Why I draw with robots | Sougwen Chung

Translator: Ivana Korom Reviewer: Camille Martínez

Translator: Myo Aung Reviewer: Sanda Aung

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

ကျုပ်တို့ တော်တော်များများတို့ဟာ နေ့စဉ်ဘဝထဲမှာ နည်းပညာကို သုံးကြတယ်။

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

ပြီးတော့ တချို့က ကိုယ့်အလုပ်ကို လုပ်ဖို့ နည်းပညာကို အားကိုးကြရတယ်။

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

စက်ယန္တရားတွေနဲ့ ၎င်းတို့ကို မောင်းနှင် ကြတဲ့ နည်းပညာတွေဟာဖြင့်

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

ကျွန်မရဲ့ အလုပ်ကို ပိုထိရောက် ပိုအကျိုးဖြစ်စေမယ့် ကိရိယာများပါ။

ဒါပေမဲ့ စက်မှုလုပ်ငန်းအမျိုးမျိုးတွင် အလို အလျောက် လုပ်ကိုင်မှု တိုးပွားလာမှုနှင့်အတူ

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

it led me to wonder:

ကျွန်မ စဉ်းစားမိတာက-

If machines are starting to be able to do the work

စက်တွေက အစဉ်အလာအရ လူတွေ လုပ်ကိုင်လာခဲ့တာကို

traditionally done by humans,

စတင်ပြီး လုပ်ကိုင်လာနေကြတော့

what will become of the human hand?

လူသားရဲ့ လက်တွေကော ဘယ်လိုဖြစ်လာကြမလဲ။

How does our desire for perfection, precision and automation

ကျုပ်တို့ရဲ့ ပြီးပြည့်စုံမှု၊ တိကျမှုနဲ့ အလိုအလျောက် လုပ်ကိုင်မှုတို့က

ကျုပ်တို့ရဲ့ ဖန်တီးနိုင်စွမ်းကို ဘယ်လို အကျိုးသက်ရောက်ပါသလဲ။

affect our ability to be creative?

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

ကျွန်မရဲ့ အနုပညာနှင့် သုတေသန ထဲတွင် လူသားရဲ့ ဖန်တီးနိုင်စွမ်းသစ်ကို ရှာကြံဖို့

to develop new processes for human creativity.

AI နဲ့ ရိုဘော့တွေကို စူးစမ်းလေ့လာရပါတယ်။

လွန်ခဲ့သောနှစ်အနည်းငယ်အတွင်းမှာ

For the past few years,

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

ကျွန်မဟာ စက်ယန္တရားတွေ၊ ဒေတာနဲ့ ဆန်းသစ်စ နည်းပညာတွေနဲ့ တွဲပြီး လုပ်ကိုင်ခဲ့ရပါတယ်။

It's part of a lifelong fascination

တစ်သက်လုံး အံ့အားသင့်လာခဲ့ရတဲ့ အလုပ်ပါ၊

about the dynamics of individuals and systems

လူပုဂ္ဂိုလ်နဲ့ စနစ်တွေရဲ့ လှုပ်ရှားမှုတွေ အကြောင်း

and all the messiness that that entails.

ပြီးတော့ အဲဒါတွေ ရောထွေလျက် ရှုပ်ထွေတဲ့ ရလဒ်တွေ ရလာပုံတွေကိုပါ။

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

AI ပ ဘယ်မှာ အဆုံးသတ်ပြီး ကျုပ်တို့က စတင်လျက်

ကျွန်မက လုပ်ငန်းစဉ်များကို ပြုစုဖွံ့ဖြိုးလာစေလျက်

and where I'm developing processes

that investigate potential sensory mixes of the future.

အနာဂတ်ရဲ့ အာရုံခံနိုင်မှုတွေကို ရောနှော ပေးနိုင်ခြေ အလားအလာကို စုံစမ်းကြည့်တယ်။

I think it's where philosophy and technology intersect.

ကျွန်မစိတ်ထင် ဒသနိကနဲ့ နည်းပညာတို့ ဆုံကြတဲ့ နေရာပါပဲ။

Doing this work has taught me a few things.

ဒီအလုပ်ကို လုပ်ကိုင်မှုက ကျွန်မကို အချက်တချို့ကို သင်ပေးခဲ့တယ်။

It's taught me how embracing imperfection

ပြီးပြည့်စုံခြင်းမရှိတာကို လက်ခံနိုင်မှုက

can actually teach us something about ourselves.

