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

Translator: Myo Aung Reviewer: sann tint

Our emotions influence every aspect of our lives,

ကျွန်မတို့ရဲ့ ခံစားမှုများဟာ ကျွန်မတို့ ဘဝ မျက်နှာစာတိုင်းကို ဩဇာလွှမ်းမိုးပါတယ်၊

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

ကျွန်မတို့ရဲ့ ကျန်းမာရေး နှင့် ပညာသင်မှု မှအစ လုပ်ငန်းလုပ်ကိုင်ကြပုံ နဲ့

big ones and small.

ကြီးကြီးငယ်ငယ် ဆုံးဖြတ်ချက်များ ချမှတ်ကြပုံ အဆုံးပါပဲ။

Our emotions also influence how we connect with one another.

ကျွန်မတို့ တဦးနဲ့တဦး ဆက်သွယ်ကြပုံကိုပါ ခံစားမှုများက ဩဇာလွှမ်းမိုးပါသေးတယ်။

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

ကျွန်မတို့ဟာ ဒီလို ကမ္ဘာကြီးမှာ နေထိုင်နိုင်ဖို့ ဆင့်ကဲပြောင်းလဲခဲ့ပေမဲ့၊

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

တကယ်နေထိုင်နေကြတာက ဒီလို ပုံစံမျိုး ဖြစ်နေပါတယ် --

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

ဒါက ကျွန်မသမီးဆီက ဝင်လာတဲ့ မနေ့ညက စာတိုပါ --

in a world that's devoid of emotion.

ခံစားမှုတွေ ကင်းမဲ့နေတဲ့ ကမ္ဘာကြီး ဖြစ်နေပါတယ်။

So I'm on a mission to change that.

အဲဒါကို ပြောင်းလဲပစ်ရေး တာဝန်ကို ကျွန်မ ယူလိုက်ပါတယ်။

I want to bring emotions back into our digital experiences.

ကျွန်မဟာ ခံစားမှုတွေကို ဒီဂျီတယ် အတွေ့အကြုံများထဲ ပြန်ထည့်ပေးချင်ပါတယ်။

I started on this path 15 years ago.

ကျွန်မဟာ ဒီလမ်းကြောင်း အတိုင်း စတင်ခဲ့တာ လွန်ခဲ့တဲ့ ၁၅ နှစ်ကပါ။

I was a computer scientist in Egypt,

ကျွန်မ အီဂျစ်နိုင်ငံက ကွန်ပျူတာ သိပ္ပံပညာရှင်ပါ၊

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

Cambridge University မှာ Ph.D. သင်တန်း တက်ဖို့ ကျွန်မကို လက်ခံခဲ့စဉ်ကပါ။

So I did something quite unusual

အိမ်ထောင်ကျခါစ မူစလင် အီဂျစ် ဇနီးအတွက်

for a young newlywed Muslim Egyptian wife:

သမရိုးကျ မဟုတ်တဲ့ ခြေလှမ်းကို လှမ်းခဲ့သူရပါ၊

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

အီဂျင် နိင်ငံမှာ ကျန်ရစ်ခဲ့ရမှာ ဖြစ်တဲ့ ကျွန်မ ယောက်ျားရဲ့ ကူညီမှုဖြင့်

I packed my bags and I moved to England.

ကျွန်မဟာ ပစ္စည်းတွေ ထုပ်ပိုးလျက် အင်္ဂလန်ကို ထွက်လာခဲ့တယ်။

At Cambridge, thousands of miles away from home,

အိမ်နဲ့ မိုင်ထောင်ချီ ဝေးတဲ့ Cambridge မှာကျတော့၊

I realized I was spending more hours with my laptop

ကျွန်မဟာ ကျွန်မ လက်တော့နဲ့ ဖြုန်းတဲ့ အချိန်ဟာ ဘယ်လူသားနဲ့မဆို

than I did with any other human.

ဖြုန်းတဲ့ အချိန်ထက် ပိုများနေတာကို တွေ့ရှိလာတယ်။

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

အဲဒီလို နီးကပ်မှု ရှိနေခဲ့ပေမဲ့၊ လက်တော့က ကျွန်မ ဘယ်လို ခံစားနေရမှန်း မသိခဲ့ပါ။

It had no idea if I was happy,

ကျွန်မ စိတ်ပျော်ရဲ့လား၊ ကံဆိုးတဲ့နေ့လား၊

having a bad day, or stressed, confused,

ဖိစီးခံနေရသလား ဒါမှမဟုတ် စိတ်ရှုပ်နေလို့

and so that got frustrating.

