Golan Levin makes art that looks back at you

Golan Levin'in sanatı size dönüp bakıyor.

56,800 views ・ 2009-07-30

TED


Videoyu oynatmak için lütfen aşağıdaki İngilizce altyazılara çift tıklayınız.

Çeviri: yasin alp aluç Gözden geçirme: Yasemin Ak
00:12
Hello! My name is Golan Levin.
0
12160
3000
Merhaba! Adım Golan Levin.
00:15
I'm an artist and an engineer,
1
15160
2000
Ben bir sanatçı ve mühendisim.
00:17
which is, increasingly, a more common kind of hybrid.
2
17160
2000
Bu gittikçe daha sık karşılaştığımız bir bileşim.
00:19
But I still fall into this weird crack
3
19160
3000
Yine de kendimi insanların beni
00:22
where people don't seem to understand me.
4
22160
2000
pek anlamadığı bir durumda buluyorum.
00:24
And I was looking around and I found this wonderful picture.
5
24160
4000
Sağa sola bakınırken bu harikulade resmi buldum.
00:28
It's a letter from "Artforum" in 1967
6
28160
3000
"Artforum" dergisinin 1967 sayısından
00:31
saying "We can't imagine ever doing a special issue
7
31160
3000
bir mektup diyor ki "Sanatta elektronik veya bilgisayar
00:34
on electronics or computers in art." And they still haven't.
8
34160
3000
konulu özel sayı çıkaracağımızı hayal edemiyoruz." Hâlâ çıkartmadılar.
00:37
And lest you think that you all, as the digerati, are more enlightened,
9
37160
5000
Sizler, bilişimciler olarak daha aydın olduğunuzu düşünmüyorsanız,
00:42
I went to the Apple iPhone app store the other day.
10
42160
3000
geçen gün Apple'ın uygulamalar mağazasına baktım.
00:45
Where's art? I got productivity. I got sports.
11
45160
4000
Sanat neresinde? Üretkenlik tamam. Spor tamam.
00:49
And somehow the idea that one would want to make art for the iPhone,
12
49160
4000
Her nedense, arkadaşlarımla şu sırada yaptığımız gibi, iPhone için sanat
00:53
which my friends and I are doing now,
13
53160
2000
üretme fikri halen bilgisayarların ne işe
00:55
is still not reflected in our understanding
14
55160
3000
yaradığına yönelik anlayışımıza
00:58
of what computers are for.
15
58160
2000
yansıyabilmiş değil.
01:00
So, from both directions, there is kind of, I think, a lack of understanding
16
60160
2000
Yani, her iki açıdan bakıldığında, bence bir sanatçının kendi çağına özgü
01:02
about what it could mean to be an artist who uses the materials
17
62160
2000
materyalleri kullanmasının ne demek olabileceği hususunda
01:04
of his own day, or her own day,
18
64160
2000
bir nevi anlaşmazlık söz konusu.
01:06
which I think artists are obliged to do,
19
66160
2000
Bana kalırsa, sanatçılar günümüzün
01:08
is to really explore the expressive potential of the new tools that we have.
20
68160
4000
yeni araç gereçlerinin, ifadeye dair potansiyellerini gerçekten keşfetmek zorundadırlar.
01:12
In my own case, I'm an artist,
21
72160
2000
Bana gelince, ben bir sanatçıyım,
01:14
and I'm really interested in
22
74160
2000
beşeri eylemin sözcük dağarcığını
01:16
expanding the vocabulary of human action,
23
76160
2000
genişletmek ve etkileşim yoluyla temelde
01:18
and basically empowering people through interactivity.
24
78160
3000
insanları güçlendirmek niyetindeyim.
01:21
I want people to discover themselves as actors,
25
81160
3000
İnsanların interaktif deneyimler sayesinde
01:24
as creative actors, by having interactive experiences.
26
84160
4000
kendilerini aktörler, yaratıcı aktörler olarak görmelerini istiyorum.
01:28
A lot of my work is about trying to get away from this.
27
88160
3000
Çalışmalarımın çoğu da bu amaca hizmet ediyor.
01:31
This a photograph of the desktop of a student of mine.
28
91160
2000
Bu bir öğrencimin masaüstünün fotoğrafı.
