Can a computer write poetry? | Oscar Schwartz

89,886 views ・ 2016-02-10

TED


Por favor, clique duas vezes nas legendas em inglês abaixo para reproduzir o vídeo.

Tradutor: Gustavo Rocha Revisor: Maricene Crus
00:12
I have a question.
0
12881
1230
Eu tenho uma pergunta.
00:15
Can a computer write poetry?
1
15422
1943
Um computador consegue escrever poesia?
00:18
This is a provocative question.
2
18959
2077
É uma pergunta provocativa.
00:21
You think about it for a minute,
3
21715
1718
Se você pensar nela por um minuto,
00:23
and you suddenly have a bunch of other questions like:
4
23457
2590
de repente vêm várias outras perguntas como:
00:26
What is a computer?
5
26769
1381
o que é um computador?
00:28
What is poetry?
6
28710
1575
O que é poesia?
00:30
What is creativity?
7
30707
1689
O que é criatividade?
00:33
But these are questions
8
33650
1172
Mas essas são perguntas
00:34
that people spend their entire lifetime trying to answer,
9
34846
3070
que pessoas passaram a vida inteira tentado responder,
00:37
not in a single TED Talk.
10
37940
2224
não numa única palestra TED.
00:40
So we're going to have to try a different approach.
11
40188
2445
Então vamos ter que tentar uma abordagem diferente.
00:42
So up here, we have two poems.
12
42657
2143
Aqui nós temos dois poemas.
00:45
One of them is written by a human,
13
45839
2276
Um deles foi escrito por um humano,
00:48
and the other one's written by a computer.
14
48139
2102
e o outro escrito por um computador.
00:50
I'm going to ask you to tell me which one's which.
15
50754
2410
Vou pedir que vocês digam qual é qual.
00:53
Have a go:
16
53858
1156
Tentem:
00:55
Poem 1: Little Fly / Thy summer's play, / My thoughtless hand / Has brush'd away.
17
55038
4056
Poema 1: Mosquinha / Tua peça de verão, / Minha mão descuidada / A afastou.
Será que não sou / uma mosquinha também? / Ou será que és / Um homem como eu?
00:59
Am I not / A fly like thee? / Or art not thou / A man like me?
18
59118
3394
01:02
Poem 2: We can feel / Activist through your life's / morning /
19
62536
3299
Poema 2: Podemos sentir-nos / Ativistas por nossas vidas / manhãs /
01:05
Pauses to see, pope I hate the / Non all the night to start a / great otherwise (...)
20
65859
4247
Pausa para ver, papa odeio / Não a noite para começar uma grande a não ser (...)
Certo, acabou o tempo.
01:10
Alright, time's up.
21
70130
1359
01:11
Hands up if you think Poem 1 was written by a human.
22
71513
4096
Levantem a mão se pensam que o poema 1 foi escrito por um humano.
01:17
OK, most of you.
23
77547
1490
Certo, a maioria.
01:19
Hands up if you think Poem 2 was written by a human.
24
79061
3023
Levantem a mão se pensam que o poema 2 foi escrito por um humano.
01:23
Very brave of you,
25
83172
1190
Muito corajosos vocês,
01:24
because the first one was written by the human poet William Blake.
26
84855
4285
porque o primeiro foi escrito pelo poeta humano William Blake.
01:29
The second one was written by an algorithm
27
89784
2949
O segundo foi escrito por um algoritmo
01:32
that took all the language from my Facebook feed on one day
28
92757
3692
que pegou toda a linguagem da minha página do Facebook em um dia
01:36
and then regenerated it algorithmically,
29
96473
2763
e a regenerou com um algoritmo,
01:39
according to methods that I'll describe a little bit later on.
30
99260
3590
de acordo com métodos que vou descrever mais adiante.
01:43
So let's try another test.
31
103218
2404
Vamos tentar outro teste.
01:46
Again, you haven't got ages to read this,
32
106398
2093
De novo, vocês não têm muito tempo para ler,
01:48
so just trust your gut.
33
108515
1612
então confiem no seu instinto.