စိတ်ဓာတ်များ ကျနေလား၊ ဘာဆိုဘာမှ မသိခဲ့ပါ။

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

ပိုဆိုးတာက၊ ကျွန်မဟာ အိမ်မှာ ကျန်ရစ်ခဲ့တဲ့ မိသားစုနဲ့ အွန်လိုင် ဆက်သွယ်ပြောနေရတော့၊

I felt that all my emotions disappeared in cyberspace.

ကျွန်မရဲ့ ခံစားချက်တွေ အားလုံး ဆိုက်ဘာ ဟင်းလင်းပြင်ထဲ လွင့်ပျောက်သွားပါတယ်။

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

ကျွန်မဟာ လွမ်းနေခဲ့တယ်၊ တယောက်တည်းဖြစ်လို့ တနေ့မှာ ငိုတောင်ငိုမ်ခဲ့တယ်၊

but all I had to communicate these emotions was this.

ဒါပေမဲ့ အဲဒီလို ခံစားမှုတွေကို ဆက်သွယ် ပြောပြဖို့ ဆိုလို့ ဒါပဲ ရှိခဲ့တယ်။

(Laughter)

(ရယ်မောသံများ)

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

ဒီနေ့ နည်းပညာတွေရဲ့ I.Q.ဟာ မြင့်မားလှပေမဲ့၊ E.Q.ကတော့ လုံးဝ မရှိပါ၊

lots of cognitive intelligence, but no emotional intelligence.

သိရှိနိုင်စွမ်းတွေ အများကြီး ရှိပေမဲ့၊ ခံစားမှု အသိပညာ မဲ့နေပါတယ်။

So that got me thinking,

အဲဒါနဲ့ ကျွန်မ စိတ်ကူးရလာတာက၊

what if our technology could sense our emotions?

ကျွန်မတို့ရဲ့ နည်းပညာတွေဟာ ကျွန်မတို့ရဲ့ ခံစားမှုတွေကို ခံစားလာနိုင်မယ်ဆိုရင်ကော?

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

အလိုက်သိတဲ့ မိတ်ဆွေလိုပဲ ကျွန်မတို့ရဲ့ ကိရိယာတွေကပါ ကျွန်မတို့ရဲ့ ခံစားမှုတွေကို

just the way an emotionally intelligent friend would?

သိရှိနိုင်ကာ ထိုက်သင့်စွာ တုံ့ပြန်နိုင်မယ် ဆိုရင်ကော?

Those questions led me and my team

အဲဒီလို မေးခွန်းတွေကြောင့် ကျွန်မ နဲ့ ကျွန်မ အဖွဲ့ဟာ

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

ကျွန်မတို့ရဲ့ ခံစားမှုတွေကို ဖတ်နိုင်ကာ တုံ့ပြန်နိုင်မဲ့ နည်းပညာတွေ တီထွင်လိုခဲ့တယ်၊

and our starting point was the human face.

အဲဒါကို ကျွန်မတို့ဟာ လူသားရဲ့ မျက်နှာဖြင့် စတင်ခဲ့ကြတယ်။

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

လူသားရဲ့ မျက်နှာဟာဖြင့် ကျွန်မတို့ရဲ့

that we all use to communicate social and emotional states,

ပျော်ရွှင်မှု၊ အံ့အားသင့်မှု၊ စာနာမှု နှင့် စပ်စုမှုတို့လို

everything from enjoyment, surprise,

လူမှုရေး နဲ့ ခံစားမှု အခြေအနေများကို ဆက်သွယ်ဖေါ်ပြပေးဖို့အတွက်

empathy and curiosity.

အားအကောင်းဆုံး နည်းလမ်းပါပဲ။

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

ခံစားမှု သိပ္ပံပညာထဲမှာ၊ မျက်နှာပြင် ကြွက်သားလှုပ်ရှားမှု တခုကို ယူနစ်ခေါ်တယ်။

So for example, action unit 12,

ဥပမာ၊ လုပ်ဆောင်ချက် ယူနစ် ၁၂ ဆိုတာက

it's not a Hollywood blockbuster,

Hollywood နာမည်ကြီး ရုပ်ရှင် မဟုတ်ဘူးနော်၊

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

နှုတ်ခမ်း ထောင့်ဆွဲဆန့်မှု ဖြစ်ပြီး အပြုံးရဲ့ အဓိက အစိတ်အပိုင်းပါ။

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

လူတိုင်း အဲဒါကို စမ်းကြည့်ပါ။ ပြုံးရွှင်လျက် ဆက်ပြီး လုပ်ကိုင်ကြတာပေါ့။

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

နောက် ဥပမာ တခုအဖြစ် ယူနစ် ၄ ကို ယူနိုင်တယ်။ နဖူး အရေးကြောင်းတွေပါ။

It's when you draw your eyebrows together

ရှင်တို့ရဲ့ မျက်ခုံးမွှေးနှစ်ခုစလုံးကို အတူတူ ဆွဲယူလိုက်တဲ့ပုံပါ၊

and you create all these textures and wrinkles.

