Мнозина от нас използват технологии в ежедневието си. Някои разчитат на технологиите да вършат работата ни. За кратко смятах, че машините и технологиите , които са важни
Many of us here use technology in our day-to-day. And some of us rely on technology to do our jobs. For a while, I thought of machines and the technologies that drive them
са добри инструменти, можещи да направят работата ми по-ефективна и плодотворна.
as perfect tools that could make my work more efficient and more productive.
Но с разтежа на автоматизацията сред различни индустрии, се замислих: Ако машините стават способни да вършат работата досега извършвана от хора, какво ще стане с човешката ръка? Как желанието ни за съвършенство, прецизност и автоматизация влияят на нашата изобретателност?
But with the rise of automation across so many different industries, it led me to wonder: If machines are starting to be able to do the work traditionally done by humans, what will become of the human hand? How does our desire for perfection, precision and automation affect our ability to be creative?
В работата си като артист и изследовател, изучавам изкуствен интелект и роботика, за да разработвам нови процеси за човешка изобретателност. За последните години съм работила сред машини, данни и изникващи технологии. Това е част от доживотно възхищение за динамиката между хора и системи и цялата бъркотия, която тя предизвиква. Това е начина за изледване по отношение на края на изкуствения интелекти нас и къде разработвам процеси, които изследват потенциални смесици в бъдеще. Мисля, че тук философията и технологията се пресичат.
In my work as an artist and researcher, I explore AI and robotics to develop new processes for human creativity. For the past few years, I've made work alongside machines, data and emerging technologies. It's part of a lifelong fascination about the dynamics of individuals and systems and all the messiness that that entails. It's how I'm exploring questions about where AI ends and we begin and where I'm developing processes that investigate potential sensory mixes of the future. I think it's where philosophy and technology intersect.
Тази работа ме научи на някои неща. Научи ме как приемането на несъвършенствата може да ни покаже нещо за самите нас. Научи ме, че изследването на изкуството може да промени технологията, която оформя нас. И ми показа, че комбинирането на изкуствен интелект и роботика с традиционни форми на креативност - в частност визуални изкуства - може поощри да мислим по-задълбочено за това какво е човек и какво машина. И доведе до извода, че сътрудничеството е ключът, за създаването на място за двете докато продължаваме напред
Doing this work has taught me a few things. It's taught me how embracing imperfection can actually teach us something about ourselves. It's taught me that exploring art can actually help shape the technology that shapes us. And it's taught me that combining AI and robotics with traditional forms of creativity -- visual arts in my case -- can help us think a little bit more deeply about what is human and what is the machine. And it's led me to the realization that collaboration is the key to creating the space for both as we move forward.
Всичко започна с прост експеримент с машини, наречен "Поделение за рисуващи операции: генерация 1". Наричам машината ДОУГ за по-кратко. Преди да създам ДОУГ, Не знаех нищо за създаването на роботи. Трябваха отворени дизайни за роботски ръце, направих система с която роботът да следи жестовете ми и да ги следва в реално време. Обещанието беше просто: аз щях да водя, а той да следва. Аз щях да чертая линия, а той да я имитира.
It all started with a simple experiment with machines, called "Drawing Operations Unit: Generation 1." I call the machine "D.O.U.G." for short. Before I built D.O.U.G, I didn't know anything about building robots. I took some open-source robotic arm designs, I hacked together a system where the robot would match my gestures and follow [them] in real time. The premise was simple: I would lead, and it would follow. I would draw a line, and it would mimic my line.
Обратно в 2015, рисувахме за първи път, пред малка публика в Ню Йорк. Процесът беше прост - без светлини, без звуци, нищо за криене. Само потящите ми длани и прегряващият механизъм на робота. (смее се) Очевидно не сме създадени за това. Но нещо интересно стана, което не очаквах.
So back in 2015, there we were, drawing for the first time, in front of a small audience in New York City. The process was pretty sparse -- no lights, no sounds, nothing to hide behind. Just my palms sweating and the robot's new servos heating up. (Laughs) Clearly, we were not built for this. But something interesting happened, something I didn't anticipate.
Вижте, ДОУГ, в примитивната си форма, не следваше моята линия идеално Докато в симулацията на екран беше точен до пиксел, в реалността беше различна история. хлъзгаше се и пързаляше, прекъсваше и засичаше, а аз трябваше да отреагирам. Нямаше нищо първично в това. Но все пак, някак, грешките направиха работата по-интересна. Машината интерпретираше линията ми, но не перфектно. И трябваше да отреагирам. Приспособявахме се в реално време.
