Why I draw with robots | Sougwen Chung

30,428 views ・ 2020-02-14

TED


Veuillez double-cliquer sur les sous-titres anglais ci-dessous pour lire la vidéo.

00:00
Translator: Ivana Korom Reviewer: Camille Martínez
0
0
7000
Traducteur: Eva Marxer Relecteur: Amelia Pérez Domínguez
00:12
Many of us here use technology in our day-to-day.
1
12937
3165
Beaucoup d'entre nous ici utilisent la technologie au quotidien.
00:16
And some of us rely on technology to do our jobs.
2
16126
3247
Et certains se fient à la technologie pour effectuer leur travail.
00:19
For a while, I thought of machines and the technologies that drive them
3
19397
3950
Pendant un moment, je pensais aux machines
et aux technologies qui les propulsent
00:23
as perfect tools that could make my work more efficient and more productive.
4
23371
4505
comme des outils parfaits qui rendraient mon travail plus efficace et productif.
00:28
But with the rise of automation across so many different industries,
5
28403
3254
L'augmentation de l'automatisation dans beaucoup d'industries
00:31
it led me to wonder:
6
31681
1372
m'a incitée à me demander :
00:33
If machines are starting to be able to do the work
7
33077
2341
si des machines commencent à faire le travail
00:35
traditionally done by humans,
8
35442
1667
historiquement fait par les humains,
00:37
what will become of the human hand?
9
37133
2333
quel sera l'avenir de la main humaine ?
00:40
How does our desire for perfection, precision and automation
10
40133
4093
Comment notre désir de perfection, de précision et d'automatisation
00:44
affect our ability to be creative?
11
44250
1922
affecte-il nos capacités créatives ?
00:46
In my work as an artist and researcher, I explore AI and robotics
12
46553
4087
Dans mon travail comme chercheuse et artiste, j'étudie l'IA et la robotique
00:50
to develop new processes for human creativity.
13
50664
3005
afin de développer des nouveaux processus de créativité humaine.
00:54
For the past few years,
14
54077
1286
Depuis quelques années,
00:55
I've made work alongside machines, data and emerging technologies.
15
55387
4376
je travaille avec des machines,
des données et les nouvelles technologies.
01:00
It's part of a lifelong fascination
16
60143
1861
C'est une fascination de toujours
01:02
about the dynamics of individuals and systems
17
62028
2735
des dynamiques des personnes et des systèmes
01:04
and all the messiness that that entails.
18
64787
2381
et de tout le désordre que ça entraîne.
01:07
It's how I'm exploring questions about where AI ends and we begin
19
67192
4808
C'est la façon dont j'explore la question d'où se termine l'IA,
d'où nous commençons
01:12
and where I'm developing processes
20
72024
1642
et d'où je développe des processus
01:13
that investigate potential sensory mixes of the future.
21
73690
3326
pour examiner les combinaisons sensorielles possibles du futur.
01:17
I think it's where philosophy and technology intersect.
22
77675
2857
C'est là où se croisent philosophie et technologie.
01:20
Doing this work has taught me a few things.
23
80992
2239
Effectuer ce travail m'a appris quelque chose.
01:23
It's taught me how embracing imperfection
24
83642
2824
Il m'a appris qu'accueillir l'imperfection
01:26
can actually teach us something about ourselves.
25
86490
2489
nous permet d'apprendre quelque chose sur nous-même.
01:29
It's taught me that exploring art
26
89428
2336
Il m'a appris que la découverte de l'art
01:31
can actually help shape the technology that shapes us.
27
91788
2931
peut fait donner forme à la technologie qui nous définit.
01:35
And it's taught me that combining AI and robotics
28
95148
3261
Et il m'a appris que combiner l'IA et la robotique
01:38
with traditional forms of creativity -- visual arts in my case --
29
98433
3532
avec des formes classiques de créativité -
pour ma part, les arts visuels -
01:41
can help us think a little bit more deeply
30
101989
2302
peut nous faire réfléchir un peu plus
01:44
about what is human and what is the machine.
31
104315
2897
sur ce qui est humain et ce qui est mécanique.
01:47
And it's led me to the realization
32
107942
1707
Et ça m'a fait prendre conscience
01:49
that collaboration is the key to creating the space for both
33
109673
3055
que collaborer est la clé pour créer de la place pour les deux
01:52
as we move forward.
