TED@BCG Mumbai
Sougwen Chung: Why I draw with robots
Сугвен Чунг: Зошто цртам со роботи
Filmed:
Readability: 4.4
160,983 views
Што настанува кога луѓето и роботите прават уметност заедно? Во овој воодушевувачки говор, уметничката Сугвен Чунг ни покажува како го „предала" нејзиниот уметнички стил на машина - и ги споделува резултатите од нивната соработка по доаѓање до неочекувано откритие: и роботите грешат. „Убавината на човечките и машинските системи делумно се должи на нивната суштинска, заедничка грешност"- вели таа.
Sougwen Chung - Artist, researcher
Sougwen 愫君 Chung is an artist and researcher whose work explores the dynamics between humans and systems. Full bio
Sougwen 愫君 Chung is an artist and researcher whose work explores the dynamics between humans and systems. Full bio
Double-click the English transcript below to play the video.
00:12
Many of us here use technology
in our day-to-day.
in our day-to-day.
0
937
3165
Многу од нас тука користиме технологија
во нашето секојдневие.
во нашето секојдневие.
И некои од нас се потпираат
на технологијата да ни ги заврши задачите.
на технологијата да ни ги заврши задачите.
00:16
And some of us rely
on technology to do our jobs.
on technology to do our jobs.
1
4126
3247
00:19
For a while, I thought of machines
and the technologies that drive them
and the technologies that drive them
2
7397
3950
Долго време, сметав дека машините и
технологиите кои ги движат
технологиите кои ги движат
00:23
as perfect tools that could make my work
more efficient and more productive.
more efficient and more productive.
3
11371
4505
се совршени алатки за да ја направат
мојата работа поефективна и продуктивна.
мојата работа поефективна и продуктивна.
00:28
But with the rise of automation
across so many different industries,
across so many different industries,
4
16403
3254
Но зголемувањето на автоматизацијата
во многу различни индустрии,
во многу различни индустрии,
00:31
it led me to wonder:
5
19681
1372
ме натера да се запрашам:
00:33
If machines are starting
to be able to do the work
to be able to do the work
6
21077
2341
Ако машините почнуваат
да прават работи
да прават работи
00:35
traditionally done by humans,
7
23442
1667
кои вообичаено се правени од луѓе,
00:37
what will become of the human hand?
8
25133
2333
што ќе стане со човечката рака?
00:40
How does our desire for perfection,
precision and automation
precision and automation
9
28133
4093
Како нашата желба за совршенство,
прецизност и автоматизација
прецизност и автоматизација
00:44
affect our ability to be creative?
10
32250
1922
влијае на нашата способност
за креативност?
за креативност?
Работејќи како уметник и истражувач,
истражувам вештачка интелигенција и роботи
истражувам вештачка интелигенција и роботи
00:46
In my work as an artist and researcher,
I explore AI and robotics
I explore AI and robotics
11
34553
4087
00:50
to develop new processes
for human creativity.
for human creativity.
12
38664
3005
за да развијам нови процеси
за човечка креативност.
за човечка креативност.
00:54
For the past few years,
13
42077
1286
Последните неколку години,
00:55
I've made work alongside machines,
data and emerging technologies.
data and emerging technologies.
14
43387
4376
сум работела со машини, податоци
и технологии во развој.
и технологии во развој.
01:00
It's part of a lifelong fascination
15
48143
1861
Тоа е дел од животната фасцинација
01:02
about the dynamics
of individuals and systems
of individuals and systems
16
50028
2735
во врска со динамиката
на поединците и системите
на поединците и системите
01:04
and all the messiness that that entails.
17
52787
2381
и сиот неред што тоа го опфаќа.
01:07
It's how I'm exploring questions about
where AI ends and we begin
where AI ends and we begin
18
55192
4808
Така истражувам каде завршува
вештачката интелигенција, а каде
вештачката интелигенција, а каде
почнуваме ние и притоа развивам процеси
01:12
and where I'm developing processes
19
60024
1642
01:13
that investigate potential
sensory mixes of the future.
sensory mixes of the future.