01:33
And when I say desktop, I don't just mean
29
93160
2000
Masaüstü dediğimde sadece faresinin
01:35
the actual desk where his mouse has worn away the surface of the desk.
30
95160
3000
aşındırdığı gerçek masa yüzeyini kast etmiyorum.
01:38
If you look carefully, you can even see
31
98160
2000
Eğer dikkatli bakarsanız, Apple menüsünün
01:40
a hint of the Apple menu, up here in the upper left,
32
100160
3000
bir parçasını görebilirsiniz, burada sol üstte,
01:43
where the virtual world has literally
33
103160
2000
tam olarak sanal dünyanın
01:45
punched through to the physical.
34
105160
2000
fiziksel dünyaya karıştığı yerde.
01:47
So this is, as Joy Mountford once said,
35
107160
4000
Bu Joy Mountford'un da bir keresinde söylediği gibi,
01:51
"The mouse is probably the narrowest straw
36
111160
2000
"Herhalde fare insanların ifadesini emmek
01:53
you could try to suck all of human expression through."
37
113160
2000
için kullanabileceğin en önemsiz alettir."
01:55
(Laughter)
38
115160
3000
(Gülüşmeler)
01:58
And the thing I'm really trying to do is enabling people to have more rich
39
118160
3000
Yapmaya çalıştığım şey, insanların daha fazla interaktif
02:01
kinds of interactive experiences.
40
121160
2000
deneyim yaşayabilmelerini sağlamak.
02:03
How can we get away from the mouse and use our full bodies
41
123160
2000
Nasıl farelerden kurtulur da, vücudumuzu
02:05
as a way of exploring aesthetic experiences,
42
125160
3000
estetik deneyimleri keşfetmek için kullanabiliriz,
02:08
not necessarily utilitarian ones.
43
128160
2000
faydacı deneyimler olmak zorunda değil.
02:10
So I write software. And that's how I do it.
44
130160
3000
Ben de bunun için bir yazılım yazdım.
02:13
And a lot of my experiences
45
133160
2000
Deneyimlerimin çoğu birçok açıdan
02:15
resemble mirrors in some way.
46
135160
2000
aynalara benziyor.
02:17
Because this is, in some sense, the first way,
47
137160
2000
Çünkü bazı yönlerden, aynalar insanların
02:19
that people discover their own potential as actors,
48
139160
2000
kendilerini potansiyel aktör olarak
02:21
and discover their own agency.
49
141160
2000
keşfetmelerinin ilk yolu.
02:23
By saying "Who is that person in the mirror? Oh it's actually me."
50
143160
3000
"Kim bu aynadaki? Oh, ben miyim gerçekten." diyerek yapıyorlar bunu.
02:26
And so, to give an example,
51
146160
2000
Bir örnek göstereyim şimdi,
02:28
this is a project from last year,
52
148160
2000
bu geçen seneden bir proje.
02:30
which is called the Interstitial Fragment Processor.
53
150160
2000
Adı da Dokular Arası Parça İşlemcisi.
02:32
And it allows people to explore the negative shapes that they create
54
152160
4000
İnsanlara her gün işlerine gitmek üzereyken
02:36
when they're just going about their everyday business.
55
156160
3000
yarattıkları negatif şekilleri keşfetme imkanı sağlıyor.
02:53
So as people make shapes with their hands or their heads
56
173160
2000
İnsanlar elleri veya kafaları veya başkalarıyla
02:55
and so forth, or with each other,
57
175160
2000
şekiller yarattıklarında,
02:57
these shapes literally produce sounds and drop out of thin air --
58
177160
3000
bu şekiller ses üretiyor ve düşüşe geçiyor.
03:00
basically taking what's often this, kind of, unseen space,
59
180160
4000
Temelinde, görünmeyen veya algılanamayan alanı
03:04
or this undetected space, and making it something real,
60
184160
3000
ele alıp onu gerçek hale getiriyoruz,
03:07
that people then can appreciate and become creative with.
61
187160
3000
bu da insanların hoşuna gidiyor ve onunla yaratıcı hale geliyorlar.
03:10
So again, people discover their creative agency in this way.
62
190160
3000
İnsanlar bunun sayesinde yaratıcı yönlerini keşfediyorlar.
03:13
And their own personalities come out
63
193160
2000
Ve kendi kişiliklerini tamamen
03:15
in totally unique ways.
