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

137,190 views ・ 2015-06-15

TED


Haga doble clic en los subtítulos en inglés para reproducir el vídeo.

Traductor: Sebastian Betti Revisor: Denise RQ
00:12
Our emotions influence every aspect of our lives,
0
12556
4017
Las emociones influyen en cada aspecto de nuestras vidas,
00:16
from our health and how we learn, to how we do business and make decisions,
1
16573
3576
de la salud y el aprendizaje, a la forma de hacer negocios y tomar decisiones,
00:20
big ones and small.
2
20149
1773
grandes y pequeñas.
00:22
Our emotions also influence how we connect with one another.
3
22672
3490
Las emociones influyen en la forma en la cual interaccionamos entre nosotros.
00:27
We've evolved to live in a world like this,
4
27132
3976
Hemos evolucionado para vivir en un mundo como este,
00:31
but instead, we're living more and more of our lives like this --
5
31108
4319
pero en cambio, vivimos la vida cada vez más de esta manera
00:35
this is the text message from my daughter last night --
6
35427
3134
--este es el mensaje de texto que recibí de mi hija anoche--
00:38
in a world that's devoid of emotion.
7
38561
2740
en un mundo desprovisto de emoción.
00:41
So I'm on a mission to change that.
8
41301
1951
Mi misión es cambiar esto.
00:43
I want to bring emotions back into our digital experiences.
9
43252
4091
Quiero devolver las emociones a nuestra experiencia digital.
00:48
I started on this path 15 years ago.
10
48223
3077
Empecé con esto hace 15 años.
00:51
I was a computer scientist in Egypt,
11
51300
2066
Era ingeniera informática en Egipto
00:53
and I had just gotten accepted to a Ph.D. program at Cambridge University.
12
53366
4505
y fui aceptada en un programa de doctorado en la Universidad de Cambridge.
00:57
So I did something quite unusual
13
57871
2113
E hice algo bastante inusual
00:59
for a young newlywed Muslim Egyptian wife:
14
59984
4225
para una joven recién casada, egipcia y musulmana:
01:05
With the support of my husband, who had to stay in Egypt,
15
65599
2999
con el apoyo de mi marido, que debía quedarse en Egipto,
01:08
I packed my bags and I moved to England.
16
68598
3018
hice las maletas y me mudé a Inglaterra.
01:11
At Cambridge, thousands of miles away from home,
17
71616
3228
En Cambridge, a miles de kilómetros de casa,
01:14
I realized I was spending more hours with my laptop
18
74844
3413
me di cuenta de que estaba pasando más horas con mi laptop
01:18
than I did with any other human.
19
78257
2229
que con otros seres humanos.
01:20
Yet despite this intimacy, my laptop had absolutely no idea how I was feeling.
20
80486
4853
Pero a pesar de esta intimidad, mi laptop no tenía ni idea de mi estado de ánimo.
01:25
It had no idea if I was happy,
21
85339
3211
No tenía idea de si yo era feliz,
01:28
having a bad day, or stressed, confused,
22
88550
2988
si tenía un mal día, o estaba estresada o confundida,
01:31
and so that got frustrating.
23
91538
2922
y eso era frustrante.
01:35
Even worse, as I communicated online with my family back home,
24
95600
5231
Aun peor, cuando me comunicaba en línea con mi familia en casa,
01:41
I felt that all my emotions disappeared in cyberspace.
25
101421
3282
sentía que todas mis emociones desaparecían en el ciberespacio.
01:44
I was homesick, I was lonely, and on some days I was actually crying,
26
104703
5155
Sentía nostalgia, estaba sola, y algunos días lloraba,
01:49
but all I had to communicate these emotions was this.
27
109858
4928
pero todo lo que tenía para comunicar mis emociones era esto.
01:54
(Laughter)
28
114786
2020
(Risas)
01:56
Today's technology has lots of I.Q., but no E.Q.;
29
116806
4974
Hoy la tecnología es inteligente pero no emocional
02:01
lots of cognitive intelligence, but no emotional intelligence.
30
121780
3176
mucha inteligencia cognitiva, pero nada de inteligencia emocional.
