Rana el Kaliouby: This app knows how you feel — from the look on your face

137,905 views

2015-06-15 ・ TED


New videos

Rana el Kaliouby: This app knows how you feel — from the look on your face

137,905 views ・ 2015-06-15

TED


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

Μετάφραση: Lucas Kaimaras Επιμέλεια: Stefanos Reppas
00:12
Our emotions influence every aspect of our lives,
0
12556
4017
Τα συναισθήματά μας επηρεάζουν κάθε πτυχή της ζωής μας,
00:16
from our health and how we learn, to how we do business and make decisions,
1
16573
3576
από την υγεία μας και τον τρόπο που μαθαίνουμε,
έως το πώς εργαζόμαστε και παίρνουμε αποφάσεις, μικρές και μεγάλες.
00:20
big ones and small.
2
20149
1773
00:22
Our emotions also influence how we connect with one another.
3
22672
3490
Τα συναισθήματά μας επίσης επηρεάζουν το πώς συνδεόμαστε μεταξύ μας.
00:27
We've evolved to live in a world like this,
4
27132
3976
Έχουμε εξελιχθεί να ζούμε σε έναν κόσμο σαν αυτόν,
00:31
but instead, we're living more and more of our lives like this --
5
31108
4319
αντ' αυτού όμως, ζούμε όλο και περισσότερο κάπως έτσι
00:35
this is the text message from my daughter last night --
6
35427
3134
- αυτό είναι μήνυμα από την κόρη μου χθες βράδυ -
00:38
in a world that's devoid of emotion.
7
38561
2740
σε έναν κόσμο στερημένο από συναίσθημα.
00:41
So I'm on a mission to change that.
8
41301
1951
Η αποστολή μου είναι να το αλλάξω αυτό.
00:43
I want to bring emotions back into our digital experiences.
9
43252
4091
Θέλω να επαναφέρω το συναίσθημα στις ψηφιακές μας εμπειρίες.
00:48
I started on this path 15 years ago.
10
48223
3077
Πήρα αυτόν τον δρόμο πριν από 15 χρόνια.
00:51
I was a computer scientist in Egypt,
11
51300
2066
Ήμουν επιστήμων υπολογιστών στην Αίγυπτο,
00:53
and I had just gotten accepted to a Ph.D. program at Cambridge University.
12
53366
4505
και μόλις είχα περάσει σε μεταπτυχιακό πρόγραμμα του Πανεπιστημίου του Κέμπριτζ.
00:57
So I did something quite unusual
13
57871
2113
Έτσι έκανα κάτι αρκετά ασυνήθιστο
00:59
for a young newlywed Muslim Egyptian wife:
14
59984
4225
για μια νεαρή νιόπαντρη μουσουλμάνα σύζυγο από την Αίγυπτο:
01:05
With the support of my husband, who had to stay in Egypt,
15
65599
2999
Με τη στήριξη του συζύγου μου, που έπρεπε να μείνει στην Αίγυπτο,
01:08
I packed my bags and I moved to England.
16
68598
3018
έφτιαξα τα πράγματά μου και μετακόμισα στην Αγγλία.
01:11
At Cambridge, thousands of miles away from home,
17
71616
3228
Στο Κέμπριτζ, χιλιάδες μίλια μακριά από το σπίτι μου
01:14
I realized I was spending more hours with my laptop
18
74844
3413
κατάλαβα ότι περνούσα περισσότερη ώρα με τον φορητό μου υπολογιστή
01:18
than I did with any other human.
19
78257
2229
παρά με οποιονδήποτε άλλον άνθρωπο.
01:20
Yet despite this intimacy, my laptop had absolutely no idea how I was feeling.
20
80486
4853
Παρόλη όμως αυτή την οικειότητα, ο φορητός μου δεν είχε ιδέα πώς ένιωθα.
01:25
It had no idea if I was happy,
21
85339
3211
Αγνοούσε εάν ήμουν χαρούμενη,
01:28
having a bad day, or stressed, confused,
22
88550
2988
αν ήταν μια μέρα δύσκολη, με άγχος ή επιπλοκές,
01:31
and so that got frustrating.
