TEDWomen 2015
Rana el Kaliouby: This app knows how you feel -- from the look on your face
رانا ئەل کالیۆبی: ئەم ئەپە دەزانێت هەست چۆنە -- بە دەربڕینی دەم و چاوتا
Filmed:
Readability: 4.3
1,613,290 views
هەست و سۆزمان کار دەکاتە سەر هەموو ڕوانگەکانی ژیانمان - چۆن فێردەبین، چۆن پەیوەندی بەیەکەوە دەکەین، چۆن بڕیارەکان دەدەین. لەگەڵ ئەوەشدا ئامادەییان نییە لە ژیانی ئەلیکترۆنیماندا؛ ئامێرەکان و ئاپەکانی کارلێکیان لەگەڵ دەکەین هیچ ڕێگایەکیان نییە بزانن هەستما چۆنە. زانا رانا ئیل کالیۆبی بەنیازە ئەوە بگۆڕێت. تەکنەلۆجیایەکی نوێ نمایش دەکات کە دەتوانێت دەربڕینەکانی ڕووخسار بخوێنێتەوە و بیانگەیەنێت بە هەستە پەیوەستەکان. ئەم "مەکینەی هەستە" بەکارهێنانی گەورەی هەیە بە قسەی خۆی، و نەک هەر دەتوانێت مامەڵەکردنمان لەگەڵ ئامێرەکان بگۆڕێت -- بەڵکو لەگەڵ یەکتریش.
Rana el Kaliouby - Computer scientist
What if a computer could recognize your facial expression, and react to how you feel? Rana el Kaliouby sees big possibilities in making technology emotionally aware. Full bio
What if a computer could recognize your facial expression, and react to how you feel? Rana el Kaliouby sees big possibilities in making technology emotionally aware. Full bio
Double-click the English transcript below to play the video.
00:12
Our emotions influence
every aspect of our lives,
every aspect of our lives,
0
556
4017
هه‌سته‌كانمان كاریگه‌ری له‌سه‌ر
هه‌موو بواره‌كانی ژیانمان هه‌یه،
هه‌موو بواره‌كانی ژیانمان هه‌یه،
00:16
from our health and how we learn,
to how we do business and make decisions,
to how we do business and make decisions,
1
4573
3576
له‌ته‌ندروستی و شێوازی فێربونمانه‌وه،
تا چۆنیه‌تی بازرگانیكردن و بڕیاردانیشمان،
تا چۆنیه‌تی بازرگانیكردن و بڕیاردانیشمان،
00:20
big ones and small.
2
8149
1773
گه‌وره تا بچوكی.
00:22
Our emotions also influence
how we connect with one another.
how we connect with one another.
3
10672
3490
هەستەكانمان كاریگەریش دەكەنە سەر
چۆنیەتی مامەڵەكردنمان لەگەڵ یەكتری
چۆنیەتی مامەڵەكردنمان لەگەڵ یەكتری
00:27
We've evolved to live
in a world like this,
in a world like this,
4
15132
3976
پەرەمان سەندوە تا لە جیهانێكی وەهادا بژین
00:31
but instead, we're living
more and more of our lives like this --
more and more of our lives like this --
5
19108
4319
لەجیاتی ئەوە، زیاتر و زیاتر
بەم شێوەیە دەژین
بەم شێوەیە دەژین
00:35
this is the text message
from my daughter last night --
from my daughter last night --
6
23427
3134
ئەمە نامەیەكە لە كچەكەمەوە شەوی ڕابردوو
00:38
in a world that's devoid of emotion.
7
26561
2740
لەجیهانێكدا كە دابراوە لە هەست
00:41
So I'm on a mission to change that.
8
29301
1951
من بە ئەرکێک هەستاوم ئەوە بگۆڕم.
00:43
I want to bring emotions
back into our digital experiences.
back into our digital experiences.
9
31252
4091
دەمەوێ هەست بگێڕمەوە بۆ ناو
ئەزموونە دیجیتاڵییەكانمان
ئەزموونە دیجیتاڵییەكانمان
00:48
I started on this path 15 years ago.
10
36223
3077
پانزە ساڵ لەمەوبەر ئەم رێگایەم دەستپێكرد
00:51
I was a computer scientist in Egypt,
11
39300
2066
زانای بواری كۆمپیوتەر بووم لە میسر
00:53
and I had just gotten accepted to
a Ph.D. program at Cambridge University.
a Ph.D. program at Cambridge University.
12
41366
4505
لە دكتۆرای كۆمپیوتەر وەرگیرام
لە زانكۆی كامبریدج
لە زانكۆی كامبریدج
00:57
So I did something quite unusual
13
45871
2113
شتێكی نائاسایم كرد
00:59
for a young newlywed Muslim Egyptian wife:
14
47984
4225
بۆ تازەبوكێكی گەنجی میسری موسوڵمان
01:05
With the support of my husband,
who had to stay in Egypt,
who had to stay in Egypt,
15
53599
2999
بەهاوكاری هاوسەرەكەم كە
دەبوایە له‌میسر بمێنێتەوە
دەبوایە له‌میسر بمێنێتەوە
01:08
I packed my bags and I moved to England.
16
56598
3018
جانتاكانم كۆكردەوە و چوومە بەریتانیا
01:11
At Cambridge, thousands of miles
away from home,
away from home,
17
59616
3228
لە كامبریدج، كە هەزاران میل
لە ووڵاتی خۆمەوە دوورە
لە ووڵاتی خۆمەوە دوورە
01:14
I realized I was spending
more hours with my laptop
more hours with my laptop
18
62844
3413
هەستمكرد كە كاتی زیاتر
بەسەردەبەم لەسەر لاپتۆپ
بەسەردەبەم لەسەر لاپتۆپ
01:18
than I did with any other human.
19
66257
2229
زیاتر لەوەی لەگەڵ هیچ
مرۆڤێكی تر بەسەری دەبەم
مرۆڤێكی تر بەسەری دەبەم
01:20
Yet despite this intimacy, my laptop
had absolutely no idea how I was feeling.
had absolutely no idea how I was feeling.
