TED2009
Golan Levin: Art that looks back at you
Ο Γκόλαν Λέβιν κάνει τέχνη που σας κοιτάζει
Filmed:
Readability: 4
823,350 views
Ο Γκόλαν Λέβιν, ένας καλλιτέχνης και μηχανικός, χρησιμοποιεί μοντέρνα εργαλεία -- ρομποτική, νέα λογισμικά, γνωστική έρευνα -- για να φτιάχνει έργα τέχνης που εκπλήσσουν και χαροποιούν. Παρακολουθήστε τους ήχους να γίνονται σχήματα, τα σώματα να δημιουργούν πίνακες, και ένα περίεργο μάτι να κοιτάζει τον περίεργο θεατή.
Golan Levin - Experimental audio-visual artist
Half performance artist, half software engineer, Golan Levin manipulates the computer to create improvised soundscapes with dazzling corresponding visuals. He is at the forefront of defining new parameters for art. Full bio
Half performance artist, half software engineer, Golan Levin manipulates the computer to create improvised soundscapes with dazzling corresponding visuals. He is at the forefront of defining new parameters for art. Full bio
Double-click the English transcript below to play the video.
00:12
Hello! My name is Golan Levin.
0
0
3000
Γεια σας! Με λένε Γκόλαν Λέβιν.
00:15
I'm an artist and an engineer,
1
3000
2000
Είμαι καλλιτέχνης και μηχανικός.
00:17
which is, increasingly, a more common kind of hybrid.
2
5000
2000
Κάτι το οποίο είναι ολοένα και πιο συνηθισμένο είδος υβριδίου.
00:19
But I still fall into this weird crack
3
7000
3000
Αλλά ακόμα πέφτω σε μια περίεργη ρωγμή
00:22
where people don't seem to understand me.
4
10000
2000
όπου οι άνθρωποι δεν φαίνεται να με καταλαβαίνουν.
00:24
And I was looking around and I found this wonderful picture.
5
12000
4000
Κοίταζα γύρω μου και βρήκα αυτή την υπέροχη εικόνα.
00:28
It's a letter from "Artforum" in 1967
6
16000
3000
Είναι ένα γράμμα από το "Artforum" το 1967
00:31
saying "We can't imagine ever doing a special issue
7
19000
3000
που γράφει "Δεν μπορούμε να φανταστούμε να κάνουμε ποτέ ένα ειδικό τεύχος
00:34
on electronics or computers in art." And they still haven't.
8
22000
3000
για την ηλεκτρονική ή τους υπολογιστές στην τέχνη." Και ακόμα δεν το έχουν κάνει.
00:37
And lest you think that you all, as the digerati, are more enlightened,
9
25000
5000
Και για να μην νομίζετε ότι όλοι εσείς, που ασχολείστε με τα ψηφιακά, είστε πιο φωτισμένοι,
00:42
I went to the Apple iPhone app store the other day.
10
30000
3000
μπήκα στο κατάστημα εφαρμογών του Apple iPhone τις προάλλες.
00:45
Where's art? I got productivity. I got sports.
11
33000
4000
Πού είναι η τέχνη; Βρήκα παραγωγικότητα. Βρήκα αθλήματα.
00:49
And somehow the idea that one would want to make art for the iPhone,
12
37000
4000
Και για κάποιο λόγο, το ότι κάποιος θα ήθελε να κάνει τέχνη για το iPhone,
00:53
which my friends and I are doing now,
13
41000
2000
κάτι το οποίο οι φίλοι μου και εγώ κάνουμε τώρα,
00:55
is still not reflected in our understanding
14
43000
3000
ακόμα δεν κατανοείται
00:58
of what computers are for.
15
46000
2000
το για τι είναι οι υπολογιστές.
01:00
So, from both directions, there is kind of, I think, a lack of understanding
16
48000
2000
Έτσι, νομίζω πως υπάρχει, εκατέρωθεν, ενός είδους έλλειψη κατανόησης
01:02
about what it could mean to be an artist who uses the materials
17
50000
2000
του τι θα σήμαινε να είσαι καλλιτέχνης που χρησιμοποιεί τα υλικά
01:04
of his own day, or her own day,
18
52000
2000
της εποχής του, ή της εποχής της.
01:06
which I think artists are obliged to do,
19
54000
2000
Κάτι το οποίο πιστεύω πως οι καλλιτέχνες είναι υποχρεωμένοι να κάνουν,
01:08
is to really explore the expressive potential of the new tools that we have.
20
56000
4000
είναι να εξερευνούν πραγματικά τις εκφραστικές δυνατότητες των νέων εργαλείων που έχουμε.
01:12
In my own case, I'm an artist,
21
60000
2000
Στη δική μου περίπτωση, είμαι καλλιτέχνης,
01:14
and I'm really interested in
22
62000
2000
και ενδιαφέρομαι πραγματικά
01:16
expanding the vocabulary of human action,
23
64000
2000
να διευρύνω το λεξιλόγιο της ανθρώπινης δράσης,
01:18
and basically empowering people through interactivity.
24
66000
3000
κατά βάση ενδυναμώνοντας τους ανθρώπους μέσω της διαδραστικότητας.
01:21
I want people to discover themselves as actors,
25
69000
3000
Θέλω οι άνθρωποι να ανακαλύψουν τους εαυτούς τους ως ηθοποιοί,
01:24
as creative actors, by having interactive experiences.
