TED@IBM
Raphael Arar: How we can teach computers to make sense of our emotions
ラファエル・アラー: コンピュータに私たちの感情を理解させるには
Filmed:
Readability: 4.3
1,255,602 views
人々が交流したいと思えるAIをどのように作れるのでしょうか？ラファエル・アラーは芸術を創作するところから始めれば良い、と提言します。アラーの進める双方向型のプロジェクトでは、AIがノスタルジア、直感、会話といった複雑な発想を探求する手助けをしており、人工でありながら同じくらい人間的な未来の化学技術を作り上げることを目指して取り組んでいます。
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
私は自分をある意味では芸術家であり
ある意味ではデザイナーだと思っています
ある意味ではデザイナーだと思っています
00:18
And I work at an artificial
intelligence research lab.
intelligence research lab.
1
6480
3160
私の勤め先は ある人工知能研究所です
00:22
We're trying to create technology
2
10720
1696
私たちが創造しようとしているのは
00:24
that you'll want to interact with
in the far future.
in the far future.
3
12440
3296
遠い将来に皆さんが
交流したくなるような技術です
交流したくなるような技術です
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
これから６ヶ月という将来ではなく
何年も何十年も先の将来です
何年も何十年も先の将来です
00:33
And we're taking a moonshot
5
21120
1616
人がコンピュータと
00:34
that we'll want to be
interacting with computers
interacting with computers
6
22760
2456
深い感情のこもった交流を
したくなる未来を目指すという
したくなる未来を目指すという
00:37
in deeply emotional ways.
7
25240
2120
壮大な取り組みです
00:40
So in order to do that,
8
28280
1456
それが実現する技術は
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
人工でありながら人間らしさも
備えていなくてはならず
備えていなくてはならず
00:46
It has to get you.
10
34920
2256
人を理解しなくてはなりません
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
ほら 親友と二人で
笑い転げてしまうような
笑い転げてしまうような
00:52
on the floor, cracking up.
12
40560
1936
内輪ネタの冗談だったり
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
何キロ離れていても感じ取れる
失望の表情だったりです
失望の表情だったりです
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
私は人間と機械のギャップを取り持つためには
芸術が役立つと見ています
芸術が役立つと見ています
01:07
to figure out what it means
to get each other
to get each other
15
55280
3136
相互に理解するということが
何かを見いだせれば
何かを見いだせれば
01:10
so that we can train AI to get us.
16
58440
2760
私たちを理解する方法を
AIに訓練できます
AIに訓練できます
01:13
See, to me, art is a way
to put tangible experiences
to put tangible experiences
17
61920
3816
実体的な体験を
実体のないアイデアや感覚や感情に
実体のないアイデアや感覚や感情に
01:17
to intangible ideas,
feelings and emotions.
feelings and emotions.
18
65760
3240
付け加える方法の１つが
芸術だと私は思います
芸術だと私は思います
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
人間らしさが最も現れるのが
芸術だと思うのです
芸術だと思うのです
01:25
See, we're a complicated
and complex bunch.
and complex bunch.
20
73480
2936
私たちは複雑で複合的な集団です
01:28
We have what feels like
an infinite range of emotions,
an infinite range of emotions,
21
76440
3136
限り無く広がる感情を
私たちは持っており
私たちは持っており
01:31
and to top it off, we're all different.
22
79600
2496
なおその上 誰もが みな違うのです
01:34
We have different family backgrounds,
23
82120
2296
異なる家庭環境があり
01:36
different experiences
and different psychologies.
and different psychologies.
24
84440
3080
異なる経験をして
異なる心理を持っています
異なる心理を持っています
01:40
And this is what makes life
really interesting.
really interesting.
25
88240
2720
だからこそ人生は実に面白いのですが
01:43
But this is also what makes
working on intelligent technology
working on intelligent technology
26
91440
3496
一方で この多様性があるからこそ
人工知能技術に取り組むのは
人工知能技術に取り組むのは
01:46
extremely difficult.
27
94960
1600
この上なく困難なのです
01:49
And right now, AI research, well,
28
97640
3456
現在人工知能の研究は
01:53
it's a bit lopsided on the tech side.
29
101120
2016
技術的側面に偏っています
01:55
And that makes a lot of sense.
