Can a computer write poetry? | Oscar Schwartz

89,741 views ・ 2016-02-10

TED


Fai dobre clic nos subtítulos en inglés a continuación para reproducir o vídeo.

Translator: TANIA VÁZQUEZ RODRÍGUEZ Reviewer: Maria Serrano Lopez
00:12
I have a question.
0
12881
1230
Teño unha pregunta.
00:15
Can a computer write poetry?
1
15422
1943
Pode un ordenador escribir poesía?
00:18
This is a provocative question.
2
18959
2077
Esta é unha pregunta provocadora.
00:21
You think about it for a minute,
3
21715
1718
Pensas neso por un minuto,
00:23
and you suddenly have a bunch of other questions like:
4
23457
2590
e de golpe unha morea de preguntas
como:
00:26
What is a computer?
5
26769
1381
Que é un ordenador?
00:28
What is poetry?
6
28710
1575
Que é poesía?
00:30
What is creativity?
7
30707
1689
Que é creatividade?
00:33
But these are questions
8
33650
1172
Pero estas son preguntas
00:34
that people spend their entire lifetime trying to answer,
9
34846
3070
que a xente pasa toda a súa vida tratando de responder,
00:37
not in a single TED Talk.
10
37940
2224
non nunha única charla TED
00:40
So we're going to have to try a different approach.
11
40188
2445
Polo que intentaremos un enfoque diferente
00:42
So up here, we have two poems.
12
42657
2143
Velaquí arriba temos dous poemas.
00:45
One of them is written by a human,
13
45839
2276
Un deles está escrito por un humano,
00:48
and the other one's written by a computer.
14
48139
2102
e o outro por un ordenador.
00:50
I'm going to ask you to tell me which one's which.
15
50754
2410
Vouvos a pedir que me digades cal é cal
00:53
Have a go:
16
53858
1156
Intentádeo:
Poema1: Pequena mosca/ Os teus xogos de estío,/
00:55
Poem 1: Little Fly / Thy summer's play, / My thoughtless hand / Has brush'd away.
17
55038
4056
A miña atolondrada man/ Levaron
00:59
Am I not / A fly like thee? / Or art not thou / A man like me?
18
59118
3394
Non son eu / Unha mosca coma ti?/ Non es ti / Un home coma min?
01:02
Poem 2: We can feel / Activist through your life's / morning /
19
62536
3299
Poema 2: Podémonos sentir / Activista ao longo / das mañás da túa vida/
01:05
Pauses to see, pope I hate the / Non all the night to start a / great otherwise (...)
20
65859
4247
Para ao ver, Papa odio o / non toda a noite para comezar unha gran outra cousa (...)
Ben, rematouse o tempo.
01:10
Alright, time's up.
21
70130
1359
01:11
Hands up if you think Poem 1 was written by a human.
22
71513
4096
Mans arriba quen crea que o Poema 1 foi escrito por un humano.
01:17
OK, most of you.
23
77547
1490
Vale, a maioría de vós.
01:19
Hands up if you think Poem 2 was written by a human.
24
79061
3023
Mans arriba quen crea que o Poema 2 foi escrito por un humano.
01:23
Very brave of you,
25
83172
1190
Moi valentes,
01:24
because the first one was written by the human poet William Blake.
26
84855
4285
porque o primeiro foi escrito polo poeta William Blake.
01:29
The second one was written by an algorithm
27
89784
2949
O segundo foi escrito por un algoritmo
01:32
that took all the language from my Facebook feed on one day
28
92757
3692
que colleu toda a linguaxe da miña conta de Facebook nun só día
01:36
and then regenerated it algorithmically,
29
96473
2763
e logo rexenerouno algoritmicamente,
01:39
according to methods that I'll describe a little bit later on.
30
99260
3590
seguindo métodos que describirei brevemente máis adiante
01:43
So let's try another test.
31
103218
2404
Entón vamos a intentar outra proba.
01:46
Again, you haven't got ages to read this,
32
106398
2093
De novo, non tedes toda a vida para ler isto,
01:48
so just trust your gut.
33
108515
1612
confiade no voso instinto.
01:50
Poem 1: A lion roars and a dog barks. It is interesting / and fascinating
34
110151
4045
Poema 1: Un león ruxe e o can ladra. É interesante / é fascinante
que o paxaro voará e non / ruxirá ou ladrará.
