TED@IBM
Raphael Arar: How we can teach computers to make sense of our emotions
رافائل آرار: چگونه می‌توانیم به کامپیوترها یاد دهیم تا احساسات ما را درک کنند
Filmed:
Readability: 4.3
1,255,602 views
چگونه می‌توانیم هوش مصنوعی بسازیم که انسان را دوست داشته باشد و با آن تعامل کند؟ رافائل آرار به ما پیشنهاد میکند که هنری بسازیم. او با ما تجربیاتش در مورد پروژه‌های تعاملی به اشتراک می‌گذارد که به هوش مصنوعی کمک میکند تا حس‌های پیچیده‌ای مانند نوستالژی، بینش و صحبت کردن را درک کند. همه کارهایی که برای هدف ساختن آینده‌ی فناوری ما که انسان و هوش مصنوعی نقش دارد.
Raphael Arar - Designer, researcher
IBM's Raphael Arar creates art and designs experiences that examine the complexities of our increasingly technocentric lives. Full bio
IBM's Raphael Arar creates art and designs experiences that examine the complexities of our increasingly technocentric lives. Full bio
Double-click the English transcript below to play the video.
00:13
I consider myself one part artist
and one part designer.
and one part designer.
0
1760
4680
من خودم را یک طراح و یک هنرمند می‌دانم.
00:18
And I work at an artificial
intelligence research lab.
intelligence research lab.
1
6480
3160
و در یک آزمایشگاه هوش مصنوعی کار می‌کنم.
00:22
We're trying to create technology
2
10720
1696
ما سعی براین داریم تا فناوری بسازیم
00:24
that you'll want to interact with
in the far future.
in the far future.
3
12440
3296
که بخواهید با آن در آینده دور تعامل کنید.
00:27
Not just six months from now,
but try years and decades from now.
but try years and decades from now.
4
15760
4640
نه شش ماه بعد، بلکه سالها و دهه‌ها بعد.
00:33
And we're taking a moonshot
5
21120
1616
و می‌خواهیم شق‌القمر کرده
00:34
that we'll want to be
interacting with computers
interacting with computers
6
22760
2456
و با کامپیوترها عامل به روشهای عمیق عاطفی
00:37
in deeply emotional ways.
7
25240
2120
در تعامل باشیم.
00:40
So in order to do that,
8
28280
1456
پس برای انجام دادن این کار
00:41
the technology has to be
just as much human as it is artificial.
just as much human as it is artificial.
9
29760
4480
فناوری باید به جای مصنوعی بودن
خیلی شبیه انسان‌ها باشد.
خیلی شبیه انسان‌ها باشد.
00:46
It has to get you.
10
34920
2256
باید آن جایگاه را بگیرد.
00:49
You know, like that inside joke
that'll have you and your best friend
that'll have you and your best friend
11
37200
3336
مثل آن لطیفه‌ای که فقط شما و
بهترین دوستتان می‌دانید
بهترین دوستتان می‌دانید
00:52
on the floor, cracking up.
12
40560
1936
و از شدت خنده روی زمین می‌افتید.
00:54
Or that look of disappointment
that you can just smell from miles away.
that you can just smell from miles away.
13
42520
4560
یا آن شکل نا امیدی که شما می‌توانید
آن را فقط از کیلومترها دور بفهمید.
آن را فقط از کیلومترها دور بفهمید.
01:00
I view art as the gateway to help us
bridge this gap between human and machine:
bridge this gap between human and machine:
14
48560
6040
هنر را دروازه‌ای دیدم که کمک به
بستن تا شکاف بین انسان و ماشین میکند.
بستن تا شکاف بین انسان و ماشین میکند.
01:07
to figure out what it means
to get each other
to get each other
15
55280
3136
برای فهمیدن اینکه این چیست،
و برای فهمیدن یکدیگر
و برای فهمیدن یکدیگر
01:10
so that we can train AI to get us.
16
58440
2760
می‌توانیم هوش مصنوعی را تربیت دهیم
تا ما را بفهمد.
تا ما را بفهمد.
01:13
See, to me, art is a way
to put tangible experiences
to put tangible experiences
17
61920
3816
توجه، برای من هنر تجربه‌ای قابل ملاحظه
01:17
to intangible ideas,
feelings and emotions.
feelings and emotions.
18
65760
3240
برای ایده‌های غیرمستقیم و احساسات است.
01:21
And I think it's one
of the most human things about us.
of the most human things about us.
19
69800
2600
و به نظرم یکی از مهم‌ترین
شاخصه‌های انسانی ما می‌باشد.
شاخصه‌های انسانی ما می‌باشد.
01:25
See, we're a complicated
and complex bunch.
and complex bunch.
20
73480
2936
پس ما یک گروه پیچیده و پیشرفته هستیم.
01:28
We have what feels like
an infinite range of emotions,
an infinite range of emotions,
21
76440
3136
ما چیزی را احساس می‌کنیم
که بی‌نهایت احساس دارد،
که بی‌نهایت احساس دارد،
01:31
and to top it off, we're all different.
