How we can teach computers to make sense of our emotions | Raphael Arar

64,579 views ・ 2018-04-24

TED


Por favor, faça duplo clique nas legendas em inglês abaixo para reproduzir o vídeo.

00:00
Translator: Ivana Korom Reviewer: Joanna Pietrulewicz
0
0
7000
Tradutor: Andreia Oliveira Revisora: Margarida Ferreira
00:13
I consider myself one part artist and one part designer.
1
13760
4680
Eu considero-me em parte artista, em parte "designer".
00:18
And I work at an artificial intelligence research lab.
2
18480
3160
Trabalho num laboratório de pesquisa de Inteligência Artificial.
00:22
We're trying to create technology
3
22720
1696
Estamos a tentar criar tecnologia
00:24
that you'll want to interact with in the far future.
4
24440
3296
com a qual vocês vão querer interagir num futuro longínquo.
00:27
Not just six months from now, but try years and decades from now.
5
27760
4640
Não apenas daqui a seis meses, mas sim daqui a anos e décadas.
00:33
And we're taking a moonshot
6
33120
1616
Partimos do princípio ambicioso
00:34
that we'll want to be interacting with computers
7
34760
2456
de que vamos querer interagir com os computadores
00:37
in deeply emotional ways.
8
37240
2120
de maneiras profundamente emocionais.
00:40
So in order to do that,
9
40280
1456
Então, para fazer isso,
00:41
the technology has to be just as much human as it is artificial.
10
41760
4480
a tecnologia tem de ser tão humana, quanto é artificial.
00:46
It has to get you.
11
46920
2256
Ela tem de nos perceber.
00:49
You know, like that inside joke that'll have you and your best friend
12
49200
3336
Vocês sabem, é como aquela piada que apenas nós e o nosso melhor amigo
00:52
on the floor, cracking up.
13
52560
1936
vamos achar hilariante.
00:54
Or that look of disappointment that you can just smell from miles away.
14
54520
4560
Ou aquele ar de desapontamento, que conseguimos cheirar de longe.
01:00
I view art as the gateway to help us bridge this gap between human and machine:
15
60560
6040
Eu vejo a arte como o caminho para nos ajudar a transpor esse fosso
entre seres humanos e máquina:
01:07
to figure out what it means to get each other
16
67280
3136
perceber o que significa entendermo-nos uns aos outros
01:10
so that we can train AI to get us.
17
70440
2760
para conseguirmos treinar a IA para nos entender.
01:13
See, to me, art is a way to put tangible experiences
18
73920
3816
Porque, para mim, a arte é uma maneira de colocar experiências reais
01:17
to intangible ideas, feelings and emotions.
19
77760
3240
em ideias, emoções e sentimentos não palpáveis.
01:21
And I think it's one of the most human things about us.
20
81800
2600
E acho que é uma das coisas mais humanas sobre nós.
01:25
See, we're a complicated and complex bunch.
21
85480
2936
Nós somos complicados e complexos.
01:28
We have what feels like an infinite range of emotions,
22
88440
3136
Temos o que parece ser uma infinidade de emoções
01:31
and to top it off, we're all different.
23
91600
2496
e, ainda por cima, somos todos diferentes.
01:34
We have different family backgrounds,
24
94120
2296
Todos temos diferentes passados familiares,
01:36
different experiences and different psychologies.
25
96440
3080
experiências diferentes, e psicologias diferentes.
01:40
And this is what makes life really interesting.
26
100240
2720
E isso é o que torna a vida muito interessante.
01:43
But this is also what makes working on intelligent technology
27
103440
3496
Mas também é aquilo que torna trabalhar com inteligência artificial,
01:46
extremely difficult.
28
106960
1600
extremamente difícil.
01:49
And right now, AI research, well,
29
109640
3456
Neste momento, a pesquisa de Inteligência Artificial
encontra-se um pouco descuidada, do ponto de vista tecnológico.
01:53
it's a bit lopsided on the tech side.
30
113120
2016
01:55
And that makes a lot of sense.
31
115160
2136
E isso faz todo o sentido.
01:57
See, for every qualitative thing about us --
32
117320
2456
Porque, por cada característica qualitativa nossa
01:59
you know, those parts of us that are emotional, dynamic and subjective --
33
119800
4456
— as nossas partes emocionais, dinâmicas e subjetivas —
02:04
we have to convert it to a quantitative metric:
34
124280
3136
temos de convertê-la numa medida quantitativa:
02:07
something that can be represented with facts, figures and computer code.
