Why I draw with robots | Sougwen Chung

30,428 views ・ 2020-02-14

TED


Fare doppio clic sui sottotitoli in inglese per riprodurre il video.

00:00
Translator: Ivana Korom Reviewer: Camille Martínez
0
0
7000
Traduttore: Silvia Allone Revisore: Antonio Parlato
00:12
Many of us here use technology in our day-to-day.
1
12937
3165
Molti di noi usano la tecnologia tutti i giorni.
00:16
And some of us rely on technology to do our jobs.
2
16126
3247
Alcuni si servono della tecnologia per svolgere il proprio lavoro.
00:19
For a while, I thought of machines and the technologies that drive them
3
19397
3950
Per un po' ho creduto che le macchine e la tecnologia che le comanda
00:23
as perfect tools that could make my work more efficient and more productive.
4
23371
4505
fossero strumenti perfetti,
capaci di rendere il mio lavoro più efficiente e produttivo.
00:28
But with the rise of automation across so many different industries,
5
28403
3254
Ma la crescita dell'automazione in molti campi dell'industria
00:31
it led me to wonder:
6
31681
1372
ha portato a chiedermi:
00:33
If machines are starting to be able to do the work
7
33077
2341
se le macchine cominciano a svolgere lavori
00:35
traditionally done by humans,
8
35442
1667
storicamente svolti dagli umani,
00:37
what will become of the human hand?
9
37133
2333
cosa ne sarà dell'impronta dell'uomo?
00:40
How does our desire for perfection, precision and automation
10
40133
4093
In che modo il nostro desiderio di perfezione, precisione e automazione
00:44
affect our ability to be creative?
11
44250
1922
influenza la nostra capacità creativa?
00:46
In my work as an artist and researcher, I explore AI and robotics
12
46553
4087
Nel mio lavoro di artista e ricercatrice, esploro l'IA e la robotica
00:50
to develop new processes for human creativity.
13
50664
3005
per sviluppare nuovi processi della creatività umana.
00:54
For the past few years,
14
54077
1286
Negli ultimi anni
00:55
I've made work alongside machines, data and emerging technologies.
15
55387
4376
ho lavorato con macchine, dati e nuove tecnologie.
01:00
It's part of a lifelong fascination
16
60143
1861
Fa parte dell'eterno fascino
01:02
about the dynamics of individuals and systems
17
62028
2735
per le dinamiche tra individui e sistemi
01:04
and all the messiness that that entails.
18
64787
2381
e tutta la confusione che comportano.
01:07
It's how I'm exploring questions about where AI ends and we begin
19
67192
4808
Indago su quesiti tipo dove finisce l'IA e dove iniziamo noi
01:12
and where I'm developing processes
20
72024
1642
e sviluppo processi che indagano il potenziale mix sensoriale del futuro.
01:13
that investigate potential sensory mixes of the future.
21
73690
3326
01:17
I think it's where philosophy and technology intersect.
22
77675
2857
Credo che sia il punto dove filosofia e tecnologia si intersecano.
01:20
Doing this work has taught me a few things.
23
80992
2239
Fare questo lavoro mi ha insegnato un po' di cose.
01:23
It's taught me how embracing imperfection
24
83642
2824
Mi ha insegnato che accettare le imperfezioni
01:26
can actually teach us something about ourselves.
25
86490
2489
può farci capire qualcosa di noi stessi.
01:29
It's taught me that exploring art
26
89428
2336
Mi ha insegnato che esplorare l'arte
01:31
can actually help shape the technology that shapes us.
27
91788
2931
può davvero modellare la tecnologia che ci modella.
01:35
And it's taught me that combining AI and robotics
28
95148
3261
Mi ha insegnato che mescolare IA e robotica
01:38
with traditional forms of creativity -- visual arts in my case --
29
98433
3532
con le forme tradizionali di creatività - nel mio caso le arti visive -
01:41
can help us think a little bit more deeply
30
101989
2302
può aiutarci a fare pensieri più profondi
01:44
about what is human and what is the machine.
31
104315
2897
su ciò che è umano e ciò che è macchina.
01:47
And it's led me to the realization
32
107942
1707
E mi ha portato a capire
01:49
that collaboration is the key to creating the space for both
33
109673
3055
che la collaborazione è la chiave per creare uno spazio comune
01:52
as we move forward.
