Why I draw with robots | Sougwen Chung

30,428 views ・ 2020-02-14

TED


ဗီဒီယိုကိုဖွင့်ရန် အောက်ပါ အင်္ဂလိပ်စာတန်းများကို နှစ်ချက်နှိပ်ပါ။

00:00
Translator: Ivana Korom Reviewer: Camille Martínez
0
0
7000
Translator: Myo Aung Reviewer: Sanda Aung
00:12
Many of us here use technology in our day-to-day.
1
12937
3165
ကျုပ်တို့ တော်တော်များများတို့ဟာ နေ့စဉ်ဘဝထဲမှာ နည်းပညာကို သုံးကြတယ်။
00:16
And some of us rely on technology to do our jobs.
2
16126
3247
ပြီးတော့ တချို့က ကိုယ့်အလုပ်ကို လုပ်ဖို့ နည်းပညာကို အားကိုးကြရတယ်။
00:19
For a while, I thought of machines and the technologies that drive them
3
19397
3950
စက်ယန္တရားတွေနဲ့ ၎င်းတို့ကို မောင်းနှင် ကြတဲ့ နည်းပညာတွေဟာဖြင့်
00:23
as perfect tools that could make my work more efficient and more productive.
4
23371
4505
ကျွန်မရဲ့ အလုပ်ကို ပိုထိရောက် ပိုအကျိုးဖြစ်စေမယ့် ကိရိယာများပါ။
ဒါပေမဲ့ စက်မှုလုပ်ငန်းအမျိုးမျိုးတွင် အလို အလျောက် လုပ်ကိုင်မှု တိုးပွားလာမှုနှင့်အတူ
00:28
But with the rise of automation across so many different industries,
5
28403
3254
00:31
it led me to wonder:
6
31681
1372
ကျွန်မ စဉ်းစားမိတာက-
00:33
If machines are starting to be able to do the work
7
33077
2341
စက်တွေက အစဉ်အလာအရ လူတွေ လုပ်ကိုင်လာခဲ့တာကို
00:35
traditionally done by humans,
8
35442
1667
စတင်ပြီး လုပ်ကိုင်လာနေကြတော့
00:37
what will become of the human hand?
9
37133
2333
လူသားရဲ့ လက်တွေကော ဘယ်လိုဖြစ်လာကြမလဲ။
00:40
How does our desire for perfection, precision and automation
10
40133
4093
ကျုပ်တို့ရဲ့ ပြီးပြည့်စုံမှု၊ တိကျမှုနဲ့ အလိုအလျောက် လုပ်ကိုင်မှုတို့က
ကျုပ်တို့ရဲ့ ဖန်တီးနိုင်စွမ်းကို ဘယ်လို အကျိုးသက်ရောက်ပါသလဲ။
00:44
affect our ability to be creative?
11
44250
1922
00:46
In my work as an artist and researcher, I explore AI and robotics
12
46553
4087
ကျွန်မရဲ့ အနုပညာနှင့် သုတေသန ထဲတွင် လူသားရဲ့ ဖန်တီးနိုင်စွမ်းသစ်ကို ရှာကြံဖို့
00:50
to develop new processes for human creativity.
13
50664
3005
AI နဲ့ ရိုဘော့တွေကို စူးစမ်းလေ့လာရပါတယ်။
လွန်ခဲ့သောနှစ်အနည်းငယ်အတွင်းမှာ
00:54
For the past few years,
14
54077
1286
00:55
I've made work alongside machines, data and emerging technologies.
15
55387
4376
ကျွန်မဟာ စက်ယန္တရားတွေ၊ ဒေတာနဲ့ ဆန်းသစ်စ နည်းပညာတွေနဲ့ တွဲပြီး လုပ်ကိုင်ခဲ့ရပါတယ်။
01:00
It's part of a lifelong fascination
16
60143
1861
တစ်သက်လုံး အံ့အားသင့်လာခဲ့ရတဲ့ အလုပ်ပါ၊
01:02
about the dynamics of individuals and systems
17
62028
2735
လူပုဂ္ဂိုလ်နဲ့ စနစ်တွေရဲ့ လှုပ်ရှားမှုတွေ အကြောင်း
01:04
and all the messiness that that entails.
18
64787
2381
ပြီးတော့ အဲဒါတွေ ရောထွေလျက် ရှုပ်ထွေတဲ့ ရလဒ်တွေ ရလာပုံတွေကိုပါ။
01:07
It's how I'm exploring questions about where AI ends and we begin
19
67192
4808
AI ပ ဘယ်မှာ အဆုံးသတ်ပြီး ကျုပ်တို့က စတင်လျက်
ကျွန်မက လုပ်ငန်းစဉ်များကို ပြုစုဖွံ့ဖြိုးလာစေလျက်
01:12
and where I'm developing processes
20
72024
1642
01:13
that investigate potential sensory mixes of the future.