ကျုပ်တို့ကို ကျုပ်တို့ကိုယ်တိုင် အကြောင်းကို နည်းနည်းသေးနိုင်ပါတယ်။

It's taught me that exploring art

အနုပညာကို စူးစမ်းမှုက လက်တွေ့တွင်

can actually help shape the technology that shapes us.

ကျုပ်တို့ကို ပုံသွင်းပေးတဲ့ နည်းပညာကို ပုံသွင်းပေးဖို့ ကူပေးတာ ကျွန်မသိလာတယ်။

And it's taught me that combining AI and robotics

နောက်ထပ် ကျွန်မ သိလာရတာက AI နဲ့စက်ရုပ်တွေကို

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

အစဉ်အလာတီထွင်မှုပုံစံတွေနဲ့ ပေါင်းစပ်မှုက၊ ကျွန်မလို အမြင်အနုပညာထဲမှာဆိုရင်၊

can help us think a little bit more deeply

လူသားဆိုတာ ဘာလဲ၊ စက်ပစ္စည်းတွေ ဆိုတာဘာလဲကို

about what is human and what is the machine.

နည်းနည်းလေး ပိုပြီး နက်ရှိုင်းစွာ နားလည်လာစေပါတယ်။

And it's led me to the realization

အဲဒီကတဆင့် ကျွန်မ ရှေ့ဆက် သဘောပေါက်လာတာက

that collaboration is the key to creating the space for both

ကျုပ်တို့ ရှေ့ဆက်သွားချင်ရင် နှစ်ခုစလုံး အတွက် နေရာကို ဖန်တီးပေးဖို့

as we move forward.

လက်တွဲဆောင်ရွက်မှုဟာ သော့ချက်ပါ။

It all started with a simple experiment with machines,

ဒါတွေအားလုံး စတင်ခဲ့တာက "Drawing Operations Unit: Generation 1."

called "Drawing Operations Unit: Generation 1."

လို့ခေါ်တဲ့ စက်တွေနဲ့ စမ်းသပ်မှုမှ စတင်ခဲ့တာပါ။

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

ကျွန်မကတော့ အတိုကောက် "DOUG" လို့ခေါ်တယ်။

Before I built D.O.U.G,

ကျွန်မ DOUG ကို မတည်ဆောက်ခင်

I didn't know anything about building robots.

စက်ရုပ်တွေ တည်ဆောက်မှု အကြောင်း လုံးဝမသိခဲ့ဘူး။

ကျွန်မ အခမဲ့ရနိုင်တဲ့ စက်ရုပ်ရဲ့ လက်မောင်းဒီဇိုင်းတွေကို ယူခဲ့တယ်၊

I took some open-source robotic arm designs,

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

စက်ရုပ်ကနေပြီး ကျွန်မ လက်ဟန်တွေကို အချိန်နဲ့တပြေးညီ ကူယူလုပ်နိုင်မယ့်

and follow [them] in real time.

စနစ်တစ်ခုကို ကျွန်မ hack လုပ်ခဲ့တယ်။

The premise was simple:

စိတ်ကူးက ရိုးရိုးလေးပါ-

I would lead, and it would follow.

ကျွန်မ ရှေ့မှလုပ်ပြတာကို ၎င်းက လိုက်လုပ်ပေးရန်ပါ။

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

ကျွန်မ လိုင်းကို ဆွဲရင် ၎င်းကပါ ကျွန်မလိုင်းကို တုပြီးဆွဲရမယ်။

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

အဲဒါနဲ့ လွန်ခဲ့တဲ့ ၂၀၁၅ ခုနှစ်တုန်းက ပထမဦးဆုံးအကြိမ် ဆွဲဖြစ်ခဲ့တယ်။

in front of a small audience in New York City.

နယူးယောက်မြို့က ပရိသတ်ကို အနည်းငယ်ရှေ့မှာပါ။

The process was pretty sparse --

လုပ်ပြခဲ့တာဟာ သိပ်ကို ရိုးရိုးလေးပါ--

no lights, no sounds, nothing to hide behind.

