TED2009
Golan Levin: Art that looks back at you
Golan Levin hace arte que vuelve a mirarte
Filmed:
Readability: 4
823,350 views
Golan Levin, un artista e ingeniero, utiliza herramientas modernas (robótica, software, investigación cognitiva) para hacer obras de arte que sorprenden y deleitan. Mira como las formas se vuelven sonidos, los cuerpos crean pinturas y un ojo curioso devuelve la mirada al espectador curioso.
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
¡Hola! Mi nombre es Golan Levin
00:15
I'm an artist and an engineer,
1
3000
2000
Soy artista e ingeniero
00:17
which is, increasingly, a more common kind of hybrid.
2
5000
2000
lo cual está siendo una especie de híbrido cada vez más común
00:19
But I still fall into this weird crack
3
7000
3000
Pero todavía caigo en este rompimiento extraño
00:22
where people don't seem to understand me.
4
10000
2000
donde la gente no parece entenderme.
00:24
And I was looking around and I found this wonderful picture.
5
12000
4000
Y estaba mirando y encontré esta foto maravillosa.
00:28
It's a letter from "Artforum" in 1967
6
16000
3000
Es una carta de “Artforum” de 1967
00:31
saying "We can't imagine ever doing a special issue
7
19000
3000
que dice “No podemos imaginar incluso en hacer un número especial
00:34
on electronics or computers in art." And they still haven't.
8
22000
3000
sobre electrónica o computadores en arte”. Y todavía no lo han hecho.
00:37
And lest you think that you all, as the digerati, are more enlightened,
9
25000
5000
y no sea que piensen que todos, como los digerati, son más iluminados.
00:42
I went to the Apple iPhone app store the other day.
10
30000
3000
El otro día fui a la tienda de aplicaciones para iPhone de Apple.
00:45
Where's art? I got productivity. I got sports.
11
33000
4000
¿Dónde está el arte? Hay productividad. Hay deportes.
00:49
And somehow the idea that one would want to make art for the iPhone,
12
37000
4000
Y de algún modo la idea de que uno quiera hacer arte para el iPhone,
00:53
which my friends and I are doing now,
13
41000
2000
que es lo que mis amigos y yo estamos haciendo ahora,
00:55
is still not reflected in our understanding
14
43000
3000
aún no se refleja en nuestro entendimiento
00:58
of what computers are for.
15
46000
2000
de para qué son los computadores.
01:00
So, from both directions, there is kind of, I think, a lack of understanding
16
48000
2000
Así que, desde los dos puntos, existe algo así como, creo, una falta de comprensión
01:02
about what it could mean to be an artist who uses the materials
17
50000
2000
acerca de lo que podría significar ser un artista o una artista que
01:04
of his own day, or her own day,
18
52000
2000
utiliza los materiales de su propio día,
01:06
which I think artists are obliged to do,
19
54000
2000
Lo que creo que los artistas están obligados a hacer,
01:08
is to really explore the expressive potential of the new tools that we have.
20
56000
4000
es explorar realmente el potencial expresivo de las nuevas herramientas que tenemos.
01:12
In my own case, I'm an artist,
21
60000
2000
En mi caso propio, soy un artista,
01:14
and I'm really interested in
22
62000
2000
y estoy realmente interesado en
01:16
expanding the vocabulary of human action,
23
64000
2000
expandir el vocabulario de la acción humana,
01:18
and basically empowering people through interactivity.
24
66000
3000
y básicamente dar poder a la gente a través de la interactividad.
01:21
I want people to discover themselves as actors,
25
69000
3000
Quiero que las personas se descubran a sí mismas como actores,
01:24
as creative actors, by having interactive experiences.
26
72000
4000
como actores creativos, mediante experiencias interactivas.
01:28
A lot of my work is about trying to get away from this.
27
76000
3000
Mucho de mi trabajo se trata de salir de esto.
01:31
This a photograph of the desktop of a student of mine.
