TED@IBM
Raphael Arar: How we can teach computers to make sense of our emotions
رافييل أرار: كيف يمكننا تعليم الحواسيب على فهم مشاعرنا
Filmed:
Readability: 4.3
1,255,602 views
كيف يمكننا أن نصنع ذكاءً اصطناعيًا يريد الناس حقا التعامل معه؟ يقترح "رافييل أرار" أن نبدأ بصنع فن. هو يشارك مشاريع تفاعلية تساعد الذكاء الاصطناعي أن يستكشف الأفكار المعقدة مثل الحنين والحدس والحوار. الكل يعمل نحو هدف جعل مستقبلنا التكنولوجي أقرب للبشر من الاصطناعية.
Raphael Arar - Designer, researcher
IBM's Raphael Arar creates art and designs experiences that examine the complexities of our increasingly technocentric lives. Full bio
IBM's Raphael Arar creates art and designs experiences that examine the complexities of our increasingly technocentric lives. Full bio
Double-click the English transcript below to play the video.
00:13
I consider myself one part artist
and one part designer.
and one part designer.
0
1760
4680
أنا أعتبر نفسي فنان جزئياً ومصمم جزئياً.
00:18
And I work at an artificial
intelligence research lab.
intelligence research lab.
1
6480
3160
وأنا أعمل في معمل لأبحاث الذكاء الاصطناعي.
00:22
We're trying to create technology
2
10720
1696
نحن نحاول خلق تكنولوجيا
00:24
that you'll want to interact with
in the far future.
in the far future.
3
12440
3296
قد تودّ التفاعل معها في المستقبل البعيد.
00:27
Not just six months from now,
but try years and decades from now.
but try years and decades from now.
4
15760
4640
ليس فقط بعد ستة أشهر من الآن، وإنما نحاول
أن تكون بعد سنين وعقود من الآن.
أن تكون بعد سنين وعقود من الآن.
00:33
And we're taking a moonshot
5
21120
1616
ونحن نأخذ وثبة نوعية
00:34
that we'll want to be
interacting with computers
interacting with computers
6
22760
2456
حيث أننا نريد أن نتفاعل مع الحواسيب
00:37
in deeply emotional ways.
7
25240
2120
بطرق عاطفية شديدة.
00:40
So in order to do that,
8
28280
1456
لذا لفعل ذلك،
00:41
the technology has to be
just as much human as it is artificial.
just as much human as it is artificial.
9
29760
4480
يجب أن تكون التكنولوجيا بشريّة
بقدر كونها صناعيّة.
بقدر كونها صناعيّة.
00:46
It has to get you.
10
34920
2256
يجب عليها أن تفهمك.
00:49
You know, like that inside joke
that'll have you and your best friend
that'll have you and your best friend
11
37200
3336
مثل تلك المزحة الخاصة بك
وبصديقك المفضل التي تجعلكما
وبصديقك المفضل التي تجعلكما
00:52
on the floor, cracking up.
12
40560
1936
تنفجران ضحكاً.
00:54
Or that look of disappointment
that you can just smell from miles away.
that you can just smell from miles away.
13
42520
4560
أو نظرة الإحباط تلك التي تستشعرها
من على بعد أميال.
من على بعد أميال.
01:00
I view art as the gateway to help us
bridge this gap between human and machine:
bridge this gap between human and machine:
14
48560
6040
أنا أرى الفن كبوابة تساعدنا
على تخطي الفجوة بين البشر والآلات:
على تخطي الفجوة بين البشر والآلات:
01:07
to figure out what it means
to get each other
to get each other
15
55280
3136
لنكتشف ماذا يعني أن نفهم بعضنا بعضاً
01:10
so that we can train AI to get us.
16
58440
2760
فنستطيع تدريب الذكاء الاصطناعي أن يفهمنا.
01:13
See, to me, art is a way
to put tangible experiences
to put tangible experiences
17
61920
3816
بالنسبة لي، الفن وسيلة لوضع خبرات ملموسة
01:17
to intangible ideas,
feelings and emotions.
feelings and emotions.
18
65760
3240
لأفكار وأحاسيس ومشاعر غير ملموسة.
01:21
And I think it's one
of the most human things about us.
of the most human things about us.
19
69800
2600
وأعتقد أنّ هذا من أكثر
الأشياء إنسانيةً فينا.
الأشياء إنسانيةً فينا.
01:25
See, we're a complicated
and complex bunch.
and complex bunch.
20
73480
2936
نحن حزمة معقدة ومركبة.