26
72000
4000
ως δημιουργικοί ηθοποιοί, μέσω διαδραστικών εμπειριών.
01:28
A lot of my work is about trying to get away from this.
27
76000
3000
Ένα μεγάλο μέρος της δουλειάς μου έχει να κάνει με την προσπάθεια να ξεφύγουμε από αυτό.
01:31
This a photograph of the desktop of a student of mine.
28
79000
2000
Αυτή είναι μια φωτογραφία της επιφάνειας εργασίας ενός μαθητή μου.
01:33
And when I say desktop, I don't just mean
29
81000
2000
Και όταν λέω επιφάνεια εργασίας, δεν εννοώ
01:35
the actual desk where his mouse has worn away the surface of the desk.
30
83000
3000
το πραγματικό γραφείο όπου το ποντίκι έχει φθείρει την επιφάνεια.
01:38
If you look carefully, you can even see
31
86000
2000
Αν κοιτάξετε προσεκτικά, μπορείτε να δείτε ακόμα και
01:40
a hint of the Apple menu, up here in the upper left,
32
88000
3000
ένα δείγμα από το μενού του Apple, εδώ, πάνω αριστερά,
01:43
where the virtual world has literally
33
91000
2000
όπου ο εικονικός κόσμος έχει κυριολεκτικά
01:45
punched through to the physical.
34
93000
2000
εισβάλλει στον φυσικό.
01:47
So this is, as Joy Mountford once said,
35
95000
4000
Αυτό λοιπόν είναι, όπως είπε κάποτε η Τζόι Μάουντφορντ,
01:51
"The mouse is probably the narrowest straw
36
99000
2000
"Το ποντίκι είναι πιθανόν το πιο στενό καλαμάκι
01:53
you could try to suck all of human expression through."
37
101000
2000
από όπου μπορείς να ρουφήξεις όλη την ανθρώπινη έκφραση."
01:55
(Laughter)
38
103000
3000
(Γέλια)
01:58
And the thing I'm really trying to do is enabling people to have more rich
39
106000
3000
Και αυτό που προσπαθώ πραγματικά είναι να δώσω στους ανθρώπους τη δυνατότητα να έχουν πιο πλούσια
02:01
kinds of interactive experiences.
40
109000
2000
είδη διαδραστικών εμπειριών.
02:03
How can we get away from the mouse and use our full bodies
41
111000
2000
Πώς μπορούμε να ξεφύγουμε από το ποντίκι και να χρησιμοποιήσουμε όλο μας το σώμα
02:05
as a way of exploring aesthetic experiences,
42
113000
3000
ως τρόπο εξερεύνησης αισθητικών εμπειριών,
02:08
not necessarily utilitarian ones.
43
116000
2000
όχι απαραίτητα χρηστικών.
02:10
So I write software. And that's how I do it.
44
118000
3000
Γράφω λοιπόν λογισμικά. Και έτσι το κάνω.
02:13
And a lot of my experiences
45
121000
2000
Και πολλές από τις εμπειρίες μου
02:15
resemble mirrors in some way.
46
123000
2000
μοιάζουν κατά κάποιο τρόπο με καθρέφτες.
02:17
Because this is, in some sense, the first way,
47
125000
2000
Επειδή αυτό είναι, με κάποια έννοια, ο πρώτος τρόπος,
02:19
that people discover their own potential as actors,
48
127000
2000
με τον οποίο οι άνθρωποι ανακαλύπτουν τη προοπτική τους ως ηθοποιοί,
02:21
and discover their own agency.
49
129000
2000
και ανακαλύπτουν την δική τους επίδραση.
02:23
By saying "Who is that person in the mirror? Oh it's actually me."
50
131000
3000
Λέγοντας "Ποιος είναι αυτός στον καθρέφτη; Στα αλήθεια είμαι εγώ!"
02:26
And so, to give an example,
51
134000
2000
Και έτσι, για να σας δώσω ένα παράδειγμα,
02:28
this is a project from last year,
52
136000
2000
αυτή είναι μια εργασία από πέρσι.
02:30
which is called the Interstitial Fragment Processor.
53
138000
2000
Η οποία λέγεται ο Επεξεργαστής Διάμεσων Θραυσμάτων.
02:32
And it allows people to explore the negative shapes that they create
54
140000
4000
Και επιτρέπει στους ανθρώπους να εξερευνήσουν τα αρνητικά σχήματα που δημιουργούν
02:36
when they're just going about their everyday business.
55
144000
3000
όταν απλά κάνουν τις καθημερινές τους δουλειές.
02:53
So as people make shapes with their hands or their heads
56
161000
2000
Έτσι, ενώ οι άνθρωποι κάνουν σχήματα με τα χέρια ή το κεφάλι τους
02:55
and so forth, or with each other,
57
163000
2000
και ούτω καθεξής, ή ο ένας με τον άλλο,
02:57
these shapes literally produce sounds and drop out of thin air --
58
165000
3000
αυτά τα σχήματα κυριολεκτικά παράγουν ήχους και πέφτουν από το πουθενά.
03:00
basically taking what's often this, kind of, unseen space,
59
168000
4000
Βασικά, παίρνοντας αυτό που συχνά είναι μη ορατός χώρος,
03:04
or this undetected space, and making it something real,
60
172000
3000
μη ανιχνεύσιμος χώρος, και κάνοντάς τον κάτι αληθινό,
03:07
that people then can appreciate and become creative with.