28
79000
2000
Ésta es una fotografía del escritorio de uno de mis estudiantes.
01:33
And when I say desktop, I don't just mean
29
81000
2000
Y cuando digo escritorio, no sólo significa
01:35
the actual desk where his mouse has worn away the surface of the desk.
30
83000
3000
la mesa desde donde su ratón ha desgastado la superficie del escritorio.
01:38
If you look carefully, you can even see
31
86000
2000
Si mira cuidadosamente, incluso puede ver
01:40
a hint of the Apple menu, up here in the upper left,
32
88000
3000
una pista del menú de Apple, arriba en la parte superior izquierda,
01:43
where the virtual world has literally
33
91000
2000
en donde el mundo virtual literalmente
01:45
punched through to the physical.
34
93000
2000
ha traspasado al físico.
01:47
So this is, as Joy Mountford once said,
35
95000
4000
Entonces esto es, como dijo una vez Jon Mountford
01:51
"The mouse is probably the narrowest straw
36
99000
2000
“el ratón es probablemente el pitillo más estrecho
01:53
you could try to suck all of human expression through."
37
101000
2000
a través del cual puedes succionar toda la expresión humana”.
01:55
(Laughter)
38
103000
3000
(Risas)
01:58
And the thing I'm really trying to do is enabling people to have more rich
39
106000
3000
Y lo que estoy tratando de hacer realmente, es permitir que la gente tenga más
02:01
kinds of interactive experiences.
40
109000
2000
tipos de experiencias interactivas ricas.
02:03
How can we get away from the mouse and use our full bodies
41
111000
2000
Cómo podemos alejarnos del ratón y utilizar todo nuestro cuerpo
02:05
as a way of exploring aesthetic experiences,
42
113000
3000
como una forma de explorar experiencias estéticas
02:08
not necessarily utilitarian ones.
43
116000
2000
no necesariamente utilitarias.
02:10
So I write software. And that's how I do it.
44
118000
3000
Entonces escribo software. Y así es cómo lo hago.
02:13
And a lot of my experiences
45
121000
2000
Y muchas de mis experiencias
02:15
resemble mirrors in some way.
46
123000
2000
se asemejan a espejos de algún modo.
02:17
Because this is, in some sense, the first way,
47
125000
2000
Porque esto es, de alguna forma, el primer modo,
02:19
that people discover their own potential as actors,
48
127000
2000
en el que las personas descubren su propio potencial como actores
02:21
and discover their own agency.
49
129000
2000
y descubren su propia capacidad.
02:23
By saying "Who is that person in the mirror? Oh it's actually me."
50
131000
3000
Diciendo: "¿quién es esa persona en el espejo? oh, en realidad soy yo".
02:26
And so, to give an example,
51
134000
2000
Y así, para dar un ejemplo,
02:28
this is a project from last year,
52
136000
2000
este es un proyecto del año pasado.
02:30
which is called the Interstitial Fragment Processor.
53
138000
2000
Que se llama Procesador de Fragmentos Intersticiales.
02:32
And it allows people to explore the negative shapes that they create
54
140000
4000
Y permite que las personas exploren las formas negativas que crean
02:36
when they're just going about their everyday business.
55
144000
3000
cuando realizan simplemente sus asuntos cotidianos.
02:53
So as people make shapes with their hands or their heads
56
161000
2000
Así como la gente hace formas con sus manos o con sus cabezas
02:55
and so forth, or with each other,
57
163000
2000
y sucesivamente, o con otros,
02:57
these shapes literally produce sounds and drop out of thin air --
58
165000
3000
estas formas literalmente producen sonidos y una salida de aire ligero.
03:00
basically taking what's often this, kind of, unseen space,
59
168000
4000
Básicamente tomando, lo que es frecuentemente, este tipo de espacio invisible
03:04
or this undetected space, and making it something real,
60
172000
3000
o no detectado, y haciéndolo real,
03:07
that people then can appreciate and become creative with.
61
175000
3000
las personas lo pueden notar y se pueden volver creativas con él.