01:54
that a bird will fly and not / roar or bark. Enthralling stories about animals
35
114220
4303
Cautivadoras historias sobre animais
están nos meus soños e cantareinos todos se eu/
01:58
are in my dreams and I will sing them all if I / am not exhausted or weary.
36
118547
4060
non estou exhausto ou agotado.
02:02
Poem 2: Oh! kangaroos, sequins, chocolate sodas! / You are really beautiful!
37
122631
3985
Poema 2: Oh! canguros, abelorios, sodas de chocolate!/
Sodes realmente belos!
Perlas, / harmónicas, lambetadas, aspirinas!
02:06
Pearls, / harmonicas, jujubes, aspirins! All / the stuff they've always talked about (...)
38
126640
4358
Todas / as cousas das que sempre se falou (...)
Ben, rematouse o tempo.
02:11
Alright, time's up.
39
131022
1158
02:12
So if you think the first poem was written by a human,
40
132204
3137
Se pensedes que o primeiro poema,
foi escrito por un humano
02:15
put your hand up.
41
135365
1215
levantade a man.
02:17
OK.
42
137687
1154
Vale.
02:18
And if you think the second poem was written by a human,
43
138865
2675
E se pensades que o segundo poema
foi escrito por un humano,
02:21
put your hand up.
44
141564
1155
levantade a man.
02:23
We have, more or less, a 50/50 split here.
45
143779
3810
Temos, máis ou menos, unha división aquí de 50/50.
02:28
It was much harder.
46
148157
1436
Foi moito máis difícil.
02:29
The answer is,
47
149617
1712
Velaquí a resposta,
02:31
the first poem was generated by an algorithm called Racter,
48
151353
3483
o primeiro poema foi xerado por un algoritmo chamado Racter,
02:34
that was created back in the 1970s,
49
154860
3002
que foi creado no 1970,
02:37
and the second poem was written by a guy called Frank O'Hara,
50
157886
3189
e o segundo poema foi escrito por un tipo chamado Frank O'Hara,
02:41
who happens to be one of my favorite human poets.
51
161099
2668
quen resulta ser un dos meus poetas favoritos.
02:44
(Laughter)
52
164631
3058
(Risas)
02:48
So what we've just done now is a Turing test for poetry.
53
168046
3228
Así que o que acabamos de facer agora é un test Turing de poesía.
02:52
The Turing test was first proposed by this guy, Alan Turing, in 1950,
54
172018
4547
O test Turing foi proposto por primeira vez por este tipo,
Alan Turing, no 1950.
02:56
in order to answer the question,
55
176589
1564
co fin de responder á pregunta,
02:58
can computers think?
56
178177
1637
poden os ordenadores pensar?
03:00
Alan Turing believed that if a computer was able
57
180245
2770
Alan Turing cría que se o ordenador fose capaz
03:03
to have a to have a text-based conversation with a human,
58
183039
3078
de ter un texto basaedo na conversación cun humano,
03:06
with such proficiency such that the human couldn't tell
59
186141
2770
con tal dominio que o humano non puidese dicir
03:08
whether they are talking to a computer or a human,
60
188935
2966
se están falando cun ordenador ou cun humano,
03:11
then the computer can be said to have intelligence.
61
191925
2856
logo poderíase dicir do ordenador que ten intelixencia.
03:15
So in 2013, my friend Benjamin Laird and I,
62
195270
3295
Así que no 2013, o meu amigo Benjamin Laird e eu,
03:18
we created a Turing test for poetry online.
63
198589
2988
creamos un test Turing online para a poesía.
03:21
It's called bot or not,
64
201601
1277
Chámase robot ou non,
03:22
and you can go and play it for yourselves.
65
202902
2044
e podedes probalo por vós mesmos.
03:24
But basically, it's the game we just played.
66
204970
2251
Pero basicamente, é un xogo ao que xa xogamos.
03:27
You're presented with a poem,
67
207245
1528
Preséntasevos un poema,
03:28
you don't know whether it was written by a human or a computer
68
208797
3028
e non sabedes se foi escrito por un humano
ou un ordenador
03:31
and you have to guess.
69
211849
1166
e tedes que adivinar.