35
127440
4360
algo que possa ser representado com factos, números e código informático.
02:13
The issue is, there are many qualitative things
36
133000
3376
O problema é que há muitas coisas qualitativas
02:16
that we just can't put our finger on.
37
136400
1960
que nós não conseguimos perceber.
02:20
So, think about hearing your favorite song for the first time.
38
140400
3200
Pensem em quando ouviram a vossa música favorita pela primeira vez.
02:25
What were you doing?
39
145200
1200
O que estavam a fazer?
02:28
How did you feel?
40
148000
1200
Como se sentiram?
02:30
Did you get goosebumps?
41
150720
1360
Tiveram arrepios?
02:33
Or did you get fired up?
42
153240
1640
Ou ficaram entusiasmados?
02:36
Hard to describe, right?
43
156400
1200
Difícil de descrever, não é?
02:38
See, parts of us feel so simple,
44
158800
2096
Algumas partes de nós parecem tão simples,
02:40
but under the surface, there's really a ton of complexity.
45
160920
3656
mas, no fundo, são muito complexas.
02:44
And translating that complexity to machines
46
164600
2936
Traduzir essa complexidade para uma máquina
02:47
is what makes them modern-day moonshots.
47
167560
2856
é a essência de muitos projetos inovadores modernos.
02:50
And I'm not convinced that we can answer these deeper questions
48
170440
4176
Eu não estou convencido
de que conseguimos responder a estas questões mais profundas
02:54
with just ones and zeros alone.
49
174640
1480
apenas com uns e zeros.
02:57
So, in the lab, I've been creating art
50
177120
1936
No laboratório, tenho estado a criar arte
02:59
as a way to help me design better experiences
51
179080
2456
como uma forma de me ajudar a desenvolver experiências melhores
03:01
for bleeding-edge technology.
52
181560
2096
para uma tecnologia de ponta.
03:03
And it's been serving as a catalyst
53
183680
1736
Tem estado a servir de catalisador para fortalecer as maneiras mais humanas
03:05
to beef up the more human ways that computers can relate to us.
54
185440
3840
como os computadores se relacionam connosco.
03:10
Through art, we're tacking some of the hardest questions,
55
190000
2696
Através da arte, pegamos nalgumas das questões mais difíceis
03:12
like what does it really mean to feel?
56
192720
2360
como, o que significa sentir?
03:16
Or how do we engage and know how to be present with each other?
57
196120
4080
Ou, como nos envolvemos e sabemos como estar presente para os outros?
03:20
And how does intuition affect the way that we interact?
58
200800
4000
E, como é que a intuição afeta a maneira com interagimos?
03:26
So, take for example human emotion.
59
206440
2056
Por exemplo, neste momento, os computadores conseguem perceber
03:28
Right now, computers can make sense of our most basic ones,
60
208520
3256
as emoções humanas mais básicas,
03:31
like joy, sadness, anger, fear and disgust,
61
211800
3696
como a alegria, a tristeza, a raiva, o medo e a repugnância,
03:35
by converting those characteristics to math.
62
215520
3000
convertendo essas características em matemática.
03:39
But what about the more complex emotions?
63
219400
2536
Mas e as emoções mais complexas?
03:41
You know, those emotions
64
221960
1216
Vocês sabem, aquelas emoções
03:43
that we have a hard time describing to each other?
65
223200
2376
que temos dificuldade em descrever uns aos outros,
03:45
Like nostalgia.
66
225600
1440
como a nostalgia.
03:47
So, to explore this, I created a piece of art, an experience,
67
227640
3936
Então, para explorar isto, eu criei uma peça de arte,
uma experiência que pedia a pessoas para partilharem uma memória
03:51
that asked people to share a memory,
68
231600
2096
03:53
and I teamed up with some data scientists
69
233720
2136
e juntei-me a alguns cientistas de dados
03:55
to figure out how to take an emotion that's so highly subjective
70
235880
3576
para perceber como pegar numa emoção altamente subjetiva
03:59
and convert it into something mathematically precise.
71
239480
3200
e convertê-la para algo matematicamente preciso.
04:03
So, we created what we call a nostalgia score
72
243840
2136
Então, criámos uma "pontuação para a nostalgia"
04:06
and it's the heart of this installation.
73
246000
2216
que é o centro desta experiência.
04:08
To do that, the installation asks you to share a story,
74
248240
3056
Para fazer isso, pedimos-lhes que partilhem uma história.