အဲဒီလိုနည်းဖြင့် အဲဒီလို သဏ္ဍာန်တွေ အရေးကြောင်းတွေ ပေါ်လာကြရတယ်။

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

ကျွန်မတို့ အဲဒါတွေကို မကြိုက်ပေမဲ့၊ အဲဒါဟာ အနှုတ်လက္ခဏာ ခံစားမှု ညွှန်ပြချက်ပါ။

So we have about 45 of these action units,

ကျွန်မတို့ဆီမှာ အဲဒီလို လုပ်ဆောင်ချက် ယူနစ်တွေ ၄၅ ခုခန့် ရှိကြရာ၊

and they combine to express hundreds of emotions.

အဲဒါတွေကို ပေါင်းစပ်လျက် ရာချီရှိမယ့် ခံစးချက်တွေကို ဖေါ်ပြပေးနိုင်ပါတ်။

Teaching a computer to read these facial emotions is hard,

အဲဒီလို မျက်နှာပေါ်က ခံစားပုံတွေကို ဖတ်ရန် ကွန်ပျူတာကို သင်ရတာ ခဲယဉ်းပါတယ်၊

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

အဲဒီ လုပ်ဆောင်ချက် ယူနစ်တွေဟာ မြန်လွန်းနိုင်ပြီး သိသာရန် ခဲယဉ်းနိုင်ကာ

and they combine in many different ways.

ပေါင်းစပ်ပုံဟာ အမျိုးမျိုး ဖြစ်နိုင်လို့ပါ။

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

ဥပမာအဖြစ် ပြုံးခြင်း နဲ့ လှောင်ပြုံးပြုံးခြင်းကို ယူကြည့်ကြပါစို့။

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

ကြည့်လိုက်ရင် ခပ်ဆင်ဆင် ရှိပေမဲ့ ဆိုလိုချက်က သိပ်ကို ခြားနားလှပါတယ်။

(Laughter)

(ရယ်မောသံများ)

So the smile is positive,

ဒီတော့ ပြုံးခြင်းဟာ အပြုသဘောဆောင်တယ်၊

a smirk is often negative.

လှောင်ပြုံးပြုံးခြင်းကျတော့ အနှုတ်လက္ခဏာ သဘောပါ။

Sometimes a smirk can make you become famous.

တခါတရံမှာ လှောင်ပြုံးမှုကို တယောက်ယောက်ကို ကျော်ကြားလာစေနိုင်တယ်။

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

ဒါပေမဲ့ တကယ်တမ်းတွင် ကွန်ပျူတာ အနေနဲ့ အဲဒီ အမူအယာ နှစ်ခုအကြားက

to tell the difference between the two expressions.

ခြားနားချက်ကို ပြောတတ်ဖို့ လိုပါတယ်။

So how do we do that?

ဒီတော့ အဲဒါကို ကျွန်မတို့ ဘယ်လို လုပ်ကြလဲ?

We give our algorithms

ကျွန်မတို့ဟာ ပြုံးနေကြသူတို့ရဲ့ သာဓက ထောင်သောင်းချီကို၊

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

လူမျိုးအမျိုးမျိုး၊ အသက် အမျိုးမျိုး ကျားမများ စသဖြင့် အယ်ဂိုရစ်သမ် ထည့်ပေးတယ်၊

from different ethnicities, ages, genders,

အလားတူပဲ လှောင်ပြုံးခြင်းအတွက်ကိုလဲ

and we do the same for smirks.

ကွန်ပျူတာထဲကို ထည့်ပေးကြပါတယ်။

And then, using deep learning,

အဲဒီနောက်မှာ၊ နက်ရှိုင်းတဲ့ လေ့လာမှုဖြင့်၊

the algorithm looks for all these textures and wrinkles

အယ်ဂိုရီသမ်က ရှိနေကြတဲ့ အသားအရေ အနေအထားတွေ အရေပြား အတွန့်ကြောင်းတွေကို

and shape changes on our face,

ကျွန်မတို့ မျက်နှာ အသွင် ပြောင်းလဲပုံကို စစ်ကြည့်လျက်၊

and basically learns that all smiles have common characteristics,

ပြုံးခြင်း အားလုံးတို့ထဲက တူညီတဲ့ အချင်းလက္ခဏာတွေကို

all smirks have subtly different characteristics.

