Can machines read your emotions? - Kostas Karpouzis

Les machines peuvent-elles lire nos émotions - Kostas Karpouzis

334,937 views

2016-11-29 ・ TED-Ed


New videos

Can machines read your emotions? - Kostas Karpouzis

Les machines peuvent-elles lire nos émotions - Kostas Karpouzis

334,937 views ・ 2016-11-29

TED-Ed


Veuillez double-cliquer sur les sous-titres anglais ci-dessous pour lire la vidéo.

Traducteur: Mathieu Marthe Relecteur: Mohammed Dz
00:07
With every year, machines surpass humans in more and more activities
0
7052
4590
Chaque année, les machines surpassent les hommes dans toujours plus de domaines
00:11
we once thought only we were capable of.
1
11642
3206
qui, nous pensions, nous étaient réservés.
00:14
Today's computers can beat us in complex board games,
2
14848
3575
Aujourd'hui, les ordinateurs peuvent nous battre à des jeux complexes,
00:18
transcribe speech in dozens of languages,
3
18423
2871
transcrire des discours dans des dizaines de langues,
00:21
and instantly identify almost any object.
4
21294
3452
et identifier presque n'importe quel objet instantanément.
00:24
But the robots of tomorrow may go futher
5
24746
2366
Mais les robots de demain iront peut-être plus loin
00:27
by learning to figure out what we're feeling.
6
27112
3131
en apprenant à déchiffrer nos émotions.
00:30
And why does that matter?
7
30243
2138
Pourquoi est-ce important ?
00:32
Because if machines and the people who run them
8
32381
2292
Car si les machines, et les gens qui les contrôlent,
00:34
can accurately read our emotional states,
9
34673
2550
peuvent lire correctement nos émotions,
00:37
they may be able to assist us or manipulate us
10
37223
2970
ils pourront soit nous aider soit nous manipuler
00:40
at unprecedented scales.
11
40193
2909
à un niveau sans précédent.
00:43
But before we get there,
12
43102
1512
Mais avant cela,
00:44
how can something so complex as emotion be converted into mere numbers,
13
44614
5039
comment quelque chose d'aussi complexe que l'émotion peut être convertie en chiffres,
00:49
the only language machines understand?
14
49653
3600
le seul langage que les machines comprennent ?
00:53
Essentially the same way our own brains interpret emotions,
15
53253
3590
Essentiellement, de la même manière que notre propre cerveau interprète,
00:56
by learning how to spot them.
16
56843
2151
les émotions : en apprenant à les repérer.
00:58
American psychologist Paul Ekman identified certain universal emotions
17
58994
5126
Le psychologue américain Paul Ekman a identifié certaines émotions universelles
01:04
whose visual cues are understood the same way across cultures.
18
64120
5054
dont les repères visuels sont perçus de la même manière dans toutes les cultures.
01:09
For example, an image of a smile signals joy to modern urban dwellers
19
69174
5019
Par exemple, l'image d'un sourire est un signe de joie pour le citadin moderne
01:14
and aboriginal tribesmen alike.
20
74193
2772
comme pour les membres d'une tribu aborigène.
01:16
And according to Ekman,
21
76965
1129
Et selon Ekman,
01:18
anger,
22
78094
729
01:18
disgust,
23
78823
710
la colère,
le dégoût,
01:19
fear,
24
79533
742
la peur,
01:20
joy,
25
80275
817
la joie,
01:21
sadness,
26
81092
756
01:21
and surprise are equally recognizable.
27
81848
3585
la tristesse
et la surprise sont tout aussi reconnaissables.
01:25
As it turns out, computers are rapidly getting better at image recognition
28
85433
4403
Et les ordinateurs deviennent rapidement meilleurs pour la reconnaissance d'images
01:29
thanks to machine learning algorithms, such as neural networks.
29
89836
4179
grâce aux algorithmes d'apprentissage automatique comme les réseaux neuronaux.
01:34
These consist of artificial nodes that mimic our biological neurons
30
94015
4190
Il s'agit de nœuds artificiels qui imitent nos neurones biologiques
01:38
by forming connections and exchanging information.
31
98205
3579
en formant des connexions et en échangeant des informations.
01:41
To train the network, sample inputs pre-classified into different categories,
32
101784
4501
Pour former le réseau, des échantillons déjà classés en différentes catégories,
01:46
such as photos marked happy or sad,
33
106285
2890
tel que des photos représentant la joie ou tristesse,
01:49
are fed into the system.
34
109175
2110
sont saisis dans le système.
01:51
The network then learns to classify those samples
35
111285
2460
Le réseau apprend ensuite à classer ces échantillons
01:53
by adjusting the relative weights assigned to particular features.
36
113745
4660
en ajustant la part relative attribuée à certaines caractéristiques.
01:58
The more training data it's given,
37
118405
1620
Plus l'algorithme recevra de données,
02:00
the better the algorithm becomes at correctly identifying new images.
38
120025
4770
meilleur il deviendra à l'identification de nouvelles images.
02:04
This is similar to our own brains,
39
124795
1732
C'est semblable à notre propre cerveau, qui utilise les expériences antérieures,
02:06
which learn from previous experiences to shape how new stimuli are processed.
40
126527
5198
pour déterminer comment traiter de nouveaux stimulis.
02:11
Recognition algorithms aren't just limited to facial expressions.
41
131725
3741
Les algorithmes de reconnaissance ne sont pas limités aux expressions du visage.
02:15
Our emotions manifest in many ways.
42
135466
2420