61
175000
3000
οι άνθρωποι μπορούν να τον εκτιμήσουν και να γίνουν δημιουργικοί με αυτόν.
03:10
So again, people discover their creative agency in this way.
62
178000
3000
Έτσι και πάλι, οι άνθρωποι ανακαλύπτουν τον δημιουργικό τους παράγοντα.
03:13
And their own personalities come out
63
181000
2000
Και εμφανίζονται οι προσωπικότητές τους
03:15
in totally unique ways.
64
183000
3000
με εντελώς μοναδικούς τρόπους.
03:18
So in addition to using full-body input,
65
186000
3000
Έτσι, εκτός από την εισαγωγή χρήσης ολόκληρου του σώματος,
03:21
something that I've explored now, for a while,
66
189000
2000
κάτι που εξερευνώ εδώ και λίγο καιρό
03:23
has been the use of the voice,
67
191000
2000
είναι η χρήση της φωνής.
03:25
which is an immensely expressive system for us, vocalizing.
68
193000
4000
Είναι ένα πάρα πολύ εκφραστικό σύστημά μας, η άρθρωση.
03:29
Song is one of our oldest ways
69
197000
2000
Το τραγούδι είναι ένας από τους πιο παλιούς τρόπους μας
03:31
of making ourselves heard and understood.
70
199000
3000
να ακουστούμε και να γίνουμε κατανοητοί.
03:34
And I came across this fantastic research by Wolfgang Köhler,
71
202000
2000
Και έπεσα πάνω σε αυτή τη φανταστική έρευνα από τον Βούλφγκανγκ Κόουλερ,
03:36
the so-called father of gestalt psychology, from 1927,
72
204000
4000
τον επονομαζόμενο πατέρα της ψυχολογίας Γκεστάλτ, από το 1927,
03:40
who submitted to an audience like yourselves
73
208000
2000
ο οποίος υπέβαλλε σε ένα κοινό σαν εσάς
03:42
the following two shapes.
74
210000
2000
τα δύο παρακάτω σχήματα.
03:44
And he said one of them is called Maluma.
75
212000
2000
Και είπε ότι το ένα λέγεται Μαλούμα.
03:46
And one of them is called Taketa. Which is which?
76
214000
2000
Και το άλλο λέγεται Τακίτα. Ποιο είναι ποιο;
03:48
Anyone want to hazard a guess?
77
216000
4000
Υπάρχει κανείς που θέλει να ρισκάρει να μαντέψει;
03:52
Maluma is on top. Yeah. So.
78
220000
2000
Το Μαλούμα είναι το πάνω. Ναι.
03:54
As he says here, most people answer without any hesitation.
79
222000
3000
Όπως λέει εδώ, οι περισσότεροι άνθρωποι απαντούν χωρίς δισταγμό.
03:57
So what we're really seeing here is a phenomenon
80
225000
2000
Αυτό λοιπόν που πραγματικά βλέπουμε εδώ είναι ένα φαινόμενο
03:59
called phonaesthesia,
81
227000
2000
που ονομάζεται φωναισθησία,
04:01
which is a kind of synesthesia that all of you have.
82
229000
2000
το οποίο είναι ενός είδους συναισθησία που όλοι σας έχετε.
04:03
And so, whereas Dr. Oliver Sacks has talked about
83
231000
2000
Και έτσι, ενώ ο Δρ. Όλιβερ Σακς έχει μιλήσει για το
04:05
how perhaps one person in a million
84
233000
2000
πως ίσως ένας άνθρωπος στο εκατομμύριο
04:07
actually has true synesthesia,
85
235000
2000
έχει πραγματικά συναισθησία,
04:09
where they hear colors or taste shapes, and things like this,
86
237000
2000
οι οποίοι ακούνε χρώματα ή γεύονται σχήματα, και τέτοια πράγματα,
04:11
phonaesthesia is something we can all experience to some extent.
87
239000
2000
η φωναισθησία είναι κάτι που μπορούμε όλοι να βιώσουμε μέχρι ένα βαθμό.
04:13
It's about mappings between different perceptual domains,
88
241000
3000
Έχει να κάνει με χαρτογραφήσεις μεταξύ διαφορετικών τομέων αντίληψης,
04:16
like hardness, sharpness, brightness and darkness,
89
244000
3000
όπως η σκληρότητα, η οξύτητα, η φωτεινότητα και το σκοτάδι,
04:19
and the phonemes that we're able to speak with.
90
247000
2000
και τα φωνήματα με τα οποία μπορούμε να μιλήσουμε.
04:21
So 70 years on, there's been some research where
91
249000
2000
Έτσι, επί 70 χρόνια, υπάρχουν έρευνες όπου
04:23
cognitive psychologists have actually sussed out
92
251000
2000
γνωστικοί ψυχολόγοι έχουν στην πραγματικότητα διερευνήσει
04:25
the extent to which, you know,
93
253000
2000
το βαθμό στον οποίο, ξέρετε,
04:27
L, M and B are more associated with shapes that look like this,
94
255000
4000
το Λ, το Μ και το Β συνδέονται περισσότερο με σχήματα που μοιάζουν μ' αυτό,
04:31
and P, T and K are perhaps more associated with shapes like this.
