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

138,524 views ・ 2015-06-15

TED


Dubbelklicka på de engelska undertexterna nedan för att spela upp videon.

Översättare: Annika Bidner Granskare: Lisbeth Pekkari
00:12
Our emotions influence every aspect of our lives,
0
12556
4017
Våra känslor påverkar varje del av våra liv
00:16
from our health and how we learn, to how we do business and make decisions,
1
16573
3576
från vår hälsa och hur vi lär oss, till hur vi gör affärer och fattar beslut,
00:20
big ones and small.
2
20149
1773
stora som små.
00:22
Our emotions also influence how we connect with one another.
3
22672
3490
Våra känslor påverkar också hur vi knyter an till varandra.
00:27
We've evolved to live in a world like this,
4
27132
3976
Vi har utvecklats för att leva i en sån här värld,
00:31
but instead, we're living more and more of our lives like this --
5
31108
4319
men nu lever vi istället mer och mer såna här liv -
00:35
this is the text message from my daughter last night --
6
35427
3134
det här är ett sms som jag fick från min dotter igår kväll -
00:38
in a world that's devoid of emotion.
7
38561
2740
i en värld som är tömd på känslor.
00:41
So I'm on a mission to change that.
8
41301
1951
Jag ser som mitt uppdrag att förändra det.
00:43
I want to bring emotions back into our digital experiences.
9
43252
4091
Jag vill föra tillbaka känslorna i våra digitala upplevelser.
00:48
I started on this path 15 years ago.
10
48223
3077
Jag började med det för 15 år sen.
00:51
I was a computer scientist in Egypt,
11
51300
2066
Jag var dataingenjör i Egypten
00:53
and I had just gotten accepted to a Ph.D. program at Cambridge University.
12
53366
4505
och hade just blivit antagen
till en forskarutbildning vid Cambridge University.
00:57
So I did something quite unusual
13
57871
2113
Jag gjorde något ganska ovanligt
00:59
for a young newlywed Muslim Egyptian wife:
14
59984
4225
för att vara en ung nygift muslimsk egyptisk fru:
01:05
With the support of my husband, who had to stay in Egypt,
15
65599
2999
Med stöd från min man som blev tvungen att stanna i Egypten
01:08
I packed my bags and I moved to England.
16
68598
3018
packade jag mina väskor och flyttade till England.
01:11
At Cambridge, thousands of miles away from home,
17
71616
3228
I Cambridge, tusentals kilometer hemifrån,
01:14
I realized I was spending more hours with my laptop
18
74844
3413
insåg jag att jag tillbringade fler timmar med min laptop
än jag gjorde med någon människa.
01:18
than I did with any other human.
19
78257
2229
01:20
Yet despite this intimacy, my laptop had absolutely no idea how I was feeling.
20
80486
4853
Trots detta nära band visste inte datorn något om hur jag kände mig.
01:25
It had no idea if I was happy,
21
85339
3211
Den visste inte om jag var glad,
01:28
having a bad day, or stressed, confused,
22
88550
2988
om jag hade en dålig dag, eller var stressad, förvirrad,
01:31
and so that got frustrating.
23
91538
2922
och det blev frustrerande.
01:35
Even worse, as I communicated online with my family back home,
24
95600
5231
Ännu värre var det när jag kommunicerade med min familj därhemma, och kände
01:41
I felt that all my emotions disappeared in cyberspace.
25
101421
3282
att mina känslor försvann i cyberrymden.
01:44
I was homesick, I was lonely, and on some days I was actually crying,
26
104703
5155
Jag längtade hem, jag kände mig ensam, och vissa dagar grät jag,
01:49
but all I had to communicate these emotions was this.
27
109858
4928
men allt jag kunde använda för att kommunicera känslorna var den här.
01:54
(Laughter)
28
114786
2020
(Skratt)
01:56
Today's technology has lots of I.Q., but no E.Q.;
29
116806
4974
Dagens teknik har mycket IQ, men ingen EQ;
02:01
lots of cognitive intelligence, but no emotional intelligence.
30
121780
3176
hög kognitiv intelligens men ingen emotionell intelligens.
