TED@IBM
Raphael Arar: How we can teach computers to make sense of our emotions
Raphael Arar: Hur vi kan lära datorer att förstå våra känslor
Filmed:
Readability: 4.3
1,255,602 views
Hur kan vi skapa AI som folk faktiskt vill interagera med? Raphael Arar föreslår att vi börjar genom att skapa konst. Han delar med sig av interaktiva projekt som hjälper AI utforska komplexa idéer så som nostalgi, intuition och samtal - allt för att jobba mot målet att göra vår framtida teknologi lika mänsklig som den är artificiell.
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
Jag ser mig själv som hälften konstnär
och hälften designer.
och hälften designer.
00:18
And I work at an artificial
intelligence research lab.
intelligence research lab.
1
6480
3160
Och jag jobbar i ett labb
för artificiell intelligens.
för artificiell intelligens.
00:22
We're trying to create technology
2
10720
1696
Vi försöker skapa teknik
00:24
that you'll want to interact with
in the far future.
in the far future.
3
12440
3296
som du kommer att vilja interagera med
långt in i framtiden.
långt in i framtiden.
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
Inte bara om ett halvår,
utan om åratal och decennier.
utan om åratal och decennier.
00:33
And we're taking a moonshot
5
21120
1616
Och vi vågar chansa på
00:34
that we'll want to be
interacting with computers
interacting with computers
6
22760
2456
att vi kommer att vilja
interagera med datorer
interagera med datorer
00:37
in deeply emotional ways.
7
25240
2120
på djupt känslomässiga sätt.
00:40
So in order to do that,
8
28280
1456
Så för att kunna göra det,
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
måste teknologin vara
lika mänsklig som den är artificiell.
lika mänsklig som den är artificiell.
00:46
It has to get you.
10
34920
2256
Den måste förstå dig.
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
Som det där interna skämtet
som får dig och din bästa vän
som får dig och din bästa vän
00:52
on the floor, cracking up.
12
40560
1936
att vrida er av skratt.
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
Eller den där besvikna blicken
som du ser på långt håll.
som du ser på långt håll.
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
Konst är nyckeln till
att överbygga klyftan
mellan människa och maskin:
mellan människa och maskin:
01:07
to figure out what it means
to get each other
to get each other
15
55280
3136
till att ta reda på vad det betyder
att förstå varandra
att förstå varandra
01:10
so that we can train AI to get us.
16
58440
2760
så att vi kan träna AI att förstå oss.
01:13
See, to me, art is a way
to put tangible experiences
to put tangible experiences
17
61920
3816
För mig är konst ett sätt
att skapa konkreta upplevelser
att skapa konkreta upplevelser
01:17
to intangible ideas,
feelings and emotions.
feelings and emotions.
18
65760
3240
av abstrakta idéer och känslor.
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
Jag tror att det är något
av det mänskligaste med oss.
av det mänskligaste med oss.
01:25
See, we're a complicated
and complex bunch.
and complex bunch.
20
73480
2936
Vi är ett komplicerat och komplext gäng.
01:28
We have what feels like
an infinite range of emotions,
an infinite range of emotions,
21
76440
3136
Vi har vad som känns som
ett oändligt register av känslor
ett oändligt register av känslor
01:31
and to top it off, we're all different.
22
79600
2496
och dessutom är vi alla olika.
01:34
We have different family backgrounds,
23
82120
2296
Vi kommer från olika familjebakgrunder,
01:36
different experiences
and different psychologies.
and different psychologies.
24
84440
3080
har olika erfarenheter
och olika psyken.
och olika psyken.
Det är vad som gör livet
väldigt intressant.
väldigt intressant.
01:40
And this is what makes life
really interesting.
really interesting.
25
88240
2720
01:43
But this is also what makes
working on intelligent technology
working on intelligent technology
26
91440
3496
Men det gör också arbetet
med intelligent teknologi
med intelligent teknologi
01:46
extremely difficult.
27
94960
1600
otroligt svårt.
01:49
And right now, AI research, well,
28
97640
3456
För stunden så är AI-forskningen, tja,
01:53
it's a bit lopsided on the tech side.
29
101120
2016
den är lite skev på den tekniska sidan.
01:55
And that makes a lot of sense.
30
103160
2136
Och det är förståeligt.
