با این ها می‌کنیم.

There are plenty of beneficial uses for computerized emotion recognition.

استفاده‌های سودمند زیادی برای شناسایی احساسات کامپیوتری وجود دارد.

Robots using algorithms to identify facial expressions

رباتها از این الگوریتم ها جهت شناسایی حالات چهره استفاده می‌کنند

can help children learn

ویا می شود درکمک به آموزش کودکان

or provide lonely people with a sense of companionship.

ویا جهت افراد تنها برای فراهم کردن یک حس همراهی استفاده کرد.

Social media companies are considering using algorithms

رسانه های اجتماعی براین باورند که با استفاده از این الگوریتم‌ها بتوانند

to help prevent suicides by flagging posts that contain specific words or phrases.

ازتعداد خوکشی هابوسیله مشخص کردن پست‌هایی که شامل کلمات یا عبارات خاصی هستند بکاهند.

And emotion recognition software can help treat mental disorders

و نرم افزارهای تخشخیص احساس بتوانند به علاج بیماری های ذهنی کمک کنند

or even provide people with low-cost automated psychotherapy.

ویا بتوانند جلسات روان شناسی ارزانی در اختیار مردم بگذارند.

Despite the potential benefits,

بر خلاف عوایدی که ممکن است باشد،

the prospect of a massive network automatically scanning our photos,

آینده اینکه این شبکه ها بتوانند بطور خود کار عکس‌ها،

communications,

گفتگو ها،

and physiological signs is also quite disturbing.

و یا حالات روانی مارا بکاوند همچنان آزار دهنده است.

What are the implications for our privacy when such impersonal systems

و اینکه چه اثاری برحریم شخصی ما خواهد داشت وقتی که این سیستم های غیر شخصی

are used by corporations to exploit our emotions through advertising?

ازاحساست ما در تبلیغات استفاده کنند؟

And what becomes of our rights

و چه بر سر حق و حقوق ما میاید

if authorities think they can identify the people likely to commit crimes

اگر مسئولان فکر کنند که می توانند افرادی را که ممکن است مرتکب جرمی شوند

before they even make a conscious decision to act?

شناسایی کنند حتی قبل از اینکه انها بطور خود آگاه تصمیم به کاری بگیرند؟

Robots currently have a long way to go

هنوز راه درازی برای رباتها در

in distinguishing emotional nuances, like irony,

در شناسایی احساسات ظریفی چون تمسخر

and scales of emotions, just how happy or sad someone is.

و میزان احساست مثل اینکه چقدر فردی خوشحال ویا ناراحت است در پیش است.

Nonetheless, they may eventually be able to accurately read our emotions

با این وجود ممکن است که انها نهایتا بتوانند احساست ما را بطور دقیقی بخوانند

and respond to them.

و به آن پاسخ دهند.

Whether they can empathize with our fear of unwanted intrusion, however,

اگر ماشینها بتوانند با حس ترس ما از یک تعدی ناخواسته همدلی کنند،

that's another story.

که آن داستان دیگری است.