TEDxYouth@Sydney
Oscar Schwartz: Can a computer write poetry?
Oscar Schwartz: ¿Puede una máquina escribir poesía?
Filmed:
Readability: 4.3
875,724 views
Si lees un poema que te conmueve pero luego descubres que en realidad fue escrito por una máquina, ¿cambiaría eso en algo tu experiencia? ¿Pensarías que la máquina se ha expresado y que ha sido creativa, o sentirías que has sido víctima de un engaño barato? En esta charla, el escritor Oscar Schwartz examina por qué nuestra reacción es tan emocional a la idea de la poesía escrita por una máquina... y cómo esta reacción ayuda a entender lo que significa ser humanos.
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.
Tengo una pregunta.
00:12
I have a question.
0
881
1230
00:15
Can a computer write poetry?
1
3422
1943
¿Puede una máquina escribir poesía?
00:18
This is a provocative question.
2
6959
2077
Es una pregunta provocativa.
00:21
You think about it for a minute,
3
9715
1718
Lo pensamos un minuto,
00:23
and you suddenly have a bunch
of other questions like:
of other questions like:
4
11457
2590
y de repente surgen muchas
otras preguntas como:
otras preguntas como:
00:26
What is a computer?
5
14769
1381
¿Qué es una máquina?
00:28
What is poetry?
6
16710
1575
¿Qué es la poesía?
00:30
What is creativity?
7
18707
1689
¿Qué es la creatividad?
00:33
But these are questions
8
21650
1172
Pero estas son preguntas
00:34
that people spend their entire
lifetime trying to answer,
lifetime trying to answer,
9
22846
3070
que tratamos de responder
durante toda la vida
durante toda la vida
00:37
not in a single TED Talk.
10
25940
2224
no solo durante una charla TED.
00:40
So we're going to have to try
a different approach.
a different approach.
11
28188
2445
Por eso lo intentaremos
desde otro enfoque.
desde otro enfoque.
00:42
So up here, we have two poems.
12
30657
2143
Aquí tenemos dos poemas.
00:45
One of them is written by a human,
13
33839
2276
Uno escrito por un humano,
00:48
and the other one's written by a computer.
14
36139
2102
y el otro por una máquina.
00:50
I'm going to ask you to tell me
which one's which.
which one's which.
15
38754
2410
Les pediré que me digan cuál es cuál.
00:53
Have a go:
16
41858
1156
Veamos:
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
Poema 1: Mosquita / tu juego estival /
mi mano vil / arrasó cual vendaval.
mi mano vil / arrasó cual vendaval.
¿No tenemos tú y yo / la misma identidad
/ tu arte no tiene / una misma humanidad?
/ tu arte no tiene / una misma humanidad?
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
01:02
Poem 2: We can feel / Activist
through your life's / morning /
through your life's / morning /
19
50536
3299
Poema 2: Nos sentimos / Activistas
Durante toda la vida / Amanecer
Durante toda la vida / Amanecer
Paramos a ver, papa que odiamos el /
no toda la noche para comenzar una /
no toda la noche para comenzar una /
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
por lo demás genial (...)
01:10
Alright, time's up.
21
58130
1359
Muy bien, tiempo.
01:11
Hands up if you think Poem 1
was written by a human.
was written by a human.
22
59513
4096
Levanten la mano si piensan que
el Poema 1 fue escrito por un humano.
el Poema 1 fue escrito por un humano.
01:17
OK, most of you.
23
65547
1490
Bien, la mayoría.
01:19
Hands up if you think Poem 2
was written by a human.
was written by a human.
24
67061
3023
Levanten la mano si piensan que
el Poema 2 fue escrito por un humano.
el Poema 2 fue escrito por un humano.
01:23
Very brave of you,
25
71172
1190
Muy valiente de su parte,
01:24
because the first one was written
by the human poet William Blake.
by the human poet William Blake.
26
72855
4285
porque el primer poema fue escrito
por el poeta William Blake.
por el poeta William Blake.
