Why I draw with robots | Sougwen Chung

30,428 views ・ 2020-02-14

TED


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

00:00
Translator: Ivana Korom Reviewer: Camille Martínez
0
0
7000
Tradutor: Jessiane Nascimento Revisora: Margarida Ferreira
00:12
Many of us here use technology in our day-to-day.
1
12937
3165
Muitos de nós aqui usam a tecnologia dia-a-dia.
00:16
And some of us rely on technology to do our jobs.
2
16126
3247
E alguns de nós confiam na tecnologia para fazer o nosso trabalho.
00:19
For a while, I thought of machines and the technologies that drive them
3
19397
3950
Antigamente, eu pensava nas máquinas e nas tecnologias que as governam
00:23
as perfect tools that could make my work more efficient and more productive.
4
23371
4505
como ferramentas perfeitas
que podem tornar o meu trabalho mais eficiente e mais produtivo.
00:28
But with the rise of automation across so many different industries,
5
28403
3254
Mas com o aumento da automação em tantas diferentes indústrias,
00:31
it led me to wonder:
6
31681
1372
isso levou-me a pensar:
00:33
If machines are starting to be able to do the work
7
33077
2341
Se as máquinas tornam possível fazer o trabalho
00:35
traditionally done by humans,
8
35442
1667
habitualmente feito pelos seres humanos,
00:37
what will become of the human hand?
9
37133
2333
o que acontecerá com o trabalho manual humano?
00:40
How does our desire for perfection, precision and automation
10
40133
4093
Como é que o nosso desejo por perfeição, precisão e automação
00:44
affect our ability to be creative?
11
44250
1922
afeta a nossa capacidade de sermos criativos?
00:46
In my work as an artist and researcher, I explore AI and robotics
12
46553
4087
No meu trabalho como artista e investigadora
eu exploro a IA e a robótica
00:50
to develop new processes for human creativity.
13
50664
3005
para desenvolver novos processos para a criatividade humana.
00:54
For the past few years,
14
54077
1286
Nos últimos anos,
00:55
I've made work alongside machines, data and emerging technologies.
15
55387
4376
eu trabalhei com máquinas, com dados e com tecnologias emergentes.
01:00
It's part of a lifelong fascination
16
60143
1861
Faz parte de um fascínio ao longo da vida
01:02
about the dynamics of individuals and systems
17
62028
2735
sobre a dinâmica de indivíduos e sistemas
01:04
and all the messiness that that entails.
18
64787
2381
e toda a complicação que isso implica.
01:07
It's how I'm exploring questions about where AI ends and we begin
19
67192
4808
É assim que eu estou a explorar questões sobre onde a IA termina e nós começamos
e em que nós desenvolvemos 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 misturas sensoriais do futuro.
01:17
I think it's where philosophy and technology intersect.
22
77675
2857
Penso que é aí que se cruzam a filosofia e a tecnologia.
01:20
Doing this work has taught me a few things.
23
80992
2239
Fazendo esse trabalho, eu aprendi algumas coisas.
01:23
It's taught me how embracing imperfection
24
83642
2824
Aprendi que aceitar a imperfeição
01:26
can actually teach us something about ourselves.
25
86490
2489
pode ensinar-nos algo sobre nós mesmos.
01:29
It's taught me that exploring art
26
89428
2336
Aprendi que explorar a arte
01:31
can actually help shape the technology that shapes us.
27
91788
2931
pode ajudar a modelar a tecnologia que nos modela.
01:35
And it's taught me that combining AI and robotics
28
95148
3261
E aprendi que, combinando a IA e a robótica
01:38
with traditional forms of creativity -- visual arts in my case --
29
98433
3532
com formas tradicionais de criatividade — as artes visuais no meu caso —
01:41
can help us think a little bit more deeply
30
101989
2302
pode ajudar-nos a pensar um pouco mais profundamente
01:44
about what is human and what is the machine.