01:50
Poem 1: A lion roars and a dog barks. It is interesting / and fascinating
34
110151
4045
Poema 1: Um leão urra e um cachorro late. É interessante / e fascinante
01:54
that a bird will fly and not / roar or bark. Enthralling stories about animals
35
114220
4303
que uma ave voa e não / urra ou late. Histórias fascinantes sobre animais
01:58
are in my dreams and I will sing them all if I / am not exhausted or weary.
36
118547
4060
estão em meus sonhos e vou cantá-las todas se eu / não estiver cansado ou exausto.
02:02
Poem 2: Oh! kangaroos, sequins, chocolate sodas! / You are really beautiful!
37
122631
3985
Poema 2: Oh! cangurus, lantejoulas, chocolate! / Vocês são muito bonitos!
02:06
Pearls, / harmonicas, jujubes, aspirins! All / the stuff they've always talked about (...)
38
126640
4358
Pérolas, / gaitas, jujubas, aspirinas! Todas / as coisas de sempre falaram (...)
Certo, acabou o tempo.
02:11
Alright, time's up.
39
131022
1158
02:12
So if you think the first poem was written by a human,
40
132204
3137
Se vocês acham que o primeiro poema foi escrito por um humano,
02:15
put your hand up.
41
135365
1215
levantem a mão.
02:17
OK.
42
137687
1154
Certo.
02:18
And if you think the second poem was written by a human,
43
138865
2675
E se pensam que o segundo poema foi escrito por um humano,
02:21
put your hand up.
44
141564
1155
levantem a mão.
02:23
We have, more or less, a 50/50 split here.
45
143779
3810
Temos, mais ou menos, uma divisão 50/50.
02:28
It was much harder.
46
148157
1436
Estava mais difícil.
02:29
The answer is,
47
149617
1712
A resposta é:
02:31
the first poem was generated by an algorithm called Racter,
48
151353
3483
o primeiro poema foi gerado por um algoritmo chamado Racter,
02:34
that was created back in the 1970s,
49
154860
3002
que foi criado na década de 70,
02:37
and the second poem was written by a guy called Frank O'Hara,
50
157886
3189
e o segundo poema foi escrito por um cara chamado Frank O'Hara,
02:41
who happens to be one of my favorite human poets.
51
161099
2668
que, por acaso, é um dos meus poetas humanos favoritos.
02:44
(Laughter)
52
164631
3058
(Risos)
02:48
So what we've just done now is a Turing test for poetry.
53
168046
3228
E o que acabamos de fazer agora foi um teste de Turin para poesia.
02:52
The Turing test was first proposed by this guy, Alan Turing, in 1950,
54
172018
4547
O teste de Turin foi proposto por esse cara, Alan Turing em 1950,
02:56
in order to answer the question,
55
176589
1564
a fim de responder a pergunta:
02:58
can computers think?
56
178177
1637
os computadores conseguem pensar?
03:00
Alan Turing believed that if a computer was able
57
180245
2770
Alan Turing acreditava que se um computador fosse capaz
de ter uma conversa em texto com um ser humano,
03:03
to have a to have a text-based conversation with a human,
58
183039
3078
03:06
with such proficiency such that the human couldn't tell
59
186141
2770
com tal proficiência que o ser humano não saberia
03:08
whether they are talking to a computer or a human,
60
188935
2966
se estava falando com um computador ou com um ser humano,
03:11
then the computer can be said to have intelligence.
61
191925
2856
assim se diria que o computador tinha inteligência.
03:15
So in 2013, my friend Benjamin Laird and I,
62
195270
3295
E em 2013, meu amigo Benjamin Laird e eu,
03:18
we created a Turing test for poetry online.
63
198589
2988
nós criamos um teste de Turing para poesia on-line.
03:21
It's called bot or not,
64
201601
1277
Ele se chama "bot or not",
03:22
and you can go and play it for yourselves.
65
202902
2044
e vocês podem ir e tentar vocês mesmos.
03:24
But basically, it's the game we just played.
66
204970
2251
Mas basicamente é o jogo que acabamos de jogar.
03:27
You're presented with a poem,
67
207245
1528
É apresentado um poema,
03:28
you don't know whether it was written by a human or a computer
68
208797
3028
você não sabe se foi escrito por um ser humano ou por um computador
03:31
and you have to guess.
69
211849
1166
e você tem que adivinhar.