See, D.O.U.G., in its primitive form, wasn't tracking my line perfectly. While in the simulation that happened onscreen it was pixel-perfect, in physical reality, it was a different story. It would slip and slide and punctuate and falter, and I would be forced to respond. There was nothing pristine about it. And yet, somehow, the mistakes made the work more interesting. The machine was interpreting my line but not perfectly. And I was forced to respond. We were adapting to each other in real time.
Видяното ме научи на някои неща. Показа ми, че грешките ни, правят работата интересна. И осъзнах, че чрез несъвършенството на машината, нашите несъвършенства стават това, което е красиво във взаимоотношението. И бях развълнувана, защо осъзнах, че част от красотата между хората и машините е тяхната споделена наследена погрешимост. За втората генерация ДОУГ, знаех, че искам да изследвам тази идея. Но вместо инцидент, породен от претоварване на роботска ръка, исках да проектирам система, която да отговаря на схемите ми по начини, които не съм очаквала.
And seeing this taught me a few things. It showed me that our mistakes actually made the work more interesting. And I realized that, you know, through the imperfection of the machine, our imperfections became what was beautiful about the interaction. And I was excited, because it led me to the realization that maybe part of the beauty of human and machine systems is their shared inherent fallibility. For the second generation of D.O.U.G., I knew I wanted to explore this idea. But instead of an accident produced by pushing a robotic arm to its limits, I wanted to design a system that would respond to my drawings in ways that I didn't expect.
Иизползвах визуален алгоритъм за извличане на информация от десетилетията ми дигитални и аналогови схеми. Тренирах невронна мрежа на тези схеми с цел да генерирам повтарящи се шаблони, които после се връщаха към машината чрез специален софтуер. Старателно събирах колкото можех от схемите ми завършени работи, незавършени експерименти и случайни драсканици - и ги отбелязвах за изкуствения интелект. И откакто съм артист, съм работила над 20 години. Събирането на толкова схеми отне месеци, това е цялото нещо.
So, I used a visual algorithm to extract visual information from decades of my digital and analog drawings. I trained a neural net on these drawings in order to generate recurring patterns in the work that were then fed through custom software back into the machine. I painstakingly collected as many of my drawings as I could find -- finished works, unfinished experiments and random sketches -- and tagged them for the AI system. And since I'm an artist, I've been making work for over 20 years. Collecting that many drawings took months, it was a whole thing.
И ето за обучението на изкуствения интелект много тежка работа е. Много работа остава незабелязана. Но вършейки работата, осъзнах малко повече за това как архитектурата на изкуствения интелект е конструирана. И осъзнах, че не е само модели и класификатори за невронната мрежа. А е фундаментално ковка и лесна за оформяне система, където човешката ръка е винаги насъщна. Далеч е от всемогъщия изкуствен интелект, в който ни карат да вярваме.
And here's the thing about training AI systems: it's actually a lot of hard work. A lot of work goes on behind the scenes. But in doing the work, I realized a little bit more about how the architecture of an AI is constructed. And I realized it's not just made of models and classifiers for the neural network. But it's a fundamentally malleable and shapable system, one in which the human hand is always present. It's far from the omnipotent AI we've been told to believe in.
Та, събирах схеми за невронната мрежа. И ние осъзнахме нещо, което не беше възможно преди. Моят робот ДОУГ, беше станал отражение в реално време на работата, която бях вършила цял живот. Данните бяха лични, но резултатите бяха окуражаващи. И силно се развълнувах, защото започнах да мисля, че машините може би не трябва да са само инструменти, но могат да служат като не-човешки сътрудници. И дори повече, помислих, че може би човешката изобретателност не е в това, което правим, а в това как изследваме нови начини на мислене.
So I collected these drawings for the neural net. And we realized something that wasn't previously possible. My robot D.O.U.G. became a real-time interactive reflection of the work I'd done through the course of my life. The data was personal, but the results were powerful. And I got really excited, because I started thinking maybe machines don't need to be just tools, but they can function as nonhuman collaborators. And even more than that, I thought maybe the future of human creativity isn't in what it makes but how it comes together to explore new ways of making.
Така че, ако ДОУГ 1 беше мускулът и ДОУГ 2 беше мозъкът, харесва ми да считам ДОУГ 3 )за семейството. Исках да изследвам мащабното сътрудничество между човек-машина Така че, в следващите месеци работех с екипа си над 20 специализирани робота, които да работят с мен като колектив. Трябваше да работят като група, и заедно щяхме да сътрудничим с целия Ню Йорк.