20
61690
3326
за истражување на потенцијалните
сетилни мешавини во иднината.
сетилни мешавини во иднината.
Тоа е место каде филозофијата
и технологијата се среќаваат.
и технологијата се среќаваат.
01:17
I think it's where philosophy
and technology intersect.
and technology intersect.
21
65675
2857
01:20
Doing this work
has taught me a few things.
has taught me a few things.
22
68992
2239
Работењето на ова
ме има научено неколку работи.
ме има научено неколку работи.
01:23
It's taught me how embracing imperfection
23
71642
2824
Сфатив дека прифаќајќи го несовршенството,
01:26
can actually teach us
something about ourselves.
something about ourselves.
24
74490
2489
всушност можеме да научиме
нешто за нас.
нешто за нас.
01:29
It's taught me that exploring art
25
77428
2336
Ме научи дека истражувањето на уметноста
01:31
can actually help shape
the technology that shapes us.
the technology that shapes us.
26
79788
2931
може да ја обликува технологијата
која не` формира нас.
која не` формира нас.
01:35
And it's taught me
that combining AI and robotics
that combining AI and robotics
27
83148
3261
И ме научи дека комбинирањето
вештачка интелигенција и роботика
вештачка интелигенција и роботика
01:38
with traditional forms of creativity --
visual arts in my case --
visual arts in my case --
28
86433
3532
со традиционални форми на креативност -
визуелни уметности во мој случај -
визуелни уметности во мој случај -
01:41
can help us think a little bit more deeply
29
89989
2302
може да ни помогне да размислуваме
подлабоко
подлабоко
01:44
about what is human
and what is the machine.
and what is the machine.
30
92315
2897
за тоа што е човекот,
а што е машината.
а што е машината.
01:47
And it's led me to the realization
31
95942
1707
И ме натера да сфатам
01:49
that collaboration is the key
to creating the space for both
to creating the space for both
32
97673
3055
дека соработката е клучот
за создавање простор за двете
за создавање простор за двете
01:52
as we move forward.
33
100752
1267
како што одиме напред.
01:54
It all started with a simple
experiment with machines,
experiment with machines,
34
102387
2746
Сѐ почна со едноставен
експеримент со машини
експеримент со машини
01:57
called "Drawing Operations
Unit: Generation 1."
Unit: Generation 1."
35
105157
2826
наречен „Операции за цртање:
Генерација 1".
Генерација 1".
Машината ја нарекувам „Даг“.
02:00
I call the machine "D.O.U.G." for short.
36
108434
2516
Пред да ја направам Даг,
02:02
Before I built D.O.U.G,
37
110974
1326
02:04
I didn't know anything
about building robots.
about building robots.
38
112324
2365
не знаев ништо
за конструирање роботи.
за конструирање роботи.
02:07
I took some open-source
robotic arm designs,
robotic arm designs,
39
115220
2897
Зедов дизајни за роботска рака
кои беа слободни за употреба,
кои беа слободни за употреба,
02:10
I hacked together a system
where the robot would match my gestures
where the robot would match my gestures
40
118141
3341
создадов систем каде роботот
ги копира моите гестови
ги копира моите гестови
02:13
and follow [them] in real time.
41
121506
1639
и ги следи во реално време.
02:15
The premise was simple:
42
123169
1448
Премисата беше едноставна:
02:16
I would lead, and it would follow.
43
124641
2200
Јас водев, а роботот ме следеше.
02:19
I would draw a line,
and it would mimic my line.
and it would mimic my line.
44
127403
2936
Јас ќе нацртав линија,
а тој ја прецртуваше.
а тој ја прецртуваше.
02:22
So back in 2015, there we were,
drawing for the first time,
drawing for the first time,
45
130363
3698
Во 2015 г. цртавме за првпат
02:26
in front of a small audience
in New York City.
in New York City.
46
134085
2619
пред мала публика
во Њујорк.
во Њујорк.
02:28
The process was pretty sparse --
47
136728
2555
Процесот беше прилично едноставен -
02:31
no lights, no sounds,
nothing to hide behind.
nothing to hide behind.
