Golan Levin makes art that looks back at you

56,800 views ・ 2009-07-30

TED


Dubbelklik op de Engelse ondertitels hieronder om de video af te spelen.

Vertaald door: Joachim Beens Nagekeken door: Els De Keyser
00:12
Hello! My name is Golan Levin.
0
12160
3000
Hallo. Mijn naam is Golan Levin.
00:15
I'm an artist and an engineer,
1
15160
2000
Ik ben kunstenaar en ingenieur.
00:17
which is, increasingly, a more common kind of hybrid.
2
17160
2000
Wat een steeds gebruikelijker combinatie is.
00:19
But I still fall into this weird crack
3
19160
3000
Maar ik val nog steeds in die nis
00:22
where people don't seem to understand me.
4
22160
2000
waar mensen me niet lijken te begrijpen.
00:24
And I was looking around and I found this wonderful picture.
5
24160
4000
Ik zocht hier en daar en vond deze prachtige afbeelding.
00:28
It's a letter from "Artforum" in 1967
6
28160
3000
Het is een brief van 'Artforum' uit 1967
00:31
saying "We can't imagine ever doing a special issue
7
31160
3000
waarin staat: "We kunnen ons niet voorstellen ooit een speciale uitgave over
00:34
on electronics or computers in art." And they still haven't.
8
34160
3000
elektronica of computers in de kunsten te maken". En ze hebben het nog nooit gedaan.
00:37
And lest you think that you all, as the digerati, are more enlightened,
9
37160
5000
Maar voordat jullie, als 'digerati', nu denken meer verlicht te zijn:
00:42
I went to the Apple iPhone app store the other day.
10
42160
3000
ik ging laatst naar de Apple iPhone app store.
00:45
Where's art? I got productivity. I got sports.
11
45160
4000
Waar staat 'kunst'? Ik zie 'productiviteit', ik zie 'sport'.
00:49
And somehow the idea that one would want to make art for the iPhone,
12
49160
4000
Het idee dat iemand kunst voor de iPhone zou willen maken,
00:53
which my friends and I are doing now,
13
53160
2000
wat mijn vrienden en ik nu doen,
00:55
is still not reflected in our understanding
14
55160
3000
is blijkbaar nog steeds niet binnengedrongen in ons begrip
00:58
of what computers are for.
15
58160
2000
van de toepassing van computers.
01:00
So, from both directions, there is kind of, I think, a lack of understanding
16
60160
2000
Dus van beide kanten is er een soort gebrek aan inzicht
01:02
about what it could mean to be an artist who uses the materials
17
62160
2000
over wat het betekent om als kunstenaar het materiaal
01:04
of his own day, or her own day,
18
64160
2000
van je eigen tijd te gebruiken.
01:06
which I think artists are obliged to do,
19
66160
2000
Ik denk dat kunstenaars verplicht zijn
01:08
is to really explore the expressive potential of the new tools that we have.
20
68160
4000
om echt onderzoek te doen naar de potentie van de nieuwe werktuigen die we hebben.
01:12
In my own case, I'm an artist,
21
72160
2000
In mijn geval, ik ben kunstenaar
01:14
and I'm really interested in
22
74160
2000
en ik ben erg geïnteresseerd
01:16
expanding the vocabulary of human action,
23
76160
2000
in het uitbreiden van de mogelijkheden van het menselijke handelen.
01:18
and basically empowering people through interactivity.
24
78160
3000
Ik wil mensen middels interactiviteit tot meer in staat stellen.
01:21
I want people to discover themselves as actors,
25
81160
3000
Ik wil dat mensen zichzelf als acteurs leren zien,
01:24
as creative actors, by having interactive experiences.
26
84160
4000
als creatieve acteurs, door middel van interactieve ervaringen.
01:28
A lot of my work is about trying to get away from this.
27
88160
3000
Veel van mijn werk gaat over het vermijden hiervan.
01:31
This a photograph of the desktop of a student of mine.
28
91160
2000
Dit is een foto van het bureaublad van een van mijn studenten.