64
195160
3000
kendilerine has yollarla ortaya koyuyorlar.
03:18
So in addition to using full-body input,
65
198160
3000
Bunun için insanların vücudunu
03:21
something that I've explored now, for a while,
66
201160
2000
kullanmanın yanı sıra son zamanlarda
03:23
has been the use of the voice,
67
203160
2000
keşfettiğim bir şey de seslerini kullanmak.
03:25
which is an immensely expressive system for us, vocalizing.
68
205160
4000
Ses çıkarmak bizim için tamamen dışavurumun bir parçası.
03:29
Song is one of our oldest ways
69
209160
2000
Şarkı söylemek kendimizi duyurma
03:31
of making ourselves heard and understood.
70
211160
3000
ve anlatmanın en eski yolu.
03:34
And I came across this fantastic research by Wolfgang Köhler,
71
214160
2000
Gestalt psikolojisinin babası olarak adlandırılan
03:36
the so-called father of gestalt psychology, from 1927,
72
216160
4000
Wolfgang Köhler'in 1927 tarihli bu harika araştırması ile karşılaştım,
03:40
who submitted to an audience like yourselves
73
220160
2000
araştırmada sizin gibi izleyicilerine şu
03:42
the following two shapes.
74
222160
2000
iki şekli göstermiş.
03:44
And he said one of them is called Maluma.
75
224160
2000
Ve demiş ki bunlardan birinin adı Maluma.
03:46
And one of them is called Taketa. Which is which?
76
226160
2000
Diğeri ise Taketa. Hangisi hangisi sizce?
03:48
Anyone want to hazard a guess?
77
228160
4000
Tahminde bulunmak isteyen var mı?
03:52
Maluma is on top. Yeah. So.
78
232160
2000
Maluma üstteki. Evet.
03:54
As he says here, most people answer without any hesitation.
79
234160
3000
Çoğu insanın bunu tereddütsüz cevaplayabildiğini söylüyor.
03:57
So what we're really seeing here is a phenomenon
80
237160
2000
Burada karşılaştığımız fenomenin adı fonestezi
03:59
called phonaesthesia,
81
239160
2000
ki bu da hepimizde olan
04:01
which is a kind of synesthesia that all of you have.
82
241160
2000
bir çeşit sinestezi (duygu karışımı).
04:03
And so, whereas Dr. Oliver Sacks has talked about
83
243160
2000
Dr. Oliver Sacks'in belirttiğine göre gerçek
04:05
how perhaps one person in a million
84
245160
2000
sinesteziye sahip insan sayısı belki
04:07
actually has true synesthesia,
85
247160
2000
milyonda birdir, bunlar renkleri
04:09
where they hear colors or taste shapes, and things like this,
86
249160
2000
duyabilir veya şekilleri tadabilir ve benzeri şeyler,
04:11
phonaesthesia is something we can all experience to some extent.
87
251160
2000
fonestezi ise belli bir ölçüde hepimizin yaşadığı bir şey.
04:13
It's about mappings between different perceptual domains,
88
253160
3000
Bu, bizim bahsedebileceğimiz sağlamlık, keskinlik,
04:16
like hardness, sharpness, brightness and darkness,
89
256160
3000
parlaklık, karanlık ve ses birimleri gibi farklı algılar
04:19
and the phonemes that we're able to speak with.
90
259160
2000
arasında bir harita oluşturmakla ilgili.
04:21
So 70 years on, there's been some research where
91
261160
2000
70 yıldır bilişsel psikologların ayrıntılarını
04:23
cognitive psychologists have actually sussed out
92
263160
2000
ortaya çıkarmak için yaptığı
04:25
the extent to which, you know,
93
265160
2000
araştırmalar var, bilirsiniz,
04:27
L, M and B are more associated with shapes that look like this,
94
267160
4000
L, M ve B daha çok bu tür şekiller ile ilişkilendirilmiş
04:31
and P, T and K are perhaps more associated with shapes like this.
95
271160
4000
ve P, T ve K daha çok bu tür şekillerle.
04:35
And here we suddenly begin to have a mapping between curvature
96
275160
2000
Ve burada birden eğriler arasında harita oluşturmaya başlıyoruz
04:37
that we can exploit numerically,
97
277160
2000
bu eğrilerden sayısal olarak faydalanabiliyoruz,
04:39
a relative mapping between curvature and shape.
