TED@BCG Mumbai
Sougwen Chung: Why I draw with robots
سوغوين تشونغ: لماذا أرسم مع الروبوتات
Filmed:
Readability: 4.4
160,983 views
ماذا يحدث عندما يصنع البشر والروبوتات الفن سويّةً؟ في هذه المحادثة الملهمة، الفنانة سوغوين تشونغ ترينا كيف علّمت أسلوبها الفني لآلة-- وتشاركنا نتائج تعاونهم بعد إيجاد اكتشاف غير متوقع: الروبوتات ترتكب الأخطاء أيضًا. تقول هي: "جزء من جمال الأنظمة البشرية والآلية هو الحتمية المتأصلة لحصول الأخطاء."
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
العديد منا يستخدم التكنولوجيا
في حياته اليومية.
في حياته اليومية.
00:16
And some of us rely
on technology to do our jobs.
on technology to do our jobs.
1
4126
3247
والبعض يعتمد على التكنولوجيا
لإنجاز أعماله،
لإنجاز أعماله،
00:19
For a while, I thought of machines
and the technologies that drive them
and the technologies that drive them
2
7397
3950
لفترة، فكرت في الآلات
والتقنيات التي تقودها
والتقنيات التي تقودها
00:23
as perfect tools that could make my work
more efficient and more productive.
more efficient and more productive.
3
11371
4505
كأدوات مثالية والتي يمكنها أن تجعل
عملي أكثر كفاءة وإنتاجية.
عملي أكثر كفاءة وإنتاجية.
00:28
But with the rise of automation
across so many different industries,
across so many different industries,
4
16403
3254
ولكن مع صعود نجم الأتمتة
في العديد من الصناعات المختلفة،
في العديد من الصناعات المختلفة،
00:31
it led me to wonder:
5
19681
1372
قادني هذا الأمر لأتساءل:
00:33
If machines are starting
to be able to do the work
to be able to do the work
6
21077
2341
إذا أصبح بمقدور الآلات أن تقوم
بإنجاز الأعمال
بإنجاز الأعمال
00:35
traditionally done by humans,
7
23442
1667
التي يقوم بها البشر بشكل تقليدي،
00:37
what will become of the human hand?
8
25133
2333
ما الذي سوف يحصل لليد البشرية؟
00:40
How does our desire for perfection,
precision and automation
precision and automation
9
28133
4093
كيف سوف تؤثر رغبتنا في المثالية
والدقة والأتمتة
والدقة والأتمتة
00:44
affect our ability to be creative?
10
32250
1922
على قدرتنا على الإبداع؟
00:46
In my work as an artist and researcher,
I explore AI and robotics
I explore AI and robotics
11
34553
4087
في عملي كفنانة وباحثة،
أدرس الذكاء الصناعي والروبوتات
أدرس الذكاء الصناعي والروبوتات
00:50
to develop new processes
for human creativity.
for human creativity.
12
38664
3005
لأطور إجرائيات جديدة للإبداع البشري.
00:54
For the past few years,
13
42077
1286
خلال السنوات الخمس الماضية،
00:55
I've made work alongside machines,
data and emerging technologies.
data and emerging technologies.
14
43387
4376
قمت بالعمل بجانب آلات وبيانات
وتقنيات مستحدثة.
وتقنيات مستحدثة.
01:00
It's part of a lifelong fascination
15
48143
1861
إنّه جزء من افتتان على مدى الحياة
01:02
about the dynamics
of individuals and systems
of individuals and systems
16
50028
2735
بالديناميكيا بين الأشخاص والأنظمة
01:04
and all the messiness that that entails.
17
52787
2381
وكل ما يتبع ذلك من فوضى.
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
إنها الطريقة التي اكتشف بها
أين ينتهي الذكاء الصناعي ونبدأ نحن
أين ينتهي الذكاء الصناعي ونبدأ نحن
01:12
and where I'm developing processes
19
60024
1642
حيث أقوم بتطوير العمليات
01:13
that investigate potential
sensory mixes of the future.
sensory mixes of the future.