20
68486
4853
سەرباری ئەو دۆستایەتییە، لاپتۆپەكەم
قه‌ت هەستی نەدەكرد ئاخۆ من هەستم چۆنە
قه‌ت هەستی نەدەكرد ئاخۆ من هەستم چۆنە
01:25
It had no idea if I was happy,
21
73339
3211
هیچ نەیدەزانی ئەگەر دڵخۆش بم،
01:28
having a bad day, or stressed, confused,
22
76550
2988
ڕۆژێکی خراپم هەبێت، یان
سترێسم هەبێت، سەرم لێشێوابێت و
سترێسم هەبێت، سەرم لێشێوابێت و
01:31
and so that got frustrating.
23
79538
2922
ئەوەش کەمێک دڵەڕاوکێی دروستکرد.
01:35
Even worse, as I communicated
online with my family back home,
online with my family back home,
24
83600
5231
لەوەش خراپتر، كاتێك قسەم
لەگەڵ ماڵەوە دەكرد بە ئینتەرنێت
لەگەڵ ماڵەوە دەكرد بە ئینتەرنێت
01:41
I felt that all my emotions
disappeared in cyberspace.
disappeared in cyberspace.
25
89421
3282
هەستمدەكرد هەموو هەستەكان
وندەبن لەناو تۆری ئینتەرنێت
وندەبن لەناو تۆری ئینتەرنێت
01:44
I was homesick, I was lonely,
and on some days I was actually crying,
and on some days I was actually crying,
26
92703
5155
غەریب بووم، تەنیابووم و هەندێ
رۆژیش دەستمدەكرد بەگریان
رۆژیش دەستمدەكرد بەگریان
01:49
but all I had to communicate
these emotions was this.
these emotions was this.
27
97858
4928
به‌ڵام هه‌موو ئه‌وه‌ی كه له‌ڕێگایه‌وه
ئه‌م هه‌ستانه‌م ده‌گه‌یاند ئه‌م شته بوو.
ئه‌م هه‌ستانه‌م ده‌گه‌یاند ئه‌م شته بوو.
01:54
(Laughter)
28
102786
2020
(پێكه‌نین)
01:56
Today's technology
has lots of I.Q., but no E.Q.;
has lots of I.Q., but no E.Q.;
29
104806
4974
ته‌كنه‌لۆژیای سه‌رده‌م زیره‌كیه‌كی
زۆری هه‌یه به‌ڵام به‌بێ سۆز؛
زۆری هه‌یه به‌ڵام به‌بێ سۆز؛
02:01
lots of cognitive intelligence,
but no emotional intelligence.
but no emotional intelligence.
30
109780
3176
توانایه‌كی زۆری زیره‌كی و فێربوون
به‌ڵام بێ زیره‌كی سۆزی.
به‌ڵام بێ زیره‌كی سۆزی.
02:04
So that got me thinking,
31
112956
2197
ئه‌مه وایلێكردم بیربكه‌مه‌وه،
02:07
what if our technology
could sense our emotions?
could sense our emotions?
32
115153
3624
چی ده‌بێ ئه‌گه‌ر ته‌كنه‌لۆژیا هه‌ست
به سۆزه‌كانمان بكات؟
به سۆزه‌كانمان بكات؟
02:10
What if our devices could sense
how we felt and reacted accordingly,
how we felt and reacted accordingly,
33
118777
4076
چی ده‌بێ كه ئامێره‌كانمان بزانن هه‌ستمان
چۆنه و كاردانه‌وه‌یان به‌وپێیه بێت.
چۆنه و كاردانه‌وه‌یان به‌وپێیه بێت.
02:14
just the way an emotionally
intelligent friend would?
intelligent friend would?
34
122853
3013
ڕێك به‌و شێوازه‌ی كه هاورێییه‌كی
هۆشمه‌ندی سۆزدارمان ده‌یكات؟
هۆشمه‌ندی سۆزدارمان ده‌یكات؟
02:18
Those questions led me and my team
35
126666
3564
ئه‌م پرسیارانه وای له من و تیمه‌كه‌م كرد
02:22
to create technologies that can read
and respond to our emotions,
and respond to our emotions,
36
130230
4377
ته‌كنه‌لۆژیای وا دروست بكه‌ین بتوانێ
هه‌ستمان بخوێنێته‌وه و وه‌ڵامی بۆ هه‌بێت،
هه‌ستمان بخوێنێته‌وه و وه‌ڵامی بۆ هه‌بێت،
02:26
and our starting point was the human face.
37
134607
3090
وه ده‌سپێكی ئیشه‌كه‌شمان
به روخساری مرۆڤ بوو.
به روخساری مرۆڤ بوو.
02:30
So our human face happens to be
one of the most powerful channels
one of the most powerful channels
38
138577
3173
روخسارمان یه‌كێكه له به‌هێزترین ڕێگاكان
02:33
that we all use to communicate
social and emotional states,
social and emotional states,
39
141750
4016
كه هه‌موومان به‌كاریده‌هێنین بۆ
گه‌یاندنی هەست و سۆزمان.
گه‌یاندنی هەست و سۆزمان.
02:37
everything from enjoyment, surprise,
40
145766
3010
هه‌موو شتێك، له چێژبردن، سه‌رسوڕمان،
02:40
empathy and curiosity.
41
148776
4203
هاوسۆزی بوون و حەسرەت گرتنیش.
02:44
In emotion science, we call each
facial muscle movement an action unit.
facial muscle movement an action unit.
42
152979
4928
له‌زانستی سۆزدا، جوڵه‌ی هه‌ر
ماسولكه‌یه‌كی رووخسار یه‌كه‌یه‌كی كاره.
ماسولكه‌یه‌كی رووخسار یه‌كه‌یه‌كی كاره.
02:49
So for example, action unit 12,
43
157907
2925
بۆنمونه، یه‌كه‌ی كاری ١٢،
02:52
it's not a Hollywood blockbuster,
44
160832
2038
فیلمه كاریگه‌رو پڕداهاته‌كانی هۆڵیود نیه
02:54
it is actually a lip corner pull,
which is the main component of a smile.
which is the main component of a smile.
45
162870
3442
له‌راستیدا گۆشه‌ی لێوه،
كه پێكهێنه‌ری سه‌ره‌كی بزه‌كردنه.
