TED2009
Golan Levin: Art that looks back at you
Golan Levin crée l'Art qui vous renvoie votre regard.
Filmed:
Readability: 4
823,350 views
Golan Levin, artiste et ingénieur, utilise des outils modernes - robotique, logiciels, recherche cognitive - pour créer des œuvres d'art qui surprennent et émerveillent. Découvrez comment les sons deviennent formes, comment nos corps peuvent peindre, et comment un œil curieux renvoie son regard à un spectateur tout aussi intrigué.
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
Bonjour ! Je m'appelle Golan Levin.
00:15
I'm an artist and an engineer,
1
3000
2000
Je suis un artiste et un ingénieur.
00:17
which is, increasingly, a more common kind of hybrid.
2
5000
2000
Une espèce d'hybride de plus en plus répandue.
00:19
But I still fall into this weird crack
3
7000
3000
Mais je tombe toujours dans cette catégorie un peu bizarre
00:22
where people don't seem to understand me.
4
10000
2000
que les gens ne semblent pas comprendre.
00:24
And I was looking around and I found this wonderful picture.
5
12000
4000
En cherchant j'ai trouvé ce merveilleux document.
00:28
It's a letter from "Artforum" in 1967
6
16000
3000
C'est une lettre de l'Artforum de 1967
00:31
saying "We can't imagine ever doing a special issue
7
19000
3000
qui dit "Nous ne prévoyons pas de consacrer un sujet spécifique
00:34
on electronics or computers in art." And they still haven't.
8
22000
3000
à l'électronique et aux ordinateurs dans l'art." Et ils ne l'ont toujours pas fait.
00:37
And lest you think that you all, as the digerati, are more enlightened,
9
25000
5000
Et si vous pensiez que vous, les digerati, êtes plus éclairés à ce sujet,
00:42
I went to the Apple iPhone app store the other day.
10
30000
3000
j'ai visité l'Apple iPhone app store l'autre jour.
00:45
Where's art? I got productivity. I got sports.
11
33000
4000
Où se cache l'art ? J'y vois la productivité. J'y vois les sports.
00:49
And somehow the idea that one would want to make art for the iPhone,
12
37000
4000
Et étonnamment l'idée que quelqu'un veuille faire de l'art pour l'iPhone,
00:53
which my friends and I are doing now,
13
41000
2000
ce que mes amis et moi faisons en ce moment,
00:55
is still not reflected in our understanding
14
43000
3000
ne trouve aucun écho dans notre perception
00:58
of what computers are for.
15
46000
2000
des possibilités offertes par les ordinateurs.
01:00
So, from both directions, there is kind of, I think, a lack of understanding
16
48000
2000
Donc, des deux côtés, je pense qu'il y a de l'incompréhension
01:02
about what it could mean to be an artist who uses the materials
17
50000
2000
au sujet de ce que signifierait être un artiste qui utilise les matériaux
01:04
of his own day, or her own day,
18
52000
2000
d'aujourd'hui.
01:06
which I think artists are obliged to do,
19
54000
2000
A mes yeux, les artistes sont obligés
01:08
is to really explore the expressive potential of the new tools that we have.
20
56000
4000
d'explorer tout le potentiel expressif des nouveaux outils que nous possédons.
01:12
In my own case, I'm an artist,
21
60000
2000
Dans mon propre cas, je suis un artiste,
01:14
and I'm really interested in
22
62000
2000
et je m'intéresse vraiment
01:16
expanding the vocabulary of human action,
23
64000
2000
à étendre le vocabulaire de l'action humaine,
01:18
and basically empowering people through interactivity.
24
66000
3000
et donner le pouvoir aux gens grâce à l'interactivité.
01:21
I want people to discover themselves as actors,
25
69000
3000
Je veux que les gens se découvrent en tant qu'acteurs,
01:24
as creative actors, by having interactive experiences.
26
72000
4000
des acteurs créatifs, via des expériences interactives.
01:28
A lot of my work is about trying to get away from this.