01:28
We have what feels like
an infinite range of emotions,
an infinite range of emotions,
21
76440
3136
نحن نملك ما يقارب مدىً
غير محدود من المشاعر،
غير محدود من المشاعر،
01:31
and to top it off, we're all different.
22
79600
2496
وعلاوة على ذلك، نحن كلّنا مختلفون.
01:34
We have different family backgrounds,
23
82120
2296
نحن نملك خلفيات عائلية مختلفة،
01:36
different experiences
and different psychologies.
and different psychologies.
24
84440
3080
خبرات مختلفة، ونفسيات مختلفة.
01:40
And this is what makes life
really interesting.
really interesting.
25
88240
2720
وهذا ما يجعل الحياة مثيرة للاهتمام حقاً.
01:43
But this is also what makes
working on intelligent technology
working on intelligent technology
26
91440
3496
ولكن هذا أيضاً ما يجعل العمل
على التكنولوجيا الذكية
على التكنولوجيا الذكية
01:46
extremely difficult.
27
94960
1600
صعباً للغاية.
01:49
And right now, AI research, well,
28
97640
3456
وفي الوقت الراهن، أبحاث الذكاء الاصطناعي
01:53
it's a bit lopsided on the tech side.
29
101120
2016
مائلة قليلاً نحو الجانب التقنيّ.
01:55
And that makes a lot of sense.
30
103160
2136
وهذا منطقيٌّ جداً.
01:57
See, for every
qualitative thing about us --
qualitative thing about us --
31
105320
2456
لكل شيء نوعيّ بشأننا -
01:59
you know, those parts of us that are
emotional, dynamic and subjective --
emotional, dynamic and subjective --
32
107800
4456
كما تعلمون، هذه الأجزاء العاطفية،
الديناميكية والشخصية -
الديناميكية والشخصية -
02:04
we have to convert it
to a quantitative metric:
to a quantitative metric:
33
112280
3136
يجب أن نحولها إلى مقياسٍ كمّيّ:
02:07
something that can be represented
with facts, figures and computer code.
with facts, figures and computer code.
34
115440
4360
شيء يمكن تمثيله بحقائق، أشكال
وشيفرات حاسوبية.
وشيفرات حاسوبية.
02:13
The issue is, there are
many qualitative things
many qualitative things
35
121000
3376
المشكلة أن هناك الكثير من الأشياء النوعيّة
02:16
that we just can't put our finger on.
36
124400
1960
التي ببساطة لا يمكننا الإشارة إليها.
02:20
So, think about hearing
your favorite song for the first time.
your favorite song for the first time.
37
128400
3200
لذا، فكروا بسماع أغنيتكم
المفضلة للمرة الأولى.
المفضلة للمرة الأولى.
02:25
What were you doing?
38
133200
1200
ماذا كنتم تفعلون؟
02:28
How did you feel?
39
136000
1200
بماذا شعرتم؟
02:30
Did you get goosebumps?
40
138720
1360
هل أصابتكم القشعريرة؟
02:33
Or did you get fired up?
41
141240
1640
أم أصابكم الحماس؟
02:36
Hard to describe, right?
42
144400
1200
يصعب الوصف، أليس كذلك؟
02:38
See, parts of us feel so simple,
43
146800
2096
هناك أجزاء مننا تبدو بسيطة،
02:40
but under the surface,
there's really a ton of complexity.
there's really a ton of complexity.
44
148920
3656
لكن تحت السطح، إنهم حقاً
على قدر كبير من التعقيد.
على قدر كبير من التعقيد.
02:44
And translating
that complexity to machines
that complexity to machines
45
152600
2936
وترجمة هذا التعقيد للآلات
02:47
is what makes them modern-day moonshots.
46
155560
2856
هو ما يجعلهم القفزة النوعية للعصر الحديث.
02:50
And I'm not convinced that we can
answer these deeper questions
answer these deeper questions
47
158440
4176
أنا لست مقتنعاً أنه بإمكاننا الإجابة
على هذه الأسئلة العميقة
على هذه الأسئلة العميقة
02:54
with just ones and zeros alone.
48
162640
1480
بواسطة آحاد وأصفار فقط.
02:57
So, in the lab, I've been creating art
49
165120
1936
لذلك، قد كنت أخلق في المختبر الفن
02:59
as a way to help me
design better experiences
design better experiences
50
167080
2456
كطريقة لمساعدتي على تصميم خبرات أفضل
03:01
for bleeding-edge technology.
51
169560
2096
لمطلع التكنولوجيا.
03:03
And it's been serving as a catalyst
52
171680
1736
وأصبحت تخدم كمحفّز
03:05
to beef up the more human ways
that computers can relate to us.
that computers can relate to us.