23
91538
2922
και αυτό με απογοήτευσε.
01:35
Even worse, as I communicated online with my family back home,
24
95600
5231
Ακόμα χειρότερα, όταν επικοινωνούσα διαδικτυακά με την οικογένεια στο σπίτι,
01:41
I felt that all my emotions disappeared in cyberspace.
25
101421
3282
ένιωθα ότι όλα μου τα συναισθήματα εξαφανίζονταν στον κυβερνοχώρο.
01:44
I was homesick, I was lonely, and on some days I was actually crying,
26
104703
5155
Μου έλειπε το σπίτι μου, ένιωθα μοναξιά, και κάποιες μέρες πραγματικά έκλαιγα,
01:49
but all I had to communicate these emotions was this.
27
109858
4928
αλλά είχα μόνο αυτό για να μεταδώσω αυτά τα συναισθήματα.
01:54
(Laughter)
28
114786
2020
(Γέλια)
01:56
Today's technology has lots of I.Q., but no E.Q.;
29
116806
4974
Η σημερινή τεχνολογία έχει πολλή ευφυΐα αλλά καθόλου συναίσθημα,
02:01
lots of cognitive intelligence, but no emotional intelligence.
30
121780
3176
πάρα πολύ γνωστική ευφυΐα αλλά καθόλου συναισθηματική ευφυΐα.
02:04
So that got me thinking,
31
124956
2197
Αυτό με έβαλε να σκεφτώ
02:07
what if our technology could sense our emotions?
32
127153
3624
τι θα γινόταν εάν η τεχνολογία μας μπορούσε να νιώσει τα συναισθήματά μας;
02:10
What if our devices could sense how we felt and reacted accordingly,
33
130777
4076
Τι θα γινόταν εάν οι συσκευές ένιωθαν πώς αισθανόμαστε και αποκρίνονταν ανάλογα,
02:14
just the way an emotionally intelligent friend would?
34
134853
3013
ακριβώς όπως θα αντιδρούσε ένας φίλος με συναισθήματα;
02:18
Those questions led me and my team
35
138666
3564
Αυτά τα ερωτήματα οδήγησαν εμένα και την ομάδα μου
02:22
to create technologies that can read and respond to our emotions,
36
142230
4377
στη δημιουργία τεχνολογιών που διαβάζουν και αντιδρούν στα συναισθήματά μας,
02:26
and our starting point was the human face.
37
146607
3090
και το σημείο αφετηρίας μας ήταν το ανθρώπινο πρόσωπο.
02:30
So our human face happens to be one of the most powerful channels
38
150577
3173
Το πρόσωπό μας τυγχάνει να είναι ένα από τα πιο ισχυρά κανάλια
02:33
that we all use to communicate social and emotional states,
39
153750
4016
μέσω των οποίων εκφράζουμε κοινωνικές και συναισθηματικές μας καταστάσεις,
02:37
everything from enjoyment, surprise,
40
157766
3010
τα πάντα, από διασκέδαση, έκπληξη, ενσυναίσθηση και περιέργεια.
02:40
empathy and curiosity.
41
160776
4203
02:44
In emotion science, we call each facial muscle movement an action unit.
42
164979
4928
Στην επιστήμη των συναισθημάτων,
κάθε κίνηση των μυών του προσώπου την αποκαλούμε μονάδα δράσης.
02:49
So for example, action unit 12,
43
169907
2925
Έτσι για παράδειγμα η μονάδα δράσης 12,
02:52
it's not a Hollywood blockbuster,
44
172832
2038
δεν είναι μια επιτυχία του Χόλιγουντ,
02:54
it is actually a lip corner pull, which is the main component of a smile.
45
174870
3442
είναι σήκωμα της άκρης του χείλους,
που είναι βασικό συστατικό του χαμόγελου.
02:58
Try it everybody. Let's get some smiles going on.
46
178312
2988
Δοκιμάστε το όλοι. Ας ρίξουμε μερικά χαμόγελα.