02:04
So that got me thinking,
31
124956
2197
Eso me hizo pensar,
02:07
what if our technology could sense our emotions?
32
127153
3624
¿y si la tecnología pudiera interpretar nuestras emociones?
02:10
What if our devices could sense how we felt and reacted accordingly,
33
130777
4076
¿Y si nuestros dispositivos pudieran detectar y reaccionar en consecuencia,
02:14
just the way an emotionally intelligent friend would?
34
134853
3013
como lo harían los amigos con inteligencia emocional?
02:18
Those questions led me and my team
35
138666
3564
Esas preguntas me guiaron a mí y a mi equipo
02:22
to create technologies that can read and respond to our emotions,
36
142230
4377
a crear tecnologías capaces de leer emociones y responder,
02:26
and our starting point was the human face.
37
146607
3090
y nuestro punto de partida fue el rostro humano.
02:30
So our human face happens to be one of the most powerful channels
38
150577
3173
Nuestro rostro es uno de los canales más poderosos
02:33
that we all use to communicate social and emotional states,
39
153750
4016
que usamos para comunicar estados sociales y emocionales,
02:37
everything from enjoyment, surprise,
40
157766
3010
todo, del disfrute y la sorpresa,
02:40
empathy and curiosity.
41
160776
4203
a la empatía y la curiosidad.
02:44
In emotion science, we call each facial muscle movement an action unit.
42
164979
4928
En la ciencia de las emociones, cada movimiento de cada músculo facial,
es una unidad de acción.
02:49
So for example, action unit 12,
43
169907
2925
Por ejemplo, la unidad de acción 12,
02:52
it's not a Hollywood blockbuster,
44
172832
2038
no es una superproducción de Hollywood,
02:54
it is actually a lip corner pull, which is the main component of a smile.
45
174870
3442
es el tirón de la comisura labial, componente principal de una sonrisa.
02:58
Try it everybody. Let's get some smiles going on.
46
178312
2988
Intenten todos. Sonriamos.
03:01
Another example is action unit 4. It's the brow furrow.
47
181300
2654
Otro ejemplo es la unidad de acción 4,
03:03
It's when you draw your eyebrows together
48
183954
2238
las líneas de expresión en el entrecejo cuando juntamos las cejas
03:06
and you create all these textures and wrinkles.
49
186192
2267
y se forman estos pliegues y arrugas.
03:08
We don't like them, but it's a strong indicator of a negative emotion.
50
188459
4295
No nos gustan, pero es una fuerte señal de una emoción negativa.
03:12
So we have about 45 of these action units,
51
192754
2206
Hay unas 45 unidades de acción,
03:14
and they combine to express hundreds of emotions.
52
194960
3390
y combinadas expresan cientos de emociones,
03:18
Teaching a computer to read these facial emotions is hard,
53
198350
3901
Enseñarle a una computadora a leer estas emociones faciales es difícil,
03:22
because these action units, they can be fast, they're subtle,
54
202251
2972
porque estas unidades de acción pueden ser rápidas y sutiles,
03:25
and they combine in many different ways.
55
205223
2554
y se combinan de muchas formas.
03:27
So take, for example, the smile and the smirk.
56
207777
3738
Tomemos por ejemplo la sonrisa genuina y la socarrona.
03:31
They look somewhat similar, but they mean very different things.
57
211515
3753
Se parecen pero expresan cosas diferentes.
03:35
(Laughter)
58
215268
1718
(Risas)
03:36
So the smile is positive,
59
216986
3004
La sonrisa genuina es positiva,
03:39
a smirk is often negative.
60
219990
1270
la sonrisa socarrona a veces es negativa.
03:41
Sometimes a smirk can make you become famous.
61
221260
3876
A veces una mueca puede hacerte célebre.
03:45
But seriously, it's important for a computer to be able
62
225136
2824
Pero en serio, es importante para una computadora poder
03:47
to tell the difference between the two expressions.
63
227960
2855
notar la diferencia entre las dos expresiones.
03:50
So how do we do that?
64
230815
1812
¿Cómo hacemos esto?