လှောင်ပြုံးခြင်းထဲမှာ မသိမသာ ခြားနားတဲ့ လက္ခဏာတွေ ရှိတာကို ရှာတွေ့ပါတယ်။

And the next time it sees a new face,

အဲဒီနောက်မှာ ၎င်းက မျက်နှာအသစ်ကို မြင်ရရင်၊

it essentially learns that

အဲဒီမျက်နှာမှာလည်း ဆင်တူတဲ့ ပြုံးခြင်းရဲ့ လက္ခဏာတွေ

this face has the same characteristics of a smile,

ရှိနေတာကို မြင်လာတာနဲ့၊

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

"ဟာ၊ ဒါကို ကျွန်တော် သိတယ်၊ ဒါဟာ ပြုံးခြင်း အမူအယာပါ။"

So the best way to demonstrate how this technology works

ဒီနည်းပညာ အလုပ်လုပ်ပုံကို ပြသပေးရန် အကောင်းဆုံးမှာ

is to try a live demo,

တိုက်ရိုက်သရုပ်ပြချက်ကို စမ်းကြည့်ရန်ပါပဲ၊

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

ဒီတော့ စေတနာ့ဝန်ထမ်း တဦး မျက်နှာနဲ့လူ တယောက်လိုပါတယ်။

(Laughter)

(ရယ်မောသံများ)

Cloe's going to be our volunteer today.

Cloe ဟာ ဒီနေ့ ကျွန်မတို့အတွက် စေတနာ့ဝန်ထမ်း လုပ်မယ့်သူပါ။

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

လွန်ခဲ့တဲ့ ငါးနှစ်အတွင်းမှာ ကျွန်မတို့ဟာ MIT ထဲက သုတေသန စီမံကိန်း အဖြစ်ကနေပြီး

to a company,

ကုမ္ပဏီ တစ်ခုဆီ ပြောင်းခဲ့ကြကာ

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

ကျွန်မ အဖွဲ့ဟာ အဲဒီနည်းပညာ အလုပ်လုပ်ဖို့ အတော့ကို အားထုတ်လုပ်ကိုင်ခဲ့ရတယ်၊

as we like to say, in the wild.

အခုတော့ ပုံကြမ်းမျိုး ပေါ်လာပါပြီ။

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

ကျွန်မတို့ဟာ အဲဒါကို ချုံ့ပစ်နိုင်ခဲ့ရာ ဒီအမာခံ ခံစားမှု အင်ဂျင်ဟာ

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

ဒီ iPad လို ကင်မရာပါတဲ့ ဘယ်မိုဘိုင်း ကိရိယာမှာမဆို အလုပ်လုပ်တယ်။

So let's give this a try.

အခု အဲဒါကို စမ်းကြည့်ကြရအောင်။

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

အခု ရှင်တို့ မြင်နေရသလို အယ်ဂိုရစ်သမ်ဟာ Cloe ရဲ့ မျက်နှာကို တွေ့နိုင်ပါပြီ၊

so it's this white bounding box,

အဲဒါက အဖြူရောင် အကွက်ပါ၊

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

အဲဒါဒဟာ သူ့မျက်နှာပေါ်က အဓိက အင်္ဂါရပ် အချက်တွေကို ခြေရာခံနေပါတယ်၊

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

သူ့ မျက်ခုံးတွေ၊ သူ့မျက်လုံးတွေ၊ သူ့ပါးစပ် နဲ့ နှာခေါင်းကိုပါ။

The question is, can it recognize her expression?

အရေးကြီးဆုံးက ၎င်းဟာ သူ့အမူအယာတွေကို သိမှတ်နားလည်နိုင်ပါ့မလား?

So we're going to test the machine.

အခု ကျွန်မတို့ ဒီစက်ကို စမ်းသပ်ကြည့်ကြပါမယ်။

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

ပထမဦးဆုံး အနေနဲ့၊ ဘာကိုမှ မကြောက်တဲ့ မျက်နှာမျိုးလုပ်ပြပါ။ ဟုတ်ပြီ၊ ကောင်းတယ်။ (ရယ်မောသံများ)

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

အဲဒီနောက်မှာ သူဟာ ပြုံးနေတယ်၊ တကယ့်ကို အပြုံးစစ်စစ်ပါ၊ သိပ်ကောင်းတယ်။

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

အစိမ်းရောင် ဘားတံ မြင့်တက်လာတာကို ရှင်တို့ မြင်နိုင်ကြတယ်။

Now that was a big smile.

အဲဒါက တကယ့်ကို ကောင်းတဲ့ အပြုံးပါပဲ။

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

မသိမသာ ပြုံးနေတာမျိုးကော စမ်းကြည့်မလား ကွန်ပျူတာက အဲဒါကို သိနိုင်မလား?

It does recognize subtle smiles as well.

အဲဒါဟာ မသိမသာ ပြုံးတာကိုလည်း သိမှတ်နိုင်တယ်။

We've worked really hard to make that happen.

ဒါကို လုပ်နိုင်ဖို့ ကျွန်မတို့ဟာ တကယ့်ကို ပင်ပင်ပန်းပန်း အားထုတ်ခဲ့ရပါတယ်။

And then eyebrow raised, indicator of surprise.