95
259000
4000
και το Π, το Τ και το Κ ίσως συνδέονται περισσότερο με σχήματα σαν αυτό.
04:35
And here we suddenly begin to have a mapping between curvature
96
263000
2000
Και εδώ ξαφνικά αρχίζουμε να έχουμε μια χαρτογράφηση μεταξύ της καμπυλότητας,
04:37
that we can exploit numerically,
97
265000
2000
που μπορούμε να εκμεταλλευτούμε αριθμητικά,
04:39
a relative mapping between curvature and shape.
98
267000
3000
μια σχετική χαρτογράφηση μεταξύ καμπυλότητας και σχάματος.
04:42
So it occurred to me, what happens if we could run these backwards?
99
270000
3000
Σκέφτηκα λοιπόν, τι θα συνέβαινε αν μπορούσαμε αυτά να τα τρέξουμε αντίστροφα;
04:45
And thus was born the project called Remark,
100
273000
2000
Και έτσι γεννήθηκε το σχέδιο που ονομάζεται Παρατήρηση.
04:47
which is a collaboration with Zachary Lieberman
101
275000
2000
Το οποίο είναι μια συνεργασία με τον Ζάκαρι Λίμπερμαν
04:49
and the Ars Electronica Futurelab.
102
277000
2000
και το ARS Electronica Futurelab (εργαστήριο για μελλοντικές ηλεκτρονικές καινοτομίες)
04:51
And this is an interactive installation which presents
103
279000
2000
Και αυτή είναι μια διαδραστική εγκατάσταση που παρουσιάζει
04:53
the fiction that speech casts visible shadows.
104
281000
2000
το "εφεύρημα" ότι ο λόγος ρίχνει ορατές σκιές.
04:55
So the idea is you step into a kind of a magic light.
105
283000
3000
Η ιδέα λοιπόν είναι ότι μπαίνετε σε ενός είδους μαγικό φως.
04:58
And as you do, you see the shadows of your own speech.
106
286000
3000
Και ενώ το κάνετε, βλέπετε τις σκιές του ίδιου σας του λόγου.
05:01
And they sort of fly away, out of your head.
107
289000
2000
Και κατά κάποιον τρόπο πετάνε μακριά, έξω από το κεφάλι σας.
05:03
If a computer speech recognition system
108
291000
3000
Αν ένα ηλεκτρονικό σύστημα αναγνώρισης ομιλίας
05:06
is able to recognize what you're saying, then it spells it out.
109
294000
4000
μπορεί να αναγνωρίζει τι λέτε, τότε το συλλαβίζει.
05:10
And if it isn't then it produces a shape which is very phonaesthetically
110
298000
2000
Και αν δεν μπορεί, τότε παράγει ένα σχήμα που είναι φωναισθητικά
05:12
tightly coupled to the sounds you made.
111
300000
2000
πολύ στενά συνδεδεμένο με τους ήχους που κάνετε.
05:14
So let's bring up a video of that.
112
302000
3000
Ας δούμε λοιπόν ένα βίντεο από αυτό.
06:03
(Applause)
113
351000
2000
(Χειροκρότημα)
06:05
Thanks. So. And this project here,
114
353000
3000
Ευχαριστώ. Λοιπόν. Και σ'αυτό εδώ το έργο,
06:08
I was working with the great abstract vocalist, Jaap Blonk.
115
356000
3000
δούλευα με τον μεγάλο αφηρημένο αοιδό, τον Γιάπ Μπλονκ.
06:11
And he is a world expert in performing "The Ursonate,"
116
359000
3000
Είναι ειδικός παγκοσμίως στο να απαγγείλει το "The Ursonate,"
06:14
which is a half-an-hour nonsense poem
117
362000
2000
το οποίο είναι ένα μισάωρο ποίημα ανοησιών
06:16
by Kurt Schwitters, written in the 1920s,
118
364000
2000
από τον Κερτ Σβίττερς, γραμμένο τη δεκαετία του 1920.
06:18
which is half an hour of very highly patterned nonsense.
119
366000
4000
Το οποίο είναι μισή ώρα εξαιρετικά διαμορφωμένες ανοησίες.
06:22
And it's almost impossible to perform.
120
370000
2000
Και είναι σχεδόν αδύνατο να το απαγγείλει κανείς.
06:24
But Jaap is one of the world experts in performing it.
121
372000
3000
Αλλά ο Γιάπ είναι ένας από τους ειδικούς παγκοσμίως στην απαγγελία του.
06:27
And in this project we've developed
122
375000
2000
Και σ' αυτό το έργο έχουμε αναπτύξει
06:29
a form of intelligent real-time subtitles.
123
377000
3000
ενός είδους έξυπνους υπότιτλους σε πραγματικό χρόνο.
06:32
So these are our live subtitles,
124
380000
3000
Αυτοί είναι λοιπόν οι ζωντανοί μας υπότιτλοι,
06:35
that are being produced by a computer that knows the text of "The Ursonate" --
125
383000
3000
οι οποίοι παράγονται από έναν υπολογιστή που γνωρίζει το κείμενο "The Ursonate,"
06:38
fortunately Jaap does too, very well --
126
386000
3000
και ευτυχώς το γνωρίζει και ο Γιάπ πολύ καλά.