27
76000
3000
Mon travail consiste surtout à s'éloigner de ça.
01:31
This a photograph of the desktop of a student of mine.
28
79000
2000
Voici la photo du bureau d'un de mes étudiants.
01:33
And when I say desktop, I don't just mean
29
81000
2000
Et quand je dis bureau, je ne parle pas seulement
01:35
the actual desk where his mouse has worn away the surface of the desk.
30
83000
3000
de la table de travail où sa souris a poli le bois.
01:38
If you look carefully, you can even see
31
86000
2000
Si vous regardez attentivement, vous pouvez même deviner
01:40
a hint of the Apple menu, up here in the upper left,
32
88000
3000
le menu Apple, ici dans le coin en haut à gauche,
01:43
where the virtual world has literally
33
91000
2000
où le monde virtuel s'est littéralement
01:45
punched through to the physical.
34
93000
2000
enfoncé dans le monde réel.
01:47
So this is, as Joy Mountford once said,
35
95000
4000
Voici une illustration de ce que disait Joy Mountford,
01:51
"The mouse is probably the narrowest straw
36
99000
2000
La souris est probablement la paille la plus étroite
01:53
you could try to suck all of human expression through."
37
101000
2000
par laquelle vous pourriez aspirer l'expression humaine."
01:55
(Laughter)
38
103000
3000
(Rires)
01:58
And the thing I'm really trying to do is enabling people to have more rich
39
106000
3000
J'essaye vraiment de permettre aux gens d'avoir des expériences
02:01
kinds of interactive experiences.
40
109000
2000
interactives plus enrichissantes.
02:03
How can we get away from the mouse and use our full bodies
41
111000
2000
Comment pouvons-nous nous éloigner de la souris et utiliser notre corps tout entier
02:05
as a way of exploring aesthetic experiences,
42
113000
3000
comme une source d'expériences esthétiques,
02:08
not necessarily utilitarian ones.
43
116000
2000
pas forcément utilitaires?
02:10
So I write software. And that's how I do it.
44
118000
3000
Je crée donc des programmes en partant de ce principe.
02:13
And a lot of my experiences
45
121000
2000
La plupart de mes expériences
02:15
resemble mirrors in some way.
46
123000
2000
correspondent plus ou moins à des miroirs.
02:17
Because this is, in some sense, the first way,
47
125000
2000
Parce qu'il s'agit, d'une certaine manière, de la première façon
02:19
that people discover their own potential as actors,
48
127000
2000
dont les gens découvrent leur potentiel en tant qu'acteurs,
02:21
and discover their own agency.
49
129000
2000
et découvrent aussi leur propre rôle.
02:23
By saying "Who is that person in the mirror? Oh it's actually me."
50
131000
3000
En disant "Qui est cette personne dans le miroir ? Oh en fait c'est moi."
02:26
And so, to give an example,
51
134000
2000
Pour vous donner un exemple,
02:28
this is a project from last year,
52
136000
2000
voici un projet réalisé l'an dernier.
02:30
which is called the Interstitial Fragment Processor.
53
138000
2000
Il s'appelle le "Processeur de Fragments Interstitiels".
02:32
And it allows people to explore the negative shapes that they create
54
140000
4000
Il permet aux gens d'explorer les formes négatives qu'ils créent
02:36
when they're just going about their everyday business.
55
144000
3000
lorsqu'ils vaquent à leurs occupations quotidiennes.
02:53
So as people make shapes with their hands or their heads
56
161000
2000
Au moment où les gens créent des formes avec leurs mains ou leur tête
02:55
and so forth, or with each other,
57
163000
2000
et ainsi de suite, ou les uns avec les autres,
02:57
these shapes literally produce sounds and drop out of thin air --
58
165000
3000
ces formes produisent des sons et s'évanouissent.
03:00
basically taking what's often this, kind of, unseen space,
59
168000
4000
Il s'agit d'utiliser cette sorte d'espace qu'on ne voit pas,
03:04
or this undetected space, and making it something real,
60
172000
3000
ou qu'on ne perçoit pas, et d'en faire un objet réel,
03:07
that people then can appreciate and become creative with.