30
103160
2136
それはその通りなのです
01:57
See, for every
qualitative thing about us --
qualitative thing about us --
31
105320
2456
私たちに関する
定性的なものを―
定性的なものを―
01:59
you know, those parts of us that are
emotional, dynamic and subjective --
emotional, dynamic and subjective --
32
107800
4456
私たちの感情的、動的
主観的な部分ですが―
主観的な部分ですが―
02:04
we have to convert it
to a quantitative metric:
to a quantitative metric:
33
112280
3136
すべて定量的な形に
変換しなければなりません
変換しなければなりません
02:07
something that can be represented
with facts, figures and computer code.
with facts, figures and computer code.
34
115440
4360
事実や数字やコンピュータプログラム等に
表せるものに変換するのです
表せるものに変換するのです
02:13
The issue is, there are
many qualitative things
many qualitative things
35
121000
3376
これらの中には
どうしても扱いきれない
どうしても扱いきれない
02:16
that we just can't put our finger on.
36
124400
1960
多くの定性的な物が
あることが問題です
あることが問題です
02:20
So, think about hearing
your favorite song for the first time.
your favorite song for the first time.
37
128400
3200
あなたのお気に入りの曲を
最初に聞いたときのことを考えて下さい
最初に聞いたときのことを考えて下さい
何をしている時でしたか？
02:25
What were you doing?
38
133200
1200
どんな感じがしましたか？
02:28
How did you feel?
39
136000
1200
02:30
Did you get goosebumps?
40
138720
1360
鳥肌が立ちましたか？
02:33
Or did you get fired up?
41
141240
1640
情熱が燃え上がりましたか？
02:36
Hard to describe, right?
42
144400
1200
表現しにくいでしょう？
02:38
See, parts of us feel so simple,
43
146800
2096
感覚はとても単純です
02:40
but under the surface,
there's really a ton of complexity.
there's really a ton of complexity.
44
148920
3656
でも 表面下には
膨大な複雑さが存在しています
膨大な複雑さが存在しています
02:44
And translating
that complexity to machines
that complexity to machines
45
152600
2936
その複雑さを機械向きに翻訳するのは
02:47
is what makes them modern-day moonshots.
46
155560
2856
現代版 「月ロケット打ち上げ」
（壮大な取り組み）なのです
（壮大な取り組み）なのです
02:50
And I'm not convinced that we can
answer these deeper questions
answer these deeper questions
47
158440
4176
このような深い質問に
１と０の組み合わせだけで答えられるか
１と０の組み合わせだけで答えられるか
02:54
with just ones and zeros alone.
48
162640
1480
確信はありません
私は最先端技術の体験を改善する—
02:57
So, in the lab, I've been creating art
49
165120
1936
02:59
as a way to help me
design better experiences
design better experiences
50
167080
2456
設計に役立てる方法として
03:01
for bleeding-edge technology.
51
169560
2096
研究所で芸術作品を作ってきました
03:03
And it's been serving as a catalyst
52
171680
1736
それはコンピュータが私たちに
03:05
to beef up the more human ways
that computers can relate to us.
that computers can relate to us.
53
173440
3840
より人間的に関わる方法を強化する
触媒のように作用してきました
触媒のように作用してきました
03:10
Through art, we're tacking
some of the hardest questions,
some of the hardest questions,
54
178000
2696
芸術を介して 例えば「感じる」とは
どういう意味かといったような
どういう意味かといったような
03:12
like what does it really mean to feel?
55
180720
2360
答えに窮する質問の意味を
教えています
教えています
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
あるいは 人はどのように関わり合い
触れ合う方法を知るのか？
触れ合う方法を知るのか？
03:20
And how does intuition
affect the way that we interact?
affect the way that we interact?
57
188800
4000
そして 直感はどのように
私たちの交流に影響するのか？
私たちの交流に影響するのか？
03:26
So, take for example human emotion.
58
194440
2056
人間の感情を例に取ってみましょう
03:28
Right now, computers can make sense
of our most basic ones,
of our most basic ones,
59
196520
3256
現時点でコンピュータは
私たちの基礎的な感情
私たちの基礎的な感情
03:31
like joy, sadness,
anger, fear and disgust,
anger, fear and disgust,
60
199800
3696
喜び、悲しみ、怒り、恐怖
それから嫌悪感といったものを
それから嫌悪感といったものを
03:35
by converting those
characteristics to math.
characteristics to math.
