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

번역: Jina Bae 검토: Jihyeon J. Kim

Our emotions influence every aspect of our lives,

우리의 감정들은 삶의 모든 면에 영향을 줍니다,

from our health and how we learn, to how we do business and make decisions,

우리의 건강과 학습부터 사업의 방식과 의사결정까지요.

big ones and small.

큰 일이든 작은 일이든지요.

Our emotions also influence how we connect with one another.

또한 감정은 우리가 서로를 어떻게 연결시키는지 영향을 주죠.

We've evolved to live in a world like this,

우리는 이런 세상에서 살기위해 진화해왔죠.

but instead, we're living more and more of our lives like this --

그러나 대신에 우리는 점점 더 이런 삶 속에 살고 있습니다.

this is the text message from my daughter last night --

어젯밤 제 딸의 문자 메세지입니다.

in a world that's devoid of emotion.

감정이 결여된 세상이죠.

So I'm on a mission to change that.

저는 그것을 바꾸는 과제에 착수했어요.

I want to bring emotions back into our digital experiences.

감정을 디지털 공간의 경험안에 도입시키고 싶었죠.

I started on this path 15 years ago.

전 이걸 15년 전에 시작했어요.

저는 이집트에서 컴퓨터 공학자였고

I was a computer scientist in Egypt,

and I had just gotten accepted to a Ph.D. program at Cambridge University.

막 캠브리지의 박사 학위 과정에 입학했었습니다.

So I did something quite unusual

그래서 저는 좀 다른 것을 했습니다.

for a young newlywed Muslim Egyptian wife:

어린 신혼의 무슬림 이집트 부인으로서요.

With the support of my husband, who had to stay in Egypt,

이집트에 남아야했던 남편의 지원 덕분에

I packed my bags and I moved to England.

저는 짐을 꾸려 영국으로 갔습니다.

At Cambridge, thousands of miles away from home,

고향에서 수천 마일 떨어진 캠브리지에서

I realized I was spending more hours with my laptop

사람들과 지내는 시간보다 많은 시간을 노트북과 보내고 있음을 알았습니다.

than I did with any other human.

Yet despite this intimacy, my laptop had absolutely no idea how I was feeling.

이런 친밀성에도 불구하고 제 노트북은 저의 감정을 알 수 없었죠.

It had no idea if I was happy,

이것은 제가 행복한지, 기분이 안 좋은지,

having a bad day, or stressed, confused,

스트레스를 받는지, 혼란스러운지 알지 못했습니다.

and so that got frustrating.

그게 답답했어요.

Even worse, as I communicated online with my family back home,

더 안 좋은 상황은 온라인상으로 고향 가족들과 대화할 때

I felt that all my emotions disappeared in cyberspace.

제 모든 감정들이 사이버 공간에서 사라진다고 느껴졌어요.

I was homesick, I was lonely, and on some days I was actually crying,

저는 향수병을 앓았고, 외로웠으며,

그리고 어떤날은 정말로 울었죠.

but all I had to communicate these emotions was this.

그러나 제가 표현할 수 있는 방법은

이것뿐이었습니다.

(Laughter)

(웃음)

Today's technology has lots of I.Q., but no E.Q.;

오늘날의 기술은 높은 I.Q를 가지고 있습니다.

그러나 E.Q는 없어요.

인지 지능이 있으나 감성 지능은 없죠.

lots of cognitive intelligence, but no emotional intelligence.

So that got me thinking,

그래서 생각하게 됐습니다.

what if our technology could sense our emotions?

기술이 우리의 감정을 느낀다면 어떨까?

What if our devices could sense how we felt and reacted accordingly,

장비들이 우리의 감정을 느끼고 그에 따라 반응한다면 어떨까?

just the way an emotionally intelligent friend would?

감수성이 있는 친구가 반응하듯이 말이죠.

Those questions led me and my team

이런 의문들 때문에 저와 동료들이

to create technologies that can read and respond to our emotions,

감정을 읽고 반응하는 기술을 만들었습니다.

and our starting point was the human face.

우리의 시작점은 인간의 얼굴이었죠.