98
279160
3000
eğriler ve şekiller arasında göreceli bir harita oluşturuluyor.
04:42
So it occurred to me, what happens if we could run these backwards?
99
282160
3000
Benim de aklıma geldi, bunu geriye doğru sararsak ne olur?
04:45
And thus was born the project called Remark,
100
285160
2000
Böylece Remark adlı proje doğdu.
04:47
which is a collaboration with Zachary Lieberman
101
287160
2000
Zachary Lieberman ve Ars Electronica Futurelab
04:49
and the Ars Electronica Futurelab.
102
289160
2000
ile birlikte gerçekleştirdik bu projeyi.
04:51
And this is an interactive installation which presents
103
291160
2000
Bu konuşmanıza karşılık gelen görünür
04:53
the fiction that speech casts visible shadows.
104
293160
2000
gölgeleri oluşturan interaktif bir donanım.
04:55
So the idea is you step into a kind of a magic light.
105
295160
3000
İnsanları bir çeşit sihirli ışığa sokmayı amaçladık.
04:58
And as you do, you see the shadows of your own speech.
106
298160
3000
Bunu yaptığınızda, kendi konuşmanızın gölgelerini göreceksiniz.
05:01
And they sort of fly away, out of your head.
107
301160
2000
Ve de bunlar kafanızdan çıkıp uçacaklar.
05:03
If a computer speech recognition system
108
303160
3000
Eğer bilgisayardaki konuşma tanımlama sistemi
05:06
is able to recognize what you're saying, then it spells it out.
109
306160
4000
dediklerinizi tanımlayabilirse onu ekrana yansıtıyor.
05:10
And if it isn't then it produces a shape which is very phonaesthetically
110
310160
2000
Eğer tanımlayamazsa çıkardığınız sese
05:12
tightly coupled to the sounds you made.
111
312160
2000
çok yakın bir şekil ortaya çıkarıyor.
05:14
So let's bring up a video of that.
112
314160
3000
Öyleyse, videoyu izleyelim.
06:03
(Applause)
113
363160
2000
(Alkışlar)
06:05
Thanks. So. And this project here,
114
365160
3000
Teşekkürler. Bu proje de müthiş soyut vokalist
06:08
I was working with the great abstract vocalist, Jaap Blonk.
115
368160
3000
Jaap Blonk ile birlikte gerçekleştirdiğimiz bir çalışma.
06:11
And he is a world expert in performing "The Ursonate,"
116
371160
3000
Jaap, Kurt Schwitters'in 1920'lerde yazdığı
06:14
which is a half-an-hour nonsense poem
117
374160
2000
yarım saat süren anlamsız kelimelerden oluşan
06:16
by Kurt Schwitters, written in the 1920s,
118
376160
2000
şiiri "The Ursonate"i seslendirmekte bir üstat.
06:18
which is half an hour of very highly patterned nonsense.
119
378160
4000
Yarım saat süren çok hızlı tempolu bir anlamsızlık.
06:22
And it's almost impossible to perform.
120
382160
2000
Ve neredeyse icra etmesi imkansız.
06:24
But Jaap is one of the world experts in performing it.
121
384160
3000
Ama Jaap bunu icra etmede üstatlardan biri.
06:27
And in this project we've developed
122
387160
2000
Bu projede akıllı eş zamanlı
06:29
a form of intelligent real-time subtitles.
123
389160
3000
bir altyazı sistemi geliştirdik.
06:32
So these are our live subtitles,
124
392160
3000
Bunlar bizim canlı altyazılarımız,
06:35
that are being produced by a computer that knows the text of "The Ursonate" --
125
395160
3000
"The Ursonate"in sözlerini bilen bir bilgisayar tarafından üretiliyor,
06:38
fortunately Jaap does too, very well --
126
398160
3000
neyse ki Jaap da gayet iyi biliyor.
06:41
and it is delivering that text at the same time as Jaap is.
127
401160
5000
Jaap ile eş zamanlı olarak sözleri ekrana getiriyor.
06:53
So all the text you're going to see
128
413160
2000
Göreceğiniz tüm yazılar
06:55
is real-time generated by the computer,
129
415160
2000
bilgisayar tarafından eş zamanlı olarak üretiliyor,
06:57
visualizing what he's doing with his voice.