34
112752
1267
mentre progrediamo.
01:54
It all started with a simple experiment with machines,
35
114387
2746
Tutto è iniziato con un semplice esperimento con macchine
01:57
called "Drawing Operations Unit: Generation 1."
36
117157
2826
chiamato "Drawing Operations Unit: Generation 1".
02:00
I call the machine "D.O.U.G." for short.
37
120434
2516
Il diminutivo che ho dato alla macchina è D.O.U.G.
02:02
Before I built D.O.U.G,
38
122974
1326
Prima di costruire D.O.U.G.
02:04
I didn't know anything about building robots.
39
124324
2365
non sapevo nulla di come si costruissero i robot.
02:07
I took some open-source robotic arm designs,
40
127220
2897
Ho preso alcuni progetti open source di braccia robotiche
02:10
I hacked together a system where the robot would match my gestures
41
130141
3341
e ho creato un sistema per cui il robot avrebbe mimato i miei gesti
02:13
and follow [them] in real time.
42
133506
1639
ripetendoli in tempo reale.
02:15
The premise was simple:
43
135169
1448
La premessa era semplice:
02:16
I would lead, and it would follow.
44
136641
2200
io avrei fatto da guida, lui mi avrebbe seguita.
02:19
I would draw a line, and it would mimic my line.
45
139403
2936
Avrei disegnato una linea e lui avrebbe imitato la mia linea.
02:22
So back in 2015, there we were, drawing for the first time,
46
142363
3698
Tornando al 2015 eccoci a disegnare per la prima volta
02:26
in front of a small audience in New York City.
47
146085
2619
di fronte a un piccolo pubblico a New York City.
02:28
The process was pretty sparse --
48
148728
2555
Il processo era un po' spoglio -
02:31
no lights, no sounds, nothing to hide behind.
49
151307
3487
niente luci, niente musica, nulla dietro a cui nascondersi.
02:35
Just my palms sweating and the robot's new servos heating up.
50
155241
3395
Solo le mie mani sudate e il servomotore del robot che si scalda.
02:38
(Laughs) Clearly, we were not built for this.
51
158950
2441
(Risate) Chiaramente non eravamo progettati per quello.
02:41
But something interesting happened, something I didn't anticipate.
52
161820
3233
Ma è accaduto qualcosa di interessante, che non avevo previsto.
02:45
See, D.O.U.G., in its primitive form, wasn't tracking my line perfectly.
53
165077
4802
D.O.U.G. nella sua forma primitiva,
non stava ricalcando perfettamente il mio tratto.
02:49
While in the simulation that happened onscreen
54
169903
2333
Mentre la simulazione proiettata sullo schermo
02:52
it was pixel-perfect,
55
172260
1357
era perfetta al pixel,
02:53
in physical reality, it was a different story.
56
173641
2531
nella realtà fisica, era tutt'altra storia.
02:56
It would slip and slide and punctuate and falter,
57
176196
2817
Scivolava e slittava, si interrompeva e vacillava
02:59
and I would be forced to respond.
58
179037
2068
e io ero costretta a rispondere.
03:01
There was nothing pristine about it.
59
181525
1778
Non era affatto preciso.
03:03
And yet, somehow, the mistakes made the work more interesting.
60
183327
3238
Eppure, gli errori rendevano il lavoro più interessante.
03:06
The machine was interpreting my line but not perfectly.
61
186589
2754
La macchina stava interpretando il mio tratto, non alla perfezione
03:09
And I was forced to respond.
62
189367
1372
e io dovevo rispondere.
03:10
We were adapting to each other in real time.
63
190763
2709
Ci stavamo adattando l'una all'altra in tempo reale.
03:13
And seeing this taught me a few things.
64
193496
1937
Questo mi ha fatto capire alcune cose.
03:15
It showed me that our mistakes actually made the work more interesting.
65
195457
4880
Mi ha dimostrato che i nostri errori rendono il lavoro più interessante.
03:20
And I realized that, you know, through the imperfection of the machine,
66
200663
4249
E ho capito come, attraverso l'imperfezione della macchina,
03:24
our imperfections became what was beautiful about the interaction.
67
204936
3705
le nostre imperfezioni diventano la parte meravigliosa dell'interazione.
