How we can teach computers to make sense of our emotions | Raphael Arar

64,579 views ・ 2018-04-24

TED


વિડિઓ ચલાવવા માટે કૃપા કરીને નીચેના અંગ્રેજી સબટાઈટલ પર ડબલ-ક્લિક કરો.

00:00
Translator: Ivana Korom Reviewer: Joanna Pietrulewicz
0
0
7000
Translator: Dhaval Tank Reviewer: Darshil Patel
00:13
I consider myself one part artist and one part designer.
1
13760
4680
હું મારી જાતને એક ભાગ કલાકાર માનું છું અને એક ભાગ ડિઝાઇનર
00:18
And I work at an artificial intelligence research lab.
2
18480
3160
અને હું કૃત્રિમ પર કામ કરું છું ગુપ્તચર સંશોધન પ્રયોગશાળા.
00:22
We're trying to create technology
3
22720
1696
અમે તકનીકી બનાવવાનો પ્રયાસ કરીએ છીએ
00:24
that you'll want to interact with in the far future.
4
24440
3296
જેની સાથે તમે ક્રિયાપ્રતિક્રિયા કરવા માંગતા હોય તો દૂરના ભવિષ્યમાં
00:27
Not just six months from now, but try years and decades from now.
5
27760
4640
હવેથી માત્ર છ મહિના જ નહીં, પરંતુ હવેથી વર્ષો અને દાયકાઓનો પ્રયાસ કરો.
00:33
And we're taking a moonshot
6
33120
1616
અને અમે મેનુ કરી શુટ રહ્યા છીએ
00:34
that we'll want to be interacting with computers
7
34760
2456
આપણે કમ્પ્યુટર્સ સાથે વાતચીત કરવા માંગીએ છીએ
00:37
in deeply emotional ways.
8
37240
2120
વધુ રીતે ભાવનાત્મક .
00:40
So in order to do that,
9
40280
1456
તેથી તે કરવા માટે,
00:41
the technology has to be just as much human as it is artificial.
10
41760
4480
તકનીકી હોવી જોઈએ તેટલું માનવ જેટલું કૃત્રિમ છે.
00:46
It has to get you.
11
46920
2256
તે તમને મેળવવાનું છે.
00:49
You know, like that inside joke that'll have you and your best friend
12
49200
3336
તમે જાણો છો, તે અંદરની મજાકની જેમ તે તમારી અને તમારો શ્રેષ્ઠ મિત્ર હશે
00:52
on the floor, cracking up.
13
52560
1936
ફ્લોર પર, ક્રેકીંગ.
00:54
Or that look of disappointment that you can just smell from miles away.
14
54520
4560
અથવા નિરાશાનો તે દેખાવ કે તમે માત્ર માઇલ દૂરથી સુગંધ મેળવી શકો છો.
01:00
I view art as the gateway to help us bridge this gap between human and machine:
15
60560
6040
હું કલાને મારી સહાય માટેના પ્રવેશદ્વાર તરીકે જોઉં છું માનવ વચ્ચે આ પુલ
01:07
to figure out what it means to get each other
16
67280
3136
તેનો અર્થ શું છે તે આકૃતિ દરેક વિચારે
01:10
so that we can train AI to get us.
17
70440
2760
જેથી આપણે અમને માટે એઆઈને તાલીમ આપી શકીએ
01:13
See, to me, art is a way to put tangible experiences
18
73920
3816
જુઓ, મારા માટે, કલા એક માર્ગ છે.
01:17
to intangible ideas, feelings and emotions.
19
77760
3240
અમૂર્ત વિચારો માટે, લાગણીઓ.
01:21
And I think it's one of the most human things about us.
20
81800
2600
મને લાગે છે કે તે અમારા વિશે સૌથી માનવીય વસ્તુઓ છે.
01:25
See, we're a complicated and complex bunch.
21
85480
2936
જુઓ, અમે એક જટિલ છીએ અને જટિલ ટોળું.
01:28
We have what feels like an infinite range of emotions,
22
88440
3136
આપણી પાસે જેવું લાગે છે લાગણીઓની અનંત શ્રેણી,
01:31
and to top it off, we're all different.
23
91600
2496
અને તેને ટોચ પર બોલવા માટે, આપણે બધા જુદા છીએ.
01:34
We have different family backgrounds,
24
94120
2296
આપણી પાસે જુદી જુદી કુટુંબની પૃષ્ઠભૂમિ છે,
01:36
different experiences and different psychologies.
25
96440
3080
વિવિધ અનુભવો અને વિવિધ મનોવિજ્ઞાનિક છે .