04:11
the computer then analyzes it for its simpler emotions,
75
251320
3256
Depois, o computador analisa-a para encontrar as emoções mais básicas,
04:14
it checks for your tendency to use past-tense wording
76
254600
2656
verifica a tendência para usar os verbos no passado
04:17
and also looks for words that we tend to associate with nostalgia,
77
257280
3336
e também procura palavras que tendemos a associar a nostalgia,
04:20
like "home," "childhood" and "the past."
78
260640
3040
tal como "lar", "infância" e "o passado".
04:24
It then creates a nostalgia score
79
264760
2056
Depois, cria uma pontuação de nostalgia
04:26
to indicate how nostalgic your story is.
80
266840
2736
para indicar o quão nostálgica é a nossa história.
04:29
And that score is the driving force behind these light-based sculptures
81
269600
4136
Essa pontuação é a força motora destas esculturas à base de luz
04:33
that serve as physical embodiments of your contribution.
82
273760
3896
que corporizam a vossa contribuição.
04:37
And the higher the score, the rosier the hue.
83
277680
3216
Quanto maior for a pontuação, mais cor-de-rosa será a escultura.
04:40
You know, like looking at the world through rose-colored glasses.
84
280920
3936
Como se estivéssemos a olhar para o mundo através de óculos cor-de-rosa.
04:44
So, when you see your score
85
284880
2616
Quando vemos a nossa pontuação
04:47
and the physical representation of it,
86
287520
2656
e a sua representação física,
04:50
sometimes you'd agree and sometimes you wouldn't.
87
290200
2936
às vezes concordamos outras vezes não.
04:53
It's as if it really understood how that experience made you feel.
88
293160
3480
É como se a máquina compreendesse como essa experiência nos fez sentir.
04:57
But other times it gets tripped up
89
297400
2216
Mas, outras vezes, a máquina confunde-se
04:59
and has you thinking it doesn't understand you at all.
90
299640
2560
e faz-nos pensar que ela não nos entendeu, de todo.
05:02
But the piece really serves to show
91
302680
1896
Mas esta peça serve para mostrar
05:04
that if we have a hard time explaining the emotions that we have to each other,
92
304600
4056
que, se nós já temos bastante dificuldade em explicar as emoções uns aos outros,
05:08
how can we teach a computer to make sense of them?
93
308680
2360
como é que vamos conseguir ensinar um computador a entendê-las?
05:12
So, even the more objective parts about being human are hard to describe.
94
312360
3576
Até as partes mais objetivas sobre ser humano são difíceis de descrever.
05:15
Like, conversation.
95
315960
1240
Como as conversas.
05:17
Have you ever really tried to break down the steps?
96
317880
2736
Já as tentaram dividir por passos?
05:20
So think about sitting with your friend at a coffee shop
97
320640
2656
Pensem em estarem sentados com um amigo, num café
05:23
and just having small talk.
98
323320
1320
a tagarelarem.
05:25
How do you know when to take a turn?
99
325160
1720
Como sabem quando é a vez de quem?
05:27
How do you know when to shift topics?
100
327440
1840
Como sabem quando mudar de tópico?
05:29
And how do you even know what topics to discuss?
101
329960
2720
E como é que sabem quais os tópicos a discutir?
05:33
See, most of us don't really think about it,
102
333560
2096
Muitos de nós nem sequer pensamos nisso,
05:35
because it's almost second nature.
103
335680
1656
porque é quase uma segunda natureza.
05:37
And when we get to know someone, we learn more about what makes them tick,
104
337360
3496
Quando conhecemos alguém, aprendemos o que os motiva
05:40
and then we learn what topics we can discuss.
105
340880
2376
e depois aprendemos os tópicos que podemos discutir.
05:43
But when it comes to teaching AI systems how to interact with people,
106
343280
3656
Mas, quando se trata de ensinar sistemas de IA
como interagir com pessoas,
05:46
we have to teach them step by step what to do.
107
346960
2856
temos de lhes ensinar, passo a passo, o que fazer.
05:49
And right now, it feels clunky.
108
349840
3496
Neste momento, parece difícil.
05:53
If you've ever tried to talk with Alexa, Siri or Google Assistant,
109
353360
4136
Se já tentaram falar com a Alexa, com a Siri, ou com o Assistente Google,
05:57
you can tell that it or they can still sound cold.
110
357520
4200
veem que eles ainda parecem frios.