130
417160
3000
sesi ile çıkardığını görselleştiriyor.
08:10
Here you can see the set-up where there is a screen with the subtitles behind him.
131
490160
3000
Burada arka fonda altyazıların gözüktüğü ekranı görebilirsiniz.
08:34
Okay. So ...
132
514160
2000
Pekala.
08:36
(Applause)
133
516160
5000
(Alkışlar)
08:41
The full videos are online if you are interested.
134
521160
2000
İlginizi çektiyse tam versiyonunu internette izleyebilirsiniz.
08:43
I got a split reaction to that during the live performance,
135
523160
2000
Bu performans sırasında farklı tepkiler aldım.
08:45
because there is some people who understand
136
525160
2000
Çünkü bazı insanlar altyazıların
08:47
live subtitles are a kind of an oxymoron,
137
527160
2000
bir çeşit tezat yarattığını anlıyorlardı.
08:49
because usually there is someone making them afterwards.
138
529160
3000
Çünkü genellikle sonrasında bunu yapan birisi oluyor.
08:52
And then a bunch of people who were like, "What's the big deal?
139
532160
3000
Ve bir kısım insan diyor ki, "Bunun nesi önemli ki?
08:55
I see subtitles all the time on television."
140
535160
2000
Televizyonda her zaman altyazı görüyorum."
08:57
You know? They don't imagine the person in the booth, typing it all.
141
537160
3000
Orada kabinde bunun hepsini yazan birisi olduğunu düşünemiyorlar.
09:00
So in addition to the full body, and in addition to the voice,
142
540160
3000
Tüm vücuda, ses olayına ve diğer şeylere
09:03
another thing that I've been really interested in,
143
543160
2000
ek olarak son zamanlarda benim en çok
09:05
most recently, is the use of the eyes,
144
545160
2000
ilgimi çeken şey, gözlerimizin kullanımı,
09:07
or the gaze, in terms of how people relate to each other.
145
547160
4000
bakışımız, bakışlar ile insanların birbirini etkilemesi.
09:11
It's a really profound amount of nonverbal information
146
551160
2000
Gözlerimiz ile kurduğumuz iletişim konuşmadan
09:13
that's communicated with the eyes.
147
553160
2000
aktardığımız bilgilerin büyük bir kısmını içeriyor.
09:15
And it's one of the most interesting technical challenges
148
555160
2000
Aynı zamanda bu şu anda bilgisayar biliminde de
09:17
that's very currently active in the computer sciences:
149
557160
2000
en ilginç teknik zorluklardan biri.
09:19
being able to have a camera that can understand,
150
559160
2000
Oldukça uzak bir mesafeden bu ufak topların
09:21
from a fairly big distance away,
151
561160
2000
aslında nereye baktıklarını,
09:23
how these little tiny balls are actually pointing in one way or another
152
563160
3000
ne ile ilgilendiklerini ve
09:26
to reveal what you're interested in,
153
566160
2000
dikkatinizi nereye yönelttiğinizi
09:28
and where your attention is directed.
154
568160
2000
anlayabilecek bir kameraya sahip olmak.
09:30
So there is a lot of emotional communication that happens there.
155
570160
3000
Gözlerinizde oluşan çok yoğun bir duygusal iletişim söz konusu.
09:33
And so I've been beginning, with a variety of different projects,
156
573160
4000
Birçok farklı proje ile insanların gözleri ile
09:37
to understand how people can relate to machines with their eyes.
157
577160
3000
makineler ile nasıl iletişim kurduğunu anlamaya çalıştım.
09:40
And basically to ask the questions:
158
580160
3000
Ve temelinde şu soruyu yönelttim,
09:43
What if art was aware that we were looking at it?
159
583160
5000
Eğer sanat bizim baktığımız şeyin farkında olsaydı ne olurdu?
09:48
How could it respond, in a way,
160
588160
2000
Ona baktığımız gerçeğini nasıl algılar
09:50
to acknowledge or subvert the fact that we're looking at it?
161
590160
3000
veya karşı çıkar ve buna karşılık verirdi?
09:53
And what could it do if it could look back at us?
162
593160
3000
Ve eğer bakışımıza karşılık olarak bize bakarsa ne olurdu?
09:56
And so those are the questions that are happening in the next projects.