53
173440
3840
لتدعيم الطرق الأكثر البشرية التي بها
يمكن للحواسيب أن ترتبط بنا.
يمكن للحواسيب أن ترتبط بنا.
03:10
Through art, we're tacking
some of the hardest questions,
some of the hardest questions,
54
178000
2696
من خلال الفن، نحن نتتبع بعض أصعب الأسئلة،
03:12
like what does it really mean to feel?
55
180720
2360
مثل ماذا يعني حقاً أن نشعر؟
03:16
Or how do we engage and know
how to be present with each other?
how to be present with each other?
56
184120
4080
أو كيف نتفاعل ونعرف كيف
نكون حاضرين مع بعضنا؟
نكون حاضرين مع بعضنا؟
03:20
And how does intuition
affect the way that we interact?
affect the way that we interact?
57
188800
4000
وكيف للحدس أن يؤثر
بالطريقة التي نتفاعل بها؟
بالطريقة التي نتفاعل بها؟
03:26
So, take for example human emotion.
58
194440
2056
لذا، خذوا العاطفة البشرية على سبيل المثال.
03:28
Right now, computers can make sense
of our most basic ones,
of our most basic ones,
59
196520
3256
في الوقت الحالي، يمكن للحواسيب
أن تستوعب أكثرها أساسية،
أن تستوعب أكثرها أساسية،
03:31
like joy, sadness,
anger, fear and disgust,
anger, fear and disgust,
60
199800
3696
مثل السعادة، الحزن، الغضب، الخوف، والقرف،
03:35
by converting those
characteristics to math.
characteristics to math.
61
203520
3000
عن طريق تحويل هذه الصفات إلى رياضيات.
03:39
But what about the more complex emotions?
62
207400
2536
لكن ماذا عن المشاعر الأكثر تعقيداً من ذلك؟
03:41
You know, those emotions
63
209960
1216
أنتم تعلمون، تلك المشاعر
03:43
that we have a hard time
describing to each other?
describing to each other?
64
211200
2376
التي نستصعب وصفها لبعضنا؟
03:45
Like nostalgia.
65
213600
1440
مثل الحنين.
03:47
So, to explore this, I created
a piece of art, an experience,
a piece of art, an experience,
66
215640
3936
لذا، لاكتشاف ذلك، قمت
بخلق قطعة من الفن، تجربة،
بخلق قطعة من الفن، تجربة،
03:51
that asked people to share a memory,
67
219600
2096
طلبَت من الناس أن يشاركوا بذكرى ما،
03:53
and I teamed up with some data scientists
68
221720
2136
وقد تعاونت مع بعض علماء البيانات
03:55
to figure out how to take
an emotion that's so highly subjective
an emotion that's so highly subjective
69
223880
3576
لنكتشف كيف نأخذ إحساساً شخصياً جداً
03:59
and convert it into something
mathematically precise.
mathematically precise.
70
227480
3200
ونحوله لشيء دقيق رياضياً.
04:03
So, we created what we call
a nostalgia score
a nostalgia score
71
231840
2136
لذلك، ابتكرنا ما ندعوه بمجموع نقاط الحنين
04:06
and it's the heart of this installation.
72
234000
2216
وهو أساس هذا التنصيب.
04:08
To do that, the installation
asks you to share a story,
asks you to share a story,
73
236240
3056
لفعل ذلك، يسألك التنصيب أن تشارك بقصة ما،
04:11
the computer then analyzes it
for its simpler emotions,
for its simpler emotions,
74
239320
3256
ويحللها الحاسوب بعد ذلك لمشاعرها الأبسط،
04:14
it checks for your tendency
to use past-tense wording
to use past-tense wording
75
242600
2656
ويتأكد لميلك أن تستخدم كلمات
في الزمن الماضي
في الزمن الماضي
04:17
and also looks for words
that we tend to associate with nostalgia,
that we tend to associate with nostalgia,
76
245280
3336
ويبحث أيضاً عن كلمات نميل لربطها بالحنين،
04:20
like "home," "childhood" and "the past."
77
248640
3040
مثل "المنزل" و"الطفولة" و"الماضي".
04:24
It then creates a nostalgia score
78
252760
2056
ثم يكوّن مجموع نقاط للحنين
04:26
to indicate how nostalgic your story is.
79
254840
2736
للإشارة إلي مدى الحنين في قصتك.
04:29
And that score is the driving force
behind these light-based sculptures
behind these light-based sculptures
80
257600
4136
وتلك النتيجة هي القوة الدافعة
وراء هذه المنحوتات الضوئية
وراء هذه المنحوتات الضوئية
04:33
that serve as physical embodiments
of your contribution.
of your contribution.