34
112752
1267
alors que nous progressons.
01:54
It all started with a simple experiment with machines,
35
114387
2746
Tout a commencé avec une expérience avec des machines,
01:57
called "Drawing Operations Unit: Generation 1."
36
117157
2826
appelée « Drawing Operations Unit : Génération 1 ».
02:00
I call the machine "D.O.U.G." for short.
37
120434
2516
J'appelle la machine « D. O. U. G. » pour faire court.
02:02
Before I built D.O.U.G,
38
122974
1326
Avant de l'avoir créé,
02:04
I didn't know anything about building robots.
39
124324
2365
je ne savais rien sur la construction des robots.
02:07
I took some open-source robotic arm designs,
40
127220
2897
J'ai utilisé quelques modèles de bras robotiques open-source
02:10
I hacked together a system where the robot would match my gestures
41
130141
3341
et j'ai conçu un système
pour que le robot imite mes mouvements
02:13
and follow [them] in real time.
42
133506
1639
et les suive en temps réel.
02:15
The premise was simple:
43
135169
1448
Le principe était simple :
02:16
I would lead, and it would follow.
44
136641
2200
Je le mènerais, il me suivrait.
02:19
I would draw a line, and it would mimic my line.
45
139403
2936
Je dessinerais une ligne, et il la reproduirait.
02:22
So back in 2015, there we were, drawing for the first time,
46
142363
3698
Donc, en 2015, nous y voilà, nous dessinions pour la première fois
02:26
in front of a small audience in New York City.
47
146085
2619
devant un petit auditoire à New York.
02:28
The process was pretty sparse --
48
148728
2555
Le procédé était assez clairsemé -
02:31
no lights, no sounds, nothing to hide behind.
49
151307
3487
sans lumières ni sons, rien pour se cacher.
02:35
Just my palms sweating and the robot's new servos heating up.
50
155241
3395
Juste mes paumes moites
et le nouveau servos du robot surchauffé.
02:38
(Laughs) Clearly, we were not built for this.
51
158950
2441
(Rit) On n'était clairement pas faits pour cela.
02:41
But something interesting happened, something I didn't anticipate.
52
161820
3233
Mais une chose intéressante s'est passée, que je n'avais pas prévue.
02:45
See, D.O.U.G., in its primitive form, wasn't tracking my line perfectly.
53
165077
4802
D.O.U.G., dans sa première forme, ne suivait pas parfaitement ma ligne.
02:49
While in the simulation that happened onscreen
54
169903
2333
Bien que dans la simulation montrée à l'écran
02:52
it was pixel-perfect,
55
172260
1357
il était précis au pixel,
02:53
in physical reality, it was a different story.
56
173641
2531
en réalité, c'était bien différent.
02:56
It would slip and slide and punctuate and falter,
57
176196
2817
Le bras glissait, ponctuait, et hésitait
02:59
and I would be forced to respond.
58
179037
2068
et j'étais obligée de répondre.
03:01
There was nothing pristine about it.
59
181525
1778
Rien de parfait là-dedans.
03:03
And yet, somehow, the mistakes made the work more interesting.
60
183327
3238
Mais finalement, les erreurs ont rendu le travail plus intéressant.
03:06
The machine was interpreting my line but not perfectly.
61
186589
2754
Le robot interprétait la ligne, mais pas parfaitement.
03:09
And I was forced to respond.
62
189367
1372
J'étais obligée de répondre.
03:10
We were adapting to each other in real time.
63
190763
2709
On s'adaptait en temps réel.
03:13
And seeing this taught me a few things.
64
193496
1937
Le voir m'a appris plusieurs choses :
03:15
It showed me that our mistakes actually made the work more interesting.
65
195457
4880
déjà, que le travail était en fait plus intéressant grâce aux erreurs.
03:20
And I realized that, you know, through the imperfection of the machine,
66
200663
4249
Et je me suis rendu compte que, grâce aux défauts de la machine,
03:24
our imperfections became what was beautiful about the interaction.
67
204936
3705
nos défauts rendaient l'interaction belle.
03:29
And I was excited, because it led me to the realization
68
209650
3087
Et j'étais motivée parce que je me suis rendu compte
03:32
that maybe part of the beauty of human and machine systems
69
212761
3650
qu'en partie, la beauté des humains et des systèmes mécaniques
03:36
is their shared inherent fallibility.