163
596160
2000
İşte sıradaki projelerde gündeme getiren sorular bunlardı.
09:58
In the first one which I'm going to show you, called Eyecode,
164
598160
3000
Göstereceğim projelerden ilkinde, Eyecode (Göz Kodu),
10:01
it's a piece of interactive software
165
601160
2000
interaktif bir yazılım var,
10:03
in which, if we read this little circle,
166
603160
2000
burada çemberde şöyle yazıyor,
10:05
"the trace left by the looking of the previous observer
167
605160
3000
"önceki gözlemcinin bakışından geriye kalan iz
10:08
looks at the trace left by the looking of previous observer."
168
608160
3000
önceki gözlemcinin bakışından geriye kalan ize bakıyor."
10:11
The idea is that it's an image wholly constructed
169
611160
2000
Ana fikir şu, buradaki görüntü
10:13
from its own history of being viewed
170
613160
2000
zaman içinde farklı insanlar tarafından
10:15
by different people in an installation.
171
615160
2000
görüntülenmesi sonucunda oluştu.
10:17
So let me just switch over so we can do the live demo.
172
617160
5000
Şunu değiştireyim ve canlı bir gösterimini yapalım.
10:22
So let's run this and see if it works.
173
622160
4000
Oynatalım bakalım çalışıyor mu.
10:26
Okay. Ah, there is lots of nice bright video.
174
626160
3000
Tamam. Burada birçok güzel video var.
10:29
There is just a little test screen that shows that it's working.
175
629160
2000
Burada küçük bir test ekranı var, bu çalıştığını gösteriyor.
10:31
And what I'm just going to do is -- I'm going to hide that.
176
631160
2000
Şimdi bunu saklayacağım.
10:33
And you can see here that what it's doing
177
633160
2000
Ve burada nasıl çalıştığını görebilirsiniz,
10:35
is it's recording my eyes every time I blink.
178
635160
3000
her gözümü kırpışımda gözlerimi kaydediyor.
10:44
Hello? And I can ... hello ... okay.
179
644160
4000
Merhaba? Ve ben... merhaba ... tamam.
10:48
And no matter where I am, what's really going on here
180
648160
2000
Nerede olduğum, burada ne olduğu hiç önemli değil,
10:50
is that it's an eye-tracking system that tries to locate my eyes.
181
650160
3000
bu tamamen gözlerimin yerini tespit etmeye çalışan bir göz takip sistemi.
10:53
And if I get really far away I'm blurry.
182
653160
2000
Eğer gerçekten uzaklaşırsam bulanıklaşıyorum.
10:55
You know, you're going to have these kind of blurry spots like this
183
655160
2000
Bunun gibi bulanık benekler elde ediyorsunuz
10:57
that maybe only resemble eyes in a very very abstract way.
184
657160
3000
bunlar gözlere belki de sadece çok çok soyut bir şekilde benziyor.
11:00
But if I come up really close and stare directly at the camera
185
660160
3000
Ama eğer çok yakına gelir ve direk kameraya bakarsam
11:03
on this laptop then you'll see these nice crisp eyes.
186
663160
2000
o zaman güzel canlı gözleri göreceksiniz.
11:05
You can think of it as a way of, sort of, typing, with your eyes.
187
665160
4000
Bunu gözlerinizle yazı yazıyormuşsunuz gibi düşünebilirsiniz.
11:09
And what you're typing are recordings of your eyes
188
669160
2000
Ve gözlerinizin yazdığı da gözlerinizin
11:11
as you're looking at other peoples' eyes.
189
671160
2000
başkalarının gözlerine bakarken ki halinin kaydı.
11:13
So each person is looking at the looking
190
673160
3000
Herkes kendinden önceki kişinin
11:16
of everyone else before them.
191
676160
2000
bakışına bakıyor.
11:18
And this exists in larger installations
192
678160
2000
Ve bu daha büyük merkezlerde,
11:20
where there are thousands and thousands of eyes
193
680160
2000
binlerce ve binlerce gözün
11:22
that people could be staring at,
194
682160
2000
bakabildiği yerlerde, görebildiğiniz gibi
11:24
as you see who's looking at the people looking
195
684160
2000
insanlar kendilerinden öncekilerin onlardan öncekilerin
11:26
at the people looking before them.
196
686160
2000
bakışına bakar iken bıraktıkları bakışlara bakıyorlar.