01:29
The second one was written by an algorithm
27
77784
2949
El segundo fue escrito por un algoritmo
01:32
that took all the language
from my Facebook feed on one day
from my Facebook feed on one day
28
80757
3692
que tomó las palabras
de mi Facebook un día
de mi Facebook un día
01:36
and then regenerated it algorithmically,
29
84473
2763
y las organizó con un programa,
01:39
according to methods that I'll describe
a little bit later on.
a little bit later on.
30
87260
3590
siguiendo los métodos que
describiré en unos momentos.
describiré en unos momentos.
01:43
So let's try another test.
31
91218
2404
Hagamos otra prueba.
De nuevo, no tendrán
mucho tiempo para leer esto,
mucho tiempo para leer esto,
01:46
Again, you haven't got ages to read this,
32
94398
2093
01:48
so just trust your gut.
33
96515
1612
confíen en su instinto.
01:50
Poem 1: A lion roars and a dog barks.
It is interesting / and fascinating
It is interesting / and fascinating
34
98151
4045
Poema 1: Ruge un león y ladra un perro.
Es interesante / y fascinante /
Es interesante / y fascinante /
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
que un ave vuele y no / ruja ni ladre.
Sueño historias apasionantes de animales
Sueño historias apasionantes de animales
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
y las cantaré a todas ellas
si no estoy cansado ni agotado.
si no estoy cansado ni agotado.
02:02
Poem 2: Oh! kangaroos, sequins, chocolate
sodas! / You are really beautiful!
sodas! / You are really beautiful!
37
110631
3985
Poema 2: ¡Oh, canguros, lentejuelas,
chocolate, refrescos! / ¡Hermosos!
chocolate, refrescos! / ¡Hermosos!
Perlas, / armónicas, azufaifa, ¡aspirinas!
/ Las cosas siempre mencionadas (...)
/ Las cosas siempre mencionadas (...)
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
02:11
Alright, time's up.
39
119022
1158
Muy bien, tiempo.
02:12
So if you think the first poem
was written by a human,
was written by a human,
40
120204
3137
Si piensan que el primer poema
fue escrito por un humano,
fue escrito por un humano,
02:15
put your hand up.
41
123365
1215
levanten la mano.
02:17
OK.
42
125687
1154
Bien.
02:18
And if you think the second poem
was written by a human,
was written by a human,
43
126865
2675
Y si piensan que el segundo poema
fue escrito por un humano,
fue escrito por un humano,
02:21
put your hand up.
44
129564
1155
levanten la mano.
02:23
We have, more or less, a 50/50 split here.
45
131779
3810
Tenemos, más o menos,
opiniones divididas.
opiniones divididas.
02:28
It was much harder.
46
136157
1436
Fue mucho más difícil.
02:29
The answer is,
47
137617
1712
La respuesta:
El primer poema fue generado
por un algoritmo llamado Racter,
por un algoritmo llamado 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
creado en la década de 1970,
y el segundo poema fue escrito
por un tipo llamado Frank O'Hara,
por un tipo llamado Frank O'Hara,
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
02:41
who happens to be
one of my favorite human poets.
one of my favorite human poets.
51
149099
2668
que da la casualidad que es
uno de mis poetas favoritos.
uno de mis poetas favoritos.
02:44
(Laughter)
52
152631
3058
(Risas)
Lo que acabamos de hacer es
una prueba de Turing de poesía.
una prueba de Turing de poesía.
02:48
So what we've just done now
is a Turing test for poetry.
is a Turing test for poetry.
53
156046
3228
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
Alan Turing fue el primero
en proponer este test en 1950,
en proponer este test en 1950,
02:56
in order to answer the question,
55
164589
1564
para responder la pregunta:
02:58
can computers think?
56
166177
1637
¿Pueden pensar las máquinas?