03:10
So again, people discover their creative agency in this way.
62
178000
3000
Así que, nuevamente, las personas descubren su capacidad creativa de esta manera.
03:13
And their own personalities come out
63
181000
2000
Y sus propias personalidades salen a flote
03:15
in totally unique ways.
64
183000
3000
de formas totalmente únicas.
03:18
So in addition to using full-body input,
65
186000
3000
Entonces además de utilizar todo el cuerpo como entrada,
03:21
something that I've explored now, for a while,
66
189000
2000
algo que he explorado desde hace un tiempo
03:23
has been the use of the voice,
67
191000
2000
ha sido el uso de la voz.
03:25
which is an immensely expressive system for us, vocalizing.
68
193000
4000
Lo que es un sistema inmensamente expresivo para nosotros, vocalizar.
03:29
Song is one of our oldest ways
69
197000
2000
La canción es una de las formas más viejas
03:31
of making ourselves heard and understood.
70
199000
3000
de hacernos escuchar y entender.
03:34
And I came across this fantastic research by Wolfgang Köhler,
71
202000
2000
Y entonces me crucé con esta fantástica investigación de Wolfgang Köhler,
03:36
the so-called father of gestalt psychology, from 1927,
72
204000
4000
el llamado padre de la psicología gestalt, desde 1927,
03:40
who submitted to an audience like yourselves
73
208000
2000
que envió a una audiencia como ustedes
03:42
the following two shapes.
74
210000
2000
las siguientes dos formas.
03:44
And he said one of them is called Maluma.
75
212000
2000
Y dijo que una de ellas se llama Maluma.
03:46
And one of them is called Taketa. Which is which?
76
214000
2000
y la otra se llama Taketa. ¿Cuál es cuál?
03:48
Anyone want to hazard a guess?
77
216000
4000
¿Alguien se arriesga a responder?
03:52
Maluma is on top. Yeah. So.
78
220000
2000
Maluma está arriba. Sí. Entonces.
03:54
As he says here, most people answer without any hesitation.
79
222000
3000
Como el dice aquí, la mayoría de la gente responde sin vacilar.
03:57
So what we're really seeing here is a phenomenon
80
225000
2000
Así que lo que estamos viendo aquí en realidad es un fenómeno
03:59
called phonaesthesia,
81
227000
2000
llamado fonestesia
04:01
which is a kind of synesthesia that all of you have.
82
229000
2000
que es un tipo de sinestesia que todos ustedes tienen.
04:03
And so, whereas Dr. Oliver Sacks has talked about
83
231000
2000
Y entonces, mientras que el Dr. Oliver Sacks ha hablado acerca
04:05
how perhaps one person in a million
84
233000
2000
de cómo, quizás una persona en un millón
04:07
actually has true synesthesia,
85
235000
2000
realmente tiene sinestesia,
04:09
where they hear colors or taste shapes, and things like this,
86
237000
2000
y escuchan colores o prueban formas, y cosas como éstas
04:11
phonaesthesia is something we can all experience to some extent.
87
239000
2000
la fonestesia es algo que todos podemos experimentar hasta cierto punto.
04:13
It's about mappings between different perceptual domains,
88
241000
3000
Se trata de mapeos entre ciertos dominios perceptuales,
04:16
like hardness, sharpness, brightness and darkness,
89
244000
3000
como dureza, nitidez, brillo y oscuridad,
04:19
and the phonemes that we're able to speak with.
90
247000
2000
y los fonemas con lo que podemos hablar.
04:21
So 70 years on, there's been some research where
91
249000
2000
Así que en 70 años, ha habido alguna investigación en la que
04:23
cognitive psychologists have actually sussed out
92
251000
2000
los psicólogos cognitivos han dilucidado en realidad
04:25
the extent to which, you know,
93
253000
2000
el punto al cual, uno sabe
04:27
L, M and B are more associated with shapes that look like this,
94
255000
4000
que L, M y B están asociados con formas que lucen así,
04:31
and P, T and K are perhaps more associated with shapes like this.
