Why I draw with robots | Sougwen Chung

30,428 views ・ 2020-02-14

TED


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

00:00
Translator: Ivana Korom Reviewer: Camille Martínez
0
0
7000
Tradutor: Letícia Barbosa Revisor: Julia Yada
00:12
Many of us here use technology in our day-to-day.
1
12937
3165
Muitos de nós usamos a tecnologia no dia a dia.
00:16
And some of us rely on technology to do our jobs.
2
16126
3247
E alguns de nós dependem da tecnologia para trabalhar.
00:19
For a while, I thought of machines and the technologies that drive them
3
19397
3950
Por um tempo,
acreditei que as máquinas e a tecnologia por trás delas
00:23
as perfect tools that could make my work more efficient and more productive.
4
23371
4505
eram ferramentas perfeitas que tornavam meu trabalho mais eficiente e produtivo.
00:28
But with the rise of automation across so many different industries,
5
28403
3254
Mas com o surgimento da automação em tantos ramos industriais diferentes,
00:31
it led me to wonder:
6
31681
1372
comecei a pensar: "Se as máquinas estão começando a fazer o trabalho
00:33
If machines are starting to be able to do the work
7
33077
2341
00:35
traditionally done by humans,
8
35442
1667
tradicionalmente feito pelo homem, qual será a parte humana na produção?"
00:37
what will become of the human hand?
9
37133
2333
00:40
How does our desire for perfection, precision and automation
10
40133
4093
Como nossa busca pela perfeição, precisão e automação
00:44
affect our ability to be creative?
11
44250
1922
afeta nossa capacidade de sermos criativos?
00:46
In my work as an artist and researcher, I explore AI and robotics
12
46553
4087
Em meu trabalho como artista e pesquisadora, exploro IA e robótica
00:50
to develop new processes for human creativity.
13
50664
3005
para desenvolver novos processos da criatividade humana.
00:54
For the past few years,
14
54077
1286
Durante os últimos anos,
00:55
I've made work alongside machines, data and emerging technologies.
15
55387
4376
tenho trabalhado com máquinas, dados e tecnologias emergentes.
01:00
It's part of a lifelong fascination
16
60143
1861
É parte da minha fascinação
01:02
about the dynamics of individuals and systems
17
62028
2735
sobre a dinâmica de indivíduos e máquinas
01:04
and all the messiness that that entails.
18
64787
2381
e toda a bagunça envolvida.
01:07
It's how I'm exploring questions about where AI ends and we begin
19
67192
4808
É assim que estou explorando onde a IA termina e nós entramos
e onde estou desenvolvendo processos
01:12
and where I'm developing processes
20
72024
1642
01:13
that investigate potential sensory mixes of the future.
21
73690
3326
que investigam potenciais combinações sensoriais do futuro.
01:17
I think it's where philosophy and technology intersect.
22
77675
2857
Acho que é onde a filosofia e a tecnologia se encontram.
01:20
Doing this work has taught me a few things.
23
80992
2239
Ao realizar esse trabalho, tenho aprendido algumas coisas:
01:23
It's taught me how embracing imperfection
24
83642
2824
que aceitar a imperfeição
01:26
can actually teach us something about ourselves.
25
86490
2489
pode nos ensinar algumas coisas sobre nós mesmos;
01:29
It's taught me that exploring art
26
89428
2336
que explorar a arte
01:31
can actually help shape the technology that shapes us.
27
91788
2931
pode ajudar a aperfeiçoar a tecnologia que nos aperfeiçoa;
01:35
And it's taught me that combining AI and robotics
28
95148
3261
e que combinar IA e robótica
01:38
with traditional forms of creativity -- visual arts in my case --
29
98433
3532
com meios criativos tradicionais, artes visuais no meu caso,
01:41
can help us think a little bit more deeply
30
101989
2302
pode nos ajudar a pensar mais profundamente
01:44
about what is human and what is the machine.
31
104315
2897
sobre o que é humano e o que é máquina.