61
175000
3000
que les gens appréhendent et avec lequel ils créent.
03:10
So again, people discover their creative agency in this way.
62
178000
3000
Une fois de plus, les gens découvrent leur rôle créatif de cette manière.
03:13
And their own personalities come out
63
181000
2000
Et leur personnalité s'exprime
03:15
in totally unique ways.
64
183000
3000
de façons complètement uniques.
03:18
So in addition to using full-body input,
65
186000
3000
En plus de l'utilisation du corps tout entier,
03:21
something that I've explored now, for a while,
66
189000
2000
je me suis penché depuis quelque temps
03:23
has been the use of the voice,
67
191000
2000
sur l'utilisation de la voix.
03:25
which is an immensely expressive system for us, vocalizing.
68
193000
4000
Parler est un système énormément expressif pour nous.
03:29
Song is one of our oldest ways
69
197000
2000
Chanter est une des façons les plus anciennes
03:31
of making ourselves heard and understood.
70
199000
3000
que nous ayons pour nous faire entendre et comprendre.
03:34
And I came across this fantastic research by Wolfgang Köhler,
71
202000
2000
Je suis tombé sur cette fantastique recherche menée par Wolfgang Köhler,
03:36
the so-called father of gestalt psychology, from 1927,
72
204000
4000
le prétendu père de la psychologie de la forme, datant de 1927,
03:40
who submitted to an audience like yourselves
73
208000
2000
qui a soumis à un public comme vous
03:42
the following two shapes.
74
210000
2000
les deux dessins suivants.
03:44
And he said one of them is called Maluma.
75
212000
2000
Il leur a dit que l'un des deux s'intitulait "Maluma".
03:46
And one of them is called Taketa. Which is which?
76
214000
2000
Et l'autre "Taketa". Qui est qui ?
03:48
Anyone want to hazard a guess?
77
216000
4000
Quelqu'un veut essayer de deviner ?
03:52
Maluma is on top. Yeah. So.
78
220000
2000
Maluma est celui du haut. Oui.
03:54
As he says here, most people answer without any hesitation.
79
222000
3000
Comme il le dit alors, la plupart des gens répondent sans hésiter.
03:57
So what we're really seeing here is a phenomenon
80
225000
2000
Ce phénomène auquel nous assistons
03:59
called phonaesthesia,
81
227000
2000
s'appelle la phonesthésie.
04:01
which is a kind of synesthesia that all of you have.
82
229000
2000
C'est un genre de synesthésie que nous possédons tous.
04:03
And so, whereas Dr. Oliver Sacks has talked about
83
231000
2000
Le Dr Oliver Sacks estime
04:05
how perhaps one person in a million
84
233000
2000
que peut-être une personne sur un million
04:07
actually has true synesthesia,
85
235000
2000
est un vrai synesthète,
04:09
where they hear colors or taste shapes, and things like this,
86
237000
2000
qui entend les couleurs ou goûte les formes, et ainsi de suite.
04:11
phonaesthesia is something we can all experience to some extent.
87
239000
2000
La phonesthésie est une expérience que nous pouvons tous avoir.
04:13
It's about mappings between different perceptual domains,
88
241000
3000
Il s'agit de relier différents domaines de perception,
04:16
like hardness, sharpness, brightness and darkness,
89
244000
3000
comme la dureté, la finesse, la luminosité ou l'obscurité,
04:19
and the phonemes that we're able to speak with.
90
247000
2000
et les phonèmes que nous utilisons pour parler.
04:21
So 70 years on, there's been some research where
91
249000
2000
Il y a 70 ans, des recherches ont été faites
04:23
cognitive psychologists have actually sussed out
92
251000
2000
par des psychologues cognitifs qui ont fini
04:25
the extent to which, you know,
93
253000
2000
par découvrir à quel point
04:27
L, M and B are more associated with shapes that look like this,
94
255000
4000
L, M et B sont associées à des formes comme celles-ci.