21
73690
3326
အနာဂတ်ရဲ့ အာရုံခံနိုင်မှုတွေကို ရောနှော ပေးနိုင်ခြေ အလားအလာကို စုံစမ်းကြည့်တယ်။
01:17
I think it's where philosophy and technology intersect.
22
77675
2857
ကျွန်မစိတ်ထင် ဒသနိကနဲ့ နည်းပညာတို့ ဆုံကြတဲ့ နေရာပါပဲ။
01:20
Doing this work has taught me a few things.
23
80992
2239
ဒီအလုပ်ကို လုပ်ကိုင်မှုက ကျွန်မကို အချက်တချို့ကို သင်ပေးခဲ့တယ်။
01:23
It's taught me how embracing imperfection
24
83642
2824
ပြီးပြည့်စုံခြင်းမရှိတာကို လက်ခံနိုင်မှုက
01:26
can actually teach us something about ourselves.
25
86490
2489
ကျုပ်တို့ကို ကျုပ်တို့ကိုယ်တိုင် အကြောင်းကို နည်းနည်းသေးနိုင်ပါတယ်။
01:29
It's taught me that exploring art
26
89428
2336
အနုပညာကို စူးစမ်းမှုက လက်တွေ့တွင်
01:31
can actually help shape the technology that shapes us.
27
91788
2931
ကျုပ်တို့ကို ပုံသွင်းပေးတဲ့ နည်းပညာကို ပုံသွင်းပေးဖို့ ကူပေးတာ ကျွန်မသိလာတယ်။
01:35
And it's taught me that combining AI and robotics
28
95148
3261
နောက်ထပ် ကျွန်မ သိလာရတာက AI နဲ့စက်ရုပ်တွေကို
01:38
with traditional forms of creativity -- visual arts in my case --
29
98433
3532
အစဉ်အလာတီထွင်မှုပုံစံတွေနဲ့ ပေါင်းစပ်မှုက၊ ကျွန်မလို အမြင်အနုပညာထဲမှာဆိုရင်၊
01:41
can help us think a little bit more deeply
30
101989
2302
လူသားဆိုတာ ဘာလဲ၊ စက်ပစ္စည်းတွေ ဆိုတာဘာလဲကို
01:44
about what is human and what is the machine.
31
104315
2897
နည်းနည်းလေး ပိုပြီး နက်ရှိုင်းစွာ နားလည်လာစေပါတယ်။
01:47
And it's led me to the realization
32
107942
1707
အဲဒီကတဆင့် ကျွန်မ ရှေ့ဆက် သဘောပေါက်လာတာက
01:49
that collaboration is the key to creating the space for both
33
109673
3055
ကျုပ်တို့ ရှေ့ဆက်သွားချင်ရင် နှစ်ခုစလုံး အတွက် နေရာကို ဖန်တီးပေးဖို့
01:52
as we move forward.
34
112752
1267
လက်တွဲဆောင်ရွက်မှုဟာ သော့ချက်ပါ။
01:54
It all started with a simple experiment with machines,
35
114387
2746
ဒါတွေအားလုံး စတင်ခဲ့တာက "Drawing Operations Unit: Generation 1."
01:57
called "Drawing Operations Unit: Generation 1."
36
117157
2826
လို့ခေါ်တဲ့ စက်တွေနဲ့ စမ်းသပ်မှုမှ စတင်ခဲ့တာပါ။
02:00
I call the machine "D.O.U.G." for short.
37
120434
2516
ကျွန်မကတော့ အတိုကောက် "DOUG" လို့ခေါ်တယ်။
02:02
Before I built D.O.U.G,
38
122974
1326
ကျွန်မ DOUG ကို မတည်ဆောက်ခင်
02:04
I didn't know anything about building robots.
39
124324
2365
စက်ရုပ်တွေ တည်ဆောက်မှု အကြောင်း လုံးဝမသိခဲ့ဘူး။
ကျွန်မ အခမဲ့ရနိုင်တဲ့ စက်ရုပ်ရဲ့ လက်မောင်းဒီဇိုင်းတွေကို ယူခဲ့တယ်၊
02:07
I took some open-source robotic arm designs,
40
127220
2897
02:10
I hacked together a system where the robot would match my gestures
41
130141
3341
စက်ရုပ်ကနေပြီး ကျွန်မ လက်ဟန်တွေကို အချိန်နဲ့တပြေးညီ ကူယူလုပ်နိုင်မယ့်
02:13
and follow [them] in real time.
42
133506
1639
စနစ်တစ်ခုကို ကျွန်မ hack လုပ်ခဲ့တယ်။
02:15
The premise was simple:
43
135169
1448
စိတ်ကူးက ရိုးရိုးလေးပါ-
02:16
I would lead, and it would follow.
44
136641
2200
ကျွန်မ ရှေ့မှလုပ်ပြတာကို ၎င်းက လိုက်လုပ်ပေးရန်ပါ။
02:19
I would draw a line, and it would mimic my line.