အဲဒီနောက် မျက်ခုံး မြင့်တက်လာတယ် အံ့အားသင့်မှုရဲ့ ညွှန်းချက်ပါ။

Brow furrow, which is an indicator of confusion.

မျက်ခုံးတွေအကြားက အရေးကြောင်းတွေ ရှုပ်ထွေးမှုကို ထောက်ပြနေကြတယ်။

Frown. Yes, perfect.

မျက်မှောက် ကြုတ်မှု။ တကယ်ကောင်းလိုက်တာ။

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

ဒီတော့ ဒါတွေဟာ အမျိုးမျိုးသာ လုပ်ဆောင်ချက် ယူနစ်တွေပါ။ အများကြီး ရှိပါသေးတယ်။

This is just a slimmed-down demo.

ဒါက နမူနာပြဖို့အတွက် အသေးစားပါ။

But we call each reading an emotion data point,

ကျွန်မတို့ဟာ ဖတ်ကြားမှု တစ်ခုစီကို ခံစားချက် ဒေတာ အချက်လို့ ခေါ်ကြပါတယ်၊

and then they can fire together to portray different emotions.

အဲဒါတွေ အားလုံး စုပေါင်းလျက် ခံစားချက်ကို ပုံဖေါ်ပေးနိုင်ကြပါတယ်။

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

ဒီတော့ နမူနာရဲ့ ညာဘက်မှာကျတော့ ပျော်ရွှင်နေတဲ့ ပုံစံမျိုးလိုပါ။

So that's joy. Joy fires up.

အဲဒါက ပျော်ရွှင်မှုပါ။ ပျော်ရွှင်စိတ်တွေ မြင်နေရပါတယ်။

And then give me a disgust face.

အခုတော့ မနှစ်မြို့တဲ့ မျက်နှာကို လုပ်ပြပေးပါ။

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

One Direction ထဲမှာ Zayn က ထွက်သွားပုံကို စဉ်းစားကြည့်လိုက်ပါ။

(Laughter)

(ရယ်မောသံများ)

Yeah, wrinkle your nose. Awesome.

ဟုတ်တယ်၊ နှာခေါင်း တွန့်သွားပါစေ၊ ကောင်းလိုက်တာ။

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

ခြုံကြည့်ရင် အနှုတ်လက္ခဏာ သဘောဖြစ်နေတုန်းပါ၊ ဒီရုပ်ရှင်ကို အတော်လေး ကြိုက်ပုံရတယ်။

So valence is how positive or negative an experience is,

ဒီတော့ ပေါင်းစပ်မှု ရလဒ်က အတွေ့အကြုံတခုဟာ အပြုသဘောလား အနှုတ်သဘောလား၊

and engagement is how expressive she is as well.

ပြီးတော့ ခံစားချက် ဘယ်လောက် ပြင်းထန်တယ်ဆိုတာကိုပါ ပြပါတယ်။

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

ဒီတော့ Cloe ဟာ အဲဒီလို အချိန်နဲ့တပြေးညီ ပြောင်းလဲနေတဲ့ ခံစားချက်ကို သိမြင်နိုင်မယ်၊

and she could share it with anybody she wanted to.

ပြီးတော့ သူမအနေနဲ့ မျှဝေပေးချင်တဲ့သူကို မျှဝေပေးနိုင်တာကို စိတ်ကူးကြည့်ကြပါ။

Thank you.

ကျေးဇူးတင်ပါတယ်။

(Applause)

(လက်ခုပ်သံများ)

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

အခုထိ ကျွန်မတို့ဟာ အဲဒီလို ခံစားချက် ဒေတာ အချက်တွေ ၁၂ ဘီလီယံ စုစည်းထားကြပါပြီ။

It's the largest emotion database in the world.

အဲဒါဟာ ကမ္ဘပေါ်က ခံစားချက်များဆိုင်ရာ အကြီးမားလုံး ဒေတာဘေ့စ်ပါပဲ။

We've collected it from 2.9 million face videos,

ကျွန်မတို့ဟာ အဲဓါကို မျက်နှာ ဗီဒီယို ၂.၉ သန်းထဲမှနေပြီး စုစည်းခဲ့ကြပါတယ်၊

people who have agreed to share their emotions with us,

သူတို့ရဲ့ ခံစားချက်တွေကို မျှဝေပေးရန် သဘောတူခဲ့ကြတဲ့ သူတွေဆီကပါ၊

and from 75 countries around the world.

တကမ္ဘာလုံးက ၇၅ နိုင်ငံမှ သူတွေပါဝင်ကြပါတယ်။

It's growing every day.