04:31
and P, T and K are perhaps more associated with shapes like this.
95
259000
4000
Et P, T et K à celles-là.
04:35
And here we suddenly begin to have a mapping between curvature
96
263000
2000
Ici on commence à à avoir un lien entre des courbes
04:37
that we can exploit numerically,
97
265000
2000
que l'on peut exploiter numériquement,
04:39
a relative mapping between curvature and shape.
98
267000
3000
un lien entre des courbes et des formes.
04:42
So it occurred to me, what happens if we could run these backwards?
99
270000
3000
Je me suis donc demandé ce qui arriverait si on procédait à l'envers ?
04:45
And thus was born the project called Remark,
100
273000
2000
Le projet Remark était né.
04:47
which is a collaboration with Zachary Lieberman
101
275000
2000
C'est une collaboration entre Zachary Lieberman
04:49
and the Ars Electronica Futurelab.
102
277000
2000
et le Futurelab d'Ars Electronica.
04:51
And this is an interactive installation which presents
103
279000
2000
Voici une installation interactive qui représente
04:53
the fiction that speech casts visible shadows.
104
281000
2000
le concept que le langage projette des ombres visibles.
04:55
So the idea is you step into a kind of a magic light.
105
283000
3000
L'idée est que vous êtes placés dans une sorte de lumière magique,
04:58
And as you do, you see the shadows of your own speech.
106
286000
3000
où vous pouvez voir les ombres de vos propres paroles.
05:01
And they sort of fly away, out of your head.
107
289000
2000
On dirait qu'elles s'envolent depuis votre bouche.
05:03
If a computer speech recognition system
108
291000
3000
Si le système de reconnaissance vocale
05:06
is able to recognize what you're saying, then it spells it out.
109
294000
4000
parvient à reconnaître ce que vous dites, alors il l'épelle.
05:10
And if it isn't then it produces a shape which is very phonaesthetically
110
298000
2000
Si ce n'est pas le cas, une forme phonesthésique est produite
05:12
tightly coupled to the sounds you made.
111
300000
2000
intimement liée aux sons que vous émettez.
05:14
So let's bring up a video of that.
112
302000
3000
En voici une démonstration.
06:03
(Applause)
113
351000
2000
(Applaudissements)
06:05
Thanks. So. And this project here,
114
353000
3000
Merci. Pour cet autre projet,
06:08
I was working with the great abstract vocalist, Jaap Blonk.
115
356000
3000
j'ai travaillé avec le grand chanteur abstrait, Jaap Blonk.
06:11
And he is a world expert in performing "The Ursonate,"
116
359000
3000
C'est un expert mondial dans l'interprétation de "l'Ursonate",
06:14
which is a half-an-hour nonsense poem
117
362000
2000
qui consiste en une demi-heure d'absurdités poétiques
06:16
by Kurt Schwitters, written in the 1920s,
118
364000
2000
écrite par Kurt Schwitters dans les années 20.
06:18
which is half an hour of very highly patterned nonsense.
119
366000
4000
C'est une demi-heure d'absurdités extrêmement schématisées.
06:22
And it's almost impossible to perform.
120
370000
2000
C'est presque impossible à interpréter.
06:24
But Jaap is one of the world experts in performing it.
121
372000
3000
Mais Jaap est l'un des experts mondiaux de son interprétation.
06:27
And in this project we've developed
122
375000
2000
Dans ce projet nous avons développé
06:29
a form of intelligent real-time subtitles.
123
377000
3000
une forme de sous-titrage intelligent en temps réel.
06:32
So these are our live subtitles,
124
380000
3000
Voici nos sous-titres en direct,
06:35
that are being produced by a computer that knows the text of "The Ursonate" --
125
383000
3000
produits par un ordinateur qui connaît le texte de "l'Ursonate",
06:38
fortunately Jaap does too, very well --
126
386000
3000
et heureusement Jaap le connaît tout aussi bien.
06:41
and it is delivering that text at the same time as Jaap is.