31
104315
2897
no que é o ser humano e no que é a máquina.
01:47
And it's led me to the realization
32
107942
1707
Isso levou-me à compreensão
01:49
that collaboration is the key to creating the space for both
33
109673
3055
de que a colaboração é a chave para criar o espaço para as duas coisas,
01:52
as we move forward.
34
112752
1267
à medida que avançamos.
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
chamada "Unidade de Operações de Desenho: Geração 1."
02:00
I call the machine "D.O.U.G." for short.
37
120434
2516
Chamei D.O.U.G. a essa máquina para encurtar.
02:02
Before I built D.O.U.G,
38
122974
1326
Antes de construir a D.O.U.G.,
02:04
I didn't know anything about building robots.
39
124324
2365
eu não sabia nada sobre construção de robôs
02:07
I took some open-source robotic arm designs,
40
127220
2897
Agarrei num código-fonte aberto para projetos robóticos de braço,
02:10
I hacked together a system where the robot would match my gestures
41
130141
3341
copiei um sistema em que o robô seguiria os meus gestos
02:13
and follow [them] in real time.
42
133506
1639
e segui-los-ia 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 lideraria 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 imitaria a minha linha.
02:22
So back in 2015, there we were, drawing for the first time,
46
142363
3698
Então, em 2015, estávamos a desenhar pela primeira vez,
02:26
in front of a small audience in New York City.
47
146085
2619
em frente de uma pequena plateia na cidade de Nova Iorque.
02:28
The process was pretty sparse --
48
148728
2555
O processo era o mais simples possível,
02:31
no lights, no sounds, nothing to hide behind.
49
151307
3487
sem luzes, sem som, nada onde nos escondermos.
02:35
Just my palms sweating and the robot's new servos heating up.
50
155241
3395
Apenas as palmas das mãos suadas e os novos servos do robô a aquecer.
02:38
(Laughs) Clearly, we were not built for this.
51
158950
2441
Claramente, não estávamos à espera daquilo,
02:41
But something interesting happened, something I didn't anticipate.
52
161820
3233
mas aconteceu uma coisa, algo que eu não previra.
02:45
See, D.O.U.G., in its primitive form, wasn't tracking my line perfectly.
53
165077
4802
A D.O.U.G., na sua forma primitiva,
não estava a traçar a minha linha perfeitamente.
02:49
While in the simulation that happened onscreen
54
169903
2333
Enquanto, na simulação que ocorria no ecrã,
02:52
it was pixel-perfect,
55
172260
1357
estava perfeita em pixels,
02:53
in physical reality, it was a different story.
56
173641
2531
na realidade física, era uma outra história.
02:56
It would slip and slide and punctuate and falter,
57
176196
2817
Escorregava e deslizava e pontuava e vacilava,
02:59
and I would be forced to respond.
58
179037
2068
e eu era obrigada a reagir.
03:01
There was nothing pristine about it.
59
181525
1778
Não havia nada de novo nisso.
03:03
And yet, somehow, the mistakes made the work more interesting.
60
183327
3238
Mas. de certa forma, os erros tornavam o trabalho mais interessante.
03:06
The machine was interpreting my line but not perfectly.
61
186589
2754
A máquina interpretava a minha linha, mas não perfeitamente.
03:09
And I was forced to respond.
62
189367
1372
E eu era obrigada a responder.
03:10
We were adapting to each other in real time.
63
190763
2709
Estávamos a adaptar-nos uma à outra em tempo real.
03:13
And seeing this taught me a few things.
64
193496
1937
Ver aquilo ensinou-me algumas coisas.
03:15
It showed me that our mistakes actually made the work more interesting.
65
195457
4880
Mostrou-me que os nossos erros tornavam o trabalho mais interessante.
03:20
And I realized that, you know, through the imperfection of the machine,
66
200663
4249
Eu percebi que, através da imperfeição da máquina,
03:24
our imperfections became what was beautiful about the interaction.