Άλλο παράδειγμα είναι η μονάδα δράσης 4. Είναι η συνοφρύωση.
03:01
Another example is action unit 4. It's the brow furrow.
47
181300
2654
03:03
It's when you draw your eyebrows together
48
183954
2238
Είναι όταν σμίγουν τα φρύδια και δημιουργούνται ρυτίδες και υφές.
03:06
and you create all these textures and wrinkles.
49
186192
2267
Δεν μας αρέσουν αλλά είναι έντονη ένδειξη αρνητικού συναισθήματος.
03:08
We don't like them, but it's a strong indicator of a negative emotion.
50
188459
4295
Έτσι έχουμε περίπου 45 τέτοιες μονάδες δράσης,
03:12
So we have about 45 of these action units,
51
192754
2206
03:14
and they combine to express hundreds of emotions.
52
194960
3390
και οι συνδυασμοί τους εκφράζουν εκατοντάδες συναισθήματα.
03:18
Teaching a computer to read these facial emotions is hard,
53
198350
3901
Το να μάθεις έναν υπολογιστή να διαβάζει τις εκφράσεις του προσώπου είναι δύσκολο,
03:22
because these action units, they can be fast, they're subtle,
54
202251
2972
επειδή οι μονάδες δράσεις μπορεί να εναλλάσσονται γρήγορα,
να είναι αδιόρατες, και να συνδυάζονται με πολλούς τρόπους.
03:25
and they combine in many different ways.
55
205223
2554
03:27
So take, for example, the smile and the smirk.
56
207777
3738
Πάρτε για παράδειγμα το χαμόγελο και το υπεροπτικό χαμόγελο.
03:31
They look somewhat similar, but they mean very different things.
57
211515
3753
Μοιάζουν μεταξύ τους αλλά σημαίνουν διαφορετικά πράγματα.
03:35
(Laughter)
58
215268
1718
(Γέλια)
03:36
So the smile is positive,
59
216986
3004
Έτσι το χαμόγελο είναι θετικό,
ενώ το προσποιητό χαμόγελο είναι συχνά αρνητικό.
03:39
a smirk is often negative.
60
219990
1270
03:41
Sometimes a smirk can make you become famous.
61
221260
3876
Καμιά φορά το προσποιητό χαμόγελο μπορεί να σε κάνει διάσημο.
03:45
But seriously, it's important for a computer to be able
62
225136
2824
Αλλά είναι πολύ σημαντικό
03:47
to tell the difference between the two expressions.
63
227960
2855
να μπορεί ο υπολογιστής να δει τη διαφορά των δυο εκφράσεων.
03:50
So how do we do that?
64
230815
1812
Πώς το καταφέρνουμε λοιπόν αυτό;
03:52
We give our algorithms
65
232627
1787
Δίνουμε στους αλγορίθμους μας
03:54
tens of thousands of examples of people we know to be smiling,
66
234414
4110
δεκάδες χιλιάδες παραδείγματα ανθρώπων που ξέρουμε ότι χαμογελούν,
03:58
from different ethnicities, ages, genders,
67
238524
3065
από διάφορες εθνότητες, ηλικίες, γένη,
04:01
and we do the same for smirks.
68
241589
2811
και κάνουμε το ίδιο και για το υπεροπτικό χαμόγελο.
04:04
And then, using deep learning,
69
244400
1554
Και μετά χρησιμοποιώντας τη βαθιά μάθηση
04:05
the algorithm looks for all these textures and wrinkles
70
245954
2856
ο αλγόριθμος ψάχνει για όλες αυτές τις υφές και τις ρυτίδες
04:08
and shape changes on our face,
71
248810
2580
και τις αλλαγές σχήματος του προσώπου μας,
04:11
and basically learns that all smiles have common characteristics,
72
251390
3202
και βασικά μαθαίνει ότι όλα τα χαμόγελα έχουν κοινά χαρακτηριστικά,
04:14
all smirks have subtly different characteristics.