03:00
Alan Turing believed that if
a computer was able
a computer was able
57
168245
2770
Alan Turing creía que si una máquina
podía mantener una conversación
podía mantener una conversación
03:03
to have a to have a text-based
conversation with a human,
conversation with a human,
58
171039
3078
basada en un material
escrito con un humano,
escrito con un humano,
03:06
with such proficiency
such that the human couldn't tell
such that the human couldn't tell
59
174141
2770
con un dominio tal
que el humano
no pudiera discernir
no pudiera discernir
03:08
whether they are talking
to a computer or a human,
to a computer or a human,
60
176935
2966
si estaba hablando con
una máquina o un humano,
una máquina o un humano,
03:11
then the computer can be said
to have intelligence.
to have intelligence.
61
179925
2856
se podría decir entonces que
la máquina tiene inteligencia.
la máquina tiene inteligencia.
Por eso en 2013, mi amigo
Benjamin Laird y yo,
Benjamin Laird y yo,
03:15
So in 2013, my friend
Benjamin Laird and I,
Benjamin Laird and I,
62
183270
3295
03:18
we created a Turing test
for poetry online.
for poetry online.
63
186589
2988
creamos la prueba de Turing
para poesía en línea.
para poesía en línea.
Se llama "Bot or not",
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
y cualquiera puede acceder
e intentar pasarla.
e intentar pasarla.
03:24
But basically, it's the game
we just played.
we just played.
66
192970
2251
Pero, básicamente,
es el juego que jugamos.
es el juego que jugamos.
03:27
You're presented with a poem,
67
195245
1528
Se muestran dos poemas,
y sin que uno sepa cual fue escrito
por un humano o por una máquina,
por un humano o por una máquina,
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
03:31
and you have to guess.
69
199849
1166
tiene que adivinar.
03:33
So thousands and thousands
of people have taken this test online,
of people have taken this test online,
70
201039
3191
Miles y miles de personas
han hecho la prueba en línea,
han hecho la prueba en línea,
03:36
so we have results.
71
204254
1449
así que tenemos resultados.
03:37
And what are the results?
72
205727
1428
¿Cuáles son los resultados?
03:39
Well, Turing said that if a computer
could fool a human
could fool a human
73
207704
2879
Bueno, Turing decía que si una máquina
pudiera hacer creer a un humano
pudiera hacer creer a un humano
03:42
30 percent of the time
that it was a human,
that it was a human,
74
210607
3019
que es un otro ser humano
un 30 % de las veces
un 30 % de las veces
03:45
then it passes the Turing test
for intelligence.
for intelligence.
75
213650
2397
pasaba la prueba de inteligencia
de Turing.
de Turing.
03:48
We have poems on the bot or not database
76
216625
2438
Tenemos poemas en la base de "Bot or not"
03:51
that have fooled 65 percent
of human readers into thinking
of human readers into thinking
77
219087
2979
que han hecho pensar a
un 65 % de los lectores humanos
un 65 % de los lectores humanos
03:54
it was written by a human.
78
222090
1395
que fueron escritos por un humano.
03:55
So, I think we have an answer
to our question.
to our question.
79
223959
2817
Creo que tenemos una respuesta
a nuestra pregunta.
a nuestra pregunta.
03:59
According to the logic of the Turing test,
80
227546
2348
Según la lógica de la prueba de Turing,
04:01
can a computer write poetry?
81
229918
1928
¿puede una máquina escribir poesía?
04:03
Well, yes, absolutely it can.
82
231870
2351
Bueno, sí, categóricamente.
04:07
But if you're feeling
a little bit uncomfortable
a little bit uncomfortable
83
235782
2346
Pero si se sienten un poco incómodos
04:10
with this answer, that's OK.
84
238152
1927
con la respuesta, está bien.
04:12
If you're having a bunch
of gut reactions to it,
of gut reactions to it,
85
240103
2316
Si su respuesta es emocional, está bien
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
porque no es el fin de la historia.
04:18
Let's play our third and final test.
87
246594
2324
Hagamos una tercera y última prueba.
04:22
Again, you're going to have to read
88
250000
1750
De nuevo, tendrán que leer y decirme
04:23
and tell me which you think is human.
89
251774
1909
qué poema piensan que fue
escrito por un humano.
escrito por un humano.