01:33
And when I say desktop, I don't just mean
29
93160
2000
En als ik 'bureaublad' zeg, bedoel ik niet alleen
01:35
the actual desk where his mouse has worn away the surface of the desk.
30
95160
3000
het werkelijke bureau, waar de muis het oppervlak van heeft versleten,
01:38
If you look carefully, you can even see
31
98160
2000
maar als je goed kijkt, zie je zelfs
01:40
a hint of the Apple menu, up here in the upper left,
32
100160
3000
vaag het Apple-menu, hier bovenaan links,
01:43
where the virtual world has literally
33
103160
2000
waar de virtuele wereld letterlijk
01:45
punched through to the physical.
34
105160
2000
tot in de fysieke is doorgedrongen.
01:47
So this is, as Joy Mountford once said,
35
107160
4000
Dit illustreert wat Joy Mountford ooit zei:
01:51
"The mouse is probably the narrowest straw
36
111160
2000
"De muis is waarschijnlijk het dunste rietje
01:53
you could try to suck all of human expression through."
37
113160
2000
waar je alle menselijke expressie doorheen kan zuigen."
01:55
(Laughter)
38
115160
3000
(Gelach)
01:58
And the thing I'm really trying to do is enabling people to have more rich
39
118160
3000
Wat ik poog te doen, is mensen de mogelijkheid geven
02:01
kinds of interactive experiences.
40
121160
2000
om rijkere interactieve belevenissen te ondervinden.
02:03
How can we get away from the mouse and use our full bodies
41
123160
2000
Hoe kunnen we de muis achter ons laten en onze lichamen toepassen
02:05
as a way of exploring aesthetic experiences,
42
125160
3000
als methode om artistieke belevingen te onderzoeken,
02:08
not necessarily utilitarian ones.
43
128160
2000
en niet alleen functionele.
02:10
So I write software. And that's how I do it.
44
130160
3000
Ik schrijf dus software. En daarmee doe ik het.
02:13
And a lot of my experiences
45
133160
2000
Veel van mijn ervaringen
02:15
resemble mirrors in some way.
46
135160
2000
zijn ergens te vergelijken met spiegels,
02:17
Because this is, in some sense, the first way,
47
137160
2000
omdat ze op een bepaalde manier het eerste medium zijn
02:19
that people discover their own potential as actors,
48
139160
2000
waarin mensen hun potentie als acteur ontdekken,
02:21
and discover their own agency.
49
141160
2000
hun eigen vertegenwoordiging ontdekken.
02:23
By saying "Who is that person in the mirror? Oh it's actually me."
50
143160
3000
Ze zien: "Wie is die persoon in de spiegel? Oh, ik ben het zelf."
02:26
And so, to give an example,
51
146160
2000
Dus, om een voorbeeld te geven,
02:28
this is a project from last year,
52
148160
2000
dit is een project van afgelopen jaar,
02:30
which is called the Interstitial Fragment Processor.
53
150160
2000
dat 'Interstitial Fragment Processor' heet.
02:32
And it allows people to explore the negative shapes that they create
54
152160
4000
Het geeft mensen de kans de negatieve vormen te verkennen
02:36
when they're just going about their everyday business.
55
156160
3000
die ze maken als ze hun alledaagse handelingen verrichten.
02:53
So as people make shapes with their hands or their heads
56
173160
2000
Terwijl mensen vormen maken met hun handen of hoofden
02:55
and so forth, or with each other,
57
175160
2000
enzovoort, of met elkaar,
02:57
these shapes literally produce sounds and drop out of thin air --
58
177160
3000
produceren die vormen letterlijk geluiden en ontstaan ze vanuit het niets.
03:00
basically taking what's often this, kind of, unseen space,
59
180160
4000
Dus eigenlijk die ongeziene ruimte
03:04
or this undetected space, and making it something real,
60
184160
3000
of onontdekte ruimte in iets reëels vatten
03:07
that people then can appreciate and become creative with.
61
187160
3000
dat mensen kunnen waarderen en waarmee ze kunnen spelen.
03:10
So again, people discover their creative agency in this way.
62
190160
3000
Mensen ontdekken op deze manier hun creatieve representatie.