95
259000
4000
y P, T y K están quizá más asociadas con formas que lucen así.
04:35
And here we suddenly begin to have a mapping between curvature
96
263000
2000
y aquí de repente empezamos a tener un mapeo entre la curvatura
04:37
that we can exploit numerically,
97
265000
2000
que podemos explotar numéricamente,
04:39
a relative mapping between curvature and shape.
98
267000
3000
un mapeo relativo entre curvatura y [discurso].
04:42
So it occurred to me, what happens if we could run these backwards?
99
270000
3000
Entonces se me ocurrió, ¿qué pasaría si pudiéramos hacerlo al revés?
04:45
And thus was born the project called Remark,
100
273000
2000
y entonces nació el proyecto llamado Remark.
04:47
which is a collaboration with Zachary Lieberman
101
275000
2000
que es una colaboración con Zachary Lieberman
04:49
and the Ars Electronica Futurelab.
102
277000
2000
y Ars Electronica Futurelab.
04:51
And this is an interactive installation which presents
103
279000
2000
y ésta es una instalación interactiva que presenta
04:53
the fiction that speech casts visible shadows.
104
281000
2000
la ficción de que el discurso arroja sombras invisibles.
04:55
So the idea is you step into a kind of a magic light.
105
283000
3000
Así que la idea es que usted entre en una especie de luz mágica
04:58
And as you do, you see the shadows of your own speech.
106
286000
3000
y mientras lo hace, vea las sombras de su propio discurso.
05:01
And they sort of fly away, out of your head.
107
289000
2000
y como que vuelan, fuera de su cabeza.
05:03
If a computer speech recognition system
108
291000
3000
Si un sistema de reconocimiento computarizado
05:06
is able to recognize what you're saying, then it spells it out.
109
294000
4000
puede reconocer lo que está diciendo, entonces lo pronuncia.
05:10
And if it isn't then it produces a shape which is very phonaesthetically
110
298000
2000
Y si no, produce una forma que es muy fonestésica
05:12
tightly coupled to the sounds you made.
111
300000
2000
muy acoplada a los sonidos que usted hace.
05:14
So let's bring up a video of that.
112
302000
3000
Entonces veamos un video de eso.
06:03
(Applause)
113
351000
2000
(Aplausos)
06:05
Thanks. So. And this project here,
114
353000
3000
Gracias. Entonces, en este proyecto
06:08
I was working with the great abstract vocalist, Jaap Blonk.
115
356000
3000
estaba trabajando con el gran vocalista abstracto, Jaap Blonk.
06:11
And he is a world expert in performing "The Ursonate,"
116
359000
3000
Y él es un experto mundial interpretando "La Ursonata"
06:14
which is a half-an-hour nonsense poem
117
362000
2000
que es un poema sin sentido de media hora
06:16
by Kurt Schwitters, written in the 1920s,
118
364000
2000
de Kurt Schwitters, escrito en los años 20.
06:18
which is half an hour of very highly patterned nonsense.
119
366000
4000
Que es media hora de un sinsentido con un patrón.
06:22
And it's almost impossible to perform.
120
370000
2000
y es casi imposible de interpretar.
06:24
But Jaap is one of the world experts in performing it.
121
372000
3000
Pero Japp es uno de los expertos mundiales en interpretarlo.
06:27
And in this project we've developed
122
375000
2000
y en este proyecto desarrollamos
06:29
a form of intelligent real-time subtitles.
123
377000
3000
una forma de subtítulos inteligentes en tiempo real.
06:32
So these are our live subtitles,
124
380000
3000
Entonces esos son nuestros subtítulos en vivo,
06:35
that are being produced by a computer that knows the text of "The Ursonate" --
125
383000
3000
que están siendo producidos por un computador que sabe el texto de "La Ursonata",
06:38
fortunately Jaap does too, very well --
126
386000
3000
afortunadamente Japp también, muy bien.
