Can machines read your emotions? - Kostas Karpouzis

האם מכונות יכולות לקרוא את הרגשות שלכם? - קוסטס קרפאוזיס

334,937 views

2016-11-29 ・ TED-Ed


New videos

Can machines read your emotions? - Kostas Karpouzis

האם מכונות יכולות לקרוא את הרגשות שלכם? - קוסטס קרפאוזיס

334,937 views ・ 2016-11-29

TED-Ed


אנא לחץ פעמיים על הכתוביות באנגלית למטה כדי להפעיל את הסרטון.

תרגום: Ido Dekkers עריכה: Roni Ravia
00:07
With every year, machines surpass humans in more and more activities
0
7052
4590
כל שנה, איכות ביצועיהן של מכונות מתעלה על זו של בני אדם ביותר ויותר פעילויות
00:11
we once thought only we were capable of.
1
11642
3206
שפעם חשבנו שרק אנחנו מסוגלים להן.
00:14
Today's computers can beat us in complex board games,
2
14848
3575
המחשבים של היום יכולים לנצח אותנו במשחקי לוח מורכבים,
00:18
transcribe speech in dozens of languages,
3
18423
2871
לתמלל נאום בעשרות שפות,
00:21
and instantly identify almost any object.
4
21294
3452
ולזהות מידית כמעט כל עצם.
00:24
But the robots of tomorrow may go futher
5
24746
2366
אבל הרובוטים של מחר אולי ילכו צעד אחד קדימה
00:27
by learning to figure out what we're feeling.
6
27112
3131
בכך שילמדו להבין מה אנחנו מרגישים.
00:30
And why does that matter?
7
30243
2138
ולמה זה חשוב?
00:32
Because if machines and the people who run them
8
32381
2292
בגלל שאם מכונות ואנשים שמפעילים אותן
00:34
can accurately read our emotional states,
9
34673
2550
יוכלו לקרוא במדוייק את המצב הרגשי שלנו,
00:37
they may be able to assist us or manipulate us
10
37223
2970
הם אולי יהיו מסוגלים לסייע לנו או לתמרן אותנו
00:40
at unprecedented scales.
11
40193
2909
בקנה מידה חסר תקדים.
00:43
But before we get there,
12
43102
1512
אבל לפני שנגיע לשם,
00:44
how can something so complex as emotion be converted into mere numbers,
13
44614
5039
איך משהו מורכב כמו רגשות יכול להיות מומר למספרים,
00:49
the only language machines understand?
14
49653
3600
השפה היחידה שמכונות מבינות?
00:53
Essentially the same way our own brains interpret emotions,
15
53253
3590
בעיקרון, באותה דרך בה המוחות שלנו מפרשים רגשות,
00:56
by learning how to spot them.
16
56843
2151
המכונות לומדות איך לזהות אותן.
00:58
American psychologist Paul Ekman identified certain universal emotions
17
58994
5126
הפסיכולוג האמריקאי פול אקמן זיהה מספר רגשות אוניברסליים
01:04
whose visual cues are understood the same way across cultures.
18
64120
5054
שהסימנים הויזואלים שלהן מובנים באותה דרך בכל התרבויות.
01:09
For example, an image of a smile signals joy to modern urban dwellers
19
69174
5019
לדוגמה, תמונה של חיוך מצביעה על אושר אם בקרב החיים בסביבה עירונית מודרנית
01:14
and aboriginal tribesmen alike.
20
74193
2772
ואם בקרב אנשי שבטים אבוריג'יניים.
01:16
And according to Ekman,
21
76965
1129
ולפי אקמן,
01:18
anger,
22
78094
729
01:18
disgust,
23
78823
710
כעס,
גועל,
01:19
fear,
24
79533
742
פחד,
01:20
joy,
25
80275
817
אושר,
01:21
sadness,
26
81092
756
01:21
and surprise are equally recognizable.
27
81848
3585
עצב,
והפתעה, מזוהים באותה מידה.
01:25
As it turns out, computers are rapidly getting better at image recognition
28
85433
4403
ומסתבר, שיכולתם של מחשבים לזהות תמונות משתפרת מרגע לרגע
01:29