22
79600
2496
و در آخر ما همه با هم فرق داریم.
01:34
We have different family backgrounds,
23
82120
2296
ما پس زمینه‌های مختلف خانوادگی داریم،
01:36
different experiences
and different psychologies.
and different psychologies.
24
84440
3080
تجربه‌ها و روح و روان‌های مختلف.
01:40
And this is what makes life
really interesting.
really interesting.
25
88240
2720
و این است که زندگی را جذاب میکند.
01:43
But this is also what makes
working on intelligent technology
working on intelligent technology
26
91440
3496
اما این چیزی است که فناوری هوشمند را
01:46
extremely difficult.
27
94960
1600
بسیار سخت میکند.
01:49
And right now, AI research, well,
28
97640
3456
و اکنون، تحقیق هوش مصنوعی، خب،
01:53
it's a bit lopsided on the tech side.
29
101120
2016
این کار کمی طرف فناوری هم هست.
01:55
And that makes a lot of sense.
30
103160
2136
و بسیار هم مفهومی است.
01:57
See, for every
qualitative thing about us --
qualitative thing about us --
31
105320
2456
خب، برای هر چیز کیفی درباره ما--
01:59
you know, those parts of us that are
emotional, dynamic and subjective --
emotional, dynamic and subjective --
32
107800
4456
آن قسمت‌هایی از ما که احساسی،
پویا و ذهنی هستند--
پویا و ذهنی هستند--
02:04
we have to convert it
to a quantitative metric:
to a quantitative metric:
33
112280
3136
باید آن‌ها را تبدیل به یکایی کیفی کنیم:
02:07
something that can be represented
with facts, figures and computer code.
with facts, figures and computer code.
34
115440
4360
چیزی که می‌تواند نماینده‌ای برای حقایق،
ارقام و کدهای کامپیوتری باشد.
ارقام و کدهای کامپیوتری باشد.
02:13
The issue is, there are
many qualitative things
many qualitative things
35
121000
3376
اما بحث اینجاست که چیزهای کیفی زیادی هستند
02:16
that we just can't put our finger on.
36
124400
1960
که نمی‌توانیم از آن‌ها بگذریم.
02:20
So, think about hearing
your favorite song for the first time.
your favorite song for the first time.
37
128400
3200
خب، به اولین باری که آهنگ مورد علاقه‌تان
را شنیده‌اید، فکر کنید.
را شنیده‌اید، فکر کنید.
02:25
What were you doing?
38
133200
1200
آن موقع چه کار می‌کردید؟
02:28
How did you feel?
39
136000
1200
چه احساسی داشتید؟
02:30
Did you get goosebumps?
40
138720
1360
آیا مو به تنتان سیخ شده؟
02:33
Or did you get fired up?
41
141240
1640
یا هیجان‌زده شدید؟
02:36
Hard to describe, right?
42
144400
1200
توضیحش سخت است، درسته؟
02:38
See, parts of us feel so simple,
43
146800
2096
خب، حس برای قسمت‌هایی از ما
خیلی ساده است،
خیلی ساده است،
02:40
but under the surface,
there's really a ton of complexity.
there's really a ton of complexity.
44
148920
3656
اما در اعماق، پیچیدگی‌های زیادی وجود دارد.
02:44
And translating
that complexity to machines
that complexity to machines
45
152600
2936
و ترجمه این پیچیدگی به ماشین‌ها
02:47
is what makes them modern-day moonshots.
46
155560
2856
چیزی است که اکنون آن‌ها را تبدیل
به فضاپیماهای به روز کرده.
به فضاپیماهای به روز کرده.
02:50
And I'm not convinced that we can
answer these deeper questions
answer these deeper questions
47
158440
4176
و من شما را متقاعد نمی‌کنم که
می‌خواهیم به این سوال‌های عمیق
می‌خواهیم به این سوال‌های عمیق
02:54
with just ones and zeros alone.
48
162640
1480
فقط با کدهای صفر و
یک جواب دهیم.
یک جواب دهیم.
02:57
So, in the lab, I've been creating art
49
165120
1936
خب، در آزمایشگاه، من هنری را
02:59
as a way to help me
design better experiences
design better experiences
50
167080
2456
برای کمک کردن به من، ساختم
تا تجربه‌های بهتری برای
تا تجربه‌های بهتری برای
03:01
for bleeding-edge technology.
51
169560
2096
برای عصر جدید تکنولوژی طراحی کردم.
03:03
And it's been serving as a catalyst
52
171680
1736
و مثل کاتالیزور برای بهینه‌سازی
03:05
to beef up the more human ways
that computers can relate to us.
that computers can relate to us.
53
173440
3840
راه‌های انسانی عمل میکند که کامپیوترها
بتوانند به ما مربوط شوند.
بتوانند به ما مربوط شوند.
03:10
Through art, we're tacking
some of the hardest questions,
some of the hardest questions,
54
178000
2696
از طریق هنر، دنبال سخت‌ترین سوالات هستیم،
03:12
like what does it really mean to feel?
