TEDxYouth@Sydney
Oscar Schwartz: Can a computer write poetry?
Oscar Schwartz: Kann ein Computer Gedichte schreiben?
Filmed:
Readability: 4.3
875,724 views
Wenn Sie ein Gedicht lesen, das Sie berührt, und dann herausfinden, dass es in Wahrheit von einem Computer geschrieben wurde, würden Sie dann anders darüber denken? Würden Sie denken, dass der Computer sich selbst zum Ausdruck gebracht hat und kreativ war? Oder würden Sie denken, dass Sie auf einen billigen Trick hereingefallen sind? In diesem TEDTalk untersucht der Schriftsteller Oscar Schwartz, warum die Vorstellung eines dichtenden Computers emotionale Reaktionen hervorruft und wie wir dadurch besser verstehen können, was das Menschsein eigentlich ausmacht.
Oscar Schwartz - Writer and poet
Oscar Schwartz's research and writing concerns the influence of digital technology on culture and human interaction. Full bio
Oscar Schwartz's research and writing concerns the influence of digital technology on culture and human interaction. Full bio
Double-click the English transcript below to play the video.
00:12
I have a question.
0
881
1230
Ich habe eine Frage:
00:15
Can a computer write poetry?
1
3422
1943
Kann ein Computer Gedichte schreiben?
00:18
This is a provocative question.
2
6959
2077
Das ist eine provokante Frage.
00:21
You think about it for a minute,
3
9715
1718
Denkt man kurz darüber nach,
00:23
and you suddenly have a bunch
of other questions like:
of other questions like:
4
11457
2590
stellt man sich plötzlich
eine Menge anderer Fragen wie:
eine Menge anderer Fragen wie:
00:26
What is a computer?
5
14769
1381
Was ist ein Computer?
00:28
What is poetry?
6
16710
1575
Was ist ein Gedicht?
00:30
What is creativity?
7
18707
1689
Was ist Kreativität?
00:33
But these are questions
8
21650
1172
Das sind aber Fragen,
00:34
that people spend their entire
lifetime trying to answer,
lifetime trying to answer,
9
22846
3070
mit denen sich manche Menschen
ein Leben lang beschäftigen,
ein Leben lang beschäftigen,
00:37
not in a single TED Talk.
10
25940
2224
nicht in einem einzigen TED-Talk.
00:40
So we're going to have to try
a different approach.
a different approach.
11
28188
2445
Deshalb müssen wir wohl
anders an die Sache herangehen.
anders an die Sache herangehen.
00:42
So up here, we have two poems.
12
30657
2143
Wir sehen hier zwei Gedichte.
00:45
One of them is written by a human,
13
33839
2276
Eines stammt von einem Menschen,
00:48
and the other one's written by a computer.
14
36139
2102
das andere von einem Computer.
00:50
I'm going to ask you to tell me
which one's which.
which one's which.
15
38754
2410
Sie sollen herausfinden,
welches nun was ist.
welches nun was ist.
00:53
Have a go:
16
41858
1156
Versuchen wir es.
Gedicht 1: Kleine Fliege, /
Dein Sommerspiel /
Dein Sommerspiel /
00:55
Poem 1: Little Fly / Thy summer's play, /
My thoughtless hand / Has brush'd away.
My thoughtless hand / Has brush'd away.
17
43038
4056
Meine Hand achtlos / Überfiel. /
Gleich ich dir, / Oh Fliege, nicht?
Gleich ich dir, / Oh Fliege, nicht?
00:59
Am I not / A fly like thee? /
Or art not thou / A man like me?
Or art not thou / A man like me?
18
47118
3394
Oder bist du / Ein Mensch wie ich?
Gedicht 2: Wir können uns fühlen /
Aktiv durch deines Lebens / Morgen /
Aktiv durch deines Lebens / Morgen /
01:02
Poem 2: We can feel / Activist
through your life's / morning /
through your life's / morning /
19
50536
3299
Pausen in Sicht, Papst, ich hasse das /
Nicht die ganze Nacht ein zu beginnen
Nicht die ganze Nacht ein zu beginnen
01:05
Pauses to see, pope I hate the / Non
all the night to start a / great otherwise (...)
all the night to start a / great otherwise (...)
20
53859
4247
Gut, die Zeit ist um.
01:10
Alright, time's up.