01:40
And this is what makes life really interesting.
26
100240
2720
અને આ જ ખરેખર રસપ્રદ જીવન બનાવે છે
01:43
But this is also what makes working on intelligent technology
27
103440
3496
પરંતુ આ તે બનાવે છે બુદ્ધિશાળી ટેકનોલોજી પર કામ કરે છે
01:46
extremely difficult.
28
106960
1600
ખૂબ જ મુશ્કેલ.
01:49
And right now, AI research, well,
29
109640
3456
અને હમણાં, એઆઈ સંશોધન, સારું
01:53
it's a bit lopsided on the tech side.
30
113120
2016
તે ટેકનોલોજી બાજુ પર થોડું ધ્યાન છે.
01:55
And that makes a lot of sense.
31
115160
2136
અને તે અર્થમાં ઘણી વધારે સમજણ છે.
01:57
See, for every qualitative thing about us --
32
117320
2456
જુઓ, દરેક માટે ગુણાત્મક વસ્તુ છે
01:59
you know, those parts of us that are emotional, dynamic and subjective --
33
119800
4456
તમે જાણો છો તે એક US નો ભાગ છે તે ભાવનાત્મક, ગતિશીલ અને
02:04
we have to convert it to a quantitative metric:
34
124280
3136
તેને હવે રૂપાંતરિત કરવાની રીત તેથી આ માત્રાત્મક રીત છે .
02:07
something that can be represented with facts, figures and computer code.
35
127440
4360
કંઈક કે જે નકલ કરી શકાય છે હકીકતો, આંકડા અને સાથે
02:13
The issue is, there are many qualitative things
36
133000
3376
મુદ્દો છે, ત્યાં ઘણી ગુણાત્મક વસ્તુઓ છે.
02:16
that we just can't put our finger on.
37
136400
1960
કે આપણે ફક્ત આંગળી મૂકી શકીએ નહીં.
02:20
So, think about hearing your favorite song for the first time.
38
140400
3200
તેથી, સુનાવણી વિશે વિચારો પ્રથમ વખત તમારું પ્રિય ગીત.
02:25
What were you doing?
39
145200
1200
તમે શું કરી રહ્યા હતા?
02:28
How did you feel?
40
148000
1200
તમને કેવું લાગ્યું?
02:30
Did you get goosebumps?
41
150720
1360
તમને મુશ્કેલીઓ મળી?
02:33
Or did you get fired up?
42
153240
1640
અથવા તમે એ તરફ ગયા?
02:36
Hard to describe, right?
43
156400
1200
મુશ્કેલીકેવા માટેઅધિકારછે.
02:38
See, parts of us feel so simple,
44
158800
2096
જુઓ, આપણા ભાગો ખૂબ સરળ લાગે છે,
02:40
but under the surface, there's really a ton of complexity.
45
160920
3656
પરંતુ સપાટી હેઠળ, ખરેખર એક ટન જટિલતા છે.
02:44
And translating that complexity to machines
46
164600
2936
અને અનુવાદ મશીનો માટે જટિલતા
02:47
is what makes them modern-day moonshots.
47
167560
2856
તે છે જે તેમને આધુનિક દિવસ બનાવે છે.
02:50
And I'm not convinced that we can answer these deeper questions
48
170440
4176
અને મને ખાતરી નથી કે આપણે કરી શકીએ આ પ્રશ્નોના જવાબ આપો
02:54
with just ones and zeros alone.
49
174640
1480
માત્ર રાશિઓ અને એકલા શૂન્ય સાથે
02:57
So, in the lab, I've been creating art
50
177120
1936
તેથી, લેબમાં, હું કલા બનાવી રહ્યો છું
02:59
as a way to help me design better experiences
51
179080
2456
મને મદદ કરવાની રીત તરીકે વધુ સારા અનુભવો ડિઝાઇન કરો
03:01
for bleeding-edge technology.
52
181560
2096
રક્તસ્રાવ એજ ટેકનોલોજી માટે
03:03
And it's been serving as a catalyst
53
183680
1736
અને તે એક તરીકે સેવા આપી રહ્યો છે
03:05
to beef up the more human ways that computers can relate to us.
54
185440
3840
વધુ માનવ માટે જે કમ્પ્યુટરથી સંબંધિત હોઈ શકે છે
03:10
Through art, we're tacking some of the hardest questions,
55
190000
2696
કલા દ્વારા, છે અમને કેટલાક પ્રશ્નો જાણવા મળા છે
03:12
like what does it really mean to feel?
