How I'm using biological data to tell better stories -- and spark social change | Heidi Boisvert

52,488 views ・ 2020-01-02

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

Fordító: Beatrix Turán Lektor: Péter Pallós
00:13
For the past 15 years I've been trying to change your mind.
0
13458
3542
Már 15 éve igyekszem megváltoztatni gondolkodásukat.
00:17
In my work I harness pop culture and emerging technology
1
17917
3851
Munkám során a popkultúrát és a feltörekvő technológiákat használom
00:21
to shift cultural norms.
2
21792
1458
a kultúrnormák átszabására.
00:23
I've made video games to promote human rights,
3
23833
3685
Készítettem emberi jogokat népszerűsítő videójátékokat,
00:27
I've made animations to raise awareness about unfair immigration laws
4
27542
5059
figyelemfelkeltő animációkat az igazságtalan bevándorlási törvényekről,
00:32
and I've even made location-based augmented reality apps
5
32625
4226
és még helymeghatározáson alapuló kiterjesztettvalóság-alkalmazásokat is,
00:36
to change perceptions around homelessness
6
36875
2643
hogy megváltoztassam a vélekedést a hajléktalanságról,
00:39
well before Pokémon Go.
7
39542
1934
jóval a Pokémon Go előtt.
00:41
(Laughter)
8
41500
1351
(Nevetés)
00:42
But then I began to wonder whether a game or an app
9
42875
4018
De aztán elgondolkodtam, egy játék vagy alkalmazás
00:46
can really change attitudes and behaviors,
10
46917
2476
tud-e változtatni a hozzáálláson és a viselkedésen,
00:49
and if so, can I measure that change?
11
49417
3017
s ha igen, mérhető-e a változás?
00:52
What's the science behind that process?
12
52458
2976
Miféle tudományon alapul a folyamat?
00:55
So I shifted my focus from making media and technology
13
55458
3726
Figyelmemet a média és technológia helyett ezután
00:59
to measuring their neurobiological effects.
14
59208
3042
a neurobiológiai hatások mérésére fordítottam.
01:03
Here's what I discovered.
15
63458
1851
Íme, erre jutottam.
01:05
The web, mobile devices, virtual and augmented reality
16
65333
3893
A web, a mobileszközök, a virtuális és kiterjesztett valóság
01:09
were rescripting our nervous systems.
17
69250
2684
újrahuzalozták idegrendszerünket.
01:11
And they were literally changing the structure of our brain.
18
71958
2959
Ténylegesen megváltoztatták agyunk szerkezetét.
01:15
The very technologies I had been using to positively influence hearts and minds
19
75875
4976
A technológiák, amelyekkel pozitívan akartam hatni a szívre és elmére,
01:20
were actually eroding functions in the brain necessary for empathy
20
80875
4393
éppenséggel leépítették agyunk együttérzésért
01:25
and decision-making.
21
85292
1851
és döntéshozatalért felelős funkcióit.
01:27
In fact, our dependence upon the web and mobile devices
22
87167
4142
Net- és mobilfüggésünk
01:31
might be taking over our cognitive and affective faculties,
23
91333
4101
talán átveszi az uralmat kognitív és érzelmi képességeink fölött,
01:35
rendering us socially and emotionally incompetent,
24
95458
3560
a társas viszonyokban és érzelmileg inkompetenssé tesz,
01:39
and I felt complicit in this dehumanization.
25
99042
3291
s úgy éreztem, az elembertelenedés az én bűnöm is.
01:43
I realized that before I could continue making media about social issues,
26
103292
4642
Rájöttem: mielőtt további médiatermékeket gyártok társadalmi ügyekről,
01:47
I needed to reverse engineer the harmful effects of technology.
27
107958
4417
vissza kell fejtenem a technológia káros hatásait.
01:52
To tackle this I asked myself,
28
112917
2767
Hogy ezt megoldjam, feltettem magamnak a kérdést:
01:55
"How can I translate the mechanisms of empathy,
29
115708
3393
"Hogyan változtathatom az empátia működését,
01:59
the cognitive, affective and motivational aspects,
30
119125
3643
a kognitív, érzelmi és motivációs jellegzetességeket olyan géppé,
02:02
into an engine that simulates the narrative ingredients
31
122792
3226
amely a cselekvésre ösztönző
02:06
that move us to act?"