06:02
And have you ever gotten annoyed
111
362440
1656
Já alguma vez ficaram aborrecidos
06:04
when they didn't understand what you were saying
112
364120
2256
quando eles não perceberam o que vocês lhes diziam
06:06
and you had to rephrase what you wanted 20 times just to play a song?
113
366400
3840
e tiveram de refazer 20 vezes a frase só para pôr uma música a tocar?
06:11
Alright, to the credit of the designers, realistic communication is really hard.
114
371440
4896
Para crédito dos "designers", é difícil criar uma comunicação realista.
06:16
And there's a whole branch of sociology,
115
376360
2136
Há todo um ramo da sociologia, chamado Análise de Conversação,
06:18
called conversation analysis,
116
378520
1936
06:20
that tries to make blueprints for different types of conversation.
117
380480
3136
que tenta fazer modelos para tipos diferentes de conversas.
06:23
Types like customer service or counseling, teaching and others.
118
383640
4080
Tipos como serviço ao cliente, aconselhamento, ensino, e outros.
06:28
I've been collaborating with a conversation analyst at the lab
119
388880
2936
Tenho colaborado no laboratório com um analista de conversação
06:31
to try to help our AI systems hold more human-sounding conversations.
120
391840
4696
para que os nossos sistemas de IA
tenham conversas que soem mais humanas.
06:36
This way, when you have an interaction with a chatbot on your phone
121
396560
3176
Assim, ao interagir ao telemóvel com um robô de conversação,
06:39
or a voice-based system in the car,
122
399760
1856
ou um sistema à base de voz, no carro,
06:41
it sounds a little more human and less cold and disjointed.
123
401640
3320
ele soará um pouco mais humano e menos frio e desarticulado.
06:46
So I created a piece of art
124
406360
1336
Então, eu criei uma obra de arte
06:47
that tries to highlight the robotic, clunky interaction
125
407720
2816
que tenta realçar a interação robótica e desajeitada
06:50
to help us understand, as designers,
126
410560
1976
para ajudar os "designers" a compreender
06:52
why it doesn't sound human yet and, well, what we can do about it.
127
412560
4576
porque é que ainda não soa humano, e o que podemos fazer quanto a isso.
06:57
The piece is called Bot to Bot
128
417160
1456
Esta peça chama-se Bot to Bot
06:58
and it puts one conversational system against another
129
418640
2936
e confronta um sistema de conversação com outro
07:01
and then exposes it to the general public.
130
421600
2536
e depois expõe-no para o público em geral.
07:04
And what ends up happening is that you get something
131
424160
2496
O que acaba por acontecer é que obtemos algo
07:06
that tries to mimic human conversation,
132
426680
1896
que tenta imitar a conversação humana,
07:08
but falls short.
133
428600
1896
mas fica longe de o conseguir.
07:10
Sometimes it works and sometimes it gets into these, well,
134
430520
2736
Ás vezes funciona e às vezes entra numa espécie de ciclo de mal entendidos.
07:13
loops of misunderstanding.
135
433280
1536
07:14
So even though the machine-to-machine conversation can make sense,
136
434840
3096
Apesar de a conversação máquina-para-máquina poder fazer sentido
07:17
grammatically and colloquially,
137
437960
2016
gramatical e coloquialmente,
07:20
it can still end up feeling cold and robotic.
138
440000
3216
mesmo assim, pode acabar por parecer fria e robótica.
07:23
And despite checking all the boxes, the dialogue lacks soul
139
443240
4016
Apesar de seguir todas as regras, o diálogo tem falta de alma
07:27
and those one-off quirks that make each of us who we are.
140
447280
3136
e daquelas peculiaridades
que fazem de cada um de nós aquilo que somos.
07:30
So while it might be grammatically correct
141
450440
2056
Assim, apesar de estar gramaticalmente correta
07:32
and uses all the right hashtags and emojis,
142
452520
2656
e usar todos os "hashtags" e "emojis" corretos,
07:35
it can end up sounding mechanical and, well, a little creepy.
143
455200
4136
pode soar, na mesma, um pouco mecânico e arrepiante.
07:39
And we call this the uncanny valley.
144
459360
2336
Chamamos a isto, o Vale do Estranho,
07:41
You know, that creepiness factor of tech
145
461720
1936
aquele fator arrepiante da tecnologia, que a aproxima de um ser humano,
07:43
where it's close to human but just slightly off.
146
463680
2856
mas um pouco diferente.