03:13
And their own personalities come out
63
193160
2000
Hun eigen persoonlijkheden komen
03:15
in totally unique ways.
64
195160
3000
op totaal unieke manieren tevoorschijn.
03:18
So in addition to using full-body input,
65
198160
3000
Naast het gebruik van input van het hele lichaam
03:21
something that I've explored now, for a while,
66
201160
2000
heb ik inmiddels het gebruik van de stem
03:23
has been the use of the voice,
67
203160
2000
al een tijd onderzocht.
03:25
which is an immensely expressive system for us, vocalizing.
68
205160
4000
Dat is een immens expressief systeem voor ons, het vocaliseren.
03:29
Song is one of our oldest ways
69
209160
2000
Gezang is een van de oudste methoden
03:31
of making ourselves heard and understood.
70
211160
3000
om van ons te laten horen en elkaar te begrijpen.
03:34
And I came across this fantastic research by Wolfgang Köhler,
71
214160
2000
Ik stuitte op dit fantastische onderzoek van Wolfgang Köhler,
03:36
the so-called father of gestalt psychology, from 1927,
72
216160
4000
de zogenaamde vader van de gestaltpsychologie, uit 1927,
03:40
who submitted to an audience like yourselves
73
220160
2000
die aan een publiek zoals jullie
03:42
the following two shapes.
74
222160
2000
de volgende twee vormen toonde.
03:44
And he said one of them is called Maluma.
75
224160
2000
Hij zei dat een ervan Maluma heet,
03:46
And one of them is called Taketa. Which is which?
76
226160
2000
en de andere Taketa. Welke is welke?
03:48
Anyone want to hazard a guess?
77
228160
4000
Wil iemand een poging wagen?
03:52
Maluma is on top. Yeah. So.
78
232160
2000
Maluma staat.. bovenaan, ja.
03:54
As he says here, most people answer without any hesitation.
79
234160
3000
Zoals hij hier zegt, antwoorden de meeste mensen zonder aarzeling.
03:57
So what we're really seeing here is a phenomenon
80
237160
2000
Dus wat we hier zien, is het fenomeen
03:59
called phonaesthesia,
81
239160
2000
dat men fonesthesie noemt,
04:01
which is a kind of synesthesia that all of you have.
82
241160
2000
een soort synesthesie die jullie allen hebben,
04:03
And so, whereas Dr. Oliver Sacks has talked about
83
243160
2000
Dr. Oliver Sacks zei dat
04:05
how perhaps one person in a million
84
245160
2000
waar misschien één op de miljoen personen
04:07
actually has true synesthesia,
85
247160
2000
werkelijke synesthesie heeft,
04:09
where they hear colors or taste shapes, and things like this,
86
249160
2000
en de kleuren kan horen, vormen kan proeven, en dergelijke,
04:11
phonaesthesia is something we can all experience to some extent.
87
251160
2000
fonesthesie iets is dat we allemaal tot op zekere hoogte kunnen ervaren.
04:13
It's about mappings between different perceptual domains,
88
253160
3000
Het zijn verbindingen tussen verschillende zintuiglijke eigenschappen,
04:16
like hardness, sharpness, brightness and darkness,
89
256160
3000
zoals hardheid, scherpte, helderheid en donkerte,
04:19
and the phonemes that we're able to speak with.
90
259160
2000
en de fonemen waarmee we spreken.
04:21
So 70 years on, there's been some research where
91
261160
2000
Er is, 70 jaar later, onderzoek gedaan waarin
04:23
cognitive psychologists have actually sussed out
92
263160
2000
cognitieve psychologen de mate
04:25
the extent to which, you know,
93
265160
2000
hebben uitgedacht waarin
04:27
L, M and B are more associated with shapes that look like this,
94
267160
4000
L, M en B eerder worden geassocieerd met vormen als deze,
04:31
and P, T and K are perhaps more associated with shapes like this.
95
271160
4000
en P, T en K mogelijk eerder met vormen als deze worden geassocieerd.