127
389000
5000
L'ordinateur transmet le texte en même temps que Jaap.
06:53
So all the text you're going to see
128
401000
2000
Donc tous les textes que vous allez voir
06:55
is real-time generated by the computer,
129
403000
2000
sont générés par l'ordinateur en temps réel,
06:57
visualizing what he's doing with his voice.
130
405000
3000
visualisant ce qu'il fait avec sa voix.
08:10
Here you can see the set-up where there is a screen with the subtitles behind him.
131
478000
3000
Vous pouvez voir derrière lui l'installation avec un écran et les sous-titres.
08:34
Okay. So ...
132
502000
2000
Ok. Voilà...
08:36
(Applause)
133
504000
5000
(Applaudissements)
08:41
The full videos are online if you are interested.
134
509000
2000
Les vidéos complètes sont en ligne si cela vous intéresse.
08:43
I got a split reaction to that during the live performance,
135
511000
2000
J'ai reçu une réaction mitigée lors de ce spectacle en direct.
08:45
because there is some people who understand
136
513000
2000
Parce qu'il y a des personnes qui comprennent que
08:47
live subtitles are a kind of an oxymoron,
137
515000
2000
le sous-titrage en direct est une espèce d'oxymore.
08:49
because usually there is someone making them afterwards.
138
517000
3000
Parce que normalement, les sous-titres sont réalisés après l'événement.
08:52
And then a bunch of people who were like, "What's the big deal?
139
520000
3000
Il y avait quelques personnes qui s'écriaient "C'est tout?
08:55
I see subtitles all the time on television."
140
523000
2000
Je vois des sous-titres tout le temps à la télévision."
08:57
You know? They don't imagine the person in the booth, typing it all.
141
525000
3000
Ils ne pensent pas à la personne dans sa cabine qui les tape.
09:00
So in addition to the full body, and in addition to the voice,
142
528000
3000
Et, en plus du corps ou de la voix,
09:03
another thing that I've been really interested in,
143
531000
2000
je me suis beaucoup intéressé récemment
09:05
most recently, is the use of the eyes,
144
533000
2000
à l'utilisation des yeux,
09:07
or the gaze, in terms of how people relate to each other.
145
535000
4000
ou du regard, dans la manière qu'ont les gens de communiquer.
09:11
It's a really profound amount of nonverbal information
146
539000
2000
C'est une quantité considérable d'informations non verbales
09:13
that's communicated with the eyes.
147
541000
2000
que nous transmettons avec nos yeux.
09:15
And it's one of the most interesting technical challenges
148
543000
2000
C'est l'un des challenges techniques les plus intéressants
09:17
that's very currently active in the computer sciences:
149
545000
2000
sur lequel se penchent les sciences informatiques.
09:19
being able to have a camera that can understand,
150
547000
2000
Être capable de fabriquer une caméra qui peut comprendre
09:21
from a fairly big distance away,
151
549000
2000
à une distance assez éloignée,
09:23
how these little tiny balls are actually pointing in one way or another
152
551000
3000
comment ces petits globes se comportent,
09:26
to reveal what you're interested in,
153
554000
2000
pour révéler ce à quoi vous vous intéressez,
09:28
and where your attention is directed.
154
556000
2000
et ce vers quoi votre attention est dirigée.
09:30
So there is a lot of emotional communication that happens there.
155
558000
3000
Une masse importante de communication émotionnelle se produit de cette manière.
09:33
And so I've been beginning, with a variety of different projects,
156
561000
4000
J'ai commencé, via différents projets,
09:37
to understand how people can relate to machines with their eyes.
157
565000
3000
à comprendre comment les gens pouvaient parler aux machines avec leurs yeux.
09:40
And basically to ask the questions:
158
568000
3000
Je posais en fait les questions suivantes :
09:43
What if art was aware that we were looking at it?
159
571000
5000
Que se passerait-il si l'art était conscient que nous le regardons ?
09:48
How could it respond, in a way,
160
576000
2000
Comment pourrait-il réagir,
09:50
to acknowledge or subvert the fact that we're looking at it?