02:04
So that got me thinking,
31
124956
2197
Det fick mig att börja fundera på
02:07
what if our technology could sense our emotions?
32
127153
3624
hur det skulle bli om vår teknik skulle kunna känna av våra känslor?
02:10
What if our devices could sense how we felt and reacted accordingly,
33
130777
4076
Om våra maskiner kunde känna av vårt humör och bete sig i enlighet med det,
02:14
just the way an emotionally intelligent friend would?
34
134853
3013
som en emotionellt intelligent vän?
02:18
Those questions led me and my team
35
138666
3564
De här frågorna gjorde att jag och mitt team
började skapa teknik som kan läsa av och reagera på våra känslor,
02:22
to create technologies that can read and respond to our emotions,
36
142230
4377
02:26
and our starting point was the human face.
37
146607
3090
och vi började med det mänskliga ansiktet.
02:30
So our human face happens to be one of the most powerful channels
38
150577
3173
Det mänskliga ansiktet råkar vara en av de bästa kanaler
02:33
that we all use to communicate social and emotional states,
39
153750
4016
som vi använder för att kommunicera sociala och känslomässiga tillstånd,
02:37
everything from enjoyment, surprise,
40
157766
3010
allt från njutning, överraskning,
02:40
empathy and curiosity.
41
160776
4203
empati och nyfikenhet.
02:44
In emotion science, we call each facial muscle movement an action unit.
42
164979
4928
Inom känslovetenskap kallas en rörelse hos en ansiktsmuskel för "aktiv enhet".
02:49
So for example, action unit 12,
43
169907
2925
Den tolfte aktiva enheten
02:52
it's not a Hollywood blockbuster,
44
172832
2038
är inte en toppfilm från Hollywood
02:54
it is actually a lip corner pull, which is the main component of a smile.
45
174870
3442
utan en uppdragen mungipa, vilket är huvudkomponenten i ett leende.
02:58
Try it everybody. Let's get some smiles going on.
46
178312
2988
Prova det allihop. Nu ler vi lite.
03:01
Another example is action unit 4. It's the brow furrow.
47
181300
2654
Ett annat exempel är fjärde aktiva enheten.
03:03
It's when you draw your eyebrows together
48
183954
2238
Det är när man drar ihop ögonbrynen
03:06
and you create all these textures and wrinkles.
49
186192
2267
och får den här ytan och rynkorna.
03:08
We don't like them, but it's a strong indicator of a negative emotion.
50
188459
4295
Vi tycker inte om dem, men det är en stark indikator på en negativ känsla.
03:12
So we have about 45 of these action units,
51
192754
2206
Vi har ungefär 45 aktiva enheter,
03:14
and they combine to express hundreds of emotions.
52
194960
3390
och de kan kombineras för att uttrycka hundratals känslor.
03:18
Teaching a computer to read these facial emotions is hard,
53
198350
3901
Att lära en dator att läsa av känslouttryck i ansiktet är svårt,
03:22
because these action units, they can be fast, they're subtle,
54
202251
2972
för de aktiva enheterna kan vara snabba och subtila
03:25
and they combine in many different ways.
55
205223
2554
och de går att kombinera på många olika sätt.
03:27
So take, for example, the smile and the smirk.
56
207777
3738
Ta till exempel leendet och hånflinet.
03:31
They look somewhat similar, but they mean very different things.
57
211515
3753
De ser ganska lika ut, men de betyder helt olika saker.
03:35
(Laughter)
58
215268
1718
(Skratt)
03:36
So the smile is positive,
59
216986
3004
Ett leende är positivt,
03:39
a smirk is often negative.
60
219990
1270
ett flin är ofta negativt.
03:41
Sometimes a smirk can make you become famous.
61
221260
3876
Ibland kan ett flin göra en känd.
03:45
But seriously, it's important for a computer to be able
62
225136
2824
Men trots allt är det viktigt för en dator att kunna
03:47
to tell the difference between the two expressions.
63
227960
2855
se skillnad mellan de här två uttrycken.
03:50
So how do we do that?
64
230815
1812
Hur gör vi det?