70
216435
2738
se trouve possiblement dans leur faillibilité inhérente.
03:39
For the second generation of D.O.U.G.,
71
219197
1820
Pour la seconde génération de D.O.U.G.,
03:41
I knew I wanted to explore this idea.
72
221041
2307
je voulais envisager cette idée.
03:43
But instead of an accident produced by pushing a robotic arm to its limits,
73
223372
4418
Mais au lieu d'un accident créé par un bras robotique poussé à ses limites,
03:47
I wanted to design a system that would respond to my drawings
74
227814
2897
je voulais concevoir un système qui répondrait à mes dessins
03:50
in ways that I didn't expect.
75
230735
1833
de manière imprévue.
03:52
So, I used a visual algorithm to extract visual information
76
232592
3849
Donc, j'ai utilisé un algorithme visuel afin d'extraire des données visuelles
03:56
from decades of my digital and analog drawings.
77
236465
2978
de mes dessins numériques et fait main de plusieurs décennies.
03:59
I trained a neural net on these drawings
78
239467
2055
J'ai créé un réseau neuronal sur les dessins
04:01
in order to generate recurring patterns in the work
79
241546
2865
dans le but de générer des motifs récurrents là-dedans
04:04
that were then fed through custom software back into the machine.
80
244435
3476
qui ont ensuite été réintroduits dans la machine
par un logiciel personnalisé.
04:07
I painstakingly collected as many of my drawings as I could find --
81
247935
4386
J'ai péniblement rassemblé autant de mes dessins que possible -
04:12
finished works, unfinished experiments and random sketches --
82
252345
4215
des dessins finis ou inachevés, des croquis aléatoires -
04:16
and tagged them for the AI system.
83
256584
1999
et je les ai importés dans l'IA.
04:18
And since I'm an artist, I've been making work for over 20 years.
84
258607
3684
Comme je suis artiste, je crée de l'art depuis plus de 20 ans.
04:22
Collecting that many drawings took months,
85
262315
2024
Rassembler autant de dessins prend des mois
04:24
it was a whole thing.
86
264363
1389
donc c'était tout un projet.
04:25
And here's the thing about training AI systems:
87
265776
2595
Il faut savoir qu'entraîner des IA,
04:28
it's actually a lot of hard work.
88
268395
2200
c'est effectivement beaucoup de travail.
Beaucoup de choses se passent en coulisses.
04:31
A lot of work goes on behind the scenes.
89
271022
2191
04:33
But in doing the work, I realized a little bit more
90
273237
2681
Mais en effectuant le travail, j'ai appris davantage
04:35
about how the architecture of an AI is constructed.
91
275942
3421
sur la construction d'un tel système.
04:39
And I realized it's not just made of models and classifiers
92
279387
2947
Il ne se compose pas seulement de modèles et classificateurs
04:42
for the neural network.
93
282358
1322
qui forment le réseau.
04:43
But it's a fundamentally malleable and shapable system,
94
283704
3532
C'est un système fondamentalement malléable et modelable
04:47
one in which the human hand is always present.
95
287260
3111
dans lequel la main humaine est toujours présente.
04:50
It's far from the omnipotent AI we've been told to believe in.
96
290395
4000
C'est loin de l'IA omnipotente en laquelle on est censé croire.
04:54
So I collected these drawings for the neural net.
97
294419
2515
J'ai rassemblé ces dessins pour le réseau neuronal.
04:56
And we realized something that wasn't previously possible.
98
296958
3929
Et on s'est rendu compte de quelque chose
qui n'avait pas été possible avant.
05:00
My robot D.O.U.G. became a real-time interactive reflection
99
300911
4091
Mon robot, D.O.U.G., était devenu un reflet interactif, en temps réel,
05:05
of the work I'd done through the course of my life.
100
305026
2627
du travail que j'avais effectué au cours de ma vie.
05:07
The data was personal, but the results were powerful.
101
307677
3865
Les données étaient personnelles, mais les résultats étaient puissants.
05:11
And I got really excited,
102
311566
1484
Et j'ai été très enthousiaste
05:13
because I started thinking maybe machines don't need to be just tools,
103
313074
4582
car j'ai réalisé que les machines, n'étaient pas seulement des outils,
05:17
but they can function as nonhuman collaborators.