01:47
And it's led me to the realization
32
107942
1707
E tenho aprendido que a colaboração é a chave para criar espaço para ambos
01:49
that collaboration is the key to creating the space for both
33
109673
3055
01:52
as we move forward.
34
112752
1267
conforme progredimos.
01:54
It all started with a simple experiment with machines,
35
114387
2746
Tudo começou com uma simples experiência com máquinas,
01:57
called "Drawing Operations Unit: Generation 1."
36
117157
2826
a "Drawing Operations Unit: Generation 1".
02:00
I call the machine "D.O.U.G." for short.
37
120434
2516
Eu a apelidei de "D.O.U.G.".
02:02
Before I built D.O.U.G,
38
122974
1326
Antes de construir o D.O.U.G.,
02:04
I didn't know anything about building robots.
39
124324
2365
eu não sabia nada sobre criação de robôs.
02:07
I took some open-source robotic arm designs,
40
127220
2897
Peguei designs de braços robóticos de código aberto
02:10
I hacked together a system where the robot would match my gestures
41
130141
3341
e os juntei a um sistema no qual o robô copiava meus gestos
02:13
and follow [them] in real time.
42
133506
1639
e os seguia em tempo real.
02:15
The premise was simple:
43
135169
1448
A premissa era simples:
02:16
I would lead, and it would follow.
44
136641
2200
eu guiaria, e ele seguiria;
02:19
I would draw a line, and it would mimic my line.
45
139403
2936
eu desenharia uma linha, e ele a imitaria.
02:22
So back in 2015, there we were, drawing for the first time,
46
142363
3698
Em 2015, estávamos desenhando pela primeira vez
02:26
in front of a small audience in New York City.
47
146085
2619
para um pequeno público em Nova York.
02:28
The process was pretty sparse --
48
148728
2555
O processo era bem simples,
02:31
no lights, no sounds, nothing to hide behind.
49
151307
3487
sem luzes, sons, nada escondido.
02:35
Just my palms sweating and the robot's new servos heating up.
50
155241
3395
Somente minhas mãos suando e meu robô esquentando.
02:38
(Laughs) Clearly, we were not built for this.
51
158950
2441
Obviamente, não fomos feitos para isso.
02:41
But something interesting happened, something I didn't anticipate.
52
161820
3233
Mas algo interessante aconteceu, algo que eu não tinha previsto.
02:45
See, D.O.U.G., in its primitive form, wasn't tracking my line perfectly.
53
165077
4802
O D.O.U.G., em sua forma original, não copiava minhas linhas perfeitamente.
02:49
While in the simulation that happened onscreen
54
169903
2333
Apesar de na simulação exibida na tela
02:52
it was pixel-perfect,
55
172260
1357
ele parecer perfeito,
02:53
in physical reality, it was a different story.
56
173641
2531
na prática era outra história.
02:56
It would slip and slide and punctuate and falter,
57
176196
2817
Ele escorregava, deslizava, pontuava e vacilava,
02:59
and I would be forced to respond.
58
179037
2068
e eu era forçada a reagir.
03:01
There was nothing pristine about it.
59
181525
1778
Não era perfeito, mesmo assim, de certa forma,
03:03
And yet, somehow, the mistakes made the work more interesting.
60
183327
3238
os erros tornaram o trabalho mais interessante.
03:06
The machine was interpreting my line but not perfectly.
61
186589
2754
A máquina interpretava minhas linhas, mas não perfeitamente
03:09
And I was forced to respond.
62
189367
1372
e eu era forçada a reagir.
03:10
We were adapting to each other in real time.
63
190763
2709
Nos adaptávamos um ao outro simultaneamente
03:13
And seeing this taught me a few things.
64
193496
1937
e isso me ensinou algumas coisas.
03:15
It showed me that our mistakes actually made the work more interesting.
65
195457
4880
Nossos erros tornaram o trabalho mais interessante
03:20
And I realized that, you know, through the imperfection of the machine,
66
200663
4249
e descobri que, por meio da imperfeição da máquina,
03:24
our imperfections became what was beautiful about the interaction.
67
204936
3705
nossas imperfeições tornaram-se a beleza da interação.