thanks to machine learning algorithms, such as neural networks.
29
89836
4179
תודות לאלגוריתמי לימוד ממוחשבים, כגון רשתות עצביות.
01:34
These consist of artificial nodes that mimic our biological neurons
30
94015
4190
אלה מכילות צמתים מלאכותיים שבדומה לנוירונים הביולוגיים שלנו
01:38
by forming connections and exchanging information.
31
98205
3579
יוצרים קשרים ומחליפים מידע.
01:41
To train the network, sample inputs pre-classified into different categories,
32
101784
4501
כדי לאמן את הרשת, דוגמיות קלט שממויינות מראש לקטגוריות שונות,
01:46
such as photos marked happy or sad,
33
106285
2890
כמו תמונות שמסומנות כעצובות או שמחות,
01:49
are fed into the system.
34
109175
2110
מוזנות לתוך המערכת.
01:51
The network then learns to classify those samples
35
111285
2460
הרשתות לומדות לקטלג את הדוגמאות האלו
01:53
by adjusting the relative weights assigned to particular features.
36
113745
4660
על ידי התאמה של המשקלים היחסיים שמשוייכים לתכונות מסוימות.
01:58
The more training data it's given,
37
118405
1620
ככל שמוזן יותר מידע בתהליך האימון,
02:00
the better the algorithm becomes at correctly identifying new images.
38
120025
4770
כך האלגוריתם נעשה טוב יותר בזיהוי נכון של תמונות חדשות.
02:04
This is similar to our own brains,
39
124795
1732
זה דומה למוח שלנו,
02:06
which learn from previous experiences to shape how new stimuli are processed.
40
126527
5198
שלומד לעבד גירויים חדשים, מתוך הסתמכות על נסיונות מהעבר.
02:11
Recognition algorithms aren't just limited to facial expressions.
41
131725
3741
אלגוריתמי זיהוי לא מוגבלים רק להבעות פנים.
02:15
Our emotions manifest in many ways.
42
135466
2420
הרגשות שלנו מובעות בהרבה דרכים.
02:17
There's body language and vocal tone,
43
137886
2230
שפת גוף וטון דיבור,
02:20
changes in heart rate, complexion, and skin temperature,
44
140116
3121
שינויים בקצב הלב, גוון העור, טמפרטורת העור,
02:23
or even word frequency and sentence structure in our writing.
45
143237
4809
או אפילו קצב דיבור ומבני משפטים בכתיבה שלנו.
02:28
You might think that training neural networks to recognize these
46
148046
3159
אתם אולי חושבים שאימון רשתות נוירונים לזהות את כל אלה
02:31
would be a long and complicated task
47
151205
2432
יהיה תהליך ארוך ומורכב
02:33
until you realize just how much data is out there,
48
153637
3329
עד שאתם מבינים כמה מידע נמצא שם בחוץ,
02:36
and how quickly modern computers can process it.
49
156966
3409
וכמה מהר מחשבים מודרניים יכולים לעבד אותו.
02:40
From social media posts,
50
160375
1542
מפוסטים במדיה חברתית,
02:41
uploaded photos and videos,
51
161917
1669
תמונות מועלות וסרטונים,
02:43
and phone recordings,
52
163586
1401
ושיחות מוקלטות,
02:44
to heat-sensitive security cameras
53
164987
1780
ועד למצלמות אבטחה רגישות לחום
02:46
and wearables that monitor physiological signs,
54
166767
3670
ומכשירים לבישים שמנטרים אותות פיזיולוגיים,
02:50
the big question is not how to collect enough data,
55
170437
2510
השאלה הגדולה היא לא איך לאסוף מספיק מידע,
02:52
but what we're going to do with it.
56
172947
2308
אלא מה נעשה איתו.
02:55
There are plenty of beneficial uses for computerized emotion recognition.
57
175255
4451