21
58130
1359
01:11
Hands up if you think Poem 1
was written by a human.
was written by a human.
22
59513
4096
Hand hoch, wer glaubt, dass Gedicht 1
von einem Menschen stammt.
von einem Menschen stammt.
01:17
OK, most of you.
23
65547
1490
Okay, die meisten.
01:19
Hands up if you think Poem 2
was written by a human.
was written by a human.
24
67061
3023
Hand hoch, wer glaubt, dass Gedicht 2
von einem Menschen stammt.
von einem Menschen stammt.
01:23
Very brave of you,
25
71172
1190
Sehr mutig von Ihnen.
01:24
because the first one was written
by the human poet William Blake.
by the human poet William Blake.
26
72855
4285
Gedicht 1 wurde nämlich von
dem Dichter William Blake geschrieben.
dem Dichter William Blake geschrieben.
01:29
The second one was written by an algorithm
27
77784
2949
Das zweite stammt von einem Algorithmus,
01:32
that took all the language
from my Facebook feed on one day
from my Facebook feed on one day
28
80757
3692
der Wörter aus meinem
Facebook-Feed von einem Tag
Facebook-Feed von einem Tag
01:36
and then regenerated it algorithmically,
29
84473
2763
algorithmisch neu zusammensetzte.
01:39
according to methods that I'll describe
a little bit later on.
a little bit later on.
30
87260
3590
Die genaue Methode
werde ich später erklären.
werde ich später erklären.
01:43
So let's try another test.
31
91218
2404
Machen wir noch einen Test.
Wieder haben Sie
nicht viel Zeit zum Lesen.
nicht viel Zeit zum Lesen.
01:46
Again, you haven't got ages to read this,
32
94398
2093
01:48
so just trust your gut.
33
96515
1612
Vertrauen Sie einfach auf Ihr Gefühl.
01:50
Poem 1: A lion roars and a dog barks.
It is interesting / and fascinating
It is interesting / and fascinating
34
98151
4045
Gedicht 1: Ein Löwe brüllt und
ein Hund bellt. Es ist interessant /
ein Hund bellt. Es ist interessant /
und faszinierend, dass ein Vogel
fliegt und nicht / brüllt oder bellt.
fliegt und nicht / brüllt oder bellt.
01:54
that a bird will fly and not / roar
or bark. Enthralling stories about animals
or bark. Enthralling stories about animals
35
102220
4303
Spannende Geschichten über Tiere
aus meinen Träumen werde ich singen.
aus meinen Träumen werde ich singen.
01:58
are in my dreams and I will sing them all
if I / am not exhausted or weary.
if I / am not exhausted or weary.
36
106547
4060
Wenn ich nicht erschöpft oder müde bin.
02:02
Poem 2: Oh! kangaroos, sequins, chocolate
sodas! / You are really beautiful!
sodas! / You are really beautiful!
37
110631
3985
Gedicht 2: Ach! Kängurus, Pailletten,
Schoko-Shakes! / Schön seid ihr!
Schoko-Shakes! / Schön seid ihr!
Perlen, / Harmonikas, Fruchtgummis,
Aspirin! All / das Zeug, worüber sie (...)
Aspirin! All / das Zeug, worüber sie (...)
02:06
Pearls, / harmonicas, jujubes, aspirins!
All / the stuff they've always talked about (...)
All / the stuff they've always talked about (...)
38
114640
4358
Die Zeit ist um.
02:11
Alright, time's up.
39
119022
1158
02:12
So if you think the first poem
was written by a human,
was written by a human,
40
120204
3137
Wer denkt, dass Gedicht 1
von einem Menschen stammt?
von einem Menschen stammt?
02:15
put your hand up.
41
123365
1215
Hand hoch.
02:17
OK.
42
125687
1154
Okay.
02:18
And if you think the second poem
was written by a human,
was written by a human,
43
126865
2675
Wer denkt, dass Gedicht 2
von einem Menschen stammt?
von einem Menschen stammt?
02:21
put your hand up.
44
129564
1155
Hand hoch.
02:23
We have, more or less, a 50/50 split here.
45
131779
3810
Also mehr oder weniger unentschieden.
02:28
It was much harder.
46
136157
1436
Das war viel schwieriger.