01:57
See, for every
qualitative thing about us --
qualitative thing about us --
31
105320
2456
Varje kvalitativ del av oss -
01:59
you know, those parts of us that are
emotional, dynamic and subjective --
emotional, dynamic and subjective --
32
107800
4456
de delar som är känslomässiga,
dynamiska och subjektiva -
dynamiska och subjektiva -
02:04
we have to convert it
to a quantitative metric:
to a quantitative metric:
33
112280
3136
måste omvandlas
till ett kvantitativt mått:
till ett kvantitativt mått:
02:07
something that can be represented
with facts, figures and computer code.
with facts, figures and computer code.
34
115440
4360
något som kan återges
genom fakta, siffror och datorkod.
genom fakta, siffror och datorkod.
02:13
The issue is, there are
many qualitative things
many qualitative things
35
121000
3376
Problemet är att det finns
många kvalitativa saker
många kvalitativa saker
02:16
that we just can't put our finger on.
36
124400
1960
som vi inte kan sätta fingret på.
02:20
So, think about hearing
your favorite song for the first time.
your favorite song for the first time.
37
128400
3200
Tänk på när du hörde din favoritlåt
för första gången.
för första gången.
02:25
What were you doing?
38
133200
1200
Vad gjorde du?
02:28
How did you feel?
39
136000
1200
Hur kändes det?
02:30
Did you get goosebumps?
40
138720
1360
Fick du gåshud?
02:33
Or did you get fired up?
41
141240
1640
Eller blev du taggad?
02:36
Hard to describe, right?
42
144400
1200
Svårt att beskriva, eller hur?
02:38
See, parts of us feel so simple,
43
146800
2096
Vissa delar av oss verkar så enkla,
02:40
but under the surface,
there's really a ton of complexity.
there's really a ton of complexity.
44
148920
3656
men under ytan är det väldigt komplext.
02:44
And translating
that complexity to machines
that complexity to machines
45
152600
2936
Och att föra över
den komplexiteten till maskiner
den komplexiteten till maskiner
02:47
is what makes them modern-day moonshots.
46
155560
2856
är vad som gör dem
till så djärva satsningar.
till så djärva satsningar.
02:50
And I'm not convinced that we can
answer these deeper questions
answer these deeper questions
47
158440
4176
Jag är inte säker på
att vi kan besvara så djupa frågor
att vi kan besvara så djupa frågor
02:54
with just ones and zeros alone.
48
162640
1480
med enbart ettor och nollor.
02:57
So, in the lab, I've been creating art
49
165120
1936
Så i labbet har jag skapat konst
02:59
as a way to help me
design better experiences
design better experiences
50
167080
2456
som hjälpmedel för att
designa bättre erfarenheter
designa bättre erfarenheter
03:01
for bleeding-edge technology.
51
169560
2096
för spjutspetsteknik.
03:03
And it's been serving as a catalyst
52
171680
1736
Det har blivit en katalysator
03:05
to beef up the more human ways
that computers can relate to us.
that computers can relate to us.
53
173440
3840
som har förstärkt de mänskliga
sätt som datorer kan relatera till oss.
sätt som datorer kan relatera till oss.
03:10
Through art, we're tacking
some of the hardest questions,
some of the hardest questions,
54
178000
2696
Genom konst tar vi itu med
några av de svåraste frågorna,
några av de svåraste frågorna,
03:12
like what does it really mean to feel?
55
180720
2360
som vad betyder det egentligen att känna?
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
Eller hur tar vi kontakt, och hur vet vi
hur vi ska vara tillsammans med varandra?
hur vi ska vara tillsammans med varandra?
03:20
And how does intuition
affect the way that we interact?
affect the way that we interact?
57
188800
4000
Hur påverkar intuition
sättet som vi umgås?
sättet som vi umgås?
03:26
So, take for example human emotion.
58
194440
2056
Ta exempelvis mänskliga känslor.
03:28
Right now, computers can make sense
of our most basic ones,
of our most basic ones,
59
196520
3256
Just nu kan datorer förstå
våra mest grundläggande,
våra mest grundläggande,
03:31
like joy, sadness,
anger, fear and disgust,
anger, fear and disgust,
60
199800
3696
så som glädje, sorg,
ilska, rädsla och avsmak,
ilska, rädsla och avsmak,
03:35
by converting those
characteristics to math.
characteristics to math.
61
203520
3000
genom att omvandla
de egenskaperna till matte.
de egenskaperna till matte.
03:39
But what about the more complex emotions?