55
180720
2360
مثل اینکه واقعا چه معنای احساسی دارد؟
03:16
Or how do we engage and know
how to be present with each other?
how to be present with each other?
56
184120
4080
یا چگونه سرگرم شویم و بدانیم که
چگونه با یکدیگر همکاری کنیم؟
چگونه با یکدیگر همکاری کنیم؟
03:20
And how does intuition
affect the way that we interact?
affect the way that we interact?
57
188800
4000
و چگونه بینش ما بر روی
تعامل ما اثر می‌گذارد؟
تعامل ما اثر می‌گذارد؟
03:26
So, take for example human emotion.
58
194440
2056
خب احساسات انسان‌ها را در نظر بگیرید.
03:28
Right now, computers can make sense
of our most basic ones,
of our most basic ones,
59
196520
3256
در حال حاضر کامپیوترها توانایی
درک احساسات ساده‌ی ما را دارند،
درک احساسات ساده‌ی ما را دارند،
03:31
like joy, sadness,
anger, fear and disgust,
anger, fear and disgust,
60
199800
3696
مثل شادی، ناراحتی، عصبانیت، ترس و نفرت،
03:35
by converting those
characteristics to math.
characteristics to math.
61
203520
3000
با تبدیل کردن آن مشخصه‌ها به کدها.
03:39
But what about the more complex emotions?
62
207400
2536
اما درباره احساسات پیچیده‌تر
چگونه عمل می‌کنند؟
چگونه عمل می‌کنند؟
03:41
You know, those emotions
63
209960
1216
می‌دانید آن احساساتی را
03:43
that we have a hard time
describing to each other?
describing to each other?
64
211200
2376
که ما وقتی داریم خیلی سخت است
تا آن را بروز دهیم
تا آن را بروز دهیم
03:45
Like nostalgia.
65
213600
1440
مثل نوستالژی.
03:47
So, to explore this, I created
a piece of art, an experience,
a piece of art, an experience,
66
215640
3936
خب، برای کشف کردن این کار،
من هنر و تجربه‌ای را طراحی کردم،
من هنر و تجربه‌ای را طراحی کردم،
03:51
that asked people to share a memory,
67
219600
2096
که از مردم می‌خواهد خاطره
به اشتراک بگذارند.
به اشتراک بگذارند.
03:53
and I teamed up with some data scientists
68
221720
2136
و من با یک سری متخصصان داده مشورت کردم
03:55
to figure out how to take
an emotion that's so highly subjective
an emotion that's so highly subjective
69
223880
3576
تا بفهمم که چگونه می‌توان یک احساس وابسته
به طرز تفکر شخص را فهمید
به طرز تفکر شخص را فهمید
03:59
and convert it into something
mathematically precise.
mathematically precise.
70
227480
3200
و آن را تبدیل به کدهای دقیق کرد.
04:03
So, we created what we call
a nostalgia score
a nostalgia score
71
231840
2136
خب، آن به اصطلاح امتیاز
نوستالژی را ساختیم
نوستالژی را ساختیم
04:06
and it's the heart of this installation.
72
234000
2216
و این کار، قلب این تاسیسات است.
04:08
To do that, the installation
asks you to share a story,
asks you to share a story,
73
236240
3056
برای انجامش، تاسیسات از شما می‌پرسد
تا داستانی را بگویید،
تا داستانی را بگویید،
04:11
the computer then analyzes it
for its simpler emotions,
for its simpler emotions,
74
239320
3256
کامپیوتر بعد از آن این احساس را برای
احساسات ساده‌تر آنالیز میکند،
احساسات ساده‌تر آنالیز میکند،
04:14
it checks for your tendency
to use past-tense wording
to use past-tense wording
75
242600
2656
گرایش‌تان در استفاده از عبارات
زمان گذشته را چک میکند
زمان گذشته را چک میکند
04:17
and also looks for words
that we tend to associate with nostalgia,
that we tend to associate with nostalgia,
76
245280
3336
و حتی کلماتی را جستجو میکند
که با نوستالژی همراه هستند.
که با نوستالژی همراه هستند.
04:20
like "home," "childhood" and "the past."
77
248640
3040
برای مثال خانه، دوران بچگی و گذشته
04:24
It then creates a nostalgia score
78
252760
2056
بعد از آن یک نمره نوستالژی می‌سازد
04:26
to indicate how nostalgic your story is.
79
254840
2736
تا نشان دهد که داستان شما
چقدر نوستالژیک است.
چقدر نوستالژیک است.
04:29
And that score is the driving force
behind these light-based sculptures
behind these light-based sculptures
80
257600
4136
و آن نمره نیروی پیشران پشت
این مجسمه‌های نور محور است
این مجسمه‌های نور محور است
04:33
that serve as physical embodiments
of your contribution.
of your contribution.
81
261760
3896
که مثل تجسم فیزیکی،
مشارکت شما خدمت میکند.
مشارکت شما خدمت میکند.
04:37
And the higher the score,
the rosier the hue.
the rosier the hue.