20
61690
3326
التي بدورها تتحقق من إمكانية
حصول الخلطات الحسية مستقبلًا
حصول الخلطات الحسية مستقبلًا
01:17
I think it's where philosophy
and technology intersect.
and technology intersect.
21
65675
2857
أعتقد أنها حيث تتقاطع
الفلسفة والتكنولوجيا.
الفلسفة والتكنولوجيا.
01:20
Doing this work
has taught me a few things.
has taught me a few things.
22
68992
2239
إنّ القيام بهذا العمل قد علمني
بضعة أشياء.
بضعة أشياء.
01:23
It's taught me how embracing imperfection
23
71642
2824
علمني كيف يمكن لتقبل النقصان
01:26
can actually teach us
something about ourselves.
something about ourselves.
24
74490
2489
أن يعلمنا شيئًا عن أنفسنا.
01:29
It's taught me that exploring art
25
77428
2336
لقد علمني أنّ الاستكشاف في الفنون
01:31
can actually help shape
the technology that shapes us.
the technology that shapes us.
26
79788
2931
يساعد فعلًا في تحديد شكل التقنيات
التي تشكّلنا.
التي تشكّلنا.
01:35
And it's taught me
that combining AI and robotics
that combining AI and robotics
27
83148
3261
وقد علمني هذا أنّ الدمج ما بين
الذكاء الصناعي والروبوتات من جهة
الذكاء الصناعي والروبوتات من جهة
01:38
with traditional forms of creativity --
visual arts in my case --
visual arts in my case --
28
86433
3532
والأشكال التقليدية للإبداع
--الفنون البصرية في حالتي --
--الفنون البصرية في حالتي --
01:41
can help us think a little bit more deeply
29
89989
2302
يمكنه أن يساعدنا لنفكر بشكل أعمق
01:44
about what is human
and what is the machine.
and what is the machine.
30
92315
2897
حول ما هو الإنسان وما هي الآلة.
01:47
And it's led me to the realization
31
95942
1707
وقد قادني هذا إلى إدراك
01:49
that collaboration is the key
to creating the space for both
to creating the space for both
32
97673
3055
أنّ التعاون هو المفتاح لإيجاد
مساحة للطرفين
مساحة للطرفين
01:52
as we move forward.
33
100752
1267
ونحن نتقدم للأمام.
01:54
It all started with a simple
experiment with machines,
experiment with machines,
34
102387
2746
بدأ كل الأمر بتجربة بسيطة مع الآلات،
01:57
called "Drawing Operations
Unit: Generation 1."
Unit: Generation 1."
35
105157
2826
تدعى "وحدة عمليات الرسم: الجيل 1."
02:00
I call the machine "D.O.U.G." for short.
36
108434
2516
أسميها الآلة "و.ع.ر.ج"
02:02
Before I built D.O.U.G,
37
110974
1326
قبل أن أبني و.ع.ر.ج
02:04
I didn't know anything
about building robots.
about building robots.
38
112324
2365
لم أكن أعلم شيئًا عن بناء الروبوتات.
02:07
I took some open-source
robotic arm designs,
robotic arm designs,
39
115220
2897
حصلت على بعض التصاميم
مفتوحة المصدر لأذرع روبوت،
مفتوحة المصدر لأذرع روبوت،
02:10
I hacked together a system
where the robot would match my gestures
where the robot would match my gestures
40
118141
3341
قمت بتجميع نظام حيث
يقوم الروبوت بمطابقة تعابيري
يقوم الروبوت بمطابقة تعابيري
02:13
and follow [them] in real time.
41
121506
1639
ويتبعهم في الزمن الحقيقي.
02:15
The premise was simple:
42
123169
1448
الفكرة كانت بسيطة:
02:16
I would lead, and it would follow.
43
124641
2200
كنت أتحرك أولًا، ثم يتبعني.
02:19
I would draw a line,
and it would mimic my line.
and it would mimic my line.
44
127403
2936
كنت أرسم خطًا، وكان يماثل خطي.
