Why I draw with robots | Sougwen Chung

Translator: Ivana Korom Reviewer: Camille Martínez

Translator: Al N Reviewer: Masoud Motamedifar

Many of us here use technology in our day-to-day.

بسیاری از ما هرروزه از فناوری استفاده می‌کنیم.

And some of us rely on technology to do our jobs.

و عده‌ای از ما با تکیه به فناوری کارهای خود را پیش می‌بریم.

For a while, I thought of machines and the technologies that drive them

برای مدتی‌، ماشین‌ها و فناوری‌هایی که آن‌ها را به کار می‌گیرند را

as perfect tools that could make my work more efficient and more productive.

به‌عنوان یک ابزار بی‌نقص که کار من را بهتر و موثرتر می‌کرد در نظر داشتم.

But with the rise of automation across so many different industries,

اما فراگیری ماشینی‌شدن در انواع صنعت‌ها،

it led me to wonder:

من را به فکر فرو برد:

If machines are starting to be able to do the work

اگر ماشین می‌تواند کاهایی را انجام دهد که

traditionally done by humans,

که از گذشته انسان انجام می‌داده،

what will become of the human hand?

کار انسان چه می‌شود؟

How does our desire for perfection, precision and automation

چگونه میل به بی‌نقصی‌، دقت و ماشینی‌شدن

affect our ability to be creative?

بر توانایی خلاق‌بودن ما اثر دارد؟

In my work as an artist and researcher, I explore AI and robotics

من به‌عنوان یک هنرمند و محقق‌، رباتیک و هوش‌مصنوعی را

to develop new processes for human creativity.

برای توسعه فرایندهای جدید برای خلاقیت انسان بررسی می‌کنم.

For the past few years,

در چند سال گذشته‌،

I've made work alongside machines, data and emerging technologies.

در‌کنار ماشین‌ها‌، داده و فناوری‌های نوپا کار کردم.

It's part of a lifelong fascination

این بخشی از یک جذابیت همیشگی

about the dynamics of individuals and systems

درباره‌ی پویایی افراد و سیستم‌ها است

and all the messiness that that entails.

و تمام آشفتگی که شامل می‌شود.

It's how I'm exploring questions about where AI ends and we begin

اینگونه سوالات را که هوش‌مصنوعی کجا تمام شده و ما آغاز می‌کنیم را کاوش می‌کنم

and where I'm developing processes

وجایی که فرایندها را توسعه می‌دهم

that investigate potential sensory mixes of the future.

که مخلوط‌های بالقوه حسی در آینده را بررسی می‌کند.

I think it's where philosophy and technology intersect.

فکر می‌کنم این جاست که فلسفه و فناوری جدا می‌شوند.

Doing this work has taught me a few things.

انجام این کار به من چند چیز یاد داد.

It's taught me how embracing imperfection

به من یاد داد که چگونه در آغوش گرفتن نقص می‌تواند

can actually teach us something about ourselves.

به ما در مورد خودمان بیاموزد.

It's taught me that exploring art

به من یاد داد که کاوش در هنر

can actually help shape the technology that shapes us.

می‌تواند در شکل دادن فناوری که ما را شکل دهد کمک کند

And it's taught me that combining AI and robotics

و به من آموخت که ترکیب هوش مصنوعی و رباتیک

with traditional forms of creativity -- visual arts in my case --

با خلاقیت‌های سنتی-- در این مورد هنر‌های تجسمی--

can help us think a little bit more deeply

می‌تواند به ما در تفکر عمیق تر یاری کند

about what is human and what is the machine.

در مورد اینکه انسان چیست و ماشین چیست.

And it's led me to the realization

و مرا به این باور رهنمود کرد

that collaboration is the key to creating the space for both

که همکاری کلیدی است برای ساخت فضا برای هر‌دو

as we move forward.

هرچه بیشتر جلو می‌رویم.

It all started with a simple experiment with machines,

تمام این‌ها از یک آزمایش ساده با ماشین‌ها شروع شد،

called "Drawing Operations Unit: Generation 1."

به نام «واحد عملیات ترسیم: نسل ۱»

I call the machine "D.O.U.G." for short.

که به طور خلاصه به آن ماشین‌، داگ(D.O.U.G) می‌گویم.

Before I built D.O.U.G,

پیش از ساخت ‌داگ،

I didn't know anything about building robots.

در مورد ساخت روبات چیزی نمی‌دانستم.

I took some open-source robotic arm designs,

من چند طراحی رایگان بازوی رباتیک را گرفتم،

I hacked together a system where the robot would match my gestures

و سیستمی‌ را ساختم که روبات حرکات مرا

and follow [them] in real time.

به صورت بلادرنگ و همزمان دنبال کند.