03:29
And I was excited, because it led me to the realization
68
209650
3087
Ero emozionata perché mi ha fatto capire
03:32
that maybe part of the beauty of human and machine systems
69
212761
3650
che forse una parte della bellezza dei sistemi umani e robotici
03:36
is their shared inherent fallibility.
70
216435
2738
è che condividono una congenita fallibilità.
03:39
For the second generation of D.O.U.G.,
71
219197
1820
Per la seconda generazione di D.O.U.G.
03:41
I knew I wanted to explore this idea.
72
221041
2307
sapevo che volevo approfondire questa idea.
03:43
But instead of an accident produced by pushing a robotic arm to its limits,
73
223372
4418
Ma invece di un incidente causato
dallo spingere il braccio robotico al limite,
03:47
I wanted to design a system that would respond to my drawings
74
227814
2897
volevo progettare un sistema che rispondesse al mio disegno
03:50
in ways that I didn't expect.
75
230735
1833
in un modo inaspettato.
03:52
So, I used a visual algorithm to extract visual information
76
232592
3849
Quindi ho usato un algoritmo visuale per estrarre informazioni visuali
03:56
from decades of my digital and analog drawings.
77
236465
2978
da decenni di disegni digitali e non, fatti da me.
03:59
I trained a neural net on these drawings
78
239467
2055
Ho addestrato una rete neurale con i disegni
04:01
in order to generate recurring patterns in the work
79
241546
2865
per generare schemi ricorrenti nel lavoro
04:04
that were then fed through custom software back into the machine.
80
244435
3476
poi inseriti nella macchina tramite un software.
04:07
I painstakingly collected as many of my drawings as I could find --
81
247935
4386
Ho scrupolosamente raccolto il maggior numero di miei disegni
04:12
finished works, unfinished experiments and random sketches --
82
252345
4215
opere ultimate, esperimenti incompiuti e bozzetti,
04:16
and tagged them for the AI system.
83
256584
1999
tutti etichettati per il sistema di IA.
04:18
And since I'm an artist, I've been making work for over 20 years.
84
258607
3684
E dato che sono un'artista, ho lavorato per più di vent'anni.
04:22
Collecting that many drawings took months,
85
262315
2024
Mesi a raccogliere così tanti disegni,
04:24
it was a whole thing.
86
264363
1389
è stato complicato.
04:25
And here's the thing about training AI systems:
87
265776
2595
Ed ecco come stanno le cose sull'allenare sistemi IA:
04:28
it's actually a lot of hard work.
88
268395
2200
si tratta di un sacco di duro lavoro.
04:31
A lot of work goes on behind the scenes.
89
271022
2191
E molto del lavoro resta dietro le quinte.
04:33
But in doing the work, I realized a little bit more
90
273237
2681
Ma lavorando, ho compreso meglio
04:35
about how the architecture of an AI is constructed.
91
275942
3421
com'è composta l'architettura di un'IA.
04:39
And I realized it's not just made of models and classifiers
92
279387
2947
Ho capito che non è fatta solo di modelli e classificatori
04:42
for the neural network.
93
282358
1322
per la rete neurale.
04:43
But it's a fundamentally malleable and shapable system,
94
283704
3532
Ma è un sistema fondamentalmente malleabile e modellabile
04:47
one in which the human hand is always present.
95
287260
3111
in cui la mano dell'uomo è sempre presente.
04:50
It's far from the omnipotent AI we've been told to believe in.
96
290395
4000
Non c'entra nulla con l'IA onnipotente che ci hanno sempre prospettato.
04:54
So I collected these drawings for the neural net.
97
294419
2515
Ho raccolto questi disegni per la rete neurale.
04:56
And we realized something that wasn't previously possible.
98
296958
3929
E abbiamo capito qualcosa che prima era impossibile capire.
05:00
My robot D.O.U.G. became a real-time interactive reflection
99
300911
4091
Il mio robot D.O.U.G. era diventato il riflesso interattivo in tempo reale
05:05
of the work I'd done through the course of my life.
100
305026
2627
del lavoro che avevo svolto nel corso della mia vita.
05:07
The data was personal, but the results were powerful.
101
307677
3865
I dati erano personali, ma il risultato era potente.
05:11
And I got really excited,
102
311566
1484
Ero molto emozionata,
05:13
because I started thinking maybe machines don't need to be just tools,
103
313074
4582
perché ho iniziato a pensare che forse
le macchine non devono essere solo strumenti
05:17
but they can function as nonhuman collaborators.