နေ့စဉ်နဲ့အမျှ အဲဒါဟာ ပိုပိုကြီးထွားလာနေတယ်။

It blows my mind away

အခု ကျွန်မတို့ဟာ ကျွန်မတို့ရဲ့ ခံစားချက်တွေလို

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

ကိုယ်ရေး ခံစားချက်ကို ရေတွက်လာနိုင်ခြင်း ဟာ အံ့အားသင့်စရာကြီးပါ၊

and we can do it at this scale.

အဲဒါကို ကျွန်မတို့ဟာ ဒီလို စကေးမျိုးဖြင့် လုပ်နိုင်ကြပါတယ်။

So what have we learned to date?

ဒီတော့ ဒီနေ့အထိ လေ့လာနိုင်ခဲ့တာက ဘာတွေလဲ?

Gender.

လိင်။

Our data confirms something that you might suspect.

ကျွန်မတို့ရဲ့ ဒေတာတွေဟာ မဖြစ်နိုင်ဘူးလို့ ထင်တဲ့ အရာကိုတောင် အတည်ပြုနိုင်တယ်။

Women are more expressive than men.

အမျိုးသမီးတွေဟာ အမျိုးသားတွေနဲ့စာရင် ပိုလို့ကို အမူအယာပြမှု ကောင်းကြတယ်။

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

သူတို့ ပိုပြုံးကြရုံသာမက သူတို့ရဲ့ အပြုံးဟာ ပိုပြီး ကြာပါတယ်။

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

ပြီးတော့ ကျွန်မတို့ဟာ အခုဆိုရင် အမျိုးသားတွေ နဲ့ အမျိုးသမီးတွေ မတူညီဘဲ

respond to differently.

တုံ့ပြန်ကြတဲ့ အရာတွေကို တွက်ချက်ပြနိုင်ပါပြီ။

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

ယဉ်ကျေးမှုအလိုက် လေ့လာကြည့်တော့ အမေရိက ပြည်ထောင်စုမှာ

women are 40 percent more expressive than men,

အမျိုးသမီးတွေဟာ အမျိုးသားတွေနဲ့စာရင် ၄၀ % ပိုပြီး ထုတ်ဖေါ်ပြကြပါတယ်၊

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

ထူးဆန်းတာက၊ U.K.မှာကျတော့ အမျိုးသားနဲ့ အမျိုးသမီးတွေ အကြား ကွာဟချက် မတွေ့ရဘူး။

(Laughter)

(ရယ်မောသံများ)

Age: People who are 50 years and older

အသက်: အသက် ၅၀ ကျော်သူတို့ဟာ

are 25 percent more emotive than younger people.

ပိုငယ်သူတို့နဲ့စာရင် ခံစားမှု ၂၅ ရာခိုင်နှုန်း ပိုများပါတယ်။

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

၂၀ ကျော်အရွယ် အမျိုးသမီးတွေဟာ ရွယ်တူ အမျိုးသားတွေထက်ကို သိသိသာသာ ပိုပြုံးကြတယ်၊

perhaps a necessity for dating.

တွေ့ဆုံဖို့ ရက်ချိန်းရန် အတွက် ဖြစ်နိုင်ပါတယ်။

But perhaps what surprised us the most about this data

ဒီဒေတာတွေနဲ့ ပတ်သက်ပြီး ကျွန်မတို့ အများဆုံး အံ့အားသင့်ရတာက

is that we happen to be expressive all the time,

ကျွန်မတို့ဟာ တချိန်လုံး တခုခုကို ထုတ်ဖေါ် ပြသနေကြပါတယ်၊

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

တယောက်တည်း ကျွန်မတို့ရဲ့ ကိရိယာတွေနဲ့ ထိုင်နေကြစဉ်မှာတောင်ပါ၊

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

ပြီးတော့ ဖေ့စ်ဘွတ်မှာ ကြောင်တွေ အကြောင်း ဗီဒီယိုကို ကြည့်နေချိန်မှာတင် မကပါဘူး။

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

ကျွန်မတို့ အီးမေးလ် ရေးနေစဉ်၊ စာတိုရေးစဉ်၊ အွန်လိုင်း ဈေးဝယ်စဉ် ခံစားချက်ကို ပြနေတယ်၊

or even doing our taxes.

အခွန်တွေကို ပေးဆပ်နေချိန်မှာတောင်ပါ။

Where is this data used today?

ဒီဒေတာတွေကို ဒီနေ့မယ် ဘယ်မှာ သုံးနေသလဲ?