48
139307
3487
без светилки, без звуци,
ништо не се криеше одзади.
ништо не се криеше одзади.
02:35
Just my palms sweating
and the robot's new servos heating up.
and the robot's new servos heating up.
49
143241
3395
Само моите дланки кои се потеа
и роботот кој се загреваше.
и роботот кој се загреваше.
02:38
(Laughs) Clearly, we were
not built for this.
not built for this.
50
146950
2441
(се смее) Очигледно, ние не сме
создадени за ова.
создадени за ова.
02:41
But something interesting happened,
something I didn't anticipate.
something I didn't anticipate.
51
149820
3233
Но нешто интересно се случи,
нешто што не очекував.
нешто што не очекував.
02:45
See, D.O.U.G., in its primitive form,
wasn't tracking my line perfectly.
wasn't tracking my line perfectly.
52
153077
4802
Првобитниот Даг
не ми ја следеше линијата совршено.
не ми ја следеше линијата совршено.
При симулацијата која
се случуваше на екран,
се случуваше на екран,
02:49
While in the simulation
that happened onscreen
that happened onscreen
53
157903
2333
02:52
it was pixel-perfect,
54
160260
1357
беше совршено до пиксел,
02:53
in physical reality,
it was a different story.
it was a different story.
55
161641
2531
но во физичката стварност
беше друга приказна.
беше друга приказна.
02:56
It would slip and slide
and punctuate and falter,
and punctuate and falter,
56
164196
2817
Се лизгаше, запираше,
се колебаше,
се колебаше,
02:59
and I would be forced to respond.
57
167037
2068
па јас морав да реагирам.
03:01
There was nothing pristine about it.
58
169525
1778
Тоа воопшто не беше идеално.
03:03
And yet, somehow, the mistakes
made the work more interesting.
made the work more interesting.
59
171327
3238
Но сепак, некако, грешките ја правеа
работата поинтересна.
работата поинтересна.
03:06
The machine was interpreting
my line but not perfectly.
my line but not perfectly.
60
174589
2754
Машината ја толкуваше мојата
линија, но не совршено.
линија, но не совршено.
03:09
And I was forced to respond.
61
177367
1372
И јас морав да реагирам.
03:10
We were adapting
to each other in real time.
to each other in real time.
62
178763
2709
Ние се приспособувавме еден на друг
во реално време.
во реално време.
03:13
And seeing this taught me a few things.
63
181496
1937
Гледајќи го ова, научив
неколку работи.
неколку работи.
03:15
It showed me that our mistakes
actually made the work more interesting.
actually made the work more interesting.
64
183457
4880
Ме научи дека грешките ја прават
работата поинтересна.
работата поинтересна.
03:20
And I realized that, you know,
through the imperfection of the machine,
through the imperfection of the machine,
65
188663
4249
И сфатив дека преку
несовршеноста на машината
несовршеноста на машината
03:24
our imperfections became
what was beautiful about the interaction.
what was beautiful about the interaction.
66
192936
3705
нашите несовршености станаа она убавото
кај интеракцијата.
кај интеракцијата.
03:29
And I was excited,
because it led me to the realization
because it led me to the realization
67
197650
3087
И бев возбудена,
бидејќи ме натера да сфатам
бидејќи ме натера да сфатам
03:32
that maybe part of the beauty
of human and machine systems
of human and machine systems
68
200761
3650
дека убавината на човечките
и машинските системи делумно се должи
и машинските системи делумно се должи
03:36
is their shared inherent fallibility.
69
204435
2738
на нивната суштинска,
заедничка грешност.
заедничка грешност.
03:39
For the second generation of D.O.U.G.,
70
207197
1820
Што се однесува до
втората генерација на Даг
втората генерација на Даг
03:41
I knew I wanted to explore this idea.
71
209041
2307
сакав да истражам
една идеја.
една идеја.