45
139403
2936
ကျွန်မ လိုင်းကို ဆွဲရင် ၎င်းကပါ ကျွန်မလိုင်းကို တုပြီးဆွဲရမယ်။
02:22
So back in 2015, there we were, drawing for the first time,
46
142363
3698
အဲဒါနဲ့ လွန်ခဲ့တဲ့ ၂၀၁၅ ခုနှစ်တုန်းက ပထမဦးဆုံးအကြိမ် ဆွဲဖြစ်ခဲ့တယ်။
02:26
in front of a small audience in New York City.
47
146085
2619
နယူးယောက်မြို့က ပရိသတ်ကို အနည်းငယ်ရှေ့မှာပါ။
02:28
The process was pretty sparse --
48
148728
2555
လုပ်ပြခဲ့တာဟာ သိပ်ကို ရိုးရိုးလေးပါ--
02:31
no lights, no sounds, nothing to hide behind.
49
151307
3487
မီးမရှိ၊ အသံမရှိ၊ ဖုံးကွယ်စရာ ဘာမျှမရှိခဲ့ပါ။
02:35
Just my palms sweating and the robot's new servos heating up.
50
155241
3395
ကျွန်မ လက်ဖဝါးတွေ ချွေးပြန်နေကြပြီး စက်ရုပ်ရဲ့ မော်တာတွေ ပူပြင်းလာကြတယ်။
02:38
(Laughs) Clearly, we were not built for this.
51
158950
2441
(ရယ်သံများ) ကျွန်မတို့ လုပ်ကိုင်ပုံ မဟုတ်ခဲ့မှန်း ရှင်းနေခဲ့ပါတယ်။
02:41
But something interesting happened, something I didn't anticipate.
52
161820
3233
ဒါပေမဲ့ ကျွန်မ မျှော်လင့်မရခဲ့တဲ့ စိတ်ဝင်စားစရာ အရာတစ်ခု ဖြစ်ခဲ့တယ်။
02:45
See, D.O.U.G., in its primitive form, wasn't tracking my line perfectly.
53
165077
4802
ရိုးအခဲ့တဲ့ DOUG ဟာ ကျွန်မရဲ့ လိုင်းတွေကို ကွက်တိ ခြေရာမခံနိုင်ခဲ့ပါဘူး။
02:49
While in the simulation that happened onscreen
54
169903
2333
ဟန်ဆောင် လုပ်ခဲ့ကြစဉ်တုန်းက စခရင်ပေါ်မှာ
02:52
it was pixel-perfect,
55
172260
1357
pixel အလိုက် ပြီးပြည့်စုံခဲ့တယ်။
02:53
in physical reality, it was a different story.
56
173641
2531
ရုပ်ပိုင်း လက်တွေ့အခြေအနေထဲကျတော့ လုံးဝ တမျိုးဖြစ်ခဲ့ပါတယ်။
02:56
It would slip and slide and punctuate and falter,
57
176196
2817
၎င်းဟာ ချော်ပြီး ဘေးရောက်သွားတာ ထပ်တလဲလဲ မှားမိနေခဲ့တယ်၊
02:59
and I would be forced to respond.
58
179037
2068
ကျွန်မက ပြန်ပြီး တုံ့ပြန်ရန် လိုအပ်ခဲ့တယ်။
03:01
There was nothing pristine about it.
59
181525
1778
အသစ်အဆန်းဆိုလို့ ဘာမှ မရှိခဲ့ပါ။
03:03
And yet, somehow, the mistakes made the work more interesting.
60
183327
3238
ဒါတောင် ပေါ်ပေါက်လာခဲ့ကြတဲ့ အမှားတွေကမှ စိတ်ဝင်စားစရာ အချက်ပါ။
03:06
The machine was interpreting my line but not perfectly.
61
186589
2754
စက်ရုပ်က ကျွန်မလိုင်းကို အဓိပ္ပါယ် ကောက်နေခဲ့ပေမဲ့ စနစ်မကျခဲ့ပါ။
03:09
And I was forced to respond.
62
189367
1372
ကျွန်မ တုံ့ပြန်ရန် လိုအပ်ခဲ့တယ်။
03:10
We were adapting to each other in real time.
63
190763
2709
ကျွန်မတို့အချိန်အညီ လိုက်လျောညီထွေဖို့ အားထုတ်ခဲ့ကြတယ်။
03:13
And seeing this taught me a few things.
64
193496
1937
ဒါကို မြင်ပြီးတဲ့ နောက်မှာ ကျွန်မ အချက်တချို့ကို နားလည်မိတယ်။
03:15
It showed me that our mistakes actually made the work more interesting.
65
195457
4880
ကျွန်မတို့ရဲ့ အမှားတွေကမှ စိတ်ဝင်စားစရာ အကောင်းဆုံး အပိုင်း ဖြစ်တာကို တွေ့လာရတယ်။
03:20
And I realized that, you know, through the imperfection of the machine,
66
200663
4249
စက်ရဲ့ မပြီးပြည့်စုံမှုမှတစ်ဆင့် ကျွန်မ နားလည်လာတာက
03:24
our imperfections became what was beautiful about the interaction.