06:41
and it is delivering that text at the same time as Jaap is.
127
389000
5000
Και παραδίδει το κείμενο ταυτόχρονα με τον Γιάπ.
06:53
So all the text you're going to see
128
401000
2000
Έτσι, όλο το κείμενο που θα δείτε
06:55
is real-time generated by the computer,
129
403000
2000
παράγεται σε πραγματικό χρόνο από τον υπολογιστή,
06:57
visualizing what he's doing with his voice.
130
405000
3000
ο οποίος συλλαμβάνει τι κάνει με τη φωνή του.
08:10
Here you can see the set-up where there is a screen with the subtitles behind him.
131
478000
3000
Εδώ βλέπετε την οργάνωση όπου υπάρχει μια οθόνη με υπότιτλους πίσω του.
08:34
Okay. So ...
132
502000
2000
Εντάξει, Λοιπόν ...
08:36
(Applause)
133
504000
5000
(Χειροκρότημα)
08:41
The full videos are online if you are interested.
134
509000
2000
Ολόκληρα τα βίντεο υπάρχουν στο διαδίκτυο αν ενδιαφέρεστε.
08:43
I got a split reaction to that during the live performance,
135
511000
2000
Πήρα διχασμένες αντιδράσεις σ' αυτό κατά τη διάρκεια της ζωντανής απαγγελίας.
08:45
because there is some people who understand
136
513000
2000
Επειδή υπάρχουν μερικοί άνθρωποι που καταλαβαίνουν
08:47
live subtitles are a kind of an oxymoron,
137
515000
2000
ότι οι ζωντανοί υπότιτλοι είναι κάτι οξύμωρο.
08:49
because usually there is someone making them afterwards.
138
517000
3000
Επειδή συνήθως υπάρχει κάποιος που τους φτιάχνει μετά.
08:52
And then a bunch of people who were like, "What's the big deal?
139
520000
3000
Και υπήρχαν και μερικοί άνθρωποι που έλεγαν, "Σιγά το σπουδαίο!
08:55
I see subtitles all the time on television."
140
523000
2000
Βλέπω υπότιτλους συνέχεια στην τηλεόραση."
08:57
You know? They don't imagine the person in the booth, typing it all.
141
525000
3000
Ξέρετε, δεν φαντάζονται τον άνθρωπο στην καμπίνα, να τους πληκτρολογεί.
09:00
So in addition to the full body, and in addition to the voice,
142
528000
3000
Έτσι, μαζί με ολόκληρο το σώμα, και μαζί με τη φωνή,
09:03
another thing that I've been really interested in,
143
531000
2000
άλλο ένα πράγμα που με ενδιαφέρει πολύ,
09:05
most recently, is the use of the eyes,
144
533000
2000
πρόσφατα, είναι η χρήση των ματιών,
09:07
or the gaze, in terms of how people relate to each other.
145
535000
4000
ή του βλέμματος, από την άποψη του πως σχετίζονται οι άνθρωποι μεταξύ τους.
09:11
It's a really profound amount of nonverbal information
146
539000
2000
Είναι μια πραγματικά μεγάλη ποσότητα μη λεκτικών πληροφοριών
09:13
that's communicated with the eyes.
147
541000
2000
που μεταδίδονται με τα μάτια.
09:15
And it's one of the most interesting technical challenges
148
543000
2000
Και είναι μια από τις πιο ενδιαφέρουσες τεχνικές προκλήσεις
09:17
that's very currently active in the computer sciences:
149
545000
2000
που είναι αυτό το διάστημα ενεργή στην επιστήμη των ηλεκτρονικών υπολογιστών.
09:19
being able to have a camera that can understand,
150
547000
2000
Να μπορείς να έχεις μια κάμερα που καταλαβαίνει
09:21
from a fairly big distance away,
151
549000
2000
από μία αρκετά μακρινή απόσταση,
09:23
how these little tiny balls are actually pointing in one way or another
152
551000
3000
πως αυτές οι μικροσκοπικές μπαλίτσες δείχνουν στη μια κατεύθυνση ή την άλλη,
09:26
to reveal what you're interested in,
153
554000
2000
για να αποκαλύψουν τι σε ενδιαφέρει,
09:28
and where your attention is directed.
154
556000
2000
και πού κατευθύνεται η προσοχή σου.
09:30
So there is a lot of emotional communication that happens there.
155
558000
3000
Υπάρχει λοιπόν πολλή συναισθηματική επικοινωνία που συμβαίνει εδώ.
09:33
And so I've been beginning, with a variety of different projects,
156
561000
4000
Και έχω επίσης αρχίσει, με μια ποικιλία διαφορετικών έργων,
09:37
to understand how people can relate to machines with their eyes.
157
565000
3000
να καταλαβαίνω πως οι άνθρωποι μπορούν να συσχετιστούν με μηχανήματα, με τα μάτια τους.
09:40
And basically to ask the questions:
158
568000
3000
Και βασικά να θέσω τα ερωτήματα,
09:43
What if art was aware that we were looking at it?
159
571000
5000
Τι θα γινόταν αν η τέχνη γνώριζε ότι την κοιτάμε;
09:48
How could it respond, in a way,
160
576000
2000
Πως θα ανταποκρινόταν, κατά κάποιο τρόπο,
09:50
to acknowledge or subvert the fact that we're looking at it?