61
203520
3000
その性質を数式に変換することで
理解できます
理解できます
ではさらに複雑な感情では
どうでしょうか？
どうでしょうか？
03:39
But what about the more complex emotions?
62
207400
2536
03:41
You know, those emotions
63
209960
1216
互いに説明するのに
03:43
that we have a hard time
describing to each other?
describing to each other?
64
211200
2376
苦労するような感情のことです
03:45
Like nostalgia.
65
213600
1440
例えばノスタルジアとかです
03:47
So, to explore this, I created
a piece of art, an experience,
a piece of art, an experience,
66
215640
3936
これを探求するため
人々に記憶を共有するような
人々に記憶を共有するような
03:51
that asked people to share a memory,
67
219600
2096
ちょっとした芸術
ちょっとした体験を作り
ちょっとした体験を作り
03:53
and I teamed up with some data scientists
68
221720
2136
データ科学者とチームを組んで
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
高度に主観的な感情を
数学的に正確なものに
数学的に正確なものに
03:59
and convert it into something
mathematically precise.
mathematically precise.
70
227480
3200
変換する方法を考案しようとしました
04:03
So, we created what we call
a nostalgia score
a nostalgia score
71
231840
2136
「ノスタルジア指標」というものを作り
04:06
and it's the heart of this installation.
72
234000
2216
これがこの装置の要となります
04:08
To do that, the installation
asks you to share a story,
asks you to share a story,
73
236240
3056
指標の計算のために この装置は
体験談の共有を求めてきます
体験談の共有を求めてきます
04:11
the computer then analyzes it
for its simpler emotions,
for its simpler emotions,
74
239320
3256
コンピュータは
より単純な感情の集合として分析し
より単純な感情の集合として分析し
04:14
it checks for your tendency
to use past-tense wording
to use past-tense wording
75
242600
2656
過去時制の使用傾向を調べると同時に
04:17
and also looks for words
that we tend to associate with nostalgia,
that we tend to associate with nostalgia,
76
245280
3336
ノスタルジアによく関連付けられる単語
04:20
like "home," "childhood" and "the past."
77
248640
3040
たとえば「故郷」 「子供の頃」
「過去」などの単語を探します
「過去」などの単語を探します
04:24
It then creates a nostalgia score
78
252760
2056
そして その話がどのくらい
ノスタルジックかという
ノスタルジックかという
04:26
to indicate how nostalgic your story is.
79
254840
2736
ノスタルジア指標をはじき出します
04:29
And that score is the driving force
behind these light-based sculptures
behind these light-based sculptures
80
257600
4136
その指標こそが
この光を使った芸術作品の核心で
この光を使った芸術作品の核心で
04:33
that serve as physical embodiments
of your contribution.
of your contribution.
81
261760
3896
実体を持って表現された形として
あなたの気持ちを代弁するのです
あなたの気持ちを代弁するのです
04:37
And the higher the score,
the rosier the hue.
the rosier the hue.
82
265680
3216
点数が高くなるほど
濃いバラ色になります
濃いバラ色になります
04:40
You know, like looking at the world
through rose-colored glasses.
through rose-colored glasses.
83
268920
3936
バラ色のメガネを通して
世界を見ているようなものです
世界を見ているようなものです
04:44
So, when you see your score
84
272880
2616
出てきた自分の指標や
04:47
and the physical representation of it,
85
275520
2656
それを実体化した表現を見た時
04:50
sometimes you'd agree
and sometimes you wouldn't.
and sometimes you wouldn't.
86
278200
2936
結果に同意できることもあれば
できないこともあるかもしれません
できないこともあるかもしれません
04:53
It's as if it really understood
how that experience made you feel.
how that experience made you feel.
87
281160
3480
話した体験から生まれた感情を
あたかも理解しているように思えたり
あたかも理解しているように思えたり
04:57
But other times it gets tripped up
88
285400
2216
逆に 見当違いの答えを出して
あなたを全然理解していないと
あなたを全然理解していないと
04:59
and has you thinking
it doesn't understand you at all.
it doesn't understand you at all.