02:29
The answer is,
47
137617
1712
Die Antwort lautet:
Das erste Gedicht stammt
von einem Algorithmus namens Racter,
von einem Algorithmus namens Racter,
02:31
the first poem was generated
by an algorithm called Racter,
by an algorithm called Racter,
48
139353
3483
02:34
that was created back in the 1970s,
49
142860
3002
der in den 1970ern erstellt wurde.
02:37
and the second poem was written
by a guy called Frank O'Hara,
by a guy called Frank O'Hara,
50
145886
3189
Das zweite wurde
von Frank O'Hara geschrieben --
von Frank O'Hara geschrieben --
02:41
who happens to be
one of my favorite human poets.
one of my favorite human poets.
51
149099
2668
zufällig einer meiner Lieblingsdichter.
02:44
(Laughter)
52
152631
3058
(Gelächter)
02:48
So what we've just done now
is a Turing test for poetry.
is a Turing test for poetry.
53
156046
3228
Sie haben eben einen Turing-Test
für Gedichte abgelegt.
für Gedichte abgelegt.
02:52
The Turing test was first proposed
by this guy, Alan Turing, in 1950,
by this guy, Alan Turing, in 1950,
54
160018
4547
Der Turing-Test wurde erstmals 1950
von Alan Turing vorgeschlagen,
von Alan Turing vorgeschlagen,
02:56
in order to answer the question,
55
164589
1564
um die Frage zu beantworten:
02:58
can computers think?
56
166177
1637
Können Computer denken?
03:00
Alan Turing believed that if
a computer was able
a computer was able
57
168245
2770
Alan Turing glaubte, wenn
ein Computer imstande wäre,
ein Computer imstande wäre,
03:03
to have a to have a text-based
conversation with a human,
conversation with a human,
58
171039
3078
eine textbasierte Unterhaltung
mit einem Menschen zu führen,
mit einem Menschen zu führen,
03:06
with such proficiency
such that the human couldn't tell
such that the human couldn't tell
59
174141
2770
und zwar so, dass der Mensch
nicht feststellen könnte,
nicht feststellen könnte,
03:08
whether they are talking
to a computer or a human,
to a computer or a human,
60
176935
2966
ob er sich mit einem Menschen
oder einem Computer unterhält,
oder einem Computer unterhält,
03:11
then the computer can be said
to have intelligence.
to have intelligence.
61
179925
2856
dann besäße der Computer Intelligenz.
03:15
So in 2013, my friend
Benjamin Laird and I,
Benjamin Laird and I,
62
183270
3295
Und so entwickelte ich 2013
mit meinem Freund Benjamin Laird
mit meinem Freund Benjamin Laird
03:18
we created a Turing test
for poetry online.
for poetry online.
63
186589
2988
einen Online-Turing-Test für Gedichte.
Er heißt "bot or not"
[Mensch oder Maschine].
[Mensch oder Maschine].
03:21
It's called bot or not,
64
189601
1277
03:22
and you can go and play it for yourselves.
65
190902
2044
Sie können ihn selbst ausprobieren.
03:24
But basically, it's the game
we just played.
we just played.
66
192970
2251
Er ähnelt dem Test von vorhin.
Man muss bei einem Gedicht erraten,
03:27
You're presented with a poem,
67
195245
1528
03:28
you don't know whether it was written
by a human or a computer
by a human or a computer
68
196797
3028
ob es von einem Menschen oder
einem Computer stammt.
einem Computer stammt.
03:31
and you have to guess.
69
199849
1166
03:33
So thousands and thousands
of people have taken this test online,
of people have taken this test online,
70
201039
3191
Tausende von Menschen haben
den Online-Test gemacht.
den Online-Test gemacht.
03:36
so we have results.
71
204254
1449
Nun liegen die Ergebnisse vor.
03:37
And what are the results?
72
205727
1428
Und was zeigen uns diese?
Laut Turing besteht ein Computer
den Intelligenztest dann,
den Intelligenztest dann,
03:39
Well, Turing said that if a computer
could fool a human
could fool a human
73
207704
2879
03:42
30 percent of the time
that it was a human,
that it was a human,
74
210607
3019
wenn er 30 % der Testpersonen
von seiner Menschlichkeit überzeugt.
von seiner Menschlichkeit überzeugt.
03:45
then it passes the Turing test
for intelligence.
for intelligence.