03:43
But instead of an accident produced
by pushing a robotic arm to its limits,
by pushing a robotic arm to its limits,
72
211372
4418
Но наместо случајност предизвикана од
туркање на роботска рака до границите,
туркање на роботска рака до границите,
03:47
I wanted to design a system
that would respond to my drawings
that would respond to my drawings
73
215814
2897
сакав да дизајнирам систем кој ќе
реагира на моите цртежи
реагира на моите цртежи
03:50
in ways that I didn't expect.
74
218735
1833
на начини кои не ги очекував.
03:52
So, I used a visual algorithm
to extract visual information
to extract visual information
75
220592
3849
Па, употребив визуелен алгоритам за
извлекување визуелни информации
извлекување визуелни информации
03:56
from decades of my digital
and analog drawings.
and analog drawings.
76
224465
2978
од моите дигитални и
аналогни цртежи.
аналогни цртежи.
03:59
I trained a neural net on these drawings
77
227467
2055
На овие цртежи тренирав
невронска мрежа
невронска мрежа
04:01
in order to generate
recurring patterns in the work
recurring patterns in the work
78
229546
2865
за да создадам
повторливи шеми во работата
повторливи шеми во работата
04:04
that were then fed through custom software
back into the machine.
back into the machine.
79
232435
3476
кои преку специјализиран софтвер
беа вметнати назад во машината.
беа вметнати назад во машината.
04:07
I painstakingly collected
as many of my drawings as I could find --
as many of my drawings as I could find --
80
235935
4386
Макотрпно собирав толку цртежи
колку што можев да најдам -
колку што можев да најдам -
04:12
finished works, unfinished experiments
and random sketches --
and random sketches --
81
240345
4215
завршени дела, незавршени експерименти
и различни скици -
и различни скици -
и ги вметнав во системот со вештачка
интелигенција.
интелигенција.
04:16
and tagged them for the AI system.
82
244584
1999
04:18
And since I'm an artist,
I've been making work for over 20 years.
I've been making work for over 20 years.
83
246607
3684
Како уметник,
повеќе од 20 години изработувам дела.
повеќе од 20 години изработувам дела.
04:22
Collecting that many drawings took months,
84
250315
2024
Собирањето на толку цртежи
траеше со месеци,
траеше со месеци,
04:24
it was a whole thing.
85
252363
1389
тоа беше голема работа.
Што се однесува до тренирањето
системи со вештачка интелегенција,
системи со вештачка интелегенција,
04:25
And here's the thing
about training AI systems:
about training AI systems:
86
253776
2595
04:28
it's actually a lot of hard work.
87
256395
2200
знајте дека тоа
е многу напорна работа.
е многу напорна работа.
04:31
A lot of work goes on behind the scenes.
88
259022
2191
Многу работи се одвиваат
во позадина.
во позадина.
04:33
But in doing the work,
I realized a little bit more
I realized a little bit more
89
261237
2681
Но правејќи го тоа,
добив дополнителна претстава
добив дополнителна претстава
04:35
about how the architecture
of an AI is constructed.
of an AI is constructed.
90
263942
3421
за тоа како се гради конструкцијата
на вештачката интелигенција.
на вештачката интелигенција.
04:39
And I realized it's not just made
of models and classifiers
of models and classifiers
91
267387
2947
И сфатив дека не е направена само од
модели и класификатори
модели и класификатори
04:42
for the neural network.
92
270358
1322
за невронската мрежа.
04:43
But it's a fundamentally
malleable and shapable system,
malleable and shapable system,
93
271704
3532
Туку е фундаментално податлив систем
04:47
one in which the human hand
is always present.
is always present.
94
275260
3111
во кој човековата рака е секогаш
присутна.
присутна.
04:50
It's far from the omnipotent AI
we've been told to believe in.
we've been told to believe in.
95
278395
4000
Далеку е од семоќната ВИ
во која ни е кажано да веруваме.
во која ни е кажано да веруваме.
04:54
So I collected these drawings
for the neural net.
for the neural net.
96
282419
2515
Па, ги собрав цртежите за
невронската мрежа.
невронската мрежа.