161
578000
3000
για να αναγνωρίσει ή να υπομονεύσει το γεγονός ότι την κοιτάμε;
09:53
And what could it do if it could look back at us?
162
581000
3000
Και τι θα έκανε αν μπορούσε να μας κοιτάξει και 'κείνη;
09:56
And so those are the questions that are happening in the next projects.
163
584000
2000
Αυτά είναι λοιπόν τα ερωτήματα που σημειώνονται στα επόμενα έργα.
09:58
In the first one which I'm going to show you, called Eyecode,
164
586000
3000
Στο πρώτο, το οποίο θα σας δείξω, με το όνομα "Κώδικας Ματιού",
10:01
it's a piece of interactive software
165
589000
2000
είναι ένα κομμάτι διαδραστικού λογισμικού,
10:03
in which, if we read this little circle,
166
591000
2000
στο οποίο, αν διαβάσουμε αυτόν τον κύκλο,
10:05
"the trace left by the looking of the previous observer
167
593000
3000
"το ίχνος που αφήνει το βλέμμα του προηγούμενου παρατηρητή
10:08
looks at the trace left by the looking of previous observer."
168
596000
3000
κοιτάζει το ίχνος που αφήνει το βλέμμα του προηγούμενου παρατηρητή."
10:11
The idea is that it's an image wholly constructed
169
599000
2000
Η ιδέα είναι ότι πρόκειται για μια εικόνα εξολοκλήρου κατασκευασμένη
10:13
from its own history of being viewed
170
601000
2000
από την δική της ιστορία του ότι την κοιτάζουν
10:15
by different people in an installation.
171
603000
2000
διαφορετικοί άνθρωποι σε μία εγκατάσταση.
10:17
So let me just switch over so we can do the live demo.
172
605000
5000
Επιτρέψτε μου λοιπόν να το αλλάξω για να μπορούμε να κάνουμε τη ζωντανή επίδειξη.
10:22
So let's run this and see if it works.
173
610000
4000
Για να το τρέξουμε αυτό και να δούμε αν λειτουργεί.
10:26
Okay. Ah, there is lots of nice bright video.
174
614000
3000
Εντάξει. Α, υπάρχει πολύ ωραίο φωτεινό βίντεο.
10:29
There is just a little test screen that shows that it's working.
175
617000
2000
Υπάρχει μια μικρή οθόνη δοκιμής που δείχνει ότι λειτουργεί.
10:31
And what I'm just going to do is -- I'm going to hide that.
176
619000
2000
Αυτό που θα κάνω τώρα είναι ότι θα το κρύψω.
10:33
And you can see here that what it's doing
177
621000
2000
Και βλέπετε εδώ τι κάνει
10:35
is it's recording my eyes every time I blink.
178
623000
3000
καταγράφει τα μάτια μου κάθε φορά που τα ανοιγοκλείνω.
10:44
Hello? And I can ... hello ... okay.
179
632000
4000
Ναι; Και μπορώ να ... ναι .. εντάξει.
10:48
And no matter where I am, what's really going on here
180
636000
2000
Και όπου και να μαι, αυτό που πραγματικά συμβαίνει εδώ
10:50
is that it's an eye-tracking system that tries to locate my eyes.
181
638000
3000
είναι ότι ένα σύστημα παρακολούθησης ματιών προσπαθεί να εντοπίσει τα μάτια μου.
10:53
And if I get really far away I'm blurry.
182
641000
2000
Και αν πάω πολύ μακριά θολώνουν.
10:55
You know, you're going to have these kind of blurry spots like this
183
643000
2000
Ξέρετε, θα έχουμε αυτές τις θολές κηλίδες σαν αυτή
10:57
that maybe only resemble eyes in a very very abstract way.
184
645000
3000
που μοιάζει ίσως στα μάτια μόνο με έναν πολύ αφηρημένο τρόπο.
11:00
But if I come up really close and stare directly at the camera
185
648000
3000
Αλλά αν πλησιάσω πολύ κοντά και κοιτάξω κατευθείαν την κάμερα
11:03
on this laptop then you'll see these nice crisp eyes.
186
651000
2000
θα δείτε στον υπολογιστή αυτά τα ωραία καθαρά μάτια.
11:05
You can think of it as a way of, sort of, typing, with your eyes.
187
653000
4000
Μπορείτε να το δείτε σαν έναν τρόπο δακτυλογράφησης με τα μάτια.
11:09
And what you're typing are recordings of your eyes
188
657000
2000
Και αυτό που δακτυλογραφείτε είναι καταγραφές των ματιών σας
11:11
as you're looking at other peoples' eyes.
189
659000
2000
ενώ κοιτάζετε τα μάτια των άλλων ανθρώπων.
11:13
So each person is looking at the looking
190
661000
3000
Έτσι κάθε άνθρωπος κοιτάζει το βλέμμα
11:16
of everyone else before them.
191
664000
2000
όλων των προηγούμενων από αυτόν.
11:18
And this exists in larger installations
192
666000
2000
Και αυτό υπάρχει και σε μεγαλύτερες εγκαταστάσεις
11:20
where there are thousands and thousands of eyes
193
668000
2000
όπου υπάρχουν χιλιάδες μάτια
11:22
that people could be staring at,
194
670000
2000
που οι άνθρωποι μπορούν να κοιτάζουν,
11:24
as you see who's looking at the people looking
195
672000
2000
ενώ βλέπετε ποιος κοιτάζει τους ανθρώπους που κοίταζαν
11:26
at the people looking before them.