62
207400
2536
Men hur blir det
med de mer komplexa känslorna?
med de mer komplexa känslorna?
03:41
You know, those emotions
63
209960
1216
Sådana känslor
03:43
that we have a hard time
describing to each other?
describing to each other?
64
211200
2376
som vi har svårt
att beskriva för varandra?
att beskriva för varandra?
03:45
Like nostalgia.
65
213600
1440
Som nostalgi.
03:47
So, to explore this, I created
a piece of art, an experience,
a piece of art, an experience,
66
215640
3936
För att undersöka detta
skapade jag ett konstverk, en upplevelse,
skapade jag ett konstverk, en upplevelse,
03:51
that asked people to share a memory,
67
219600
2096
som bad folk dela med sig av ett minne,
03:53
and I teamed up with some data scientists
68
221720
2136
och jag samarbetade
med några dataforskare
med några dataforskare
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
för att räkna ut
hur man kan ta en känsla
som är så subjektiv
som är så subjektiv
03:59
and convert it into something
mathematically precise.
mathematically precise.
70
227480
3200
och omvandla den
till något matematiskt exakt.
till något matematiskt exakt.
04:03
So, we created what we call
a nostalgia score
a nostalgia score
71
231840
2136
Vi skapade vad vi kallar
en nostalgipoäng
en nostalgipoäng
04:06
and it's the heart of this installation.
72
234000
2216
som utgör hjärtat
i den här installationen.
i den här installationen.
För att göra det ber installationen dig
att dela med dig av en berättelse.
att dela med dig av en berättelse.
04:08
To do that, the installation
asks you to share a story,
asks you to share a story,
73
236240
3056
04:11
the computer then analyzes it
for its simpler emotions,
for its simpler emotions,
74
239320
3256
Dess enklare känslor analyseras av datorn
04:14
it checks for your tendency
to use past-tense wording
to use past-tense wording
75
242600
2656
som ser hur mycket
du använder dåtid i formuleringar
du använder dåtid i formuleringar
04:17
and also looks for words
that we tend to associate with nostalgia,
that we tend to associate with nostalgia,
76
245280
3336
och letar efter ord
som brukar associeras med nostalgi,
som brukar associeras med nostalgi,
04:20
like "home," "childhood" and "the past."
77
248640
3040
som "hem", "barndom" och "det förflutna".
04:24
It then creates a nostalgia score
78
252760
2056
Därefter skapar den en nostalgipoäng
04:26
to indicate how nostalgic your story is.
79
254840
2736
som visar hur nostalgisk
berättelsen är.
berättelsen är.
04:29
And that score is the driving force
behind these light-based sculptures
behind these light-based sculptures
80
257600
4136
Den poängen är drivkraften
bakom de här ljusbaserade skulpturerna
bakom de här ljusbaserade skulpturerna
04:33
that serve as physical embodiments
of your contribution.
of your contribution.
81
261760
3896
som förkroppsligar bidragen.
04:37
And the higher the score,
the rosier the hue.
the rosier the hue.
82
265680
3216
Och ju högre poäng,
desto mer rosa nyans.
desto mer rosa nyans.
04:40
You know, like looking at the world
through rose-colored glasses.
through rose-colored glasses.
83
268920
3936
Ni vet, som att se på världen
genom rosa glasögon.
genom rosa glasögon.
04:44
So, when you see your score
84
272880
2616
Så när man ser sin poäng
04:47
and the physical representation of it,
85
275520
2656
och den fysiska representationen av den,
04:50
sometimes you'd agree
and sometimes you wouldn't.
and sometimes you wouldn't.
86
278200
2936
håller man ibland med, och ibland inte.
04:53
It's as if it really understood
how that experience made you feel.
how that experience made you feel.
87
281160
3480
Det är som om den faktiskt förstod
hur upplevelsen fick dig att känna.
hur upplevelsen fick dig att känna.
04:57
But other times it gets tripped up
88
285400
2216
Men andra gånger blir det fel
04:59
and has you thinking
it doesn't understand you at all.
it doesn't understand you at all.
89
287640
2560
så att man tänker
att den inte förstår något alls.
att den inte förstår något alls.
05:02
But the piece really serves to show
90
290680
1896
Men verket visar verkligen
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
att om det är svårt att förklara
våra känslor för varandra
våra känslor för varandra
05:08
how can we teach a computer
to make sense of them?
to make sense of them?
92
296680
2360
hur ska vi då kunna lära
en dator att förstå dem?
en dator att förstå dem?