75
213650
2397
03:48
We have poems on the bot or not database
76
216625
2438
Wir haben Gedichte in unserer Datenbank,
03:51
that have fooled 65 percent
of human readers into thinking
of human readers into thinking
77
219087
2979
die 65 % der Teilnehmer
davon überzeugt haben,
davon überzeugt haben,
03:54
it was written by a human.
78
222090
1395
dass sie von einem Menschen stammen.
03:55
So, I think we have an answer
to our question.
to our question.
79
223959
2817
Damit haben wir wohl
eine Antwort auf unsere Frage.
eine Antwort auf unsere Frage.
03:59
According to the logic of the Turing test,
80
227546
2348
Kann nach der Logik des Turing-Tests
04:01
can a computer write poetry?
81
229918
1928
ein Computer Gedichte schreiben?
04:03
Well, yes, absolutely it can.
82
231870
2351
Ja, durchaus.
04:07
But if you're feeling
a little bit uncomfortable
a little bit uncomfortable
83
235782
2346
Wenn Sie sich bei dieser Antwort
nicht ganz wohl fühlen, ist das okay.
nicht ganz wohl fühlen, ist das okay.
04:10
with this answer, that's OK.
84
238152
1927
04:12
If you're having a bunch
of gut reactions to it,
of gut reactions to it,
85
240103
2316
Wenn Ihnen Ihr Bauchgefühl etwas
anderes sagt, ist das auch okay.
anderes sagt, ist das auch okay.
04:14
that's also OK because
this isn't the end of the story.
this isn't the end of the story.
86
242443
3205
Das ist nämlich bisher
nur die halbe Wahrheit.
nur die halbe Wahrheit.
04:18
Let's play our third and final test.
87
246594
2324
Machen wir einen dritten und letzten Test.
Lesen Sie wieder und sagen Sie mir dann,
04:22
Again, you're going to have to read
88
250000
1750
04:23
and tell me which you think is human.
89
251774
1909
welches von einem Menschen stammt.
04:25
Poem 1: Reg flags the reason
for pretty flags. / And ribbons.
for pretty flags. / And ribbons.
90
253707
3718
Gedicht 1: Rote Fahnen, der Grund
für schöne Fahnen. / Und Schleifen.
für schöne Fahnen. / Und Schleifen.
04:29
Ribbons of flags / And wearing material /
Reasons for wearing material. (...)
Reasons for wearing material. (...)
91
257449
4321
Fahnenschleifen. / Und festes Material /
Grund für festes Material.
Grund für festes Material.
Gedicht 2: Ein verwundetes Reh
springt am höchsten, /
springt am höchsten, /
04:33
Poem 2: A wounded deer leaps
highest, / I've heard the daffodil
highest, / I've heard the daffodil
92
261794
3918
Ich hörte die Narzisse /
Ich hörte die Fahne heute /
Ich hörte die Fahne heute /
04:37
I've heard the flag to-day /
I've heard the hunter tell; /
I've heard the hunter tell; /
93
265736
3446
Ich hörte den Jäger sagen; /
Nichts als die Wonne des Todes, /
Nichts als die Wonne des Todes, /
04:41
'Tis but the ecstasy of death, /
And then the brake is almost done (...)
And then the brake is almost done (...)
94
269206
3702
Und dann ist das Dickicht
beinahe fertig (...)
beinahe fertig (...)
Okay, die Zeit ist um.
04:44
OK, time is up.
95
272932
1599
04:46
So hands up if you think Poem 1
was written by a human.
was written by a human.
96
274555
3837
Hand hoch, wer denkt, dass Gedicht 1
von einem Menschen stammt.
von einem Menschen stammt.
Hand hoch, wer glaubt, dass Gedicht 2
von einem Menschen stammt.
von einem Menschen stammt.
04:51
Hands up if you think Poem 2
was written by a human.
was written by a human.
97
279973
3038
04:55
Whoa, that's a lot more people.
98
283035
2331
Wow, eindeutig die Mehrheit.
04:58
So you'd be surprised to find that Poem 1
99
286327
2968
Es überrascht Sie wahrscheinlich:
05:01
was written by the very
human poet Gertrude Stein.
human poet Gertrude Stein.
100
289319
3993
Gedicht 1 stammt von der sehr
menschlichen Dichterin Gertrude Stein.
menschlichen Dichterin Gertrude Stein.
05:06
And Poem 2 was generated
by an algorithm called RKCP.
by an algorithm called RKCP.