မီးမရှိ၊ အသံမရှိ၊ ဖုံးကွယ်စရာ ဘာမျှမရှိခဲ့ပါ။

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

ကျွန်မ လက်ဖဝါးတွေ ချွေးပြန်နေကြပြီး စက်ရုပ်ရဲ့ မော်တာတွေ ပူပြင်းလာကြတယ်။

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

(ရယ်သံများ) ကျွန်မတို့ လုပ်ကိုင်ပုံ မဟုတ်ခဲ့မှန်း ရှင်းနေခဲ့ပါတယ်။

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

ဒါပေမဲ့ ကျွန်မ မျှော်လင့်မရခဲ့တဲ့ စိတ်ဝင်စားစရာ အရာတစ်ခု ဖြစ်ခဲ့တယ်။

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

ရိုးအခဲ့တဲ့ DOUG ဟာ ကျွန်မရဲ့ လိုင်းတွေကို ကွက်တိ ခြေရာမခံနိုင်ခဲ့ပါဘူး။

While in the simulation that happened onscreen

ဟန်ဆောင် လုပ်ခဲ့ကြစဉ်တုန်းက စခရင်ပေါ်မှာ

it was pixel-perfect,

pixel အလိုက် ပြီးပြည့်စုံခဲ့တယ်။

in physical reality, it was a different story.

ရုပ်ပိုင်း လက်တွေ့အခြေအနေထဲကျတော့ လုံးဝ တမျိုးဖြစ်ခဲ့ပါတယ်။

It would slip and slide and punctuate and falter,

၎င်းဟာ ချော်ပြီး ဘေးရောက်သွားတာ ထပ်တလဲလဲ မှားမိနေခဲ့တယ်၊

and I would be forced to respond.

ကျွန်မက ပြန်ပြီး တုံ့ပြန်ရန် လိုအပ်ခဲ့တယ်။

There was nothing pristine about it.

အသစ်အဆန်းဆိုလို့ ဘာမှ မရှိခဲ့ပါ။

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

ဒါတောင် ပေါ်ပေါက်လာခဲ့ကြတဲ့ အမှားတွေကမှ စိတ်ဝင်စားစရာ အချက်ပါ။

The machine was interpreting my line but not perfectly.

စက်ရုပ်က ကျွန်မလိုင်းကို အဓိပ္ပါယ် ကောက်နေခဲ့ပေမဲ့ စနစ်မကျခဲ့ပါ။

And I was forced to respond.

ကျွန်မ တုံ့ပြန်ရန် လိုအပ်ခဲ့တယ်။

We were adapting to each other in real time.

ကျွန်မတို့အချိန်အညီ လိုက်လျောညီထွေဖို့ အားထုတ်ခဲ့ကြတယ်။

And seeing this taught me a few things.

ဒါကို မြင်ပြီးတဲ့ နောက်မှာ ကျွန်မ အချက်တချို့ကို နားလည်မိတယ်။

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

ကျွန်မတို့ရဲ့ အမှားတွေကမှ စိတ်ဝင်စားစရာ အကောင်းဆုံး အပိုင်း ဖြစ်တာကို တွေ့လာရတယ်။

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

စက်ရဲ့ မပြီးပြည့်စုံမှုမှတစ်ဆင့် ကျွန်မ နားလည်လာတာက

our imperfections became what was beautiful about the interaction.

ကျွန်မတို့ရဲ့ မပြီးပြည့်စုံမှုကမှ တန်ပြန် တုံ့ပြန်မှုထဲက အလှဆုံးအရာပါ။

အချက်တစ်ချကကို သိနားလည်လာခဲ့ရလို့ ကျွန်မဟာ စိတ်လှုပ်ရှားနေမိတယ်၊

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

that maybe part of the beauty of human and machine systems

လူသားနှင့်စက်ပစ္စည်းစနစ်များရဲ့ အလှတရားက

၎င်းတို့ နှစ်ဘက်စလုံး မွေးရာပါ မှားနိုင်တဲ့ အလေ့အထ ရှိနေခြင်းပါပဲ။

is their shared inherent fallibility.

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

DOUG ဒုတိယမျိုးဆက် ပေါ်လာတော့

I knew I wanted to explore this idea.

ကျွန်မဟာ အဲဒီ စိတ်ကူးကို စူးစမ်းနေချင်ခဲ့တယ်။

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

ဒါပေမဲ့ စက်ရုပ်ရဲ့ လက်မောင်းက သူ့ဘာသာသူ အမှတ်တမဲ့ လိုက်ဆွဲမယ့်အစား

ကျွန်မ ပြုစုချင်ခဲ့တာက ကျွန်မရဲ့ ပုံတွေကို ကျွန်မ မျှော်မရတဲ့ နည်းလမ်းမျိုးနဲ့

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

in ways that I didn't expect.