The premise was simple:

قضیه ساده بود:

I would lead, and it would follow.

من حرکت می‌کنم و روبات دنبال می‌کند.

I would draw a line, and it would mimic my line.

من یک خط می‌کشم، و او آن خط را تقلید می‌کند.

So back in 2015, there we were, drawing for the first time,

این ما هستیم که در سال ۲۰۱۵ برای اولین بار،

in front of a small audience in New York City.

در حضور عده‌ای کم در نیویورک نقاشی می‌کردیم.

The process was pretty sparse --

فرایند ساده‌ای بود--

no lights, no sounds, nothing to hide behind.

نه هیج نوری، نه صدایی‌، هیچ جیز برای پنهان شدن پشت آن نبود.

Just my palms sweating and the robot's new servos heating up.

فقط دست‌های من که عرق می‌کرد و فرمان‌یارهای جدید روبات که داغ می‌شد.

(Laughs) Clearly, we were not built for this.

(خنده) واضح بود که ما آماده‌ی اینکار نبودیم.

But something interesting happened, something I didn't anticipate.

اما یک جیز جالب اتفاق افتاد، چیزی که انتظارش را نداشتم.

See, D.O.U.G., in its primitive form, wasn't tracking my line perfectly.

‌داگ، در حالت اولیه خطوط من را به طور کامل دنبال نمی‌کرد.

While in the simulation that happened onscreen

در شبیه ساز آنچه روی صفحه اتفاق می‌افتاد

it was pixel-perfect,

از نظر پیکسلی بی‌نقص بود،

in physical reality, it was a different story.

ولی در واقعیت، داستان فرق می‌کرد.

It would slip and slide and punctuate and falter,

لیز می‌خورد و گیر می‌کرد،

and I would be forced to respond.

و من مجبور می‌شدم واکنش نشان دهم.

There was nothing pristine about it.

هیچ چیزی طبیعی نبود.

And yet, somehow, the mistakes made the work more interesting.

و با این حال به نحوی اشتباهات کار را جذاب‌تر کردند.

The machine was interpreting my line but not perfectly.

ماشین خط‌های مرا دنبال می‌کرد اما نه بی‌نقص.

And I was forced to respond.

و من مجبور می‌شدم پاسخ دهم.

We were adapting to each other in real time.

ما داشتیم باهم همزمان کنار می‌آمدیم.

And seeing this taught me a few things.

و دیدن این مساله به من چند چیز یاد داد.

It showed me that our mistakes actually made the work more interesting.

به من نشان داد اشتباهات ما در واقع کار را جالب‌تر می‌کنند.

And I realized that, you know, through the imperfection of the machine,

و به واسطه‌ی این نقص ماشین متوجه شدم،

our imperfections became what was beautiful about the interaction.

نقص‌های ما آن چیز زیبا در تعامل بود.

And I was excited, because it led me to the realization

و من هیجان زده شدم‌، چون به این نتیجه رسیدم

that maybe part of the beauty of human and machine systems

که شاید بخشی از زیبایی سیستم‌های انسانی و ماشینی

is their shared inherent fallibility.

خطای ذاتی مشترک آن‌هاست.

For the second generation of D.O.U.G.,

برای نسل دوم داگ،

I knew I wanted to explore this idea.

من می‌دانستم که می‌خواهم این ایده را بررسی کنم.

But instead of an accident produced by pushing a robotic arm to its limits,

اما به جای اتفاقی که بوسیله‌ی نگاه داشتن بازوی رباتیک در محدودیت ایجاد شده،

I wanted to design a system that would respond to my drawings

من سیستمی‌ را می‌خواستم که به ترسیم‌های من به صورتی

in ways that I didn't expect.

پاسخ دهد که انتظار آن را نداشته باشم.

So, I used a visual algorithm to extract visual information

پس، از یک الگوریتم بصری استفاده کردم تا اطلاعات بصری را

from decades of my digital and analog drawings.

از ده‌ها طرح‌ دیجیتال و آنالوگ خودم خارج کنم.

I trained a neural net on these drawings

من یک شبکه عصبی را بر اساس این طرح‌ها ساختم

in order to generate recurring patterns in the work

تا الگوهای تکرار شونده‌ای را در کار را تولید کند

that were then fed through custom software back into the machine.

که به صورت نرم افزار سفارشی به ماشین باز می‌گشتند.

I painstakingly collected as many of my drawings as I could find --

با دردسر زیاد تمام طرح‌هایی که توانستم بیابم را جمع کردم

finished works, unfinished experiments and random sketches --

کار‌های تمام شده و ناتمام، یک سری طرح‌های بالبداهه-

and tagged them for the AI system.