06:41
and it is delivering that text at the same time as Jaap is.
127
389000
5000
Y está llevando el texto al mismo tiempo que Jaap.
06:53
So all the text you're going to see
128
401000
2000
Así que todo el texto que van a ver
06:55
is real-time generated by the computer,
129
403000
2000
está generado en tiempo real por la computadora.
06:57
visualizing what he's doing with his voice.
130
405000
3000
visualizando lo que él hace con su voz.
08:10
Here you can see the set-up where there is a screen with the subtitles behind him.
131
478000
3000
Aquí uno puede ver el montaje en donde hay una pantalla con subtítulos detrás de él.
08:34
Okay. So ...
132
502000
2000
Ok, entonces...
08:36
(Applause)
133
504000
5000
(Aplausos)
08:41
The full videos are online if you are interested.
134
509000
2000
Todos los videos están en línea si están interesados.
08:43
I got a split reaction to that during the live performance,
135
511000
2000
Tengo una reacción dividida a eso durante la interpretación en vivo.
08:45
because there is some people who understand
136
513000
2000
Porque hay algunas personas que entenderían
08:47
live subtitles are a kind of an oxymoron,
137
515000
2000
los subtítulos en vivo como una especie de oxímoron.
08:49
because usually there is someone making them afterwards.
138
517000
3000
Porque usualmente hay alguien haciéndolos después.
08:52
And then a bunch of people who were like, "What's the big deal?
139
520000
3000
Y luego un grupo de gente que estaba como "¿cuál es el punto?
08:55
I see subtitles all the time on television."
140
523000
2000
Veo subtítulos todo el tiempo en televisión".
08:57
You know? They don't imagine the person in the booth, typing it all.
141
525000
3000
¿Saben? Ellos no se imaginan la persona en la cabina, escribiendo todo.
09:00
So in addition to the full body, and in addition to the voice,
142
528000
3000
Entonces, adicional a todo el cuerpo, y adicional a la voz,
09:03
another thing that I've been really interested in,
143
531000
2000
otra cosa en la que me he interesado mucho,
09:05
most recently, is the use of the eyes,
144
533000
2000
más recientemente, es el uso de ojos,
09:07
or the gaze, in terms of how people relate to each other.
145
535000
4000
o la mirada fija, en términos de cómo la gente se relaciona entre sí.
09:11
It's a really profound amount of nonverbal information
146
539000
2000
Es una cantidad realmente profunda de información no verbal
09:13
that's communicated with the eyes.
147
541000
2000
que se comunica con los ojos.
09:15
And it's one of the most interesting technical challenges
148
543000
2000
Y es uno de los restos técnicos más interesantes
09:17
that's very currently active in the computer sciences:
149
545000
2000
que está recientemente muy activa en la ciencia de computadores.
09:19
being able to have a camera that can understand,
150
547000
2000
Ser capaz de tener una cámara que puede entender
09:21
from a fairly big distance away,
151
549000
2000
desde una distancia bastante lejana,
09:23
how these little tiny balls are actually pointing in one way or another
152
551000
3000
cómo esas pequeñas bolas están actualmente dirigiéndose de uno u otro modo,
09:26
to reveal what you're interested in,
153
554000
2000
para revelar en que está interesado,
09:28
and where your attention is directed.
154
556000
2000
y hacia dónde se dirige su atención.
09:30
So there is a lot of emotional communication that happens there.
155
558000
3000
Entonces está ocurriendo allí mucha comunicación emocional.
09:33
And so I've been beginning, with a variety of different projects,
156
561000
4000
Y he empezado una variedad de proyectos diferentes
09:37
to understand how people can relate to machines with their eyes.
157
565000
3000
para entender cómo la gente se puede relacionar con las máquinas con los ojos.
09:40
And basically to ask the questions:
158
568000
3000
Y básicamente para hacer las preguntas,
09:43
What if art was aware that we were looking at it?
159
571000
5000
¿Qué tal si el arte supiera que lo estamos observando?