04:35
And here we suddenly begin to have a mapping between curvature
96
275160
2000
Hier zien we plotseling de relatie in kaart gebrachte tussen kromming,
04:37
that we can exploit numerically,
97
277160
2000
die we numeriek kunnen benutten,
04:39
a relative mapping between curvature and shape.
98
279160
3000
en spraak, een relatieve relatie.
04:42
So it occurred to me, what happens if we could run these backwards?
99
282160
3000
Ik bedacht dus: wat zou er gebeuren als we dit omgekeerd toepassen?
04:45
And thus was born the project called Remark,
100
285160
2000
Zo ontstond het project 'Remark',
04:47
which is a collaboration with Zachary Lieberman
101
287160
2000
een samenwerking met Zachary Lieberman
04:49
and the Ars Electronica Futurelab.
102
289160
2000
en het Ars Electronica Futurelab.
04:51
And this is an interactive installation which presents
103
291160
2000
Dit is een interactieve installatie die
04:53
the fiction that speech casts visible shadows.
104
293160
2000
het werpen van schaduwen door spraak verbeeldt.
04:55
So the idea is you step into a kind of a magic light.
105
295160
3000
Het idee is dat je in een soort magisch licht stapt
04:58
And as you do, you see the shadows of your own speech.
106
298160
3000
en je zodoende de schaduwen van je eigen stemgeluid ziet.
05:01
And they sort of fly away, out of your head.
107
301160
2000
Ze vliegen als het ware uit je mond.
05:03
If a computer speech recognition system
108
303160
3000
Als de spraakherkenningssoftware
05:06
is able to recognize what you're saying, then it spells it out.
109
306160
4000
uitvogelt wat je zegt, dan spelt het de woorden.
05:10
And if it isn't then it produces a shape which is very phonaesthetically
110
310160
2000
Als het dat niet kan, dan produceert het het een vorm die
05:12
tightly coupled to the sounds you made.
111
312160
2000
fonestethisch erg dicht bij de klank van het geluid ligt.
05:14
So let's bring up a video of that.
112
314160
3000
Laten we er een video van bekijken.
06:03
(Applause)
113
363160
2000
(Applaus)
06:05
Thanks. So. And this project here,
114
365160
3000
Bedankt. Met dit project
06:08
I was working with the great abstract vocalist, Jaap Blonk.
115
368160
3000
werkte ik samen met de grote abstracte stemkunstenaar Jaap Blonk.
06:11
And he is a world expert in performing "The Ursonate,"
116
371160
3000
Hij is wereldwijd expert in de uitvoering van de 'Ursonate',
06:14
which is a half-an-hour nonsense poem
117
374160
2000
een half uur durend onzingedicht
06:16
by Kurt Schwitters, written in the 1920s,
118
376160
2000
van Kurt Schwitters, uit de jaren '20.
06:18
which is half an hour of very highly patterned nonsense.
119
378160
4000
Het is een half uur vol zeer gecompliceerde nonsens.
06:22
And it's almost impossible to perform.
120
382160
2000
Het is bijna onmogelijk voor te dragen.
06:24
But Jaap is one of the world experts in performing it.
121
384160
3000
Maar Jaap is een van de internationale experts.
06:27
And in this project we've developed
122
387160
2000
Binnen dit project ontwikkelden we
06:29
a form of intelligent real-time subtitles.
123
389160
3000
een vorm van intelligente real-time ondertiteling.
06:32
So these are our live subtitles,
124
392160
3000
Het zijn live ondertitels
06:35
that are being produced by a computer that knows the text of "The Ursonate" --
125
395160
3000
die worden aangemaakt door een computer die de 'Ursonate'-tekst kent,
06:38
fortunately Jaap does too, very well --
126
398160
3000
die Jaap gelukkig ook erg goed kent,
06:41
and it is delivering that text at the same time as Jaap is.
127
401160
5000
en het presenteert de tekst op hetzelfde moment als Jaap.
06:53
So all the text you're going to see
128
413160
2000
Dus alle tekst die je te zien krijgt,
06:55
is real-time generated by the computer,
129
415160
2000
wordt real-time berekend door de computer,
06:57
visualizing what he's doing with his voice.