67
204936
3705
as nossas imperfeições tornaram-se no que era bonito quanto à interação.
03:29
And I was excited, because it led me to the realization
68
209650
3087
Eu estava animada, porque levou-me à compreensão
03:32
that maybe part of the beauty of human and machine systems
69
212761
3650
de que talvez parte da beleza do sistema seres humanos e máquinas
03:36
is their shared inherent fallibility.
70
216435
2738
é a sua herança de possibilidade partilhada de falhas.
03:39
For the second generation of D.O.U.G.,
71
219197
1820
Para a segunda geração da D.O.U.G.,
03:41
I knew I wanted to explore this idea.
72
221041
2307
eu sabia que queria explorar esta ideia.
03:43
But instead of an accident produced by pushing a robotic arm to its limits,
73
223372
4418
Mas, em vez de um acidente produzido,
a empurrar um braço robótico até ao limite,
03:47
I wanted to design a system that would respond to my drawings
74
227814
2897
eu queria desenhar um sistema que reagisse aos meus desenhos
03:50
in ways that I didn't expect.
75
230735
1833
de uma forma que eu não esperasse.
03:52
So, I used a visual algorithm to extract visual information
76
232592
3849
Então, eu usei um algoritmo visual para extrair informações visuais
03:56
from decades of my digital and analog drawings.
77
236465
2978
de décadas dos meus desenhos digitais e analógicos.
03:59
I trained a neural net on these drawings
78
239467
2055
Eu treinei uma rede neural nestes 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 voltaram a ser introduzidos na máquina por um "software" personalizado.
04:07
I painstakingly collected as many of my drawings as I could find --
81
247935
4386
Reuni cuidadosamente o maior número de desenhos que encontrei
04:12
finished works, unfinished experiments and random sketches --
82
252345
4215
— trabalhos concluídos, experiências inacabadas e esboços aleatórios —
04:16
and tagged them for the AI system.
83
256584
1999
e marquei-os para o sistema de IA.
04:18
And since I'm an artist, I've been making work for over 20 years.
84
258607
3684
Como sou artista, trabalho há mais de 20 anos.
04:22
Collecting that many drawings took months,
85
262315
2024
A reunião daqueles desenhos levou meses,
04:24
it was a whole thing.
86
264363
1389
deu um trabalhão.
04:25
And here's the thing about training AI systems:
87
265776
2595
É o que se passa no treino de sistemas da IA:
04:28
it's actually a lot of hard work.
88
268395
2200
é uma coisa muito trabalhosa.
04:31
A lot of work goes on behind the scenes.
89
271022
2191
Há muito trabalho nos bastidores.
04:33
But in doing the work, I realized a little bit more
90
273237
2681
Mas, ao fazer este trabalho, fiquei a perceber um pouco melhor
04:35
about how the architecture of an AI is constructed.
91
275942
3421
como é construída a arquitetura da IA.
04:39
And I realized it's not just made of models and classifiers
92
279387
2947
Percebi que não é apenas feita 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
Mas é fundamental um sistema maleável e modelável,
04:47
one in which the human hand is always present.
95
287260
3111
em que a mão humana 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 IA omnipotente que nos disseram para acreditar.
04:54
So I collected these drawings for the neural net.
97
294419
2515
Então, reuni estes desenhos para a rede neural.
04:56
And we realized something that wasn't previously possible.
98
296958
3929
E percebemos algo que, anteriormente não era possível.
05:00
My robot D.O.U.G. became a real-time interactive reflection
99
300911
4091
O meu robô D.O.U.G. tornou-se uma reflexão interativa em tempo real
05:05
of the work I'd done through the course of my life.
100
305026
2627
do trabalho que eu tinha feito durante toda a minha vida.
05:07
The data was personal, but the results were powerful.
101
307677
3865
Os dados eram pessoais, mas os resultados foram poderosos.