89
287640
2560
思うこともあるでしょう
05:02
But the piece really serves to show
90
290680
1896
でもこの作品から
はっきりわかるのです
はっきりわかるのです
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
人同士でさえ お互いの感情を
説明するのに苦労するのならば
説明するのに苦労するのならば
機械に感情を理解する方法を
教えるのがどれだけ難しいか
教えるのがどれだけ難しいか
05:08
how can we teach a computer
to make sense of them?
to make sense of them?
92
296680
2360
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
人間らしさの中で比較的客観的な要素でさえ
説明するのは難しいのです
説明するのは難しいのです
05:15
Like, conversation.
94
303960
1240
例えば会話です
05:17
Have you ever really tried
to break down the steps?
to break down the steps?
95
305880
2736
会話の段階を分析したことはありますか？
05:20
So think about sitting
with your friend at a coffee shop
with your friend at a coffee shop
96
308640
2656
喫茶店で友達と
他愛もない話をしていると
他愛もない話をしていると
05:23
and just having small talk.
97
311320
1320
想像してください
05:25
How do you know when to take a turn?
98
313160
1720
自分が話す番だと
どうやって見極めるか？
どうやって見極めるか？
05:27
How do you know when to shift topics?
99
315440
1840
話題を変えるタイミングは？
そもそも どんな話題にしようか？
05:29
And how do you even know
what topics to discuss?
what topics to discuss?
100
317960
2720
ほとんどの人はそんなことを考えませんね
05:33
See, most of us
don't really think about it,
don't really think about it,
101
321560
2096
05:35
because it's almost second nature.
102
323680
1656
習慣化しているからです
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
誰かのことをもっと知ろうという時
まず 何が相手の興味を引くかを知り
まず 何が相手の興味を引くかを知り
05:40
and then we learn
what topics we can discuss.
what topics we can discuss.
104
328880
2376
そうして何を話題にするかがわかります
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
しかしAIに人間との交流方法を
教えるとなると
教えるとなると
05:46
we have to teach them
step by step what to do.
step by step what to do.
106
334960
2856
何をすべきか段階を踏んで
教えなければなりません
教えなければなりません
05:49
And right now, it feels clunky.
107
337840
3496
現在はまだ ぎこちないですよね
05:53
If you've ever tried to talk
with Alexa, Siri or Google Assistant,
with Alexa, Siri or Google Assistant,
108
341360
4136
アレクサ、シリ、グーグルアシスタントなどと
話したことがある方は
話したことがある方は
05:57
you can tell that it or they
can still sound cold.
can still sound cold.
109
345520
4200
どれも まだまだ冷淡な話し方をすると
お分かりだと思います
お分かりだと思います
そして あなたの言ったことを
06:02
And have you ever gotten annoyed
110
350440
1656
06:04
when they didn't understand
what you were saying
what you were saying
111
352120
2256
理解できないと言われてイラついたり
音楽を流すために 20回も言い換えるはめに
なったりしたことはありませんか？
なったりしたことはありませんか？
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
06:11
Alright, to the credit of the designers,
realistic communication is really hard.
realistic communication is really hard.
113
359440
4896
設計者の名誉のために言えば 自然な
コミュニケーションは本当に難しいのです
コミュニケーションは本当に難しいのです
06:16
And there's a whole branch of sociology,
114
364360
2136
社会学のれっきとした一部門である
06:18
called conversation analysis,
115
366520
1936
会話分析と呼ばれる分野では
06:20
that tries to make blueprints
for different types of conversation.
for different types of conversation.
116
368480
3136
いろいろなタイプの会話の
設計図を作ろうとしています
設計図を作ろうとしています
06:23
Types like customer service
or counseling, teaching and others.
or counseling, teaching and others.
117
371640
4080
カスタマーサービス、カウンセリングや
教育といったタイプです
教育といったタイプです
06:28
I've been collaborating
with a conversation analyst at the lab
with a conversation analyst at the lab
118
376880
2936
私は研究所で会話分析家と協働して
06:31
to try to help our AI systems
hold more human-sounding conversations.
hold more human-sounding conversations.
119
379840
4696
AIがもっと自然な会話ができるような
支援を試みています
支援を試みています
06:36
This way, when you have an interaction
with a chatbot on your phone
with a chatbot on your phone
120
384560
3176
この方法ならスマホの
チャットボットや
チャットボットや
06:39
or a voice-based system in the car,
121
387760
1856
車内音声システムとの会話に
06:41
it sounds a little more human
and less cold and disjointed.
and less cold and disjointed.