كه پێكهێنه‌ری سه‌ره‌كی بزه‌كردنه.
02:58
Try it everybody. Let's get
some smiles going on.
some smiles going on.
46
166312
2988
هه‌مووتان تاقی بكه‌نه‌وه.
باهه‌ندێ زه‌رده‌خه‌نه بكه‌ین.
باهه‌ندێ زه‌رده‌خه‌نه بكه‌ین.
03:01
Another example is action unit 4.
It's the brow furrow.
It's the brow furrow.
47
169300
2654
نمونه‌یه‌كی تر یه‌كه‌ی كاری ٤،
درزی نێوان برۆكانه.
درزی نێوان برۆكانه.
03:03
It's when you draw your eyebrows together
48
171954
2238
كاتێك هه‌ردوو برۆت بۆیه‌كتری ده‌هێنیته‌وه
03:06
and you create all
these textures and wrinkles.
these textures and wrinkles.
49
174192
2267
وه هه‌موو ئه‌و لۆچیانه درووست ده‌كه‌یت.
03:08
We don't like them, but it's
a strong indicator of a negative emotion.
a strong indicator of a negative emotion.
50
176459
4295
حه‌زمان پێیی نایه‌ت، به‌ڵام
نیشانه‌یه‌كی به‌هێزی هه‌ستی نەرێنییە.
نیشانه‌یه‌كی به‌هێزی هه‌ستی نەرێنییە.
03:12
So we have about 45 of these action units,
51
180754
2206
نزیکەی ٤٥ یەکەی کارمان هەیە و
03:14
and they combine to express
hundreds of emotions.
hundreds of emotions.
52
182960
3390
ئه‌م یه‌كانه تێكه‌ڵ ده‌بن و سه‌دان
هه‌ستی جیاواز ده‌رده‌بڕن.
هه‌ستی جیاواز ده‌رده‌بڕن.
03:18
Teaching a computer to read
these facial emotions is hard,
these facial emotions is hard,
53
186350
3901
فێركردنی كۆمپیوته‌ر بۆ خوێندنه‌وه‌ی
ئه‌و هه‌ستانه‌ی ده‌مووچاو زۆر قورسه،
ئه‌و هه‌ستانه‌ی ده‌مووچاو زۆر قورسه،
03:22
because these action units,
they can be fast, they're subtle,
they can be fast, they're subtle,
54
190251
2972
له‌به‌رئه‌وه‌ی ئه‌م یه‌كانه،
ده‌توانن زۆر خێرابن، زۆر وردبن،
ده‌توانن زۆر خێرابن، زۆر وردبن،
03:25
and they combine in many different ways.
55
193223
2554
به‌شێوازی زۆر جیاوازیش تێكه‌ڵاوبن.
03:27
So take, for example,
the smile and the smirk.
the smile and the smirk.
56
195777
3738
بۆنمونه با بزه‌كردن و
زه‌رده‌خه‌نه‌ی فیز به نمونه وه‌ربگرین.
زه‌رده‌خه‌نه‌ی فیز به نمونه وه‌ربگرین.
03:31
They look somewhat similar,
but they mean very different things.
but they mean very different things.
57
199515
3753
تۆزێ له‌یه‌ك ده‌چن، به‌ڵام
مانایان یه‌كجار جیاوازه.
مانایان یه‌كجار جیاوازه.
03:35
(Laughter)
58
203268
1718
(پێكه‌نین)
03:36
So the smile is positive,
59
204986
3004
بزه‌كردن ئەرێنییە،
03:39
a smirk is often negative.
60
207990
1270
زەردەخەنەی بەزۆر نەرێنییە.
03:41
Sometimes a smirk
can make you become famous.
can make you become famous.
61
209260
3876
هه‌ندێجار ئه‌و زه‌رده‌خه‌نه‌یه
وات لێده‌كا به‌ناوبانگ بیت.
وات لێده‌كا به‌ناوبانگ بیت.
03:45
But seriously, it's important
for a computer to be able
for a computer to be able
62
213136
2824
به‌ڵام هەر بەڕاست، زۆر گرنگه بۆ
كۆمپیوته‌ر كه بتوانێ
كۆمپیوته‌ر كه بتوانێ
03:47
to tell the difference
between the two expressions.
between the two expressions.
63
215960
2855
جیاوازی بكا له‌نێوان ئه‌و دوو هه‌ستەدا.
03:50
So how do we do that?
64
218815
1812
کەواتە چۆن ئەوە بکەین؟
03:52
We give our algorithms
65
220627
1787
ئێمه ڕیزبه‌ندییه‌كه‌مان دایه
03:54
tens of thousands of examples
of people we know to be smiling,
of people we know to be smiling,
66
222414
4110
ده‌یان هه‌زار نمونه‌ی زەردەخەنەی
خه‌ڵكی ناسراو.
خه‌ڵكی ناسراو.
03:58
from different ethnicities, ages, genders,
67
226524
3065
له نه‌ژاد، ته‌مه‌ن و ره‌گه‌زی جیاواز
04:01
and we do the same for smirks.
68
229589
2811
وه هه‌مان شتیشمان كرد بۆ
زه‌رده‌خه‌نه‌ی بەزۆریش کرد.
زه‌رده‌خه‌نه‌ی بەزۆریش کرد.
04:04
And then, using deep learning,
69
232400
1554
دواتر، فێربونی زۆرمان به‌كارهێنا
04:05
the algorithm looks for all these
textures and wrinkles
textures and wrinkles
70
233954
2856
ریزبه‌ندییه‌كه ده‌گه‌ڕا بۆ هه‌موو
پێكهاته و لۆچیه‌كان
پێكهاته و لۆچیه‌كان
04:08
and shape changes on our face,
71
236810
2580
وه هه‌موو شێواز گۆڕینه‌كان
له‌سه‌ر ده‌مووچاومان،
له‌سه‌ر ده‌مووچاومان،
04:11
and basically learns that all smiles
have common characteristics,
have common characteristics,
72
239390
3202
فێربوو كه هه‌موو بزه‌كان كۆمه‌ڵێ
تایبەتمەندی هاوبه‌شیان هه‌یه،
تایبەتمەندی هاوبه‌شیان هه‌یه،
04:14
all smirks have subtly
different characteristics.
different characteristics.