So our human face happens to be one of the most powerful channels

인간의 얼굴은 하나의 강력한 경로인데

that we all use to communicate social and emotional states,

사회적, 감정적 상태의 소통을 위해 모두가 사용하죠.

everything from enjoyment, surprise,

즐거움, 놀람, 공감과 호기심같은 감정들입니다.

empathy and curiosity.

In emotion science, we call each facial muscle movement an action unit.

감정 과학에서 각 얼굴 근육의 움직임을 활동 단위라고 합니다.

So for example, action unit 12,

예를들어, 활동 단위 12번은

it's not a Hollywood blockbuster,

이건 헐리우드 대작이 아니예요.

it is actually a lip corner pull, which is the main component of a smile.

입술의 가장자리를 당기는 것입니다. 웃음의 주요 구성 부분이죠.

Try it everybody. Let's get some smiles going on.

모두 시도해보세요. 웃어 보세요.

다른 예로 활동 단위 4번은 눈썹을 찡그리는 것입니다.

Another example is action unit 4. It's the brow furrow.

It's when you draw your eyebrows together

당신이 두 눈썹을 함께 모을 때 이런 느낌과 주름살이 생깁니다.

and you create all these textures and wrinkles.

우리가 별로 좋아하지 않죠.

We don't like them, but it's a strong indicator of a negative emotion.

그건 부정적 감정의 강한 지표입니다.

So we have about 45 of these action units,

약 45개의 활동 단위가 있어요.

and they combine to express hundreds of emotions.

조합해서 수백개의 감정표현이 생깁니다.

Teaching a computer to read these facial emotions is hard,

이런 표정을 읽도록 컴퓨터를 가르치는 것은 힘듭니다.

because these action units, they can be fast, they're subtle,

활동 단위들은 빠를 수도 있고, 미묘할 수 도 있으며

and they combine in many different ways.

수 많은 방법으로 조합되기 때문입니다.

So take, for example, the smile and the smirk.

예로 웃음과 억지웃음을 들어봅시다.

They look somewhat similar, but they mean very different things.

그것들은 다소 비슷해 보이죠.

그러나 매우 의미가 다릅니다.

(Laughter)

(웃음)

So the smile is positive,

웃음은 긍정적이고,

a smirk is often negative.

억지웃음은 보통은 부정적입니다.

Sometimes a smirk can make you become famous.

가끔 억지웃음으로 유명해질 수 있어요.

But seriously, it's important for a computer to be able

농담이 아니라 컴퓨터가 두 표정의 차이를 구별하는 것은 중요합니다.

to tell the difference between the two expressions.

So how do we do that?

그래서 저희는 어떻게 했을까요?

We give our algorithms

저희는 컴퓨터 알고리즘에

tens of thousands of examples of people we know to be smiling,

십만개의 웃는 사람들 예시를 입력했습니다.

from different ethnicities, ages, genders,

인종, 나이, 성별이 다양합니다.

and we do the same for smirks.

억지웃음도 그렇게 했습니다.

And then, using deep learning,

딥 러닝 인공지능을 사용해서

the algorithm looks for all these textures and wrinkles

알고리즘이 느낌과 주름살, 얼굴의 형태 변화를 찾습니다.

and shape changes on our face,

and basically learns that all smiles have common characteristics,

모든 웃는 얼굴에 공통적 특징이 있다는 것을 학습하게 됩니다.

all smirks have subtly different characteristics.

모든 억지웃음은 미묘하게 다른 특징을 가지고 있어요.

And the next time it sees a new face,

그리고나서 이것은 새로운 얼굴을 관찰합니다.

it essentially learns that

이 얼굴이 웃음과 같은 특징을 가진다는 것을 알고

this face has the same characteristics of a smile,

and it says, "Aha, I recognize this. This is a smile expression."

말합니다."아하, 알겠습니다. 이건 웃는 표정입니다."

So the best way to demonstrate how this technology works

이 기술이 어떻게 작동하는지 보여주는 가장 좋은 방법은

is to try a live demo,

실제 시연을 시도하는 것이죠.

so I need a volunteer, preferably somebody with a face.