03:33
So thousands and thousands of people have taken this test online,
70
213039
3191
Miles e miles de persoas xa fixeron esta proba online,
03:36
so we have results.
71
216254
1449
polo que temos os resultados.
03:37
And what are the results?
72
217727
1428
E cales son eses resultados?
03:39
Well, Turing said that if a computer could fool a human
73
219704
2879
Turing dixo que se un ordenador poidese enganar a un humano
03:42
30 percent of the time that it was a human,
74
222607
3019
o 30% do tempo que iso sería un humano,
03:45
then it passes the Turing test for intelligence.
75
225650
2397
entón pasaría o test Turing por intelixencia.
03:48
We have poems on the bot or not database
76
228625
2438
Temos poemas na base de datos de robot ou non
03:51
that have fooled 65 percent of human readers into thinking
77
231087
2979
que enganaron ao 65% dos lectores humanos ao creer
03:54
it was written by a human.
78
234090
1395
que foi escrito por un humano.
03:55
So, I think we have an answer to our question.
79
235959
2817
Porén, penso que temos unha resposta a nosa pregunta.
03:59
According to the logic of the Turing test,
80
239546
2348
De acordo coa lóxica o test Turing,
04:01
can a computer write poetry?
81
241918
1928
pode un ordenador escribir poesía?
04:03
Well, yes, absolutely it can.
82
243870
2351
Claro, por suposto que pode.
04:07
But if you're feeling a little bit uncomfortable
83
247782
2346
Pero se vos sentides un pouco molestos
04:10
with this answer, that's OK.
84
250152
1927
coa resposta, non pasa nada.
04:12
If you're having a bunch of gut reactions to it,
85
252103
2316
se tedes un montón de reaccións instintivas,
04:14
that's also OK because this isn't the end of the story.
86
254443
3205
iso tamén está ben porque isto non é o final da historia.
04:18
Let's play our third and final test.
87
258594
2324
Vamos a xogar o noso terceiro e derradeiro test.
04:22
Again, you're going to have to read
88
262000
1750
De novo, vades a ter que ler
04:23
and tell me which you think is human.
89
263774
1909
e dicirme cal pensades que é humano.
04:25
Poem 1: Red flags the reason for pretty flags. / And ribbons.
90
265707
3718
Poema 1: Bandeiras vermellas son a razón para fermosas bandeiras. / e cenefas.
04:29
Ribbons of flags / And wearing material / Reasons for wearing material. (...)
91
269449
4321
Cenefas de bandeiras /E materiais pesados / Razóns para levar materiais pesados. (...)
04:33
Poem 2: A wounded deer leaps highest, / I've heard the daffodil
92
273794
3918
Poema 2: Un cervo salta ao máis alto, / xa escoitei ao narciso
04:37
I've heard the flag to-day / I've heard the hunter tell; /
93
277736
3446
Xa escoitei á bandeira hoxe / Xa escoitei ao cazador contar;/
Isto non é máis que o éxtase da morte, / E despois a pausa está case rematada (...)
04:41
'Tis but the ecstasy of death, / And then the brake is almost done (...)
94
281206
3702
Ok, rematouse o tempo.
04:44
OK, time is up.
95
284932
1599
04:46
So hands up if you think Poem 1 was written by a human.
96
286555
3837
Mans arriba os que pensedes que o Poema 1
foi escrito por un humano.
04:51
Hands up if you think Poem 2 was written by a human.
97
291973
3038
Mans arriba os que pensedes que o Poema 2
foi escrito por un humano.
04:55
Whoa, that's a lot more people.
98
295035
2331
Guau!, iso é máis xente do esperado.
Estaredes sorprendidos de descubrir que o Poema 1
04:58
So you'd be surprised to find that Poem 1
99
298327
2968
05:01
was written by the very human poet Gertrude Stein.
100
301319
3993
foi escrito pola gran poetisa Gertrude Stein.
05:06
And Poem 2 was generated by an algorithm called RKCP.
101
306100
5038
E o Poema 2 foi xerado por un algoritmo chamado RKCP.
05:11
Now before we go on, let me describe very quickly and simply,
102
311162
3319
Agora, antes de que sigamos, deixádeme describir moi rápida e brevemente,
05:14
how RKCP works.
103
314505
1781
cómo funciona RKCP.