73
242592
3181
زەردەخەنە بەزۆرەکانیش چەند
جیاوازییەکی کەمیان هەیە.
جیاوازییەکی کەمیان هەیە.
04:17
And the next time it sees a new face,
74
245773
2368
هه‌ركاتێك روخسارێكی تازه‌ی بینیبا
04:20
it essentially learns that
75
248141
2299
فێرده‌بوو كه
04:22
this face has the same
characteristics of a smile,
characteristics of a smile,
76
250440
3033
ئه‌و روخساره هه‌مان
جیاكه‌ره‌وه‌ی بزه‌كردنی هه‌یه.
جیاكه‌ره‌وه‌ی بزه‌كردنی هه‌یه.
04:25
and it says, "Aha, I recognize this.
This is a smile expression."
This is a smile expression."
77
253473
4278
وه ده‌یگووت "ئه‌ها، ئه‌وه ده‌ناسمه‌وه.
ئه‌مه زەردەخەنەیە."
ئه‌مه زەردەخەنەیە."
04:30
So the best way to demonstrate
how this technology works
how this technology works
78
258381
2800
باشترین ڕێگا بۆ پشاندانی چۆنیه‌تی
كاركردنی ته‌كنه‌لۆژیاكه
كاركردنی ته‌كنه‌لۆژیاكه
04:33
is to try a live demo,
79
261181
2136
تاقیكردنه‌وه‌ی نمونه‌یه‌كی راسته‌وخۆیه،
04:35
so I need a volunteer,
preferably somebody with a face.
preferably somebody with a face.
80
263317
3913
پێویستیم به خۆبه‌خشێكه،
باشتره كه‌سێك بێت ده‌مووچاوی هه‌بێت.
باشتره كه‌سێك بێت ده‌مووچاوی هه‌بێت.
04:39
(Laughter)
81
267230
2334
(پێكه‌نین)
04:41
Cloe's going to be our volunteer today.
82
269564
2771
كلۆی خۆبه‌خشه‌كه‌مان ده‌بێت.
04:45
So over the past five years, we've moved
from being a research project at MIT
from being a research project at MIT
83
273325
4458
له ٥ ساڵی رابردوو، له په‌یمانگای ماساچوسیت
له پرۆژه‌یه‌كی توێژینه‌وه‌وه گۆراوین
له پرۆژه‌یه‌كی توێژینه‌وه‌وه گۆراوین
04:49
to a company,
84
277783
1156
بۆ كۆمپانیایه‌ك،
04:50
where my team has worked really hard
to make this technology work,
to make this technology work,
85
278939
3192
تیمه‌كه‌م كاری زۆریان ئه‌نجامداوه
بۆ سه‌رخستنی ته‌كنه‌لۆژیاكه،
بۆ سه‌رخستنی ته‌كنه‌لۆژیاكه،
04:54
as we like to say, in the wild.
86
282131
2409
وەک حەزدەکەین بڵێین، لە سروشتدا.
04:56
And we've also shrunk it so that
the core emotion engine
the core emotion engine
87
284540
2670
بچوكمان كردوه‌ته‌وه تا
كرۆكی مه‌كینه‌ی هه‌سته‌كه
كرۆكی مه‌كینه‌ی هه‌سته‌كه
04:59
works on any mobile device
with a camera, like this iPad.
with a camera, like this iPad.
88
287210
3320
له‌هه‌موو جۆره مۆبایلێكدا كاربكات كه
.كامێرای هه‌بێت وه‌ك ئه‌م ئایپاده
.كامێرای هه‌بێت وه‌ك ئه‌م ئایپاده
05:02
So let's give this a try.
89
290530
2786
با تاقی بكه‌ینه‌وه.
05:06
As you can see, the algorithm
has essentially found Cloe's face,
has essentially found Cloe's face,
90
294756
3924
وه‌ك ده‌یبینن، ریزبه‌ندییه‌كه
ده‌مووچاوی كلۆی دۆزییه‌وه،
ده‌مووچاوی كلۆی دۆزییه‌وه،
05:10
so it's this white bounding box,
91
298680
1692
ئه‌م بۆكسه ده‌ور سپیه‌یه.
05:12
and it's tracking the main
feature points on her face,
feature points on her face,
92
300372
2571
سه‌ره‌كیترین جیاكه‌ره‌وه‌كانی
ده‌موچاوی كۆده‌كاته‌وه،
ده‌موچاوی كۆده‌كاته‌وه،
05:14
so her eyebrows, her eyes,
her mouth and her nose.
her mouth and her nose.
93
302943
2856
برۆكانی، چاوه‌كانی، ده‌می و لووتی.
05:17
The question is,
can it recognize her expression?
can it recognize her expression?
94
305799
2987
پرسیاره‌كه ئه‌وه‌یه، ده‌توانێ
ده‌ربڕینی روخساری بناسێته‌وه؟
ده‌ربڕینی روخساری بناسێته‌وه؟
05:20
So we're going to test the machine.
95
308786
1671
بۆیه ئامێره‌كه تاقی ده‌كه‌ینه‌وه.
05:22
So first of all, give me your poker face.
Yep, awesome. (Laughter)
Yep, awesome. (Laughter)
96
310457
4186
سه‌ره‌تا، با دەم و چاوە بێ دەربڕینەکەت .
ببینین. دەی زۆرباشە.
ببینین. دەی زۆرباشە.
05:26
And then as she smiles,
this is a genuine smile, it's great.
this is a genuine smile, it's great.
97
314643
2813
دواتر كه بزه‌ده‌كات،
بزه‌یه‌كی راسته‌قینه‌یه، زۆر باشه.
بزه‌یه‌كی راسته‌قینه‌یه، زۆر باشه.
05:29
So you can see the green bar
go up as she smiles.
go up as she smiles.
98
317456
2300
ببینن هێڵه سه‌وزه‌كه به‌رزده‌بێته‌وه
كه بزه ده‌كات
كه بزه ده‌كات
05:31
Now that was a big smile.
