0:00:07.052,0:00:11.642
Her geçen yıl makineler insanları,[br]daha önce sadece bizim yapabildiğimizi

0:00:11.642,0:00:14.848
sandığımız pek çok faaliyette[br]gölgede bırakıyor.

0:00:14.848,0:00:18.423
Bugünün bilgisayarları karmaşık[br]masaüstü oyunlarında yenebiliyor,

0:00:18.423,0:00:21.294
sayısız dilde konuşma[br]metnini çevirebiliyor

0:00:21.294,0:00:24.746
ve hemen hemen her nesneyi[br]anında tanımlayabiliyorlar.

0:00:24.746,0:00:27.112
Ancak yarının robotları,

0:00:27.112,0:00:30.243
nasıl hissettiğimizi çözerek[br]daha ileri gidebilirler.

0:00:30.243,0:00:32.381
Ve bu neden önemli?

0:00:32.381,0:00:34.713
Çünkü eğer makineler[br]ve onları çalıştıran insanlar

0:00:34.713,0:00:37.223
duygusal durumlarımızı[br]doğru olarak okuyabilirlerse,

0:00:37.223,0:00:40.193
benzeri görülmemiş şekillerde[br]bize yardımcı olabilir veya

0:00:40.193,0:00:43.102
bizi yönetebilirler.

0:00:43.102,0:00:44.614
Ancak oraya gelmeden önce,

0:00:44.614,0:00:49.653
duygu gibi çok karmaşık bir şey,[br]nasıl sadece dil makinelerinin anlayacağı

0:00:49.653,0:00:53.253
önemsiz sayılara dönüştürülebiliyor?

0:00:53.253,0:00:56.843
Esasen beyinlerimizin duyguları nasıl[br]ayırt edeceklerini öğrenerek

0:00:56.843,0:00:58.994
yorumladıkları şekilde.

0:00:58.994,0:01:04.120
Amerikalı psikolog Paul Ekman,[br]kültürler boyunca görsel ipuçlarının

0:01:04.120,0:01:09.174
aynı şekilde anlaşıldığı belirli[br]evrensel duyguları tanımladı.

0:01:09.174,0:01:14.193
Örneğin, bir gülümseme görüntüsü,[br]modern şehir insanına ve yerli kabilelere

0:01:14.193,0:01:16.965
aynı hazzı gönderiyor.

0:01:16.965,0:01:18.094
Ekman'a göre,

0:01:18.094,0:01:18.823
öfke,

0:01:18.823,0:01:19.533
tiksinti,

0:01:19.533,0:01:20.275
korku,

0:01:20.275,0:01:21.092
haz,

0:01:21.092,0:01:21.848
üzüntü

0:01:21.848,0:01:25.433
ve şaşkınlık eşit derecede tanınabilir.

0:01:25.433,0:01:29.836
Görünen o ki, bilgisayarlar[br]görüntü tanımada sinir ağları gibi

0:01:29.836,0:01:34.015
algoritma öğrenen makineler sayesinde,[br]hızla daha iyiye gidiyorlar.

0:01:34.015,0:01:38.205
Bunlar, bağlantılarımızı şekillendirerek[br]ve bilgi değişimi yaparak

0:01:38.205,0:01:41.784
biyolojik nöronlarımızı taklit eden[br]suni ağlar içeriyor.

0:01:41.784,0:01:46.125
Ağı eğitmek için, farklı kategorilere[br]ön sınıflandırması yapılmış,

0:01:46.125,0:01:49.175
mutlu ya da üzüntülü olarak işaretlenmiş[br]fotoğraf gibi girdiler,

0:01:49.175,0:01:51.285
sistem içine beslenirler.

0:01:51.285,0:01:53.745
Ağ daha sonra belirli[br]özelliklere görevlendirilmiş

0:01:53.745,0:01:58.405
ilgili ağırlıkları ayarlayarak[br]bu örnekleri sınıflandırmayı öğrenir.

0:01:58.405,0:02:00.225
Ne kadar çok eğitme verisi girilirse,

0:02:00.225,0:02:04.795
algoritma yeni görüntüleri doğru[br]olarak tanımakta o kadar iyi olur.

0:02:04.795,0:02:07.137
Bu, yeni uyarıcının nasıl işlem göreceğini

0:02:07.137,0:02:11.725
şekillendirmek için önceki deneyimlerden[br]öğrenen kendi beyinlerimize benzer.

0:02:11.725,0:02:15.466
Algoritmaları tanımak sadece[br]yüz ifadeleri ile sınırlı değildir.