82
265680
3216
و نمره بالاتر، رنگ شفاف‌تر.
04:40
You know, like looking at the world
through rose-colored glasses.
through rose-colored glasses.
83
268920
3936
مثل نگاه کردن دنیا با عینک قرمز رنگ.
04:44
So, when you see your score
84
272880
2616
خب، وقتی به نمره‌تان
04:47
and the physical representation of it,
85
275520
2656
و به نمایش فیزیکی آن نگاه می‌کنید،
04:50
sometimes you'd agree
and sometimes you wouldn't.
and sometimes you wouldn't.
86
278200
2936
گاهی اوقات شما موافق یا مخالف آن هستید
04:53
It's as if it really understood
how that experience made you feel.
how that experience made you feel.
87
281160
3480
همانطور که فهمیدید که چگونه این
تجربه برای شما احساسی می‌سازد.
تجربه برای شما احساسی می‌سازد.
04:57
But other times it gets tripped up
88
285400
2216
اما هر وقت این شکست خورد
04:59
and has you thinking
it doesn't understand you at all.
it doesn't understand you at all.
89
287640
2560
و شما فکر کردید این هیچوقت
شما را درک نمی‌کند.
شما را درک نمی‌کند.
05:02
But the piece really serves to show
90
290680
1896
اما قطعه واقعا سعی میکند تا نشان دهد
05:04
that if we have a hard time explaining
the emotions that we have to each other,
the emotions that we have to each other,
91
292600
4056
که احساس کردن یکدیگر کار زمان‌بری است،
05:08
how can we teach a computer
to make sense of them?
to make sense of them?
92
296680
2360
چگونه می‌خواهیم به کامپیوتر
حس کردن را یاد بدهیم؟
حس کردن را یاد بدهیم؟
05:12
So, even the more objective parts
about being human are hard to describe.
about being human are hard to describe.
93
300360
3576
حتی قسمتهای واقع گرایانه درباره
انسان بودن توضیح‌شان سخت است.
انسان بودن توضیح‌شان سخت است.
05:15
Like, conversation.
94
303960
1240
مثل گفتگو.
05:17
Have you ever really tried
to break down the steps?
to break down the steps?
95
305880
2736
آیا تا به حال شده که اینقدر خسته باشید
تا از پا بیفتید؟
تا از پا بیفتید؟
05:20
So think about sitting
with your friend at a coffee shop
with your friend at a coffee shop
96
308640
2656
به کنار یک دوست بودن در کافی شاپ
05:23
and just having small talk.
97
311320
1320
و یک گپ کوتاه فکر کنید.
05:25
How do you know when to take a turn?
98
313160
1720
چطور می‌دانید چه زمانی
نوبت شماست؟
نوبت شماست؟
05:27
How do you know when to shift topics?
99
315440
1840
و چه زمانی باید موضوع را عوض کنید؟
05:29
And how do you even know
what topics to discuss?
what topics to discuss?
100
317960
2720
و حتی در مورد چه موضوعاتی باید بحث کنید؟
05:33
See, most of us
don't really think about it,
don't really think about it,
101
321560
2096
خب، بیشتر ما حتی به آن هم فکر نمی‌کنیم،
05:35
because it's almost second nature.
102
323680
1656
چون تقریبا به
عادت تبدیل شده.
عادت تبدیل شده.
05:37
And when we get to know someone,
we learn more about what makes them tick,
we learn more about what makes them tick,
103
325360
3496
و وقتی سعی می‌کنیم کسی را بشناسیم
میفهمیم چگونه باید با آن رفتار کنیم،
میفهمیم چگونه باید با آن رفتار کنیم،
05:40
and then we learn
what topics we can discuss.
what topics we can discuss.
104
328880
2376
و میفهمیم در مورد چه
موضوع‌هایی باید بحث کنیم.
موضوع‌هایی باید بحث کنیم.
05:43
But when it comes to teaching
AI systems how to interact with people,
AI systems how to interact with people,
105
331280
3656
وقتی یاد دادن به هوش
05:46
we have to teach them
step by step what to do.
step by step what to do.
106
334960
2856
باید پله به پله یادشان دهیم
که چه کار کنند
که چه کار کنند
05:49
And right now, it feels clunky.
107
337840
3496
اکنون این احساس دلربایی دارد.
05:53
If you've ever tried to talk
with Alexa, Siri or Google Assistant,
with Alexa, Siri or Google Assistant,
108
341360
4136
اگر تا به حال سعی کرده باشید با الکسا،
سیری یا دستیار گوگل حرف زده باشید،
سیری یا دستیار گوگل حرف زده باشید،
05:57
you can tell that it or they
can still sound cold.
can still sound cold.
109
345520
4200
می‌توانید بگویید که هنوز خشک هستند.
06:02
And have you ever gotten annoyed
110
350440
1656
آیا تا بحال ناراحت شده‌اید
06:04
when they didn't understand
what you were saying
what you were saying
111
352120
2256
وقتی که آن‌ها منظور شما را نمی‌فهمند
06:06
and you had to rephrase what you wanted
20 times just to play a song?