101
294100
5038
Gedicht 2 wurde von einem Algorithmus
namens RKCP erstellt.
namens RKCP erstellt.
05:11
Now before we go on, let me describe
very quickly and simply,
very quickly and simply,
102
299162
3319
An dieser Stelle möchte ich
kurz erklären, wie der RKCP funktioniert.
kurz erklären, wie der RKCP funktioniert.
05:14
how RKCP works.
103
302505
1781
05:16
So RKCP is an algorithm
designed by Ray Kurzweil,
designed by Ray Kurzweil,
104
304873
3850
Der RKCP wurde
von Ray Kurzweil entwickelt.
von Ray Kurzweil entwickelt.
Er ist Leiter der technischen
Entwicklung bei Google
Entwicklung bei Google
05:20
who's a director of engineering at Google
105
308747
2222
05:22
and a firm believer
in artificial intelligence.
in artificial intelligence.
106
310993
2360
und glaubt fest
an die künstliche Intelligenz.
an die künstliche Intelligenz.
05:25
So, you give RKCP a source text,
107
313822
3991
Man gibt dem RKCP also einen Ausgangstext
05:29
it analyzes the source text in order
to find out how it uses language,
to find out how it uses language,
108
317837
4469
und er analysiert den
Sprachgebrauch in diesem Text.
Sprachgebrauch in diesem Text.
05:34
and then it regenerates language
109
322330
1948
Daraufhin erstellt der RKCP einen Text,
05:36
that emulates that first text.
110
324302
2528
der die Sprache
des Ausgangstexts nachahmt.
des Ausgangstexts nachahmt.
05:38
So in the poem we just saw before,
111
326854
2113
In Gedicht 2 von vorhin,
05:40
Poem 2, the one that you all
thought was human,
thought was human,
112
328991
2625
das Sie für ein menschliches hielten,
05:43
it was fed a bunch of poems
113
331640
1550
wurde der Algorithmus mit Gedichten
von Emily Dickinson gefüttert.
von Emily Dickinson gefüttert.
05:45
by a poet called Emily Dickinson
114
333214
2035
05:47
it looked at the way she used language,
115
335273
2189
Der RKCP untersuchte ihren Sprachgebrauch.
05:49
learned the model,
116
337486
1165
Er lernte das Muster und
bildete dann die Struktur nach.
bildete dann die Struktur nach.
05:50
and then it regenerated a model
according to that same structure.
according to that same structure.
117
338675
4258
Wichtig dabei ist, dass der RKCP
05:56
But the important thing to know about RKCP
118
344732
2178
05:58
is that it doesn't know the meaning
of the words it's using.
of the words it's using.
119
346934
2838
die Bedeutung der Wörter,
die er verwendet, nicht kennt.
die er verwendet, nicht kennt.
06:02
The language is just raw material,
120
350359
2276
Die Sprache ist reines Rohmaterial,
06:04
it could be Chinese,
it could be in Swedish,
it could be in Swedish,
121
352659
2160
sei es Chinesisch oder Schwedisch
06:06
it could be the collected language
from your Facebook feed for one day.
from your Facebook feed for one day.
122
354843
4179
oder Wörter aus einem Ihrer
Facebook-Feeds.
Facebook-Feeds.
06:11
It's just raw material.
123
359046
1652
Sie ist nur Rohmaterial.
06:13
And nevertheless, it's able
to create a poem
to create a poem
124
361380
2697
Und dennoch kann der RKCP
ein Gedicht kreieren,
ein Gedicht kreieren,
06:16
that seems more human
than Gertrude Stein's poem,
than Gertrude Stein's poem,
125
364101
3327
das menschlicher scheint
als Gertrude Steins Gedicht.
als Gertrude Steins Gedicht.
06:19
and Gertrude Stein is a human.
126
367452
2153
Und Gertrude Stein ist ein Mensch.
06:22
So what we've done here is,
more or less, a reverse Turing test.
more or less, a reverse Turing test.
127
370846
4072
Das hier ist also eine Art
umgekehrter Turing-Test.
umgekehrter Turing-Test.
06:27
So Gertrude Stein, who's a human,
is able to write a poem
is able to write a poem
128
375940
5179
Gertrude Stein, ein Mensch,
kann ein Gedicht schreiben,
kann ein Gedicht schreiben,
06:33
that fools a majority
of human judges into thinking
of human judges into thinking
129
381143
3738
das die Mehrheit der Testpersonen
für ein Computerprodukt hält.
für ein Computerprodukt hält.