ကျွန်မပုံတွေကို တုံ့ပြန်မယ့် စနစ်ကိုပါ။

So, I used a visual algorithm to extract visual information

ဒါနဲ့ ကျွန်မဟာ အမြင်အာရုံ အယ်လ်ဂိုရီသမ် ကို အသုံးပြုပြီး ဆယ်စုနှစ်ချီ ကျွန်မရဲ့

from decades of my digital and analog drawings.

ပုံများထဲမှ မြင်နိုင်တဲ့ အချက်အလက်များ ကို ထုတ်ယူရန် ဖြစ်ပါတယ်။

I trained a neural net on these drawings

ကျွန်မဟာ အဲဒီပုံတွေကို သုံးပြီး အာရုံကြော ကွန်ယက်ကို လေ့ကျင့်ပေးခဲ့ပြီး

in order to generate recurring patterns in the work

ပုံတွေထဲက ထပ်နေတဲ့ ပုံစံတွေကို ထုတ်လုပ်စေပြီး

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

ကျွန်မတို့ရဲ့ ဆော့ဝဲဖြင့် စက်ထဲကို ပြန်ထည့်ပေးခိုင်းခဲ့တယ်။

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

ကျွန်မဟာ ပြီးဆုံးထားတဲ့ ပုံတွေ၊ ဆွဲလက်စ အလုပ်တွေ၊ ကျပမ်း ရေးချစ်ခဲ့တာတွေ၊

finished works, unfinished experiments and random sketches --

ကျွန်မ ရှာတွေခဲ့သမျှတွေကို မရမက ရှာဖွေစုစည်းခဲ့တယ်--

and tagged them for the AI system.

ပြီးတော့ AI စနစ်အတွက် တဂ်လုပ်ပေးလိုက်တယ်။

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

ကျွန်မဟာ အနှစ် ၂၀ ကျော်အလုပ် လုပ်ခဲ့တဲ့ အနုပညာရှင် ဖြစ်ပါတယ်။

Collecting that many drawings took months,

ခုနက ပုံတွေကို လိုက်လံစုခဲ့ရတာဟာ လအတော်ကြာခဲ့ပြီး

it was a whole thing.

အတော့်ကို လုပ်ကိုင်ခဲ့ရပါတယ်။

And here's the thing about training AI systems:

ပြီးတော့ AI စနစ်တွေကို လေ့ကျင့်ဖို့ ကိစ္စကလည်း ရှိနေသေးတယ်၊

it's actually a lot of hard work.

တကယ့်ကို ခက်ခဲစွ ကြိုးပမ်းဖို့ လိုခဲ့ပါတယ်။

အလုပ်အများအပြားကို သူများတွေ မြင်တောင် မြင်ကြရမှာ မဟုတ်ပါဘူး။

A lot of work goes on behind the scenes.

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

ဒါပေမဲ့ အဲဒီလို လုပ်ကိုင်ရင်းနဲ့ ကျွန်မဟာ AI တည်ဆောက်ထားပုံကို

about how the architecture of an AI is constructed.

နည်းနည်းလေး ပိုကောင်းမွန်စွာ နားလည်လာခဲ့တယ်။

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

အဲဒါကို အာရုံကြောနက်များ အတွက် ပုံစံတွေ၊ နည်းစနစ်တွေကို သုံးထားရုံတင်

for the neural network.

မကတာကိုပါ ကျွန်မ သိလာခဲ့ရတယ်။

But it's a fundamentally malleable and shapable system,

ပြီးတော့ ၎င်းဟာ ပုံစံပြောင်းလွယ်ပြီး လိုချင်တဲ့ ပုံမျိုးကိုသွင်းယူလွယ်ခဲ့ပါတယ်၊

one in which the human hand is always present.

လူသားရဲ့ လက်ကတော့ တနည်းနည်းနဲ့ အမြဲတမ်း ပါနေခဲ့တယ်။

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

၎င်းဟာ ကျွန်မတို့ ကြားခဲ့ဘူးသလို ဘာမဆို လုပ်နိုင်တာမျိုး မဟုတ်ခဲ့ကြပါ။

ဒါနဲ့ ကျွန်ဟာ အာရုံကြောကွန်ယက်အတွက် ဒီလိုပုံတွေကို စုစည်းခဲ့တယ်။

So I collected these drawings for the neural net.

