Can machines read your emotions? - Kostas Karpouzis

기계가 인간의 감정을 읽을 수 있을까? - 코스타스 카르포우지스 (Kostas Karpouzis)

번역: Jooyoung Moon

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

해가 갈수록 기계는 점점 더 많은 활동 영역에서 인간을 능가합니다.

we once thought only we were capable of.

한때는 인간만 할 수 있다고 생각했던 영역까지도 그렇죠.

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

오늘날 컴퓨터는 복잡한 보드 게임에서 우리를 이기고

transcribe speech in dozens of languages,

연설을 수십개 국의 언어로 옮기고

and instantly identify almost any object.

즉각적으로 어떤 개체든 식별하죠.

But the robots of tomorrow may go futher

인간의 감정을 읽는 법을 배움으로써

by learning to figure out what we're feeling.

미래의 로봇은 더 똑똑할지도 모릅니다.

And why does that matter?

그게 왜 중요할까요?

Because if machines and the people who run them

그 기계와 기계를 다루는 사람들이

can accurately read our emotional states,

우리의 감정을 정확히 읽을 수 있다면

they may be able to assist us or manipulate us

우리를 도울 수 있거나 조종할 수도 있습니다.

at unprecedented scales.

이제껏 전례가 없는 규모로 말이죠.

But before we get there,

그렇게 되기 전에

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

감정처럼 복잡한 것을 기계가 이해할 수 있는 유일한 언어인

the only language machines understand?

한낱 숫자로 바꿀 수 있을까요?

Essentially the same way our own brains interpret emotions,

본질적으로 인간의 뇌와 기계는 감정을 인지하는 법을 학습함으로써

by learning how to spot them.

인식하는 과정이 같죠.

American psychologist Paul Ekman identified certain universal emotions

미국의 심리학자 폴 에크먼이 발견한 보편적인 감정은

whose visual cues are understood the same way across cultures.

문화 전반에 걸쳐 시각적인 신호를 동일한 방식으로 이해합니다.

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

예를 들어 미소의 이미지는 현대 도시인과 원주민 부족 모두에게

and aboriginal tribesmen alike.

기쁨으로 전달되죠.

And according to Ekman,

에크먼에 따르면

anger,

disgust,

분노

혐오감

fear,

두려움

joy,

기쁨

sadness,

and surprise are equally recognizable.

슬픔

놀라움을 똑같이 인식할 수 있는 거죠.

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

신경망 같은 기계 학습 알고리즘으로

thanks to machine learning algorithms, such as neural networks.

컴퓨터는 이미지 인식 능력이 향상된 것으로 밝혀졌고

These consist of artificial nodes that mimic our biological neurons

이들은 인공 연결망 교점끼리 연결을 형성하여

by forming connections and exchanging information.

우리의 생물학적 뉴런을 모방하면서 정보 교환을 합니다.

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

다른 카테고리로 사전 분류된 샘플인

such as photos marked happy or sad,

행복하거나 슬픈 표시가 있는 사진 같은 것을

are fed into the system.

시스템에 입력해서 네트워크를 훈련시킵니다.

The network then learns to classify those samples

그다음엔 네트워크가 그런 샘플을 특정 기능에 할당된

by adjusting the relative weights assigned to particular features.

상대 가중치를 조정하여 분류하는 방법을 학습합니다.

The more training data it's given,

교육자료가 많을수록

the better the algorithm becomes at correctly identifying new images.

알고리즘은 새로운 이미지를 정확하게 식별할 수 있습니다.

This is similar to our own brains,

그것은 우리 두뇌와 비슷한데

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

우리의 두뇌도 이전의 경험을 통해 새로운 자극을 처리합니다.

Recognition algorithms aren't just limited to facial expressions.

인식 알고리즘은 표정에만 국한되는 게 아닙니다.

Our emotions manifest in many ways.

감정은 다양하게 나타나죠.

There's body language and vocal tone,

몸짓과 음정

changes in heart rate, complexion, and skin temperature,

심박수의 변화, 안색, 피부 온도

or even word frequency and sentence structure in our writing.

글쓰기에서 단어 빈도와 문장 구조에서도 알 수 있습니다.

You might think that training neural networks to recognize these

신경망을 훈련하는 것이 길고 복잡한 작업이라고

would be a long and complicated task

생각할 수도 있지만 데이터양이 얼마나 많고

until you realize just how much data is out there,

현대 컴퓨터가 얼마나 빨리 데이터를 처리할 수 있는지

and how quickly modern computers can process it.

깨달은 후엔 생각이 달라질 겁니다.

From social media posts,

소셜 미디어 게시물과

uploaded photos and videos,

게시된 사진 및 비디오

and phone recordings,

전화 음성 녹음

to heat-sensitive security cameras

열 감지 식 보안 카메라

and wearables that monitor physiological signs,

생체 신호를 탐지하는 착용 기기

the big question is not how to collect enough data,

중요한 문제는 충분한 정보 수집의 방법이 아니라

but what we're going to do with it.

정보의 활용 방법이죠.

There are plenty of beneficial uses for computerized emotion recognition.

컴퓨터화된 감정 인식엔 유익한 용도가 많아서

Robots using algorithms to identify facial expressions

표정을 식별하는 알고리즘의 로봇은

can help children learn

아이들이 배울 수 있도록 돕거나

or provide lonely people with a sense of companionship.

외로운 사람에겐 우정을 느끼게 해 주죠.

Social media companies are considering using algorithms

소셜 미디어 회사들은 알고리즘을 사용해서

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

특정 단어나 문구가 있는 게시물을 표시하여 자살을 예방합니다.

And emotion recognition software can help treat mental disorders

감정 인식 소프트웨어를 통해서 정신 질환을 치료하거나

or even provide people with low-cost automated psychotherapy.

자동화된 심리 요법을 저렴한 비용으로 제공할 수도 있습니다.

Despite the potential benefits,

그러한 잠재적인 이점은 있지만

the prospect of a massive network automatically scanning our photos,

거대한 네트워크가 우리 사진과

communications,

의사소통

and physiological signs is also quite disturbing.

생리신호를 자동으로 스캔하는 미래는 불안하기도 하죠.

What are the implications for our privacy when such impersonal systems

기업이 광고를 통해 우리의 감정을 이용하려고

are used by corporations to exploit our emotions through advertising?

그러한 비인격적인 시스템을 사용할 때 우리의 사생활엔 어떤 영향을 미칠까요?

And what becomes of our rights

범죄를 저지르기도 전에

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

감독 기관에서 범죄 가능성이 있는 사람들을

before they even make a conscious decision to act?

식별할 수 있다고 하면 우리의 권리는 어떻게 될까요?

Robots currently have a long way to go

아이러니같은 감정적인 차이를 구별하고

in distinguishing emotional nuances, like irony,

사람이 얼마나 행복하고 슬픈지 구별하려면

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

현재의 로봇이 좀 더 시간이 필요합니다.

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

그럼에도 불구하고 결국엔 로봇이 정확하게 인간의 감정을 읽고

and respond to them.

그에 반응할 수도 있습니다.

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

아니면 인간이 침해받고 싶지 않은 감정에 깊이 공감할 수도 있겠지만

that's another story.

그건 또 다른 이야기가 되겠죠.