06:36
that it was written by a computer.
130
384905
1826
06:39
Therefore, according to the logic
of the reverse Turing test,
of the reverse Turing test,
131
387176
4141
Dem umgekehrten Turing-Test zufolge
ist Gertrude Stein also ein Computer.
ist Gertrude Stein also ein Computer.
06:43
Gertrude Stein is a computer.
132
391341
1916
06:45
(Laughter)
133
393281
1462
(Gelächter)
06:47
Feeling confused?
134
395358
1294
Verwirrt?
06:49
I think that's fair enough.
135
397193
1515
Das ist verständlich.
06:51
So far we've had humans
that write like humans,
that write like humans,
136
399546
4116
Es gibt also Menschen,
die wie Menschen schreiben.
die wie Menschen schreiben.
06:55
we have computers that write
like computers,
like computers,
137
403686
3111
Es gibt Computer,
die wie Computer schreiben.
die wie Computer schreiben.
06:58
we have computers that write like humans,
138
406821
3055
Es gibt Computer,
die wie Menschen schreiben.
die wie Menschen schreiben.
07:01
but we also have,
perhaps most confusingly,
perhaps most confusingly,
139
409900
3632
Und es gibt --
was wohl am verwirrendsten ist --
was wohl am verwirrendsten ist --
07:05
humans that write like computers.
140
413556
2375
Menschen, die wie Computer schreiben.
07:08
So what do we take from all of this?
141
416938
1766
Was zeigt uns das nun alles?
07:11
Do we take that William Blake
is somehow more of a human
is somehow more of a human
142
419611
3157
Ist William Blake für uns
irgendwie menschlicher als Gertrude Stein?
irgendwie menschlicher als Gertrude Stein?
07:14
than Gertrude Stein?
143
422792
1249
07:16
Or that Gertrude Stein is more
of a computer than William Blake?
of a computer than William Blake?
144
424065
3046
Oder ist Gertrude Stein
computerhafter als William Blake?
computerhafter als William Blake?
07:19
(Laughter)
145
427135
1552
(Gelächter)
07:20
These are questions
I've been asking myself
I've been asking myself
146
428711
2323
Diese Fragen stelle ich mir
nun seit etwa zwei Jahren
nun seit etwa zwei Jahren
07:23
for around two years now,
147
431058
1465
07:24
and I don't have any answers.
148
432547
2309
und ich habe keine Antworten darauf.
07:26
But what I do have are a bunch of insights
149
434880
2330
Dafür habe ich aber
eine Menge Erkenntnisse
eine Menge Erkenntnisse
07:29
about our relationship with technology.
150
437234
2534
über unsere Beziehung
zur Technologie gewonnen.
zur Technologie gewonnen.
07:32
So my first insight is that,
for some reason,
for some reason,
151
440999
3609
Meine erste Erkenntnis ist,
dass wir aus irgendeinem Grund
dass wir aus irgendeinem Grund
07:36
we associate poetry with being human.
152
444632
3111
Gedichte mit dem Menschsein verbinden.
07:40
So that when we ask,
"Can a computer write poetry?"
"Can a computer write poetry?"
153
448197
3715
Wenn wir uns also fragen:
"Kann ein Computer Gedichte schreiben?",
"Kann ein Computer Gedichte schreiben?",
07:43
we're also asking,
154
451936
1193
fragen wir damit auch:
07:45
"What does it mean to be human
155
453153
1798
"Was heißt es, ein Mensch zu sein,
und wo sind die Grenzen?"
und wo sind die Grenzen?"
07:46
and how do we put boundaries
around this category?
around this category?
156
454975
3172
07:50
How do we say who or what
can be part of this category?"
can be part of this category?"
157
458171
3658
"Wie können wir sagen, wer oder was
in die Kategorie Mensch fallen kann?"
in die Kategorie Mensch fallen kann?"
07:54
This is an essentially
philosophical question, I believe,
philosophical question, I believe,
158
462376
3351
Ich sehe dies als eine im Grunde
philosophische Frage.
philosophische Frage.
Sie kann nicht mit einem
einfachen Ja-oder-Nein-Test,
einfachen Ja-oder-Nein-Test,
07:57
and it can't be answered
with a yes or no test,
with a yes or no test,
159
465751
2229
wie dem Turing-Test, beantwortet werden.