20 times just to play a song?
112
354400
3840
و شما باید از اول عبارتی را بگویید
تا فقط یک ترانه را پخش کند؟
تا فقط یک ترانه را پخش کند؟
06:11
Alright, to the credit of the designers,
realistic communication is really hard.
realistic communication is really hard.
113
359440
4896
خب، برای اعتبار طراحان ارتباط
واقع بینانه بسیار سخت است.
واقع بینانه بسیار سخت است.
06:16
And there's a whole branch of sociology,
114
364360
2136
و یک رشته مستقل از جامعه شناسی وجود دارد،
06:18
called conversation analysis,
115
366520
1936
به آن تجزیه و تحلیل گفتگو می‌گویند،
06:20
that tries to make blueprints
for different types of conversation.
for different types of conversation.
116
368480
3136
که سعی میکند تا طرح‌هایی را برای
گفتگوهای مختلف ارائه کند.
گفتگوهای مختلف ارائه کند.
06:23
Types like customer service
or counseling, teaching and others.
or counseling, teaching and others.
117
371640
4080
و این انواع شامل خدمات مشتری
یا مشاوره یا درس دادن می‌شود.
یا مشاوره یا درس دادن می‌شود.
06:28
I've been collaborating
with a conversation analyst at the lab
with a conversation analyst at the lab
118
376880
2936
من داشتم با یک تحلیل گر گفتگو در
آزمایشگاه همکاری میکردم
آزمایشگاه همکاری میکردم
06:31
to try to help our AI systems
hold more human-sounding conversations.
hold more human-sounding conversations.
119
379840
4696
تا به سیستم‌های هوش مصنوعیمان مکالمه‌های
انسانی بیشتری را تشخیص دهد
انسانی بیشتری را تشخیص دهد
06:36
This way, when you have an interaction
with a chatbot on your phone
with a chatbot on your phone
120
384560
3176
وقتی با دستیار صوتی موبایلتان یا سیستم
06:39
or a voice-based system in the car,
121
387760
1856
مبنی بر صدا در
ماشین‌تان تعامل می‌کنید.
ماشین‌تان تعامل می‌کنید.
06:41
it sounds a little more human
and less cold and disjointed.
and less cold and disjointed.
122
389640
3320
کمی احساس می‌کنید انسان است
یا کمی خشک و نچسب.
یا کمی خشک و نچسب.
06:46
So I created a piece of art
123
394360
1336
خب من یک هنر را طراحی کردم
06:47
that tries to highlight
the robotic, clunky interaction
the robotic, clunky interaction
124
395720
2816
که سعی میکند تعامل رباتیک
و دلربای خود را نشان دهد
و دلربای خود را نشان دهد
06:50
to help us understand, as designers,
125
398560
1976
به ما کمک کند تا بفهمیم، به عنوان طراحان،
06:52
why it doesn't sound human yet
and, well, what we can do about it.
and, well, what we can do about it.
126
400560
4576
چرا مثل انسان هنوز حرف نمی‌زنند
و چه کاری از دست ما ساخته است.
و چه کاری از دست ما ساخته است.
06:57
The piece is called Bot to Bot
127
405160
1456
این قطعه بات به بات نام دارد.
06:58
and it puts one conversational
system against another
system against another
128
406640
2936
که با یک ربات دیگر گفتگو میکند
07:01
and then exposes it to the general public.
129
409600
2536
و در معرض عموم قرار می‌گیرد.
07:04
And what ends up happening
is that you get something
is that you get something
130
412160
2496
و سرآخر آنچه اتفاق می‌افتد
این است که چیزی را دارید
این است که چیزی را دارید
07:06
that tries to mimic human conversation,
131
414680
1896
که سعی دارد از گفتگوی
انسان تقلید کند،
انسان تقلید کند،
07:08
but falls short.
132
416600
1896
اما ناموفق است.
07:10
Sometimes it works and sometimes
it gets into these, well,
it gets into these, well,
133
418520
2736
گاهی اوقات اتفاق می‌افتد
و گاهی اوقات دردسر دارد،
و گاهی اوقات دردسر دارد،
07:13
loops of misunderstanding.
134
421280
1536
خب کلی سو تفاهم
به وجود آمد.
به وجود آمد.
07:14
So even though the machine-to-machine
conversation can make sense,
conversation can make sense,
135
422840
3096
با اینکه صحبت کردن
ماشین به ماشین امکان دارد،
ماشین به ماشین امکان دارد،
07:17
grammatically and colloquially,
136
425960
2016
چه دستور زبانی یا گفتاری.
07:20
it can still end up
feeling cold and robotic.
feeling cold and robotic.
137
428000
3216
حتی هنوز می‌تواند حس خشک
و رباتیک بودن داشته باشد.
و رباتیک بودن داشته باشد.
07:23
And despite checking all the boxes,
the dialogue lacks soul
the dialogue lacks soul
138
431240
4016
جدا از همه امکاناتی که بررسی شد
این گفتگو روح ندارد
این گفتگو روح ندارد
07:27
and those one-off quirks
that make each of us who we are.
that make each of us who we are.