09:48
How could it respond, in a way,
160
576000
2000
¿Cómo respondería, de algún modo,
09:50
to acknowledge or subvert the fact that we're looking at it?
161
578000
3000
reconocer o revertir el hecho de que lo estamos mirando?
09:53
And what could it do if it could look back at us?
162
581000
3000
¿Y qué tal si nos pudiera observar de vuelta?
09:56
And so those are the questions that are happening in the next projects.
163
584000
2000
Esas son las preguntas que están surgiendo en los próximos proyectos.
09:58
In the first one which I'm going to show you, called Eyecode,
164
586000
3000
El primero, que les voy a mostrar, llamado "Eyecode",
10:01
it's a piece of interactive software
165
589000
2000
es una pieza de software interactivo
10:03
in which, if we read this little circle,
166
591000
2000
en la que, si leemos este pequeño círculo,
10:05
"the trace left by the looking of the previous observer
167
593000
3000
"la señal que deja al mirar al observador previo
10:08
looks at the trace left by the looking of previous observer."
168
596000
3000
mira a la señal que deja mirar al observador previo".
10:11
The idea is that it's an image wholly constructed
169
599000
2000
La idea es que es una imagen completamente construida
10:13
from its own history of being viewed
170
601000
2000
de su propia historia de ser vista
10:15
by different people in an installation.
171
603000
2000
por diferentes personas en una instalación.
10:17
So let me just switch over so we can do the live demo.
172
605000
5000
Déjenme cambiar para que podamos ver la demostración en vivo.
10:22
So let's run this and see if it works.
173
610000
4000
Corramos esto y veamos si funciona.
10:26
Okay. Ah, there is lots of nice bright video.
174
614000
3000
Ok, Ah, hay mucho de buen video.
10:29
There is just a little test screen that shows that it's working.
175
617000
2000
Hay tan sólo una pruebita a la pantalla que muestra que está funcionando.
10:31
And what I'm just going to do is -- I'm going to hide that.
176
619000
2000
Y lo que voy a hacer ahora es esconder eso.
10:33
And you can see here that what it's doing
177
621000
2000
Y pueden ver aquí lo que está haciendo
10:35
is it's recording my eyes every time I blink.
178
623000
3000
Está grabando mis ojos cada vez que parpadeo.
10:44
Hello? And I can ... hello ... okay.
179
632000
4000
Hola? Y puedo... hola...ok.
10:48
And no matter where I am, what's really going on here
180
636000
2000
Y no importa dónde esté, lo que está ocurriendo aquí en verdad
10:50
is that it's an eye-tracking system that tries to locate my eyes.
181
638000
3000
es que es un sistema rastreador de ojos que trata de localizar mis ojos.
10:53
And if I get really far away I'm blurry.
182
641000
2000
Y si estoy muy lejos, soy borroso
10:55
You know, you're going to have these kind of blurry spots like this
183
643000
2000
Saben, van a tener este tipo de manchas borrosas
10:57
that maybe only resemble eyes in a very very abstract way.
184
645000
3000
que quizá sólo se parecen a ojos de una forma muy, muy abstracta
11:00
But if I come up really close and stare directly at the camera
185
648000
3000
Pero si me acerco mucho y miro directamente a la cámara
11:03
on this laptop then you'll see these nice crisp eyes.
186
651000
2000
en este portátil, entonces verán estos dulces ojos frescos.
11:05
You can think of it as a way of, sort of, typing, with your eyes.
187
653000
4000
Pueden pensar en esto como una forma de, como, escribir, con los ojos.
11:09
And what you're typing are recordings of your eyes
188
657000
2000
Y lo que están escribiendo son registros de sus ojos
11:11
as you're looking at other peoples' eyes.
189
659000
2000
mientras ven a los ojos de otros.
11:13
So each person is looking at the looking
190
661000
3000
Así cada persona está mirando la mirada
11:16
of everyone else before them.
191
664000
2000
de alguien más antes de ellos.
