TED@IBM
Raphael Arar: How we can teach computers to make sense of our emotions
라파엘 아라르(Raphael Arar): 어떻게 AI에게 사람의 감정을 가르칠 수 있을까요?
Filmed:
Readability: 4.3
1,255,602 views
사람과 진심으로 교감할 수 있는 AI는 어떻게 만들 수 있을까요? 라파엘 아라르(Raphael Arar)는 예술로부터 그 과정을 시작하자고 제안합니다. 그는 그리움, 직감 및 대화와 같은 복잡한 개념을 AI에게 가르치기 위해 그가 창조했던 쌍뱡향 예술 프로젝트를 공유합니다. 인간만큼이나 인간적인 미래 기술 구현을 향한 그의 노력을 확인해봅시다.
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
저는 저 자신을 예술가이자
디자이너라고 생각합니다.
00:18
And I work at an artificial
intelligence research lab.
intelligence research lab.
1
6480
3160
전 인공지능 연구소에서 일합니다.
00:22
We're trying to create technology
2
10720
1696
우리가 개발 중인 기술은
00:24
that you'll want to interact with
in the far future.
in the far future.
3
12440
3296
먼 미래에 인간과
상호작용할 수 있는 AI입니다.
상호작용할 수 있는 AI입니다.
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
현재로부터 6개월이 아닌
수년, 수십 년 후를 준비하고 있습니다.
00:33
And we're taking a moonshot
5
21120
1616
우리의 획기적이고 야심 찬 목표는
00:34
that we'll want to be
interacting with computers
interacting with computers
6
22760
2456
깊이 있는 감정교류가 가능한
00:37
in deeply emotional ways.
7
25240
2120
인공지능 개발에 있습니다.
00:40
So in order to do that,
8
28280
1456
이를 위해서
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
인공지능에 인간성이 필요합니다.
00:46
It has to get you.
10
34920
2256
인간의 감정을 이해해야 하죠.
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
친한 친구와 배꼽이
빠지도록 웃을 수 있는
빠지도록 웃을 수 있는
00:52
on the floor, cracking up.
12
40560
1936
둘만의 은밀한 농담도 이해하고
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
상대방의 실망감을
멀리서 전해지는 분위기 만으로
눈치챌 수 있어야 합니다.
눈치챌 수 있어야 합니다.
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
제가 보기에 예술이야말로
인간과 기계의 간극을
좁혀주는 관문입니다.
좁혀주는 관문입니다.
01:07
to figure out what it means
to get each other
to get each other
15
55280
3136
이를 통해 서로를 이해하고
01:10
so that we can train AI to get us.
16
58440
2760
AI가 인간을 제대로 이해하도록
훈련할 수 있습니다.
훈련할 수 있습니다.
01:13
See, to me, art is a way
to put tangible experiences
to put tangible experiences
17
61920
3816
무형의 생각과 느낌, 감정에
01:17
to intangible ideas,
feelings and emotions.
feelings and emotions.
18
65760
3240
유형의 경험을 선사하는 방법이
예술이라고 생각합니다.
예술이라고 생각합니다.
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
감정은 사람을 가장 인간적이게 하죠.
01:25
See, we're a complicated
and complex bunch.
and complex bunch.
20
73480
2936
인간은 복합적인 존재입니다.
01:28
We have what feels like
an infinite range of emotions,
an infinite range of emotions,
21
76440
3136
인간의 감정은 무한하고
01:31
and to top it off, we're all different.
22
79600
2496
무엇보다도 모든 사람이 다릅니다.
01:34
We have different family backgrounds,
23
82120
2296
개개인의 가정환경이 다르고,
01:36
different experiences
and different psychologies.
and different psychologies.
24
84440
3080
경험과 심리상태도 다릅니다.
01:40
And this is what makes life
really interesting.
really interesting.
25
88240
2720
삶이 흥미로운 이유도 이 때문입니다.
01:43
But this is also what makes
working on intelligent technology
working on intelligent technology
26
91440
3496
반면, 바로 이 점이
인공지능 기술 개발을
인공지능 기술 개발을
01:46
extremely difficult.
27
94960
1600
매우 어렵게 만듭니다.
01:49
And right now, AI research, well,
28
97640
3456
현재 AI 연구는
01:53
it's a bit lopsided on the tech side.
29
101120
2016
기술 측면으로 치우친 편입니다.
01:55
And that makes a lot of sense.
30
103160
2136
물론 타당한 이유가 있습니다.
01:57
See, for every
qualitative thing about us --
qualitative thing about us --
31
105320
2456
그러니까 인간의 질적인 면모인
01:59
you know, those parts of us that are
emotional, dynamic and subjective --
emotional, dynamic and subjective --
32
107800
4456
감정적, 역동적이며 주관적인 자질을
02:04
we have to convert it
to a quantitative metric:
to a quantitative metric:
33
112280
3136
측정 가능한 형태로
변환해야 하기 때문입니다.
변환해야 하기 때문입니다.
02:07
something that can be represented
with facts, figures and computer code.
with facts, figures and computer code.
34
115440
4360
실체화, 수치화하거나
프로그래밍 언어로 구현해야 하죠.
프로그래밍 언어로 구현해야 하죠.
02:13
The issue is, there are
many qualitative things
many qualitative things
35
121000
3376
그런데 문제는
도무지 손댈 수 없는
정성적 요소가 많다는 것이죠.
정성적 요소가 많다는 것이죠.
02:16
that we just can't put our finger on.