130
417160
3000
en visualiseert wat Jaap doet met zijn stem.
08:10
Here you can see the set-up where there is a screen with the subtitles behind him.
131
490160
3000
Hier kun je de installatie zien, met het scherm met ondertiteling achter hem.
08:34
Okay. So ...
132
514160
2000
Oke. Dus...
08:36
(Applause)
133
516160
5000
(Applaus)
08:41
The full videos are online if you are interested.
134
521160
2000
De volledige video's zijn online te zien, mocht je geïnteresseerd zijn.
08:43
I got a split reaction to that during the live performance,
135
523160
2000
Ik kreeg een gemengde reactie toen ik deze performance live liet zien.
08:45
because there is some people who understand
136
525160
2000
Omdat er enkele mensen zijn die begrijpen dat
08:47
live subtitles are a kind of an oxymoron,
137
527160
2000
live ondertiteling een oxymoron is.
08:49
because usually there is someone making them afterwards.
138
529160
3000
Want over het algemeen maakt iemand ze na afloop.
08:52
And then a bunch of people who were like, "What's the big deal?
139
532160
3000
En verder was er een groep mensen die reageerden met "Nou, en?"
08:55
I see subtitles all the time on television."
140
535160
2000
Ik zie constant ondertiteling op tv."
08:57
You know? They don't imagine the person in the booth, typing it all.
141
537160
3000
Begrijp je? Ze kunnen zich de persoon die alles typt niet voorstellen.
09:00
So in addition to the full body, and in addition to the voice,
142
540160
3000
Dus naast het lichaam, en naast de stem,
09:03
another thing that I've been really interested in,
143
543160
2000
is er iets anders waar ik erg door geboeid ben
09:05
most recently, is the use of the eyes,
144
545160
2000
de laatste tijd, het gebruik van de ogen,
09:07
or the gaze, in terms of how people relate to each other.
145
547160
4000
of de blik, wat de omgang tussen mensen betreft.
09:11
It's a really profound amount of nonverbal information
146
551160
2000
Het is een serieuze hoeveelheid van non-verbale informatie
09:13
that's communicated with the eyes.
147
553160
2000
die via de ogen wordt overgebracht.
09:15
And it's one of the most interesting technical challenges
148
555160
2000
Het is een van de meest boeiende technische uitdagingen
09:17
that's very currently active in the computer sciences:
149
557160
2000
die de computerwetenschap heden bezighouden.
09:19
being able to have a camera that can understand,
150
559160
2000
De mogelijkheid over een camera te beschikken die kan begrijpen
09:21
from a fairly big distance away,
151
561160
2000
wat zich op een aardig grote afstand afspeelt.
09:23
how these little tiny balls are actually pointing in one way or another
152
563160
3000
Hoe die kleine ballen eigenlijk in een richting wijzen
09:26
to reveal what you're interested in,
153
566160
2000
en onthullen wat je interesseert,
09:28
and where your attention is directed.
154
568160
2000
en waar je aandacht op gericht is.
09:30
So there is a lot of emotional communication that happens there.
155
570160
3000
Er is daar dus een hoop emotionele communicatie aan het werk.
09:33
And so I've been beginning, with a variety of different projects,
156
573160
4000
Ik begin te begrijpen, door middel van verschillende projecten,
09:37
to understand how people can relate to machines with their eyes.
157
577160
3000
hoe mensen via hun ogen met machines om kunnen gaan.
09:40
And basically to ask the questions:
158
580160
3000
Ik begon me af te vragen
09:43
What if art was aware that we were looking at it?
159
583160
5000
"Wat als kunst zich ervan bewust was dat ze bekeken wordt?"
09:48
How could it respond, in a way,
160
588160
2000
Hoe zou ze als het ware reageren
09:50
to acknowledge or subvert the fact that we're looking at it?
161
590160
3000
op het erkennen of negeren van het feit dat we ernaar kijken?
09:53
And what could it do if it could look back at us?
162
593160
3000
Wat zou ze doen als ze terug kon kijken?
09:56
And so those are the questions that are happening in the next projects.
163
596160
2000
Dit zijn dus vragen die meespelen bij de volgende projecten.