05:16
So RKCP is an algorithm designed by Ray Kurzweil,
104
316873
3850
Pois ben... RKP é un algoritmo deseñado
por Ray Kurzweill,
05:20
who's a director of engineering at Google
105
320747
2222
director de enxeñería en Google
05:22
and a firm believer in artificial intelligence.
106
322993
2360
e un firme crente da intelixencia artificial
05:25
So, you give RKCP a source text,
107
325822
3991
Entón, vós dades a RKP un texto de orixe,
05:29
it analyzes the source text in order to find out how it uses language,
108
329837
4469
e él analíza o texto de orixe co fin de descubrir
como emprega a linguaxe,
05:34
and then it regenerates language
109
334330
1948
e logo rexenera a linguaxe
05:36
that emulates that first text.
110
336302
2528
que imita ese primeiro texto.
05:38
So in the poem we just saw before,
111
338854
2113
Polo que no poema que acabamos de ver,
05:40
Poem 2, the one that you all thought was human,
112
340991
2625
Poema 2, o que todos pensastes que era humano,
05:43
it was fed a bunch of poems
113
343640
1550
foi creado a través dun montón de poemas
05:45
by a poet called Emily Dickinson
114
345214
2035
dunha poetisa chamada Emily Dickinson
05:47
it looked at the way she used language,
115
347273
2189
observando a maneira na que ela empregaba a linguaxe,
05:49
learned the model,
116
349486
1165
aprendiu o modelo,
05:50
and then it regenerated a model according to that same structure.
117
350675
4258
e logo xerou un modelo de acordo a esa mesma estrutura.
05:56
But the important thing to know about RKCP
118
356732
2178
Pero o máis importante que hai que saber de RKCP
05:58
is that it doesn't know the meaning of the words it's using.
119
358934
2838
é que non sabe o significado das palabras que está a usar.
06:02
The language is just raw material,
120
362359
2276
A linguaxe é tan só materia prima,
06:04
it could be Chinese, it could be in Swedish,
121
364659
2160
podería ser chino, podería ser Sueco,
06:06
it could be the collected language from your Facebook feed for one day.
122
366843
4179
podería ser a linguaxe recompilada no día en Facebook
06:11
It's just raw material.
123
371046
1652
é só materia prima.
06:13
And nevertheless, it's able to create a poem
124
373380
2697
E aínda así, é capaz de crear un poema
06:16
that seems more human than Gertrude Stein's poem,
125
376101
3327
que parece máis humano que o poema de Gertrude Stein,
06:19
and Gertrude Stein is a human.
126
379452
2153
e Gertrude Stein é humana.
06:22
So what we've done here is, more or less, a reverse Turing test.
127
382846
4072
Así que o que fixemos aquí é, máis ou menos, o contrario o test Turing.
06:27
So Gertrude Stein, who's a human, is able to write a poem
128
387940
5179
Polo que, Gertrude Stein, humana, é capaz de escribir un poema
06:33
that fools a majority of human judges into thinking
129
393143
3738
que leva á maioría de xuíces humanos a pensar
06:36
that it was written by a computer.
130
396905
1826
que foi escrito por un ordenador.
06:39
Therefore, according to the logic of the reverse Turing test,
131
399176
4141
Polo tanto, segundo a lóxica revertida do test de Turing,
06:43
Gertrude Stein is a computer.
132
403341
1916
Gertrude Stein é un ordenador.
06:45
(Laughter)
133
405281
1462
(Risas)
06:47
Feeling confused?
134
407358
1294
Confundidos?
06:49
I think that's fair enough.
135
409193
1515
Bastante xusto.
06:51
So far we've had humans that write like humans,
136
411546
4116
Ata agora tivemos humanos que escribiron como humanos,
06:55
we have computers that write like computers,
137
415686
3111
temos ordenadores que escriben como ordenadores,
06:58
we have computers that write like humans,
138
418821
3055
temos ordenadores que escriben como humanos,
07:01
but we also have, perhaps most confusingly,
139
421900
3632
pero tamén temos, quizáis máis confusamente,
07:05
humans that write like computers.
140
425556
2375
humanos que escriben como ordenadores.
07:08
So what do we take from all of this?
141
428938
1766
Así que...que sacamos de todo isto?