11:28
So I'll just add a couple more. Blink. Blink.
197
688160
3000
Birkaç tane daha ekleyeceğim. Göz Kırpma.
11:31
And you can see, just once again, how it's sort of finding my eyes
198
691160
3000
Bir kez daha görebileceğiniz gibi, gözlerimi bulabiliyor
11:34
and doing its best to estimate when it's blinking.
199
694160
3000
ve ne zaman göz kırpacağımı en iyi şekilde tahmin edebiliyor.
11:37
Alright. Let's leave that.
200
697160
2000
Pekala. Bunu bitirelim şimdi.
11:39
So that's this kind of recursive observation system.
201
699160
3000
Bu bir çeşit yinelenen gözlemleme sistemi.
11:42
(Applause)
202
702160
2000
(Alkışlar)
11:44
Thank you.
203
704160
2000
Teşekkürler.
11:46
The last couple pieces I'm going to show
204
706160
2000
Sizlere göstermek istediğim son şeyler
11:48
are basically in the new realm of robotics -- for me, new for me.
205
708160
2000
robot teknolojisinin yeni alanlarından, benim için yeni.
11:50
It's called Opto-Isolator.
206
710160
2000
Opto-Isolator adında.
11:52
And I'm going to show a video of the older version of it,
207
712160
3000
Onun eski bir versiyonunun videosunu göstereceğim.
11:55
which is just a minute long. Okay.
208
715160
2000
Bir dakika uzunluğunda.
12:06
In this case, the Opto-Isolator is blinking
209
726160
2000
Burada, Opto-Isolator bir başkasının
12:08
in response to one's own blinks.
210
728160
2000
göz kırpmasına karşılık olarak göz kırpıyor.
12:10
So it blinks one second after you do.
211
730160
3000
Siz göz kırptıktan bir saniye sonra o da kırpıyor.
12:13
This is a device which is intended to reduce
212
733160
3000
Bu alet ile en basit maddelere
12:16
the phenomenon of gaze down to the simplest possible materials.
213
736160
3000
gözümüzü dikme fenomenini azaltmayı amaçladık.
12:19
Just one eye,
214
739160
2000
Sadece bir göz,
12:21
looking at you, and eliminating everything else about a face,
215
741160
2000
size bakıyor ve yüzdeki diğer her şey göz ardı ediliyor.
12:23
but just to consider gaze in an isolated way
216
743160
3000
Bu sadece bakışı izole edilmiş
12:26
as a kind of, as an element.
217
746160
3000
bir element olarak algılamak için.
12:29
And at the same time, it attempts to engage in what you might call
218
749160
3000
Aynı zamanda, psiko sosyal bakış alışkanlıkları ile de
12:32
familiar psycho-social gaze behaviors.
219
752160
2000
ilişkilendirmeye çalışıyoruz.
12:34
Like looking away if you look at it too long
220
754160
2000
Örneğin, ona çok uzun süre bakarsanız
12:36
because it gets shy,
221
756160
2000
başka yöne dönüyor, çünkü utanıyor.
12:38
or things like that.
222
758160
3000
Ya da buna benzer şeyler.
12:41
Okay. So the last project I'm going to show
223
761160
3000
Pekala. Sizlere göstereceğim son
12:44
is this new one called Snout.
224
764160
3000
projenin adı Snout.
12:47
(Laughter)
225
767160
2000
(Gülüşmeler)
12:49
It's an eight-foot snout,
226
769160
2000
2,5 metre uzunluğunda
12:51
with a googly eye.
227
771160
2000
aldatıcı bir göze sahip boru.
12:53
(Laughter)
228
773160
1000
(Gülüşmeler)
12:54
And inside it's got an 800-pound robot arm
229
774160
3000
İçinde kocaman bir robot kolu var
12:57
that I borrowed,
230
777160
2000
ödünç aldım,
12:59
(Laughter)
231
779160
1000
(Gülüşmeler)
13:00
from a friend.
232
780160
2000
bir arkadaşımdan.
13:02
(Laughter)
233
782160
1000
(Gülüşmeler)
13:03
It helps to have good friends.
234
783160
2000
İyi arkadaşlara sahip olmak çok iyi bir şey.
13:05
I'm at Carnegie Mellon; we've got a great Robotics Institute there.