73
254592
3181
ενώ τα υπεροπτικά χαμόγελα έχουν ελαφρώς διαφορετικά χαρακτηριστικά.
04:17
And the next time it sees a new face,
74
257773
2368
Την επόμενη φορά που θα δει ένα νέο πρόσωπο
04:20
it essentially learns that
75
260141
2299
ουσιαστικά μαθαίνει ότι αυτό το πρόσωπο
04:22
this face has the same characteristics of a smile,
76
262440
3033
έχει τα χαρακτηριστικά του χαμόγελου
04:25
and it says, "Aha, I recognize this. This is a smile expression."
77
265473
4278
και λέει, «Ναι, το αναγνωρίζω. Είναι έκφραση χαμόγελου».
04:30
So the best way to demonstrate how this technology works
78
270381
2800
Έτσι ο καλύτερος τρόπος για να δείξουμε πως λειτουργεί η τεχνολογία
04:33
is to try a live demo,
79
273181
2136
είναι μια ζωντανή παρουσίαση,
04:35
so I need a volunteer, preferably somebody with a face.
80
275317
3913
γι' αυτό ζητάω έναν εθελοντή, κατά προτίμηση κάποιον με πρόσωπο.
04:39
(Laughter)
81
279230
2334
(Γέλια)
04:41
Cloe's going to be our volunteer today.
82
281564
2771
Η Κλόη θα είναι η εθελόντριά μας σήμερα.
04:45
So over the past five years, we've moved from being a research project at MIT
83
285325
4458
Τα τελευταία πέντε χρόνια, από ερευνητικό πρόγραμμα του ΜΙΤ
04:49
to a company,
84
289783
1156
γίναμε εταιρεία,
04:50
where my team has worked really hard to make this technology work,
85
290939
3192
όπου η ομάδα μου έχει μοχθήσει για να λειτουργήσει αυτή η τεχνολογία,
04:54
as we like to say, in the wild.
86
294131
2409
όπως αρεσκόμαστε να λέμε ακόμα.
04:56
And we've also shrunk it so that the core emotion engine
87
296540
2670
Την έχουμε συρρικνώσει ώστε η κεντρική μηχανή συναισθημάτων
04:59
works on any mobile device with a camera, like this iPad.
88
299210
3320
να λειτουργεί σε κάθε φορητή συσκευή με κάμερα, όπως αυτό το iPad.
05:02
So let's give this a try.
89
302530
2786
Ας την δοκιμάσουμε λοιπόν.
05:06
As you can see, the algorithm has essentially found Cloe's face,
90
306756
3924
Βλέπετε ότι ο αλγόριθμος βασικά έχει εντοπίσει το πρόσωπο της Κλόη,
05:10
so it's this white bounding box,
91
310680
1692
είναι αυτό το λευκό περίγραμμα,
05:12
and it's tracking the main feature points on her face,
92
312372
2571
και παρακολουθεί τα κεντρικά σημεία του προσώπου της,
05:14
so her eyebrows, her eyes, her mouth and her nose.
93
314943
2856
ήτοι, τα φρύδια, τα μάτια και τη μύτη της.
05:17
The question is, can it recognize her expression?
94
317799
2987
Το ερώτημα είναι, μπορεί να αναγνωρίσει την έκφρασή της;
05:20
So we're going to test the machine.
95
320786
1671
Άρα θα τεστάρουμε το μηχάνημα.
05:22
So first of all, give me your poker face. Yep, awesome. (Laughter)
96
322457
4186
Αρχικά, δείξε μου ένα ανέκφραστο πρόσωπο. Ναι, υπέροχα.
(Γέλια)
05:26
And then as she smiles, this is a genuine smile, it's great.
97
326643
2813
Κατόπιν καθώς χαμογελάει, είναι γνήσιο χαμόγελο, υπέροχο.
05:29
So you can see the green bar go up as she smiles.
98
329456
2300
Η πράσινη μπάρα μεγαλώνει καθώς χαμογελάει.
05:31
Now that was a big smile.