122
389640
3320
冷淡さや支離滅裂さが減り
より人間らしく響くようになります
より人間らしく響くようになります
06:46
So I created a piece of art
123
394360
1336
そこで芸術作品を作りました
06:47
that tries to highlight
the robotic, clunky interaction
the robotic, clunky interaction
124
395720
2816
ロボットっぽくぎこちない会話を
あえて目立たせて
あえて目立たせて
06:50
to help us understand, as designers,
125
398560
1976
なぜ人間らしく聞こえないのか
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
それに対して何をすればいいかについて
私たち設計者の理解を促す作品です
私たち設計者の理解を促す作品です
06:57
The piece is called Bot to Bot
127
405160
1456
Bot to Bot（ボットからボットへ）
という作品で
という作品で
06:58
and it puts one conversational
system against another
system against another
128
406640
2936
チャットボット同士で会話させ
07:01
and then exposes it to the general public.
129
409600
2536
その内容を一般に公開するシステムです
07:04
And what ends up happening
is that you get something
is that you get something
130
412160
2496
チャットボットは 人間の会話を
07:06
that tries to mimic human conversation,
131
414680
1896
模倣しようと試みますが
07:08
but falls short.
132
416600
1896
何か物足りないものになります
07:10
Sometimes it works and sometimes
it gets into these, well,
it gets into these, well,
133
418520
2736
時々はうまく行きますが 時々は
07:13
loops of misunderstanding.
134
421280
1536
誤解の連鎖が起こるのです
07:14
So even though the machine-to-machine
conversation can make sense,
conversation can make sense,
135
422840
3096
機械と機械の会話が 文法上正しく
07:17
grammatically and colloquially,
136
425960
2016
口語として意味をなしたとしても
07:20
it can still end up
feeling cold and robotic.
feeling cold and robotic.
137
428000
3216
まだ冷淡でロボットぽく
なることがあります
なることがあります
07:23
And despite checking all the boxes,
the dialogue lacks soul
the dialogue lacks soul
138
431240
4016
条件は満たしているのですが
会話に魂が宿りません
会話に魂が宿りません
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
人間らしい
偶発性もないのです
偶発性もないのです
07:30
So while it might be grammatically correct
140
438440
2056
文法的には正しいものであって
07:32
and uses all the right
hashtags and emojis,
hashtags and emojis,
141
440520
2656
正しいハッシュタグや
絵文字を使っていても
絵文字を使っていても
07:35
it can end up sounding mechanical
and, well, a little creepy.
and, well, a little creepy.
142
443200
4136
機械的に聞こえたり
気味の悪いものになったりします
気味の悪いものになったりします
07:39
And we call this the uncanny valley.
143
447360
2336
「不気味の谷現象」と呼んでおり
07:41
You know, that creepiness factor of tech
144
449720
1936
科学技術の気味悪さです
07:43
where it's close to human
but just slightly off.
but just slightly off.
145
451680
2856
人間に近づいているのですが
何か違和感があるのです
何か違和感があるのです
07:46
And the piece will start being
146
454560
1456
そしてその作品は
07:48
one way that we test
for the humanness of a conversation
for the humanness of a conversation
147
456040
3216
会話の人間らしさと
翻訳によって失われる部分を評価する
翻訳によって失われる部分を評価する
07:51
and the parts that get
lost in translation.
lost in translation.
148
459280
2160
ひとつの手法になろうとしています
07:54
So there are other things
that get lost in translation, too,
that get lost in translation, too,
149
462560
2856
翻訳で失われるものは他にもあって
07:57
like human intuition.
150
465440
1616
たとえば 人間の直感です
07:59
Right now, computers
are gaining more autonomy.
are gaining more autonomy.
151
467080
2776
現在コンピュータが
自立し始めていて
自立し始めていて
08:01
They can take care of things for us,
152
469880
1736
私たちの好みに会わせた
家の温度調節や
家の温度調節や
08:03
like change the temperature
of our houses based on our preferences
of our houses based on our preferences
153
471640
3176
高速道路での運転の補助まで
08:06
and even help us drive on the freeway.
154
474840
2160
身の回りの世話を任せることができます
08:09
But there are things
that you and I do in person
that you and I do in person
155
477560
2496
でも 人と人が
直接会ってすることの中には
直接会ってすることの中には
08:12
that are really difficult
to translate to AI.
to translate to AI.