99
319756
1222
ئه‌مه بزه‌یه‌كی گه‌وره‌یه
05:32
Can you try a subtle smile
to see if the computer can recognize?
to see if the computer can recognize?
100
320978
3043
ده‌توانی بزه‌یه‌كی كه‌م بكه‌ی
بزانین كۆمپیوته‌ره‌كه ده‌یدۆزێته‌وه؟
بزانین كۆمپیوته‌ره‌كه ده‌یدۆزێته‌وه؟
05:36
It does recognize subtle smiles as well.
101
324021
2331
بزه‌ی زۆر كه‌میش ده‌دۆزێته‌وه.
05:38
We've worked really hard
to make that happen.
to make that happen.
102
326352
2125
كاری سه‌ختمان كردووه
بۆ به‌دیهێنانی.
بۆ به‌دیهێنانی.
05:40
And then eyebrow raised,
indicator of surprise.
indicator of surprise.
103
328477
2962
دواتر، به‌رزكردننه‌وه‌ی برۆ، نیشانه‌ی سه‌رسوڕمان.
05:43
Brow furrow, which is
an indicator of confusion.
an indicator of confusion.
104
331439
4249
هێنانه‌وه‌ی برۆ بۆیه‌كتر،
نیشانه‌ی په‌شێوییه.
نیشانه‌ی په‌شێوییه.
05:47
Frown. Yes, perfect.
105
335688
4007
مۆنی. به‌ڵێ ته‌واوه.
05:51
So these are all the different
action units. There's many more of them.
action units. There's many more of them.
106
339695
3493
ئه‌مانه هه‌موو یه‌كه‌ی كاری جیاوازن.
زۆر زیاتریش هه‌ن.
زۆر زیاتریش هه‌ن.
05:55
This is just a slimmed-down demo.
107
343188
2032
ئه‌مه ته‌نیا نمونه‌یه‌كی بچوككراوه‌یه.
05:57
But we call each reading
an emotion data point,
an emotion data point,
108
345220
3148
ئێمه به‌هه‌ر خوێندنه‌وه‌یه‌كی
هه‌سته‌كان ده‌ڵێین، خاڵێکی زانیاری.
هه‌سته‌كان ده‌ڵێین، خاڵێکی زانیاری.
06:00
and then they can fire together
to portray different emotions.
to portray different emotions.
109
348368
2969
به‌یه‌كه‌وه كارده‌كه‌ن و
هه‌ستی جیاواز وێنا ده‌كه‌ن.
هه‌ستی جیاواز وێنا ده‌كه‌ن.
06:03
So on the right side of the demo --
look like you're happy.
look like you're happy.
110
351337
4653
له‌لای راستی نمونه‌كه-- وادیاره دڵخۆشی.
06:07
So that's joy. Joy fires up.
111
355990
1454
بۆیه ئه‌مه دڵخۆشییە.
06:09
And then give me a disgust face.
112
357444
1927
ڕووخسارێکی قێزهاتنەوە بەرێ.
06:11
Try to remember what it was like
when Zayn left One Direction.
when Zayn left One Direction.
113
359371
4272
هەوڵبەن بیرتان بکەوێتەوە شتێکی چۆن
بوو کە زەین وەن دایرێکشنی بەجێهێشت
بوو کە زەین وەن دایرێکشنی بەجێهێشت
06:15
(Laughter)
114
363643
1510
(پێكه‌نین)
06:17
Yeah, wrinkle your nose. Awesome.
115
365153
4342
به‌ڵێ، لوتت چرچ بكه. زۆر جوانه.
06:21
And the valence is actually quite
negative, so you must have been a big fan.
negative, so you must have been a big fan.
116
369495
3731
پێوه‌ره‌كه زۆر نەرێنییە،
بۆیە ئەبێ هەوادارێکی سەرسەخت بووبێتی.
بۆیە ئەبێ هەوادارێکی سەرسەخت بووبێتی.
06:25
So valence is how positive
or negative an experience is,
or negative an experience is,
117
373226
2700
پێوەرەکە ئەوەیە ئەم ئەزموونە تا
چەندێک ئەرێنی یان نەرێنییە، و
چەندێک ئەرێنی یان نەرێنییە، و
06:27
and engagement is how
expressive she is as well.
expressive she is as well.
118
375926
2786
وه په‌یوه‌ندییه‌كه‌ش
ئه‌وه‌یه تاچه‌ند ده‌ربڕه.
ئه‌وه‌یه تاچه‌ند ده‌ربڕه.
06:30
So imagine if Cloe had access
to this real-time emotion stream,
to this real-time emotion stream,
119
378712
3414
بیهێننه به‌رچاو گه‌ر كلۆی ده‌ستی
گه‌یشتایه به‌و زنجیره هه‌ستانه
گه‌یشتایه به‌و زنجیره هه‌ستانه
06:34
and she could share it
with anybody she wanted to.
with anybody she wanted to.
120
382126
2809
ده‌یتوانی له‌گه‌ڵ هه‌ركه‌سێك
بیه‌وێت هاوبەشی بكات
بیه‌وێت هاوبەشی بكات
06:36
Thank you.
121
384935
2923
سوپاس.
(چه‌پڵه)
06:39
(Applause)
122
387858
4621
06:45
So, so far, we have amassed
12 billion of these emotion data points.
12 billion of these emotion data points.
123
393749
5270
تا ئێستا زیاتر له ١٢ بلیۆن له‌و
داتا پۆینتی هه‌ستانه‌مان كۆكردۆته‌وه
داتا پۆینتی هه‌ستانه‌مان كۆكردۆته‌وه
06:51
It's the largest emotion
database in the world.
database in the world.
124
399019
2611
گه‌وره‌ترین داتابه‌یسی هه‌سته له‌جیهاندا.
06:53
We've collected it
from 2.9 million face videos,
from 2.9 million face videos,
125
401630
2963
ئه‌مانه‌مان له ٢.٩ ملیۆن ڤیدیۆی
روخساره‌كان كۆكردۆته‌وه،
روخساره‌كان كۆكردۆته‌وه،
06:56
people who have agreed
to share their emotions with us,
to share their emotions with us,
126
404593
2600
ئه‌و خه‌ڵكانه‌ی رازیبون هه‌ستیان
له‌گه‌ڵمان شێر بكه‌ن
له‌گه‌ڵمان شێر بكه‌ن
06:59
and from 75 countries around the world.