03:33
So thousands and thousands of people have taken this test online,
70
213039
3191
Milhares e milhares de pessoas já fizeram esse teste online,
03:36
so we have results.
71
216254
1449
e temos os resultados.
03:37
And what are the results?
72
217727
1428
E quais são os resultados?
03:39
Well, Turing said that if a computer could fool a human
73
219704
2879
Bem, Turing dizia que se um computador conseguisse enganar um humano
03:42
30 percent of the time that it was a human,
74
222607
3019
30% das vezes como se fosse um humano,
03:45
then it passes the Turing test for intelligence.
75
225650
2397
então ele passaria o teste de Turing de inteligência.
03:48
We have poems on the bot or not database
76
228625
2438
Nós temos poemas no banco de dados do "bot or not"
03:51
that have fooled 65 percent of human readers into thinking
77
231087
2979
que enganaram 65% dos humanos leitores a pensarem
03:54
it was written by a human.
78
234090
1395
que tinha sido escrito por um humano.
03:55
So, I think we have an answer to our question.
79
235959
2817
Bem, acho que temos uma resposta para a nossa pergunta.
03:59
According to the logic of the Turing test,
80
239546
2348
De acordo com a lógica do teste de Turing,
04:01
can a computer write poetry?
81
241918
1928
um computador consegue escrever poesia?
04:03
Well, yes, absolutely it can.
82
243870
2351
Bem, sim, absolutamente.
04:07
But if you're feeling a little bit uncomfortable
83
247782
2346
Mas se você estiver se sentindo um pouco desconfortável
04:10
with this answer, that's OK.
84
250152
1927
com essa resposta, tudo bem.
04:12
If you're having a bunch of gut reactions to it,
85
252103
2316
Se você estiver tendo uma reação instintiva,
04:14
that's also OK because this isn't the end of the story.
86
254443
3205
também está tudo bem porque esse não é o final da história.
04:18
Let's play our third and final test.
87
258594
2324
Vamos fazer nosso terceiro e último teste.
04:22
Again, you're going to have to read
88
262000
1750
De novo, vocês vão ter que ler
04:23
and tell me which you think is human.
89
263774
1909
e me dizer qual vocês acham que é humano.
04:25
Poem 1: Red flags the reason for pretty flags. / And ribbons.
90
265707
3718
Poema 1: O vermelho indica a razão para bandeiras bonitas. / e laços.
04:29
Ribbons of flags / And wearing material / Reasons for wearing material. (...)
91
269449
4321
laços de bandeiras / Material de vestir / Razões para vestir o material. (...)
04:33
Poem 2: A wounded deer leaps highest, / I've heard the daffodil
92
273794
3918
Poema 2: Um cervo salta mais alto, / Eu escutei o narciso
04:37
I've heard the flag to-day / I've heard the hunter tell; /
93
277736
3446
Eu escutei a bandeira hoje / Eu escutei o caçador dizer; /
04:41
'Tis but the ecstasy of death, / And then the brake is almost done (...)
94
281206
3702
Isso mas o êxtase da morte, / E então o freio está quase pronto (...)
04:44
OK, time is up.
95
284932
1599
Acabou o tempo.
04:46
So hands up if you think Poem 1 was written by a human.
96
286555
3837
Levantem a mão se vocês acham que o poema 1 foi escrito por um humano.
04:51
Hands up if you think Poem 2 was written by a human.
97
291973
3038
Levantem a mão se vocês acham que o poema 2 foi escrito por um humano.
Uau, tem muito mais gente.
04:55
Whoa, that's a lot more people.
98
295035
2331
04:58
So you'd be surprised to find that Poem 1
99
298327
2968
Vocês ficariam surpresos de saber que o poema 1
05:01
was written by the very human poet Gertrude Stein.
100
301319
3993
foi escrito pela poetisa muito humana Gertrude Stein.
05:06
And Poem 2 was generated by an algorithm called RKCP.
101
306100
5038
E o poema 2 foi gerado por um algoritmo chamado RKCP.
05:11
Now before we go on, let me describe very quickly and simply,
102
311162
3319
Agora, antes de continuar, vou descrever de maneira breve e simples,
05:14
how RKCP works.
103
314505
1781
como funciona o RKCP.