저는 지원자 한 분이 필요해요.

얼굴을 가진 분을 선호합니다.

(Laughter)

(웃음)

Cloe's going to be our volunteer today.

클로이가 오늘 지원해줄 겁니다.

So over the past five years, we've moved from being a research project at MIT

지난 5년 동안,

우리는 MIT에서 연구로 시작해 한 회사를 설립했습니다.

to a company,

where my team has worked really hard to make this technology work,

저희 팀이 이 기술을 실현하려고 노력하는 곳이죠.

as we like to say, in the wild.

저희는 야생의 상태라고 불러요.

And we've also shrunk it so that the core emotion engine

그리고 우리는 기술을 소형화해서

핵심 감정 엔진이 아이패드처럼 카메라달린 이동식 장치에도 쓸 수 있게 했습니다.

works on any mobile device with a camera, like this iPad.

So let's give this a try.

자, 시도해봅시다.

As you can see, the algorithm has essentially found Cloe's face,

여러분이 보듯이,

이것은 클로이의 얼굴을 감지하고 있습니다.

so it's this white bounding box,

여기 하얀 테두리가 있죠.

and it's tracking the main feature points on her face,

이것은 그녀의 얼굴의 눈썹, 눈, 입과 코와 같은

so her eyebrows, her eyes, her mouth and her nose.

주요 특정 부분을 추적하고 있습니다.

The question is, can it recognize her expression?

궁금한것은 이게 그녀의 표정을 인식할 수 있을까요?

So we're going to test the machine.

그래서 이 기계를 시험해볼거예요.

So first of all, give me your poker face. Yep, awesome. (Laughter)

먼저 무표정을 해주세요. 좋아요, 멋지네요. (웃음)

And then as she smiles, this is a genuine smile, it's great.

순수한 웃음이죠, 멋져요.

So you can see the green bar go up as she smiles.

웃을 때 녹색 막대가 증가하는 것을 볼 수 있죠.

Now that was a big smile.

함박웃음이었어요. 미묘한 웃음을 해보시겠어요?

Can you try a subtle smile to see if the computer can recognize?

컴퓨터가 인식하는지 보려고요. 미묘한 웃음도 인식합니다.

It does recognize subtle smiles as well.

이것을 만들려고 정말 노력했어요.

We've worked really hard to make that happen.

눈썹이 올라가면 놀람의 표시이죠.

And then eyebrow raised, indicator of surprise.

Brow furrow, which is an indicator of confusion.

이마의 주름살은 혼란의 표시입니다.

Frown. Yes, perfect.

찡그려주세요.

네, 완벽하네요.

So these are all the different action units. There's many more of them.

이것은 각각 다른 활동단위이고 더 많이 있습니다.

이건 몇가지만 보여드린 겁니다.

This is just a slimmed-down demo.

But we call each reading an emotion data point,

저희는 각각의 인식을 감정 정보점이라고 합니다.

and then they can fire together to portray different emotions.

이것이 함께 여러가지 감정을 나타나게 합니다.

So on the right side of the demo -- look like you're happy.

오른쪽에는 당신이 행복해 보입니다.

So that's joy. Joy fires up.

이것은 기쁨입니다. 기쁨 기능이 작동하죠.

And then give me a disgust face.

혐오하는 표정을 지어주세요.

Try to remember what it was like when Zayn left One Direction.

자인이 One Direction을 탈퇴했다고 생각해보세요.

(Laughter)

(웃음)

네, 코에 주름을 잡아보세요. 좋아요.

Yeah, wrinkle your nose. Awesome.

And the valence is actually quite negative, so you must have been a big fan.

유의성이 부정적이네요, 그러니까 진짜 팬이었나보네요.

So valence is how positive or negative an experience is,

유의성은 한 경험이 얼마나 긍정적 또는 부정적인지 나타냅니다.

and engagement is how expressive she is as well.

참여도는 얼마나 표현력이 있느냐를 보여줍니다.