03:52
We give our algorithms
65
232627
1787
Vi ger våra algoritmer
tiotusentals exempel av människor som vi vet ler,
03:54
tens of thousands of examples of people we know to be smiling,
66
234414
4110
03:58
from different ethnicities, ages, genders,
67
238524
3065
med olika etnisk bakgrund, ålder, kön,
04:01
and we do the same for smirks.
68
241589
2811
och vi gör samma sak för flin.
Och genom maskininlärning
04:04
And then, using deep learning,
69
244400
1554
04:05
the algorithm looks for all these textures and wrinkles
70
245954
2856
letar algoritmen efter såna här ytor och rynkor
04:08
and shape changes on our face,
71
248810
2580
och formändringar i vårt ansikte
04:11
and basically learns that all smiles have common characteristics,
72
251390
3202
och lär sig helt enkelt att alla leenden har egenskaper gemensamt,
04:14
all smirks have subtly different characteristics.
73
254592
3181
medan alla flin har något annorlunda egenskaper.
04:17
And the next time it sees a new face,
74
257773
2368
Och nästa gång den ser ett nytt ansikte
04:20
it essentially learns that
75
260141
2299
märker den att
04:22
this face has the same characteristics of a smile,
76
262440
3033
det här ansiktet har samma egenskaper som ett leende ansikte och den säger:
04:25
and it says, "Aha, I recognize this. This is a smile expression."
77
265473
4278
"Aha, jag känner igen det här. Det är ett leende uttryck."
04:30
So the best way to demonstrate how this technology works
78
270381
2800
Det bästa sättet att visa hur tekniken fungerar
04:33
is to try a live demo,
79
273181
2136
är genom en livedemo,
04:35
so I need a volunteer, preferably somebody with a face.
80
275317
3913
så jag behöver en frivillig, helst någon med ett ansikte.
04:39
(Laughter)
81
279230
2334
(Skratt)
04:41
Cloe's going to be our volunteer today.
82
281564
2771
Cloe blir vår frivilliga idag.
04:45
So over the past five years, we've moved from being a research project at MIT
83
285325
4458
De senaste fem åren har vi utvecklats från att vara ett projekt på MIT
04:49
to a company,
84
289783
1156
till att bli ett företag,
04:50
where my team has worked really hard to make this technology work,
85
290939
3192
där mitt team har jobbat mycket hårt för att få tekniken att fungera,
04:54
as we like to say, in the wild.
86
294131
2409
som vi säger, i naturen.
04:56
And we've also shrunk it so that the core emotion engine
87
296540
2670
Vi har också krympt den så att känslomotorn
04:59
works on any mobile device with a camera, like this iPad.
88
299210
3320
fungerar i alla mobila enheter med kamera, som den här iPaden.
05:02
So let's give this a try.
89
302530
2786
Vi testar.
05:06
As you can see, the algorithm has essentially found Cloe's face,
90
306756
3924
Som ni kan se har algoritmen hittat Cloes ansikte,
05:10
so it's this white bounding box,
91
310680
1692
det är den här vita inramande rutan,
05:12
and it's tracking the main feature points on her face,
92
312372
2571
och den spårar huvudpunkterna i hennes ansikte,
05:14
so her eyebrows, her eyes, her mouth and her nose.
93
314943
2856
hennes ögonbryn, ögon, mun och näsa.
05:17
The question is, can it recognize her expression?
94
317799
2987
Frågan är, kan den läsa av hennes uttryck?
05:20
So we're going to test the machine.
95
320786
1671
Vi ska testa maskinen.
05:22
So first of all, give me your poker face. Yep, awesome. (Laughter)
96
322457
4186
Först av allt, ge mig ett pokerfejs. Ja, jättebra. (Skratt)
05:26
And then as she smiles, this is a genuine smile, it's great.
97
326643
2813
Och när hon sen ler är det ett riktigt leende, det är fint.
05:29
So you can see the green bar go up as she smiles.
98
329456
2300
Ni kan se att den gröna stapeln går upp när hon ler.
05:31
Now that was a big smile.
99
331756
1222
Det var ett stort leende.
05:32
Can you try a subtle smile to see if the computer can recognize?
100
332978
3043
Kan du prova ett litet leende och se om datorn kan känna igen det?