104
317680
3420
ma possono avere la funzione di collaboratori non umani.
05:21
And even more than that,
105
321537
1547
E anche di più,
05:23
I thought maybe the future of human creativity
106
323108
2429
forse il futuro della creatività umana
05:25
isn't in what it makes
107
325561
1524
non sta nel creare,
05:27
but how it comes together to explore new ways of making.
108
327109
3436
ma nell'esplorare insieme nuovi modi di creare.
05:31
So if D.O.U.G._1 was the muscle,
109
331101
2190
Quindi se D.O.U.G._1 era il muscolo,
05:33
and D.O.U.G._2 was the brain,
110
333315
1762
e D.O.U.G._2 era il cervello,
05:35
then I like to think of D.O.U.G._3 as the family.
111
335101
2928
allora mi piace pensare a D.O.U.G._3 come a una famiglia.
05:38
I knew I wanted to explore this idea of human-nonhuman collaboration at scale.
112
338482
4793
Volevo approfondire il concetto
di collaborazione umana e non-umana su larga scala.
05:43
So over the past few months,
113
343299
1373
Quindi negli ultimi mesi
05:44
I worked with my team to develop 20 custom robots
114
344696
3135
ho lavorato con la mia squadra per sviluppare 20 robot personalizzati
05:47
that could work with me as a collective.
115
347855
1960
in grado di lavorare tutti con me.
05:49
They would work as a group,
116
349839
1293
Lavorando come un gruppo,
05:51
and together, we would collaborate with all of New York City.
117
351156
2889
insieme collaboriamo con tutta New York City.
05:54
I was really inspired by Stanford researcher Fei-Fei Li,
118
354069
2944
Mi sono ispirata a Fei-Fei Li, ricercatrice a Stanford,
05:57
who said, "if we want to teach machines how to think,
119
357037
2515
che diceva: "Se vuoi insegnare alle macchine a pensare,
05:59
we need to first teach them how to see."
120
359576
1984
bisogna prima insegnar loro a vedere".
06:01
It made me think of the past decade of my life in New York,
121
361584
2785
Mi ha fatto ripensare agli ultimi anni della mia vita a New York,
06:04
and how I'd been all watched over by these surveillance cameras around the city.
122
364393
3993
a come ero sorvegliata dalle telecamere di sorveglianza sparse per la città.
06:08
And I thought it would be really interesting
123
368410
2056
Ho pensato sarebbe stato davvero interessante
06:10
if I could use them to teach my robots to see.
124
370490
2405
usarle per insegnare ai miei robot a vedere.
06:12
So with this project,
125
372919
1888
Con questo progetto
06:14
I thought about the gaze of the machine,
126
374831
1967
ho riflettuto sullo sguardo della macchina
06:16
and I began to think about vision as multidimensional,
127
376822
3226
e ho iniziato a pensare ad una visione multidimensionale
06:20
as views from somewhere.
128
380072
1600
visioni da luoghi.
06:22
We collected video
129
382151
1834
Abbiamo raccolto video
06:24
from publicly available camera feeds on the internet
130
384009
3063
da quelli delle telecamere disponibili online
06:27
of people walking on the sidewalks,
131
387096
1690
di gente che cammina sui marciapiedi,
06:28
cars and taxis on the road,
132
388810
1712
macchine e taxi per strada,
06:30
all kinds of urban movement.
133
390546
1817
tutti i tipi di movimenti urbani.
06:33
We trained a vision algorithm on those feeds
134
393188
2603
Abbiamo addestrato un algoritmo visivo con quei video,
06:35
based on a technique called "optical flow,"
135
395815
2286
basandoci su una tecnica chiamata "flusso ottico",
06:38
to analyze the collective density,
136
398125
1977
per analizzare la densità collettiva,
06:40
direction, dwell and velocity states of urban movement.
137
400126
3637
la direzione, il fulcro e la velocità dei movimenti urbani.
06:44
Our system extracted those states from the feeds as positional data
138
404178
4269
Il nostro sistema li ha estratti come dati di posizione
06:48
and became pads for my robotic units to draw on.
139
408471
3373
e li ha resi la base dei disegni delle mie unità robotiche.
06:51
Instead of a collaboration of one-to-one,
140
411868
2534
Invece di una collaborazione uno a uno,
06:54
we made a collaboration of many-to-many.