67
204936
3705
ကျွန်မတို့ရဲ့ မပြီးပြည့်စုံမှုကမှ တန်ပြန် တုံ့ပြန်မှုထဲက အလှဆုံးအရာပါ။
အချက်တစ်ချကကို သိနားလည်လာခဲ့ရလို့ ကျွန်မဟာ စိတ်လှုပ်ရှားနေမိတယ်၊
03:29
And I was excited, because it led me to the realization
68
209650
3087
03:32
that maybe part of the beauty of human and machine systems
69
212761
3650
လူသားနှင့်စက်ပစ္စည်းစနစ်များရဲ့ အလှတရားက
၎င်းတို့ နှစ်ဘက်စလုံး မွေးရာပါ မှားနိုင်တဲ့ အလေ့အထ ရှိနေခြင်းပါပဲ။
03:36
is their shared inherent fallibility.
70
216435
2738
03:39
For the second generation of D.O.U.G.,
71
219197
1820
DOUG ဒုတိယမျိုးဆက် ပေါ်လာတော့
03:41
I knew I wanted to explore this idea.
72
221041
2307
ကျွန်မဟာ အဲဒီ စိတ်ကူးကို စူးစမ်းနေချင်ခဲ့တယ်။
03:43
But instead of an accident produced by pushing a robotic arm to its limits,
73
223372
4418
ဒါပေမဲ့ စက်ရုပ်ရဲ့ လက်မောင်းက သူ့ဘာသာသူ အမှတ်တမဲ့ လိုက်ဆွဲမယ့်အစား
ကျွန်မ ပြုစုချင်ခဲ့တာက ကျွန်မရဲ့ ပုံတွေကို ကျွန်မ မျှော်မရတဲ့ နည်းလမ်းမျိုးနဲ့
03:47
I wanted to design a system that would respond to my drawings
74
227814
2897
03:50
in ways that I didn't expect.
75
230735
1833
ကျွန်မပုံတွေကို တုံ့ပြန်မယ့် စနစ်ကိုပါ။
03:52
So, I used a visual algorithm to extract visual information
76
232592
3849
ဒါနဲ့ ကျွန်မဟာ အမြင်အာရုံ အယ်လ်ဂိုရီသမ် ကို အသုံးပြုပြီး ဆယ်စုနှစ်ချီ ကျွန်မရဲ့
03:56
from decades of my digital and analog drawings.
77
236465
2978
ပုံများထဲမှ မြင်နိုင်တဲ့ အချက်အလက်များ ကို ထုတ်ယူရန် ဖြစ်ပါတယ်။
03:59
I trained a neural net on these drawings
78
239467
2055
ကျွန်မဟာ အဲဒီပုံတွေကို သုံးပြီး အာရုံကြော ကွန်ယက်ကို လေ့ကျင့်ပေးခဲ့ပြီး
04:01
in order to generate recurring patterns in the work
79
241546
2865
ပုံတွေထဲက ထပ်နေတဲ့ ပုံစံတွေကို ထုတ်လုပ်စေပြီး
04:04
that were then fed through custom software back into the machine.
80
244435
3476
ကျွန်မတို့ရဲ့ ဆော့ဝဲဖြင့် စက်ထဲကို ပြန်ထည့်ပေးခိုင်းခဲ့တယ်။
04:07
I painstakingly collected as many of my drawings as I could find --
81
247935
4386
ကျွန်မဟာ ပြီးဆုံးထားတဲ့ ပုံတွေ၊ ဆွဲလက်စ အလုပ်တွေ၊ ကျပမ်း ရေးချစ်ခဲ့တာတွေ၊
04:12
finished works, unfinished experiments and random sketches --
82
252345
4215
ကျွန်မ ရှာတွေခဲ့သမျှတွေကို မရမက ရှာဖွေစုစည်းခဲ့တယ်--
04:16
and tagged them for the AI system.
83
256584
1999
ပြီးတော့ AI စနစ်အတွက် တဂ်လုပ်ပေးလိုက်တယ်။
04:18
And since I'm an artist, I've been making work for over 20 years.
84
258607
3684
ကျွန်မဟာ အနှစ် ၂၀ ကျော်အလုပ် လုပ်ခဲ့တဲ့ အနုပညာရှင် ဖြစ်ပါတယ်။
04:22
Collecting that many drawings took months,
85
262315
2024
ခုနက ပုံတွေကို လိုက်လံစုခဲ့ရတာဟာ လအတော်ကြာခဲ့ပြီး
04:24
it was a whole thing.
