Why I draw with robots | Sougwen Chung

30,020 views ・ 2020-02-14

TED


Haga doble clic en los subtítulos en inglés para reproducir el vídeo.

00:00
Translator: Ivana Korom Reviewer: Camille Martínez
0
0
7000
Traductor: Sonia Escudero Sánchez Revisor: Juana Issel
00:12
Many of us here use technology in our day-to-day.
1
12937
3165
Muchos de nosotros aquí usamos la tecnología en nuestro día a día.
00:16
And some of us rely on technology to do our jobs.
2
16126
3247
Y algunos confiamos en la tecnología para hacer nuestros trabajos.
00:19
For a while, I thought of machines and the technologies that drive them
3
19397
3950
Por un tiempo, pensé en las máquinas y las tecnologías que las impulsan
00:23
as perfect tools that could make my work more efficient and more productive.
4
23371
4505
como herramientas perfectas que podrían hacer mi trabajo
más eficiente y productivo
00:28
But with the rise of automation across so many different industries,
5
28403
3254
Pero con el auge de la automatización en tantas industrias diferentes
00:31
it led me to wonder:
6
31681
1372
me llevó a preguntarme:
00:33
If machines are starting to be able to do the work
7
33077
2341
si las máquinas comienzan a hacer el trabajo
00:35
traditionally done by humans,
8
35442
1667
tradicionalmente hecho por humanos,
00:37
what will become of the human hand?
9
37133
2333
¿qué saldrá de la mano humana?
00:40
How does our desire for perfection, precision and automation
10
40133
4093
¿Cómo nuestro deseo de perfección, precisión y automatización
00:44
affect our ability to be creative?
11
44250
1922
afecta nuestra habilidad de ser creativos?
00:46
In my work as an artist and researcher, I explore AI and robotics
12
46553
4087
En mi trabajo como artista e investigadora exploro IA y robótica
00:50
to develop new processes for human creativity.
13
50664
3005
para desarrollar nuevos procesos para la creatividad humana.
00:54
For the past few years,
14
54077
1286
Durante los últimos años,
00:55
I've made work alongside machines, data and emerging technologies.
15
55387
4376
trabajé junto a máquinas, datos y tecnologías emergentes.
01:00
It's part of a lifelong fascination
16
60143
1861
Es parte de una fascinación de por vida
01:02
about the dynamics of individuals and systems
17
62028
2735
por las dinámicas de individuos y sistemas
01:04
and all the messiness that that entails.
18
64787
2381
y todo el desorden que conlleva.
01:07
It's how I'm exploring questions about where AI ends and we begin
19
67192
4808
Es cómo exploro preguntas sobre dónde comienza y acaba la IA
01:12
and where I'm developing processes
20
72024
1642
y dónde desarrollo procesos
01:13
that investigate potential sensory mixes of the future.
21
73690
3326
que investigan posibles mezclas sensoriales del futuro.
01:17
I think it's where philosophy and technology intersect.
22
77675
2857
Creo que es dónde se cruzan la filosofía y la tecnología.
01:20
Doing this work has taught me a few things.
23
80992
2239
Hacer este trabajo me enseñó un par de cosas.
01:23
It's taught me how embracing imperfection
24
83642
2824
Me enseñó cómo aceptar la imperfección
01:26
can actually teach us something about ourselves.
25
86490
2489
en realidad puede enseñarnos algo de nosotros mismos.
01:29
It's taught me that exploring art
26
89428
2336
Me enseñó que explorar el arte
01:31
can actually help shape the technology that shapes us.
27
91788
2931
puede ayudarnos a moldear la tecnología que nos moldea.
01:35
And it's taught me that combining AI and robotics
28
95148
3261
Y me enseñó que combinando AI y robótica
01:38
with traditional forms of creativity -- visual arts in my case --
29
98433
3532
con formas tradicionales de creatividad, artes visuales en mi caso,
01:41
can help us think a little bit more deeply
30
101989
2302
puede enseñarnos a pensar un poco más profundamente
01:44
about what is human and what is the machine.
31
104315
2897
sobre qué es un humano y qué es la máquina.
01:47
And it's led me to the realization
32
107942
1707
Y me ha llevado a entender
01:49
that collaboration is the key to creating the space for both
33
109673
3055
que la colaboración es la clave para crear un espacio para ambos
01:52
as we move forward.