235
785160
3000
Carnegie Mellon'da müthiş bir Robot Teknolojisi Enstitümüz var.
13:08
I'd like to show you thing called Snout, which is --
236
788160
2000
Size Snout'u göstermek isterim.
13:10
The idea behind this project is to
237
790160
2000
Bu projenin temel fikri sizi her gördüğünde
13:12
make a robot that appears as if it's continually surprised to see you.
238
792160
4000
şaşırıyormuş gibi gözüken bir robot yapmak.
13:16
(Laughter)
239
796160
4000
(Gülüşmeler)
13:20
The idea is that basically --
240
800160
2000
Temel olarak fikir şöyle --
13:22
if it's constantly like "Huh? ... Huh?"
241
802160
2000
eğer sürekli şöyle yaparsa "Huh?... Huh?"
13:24
That's why its other name is Doubletaker, Taker of Doubles.
242
804160
4000
Bu yüzden onun diğer adı Çiftyapar.
13:28
It's always kind of doing a double take: "What?"
243
808160
2000
Hep bir hereketi iki kez tekrarlıyor : "Ne?"
13:30
And the idea is basically, can it look at you
244
810160
2000
Ve temelde düşünce şöyle, o size
13:32
and make you feel as if like,
245
812160
2000
bakabiliyor ve şöyle hissetmenizi sağlıyor,
13:34
"What? Is it my shoes?"
246
814160
2000
"Ne oldu? Ayakkabılarım mı?"
13:36
"Got something on my hair?" Here we go. Alright.
247
816160
3000
"Saçımda mı bir şey var?" İşte başlıyoruz. Pekala.
14:10
Checking him out ...
248
850160
2000
Ona bakıyor...
14:20
For you nerds, here's a little behind-the-scenes.
249
860160
2000
Bilgisayar delileri için biraz perde arkasından bilgiler.
14:22
It's got a computer vision system,
250
862160
2000
Burada bir bilgisayar görüntü sistemi var
14:24
and it tries to look at the people who are moving around the most.
251
864160
3000
ve etrafında en çok hareket eden kişiye bakmaya çalışıyor.
14:39
Those are its targets.
252
879160
2000
Bunlar onun hedefleri.
14:42
Up there is the skeleton,
253
882160
2000
Yukarıda bir iskelet var,
14:44
which is actually what it's trying to do.
254
884160
3000
bu da onun yapmaya çalıştığı şey.
14:54
It's really about trying to create a novel body language for a new creature.
255
894160
3000
Bu yeni bir yaratık için yeni bir vücut dili oluşturmaya çalışmakla ilgili.
14:57
Hollywood does this all the time, of course.
256
897160
2000
Hollywood bunu sürekli yapıyor tabii ki.
14:59
But also have the body language communicate something
257
899160
2000
Aynı zamanda ona bakan kişi de
15:01
to the person who is looking at it.
258
901160
2000
vücut dili ile iletişim kuruyor.
15:03
This language is communicating that it is surprised to see you,
259
903160
2000
Sizi gördüğüne çok şaşırıyor
15:05
and it's interested in looking at you.
260
905160
3000
ve size bakmak çok ilgisini çekiyor.
15:08
(Laughter)
261
908160
2000
(Gülüşmeler)
15:10
(Applause)
262
910160
9000
(Alkışlar)
15:19
Thank you very much. That's all I've got for today.
263
919160
2000
Çok teşekkürler. Bugünlük bu kadar.
15:21
And I'm really happy to be here. Thank you so much.
264
921160
3000
Burada olmaktan gerçekten çok mutluyum. Çok teşekkürler.
15:24
(Applause)
265
924160
3000
(Alkışlar)
Bu web sitesi hakkında

Bu site size İngilizce öğrenmek için yararlı olan YouTube videolarını tanıtacaktır. Dünyanın dört bir yanından birinci sınıf öğretmenler tarafından verilen İngilizce derslerini göreceksiniz. Videoyu oradan oynatmak için her video sayfasında görüntülenen İngilizce altyazılara çift tıklayın. Altyazılar video oynatımı ile senkronize olarak kayar. Herhangi bir yorumunuz veya isteğiniz varsa, lütfen bu iletişim formunu kullanarak bizimle iletişime geçin.

https://forms.gle/WvT1wiN1qDtmnspy7