86
264363
1389
အတော့်ကို လုပ်ကိုင်ခဲ့ရပါတယ်။
04:25
And here's the thing about training AI systems:
87
265776
2595
ပြီးတော့ AI စနစ်တွေကို လေ့ကျင့်ဖို့ ကိစ္စကလည်း ရှိနေသေးတယ်၊
04:28
it's actually a lot of hard work.
88
268395
2200
တကယ့်ကို ခက်ခဲစွ ကြိုးပမ်းဖို့ လိုခဲ့ပါတယ်။
အလုပ်အများအပြားကို သူများတွေ မြင်တောင် မြင်ကြရမှာ မဟုတ်ပါဘူး။
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
ဒါပေမဲ့ အဲဒီလို လုပ်ကိုင်ရင်းနဲ့ ကျွန်မဟာ AI တည်ဆောက်ထားပုံကို
04:35
about how the architecture of an AI is constructed.
91
275942
3421
နည်းနည်းလေး ပိုကောင်းမွန်စွာ နားလည်လာခဲ့တယ်။
04:39
And I realized it's not just made of models and classifiers
92
279387
2947
အဲဒါကို အာရုံကြောနက်များ အတွက် ပုံစံတွေ၊ နည်းစနစ်တွေကို သုံးထားရုံတင်
04:42
for the neural network.
93
282358
1322
မကတာကိုပါ ကျွန်မ သိလာခဲ့ရတယ်။
04:43
But it's a fundamentally malleable and shapable system,
94
283704
3532
ပြီးတော့ ၎င်းဟာ ပုံစံပြောင်းလွယ်ပြီး လိုချင်တဲ့ ပုံမျိုးကိုသွင်းယူလွယ်ခဲ့ပါတယ်၊
04:47
one in which the human hand is always present.
95
287260
3111
လူသားရဲ့ လက်ကတော့ တနည်းနည်းနဲ့ အမြဲတမ်း ပါနေခဲ့တယ်။
04:50
It's far from the omnipotent AI we've been told to believe in.
96
290395
4000
၎င်းဟာ ကျွန်မတို့ ကြားခဲ့ဘူးသလို ဘာမဆို လုပ်နိုင်တာမျိုး မဟုတ်ခဲ့ကြပါ။
ဒါနဲ့ ကျွန်ဟာ အာရုံကြောကွန်ယက်အတွက် ဒီလိုပုံတွေကို စုစည်းခဲ့တယ်။
04:54
So I collected these drawings for the neural net.
97
294419
2515
04:56
And we realized something that wasn't previously possible.
98
296958
3929
ပြီးတော့ အရင်တုန်းက လုံးဝမဖြစ်နိုင်ခဲ့တာ တစ်ခုကိုပါ ကျွန်မ သဘောပေါက်လိုက်တယ်။
05:00
My robot D.O.U.G. became a real-time interactive reflection
99
300911
4091
ကျွန်မရဲ့ DOUG စက်ရုပ်ဟာ ကျွန်မ တစ်သက်လုံး ရေးဆွဲခဲ့သမျှ ပုံတွေကို
05:05
of the work I'd done through the course of my life.
100
305026
2627
အချိန်နှင့်တပြေးညီ ထင်ဟပ်ပေးနိုင်ခဲ့တယ်။
05:07
The data was personal, but the results were powerful.
101
307677
3865
ကျွန်မရဲ့ ဒေတာဖြစ်ခဲ့ပေမဲ့ ရလဒ်တွေကျတော့ အားရစရာကြီးပါ။
အဲဒါနဲ့ ကျွန်မဟာ သိပ်ကို စိတ်လှုပ်ရှားလာလို့
05:11
And I got really excited,
102
311566
1484
05:13
because I started thinking maybe machines don't need to be just tools,
103
313074
4582
ဒီစက်တွေဟာ ကိရိယာသက်သက် မဖြစ်သင့်ဘဲ လူသားမဟုတ်တဲ့ လုပ်ဖက်လို လက်တွဲ
05:17
but they can function as nonhuman collaborators.
104
317680
3420
လုပ်ကိုင်နိုင်စွမ်း ရှိကြမယ်လို့တောင် ထင်မိခဲ့တယ်။
05:21
And even more than that,
105
321537
1547
အဲဒီထက်ကို တောင်ပိုလျက်၊
05:23
I thought maybe the future of human creativity
106
323108
2429
လူသားရဲ့ တီထွင်နိုင်စွမ်းရဲ့ အနာဂတ်ဟာဖြင့်
05:25
isn't in what it makes
107
325561
1524
လူကနေပြီး လုပ်တဲ့ အရာမဟုတ်ဘဲ
05:27
but how it comes together to explore new ways of making.
108
327109
3436
ဖန်တီးလုပ်ကိုင်ရေး နည်းလမ်းသစ်တွေကို လက်တွေ စူးစမ်းမှုဖြစ်တယ်လို့ ထင်မိတယ်။
05:31
So if D.O.U.G._1 was the muscle,
109
331101
2190
ဒီတော့ DOUG_1 က ကြွက်သားဖြစ်ခဲ့ပြီး
05:33
and D.O.U.G._2 was the brain,
110
333315
1762
DOUG_2 က ဦးနှောက်ဖြစ်ခဲ့တယ် ဆိုရင်၊
05:35
then I like to think of D.O.U.G._3 as the family.