34
112752
1267
a medida que avanzamos.
01:54
It all started with a simple experiment with machines,
35
114387
2746
Todo comenzó con un simple experimento con máquinas.
01:57
called "Drawing Operations Unit: Generation 1."
36
117157
2826
llamado "Drawing Operations Unit: Generation 1"
02:00
I call the machine "D.O.U.G." for short.
37
120434
2516
Llamé a la máquina D.O.U.G, para abreviar.
02:02
Before I built D.O.U.G,
38
122974
1326
Antes de construir a D.O.U.G
02:04
I didn't know anything about building robots.
39
124324
2365
nos sabía nada sobre construir robots.
02:07
I took some open-source robotic arm designs,
40
127220
2897
Tomé algunos diseños de brazo robótico de código abierto,
02:10
I hacked together a system where the robot would match my gestures
41
130141
3341
hackeé un sistema en el que el robot copiaba mis gestos
02:13
and follow [them] in real time.
42
133506
1639
y los seguía en tiempo real.
02:15
The premise was simple:
43
135169
1448
La premisa era simple:
02:16
I would lead, and it would follow.
44
136641
2200
Yo dirigiría y él seguiría.
02:19
I would draw a line, and it would mimic my line.
45
139403
2936
Yo dibujaría una línea y él imitaría mi línea.
02:22
So back in 2015, there we were, drawing for the first time,
46
142363
3698
En 2015 allí estábamos, dibujando por primera vez,
02:26
in front of a small audience in New York City.
47
146085
2619
en frente de una pequeña audiencia en Nueva York.
02:28
The process was pretty sparse --
48
148728
2555
El proceso fue bastante austero,
02:31
no lights, no sounds, nothing to hide behind.
49
151307
3487
sin luces, sin sonido, nada para esconderse.
02:35
Just my palms sweating and the robot's new servos heating up.
50
155241
3395
Solo mis manos sudando y los servomotores del robot calentándose.
02:38
(Laughs) Clearly, we were not built for this.
51
158950
2441
(Ríe) Claramente, no estábamos hechos para esto.
02:41
But something interesting happened, something I didn't anticipate.
52
161820
3233
Pero ocurrió algo interesante, algo que no anticipé.
02:45
See, D.O.U.G., in its primitive form, wasn't tracking my line perfectly.
53
165077
4802
Verán, D.O.U.G, en su forma primitiva no seguía mi línea perfectamente
02:49
While in the simulation that happened onscreen
54
169903
2333
Mientras que en la simulación que ocurrió en la pantalla
02:52
it was pixel-perfect,
55
172260
1357
era perfecto,
02:53
in physical reality, it was a different story.
56
173641
2531
en la realidad física, era una historia diferente.
02:56
It would slip and slide and punctuate and falter,
57
176196
2817
Se resbalaba y deslizaba, se interrumpía y vacilaba,
02:59
and I would be forced to respond.
58
179037
2068
y yo debía responder.
03:01
There was nothing pristine about it.
59
181525
1778
No había nada puro al respecto.
03:03
And yet, somehow, the mistakes made the work more interesting.
60
183327
3238
Y aún, de algún modo, los errores hicieron mi trabajo más interesante.
03:06
The machine was interpreting my line but not perfectly.
61
186589
2754
La máquina interpretaba mi línea, pero no perfectamente.
03:09
And I was forced to respond.
62
189367
1372
Y yo debía responder.
03:10
We were adapting to each other in real time.
63
190763
2709
Nos adaptábamos el uno al otro en tiempo real.
03:13
And seeing this taught me a few things.
64
193496
1937
Y ver esto me enseñó un par de cosas.
03:15
It showed me that our mistakes actually made the work more interesting.
65
195457
4880
Me enseñó que nuestros errores hacen el trabajo más interesante.
03:20
And I realized that, you know, through the imperfection of the machine,
66
200663
4249
Y me di cuenta de que, a través de la imperfección de la máquina,
03:24
our imperfections became what was beautiful about the interaction.
67
204936
3705
nuestras imperfecciones se convirtieron en lo que era hermoso de la interacción.