In understanding how we engage with media,

ကျွန်မတို့ဟာ မီဒီယာတွေထဲ ပါဝင်ပတ်သနေတာကို နားလည်ဖို့အတွက်၊

so understanding virality and voting behavior;

တခုခုကို မဲပေးခြင်း နှင့် လူတွေ အကြားမှာ ခံစားချက် ကူးစက်ပျံ့နှံ့မှုကို နားလည်ရန်၊

and also empowering or emotion-enabling technology,

ပြီးတော့ ခံစားချက် အခြေခံ နည်းပညာများကို တပ်ဆင် အသုံးချနိုင်ရန် အတွက်ပါ၊

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

ပြီးတော့ ကျွန်မနှလုံးသားနဲ့ သိပ်ကို နီးစပ်တဲ့ ဥပမာ အချို့ကို မျှဝေပေးချင်ပါတယ်။

Emotion-enabled wearable glasses can help individuals

ခံစားမှုကို ပြနိုင်တဲ့ မျက်မှန်တွေဟာ မျက်စိအမြင် အားနည်းကြသူတဲ့သူတွေကို

who are visually impaired read the faces of others,

အခြားသူတွေရဲ့ မျက်နှာတွေကို ဖတ်နိုင်အောင် ကူပေးနိုင်ကြပါတယ်၊

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

ပြီးတော့ autism ရောဂါကို ခံစားနေရလို့ ခံစားချက်ကို နားလည်ရန် ခဲယဉ်းတဲ့သူတွေကို

something that they really struggle with.

တနည်းနည်းနဲ့ သိနားလည်အောင် ကူပေးနိုင်မှာပါ။

In education, imagine if your learning apps

ပညာရေါ်ထဲမှာ ဆိုရင်၊ ရှင်တို့ရဲ့ သင်ယူရေး အက်ပ်က

sense that you're confused and slow down,

ရှင်တို့ဟာ စိတ်ရှုပ် နားမလည်ဖြစ်နေတာကို သိမှတ်နိုင်လို့ အရှိန် လျှော့ချလိုက်တာ

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

ဒါမှမဟုတ် စိတ်ကုန်နေတာကို သိလိုက်လို့ တော်တဲ့ ဆရာက လုပ်တတ်သလို

just like a great teacher would in a classroom.

သင်ခန်းစာကို ခဏ ခေါက်ထားလိုက်တာမျိုး လုပ်ပေးနိုင်ပါတယ်။

What if your wristwatch tracked your mood,

ရှင်တို့ရဲ့ လက်ပတ်နာရီက ရှင်တို့ရဲ့ ခံစားမှုကို ခြေရာခံ သိနိုင်တယ် ဆိုရင်ကော၊

or your car sensed that you're tired,

ဒါမှမဟုတ် ရှင်တို့ရဲ့ ကားက ရှင်တို့ ပင်ပန်း နေတာကို သိမှတ်လိုက်တယ်၊

or perhaps your fridge knows that you're stressed,

ဒါမှမဟတ် ရှင်တို့ရဲ့ ရေခဲ့သေတ္တာက ရှင်တို့ ဖိစီးမှု ခံနေရာတကို သိနားလည်လိုက်လို့၊

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

ရှင်တို့ကို စားမရအောင် အော်တို-သော့ခတ် လိုက်တယ်ဆိုရင်ကော။ (ရယ်မောသံများ)

I would like that, yeah.

ကျွန်မဆိုရင် အဲဒါမျိုးကို လိုချင်တယ်၊ တကယ်ပဲ။

What if, when I was in Cambridge,

ကျွန်မ Cambridge မှာ သင်နေခဲ့စဉ်တုန်းက၊

I had access to my real-time emotion stream,

ကျွန်မဟာ ကျွန်မရဲ့ အချိန်နဲ့ တပြေးညီ ခံစားချက်တွေကို ရယူသုံးနိုင်ခဲ့မယ်ဆိုရင်၊

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

ပြီးတော့ အဲဒါကို အိမ်မှာ ကျန်ရစ်ခဲ့တဲ့ မိသားစုနဲ့ မျှဝေးပေးနိုင်ခဲ့မယ်ဆိုရင်၊

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

သူတို့နဲ့အတူ တခန်းတည်းမှာ ထိုင်လျက် ရှိနေသလို သူတို့ ခံစားနိုင်မယ်ဆိုရင်ကော?

I think five years down the line,

ကျွန်မစိတ်ထင် နောက် ငါးနှစ် ကြာရင်

all our devices are going to have an emotion chip,

ကျွန်မတို့ရဲ့ ကိရိယာတွေ အားလုံးဟာ စိတ်ခံစားချက် ချီပ်လေးတွေ ရှိလာကြမယ်၊

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

ပြီးတော့ ကျွန်မတို့ရဲ့ ကိရိယာတွေကို ကြည့်လိုက်တာနဲ့ကို အဲဒီကိရိယာက

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

"အင်း၊ ကြည့်ရတာ မင်းဒါကို ကြိုက်ပုံမရဘူး၊ ဟုတ်တယ် မဟုတ်လား?" မေးတာ ရိုးလာမှာပါ။

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

ဒီနည်းပညာကို ထည့်သုံးနိုင်မယ့် အက်ပ်တွေ သိပ်ကို များလွန်းတာကို နားလည်မိလို့၊

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

အဲဒါတွေ အားလုံးကို ကျွန်မတို့ ကိုယ်တိုင် လုပ်မရနိုင်တာကို ကျန်မအဖွဲ့ နားလည်တယ်၊

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

အဲဒါကြောင့်မို့လို့၊ ဒီနည်းပညာကို လူတိုင်း သုံးနိုင်အောင် မျှပေးထားလို့ အခြားသူတို့ဟာ

can get building and get creative.