יש הרבה שימושים מועילים לזיהוי רגשות ממוחשב.
02:59
Robots using algorithms to identify facial expressions
58
179706
2921
רובוטים שמשתמשים באלגוריתמים כדי לזהות הבעות פנים
03:02
can help children learn
59
182627
1619
יכולים לעזות לילדים ללמוד
03:04
or provide lonely people with a sense of companionship.
60
184246
3390
או לספק לאנשים בודדים תחושה של חברה.
03:07
Social media companies are considering using algorithms
61
187636
3001
חברות מדיה חברתית שוקלות להשתמש באלגוריתמים
03:10
to help prevent suicides by flagging posts that contain specific words or phrases.
62
190637
6410
כדי לעזור למנוע התאבדויות על ידי סימון פוסטים שמכילים מילים או ביטויים מסויימים.
03:17
And emotion recognition software can help treat mental disorders
63
197047
4240
ותוכנות זיהוי רגשות יכולות לעזור לטפל בהפרעות מנטליות
03:21
or even provide people with low-cost automated psychotherapy.
64
201287
4291
או אפילו לספק לאנשים פסיכותרפיה ממוכנת בזול.
03:25
Despite the potential benefits,
65
205578
1610
למרות התועלות הפוטנציאליות,
03:27
the prospect of a massive network automatically scanning our photos,
66
207188
3681
הרעיון של רשתות עצומות שסורקות באופן אוטומטי את התמונות שלנו,
03:30
communications,
67
210869
1089
ההתכתבויות שלנו,
03:31
and physiological signs is also quite disturbing.
68
211958
4919
והסימנים הפיסיולוגיים שלנו הוא די מטריד.
03:36
What are the implications for our privacy when such impersonal systems
69
216877
3919
מה הן ההשלכות של זה על הפרטיות שלנו כשמערכות לא אישיות מעין אלו
03:40
are used by corporations to exploit our emotions through advertising?
70
220796
4412
נמצאות בשימוש על ידי תאגידים לטובת ניצול הרגשות שלנו דרך פרסום?
03:45
And what becomes of our rights
71
225208
1510
ומה יקרה עם הזכויות שלנו
03:46
if authorities think they can identify the people likely to commit crimes
72
226718
4019
אם הרשויות יחשבו שהן יכולות לזהות את האנשים שעלולים לבצע פשעים
03:50
before they even make a conscious decision to act?
73
230737
4190
עוד לפני שהם אפילו עשו החלטה מודעת לפעול?
03:54
Robots currently have a long way to go
74
234927
2223
כרגע לרובוטים יש עוד דרך ארוכה לעבור
03:57
in distinguishing emotional nuances, like irony,
75
237150
3108
עד שיוכלו להבחין בניואנסים רגשיים, כמו אירוניה,
04:00
and scales of emotions, just how happy or sad someone is.
76
240258
4500
ועוצמה של רגשות -- עד כמה מישהו שמח או עצוב.
04:04
Nonetheless, they may eventually be able to accurately read our emotions
77
244758
4530
ולמרות זאת, הם אולי יהיו מסוגלים לבסוף לקרוא במדוייק את הרגשות שלנו
04:09
and respond to them.
78
249288
1850
ולהגיב להן.
04:11
Whether they can empathize with our fear of unwanted intrusion, however,
79
251138
4251
מצד שני, האם הם יוכלו להזדהות עם הפחד שלנו מפני התערבות בלתי רצויה,
04:15
that's another story.
80
255389
1498
זה סיפור אחר.
על אתר זה

אתר זה יציג בפניכם סרטוני YouTube המועילים ללימוד אנגלית. תוכלו לראות שיעורי אנגלית המועברים על ידי מורים מהשורה הראשונה מרחבי העולם. לחץ פעמיים על הכתוביות באנגלית המוצגות בכל דף וידאו כדי להפעיל את הסרטון משם. הכתוביות גוללות בסנכרון עם הפעלת הווידאו. אם יש לך הערות או בקשות, אנא צור איתנו קשר באמצעות טופס יצירת קשר זה.

https://forms.gle/WvT1wiN1qDtmnspy7