139
435280
3136
و این تغییرات ناگهانی هستند
که ما را می‌سازند.
که ما را می‌سازند.
07:30
So while it might be grammatically correct
140
438440
2056
خب وقتی شاید از نظر
دستور زبان درست باشد
دستور زبان درست باشد
07:32
and uses all the right
hashtags and emojis,
hashtags and emojis,
141
440520
2656
و بتواند درست‌ترین هشتگ‌ها
و ایموجی‌ها را استفاده کند،
و ایموجی‌ها را استفاده کند،
07:35
it can end up sounding mechanical
and, well, a little creepy.
and, well, a little creepy.
142
443200
4136
می‌تواند در نهایت مکانیکی و
کمی ترسناک به نظر برسد.
کمی ترسناک به نظر برسد.
07:39
And we call this the uncanny valley.
143
447360
2336
و ما آن را دره غیر طبیعی می‌نامیم
07:41
You know, that creepiness factor of tech
144
449720
1936
می‌دانید که فاکتور خشونت فناوری
07:43
where it's close to human
but just slightly off.
but just slightly off.
145
451680
2856
که به انسان نزدیک است اما خاموش است.
07:46
And the piece will start being
146
454560
1456
و دستگاه جوری
کار خواهد کرد
کار خواهد کرد
07:48
one way that we test
for the humanness of a conversation
for the humanness of a conversation
147
456040
3216
که ما مثل انسان بودن
را در یک گفتگو آزمایش می‌کنیم
را در یک گفتگو آزمایش می‌کنیم
07:51
and the parts that get
lost in translation.
lost in translation.
148
459280
2160
و بخش‌هایی که در ترجمه گم شده‌اند.
07:54
So there are other things
that get lost in translation, too,
that get lost in translation, too,
149
462560
2856
خب حتی چیزهایی هستند
که در ترجمه گم شده‌اند،
که در ترجمه گم شده‌اند،
07:57
like human intuition.
150
465440
1616
ماند بینش انسانی
07:59
Right now, computers
are gaining more autonomy.
are gaining more autonomy.
151
467080
2776
در حال حاضر کامپیوترها دارند
خود مختار می‌شوند.
خود مختار می‌شوند.
08:01
They can take care of things for us,
152
469880
1736
می‌توانند مواظب اشیا برای ما شوند،
08:03
like change the temperature
of our houses based on our preferences
of our houses based on our preferences
153
471640
3176
مثل عوض کردن دمای
خانه‌هایمان بر اساس اولویت و حتی
خانه‌هایمان بر اساس اولویت و حتی
08:06
and even help us drive on the freeway.
154
474840
2160
به ما در رانندگی در
آزاد راهها کمک کنند.
آزاد راهها کمک کنند.
08:09
But there are things
that you and I do in person
that you and I do in person
155
477560
2496
اما چیزهای خیلی زیادی
که من و شما انجام می‌دهیم
که من و شما انجام می‌دهیم
08:12
that are really difficult
to translate to AI.
to translate to AI.
156
480080
2760
که واقعا ترجمه کردن آن‌ها برای ه
وش مصنوعی سخت است.
وش مصنوعی سخت است.
08:15
So think about the last time
that you saw an old classmate or coworker.
that you saw an old classmate or coworker.
157
483440
4360
آخرین باری را که یک همکار یا
همکلاسی قدیمی را دیده‌اید به یاد آورید.
همکلاسی قدیمی را دیده‌اید به یاد آورید.
08:21
Did you give them a hug
or go in for a handshake?
or go in for a handshake?
158
489080
2480
آیا همدیگر را بغل کردید یا دست داده‌اید؟
08:24
You probably didn't think twice
159
492800
1496
شاید دو بار فکر به آن نکنید
08:26
because you've had so many
built up experiences
built up experiences
160
494320
2336
به خاطر اینکه تجربه‌های
ساخته شده‌ای را داشته‌اید
ساخته شده‌ای را داشته‌اید
08:28
that had you do one or the other.
161
496680
2000
که شما یک کار یا کار دیگری را انجام دهید.
08:31
And as an artist, I feel
that access to one's intuition,
that access to one's intuition,
162
499440
3456
و به عنوان یک هنرمند حس می‌کنم
دست یافتن به بینش یک نفر،
دست یافتن به بینش یک نفر،
08:34
your unconscious knowing,
163
502920
1416
دانسته‌های ناخودآگاه ما،
08:36
is what helps us create amazing things.
164
504360
3056
چیزهایی هستند که به ما کمک می‌کنند
چیزهای خارق‌العاده‌ای بسازیم.
چیزهای خارق‌العاده‌ای بسازیم.
08:39
Big ideas, from that abstract,
nonlinear place in our consciousness
nonlinear place in our consciousness
165
507440
4056
ایده‌های بزرگ، از آن خلاصه،
مکان‌های غیر خطی در خودآگاه ما
مکان‌های غیر خطی در خودآگاه ما
08:43
that is the culmination
of all of our experiences.
of all of our experiences.