161
578000
3000
pour rendre compte du fait que nous le regardons ?
09:53
And what could it do if it could look back at us?
162
581000
3000
Et que pourrait-il faire s'il nous renvoyait notre regard ?
09:56
And so those are the questions that are happening in the next projects.
163
584000
2000
Voici les questions auxquelles nous avons répondu dans les projets suivants.
09:58
In the first one which I'm going to show you, called Eyecode,
164
586000
3000
Dans le premier, que je vais vous montrer, intitulé Eyecode,
10:01
it's a piece of interactive software
165
589000
2000
il s'agit d'un logiciel interactif
10:03
in which, if we read this little circle,
166
591000
2000
dans lequel, si nous lisons ce petit cercle,
10:05
"the trace left by the looking of the previous observer
167
593000
3000
la trace laissée par le regard du spectateur précédent
10:08
looks at the trace left by the looking of previous observer."
168
596000
3000
regarde la trace laissée par le regard du spectateur précédent.
10:11
The idea is that it's an image wholly constructed
169
599000
2000
C'est une image construite entièrement
10:13
from its own history of being viewed
170
601000
2000
par tous les précédents regards
10:15
by different people in an installation.
171
603000
2000
de différentes personnes dans une installation.
10:17
So let me just switch over so we can do the live demo.
172
605000
5000
Permettez-moi de faire une petite manipulation pour voir la démonstration.
10:22
So let's run this and see if it works.
173
610000
4000
Voyons si ça marche.
10:26
Okay. Ah, there is lots of nice bright video.
174
614000
3000
Ok. Ah, quelle jolie vidéo...
10:29
There is just a little test screen that shows that it's working.
175
617000
2000
C'est juste un petit test pour voir si ça fonctionne.
10:31
And what I'm just going to do is -- I'm going to hide that.
176
619000
2000
Et je vais juste cacher ça
10:33
And you can see here that what it's doing
177
621000
2000
pour que vous puissiez voir ce qui se passe :
10:35
is it's recording my eyes every time I blink.
178
623000
3000
le programme m'enregistre à chaque fois que je cligne des yeux.
10:44
Hello? And I can ... hello ... okay.
179
632000
4000
Coucou ? Et je peux... coucou... Ok.
10:48
And no matter where I am, what's really going on here
180
636000
2000
Quel que soit l'endroit où je me trouve, le système
10:50
is that it's an eye-tracking system that tries to locate my eyes.
181
638000
3000
essaye de localiser mes yeux.
10:53
And if I get really far away I'm blurry.
182
641000
2000
Si je m'éloigne, je deviens flou.
10:55
You know, you're going to have these kind of blurry spots like this
183
643000
2000
Vous allez obtenir ces taches floues comme celle-ci
10:57
that maybe only resemble eyes in a very very abstract way.
184
645000
3000
qui ne ressemblent à des yeux que d'un point de vue très, très abstrait.
11:00
But if I come up really close and stare directly at the camera
185
648000
3000
Mais si je me rapproche et que je fixe directement la caméra
11:03
on this laptop then you'll see these nice crisp eyes.
186
651000
2000
sur ce portable, alors vous obtenez ces petits yeux craquants.
11:05
You can think of it as a way of, sort of, typing, with your eyes.
187
653000
4000
Vous pouvez considérer ça comme un moyen de taper au clavier avec vos yeux.
11:09
And what you're typing are recordings of your eyes
188
657000
2000
Ce que vous tapez sont les enregistrements de vos yeux
11:11
as you're looking at other peoples' eyes.
189
659000
2000
tandis que vous fixez les yeux d'autres personnes.
11:13
So each person is looking at the looking
190
661000
3000
Donc chaque personne regarde le regard
11:16
of everyone else before them.
191
664000
2000
de tous ceux qui ont regardé avant elle.