81
261760
3896
التي تمثّل تجسيدات مادية لإسهامك.
04:37
And the higher the score,
the rosier the hue.
the rosier the hue.
82
265680
3216
وكلما علت النتيجة،
أصبحت درجة اللون أكثر ورديةً.
أصبحت درجة اللون أكثر ورديةً.
04:40
You know, like looking at the world
through rose-colored glasses.
through rose-colored glasses.
83
268920
3936
إنه مثل النظر للعالم من خلال
نظارات وردية اللون.
نظارات وردية اللون.
04:44
So, when you see your score
84
272880
2616
لذلك، عندما ترى نتيجتك
04:47
and the physical representation of it,
85
275520
2656
والتمثيل المادي لها،
04:50
sometimes you'd agree
and sometimes you wouldn't.
and sometimes you wouldn't.
86
278200
2936
أحياناً قد تؤيّدها وأحياناً لا.
04:53
It's as if it really understood
how that experience made you feel.
how that experience made you feel.
87
281160
3480
إنها حقاً كما لو أنك فهمت
بم جعلتك تلك التجربة تشعر.
بم جعلتك تلك التجربة تشعر.
04:57
But other times it gets tripped up
88
285400
2216
لكنها تخطئ في بعض الأحيان
04:59
and has you thinking
it doesn't understand you at all.
it doesn't understand you at all.
89
287640
2560
وتجعلك تعتقد أنها لا تفهمك على الإطلاق.
05:02
But the piece really serves to show
90
290680
1896
لكن القطعة تخدم حقاً لإظهار
05:04
that if we have a hard time explaining
the emotions that we have to each other,
the emotions that we have to each other,
91
292600
4056
أننا إذا كنا نستصعب شرح المشاعر
التي نكنّها لبعضنا بعضاً،
التي نكنّها لبعضنا بعضاً،
05:08
how can we teach a computer
to make sense of them?
to make sense of them?
92
296680
2360
كيف يمكننا أن نعلم الحاسوب أن يفهمها؟
05:12
So, even the more objective parts
about being human are hard to describe.
about being human are hard to describe.
93
300360
3576
وحتى أكثر الأجزاء موضوعيةً بكوننا بشراً
يصعب وصفها.
يصعب وصفها.
05:15
Like, conversation.
94
303960
1240
مثل المحادثات.
05:17
Have you ever really tried
to break down the steps?
to break down the steps?
95
305880
2736
هل سبق لك أن حاولت بالفعل تحليل الخطوات؟
05:20
So think about sitting
with your friend at a coffee shop
with your friend at a coffee shop
96
308640
2656
فكّر في الجلوس مع صديقك في مقهى
05:23
and just having small talk.
97
311320
1320
وقيامك بمجرد محادثة خفيفة.
05:25
How do you know when to take a turn?
98
313160
1720
كيف تعلم متى تغيّر مجرى الحديث؟
05:27
How do you know when to shift topics?
99
315440
1840
كيف تعلم متى تغيّر المواضيع؟
05:29
And how do you even know
what topics to discuss?
what topics to discuss?
100
317960
2720
وكيف تعلم حتى ماذا تناقش من مواضيع؟
05:33
See, most of us
don't really think about it,
don't really think about it,
101
321560
2096
معظمنا لا يفكر حقاً في ذلك،
05:35
because it's almost second nature.
102
323680
1656
لأنه أمر فطريّ تقريباً.
05:37
And when we get to know someone,
we learn more about what makes them tick,
we learn more about what makes them tick,
103
325360
3496
وعندما نتعرف على أحدهم، نعلم أكثر
ماذا يعلّمهم،
ماذا يعلّمهم،
05:40
and then we learn
what topics we can discuss.
what topics we can discuss.
104
328880
2376
ثم نتعلم ما المواضيع التي نناقشها.
05:43
But when it comes to teaching
AI systems how to interact with people,
AI systems how to interact with people,
105
331280
3656
لكن عندما يتعلق الأمر بتعليم أنظمة
الذكاء الاصطناعي كيفية التفاعل مع الناس،
الذكاء الاصطناعي كيفية التفاعل مع الناس،
05:46
we have to teach them
step by step what to do.
step by step what to do.
106
334960
2856
يجب أن نعلمها ماذا تفعل خطوة بخطوة.
05:49
And right now, it feels clunky.
107
337840
3496
وحالياً، يبدو الأمر صعباً.
05:53
If you've ever tried to talk
with Alexa, Siri or Google Assistant,
with Alexa, Siri or Google Assistant,
108
341360
4136
إذا حاولت التحدث مع "أليكسا"،"سيري"
أو"مساعد جوجل"،
أو"مساعد جوجل"،
05:57
you can tell that it or they
can still sound cold.
can still sound cold.