56
192720
2360
જેમ કે અનુભવવાનો ખરેખર અર્થ શું છે?
03:16
Or how do we engage and know how to be present with each other?
57
196120
4080
અથવા આપણે કેવી રીતે જાણી શકીએ છીએ કેવી રીતે દરેક સાથે હાજર છે.
03:20
And how does intuition affect the way that we interact?
58
200800
4000
અને રીતે કરે છે આપણે જે રીતે સંપર્ક કરીએ છીએ તેની અસર કરે છે?
03:26
So, take for example human emotion.
59
206440
2056
તેથી, ઉદાહરણ તરીકે માનવ લાગણી લો.
03:28
Right now, computers can make sense of our most basic ones,
60
208520
3256
હમણાં, કમ્પ્યુટર્સ અર્થમાં કરી શકે છે અમારા સૌથી મૂળભૂત લોકોમાંથી
03:31
like joy, sadness, anger, fear and disgust,
61
211800
3696
આનંદ, ઉદાસી, ક્રોધ, ભય અને અણગમો,તે રૂપાંતર કરીને ગણિતની લાક્ષણિકતાઓ.
03:35
by converting those characteristics to math.
62
215520
3000
તે રૂપાંતર કરીને ગણિતની લાક્ષણિકતાઓ
03:39
But what about the more complex emotions?
63
219400
2536
તમે જાણો છો, તે ભાવનાઓ
03:41
You know, those emotions
64
221960
1216
તમે જાણો છો, તે ભાવનાઓ
03:43
that we have a hard time describing to each other?
65
223200
2376
કે અમારી પાસે મુશ્કેલ સમય છે દરેક અન્ય વર્ણન?
03:45
Like nostalgia.
66
225600
1440
ગમગીની જેવી.
03:47
So, to explore this, I created a piece of art, an experience,
67
227640
3936
આની શોધખોળ કરવા માટે મેં બનાવ્યું કલાનો એક ભાગ અનુભવ
03:51
that asked people to share a memory,
68
231600
2096
જેણે લોકોને મેમરી શેર કરવાનું કહ્યું,
03:53
and I teamed up with some data scientists
69
233720
2136
મેં કેટલાક વેજ્ઞાનિક સાથે મળીને કામ કર્યું
03:55
to figure out how to take an emotion that's so highly subjective
70
235880
3576
કેવી રીતે લેવું તે આકૃતિ એક લાગણી કે ખૂબ જ વ્યક્તિલક્ષી
03:59
and convert it into something mathematically precise.
71
239480
3200
અને તેને કંઈક રૂપાંતરિત કરો ગાણિતિક સચોટ
04:03
So, we created what we call a nostalgia score
72
243840
2136
તેથી, અમે જેને કહીશું તે બનાવ્યું છે .
04:06
and it's the heart of this installation.
73
246000
2216
અને તે આ ઇન્સ્ટોલેશનનું હૃદય છે.
04:08
To do that, the installation asks you to share a story,
74
248240
3056
તે કરવા માટે, ઇન્સ્ટોલેશન એક વાર્તા શેર કરવા માટે પૂછે છે,
04:11
the computer then analyzes it for its simpler emotions,
75
251320
3256
કમ્પ્યુટર પછી તેનું વિશ્લેષણ કરે છે તેની સરળ લાગણીઓ માટે,
04:14
it checks for your tendency to use past-tense wording
76
254600
2656
તે તમારી વૃત્તિ માટે તપાસે છે તકાળ ના શબ્દોનો ઉપયોગકરીએ
04:17
and also looks for words that we tend to associate with nostalgia,
77
257280
3336
અને શબ્દો પણ જુએ છે કે આપણે નોસ્ટાલ્જિયા સાથે સંકળાયેલા છીએ
04:20
like "home," "childhood" and "the past."
78
260640
3040
"ઘર," "બાળપણ" અને "ભૂતકાળ" જેવા
04:24
It then creates a nostalgia score
79
264760
2056
તે પછી નોસ્ટાલ્જિયા સ્કોર બનાવે છે
04:26
to indicate how nostalgic your story is.
80
266840
2736
તે પછી નોસ્ટાલ્જિયા સ્કોર બનાવે છે
04:29
And that score is the driving force behind these light-based sculptures
81
269600
4136
અને તે સ્કોર ડ્રાઇવિંગ ફોર્સ છે આ પ્રકાશ આધારિત પાછળ
04:33
that serve as physical embodiments of your contribution.
82
273760
3896
જે ભૌતિક મૂર્ત સ્વરૂપ તરીકે સેવા આપે છે તમારા યોગદાનનો.