03:52
We give our algorithms
65
232627
1787
Introducimos en el programa de computación
03:54
tens of thousands of examples of people we know to be smiling,
66
234414
4110
decenas de miles de ejemplos de personas que sonríen
03:58
from different ethnicities, ages, genders,
67
238524
3065
de distintas etnias, edades, géneros,
04:01
and we do the same for smirks.
68
241589
2811
y hacemos lo mismo con las sonrisas socarronas.
04:04
And then, using deep learning,
69
244400
1554
Luego, los algoritmos en aprendizaje automático
04:05
the algorithm looks for all these textures and wrinkles
70
245954
2856
buscan estas lineas, pliegues y cambios musculares faciales
04:08
and shape changes on our face,
71
248810
2580
04:11
and basically learns that all smiles have common characteristics,
72
251390
3202
y básicamente aprenden
que todas las sonrisas genuinas tienen características comunes
04:14
all smirks have subtly different characteristics.
73
254592
3181
mientras que las sonrisas socarronas tienen otras sensiblemente diferentes.
04:17
And the next time it sees a new face,
74
257773
2368
Y la próxima vez que vean un nuevo rostro, sabrán
04:20
it essentially learns that
75
260141
2299
04:22
this face has the same characteristics of a smile,
76
262440
3033
que este rostro tiene las mismas características de una sonrisa genuina,
04:25
and it says, "Aha, I recognize this. This is a smile expression."
77
265473
4278
y dirán: "Ajá, la reconozco. Esta es la expresión de una sonrisa".
04:30
So the best way to demonstrate how this technology works
78
270381
2800
Y la mejor manera de demostrar cómo funciona esta tecnología
04:33
is to try a live demo,
79
273181
2136
es con una demo en vivo,
04:35
so I need a volunteer, preferably somebody with a face.
80
275317
3913
para esto necesito un voluntario, preferentemente alguien con un rostro.
04:39
(Laughter)
81
279230
2334
(Risas)
04:41
Cloe's going to be our volunteer today.
82
281564
2771
Chloe será nuestra voluntaria de hoy.
04:45
So over the past five years, we've moved from being a research project at MIT
83
285325
4458
En los últimos 5 años, pasamos de ser un proyecto de investigación en el MIT
04:49
to a company,
84
289783
1156
a ser una empresa,
04:50
where my team has worked really hard to make this technology work,
85
290939
3192
donde mi equipo ha trabajado arduamente en esta tecnología,
04:54
as we like to say, in the wild.
86
294131
2409
para que funcione fuera del laboratorio.
04:56
And we've also shrunk it so that the core emotion engine
87
296540
2670
Y la hemos compactado tanto como para que el lector de las emociones
04:59
works on any mobile device with a camera, like this iPad.
88
299210
3320
funcione en un dispositivo móvil con una cámara, como este iPad.
05:02
So let's give this a try.
89
302530
2786
Así que probémosla.
05:06
As you can see, the algorithm has essentially found Cloe's face,
90
306756
3924
Como pueden ver, el algoritmo detectó el rostro de Chloe,
05:10
so it's this white bounding box,
91
310680
1692
es este cuadro delimitador blanco,
05:12
and it's tracking the main feature points on her face,
92
312372
2571
que detecta los contornos principales de sus rasgos faciales,
05:14
so her eyebrows, her eyes, her mouth and her nose.
93
314943
2856
sus cejas, sus ojos, su boca y nariz.
05:17
The question is, can it recognize her expression?
94
317799
2987
La pregunta es: ¿puede reconocer su expresión?
05:20
So we're going to test the machine.
95
320786
1671
Vamos a probar la máquina.
05:22
So first of all, give me your poker face. Yep, awesome. (Laughter)
96
322457
4186
Ante todo, pon cara de póquer. Sí, genial. (Risas)
05:26
And then as she smiles, this is a genuine smile, it's great.
97
326643
2813
Y a medida que sonríe --esta es una sonrisa genuina, es genial--
05:29
So you can see the green bar go up as she smiles.
98
329456
2300
pueden ver como aumenta la barra verde.
05:31
Now that was a big smile.
99
331756
1222
Esa fue una gran sonrisa.
05:32
Can you try a subtle smile to see if the computer can recognize?
100
332978
3043
¿Puedes intentar una sonrisa sutil para ver si la computadora la reconoce?