127
407193
3205
له ٧٥ وڵاتی جیاوازی جیهانه‌وه
07:02
It's growing every day.
128
410398
1715
رۆژبه‌رۆژ گه‌وره‌تر ده‌بێ.
07:04
It blows my mind away
129
412603
2067
مێشكم بڕوا ناكات
07:06
that we can now quantify something
as personal as our emotions,
as personal as our emotions,
130
414670
3195
ئێستا ده‌توانین پێوانه‌ی شتێكی
كه‌سی وه‌ك هه‌سته‌كان بكه‌ین
كه‌سی وه‌ك هه‌سته‌كان بكه‌ین
07:09
and we can do it at this scale.
131
417865
2235
وه ده‌توانین له‌سه‌ر
ئه‌م پێوه‌ره بیكه‌ین.
ئه‌م پێوه‌ره بیكه‌ین.
07:12
So what have we learned to date?
132
420100
2177
چی فێربووین تا ئێستا؟
07:15
Gender.
133
423057
2331
ره‌گه‌ز.
07:17
Our data confirms something
that you might suspect.
that you might suspect.
134
425388
3646
داتاكانمان شتێكیان پشتڕاستكرۆده‌ته‌وه
ره‌نگه پێشبینیتان كردبێ،
ره‌نگه پێشبینیتان كردبێ،
07:21
Women are more expressive than men.
135
429034
1857
ژنان هەست زیاتر دەردەبڕن له پیاوان
07:22
Not only do they smile more,
their smiles last longer,
their smiles last longer,
136
430891
2683
ته‌نیا بزه زیاتر ناكه‌ن،
به‌ڵكو زیاتریش ده‌خایه‌نێ،
به‌ڵكو زیاتریش ده‌خایه‌نێ،
07:25
and we can now really quantify
what it is that men and women
what it is that men and women
137
433574
2904
ده‌توانین ئێستا ئه‌وه بژمێرین
چ شتێكه ژنان و پیاوان
چ شتێكه ژنان و پیاوان
07:28
respond to differently.
138
436478
2136
وه‌ڵامی جیاوازیان بۆی هه‌یه.
07:30
Let's do culture: So in the United States,
139
438614
2290
با باسی كه‌لتور بكه‌ین: له ئه‌مریكا،
07:32
women are 40 percent
more expressive than men,
more expressive than men,
140
440904
3204
ژنان %٤٠ زیاتر هەست دەردەبڕن له پیاوان،
07:36
but curiously, we don't see any difference
in the U.K. between men and women.
in the U.K. between men and women.
141
444108
3645
به‌ڵام له‌به‌ریتانیا، هیچ جیاوازییه‌كمان
نه‌بینینێ له‌نێوان ژنان و پیاواندا.
نه‌بینینێ له‌نێوان ژنان و پیاواندا.
07:39
(Laughter)
142
447753
2506
(پێكه‌نین)
07:43
Age: People who are 50 years and older
143
451296
4027
ته‌مه‌ن: خه‌ڵكی ٥٠ ساڵ و سه‌روتر
07:47
are 25 percent more emotive
than younger people.
than younger people.
144
455323
3436
٢٥% هەستیار ترن له‌گه‌نجه‌كان.
07:51
Women in their 20s smile a lot more
than men the same age,
than men the same age,
145
459899
3852
ژنان له ته‌مه‌نی ٢٠ه‌كانیان زۆر
به‌بزه‌ترن له‌پیاوانی هاوته‌مه‌نیان.
به‌بزه‌ترن له‌پیاوانی هاوته‌مه‌نیان.
07:55
perhaps a necessity for dating.
146
463751
3839
له‌وانه‌یه پێویستی بێت بۆ ژوان.
07:59
But perhaps what surprised us
the most about this data
the most about this data
147
467590
2617
ئه‌وه‌ی جێی سه‌رسوڕمانبوو
بۆمان ده‌رباره‌ی ئه‌م داتایه
بۆمان ده‌رباره‌ی ئه‌م داتایه
08:02
is that we happen
to be expressive all the time,
to be expressive all the time,
148
470207
3203
ئه‌وه بوو كه ئێمه هه‌میشه
هه‌ستێك ده‌رده‌بڕین،
هه‌ستێك ده‌رده‌بڕین،
08:05
even when we are sitting
in front of our devices alone,
in front of our devices alone,
149
473410
2833
ته‌نانه‌ت كاتێك به‌ته‌نیاین
له‌به‌رده‌م ئامێره‌كانمان.
له‌به‌رده‌م ئامێره‌كانمان.
08:08
and it's not just when we're watching
cat videos on Facebook.
cat videos on Facebook.
150
476243
3274
ته‌نیا ئه‌و كاتانه نییه كه سه‌یری
ڤیدیۆی فه‌یسبووك ده‌كه‌ین.
ڤیدیۆی فه‌یسبووك ده‌كه‌ین.
08:12
We are expressive when we're emailing,
texting, shopping online,
texting, shopping online,
151
480217
3010
كاتی ئیمه‌یل ناردن، نامه‌نوسین،
بازاڕكردنی ئۆنلاین
بازاڕكردنی ئۆنلاین
08:15
or even doing our taxes.
152
483227
2300
ته‌نانه‌ت كاتی باجدانیش.
08:17
Where is this data used today?
153
485527
2392
ئه‌و داتایه له‌كوێ به‌كاردێت؟
08:19
In understanding how we engage with media,
154
487919
2763
له تێگه‌یشتن بۆ چۆنیه‌تی
مامه‌له‌مان له‌گه‌ڵ میدیا،
مامه‌له‌مان له‌گه‌ڵ میدیا،
08:22
so understanding virality
and voting behavior;
and voting behavior;
155
490682
2484
تێگه‌یشتن له خێرا بڵاوبونه‌وه و
خوی ده‌نگدان؛
خوی ده‌نگدان؛
08:25
and also empowering
or emotion-enabling technology,
or emotion-enabling technology,
156
493166
2740
هه‌روه‌ها به‌ده‌سه‌ڵاتكردنی
یا هه‌ستكردنی ته‌كنه‌لۆژیا.