03:29
And I was excited, because it led me to the realization
68
209650
3087
Y estaba emocionada, porque me llevó a darme cuenta
03:32
that maybe part of the beauty of human and machine systems
69
212761
3650
de que quizás parte de la belleza de los sistemas humano y máquina
03:36
is their shared inherent fallibility.
70
216435
2738
es su inherente falibilidad compartida.
03:39
For the second generation of D.O.U.G.,
71
219197
1820
Para la segunda generación de D.O.U.G,
03:41
I knew I wanted to explore this idea.
72
221041
2307
supe que quería explorar esta idea.
03:43
But instead of an accident produced by pushing a robotic arm to its limits,
73
223372
4418
Pero en lugar de un accidente provocado
al llevar al brazo robótico a su límite,
03:47
I wanted to design a system that would respond to my drawings
74
227814
2897
quería diseñar un sistema que respondiera a mis dibujos
03:50
in ways that I didn't expect.
75
230735
1833
de formas que no esperaba.
03:52
So, I used a visual algorithm to extract visual information
76
232592
3849
Así que usé un algoritmo visual para extraer información visual
03:56
from decades of my digital and analog drawings.
77
236465
2978
de décadas de mis dibujos digitales y analógicos.
03:59
I trained a neural net on these drawings
78
239467
2055
Entrené una red neuronal con estos dibujos
04:01
in order to generate recurring patterns in the work
79
241546
2865
para generar patrones recurrentes en el trabajo
04:04
that were then fed through custom software back into the machine.
80
244435
3476
que luego se introdujeron a través de software personalizado a la máquina.
04:07
I painstakingly collected as many of my drawings as I could find --
81
247935
4386
Recopilé minuciosamente tantos dibujos como pude encontrar,
04:12
finished works, unfinished experiments and random sketches --
82
252345
4215
trabajos acabados, experimentos sin terminar y bocetos aleatorios,
04:16
and tagged them for the AI system.
83
256584
1999
y los etiqueté para el sistema IA.
04:18
And since I'm an artist, I've been making work for over 20 years.
84
258607
3684
Y como soy artista, llevo trabajando más de 20 años.
04:22
Collecting that many drawings took months,
85
262315
2024
Recopilar tantos dibujos llevó meses,
04:24
it was a whole thing.
86
264363
1389
fue un montón.
04:25
And here's the thing about training AI systems:
87
265776
2595
Y aquí está la cuestión sobre entrenar sistemas AI:
04:28
it's actually a lot of hard work.
88
268395
2200
en realidad es mucho trabajo duro.
04:31
A lot of work goes on behind the scenes.
89
271022
2191
Hay mucho trabajo detrás de escena.
04:33
But in doing the work, I realized a little bit more
90
273237
2681
Pero al hacer el trabajo, aprendí un poco más
04:35
about how the architecture of an AI is constructed.
91
275942
3421
sobre cómo se construye la arquitectura de un IA.
04:39
And I realized it's not just made of models and classifiers
92
279387
2947
Y noté que no solo está hecho de modelos y clasificadores
04:42
for the neural network.
93
282358
1322
para la red neuronal.
04:43
But it's a fundamentally malleable and shapable system,
94
283704
3532
Sino que es un sistema fundamentalmente maleable y moldeable,
04:47
one in which the human hand is always present.
95
287260
3111
en el que la mano humana siempre está presente.
04:50
It's far from the omnipotent AI we've been told to believe in.
96
290395
4000
Está lejos de la IA omnipotente en la que nos han dicho que creamos.
04:54
So I collected these drawings for the neural net.
97
294419
2515
Así que recopilé estos dibujos para la red neuronal.
04:56
And we realized something that wasn't previously possible.
98
296958
3929
Y nos dimos cuenta de algo que antes no era posible.
05:00
My robot D.O.U.G. became a real-time interactive reflection
99
300911
4091
Mi robot D.O.U.G se convirtió en una reflexión interactiva a tiempo real
05:05
of the work I'd done through the course of my life.
100
305026
2627
del trabajo que había realizado a lo largo de mi vida.
05:07
The data was personal, but the results were powerful.
101
307677
3865
Los datos eran personales, pero los resultados fueron poderosos.
05:11
And I got really excited,
102
311566
1484
Y me emocioné mucho,
05:13
because I started thinking maybe machines don't need to be just tools,
103
313074
4582
porque empecé a pensar que quizás las máquinas no son solo herramientas,
05:17
but they can function as nonhuman collaborators.