04:37
And the higher the score, the rosier the hue.
83
277680
3216
અને ઉચ્ચ સ્કોર છે.
04:40
You know, like looking at the world through rose-colored glasses.
84
280920
3936
તમે જાણો છો, વિશ્વને જોવાની જેમ ગુલાબ-રંગીન ચશ્મા દ્વારા.
04:44
So, when you see your score
85
284880
2616
તેથી, જ્યારે તમે તમારો સ્કોર જુઓ.
04:47
and the physical representation of it,
86
287520
2656
અને તેનું શારીરિક રજૂઆત.
04:50
sometimes you'd agree and sometimes you wouldn't.
87
290200
2936
ક્યારેક તમે સંમત થશો અને ક્યારેક તમે નહીં કરો.
04:53
It's as if it really understood how that experience made you feel.
88
293160
3480
તે જાણે કે તે ખરેખર સમજી ગયું છે કે અનુભવ તમને કેવી લાગણી બનાવે છે
04:57
But other times it gets tripped up
89
297400
2216
પરંતુ અન્ય સમયે તે છૂટા થઈ જાય છે
04:59
and has you thinking it doesn't understand you at all.
90
299640
2560
અને તમે વિચારી રહ્યા છો તે તમને બિલકુલ સમજી શકતો નથી
05:02
But the piece really serves to show
91
302680
1896
પરંતુ ભાગ ખરેખર બતાવવા માટે સેવા આપે છે
05:04
that if we have a hard time explaining the emotions that we have to each other,
92
304600
4056
કે જો આપણને સમજાવવામાં મુશ્કેલ સમય હોય લાગણીઓ છે કે અમે હોય છે
05:08
how can we teach a computer to make sense of them?
93
308680
2360
આપણે કમ્પ્યુટરકેવીરીતેશીખવી શકીએ તેમને સમજવા માટે
05:12
So, even the more objective parts about being human are hard to describe.
94
312360
3576
તેથી, વધુ ઉદ્દેશ ભાગો માનવ હોવા વિશે મુશ્કેલ છે
05:15
Like, conversation.
95
315960
1240
ગમે છે, વાતચીત કરે છે
05:17
Have you ever really tried to break down the steps?
96
317880
2736
તમે ક્યારેય પ્રયાસ કર્યો છે? પગથિયા તોડવા માટે?
05:20
So think about sitting with your friend at a coffee shop
97
320640
2656
તો બેસવાનો વિચાર કરો પર તમારા મિત્ર સાથે
05:23
and just having small talk.
98
323320
1320
અને થોડી નાની વાતો કરી
05:25
How do you know when to take a turn?
99
325160
1720
વળાંક ક્યારે લેવો કેવી રીતે જાણો છો?
05:27
How do you know when to shift topics?
100
327440
1840
તમે કેવી રીતે જાણો છો
05:29
And how do you even know what topics to discuss?
101
329960
2720
અને તમે પણ કેવી રીતે જાણો છો કયા વિષયો પર ચર્ચા કરવા?
05:33
See, most of us don't really think about it,
102
333560
2096
જુઓ, આપણા મોટા ભાગના તેના વિશે વિચારશો નહીં
05:35
because it's almost second nature.
103
335680
1656
કારણ કે તે લગભગ બીજા પ્રકૃતિ છે.
05:37
And when we get to know someone, we learn more about what makes them tick,
104
337360
3496
અને જ્યારે આપણે કોઈને ઓળખીએ છીએ, આપણે શું વિશે વધુ શીખીશું
05:40
and then we learn what topics we can discuss.
105
340880
2376
આપણે શીખીશું આપણે કયા વિષયો પર ચર્ચા કરી શકીએ છીએ
05:43
But when it comes to teaching AI systems how to interact with people,
106
343280
3656
જ્યારે ભણવાની વાત આવે એઆઈ સિસ્ટમ્સ, લોકો સાથે કેવી રીતે વાતચીત કરવી,
05:46
we have to teach them step by step what to do.
107
346960
2856
આપણે તેમને શીખવવું પડશેપગલું દ્વારા પગલું
05:49
And right now, it feels clunky.
108
349840
3496
અને અત્યારે, તે અદભૂત લાગે છે.
05:53
If you've ever tried to talk with Alexa, Siri or Google Assistant,
109
353360
4136
ક્યારેય પ્રયાસ કર્યોછે અથવા ગૂગલ સહાયક સાથે
05:57
you can tell that it or they can still sound cold.