99
331756
1222
Αυτό ήταν ένα μεγάλο χαμόγελο.
05:32
Can you try a subtle smile to see if the computer can recognize?
100
332978
3043
Κι ένα υπεροπτικό χαμόγελο θα το καταλάβει ο υπολογιστής;
Αναγνωρίζει και τα διακριτικά χαμόγελα. Εργαστήκαμε σκληρά για να το καταφέρουμε.
05:36
It does recognize subtle smiles as well.
101
336021
2331
05:38
We've worked really hard to make that happen.
102
338352
2125
Μετά σηκωμένα φρύδια ως ένδειξη έκπληξης.
05:40
And then eyebrow raised, indicator of surprise.
103
340477
2962
05:43
Brow furrow, which is an indicator of confusion.
104
343439
4249
Συνοφρύωση ως ένδειξη απογοήτευσης.
05:47
Frown. Yes, perfect.
105
347688
4007
Κατσούφιασε. Ναι, τέλεια.
05:51
So these are all the different action units. There's many more of them.
106
351695
3493
Όλες αυτές είναι διαφορετικές μονάδες δράσης.
Υπάρχουν πολύ περισσότερες. Αυτή είναι μια σύντομη παρουσίαση.
05:55
This is just a slimmed-down demo.
107
355188
2032
05:57
But we call each reading an emotion data point,
108
357220
3148
Αλλά κάθε καταγραφή την αποκαλούμε σημείο συναισθηματικών δεδομένων,
06:00
and then they can fire together to portray different emotions.
109
360368
2969
και μετά μπορούν να δράσουν μαζί για να δώσουν διάφορα συναισθήματα.
06:03
So on the right side of the demo -- look like you're happy.
110
363337
4653
Έτσι στη δεξιά πλευρά της δοκιμής - δείξε ότι είσαι χαρούμενη.
06:07
So that's joy. Joy fires up.
111
367990
1454
Αυτό λοιπόν είναι χαρά. Η χαρά φωτίζεται.
06:09
And then give me a disgust face.
112
369444
1927
Και μετά δώσε μου μια έκφραση αηδίας.
06:11
Try to remember what it was like when Zayn left One Direction.
113
371371
4272
Θυμήσου πώς ήταν όταν ο Ζέιν έφυγε από τους Ουάν Νταϊρέξιον.
06:15
(Laughter)
114
375643
1510
(Γέλια)
Ναι, ξύνισε τη μύτη σου. Φοβερό.
06:17
Yeah, wrinkle your nose. Awesome.
115
377153
4342
06:21
And the valence is actually quite negative, so you must have been a big fan.
116
381495
3731
Το σθένος είναι αρκετά αρνητικό, άρα πρέπει να ήσουν μεγάλη θαυμάστρια.
06:25
So valence is how positive or negative an experience is,
117
385226
2700
Το σθένος δηλώνει πόσο θετική ή αρνητική είναι μια εμπειρία,
06:27
and engagement is how expressive she is as well.
118
387926
2786
και η εμπλοκή δηλώνει πόσο εκφραστική είναι επίσης.
06:30
So imagine if Cloe had access to this real-time emotion stream,
119
390712
3414
Φανταστείτε αν η Κλόη είχε πρόσβαση σ'αυτή τη ροή συναισθήματος σε πραγματικό χρόνο,
06:34
and she could share it with anybody she wanted to.
120
394126
2809
και μπορούσε να τη μοιραστεί με όποιον ήθελε.
06:36
Thank you.
121
396935
2923
Ευχαριστώ.
(Χειροκρότημα)
06:39
(Applause)
122
399858
4621
06:45
So, so far, we have amassed 12 billion of these emotion data points.
123
405749
5270
Έως τώρα έχουμε συγκεντρώσει 12 δις τέτοια σημεία συναισθηματικών δεδομένων.
Είναι η μεγαλύτερη βάση δεδομένων από συναισθήματα στον κόσμο.
06:51
It's the largest emotion database in the world.