104
317680
3420
sino que pueden funcionar como colaboradores no humanos.
05:21
And even more than that,
105
321537
1547
Y aún más que eso,
05:23
I thought maybe the future of human creativity
106
323108
2429
pensé que tal vez el futuro de la creatividad humana
05:25
isn't in what it makes
107
325561
1524
no está en lo que hace
05:27
but how it comes together to explore new ways of making.
108
327109
3436
sino cómo se une para explorar nuevas maneras de crear.
05:31
So if D.O.U.G._1 was the muscle,
109
331101
2190
Si D.O.U.G_1 fue el músculo,
05:33
and D.O.U.G._2 was the brain,
110
333315
1762
y D.O.U.G_2 fue el cerebro,
05:35
then I like to think of D.O.U.G._3 as the family.
111
335101
2928
entonces me gustaría pensar en D.O.U.G_3 como la familia.
05:38
I knew I wanted to explore this idea of human-nonhuman collaboration at scale.
112
338482
4793
Sabía que quería explorar esta idea de colaboración entre humanos
y no-humanos a escala.
05:43
So over the past few months,
113
343299
1373
En los últimos meses,
05:44
I worked with my team to develop 20 custom robots
114
344696
3135
trabajé con mi equipo para desarrollar 20 robots personalizados
05:47
that could work with me as a collective.
115
347855
1960
que trabajarían conmigo como colectivo.
05:49
They would work as a group,
116
349839
1293
Trabajarían como un grupo
05:51
and together, we would collaborate with all of New York City.
117
351156
2889
y juntos colaboraríamos con todo Nueva York.
05:54
I was really inspired by Stanford researcher Fei-Fei Li,
118
354069
2944
Me inspiró mucho el investigador de Stanford Fei-Fei Li,
quien dijo: "Si queremos enseñar a las máquinas a pensar,
05:57
who said, "if we want to teach machines how to think,
119
357037
2515
05:59
we need to first teach them how to see."
120
359576
1984
primero debemos enseñarles cómo ver".
06:01
It made me think of the past decade of my life in New York,
121
361584
2785
Me hizo pensar en la última década de mi vida en Nueva York
06:04
and how I'd been all watched over by these surveillance cameras around the city.
122
364393
3993
y cómo nos vigilan todas esas cámaras de seguridad por la ciudad.
06:08
And I thought it would be really interesting
123
368410
2056
Y pensé que sería realmente interesante
06:10
if I could use them to teach my robots to see.
124
370490
2405
si pudiera usarlas para enseñar a mis robots a ver.
06:12
So with this project,
125
372919
1888
Con este proyecto,
06:14
I thought about the gaze of the machine,
126
374831
1967
pensé sobre la mirada de la máquina,
06:16
and I began to think about vision as multidimensional,
127
376822
3226
y empecé a pensar sobre la visión multidimensional,
06:20
as views from somewhere.
128
380072
1600
como vistas de alguna parte.
06:22
We collected video
129
382151
1834
Recopilamos videos
06:24
from publicly available camera feeds on the internet
130
384009
3063
de las cámaras públicas disponibles en internet,
06:27
of people walking on the sidewalks,
131
387096
1690
de gente caminando por las aceras,
06:28
cars and taxis on the road,
132
388810
1712
autos y taxis en la carretera,
06:30
all kinds of urban movement.
133
390546
1817
todo tipo de movimiento urbano.
06:33
We trained a vision algorithm on those feeds
134
393188
2603
Entrenamos un algoritmo de la visión con esas fuentes
06:35
based on a technique called "optical flow,"
135
395815
2286
basado en una técnica llamada "flujo óptico",
06:38
to analyze the collective density,
136
398125
1977
para analizar la densidad colectiva,
06:40
direction, dwell and velocity states of urban movement.
137
400126
3637
dirección, permanencia y velocidad del movimiento urbano.
06:44
Our system extracted those states from the feeds as positional data
138
404178
4269
Nuestro sistema extrajo esos estados de las fuentes como datos posicionales
06:48
and became pads for my robotic units to draw on.
139
408471
3373
y se voliveron cuadernos para dibujar para mis unidades robóticas.
06:51
Instead of a collaboration of one-to-one,
140
411868
2534
En lugar de una colaboración uno a uno,
06:54
we made a collaboration of many-to-many.