So if D.O.U.G._1 was the muscle, and D.O.U.G._2 was the brain, then I like to think of D.O.U.G._3 as the family. I knew I wanted to explore this idea of human-nonhuman collaboration at scale. So over the past few months, I worked with my team to develop 20 custom robots that could work with me as a collective. They would work as a group, and together, we would collaborate with all of New York City.
Бях вдъхновена от изследователя от Станфорд Фей-Фей Ли, каза: " Искаме да научим как машините да мислят, първо трябва да ги научим как да виждат." Замислих се за 10 години от живота ми в Ню Йорк и как съм била гледана от охранителни камери в града. И помислих, че ще е наистина интересно ако ги използвам да науча роботите си да виждат. Та, с този проект, помислих за погледа на машината и започнах да мисля за зрението като многоизмерно, като гледки от някъде. Събрахме видео от публично достъпни записи в интернет на хора, ходещи по тротарите, коли и таксита по пътя, всички видове градско движение. Обучихме визуален алгоритъм на тези записи на база техника наречена "оптичен поток", за да анализираме общата гъстота посока, застояване и скорост на градското движение. Системата ни извлече тези състояния от записите като позиционни данни и те станаха подложка, върху която роботите ми да рисуват. Вместо сътрудничество един-към-един, направихме сътрудничество много-към-много. Комбинирайки зрението на човека и машината в града, ние претворихме представата за пейзажна картина.
I was really inspired by Stanford researcher Fei-Fei Li, who said, "if we want to teach machines how to think, we need to first teach them how to see." It made me think of the past decade of my life in New York, and how I'd been all watched over by these surveillance cameras around the city. And I thought it would be really interesting if I could use them to teach my robots to see. So with this project, I thought about the gaze of the machine, and I began to think about vision as multidimensional, as views from somewhere. We collected video from publicly available camera feeds on the internet of people walking on the sidewalks, cars and taxis on the road, all kinds of urban movement. We trained a vision algorithm on those feeds based on a technique called "optical flow," to analyze the collective density, direction, dwell and velocity states of urban movement. Our system extracted those states from the feeds as positional data and became pads for my robotic units to draw on. Instead of a collaboration of one-to-one, we made a collaboration of many-to-many. By combining the vision of human and machine in the city, we reimagined what a landscape painting could be.
През всичките ми експерименти с ДОУГ, никои две представления не са били еднакви. И през сътрудничество, ние създаваме нещо, което никой поотделно не би: изследваме границите на изобретателността си, човек и не-човек, работещи паралелно.
Throughout all of my experiments with D.O.U.G., no two performances have ever been the same. And through collaboration, we create something that neither of us could have done alone: we explore the boundaries of our creativity, human and nonhuman working in parallel.
Мисля, че това е само началото. Тази година открих Scilicet новата ми лаборатория, изследваща сътрудничеството между човек и не-човек. Наистина сме интересуваме в обратната връзка между индивид, изкуствени и екологични системи. Свързваме човешки и машинни крайни резултати с биометрики и други видове данни за средата. Каним всеки, който се интересува от бъдещето на работата, системно и човешко сътрудничество да изследва с нас. Знаем, че не само технолозите трябва да вършат тази работа и че всички имаме роля в това.
I think this is just the beginning. This year, I've launched Scilicet, my new lab exploring human and interhuman collaboration. We're really interested in the feedback loop between individual, artificial and ecological systems. We're connecting human and machine output to biometrics and other kinds of environmental data. We're inviting anyone who's interested in the future of work, systems and interhuman collaboration to explore with us. We know it's not just technologists that have to do this work and that we all have a role to play.
Вярваме, че като учим машини как да вършат човешката работа, можем да изследваме и подобрим критериите си за какво е възможно да сътвори човешката ръка. И част от това пътешествие е приемането на несъвършенствата и разпознаването на погрешимостта и на човека, и на машината, за да повишим потенциала и на двете.
We believe that by teaching machines how to do the work traditionally done by humans, we can explore and evolve our criteria of what's made possible by the human hand. And part of that journey is embracing the imperfections and recognizing the fallibility of both human and machine, in order to expand the potential of both.
Днес още съм в преследване на красотата в човешката и не-човешката изобретателност. В бъдеще, нямам идея как ще изглежда тя, но съм любопитна да разбера.
Today, I'm still in pursuit of finding the beauty in human and nonhuman creativity. In the future, I have no idea what that will look like, but I'm pretty curious to find out.
Благодаря ви.
Thank you.
(аплодисменти)
(Applause)