တည်ဆောက်နိုင်ကာ ဖန်တီးနိုင်ကြမှာပါ။

We recognize that there are potential risks

ဒီကိစ္စထဲမှာ အန္တရာယ်တွေ ရှိနိုင်တာကို၊ ပြီးတော့ အလွှဲသုံးစားလို့ ရနိုင်တာကို၊

and potential for abuse,

ကျွန်မတို့ သိနားလည်ပါတယ်၊

but personally, having spent many years doing this,

ဒါပေမဲ့ ကျွန်မကိုယ်တိုင်ကတော့၊ ဒါကို နှစ်ပေါင်းများစွာ လုပ်ကိုင်လာခဲ့လို့၊

I believe that the benefits to humanity

ခံစားမှုကို သိနားလည်မယ့် နည်းပညာကို ရယူသုံးနိုင်ခြင်းမှ ရရှိမယ့်

from having emotionally intelligent technology

အကျိုးကျေးဇူးတွေဟာ တလွဲသုံးနိုင်မယ့် အလားအလာတွေထက်ကို

far outweigh the potential for misuse.

သိသိသာသာ ပိုများတယ်လို့ ယုံကြည်ပါတယ်။

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

ရှင်တို့ အားလုံးကို ဒီကိစ္စဆွေးနွေးမှုထဲ လက်တွဲပါဝင်ဖို့ ကျွန်မ ဖိတ်ကြားပါတယ်။

The more people who know about this technology,

ဒီနည်းပညာ အကြောင်းကို သိကြမယ့်လူတွေ များလာလေ၊

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

အဲဒါကို လက်တွေ့သုံးနေပုံ ဆိုင်ရာ ထင်မြင်ချက်တွေ တိုးတိုးရလာလေ ဖြစ်မှာပါ။

So as more and more of our lives become digital,

ကျွန်မတို့ရဲ့ ဘဝဟာ ပိုပိုဒီဂျီတယ် ဆန်းလာနေတာနဲ့အမျှ၊

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

ကျွန်မတို့ဟာ ကျွန်မတို့ရဲ့ ကိရိယာတွေကို အသုံးချနေမှုထဲမှာ

in order to reclaim our emotions.

ကျွန်မတို့ရဲ့ စိတ်ခံစားမှုတွေကို ပြန်ပြီး ထည့်သွင်းပေးဖို့ ကြိုးစားသင့်ပါတယ်။

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

ဒီတော့ ကျွန်မ အခု ကြိုးပမ်းမှုက ကျွန်မတို့ ခံစားချက်တွေကို နည်းပညာထဲကို ထည့်ပေးလျက်

and make our technologies more responsive.

ကျွန်မတို့ရဲ့ နည်းပညာတွေ ပိုပြီး တုံ့ပြန်နိုင်စွမ်း ရှိလာဖို့ကိုပါ။

So I want those devices that have separated us

အဲဒီလိုနည်းဖြင့် ကျွန်မတို့ကို ခွဲခြား ပစ်ခဲ့ကြတဲ့ ကိရိယာတွေက

to bring us back together.

ကျွန်မတို့ကို ပြန်ပြီး အတူတူ ဖြစ်လာဖို့ကို ကူပေးရန်ပါ။

And by humanizing technology, we have this golden opportunity

ပြီးတော့ နည်းပညာကို လူသားဆန်လာအောင် လုပ်ပေးခြင်းဖြင့် ကျွန်မတို့ဆီမှာ

to reimagine how we connect with machines,

စက်ပစ္စည်းတွေနဲ့ ကျွန်မတို့ ဆက်သွယ်ကြပုံကို ပြန်ပြီး စိတ်ကူးစဉ်းစားကြည့်ရန်၊

and therefore, how we, as human beings,

အဲဒီနောက်မှာ၊ ကျွန်မတို့ လူသားတွေ တဦးနဲ့တဦး ဆက်ဆံပုံကို

connect with one another.

ပြန်လည်စဉ်းစားကြည့်ရန် အခွင့်အရေး ကောင်းကြီးတခုပါ။

Thank you.

ကျေးဇူးတင်ပါတယ်။

(Applause)

(လက်ခုပ်သံများ)