110
357520
4200
તમે કહી શકો કે તે અથવા તેઓ હજુ પણ ઠંડા અવાજ કરી શકો છો.
06:02
And have you ever gotten annoyed
111
362440
1656
અને તમે ક્યારેય નારાજ થયા છો?
06:04
when they didn't understand what you were saying
112
364120
2256
જ્યારે તેઓ સમજી શક્યા નહીં તમે શું કહેતા હતા.
06:06
and you had to rephrase what you wanted 20 times just to play a song?
113
366400
3840
અને તમારે જે જોઈએ તે ફરીથી લખવું પડ્યું 20 વાર માત્ર ગીત વગાડવા માટે?
06:11
Alright, to the credit of the designers, realistic communication is really hard.
114
371440
4896
ઠીક છે, ડિઝાઇનરોની ક્રેડિટ માટે, વાસ્તવિક વાતચીત છે
06:16
And there's a whole branch of sociology,
115
376360
2136
અને સમાજશાસ્ત્રની આખી શાખા છે
06:18
called conversation analysis,
116
378520
1936
વાતચીત વિશ્લેષણ કહેવાય છે,
06:20
that tries to make blueprints for different types of conversation.
117
380480
3136
તે બ્લુપ્રિન્ટ્સ બનાવવાનો પ્રયત્ન કરે છે વિવિધ વિવિઘ માટે.
06:23
Types like customer service or counseling, teaching and others.
118
383640
4080
ગ્રાહક સેવા જેવા પ્રકારો અથવા પરામર્શ, શિક્ષણ અને અન્ય
06:28
I've been collaborating with a conversation analyst at the lab
119
388880
2936
હું સહયોગ કરું છું લેબ પર વાતચીત વિશ્લેષક સાથે
06:31
to try to help our AI systems hold more human-sounding conversations.
120
391840
4696
અમારી એઆઈ સિસ્ટમોને મદદ કરવાનો પ્રયાસ કરવો.
06:36
This way, when you have an interaction with a chatbot on your phone
121
396560
3176
આ રીતે,જ્યારે તમારી ક્રિયાપ્રતિક્રિયા હોય તમારા ફોન સાથે.
06:39
or a voice-based system in the car,
122
399760
1856
અથવા કારમાં વોઈસ આધારિત સિસ્ટમ
06:41
it sounds a little more human and less cold and disjointed.
123
401640
3320
તે થોડી વધુ માનવ લાગે છે અને ઓછી ઠંડી અને નિરાશ.
06:46
So I created a piece of art
124
406360
1336
તેથી મેં કલાનો એક ભાગબનાવ્યો
06:47
that tries to highlight the robotic, clunky interaction
125
407720
2816
જે રોબોટિક પ્રકાશિત કરવાનો પ્રયાસ કરે છે .
06:50
to help us understand, as designers,
126
410560
1976
ડિઝાઇનર્સ તરીકે, અમને સમજવામાં સહાય કરે.
06:52
why it doesn't sound human yet and, well, what we can do about it.
127
412560
4576
તે હજી સુધી માનવ કેમ નથી આપણે શું કરી શકીએ
06:57
The piece is called Bot to Bot
128
417160
1456
ટુકડાને બોટટુબોટકહેવામાંઆવે છે
06:58
and it puts one conversational system against another
129
418640
2936
અને તે એક વાતચીત મૂકે છે બીજા સામે સિસ્ટમ
07:01
and then exposes it to the general public.
130
421600
2536
પછી તેને સામાન્ય લોકો સમક્ષ જાહેર કરે છે
07:04
And what ends up happening is that you get something
131
424160
2496
અને શું થાય છે અંત કે તમને કંઈક મળે છે
07:06
that tries to mimic human conversation,
132
426680
1896
જે વાતચીતની નકલ કરવાનો પ્રયાસ કરે છે
07:08
but falls short.
133
428600
1896
પરંતુ ટૂંકા પડે છે
07:10
Sometimes it works and sometimes it gets into these, well,
134
430520
2736
ક્યારેક તે કામ કરે છે અને ક્યારેક તે આમાં જાય છે, સારું,
07:13
loops of misunderstanding.
135
433280
1536
ગેરસમજની આંટીઓ.
07:14
So even though the machine-to-machine conversation can make sense,
136
434840
3096
તો પણ મશીન-થી-મશીન વાતચીતનો અર્થ થાય છે,
07:17
grammatically and colloquially,
137
437960
2016
વ્યાકરણ અને બોલચાલથી,
07:20
it can still end up feeling cold and robotic.