And we realized something that wasn't previously possible.

ပြီးတော့ အရင်တုန်းက လုံးဝမဖြစ်နိုင်ခဲ့တာ တစ်ခုကိုပါ ကျွန်မ သဘောပေါက်လိုက်တယ်။

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

ကျွန်မရဲ့ DOUG စက်ရုပ်ဟာ ကျွန်မ တစ်သက်လုံး ရေးဆွဲခဲ့သမျှ ပုံတွေကို

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

အချိန်နှင့်တပြေးညီ ထင်ဟပ်ပေးနိုင်ခဲ့တယ်။

The data was personal, but the results were powerful.

ကျွန်မရဲ့ ဒေတာဖြစ်ခဲ့ပေမဲ့ ရလဒ်တွေကျတော့ အားရစရာကြီးပါ။

အဲဒါနဲ့ ကျွန်မဟာ သိပ်ကို စိတ်လှုပ်ရှားလာလို့

And I got really excited,

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

ဒီစက်တွေဟာ ကိရိယာသက်သက် မဖြစ်သင့်ဘဲ လူသားမဟုတ်တဲ့ လုပ်ဖက်လို လက်တွဲ

but they can function as nonhuman collaborators.

လုပ်ကိုင်နိုင်စွမ်း ရှိကြမယ်လို့တောင် ထင်မိခဲ့တယ်။

And even more than that,

အဲဒီထက်ကို တောင်ပိုလျက်၊

I thought maybe the future of human creativity

လူသားရဲ့ တီထွင်နိုင်စွမ်းရဲ့ အနာဂတ်ဟာဖြင့်

isn't in what it makes

လူကနေပြီး လုပ်တဲ့ အရာမဟုတ်ဘဲ

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

ဖန်တီးလုပ်ကိုင်ရေး နည်းလမ်းသစ်တွေကို လက်တွေ စူးစမ်းမှုဖြစ်တယ်လို့ ထင်မိတယ်။

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

ဒီတော့ DOUG_1 က ကြွက်သားဖြစ်ခဲ့ပြီး

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

DOUG_2 က ဦးနှောက်ဖြစ်ခဲ့တယ် ဆိုရင်၊

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

DOUG_3 ကျတော့ မိသားစုနဲ့ တူပါတယ်။

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

လူသား-လူသားမဟုတ်သူရဲ့ပူးပေါင်းဆောင် ရွက်မှုကို စကေးကြီးဖြင့် စူးစမ်းလိုခဲ့တယ်။

အဲဒါနဲ့ လွန်ခဲ့တဲ့ လအနည်းငယ် အတွင်းမှာ၊

So over the past few months,

I worked with my team to develop 20 custom robots

ကျွန်မအဖွဲ့နဲ့အတူ ကျွန်မတို့ ရွေးထားတဲ့ စက်ရုပ် ၂၀ ကိုထုတ်လုပ်ခဲ့ကြပြီး

that could work with me as a collective.

စုပေါင်းလျက် သူတို့နဲ့စမ်းရန် ဖြစ်ခဲ့တယ်။

They would work as a group,

သူတို့ဟာ အုပ်စုအနေနဲ့ လုပ်ကိုင်ကြမယ်၊

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

သူတို့နဲ့အတူကျွန်မတို့ဟာ နယူးယောက်မြို့ တမြို့လုံးမှာ လက်တွဲ လုပ်ကိုင်ဖို့ပါ။

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

Stanford သုတေသီ Fei-Fei Li ကို အားကျပါတယ်၊

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

"စက်တွေကို စဉ်းစားလာအောင် သင်ချင်ရင်၊

we need to first teach them how to see."