04:25
Poem 1: Reg flags the reason
for pretty flags. / And ribbons.
for pretty flags. / And ribbons.
90
253707
3718
Poema 1: Banderas rojas, la razón
de hermosas banderas. / Y el blasón.
de hermosas banderas. / Y el blasón.
04:29
Ribbons of flags / And wearing material /
Reasons for wearing material. (...)
Reasons for wearing material. (...)
91
257449
4321
Blasones de banderas / Y materiales. /
Razones para lucir materiales. (...)
Razones para lucir materiales. (...)
Poema 2: Un ciervo herido salta
más alto, / He oído al narciso. /
más alto, / He oído al narciso. /
04:33
Poem 2: A wounded deer leaps
highest, / I've heard the daffodil
highest, / I've heard the daffodil
92
261794
3918
04:37
I've heard the flag to-day /
I've heard the hunter tell; /
I've heard the hunter tell; /
93
265736
3446
He oído la bandera hoy /
He oído al cazador decir; /
He oído al cazador decir; /
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
No es más que el éxtasis de la muerte /
Y luego es casi irrefrenable. (...)
Y luego es casi irrefrenable. (...)
04:44
OK, time is up.
95
272932
1599
Muy bien, tiempo.
04:46
So hands up if you think Poem 1
was written by a human.
was written by a human.
96
274555
3837
Levanten la mano si piensan que
el Poema 1 fue escrito por un humano.
el Poema 1 fue escrito por un humano.
Levanten la mano si piensan que
el Poema 2 fue escrito por un humano.
el Poema 2 fue escrito por un humano.
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
Guau, son muchos más.
04:58
So you'd be surprised to find that Poem 1
99
286327
2968
Les sorprenderá saber que el Poema 1
05:01
was written by the very
human poet Gertrude Stein.
human poet Gertrude Stein.
100
289319
3993
fue escrito por la mismísima
Gertrude Stein.
Gertrude Stein.
Y el Poema 2 fue generado
por un algoritmo llamado RKCP.
por un algoritmo llamado RKCP.
05:06
And Poem 2 was generated
by an algorithm called RKCP.
by an algorithm called RKCP.
101
294100
5038
05:11
Now before we go on, let me describe
very quickly and simply,
very quickly and simply,
102
299162
3319
Pero antes de continuar describiré,
simple y rápidamente,
simple y rápidamente,
05:14
how RKCP works.
103
302505
1781
cómo funciona RKCP.
05:16
So RKCP is an algorithm
designed by Ray Kurzweil,
designed by Ray Kurzweil,
104
304873
3850
El RKCP es un algoritmo
diseñado por Ray Kurzweil,
diseñado por Ray Kurzweil,
05:20
who's a director of engineering at Google
105
308747
2222
un director de ingeniería de Google
05:22
and a firm believer
in artificial intelligence.
in artificial intelligence.
106
310993
2360
que cree firmemente
en la inteligencia artificial.
en la inteligencia artificial.
05:25
So, you give RKCP a source text,
107
313822
3991
Se le proporciona a RKCP un texto fuente,
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
El RKCP analiza el texto para detectar
cómo se usa el lenguaje,
cómo se usa el lenguaje,
05:34
and then it regenerates language
109
322330
1948
y luego vuelve a generar el lenguaje
05:36
that emulates that first text.
110
324302
2528
que emula al primer texto.
05:38
So in the poem we just saw before,
111
326854
2113
El poema que vimos antes,
05:40
Poem 2, the one that you all
thought was human,
thought was human,
112
328991
2625
el Poema 2, el que todos
pensaron que era humano,
pensaron que era humano,
05:43
it was fed a bunch of poems
113
331640
1550
fue creado a base de muchos poemas
05:45
by a poet called Emily Dickinson
114
333214
2035
escritos por la poetisa Emily Dickinson;
05:47
it looked at the way she used language,
115
335273
2189
analizó la forma en que ella usaba
el lenguaje, aprendió el modelo,
el lenguaje, aprendió el modelo,
05:49
learned the model,
116
337486
1165
05:50
and then it regenerated a model
according to that same structure.
according to that same structure.