138
440000
3216
તે હજી પણ સમાપ્ત થઈ શકે છે ઠંડી અને રોબોટિક લાગણી
07:23
And despite checking all the boxes, the dialogue lacks soul
139
443240
4016
તમામ તપાસ્યા છતાં સંવાદમાં અભાવ છે.
07:27
and those one-off quirks that make each of us who we are.
140
447280
3136
અને તે એકમાત્ર આપણે બનાવીએ કે આપણે કોણ છીએ.
07:30
So while it might be grammatically correct
141
450440
2056
તેથી જ્યારે તે વ્યાકરણરૂપે યોગ્ય હોઈ શકે
07:32
and uses all the right hashtags and emojis,
142
452520
2656
અને બધા અધિકારનો ઉપયોગ કરે છે હેશટેગ્સ અને ઇમોજીસ
07:35
it can end up sounding mechanical and, well, a little creepy.
143
455200
4136
તે મેકેનિકલ અવાજને સમાપ્ત કરી શકે છે અને, સારું, થોડું વિલક્ષણ.
07:39
And we call this the uncanny valley.
144
459360
2336
અને આપણે આને અસ્વસ્થ ખીણ કહીએ છીએ.
07:41
You know, that creepiness factor of tech
145
461720
1936
તમે જાણો છો, ટેકનો તે વિલક્ષણ પરિબળ
07:43
where it's close to human but just slightly off.
146
463680
2856
માનવની નજીક છે પરંતુ માત્ર થોડી બંધ.
07:46
And the piece will start being
147
466560
1456
અને ભાગ હોવા શરૂ થશે
07:48
one way that we test for the humanness of a conversation
148
468040
3216
આપણે ચકાસીએ છીએ એકરીત વાતચીતની માનવતા માટે
07:51
and the parts that get lost in translation.
149
471280
2160
અને જે મળે છે ભાષાંતર દરમિયાન ગુમાવ્યું
07:54
So there are other things that get lost in translation, too,
150
474560
2856
તો બીજી વસ્તુઓ પણ છે અનુવાદમાં પણ ખોવાઈ જાય છે,
07:57
like human intuition.
151
477440
1616
માનવ અંતર્જ્ઞાન જેવી.
07:59
Right now, computers are gaining more autonomy.
152
479080
2776
હમણાં, કમ્પ્યુટર વધુ સ્વાયત્તતા મેળવી રહ્યા છે.
08:01
They can take care of things for us,
153
481880
1736
તેઓ અમારા માટેવસ્તુની સંભાળ રાખી છે,
08:03
like change the temperature of our houses based on our preferences
154
483640
3176
જેમ કે તાપમાનમાં ફેરફાર અમારી પસંદગીઓ પર આધારિત અમારા ઘરો
08:06
and even help us drive on the freeway.
155
486840
2160
અને વાહન ચલાવવામાં પણ અમારી સહાય કરો.
08:09
But there are things that you and I do in person
156
489560
2496
પરંતુ વસ્તુઓ છે કે તમે અને હું રૂબરૂમાં કરીશું
08:12
that are really difficult to translate to AI.
157
492080
2760
તે ખરેખર મુશ્કેલ છે એઆઈ માં ભાષાંતર કરવા માટે
08:15
So think about the last time that you saw an old classmate or coworker.
158
495440
4360
તમે કોઈ જુના સહાધ્યાયી અથવા સહકાર્યકરો જોયા છે.
08:21
Did you give them a hug or go in for a handshake?
159
501080
2480
તમે તેમને આલિંગન આપ્યું? અથવા હેન્ડશેક માટે જાઓ છો?
08:24
You probably didn't think twice
160
504800
1496
તમે કદાચ બે વાર વિચાર્યું નહીં.
08:26
because you've had so many built up experiences
161
506320
2336
કારણ કે તમારી પાસે ઘણા બધા હતા બિલ્ટ અનુભવો
08:28
that had you do one or the other.
162
508680
2000
કે તમે એક અથવા બીજા કરી હતી.
08:31
And as an artist, I feel that access to one's intuition,
163
511440
3456
અને એક કલાકાર તરીકે, હું અનુભવું છું
08:34
your unconscious knowing,
164
514920
1416
તમારા બેભાનને જાણીને.
08:36
is what helps us create amazing things.
165
516360
3056
તે છે જે અમને આકર્ષક વસ્તુઓ બનાવવામાં મદદ કરે છે
08:39
Big ideas, from that abstract, nonlinear place in our consciousness
166
519440
4056
મોટા વિચારો, તે અમૂર્તમાંથી, અમારી ચેતનામાં લાઇનર સ્થાન
08:43
that is the culmination of all of our experiences.
