< Return to Video

Máy móc có thể đọc được suy nghĩ của bạn không? - Kostas Karpouzis

  • 0:07 - 0:08
    Qua mỗi năm
  • 0:08 - 0:11
    Máy móc càng vượt qua con người
    trong nhiều hoạt động
  • 0:11 - 0:14
    mà chúng ta từng nghĩ chỉ mình có thể làm
  • 0:15 - 0:18
    Ngày nay, máy tính có thể thắng chúng ta
    trong những trò trơi cờ bàn,
  • 0:18 - 0:21
    Chuyển thể hàng chục ngôn ngữ
  • 0:21 - 0:24
    và có thể lập tức nhận diện
    hầu hết mọi thứ.
  • 0:25 - 0:27
    Nhưng tương lai Robot có thể đi xa hơn thế
  • 0:27 - 0:30
    bằng cách cố gắng tìm hiểu
    cảm giác của con người.
  • 0:30 - 0:32
    Vậy tại sao việc đó lại quan trọng?
  • 0:32 - 0:35
    Bởi nếu máy móc
    và những ai điều khiển chúng
  • 0:35 - 0:37
    có thể đọc được cảm xúc của con người
  • 0:37 - 0:40
    nó có thể giúp ta mà cũng có thể
    điều khiển ta
  • 0:40 - 0:42
    với quy mô chưa từng có.
  • 0:42 - 0:44
    Nhưng trước khi bàn đến việc đó,
  • 0:44 - 0:49
    sao thứ phức tạp như cảm xúc
    có thể mã hóa thành những con số,
  • 0:49 - 0:52
    loại ngôn ngữ duy nhất máy móc hiểu được?
  • 0:53 - 0:56
    Về cơ bản, như cách bộ bão chúng ta
    giải nghĩa những cảm xúc,
  • 0:56 - 0:58
    bằng việc học cách phát hiện ra chúng.
  • 0:58 - 1:04
    Nhà tâm lý học Mỹ Paul Ekman
    đã phát hiện ra những cảm xúc phổ biến
  • 1:04 - 1:08
    mà biểu hiện của chúng được hiểu
    giống nhau ở mọi nền văn hóa
  • 1:10 - 1:14
    Ví dụ, hình mặt cười thể hiện sự vui vẻ
    đối với cư dân đôi thị hiện đại.
  • 1:14 - 1:16
    và với cả những thổ dân.
  • 1:17 - 1:18
    Theo Ekman,
  • 1:18 - 1:19
    tức giận,
  • 1:19 - 1:20
    căm ghét,
  • 1:20 - 1:20
    sợ hãi
  • 1:20 - 1:21
    vui vẻ,
  • 1:21 - 1:22
    buồn bã
  • 1:22 - 1:25
    và ngạc nhiên đều
    có thể nhận biết được như nhau
  • 1:25 - 1:30
    Như ta thấy, máy tính đang phát triển
    nhanh chóng về nhận diện hình ảnh
  • 1:30 - 1:33
    nhờ vào các thuật toán máy
    như những mạng lưới thần kinh.
  • 1:34 - 1:38
    Chúng có những nút nhân tạo
    bắt chước như nơ-ron của con người
  • 1:38 - 1:41
    bằng cách tạo hình các liên kết
    và trao đổi thông tin.
  • 1:42 - 1:46
    Để huấn luyện mạng lưới, đầu vào mẫu
    được chia trước vào các mục,
  • 1:46 - 1:49
    như hình ảnh thể hiện vui hay buồn
  • 1:49 - 1:51
    được đưa vào hệ thống.
  • 1:51 - 1:54
    Sau đó, hệ thống sẽ phân loại những mẫu đó
  • 1:54 - 1:58
    qua điều chỉnh các trọng số tương đối
    thành đặc tính đặc biệt.
  • 1:58 - 2:00
    Càng nhiều dữ liệu được huấn luyện,
  • 2:00 - 2:04
    thuật toán càng nhận diện hình ảnh mới
    tốt hơn
  • 2:04 - 2:07
    Điều này cũng giống như bộ não chúng ta,
  • 2:07 - 2:11
    tích lũy kinh nghiệm
    để định hình xử lý các kích thích mới.
  • 2:12 - 2:15
    Thuật toán nhận diện không chỉ giới hạn
    trong việc nhận diện cảm xúc trên mặt.
  • 2:15 - 2:18
    Có nhiều cách bộc lộ cảm xúc.
  • 2:18 - 2:20
    Qua ngôn ngữ cơ thể và thanh âm,
  • 2:20 - 2:23
    thay đổi nhịp tim, màu da và nhiệt độ,
  • 2:23 - 2:27
    hay thậm chí tần số từ và cấu trúc câu