117
338675
4258
y luego volvió a generar un modelo
siguiendo la misma estructura.
siguiendo la misma estructura.
05:56
But the important thing to know about RKCP
118
344732
2178
Pero lo importante a saber de RKCP
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
es que no conoce el significado
de las palabras que usa.
de las palabras que usa.
06:02
The language is just raw material,
120
350359
2276
El lenguaje es solo materia prima,
06:04
it could be Chinese,
it could be in Swedish,
it could be in Swedish,
121
352659
2160
podría ser chino, podría ser sueco,
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
podría ser todo lo escrito en su muro
de Facebook a lo largo del día.
de Facebook a lo largo del día.
06:11
It's just raw material.
123
359046
1652
Un idioma no es más que materia
prima para la machina.
prima para la machina.
06:13
And nevertheless, it's able
to create a poem
to create a poem
124
361380
2697
Y, no obstante, es capaz
de crear un poema
de crear un poema
06:16
that seems more human
than Gertrude Stein's poem,
than Gertrude Stein's poem,
125
364101
3327
que parece más humano que
el poema de Gertrude Stein,
el poema de Gertrude Stein,
06:19
and Gertrude Stein is a human.
126
367452
2153
y Gertrude Stein es un ser humano.
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
Aquí hemos hecho, más o menos,
una prueba de Turing inversa.
una prueba de Turing inversa.
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, humana,
puede escribir un poema
puede escribir un poema
06:33
that fools a majority
of human judges into thinking
of human judges into thinking
129
381143
3738
que lleva a pensar a la mayoría
de los jueces humanos
de los jueces humanos
06:36
that it was written by a computer.
130
384905
1826
que fue escrito por una máquina.
06:39
Therefore, according to the logic
of the reverse Turing test,
of the reverse Turing test,
131
387176
4141
Por lo tanto, según la lógica
de la prueba de Turing inversa,
de la prueba de Turing inversa,
06:43
Gertrude Stein is a computer.
132
391341
1916
Gertrude Stein es una máquina.
06:45
(Laughter)
133
393281
1462
(Risas)
06:47
Feeling confused?
134
395358
1294
¿Están confundidos?
06:49
I think that's fair enough.
135
397193
1515
Pienso que es normal.
06:51
So far we've had humans
that write like humans,
that write like humans,
136
399546
4116
Hasta ahora tuvimos humanos
que escribían como humanos,
que escribían como humanos,
06:55
we have computers that write
like computers,
like computers,
137
403686
3111
tenemos máquinas que escriben
como máquinas,
como máquinas,
06:58
we have computers that write like humans,
138
406821
3055
tenemos máquinas que
escriben como humanos,
escriben como humanos,
07:01
but we also have,
perhaps most confusingly,
perhaps most confusingly,
139
409900
3632
pero también tenemos,
quizá lo que más confunde,
quizá lo que más confunde,
07:05
humans that write like computers.
140
413556
2375
humanos que escriben como máquinas.
07:08
So what do we take from all of this?
141
416938
1766
¿Qué aprendemos de todo esto?
07:11
Do we take that William Blake
is somehow more of a human
is somehow more of a human
142
419611
3157
¿Que William Blake en cierta forma es
más humano que Gertrude Stein?
más humano que 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
¿O que Gertrude Stein es
más autómata que William Blake?
más autómata que William Blake?
07:19
(Laughter)
145
427135
1552
(Risas)
07:20
These are questions
I've been asking myself
I've been asking myself
146
428711
2323
Son preguntas que me he hago
07:23
for around two years now,
147
431058
1465
desde hace dos años
07:24
and I don't have any answers.
148
432547
2309
y no tengo respuestas.
07:26
But what I do have are a bunch of insights
149
434880
2330
Pero tengo un montón de ideas
07:29
about our relationship with technology.
150
437234
2534
sobre nuestra relación con la tecnología.
07:32
So my first insight is that,
for some reason,
for some reason,
151
440999
3609
Mi primera idea es
que, por alguna razón,
que, por alguna razón,
07:36
we associate poetry with being human.