109
345520
4200
يمكنك القول أنه أو أنهم
مازالوا عديمي الحس.
مازالوا عديمي الحس.
06:02
And have you ever gotten annoyed
110
350440
1656
وهل غضبت يوماً ما
06:04
when they didn't understand
what you were saying
what you were saying
111
352120
2256
عندما لم يفهموا ما كنت تقوله
06:06
and you had to rephrase what you wanted
20 times just to play a song?
20 times just to play a song?
112
354400
3840
واضطررت أن تعيد صياغة ما أردته
20 مرة فقط لتشغل أغنية؟
20 مرة فقط لتشغل أغنية؟
06:11
Alright, to the credit of the designers,
realistic communication is really hard.
realistic communication is really hard.
113
359440
4896
حسناً، لإيفاء المصممين حقهم،
التواصل الواقعي صعب حقاً.
التواصل الواقعي صعب حقاً.
06:16
And there's a whole branch of sociology,
114
364360
2136
وهناك فرع كامل من علم الاجتماع،
06:18
called conversation analysis,
115
366520
1936
يسمى تحليل المحادثات،
06:20
that tries to make blueprints
for different types of conversation.
for different types of conversation.
116
368480
3136
يحاول أن يضع مخططات
لأنواع مختلفة من المحادثات.
لأنواع مختلفة من المحادثات.
06:23
Types like customer service
or counseling, teaching and others.
or counseling, teaching and others.
117
371640
4080
أنواع مثل خدمة الزبائن أو الاستشارة،
أو التدريس وغيرهم.
أو التدريس وغيرهم.
06:28
I've been collaborating
with a conversation analyst at the lab
with a conversation analyst at the lab
118
376880
2936
قمت بالتعاون مع محلل محادثات في المختبر
06:31
to try to help our AI systems
hold more human-sounding conversations.
hold more human-sounding conversations.
119
379840
4696
لنحاول أن نساعد أنظمة الذكاء الاصطناعي
أن تجري محادثات تبدو أكثر بشرية.
أن تجري محادثات تبدو أكثر بشرية.
06:36
This way, when you have an interaction
with a chatbot on your phone
with a chatbot on your phone
120
384560
3176
بهذه الطريقة، عندما تتعامل مع تطبيق
للمحادثات التفاعليّة على هاتفك
للمحادثات التفاعليّة على هاتفك
06:39
or a voice-based system in the car,
121
387760
1856
أو نظام صوتيّ في سيارتك،
06:41
it sounds a little more human
and less cold and disjointed.
and less cold and disjointed.
122
389640
3320
سيبدو أكثر كإنسان وأقل فتوراً وتفككاً.
06:46
So I created a piece of art
123
394360
1336
لذلك خلقت قطعةً من الفن
06:47
that tries to highlight
the robotic, clunky interaction
the robotic, clunky interaction
124
395720
2816
تحاول أن تبرز
التفاعل الآليّ الصعب
التفاعل الآليّ الصعب
06:50
to help us understand, as designers,
125
398560
1976
لتساعدنا، كمصممين، في فهم
06:52
why it doesn't sound human yet
and, well, what we can do about it.
and, well, what we can do about it.
126
400560
4576
لماذا لا يبدو كإنسانٍ بعد، وماذا
يمكننا أن نفعل حيال ذلك.
يمكننا أن نفعل حيال ذلك.
06:57
The piece is called Bot to Bot
127
405160
1456
تسمى القطعة "Bot to Bot"
06:58
and it puts one conversational
system against another
system against another
128
406640
2936
وهي تضع نظام محادثات واحد أمام الآخر
07:01
and then exposes it to the general public.
129
409600
2536
ومن ثم تعرضه لعامة الناس.
07:04
And what ends up happening
is that you get something
is that you get something
130
412160
2496
وما تحصل عليه في النهاية هو شيء
07:06
that tries to mimic human conversation,
131
414680
1896
يحاول أن يقلد محادثات الإنسان،
07:08
but falls short.
132
416600
1896
لكنه يقصّر في فعل ذلك.
07:10
Sometimes it works and sometimes
it gets into these, well,
it gets into these, well,
133
418520
2736
أحياناً تعمل وأحيانا تصل إلى
07:13
loops of misunderstanding.
134
421280
1536
حلقات من سوء التفاهم.