104
317680
3420
mais aussi qu'elles pouvaient être des collaboratrices non humaines.
05:21
And even more than that,
105
321537
1547
Et même plus que cela,
05:23
I thought maybe the future of human creativity
106
323108
2429
le futur de la créativité humaine
05:25
isn't in what it makes
107
325561
1524
n'est pas ce qu'elle produit
05:27
but how it comes together to explore new ways of making.
108
327109
3436
mais comment elle collabore
pour explorer d'autres manières de créer.
05:31
So if D.O.U.G._1 was the muscle,
109
331101
2190
Si D.O.U.G._1 était le muscle,
05:33
and D.O.U.G._2 was the brain,
110
333315
1762
et D.O.U.G._2 le cerveau,
05:35
then I like to think of D.O.U.G._3 as the family.
111
335101
2928
alors j'aime imaginer D.O.U.G._3 comme la famille.
05:38
I knew I wanted to explore this idea of human-nonhuman collaboration at scale.
112
338482
4793
J'explorais l'idée de la collaboration humain-non humain.
05:43
So over the past few months,
113
343299
1373
Au cours de ces mois,
05:44
I worked with my team to develop 20 custom robots
114
344696
3135
j'ai travaillé avec mon équipe pour créer 20 robots sur mesure
05:47
that could work with me as a collective.
115
347855
1960
travaillant collectivement avec moi.
05:49
They would work as a group,
116
349839
1293
Ils formeraient un groupe
05:51
and together, we would collaborate with all of New York City.
117
351156
2889
et ensemble, on collaborerait avec la ville de New York.
05:54
I was really inspired by Stanford researcher Fei-Fei Li,
118
354069
2944
J'étais inspirée par un chercheur de Stanford, Fei-Fei Li,
05:57
who said, "if we want to teach machines how to think,
119
357037
2515
qui a dit : « Si on veut apprendre à penser aux robots,
05:59
we need to first teach them how to see."
120
359576
1984
il faut d'abord leur apprendre à voir. »
06:01
It made me think of the past decade of my life in New York,
121
361584
2785
J'ai pensé aux 10 dernières années de ma vie à New York,
06:04
and how I'd been all watched over by these surveillance cameras around the city.
122
364393
3993
et comment les caméras de surveillance me regardaient partout dans la ville.
06:08
And I thought it would be really interesting
123
368410
2056
Je pensais que ce serait très intéressant
06:10
if I could use them to teach my robots to see.
124
370490
2405
de les utiliser afin d'apprendre aux robots à voir.
06:12
So with this project,
125
372919
1888
Donc, pour ce projet,
06:14
I thought about the gaze of the machine,
126
374831
1967
j'ai pensé au regard de la machine,
06:16
and I began to think about vision as multidimensional,
127
376822
3226
et j'ai commencé à penser à la vue comme multidimensionnelle,
06:20
as views from somewhere.
128
380072
1600
comme des vues de quelque part.
06:22
We collected video
129
382151
1834
On a recueilli des images vidéo
06:24
from publicly available camera feeds on the internet
130
384009
3063
des flux de caméras accessibles au public sur Internet :
06:27
of people walking on the sidewalks,
131
387096
1690
des gens marchant sur le trottoir,
06:28
cars and taxis on the road,
132
388810
1712
des voitures et taxis dans la rue,
06:30
all kinds of urban movement.
133
390546
1817
toutes sortes de mouvements urbains.
06:33
We trained a vision algorithm on those feeds
134
393188
2603
On a entraîné un algorithme de vision sur ces données,
06:35
based on a technique called "optical flow,"
135
395815
2286
basé sur la technique de « flux optique »
06:38
to analyze the collective density,
136
398125
1977
pour analyser les états de densité,
06:40
direction, dwell and velocity states of urban movement.
137
400126
3637
direction, durée de temporisation, et vélocité du mouvement urbain.
06:44
Our system extracted those states from the feeds as positional data
138
404178
4269
Notre système a extrait ces états des flux
en tant que données de position
06:48
and became pads for my robotic units to draw on.
139
408471
3373
qui sont devenues des cartes sur lesquelles mes robots dessineraient.
06:51
Instead of a collaboration of one-to-one,
140
411868
2534
Au lieu d'une collaboration en tête-à-tête,
06:54
we made a collaboration of many-to-many.