11:18
And this exists in larger installations
192
666000
2000
y existe en instalaciones más grandes
11:20
where there are thousands and thousands of eyes
193
668000
2000
en donde hay miles y miles de ojos
11:22
that people could be staring at,
194
670000
2000
a los que la gente puede estar mirando.
11:24
as you see who's looking at the people looking
195
672000
2000
mientras ven quién está mirando a la gente mirando
11:26
at the people looking before them.
196
674000
2000
a la gente mirando antes de ellos.
11:28
So I'll just add a couple more. Blink. Blink.
197
676000
3000
Agregaré un par más. Parpadeo. Parpadeo.
11:31
And you can see, just once again, how it's sort of finding my eyes
198
679000
3000
Y pueden ver, una vez más, cómo está como tratando de encontrar mis ojos
11:34
and doing its best to estimate when it's blinking.
199
682000
3000
y haciendo lo mejor para estimar cuando están parpadeando.
11:37
Alright. Let's leave that.
200
685000
2000
Bueno. Dejémoslo ahí.
11:39
So that's this kind of recursive observation system.
201
687000
3000
Es como un tipo de observación recursiva.
11:42
(Applause)
202
690000
2000
(Aplausos)
11:44
Thank you.
203
692000
2000
Gracias.
11:46
The last couple pieces I'm going to show
204
694000
2000
El último par de piezas que voy a mostrar
11:48
are basically in the new realm of robotics -- for me, new for me.
205
696000
2000
está básicamente en el nuevo reino de la robótica, para mí, nuevo para mí.
11:50
It's called Opto-Isolator.
206
698000
2000
Se llama el opto-aislante.
11:52
And I'm going to show a video of the older version of it,
207
700000
3000
Y voy a mostrar un video de la versión más antigua.
11:55
which is just a minute long. Okay.
208
703000
2000
que sólo es de un minuto. Ok.
12:06
In this case, the Opto-Isolator is blinking
209
714000
2000
En este caso, el opto-aislante está parpadeando
12:08
in response to one's own blinks.
210
716000
2000
en respuesta a los parpadeos de uno mismo.
12:10
So it blinks one second after you do.
211
718000
3000
Entonces parpadea un segundo después de que uno lo hace.
12:13
This is a device which is intended to reduce
212
721000
3000
Es un dispositivo que busca reducir
12:16
the phenomenon of gaze down to the simplest possible materials.
213
724000
3000
el fenómeno de mirar profundo a los materiales más sencillos posibles.
12:19
Just one eye,
214
727000
2000
Sólo un ojo,
12:21
looking at you, and eliminating everything else about a face,
215
729000
2000
mirándolo, y eliminando todo lo demás de una cara.
12:23
but just to consider gaze in an isolated way
216
731000
3000
Pero para considerar la mirada fija de forma aislada
12:26
as a kind of, as an element.
217
734000
3000
como una especie de elemento.
12:29
And at the same time, it attempts to engage in what you might call
218
737000
3000
Y al mismo tiempo, intenta involucrarse en lo que podrían llamar
12:32
familiar psycho-social gaze behaviors.
219
740000
2000
comportamientos familiares de mirada psicosocial.
12:34
Like looking away if you look at it too long
220
742000
2000
Como mirar a lo lejos si lo miran mucho
12:36
because it gets shy,
221
744000
2000
porque se pone tímido.
12:38
or things like that.
222
746000
3000
O cosas así.
12:41
Okay. So the last project I'm going to show
223
749000
3000
Ok. El último proyecto que voy a mostrar
12:44
is this new one called Snout.
224
752000
3000
es este nuevo llamado Hocico.
12:47
(Laughter)
225
755000
2000
(Risas)
12:49
It's an eight-foot snout,
226
757000
2000
Es un hocico de 2,5 metros,
12:51
with a googly eye.
227
759000
2000
con un ojo falso.