166
511520
2960
که این نقطه اوج تجربه‌های ما است.
08:47
And if we want computers to relate to us
and help amplify our creative abilities,
and help amplify our creative abilities,
167
515840
4656
اگر بخواهیم کامپیوترها به ما ربط پیدا کرده
و به تقویت خلاقیت ما کمک کنند،
و به تقویت خلاقیت ما کمک کنند،
08:52
I feel that we'll need to start thinking
about how to make computers be intuitive.
about how to make computers be intuitive.
168
520520
3896
احساس می‌کنم که نیاز داریم
کامپیوترهایمان را درک کننده کنیم.
کامپیوترهایمان را درک کننده کنیم.
08:56
So I wanted to explore
how something like human intuition
how something like human intuition
169
524440
3096
خب می‌خواستم کاوش کنم که
چگونه هر چیزی مثل بینش انسان
چگونه هر چیزی مثل بینش انسان
08:59
could be directly translated
to artificial intelligence.
to artificial intelligence.
170
527560
3456
می‌تواند مستقیما به هوش
مصنوعی ترجمه شود.
مصنوعی ترجمه شود.
09:03
And I created a piece
that explores computer-based intuition
that explores computer-based intuition
171
531040
3216
و من چیزی را ساختم که بینش کامپیوتر محور،
در فضای فیزیکی
در فضای فیزیکی
09:06
in a physical space.
172
534280
1320
را کاوش میکند.
09:08
The piece is called Wayfinding,
173
536480
1696
این دستگاه مسیریاب نام دارد،
09:10
and it's set up as a symbolic compass
that has four kinetic sculptures.
that has four kinetic sculptures.
174
538200
3936
و این مانند یک قطب نمای
نمادین است که ۴ شئ متحرک دارد
نمادین است که ۴ شئ متحرک دارد
09:14
Each one represents a direction,
175
542160
2056
که هر کدام نشان دهنده یک جهت است،
09:16
north, east, south and west.
176
544240
2120
شمال، جنوب، شرق و غرب
09:19
And there are sensors set up
on the top of each sculpture
on the top of each sculpture
177
547080
2696
و بالای هر شئ سنسورهایی نصب شده
09:21
that capture how far away
you are from them.
you are from them.
178
549800
2256
که نشان می‌دهد چقدر شما
از آن‌ها دور هستید.
از آن‌ها دور هستید.
09:24
And the data that gets collected
179
552080
1816
و داده‌ای که گرفته می‌شود
09:25
ends up changing the way
that sculptures move
that sculptures move
180
553920
2136
و وقتی راه به پایان می‌رسد آن شئ
09:28
and the direction of the compass.
181
556080
2040
و جهت قطب نما عوض می‌شود.
09:31
The thing is, the piece doesn't work
like the automatic door sensor
like the automatic door sensor
182
559360
3656
و این سنسور مثل سنسور درب اتوماتیک نیست
09:35
that just opens
when you walk in front of it.
when you walk in front of it.
183
563040
2656
که فقط هنگامی جلوی آن هستید
در را باز میکند.
در را باز میکند.
09:37
See, your contribution is only a part
of its collection of lived experiences.
of its collection of lived experiences.
184
565720
5056
همکاری شما فقط یک بخش از این
مجموعه تجربه‌های زنده است
مجموعه تجربه‌های زنده است
09:42
And all of those experiences
affect the way that it moves.
affect the way that it moves.
185
570800
4056
و همه آن تجربه‌هایی که روی
حرکت آن تاثیر می‌گذارند.
حرکت آن تاثیر می‌گذارند.
09:46
So when you walk in front of it,
186
574880
1736
پس وقتی که شما جلوی آن قدم می‌زنید،
09:48
it starts to use all of the data
187
576640
1976
شروع به استفاده از
تمام داده‌هایی میکند
تمام داده‌هایی میکند
09:50
that it's captured
throughout its exhibition history --
throughout its exhibition history --
188
578640
2616
که این در سراسر تاریخ
نمایشگاهی‌اش گرفته شده است--
نمایشگاهی‌اش گرفته شده است--
09:53
or its intuition --
189
581280
1816
یا بینش آن--
09:55
to mechanically respond to you
based on what it's learned from others.
based on what it's learned from others.
190
583120
3560
تا به شما پاسخی مبنی بر چیزهایی
که از دیگران یاد گرفته است بدهد.
که از دیگران یاد گرفته است بدهد.
09:59
And what ends up happening
is that as participants
is that as participants
191
587480
2536
از چشم شرکت کنندگان چیزی
اتفاق افتاده است که
اتفاق افتاده است که
10:02
we start to learn the level
of detail that we need
of detail that we need
192
590040
2816
شروع کردیم تا یاد بگیریم رتبه
جزییات آن چه که نیاز داریم
جزییات آن چه که نیاز داریم
10:04
in order to manage expectations
193
592880
2016
به منظور مدیریت انتظارها
10:06
from both humans and machines.
194
594920
2776
هم از انسان‌ها و هم ماشین‌ها.