07:11
Do we take that William Blake is somehow more of a human
142
431611
3157
Damos por sentado que William Blake
é dalguna maneira máis humano
07:14
than Gertrude Stein?
143
434792
1249
que Gertrude Stein?
07:16
Or that Gertrude Stein is more of a computer than William Blake?
144
436065
3046
Ou que Gertrude Stein é máis ordenador que William Blake?
07:19
(Laughter)
145
439135
1552
(Risas)
07:20
These are questions I've been asking myself
146
440711
2323
Estas son preguntas que me preguntei a min mesmo
07:23
for around two years now,
147
443058
1465
durante arredor de dous anos,
07:24
and I don't have any answers.
148
444547
2309
e aínda non teño respostas,
07:26
But what I do have are a bunch of insights
149
446880
2330
Pero o que sí teño son unha morea de percepcións
07:29
about our relationship with technology.
150
449234
2534
sobre a nosa relación coa tecnoloxía.
07:32
So my first insight is that, for some reason,
151
452999
3609
Así que a miña primeira percepción é que,
por algunha razón,
07:36
we associate poetry with being human.
152
456632
3111
asociamos a poesía co ser humano.
07:40
So that when we ask, "Can a computer write poetry?"
153
460197
3715
Porén cando preguntamos, "Pode un ordenador escribir poesía?"
07:43
we're also asking,
154
463936
1193
tamén estamos a preguntar,
07:45
"What does it mean to be human
155
465153
1798
" Que siginifica ser humano
07:46
and how do we put boundaries around this category?
156
466975
3172
e como poñemos límites a esta categoría?
07:50
How do we say who or what can be part of this category?"
157
470171
3658
Como dicimos quen ou que pode ser parte desta categoría?
07:54
This is an essentially philosophical question, I believe,
158
474376
3351
Esta é unha pregunta filosófica esencial, creo,
07:57
and it can't be answered with a yes or no test,
159
477751
2229
e non pode ser respondida con un test de sí ou non
08:00
like the Turing test.
160
480004
1327
como o test Turing.
08:01
I also believe that Alan Turing understood this,
161
481805
3045
Tamén creo que Alan Turing comprendiu isto,
08:04
and that when he devised his test back in 1950,
162
484874
3305
e cando ideou o seu test no 1950,
08:08
he was doing it as a philosophical provocation.
163
488203
2802
el fíxoo como unha provocación filosófica.
08:13
So my second insight is that, when we take the Turing test for poetry,
164
493124
5541
Polo que a miña segunda percepción é que, cando realizamos
o test Turing para poesía,
08:18
we're not really testing the capacity of the computers
165
498689
3460
non estamos realmente probando a capacidade dos ordenadores
08:22
because poetry-generating algorithms,
166
502173
2893
porque a poesía xerada mediante algoritmos,
08:25
they're pretty simple and have existed, more or less, since the 1950s.
167
505090
4563
é bastante simple e xa existiu, máis ou menos, dende o 1950.
08:31
What we are doing with the Turing test for poetry, rather,
168
511055
3118
O que estamos a facer co test Turing de poesía, preferentemente,
08:34
is collecting opinions about what constitutes humanness.
169
514197
4615
é recolectar opinións sobre que consitúe a raza humana.
08:40
So, what I've figured out,
170
520313
2729
Así, o que descubrín,
08:43
we've seen this when earlier today,
171
523066
2972
o que xa vimos antes,
08:46
we say that William Blake is more of a human
172
526062
2478
dixemos que William Blake é máis humano
08:48
than Gertrude Stein.
173
528564
1565
que Gertrude Stein.
08:50
Of course, this doesn't mean that William Blake
174
530153
2462
Por suposto, isto non significa que William Blake
08:52
was actually more human
175
532639
1828
fose realmente máis humano
08:54
or that Gertrude Stein was more of a computer.
176
534491
2327
ou que Gertrude Stein fose máis un ordenador.
08:57
It simply means that the category of the human is unstable.
177
537533
4714
Simplemente quere dicir que a categoría de humano é inestable.
09:03
This has led me to understand
178
543450
2074
Isto levoume a entender
09:05
that the human is not a cold, hard fact.
179
545548
2763
que o ser humano non é un obxecto frío e duro.