04:56
And we realized something
that wasn't previously possible.
that wasn't previously possible.
97
284958
3929
И сфатив нешто што
претходно не беше возможно.
претходно не беше возможно.
05:00
My robot D.O.U.G. became
a real-time interactive reflection
a real-time interactive reflection
98
288911
4091
Мојот робот Даг стана интерактивен
одраз во реално време
одраз во реално време
на работата што сум ја правела во
текот на мојот живот.
текот на мојот живот.
05:05
of the work I'd done
through the course of my life.
through the course of my life.
99
293026
2627
05:07
The data was personal,
but the results were powerful.
but the results were powerful.
100
295677
3865
Податоците беа лични,
но резултатите моќни.
но резултатите моќни.
05:11
And I got really excited,
101
299566
1484
И многу се возбудив,
05:13
because I started thinking maybe
machines don't need to be just tools,
machines don't need to be just tools,
102
301074
4582
почнав да мислам дека
машините не мора да бидат само алатки,
машините не мора да бидат само алатки,
05:17
but they can function
as nonhuman collaborators.
as nonhuman collaborators.
103
305680
3420
туку можат да фукнционираат како
нечовечки соработници.
нечовечки соработници.
05:21
And even more than that,
104
309537
1547
И дури повеќе од тоа,
05:23
I thought maybe
the future of human creativity
the future of human creativity
105
311108
2429
помислив дека иднината
на човечката креативност
на човечката креативност
05:25
isn't in what it makes
106
313561
1524
не зависи од она што го прават,
05:27
but how it comes together
to explore new ways of making.
to explore new ways of making.
107
315109
3436
туку од тоа како соработуваат за да
истражат нови начини на креирање.
истражат нови начини на креирање.
05:31
So if D.O.U.G._1 was the muscle,
108
319101
2190
Па, ако Даг 1 беше мускулот,
05:33
and D.O.U.G._2 was the brain,
109
321315
1762
а Даг 2 мозокот,
05:35
then I like to think
of D.O.U.G._3 as the family.
of D.O.U.G._3 as the family.
110
323101
2928
тогаш Даг 3 е семејството.
05:38
I knew I wanted to explore this idea
of human-nonhuman collaboration at scale.
of human-nonhuman collaboration at scale.
111
326482
4793
Идејата за соработка меѓу човек и нечовек
сакав да ја истражам во големи размери.
сакав да ја истражам во големи размери.
Па, во изминативе неколку месеци
05:43
So over the past few months,
112
331299
1373
05:44
I worked with my team
to develop 20 custom robots
to develop 20 custom robots
113
332696
3135
работев со мојот тим за да развијам 20
специјализирани роботи
специјализирани роботи
05:47
that could work with me as a collective.
114
335855
1960
кои ќе работат со мене како колектив.
05:49
They would work as a group,
115
337839
1293
Тие би работеле како група,
05:51
and together, we would collaborate
with all of New York City.
with all of New York City.
116
339156
2889
и заедно, би соработувале со цел
Њујорк.
Њујорк.
Бев инспирирана
од истражувачот од Стенфорд, Феи-Феи Ли,
од истражувачот од Стенфорд, Феи-Феи Ли,
05:54
I was really inspired
by Stanford researcher Fei-Fei Li,
by Stanford researcher Fei-Fei Li,
117
342069
2944
кој рекол: „Aко сакаме да ги научиме
машините да мислат,
машините да мислат,
05:57
who said, "if we want to teach
machines how to think,
machines how to think,
118
345037
2515
05:59
we need to first teach them how to see."
119
347576
1984
прво мораме да ги научиме
да гледаат.“
да гледаат.“
06:01
It made me think of the past decade
of my life in New York,
of my life in New York,
120
349584
2785
Ме натера да размислувам за последната
деценија од мојот живот во Њујорк,
деценија од мојот живот во Њујорк,
06:04
and how I'd been all watched over by these
surveillance cameras around the city.
surveillance cameras around the city.
121
352393
3993
за тоа како бев надгледувана од камерите
за надзор во градот.