و آنها را برای سیستم هوش مصنوعی نشانه کردم.

And since I'm an artist, I've been making work for over 20 years.

و از آن جایی که من یک هنرمندم بیش از ۲۰ سال است کار می‌کنم.

Collecting that many drawings took months,

جمع‌آوری آن همه طرح ماه‌ها زمان برد،

it was a whole thing.

که واقعا سخت و پیچیده بود.

And here's the thing about training AI systems:

و یک چیز درباره سیستم‌های هوش مصنوعی:

it's actually a lot of hard work.

راستش را بخواهید خیلی سخت است.

A lot of work goes on behind the scenes.

بسیاری کار هست که پشت پرده انجام می‌شود.

But in doing the work, I realized a little bit more

اما در حین کار، یک مقدار بیشتر

about how the architecture of an AI is constructed.

در‌باره ساخت معماری هوش مصنوعی متوجه شدم.

And I realized it's not just made of models and classifiers

و فهمیدم که تنها از مدل‌ها و اطلاعات طبقه‌بندی شده

for the neural network.

برای شبکه عصبی ساخته نشده.

But it's a fundamentally malleable and shapable system,

بلکه یک سیستم انعطاف‌پذیر و شکل‌پذیر است،

one in which the human hand is always present.

که همیشه در کار‌های انسان مشهود است.

It's far from the omnipotent AI we've been told to believe in.

این با قدرت زیاد هوش مصنوعی که به ما گفته شده تا باور کنیم بسیار دور است.

So I collected these drawings for the neural net.

پس من این طرح‌ها را برای شبکه عصبی جمع کردم.

And we realized something that wasn't previously possible.

و به چیزی که پیش از این ممکن نبود پی بردیم.

My robot D.O.U.G. became a real-time interactive reflection

ربات من داگ تبدیل به واکنش دهنده تعاملی بلادرنگ

of the work I'd done through the course of my life.

از کار‌هایی که من در طول زندگی‌ام انجام داده بودم شد.

The data was personal, but the results were powerful.

داده‌ها شخصی بود، ولی نتیجه قدرتمند بود.

And I got really excited,

و من بسیار هیجان زده شدم،

because I started thinking maybe machines don't need to be just tools,

چون فکر کردم شاید نیازی نباشد که ماشین‌ها فقط ابزار باشند،

but they can function as nonhuman collaborators.

بلکه می‌توانند یک همکار غیرانسانی باشند.

And even more than that,

حتی شاید بیش از آن،

I thought maybe the future of human creativity

من فکر کردم شاید آینده خلاقیت انسان

isn't in what it makes

چیزی نباشد که می‌سازد

but how it comes together to explore new ways of making.

بلکه از کشف راه‌های جدید ساخت پدید می‌آید.

So if D.O.U.G._1 was the muscle,

پس اگر داگ_ ۱ یک ماهیچه بود،

and D.O.U.G._2 was the brain,

و داگ_۲ مغز بود،

then I like to think of D.O.U.G._3 as the family.

پس من دوست دارم داگ_۳ را به عنوان خانواده در نظر بگیرم.

I knew I wanted to explore this idea of human-nonhuman collaboration at scale.

من می‌خواستم این ایده‌ی همکاری با غیرانسان را در مقیاس بزرگتر مورد بررسی قرار دهم.

So over the past few months,

در نتیجه در چند ماه گذشته،

I worked with my team to develop 20 custom robots

من به همراه گروهم بیش از ۲۰ ربات را توسعه دادیم

that could work with me as a collective.

به طوری که بتوانند مشترکاَ با من کار کنند

They would work as a group,

آنها گروهی کار می‌کنند‌،

and together, we would collaborate with all of New York City.

و باهم‌، ما می‌توانیم با تمام نیویورک همکاری کنیم.

I was really inspired by Stanford researcher Fei-Fei Li,

من بسیار از سخنان محقق دانشگاه استنفورد فی-فی لی تشویق شدم

who said, "if we want to teach machines how to think,

که گفت‌: «اگر بخواهیم به ماشین نحوه تفکر را بیاموزیم،

we need to first teach them how to see."

ابتدا باید به او نحوه دیدن را یاد دهیم.»

It made me think of the past decade of my life in New York,

این مرا به فکر ده سال گذشته‌ زندگی‌ام در نیویورک انداخت‌،

and how I'd been all watched over by these surveillance cameras around the city.

چگونه توسط دوربین‌های نظارتی در شهر دیده شده بودم‌.

And I thought it would be really interesting

و فکر کردم که چقدر جذاب می‌تواند باشد

if I could use them to teach my robots to see.

که بوسیله‌ی آن به ربات‌ها نحوه دیدن را بیاموزم.