05:36
It does recognize subtle smiles as well.
101
336021
2331
También reconoce sonrisas sutiles.
05:38
We've worked really hard to make that happen.
102
338352
2125
Hemos trabajado arduamente para que esto suceda.
05:40
And then eyebrow raised, indicator of surprise.
103
340477
2962
Luego levanta una ceja, que indica sorpresa.
05:43
Brow furrow, which is an indicator of confusion.
104
343439
4249
Frunce el ceño, que indica la confusión.
05:47
Frown. Yes, perfect.
105
347688
4007
Enfurruñate. Sí, perfecto.
05:51
So these are all the different action units. There's many more of them.
106
351695
3493
Estas son diferentes unidades de acción. Hay muchas más.
05:55
This is just a slimmed-down demo.
107
355188
2032
Esta es solo una demo superficial.
05:57
But we call each reading an emotion data point,
108
357220
3148
Llamamos a cada lectura un dato emocional,
06:00
and then they can fire together to portray different emotions.
109
360368
2969
que luego pueden actuar juntos para crear distintas emociones.
06:03
So on the right side of the demo -- look like you're happy.
110
363337
4653
A la derecha de la demo, parece que estás feliz.
06:07
So that's joy. Joy fires up.
111
367990
1454
Eso es alegría. Se desata la alegría.
06:09
And then give me a disgust face.
112
369444
1927
Ahora pon cara de disgusto.
06:11
Try to remember what it was like when Zayn left One Direction.
113
371371
4272
Trata de recordar qué sentiste cuando Zayn dejó One Direction.
06:15
(Laughter)
114
375643
1510
(Risas)
06:17
Yeah, wrinkle your nose. Awesome.
115
377153
4342
Sí, arruga la nariz. Genial.
06:21
And the valence is actually quite negative, so you must have been a big fan.
116
381495
3731
La valencia es bastante negativa, por lo que debe haber sido una gran fan.
06:25
So valence is how positive or negative an experience is,
117
385226
2700
La valencia indica cuán positiva o negativa es una experiencia,
06:27
and engagement is how expressive she is as well.
118
387926
2786
y la vinculación indica lo expresiva que es también.
06:30
So imagine if Cloe had access to this real-time emotion stream,
119
390712
3414
Imaginen que Chloe tiene acceso a este contenido emocional en tiempo real,
06:34
and she could share it with anybody she wanted to.
120
394126
2809
y que puede compartir sus emociones con quien quiere.
06:36
Thank you.
121
396935
2923
Gracias.
(Aplausos)
06:39
(Applause)
122
399858
4621
06:45
So, so far, we have amassed 12 billion of these emotion data points.
123
405749
5270
Hasta ahora contamos con 12 000 millones de estos indicadores emocionales.
06:51
It's the largest emotion database in the world.
124
411019
2611
Es la base de datos de emociones más grande del mundo.
06:53
We've collected it from 2.9 million face videos,
125
413630
2963
La hemos recopilado a partir de 2,9 millones de rostros en videos,
06:56
people who have agreed to share their emotions with us,
126
416593
2600
de personas que accedieron a compartir sus emociones con nosotros,
06:59
and from 75 countries around the world.
127
419193
3205
de 75 países del mundo.
07:02
It's growing every day.
128
422398
1715
Crece cada día.
07:04
It blows my mind away
129
424603
2067
Me resulta impactante
07:06
that we can now quantify something as personal as our emotions,
130
426670
3195
que ahora podamos cuantificar algo tan personal como las emociones,
07:09
and we can do it at this scale.
131
429865
2235
y poder hacerlo a esta escala.
07:12
So what have we learned to date?
132
432100
2177
¿Qué hemos aprendido hasta la fecha?
07:15
Gender.
133
435057
2331
Hay diferencias por género.
07:17
Our data confirms something that you might suspect.
134
437388
3646
Nuestros datos confirman algo que Uds. ya sospechaban.
Las mujeres son más expresivas que los hombres.
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
No solo sonríen más, sus sonrisas duran más,
07:25
and we can now really quantify what it is that men and women
137
445574
2904
y ahora podemos cuantificar cómo es que hombres y mujeres
07:28
respond to differently.