11:18
And this exists in larger installations
192
666000
2000
On a reproduit ce schéma dans des installations plus grandes
11:20
where there are thousands and thousands of eyes
193
668000
2000
où il y a des milliers et des milliers d'yeux
11:22
that people could be staring at,
194
670000
2000
que les gens peuvent fixer,
11:24
as you see who's looking at the people looking
195
672000
2000
et vous pouvez voir qui regarde les gens regardant
11:26
at the people looking before them.
196
674000
2000
les gens qui ont regardé avant eux.
11:28
So I'll just add a couple more. Blink. Blink.
197
676000
3000
Je vais juste en rajouter deux ou trois. Clic. Clic.
11:31
And you can see, just once again, how it's sort of finding my eyes
198
679000
3000
Vous pouvez voir, une fois de plus, que l'ordinateur trouve mes yeux
11:34
and doing its best to estimate when it's blinking.
199
682000
3000
et fait de son mieux pour prévoir quand je vais ciller.
11:37
Alright. Let's leave that.
200
685000
2000
Très bien. Arrêtons là.
11:39
So that's this kind of recursive observation system.
201
687000
3000
Voilà un genre de système d'observation répétée indéfiniment.
11:42
(Applause)
202
690000
2000
(Applaudissements)
11:44
Thank you.
203
692000
2000
Merci.
11:46
The last couple pieces I'm going to show
204
694000
2000
Les œuvres que je vais vous montrer pour finir
11:48
are basically in the new realm of robotics -- for me, new for me.
205
696000
2000
viennent du monde nouveau de la robotique, ou nouveau pour moi du moins.
11:50
It's called Opto-Isolator.
206
698000
2000
Ça appelle l'Opto-Isolator.
11:52
And I'm going to show a video of the older version of it,
207
700000
3000
Voilà une vidéo d'une plus ancienne version,
11:55
which is just a minute long. Okay.
208
703000
2000
qui ne dure qu'une minute. Ok.
12:06
In this case, the Opto-Isolator is blinking
209
714000
2000
Dans ce cas-là, l'Opto-Isolator cligne
12:08
in response to one's own blinks.
210
716000
2000
en réponse à quelqu'un qui cligne des yeux.
12:10
So it blinks one second after you do.
211
718000
3000
Donc il cille une seconde après vous.
12:13
This is a device which is intended to reduce
212
721000
3000
Le but de ce dispositif est de réduire
12:16
the phenomenon of gaze down to the simplest possible materials.
213
724000
3000
le phénomène du regard au matériau le plus simple possible.
12:19
Just one eye,
214
727000
2000
Un seul œil,
12:21
looking at you, and eliminating everything else about a face,
215
729000
2000
qui vous regarde, en éliminant tout ce qui est visage.
12:23
but just to consider gaze in an isolated way
216
731000
3000
De façon à considérer le regard de façon isolée,
12:26
as a kind of, as an element.
217
734000
3000
comme une sorte d'élément.
12:29
And at the same time, it attempts to engage in what you might call
218
737000
3000
Et en même temps, il vous engage dans
12:32
familiar psycho-social gaze behaviors.
219
740000
2000
des comportements psycho-sociaux familiers.
12:34
Like looking away if you look at it too long
220
742000
2000
Par exemple détourner son regard si on regarde trop longtemps
12:36
because it gets shy,
221
744000
2000
parce qu'on devient timide.
12:38
or things like that.
222
746000
3000
Ou des trucs comme ça.
12:41
Okay. So the last project I'm going to show
223
749000
3000
Ok. Le dernier projet que je vais vous montrer
12:44
is this new one called Snout.
224
752000
3000
est nouveau et s'appelle Snout.
12:47
(Laughter)
225
755000
2000
(Rires)
12:49
It's an eight-foot snout,
226
757000
2000
C'est un tuyau de deux mètres quarante,
12:51
with a googly eye.
227
759000
2000
avec un œil en plastique.
12:53
(Laughter)
228
761000
1000
(Rires)
12:54
And inside it's got an 800-pound robot arm
229
762000
3000
A l'intérieur, il y a un bras mécanique de 360 kilos
12:57
that I borrowed,
230
765000
2000
que j'ai emprunté,
12:59
(Laughter)
231
767000
1000
(Rires)
13:00
from a friend.