သူတို့ကို မြင်လာနိုင်အောင် အရင် သင်ပေးဖို့ လိုအပ်မယ်။" သူက မိန့်ကြားခဲ့ပါတယ်။

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

နယူးယောက်မှာ နေခဲ့တဲ့ ဆယ်နှစ်ကို ပြန်စဉ်းစားလာရတယ်၊

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

တမြို့လုံးမှာ စောင့်ကြည့်ရေး ကင်မရာတွေကို မှတ်မိတယ်။

And I thought it would be really interesting

အဲဒါတွေ အားလုံးကို ကျွန်မရဲ့ စက်ရုပ်တွေကို

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

သင်ပေးဖို့ သုံးနိုင်ရင် ကောင်းမှာပဲလို့ စိတ်ကူးရမိတယ်။

So with this project,

အဲဒီလို ပရိုဂျက်ကို စဉ်းစားရင်း၊

I thought about the gaze of the machine,

စက်တွေ စောင့်ကြည့်နေပုံကို စိတ်ကူးလျက်

and I began to think about vision as multidimensional,

အမြင်အကြောင်းကို မာလ်တီအမြင်မျိုးဖြင့် စစဉ်းစားလာတယ်၊

as views from somewhere.

တစ်နေရာမှ မြင်ရတဲ့ အမြင်မျိုးလိုပါ။

ကျွန်မတို့ ဗွီဒီယိုတွေကို စစုဆောင်းတယ်၊

We collected video

from publicly available camera feeds on the internet

အင်တာနက်မှာ ရနိုင်တဲ့ အများပြည်သူဆိုင်ရာတွေပါ၊

လူတွေ လမ်းပေါ်မှာ လမ်းလျှောက်နေကြပုံ၊

of people walking on the sidewalks,

cars and taxis on the road,

ကားတွေ၊ တက္ကစီတွေ စသဖြင့်

all kinds of urban movement.

မြို့ပြ လှုပ်ရှားမှု ပုံတွေမျိုးစုံပေါ့။

အဲဒါမျိုးကို မြင်နိုင်တဲ့ မြင်မှု အယ်လဂိုရီသမ်ကို ပြုစုခဲ့ကြတယ်

We trained a vision algorithm on those feeds

based on a technique called "optical flow,"

"optical flow" လို့ခေါ်တဲ့ နည်းပညာကို အခြေခံခဲ့ကြတယ်၊

to analyze the collective density,

မြို့ပြများထဲက စုပေါင်းသိပ်သည်းဆကို၊

direction, dwell and velocity states of urban movement.

လူတွေရဲ့ ဦးတည်ချက်ကို၊ နေထိုင်ပုံနဲ့ အရှိန်အဟုန် စသဖြင့် ဆန်းစစ်ခဲ့ကြတယ်။

Our system extracted those states from the feeds as positional data

ကျွန်မတို့ စနစ်က အနေအထားမျိုးစုံထဲကနေပြီး အဲဒီလို အချက်တွေကို ထုတ်ယူပေးခဲ့လို့

and became pads for my robotic units to draw on.

အဲဒါတွေဟာ ကျွန်မရဲ့ စက်ရုပ်တွေ ပုံဆွဲရန် သင်ပုန်းလို ဖြစ်လာကြတယ်။

Instead of a collaboration of one-to-one,

ကျွန်မတို့ဟာ တစ်ဦးနဲ့ တစ်ဦး လက်တွဲဆောင်ရွက်မှုအစား

we made a collaboration of many-to-many.

အများက အများနဲ့ လက်တွဲဆောင်ရွက်မှုကို တီထွင်ခဲ့ကြတယ်။

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

မြို့ထဲရှိ လူသားနဲ့ စက်ရဲ့ အမြင်ကို ပေါင်းပေးလိုက်ခြင်းဖြင့်

ရှုခင်းပန်းချီကား ဆိုတာ ဘယ်လိုဖြစ်နိုင် ကြောင်းကို ပြန်လည်ပုံဖော်ခဲ့ကြတယ်။

we reimagined what a landscape painting could be.

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

D.O.U.G. နဲ့ ကျွန်မလုပ်ခဲ့သမျှ စမ်းသပ်မှုများအားလုံးတို့ဟာ

no two performances have ever been the same.

တူညီတာဆိုလို့ တကြိမ်ဘူးမှ မရှိခဲ့ဘူးပါ။

And through collaboration,

လက်တွဲပူးပေါင်းမှုရဲ့ ကျေးဇူးကြောင့်

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

ကျွန်မတို့ ဘယ်သူာမှ ဖန်တီးနိုင်ခဲ့မှာ မဟုတ်တာကို ဖန်တီးနိုင်ခဲ့ကြတယ်-

we explore the boundaries of our creativity,

ကျွန်မတို့ရဲ့ ကျုပ်တို့၊ လူသားနဲ့ လူသားမဟုတ်သူတို့ရဲ့

human and nonhuman working in parallel.