138
448478
2136
responden de maneras tan diferentes.
07:30
Let's do culture: So in the United States,
139
450614
2290
Veamos culturalmente: en EE.UU.,
07:32
women are 40 percent more expressive than men,
140
452904
3204
las mujeres son un 40 % más expresivas que los hombres,
07:36
but curiously, we don't see any difference in the U.K. between men and women.
141
456108
3645
pero curiosamente, no vemos diferencia entre hombres y mujeres en el R.U.
07:39
(Laughter)
142
459753
2506
(Risas)
07:43
Age: People who are 50 years and older
143
463296
4027
Por edad: las personas de 50 años o más
07:47
are 25 percent more emotive than younger people.
144
467323
3436
son un 25 % más emotivos que los más jóvenes.
07:51
Women in their 20s smile a lot more than men the same age,
145
471899
3852
Las mujeres de veintipico sonríen mucho más que los hombres de la misma edad,
07:55
perhaps a necessity for dating.
146
475751
3839
quizá es una necesidad para las citas.
07:59
But perhaps what surprised us the most about this data
147
479590
2617
Pero quizá lo que más nos sorprende de estos datos
08:02
is that we happen to be expressive all the time,
148
482207
3203
es que solemos ser expresivos todo el tiempo,
08:05
even when we are sitting in front of our devices alone,
149
485410
2833
incluso cuando estamos sentados solos frente a nuestros dispositivos
08:08
and it's not just when we're watching cat videos on Facebook.
150
488243
3274
y no solo cuando miramos videos de gatos en Facebook.
08:12
We are expressive when we're emailing, texting, shopping online,
151
492217
3010
Somos expresivos cuando mandamos emails, mensajes, cuando compramos en línea,
08:15
or even doing our taxes.
152
495227
2300
o incluso pagando impuestos.
08:17
Where is this data used today?
153
497527
2392
¿Para qué se usan estos datos hoy?
08:19
In understanding how we engage with media,
154
499919
2763
Para entender cómo nos relacionamos con los medios,
08:22
so understanding virality and voting behavior;
155
502682
2484
para entender la viralidad y el comportamiento del voto;
08:25
and also empowering or emotion-enabling technology,
156
505166
2740
y también para dar poder dotar de emoción a la tecnología,
08:27
and I want to share some examples that are especially close to my heart.
157
507906
4621
y quiero compartir algunos ejemplos particularmente especiales para mi.
08:33
Emotion-enabled wearable glasses can help individuals
158
513197
3068
Las gafas portátiles con lector emotivo pueden ayudar
a las personas con discapacidad visual a leer los rostros de los demás,
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
y a las personas del espectro autista a interpretar pistas emocionales
08:43
something that they really struggle with.
161
523680
2778
algo que les cuesta mucho.
08:47
In education, imagine if your learning apps
162
527918
2859
En educación, imaginen si sus apps educativas
08:50
sense that you're confused and slow down,
163
530777
2810
detectaran que están confundidos y bajaran la velocidad,
08:53
or that you're bored, so it's sped up,
164
533587
1857
o que están aburridos, y aceleraran,
08:55
just like a great teacher would in a classroom.
165
535444
2969
como haría un buen profesor en el aula.
08:59
What if your wristwatch tracked your mood,
166
539043
2601
Y si una pulsera leyera su estado anímico,
09:01
or your car sensed that you're tired,
167
541644
2693
o el auto detectara que están cansados,
09:04
or perhaps your fridge knows that you're stressed,
168
544337
2548
o quizá si el frigorífico supiera que están estresados,
09:06
so it auto-locks to prevent you from binge eating. (Laughter)
169
546885
6066
y se autobloqueara para evitar atracones. (Risas)
09:12
I would like that, yeah.
170
552951
2717
Me gustaría eso, sí.
09:15
What if, when I was in Cambridge,
171
555668
1927
¿Y si, cuando estuve en Cambridge,
09:17
I had access to my real-time emotion stream,
172
557595
2313
hubiera tenido acceso en tiempo real a mi contenido emocional
09:19
and I could share that with my family back home in a very natural way,
173
559908
3529
y hubiera podido compartirlo con mi familia en casa de manera muy natural,
09:23
just like I would've if we were all in the same room together?