So with this project,

در نتیجه با این پروژه‌،

I thought about the gaze of the machine,

من در مورد نگاه ماشین فکر کردم،

and I began to think about vision as multidimensional,

و شروع به تفکر درباره دید چند بعدی،

as views from somewhere.

به عنوان مناظری از مکانی کردم.

We collected video

ما ویدیو‌ها را از

from publicly available camera feeds on the internet

دوربین‌های عمومی‌از اینترنت جمع آوری کردیم

of people walking on the sidewalks,

مردمی‌ که روی سنگ فرش راه می‌رفتند،

cars and taxis on the road,

از خودرو‌ها و تاکسی‌ها در خیابان،

all kinds of urban movement.

انواع فعالیت‌های شهری.

We trained a vision algorithm on those feeds

ما یک ااگوریتم بصری را از روی این موارد درست کردیم

based on a technique called "optical flow,"

بر اساس تکنیکی به نام «جریان نوری،»

to analyze the collective density,

برای آنالیز تراکم جمع شده‌،

direction, dwell and velocity states of urban movement.

مسیر‌، وضعیت جابجایی و ساکن بودن جنبش‌های شهری.

Our system extracted those states from the feeds as positional data

سیستم این وضعیت‌ها را از داده‌های مکانی استخراج کرد

and became pads for my robotic units to draw on.

و لایه‌ای برای طراحی کردن واحد رباتیک روی آن شد.

Instead of a collaboration of one-to-one,

به جای همکاری تک به تک،

we made a collaboration of many-to-many.

ما یک همکاری چند به چند را ساختیم.

By combining the vision of human and machine in the city,

با ترکیب دید انسان و ماشین در شهر،

we reimagined what a landscape painting could be.

ما آنچه یک نقاشی منظره می‌تواند باشد را بازآفرینی کردیم.

Throughout all of my experiments with D.O.U.G.,

در بین تمام آزمایشاتم با داگ،

no two performances have ever been the same.

هیج دو عملکردی یکسان نبودند.

And through collaboration,

و در همکاری،

we create something that neither of us could have done alone:

ما جیزی را خلق کردیم که هیچ کدام به تنهایی نمی‌توانستیم:

we explore the boundaries of our creativity,

ما کران‌های خلاقیت مان را کاوش کردیم،

human and nonhuman working in parallel.

انسان و غیرانسان به موازات هم کار می‌کنند.

I think this is just the beginning.

فکر می‌کنم این تنها شروع است.

This year, I've launched Scilicet,

امسال‌، من سیلیست را بنا کردم‌،

my new lab exploring human and interhuman collaboration.

آزمایشگاه جدیدی برای کاوش در همکاری انسانی و میان انسانی.

We're really interested in the feedback loop

ما بسیار علاقه داریم به چرخه واکنش

between individual, artificial and ecological systems.

بین انسان‌، سیستم مصنوعی و زیست محیطی.

We're connecting human and machine output

ما درحال اتصال انسان و خروجی ماشین به

to biometrics and other kinds of environmental data.

بیومتریک و دیگر انواع داده‌های محیطی هستیم

We're inviting anyone who's interested in the future of work, systems

ما هرکسی که به آینده کار‌، سیستم‌ها و همکاری میان انسانی

and interhuman collaboration

علاقه دارد دعوت به

to explore with us.

کاوش می‌کنیم.

We know it's not just technologists that have to do this work

می‌دانیم این تنها فناوران نیستند که باید این کار را بکنند

and that we all have a role to play.

و هر کدام نقشی داریم.

We believe that by teaching machines

ما بر این باوریم با آموزش ماشین‌ها

how to do the work traditionally done by humans,

به انجام کار‌هایی که پیش از این انسان انجام می‌داده،

we can explore and evolve our criteria

می‌توانیم کاوش کنیم و معیارها را از آنچه

of what's made possible by the human hand.

ممکن بود به دست انسان ساخته شود گسترش دهیم.

And part of that journey is embracing the imperfections

و بخشی از این سفر پذیرش نقض است

and recognizing the fallibility of both human and machine,

و شناخت اشتباهات انسان و ماشین‌،

in order to expand the potential of both.

تا پتانسیل هردو را گسترش دهیم.

Today, I'm still in pursuit of finding the beauty

امروز‌، من هنوز به دنبال زیبایی‌

in human and nonhuman creativity.

در خلاقیت انسان و غیرانسان هستم.

In the future, I have no idea what that will look like,

هیچ ایده‌ای ندارم که آینده چگونه خواهد بود،

but I'm pretty curious to find out.

اما خیلی کنجکاوم که بفهمم.

Thank you.

ممنون از شما.

(Applause)

( تشویق حضار)