05:16
So RKCP is an algorithm designed by Ray Kurzweil,
104
316873
3850
O RKCP é um algoritmo criado por Ray Kurzweil,
05:20
who's a director of engineering at Google
105
320747
2222
que é diretor de engenharia no Google
05:22
and a firm believer in artificial intelligence.
106
322993
2360
e acredita firmemente em inteligência artificial.
05:25
So, you give RKCP a source text,
107
325822
3991
E nós damos ao RKCP um texto fonte,
05:29
it analyzes the source text in order to find out how it uses language,
108
329837
4469
ele analisa o texto fonte a fim de descobrir como a linguagem é usada,
05:34
and then it regenerates language
109
334330
1948
e então regenera linguagem que emula o primeiro texto.
05:36
that emulates that first text.
110
336302
2528
05:38
So in the poem we just saw before,
111
338854
2113
E no poema que acabamos de ver,
05:40
Poem 2, the one that you all thought was human,
112
340991
2625
o poema 2, aquele que vocês todos pensaram que era humano,
05:43
it was fed a bunch of poems
113
343640
1550
ele recebeu um monte de poemas
05:45
by a poet called Emily Dickinson
114
345214
2035
de uma poetisa chamada Emily Dickinson,
05:47
it looked at the way she used language,
115
347273
2189
observou a maneira como ela usa a linguagem,
05:49
learned the model,
116
349486
1165
aprendeu o modelo,
05:50
and then it regenerated a model according to that same structure.
117
350675
4258
e então regenerou um modelo de acordo com aquela mesma estrutura.
05:56
But the important thing to know about RKCP
118
356732
2178
Mas o importante para saber sobre o RKCP
05:58
is that it doesn't know the meaning of the words it's using.
119
358934
2838
é que ele não sabe o significado das palavras que está usando.
06:02
The language is just raw material,
120
362359
2276
A linguagem é só a matéria prima,
06:04
it could be Chinese, it could be in Swedish,
121
364659
2160
poderia ser chinês, poderia ser sueco,
06:06
it could be the collected language from your Facebook feed for one day.
122
366843
4179
poderia ser a linguagem coletada da sua página do Facebook em um dia.
06:11
It's just raw material.
123
371046
1652
É só matéria prima.
06:13
And nevertheless, it's able to create a poem
124
373380
2697
E mesmo assim, ele é capaz de criar um poema
06:16
that seems more human than Gertrude Stein's poem,
125
376101
3327
que parece mais humano do que o poema de Gertrude Stein
06:19
and Gertrude Stein is a human.
126
379452
2153
e Gertrude Stein é um ser humano.
06:22
So what we've done here is, more or less, a reverse Turing test.
127
382846
4072
E o que fizemos aqui, é mais ou menos um teste de Turing inverso.
06:27
So Gertrude Stein, who's a human, is able to write a poem
128
387940
5179
Gertrude Stein, que é um ser humano, consegue escrever um poema
06:33
that fools a majority of human judges into thinking
129
393143
3738
que engana a maioria dos seres humanos a pensar
06:36
that it was written by a computer.
130
396905
1826
que foi escrito por um computador.
06:39
Therefore, according to the logic of the reverse Turing test,
131
399176
4141
Portanto, de acordo com a lógica do teste de Turing inverso,
06:43
Gertrude Stein is a computer.
132
403341
1916
Gertrude Stein é um computador.
06:45
(Laughter)
133
405281
1462
(Risos)
06:47
Feeling confused?
134
407358
1294
Parece confuso?
06:49
I think that's fair enough.
135
409193
1515
Acho que vocês têm razão.
06:51
So far we've had humans that write like humans,
136
411546
4116
Até agora tivemos humanos que escrevem como humanos,
06:55
we have computers that write like computers,
137
415686
3111
temos computadores que escrevem como computadores,
06:58
we have computers that write like humans,
138
418821
3055
temos computadores que escrevem como humanos,
07:01
but we also have, perhaps most confusingly,
139
421900
3632
mas também temos, talvez o mais confuso,
07:05
humans that write like computers.
140
425556
2375
humanos que escrevem como computadores.
07:08
So what do we take from all of this?
141
428938
1766
E o que aprendemos com isso tudo?
07:11
Do we take that William Blake is somehow more of a human
142
431611
3157
Aprendemos que William Blake é de alguma maneira mais humano
07:14
than Gertrude Stein?