32
126042
1291
történetelemeket utánozza?"
02:08
To answer this, I had to build a machine.
33
128583
3935
Hogy ezt megválaszoljam, építenem kellett egy gépet.
02:12
(Laughter)
34
132542
1726
(Nevetés)
02:14
I've been developing an open-source biometric lab,
35
134292
2892
Nyílt forráskódú biometrikus labort,
02:17
an AI system which I call the Limbic Lab.
36
137208
3476
egy MI-rendszert fejlesztettem, amelyet Limbikus Labornak hívok.
02:20
The lab not only captures
37
140708
1435
A labor agyunk és testünk
02:22
the brain and body's unconscious response to media and technology
38
142167
4226
médiára és technológiára adott tudattalan válaszait fogja fel,
02:26
but also uses machine learning to adapt content
39
146417
2976
és gépi tanulást is alkalmaz,
02:29
based on these biological responses.
40
149417
2208
amely e reakciók alapján alakítja a tartalmat.
02:32
My goal is to find out what combination of narrative ingredients
41
152667
3517
Azt akarom kideríteni, a történetelemek mely kombinációja
02:36
are the most appealing and galvanizing
42
156208
2143
a legvonzóbb és leginkább megmozgató
02:38
to specific target audiences
43
158375
1809
különböző célközönségek számára,
02:40
to enable social justice, cultural and educational organizations
44
160208
5018
hogy ezzel igazságügyi, kulturális és oktatási szervezetek
02:45
to create more effective media.
45
165250
2643
minél hatásosabb tartalmat állíthassanak elő.
02:47
The Limbic Lab consists of two components:
46
167917
2851
A Limbikus Labor két részből áll:
02:50
a narrative engine and a media machine.
47
170792
2541
a narratív motorból és a médiagépből.
02:54
While a subject is viewing or interacting with media content,
48
174375
4226
Míg az alany médiatartalmat néz vagy reagál rá,
02:58
the narrative engine takes in and syncs real-time data from brain waves,
49
178625
4184
a narratív motor valós idejű adatokat gyűjt az agyhullámokból,
03:02
biophysical data like heart rate, blood flow, body temperature
50
182833
3560
illetve adatokat gyűjt pl. a pulzusról, véráramról, testhőmérsékletről,
03:06
and muscle contraction,
51
186417
1684
izomösszehúzódásokról,
03:08
as well as eye-tracking and facial expressions.
52
188125
2958
valamint a szemmozgásról és az arckifejezésekről is.
03:12
Data is captured at key places where critical plot points,
53
192083
3726
Az adatokat kulcsfontosságú részleteknél rögzíti: fontos eseményeknél,
03:15
character interaction or unusual camera angles occur.
54
195833
3417
a szereplők interakcióinál, vagy szokatlan kameraszögeknél.
03:20
Like the final scene in "Game of Thrones, Red Wedding,"
55
200292
2726
Ilyen pl. a Trónok harcában a vörös nász utolsó jelenete,
03:23
when shockingly,
56
203042
2309
amely során, döbbenetes módon,
03:25
everybody dies.
57
205375
1559
mindenki meghal.
03:26
(Laughter)
58
206958
1250
(Nevetés)
03:29
Survey data on that person's political beliefs,
59
209042
3184
Az alany politikai meggyőződésére vonatkozó adatok,
03:32
along with their psychographic and demographic data,
60
212250
3143
továbbá pszichografikus és demografikus adatok
03:35
are integrated into the system
61
215417
1767
is beépülnek a rendszerbe,
03:37
to gain a deeper understanding of the individual.
62
217208
2709
hogy mélyebben megértsük az alanyt.
03:40
Let me give you an example.
63
220833
1542
Mondok egy példát.
03:43
Matching people's TV preferences with their views on social justice issues
64
223708
4851
Ha emberek kedvenc sorozatait összevetjük nézeteikkel a társadalmi kérdésekről,
03:48
reveals that Americans who rank immigration among their top three concerns
65
228583
4268
kiderül, hogy a bevándorlást az egyik legfőbb problémának tekintő amerikaiak
03:52
are more likely to be fans of "The Walking Dead,"
66
232875
2792
nagyobb eséllyel rajonganak a Walking Dead sorozatért,
03:56
and they often watch for the adrenaline boost,
67
236958
2810
és gyakran nézik az adrenalinlöketért,
03:59
which is measurable.