167
523520
2960
અમારા બધા અનુભવો છે.
08:47
And if we want computers to relate to us and help amplify our creative abilities,
168
527840
4656
કમ્પ્યુટર્સ સાથે સંબંધ અને વિસ્તૃત કરવામાં સહાય કરો
08:52
I feel that we'll need to start thinking about how to make computers be intuitive.
169
532520
3896
આપણે વિચારવું પડશે કમ્પ્યુટર કેવી રીતે બનાવવું
08:56
So I wanted to explore how something like human intuition
170
536440
3096
તેથી હું શોધખોળ કરવા માંગતો હતો
08:59
could be directly translated to artificial intelligence.
171
539560
3456
સીધી ભાષાંતર કરી શકાય છે કૃત્રિમ બુદ્ધિ માટે
09:03
And I created a piece that explores computer-based intuition
172
543040
3216
અને મેં એક ટુકડો બનાવ્યો જે કમ્પ્યુટર આધારિત જ્ઞાન
09:06
in a physical space.
173
546280
1320
ભૌતિક જગ્યામાં
09:08
The piece is called Wayfinding,
174
548480
1696
અને તે એક સાંકેતિકહોકાયંત્ર થયેલ .
09:10
and it's set up as a symbolic compass that has four kinetic sculptures.
175
550200
3936
તે એક સાંકેતિક હોકાયંત્ર તરીકે થયેલ છે
09:14
Each one represents a direction,
176
554160
2056
દરેક એક દિશા રજૂ કરે છે
09:16
north, east, south and west.
177
556240
2120
ઉત્તર, પૂર્વ, દક્ષિણ અને પશ્ચિમ
09:19
And there are sensors set up on the top of each sculpture
178
559080
2696
અને ત્યાં સેન્સર ગોઠવાયા છે દરેક ટોચ પર
09:21
that capture how far away you are from them.
179
561800
2256
કે કેપ્ચર કરે છે કે તમે તેમના તરફથી છો.
09:24
And the data that gets collected
180
564080
1816
અને ડેટા જે એકત્રિત થાય છે.
09:25
ends up changing the way that sculptures move
181
565920
2136
માર્ગ બદલીને અંત થાય છે કે શિલ્પો ખસે છે.
09:28
and the direction of the compass.
182
568080
2040
અને હોકાયંત્રની દિશા.
09:31
The thing is, the piece doesn't work like the automatic door sensor
183
571360
3656
વસ્તુ એ છે કે,સ્વચાલિત દરવાજા સેન્સરની જેમ
09:35
that just opens when you walk in front of it.
184
575040
2656
તે હમણાં જ ખુલેછે જ્યારેતમે તેની સામે ચાલો
09:37
See, your contribution is only a part of its collection of lived experiences.
185
577720
5056
જુઓ, તમારું યોગદાન માત્ર એક ભાગ છે તેના જીવંત સંગ્રહનો
09:42
And all of those experiences affect the way that it moves.
186
582800
4056
અને તે બધા અનુભવો તે ખસે છે કે જે રીતે અસર કરે છે
09:46
So when you walk in front of it,
187
586880
1736
તેથી જ્યારે તમે તેની સામે ચાલો,
09:48
it starts to use all of the data
188
588640
1976
તે બધા ડેટાનો ઉપયોગ કરવાનું શરૂ કરે છે
09:50
that it's captured throughout its exhibition history --
189
590640
2616
કે તે કબજે છે તેના સમગ્ર પ્રદર્શન ઇતિહાસમાં -
09:53
or its intuition --
190
593280
1816
અથવા તેની પ્રેરણા.
09:55
to mechanically respond to you based on what it's learned from others.
191
595120
3560
યાંત્રિક રીતે તમને જવાબ આપવા માટે તે અન્ય લોકો પાસેથી શીખ્યા
09:59
And what ends up happening is that as participants
192
599480
2536
અને શું થાય છે અંત તે સહભાગીઓ તરીકે છે.
10:02
we start to learn the level of detail that we need
193
602040
2816
અમે સ્તર શીખવા માટે કે જે આપણને જોઈએ છે.
10:04
in order to manage expectations
194
604880
2016
અપેક્ષાઓ મેનેજ કરવા માટે.
10:06
from both humans and machines.
195
606920
2776
મનુષ્ય અને મશીનો બંનેમાંથી.
10:09
We can almost see our intuition being played out on the computer,
196
609720
3616
આપણે જોઈ શકીએ છીએ કમ્પ્યુટર પર રમી રહ્યું છે,
10:13
picturing all of that data being processed in our mind's eye.