124
411019
2611
06:53
We've collected it from 2.9 million face videos,
125
413630
2963
Τα συλλέξαμε από 2,9 εκατομμύρια βίντεο από πρόσωπα ανθρώπων
06:56
people who have agreed to share their emotions with us,
126
416593
2600
που συμφώνησαν να μοιραστούν τα συναισθήματά τους μαζί μας,
06:59
and from 75 countries around the world.
127
419193
3205
και από 75 χώρες σε όλο τον κόσμο.
07:02
It's growing every day.
128
422398
1715
Αυξάνεται κάθε μέρα.
07:04
It blows my mind away
129
424603
2067
Με συνεπαίρνει η ιδέα
07:06
that we can now quantify something as personal as our emotions,
130
426670
3195
ότι μπορούμε να ποσοτικοποιήσουμε κάτι τόσο προσωπικό όσο το συναίσθημα,
07:09
and we can do it at this scale.
131
429865
2235
και να το κάνουμε σε τέτοια κλίμακα.
07:12
So what have we learned to date?
132
432100
2177
Τι μάθαμε λοιπόν έως τώρα;
07:15
Gender.
133
435057
2331
Φύλο.
07:17
Our data confirms something that you might suspect.
134
437388
3646
Τα δεδομένα μας επιβεβαιώνουν κάτι που ίσως υποψιαζόσαστε.
Οι γυναίκες είναι πιο εκφραστικές από τους άνδρες.
07:21
Women are more expressive than men.
135
441034
1857
07:22
Not only do they smile more, their smiles last longer,
136
442891
2683
Χαμογελούν περισσότερο, και το χαμόγελό τους διαρκεί περισσότερο,
07:25
and we can now really quantify what it is that men and women
137
445574
2904
και τώρα μπορούμε να ποσοτικοποιήσουμε
07:28
respond to differently.
138
448478
2136
σε τι άνδρες και γυναίκες αντιδρούν διαφορετικά.
07:30
Let's do culture: So in the United States,
139
450614
2290
Ας δούμε την κουλτούρα: Έτσι στις ΗΠΑ
07:32
women are 40 percent more expressive than men,
140
452904
3204
οι γυναίκες είναι 40% πιο εκφραστικές από τους άνδρες, αλλά όλως περιέργως
07:36
but curiously, we don't see any difference in the U.K. between men and women.
141
456108
3645
δεν υπάρχει διαφορά μεταξύ ανδρών και γυναικών στην Αγγλία. (Γέλια)
07:39
(Laughter)
142
459753
2506
07:43
Age: People who are 50 years and older
143
463296
4027
Ηλικία: Οι άνθρωποι 50 ετών και άνω
07:47
are 25 percent more emotive than younger people.
144
467323
3436
είναι 25% πιο συναισθηματικοί από τους νέους ανθρώπους.
07:51
Women in their 20s smile a lot more than men the same age,
145
471899
3852
Οι γυναίκες των 20 χαμογελούν περισσότερο από τους άνδρες της ίδιας ηλικίας,
07:55
perhaps a necessity for dating.
146
475751
3839
ίσως μια αναγκαιότητα για την αναζήτηση σχέσης.
07:59
But perhaps what surprised us the most about this data
147
479590
2617
Αλλά αυτό που μας εξέπληξε περισσότερο στα δεδομένα
08:02
is that we happen to be expressive all the time,
148
482207
3203
είναι ότι συμβαίνει να είμαστε εκφραστικοί συνέχεια,
08:05
even when we are sitting in front of our devices alone,
149
485410
2833
ακόμη και όταν είμαστε μόνοι μπροστά στη συσκευή μας,
08:08
and it's not just when we're watching cat videos on Facebook.
150
488243
3274
και όχι μόνο όταν βλέπουμε βίντεο με γάτες στο Facebook.
08:12
We are expressive when we're emailing, texting, shopping online,
151
492217
3010
Είμαστε εκφραστικοί όταν στέλνουμε email ή sms,
ψωνίζουμε διαδικτυακά, ακόμη και όταν κάνουμε τη φορολογική μας δήλωση.
08:15
or even doing our taxes.