111
335101
2928
DOUG_3 ကျတော့ မိသားစုနဲ့ တူပါတယ်။
05:38
I knew I wanted to explore this idea of human-nonhuman collaboration at scale.
112
338482
4793
လူသား-လူသားမဟုတ်သူရဲ့ပူးပေါင်းဆောင် ရွက်မှုကို စကေးကြီးဖြင့် စူးစမ်းလိုခဲ့တယ်။
အဲဒါနဲ့ လွန်ခဲ့တဲ့ လအနည်းငယ် အတွင်းမှာ၊
05:43
So over the past few months,
113
343299
1373
05:44
I worked with my team to develop 20 custom robots
114
344696
3135
ကျွန်မအဖွဲ့နဲ့အတူ ကျွန်မတို့ ရွေးထားတဲ့ စက်ရုပ် ၂၀ ကိုထုတ်လုပ်ခဲ့ကြပြီး
05:47
that could work with me as a collective.
115
347855
1960
စုပေါင်းလျက် သူတို့နဲ့စမ်းရန် ဖြစ်ခဲ့တယ်။
05:49
They would work as a group,
116
349839
1293
သူတို့ဟာ အုပ်စုအနေနဲ့ လုပ်ကိုင်ကြမယ်၊
05:51
and together, we would collaborate with all of New York City.
117
351156
2889
သူတို့နဲ့အတူကျွန်မတို့ဟာ နယူးယောက်မြို့ တမြို့လုံးမှာ လက်တွဲ လုပ်ကိုင်ဖို့ပါ။
05:54
I was really inspired by Stanford researcher Fei-Fei Li,
118
354069
2944
Stanford သုတေသီ Fei-Fei Li ကို အားကျပါတယ်၊
05:57
who said, "if we want to teach machines how to think,
119
357037
2515
"စက်တွေကို စဉ်းစားလာအောင် သင်ချင်ရင်၊
05:59
we need to first teach them how to see."
120
359576
1984
သူတို့ကို မြင်လာနိုင်အောင် အရင် သင်ပေးဖို့ လိုအပ်မယ်။" သူက မိန့်ကြားခဲ့ပါတယ်။
06:01
It made me think of the past decade of my life in New York,
121
361584
2785
နယူးယောက်မှာ နေခဲ့တဲ့ ဆယ်နှစ်ကို ပြန်စဉ်းစားလာရတယ်၊
06:04
and how I'd been all watched over by these surveillance cameras around the city.
122
364393
3993
တမြို့လုံးမှာ စောင့်ကြည့်ရေး ကင်မရာတွေကို မှတ်မိတယ်။
06:08
And I thought it would be really interesting
123
368410
2056
အဲဒါတွေ အားလုံးကို ကျွန်မရဲ့ စက်ရုပ်တွေကို
06:10
if I could use them to teach my robots to see.
124
370490
2405
သင်ပေးဖို့ သုံးနိုင်ရင် ကောင်းမှာပဲလို့ စိတ်ကူးရမိတယ်။
06:12
So with this project,
125
372919
1888
အဲဒီလို ပရိုဂျက်ကို စဉ်းစားရင်း၊
06:14
I thought about the gaze of the machine,
126
374831
1967
စက်တွေ စောင့်ကြည့်နေပုံကို စိတ်ကူးလျက်
06:16
and I began to think about vision as multidimensional,
127
376822
3226
အမြင်အကြောင်းကို မာလ်တီအမြင်မျိုးဖြင့် စစဉ်းစားလာတယ်၊
06:20
as views from somewhere.
128
380072
1600
တစ်နေရာမှ မြင်ရတဲ့ အမြင်မျိုးလိုပါ။
ကျွန်မတို့ ဗွီဒီယိုတွေကို စစုဆောင်းတယ်၊
06:22
We collected video
129
382151
1834
06:24
from publicly available camera feeds on the internet
130
384009
3063
အင်တာနက်မှာ ရနိုင်တဲ့ အများပြည်သူဆိုင်ရာတွေပါ၊
လူတွေ လမ်းပေါ်မှာ လမ်းလျှောက်နေကြပုံ၊
06:27
of people walking on the sidewalks,
131
387096
1690
06:28
cars and taxis on the road,
132
388810
1712
ကားတွေ၊ တက္ကစီတွေ စသဖြင့်
06:30
all kinds of urban movement.