07:14
So even though the machine-to-machine
conversation can make sense,
conversation can make sense,
135
422840
3096
لذا على الرغم من أن المحادثات
بين الآلة والأخرى قد يكون لها معنى،
بين الآلة والأخرى قد يكون لها معنى،
07:17
grammatically and colloquially,
136
425960
2016
نحوياً وعاميّاً،
07:20
it can still end up
feeling cold and robotic.
feeling cold and robotic.
137
428000
3216
مازالت تبدو فاترة وآليّة.
07:23
And despite checking all the boxes,
the dialogue lacks soul
the dialogue lacks soul
138
431240
4016
وبالرغم من تحقيق كافة المعايير،
مازال يفتقد الحوار للروح
مازال يفتقد الحوار للروح
07:27
and those one-off quirks
that make each of us who we are.
that make each of us who we are.
139
435280
3136
وتلك المراوغات التي تجعل
كل منا ما نحن عليه.
كل منا ما نحن عليه.
07:30
So while it might be grammatically correct
140
438440
2056
لذلك مع أنها صحيحة نحوياً
07:32
and uses all the right
hashtags and emojis,
hashtags and emojis,
141
440520
2656
وتستخدم كل الهاشتاغات والرموز التعبيرية،
07:35
it can end up sounding mechanical
and, well, a little creepy.
and, well, a little creepy.
142
443200
4136
يمكن أن تبدو ميكانيكية ومريبة قليلاً.
07:39
And we call this the uncanny valley.
143
447360
2336
ونسمي هذا الوادي الغريب.
07:41
You know, that creepiness factor of tech
144
449720
1936
إنه العامل المريب للتكنولوجيا
07:43
where it's close to human
but just slightly off.
but just slightly off.
145
451680
2856
حيث أنها قريبة للإنسان
لكنها بعيدة بعض الشيء.
لكنها بعيدة بعض الشيء.
07:46
And the piece will start being
146
454560
1456
وستبدأ القطعة بكونها
07:48
one way that we test
for the humanness of a conversation
for the humanness of a conversation
147
456040
3216
إحدى طرق اختبار إنسانية محادثة
07:51
and the parts that get
lost in translation.
lost in translation.
148
459280
2160
والأجزاء التي تُفقد خلال الترجمة.
07:54
So there are other things
that get lost in translation, too,
that get lost in translation, too,
149
462560
2856
هناك أشياء أخرى تفُقد
في الترجمة أيضاً،
في الترجمة أيضاً،
07:57
like human intuition.
150
465440
1616
مثل الحدس البشريّ.
07:59
Right now, computers
are gaining more autonomy.
are gaining more autonomy.
151
467080
2776
في الوقت الراهن، تكتسب الحواسيب
استقلالاً أكبر.
استقلالاً أكبر.
08:01
They can take care of things for us,
152
469880
1736
يمكنهم العناية بأشياء لنا،
08:03
like change the temperature
of our houses based on our preferences
of our houses based on our preferences
153
471640
3176
مثل تغيير في الحرارة في بيوتنا
وفقا لتفضيلاتنا
وفقا لتفضيلاتنا
08:06
and even help us drive on the freeway.
154
474840
2160
وحتى يساعدوننا في القيادة
على الطريق السريع.
على الطريق السريع.
08:09
But there are things
that you and I do in person
that you and I do in person
155
477560
2496
لكن هناك أشياء نقوم بها أنا وأنتم بأنفسنا
08:12
that are really difficult
to translate to AI.
to translate to AI.
156
480080
2760
من الصعب أن تُترجم للذكاء الاصطناعي.
08:15
So think about the last time
that you saw an old classmate or coworker.
that you saw an old classmate or coworker.
157
483440
4360
فكروا في آخر مرة رأيتم فيها زميل دراسة
قديم أو زميل عمل.
قديم أو زميل عمل.
08:21
Did you give them a hug
or go in for a handshake?
or go in for a handshake?
158
489080
2480
هل عانقتموه أو صافحتوه؟
08:24
You probably didn't think twice
159
492800
1496
على الأرجح لم تفكروا مرتين
08:26
because you've had so many
built up experiences
built up experiences
160
494320
2336
لأنكم تمتلكون خبرات سابقة
08:28
that had you do one or the other.
161
496680
2000
جعلتكم تفعلوا هذا أو ذاك.
08:31
And as an artist, I feel
that access to one's intuition,
that access to one's intuition,
162
499440
3456
وكفنان، أشعر أن الوصول لحدس أحدهم
08:34
your unconscious knowing,
163
502920
1416
بمعرفتك اللاواعية،
08:36
is what helps us create amazing things.
164
504360
3056
هو ما يساعدنا في خلق أشياء رائعة.