03:29
And I was excited, because it led me to the realization
68
209650
3087
Fiquei muito animada porque me fez perceber
03:32
that maybe part of the beauty of human and machine systems
69
212761
3650
que talvez, parte da beleza de sistemas homem-máquina,
03:36
is their shared inherent fallibility.
70
216435
2738
seja o compartilhamento de suas falhas inerentes.
03:39
For the second generation of D.O.U.G.,
71
219197
1820
Para a segunda geração do D.O.U.G.,
03:41
I knew I wanted to explore this idea.
72
221041
2307
eu sabia que queria explorar essa ideia.
03:43
But instead of an accident produced by pushing a robotic arm to its limits,
73
223372
4418
Mas em vez de ser algo acidental produzido por levar um braço robótico ao seu limite,
03:47
I wanted to design a system that would respond to my drawings
74
227814
2897
queria um sistema que reagisse aos meus desenhos de forma imprevista.
03:50
in ways that I didn't expect.
75
230735
1833
03:52
So, I used a visual algorithm to extract visual information
76
232592
3849
Então usei um algoritmo de visão para coletar informações
03:56
from decades of my digital and analog drawings.
77
236465
2978
de meus desenhos digitais e analógicos produzidos em décadas.
03:59
I trained a neural net on these drawings
78
239467
2055
Treinei uma rede neural com esses desenhos
04:01
in order to generate recurring patterns in the work
79
241546
2865
para gerar padrões recorrentes no trabalho
04:04
that were then fed through custom software back into the machine.
80
244435
3476
que, então, alimentaram a máquina através de um software.
04:07
I painstakingly collected as many of my drawings as I could find --
81
247935
4386
Coletei meticulosamente todos os desenhos que encontrei,
04:12
finished works, unfinished experiments and random sketches --
82
252345
4215
trabalhos concluídos e incompletos, rascunhos aleatórios
04:16
and tagged them for the AI system.
83
256584
1999
e os identifiquei no sistema de IA.
04:18
And since I'm an artist, I've been making work for over 20 years.
84
258607
3684
Como artista, venho desenhando há mais de 20 anos.
04:22
Collecting that many drawings took months,
85
262315
2024
Juntar tantos desenhos levou meses;
04:24
it was a whole thing.
86
264363
1389
foi muito complicado.
04:25
And here's the thing about training AI systems:
87
265776
2595
E o problema de treinar sistemas de IA é que, na verdade, é um trabalho árduo.
04:28
it's actually a lot of hard work.
88
268395
2200
04:31
A lot of work goes on behind the scenes.
89
271022
2191
Muito trabalho acontece nos bastidores.
04:33
But in doing the work, I realized a little bit more
90
273237
2681
Mas trabalhando com isso,
aprendi mais sobre a estrutura da arquitetura de uma IA,
04:35
about how the architecture of an AI is constructed.
91
275942
3421
04:39
And I realized it's not just made of models and classifiers
92
279387
2947
e percebi que não é feita somente de modelos e classificadores
04:42
for the neural network.
93
282358
1322
para a rede neural.
04:43
But it's a fundamentally malleable and shapable system,
94
283704
3532
É basicamente um sistema maleável e moldável,
04:47
one in which the human hand is always present.
95
287260
3111
no qual o toque humano está sempre presente.
04:50
It's far from the omnipotent AI we've been told to believe in.
96
290395
4000
Está longe da onipotente IA na qual nos fizeram acreditar.
04:54
So I collected these drawings for the neural net.
97
294419
2515
Depois de coletar os desenhos para a rede neural,
04:56
And we realized something that wasn't previously possible.
98
296958
3929
descobrimos algo que antes era impossível.
05:00
My robot D.O.U.G. became a real-time interactive reflection
99
300911
4091
Meu robô D.O.U.G. tornou-se um reflexo interativo em tempo real
05:05
of the work I'd done through the course of my life.
100
305026
2627
do trabalho que fiz durante minha vida.
05:07
The data was personal, but the results were powerful.
101
307677
3865
Os dados eram pessoais, mas os resultados, poderosos.