09:58
In the first one which I'm going to show you, called Eyecode,
164
598160
3000
In het eerste dat ik toon, genaamd 'Eyecode',
10:01
it's a piece of interactive software
165
601160
2000
is het een stuk interactieve software
10:03
in which, if we read this little circle,
166
603160
2000
Het werkt zoals we in deze cirkel zien:
10:05
"the trace left by the looking of the previous observer
167
605160
3000
"het spoor dat is achtergelaten door het kijken van de vorige toeschouwer
10:08
looks at the trace left by the looking of previous observer."
168
608160
3000
kijkt naar het spoor dat is achtergelaten door het kijken van de vorige toeschouwer."
10:11
The idea is that it's an image wholly constructed
169
611160
2000
Het idee dat een afbeelding volledig bestaat uit
10:13
from its own history of being viewed
170
613160
2000
haar eigen geschiedenis van het bekeken worden
10:15
by different people in an installation.
171
615160
2000
door verschillende mensen binnen een installatie.
10:17
So let me just switch over so we can do the live demo.
172
617160
5000
Dus laat me even overschakelen naar de 'live demo'.
10:22
So let's run this and see if it works.
173
622160
4000
Eens kijken of dit gaat werken.
10:26
Okay. Ah, there is lots of nice bright video.
174
626160
3000
Oké. Ah, er is genoeg mooie heldere video.
10:29
There is just a little test screen that shows that it's working.
175
629160
2000
Daar is een klein testscherm dat laat zien dat het werkt.
10:31
And what I'm just going to do is -- I'm going to hide that.
176
631160
2000
Ik zal dat nu even verbergen.
10:33
And you can see here that what it's doing
177
633160
2000
Je kunt hier zien wat het doet,
10:35
is it's recording my eyes every time I blink.
178
635160
3000
het registreert mijn ogen telkens wanneer ik knipper.
10:44
Hello? And I can ... hello ... okay.
179
644160
4000
Hallo? En dan kan ik .. hallooo .. oké.
10:48
And no matter where I am, what's really going on here
180
648160
2000
Waar ik ook ben, wat er werkelijk gebeurt
10:50
is that it's an eye-tracking system that tries to locate my eyes.
181
650160
3000
is dat een oogregistratiesysteem mijn ogen probeert te vinden.
10:53
And if I get really far away I'm blurry.
182
653160
2000
Wanneer ik verder weg loop, wordt het onscherper.
10:55
You know, you're going to have these kind of blurry spots like this
183
655160
2000
Je krijgt van dat soort vage vlekken als deze
10:57
that maybe only resemble eyes in a very very abstract way.
184
657160
3000
die op een abstracte manier misschien ogen voorstellen.
11:00
But if I come up really close and stare directly at the camera
185
660160
3000
Maar als ik echt dichtbij kom en direct in de camera staar
11:03
on this laptop then you'll see these nice crisp eyes.
186
663160
2000
in deze laptop, dan krijg je van deze mooi scherpe ogen.
11:05
You can think of it as a way of, sort of, typing, with your eyes.
187
665160
4000
Je kunt het zien als een soort van typen met je ogen.
11:09
And what you're typing are recordings of your eyes
188
669160
2000
Wat je typt, zijn eigenlijk registraties van je ogen
11:11
as you're looking at other peoples' eyes.
189
671160
2000
terwijl je naar de ogen van anderen kijkt.
11:13
So each person is looking at the looking
190
673160
3000
Dus iedere persoon kijkt naar het kijken
11:16
of everyone else before them.
191
676160
2000
van iedereen voor hem.
11:18
And this exists in larger installations
192
678160
2000
Dit vindt plaats in grotere installaties
11:20
where there are thousands and thousands of eyes
193
680160
2000
waar er duizenden en duizenden ogen zijn
11:22
that people could be staring at,
194
682160
2000
waar mensen naar zouden kunnen staren
11:24
as you see who's looking at the people looking
195
684160
2000
wanneer ze bekijken hoe andere mensen keken
11:26
at the people looking before them.
196
686160
2000
naar de mensen voor hen.