یا هه‌ستكردنی ته‌كنه‌لۆژیا.
08:27
and I want to share some examples
that are especially close to my heart.
that are especially close to my heart.
157
495906
4621
ده‌مه‌وێ هه‌ندێ نمونه‌تان پشانده‌م
كه به‌راستی له‌دڵمه‌وه نزیكن.
كه به‌راستی له‌دڵمه‌وه نزیكن.
08:33
Emotion-enabled wearable glasses
can help individuals
can help individuals
158
501197
3068
چاویلكه‌ی هه‌ستكه‌ر یارمه‌تی
ده‌بێ بۆ ئه‌و تاكانه‌ی
ده‌بێ بۆ ئه‌و تاكانه‌ی
08:36
who are visually impaired
read the faces of others,
read the faces of others,
159
504265
3228
كه بیناییان له‌ده‌ستداوه، تا ده‌موچاوی
ئه‌وانیتر بخوێننه‌وه،
ئه‌وانیتر بخوێننه‌وه،
08:39
and it can help individuals
on the autism spectrum interpret emotion,
on the autism spectrum interpret emotion,
160
507493
4187
یارمه‌تی نه‌خۆشانی ئۆتیزم
ده‌دات هه‌سته‌كان لێكبده‌نه‌وه،
ده‌دات هه‌سته‌كان لێكبده‌نه‌وه،
08:43
something that they really struggle with.
161
511680
2778
كه شتێكه به‌راستی گیرۆده‌ن پێوەی.
08:47
In education, imagine
if your learning apps
if your learning apps
162
515918
2859
له په‌روه‌رده‌دا، بیهێنه به‌رچاوت ئەگه‌ر
ئه‌پی فێربونه‌كه‌ت
ئه‌پی فێربونه‌كه‌ت
08:50
sense that you're confused and slow down,
163
518777
2810
هه‌ست به‌وه بكات تۆ
شێواوی و تاقه‌تت نه‌ماوه،
شێواوی و تاقه‌تت نه‌ماوه،
08:53
or that you're bored, so it's sped up,
164
521587
1857
یاخود بێزاربووی، بۆیه خۆی خێرا ده‌كات،
08:55
just like a great teacher
would in a classroom.
would in a classroom.
165
523444
2969
وه‌ك ئه‌وه‌ی مامۆستا باشه‌كان
ده‌یكه‌ن له‌ناو پۆلدا.
ده‌یكه‌ن له‌ناو پۆلدا.
08:59
What if your wristwatch tracked your mood,
166
527043
2601
چی ده‌بێ ئه‌گه‌ر سه‌عاتی ده‌ستت،
مه‌زاجت بخوێنێته‌وه،
مه‌زاجت بخوێنێته‌وه،
09:01
or your car sensed that you're tired,
167
529644
2693
یاخود ئۆتۆمبێله‌كه‌ت
هه‌ستكا كه تۆ بێتاقه‌تی،
هه‌ستكا كه تۆ بێتاقه‌تی،
09:04
or perhaps your fridge
knows that you're stressed,
knows that you're stressed,
168
532337
2548
یاخود به‌فرگره‌كه‌ت بزانێ
كه تۆ سترێس هەیە،
كه تۆ سترێس هەیە،
09:06
so it auto-locks to prevent you
from binge eating. (Laughter)
from binge eating. (Laughter)
169
534885
6066
وه خۆی دابخات تا به‌دووربیت له‌زۆر خۆری.(پێكه‌نین)
09:12
I would like that, yeah.
170
540951
2717
ئەوەم بەدڵە، بەڵێ.
09:15
What if, when I was in Cambridge,
171
543668
1927
چی ئەبوو، ئەگەر ئەوکاتەی لە
کامبریدج بووم
کامبریدج بووم
09:17
I had access to my real-time
emotion stream,
emotion stream,
172
545595
2313
دەستم بگەشتەیا بەم توانای
گواستنەوەی هەستانە، و
گواستنەوەی هەستانە، و
09:19
and I could share that with my family
back home in a very natural way,
back home in a very natural way,
173
547908
3529
بە شێوەیەکی زۆر سرووشتی نیشانی
خێزانەکەم بایە لە ماڵەوە،
خێزانەکەم بایە لە ماڵەوە،
09:23
just like I would've if we were all
in the same room together?
in the same room together?
174
551437
3971
وه‌ك ئه‌وه‌ی هه‌موومان
له‌هه‌مان ژوربین پێكه‌وه؟
له‌هه‌مان ژوربین پێكه‌وه؟
09:27
I think five years down the line,
175
555408
3142
پێموایه ٥ ساڵ دواتر،
09:30
all our devices are going
to have an emotion chip,
to have an emotion chip,
176
558550
2337
هه‌موو ئامێره‌كانمان
پارچه‌یه‌كی ده‌بێت بۆ هه‌ست.
پارچه‌یه‌كی ده‌بێت بۆ هه‌ست.
09:32
and we won't remember what it was like
when we couldn't just frown at our device
when we couldn't just frown at our device
177
560887
4064
بیرمان نابێت و خۆمان له‌مۆبایله‌كه
مۆن ده‌كه‌ین
مۆن ده‌كه‌ین
09:36
and our device would say, "Hmm,
you didn't like that, did you?"
you didn't like that, did you?"
178
564951
4249
ئامێره‌كه‌ش ده‌ڵێ"همم،
ئه‌مه‌ت به‌دڵ نییه، وایه؟"
ئه‌مه‌ت به‌دڵ نییه، وایه؟"
09:41
Our biggest challenge is that there are
so many applications of this technology,
so many applications of this technology,
179
569200
3761
به‌ره‌نگارییه گه‌وره‌كه‌مان ئه‌وه‌یه،
ته‌كنه‌لۆژیاكه به‌كارهێنانی زۆره،
ته‌كنه‌لۆژیاكه به‌كارهێنانی زۆره،
09:44
my team and I realize that we can't
build them all ourselves,
build them all ourselves,
180
572961
2903
من و تیمه‌كه‌م پێمانوایه ده‌توانین
هه‌موویان بكه‌ین،
هه‌موویان بكه‌ین،
09:47
so we've made this technology available
so that other developers
so that other developers
181
575864
3496
ته‌كنه‌لۆژیاكه ده‌خه‌ینه به‌رده‌ست
تا پەرەپێدەرەکانی تر
تا پەرەپێدەرەکانی تر
09:51
can get building and get creative.