05:11
And I got really excited,
102
311566
1484
Fiquei bem animada, pois comecei a pensar
05:13
because I started thinking maybe machines don't need to be just tools,
103
313074
4582
que talvez as máquinas não precisassem ser somente ferramentas;
05:17
but they can function as nonhuman collaborators.
104
317680
3420
elas podiam funcionar como colaboradores não humanos.
05:21
And even more than that,
105
321537
1547
Mais do que isso,
05:23
I thought maybe the future of human creativity
106
323108
2429
pensei que talvez o futuro da criatividade humana
05:25
isn't in what it makes
107
325561
1524
não estivesse na criação,
05:27
but how it comes together to explore new ways of making.
108
327109
3436
mas na exploração de novos métodos da criação.
05:31
So if D.O.U.G._1 was the muscle,
109
331101
2190
Então se D.O.U.G._1 era o braço,
05:33
and D.O.U.G._2 was the brain,
110
333315
1762
e D.O.U.G._2 o cérebro,
05:35
then I like to think of D.O.U.G._3 as the family.
111
335101
2928
então gosto de pensar no D.O.U.G._3 como a família.
05:38
I knew I wanted to explore this idea of human-nonhuman collaboration at scale.
112
338482
4793
Queria explorar a ideia de colaboração entre humano e máquina em escala,
05:43
So over the past few months,
113
343299
1373
então, durante os últimos meses,
05:44
I worked with my team to develop 20 custom robots
114
344696
3135
tenho trabalhado com minha equipe para desenvolver 20 robôs
05:47
that could work with me as a collective.
115
347855
1960
que trabalhariam comigo coletivamente.
05:49
They would work as a group,
116
349839
1293
Trabalhariam como um grupo,
05:51
and together, we would collaborate with all of New York City.
117
351156
2889
e juntos, colaboraríamos com toda a cidade de Nova York.
Fui inspirada pela pesquisadora Fei-Fei Li da Stanford, que disse:
05:54
I was really inspired by Stanford researcher Fei-Fei Li,
118
354069
2944
05:57
who said, "if we want to teach machines how to think,
119
357037
2515
"Se queremos ensinar as máquinas a pensar,
05:59
we need to first teach them how to see."
120
359576
1984
precisamos primeiro ensiná-las a enxergar".
06:01
It made me think of the past decade of my life in New York,
121
361584
2785
Isso me fez pensar na última década que passei em Nova York,
06:04
and how I'd been all watched over by these surveillance cameras around the city.
122
364393
3993
e em como fui observada pelas câmeras de segurança espalhadas pela cidade.
06:08
And I thought it would be really interesting
123
368410
2056
E pensei que seria interessante
06:10
if I could use them to teach my robots to see.
124
370490
2405
se pudesse usá-las para ensinar meus robôs a enxergar.
06:12
So with this project,
125
372919
1888
Então, com esse projeto,
06:14
I thought about the gaze of the machine,
126
374831
1967
pensei sobre a perspectiva da máquina
06:16
and I began to think about vision as multidimensional,
127
376822
3226
e comecei a considerar a visão como multidimensional,
06:20
as views from somewhere.
128
380072
1600
como pontos de vista.
06:22
We collected video
129
382151
1834
Coletamos vídeos
06:24
from publicly available camera feeds on the internet
130
384009
3063
transmitidos publicamente na internet de pessoas andando nas calçadas,
06:27
of people walking on the sidewalks,
131
387096
1690
06:28
cars and taxis on the road,
132
388810
1712
carros e táxis nas ruas,
06:30
all kinds of urban movement.
133
390546
1817
todo tipo de movimento urbano.
06:33
We trained a vision algorithm on those feeds
134
393188
2603
Com esses dados, treinamos um algoritmo de visão
06:35
based on a technique called "optical flow,"
135
395815
2286
baseado em uma técnica chamada "fluxo ótico"
06:38
to analyze the collective density,
136
398125
1977
para analisar a densidade coletiva,
06:40
direction, dwell and velocity states of urban movement.
137
400126
3637
direção, repouso e velocidade dos movimentos urbanos.