133
390546
1817
မြို့ပြ လှုပ်ရှားမှု ပုံတွေမျိုးစုံပေါ့။
အဲဒါမျိုးကို မြင်နိုင်တဲ့ မြင်မှု အယ်လဂိုရီသမ်ကို ပြုစုခဲ့ကြတယ်
06:33
We trained a vision algorithm on those feeds
134
393188
2603
06:35
based on a technique called "optical flow,"
135
395815
2286
"optical flow" လို့ခေါ်တဲ့ နည်းပညာကို အခြေခံခဲ့ကြတယ်၊
06:38
to analyze the collective density,
136
398125
1977
မြို့ပြများထဲက စုပေါင်းသိပ်သည်းဆကို၊
06:40
direction, dwell and velocity states of urban movement.
137
400126
3637
လူတွေရဲ့ ဦးတည်ချက်ကို၊ နေထိုင်ပုံနဲ့ အရှိန်အဟုန် စသဖြင့် ဆန်းစစ်ခဲ့ကြတယ်။
06:44
Our system extracted those states from the feeds as positional data
138
404178
4269
ကျွန်မတို့ စနစ်က အနေအထားမျိုးစုံထဲကနေပြီး အဲဒီလို အချက်တွေကို ထုတ်ယူပေးခဲ့လို့
06:48
and became pads for my robotic units to draw on.
139
408471
3373
အဲဒါတွေဟာ ကျွန်မရဲ့ စက်ရုပ်တွေ ပုံဆွဲရန် သင်ပုန်းလို ဖြစ်လာကြတယ်။
06:51
Instead of a collaboration of one-to-one,
140
411868
2534
ကျွန်မတို့ဟာ တစ်ဦးနဲ့ တစ်ဦး လက်တွဲဆောင်ရွက်မှုအစား
06:54
we made a collaboration of many-to-many.
141
414426
3024
အများက အများနဲ့ လက်တွဲဆောင်ရွက်မှုကို တီထွင်ခဲ့ကြတယ်။
06:57
By combining the vision of human and machine in the city,
142
417474
3587
မြို့ထဲရှိ လူသားနဲ့ စက်ရဲ့ အမြင်ကို ပေါင်းပေးလိုက်ခြင်းဖြင့်
ရှုခင်းပန်းချီကား ဆိုတာ ဘယ်လိုဖြစ်နိုင် ကြောင်းကို ပြန်လည်ပုံဖော်ခဲ့ကြတယ်။
07:01
we reimagined what a landscape painting could be.
143
421085
2794
07:03
Throughout all of my experiments with D.O.U.G.,
144
423903
2218
D.O.U.G. နဲ့ ကျွန်မလုပ်ခဲ့သမျှ စမ်းသပ်မှုများအားလုံးတို့ဟာ
07:06
no two performances have ever been the same.
145
426145
2717
တူညီတာဆိုလို့ တကြိမ်ဘူးမှ မရှိခဲ့ဘူးပါ။
07:08
And through collaboration,
146
428886
1382
လက်တွဲပူးပေါင်းမှုရဲ့ ကျေးဇူးကြောင့်
07:10
we create something that neither of us could have done alone:
147
430292
2864
ကျွန်မတို့ ဘယ်သူာမှ ဖန်တီးနိုင်ခဲ့မှာ မဟုတ်တာကို ဖန်တီးနိုင်ခဲ့ကြတယ်-
07:13
we explore the boundaries of our creativity,
148
433180
2611
ကျွန်မတို့ရဲ့ ကျုပ်တို့၊ လူသားနဲ့ လူသားမဟုတ်သူတို့ရဲ့
07:15
human and nonhuman working in parallel.
149
435815
2892
တီထွင်ဖန်တီးမှုရဲ့ ဘောင်ကို စူးစမ်းနိုင်ခဲ့ကြတယ်။
07:19
I think this is just the beginning.
150
439823
2334
ကျွန်မအတွက် ဒါဟာ အစပဲ ရှိပါသေးတယ်။
07:22
This year, I've launched Scilicet,
151
442569
2183
ဒီနှစ်ထဲတွင် ကျွန်မဟာ Scilicet ကိုစတင်ခဲ့တယ်၊
07:24
my new lab exploring human and interhuman collaboration.
152
444776
4245
လူသားနှင့်လူသားချင်းကြားက ပူးပေါင်းဆောင် ရွက်မှုကိုစူးစမ်းမယ့် ဓာတ်ခွဲခန်းသစ်ပါ။
07:29
We're really interested in the feedback loop
153
449339
2120
လူတစ်ဦးချင်း၊ အတုဖြစ်ကြတာနဲ့ ဂေဟစနစ်ထံမှ ရမယ့်
07:31
between individual, artificial and ecological systems.
154
451483
4230
တုံ့ပြန်ချက် ကွင်းဆက်ဟာ စိတ်ဝင်စားစရာပါ။
ကျွန်မတို့ဟာ ပတ်ဝန်းကျင်ဆိုင်ရာ လူသားနဲ့ စက်တွေထံမှ ရရှိမယ့်
07:36
We're connecting human and machine output
155
456276
2269
07:38
to biometrics and other kinds of environmental data.