So imagine if Cloe had access to this real-time emotion stream,

클로이가 실시간 감정 변화에 접근할 수 있다고 상상해 보세요.

and she could share it with anybody she wanted to.

그녀는 이것을 원하는 사람과 공유할 수 있겠죠.

Thank you.

감사합니다.

(박수)

(Applause)

So, so far, we have amassed 12 billion of these emotion data points.

지금까지 120억개의 감정 정보점을 수집했습니다.

It's the largest emotion database in the world.

세상에서 가장 큰 감정 데이터베이스죠.

We've collected it from 2.9 million face videos,

2,900만개의 얼굴 영상에서 모았습니다.

people who have agreed to share their emotions with us,

감정 공유에 동의한 분들이고

and from 75 countries around the world.

세계의 75개국에서 모았습니다.

It's growing every day.

이것은 매일 늘어나고 있습니다.

It blows my mind away

저는 이것이 놀랍습니다.

that we can now quantify something as personal as our emotions,

지금 우리는 감정과 같은 개인적인 것을 수량화 할 수 있는거죠.

and we can do it at this scale.

그리고 이런 규모로 할 수 있습니다.

So what have we learned to date?

최근까지 연구한 것은 무엇일까요?

Gender.

성별입니다.

Our data confirms something that you might suspect.

저희 정보가 여러분이 설마하는 것을 확인시켜 줄 겁니다.

Women are more expressive than men.

여자가 남자보다 표현력이 있습니다.

Not only do they smile more, their smiles last longer,

더 많이 웃고 더 오래 웃어요.

and we can now really quantify what it is that men and women

우리는 수량화할 수 있어요.

여성과 남성이 다르게 반응하는 것을요.

respond to differently.

Let's do culture: So in the United States,

문화적으로는 미국에서 여성들이 남성보다 40% 더 표현력이 좋아요.

women are 40 percent more expressive than men,

but curiously, we don't see any difference in the U.K. between men and women.

그런데 신기하게도 영국에서는 차이가 없네요.

(Laughter)

(웃음)

Age: People who are 50 years and older

나이는요.

50대 혹은 그 이상의 사람들이 젊은 사람들보다 25% 더 감정적입니다.

are 25 percent more emotive than younger people.

Women in their 20s smile a lot more than men the same age,

20대 여성들은 또래 남성보다 25% 더 많이 웃습니다.

perhaps a necessity for dating.

아마 데이트를 위해 필요한 것이겠죠.

But perhaps what surprised us the most about this data

하지만 이 자료에서 놀라운 점은

is that we happen to be expressive all the time,

우리가 언제나 표현력이 있다는 것입니다.

even when we are sitting in front of our devices alone,

혼자 기계 앞에 앉아 있을때도요.

and it's not just when we're watching cat videos on Facebook.

페이스북의 고양이 영상을 볼 때 뿐만 아니라

메일을 보낼 때, 문자를 할 때, 그리고 온라인 쇼핑을 하거나

We are expressive when we're emailing, texting, shopping online,

or even doing our taxes.

심지어 세금을 지불할 때도 표현합니다.

Where is this data used today?

오늘날 이 자료가 어디에 사용될까요?

In understanding how we engage with media,

우리가 매체와 소통하는 방법과

so understanding virality and voting behavior;

대박영상 특징이나 투표 성향을 이해하고

and also empowering or emotion-enabling technology,

그리고 자율권을 주거나 감정 기능 기술을 이해하는 겁니다.

and I want to share some examples that are especially close to my heart.

제 마음에 가장 와닿는 예를 보여드리고 싶습니다.

Emotion-enabled wearable glasses can help individuals

이 감정 기능 안경은 사람들을 돕습니다.

who are visually impaired read the faces of others,

시각기능이 약화된 사람들이 다른 이들의 감정을 읽게 해줍니다.

and it can help individuals on the autism spectrum interpret emotion,

또한 자폐증이 있는 사람이 감정을 해석하게 해줍니다.

something that they really struggle with.

정말로 힘들어 하는 것이지요.