0:02:15.466,0:02:17.886
Duygularımız pek çok yönden açığa çıkıyor.

0:02:17.886,0:02:20.116
Beden dili ve ses tonu,

0:02:20.116,0:02:23.237
kalp atışında değişiklik,[br]yüz rengi ve vücut ısısı

0:02:23.237,0:02:28.046
ya da yazdığımız yazıdaki kelimelerin[br]sıklığı ve cümle yapısı ile.

0:02:28.046,0:02:31.205
Sinir ağlarını bunları tanımak için[br]eğitmenin uzun ve karmaşık

0:02:31.205,0:02:33.637
bir görev olduğunu düşünebilirsiniz

0:02:33.637,0:02:36.876
ancak orada ne kadar verinin olduğunu ve

0:02:36.876,0:02:40.375
modern bilgisayarların ne kadar çabuk[br]işleyebildiğini fark edinceye kadar.

0:02:40.375,0:02:41.807
Sosyal medya yorumlarından,

0:02:41.807,0:02:43.576
yüklenen fotoğraflar ve videolardan

0:02:43.576,0:02:45.067
ve telefon kayıtlarından,

0:02:45.067,0:02:46.767
ısıya duyarlı güvenlik kameraları

0:02:46.767,0:02:50.437
ve fizyolojik işaretleri gözleyen[br]giysi bilgisayarlara kadar,

0:02:50.437,0:02:52.947
asıl soru yeterince verinin[br]nasıl toplanacağı değil,

0:02:52.947,0:02:55.255
onunla ne yapacağımızdır.

0:02:55.255,0:02:59.706
Bilgisayarlı duygu tanımanın[br]çok fazla yararlı kullanımları var.

0:02:59.706,0:03:02.537
Algoritmaları kullanarak[br]yüz ifadelerini tanımlayan robotlar

0:03:02.537,0:03:04.416
çocukların öğrenmelerine yardım edebilir

0:03:04.416,0:03:07.636
veya yalnız insanlara bir çeşit[br]arkadaşlık sağlayabilirler.

0:03:07.636,0:03:11.667
Sosyal medya şirketleri, belirli kelime ve[br]tabirleri içeren mesajları işaretleyerek

0:03:11.667,0:03:17.047
intiharları önlemeye yardım etmek için[br]algoritmaları kullanmayı düşünüyorlar.

0:03:17.047,0:03:21.287
Ve duygu tanıma yazılımları ruhsal[br]bozuklukları tedavi etmeye yardım edebilir

0:03:21.287,0:03:25.578
veya insanlara düşük ücretle[br]otomatik psikoterapi sağlayabilirler.

0:03:25.578,0:03:27.188
Potansiyel faydalarına rağmen,

0:03:27.188,0:03:30.869
fotoğraflarımızı otomatik olarak[br]tarayan büyük bir ağın olasılığı,

0:03:30.869,0:03:31.958
görüşmeler

0:03:31.958,0:03:36.877
ve fizyolojik işaretler de[br]oldukça rahatsız edici.

0:03:36.877,0:03:40.796
Bu tür şahsi olmayan sistemler[br]reklamcılık yoluyla duygularımızı sömüren

0:03:40.796,0:03:45.208
şirketler tarafından kullanıldığında,[br]mahremiyetimiz için sonuçlar ne olur?

0:03:45.208,0:03:46.718
Ve eğer yetkililer,

0:03:46.718,0:03:50.737
suç işleme potansiyeli olan insanları,[br]hareket etmeye karar vermeden önce

0:03:50.737,0:03:54.927
belirleyebileceklerini düşünüyorlarsa,[br]bizim haklarımıza ne olacak?

0:03:54.927,0:03:57.150
Robotların hâlihazırda, ironi yapmak gibi

0:03:57.150,0:04:00.258
duygusal nüansları ve birinin[br]ne kadar mutlu ya da üzgün olduğunu

0:04:00.258,0:04:04.758
gösteren duyguların derecesini[br]ayırt etmekte gidecek çok yolları var.

0:04:04.758,0:04:09.288
Yine de, zamanla duygularımızı[br]doğru olarak okuyabilirler

0:04:09.288,0:04:11.138
ve onlara cevap verebilirler.

0:04:11.138,0:04:15.389
Ancak, istenmeyen ihlal korkumuzla[br]empati yapıp yapamayacaklarıysa,

0:04:15.389,0:04:16.887
başka bir konu.