232
768000
2000
à un ami.
13:02
(Laughter)
233
770000
1000
(Rires)
13:03
It helps to have good friends.
234
771000
2000
Ça peut aider d'avoir de bons amis.
13:05
I'm at Carnegie Mellon; we've got a great Robotics Institute there.
235
773000
3000
Je travaille à Carnegie Mellon. Il y a un super institut de robotique là-bas.
13:08
I'd like to show you thing called Snout, which is --
236
776000
2000
J'aimerai vous montrer Snout, qui est...
13:10
The idea behind this project is to
237
778000
2000
L'idée derrière ce projet est de
13:12
make a robot that appears as if it's continually surprised to see you.
238
780000
4000
fabriquer un robot qui a l'air toujours surpris de vous voir.
13:16
(Laughter)
239
784000
4000
(Rires)
13:20
The idea is that basically --
240
788000
2000
L'idée est qu'en fait...
13:22
if it's constantly like "Huh? ... Huh?"
241
790000
2000
il soit toujours en train de faire "Oh ?... Oh ?"
13:24
That's why its other name is Doubletaker, Taker of Doubles.
242
792000
4000
C'est pourquoi son autre nom est Je-vois-double, puisqu'il y regarde à deux fois.
13:28
It's always kind of doing a double take: "What?"
243
796000
2000
Il est toujours en train de s'y reprendre à deux fois : "Qu'est-ce qu'il y a ?"
13:30
And the idea is basically, can it look at you
244
798000
2000
L'idée c'est qu'il vous regarde
13:32
and make you feel as if like,
245
800000
2000
et que vous ressentiez le besoin de vous dire,
13:34
"What? Is it my shoes?"
246
802000
2000
"Qu'est-ce qu'il y a ? Ce sont mes chaussures ?
13:36
"Got something on my hair?" Here we go. Alright.
247
804000
3000
J'ai un truc dans les cheveux ?" Nous y voilà. Très bien.
14:10
Checking him out ...
248
838000
2000
Il le regarde de haut en bas.
14:20
For you nerds, here's a little behind-the-scenes.
249
848000
2000
Pour les geeks, voici un petit aperçu des coulisses.
14:22
It's got a computer vision system,
250
850000
2000
Il y a un système de vision informatique.
14:24
and it tries to look at the people who are moving around the most.
251
852000
3000
Il regarde les gens qui bougent le plus.
14:39
Those are its targets.
252
867000
2000
Ce sont ses cibles.
14:42
Up there is the skeleton,
253
870000
2000
Ici, c'est le squelette.
14:44
which is actually what it's trying to do.
254
872000
3000
Et le but en fait
14:54
It's really about trying to create a novel body language for a new creature.
255
882000
3000
c'est vraiment de créer un langage du corps novateur pour une nouvelle créature.
14:57
Hollywood does this all the time, of course.
256
885000
2000
Hollywood fait ça tout le temps, bien sûr.
14:59
But also have the body language communicate something
257
887000
2000
Le but est aussi que le langage corporel communique quelque chose
15:01
to the person who is looking at it.
258
889000
2000
à la personne qui le regarde.
15:03
This language is communicating that it is surprised to see you,
259
891000
2000
Le message qu'il transmet est qu'il est surpris de vous voir,
15:05
and it's interested in looking at you.
260
893000
3000
et qu'il s'intéresse à vous.
15:08
(Laughter)
261
896000
2000
(Rires)
15:10
(Applause)
262
898000
9000
(Applaudissements)
15:19
Thank you very much. That's all I've got for today.
263
907000
2000
Merci beaucoup. Ce sera tout pour moi aujourd'hui.
15:21
And I'm really happy to be here. Thank you so much.
264
909000
3000
Et je suis très content d'être ici. Merci beaucoup.
15:24
(Applause)
265
912000
3000
(Applaudissements)
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