12:53
(Laughter)
228
761000
1000
(Risas)
12:54
And inside it's got an 800-pound robot arm
229
762000
3000
Y dentro tiene un robot de 360 kilos
12:57
that I borrowed,
230
765000
2000
que conseguí prestado,
12:59
(Laughter)
231
767000
1000
(Risas)
13:00
from a friend.
232
768000
2000
de un amigo.
13:02
(Laughter)
233
770000
1000
(Risas)
13:03
It helps to have good friends.
234
771000
2000
Ayuda tener buenos amigos.
13:05
I'm at Carnegie Mellon; we've got a great Robotics Institute there.
235
773000
3000
Estoy en Carnegie Mellon. Tenemos un gran Instituto de Robótica allí.
13:08
I'd like to show you thing called Snout, which is --
236
776000
2000
Me gustaría mostrarles la cosa llamada Hocico, que es...
13:10
The idea behind this project is to
237
778000
2000
La idea detrás del proyecto es
13:12
make a robot that appears as if it's continually surprised to see you.
238
780000
4000
hacer un robot que parezca continuamente sorprendido de verlos.
13:16
(Laughter)
239
784000
4000
(Risas)
13:20
The idea is that basically --
240
788000
2000
La idea es que básicamente...
13:22
if it's constantly like "Huh? ... Huh?"
241
790000
2000
si está constantemente como "¿Ehh? ... ¿Ehh?"
13:24
That's why its other name is Doubletaker, Taker of Doubles.
242
792000
4000
Por eso el otro nombre es "Doubletaker", tomador de dobles.
13:28
It's always kind of doing a double take: "What?"
243
796000
2000
Siempre está haciendo una toma doble: "¿Qué?"
13:30
And the idea is basically, can it look at you
244
798000
2000
Y la idea es básicamente, los puede mirar
13:32
and make you feel as if like,
245
800000
2000
y hacerlos sentir como si,
13:34
"What? Is it my shoes?"
246
802000
2000
"¿Qué? ¿son mis zapatos?
13:36
"Got something on my hair?" Here we go. Alright.
247
804000
3000
"¿tengo algo en el pelo?" Aquí vamos. Bien.
14:10
Checking him out ...
248
838000
2000
Mirándolo...
14:20
For you nerds, here's a little behind-the-scenes.
249
848000
2000
Para ustedes nerds, aquí un poco detrás de escenas,
14:22
It's got a computer vision system,
250
850000
2000
Tiene un sistema de visión computarizada
14:24
and it tries to look at the people who are moving around the most.
251
852000
3000
y trata de mirar a la gente que se mueve más.
14:39
Those are its targets.
252
867000
2000
Ésos son sus blancos.
14:42
Up there is the skeleton,
253
870000
2000
Arriba está el esqueleto,
14:44
which is actually what it's trying to do.
254
872000
3000
que es en realidad lo que está tratando de hacer.
14:54
It's really about trying to create a novel body language for a new creature.
255
882000
3000
Se trata en verdad de crear un nuevo lenguaje corporal para una nueva criatura.
14:57
Hollywood does this all the time, of course.
256
885000
2000
Hollywood lo hace todo el tiempo, por supuesto.
14:59
But also have the body language communicate something
257
887000
2000
Pero también el lenguaje corporal comunica algo
15:01
to the person who is looking at it.
258
889000
2000
a la persona que lo está mirando.
15:03
This language is communicating that it is surprised to see you,
259
891000
2000
Este lenguaje está comunicando que está sorprendido de verlos,
15:05
and it's interested in looking at you.
260
893000
3000
y está interesado en verlos.
15:08
(Laughter)
261
896000
2000
(Risas)
15:10
(Applause)
262
898000
9000
(Aplausos)
15:19
Thank you very much. That's all I've got for today.
263
907000
2000
Muchas gracias. Eso es todo lo que tengo para hoy.
15:21
And I'm really happy to be here. Thank you so much.
264
909000
3000
Y estoy muy feliz de estar aquí. Muchas gracias.
15:24
(Applause)
265
912000
3000
(Aplausos)
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