08:00
like the Turing test.
160
468004
1327
08:01
I also believe that Alan Turing
understood this,
understood this,
161
469805
3045
Auch Alan Turing war das wohl bewusst
08:04
and that when he devised
his test back in 1950,
his test back in 1950,
162
472874
3305
und sein 1950 entwickelter Test war wohl
08:08
he was doing it
as a philosophical provocation.
as a philosophical provocation.
163
476203
2802
als eine Art philosophische
Herausforderung gedacht.
Herausforderung gedacht.
08:13
So my second insight is that,
when we take the Turing test for poetry,
when we take the Turing test for poetry,
164
481124
5541
Meine zweite Erkenntnis ist, dass wir
mit dem Turing-Test für Gedichte
mit dem Turing-Test für Gedichte
08:18
we're not really testing
the capacity of the computers
the capacity of the computers
165
486689
3460
nicht wirklich die Fähigkeiten
des Computers testen.
des Computers testen.
08:22
because poetry-generating algorithms,
166
490173
2893
Algorithmen zur Erstellung von Gedichten
sind nämlich ziemlich einfach
sind nämlich ziemlich einfach
08:25
they're pretty simple and have existed,
more or less, since the 1950s.
more or less, since the 1950s.
167
493090
4563
und es gibt sie schon seit etwa 1950.
08:31
What we are doing with the Turing
test for poetry, rather,
test for poetry, rather,
168
499055
3118
Vielmehr sammeln wir mit
dem Turing-Test für Gedichte
dem Turing-Test für Gedichte
08:34
is collecting opinions about what
constitutes humanness.
constitutes humanness.
169
502197
4615
Meinungen darüber,
was das Menschsein ausmacht.
was das Menschsein ausmacht.
08:40
So, what I've figured out,
170
508313
2729
Die Erkenntnis, die ich gewann,
08:43
we've seen this when earlier today,
171
511066
2972
zeigt sich an dem Beispiel von vorhin,
08:46
we say that William Blake
is more of a human
is more of a human
172
514062
2478
dass William Blake menschlicher
als Gertrude Stein wirkt.
als Gertrude Stein wirkt.
08:48
than Gertrude Stein.
173
516564
1565
08:50
Of course, this doesn't mean
that William Blake
that William Blake
174
518153
2462
Das heißt natürlich nicht,
dass William Blake
tatsächlich mehr Mensch
tatsächlich mehr Mensch
08:52
was actually more human
175
520639
1828
08:54
or that Gertrude Stein
was more of a computer.
was more of a computer.
176
522491
2327
oder Gertrude Stein
mehr wie ein Computer war.
mehr wie ein Computer war.
08:57
It simply means that the category
of the human is unstable.
of the human is unstable.
177
525533
4714
Es heißt nur, dass die
Kategorie Mensch nicht eindeutig ist.
Kategorie Mensch nicht eindeutig ist.
09:03
This has led me to understand
178
531450
2074
Mir ist klar geworden,
09:05
that the human is not a cold, hard fact.
179
533548
2763
dass Menschsein keine nackte,
unumstößliche Tatsache ist.
unumstößliche Tatsache ist.
Vielmehr ist es ein Konstrukt
aus unseren Meinungen,
aus unseren Meinungen,
09:08
Rather, it is something
that's constructed with our opinions
that's constructed with our opinions
180
536832
3132
09:11
and something that changes over time.
181
539988
2855
das sich mit der Zeit verändert.
09:16
So my final insight is that
the computer, more or less,
the computer, more or less,
182
544671
4479
Meine letzte Erkenntnis ist also,
dass ein Computer in etwa
wie ein Spiegel funktioniert
wie ein Spiegel funktioniert
09:21
works like a mirror
that reflects any idea of a human
that reflects any idea of a human
183
549174
4006
und menschliche Gedanken zurückwirft,
die wir ihm zeigen.
die wir ihm zeigen.
09:25
that we show it.
184
553204
1375
09:26
We show it Emily Dickinson,
185
554958
1884
Zeigen wir ihm Emily Dickinson,
09:28
it gives Emily Dickinson back to us.
186
556866
2321
erhalten wir Emily Dickinson zurück.
09:31
We show it William Blake,
187
559768
1834
Füttern wir ihn mit William Blake,
09:33
that's what it reflects back to us.