152
495227
2300
08:17
Where is this data used today?
153
497527
2392
Πού χρησιμοποιούνται αυτά τα δεδομένα σήμερα;
08:19
In understanding how we engage with media,
154
499919
2763
Στο να καταλάβουμε πώς εμπλεκόμαστε με τα μέσα,
08:22
so understanding virality and voting behavior;
155
502682
2484
έτσι κατανοώντας τη διαδικτυακή εξάπλωση και το πώς ψηφίζουμε.
08:25
and also empowering or emotion-enabling technology,
156
505166
2740
Επίσης την τεχνολογία που ενεργοποιεί συναισθήματα,
08:27
and I want to share some examples that are especially close to my heart.
157
507906
4621
και θέλω να μοιραστώ κάποια παραδείγματα στα οποία έχω ιδιαίτερη αδυναμία.
08:33
Emotion-enabled wearable glasses can help individuals
158
513197
3068
Γυαλιά που ενεργοποιούνται από συναισθήματα
θα βοηθήσουν άτομα με προβλήματα όρασης να διαβάσουν τα πρόσωπα των άλλων,
08:36
who are visually impaired read the faces of others,
159
516265
3228
08:39
and it can help individuals on the autism spectrum interpret emotion,
160
519493
4187
και θα βοηθήσει άτομα στο φάσμα του αυτισμού
να ερμηνεύσουν συναισθήματα, κάτι που πραγματικά τους ταλαιπωρεί.
08:43
something that they really struggle with.
161
523680
2778
08:47
In education, imagine if your learning apps
162
527918
2859
Στην εκπαίδευση, φανταστείτε εάν οι εφαρμογές που μαθαίνουν
08:50
sense that you're confused and slow down,
163
530777
2810
αισθανθούν ότι έχετε μπερδευτεί και μειώσουν ταχύτητα
08:53
or that you're bored, so it's sped up,
164
533587
1857
ή ότι βαριόσαστε έτσι να επιταχύνουν,
08:55
just like a great teacher would in a classroom.
165
535444
2969
ακριβώς όπως ένας καλός δάσκαλος θα έκανε στην τάξη.
08:59
What if your wristwatch tracked your mood,
166
539043
2601
Εάν το ρολόι στο χέρι σας παρακολουθούσε τη διάθεσή σας
09:01
or your car sensed that you're tired,
167
541644
2693
ή το αυτοκινητό σας αισθανόταν ότι είστε κουρασμένος,
09:04
or perhaps your fridge knows that you're stressed,
168
544337
2548
ή ίσως το ψυγείο σας να αναγνωρίζει ότι είστε αγχωμένος
09:06
so it auto-locks to prevent you from binge eating. (Laughter)
169
546885
6066
και να κλειδώνει αυτόματα αποτρέποντας τη λαίμαργη επιδρομή σας. (Γέλια)
Θα μου άρεσε αυτό, ναι.
09:12
I would like that, yeah.
170
552951
2717
09:15
What if, when I was in Cambridge,
171
555668
1927
Τι εάν, όταν ήμουν στο Κέμπριτζ,
09:17
I had access to my real-time emotion stream,
172
557595
2313
είχα πρόσβαση στη ροή συναισθημάτων μου σε πραγματικό χρόνο
09:19
and I could share that with my family back home in a very natural way,
173
559908
3529
και μπορούσα να τη μοιραστώ με την οικογένειά μου πολύ φυσικά
09:23
just like I would've if we were all in the same room together?
174
563437
3971
ακριβώς όπως θα έκανα αν είμασταν όλοι μαζί στο ίδιο δωμάτιο;
09:27
I think five years down the line,
175
567408
3142
Νομίζω ότι σε πέντε χρόνια, όλες οι συσκευές θα έχουν τσιπ συναισθημάτων
09:30
all our devices are going to have an emotion chip,
176
570550
2337
09:32
and we won't remember what it was like when we couldn't just frown at our device
177
572887
4064
και δεν θα θυμόμαστε πώς ήταν
όταν δεν μπορούσαμε να αγριοκοιτάξουμε τη συσκευή μας
09:36
and our device would say, "Hmm, you didn't like that, did you?"