143
434792
1249
do que Gertrude Stein?
07:16
Or that Gertrude Stein is more of a computer than William Blake?
144
436065
3046
Ou que Gertrude Stein é mais computador do que William Blake?
07:19
(Laughter)
145
439135
1552
(Risos)
07:20
These are questions I've been asking myself
146
440711
2323
Essas são perguntas que eu venho me fazendo
07:23
for around two years now,
147
443058
1465
há uns dois anos,
07:24
and I don't have any answers.
148
444547
2309
e eu não tenho respostas.
07:26
But what I do have are a bunch of insights
149
446880
2330
Mas o que eu tenho são várias descobertas
07:29
about our relationship with technology.
150
449234
2534
sobre nosso relacionamento com a tecnologia.
07:32
So my first insight is that, for some reason,
151
452999
3609
E minha primeira descoberta é que, por alguma razão,
07:36
we associate poetry with being human.
152
456632
3111
nós associamos a poesia com ser humano.
07:40
So that when we ask, "Can a computer write poetry?"
153
460197
3715
Tanto que quando perguntamos: "Um computador consegue escrever poesia?"
07:43
we're also asking,
154
463936
1193
também perguntamos: "O que significa ser humano
07:45
"What does it mean to be human
155
465153
1798
07:46
and how do we put boundaries around this category?
156
466975
3172
e como definimos limites para essa categoria?
07:50
How do we say who or what can be part of this category?"
157
470171
3658
Como definimos quem ou o que pode ser parte dessa categoria?"
07:54
This is an essentially philosophical question, I believe,
158
474376
3351
Essa é uma pergunta essencialmente filosófica, acredito eu,
07:57
and it can't be answered with a yes or no test,
159
477751
2229
e não pode ser respondida com um teste sim ou não,
como o teste de Turing.
08:00
like the Turing test.
160
480004
1327
08:01
I also believe that Alan Turing understood this,
161
481805
3045
Eu também acredito que Alan Turing entendia isso,
08:04
and that when he devised his test back in 1950,
162
484874
3305
e quando ele criou seu teste em 1950,
08:08
he was doing it as a philosophical provocation.
163
488203
2802
ele o fazia como uma provocação filosófica.
08:13
So my second insight is that, when we take the Turing test for poetry,
164
493124
5541
E minha segunda descoberta é que, quando fazemos o teste de Turing para poesia,
08:18
we're not really testing the capacity of the computers
165
498689
3460
não estamos realmente testando a capacidade dos computadores,
08:22
because poetry-generating algorithms,
166
502173
2893
porque algoritmos de geração de poesia
08:25
they're pretty simple and have existed, more or less, since the 1950s.
167
505090
4563
são bem simples e já existem mais ou menos desde a década de 1950.
08:31
What we are doing with the Turing test for poetry, rather,
168
511055
3118
O que estamos fazendo com o teste de Turing para poesia, melhor,
08:34
is collecting opinions about what constitutes humanness.
169
514197
4615
é coletar opiniões sobre o que constitui a natureza humana.
08:40
So, what I've figured out,
170
520313
2729
E o que eu compreendi,
08:43
we've seen this when earlier today,
171
523066
2972
nós vimos isso hoje mais cedo,
08:46
we say that William Blake is more of a human
172
526062
2478
quando dissemos que William Blake é mais humano
08:48
than Gertrude Stein.
173
528564
1565
do que Gertrude Stein.
08:50
Of course, this doesn't mean that William Blake
174
530153
2462
Claro que isso não significa que William Blake
08:52
was actually more human
175
532639
1828
era realmente mais humano
08:54
or that Gertrude Stein was more of a computer.
176
534491
2327
ou que Gertrude Stein era mais computador.
08:57
It simply means that the category of the human is unstable.
177
537533
4714
Simplesmente significa que a categoria de humano é instável.
09:03
This has led me to understand
178
543450
2074
E isso me levou a entender
09:05
that the human is not a cold, hard fact.
179
545548
2763
que o ser humano não é um fato frio e duro.
09:08
Rather, it is something that's constructed with our opinions
180
548832
3132
Mas sim, é algo construído com nossas opiniões
09:11
and something that changes over time.