06:44
Our system extracted those states from the feeds as positional data
138
404178
4269
Nosso sistema extraiu esses estados das fontes como dados de posicionamento
06:48
and became pads for my robotic units to draw on.
139
408471
3373
e se tornou a base para meus robôs desenharem.
06:51
Instead of a collaboration of one-to-one,
140
411868
2534
Em vez de uma colaboração um para um,
06:54
we made a collaboration of many-to-many.
141
414426
3024
criamos uma colaboração de muitos para muitos.
06:57
By combining the vision of human and machine in the city,
142
417474
3587
Combinando a visão do ser humano e da máquina na cidade,
07:01
we reimagined what a landscape painting could be.
143
421085
2794
repensamos o que a pintura de uma paisagem poderia ser.
07:03
Throughout all of my experiments with D.O.U.G.,
144
423903
2218
Em todos os meus experimentos com o D.O.U.G.,
07:06
no two performances have ever been the same.
145
426145
2717
nunca tivemos performances idênticas,
07:08
And through collaboration,
146
428886
1382
e através da colaboração
07:10
we create something that neither of us could have done alone:
147
430292
2864
criamos algo que nenhum de nós poderia ter feito sozinho:
07:13
we explore the boundaries of our creativity,
148
433180
2611
exploramos os limites de nossa criatividade,
07:15
human and nonhuman working in parallel.
149
435815
2892
com humano e não humano trabalhando paralelamente.
07:19
I think this is just the beginning.
150
439823
2334
Acho que estamos só começando.
07:22
This year, I've launched Scilicet,
151
442569
2183
Este ano inaugurei o Scilicet,
07:24
my new lab exploring human and interhuman collaboration.
152
444776
4245
meu novo laboratório, onde exploro a colaboração humana e inter-humana.
07:29
We're really interested in the feedback loop
153
449339
2120
Estamos muito interessados no ciclo de feedback
07:31
between individual, artificial and ecological systems.
154
451483
4230
entre sistemas individuais, artificiais e ecológicos,
07:36
We're connecting human and machine output
155
456276
2269
Estamos conectando a produção de humanos e máquinas
07:38
to biometrics and other kinds of environmental data.
156
458569
2984
à biometria e a outros tipos de dados ambientais.
07:41
We're inviting anyone who's interested in the future of work, systems
157
461577
4079
Convidamos todos que têm interesse no futuro do trabalho, dos sistemas
07:45
and interhuman collaboration
158
465680
1595
e na colaboração inter-humana a explorarem conosco.
07:47
to explore with us.
159
467299
1550
07:48
We know it's not just technologists that have to do this work
160
468873
3405
Sabemos que não são só tecnólogos que devem fazer esse trabalho
07:52
and that we all have a role to play.
161
472302
2103
e que todos nós temos um papel a cumprir.
07:54
We believe that by teaching machines
162
474429
2243
Acreditamos que ao ensinar máquinas
07:56
how to do the work traditionally done by humans,
163
476696
2730
a como fazer o trabalho tradicionalmente feito por humanos,
07:59
we can explore and evolve our criteria
164
479450
2953
podemos explorar e expandir nosso critério
08:02
of what's made possible by the human hand.
165
482427
2443
do que é possível para a humanidade.
08:04
And part of that journey is embracing the imperfections
166
484894
3493
Parte dessa jornada é aceitar as imperfeições
08:08
and recognizing the fallibility of both human and machine,
167
488411
3690
e reconhecer a falibilidade tanto de humanos como de máquinas
08:12
in order to expand the potential of both.
168
492125
2405
para expandir o potencial de ambos.
08:14
Today, I'm still in pursuit of finding the beauty
169
494919
2301
Atualmente ainda estou buscando a beleza na criatividade humana e não humana.
08:17
in human and nonhuman creativity.
170
497244
2276
08:19
In the future, I have no idea what that will look like,
171
499865
2829
Não sei como ela será no futuro
08:23
but I'm pretty curious to find out.
172
503627
2024
mas estou muito curiosa em descobrir.
08:25
Thank you.
173
505675
1151
Obrigada.
08:26
(Applause)
174
506850
1884
(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