    trong bài viết của chúng ta
  • 2:27 - 2:31
    Bạn có thể cho rằng huấn luyện
    nơron thần kinh để nhận biết những thứ này
  • 2:31 - 2:34
    là một việc rất lâu và phức tạp
  • 2:34 - 2:37
    đến khi bạn biết dữ liệu nhiều thế nào
  • 2:37 - 2:40
    và máy tính xử lý chúng nhanh thế nào.
  • 2:40 - 2:42
    Từ các bài viết,
  • 2:42 - 2:43
    hình ảnh, video được đăng tải
  • 2:43 - 2:45
    và các đoạn ghi âm điện thoại,
  • 2:45 - 2:47
    tới camera cảm biến nhiệt
  • 2:47 - 2:50
    và đồ mặc kiểm soát tín hiệu sinh lý,
  • 2:50 - 2:53
    vấn đề không phải là làm sao để thu thập
    đủ dữ liệu
  • 2:53 - 2:55
    mà chúng ta sẽ làm gì với nó.
  • 2:55 - 2:59
    Máy hóa nhận biết cảm xúc
    có rất nhiều lợi ích.
  • 2:59 - 3:03
    Robot dùng thuật toán nhận dạng nét mặt
  • 3:03 - 3:04
    có thể giúp trẻ em học tập
  • 3:04 - 3:07
    hay làm cho con người bớt cô đơn.
  • 3:08 - 3:11
    Các công ty truyền thông đang xem xét
    dùng thuật toán
  • 3:11 - 3:17
    để ngăn chặn tự tử bằng cách đánh dâú
    những bài có nội dung nhạy cảm.
  • 3:17 - 3:21
    Phần mềm nhận biết cảm xúc có thể
    giúp chữa trị chứng rối loạn tâm lý
  • 3:21 - 3:25
    hay thậm chí đưa ra
    thiết bị trị liệu tự động giá rẻ.
  • 3:25 - 3:27
    Bên cạnh những lợi ích trên,
  • 3:27 - 3:31
    một mạng lưới to lớn
    tự động quét mọi hình ảnh,
  • 3:31 - 3:32
    giao thiệp,
  • 3:32 - 3:36
    và tín hiệu sinh lý,
    cũng khá phiền.
  • 3:37 - 3:41
    Vậy sự riêng tư của ta ở đâu
    khi có một mạng lưới như vậy
  • 3:41 - 3:45
    đang khai phá cảm xúc của chúng ta
    thông qua những biển quảng cáo.
  • 3:45 - 3:47
    Và đâu là quyền của chúng ta
  • 3:47 - 3:51
    nếu chính quyền cho là có thể
    xác định những người có khả năng phạm tội
  • 3:51 - 3:54
    ngay trước cả khi họ có ý định hành động?
  • 3:55 - 3:57
    Robot hiện tại
    vẫn còn cần phải phát triển hơn
  • 3:57 - 4:00
    để phân biệt các sắc thái cảm xúc,
    như mỉa mai
  • 4:00 - 4:04
    và mức độ xúc cảm,
    một người đang vui hay buồn thế nào
  • 4:04 - 4:09
    Tuy nhiên, cuối cùng chúng có thể
    đọc được cảm xúc của ta
  • 4:09 - 4:11
    và phản hồi lại.
  • 4:11 - 4:15
    Nhưng việc chúng có thể hiểu được nỗi sợ
    của ta vì xâm nhập ngoài ý muốn hay không
  • 4:15 - 4:17
    thì lại là một câu chuyện khác.
Title:
Máy móc có thể đọc được suy nghĩ của bạn không? - Kostas Karpouzis
Speaker:
Kostas Karpouzis
Description:

Xem toàn bộ tại: http://ed.ted.com/lessons/can-machines-read-your-emotions-kostas-karpouzis

Máy tính có thể thắng chúng ta trong các trò chơi, chuyển thể các bài diễn thuyết và lập tức nhận biết biết gần như mọi đối tượng. Nhưng liệu trong tương lai robot có đi xa hơn trong việc đoán biết suy nghĩ của chúng ta? Kostas Karpouzis tưởng tượng tới một tương lai mà nơi đó máy móc và những người điều khiển chúng có thể đọc được cảm xúc của con người một cách chính xác - và những lí giải làm thế nào chúng hỗ trợ hay điều khiển con người với quy mô chưa từng có.

more » « less
Video Language:
English
Team:
closed TED
Project:
TED-Ed
Duration:
04:39

Vietnamese subtitles

Revisions