10:09
We can almost see our intuition
being played out on the computer,
being played out on the computer,
195
597720
3616
ما تقریبا می‌توانیم بینش خودمان را
که اکنون روی کامپیوتر است ببینیم،
که اکنون روی کامپیوتر است ببینیم،
10:13
picturing all of that data
being processed in our mind's eye.
being processed in our mind's eye.
196
601360
3600
به تصویر کشیده شدن تمام آن داده که
در چشم ذهن ما فراوری شده است.
در چشم ذهن ما فراوری شده است.
10:17
My hope is that this type of art
197
605560
1656
آرزوی من این نوع شکل از هنر است
10:19
will help us think differently
about intuition
about intuition
198
607240
2416
که در داشتن تفکری متفاوت درباره بینش و
10:21
and how to apply that to AI in the future.
199
609680
2280
و چگونگی کاربرد آن را درهوش
مصنوعی کمک میکند.
مصنوعی کمک میکند.
10:24
So these are just a few examples
of how I'm using art to feed into my work
of how I'm using art to feed into my work
200
612480
3936
این‌ها مثال‌هایی بودند که چگونه
از هنرم در مورد کارم استفاده می‌کنم،
از هنرم در مورد کارم استفاده می‌کنم،
10:28
as a designer and researcher
of artificial intelligence.
of artificial intelligence.
201
616440
3096
به عنوان یک طراح و محقق هوش مصنوعی.
10:31
And I see it as a crucial way
to move innovation forward.
to move innovation forward.
202
619560
3496
و من آن را برای پیشبرد نوآوری
به عنوان یک راه، بسیار مهم می‌بینم.
به عنوان یک راه، بسیار مهم می‌بینم.
10:35
Because right now, there are
a lot of extremes when it comes to AI.
a lot of extremes when it comes to AI.
203
623080
4376
بخاطر اینکه در حال حاضر افراط‌های
زیادی در زمینه هوش مصنوعی وجود دارد.
زیادی در زمینه هوش مصنوعی وجود دارد.
10:39
Popular movies show it
as this destructive force
as this destructive force
204
627480
2816
فیلم‌های معروف آن را به عنوان
یک نیروی مخرب نشان می‌دهند
یک نیروی مخرب نشان می‌دهند
10:42
while commercials
are showing it as a savior
are showing it as a savior
205
630320
3056
وقتی که تبلیغات هوش مصنوعی
را یک نجات دهنده
را یک نجات دهنده
10:45
to solve some of the world's
most complex problems.
most complex problems.
206
633400
2936
برای حل کردن مشکل‌ترین
مشکل‌های دنیا می‌دانند
مشکل‌های دنیا می‌دانند
10:48
But regardless of where you stand,
207
636360
2536
اما بدون در نظر گرفتن جایی که ایستادید
10:50
it's hard to deny
that we're living in a world
that we're living in a world
208
638920
2176
سخت است که انکار کنید
در جهانی زندگی می‌کنید
در جهانی زندگی می‌کنید
10:53
that's becoming more
and more digital by the second.
and more digital by the second.
209
641120
2576
که دارد هر ثانیه بیشتر دیجیتالی می‌شود.
10:55
Our lives revolve around our devices,
smart appliances and more.
smart appliances and more.
210
643720
4600
زندگی‌های ما حول ابزارها و لوازم خانگی
و دیگر چیزها می‌چرخد.
و دیگر چیزها می‌چرخد.
11:01
And I don't think
this will let up any time soon.
this will let up any time soon.
211
649400
2320
و فکر نمی‌کنم که بزودی از
آن کاسته شود.
آن کاسته شود.
11:04
So, I'm trying to embed
more humanness from the start.
more humanness from the start.
212
652400
3736
من سعی بر این دارم که از
ابتدا انسان بودن را بگنجانم.
ابتدا انسان بودن را بگنجانم.
11:08
And I have a hunch that bringing art
into an AI research process
into an AI research process
213
656160
5136
و این احساس را دارم که آوردن هنر
به پروسه هوش مصنوعی
به پروسه هوش مصنوعی
11:13
is a way to do just that.
214
661320
1896
راهی برای انجام آن است.
11:15
Thank you.
215
663240
1216
متشکرم.
11:16
(Applause)
216
664480
2280
(تشویق)
ABOUT THE SPEAKER
Raphael Arar - Designer, researcherIBM's Raphael Arar creates art and designs experiences that examine the complexities of our increasingly technocentric lives.
Why you should listen
While his artwork raises questions about our relationship with modernity and technology, Raphael Arar’s design work revolves around answering those questions in human-centered ways.
Currently a designer and researcher at IBM Research, Arar has been exploring ways to translate aspects of emotional intelligence into machine-readable format. Through this, he is passionately tackling ethical platforms of artificial intelligence. Inc. Magazine says he "epitomizes the style and multi-disciplinary skill set of the modern designer," and in 2017, he was listed as one of Forbes's "30 under 30 in Enterprise Technology."
Raphael Arar | Speaker | TED.com