08:39
Big ideas, from that abstract,
nonlinear place in our consciousness
nonlinear place in our consciousness
165
507440
4056
الأفكار الكبيرة، من تلك الفكرة التجريدية،
هي مكان غير خطي في وعينا
هي مكان غير خطي في وعينا
08:43
that is the culmination
of all of our experiences.
of all of our experiences.
166
511520
2960
تمثل تتويجاً لكل تجاربنا.
08:47
And if we want computers to relate to us
and help amplify our creative abilities,
and help amplify our creative abilities,
167
515840
4656
وإذا أردنا أن ترتبط بنا الحواسيب وتساعد
على تضخيم قدراتنا،
على تضخيم قدراتنا،
08:52
I feel that we'll need to start thinking
about how to make computers be intuitive.
about how to make computers be intuitive.
168
520520
3896
أشعر أننا نحتاج أن نبدأ في التفكير بكيفية
جعل الحاسوب حدسيّاً.
جعل الحاسوب حدسيّاً.
08:56
So I wanted to explore
how something like human intuition
how something like human intuition
169
524440
3096
لذلك أردت أن أكتشف كيف لشيء كحدس الإنسان
08:59
could be directly translated
to artificial intelligence.
to artificial intelligence.
170
527560
3456
يمكن أن يترجم مباشرة للذكاء الاصطناعي.
09:03
And I created a piece
that explores computer-based intuition
that explores computer-based intuition
171
531040
3216
وقد خلقت قطعة تستكشف الحدس الحاسوبي
09:06
in a physical space.
172
534280
1320
في فضاء مادي.
09:08
The piece is called Wayfinding,
173
536480
1696
تدعى القطعة "ويي فايندنغ"،
09:10
and it's set up as a symbolic compass
that has four kinetic sculptures.
that has four kinetic sculptures.
174
538200
3936
وقد نصبت كبوصلة رمزية تمتلك أربع
منحوتات حركية.
منحوتات حركية.
09:14
Each one represents a direction,
175
542160
2056
كل منها يمثل اتجاه،
09:16
north, east, south and west.
176
544240
2120
شمال، شرق، جنوب، وغرب.
09:19
And there are sensors set up
on the top of each sculpture
on the top of each sculpture
177
547080
2696
وهناك أجهزة استشعار مثبتة
على رأس كل منحوتة
على رأس كل منحوتة
09:21
that capture how far away
you are from them.
you are from them.
178
549800
2256
تلتقط كم أنت بعيد عنهم.
09:24
And the data that gets collected
179
552080
1816
والبيانات التي تم تجميعها
09:25
ends up changing the way
that sculptures move
that sculptures move
180
553920
2136
تقوم بتغيير الطريقة
التي تتحرك بها المنحوتة
التي تتحرك بها المنحوتة
09:28
and the direction of the compass.
181
556080
2040
واتجاه البوصلة.
09:31
The thing is, the piece doesn't work
like the automatic door sensor
like the automatic door sensor
182
559360
3656
كل ما في الأمر أن القطعة
لا تعمل مثل مستشعر الباب التلقائي
لا تعمل مثل مستشعر الباب التلقائي
09:35
that just opens
when you walk in front of it.
when you walk in front of it.
183
563040
2656
الذي يفتح عندما تمشي أمامه.
09:37
See, your contribution is only a part
of its collection of lived experiences.
of its collection of lived experiences.
184
565720
5056
إن مساهمتك مجرد جزء
من مجموعة خبراتها الحية.
من مجموعة خبراتها الحية.
09:42
And all of those experiences
affect the way that it moves.
affect the way that it moves.
185
570800
4056
وكل تلك الخبرات تؤثر
في الطريقة التي تتحرك بها.
في الطريقة التي تتحرك بها.
09:46
So when you walk in front of it,
186
574880
1736
لذلك عندما تمشي أمامها،
09:48
it starts to use all of the data
187
576640
1976
تبدأ في استخدام كل البيانات
09:50
that it's captured
throughout its exhibition history --
throughout its exhibition history --
188
578640
2616
التي التقطتها خلال تاريخ عرضها...
09:53
or its intuition --
189
581280
1816
أو حدسها...
09:55
to mechanically respond to you
based on what it's learned from others.
based on what it's learned from others.
190
583120
3560
لإجاباتك ميكانيكياً إليك بناءً
على ما تعلمته من الآخرين.
على ما تعلمته من الآخرين.
09:59
And what ends up happening
is that as participants
is that as participants
191
587480
2536
وما يحدث في النهاية أننا كمشاركين
10:02
we start to learn the level
of detail that we need
of detail that we need
192
590040
2816
نبدأ في التعلم مستوى التفصيل الذي نحتاجه
10:04
in order to manage expectations
193
592880
2016
لندير توقعاتنا
10:06
from both humans and machines.