05:36
It does recognize subtle smiles as well.
101
336021
2331
Den känner igen småleenden också.
Vi har jobbat hårt för att det ska fungera.
05:38
We've worked really hard to make that happen.
102
338352
2125
Och sen höjda ögonbryn, ett tecken på förvåning.
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
Rynkade ögonbryn, vilket är ett tecken på förvirring.
05:47
Frown. Yes, perfect.
105
347688
4007
Rynka pannan. Ja, perfekt.
05:51
So these are all the different action units. There's many more of them.
106
351695
3493
Det är de olika aktiva enheterna. Det finns många fler.
05:55
This is just a slimmed-down demo.
107
355188
2032
Det här är bara en förenklad demo.
05:57
But we call each reading an emotion data point,
108
357220
3148
Vi kallar varje avläsning för en emotionell datapunkt,
06:00
and then they can fire together to portray different emotions.
109
360368
2969
och de kan aktiveras tillsammans för att visa olika känslor.
06:03
So on the right side of the demo -- look like you're happy.
110
363337
4653
Så på högra sidan - se glad ut.
06:07
So that's joy. Joy fires up.
111
367990
1454
Det är lycka. Lycka lyser upp.
06:09
And then give me a disgust face.
112
369444
1927
Ge mig sen en min av avsmak.
06:11
Try to remember what it was like when Zayn left One Direction.
113
371371
4272
Försök minnas hur det var när Zayn lämnade One Direction.
06:15
(Laughter)
114
375643
1510
(Skratt)
06:17
Yeah, wrinkle your nose. Awesome.
115
377153
4342
Ja, rynka näsan. Perfekt.
06:21
And the valence is actually quite negative, so you must have been a big fan.
116
381495
3731
Och uttrycket är starkt negativt, så du måste ha varit ett stort fan.
06:25
So valence is how positive or negative an experience is,
117
385226
2700
Värde är hur positiv eller negativ en upplevelse är,
06:27
and engagement is how expressive she is as well.
118
387926
2786
och engagemang är hur uttrycksfull hon är.
06:30
So imagine if Cloe had access to this real-time emotion stream,
119
390712
3414
Tänk er att Cloe hade tillgång till den här känsloströmmen i realtid,
06:34
and she could share it with anybody she wanted to.
120
394126
2809
och kunde dela den med vem hon ville.
06:36
Thank you.
121
396935
2923
Tack.
(Applåder)
06:39
(Applause)
122
399858
4621
06:45
So, so far, we have amassed 12 billion of these emotion data points.
123
405749
5270
Så här långt har vi samlat in 12 miljarder såna här datapunkter.
Det är den största databasen för känslor i världen.
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
Vi har samlat in den från 2,9 miljoner filmer på ansikten,
06:56
people who have agreed to share their emotions with us,
126
416593
2600
människor som har gått med på att dela sina känslor med oss,
06:59
and from 75 countries around the world.
127
419193
3205
från 75 länder i världen.
07:02
It's growing every day.
128
422398
1715
Det blir fler och fler varje dag.
07:04
It blows my mind away
129
424603
2067
Det känns fantastiskt
07:06
that we can now quantify something as personal as our emotions,
130
426670
3195
att vi nu kan kvantifiera något så personligt som våra känslor,
07:09
and we can do it at this scale.
131
429865
2235
och vi kan göra det i den här skalan.
07:12
So what have we learned to date?
132
432100
2177
Vad har vi då lärt oss så här långt?
07:15
Gender.
133
435057
2331
Kön.
07:17
Our data confirms something that you might suspect.
134
437388
3646
Vår data bekräftar något som du kanske misstänker.
07:21
Women are more expressive than men.
135
441034
1857
Kvinnor är mer uttrycksfulla än män.
07:22
Not only do they smile more, their smiles last longer,
136
442891
2683
De inte bara ler mer, deras leenden pågår längre,
07:25
and we can now really quantify what it is that men and women
137
445574
2904
och vi kan nu verkligen mäta vad det är som män och kvinnor
07:28
respond to differently.
138
448478
2136
reagerar olika på.