152
444632
3111
asociamos la poesía con el ser humano.
07:40
So that when we ask,
"Can a computer write poetry?"
"Can a computer write poetry?"
153
448197
3715
Por eso cuando nos preguntamos:
"¿Puede una máquina escribir poesía?"
"¿Puede una máquina escribir poesía?"
07:43
we're also asking,
154
451936
1193
también preguntamos:
07:45
"What does it mean to be human
155
453153
1798
"¿Qué significa ser humanos
07:46
and how do we put boundaries
around this category?
around this category?
156
454975
3172
y cómo circunscribimos esta categoría?
07:50
How do we say who or what
can be part of this category?"
can be part of this category?"
157
458171
3658
¿Cómo decidimos quién o qué puede
pertenecer a esta categoría?"
pertenecer a esta categoría?"
07:54
This is an essentially
philosophical question, I believe,
philosophical question, I believe,
158
462376
3351
Creo que es esencialmente
una cuestión filosófica,
una cuestión filosófica,
que no podemos solucionar
con una prueba binaria,
con una prueba binaria,
07:57
and it can't be answered
with a yes or no test,
with a yes or no test,
159
465751
2229
08:00
like the Turing test.
160
468004
1327
como la prueba de Turing.
08:01
I also believe that Alan Turing
understood this,
understood this,
161
469805
3045
Creo que Alan Turing
también entendió esto,
también entendió esto,
08:04
and that when he devised
his test back in 1950,
his test back in 1950,
162
472874
3305
y que cuando ideó su prueba
allá por los años 50,
allá por los años 50,
08:08
he was doing it
as a philosophical provocation.
as a philosophical provocation.
163
476203
2802
lo pensó como una provocación filosófica.
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
Mi segunda idea es que, si aplicamos
la prueba de Turing a la poesía,
la prueba de Turing a la poesía,
08:18
we're not really testing
the capacity of the computers
the capacity of the computers
165
486689
3460
en realidad no probamos
la capacidad de las máquinas
la capacidad de las máquinas
08:22
because poetry-generating algorithms,
166
490173
2893
porque los algoritmos generadores
de poesía son bastante simples
de poesía son bastante simples
08:25
they're pretty simple and have existed,
more or less, since the 1950s.
more or less, since the 1950s.
167
493090
4563
y han existido, más o menos,
desde los años 50.
desde los años 50.
08:31
What we are doing with the Turing
test for poetry, rather,
test for poetry, rather,
168
499055
3118
En cambio, lo que hacemos con
la prueba de Turing en la poesía
la prueba de Turing en la poesía
08:34
is collecting opinions about what
constitutes humanness.
constitutes humanness.
169
502197
4615
es recolectar opiniones sobre
el significado de lo humano.
el significado de lo humano.
08:40
So, what I've figured out,
170
508313
2729
Yo descubrí que,
08:43
we've seen this when earlier today,
171
511066
2972
lo hemos visto hoy más temprano,
08:46
we say that William Blake
is more of a human
is more of a human
172
514062
2478
decíamos que William Blake
es más humano
es más humano
que Gertrude Stein.
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
Claro, esto no significa
que William Blake
que William Blake
08:52
was actually more human
175
520639
1828
sea en realidad más humano
08:54
or that Gertrude Stein
was more of a computer.
was more of a computer.
176
522491
2327
ni que Gertrude Stein sea más autómata.
08:57
It simply means that the category
of the human is unstable.
of the human is unstable.
177
525533
4714
Significa simplemente que la categoría
de lo humano es inestable.
de lo humano es inestable.
09:03
This has led me to understand
178
531450
2074
Esto me ha llevado a comprender
09:05
that the human is not a cold, hard fact.
179
533548
2763
que lo humano no es
un hecho rígido, frío.
un hecho rígido, frío.
09:08
Rather, it is something
that's constructed with our opinions
that's constructed with our opinions
180
536832
3132
Más bien, es algo
construido con opiniones
construido con opiniones
09:11
and something that changes over time.