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
Mer objektiva saker
kan också vara svåra att beskriva.
kan också vara svåra att beskriva.
05:15
Like, conversation.
94
303960
1240
Exempelvis ett samtal.
Har ni någonsin försökt
att bryta ner det till mindre steg?
att bryta ner det till mindre steg?
05:17
Have you ever really tried
to break down the steps?
to break down the steps?
95
305880
2736
05:20
So think about sitting
with your friend at a coffee shop
with your friend at a coffee shop
96
308640
2656
Tänk dig att du sitter
på ett fik med en vän
på ett fik med en vän
05:23
and just having small talk.
97
311320
1320
och bara småpratar.
05:25
How do you know when to take a turn?
98
313160
1720
Hur vet du när det är din tur?
05:27
How do you know when to shift topics?
99
315440
1840
När du kan byta samtalsämne?
05:29
And how do you even know
what topics to discuss?
what topics to discuss?
100
317960
2720
Och hur vet du ens
vilka ämnen som kan diskuteras?
vilka ämnen som kan diskuteras?
05:33
See, most of us
don't really think about it,
don't really think about it,
101
321560
2096
De flesta av oss tänker inte på det
05:35
because it's almost second nature.
102
323680
1656
för det är så naturligt.
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
När vi lär känna någon,
lär vi oss hur de fungerar,
lär vi oss hur de fungerar,
05:40
and then we learn
what topics we can discuss.
what topics we can discuss.
104
328880
2376
och sedan lär vi oss
vilka ämnen vi kan prata om.
vilka ämnen vi kan prata om.
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
Men när AI-system ska lära sig
att interagera med människor,
att interagera med människor,
05:46
we have to teach them
step by step what to do.
step by step what to do.
106
334960
2856
måste vi lära dem
vad de ska göra steg för steg.
vad de ska göra steg för steg.
05:49
And right now, it feels clunky.
107
337840
3496
Och just nu känns det klumpigt.
05:53
If you've ever tried to talk
with Alexa, Siri or Google Assistant,
with Alexa, Siri or Google Assistant,
108
341360
4136
Om du någon gång har pratat
med Alexa, Siri eller Google Assistant,
med Alexa, Siri eller Google Assistant,
05:57
you can tell that it or they
can still sound cold.
can still sound cold.
109
345520
4200
så hör du att den eller hen
fortfarande kan låta kylig.
fortfarande kan låta kylig.
06:02
And have you ever gotten annoyed
110
350440
1656
Och har du blivit irriterad
06:04
when they didn't understand
what you were saying
what you were saying
111
352120
2256
när de inte förstår vad du säger
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
och du måste omformulera dig
20 gånger bara för att spela en låt?
20 gånger bara för att spela en låt?
06:11
Alright, to the credit of the designers,
realistic communication is really hard.
realistic communication is really hard.
113
359440
4896
Men till skaparnas försvar, så är
realistisk kommunikation väldigt svårt.
realistisk kommunikation väldigt svårt.
06:16
And there's a whole branch of sociology,
114
364360
2136
Och det finns en hel gren inom sociologin,
06:18
called conversation analysis,
115
366520
1936
som kallas för samtalsanalys,
06:20
that tries to make blueprints
for different types of conversation.
for different types of conversation.
116
368480
3136
som försöker skapa scheman
för olika slags samtal.
för olika slags samtal.
06:23
Types like customer service
or counseling, teaching and others.
or counseling, teaching and others.
117
371640
4080
Exempelvis kundservice
eller rådgivning, undervisning och annat.
eller rådgivning, undervisning och annat.
06:28
I've been collaborating
with a conversation analyst at the lab
with a conversation analyst at the lab
118
376880
2936
Jag har samarbetat
med en samtalsanalytiker i labbet
med en samtalsanalytiker i labbet
06:31
to try to help our AI systems
hold more human-sounding conversations.
hold more human-sounding conversations.
119
379840
4696
för att försöka hjälpa våra AI-system
föra mer människoliknande samtal.
föra mer människoliknande samtal.
06:36
This way, when you have an interaction
with a chatbot on your phone
with a chatbot on your phone
120
384560
3176
Så när du interagerar
med en chattbot i din telefon
med en chattbot i din telefon
06:39
or a voice-based system in the car,
121
387760
1856
eller ett röstbaserat system i bilen,
06:41
it sounds a little more human
and less cold and disjointed.
and less cold and disjointed.