197
613360
3600
તે બધા ડેટાને દર્શાવતો આપણા મનની આંખમાં પ્રક્રિયા થઈ રહી છે.
10:17
My hope is that this type of art
198
617560
1656
મારી આશા એ છે કે આ પ્રકારની કલા.
10:19
will help us think differently about intuition
199
619240
2416
અમને અલગ વિચારવામાં મદદ કરશે .
10:21
and how to apply that to AI in the future.
200
621680
2280
અને તેને ભવિષ્યમાં એઆઇ પર કેવી રીતે લાગુ કરવું.
10:24
So these are just a few examples of how I'm using art to feed into my work
201
624480
3936
તેથી આ ઉદાહરણો છે હું કેવી રીતે ખવડાવવા માટે કલાનો ઉપયોગ કરું છું
10:28
as a designer and researcher of artificial intelligence.
202
628440
3096
ડિઝાઇનર અને સંશોધનકાર તરીકે કૃત્રિમ બુદ્ધિ.
10:31
And I see it as a crucial way to move innovation forward.
203
631560
3496
અને હું તેને નિર્ણાયક માર્ગ તરીકે જોઉં છું નવીનતાને આગળ વધારવા માટે
10:35
Because right now, there are a lot of extremes when it comes to AI.
204
635080
4376
જ્યારે તે AI ની વાત આવે ત્યારે ઘણી બધી સમસીમાઓ છે.
10:39
Popular movies show it as this destructive force
205
639480
2816
લોકપ્રિય મૂવીઝ તે બતાવે છે આ વિનાશક બળ તરીકે
10:42
while commercials are showing it as a savior
206
642320
3056
જ્યારે કમર્શિયલ તેને તારણહાર તરીકે બતાવી રહ્યા છે
10:45
to solve some of the world's most complex problems.
207
645400
2936
વિશ્વના કેટલાક હલ કરવા માટે સૌથી જટિલ સમસ્યાઓ.
10:48
But regardless of where you stand,
208
648360
2536
પણ તમે ક્યાં ઉભા છો તેની અનુલક્ષીને,
10:50
it's hard to deny that we're living in a world
209
650920
2176
તેનોઇનકારકરવોમુશ્કેલછે આપણે દુનિયામાંજીવીએછીએ
10:53
that's becoming more and more digital by the second.
210
653120
2576
તે વધુ બની રહ્યું છે અને બીજા દ્વારા વધુ ડિજિટલ.
10:55
Our lives revolve around our devices, smart appliances and more.
211
655720
4600
અમારું જીવન અમારા ઉપકરણોની આસપાસ ફરે છે, સ્માર્ટ ઉપકરણો અને વગેરે .
11:01
And I don't think this will let up any time soon.
212
661400
2320
અને મને નથી લાગતું આ ટૂંક સમયમાં કોઈપણસમયે ચાલશે
11:04
So, I'm trying to embed more humanness from the start.
213
664400
3736
તેથી, શરૂઆતથી હું પ્રયાસ કરી રહ્યો છું
11:08
And I have a hunch that bringing art into an AI research process
214
668160
5136
અને મારી પાસે કૂતરો છે જે કળા લાવશે એઆઈ સંશોધન પ્રક્રિયામાં
11:13
is a way to do just that.
215
673320
1896
તે કરવા માટેનો એક માર્ગ છે.
11:15
Thank you.
216
675240
1216
આભાર
11:16
(Applause)
217
676480
2280
(તાળીઓ).
આ વેબસાઇટ વિશે

આ સાઈટ તમને અંગ્રેજી શીખવા માટે ઉપયોગી એવા YouTube વિડીયોનો પરિચય કરાવશે. તમે વિશ્વભરના શ્રેષ્ઠ શિક્ષકો દ્વારા શીખવવામાં આવતા અંગ્રેજી પાઠ જોશો. ત્યાંથી વિડિયો ચલાવવા માટે દરેક વિડિયો પેજ પર પ્રદર્શિત અંગ્રેજી સબટાઈટલ પર ડબલ-ક્લિક કરો. સબટાઈટલ વિડિયો પ્લેબેક સાથે સુમેળમાં સ્ક્રોલ થાય છે. જો તમારી પાસે કોઈ ટિપ્પણીઓ અથવા વિનંતીઓ હોય, તો કૃપા કરીને આ સંપર્ક ફોર્મનો ઉપયોગ કરીને અમારો સંપર્ક કરો.

https://forms.gle/WvT1wiN1qDtmnspy7