141
414426
3024
on a créé une collaboration en plusieurs-à-plusieurs.
06:57
By combining the vision of human and machine in the city,
142
417474
3587
En combinant la vue humaine et mécanique dans la ville,
07:01
we reimagined what a landscape painting could be.
143
421085
2794
on a refait ce qui s'assimile à une peinture de paysage.
07:03
Throughout all of my experiments with D.O.U.G.,
144
423903
2218
Lors de toutes mes expériences avec D.O.U.G.,
07:06
no two performances have ever been the same.
145
426145
2717
il n'y avait jamais eu deux performances semblables.
07:08
And through collaboration,
146
428886
1382
Grâce à la collaboration,
07:10
we create something that neither of us could have done alone:
147
430292
2864
on réalise quelque chose que personne n'aurait pu faire seul :
07:13
we explore the boundaries of our creativity,
148
433180
2611
on découvre les limites de notre créativité ;
07:15
human and nonhuman working in parallel.
149
435815
2892
humaine et non-humaine en travaillant parallèlement.
07:19
I think this is just the beginning.
150
439823
2334
Je pense que ce n'est que le début.
07:22
This year, I've launched Scilicet,
151
442569
2183
Cette année, j'ai lancé Scilicet,
07:24
my new lab exploring human and interhuman collaboration.
152
444776
4245
un laboratoire qui explore la collaboration humaine et interhumaine.
07:29
We're really interested in the feedback loop
153
449339
2120
On s'intéresse à la boucle de rétroaction
07:31
between individual, artificial and ecological systems.
154
451483
4230
entre les systèmes individuels, artificiels, et écologiques.
07:36
We're connecting human and machine output
155
456276
2269
On lie la production humaine et mécanique
07:38
to biometrics and other kinds of environmental data.
156
458569
2984
et la biométrie et toutes sortes de données environnementales.
07:41
We're inviting anyone who's interested in the future of work, systems
157
461577
4079
On invite quiconque qui s'intéresse au futur du travail, des systèmes,
07:45
and interhuman collaboration
158
465680
1595
et la collaboration interhumaine
07:47
to explore with us.
159
467299
1550
à explorer avec nous.
07:48
We know it's not just technologists that have to do this work
160
468873
3405
Ce n'est pas que les technologues qui sont en charge de ce travail,
07:52
and that we all have a role to play.
161
472302
2103
nous avons tous un rôle à jouer.
07:54
We believe that by teaching machines
162
474429
2243
On croit qu'en apprenant aux machines
07:56
how to do the work traditionally done by humans,
163
476696
2730
à faire le travail fait par les humains,
07:59
we can explore and evolve our criteria
164
479450
2953
on peut explorer et faire évoluer
08:02
of what's made possible by the human hand.
165
482427
2443
ce qui est rendu possible par la main humaine.
08:04
And part of that journey is embracing the imperfections
166
484894
3493
Ce travail requiert l'acceptation des défauts
08:08
and recognizing the fallibility of both human and machine,
167
488411
3690
et la reconnaissance de la faillibilité des êtres humains et des machines
08:12
in order to expand the potential of both.
168
492125
2405
afin d'agrandir les capacités des deux.
08:14
Today, I'm still in pursuit of finding the beauty
169
494919
2301
Aujourd'hui, je cherche toujours la beauté
08:17
in human and nonhuman creativity.
170
497244
2276
dans la créativité humaine et non-humaine.
08:19
In the future, I have no idea what that will look like,
171
499865
2829
À l'avenir, je ne sais pas à quoi elle ressemblera,
08:23
but I'm pretty curious to find out.
172
503627
2024
mais j'ai hâte de le découvrir.
08:25
Thank you.
173
505675
1151
Merci.
08:26
(Applause)
174
506850
1884
(Applaudissements)
À propos de ce site Web

Ce site vous présentera des vidéos YouTube utiles pour apprendre l'anglais. Vous verrez des leçons d'anglais dispensées par des professeurs de premier ordre du monde entier. Double-cliquez sur les sous-titres anglais affichés sur chaque page de vidéo pour lire la vidéo à partir de là. Les sous-titres défilent en synchronisation avec la lecture de la vidéo. Si vous avez des commentaires ou des demandes, veuillez nous contacter en utilisant ce formulaire de contact.

https://forms.gle/WvT1wiN1qDtmnspy7