09:08
Rather, it is something that's constructed with our opinions
180
548832
3132
Senón que é máis ben algo construído a través das nosas opinións
09:11
and something that changes over time.
181
551988
2855
e que cambia co tempo.
09:16
So my final insight is that the computer, more or less,
182
556671
4479
Polo que a miña percepción final é que o ordenador, máis ou menos,
09:21
works like a mirror that reflects any idea of a human
183
561174
4006
funciona como un espello que reflicte calquer idea do ser humano
09:25
that we show it.
184
565204
1375
que lle mostremos.
09:26
We show it Emily Dickinson,
185
566958
1884
Mostrámoslle a Emily Dickinson,
09:28
it gives Emily Dickinson back to us.
186
568866
2321
e devólvenos a Emily Dickinson.
09:31
We show it William Blake,
187
571768
1834
Mostrámoslle a William Blake,
09:33
that's what it reflects back to us.
188
573626
2285
e iso é o que nos reflicte a nós.
09:35
We show it Gertrude Stein,
189
575935
1839
Mostrámoslle Gertrude Stein.
09:37
what we get back is Gertrude Stein.
190
577798
2470
o que nos mostra de volta é a Gertrude Stein.
09:41
More than any other bit of technology,
191
581083
2368
Máis que calquera outra tecnoloxía,
09:43
the computer is a mirror that reflects any idea of the human we teach it.
192
583475
5165
o ordenador é un espello que reflicte calquera idea
do ser humano que lle ensinemos.
09:50
So I'm sure a lot of you have been hearing
193
590061
2287
Porén, estou seguro de que moitos de vós oístes
09:52
a lot about artificial intelligence recently.
194
592372
2862
un montón sobre intelixencia artifical ultimamente.
09:56
And much of the conversation is,
195
596694
2830
E a maior parte da conversación é sobre,
10:00
can we build it?
196
600292
1189
podemos creala?
10:02
Can we build an intelligent computer?
197
602383
3135
Podemos crear un ordenador intelixente?
10:05
Can we build a creative computer?
198
605542
2763
Podemos construír un ordenador creativo?
10:08
What we seem to be asking over and over
199
608329
2113
O que parece que nos preguntamos continuamente
10:10
is can we build a human-like computer?
200
610466
2724
é se podemos crear un humano como un ordenador?
10:13
But what we've seen just now
201
613961
1556
Pero o que vimos ata agora
10:15
is that the human is not a scientific fact,
202
615541
3088
é que o ser humano non é un feito científico,
10:18
that it's an ever-shifting, concatenating idea
203
618653
3530
iso é unha idea concatenante e en constante evolución
10:22
and one that changes over time.
204
622207
2531
e unha que cambia co tempo.
10:24
So that when we begin to grapple with the ideas
205
624762
3152
Polo que cando comezamos a pelear con estas ideas
10:27
of artificial intelligence in the future,
206
627938
2386
de intelixencia artifical no futuro,
10:30
we shouldn't only be asking ourselves,
207
630348
1905
non deberíamos de preguntarnos,
10:32
"Can we build it?"
208
632277
1368
"Podemos construíla?"
10:33
But we should also be asking ourselves,
209
633669
1894
Pero tamén deberiamos plantearnos,
10:35
"What idea of the human do we want to have reflected back to us?"
210
635587
3713
"Que idea do humano queremos reflectir en nós mesmos?"
10:39
This is an essentially philosophical idea,
211
639820
2693
Esta é unha idea filosófica esencial,
10:42
and it's one that can't be answered with software alone,
212
642537
2997
e é unha que non pode ser respondida por un software solo,
10:45
but I think requires a moment of species-wide, existential reflection.
213
645558
4977
pero creo que require un momento de reflexión existencial
sobre a amplitude da especie.
10:51
Thank you.
214
651040
1153
Graciñas.
10:52
(Applause)
215
652217
2695
(Aplausos)
About this website

Este sitio presentarache vídeos de YouTube que son útiles para aprender inglés. Verás clases de inglés impartidas por profesores de primeiro nivel de todo o mundo. Fai dobre clic nos subtítulos en inglés que aparecen en cada páxina de vídeo para reproducir o vídeo desde alí. Os subtítulos desprázanse sincronizados coa reprodución do vídeo. Se tes algún comentario ou solicitude, póñase en contacto connosco a través deste formulario de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7