07:46
And the piece will start being
147
466560
1456
A peça vai começar a ser
07:48
one way that we test for the humanness of a conversation
148
468040
3216
uma maneira de testar a humanidade de uma conversa
07:51
and the parts that get lost in translation.
149
471280
2160
e as partes que se perdem na tradução.
07:54
So there are other things that get lost in translation, too,
150
474560
2856
Há outras coisas que também se perdem na tradução,
07:57
like human intuition.
151
477440
1616
como a intuição humana.
Neste momento, os computadores estão a ganhar mais autonomia.
07:59
Right now, computers are gaining more autonomy.
152
479080
2776
08:01
They can take care of things for us,
153
481880
1736
Eles podem tratar de coisas para nós,
08:03
like change the temperature of our houses based on our preferences
154
483640
3176
como mudar a temperatura das nossas casas
segundo as nossas preferências
08:06
and even help us drive on the freeway.
155
486840
2160
e até nos ajudar a conduzir na autoestrada.
08:09
But there are things that you and I do in person
156
489560
2496
Mas há coisas que todos fazemos em pessoa
08:12
that are really difficult to translate to AI.
157
492080
2760
que são bastante difíceis de traduzir para Inteligência Artificial.
08:15
So think about the last time that you saw an old classmate or coworker.
158
495440
4360
Pensem na última vez
que viram um antigo colega de escola ou um colega de trabalho.
08:21
Did you give them a hug or go in for a handshake?
159
501080
2480
Deram-lhe um abraço, ou um aperto de mão?
08:24
You probably didn't think twice
160
504800
1496
Provavelmente, nem pensaram duas vezes
08:26
because you've had so many built up experiences
161
506320
2336
porque já tiveram muitas experiências
08:28
that had you do one or the other.
162
508680
2000
em que tiveram de fazer uma coisa ou a outra.
08:31
And as an artist, I feel that access to one's intuition,
163
511440
3456
Como artista, sinto que aceder à intuição de cada um,
08:34
your unconscious knowing,
164
514920
1416
ao conhecimento inconsciente de cada um,
08:36
is what helps us create amazing things.
165
516360
3056
é o que nos ajuda a criar coisas maravilhosas.
08:39
Big ideas, from that abstract, nonlinear place in our consciousness
166
519440
4056
Grandes ideias,
a partir desse lugar abstrato e não-linear da nossa consciência
08:43
that is the culmination of all of our experiences.
167
523520
2960
que é o culminar de todas as nossas experiências.
08:47
And if we want computers to relate to us and help amplify our creative abilities,
168
527840
4656
Se quisermos que os computadores se relacionem connosco
e nos ajudem a ampliar as nossas capacidades criativas,
08:52
I feel that we'll need to start thinking about how to make computers be intuitive.
169
532520
3896
vamos ter de começar a pensar em como fazer computadores intuitivos.
08:56
So I wanted to explore how something like human intuition
170
536440
3096
Então, eu quis explorar como algo como a intuição humana
08:59
could be directly translated to artificial intelligence.
171
539560
3456
pode estar diretamente relacionada com a Inteligência Artificial.
09:03
And I created a piece that explores computer-based intuition
172
543040
3216
E criei uma peça que explora a intuição
com base num computador num espaço físico.
09:06
in a physical space.
173
546280
1320
09:08
The piece is called Wayfinding,
174
548480
1696
Esta peça chama-se Wayfinding
09:10
and it's set up as a symbolic compass that has four kinetic sculptures.
175
550200
3936
e é uma bússola simbólica que tem quatro esculturas cinéticas.
09:14
Each one represents a direction,
176
554160
2056
Cada uma representa uma direção,
09:16
north, east, south and west.
177
556240
2120
norte, sul, este e oeste.
09:19
And there are sensors set up on the top of each sculpture
178
559080
2696
Tem sensores montados no topo de cada escultura
09:21
that capture how far away you are from them.
179
561800
2256
que captam a distância a que estamos dela.
09:24
And the data that gets collected
180
564080
1816
Os dados que são recolhidos
09:25
ends up changing the way that sculptures move
181
565920
2136
acabam por mudar a maneira como a escultura se movimenta
09:28
and the direction of the compass.
182
568080
2040
e a direção da bússola.
09:31
The thing is, the piece doesn't work like the automatic door sensor
183
571360
3656
Esta peça não funciona como os sensores duma porta automática
09:35
that just opens when you walk in front of it.
184
575040
2656
que se abre quando passamos em frente dela.