02:22
So back in 2015, there we were,
drawing for the first time,
drawing for the first time,
45
130363
3698
فبالعودة إلى 2015، كنا نرسم
للمرة الأولى،
للمرة الأولى،
02:26
in front of a small audience
in New York City.
in New York City.
46
134085
2619
أمام جمهور صغير في نيويورك.
02:28
The process was pretty sparse --
47
136728
2555
كانت العملية بسيطة جدًا
02:31
no lights, no sounds,
nothing to hide behind.
nothing to hide behind.
48
139307
3487
لا أضواء، لا أصوات،
لا شيء لنختبئ خلفه.
لا شيء لنختبئ خلفه.
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
فقط راحة يدي المتعرقة
ومتحكم الروبوت الجديد يزداد حرارة.
ومتحكم الروبوت الجديد يزداد حرارة.
02:38
(Laughs) Clearly, we were
not built for this.
not built for this.
50
146950
2441
(تضحك) إنّه من الواضح أننا لم
نبني للقيام بهذا.
نبني للقيام بهذا.
02:41
But something interesting happened,
something I didn't anticipate.
something I didn't anticipate.
51
149820
3233
ولكن شيئًا مثيرًا للاهتمام حصل،
شيئًا لم أكن أتوقعه.
شيئًا لم أكن أتوقعه.
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
حيث أنّ و.ع.ر.ج، في حالته البدائية،
لم يكن يقلد خطّي بشكل مثالي.
لم يكن يقلد خطّي بشكل مثالي.
02:49
While in the simulation
that happened onscreen
that happened onscreen
53
157903
2333
أثناء المحاكاة البرمجية حصل الأمر
على الشاشة
على الشاشة
02:52
it was pixel-perfect,
54
160260
1357
كان تقليده مثاليًا،
02:53
in physical reality,
it was a different story.
it was a different story.
55
161641
2531
أما في الواقع الفيزيائي
كانت قصة أخرى تمامًا.
كانت قصة أخرى تمامًا.
02:56
It would slip and slide
and punctuate and falter,
and punctuate and falter,
56
164196
2817
كان ينزلق ويخطئ ويتعثر،
02:59
and I would be forced to respond.
57
167037
2068
وكنت مضطرة إلى الاستجابة.
03:01
There was nothing pristine about it.
58
169525
1778
لم يكن هناك أي شيء مثالي في الموضوع.
03:03
And yet, somehow, the mistakes
made the work more interesting.
made the work more interesting.
59
171327
3238
ولكن بشكل ما، الأخطاء جعلت العمل
أكثر إثارة للاهتمام.
أكثر إثارة للاهتمام.
03:06
The machine was interpreting
my line but not perfectly.
my line but not perfectly.
60
174589
2754
الآلة كانت تفسر خطي
بشكل غير مثالي.
بشكل غير مثالي.
03:09
And I was forced to respond.
61
177367
1372
وكنت مضطرة للاستجابة.
03:10
We were adapting
to each other in real time.
to each other in real time.
62
178763
2709
كنا نتأقلم على بعضنا في الزمن الحقيقي.
03:13
And seeing this taught me a few things.
63
181496
1937
ورؤية ذلك علمتني بضعة أشياء.
03:15
It showed me that our mistakes
actually made the work more interesting.
actually made the work more interesting.
64
183457
4880
كيف أنّ أخطاءنا جعلت
العمل أكثر إثارة للاهتمام.
العمل أكثر إثارة للاهتمام.
03:20
And I realized that, you know,
through the imperfection of the machine,
through the imperfection of the machine,
65
188663
4249
ولقد أدركت من خلال أخطاء الآلة،
03:24
our imperfections became
what was beautiful about the interaction.
what was beautiful about the interaction.
66
192936
3705
أنّ أخطاءنا أصبحت ما يضفي الجمال
على تفاعلنا.
على تفاعلنا.