68
239792
1291
ez pedig pontosan mérhető.
04:01
A person's biological signature and their survey response
69
241792
3934
Az alany biológiai jegyei és kérdőívre adott válaszai
04:05
combines into a database to create their unique media imprint.
70
245750
4851
adatbázist alkotnak, amely az alany egyedi médialenyomatát adja ki.
04:10
Then our predictive model finds patterns between media imprints
71
250625
4268
Előrejelző modellünk eztán mintázatokat keres a médialenyomatok között,
04:14
and tells me which narrative ingredients
72
254917
1976
és megmondja,
04:16
are more likely to lead to engagement in altruistic behavior
73
256917
3767
mely narratív elemek vezetnek nagyobb eséllyel önzetlen viselkedéshez,
04:20
rather than distress and apathy.
74
260708
2685
mint szorongáshoz vagy közönyhöz.
04:23
The more imprints added to the database
75
263417
2184
Minél több lenyomat kerül az adatbázisba
04:25
across mediums from episodic television to games,
76
265625
3226
többféle médiumon, pl. tévésorozatokon vagy játékokon keresztül,
04:28
the better the predictive models become.
77
268875
2167
az előrejelző modell annál pontosabbá válik.
04:32
In short, I am mapping the first media genome.
78
272417
3851
Röviden, az első médiagenomot térképezem fel.
04:36
(Applause and cheers)
79
276292
3791
(Taps és éljenzés)
04:44
Whereas the human genome identifies all genes involved
80
284083
3185
Míg az emberi genom leírja az ember DNS-szekvenciájában
04:47
in sequencing human DNA,
81
287292
1833
szereplő összes gént,
04:49
the growing database of media imprints will eventually allow me
82
289917
3226
addig a médialenyomatok növekvő adatbázisa lehetővé teszi majd,
04:53
to determine the media DNA for a specific person.
83
293167
4125
hogy meghatározzam egy konkrét személy média-DNS-ét.
04:58
Already the Limbic Lab's narrative engine
84
298250
2833
A Limbikus Labor narratív motorja már most is segít
05:02
helps content creators refine their storytelling,
85
302333
2601
a tartalom-előállítóknak finomítani történeteiket,
05:04
so that it resonates with their target audiences on an individual level.
86
304958
4000
hogy az egyéni szinten hasson célközönségükre.
05:11
The Limbic Lab's other component,
87
311042
2184
A Limbikus Labor másik eleme,
05:13
the media machine,
88
313250
1976
a médiagép
05:15
will assess how media elicits an emotional and physiological response,
89
315250
4476
felméri, milyen érzelmi és fiziológiai választ vált ki a tartalom,
05:19
then pulls scenes from a content library
90
319750
2434
majd az egyéni média-DNS-t célzó jeleneteket
05:22
targeted to person-specific media DNA.
91
322208
2584
húz elő a gyűjteményből.
05:26
Applying artificial intelligence to biometric data
92
326042
3892
A biometrikus adatokat felhasználó mesterséges intelligencia
05:29
creates a truly personalized experience.
93
329958
2726
valóban személyre szabott élményt teremt.
05:32
One that adapts content based on real-time unconscious responses.
94
332708
5084
Élményt, amely a valós idejű tudattalan reakciókhoz igazítja a tartalmat.
05:38
Imagine if nonprofits and media makers were able to measure how audiences feel
95
338625
6059
Mi volna, ha médiamunkások és nonprofit cégek mérhetnék a közönség érzéseit,
05:44
as they experience it
96
344708
1851
miközben a közönség átéli őket,
05:46
and alter content on the fly.
97
346583
2393
s valós időben változtathatnának a tartalmon?
05:49
I believe this is the future of media.
98
349000
3458
Szerintem ez a média jövője.
05:53
To date, most media and social-change strategies
99
353333
2601
A média- és társadalmi változást célzó stratégiák
05:55
have attempted to appeal to mass audiences,
100
355958
2851
eddig főleg a nagyközönség egészére próbáltak hatni,
05:58
but the future is media customized for each person.
101
358833
3500
ám a jövő a teljesen személyre szabott médiáé.