05:11
And I got really excited,
102
311566
1484
Eu estava realmente animada,
05:13
because I started thinking maybe machines don't need to be just tools,
103
313074
4582
porque comecei a pensar que as máquinas talvez não fossem apenas ferramentas,
05:17
but they can function as nonhuman collaborators.
104
317680
3420
mas pudessem funcionar como colaboradoras não humanas.
05:21
And even more than that,
105
321537
1547
E até mais que isso.
05:23
I thought maybe the future of human creativity
106
323108
2429
Eu penso que o futuro da criatividade humana
05:25
isn't in what it makes
107
325561
1524
talvez não seja o que ele faz
05:27
but how it comes together to explore new ways of making.
108
327109
3436
mas como vamos explorar novas maneiras de fazer.
05:31
So if D.O.U.G._1 was the muscle,
109
331101
2190
Então se a D.O.U.G.:01 foi o músculo,
05:33
and D.O.U.G._2 was the brain,
110
333315
1762
e D.O.U.G.:02 foi o cérebro,
05:35
then I like to think of D.O.U.G._3 as the family.
111
335101
2928
então eu gosto de pensar na D.O.U.G.:03 como a família.
05:38
I knew I wanted to explore this idea of human-nonhuman collaboration at scale.
112
338482
4793
Eu queria explorar esta ideia de colaboração
de colaboração humano-não-humana à escala.
05:43
So over the past few months,
113
343299
1373
Assim, nos últimos meses, a minha equipa e eu
05:44
I worked with my team to develop 20 custom robots
114
344696
3135
trabalhámos para desenvolver 20 robôs personalizados
05:47
that could work with me as a collective.
115
347855
1960
que trabalhariam comigo como um coletivo.
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, podíamos colaborar com a cidade de Nova Iorque.
05:54
I was really inspired by Stanford researcher Fei-Fei Li,
118
354069
2944
Eu fui inspirada por Fei-Fei Li, o investigador de Stanford, que disse:
05:57
who said, "if we want to teach machines how to think,
119
357037
2515
"Se quisermos ensinar as máquinas a pensar,
05:59
we need to first teach them how to see."
120
359576
1984
"primeiro, temos de ensiná-las a ver."
06:01
It made me think of the past decade of my life in New York,
121
361584
2785
Isto fez-me pensar nas últimas décadas da minha vida em Nova Iorque,
06:04
and how I'd been all watched over by these surveillance cameras around the city.
122
364393
3993
e como eu tinha sido vigiada pelas câmaras de vigilância da cidade.
06:08
And I thought it would be really interesting
123
368410
2056
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 os meus robôs a verem.
06:12
So with this project,
125
372919
1888
Então com este projeto,
06:14
I thought about the gaze of the machine,
126
374831
1967
eu pensei no olhar da máquina,
06:16
and I began to think about vision as multidimensional,
127
376822
3226
e tornei a pensar na visão multidimensional,
06:20
as views from somewhere.
128
380072
1600
como vistas de algum lugar.
06:22
We collected video
129
382151
1834
Recolhemos vídeos
06:24
from publicly available camera feeds on the internet
130
384009
3063
de imagens na Internet de câmaras disponíveis publicamente
06:27
of people walking on the sidewalks,
131
387096
1690
pessoas a caminhar nos passeios,
06:28
cars and taxis on the road,
132
388810
1712
de carros e táxis na rua,
06:30
all kinds of urban movement.
133
390546
1817
todo o tipo de movimento urbano.
06:33
We trained a vision algorithm on those feeds
134
393188
2603
Treinámos um algoritmo de visão com aquelas imagens
06:35
based on a technique called "optical flow,"
135
395815
2286
baseando-nos numa 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
a direção, a paragem, a velocidade do movimento urbano.
06:44
Our system extracted those states from the feeds as positional data
138
404178
4269
O nosso sistema extraiu essas situações das imagens, como dados posicionais
06:48
and became pads for my robotic units to draw on.