181
551988
2855
e algo que muda com o tempo.
09:16
So my final insight is that the computer, more or less,
182
556671
4479
E minha descoberta final é que o computador, mais ou menos,
09:21
works like a mirror that reflects any idea of a human
183
561174
4006
funciona como um espelho que reflete qualquer noção de humano
09:25
that we show it.
184
565204
1375
que lhe mostramos.
09:26
We show it Emily Dickinson,
185
566958
1884
Nós lhe mostramos Emily Dickinson,
09:28
it gives Emily Dickinson back to us.
186
568866
2321
ele nos devolve Emily Dickinson.
09:31
We show it William Blake,
187
571768
1834
Nós lhe mostramos William Blake,
09:33
that's what it reflects back to us.
188
573626
2285
é isso que ele reflete de volta para nós.
09:35
We show it Gertrude Stein,
189
575935
1839
Nós lhe mostramos Gertrude Stein,
09:37
what we get back is Gertrude Stein.
190
577798
2470
e o que recebemos é Gertrude Stein.
09:41
More than any other bit of technology,
191
581083
2368
Mais do que qualquer pedaço de tecnologia,
09:43
the computer is a mirror that reflects any idea of the human we teach it.
192
583475
5165
o computador é um espelho que reflete a noção de humano que lhe mostramos.
09:50
So I'm sure a lot of you have been hearing
193
590061
2287
Tenho certeza de que vários de vocês vêm escutando
09:52
a lot about artificial intelligence recently.
194
592372
2862
muito sobre inteligência artificial recentemente.
09:56
And much of the conversation is,
195
596694
2830
E muito do que se fala é:
10:00
can we build it?
196
600292
1189
será que conseguimos construí-la?
10:02
Can we build an intelligent computer?
197
602383
3135
Será que conseguimos construir um computador inteligente?
10:05
Can we build a creative computer?
198
605542
2763
Será que conseguimos construir um computador criativo?
10:08
What we seem to be asking over and over
199
608329
2113
O que parece que estamos perguntando repetidamente
10:10
is can we build a human-like computer?
200
610466
2724
é será que conseguimos construir um computador que pareça humano?
10:13
But what we've seen just now
201
613961
1556
Mas o que acabamos de ver
10:15
is that the human is not a scientific fact,
202
615541
3088
é que o ser humano não é um fato científico,
10:18
that it's an ever-shifting, concatenating idea
203
618653
3530
que é uma ideia em constante mudança e concatenação
10:22
and one that changes over time.
204
622207
2531
e que muda com o tempo.
10:24
So that when we begin to grapple with the ideas
205
624762
3152
Tanto que quando começamos a nos agarrar à ideia
10:27
of artificial intelligence in the future,
206
627938
2386
de inteligência artificial no futuro,
10:30
we shouldn't only be asking ourselves,
207
630348
1905
não deveríamos somente nos perguntar:
10:32
"Can we build it?"
208
632277
1368
"Será que conseguimos construir?"
10:33
But we should also be asking ourselves,
209
633669
1894
Mas também deveríamos nos perguntar:
10:35
"What idea of the human do we want to have reflected back to us?"
210
635587
3713
"Que noção de humano gostaríamos de receber refletida para nós?"
10:39
This is an essentially philosophical idea,
211
639820
2693
Essa é uma ideia essencialmente filosófica,
10:42
and it's one that can't be answered with software alone,
212
642537
2997
e uma que não pode ser respondida somente com software,
10:45
but I think requires a moment of species-wide, existential reflection.
213
645558
4977
mas acho que exige um momento de reflexão existencial para uma espécie.
Obrigado.
10:51
Thank you.
214
651040
1153
10:52
(Applause)
215
652217
2695
(Aplausos)
Sobre este site

Este site apresentará a você vídeos do YouTube que são úteis para o aprendizado do inglês. Você verá aulas de inglês ministradas por professores de primeira linha de todo o mundo. Clique duas vezes nas legendas em inglês exibidas em cada página de vídeo para reproduzir o vídeo a partir daí. As legendas rolarão em sincronia com a reprodução do vídeo. Se você tiver algum comentário ou solicitação, por favor, entre em contato conosco usando este formulário de contato.

https://forms.gle/WvT1wiN1qDtmnspy7