06:03
As real-time measurement of media consumption
102
363458
2685
Ahogy a médiafogyasztás valós idejű mérése
06:06
and automated media production becomes the norm,
103
366167
2851
és az automatikus tartalom-előállítás elterjed,
06:09
we will soon be consuming media tailored directly to our cravings
104
369042
4059
hamarosan egyéni vágyainkra szabott médiát fogunk fogyasztani,
06:13
using a blend of psychographics, biometrics and AI.
105
373125
4208
amely ötvözi a pszichografikát, biometrikát és mesterséges intelligenciát.
06:18
It's like personalized medicine based on our DNA.
106
378250
3559
Olyan ez, mint a genetikai alapon személyre szabott gyógyszerek.
06:21
I call it "biomedia."
107
381833
2167
Én biomédiának nevezem.
06:25
I am currently testing the Limbic Lab in a pilot study
108
385042
3267
Jelenleg egy bevezető kutatásban tesztelem a Limbikus Labort
06:28
with the Norman Lear Center,
109
388333
2018
a Norman Lear Központtal közösen,
06:30
which looks at the top 50 episodic television shows.
110
390375
3726
amely az 50 legnépszerűbb tévésorozatot követi figyelemmel.
06:34
But I am grappling with an ethical dilemma.
111
394125
3018
Ám erkölcsi dilemmával küszködöm.
06:37
If I design a tool that can be turned into a weapon,
112
397167
3851
Ha az eszköz, amit tervezek, fegyverré válhat,
06:41
should I build it?
113
401042
1291
megépítsem-e vajon?
06:43
By open-sourcing the lab to encourage access and inclusivity,
114
403750
3643
A labor nyílt forráskódú, hogy könnyebben elérhető és befogadóbb legyen,
06:47
I also run the risk of enabling powerful governments
115
407417
3434
ám ezzel azt is kockáztatom, hogy befolyásos kormányok
06:50
and profit-driven companies to appropriate the platform
116
410875
2934
és nyereségorientált cégek kisajátítják a platformot
06:53
for fake news, marketing or other forms of mass persuasion.
117
413833
4084
álhírek terjesztésére, reklámra, vagy másféle tömegmanipulációra.
06:59
For me, therefore, it is critical to make my research
118
419375
3351
Ezért rendkívül fontos számomra, hogy kutatásaimat
07:02
as transparent to lay audiences as GMO labels.
119
422750
3583
éppoly átláthatóvá tegyem az átlagember számára, mint a GMO-címkék.
07:07
However, this is not enough.
120
427333
2542
Ám mindez nem elég.
07:11
As creative technologists,
121
431208
1643
Kreatív technológusokként fontos,
07:12
we have a responsibility
122
432875
2226
hogy ne csak reflektáljunk arra,
07:15
not only to reflect upon how present technology shapes our cultural values
123
435125
4768
ahogy a jelen technológiája formálja kulturális értékeinket
07:19
and social behavior,
124
439917
2017
és a társas viselkedést,
07:21
but also to actively challenge the trajectory of future technology.
125
441958
4935
hanem tevőlegesen megkérdőjelezzük a jövő technológiájának irányát.
07:26
It is my hope that we make an ethical commitment
126
446917
4059
Remélem, hogy erkölcsileg elkötelezzük magunkat,
07:31
to harvesting the body's intelligence
127
451000
2351
hogy a test intelligenciáját
07:33
for the creation of authentic and just stories
128
453375
3434
hiteles és igaz történetek teremtésére használjuk,
07:36
that transform media and technology
129
456833
2393
melyek pusztító fegyverből gyógyszerré változtatják
07:39
from harmful weapons into narrative medicine.
130
459250
3476
a médiát és a technológiát.
07:42
Thank you.
131
462750
1268
Köszönöm.
07:44
(Applause and cheers)
132
464042
2208
(Taps és éljenzés)
Erről a weboldalról

Ez az oldal olyan YouTube-videókat mutat be, amelyek hasznosak az angol nyelvtanuláshoz. A világ minden tájáról származó, kiváló tanárok által tartott angol leckéket láthatsz. Az egyes videók oldalán megjelenő angol feliratokra duplán kattintva onnan játszhatja le a videót. A feliratok a videó lejátszásával szinkronban gördülnek. Ha bármilyen észrevétele vagy kérése van, kérjük, lépjen kapcsolatba velünk ezen a kapcsolatfelvételi űrlapon.

https://forms.gle/WvT1wiN1qDtmnspy7