156
480080
2760
AIに対する翻訳が
本当に難しいものもあります
本当に難しいものもあります
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
昔のクラスメイトや同僚に
最後に会った時のことを思い出してください
最後に会った時のことを思い出してください
08:21
Did you give them a hug
or go in for a handshake?
or go in for a handshake?
158
489080
2480
ハグしましたか？
それとも握手しましたか？
それとも握手しましたか？
いちいち迷いませんでしたよね
08:24
You probably didn't think twice
159
492800
1496
08:26
because you've had so many
built up experiences
built up experiences
160
494320
2336
なぜなら あなたに
ハグか握手かを選択させる
ハグか握手かを選択させる
08:28
that had you do one or the other.
161
496680
2000
多くの経験の蓄積があるからです
08:31
And as an artist, I feel
that access to one's intuition,
that access to one's intuition,
162
499440
3456
芸術家として感じているのは
人の直感に訴え
人の直感に訴え
08:34
your unconscious knowing,
163
502920
1416
無意識の認知に訴えることが
08:36
is what helps us create amazing things.
164
504360
3056
素晴らしい創造活動の
手助けになるということです
手助けになるということです
08:39
Big ideas, from that abstract,
nonlinear place in our consciousness
nonlinear place in our consciousness
165
507440
4056
人間の意識内にある 抽象的で
非線形な部分から生まれる壮大なアイデアは
非線形な部分から生まれる壮大なアイデアは
08:43
that is the culmination
of all of our experiences.
of all of our experiences.
166
511520
2960
積み重なる経験の賜物なのです
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
コンピュータに私たちの気持ちを理解させ
創造力を増幅する助けになってほしいなら
創造力を増幅する助けになってほしいなら
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
どうしたらコンピュータに直感力を
与えられるかを考え始める必要があります
与えられるかを考え始める必要があります
08:56
So I wanted to explore
how something like human intuition
how something like human intuition
169
524440
3096
人間の直感のようなものを
どうやって
どうやって
08:59
could be directly translated
to artificial intelligence.
to artificial intelligence.
170
527560
3456
AIに直接翻訳できるかを
探求したいと思い
探求したいと思い
09:03
And I created a piece
that explores computer-based intuition
that explores computer-based intuition
171
531040
3216
コンピュータが生み出す直感を
物理的な空間の中で探求する作品を
物理的な空間の中で探求する作品を
09:06
in a physical space.
172
534280
1320
製作しました
09:08
The piece is called Wayfinding,
173
536480
1696
「道程探求(Wayfinding)」という作品で
09:10
and it's set up as a symbolic compass
that has four kinetic sculptures.
that has four kinetic sculptures.
174
538200
3936
４つの動的彫刻を持つ
象徴的なコンパスとして制作されました
象徴的なコンパスとして制作されました
09:14
Each one represents a direction,
175
542160
2056
それぞれの部分が方位を表します
09:16
north, east, south and west.
176
544240
2120
北、東、南、西です
09:19
And there are sensors set up
on the top of each sculpture
on the top of each sculpture
177
547080
2696
４つの彫刻の頂上部に
あなたとの距離を計測する
あなたとの距離を計測する
09:21
that capture how far away
you are from them.
you are from them.
178
549800
2256
センサーが取り付けられています
09:24
And the data that gets collected
179
552080
1816
計測されたデータは
09:25
ends up changing the way
that sculptures move
that sculptures move
180
553920
2136
その彫刻の動きと
コンパスの向きに
コンパスの向きに
09:28
and the direction of the compass.
181
556080
2040
反映されます
09:31
The thing is, the piece doesn't work
like the automatic door sensor
like the automatic door sensor
182
559360
3656
ただし この作品は
正面に歩いて行くと開くだけの
正面に歩いて行くと開くだけの
09:35
that just opens
when you walk in front of it.
when you walk in front of it.
183
563040
2656
自動ドアのセンサーの様な
ものではありません
ものではありません
09:37
See, your contribution is only a part
of its collection of lived experiences.
of its collection of lived experiences.
184
565720
5056
あなたの関与はその作品が収集する
実体験の一部でしかないのです
実体験の一部でしかないのです
09:42
And all of those experiences
affect the way that it moves.
affect the way that it moves.