196
674000
2000
τους ανθρώπους που κοίταζαν πριν από αυτούς.
11:28
So I'll just add a couple more. Blink. Blink.
197
676000
3000
Θα προσθέσω απλά μερικά ακόμα.Ανοιγοκλείνω.Ανοιγοκλείνω.
11:31
And you can see, just once again, how it's sort of finding my eyes
198
679000
3000
Και βλέπετε, για άλλη μια φορά, πως βρίσκει τα μάτια μου
11:34
and doing its best to estimate when it's blinking.
199
682000
3000
και κάνει το καλύτερο που μπορεί για να υπολογίσει πότε ανοιγοκλείνουν.
11:37
Alright. Let's leave that.
200
685000
2000
Εντάξει. Ας το αφήσουμε αυτό.
11:39
So that's this kind of recursive observation system.
201
687000
3000
Αυτό λοιπόν είναι ενός είδους επαναλαμβανόμενο σύστημα παρατήρησης.
11:42
(Applause)
202
690000
2000
(Χειροκρότημα)
11:44
Thank you.
203
692000
2000
Ευχαριστώ.
11:46
The last couple pieces I'm going to show
204
694000
2000
Τα τελευταία δύο κομμάτια που θα σας δείξω
11:48
are basically in the new realm of robotics -- for me, new for me.
205
696000
2000
είναι βασικά στο νέο βασίλειο της ρομποτικής, νέο για μένα.
11:50
It's called Opto-Isolator.
206
698000
2000
Λέγεται Οπτικός Διακόπτης.
11:52
And I'm going to show a video of the older version of it,
207
700000
3000
Και θα σας δείξω ένα βίντεο από την παλαιότερη εκδοχή του.
11:55
which is just a minute long. Okay.
208
703000
2000
Το οποίο έχει διάρκεια μόνο ενός λεπτού. Εντάξει.
12:06
In this case, the Opto-Isolator is blinking
209
714000
2000
Σ' αυτήν την περίπτωση, ο Οπτικός Διακόπτης ανοιγοκλείνει
12:08
in response to one's own blinks.
210
716000
2000
σε απάντηση των ματιών κάποιου που ανοιγοκλείνουν.
12:10
So it blinks one second after you do.
211
718000
3000
Ανοιγοκλείνει λοιπόν ένα δευτερόλεπτο μετά από σας.
12:13
This is a device which is intended to reduce
212
721000
3000
Αυτή είναι μια συσκευή που σκοπεύει να μειώσει
12:16
the phenomenon of gaze down to the simplest possible materials.
213
724000
3000
το φαινόμενο του βλέμματος στα πιο απλά πιθανά υλικά.
12:19
Just one eye,
214
727000
2000
Μόνο ένα μάτι,
12:21
looking at you, and eliminating everything else about a face,
215
729000
2000
που σας κοιτάζει, και εξαλείφει όλο το υπόλοιπο πρόσωπο.
12:23
but just to consider gaze in an isolated way
216
731000
3000
Αλλά μόνο για να εξετάσουμε το βλέμμα απομονωμένο
12:26
as a kind of, as an element.
217
734000
3000
σαν ένα στοιχείο.
12:29
And at the same time, it attempts to engage in what you might call
218
737000
3000
Και ταυτόχρονα, επιχειρεί να ασκήσει αυτό που ίσως θα ονομάζαμε
12:32
familiar psycho-social gaze behaviors.
219
740000
2000
συμπεριφορές οικείου ψυχο-κοινωνικού βλέμματος.
12:34
Like looking away if you look at it too long
220
742000
2000
Όπως το να κοιτάζει αλλού αν το κοιτάξεις πολλή ώρα
12:36
because it gets shy,
221
744000
2000
γιατί ντρέπεται.
12:38
or things like that.
222
746000
3000
Ή παρόμοια πράγματα.
12:41
Okay. So the last project I'm going to show
223
749000
3000
Εντάξει. Το τελευταίο έργο που θα σας δείξω
12:44
is this new one called Snout.
224
752000
3000
είναι ένα καινούργιο που ονομάζεται Ρύγχος.
12:47
(Laughter)
225
755000
2000
(Γέλια)
12:49
It's an eight-foot snout,
226
757000
2000
Είναι ένα ρύγχος 2,5 μέτρων,
12:51
with a googly eye.
227
759000
2000
με ένα γουρλωτό μάτι.
12:53
(Laughter)
228
761000
1000
(Γέλια)
12:54
And inside it's got an 800-pound robot arm
229
762000
3000
Και μέσα έχει έναν βραχίονα ρομπότ 360 κιλών
12:57
that I borrowed,
230
765000
2000
που δανείστηκα,
12:59
(Laughter)
231
767000
1000
(Γέλια)
13:00
from a friend.
232
768000
2000
από έναν φίλο.
13:02
(Laughter)
233
770000
1000
(Γέλια)
13:03
It helps to have good friends.
234
771000
2000
Βοηθάει να έχεις καλούς φίλους.
13:05
I'm at Carnegie Mellon; we've got a great Robotics Institute there.