07:30
Let's do culture: So in the United States,
139
450614
2290
Om vi tittar på kultur:
I USA är kvinnor 40 procent mer uttrycksfulla än män,
07:32
women are 40 percent more expressive than men,
140
452904
3204
men lustigt nog ser vi ingen skillnad mellan män och kvinnor i Storbritannien.
07:36
but curiously, we don't see any difference in the U.K. between men and women.
141
456108
3645
07:39
(Laughter)
142
459753
2506
(Skratt)
07:43
Age: People who are 50 years and older
143
463296
4027
Ålder: Människor som är 50 år och äldre
07:47
are 25 percent more emotive than younger people.
144
467323
3436
är 25 procent mer emotionella än unga människor.
07:51
Women in their 20s smile a lot more than men the same age,
145
471899
3852
Kvinnor i 20-årsåldern ler mycket mer än män i samma ålder,
07:55
perhaps a necessity for dating.
146
475751
3839
kanske är det nödvändigt vid dejter.
07:59
But perhaps what surprised us the most about this data
147
479590
2617
Men det som förvånade oss mest
08:02
is that we happen to be expressive all the time,
148
482207
3203
är att vi uttrycker oss hela tiden,
08:05
even when we are sitting in front of our devices alone,
149
485410
2833
även när vi sitter ensamma framför våra skärmar,
08:08
and it's not just when we're watching cat videos on Facebook.
150
488243
3274
och det är inte bara när vi tittar på kattvideos på Facebook.
Vi är uttycksfulla när vi skickar e-post, textmeddelanden, handlar online,
08:12
We are expressive when we're emailing, texting, shopping online,
151
492217
3010
08:15
or even doing our taxes.
152
495227
2300
till och med när vi deklarerar.
08:17
Where is this data used today?
153
497527
2392
Var används den här informationen idag?
08:19
In understanding how we engage with media,
154
499919
2763
Genom att förstå hur vi interagerar med medier kan vi förstå
08:22
so understanding virality and voting behavior;
155
502682
2484
viral budskapsspridning och röstbeteenden
08:25
and also empowering or emotion-enabling technology,
156
505166
2740
och även föra in möjligheten till känslouttryck i tekniken,
08:27
and I want to share some examples that are especially close to my heart.
157
507906
4621
och jag vill dela med mig av några exempel som ligger mig speciellt varmt om hjärtat.
08:33
Emotion-enabled wearable glasses can help individuals
158
513197
3068
Känslostyrda glasögon kan hjälpa människor
08:36
who are visually impaired read the faces of others,
159
516265
3228
med synnedsättning att läsa av andras ansikten,
08:39
and it can help individuals on the autism spectrum interpret emotion,
160
519493
4187
och det kan hjälpa individer med autism att tolka känslor,
08:43
something that they really struggle with.
161
523680
2778
något som de verkligen kämpar med.
08:47
In education, imagine if your learning apps
162
527918
2859
Inom utbildning, tänk dig att dina läroappar
08:50
sense that you're confused and slow down,
163
530777
2810
känner av att du är förvirrad och saktar ner,
08:53
or that you're bored, so it's sped up,
164
533587
1857
eller om du är uttråkad kan de öka tempot,
08:55
just like a great teacher would in a classroom.
165
535444
2969
precis som en riktigt bra lärare skulle göra i klassrummet.
08:59
What if your wristwatch tracked your mood,
166
539043
2601
Tänk om din armbandsklocka kunde mäta hur du mår,
09:01
or your car sensed that you're tired,
167
541644
2693
eller om din bil kunde veta att du var trött,
09:04
or perhaps your fridge knows that you're stressed,
168
544337
2548
eller kanske din kyl vet om att du är stressad,
09:06
so it auto-locks to prevent you from binge eating. (Laughter)
169
546885
6066
så att den låser sig automatiskt för att undvika att du proppar i dig.
Det skulle jag vilja ha.
09:12
I would like that, yeah.
170
552951
2717
(Skratt)
09:15
What if, when I was in Cambridge,
171
555668
1927
Tänk om jag hade hade haft tillgång
09:17
I had access to my real-time emotion stream,
172
557595
2313
till mina känslor i realtid i Cambridge,
09:19
and I could share that with my family back home in a very natural way,
173
559908
3529
och jag hade kunnat dela den med min familj på ett naturligt sätt,
09:23
just like I would've if we were all in the same room together?