174
563437
3971
como si estuviéramos en la misma habitación juntos?
09:27
I think five years down the line,
175
567408
3142
Creo que dentro de 5 años,
09:30
all our devices are going to have an emotion chip,
176
570550
2337
todos los dispositivos tendrán un chip lector de emociones
09:32
and we won't remember what it was like when we couldn't just frown at our device
177
572887
4064
y no recordaremos cómo era no poder fruncir el ceño a nuestro dispositivo
09:36
and our device would say, "Hmm, you didn't like that, did you?"
178
576951
4249
y que nuestro dispositivo dijera: "Mmm, no te gusta, ¿no?"
09:41
Our biggest challenge is that there are so many applications of this technology,
179
581200
3761
Nuestro desafío más grande es que hay tantas aplicaciones para esta tecnología,
09:44
my team and I realize that we can't build them all ourselves,
180
584961
2903
que mi equipo y yo nos dimos cuenta de que no podemos con todo solos,
09:47
so we've made this technology available so that other developers
181
587864
3496
por eso liberamos esta tecnología
para que otros desarrolladores puedan desarrollarla y ser creativos.
09:51
can get building and get creative.
182
591360
2114
09:53
We recognize that there are potential risks
183
593474
4086
Reconocemos que hay riesgos potenciales
09:57
and potential for abuse,
184
597560
2067
y potencial para el abuso,
09:59
but personally, having spent many years doing this,
185
599627
2949
pero en mi opinión, habiendo pasado muchos años haciendo esto,
10:02
I believe that the benefits to humanity
186
602576
2972
creo que los beneficios para la humanidad
10:05
from having emotionally intelligent technology
187
605548
2275
de contar con tecnología emocionalmente inteligente
10:07
far outweigh the potential for misuse.
188
607823
3576
superan con creces las desventajas por uso indebido.
10:11
And I invite you all to be part of the conversation.
189
611399
2531
Y los invito a todos a tomar parte en el debate.
10:13
The more people who know about this technology,
190
613930
2554
Cuantas más personas conozcan esta tecnología,
10:16
the more we can all have a voice in how it's being used.
191
616484
3177
más podemos decir sobre cómo se usa.
10:21
So as more and more of our lives become digital,
192
621081
4574
Conforme nuestras vidas se vuelven cada vez más digitales,
10:25
we are fighting a losing battle trying to curb our usage of devices
193
625655
3498
estamos librando una batalla perdida tratando de evitar los dispositivos
10:29
in order to reclaim our emotions.
194
629153
2229
para recuperar nuestras emociones.
10:32
So what I'm trying to do instead is to bring emotions into our technology
195
632622
3914
Por eso yo propongo, en cambio, incorporar las emociones a la tecnología
10:36
and make our technologies more responsive.
196
636536
2229
y hacer que nuestras tecnologías sean más receptivas.
10:38
So I want those devices that have separated us
197
638765
2670
Quiero que esos dispositivos que nos han separado
10:41
to bring us back together.
198
641435
2462
nos vuelvan a unir.
10:43
And by humanizing technology, we have this golden opportunity
199
643897
4588
Y humanizando la tecnología, tenemos esta oportunidad excelente
10:48
to reimagine how we connect with machines,
200
648485
3297
de reinventar la manera de conectarnos con las máquinas,
10:51
and therefore, how we, as human beings,
201
651782
4481
y por lo tanto, la manera de como nosotros, los seres humanos,
10:56
connect with one another.
202
656263
1904
conectamos unos con otros.
10:58
Thank you.
203
658167
2160
Gracias.
(Aplausos)
11:00
(Applause)
204
660327
3313
Acerca de este sitio web

Este sitio le presentará vídeos de YouTube útiles para aprender inglés. Verá lecciones de inglés impartidas por profesores de primera categoría de todo el mundo. Haz doble clic en los subtítulos en inglés que aparecen en cada página de vídeo para reproducir el vídeo desde allí. Los subtítulos se desplazan en sincronía con la reproducción del vídeo. Si tiene algún comentario o petición, póngase en contacto con nosotros mediante este formulario de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7