235
773000
3000
Είμαι στο (Πανεπιστήμιο) Κάρνεγκι Μέλον. Έχουμε ένα υπέροχο Ινστιτούτο Ρομποτικής εκεί.
13:08
I'd like to show you thing called Snout, which is --
236
776000
2000
Θα ήθελα να σας δείξω αυτό το πράγμα που λέγεται Ρύγχος, το οποίο είναι --
13:10
The idea behind this project is to
237
778000
2000
Η ιδέα πίσω από αυτό το έργο είναι να
13:12
make a robot that appears as if it's continually surprised to see you.
238
780000
4000
φτιάξω ένα ρομπότ που φαίνεται σαν να εκπλήσσεται συνεχώς που σας βλέπει.
13:16
(Laughter)
239
784000
4000
(Γέλια)
13:20
The idea is that basically --
240
788000
2000
Η ιδέα βασικά είναι ότι --
13:22
if it's constantly like "Huh? ... Huh?"
241
790000
2000
αν συνέχεια κάνει "Ε; ... Ε; "
13:24
That's why its other name is Doubletaker, Taker of Doubles.
242
792000
4000
Γι' αυτό το άλλο του όνομα είναι Καθυστερημένη Αντίδραση.
13:28
It's always kind of doing a double take: "What?"
243
796000
2000
Πάντα αντιδρά καθυστερημένα. "Τι;"
13:30
And the idea is basically, can it look at you
244
798000
2000
Και η ιδέα είναι βασικά, να μπορεί να σας κοιτάζει
13:32
and make you feel as if like,
245
800000
2000
και να σας κάνει να αισθάνεστε λες και,
13:34
"What? Is it my shoes?"
246
802000
2000
"Τι; Φταίνε τα παπούτσια μου;"
13:36
"Got something on my hair?" Here we go. Alright.
247
804000
3000
" Έχω κάτι στα μαλλιά μου;" Πάμε. Εντάξει.
14:10
Checking him out ...
248
838000
2000
Τον ελέγχει ...
14:20
For you nerds, here's a little behind-the-scenes.
249
848000
2000
Για σας σπασίκλες, να και κάτι από τα παρασκήνια.
14:22
It's got a computer vision system,
250
850000
2000
Έχει ένα σύστημα όρασης μέσω υπολογιστή,
14:24
and it tries to look at the people who are moving around the most.
251
852000
3000
και προσπαθεί να κοιτάζει τους ανθρώπους που κινούνται περισσότερο.
14:39
Those are its targets.
252
867000
2000
Εκείνοι είναι οι στόχοι του.
14:42
Up there is the skeleton,
253
870000
2000
Εκεί πάνω είναι ο σκελετός,
14:44
which is actually what it's trying to do.
254
872000
3000
το οποίο είναι πραγματικά αυτό που προσπαθεί να κάνει.
14:54
It's really about trying to create a novel body language for a new creature.
255
882000
3000
Στην πραγματικότητα προσπαθεί να δημιουργήσει μία πρωτότυπη γλώσσα του σώματος για ένα νέο πλάσμα.
14:57
Hollywood does this all the time, of course.
256
885000
2000
Το Χόλιγουντ το κάνει συνέχεια, βέβαια.
14:59
But also have the body language communicate something
257
887000
2000
Αλλά επίσης να μεταδώσει με τη γλώσσα του σώματος κάτι
15:01
to the person who is looking at it.
258
889000
2000
στο άτομο που το κοιτάζει.
15:03
This language is communicating that it is surprised to see you,
259
891000
2000
Αυτή η γλώσσα δείχνει ότι εκπλήσσεται που σας βλέπει,
15:05
and it's interested in looking at you.
260
893000
3000
και το βρίσκει ενδιαφέρον να σας κοιτάζει.
15:08
(Laughter)
261
896000
2000
(Γέλια)
15:10
(Applause)
262
898000
9000
(Χειροκρότημα)
15:19
Thank you very much. That's all I've got for today.
263
907000
2000
Ευχαριστώ πάρα πολύ. Αυτά είχα για σήμερα.
15:21
And I'm really happy to be here. Thank you so much.
264
909000
3000
Χαίρομαι πολύ που είμαι εδώ. Ευχαριστώ πάρα πολύ.
15:24
(Applause)
265
912000
3000
(Χειροκρότημα)
ABOUT THE SPEAKER
Golan Levin - Experimental audio-visual artistHalf performance artist, half software engineer, Golan Levin manipulates the computer to create improvised soundscapes with dazzling corresponding visuals. He is at the forefront of defining new parameters for art.
Why you should listen
Having worked as an academic at MIT and a researcher specializing in computer technology and software engineering, Golan Levin now spends most of his time working as a performance artist. Rest assured his education hasn't gone to waste, however, as Levin blends high tech and customized software programs to create his own extraordinary audio and visual compositions. The results are inordinately experimental sonic and visual extravaganzas from the furthest left of the field.
Many of his pieces force audience participation, such as Dialtones: A Telesymphony, a concert from 2001 entirely composed of the choreographed ringtones of his audience. Regularly exhibiting pieces in galleries around the world, and also working as an Assistant Professor of Electronic Time-Based Art at Carnegie Mellon University, Levin is unapologetically pushing boundaries to define a brave new world of what is possible.
His latest piece, Double-Taker (Snout), is installed at the Pittsburg Museum of Art.
Golan Levin | Speaker | TED.com