122
389640
3320
så låter det lite mänskligare
och mindre kyligt och osammanhängande.
och mindre kyligt och osammanhängande.
06:46
So I created a piece of art
123
394360
1336
Så jag skapade ett konstverk
06:47
that tries to highlight
the robotic, clunky interaction
the robotic, clunky interaction
124
395720
2816
som försöker belysa
det stela, klumpiga samspelet
det stela, klumpiga samspelet
06:50
to help us understand, as designers,
125
398560
1976
för att hjälpa oss designers att förstå
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
varför det inte låter mänskligt än,
och vad vi kan göra åt det.
och vad vi kan göra åt det.
06:57
The piece is called Bot to Bot
127
405160
1456
Verket heter Bot to Bot
06:58
and it puts one conversational
system against another
system against another
128
406640
2936
och det ställer ett samtalssystem
mot ett annat
07:01
and then exposes it to the general public.
129
409600
2536
och visar sedan upp det för allmänheten.
07:04
And what ends up happening
is that you get something
is that you get something
130
412160
2496
Det som händer är att man får något
07:06
that tries to mimic human conversation,
131
414680
1896
som försöker efterlikna mänskligt samtal
07:08
but falls short.
132
416600
1896
men misslyckas.
07:10
Sometimes it works and sometimes
it gets into these, well,
it gets into these, well,
133
418520
2736
Ibland fungerar det
och ibland hamnar det i
och ibland hamnar det i
07:13
loops of misunderstanding.
134
421280
1536
loopar av missförstånd.
07:14
So even though the machine-to-machine
conversation can make sense,
conversation can make sense,
135
422840
3096
Så trots att samtalet
mellan maskinerna kan vara förståeligt
mellan maskinerna kan vara förståeligt
07:17
grammatically and colloquially,
136
425960
2016
grammatiskt och språkligt,
07:20
it can still end up
feeling cold and robotic.
feeling cold and robotic.
137
428000
3216
så kan det ändå kännas
kallt och robotliknande.
kallt och robotliknande.
07:23
And despite checking all the boxes,
the dialogue lacks soul
the dialogue lacks soul
138
431240
4016
Trots att allt är korrekt,
så saknar samtalet själ
så saknar samtalet själ
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
och de där små egenheterna
som gör oss alla till de vi är.
som gör oss alla till de vi är.
07:30
So while it might be grammatically correct
140
438440
2056
Trots att det kan vara
grammatiskt korrekt
grammatiskt korrekt
07:32
and uses all the right
hashtags and emojis,
hashtags and emojis,
141
440520
2656
och använda rätt hashtaggar och emojis
07:35
it can end up sounding mechanical
and, well, a little creepy.
and, well, a little creepy.
142
443200
4136
så kan det ända låta mekaniskt
och en aning obehagligt.
och en aning obehagligt.
07:39
And we call this the uncanny valley.
143
447360
2336
Det kallas för uncanny valley.
07:41
You know, that creepiness factor of tech
144
449720
1936
När teknologin blir otäck eftersom
07:43
where it's close to human
but just slightly off.
but just slightly off.
145
451680
2856
den nästan är mänsklig,
men inte helt och hållet.
men inte helt och hållet.
07:46
And the piece will start being
146
454560
1456
Konstverket kommer att vara
07:48
one way that we test
for the humanness of a conversation
for the humanness of a conversation
147
456040
3216
ett sätt att undersöka
mänskligheten i samtal
mänskligheten i samtal
07:51
and the parts that get
lost in translation.
lost in translation.
148
459280
2160
och vad som går förlorat
i översättningen.
i översättningen.
07:54
So there are other things
that get lost in translation, too,
that get lost in translation, too,
149
462560
2856
Andra saker går också
förlorade i översättningen,
förlorade i översättningen,
07:57
like human intuition.
150
465440
1616
som mänsklig intuition.
07:59
Right now, computers
are gaining more autonomy.
are gaining more autonomy.
151
467080
2776
Datorer håller för tillfället
på att bli mer självgående.
på att bli mer självgående.
08:01
They can take care of things for us,
152
469880
1736
De kan sköta saker åt oss,
08:03
like change the temperature
of our houses based on our preferences
of our houses based on our preferences
153
471640
3176
som att ändra temperaturen
i våra hem utifrån det vi gillar.
i våra hem utifrån det vi gillar.
08:06
and even help us drive on the freeway.