194
594920
2776
من كل من البشر والآلات.
10:09
We can almost see our intuition
being played out on the computer,
being played out on the computer,
195
597720
3616
يمكن أن نرى تقريباً حدسنا يُمثل على حاسوب،
10:13
picturing all of that data
being processed in our mind's eye.
being processed in our mind's eye.
196
601360
3600
مصوراً كل البيانات التي تعالج في عقلنا.
10:17
My hope is that this type of art
197
605560
1656
أملي أن هذا النوع من الفن
10:19
will help us think differently
about intuition
about intuition
198
607240
2416
سيساعدنا أن نفكر باختلاف في حدسنا
10:21
and how to apply that to AI in the future.
199
609680
2280
وكيف نطبق هذا على الذكاء اصطناعي
في المستقبل.
في المستقبل.
10:24
So these are just a few examples
of how I'm using art to feed into my work
of how I'm using art to feed into my work
200
612480
3936
لذلك هذه بعض الأمثلة عن كيف
استخدم الفن لتغذية عملي
استخدم الفن لتغذية عملي
10:28
as a designer and researcher
of artificial intelligence.
of artificial intelligence.
201
616440
3096
كمصمم وباحث في الذكاء الاصطناعي.
10:31
And I see it as a crucial way
to move innovation forward.
to move innovation forward.
202
619560
3496
وأنا أرى ذلك طريقة حاسمة
لتحريك الابتكار للأمام.
لتحريك الابتكار للأمام.
10:35
Because right now, there are
a lot of extremes when it comes to AI.
a lot of extremes when it comes to AI.
203
623080
4376
لأنه حالياً، هناك الكثير من التطرف عندما
يتعلق الأمر بالذكاء الاصطناعي.
يتعلق الأمر بالذكاء الاصطناعي.
10:39
Popular movies show it
as this destructive force
as this destructive force
204
627480
2816
تظهره الأفلام المشهورة كأنه قوة مدمرة
10:42
while commercials
are showing it as a savior
are showing it as a savior
205
630320
3056
بينما الإعلانات تظهره كمخلّص
10:45
to solve some of the world's
most complex problems.
most complex problems.
206
633400
2936
لحل بعض أكثر مشاكل العالم تعقيداً.
10:48
But regardless of where you stand,
207
636360
2536
لكن بغض النظر عن موقفنا تجاهه،
10:50
it's hard to deny
that we're living in a world
that we're living in a world
208
638920
2176
من الصعب إنكار أننا نعيش في عالم
10:53
that's becoming more
and more digital by the second.
and more digital by the second.
209
641120
2576
يصبح رقمياً أكثر وأكثر كل ثانية.
10:55
Our lives revolve around our devices,
smart appliances and more.
smart appliances and more.
210
643720
4600
تدور حياتنا حول أجهزتنا،
الأجهزة الذكية وأكثر من ذلك.
الأجهزة الذكية وأكثر من ذلك.
11:01
And I don't think
this will let up any time soon.
this will let up any time soon.
211
649400
2320
وأنا لا أظن أن ذلك سيتوقف في وقت قريب.
11:04
So, I'm trying to embed
more humanness from the start.
more humanness from the start.
212
652400
3736
لذا، أحاول تضمين
المزيد من الإنسانية من البداية.
المزيد من الإنسانية من البداية.
11:08
And I have a hunch that bringing art
into an AI research process
into an AI research process
213
656160
5136
ولدي شعور بأن إحضار الفن
لعملية بحث الذكاء الاصطناعي
لعملية بحث الذكاء الاصطناعي
11:13
is a way to do just that.
214
661320
1896
هي طريقة لفعل ذلك بالضبط.
11:15
Thank you.
215
663240
1216
شكراً لكم.
11:16
(Applause)
216
664480
2280
(تصفيق)
ABOUT THE SPEAKER
Raphael Arar - Designer, researcherIBM's Raphael Arar creates art and designs experiences that examine the complexities of our increasingly technocentric lives.
Why you should listen
While his artwork raises questions about our relationship with modernity and technology, Raphael Arar’s design work revolves around answering those questions in human-centered ways.
Currently a designer and researcher at IBM Research, Arar has been exploring ways to translate aspects of emotional intelligence into machine-readable format. Through this, he is passionately tackling ethical platforms of artificial intelligence. Inc. Magazine says he "epitomizes the style and multi-disciplinary skill set of the modern designer," and in 2017, he was listed as one of Forbes's "30 under 30 in Enterprise Technology."
Raphael Arar | Speaker | TED.com