03:29
And I was excited,
because it led me to the realization
because it led me to the realization
67
197650
3087
ولقد كنت متحمسة،
لأن ذلك قادني إلى الإدراك
لأن ذلك قادني إلى الإدراك
03:32
that maybe part of the beauty
of human and machine systems
of human and machine systems
68
200761
3650
أنّ جزءًا من الجمال في الأنظمة
الآلية والبشرية
الآلية والبشرية
03:36
is their shared inherent fallibility.
69
204435
2738
هو الحتمية المتأصلة لحصول الأخطاء.
03:39
For the second generation of D.O.U.G.,
70
207197
1820
بالنسبة للجيل الثاني من و.ع.ر.ج
03:41
I knew I wanted to explore this idea.
71
209041
2307
علمت أني أردت تقصّي هذه الفكرة.
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
لكن بدلًا من التسبب بها بحادث سببه
دفعي للذراع الآلية إلى حدودها،
دفعي للذراع الآلية إلى حدودها،
03:47
I wanted to design a system
that would respond to my drawings
that would respond to my drawings
73
215814
2897
أردت تصميم نظام يتجاوب مع رسومي
03:50
in ways that I didn't expect.
74
218735
1833
في طرق لم أكن أتوقعها.
03:52
So, I used a visual algorithm
to extract visual information
to extract visual information
75
220592
3849
لذا استخدمت خوارزمية بصرية
لاستخراج المعلومات البصرية
لاستخراج المعلومات البصرية
03:56
from decades of my digital
and analog drawings.
and analog drawings.
76
224465
2978
من عقود من رسومي الرقمية والتناظرية.
03:59
I trained a neural net on these drawings
77
227467
2055
ولقد دربت شبكة عصبونية على هذه الرسوم
04:01
in order to generate
recurring patterns in the work
recurring patterns in the work
78
229546
2865
من أجل توليد أنماط متكررة في العمل
04:04
that were then fed through custom software
back into the machine.
back into the machine.
79
232435
3476
والتي تم إدخالها من خلال برنامج خاص
إلى الآلة.
إلى الآلة.
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
جمعت بدقة كل ما يمكنني إيجاده من رسوم
04:12
finished works, unfinished experiments
and random sketches --
and random sketches --
81
240345
4215
أعمالًا منتهية وتجارب غير منتهية
ورسومات عشوائية
ورسومات عشوائية
04:16
and tagged them for the AI system.
82
244584
1999
وأرفدتهم لنظام الذكاء الصنعي.
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
وكوني فنانة، فإن لي أكثر من 20
سنة وأنا أصنع الأعمال الفنية.
سنة وأنا أصنع الأعمال الفنية.
04:22
Collecting that many drawings took months,
84
250315
2024
جمع كل تلك الرسومات أخذ أشهرًا،
04:24
it was a whole thing.
85
252363
1389
لقد كان مهمة بحالها.
04:25
And here's the thing
about training AI systems:
about training AI systems:
86
253776
2595
وأما بالنسبة لتدريب أنظمة الذكاء الصنعي
04:28
it's actually a lot of hard work.
87
256395
2200
إنّ الأمر يتطلب عملًا شاقًا.
04:31
A lot of work goes on behind the scenes.
88
259022
2191
الكثير من العمل يحدث خلف الكواليس.
04:33
But in doing the work,
I realized a little bit more
I realized a little bit more
89
261237
2681
لكن بقيامي بالعمل أدركت المزيد عن
04:35
about how the architecture
of an AI is constructed.
of an AI is constructed.
90
263942
3421
عن كيفية تكوين
معمارية أنظمة الذكاء الصنعي.
معمارية أنظمة الذكاء الصنعي.
04:39
And I realized it's not just made
of models and classifiers
of models and classifiers
91
267387
2947
وأدركت أنها ليست مصنوعة فقط
من نماذج ومصنِفات
من نماذج ومصنِفات
04:42
for the neural network.
92
270358
1322
من أجل الشبكة العصبونية.
04:43
But it's a fundamentally
malleable and shapable system,
malleable and shapable system,
93
271704
3532
بل هي في الجوهر
أنظمة مرنة ويمكن تحديد شكلها،
أنظمة مرنة ويمكن تحديد شكلها،
04:47
one in which the human hand
is always present.
is always present.
