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