за надзор во градот.
06:08
And I thought it would be
really interesting
really interesting
122
356410
2056
И мислев дека би било интересно
да ги искористам за да ги
научам моите роботи да гледаат.
научам моите роботи да гледаат.
06:10
if I could use them
to teach my robots to see.
to teach my robots to see.
123
358490
2405
06:12
So with this project,
124
360919
1888
Па, при овој проект,
06:14
I thought about the gaze of the machine,
125
362831
1967
размислував за погледот на машината,
06:16
and I began to think about vision
as multidimensional,
as multidimensional,
126
364822
3226
и почнав да размислувам за видот
како повеќедимензионален,
како повеќедимензионален,
06:20
as views from somewhere.
127
368072
1600
како погледи од некаде.
06:22
We collected video
128
370151
1834
Зедовме снимка
06:24
from publicly available
camera feeds on the internet
camera feeds on the internet
129
372009
3063
од јавно достапни преноси во живо
06:27
of people walking on the sidewalks,
130
375096
1690
на луѓе кои одат по тротоарите,
06:28
cars and taxis on the road,
131
376810
1712
автомобили и таксија на патот,
06:30
all kinds of urban movement.
132
378546
1817
секаков вид на урбано движење.
06:33
We trained a vision algorithm
on those feeds
on those feeds
133
381188
2603
Со помош на тие снимки истрениравме
алгоритам за вид,
алгоритам за вид,
06:35
based on a technique
called "optical flow,"
called "optical flow,"
134
383815
2286
врз основа на техниката наречена
„оптички тек“.
„оптички тек“.
06:38
to analyze the collective density,
135
386125
1977
Toj e nаменет за анализирање
на колективната густина,
на колективната густина,
06:40
direction, dwell and velocity states
of urban movement.
of urban movement.
136
388126
3637
насоката, задржувањето и брзината
на урбаното движење.
на урбаното движење.
06:44
Our system extracted those states
from the feeds as positional data
from the feeds as positional data
137
392178
4269
Нашиот систем ги извлече тие вредности од
преносите во форма на позициони податоци
преносите во форма на позициони податоци
06:48
and became pads for my
robotic units to draw on.
robotic units to draw on.
138
396471
3373
и стана место за цртање на мојата
роботска рака.
роботска рака.
06:51
Instead of a collaboration of one-to-one,
139
399868
2534
Наместо соработка еден на еден,
06:54
we made a collaboration of many-to-many.
140
402426
3024
направивме соработка многу со многу.
06:57
By combining the vision of human
and machine in the city,
and machine in the city,
141
405474
3587
Со комбинирање на видот на човек
и машина,
и машина,
07:01
we reimagined what
a landscape painting could be.
a landscape painting could be.
142
409085
2794
го преосмисливме пејзажното сликарство.
07:03
Throughout all of my
experiments with D.O.U.G.,
experiments with D.O.U.G.,
143
411903
2218
За време на експериментите со Даг,
07:06
no two performances
have ever been the same.
have ever been the same.
144
414145
2717
сите дела беа потполно различни.
07:08
And through collaboration,
145
416886
1382
Преку соработка,
создаваме нешто што никој од нас не би
можел сам да го направи:
можел сам да го направи:
07:10
we create something that neither of us
could have done alone:
could have done alone:
146
418292
2864
07:13
we explore the boundaries
of our creativity,
of our creativity,
147
421180
2611
ги истражуваме границите на нашата
креативност,
креативност,
07:15
human and nonhuman working in parallel.
148
423815
2892
човек и нечовек работејќи паралелно.
07:19
I think this is just the beginning.
149
427823
2334
Јас мислам дека ова е само почеток.
07:22
This year, I've launched Scilicet,
150
430569
2183
Годинава ја основав „Силисет“,
07:24
my new lab exploring human
and interhuman collaboration.
and interhuman collaboration.
151
432776
4245
мојата нова лабораторија за истражување
на човечката и меѓучовечката соработка.
на човечката и меѓучовечката соработка.