09:37
See, your contribution is only a part of its collection of lived experiences.
185
577720
5056
A nossa contribuição é apenas uma parte da recolha de experiências vividas.
09:42
And all of those experiences affect the way that it moves.
186
582800
4056
Todas estas experiências afetam a maneira como ela se move.
09:46
So when you walk in front of it,
187
586880
1736
Por isso, quando passamos em frente dela,
09:48
it starts to use all of the data
188
588640
1976
ela começa a usar todos os dados
09:50
that it's captured throughout its exhibition history --
189
590640
2616
que captou durante toda a sua exibição
— ou a sua intuição —
09:53
or its intuition --
190
593280
1816
para nos responder mecanicamente com base no que aprendeu com outros.
09:55
to mechanically respond to you based on what it's learned from others.
191
595120
3560
09:59
And what ends up happening is that as participants
192
599480
2536
O que acaba por acontece é que, como participantes,
10:02
we start to learn the level of detail that we need
193
602040
2816
começamos a compreender o nível de detalhe que precisamos
10:04
in order to manage expectations
194
604880
2016
de maneira a gerir expetativas
10:06
from both humans and machines.
195
606920
2776
tanto dos seres humanos como das máquinas.
10:09
We can almost see our intuition being played out on the computer,
196
609720
3616
Quase conseguimos ver a nossa intuição a passar no computador,
10:13
picturing all of that data being processed in our mind's eye.
197
613360
3600
imaginando todos os dados a serem processados na nossa mente.
10:17
My hope is that this type of art
198
617560
1656
A minha esperança é que este tipo de arte
10:19
will help us think differently about intuition
199
619240
2416
nos ajude a pensar de forma diferente na intuição
10:21
and how to apply that to AI in the future.
200
621680
2280
e em como aplicar isso, no futuro, à IA.
10:24
So these are just a few examples of how I'm using art to feed into my work
201
624480
3936
Estes são apenas alguns exemplos
de como eu uso arte para alimentar o meu trabalho
10:28
as a designer and researcher of artificial intelligence.
202
628440
3096
enquanto "designer" e investigador de Inteligência Artificial.
10:31
And I see it as a crucial way to move innovation forward.
203
631560
3496
Vejo isto como uma maneira crucial de fazer avançar a inovação,
10:35
Because right now, there are a lot of extremes when it comes to AI.
204
635080
4376
porque, de momento, há muitos extremos, no que toca à Inteligência Artificial.
10:39
Popular movies show it as this destructive force
205
639480
2816
Filmes populares mostram-na como uma força destruidora
10:42
while commercials are showing it as a savior
206
642320
3056
enquanto anúncios a mostram como um salvador
10:45
to solve some of the world's most complex problems.
207
645400
2936
para resolver alguns dos problemas mais complexos do mundo.
10:48
But regardless of where you stand,
208
648360
2536
Mas, o que quer que seja que vocês pensem,
10:50
it's hard to deny that we're living in a world
209
650920
2176
é difícil negar que vivemos num mundo
que está a ficar cada vez mais digital à medida que o tempo passa.
10:53
that's becoming more and more digital by the second.
210
653120
2576
10:55
Our lives revolve around our devices, smart appliances and more.
211
655720
4600
A nossa vida gira em volta dos nossos dispositivos,
dos aparelhos inteligentes e outros.
11:01
And I don't think this will let up any time soon.
212
661400
2320
Eu acho que isto não vai mudar tão cedo.
11:04
So, I'm trying to embed more humanness from the start.
213
664400
3736
Por isso, estou a tentar acrescentar mais humanidade desde já.
11:08
And I have a hunch that bringing art into an AI research process
214
668160
5136
E tenho um palpite que introduzir a arte na investigação da Inteligência Artificial
11:13
is a way to do just that.
215
673320
1896
é uma maneira de fazer isso.
11:15
Thank you.
216
675240
1216
Obrigado.
11:16
(Applause)
217
676480
2280
(Aplausos)
Sobre este site

Este sítio irá apresentar-lhe vídeos do YouTube que são úteis para a aprendizagem do inglês. Verá lições de inglês ensinadas por professores de primeira linha de todo o mundo. Faça duplo clique nas legendas em inglês apresentadas em cada página de vídeo para reproduzir o vídeo a partir daí. As legendas deslocam-se em sincronia com a reprodução do vídeo. Se tiver quaisquer comentários ou pedidos, por favor contacte-nos utilizando este formulário de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7