Placeholder Image

字幕表 動画を再生する

  • With every year, machines surpass humans in more and more activities

    かつては人間のみが 可能とされてきた作業を

  • we once thought only we were capable of.

    毎年のように新たな領域で 機械が人間を凌駕してきています

  • Today's computers can beat us in complex board games,

    最近のコンピューターは人間相手に 複雑なボードゲームに勝利し

  • transcribe speech in dozens of languages,

    数十もの言語のスピーチを文字に起こし

  • and instantly identify almost any object.

    ほとんどいかなる物体も即座に 認識することができます

  • But the robots of tomorrow may go futher

    しかし 将来のロボットは 人間の感情を読み取ることで

  • by learning to figure out what we're feeling.

    それ以上のことが できるようになるかもしれません

  • And why does that matter?

    では何が問題になるのでしょう?

  • Because if machines and the people who run them

    もし機械と これを操る人が

  • can accurately read our emotional states,

    人間の感情を正確に理解できたら

  • they may be able to assist us or manipulate us

    今までにない規模で 私たちを助けてくれたり

  • at unprecedented scales.

    もしくは逆に私たちを心理的に 操作するかもしれません

  • But before we get there,

    しかし その前に考えてみましょう

  • how can something so complex as emotion be converted into mere numbers,

    どうやったら 感情のような複雑な概念を

  • the only language machines understand?

    機械が理解できる唯一の言葉である 数値に変換できるでしょう?

  • Essentially the same way our own brains interpret emotions,

    それは私たちの脳が 他人の感情を見分けるための学習過程と

  • by learning how to spot them.

    本質的に全く同じです

  • American psychologist Paul Ekman identified certain universal emotions

    アメリカの心理学者ポール・エクマン氏は 人間の表情から読み取ることができる

  • whose visual cues are understood the same way across cultures.

    文化を超えて全人類に共通した 感情をつきとめました

  • For example, an image of a smile signals joy to modern urban dwellers

    例えば 微笑みは現代都市の住民においても アボリジニ民族においても

  • and aboriginal tribesmen alike.

    喜びとして認識されます

  • And according to Ekman,

    エクマン氏によると

  • anger,

    怒り

  • disgust,

    嫌悪

  • fear,

    恐れ

  • joy,

    喜び

  • sadness,

    悲しみ

  • and surprise are equally recognizable.

    そして驚きさえも 文化を超えて等しく認識されます

  • As it turns out, computers are rapidly getting better at image recognition

    良く知られているように コンピューターの 画像認識能力は急速に向上していますが

  • thanks to machine learning algorithms, such as neural networks.

    それはニューラル・ネットワークのような 機械学習アルゴリズムのおかげです

  • These consist of artificial nodes that mimic our biological neurons

    この技術は 私たちのニューロンを模した 人工的なノードが

  • by forming connections and exchanging information.

    相互に結合し 情報交換をすることで 成り立っています

  • To train the network, sample inputs pre-classified into different categories,

    神経回路網に学習させるため 「喜び」「悲しみ」等のタグを付けた写真など

  • such as photos marked happy or sad,

    事前に いくつかのカテゴリーに分けた

  • are fed into the system.

    サンプルデータをシステムに与えます

  • The network then learns to classify those samples

    そして神経回路網は 特定の特徴に対する―

  • by adjusting the relative weights assigned to particular features.

    相対的な重みづけを調整することで サンプルデータから分類の仕方を学習します

  • The more training data it's given,

    学習を繰り返す程

  • the better the algorithm becomes at correctly identifying new images.

    アルゴリズムは改善され 新しい画像データを正確に認識していきます

  • This is similar to our own brains,

    人間の脳と同じように

  • which learn from previous experiences to shape how new stimuli are processed.

    過去の経験から学んだことが 新たな刺激の処理方法を形作っていきます

  • Recognition algorithms aren't just limited to facial expressions.

    認識アルゴリズムは顔の表情のみに 限定されません

  • Our emotions manifest in many ways.

    私たちの感情は 様々な形で 表面に出てきます

  • There's body language and vocal tone,

    ボディランゲージや声のトーン

  • changes in heart rate, complexion, and skin temperature,

    心拍数の変化 顔色や皮膚の温度

  • or even word frequency and sentence structure in our writing.