Не` интересира повратната спрега
07:29
We're really interested
in the feedback loop
in the feedback loop
152
437339
2120
07:31
between individual, artificial
and ecological systems.
and ecological systems.
153
439483
4230
помеѓу индивидуалните, вештачките и
еколошките системи.
еколошките системи.
07:36
We're connecting human and machine output
154
444276
2269
Поврзуваме човечки и машински излезни
податоци
податоци
07:38
to biometrics and other kinds
of environmental data.
of environmental data.
155
446569
2984
со биометриски и други видови податоци за
животната средина.
животната средина.
07:41
We're inviting anyone who's interested
in the future of work, systems
in the future of work, systems
156
449577
4079
Ги покануваме сите кои се заинтересирани
за иднината на работата, системите
за иднината на работата, системите
07:45
and interhuman collaboration
157
453680
1595
и меѓучовечката соработка
07:47
to explore with us.
158
455299
1550
да истражуваат со нас.
07:48
We know it's not just technologists
that have to do this work
that have to do this work
159
456873
3405
Знаеме дека не се само технолозите тие
кои треба да ја работат оваа работа
кои треба да ја работат оваа работа
07:52
and that we all have a role to play.
160
460302
2103
и дека сите имаме улога да играме.
07:54
We believe that by teaching machines
161
462429
2243
Веруваме дека преку поучување на машините
како да ја работат работата која
вообичаено ја вршат луѓе
вообичаено ја вршат луѓе
07:56
how to do the work
traditionally done by humans,
traditionally done by humans,
162
464696
2730
07:59
we can explore and evolve our criteria
163
467450
2953
може да го испитаме и промениме
критериумот
критериумот
08:02
of what's made possible by the human hand.
164
470427
2443
за тоа што може
да направи човечката рака.
да направи човечката рака.
08:04
And part of that journey
is embracing the imperfections
is embracing the imperfections
165
472894
3493
А дел од тоа патување е прифаќањето
на несовршеностите
на несовршеностите
08:08
and recognizing the fallibility
of both human and machine,
of both human and machine,
166
476411
3690
и препознавање на грешноста и на
човекот и на машините,
човекот и на машините,
08:12
in order to expand the potential of both.
167
480125
2405
за да го зголемиме потенцијалот и на
двете.
двете.
Денес се` уште трагам
по убавината
по убавината
08:14
Today, I'm still in pursuit
of finding the beauty
of finding the beauty
168
482919
2301
08:17
in human and nonhuman creativity.
169
485244
2276
во човечката и нечовечката креативност.
08:19
In the future, I have no idea
what that will look like,
what that will look like,
170
487865
2829
Немам претстава како
би изгледало тоа во иднина,
би изгледало тоа во иднина,
08:23
but I'm pretty curious to find out.
171
491627
2024
но сум прилично љубопитна да дознаам.
08:25
Thank you.
172
493675
1151
Ви благодарам.
08:26
(Applause)
173
494850
1884
(аплауз)
ABOUT THE SPEAKER
Sougwen Chung - Artist, researcherSougwen 愫君 Chung is an artist and researcher whose work explores the dynamics between humans and systems.
Why you should listen
Sougwen Chung's work explores the mark-made-by-hand and the mark-made-by-machine as an approach to understanding the dynamics of humans and systems. Chung is a former research fellow at MIT’s Media Lab and a pioneer in the field of human-machine collaboration. In 2019, she was selected as the Woman of the Year in Monaco for achievement in the Arts & Sciences.
In 2018 she was an inaugural E.A.T. Artist in Resident in partnership with New Museum and Bell Labs, and was awarded a commission for her project Omnia per Omnia. In 2016, Chung received Japan Media Art’s Excellence Award in for her project, Drawing Operations. She is a former research fellow at MIT’s Media Lab. She has been awarded Artist in Residence positions at Google, Eyebeam, Japan Media Arts and Pier 9 Autodesk. Her speculative critical practice spans performance, installation and drawings which have been featured in numerous exhibitions at museums and galleries around the world.
Sougwen Chung | Speaker | TED.com