In education, imagine if your learning apps

교육에서 학습프로그램이 당신이 혼란스럽고 지쳐간다는 것을 감지하거나

sense that you're confused and slow down,

or that you're bored, so it's sped up,

또는 지루하거나, 흥분하는 것을 감지하는 걸 상상해 보세요.

just like a great teacher would in a classroom.

교실에서 정말 좋은 선생님이 그러는 것처럼요.

What if your wristwatch tracked your mood,

손목시계가 감정을 감지한다면 어떨까요.

or your car sensed that you're tired,

자동차가 여러분이 피곤하다는 것을 안다면요.

or perhaps your fridge knows that you're stressed,

아니면 냉장고가 당신이 스트레스를 받았다는 것을 알아서

so it auto-locks to prevent you from binge eating. (Laughter)

냉장고가 자동으로 잠궈서 폭식을 막아 준다면요. (웃음)

전 좋을거 같아요.

I would like that, yeah.

What if, when I was in Cambridge,

제가 캠프리지에 있었을때,

I had access to my real-time emotion stream,

이 실시간 감정 흐름에 접근할 수 있었다면 어땠을까요.

and I could share that with my family back home in a very natural way,

고향에 가족과 공유할 수 있었을겁니다.

매우 자연스럽게 모두 같은 방에 있는 것처럼요.

just like I would've if we were all in the same room together?

I think five years down the line,

제 생각에 5년 후에는

all our devices are going to have an emotion chip,

모든 기계들이 감정칩을 가질겁니다.

and we won't remember what it was like when we couldn't just frown at our device

이렇게 반응하는 기기가 어땠는지 기억도 못할 겁니다.

and our device would say, "Hmm, you didn't like that, did you?"

기기앞에서 그저 찌푸리지만 않고 "별로 안좋으신가봐요, 그렇죠?" 하는 겁니다.

Our biggest challenge is that there are so many applications of this technology,

가장 큰 과제는 이 기술에 많은 응용이 있다는 것입니다.

my team and I realize that we can't build them all ourselves,

저희 팀원들은 우리가 모든 것을 만들 수 없다는 걸 깨달았습니다.

so we've made this technology available so that other developers

그래서 다른 개발자들이 함께 이 기술을 사용할 수 있게 했습니다.

can get building and get creative.

We recognize that there are potential risks

저희는 잠재적인 위험성과 악용의 가능성이 있음을 압니다.

and potential for abuse,

but personally, having spent many years doing this,

그러나 개인적으로 이 일에 수년을 보낸 사람으로서

I believe that the benefits to humanity

감정 지능 기술이 인류에게 줄 혜택이

from having emotionally intelligent technology

far outweigh the potential for misuse.

악용의 가능성보다 훨씬 크다고 믿습니다.

And I invite you all to be part of the conversation.

여러분이 이 대화의 부분으로 참여하도록 초대했어요.

The more people who know about this technology,

더 많은 사람들이 이 기술을 알수록

the more we can all have a voice in how it's being used.

어떻게 사용되는지 더 많은 의견을 들을 수 있어요.

So as more and more of our lives become digital,

점점 더 우리의 삶이 디지털화 되면서

we are fighting a losing battle trying to curb our usage of devices

우리 감정을 되찾고자 기기사용을 억제하는 승산없는 싸움을 하고 있습니다.

in order to reclaim our emotions.

So what I'm trying to do instead is to bring emotions into our technology

대신에 제가 시도하는 것은

감정들을 기술로 가져오는 것이에요.

and make our technologies more responsive.

기술이 보다 반응할 수 있도록 만들죠.

So I want those devices that have separated us

우리를 갈라놓은 기계들이

to bring us back together.

우리를 재화합할 수 있게 하고 싶어요.

And by humanizing technology, we have this golden opportunity

기술을 인간적이게 만들어서

우리는 최고의 기회를 얻었죠.

to reimagine how we connect with machines,

어떻게 우리가 기계들과 소통하는지 재고하는 겁니다.

and therefore, how we, as human beings,

따라서 우리 인간이 다른 이들과 소통하는 방법도 재고하는 겁니다.

connect with one another.

Thank you.

감사합니다.

(박수)

(Applause)