154
474840
2160
Till och med hjälpa oss
att köra på motorvägen.
att köra på motorvägen.
08:09
But there are things
that you and I do in person
that you and I do in person
155
477560
2496
Men det finns saker
som du och jag gör själva
som du och jag gör själva
08:12
that are really difficult
to translate to AI.
to translate to AI.
156
480080
2760
som är väldigt svåra
att föra över till AI.
att föra över till AI.
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
Tänk på senaste gången du träffade
en gammal klasskamrat eller arbetskamrat.
en gammal klasskamrat eller arbetskamrat.
08:21
Did you give them a hug
or go in for a handshake?
or go in for a handshake?
158
489080
2480
Kramade du dem,
eller skakade hand?
eller skakade hand?
08:24
You probably didn't think twice
159
492800
1496
Du behövde nog
inte tänka efter
inte tänka efter
08:26
because you've had so many
built up experiences
built up experiences
160
494320
2336
eftersom du har så många erfarenheter
08:28
that had you do one or the other.
161
496680
2000
som fick dig att göra som du gjorde.
08:31
And as an artist, I feel
that access to one's intuition,
that access to one's intuition,
162
499440
3456
Som konstnär tror jag
att tillgång till intuition,
att tillgång till intuition,
08:34
your unconscious knowing,
163
502920
1416
till undermedveten kunskap,
08:36
is what helps us create amazing things.
164
504360
3056
är vad som hjälper oss
att skapa fantastiska saker.
att skapa fantastiska saker.
08:39
Big ideas, from that abstract,
nonlinear place in our consciousness
nonlinear place in our consciousness
165
507440
4056
Stora idéer, från den där abstrakta,
mångdimensionella platsen i medvetandet
mångdimensionella platsen i medvetandet
08:43
that is the culmination
of all of our experiences.
of all of our experiences.
166
511520
2960
som är kulmen
på alla våra erfarenheter.
på alla våra erfarenheter.
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
Om vi vill att datorer
ska relatera till oss,
ska relatera till oss,
och förstärka vår kreativa förmåga,
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
så måste vi börja tänka ut
hur vi ska göra datorer intuitiva.
hur vi ska göra datorer intuitiva.
08:56
So I wanted to explore
how something like human intuition
how something like human intuition
169
524440
3096
Så jag ville utforska
hur något som mänsklig intuition
hur något som mänsklig intuition
08:59
could be directly translated
to artificial intelligence.
to artificial intelligence.
170
527560
3456
skulle kunna översättas
direkt till artificiell intelligens.
direkt till artificiell intelligens.
09:03
And I created a piece
that explores computer-based intuition
that explores computer-based intuition
171
531040
3216
Och jag skapade ett verk
som utforskar datorbaserad intuition
som utforskar datorbaserad intuition
09:06
in a physical space.
172
534280
1320
i ett fysiskt utrymme.
09:08
The piece is called Wayfinding,
173
536480
1696
Verket heter Wayfinding,
09:10
and it's set up as a symbolic compass
that has four kinetic sculptures.
that has four kinetic sculptures.
174
538200
3936
och är utformat som en symbolisk
kompass med fyra kinetiska skulpturer.
kompass med fyra kinetiska skulpturer.
09:14
Each one represents a direction,
175
542160
2056
Varje del motsvarar en riktning,
09:16
north, east, south and west.
176
544240
2120
norr, öster, söder och väster.
09:19
And there are sensors set up
on the top of each sculpture
on the top of each sculpture
177
547080
2696
Sensorer på ovansidan av varje skulptur
09:21
that capture how far away
you are from them.
you are from them.
178
549800
2256
känner av hur långt bort från dem du är.
09:24
And the data that gets collected
179
552080
1816
Datan som samlas in
09:25
ends up changing the way
that sculptures move
that sculptures move
180
553920
2136
förändrar hur skulpturerna rör sig
09:28
and the direction of the compass.
181
556080
2040
och kompassens riktning.
09:31
The thing is, the piece doesn't work
like the automatic door sensor
like the automatic door sensor
182
559360
3656
Men konstverket fungerar inte
som automatiska skjutdörrar
som automatiska skjutdörrar
09:35
that just opens
when you walk in front of it.
when you walk in front of it.
183
563040
2656
som bara öppnas
när man går framför dem.
när man går framför dem.
09:37
See, your contribution is only a part
of its collection of lived experiences.
of its collection of lived experiences.