11:28
So I'll just add a couple more. Blink. Blink.
197
688160
3000
Ik voeg er nog maar enkele toe. Knipper. Knipper.
11:31
And you can see, just once again, how it's sort of finding my eyes
198
691160
3000
Je kunt weer zien hoe het probeert mijn ogen te vinden,
11:34
and doing its best to estimate when it's blinking.
199
694160
3000
en zijn best doet in te schatten wanneer ze knipperen.
11:37
Alright. Let's leave that.
200
697160
2000
Oké, genoeg daarover.
11:39
So that's this kind of recursive observation system.
201
699160
3000
Dat is dus een soort van recursief observatiesysteem.
11:42
(Applause)
202
702160
2000
(Applaus)
11:44
Thank you.
203
704160
2000
Dank je wel.
11:46
The last couple pieces I'm going to show
204
706160
2000
De laatste paar dingen die ik laat zien
11:48
are basically in the new realm of robotics -- for me, new for me.
205
708160
2000
zijn binnen het nieuwe domein van de robotica eigenlijk nieuw voor mij.
11:50
It's called Opto-Isolator.
206
710160
2000
Het heet 'Opto-Isolator'.
11:52
And I'm going to show a video of the older version of it,
207
712160
3000
Ik laat een video zien van de oudere versie,
11:55
which is just a minute long. Okay.
208
715160
2000
die slechts een minuut duurt. Oké.
12:06
In this case, the Opto-Isolator is blinking
209
726160
2000
In dit geval knippert de 'Opto-Isolator'
12:08
in response to one's own blinks.
210
728160
2000
als reactie op het geknipper van iemand.
12:10
So it blinks one second after you do.
211
730160
3000
Het knippert dus een seconde nadat jij blinkt.
12:13
This is a device which is intended to reduce
212
733160
3000
Dit apparaat probeert dus
12:16
the phenomenon of gaze down to the simplest possible materials.
213
736160
3000
het fenomeen van het staren tot de eenvoudigste materialen te reduceren.
12:19
Just one eye,
214
739160
2000
Slechts één oog,
12:21
looking at you, and eliminating everything else about a face,
215
741160
2000
dat naar je kijkt, en de rest van het gelaat is geëlimineerd,
12:23
but just to consider gaze in an isolated way
216
743160
3000
om het staren zelf dus te reduceren
12:26
as a kind of, as an element.
217
746160
3000
tot de meest elementaire vorm.
12:29
And at the same time, it attempts to engage in what you might call
218
749160
3000
Tegelijkertijd probeert het zogenaamde
12:32
familiar psycho-social gaze behaviors.
219
752160
2000
normatieve psychosociale kijkpatronen toe te passen.
12:34
Like looking away if you look at it too long
220
754160
2000
Zoals wegkijken wanneer je te lang kijkt,
12:36
because it gets shy,
221
756160
2000
omdat het verlegen wordt.
12:38
or things like that.
222
758160
3000
En dat soort dingen.
12:41
Okay. So the last project I'm going to show
223
761160
3000
Oke. Het laatste wat ik laat zien,
12:44
is this new one called Snout.
224
764160
3000
is een nieuw project genaamd 'Snout'.
12:47
(Laughter)
225
767160
2000
(Gelach)
12:49
It's an eight-foot snout,
226
769160
2000
Het is een 2,4 meter lange snuit
12:51
with a googly eye.
227
771160
2000
met een koekeloerend oog.
12:53
(Laughter)
228
773160
1000
(Gelach)
12:54
And inside it's got an 800-pound robot arm
229
774160
3000
Binnenin zit een 360 kilo zware robotarm
12:57
that I borrowed,
230
777160
2000
die ik heb geleend
12:59
(Laughter)
231
779160
1000
(Gelach)
13:00
from a friend.
232
780160
2000
van een vriend.
13:02
(Laughter)
233
782160
1000
(Gelach)
13:03
It helps to have good friends.
234
783160
2000
Het helpt goede vrienden te hebben.
13:05
I'm at Carnegie Mellon; we've got a great Robotics Institute there.