156
458569
2984
ဇီဝဗေဒဆိုင်ရာ အခြား ဒေတာတွေကို စုစည်းကြပါမယ်။
07:41
We're inviting anyone who's interested in the future of work, systems
157
461577
4079
ကျွန်မတို့နဲ့အတူ လက်တွဲ စူးစမ်းရန် ကျွန်မတို့ရဲ့ အနာဂတ် အလုပ်၊ စနစ်များ၊
07:45
and interhuman collaboration
158
465680
1595
လူသားချင်း လက်တွဲပူးပေါင်းဆောင်ရွက်မှုကို
07:47
to explore with us.
159
467299
1550
စိတ်ဝင်စားသူ အားလုံးကို ဖိတ်ကြားပါတယ်။
07:48
We know it's not just technologists that have to do this work
160
468873
3405
ဒါတွေအားလုံးကို နည်းပညာရှင်တွေ သက်သက် သာမက
07:52
and that we all have a role to play.
161
472302
2103
ကျုပ်တို့ အားလုံးပါ ပါဝင် လုပ်ကိုင်ရမယ့် အခန်းကဏ္ဍတွေ ရှိပါတယ်။
07:54
We believe that by teaching machines
162
474429
2243
အစဉ်အလာအရ လူတွေ လုပ်ခဲ့ကြတဲ့
07:56
how to do the work traditionally done by humans,
163
476696
2730
အလုပ်တွေကို စက်တွေကို သင်ပေးခြင်းဖြင့်
07:59
we can explore and evolve our criteria
164
479450
2953
လူ့လက်တွေနဲ့ လုပ်လို့ ရနိုင်တာရဲ့ စံသတ်မှတ်ချက်တွေကို
08:02
of what's made possible by the human hand.
165
482427
2443
ကျွန်မတို့ စူးစမ်းနိုင်မယ်လို့ ယုံကြည်ပါတယ်။
08:04
And part of that journey is embracing the imperfections
166
484894
3493
အဲဒီလို ချီတက်ရမယ့် ခရီးထဲရဲ့ တစ်ပိုင်းက
08:08
and recognizing the fallibility of both human and machine,
167
488411
3690
လူသားတွေရော စက်တွေပါ မှားယွင်းနိုင်ကြတာကို အသိအမှတ်ပြုလျက်
08:12
in order to expand the potential of both.
168
492125
2405
နှစ်ဘက်စလုံးရဲ့ အစွမ်းအစတွေကို တိုးချဲ့ဖို့ လိုပါတယ်။
08:14
Today, I'm still in pursuit of finding the beauty
169
494919
2301
ဒီနေ့အထိ ကျွန်မဟာ အလှတရားကို လူသားထဲမှာရေ လူသားမဟုတ်တဲ့ထဲမှာပါ
08:17
in human and nonhuman creativity.
170
497244
2276
ရှာကြံဖို့ အားထုတ်နေလျက်ပါ။
08:19
In the future, I have no idea what that will look like,
171
499865
2829
အနာဂတ်တွင် အဲဒါဟာ ဘယ်လိုပုံစံမျိုး ဖြစ်မှာကို ကျွန်မ မပြောတတ်ဘူး၊
ဒါပေမဲ့ အဲဒါကို ရှာဖွေရန် ကျွန်မ သိပ်ကို စိတ်ဓာတ်ပြင်းပြနေပါတယ်။
08:23
but I'm pretty curious to find out.
172
503627
2024
08:25
Thank you.
173
505675
1151
ကျေးဇူးတင်ပါတယ်။
08:26
(Applause)
174
506850
1884
(လက်ခုပ်သံများ)
ဤဝဘ်ဆိုဒ်အကြောင်း

ဤဆိုက်သည် သင့်အား အင်္ဂလိပ်စာလေ့လာရန်အတွက် အသုံးဝင်သော YouTube ဗီဒီယိုများနှင့် မိတ်ဆက်ပေးပါမည်။ ကမ္ဘာတစ်ဝှမ်းမှ ထိပ်တန်းဆရာများ သင်ကြားပေးသော အင်္ဂလိပ်စာသင်ခန်းစာများကို သင်တွေ့မြင်ရပါမည်။ ဗီဒီယိုစာမျက်နှာတစ်ခုစီတွင် ပြသထားသည့် အင်္ဂလိပ်စာတန်းထိုးများကို နှစ်ချက်နှိပ်ပါ။ စာတန်းထိုးများသည် ဗီဒီယိုပြန်ဖွင့်ခြင်းနှင့်အတူ ထပ်တူပြု၍ လှိမ့်သွားနိုင်သည်။ သင့်တွင် မှတ်ချက်များ သို့မဟုတ် တောင်းဆိုမှုများရှိပါက ဤဆက်သွယ်ရန်ပုံစံကို အသုံးပြု၍ ကျွန်ုပ်တို့ထံ ဆက်သွယ်ပါ။

https://forms.gle/WvT1wiN1qDtmnspy7