Nos émotions se manifestent de plusieurs façons.
02:17
There's body language and vocal tone,
43
137886
2230
Il y a le langage corporel et le ton de la voix,
02:20
changes in heart rate, complexion, and skin temperature,
44
140116
3121
les changements du rythme cardiaque, le teint et la température de la peau,
02:23
or even word frequency and sentence structure in our writing.
45
143237
4809
ou même la fréquence des mots et la structure des phrases dans notre écriture.
02:28
You might think that training neural networks to recognize these
46
148046
3159
Vous pourriez penser que l'apprentissage des réseaux à reconnaître
02:31
would be a long and complicated task
47
151205
2432
ces éléments serait une tâche longue et compliquée
02:33
until you realize just how much data is out there,
48
153637
3329
jusqu'à ce que vous vous réalisiez du nombre de données disponibles,
02:36
and how quickly modern computers can process it.
49
156966
3409
et de la vitesse de traitement des ordinateurs modernes.
02:40
From social media posts,
50
160375
1542
Entre les posts sur les réseaux sociaux,
02:41
uploaded photos and videos,
51
161917
1669
les photos et vidéos en ligne
02:43
and phone recordings,
52
163586
1401
et les appels téléphoniques,
02:44
to heat-sensitive security cameras
53
164987
1780
mais aussi les caméras de sécurité infrarouge
02:46
and wearables that monitor physiological signs,
54
166767
3670
et autres objets connectés qui surveillent notre état physiologique,
02:50
the big question is not how to collect enough data,
55
170437
2510
la vraie question n'est pas comment recueillir assez de données,
02:52
but what we're going to do with it.
56
172947
2308
mais ce que nous allons en faire.
02:55
There are plenty of beneficial uses for computerized emotion recognition.
57
175255
4451
Dans bien des domaines, la reconnaissance des émotions serait utile.
02:59
Robots using algorithms to identify facial expressions
58
179706
2921
Les robots pourraient utiliser les algorithmes pour identifier
03:02
can help children learn
59
182627
1619
les expressions du visage afin d'aider les enfants à apprendre
03:04
or provide lonely people with a sense of companionship.
60
184246
3390
ou offrir de la compagnie à des personnes seules.
03:07
Social media companies are considering using algorithms
61
187636
3001
Les réseaux sociaux envisagent d'utiliser les algorithmes pour prévenir
03:10
to help prevent suicides by flagging posts that contain specific words or phrases.
62
190637
6410
les suicides en signalant les posts qui contiennent certains mots ou expressions.
03:17
And emotion recognition software can help treat mental disorders
63
197047
4240
Et ces logiciels de reconnaissance peuvent aider à traiter les troubles mentaux
03:21
or even provide people with low-cost automated psychotherapy.
64
201287
4291
ou même fournir aux gens une psychothérapie automatisée à moindre coût.
03:25
Despite the potential benefits,
65
205578
1610
Malgré les avantages possibles,
03:27
the prospect of a massive network automatically scanning our photos,
66
207188
3681
la perspective d'un réseau géant qui scannerait automatiquement nos photos,
03:30
communications,
67
210869
1089
nos communications,
03:31
and physiological signs is also quite disturbing.
68
211958
4919
et nos signes physiologiques est aussi très inquiétante.
03:36
What are the implications for our privacy when such impersonal systems
69
216877
3919
Quelles seraient les conséquences pour la vie privée si ces systèmes impersonnels
03:40
are used by corporations to exploit our emotions through advertising?
70
220796
4412
étaient utilisés par des entreprises pour exploiter nos émotions via la publicité ?
03:45
And what becomes of our rights
71
225208
1510
Et que deviendront nos droits
03:46
if authorities think they can identify the people likely to commit crimes
72
226718
4019
si les autorités pensent pouvoir identifier de potentiels criminels
03:50
before they even make a conscious decision to act?
73
230737
4190
avant même qu'ils ne prennent la décision d'agir ?
03:54
Robots currently have a long way to go
74
234927
2223
Pour le moment, les robots ont encore du chemin à faire
03:57
in distinguishing emotional nuances, like irony,
75
237150
3108
afin de distinguer la nuance des émotions comme l'ironie
04:00
and scales of emotions, just how happy or sad someone is.
76
240258
4500
et mesurer le niveau de joie ou de tristesse d'une personne.
04:04
Nonetheless, they may eventually be able to accurately read our emotions
77
244758
4530
Néanmoins, ils finiront par être en mesure de lire correctement nos émotions
04:09
and respond to them.
78
249288
1850
et d'y répondre.
04:11
Whether they can empathize with our fear of unwanted intrusion, however,
79
251138
4251
Pourront-ils comprendre notre peur d'une intrusion indésirable ?
04:15
that's another story.
80
255389
1498
C'est une autre histoire.
À propos de ce site Web

Ce site vous présentera des vidéos YouTube utiles pour apprendre l'anglais. Vous verrez des leçons d'anglais dispensées par des professeurs de premier ordre du monde entier. Double-cliquez sur les sous-titres anglais affichés sur chaque page de vidéo pour lire la vidéo à partir de là. Les sous-titres défilent en synchronisation avec la lecture de la vidéo. Si vous avez des commentaires ou des demandes, veuillez nous contacter en utilisant ce formulaire de contact.

https://forms.gle/WvT1wiN1qDtmnspy7