174
563437
3971
på samma sätt som om vi hade varit i samma rum tillsammans?
09:27
I think five years down the line,
175
567408
3142
Jag tror att om fem år
09:30
all our devices are going to have an emotion chip,
176
570550
2337
kommer våra enheter att ha ett känslochip
09:32
and we won't remember what it was like when we couldn't just frown at our device
177
572887
4064
och vi kommer inte att minnas hur det var när vi inte kunde rynka pannan åt maskinen
09:36
and our device would say, "Hmm, you didn't like that, did you?"
178
576951
4249
och den sa "Hmm, det där gillade du inte va?"
09:41
Our biggest challenge is that there are so many applications of this technology,
179
581200
3761
Vår största utmaning är att det finns så många tillämpningar för tekniken,
09:44
my team and I realize that we can't build them all ourselves,
180
584961
2903
så jag och mitt team inser att vi inte kan bygga alla själva,
09:47
so we've made this technology available so that other developers
181
587864
3496
så vi har gjort tekniken tillgänglig så att andra utvecklare
kan börja skapa på ett kreativt sätt.
09:51
can get building and get creative.
182
591360
2114
09:53
We recognize that there are potential risks
183
593474
4086
Vi inser att det finns potientiella risker
09:57
and potential for abuse,
184
597560
2067
och möjligheter till missbruk,
09:59
but personally, having spent many years doing this,
185
599627
2949
men jag tror, efter att ha använt detta i många år,
10:02
I believe that the benefits to humanity
186
602576
2972
att fördelarna för mänskligheten
av att ha emotionellt intelligent teknik
10:05
from having emotionally intelligent technology
187
605548
2275
10:07
far outweigh the potential for misuse.
188
607823
3576
mer än väl uppväger konsekvenserna av felaktig användning.
10:11
And I invite you all to be part of the conversation.
189
611399
2531
Och jag bjuder in er alla att ta del i diskussionen.
10:13
The more people who know about this technology,
190
613930
2554
Ju fler människor som känner till den här tekniken,
10:16
the more we can all have a voice in how it's being used.
191
616484
3177
desto mer kan vi uttrycka åsikter om hur den ska användas.
10:21
So as more and more of our lives become digital,
192
621081
4574
Så när allt fler delar av våra liv blir digitala
10:25
we are fighting a losing battle trying to curb our usage of devices
193
625655
3498
utkämpar vi en ojämn kamp för att begränsa användningen av digitala enheter
10:29
in order to reclaim our emotions.
194
629153
2229
och kunna återta våra känslor.
10:32
So what I'm trying to do instead is to bring emotions into our technology
195
632622
3914
Vad jag istället försöker göra är att föra in känslorna i tekniken
10:36
and make our technologies more responsive.
196
636536
2229
och göra vår teknik mer lyhörd.
10:38
So I want those devices that have separated us
197
638765
2670
Jag vill att maskinerna som har separerat oss
10:41
to bring us back together.
198
641435
2462
ska föra oss samman igen.
10:43
And by humanizing technology, we have this golden opportunity
199
643897
4588
Och genom att göra tekniken mer human har vi ett gyllene tillfälle
10:48
to reimagine how we connect with machines,
200
648485
3297
att tänka om hur vi umgås med maskiner,
10:51
and therefore, how we, as human beings,
201
651782
4481
och därmed hur vi som människor
10:56
connect with one another.
202
656263
1904
umgås med varandra.
10:58
Thank you.
203
658167
2160
Tack.
11:00
(Applause)
204
660327
3313
(Applåder)
Om denna webbplats

På den här webbplatsen hittar du YouTube-videor som är användbara för att lära sig engelska. Du kommer att få se engelska lektioner som ges av förstklassiga lärare från hela världen. Dubbelklicka på de engelska undertexterna som visas på varje videosida för att spela upp videon därifrån. Undertexterna rullar i takt med videouppspelningen. Om du har några kommentarer eller önskemål kan du kontakta oss via detta kontaktformulär.

https://forms.gle/WvT1wiN1qDtmnspy7