235
785160
3000
Ik ben verbonden aan Carnegie Mellon. We hebben daar een geweldige Robotica-afdeling.
13:08
I'd like to show you thing called Snout, which is --
236
788160
2000
Ik wil jullie deze zogenaamde 'Snuit' laten zien, wat --
13:10
The idea behind this project is to
237
790160
2000
Het achterliggende idee van dit project is
13:12
make a robot that appears as if it's continually surprised to see you.
238
792160
4000
een robot te maken die continu verbaasd lijkt te zijn je te zien.
13:16
(Laughter)
239
796160
4000
(Gelach)
13:20
The idea is that basically --
240
800160
2000
Het idee is eigenlijk
13:22
if it's constantly like "Huh? ... Huh?"
241
802160
2000
dat het constant "Huh? ... Huh?" lijkt te doen.
13:24
That's why its other name is Doubletaker, Taker of Doubles.
242
804160
4000
Daarom is zijn andere naam 'Doubletaker', 'Taker of Doubles'.
13:28
It's always kind of doing a double take: "What?"
243
808160
2000
Er is altijd een soort double take, een uitgestelde reactie: "Wat?".
13:30
And the idea is basically, can it look at you
244
810160
2000
Het idee is eigenlijk het te laten kijken
13:32
and make you feel as if like,
245
812160
2000
en je een gevoel te geven van
13:34
"What? Is it my shoes?"
246
814160
2000
"Wat? Zijn het mijn schoenen?"
13:36
"Got something on my hair?" Here we go. Alright.
247
816160
3000
"Heb ik iets in mijn haar?" Hier gaat 'ie. Oké.
14:10
Checking him out ...
248
850160
2000
Hij bekijkt hem goed...
14:20
For you nerds, here's a little behind-the-scenes.
249
860160
2000
Voor de nerds is hier kijkje achter de schermen.
14:22
It's got a computer vision system,
250
862160
2000
Het heeft een kunstmatig kijksysteem
14:24
and it tries to look at the people who are moving around the most.
251
864160
3000
en het probeert naar de meest bewegende personen te kijken.
14:39
Those are its targets.
252
879160
2000
Dat zijn zijn doelwitten.
14:42
Up there is the skeleton,
253
882160
2000
Daar is ook het skelet te zien,
14:44
which is actually what it's trying to do.
254
884160
3000
hoe het in werkelijkheid beweegt.
14:54
It's really about trying to create a novel body language for a new creature.
255
894160
3000
Het gaat om het ontwikkelen van een oorspronkelijke lichaamstaal voor een nieuw wezen.
14:57
Hollywood does this all the time, of course.
256
897160
2000
Hollywood doet dit natuurlijk voortdurend.
14:59
But also have the body language communicate something
257
899160
2000
Maar bovendien de lichaamstaal iets laten meedelen
15:01
to the person who is looking at it.
258
901160
2000
aan de persoon die ernaar kijkt.
15:03
This language is communicating that it is surprised to see you,
259
903160
2000
Deze taal deelt mee dat het verbaasd is je te zien,
15:05
and it's interested in looking at you.
260
905160
3000
en dat het geïnteresseerd in je is.
15:08
(Laughter)
261
908160
2000
(Gelach)
15:10
(Applause)
262
910160
9000
(Applaus)
15:19
Thank you very much. That's all I've got for today.
263
919160
2000
Hartelijk bedankt. Dat is alles wat ik heb voor vandaag.
15:21
And I'm really happy to be here. Thank you so much.
264
921160
3000
Ik ben erg blij hier te zijn. Heel erg bedankt.
15:24
(Applause)
265
924160
3000
(Applaus)
Over deze website

Deze site laat u kennismaken met YouTube-video's die nuttig zijn om Engels te leren. U ziet Engelse lessen gegeven door topdocenten uit de hele wereld. Dubbelklik op de Engelse ondertitels op elke videopagina om de video af te spelen. De ondertitels scrollen synchroon met het afspelen van de video. Heeft u opmerkingen of verzoeken, neem dan contact met ons op via dit contactformulier.

https://forms.gle/WvT1wiN1qDtmnspy7