94
275260
3111
حيث أثر اليد البشرية
دائمًا حاضرة.
دائمًا حاضرة.
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
إنّه بعيد عن نظام الذكاء الصنعي الشمولي
الذي قيل لنا أن نؤمن به.
الذي قيل لنا أن نؤمن به.
04:54
So I collected these drawings
for the neural net.
for the neural net.
96
282419
2515
لذا جمعت تلك الرسومات من أجل
الشبكة العصبونية.
الشبكة العصبونية.
04:56
And we realized something
that wasn't previously possible.
that wasn't previously possible.
97
284958
3929
وقد أدركنا شيئًا لم يكن سابقًا ممكن.
05:00
My robot D.O.U.G. became
a real-time interactive reflection
a real-time interactive reflection
98
288911
4091
روبوتي و.ع.ر.ج أصبح انعكاسًا
تفاعليًا في الزمن الحقيقي
تفاعليًا في الزمن الحقيقي
05:05
of the work I'd done
through the course of my life.
through the course of my life.
99
293026
2627
للأعمال الفنية التي أنجزتها طيلة حياتي.
05:07
The data was personal,
but the results were powerful.
but the results were powerful.
100
295677
3865
البيانات كانت شخصية،
ولكن النتائج كانت مؤثرة.
ولكن النتائج كانت مؤثرة.
05:11
And I got really excited,
101
299566
1484
ولقد تحمست كثيرًا،
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
لأنني بدأت أفكر أن الآلات لا تحتاج
لأن تكون مجرد أدوات،
لأن تكون مجرد أدوات،
05:17
but they can function
as nonhuman collaborators.
as nonhuman collaborators.
103
305680
3420
بل يمكن أن تعمل
كمتعاونين غير بشريين.
كمتعاونين غير بشريين.
05:21
And even more than that,
104
309537
1547
بل أكثر من ذلك حتى،
05:23
I thought maybe
the future of human creativity
the future of human creativity
105
311108
2429
فكرت أنّه
لربما مستقبل الإبداع البشري
لربما مستقبل الإبداع البشري
05:25
isn't in what it makes
106
313561
1524
ليس بما ينتجه
05:27
but how it comes together
to explore new ways of making.
to explore new ways of making.
107
315109
3436
بل بتعاونه لاكتشاف طرق جديدة للإبداع.
05:31
So if D.O.U.G._1 was the muscle,
108
319101
2190
إذًا و.ع.ر.ج-1 كان العضلات،
05:33
and D.O.U.G._2 was the brain,
109
321315
1762
و و.ع.ر.ج-2 كان العقل،
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
ولذلك أحب أن أفكر في و.ع.ر.ج-3
كالعائلة.
كالعائلة.
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
علمت أني أريد استكشاف فكرة التعاون
البشري وغير البشري على نطاق واسع.
البشري وغير البشري على نطاق واسع.
05:43
So over the past few months,
112
331299
1373
لذلك خلال الأشهر الماضية،
05:44
I worked with my team
to develop 20 custom robots
to develop 20 custom robots
113
332696
3135
عملت مع فريقي لتطوير 20
روبوت مصمم بشكل خاص
روبوت مصمم بشكل خاص
05:47
that could work with me as a collective.
114
335855
1960
بحيث يستطيعون العمل معي بشكل جماعي.
05:49
They would work as a group,
115
337839
1293
يستطيعون العمل كمجموعة،
05:51
and together, we would collaborate
with all of New York City.
with all of New York City.
116
339156
2889
ومعًا نستطيع التعاون مع مدينة
نيويورك بكاملها.
نيويورك بكاملها.
05:54
I was really inspired
by Stanford researcher Fei-Fei Li,
by Stanford researcher Fei-Fei Li,
117
342069
2944
لقد ألهمني عمل الباحث في جامعة ستانفورد
في-في لي،
في-في لي،
05:57
who said, "if we want to teach
machines how to think,
machines how to think,
118
345037
2515
والذي قال: "إذا أردنا تعليم الآلات
كيف تفكر،
كيف تفكر،
05:59
we need to first teach them how to see."