139
408471
3373
e tornaram-se almofadas para uso das minhas unidades robóticas.
06:51
Instead of a collaboration of one-to-one,
140
411868
2534
Em vez da colaboração um-a-um,
06:54
we made a collaboration of many-to-many.
141
414426
3024
fizemos 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 com a da máquina na cidade,
07:01
we reimagined what a landscape painting could be.
143
421085
2794
reinventámos o que podia ser uma pintura de paisagem.
07:03
Throughout all of my experiments with D.O.U.G.,
144
423903
2218
Durante toda a minha experiência com a D.O.U.G.,
07:06
no two performances have ever been the same.
145
426145
2717
nunca os dois desempenhos foram iguais.
07:08
And through collaboration,
146
428886
1382
E através de colaboração,
07:10
we create something that neither of us could have done alone:
147
430292
2864
criámos algo que nenhum de nós podia ter feito sozinho:
07:13
we explore the boundaries of our creativity,
148
433180
2611
Explorámos as fronteiras da nossa criatividade,
07:15
human and nonhuman working in parallel.
149
435815
2892
humana e não-humana, trabalhando em paralelo.
07:19
I think this is just the beginning.
150
439823
2334
Eu penso que isto está apenas a começar.
07:22
This year, I've launched Scilicet,
151
442569
2183
Este ano, lancei o Scilicet,
07:24
my new lab exploring human and interhuman collaboration.
152
444776
4245
o meu novo laboratório para explorar 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 "feedbacks"
07:31
between individual, artificial and ecological systems.
154
451483
4230
entre os sistemas individuais, ecológicos e artificiais.
07:36
We're connecting human and machine output
155
456276
2269
Estamos a interligar a produção do ser humano e da máquina
07:38
to biometrics and other kinds of environmental data.
156
458569
2984
para a biometria e outros tipos de dados ambientais.
07:41
We're inviting anyone who's interested in the future of work, systems
157
461577
4079
Estamos a convidar quem quer que esteja interessado
no trabalho do futuro,
07:45
and interhuman collaboration
158
465680
1595
em sistemas e colaboração inter.humana,
07:47
to explore with us.
159
467299
1550
para explorar connosco.
07:48
We know it's not just technologists that have to do this work
160
468873
3405
Sabemos que não são apenas os tecnólogos que têm de fazer este trabalho,
07:52
and that we all have a role to play.
161
472302
2103
todos nós temos um papel a desempenhar.
07:54
We believe that by teaching machines
162
474429
2243
Acreditamos que, ensinando as máquinas
07:56
how to do the work traditionally done by humans,
163
476696
2730
a fazerem o trabalho tradicionalmente feito por pessoas,
07:59
we can explore and evolve our criteria
164
479450
2953
podemos explorar e melhorar os nossos critérios
08:02
of what's made possible by the human hand.
165
482427
2443
do que é possível fazer pela mão humana.
08:04
And part of that journey is embracing the imperfections
166
484894
3493
Uma parte deste percurso está em aceitar as imperfeições
08:08
and recognizing the fallibility of both human and machine,
167
488411
3690
e reconhecer a capacidade de falhar tanto dos humanos como das máquinas,
08:12
in order to expand the potential of both.
168
492125
2405
a fim de expandir o potencial de ambos.
08:14
Today, I'm still in pursuit of finding the beauty
169
494919
2301
Hoje, eu ainda estou a procurar encontrar a beleza
08:17
in human and nonhuman creativity.
170
497244
2276
na criatividade humana e não humana.
08:19
In the future, I have no idea what that will look like,
171
499865
2829
No futuro, eu não faço ideia de como será isso,
08:23
but I'm pretty curious to find out.
172
503627
2024
mas estou muito curiosa para saber.
08:25
Thank you.
173
505675
1151
Obrigada.
08:26
(Applause)
174
506850
1884
(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