141
414426
3024
abbiamo creato una collaborazione di molti con molti.
06:57
By combining the vision of human and machine in the city,
142
417474
3587
Unendo la visione degli umani e della macchina,
07:01
we reimagined what a landscape painting could be.
143
421085
2794
abbiamo reinventato il modo di dipingere un paesaggio.
07:03
Throughout all of my experiments with D.O.U.G.,
144
423903
2218
Contando tutti i miei sperimenti con D.O.U.G.
07:06
no two performances have ever been the same.
145
426145
2717
non ci sono due performance uguali.
07:08
And through collaboration,
146
428886
1382
Attraverso la collaborazione,
07:10
we create something that neither of us could have done alone:
147
430292
2864
creiamo insieme qualcosa che è impossibile creare da soli:
07:13
we explore the boundaries of our creativity,
148
433180
2611
esploriamo i confini della nostra creatività,
07:15
human and nonhuman working in parallel.
149
435815
2892
umani e non-umani che lavorano in parallelo.
07:19
I think this is just the beginning.
150
439823
2334
Penso sia soltanto l'inizio.
07:22
This year, I've launched Scilicet,
151
442569
2183
Quest'anno ho lanciato Scilicet,
07:24
my new lab exploring human and interhuman collaboration.
152
444776
4245
il mio nuovo laboratorio che indaga la collaborazione umana e interumana.
07:29
We're really interested in the feedback loop
153
449339
2120
Siamo davvero interessati alla controreazione
07:31
between individual, artificial and ecological systems.
154
451483
4230
di sistemi individuali, artificiali ed ecologici.
07:36
We're connecting human and machine output
155
456276
2269
Colleghiamo dati di umani e macchine
07:38
to biometrics and other kinds of environmental data.
156
458569
2984
a dati biometrici e ad altri tipo di dati ambientali.
07:41
We're inviting anyone who's interested in the future of work, systems
157
461577
4079
Invitiamo chiunque sia interessato al futuro del lavoro, sistemi
07:45
and interhuman collaboration
158
465680
1595
e collaborazione interumana
07:47
to explore with us.
159
467299
1550
a esplorare insieme a noi.
07:48
We know it's not just technologists that have to do this work
160
468873
3405
Sappiamo che non solo i tecnologi a dover fare questo lavoro
07:52
and that we all have a role to play.
161
472302
2103
e che ognuno di noi ha un ruolo.
07:54
We believe that by teaching machines
162
474429
2243
Crediamo che insegnando alle macchine
07:56
how to do the work traditionally done by humans,
163
476696
2730
come svolgere lavori storicamente svolti da uomini
07:59
we can explore and evolve our criteria
164
479450
2953
potremo esplorare e far progredire i nostri criteri
08:02
of what's made possible by the human hand.
165
482427
2443
di ciò che è reso possibile per mano dell'uomo.
08:04
And part of that journey is embracing the imperfections
166
484894
3493
Parte di questo viaggio è accettare le imperfezioni
08:08
and recognizing the fallibility of both human and machine,
167
488411
3690
riconoscere la fallibilità degli uomini e delle macchine
08:12
in order to expand the potential of both.
168
492125
2405
per aumentare il potenziale di entrambi.
08:14
Today, I'm still in pursuit of finding the beauty
169
494919
2301
Oggi sono ancora alla ricerca della bellezza
08:17
in human and nonhuman creativity.
170
497244
2276
nella creatività umana e non-umana.
08:19
In the future, I have no idea what that will look like,
171
499865
2829
In futuro, non ho idea di come sarà
08:23
but I'm pretty curious to find out.
172
503627
2024
ma sono davvero curiosa di scoprirlo.
08:25
Thank you.
173
505675
1151
Grazie.
08:26
(Applause)
174
506850
1884
(Applausi)
A proposito di questo sito web

Questo sito vi presenterà i video di YouTube utili per l'apprendimento dell'inglese. Vedrete lezioni di inglese tenute da insegnanti di alto livello provenienti da tutto il mondo. Fate doppio clic sui sottotitoli in inglese visualizzati su ogni pagina video per riprodurre il video da lì. I sottotitoli scorrono in sincronia con la riproduzione del video. Se avete commenti o richieste, contattateci tramite questo modulo di contatto.

https://forms.gle/WvT1wiN1qDtmnspy7