119
347576
1984
يجب علينا أن نعلمهم أولًا كيف يرون."
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
لقد جعلني أفكر في العقد الأخير من حياتي
في مدينة نيويورك،
في مدينة نيويورك،
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
وكيف كانت كاميرات المراقبة تشاهدني عن كثب
في أنحاء المدينة.
في أنحاء المدينة.
06:08
And I thought it would be
really interesting
really interesting
122
356410
2056
وفكرت في أنّه سيكون من المثير
06:10
if I could use them
to teach my robots to see.
to teach my robots to see.
123
358490
2405
إذا كان بمقدورنا استخدامهم
لتعليم روبوتاتي الرؤية.
لتعليم روبوتاتي الرؤية.
06:12
So with this project,
124
360919
1888
وبهذا المشروع،
06:14
I thought about the gaze of the machine,
125
362831
1967
فكرت في رؤية الآلات،
06:16
and I began to think about vision
as multidimensional,
as multidimensional,
126
364822
3226
وبدأت في التفكير في الرؤية
بشكل متعدد الأبعاد،
بشكل متعدد الأبعاد،
06:20
as views from somewhere.
127
368072
1600
كمشاهدات من مكان ما.
06:22
We collected video
128
370151
1834
جمعنا فيديوهات
06:24
from publicly available
camera feeds on the internet
camera feeds on the internet
129
372009
3063
من تسجيلات الكاميرات المتاحة للعامة
على الانترنيت
على الانترنيت
06:27
of people walking on the sidewalks,
130
375096
1690
لأشخاص يمشون على الأرصفة،
06:28
cars and taxis on the road,
131
376810
1712
عربات وسيارات أجرة على الطريق،
06:30
all kinds of urban movement.
132
378546
1817
كل أشكال الحركة في المدينة.
06:33
We trained a vision algorithm
on those feeds
on those feeds
133
381188
2603
قمنا بتدريب خوارزمية بصرية
على هذه المدخلات
على هذه المدخلات
06:35
based on a technique
called "optical flow,"
called "optical flow,"
134
383815
2286
بناءً على تقنية تدعى "التدفق البصري"
06:38
to analyze the collective density,
135
386125
1977
لتحليل الكثافة الجماعية،
06:40
direction, dwell and velocity states
of urban movement.
of urban movement.
136
388126
3637
والاتجاهات وحالات السكون
والسرعة في الحركة المدنية.
والسرعة في الحركة المدنية.
06:44
Our system extracted those states
from the feeds as positional data
from the feeds as positional data
137
392178
4269
نظامنا استخرج هذه الحالات
من مدخلات بيانات الموقع
من مدخلات بيانات الموقع
06:48
and became pads for my
robotic units to draw on.
robotic units to draw on.
138
396471
3373
وأصبحت رقعة لروبوتاتي لترسم عليها.
06:51
Instead of a collaboration of one-to-one,
139
399868
2534
بدلًا من تعاون واحد-لواحد،
06:54
we made a collaboration of many-to-many.
140
402426
3024
قمنا بالتعاون بشكل العديد-مع-العديد.
06:57
By combining the vision of human
and machine in the city,
and machine in the city,
141
405474
3587
وبدمجنا النظر لكل من البشر والآلات
في المدينة،
في المدينة،
07:01
we reimagined what
a landscape painting could be.
a landscape painting could be.
142
409085
2794
لقد أعدنا تخيل كيف يمكن أن
يكون رسم المناظر الطبيعية.
يكون رسم المناظر الطبيعية.
07:03
Throughout all of my
experiments with D.O.U.G.,
experiments with D.O.U.G.,
143
411903
2218
من خلال كل تجاربي مع و.ع.ر.ج
07:06
no two performances
have ever been the same.
have ever been the same.