188
561626
2285
spuckt er Blake für uns aus.
09:35
We show it Gertrude Stein,
189
563935
1839
Zeigen wir ihm Gertrude Stein,
09:37
what we get back is Gertrude Stein.
190
565798
2470
erhalten wir als Ergebnis Gertrude Stein.
Mehr als jede andere Technologie
ist der Computer ein Spiegel,
ist der Computer ein Spiegel,
09:41
More than any other bit of technology,
191
569083
2368
09:43
the computer is a mirror that reflects
any idea of the human we teach it.
any idea of the human we teach it.
192
571475
5165
der jeden menschlichen Gedanken
reflektiert, den wir ihm zeigen.
reflektiert, den wir ihm zeigen.
09:50
So I'm sure a lot of you have been hearing
193
578061
2287
Sicher haben in letzter Zeit
viele von Ihnen
viele von Ihnen
09:52
a lot about artificial
intelligence recently.
intelligence recently.
194
580372
2862
viel von künstlicher Intelligenz gehört.
09:56
And much of the conversation is,
195
584694
2830
Eine zentrale Frage dabei ist:
10:00
can we build it?
196
588292
1189
Können wir sie herstellen?
10:02
Can we build an intelligent computer?
197
590383
3135
Können wir einen intelligenten
Computer herstellen?
Computer herstellen?
10:05
Can we build a creative computer?
198
593542
2763
Können wir einen
kreativen Computer herstellen?
kreativen Computer herstellen?
10:08
What we seem to be asking over and over
199
596329
2113
Am Ende geht es um die
wiederkehrende Frage:
wiederkehrende Frage:
10:10
is can we build a human-like computer?
200
598466
2724
Können wir einen
menschenähnlichen Computer herstellen?
menschenähnlichen Computer herstellen?
Wir haben aber nun gerade gesehen,
10:13
But what we've seen just now
201
601961
1556
10:15
is that the human
is not a scientific fact,
is not a scientific fact,
202
603541
3088
dass der Mensch
keine wissenschaftliche Tatsache ist,
keine wissenschaftliche Tatsache ist,
10:18
that it's an ever-shifting,
concatenating idea
concatenating idea
203
606653
3530
sondern ein sich stets veränderndes,
komplexes Konzept.
komplexes Konzept.
10:22
and one that changes over time.
204
610207
2531
Wenn wir uns in Zukunft mit dem Konzept
der künstlichen Intelligenz beschäftigen,
der künstlichen Intelligenz beschäftigen,
10:24
So that when we begin
to grapple with the ideas
to grapple with the ideas
205
612762
3152
10:27
of artificial intelligence in the future,
206
615938
2386
10:30
we shouldn't only be asking ourselves,
207
618348
1905
sollten wir uns also nicht nur fragen:
10:32
"Can we build it?"
208
620277
1368
"Können wir sie herstellen?"
10:33
But we should also be asking ourselves,
209
621669
1894
Wir sollten uns auch fragen:
10:35
"What idea of the human
do we want to have reflected back to us?"
do we want to have reflected back to us?"
210
623587
3713
"Welches Menschenbild wollen wir
überhaupt gespiegelt haben?"
überhaupt gespiegelt haben?"
10:39
This is an essentially philosophical idea,
211
627820
2693
Das ist eine im Grunde
philosophische Frage.
philosophische Frage.
10:42
and it's one that can't be answered
with software alone,
with software alone,
212
630537
2997
Sie kann nicht allein durch Software
beantwortet werden,
beantwortet werden,
10:45
but I think requires a moment
of species-wide, existential reflection.
of species-wide, existential reflection.
213
633558
4977
sondern bedarf einer die ganze Menschheit
umfassenden, existenziellen Reflexion.
umfassenden, existenziellen Reflexion.
10:51
Thank you.
214
639040
1153
Danke.
10:52
(Applause)
215
640217
2695
(Applaus)
ABOUT THE SPEAKER
Oscar Schwartz - Writer and poetOscar Schwartz's research and writing concerns the influence of digital technology on culture and human interaction.
Why you should listen
Oscar Schwartz is an Australian writer and poet undertaking a PhD that asks whether a computer can write poetry. His research led to the development of a Turing test for poetry, which is available on a website he cofounded called bot or not.
Oscar Schwartz | Speaker | TED.com