184
565720
5056
Ditt bidrag är bara en del
av dess samling av erfarenheter.
av dess samling av erfarenheter.
09:42
And all of those experiences
affect the way that it moves.
affect the way that it moves.
185
570800
4056
Och alla de erfarenheterna
påverkar hur den rör sig.
påverkar hur den rör sig.
09:46
So when you walk in front of it,
186
574880
1736
Så när du går framför den,
09:48
it starts to use all of the data
187
576640
1976
börjar den använda all data
09:50
that it's captured
throughout its exhibition history --
throughout its exhibition history --
188
578640
2616
som den har samlat in under
hela utställningens tid -
hela utställningens tid -
09:53
or its intuition --
189
581280
1816
eller sin intuition -
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
för att reagera på dig
utifrån vad den har lärt sig från andra.
utifrån vad den har lärt sig från andra.
09:59
And what ends up happening
is that as participants
is that as participants
191
587480
2536
Det som händer är
att vi som deltagare
att vi som deltagare
10:02
we start to learn the level
of detail that we need
of detail that we need
192
590040
2816
börjar lära oss vilken nivå
av detaljer som behövs
av detaljer som behövs
10:04
in order to manage expectations
193
592880
2016
för att hantera förväntningar
10:06
from both humans and machines.
194
594920
2776
från både människor och maskiner.
10:09
We can almost see our intuition
being played out on the computer,
being played out on the computer,
195
597720
3616
Vi kan nästan se vår intuition
spelas upp på datorn,
spelas upp på datorn,
10:13
picturing all of that data
being processed in our mind's eye.
being processed in our mind's eye.
196
601360
3600
föreställa oss all data
som bearbetas i våra sinnen.
som bearbetas i våra sinnen.
10:17
My hope is that this type of art
197
605560
1656
Jag hoppas att sådan här konst
10:19
will help us think differently
about intuition
about intuition
198
607240
2416
får oss att tänka på
intuition på ett nytt sätt
intuition på ett nytt sätt
10:21
and how to apply that to AI in the future.
199
609680
2280
och hur det kan appliceras
på AI i framtiden.
på AI i framtiden.
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
Det är är bara några exempel på hur jag
använder konst för att främja mitt arbete
använder konst för att främja mitt arbete
10:28
as a designer and researcher
of artificial intelligence.
of artificial intelligence.
201
616440
3096
som designer och forskare
inom artificiell intelligens.
inom artificiell intelligens.
10:31
And I see it as a crucial way
to move innovation forward.
to move innovation forward.
202
619560
3496
Och jag ser det som ett nödvändigt sätt
för fortsatt nyskapande.
för fortsatt nyskapande.
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
För just nu finns det många ytterligheter
när det gäller AI.
10:39
Popular movies show it
as this destructive force
as this destructive force
204
627480
2816
I filmer är det en destruktiv kraft
10:42
while commercials
are showing it as a savior
are showing it as a savior
205
630320
3056
medan det i reklam är lösningen
10:45
to solve some of the world's
most complex problems.
most complex problems.
206
633400
2936
på några av världens
mest komplexa problem.
mest komplexa problem.
10:48
But regardless of where you stand,
207
636360
2536
Men oavsett vad man anser,
10:50
it's hard to deny
that we're living in a world
that we're living in a world
208
638920
2176
så är det svårt att förneka att vår värld
10:53
that's becoming more
and more digital by the second.
and more digital by the second.
209
641120
2576
blir mer och mer digital
för varje sekund.
för varje sekund.
10:55
Our lives revolve around our devices,
smart appliances and more.
smart appliances and more.
210
643720
4600
Våra liv kretsar kring våra apparater,
smarta enheter och mer.
smarta enheter och mer.
11:01
And I don't think
this will let up any time soon.
this will let up any time soon.
211
649400
2320
Och det kommer nog inte att minska.
11:04
So, I'm trying to embed
more humanness from the start.
more humanness from the start.
212
652400
3736
Så jag försöker blanda in
mer mänsklighet från början.
mer mänsklighet från början.
11:08
And I have a hunch that bringing art
into an AI research process
into an AI research process
213
656160
5136
Och att föra in konst
i AI-forskningen tror jag
i AI-forskningen tror jag
11:13
is a way to do just that.
214
661320
1896
är ett sätt att göra just det.
11:15
Thank you.
215
663240
1216
Tack.
11:16
(Applause)
216
664480
2280
(Applåder)
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