144
414145
2717
لم نجد أدائين متماثلين أبدًا.
07:08
And through collaboration,
145
416886
1382
ومن خلال التعاون،
07:10
we create something that neither of us
could have done alone:
could have done alone:
146
418292
2864
نصنع شيئا لم يكن أي منّا ليصنعه لوحده.
07:13
we explore the boundaries
of our creativity,
of our creativity,
147
421180
2611
نحن نتقصّى الحدود لإبداعنا،
07:15
human and nonhuman working in parallel.
148
423815
2892
بشر وغير بشر يعملون على التوازي.
07:19
I think this is just the beginning.
149
427823
2334
أعتقد أن هذه فقط البداية.
07:22
This year, I've launched Scilicet,
150
430569
2183
هذا العام، أطلقت "سيليسيت"
07:24
my new lab exploring human
and interhuman collaboration.
and interhuman collaboration.
151
432776
4245
مختبري الجديد لاستكشاف التعاون البشري.
07:29
We're really interested
in the feedback loop
in the feedback loop
152
437339
2120
نحن حقًا مهتمون في حلقة التغذية الراجعة
07:31
between individual, artificial
and ecological systems.
and ecological systems.
153
439483
4230
بين الأنظمة المفردة الصنعية والبيولوجية.
07:36
We're connecting human and machine output
154
444276
2269
نحن نربط مابين خرج البشر والآلة
07:38
to biometrics and other kinds
of environmental data.
of environmental data.
155
446569
2984
عبر قياسات حيوية وأنواع أخرى
من البيانات المحيطية.
من البيانات المحيطية.
07:41
We're inviting anyone who's interested
in the future of work, systems
in the future of work, systems
156
449577
4079
نحن ندعو أي أحد لديه
اهتمام في مستقبل العمل
اهتمام في مستقبل العمل
07:45
and interhuman collaboration
157
453680
1595
والتعاون ما بين الأنظمة والبشر
07:47
to explore with us.
158
455299
1550
ليستكشف معنا.
07:48
We know it's not just technologists
that have to do this work
that have to do this work
159
456873
3405
نحن نعلم أن هذا العمل ليس
حكرًا على التكنولوجيين فقط
حكرًا على التكنولوجيين فقط
07:52
and that we all have a role to play.
160
460302
2103
وأن لكل منا دور ليؤديه.
07:54
We believe that by teaching machines
161
462429
2243
نحن نؤمن أنه بتعليم الآلات
07:56
how to do the work
traditionally done by humans,
traditionally done by humans,
162
464696
2730
كيفية القيام بالأعمال التي تخص
البشر بشكل تقليدي،
البشر بشكل تقليدي،
07:59
we can explore and evolve our criteria
163
467450
2953
نستطيع استكشاف وتطوير معايرنا
08:02
of what's made possible by the human hand.
164
470427
2443
عما يمكن لليد البشرية إنجازه.
08:04
And part of that journey
is embracing the imperfections
is embracing the imperfections
165
472894
3493
وجزء من الرحلة هو تقبل الأخطاء
08:08
and recognizing the fallibility
of both human and machine,
of both human and machine,
166
476411
3690
والاعتراف بقابلية الخطأ
لكل من البشر والآلة،
لكل من البشر والآلة،
08:12
in order to expand the potential of both.
167
480125
2405
من أجل توسيع أفق الطرفين.
08:14
Today, I'm still in pursuit
of finding the beauty
of finding the beauty
168
482919
2301
اليوم، مازلت أسعى لإيجاد الجمال
08:17
in human and nonhuman creativity.
169
485244
2276
في الإبداع البشري والغير بشري.
08:19
In the future, I have no idea
what that will look like,
what that will look like,
170
487865
2829
لا أدري كيف سوف يبدو ذلك في المستقبل،
08:23
but I'm pretty curious to find out.
171
491627
2024
ولكن لدي فضول كبير لمعرفة ذلك.
08:25
Thank you.
172
493675
1151
شكرًا لكم.
08:26
(Applause)
173
494850
1884
(تصفيق)
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