182
579360
2114
بتوانن بونیاتنه‌ر و دروستكه‌ربن.
09:53
We recognize that
there are potential risks
there are potential risks
183
581474
4086
ده‌شزانین كه هه‌ندێ
مه‌ترسی شاراوه هه‌یه
مه‌ترسی شاراوه هه‌یه
09:57
and potential for abuse,
184
585560
2067
بۆ خراپ به‌كارهێنانی
09:59
but personally, having spent
many years doing this,
many years doing this,
185
587627
2949
وه‌ك خۆم، چه‌ند ساڵم
له‌مه‌دا سه‌رف كردووه،
له‌مه‌دا سه‌رف كردووه،
10:02
I believe that the benefits to humanity
186
590576
2972
باوه‌ڕم وایه كه سووده‌كانی بۆ مرۆڤایه‌تی
10:05
from having emotionally
intelligent technology
intelligent technology
187
593548
2275
له هه‌بوونی ته‌كنه‌لۆژیایه‌كی
خاوه‌ن هه‌ست
خاوه‌ن هه‌ست
10:07
far outweigh the potential for misuse.
188
595823
3576
زۆر زیاتره له‌زیانه شاراوه‌كانی
خراپ به‌كارهێنان.
خراپ به‌كارهێنان.
10:11
And I invite you all to be
part of the conversation.
part of the conversation.
189
599399
2531
بانگێشتان ده‌كه‌م كه ببنه
به‌شێك له‌و گفتوگۆیه
به‌شێك له‌و گفتوگۆیه
10:13
The more people who know
about this technology,
about this technology,
190
601930
2554
تا خه‌ڵك زیاتر بزانێ
له‌سه‌ر ئه‌م ته‌كنه‌لۆژیایه
له‌سه‌ر ئه‌م ته‌كنه‌لۆژیایه
10:16
the more we can all have a voice
in how it's being used.
in how it's being used.
191
604484
3177
بۆ ئەوەی هەموومان زیاتر دەستمان
هەبێت لە باش بەکارهێنانیا.
هەبێت لە باش بەکارهێنانیا.
10:21
So as more and more
of our lives become digital,
of our lives become digital,
192
609081
4574
له‌كاتێكدا ژیانمان زیاتر و زیاتر
به‌ره‌و بەئەلیكترۆنیبوون ده‌روا،
به‌ره‌و بەئەلیكترۆنیبوون ده‌روا،
10:25
we are fighting a losing battle
trying to curb our usage of devices
trying to curb our usage of devices
193
613655
3498
شه‌ڕێكی دۆڕاو ده‌كه‌ین ئەگەر هەوڵبەین بۆ
نه‌هێشتنی به‌كارهێنانی ئامێره‌كان
نه‌هێشتنی به‌كارهێنانی ئامێره‌كان
10:29
in order to reclaim our emotions.
194
617153
2229
به‌مه‌به‌ستی گه‌راندنه‌وه‌ی هه‌سته‌كانمان
10:32
So what I'm trying to do instead
is to bring emotions into our technology
is to bring emotions into our technology
195
620622
3914
لەجیاتی ئەوە من هەوڵمداوە هەستەکان
بگەڕێنمەوە ناو تەکنەلۆجیاکانمان و
بگەڕێنمەوە ناو تەکنەلۆجیاکانمان و
10:36
and make our technologies more responsive.
196
624536
2229
وا له ته‌كنه‌لۆژیاكانمان بكه‌ین وه‌ڵامده‌رتر بن.
10:38
So I want those devices
that have separated us
that have separated us
197
626765
2670
ده‌مه‌وێ ئه‌و ئامێرانه‌ی لێكیان دابڕیوین
10:41
to bring us back together.
198
629435
2462
بمانگێڕنه‌وه بۆ پێكه‌وه‌بوون.
10:43
And by humanizing technology,
we have this golden opportunity
we have this golden opportunity
199
631897
4588
به بەمرۆڤایه‌تیكردنی ته‌كنه‌لۆژیا،
ئه‌و هه‌له زێڕینه‌مان هه‌یه
ئه‌و هه‌له زێڕینه‌مان هه‌یه
10:48
to reimagine how we
connect with machines,
connect with machines,
200
636485
3297
تا دووباره وێنای بكه‌ینه‌وه چۆن
بە ئامێرەکانەوە پەیوەستین و
بە ئامێرەکانەوە پەیوەستین و
10:51
and therefore, how we, as human beings,
201
639782
4481
له‌و ڕێگه‌یەشه‌وه، ئێمه وه‌ك مرۆڤ
10:56
connect with one another.
202
644263
1904
پەیوەندی بەیەکترەوە بکەین
10:58
Thank you.
203
646167
2160
سوپاس
11:00
(Applause)
204
648327
3313
(چه‌پڵه)
ABOUT THE SPEAKER
Rana el Kaliouby - Computer scientistWhat if a computer could recognize your facial expression, and react to how you feel? Rana el Kaliouby sees big possibilities in making technology emotionally aware.
Why you should listen
Rana el Kaliouby, chief science officer and co-founder of Affectiva, an MIT Media Lab spin-off, is on a mission to bring emotion intelligence to our digital experiences. She leads the company's emotion analytics team, which is responsible for developing emotion-sensing algorithms and mining the world's largest emotion data database. So far, they've collected 12 billion emotion data points from 2.9 million face videos from volunteers in 75 countries. The company’s platform is used by many Fortune Global 100 companies to measure consumer engagement, and is pioneering emotion-enabled digital apps for enterprise, entertainment, video communication and online education.
Entrepreneur magazine called el Kaliouby one of “The 7 Most Powerful Women To Watch in 2014,” and the MIT Technology Review included her in their list of the “Top 35 Innovators Under 35.”
Rana el Kaliouby | Speaker | TED.com