    さらに 作文において 語の頻度や 文の構造にまで 変化が現れます

  • You might think that training neural networks to recognize these

    神経回路網がこれらを 認識できるように訓練するのは

  • would be a long and complicated task

    長く複雑な作業だと お考えかもしれませんが

  • until you realize just how much data is out there,

    世の中に どの位のデータがあり 現在のコンピューターが

  • and how quickly modern computers can process it.

    どれだけ速く情報を処理できるかを知ると 実態がわかります

  • >From social media posts,

    ソーシャルメディアの投稿や

  • uploaded photos and videos,

    アップロードされた写真や動画

  • and phone recordings,

    また電話録音から

  • to heat-sensitive security cameras

    熱感知式セキュリティカメラや

  • and wearables that monitor physiological signs,

    生理学的兆候を感知する ウェアラブル端末などがあって

  • the big question is not how to collect enough data,

    問題は十分なデータを どうやって集めるかではなく

  • but what we're going to do with it.

    それらのデータを どう利用するかが重要です

  • There are plenty of beneficial uses for computerized emotion recognition.

    コンピューターによる感情認識は 多岐にわたり役立ちます

  • Robots using algorithms to identify facial expressions

    ロボットがアルゴリズムを使って 表情認識を行えば

  • can help children learn

    子ども達の学習支援に役立てたり

  • or provide lonely people with a sense of companionship.

    孤独な人に 誰かと交流している 感覚を与えることも可能です

  • Social media companies are considering using algorithms

    ソーシャルメディアではアルゴリズムを使って ユーザの投稿内容から―

  • to help prevent suicides by flagging posts that contain specific words or phrases.

    特定の言葉や表現を見つけ出すことによる 自殺防止の取り組みを模索しています

  • And emotion recognition software can help treat mental disorders

    また感情認識ソフトウェアは 精神疾患の治療に役立てたり

  • or even provide people with low-cost automated psychotherapy.

    低コストの自動心理療法を 提供したりすることができます

  • Despite the potential benefits,

    しかし 可能性を秘めている一方で

  • the prospect of a massive network automatically scanning our photos,

    将来的に大規模なネットワークが

  • communications,

    自動で写真や会話—

  • and physiological signs is also quite disturbing.

    生理的兆候を読み取ることには 大きな不安もあります

  • What are the implications for our privacy when such impersonal systems

    このような人格をもたないシステムを 企業が利用し 宣伝を通して

  • are used by corporations to exploit our emotions through advertising?

    私たちの感情を自由に操るとしたら プライバシーにどんな影響があるでしょう?

  • And what becomes of our rights

    また権力者が

  • if authorities think they can identify the people likely to commit crimes

    犯行を決断する前に 犯罪を犯し得る人物を

  • before they even make a conscious decision to act?

    特定できると考えるとしたら 私たちの権利はどうなるでしょう?

  • Robots currently have a long way to go

    今のところロボットは

  • in distinguishing emotional nuances, like irony,

    皮肉のような感情的なニュアンスや

  • and scales of emotions, just how happy or sad someone is.

    喜びや悲しみといった感情の強さを 見分けるには至っていません

  • Nonetheless, they may eventually be able to accurately read our emotions

    それでも いつか 私たちの感情を正確に読み取り

  • and respond to them.

    反応を返す日が来るでしょう

  • Whether they can empathize with our fear of unwanted intrusion, however,

    ただし望まないのに干渉される恐怖に ロボットが共感してくれるかどうかは

  • that's another story.

    また別の話です

With every year, machines surpass humans in more and more activities

かつては人間のみが 可能とされてきた作業を

字幕と単語

動画の操作 ここで「動画」の調整と「字幕」の表示を設定することができます

B2 中上級 日本語 TED-Ed 感情 認識 学習 アルゴリズム 表情

TED-ED】機械はあなたの感情を読み取ることができるのか?- コスタス・カルポウジス (【TED-Ed】Can machines read your emotions? - Kostas Karpouzis)

  • 1550 126
    wangjiechin に公開 2021 年 01 月 14 日
動画の中の単語