တီထွင်ဖန်တီးမှုရဲ့ ဘောင်ကို စူးစမ်းနိုင်ခဲ့ကြတယ်။

I think this is just the beginning.

ကျွန်မအတွက် ဒါဟာ အစပဲ ရှိပါသေးတယ်။

This year, I've launched Scilicet,

ဒီနှစ်ထဲတွင် ကျွန်မဟာ Scilicet ကိုစတင်ခဲ့တယ်၊

my new lab exploring human and interhuman collaboration.

လူသားနှင့်လူသားချင်းကြားက ပူးပေါင်းဆောင် ရွက်မှုကိုစူးစမ်းမယ့် ဓာတ်ခွဲခန်းသစ်ပါ။

We're really interested in the feedback loop

လူတစ်ဦးချင်း၊ အတုဖြစ်ကြတာနဲ့ ဂေဟစနစ်ထံမှ ရမယ့်

between individual, artificial and ecological systems.

တုံ့ပြန်ချက် ကွင်းဆက်ဟာ စိတ်ဝင်စားစရာပါ။

ကျွန်မတို့ဟာ ပတ်ဝန်းကျင်ဆိုင်ရာ လူသားနဲ့ စက်တွေထံမှ ရရှိမယ့်

We're connecting human and machine output

to biometrics and other kinds of environmental data.

ဇီဝဗေဒဆိုင်ရာ အခြား ဒေတာတွေကို စုစည်းကြပါမယ်။

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

ကျွန်မတို့နဲ့အတူ လက်တွဲ စူးစမ်းရန် ကျွန်မတို့ရဲ့ အနာဂတ် အလုပ်၊ စနစ်များ၊

and interhuman collaboration

လူသားချင်း လက်တွဲပူးပေါင်းဆောင်ရွက်မှုကို

to explore with us.

စိတ်ဝင်စားသူ အားလုံးကို ဖိတ်ကြားပါတယ်။

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

ဒါတွေအားလုံးကို နည်းပညာရှင်တွေ သက်သက် သာမက

and that we all have a role to play.

ကျုပ်တို့ အားလုံးပါ ပါဝင် လုပ်ကိုင်ရမယ့် အခန်းကဏ္ဍတွေ ရှိပါတယ်။

We believe that by teaching machines

အစဉ်အလာအရ လူတွေ လုပ်ခဲ့ကြတဲ့

how to do the work traditionally done by humans,

အလုပ်တွေကို စက်တွေကို သင်ပေးခြင်းဖြင့်

we can explore and evolve our criteria

လူ့လက်တွေနဲ့ လုပ်လို့ ရနိုင်တာရဲ့ စံသတ်မှတ်ချက်တွေကို

of what's made possible by the human hand.

ကျွန်မတို့ စူးစမ်းနိုင်မယ်လို့ ယုံကြည်ပါတယ်။

And part of that journey is embracing the imperfections

အဲဒီလို ချီတက်ရမယ့် ခရီးထဲရဲ့ တစ်ပိုင်းက

and recognizing the fallibility of both human and machine,

လူသားတွေရော စက်တွေပါ မှားယွင်းနိုင်ကြတာကို အသိအမှတ်ပြုလျက်

in order to expand the potential of both.

နှစ်ဘက်စလုံးရဲ့ အစွမ်းအစတွေကို တိုးချဲ့ဖို့ လိုပါတယ်။

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

ဒီနေ့အထိ ကျွန်မဟာ အလှတရားကို လူသားထဲမှာရေ လူသားမဟုတ်တဲ့ထဲမှာပါ

in human and nonhuman creativity.

ရှာကြံဖို့ အားထုတ်နေလျက်ပါ။

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

အနာဂတ်တွင် အဲဒါဟာ ဘယ်လိုပုံစံမျိုး ဖြစ်မှာကို ကျွန်မ မပြောတတ်ဘူး၊

ဒါပေမဲ့ အဲဒါကို ရှာဖွေရန် ကျွန်မ သိပ်ကို စိတ်ဓာတ်ပြင်းပြနေပါတယ်။

but I'm pretty curious to find out.

Thank you.

ကျေးဇူးတင်ပါတယ်။

(Applause)

(လက်ခုပ်သံများ)