178
576951
4249
και αυτή να μας πει «Χμ, μάλλον δεν σου αρέσε αυτό, σωστά;»
09:41
Our biggest challenge is that there are so many applications of this technology,
179
581200
3761
Η μεγαλύτερη πρόκληση είναι
ότι υπάρχουν τόσες εφαρμογές αυτής της τεχνολογίας,
09:44
my team and I realize that we can't build them all ourselves,
180
584961
2903
που η ομάδα μας δεν μπορεί να τις κάνει όλες μόνη της
09:47
so we've made this technology available so that other developers
181
587864
3496
έτσι κάναμε την τεχνολογία διαθέσιμη
ώστε και άλλοι προγραμματιστές να χτίσουν και να γίνουν δημιουργικοί.
09:51
can get building and get creative.
182
591360
2114
09:53
We recognize that there are potential risks
183
593474
4086
Κατανοούμε ότι υπάρχουν πιθανοί κίνδυνοι και ενδεχόμενη κατάχρηση,
09:57
and potential for abuse,
184
597560
2067
09:59
but personally, having spent many years doing this,
185
599627
2949
αλλά προσωπικά, έχοντας περάσει τόσα χρόνια πάνω σε αυτό,
10:02
I believe that the benefits to humanity
186
602576
2972
πιστεύω ότι τα οφέλη για την ανθρωπότητα
10:05
from having emotionally intelligent technology
187
605548
2275
από το να έχουμε συναισθηματικά ευφυή τεχνολογία
10:07
far outweigh the potential for misuse.
188
607823
3576
ξεπερνούν κατά πολύ την πιθανότητα κακής χρήσης.
10:11
And I invite you all to be part of the conversation.
189
611399
2531
Σας προσκαλώ όλους να συμμετέχετε στη συζήτηση.
10:13
The more people who know about this technology,
190
613930
2554
Όσα περισσότερα γνωρίζει ο κόσμος γι' αυτή την τεχνολογία,
10:16
the more we can all have a voice in how it's being used.
191
616484
3177
τόσο περισσότερο μπορούμε όλοι να έχουμε άποψη για την χρήση της.
10:21
So as more and more of our lives become digital,
192
621081
4574
'Ετσι, καθώς οι ζωές μας γίνονται όλο και πιο ψηφιακές,
10:25
we are fighting a losing battle trying to curb our usage of devices
193
625655
3498
μάταια αγωνιζόμαστε να επιβραδύνουμε τη χρήση των συσκευών
10:29
in order to reclaim our emotions.
194
629153
2229
για να ανακτήσουμε τα συναισθήματά μας.
10:32
So what I'm trying to do instead is to bring emotions into our technology
195
632622
3914
Αυτό που προσπαθώ να κάνω είναι να φέρω το συναίσθημα στην τεχνολογία
10:36
and make our technologies more responsive.
196
636536
2229
και να κάνω την τεχνολογία να αποκρίνεται.
10:38
So I want those devices that have separated us
197
638765
2670
Θέλω λοιπόν εκείνες οι συσκευές που μας απομάκρυναν
10:41
to bring us back together.
198
641435
2462
να μας ενώσουν και πάλι.
10:43
And by humanizing technology, we have this golden opportunity
199
643897
4588
Και εξανθρωπίζοντας την τεχνολογία έχουμε αυτή τη χρυσή ευκαιρία
10:48
to reimagine how we connect with machines,
200
648485
3297
να αναδιατυπώσουμε τη σχέση μας με τις μηχανές
10:51
and therefore, how we, as human beings,
201
651782
4481
και ως εκ τούτου, και το πώς εμείς ως ανθρώπινα όντα,
10:56
connect with one another.
202
656263
1904
συνδεόμαστε ο ένας με τον άλλον.
10:58
Thank you.
203
658167
2160
Ευχαριστώ.
(Χειροκρότημα)
11:00
(Applause)
204
660327
3313
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