181
539988
2855
y algo que cambia con el tiempo.
09:16
So my final insight is that
the computer, more or less,
the computer, more or less,
182
544671
4479
Y mi última idea es que la máquina
funciona más o menos como un espejo
funciona más o menos como un espejo
09:21
works like a mirror
that reflects any idea of a human
that reflects any idea of a human
183
549174
4006
que refleja cualquier idea humana
que le mostramos.
que le mostramos.
09:25
that we show it.
184
553204
1375
09:26
We show it Emily Dickinson,
185
554958
1884
Le mostramos a Emily Dickinson
09:28
it gives Emily Dickinson back to us.
186
556866
2321
y nos devuelve Emily Dickinson.
09:31
We show it William Blake,
187
559768
1834
Le mostramos a William Blake
09:33
that's what it reflects back to us.
188
561626
2285
y eso es lo que emula.
09:35
We show it Gertrude Stein,
189
563935
1839
Le mostramos a Gertrude Stein
09:37
what we get back is Gertrude Stein.
190
565798
2470
y crea en base al estilo
de Gertrude Stein.
de Gertrude Stein.
09:41
More than any other bit of technology,
191
569083
2368
Más que cualquier otra tecnología,
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
la máquina es un espejo que refleja
una idea del humano que le mostramos.
una idea del humano que le mostramos.
09:50
So I'm sure a lot of you have been hearing
193
578061
2287
Estoy seguro de que muchos de Uds.
habrán oído mucho recientemente
habrán oído mucho recientemente
09:52
a lot about artificial
intelligence recently.
intelligence recently.
194
580372
2862
sobre la inteligencia artificial.
09:56
And much of the conversation is,
195
584694
2830
Y el centro de la conversación
10:00
can we build it?
196
588292
1189
es si podemos crearla.
10:02
Can we build an intelligent computer?
197
590383
3135
¿Podemos crear una máquina inteligente?
10:05
Can we build a creative computer?
198
593542
2763
¿Podemos crear una máquina creativa?
10:08
What we seem to be asking over and over
199
596329
2113
Parece que nos preguntamos sin cesar:
10:10
is can we build a human-like computer?
200
598466
2724
¿Podemos crear una máquina
semejante a un humano?
semejante a un humano?
10:13
But what we've seen just now
201
601961
1556
Pero hasta ahora hemos visto
10:15
is that the human
is not a scientific fact,
is not a scientific fact,
202
603541
3088
que lo humano no es un hecho científico,
10:18
that it's an ever-shifting,
concatenating idea
concatenating idea
203
606653
3530
sino una idea armoniosa
y siempre cambiante
y siempre cambiante
10:22
and one that changes over time.
204
610207
2531
que cambia con el tiempo.
10:24
So that when we begin
to grapple with the ideas
to grapple with the ideas
205
612762
3152
Cuando empecemos a debatir las ideas
10:27
of artificial intelligence in the future,
206
615938
2386
de una inteligencia artificial
en el futuro,
en el futuro,
10:30
we shouldn't only be asking ourselves,
207
618348
1905
no solo deberíamos preguntarnos:
10:32
"Can we build it?"
208
620277
1368
"¿Podemos construirla?"
10:33
But we should also be asking ourselves,
209
621669
1894
También deberíamos preguntarnos:
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
"¿Qué idea de lo humano desearíamos
ver reflejada en nosotros?"
ver reflejada en nosotros?"
10:39
This is an essentially philosophical idea,
211
627820
2693
Esta es una idea esencialmente filosófica
10:42
and it's one that can't be answered
with software alone,
with software alone,
212
630537
2997
que no puede responderse
solo con software,
solo con software,
10:45
but I think requires a moment
of species-wide, existential reflection.
of species-wide, existential reflection.
213
633558
4977
sino que requiere un momento de
reflexión existencial de la especie.
reflexión existencial de la especie.
10:51
Thank you.
214
639040
1153
Gracias.
10:52
(Applause)
215
640217
2695
(Aplausos)
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