185
570800
4056
そのような体験すべてが
作品の動きに影響します
作品の動きに影響します
09:46
So when you walk in front of it,
186
574880
1736
正面に歩いて行くと
09:48
it starts to use all of the data
187
576640
1976
これまで出してきた展示会で
取り込んだデータ全て
取り込んだデータ全て
09:50
that it's captured
throughout its exhibition history --
throughout its exhibition history --
188
578640
2616
というか「直感」を活用し始め
09:53
or its intuition --
189
581280
1816
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
他の人々から学んだことを踏まえて
機械的な動きであなたに反応します
機械的な動きであなたに反応します
09:59
And what ends up happening
is that as participants
is that as participants
191
587480
2536
こうして参加者としての私たちは
10:02
we start to learn the level
of detail that we need
of detail that we need
192
590040
2816
人間と機械両方の期待を
裏切らないためには
裏切らないためには
10:04
in order to manage expectations
193
592880
2016
どの程度の具体性が必要なのか
10:06
from both humans and machines.
194
594920
2776
理解し始めます
10:09
We can almost see our intuition
being played out on the computer,
being played out on the computer,
195
597720
3616
あらゆるデータが頭の中で処理されていく
その様子が目に浮かび
その様子が目に浮かび
10:13
picturing all of that data
being processed in our mind's eye.
being processed in our mind's eye.
196
601360
3600
人の直感の働きがコンピュータにより
再現される様子が見えるかのようです
再現される様子が見えるかのようです
10:17
My hope is that this type of art
197
605560
1656
このような芸術は
直感についての
違った見方を提供し そして
違った見方を提供し そして
10:19
will help us think differently
about intuition
about intuition
198
607240
2416
それを将来のAIに適用できると
期待しています
期待しています
10:21
and how to apply that to AI in the future.
199
609680
2280
これらの作品は人工知能の
デザイナーかつ研究者である私が
デザイナーかつ研究者である私が
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
10:28
as a designer and researcher
of artificial intelligence.
of artificial intelligence.
201
616440
3096
芸術作品を仕事に使う
ほんのいくつかの例ですが
ほんのいくつかの例ですが
10:31
And I see it as a crucial way
to move innovation forward.
to move innovation forward.
202
619560
3496
イノベーションを推進する
極めて重要な方法であると考えています
極めて重要な方法であると考えています
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
現在 AIに関しては極端な面が
多くあるからです
多くあるからです
10:39
Popular movies show it
as this destructive force
as this destructive force
204
627480
2816
大衆映画では
破壊兵器として描かれる一方で
破壊兵器として描かれる一方で
10:42
while commercials
are showing it as a savior
are showing it as a savior
205
630320
3056
宣伝広告では
世界の最も複雑な問題を解決する—
世界の最も複雑な問題を解決する—
10:45
to solve some of the world's
most complex problems.
most complex problems.
206
633400
2936
救世主であるかのように
取り扱っています
取り扱っています
10:48
But regardless of where you stand,
207
636360
2536
しかし 皆さんがどうお考えであろうが
10:50
it's hard to deny
that we're living in a world
that we're living in a world
208
638920
2176
毎秒毎秒 デジタル化が
進行している世界で
進行している世界で
10:53
that's becoming more
and more digital by the second.
and more digital by the second.
209
641120
2576
暮らしていることは否定できません
10:55
Our lives revolve around our devices,
smart appliances and more.
smart appliances and more.
210
643720
4600
私たちの生活はデバイスや
スマート機器などを中心に廻っています
スマート機器などを中心に廻っています
11:01
And I don't think
this will let up any time soon.
this will let up any time soon.
211
649400
2320
このような状況が落ち着くことは
しばらくないでしょう
しばらくないでしょう
11:04
So, I'm trying to embed
more humanness from the start.
more humanness from the start.
212
652400
3736
だからこそ始めから人間味を
埋め込みたいと思うのです
埋め込みたいと思うのです
11:08
And I have a hunch that bringing art
into an AI research process
into an AI research process
213
656160
5136
芸術をAI研究の手法に取り込むことが
まさにその道筋だと
まさにその道筋だと
11:13
is a way to do just that.
214
661320
1896
予感しているのです
11:15
Thank you.
215
663240
1216
ありがとう
11:16
(Applause)
216
664480
2280
（拍手）
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