141
414426
3024
hicimos una colaboración de muchos a muchos.
06:57
By combining the vision of human and machine in the city,
142
417474
3587
Combinando la visión de los humanos y las máquinas en la ciudad,
07:01
we reimagined what a landscape painting could be.
143
421085
2794
reimaginamos lo que podría ser una pintura de un paisaje.
07:03
Throughout all of my experiments with D.O.U.G.,
144
423903
2218
En todos mis experimentos con D.O.U.G,
07:06
no two performances have ever been the same.
145
426145
2717
no hay dos actuaciones que hayan sido iguales.
07:08
And through collaboration,
146
428886
1382
Y a través de la colaboración
07:10
we create something that neither of us could have done alone:
147
430292
2864
creamos algo que ninguno podría haber hecho solo
07:13
we explore the boundaries of our creativity,
148
433180
2611
exploramos los límites de nuestra creatividad,
07:15
human and nonhuman working in parallel.
149
435815
2892
humano y no humano trabajando en paralelo.
07:19
I think this is just the beginning.
150
439823
2334
Creo que es solo el principio.
07:22
This year, I've launched Scilicet,
151
442569
2183
Este año, lancé Scilicet,
07:24
my new lab exploring human and interhuman collaboration.
152
444776
4245
mi nuevo laboratorio explorando la interración humana e interhumana.
07:29
We're really interested in the feedback loop
153
449339
2120
Estamos muy interesados en la retroalimentación
07:31
between individual, artificial and ecological systems.
154
451483
4230
entre sistemas individuales, artificiales y ecológicos.
07:36
We're connecting human and machine output
155
456276
2269
Conectamos la producción humana y máquina
07:38
to biometrics and other kinds of environmental data.
156
458569
2984
con datos biométricos y otros tipos de datos ambientales.
07:41
We're inviting anyone who's interested in the future of work, systems
157
461577
4079
Invitamos a cualquiera interesado en el futuro del trabajo, sistemas
07:45
and interhuman collaboration
158
465680
1595
y colaboración interhumana
07:47
to explore with us.
159
467299
1550
a investigar con nosotros.
07:48
We know it's not just technologists that have to do this work
160
468873
3405
Sabemos que no solo los tecnólogos tienen que hacer este trabajo
07:52
and that we all have a role to play.
161
472302
2103
y que todos tenemos un papel que desempeñar.
07:54
We believe that by teaching machines
162
474429
2243
Creémos que enseñando a las máquina
07:56
how to do the work traditionally done by humans,
163
476696
2730
cómo hacer el trabajo tradicionalmente hecho por humanos.
07:59
we can explore and evolve our criteria
164
479450
2953
podemos explorar y desarrollar nuestro criterio
08:02
of what's made possible by the human hand.
165
482427
2443
de lo que ha hecho posible la mano humana.
08:04
And part of that journey is embracing the imperfections
166
484894
3493
Y parte de ese viaje es aceptar las imperfecciones
08:08
and recognizing the fallibility of both human and machine,
167
488411
3690
y reconocer la falibilidad tanto humana y máquina,
08:12
in order to expand the potential of both.
168
492125
2405
para expandir el potencial de ambos.
08:14
Today, I'm still in pursuit of finding the beauty
169
494919
2301
Hoy sigo buscando la belleza
08:17
in human and nonhuman creativity.
170
497244
2276
en la creatividad humana y no humana.
08:19
In the future, I have no idea what that will look like,
171
499865
2829
En el futuro, no tengo ni idea de cómo será esto,
08:23
but I'm pretty curious to find out.
172
503627
2024
pero tengo mucha curiosidad por descubrirlo.
08:25
Thank you.
173
505675
1151
Gracias.
08:26
(Applause)
174
506850
1884
(Aplausos)
Acerca de este sitio web

Este sitio le presentará vídeos de YouTube útiles para aprender inglés. Verá lecciones de inglés impartidas por profesores de primera categoría de todo el mundo. Haz doble clic en los subtítulos en inglés que aparecen en cada página de vídeo para reproducir el vídeo desde allí. Los subtítulos se desplazan en sincronía con la reproducción del vídeo. Si tiene algún comentario o petición, póngase en contacto con nosotros mediante este formulario de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7