36
124400
1960
02:20
So, think about hearing
your favorite song for the first time.
your favorite song for the first time.
37
128400
3200
좋아하는 노래를 처음 들었던
순간을 떠올려봅시다.
순간을 떠올려봅시다.
02:25
What were you doing?
38
133200
1200
무엇을 하고 있었나요?
02:28
How did you feel?
39
136000
1200
기분이 어땠나요?
02:30
Did you get goosebumps?
40
138720
1360
닭살이 돋았나요?
02:33
Or did you get fired up?
41
141240
1640
감정이 북받쳤나요?
02:36
Hard to describe, right?
42
144400
1200
형언하기 어렵지 않나요?
02:38
See, parts of us feel so simple,
43
146800
2096
단순한 감정이라 할지라도
02:40
but under the surface,
there's really a ton of complexity.
there's really a ton of complexity.
44
148920
3656
그 이면에는 굉장히
복합적인 감정이 깔려습니다.
복합적인 감정이 깔려습니다.
02:44
And translating
that complexity to machines
that complexity to machines
45
152600
2936
그 복합성을 기계로 옮기는 작업은
02:47
is what makes them modern-day moonshots.
46
155560
2856
현대의 꿈같은 계획일 수밖에 없습니다.
02:50
And I'm not convinced that we can
answer these deeper questions
answer these deeper questions
47
158440
4176
솔직히 저는 이 심오한 질문에 대해
0과 1로 대답할 수 있을지
확신이 들지 않아요.
확신이 들지 않아요.
02:54
with just ones and zeros alone.
48
162640
1480
02:57
So, in the lab, I've been creating art
49
165120
1936
그래서 저는
더 나은 경험을 선사하는
최첨단 기술을 설계하기 위해
최첨단 기술을 설계하기 위해
02:59
as a way to help me
design better experiences
design better experiences
50
167080
2456
03:01
for bleeding-edge technology.
51
169560
2096
예술 창작을 연구해왔습니다.
03:03
And it's been serving as a catalyst
52
171680
1736
예술은 기술과 인간을 잇는 촉매제로서
03:05
to beef up the more human ways
that computers can relate to us.
that computers can relate to us.
53
173440
3840
컴퓨터의 인간적 면모를
채워주는 역할을 했습니다.
채워주는 역할을 했습니다.
03:10
Through art, we're tacking
some of the hardest questions,
some of the hardest questions,
54
178000
2696
예술을 통해 가장 어려운 질문에
다가갈 수 있습니다.
다가갈 수 있습니다.
03:12
like what does it really mean to feel?
55
180720
2360
느낌이란 무엇을 뜻하는가?
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
관계를 맺고 서로를 위해
어떻게 존재할 수 있을까?
어떻게 존재할 수 있을까?
03:20
And how does intuition
affect the way that we interact?
affect the way that we interact?
57
188800
4000
그리고..
직감은 상호작용에 어떤 영향을 줄까?
03:26
So, take for example human emotion.
58
194440
2056
인간의 감정을 예를 들어봅시다.
03:28
Right now, computers can make sense
of our most basic ones,
of our most basic ones,
59
196520
3256
현재 인공지능은 인간의
기초적 감정이라 할 수 있는
기초적 감정이라 할 수 있는
03:31
like joy, sadness,
anger, fear and disgust,
anger, fear and disgust,
60
199800
3696
기쁨, 슬픔, 화, 두려움, 혐오를
03:35
by converting those
characteristics to math.
characteristics to math.
61
203520
3000
수학적으로 변환하여 이해합니다.
03:39
But what about the more complex emotions?
62
207400
2536
더 복잡미묘한 감정은 어떨까요?
03:41
You know, those emotions
63
209960
1216
말로 설명하기 어려운 감정들 말이지요.
03:43
that we have a hard time
describing to each other?
describing to each other?
64
211200
2376
03:45
Like nostalgia.
65
213600
1440
예를 들어, '그리움' 같은 거죠.
03:47
So, to explore this, I created
a piece of art, an experience,
a piece of art, an experience,
66
215640
3936
'그리움'의 감정을 살펴보기 위해
저희는 예술 작품 하나를 만들고
저희는 예술 작품 하나를 만들고
03:51
that asked people to share a memory,
67
219600
2096
사람들이 어떤 기억을
떠올리는지 물었습니다.
떠올리는지 물었습니다.
03:53
and I teamed up with some data scientists
68
221720
2136
몇몇 데이터 과학자들과 팀을 이루어
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
매우 주관적인 그리움의 감정을
03:59
and convert it into something
mathematically precise.
mathematically precise.
70
227480
3200
수학적으로 정확하게
변환할 방법을 알아냈습니다.
변환할 방법을 알아냈습니다.
04:03
So, we created what we call
a nostalgia score
a nostalgia score
71
231840
2136
우리는 예술장치의 핵심인
'그리움 점수'를 만들었습니다.
'그리움 점수'를 만들었습니다.
04:06
and it's the heart of this installation.
72
234000
2216
04:08
To do that, the installation
asks you to share a story,
asks you to share a story,
73
236240
3056
예술장치가 당신에게
추억 이야기를 들려달라고 청합니다.
추억 이야기를 들려달라고 청합니다.
04:11
the computer then analyzes it
for its simpler emotions,
for its simpler emotions,
74
239320
3256
컴퓨터는 이야기를 분석하여
더 간단한 감정으로 정리하고
더 간단한 감정으로 정리하고
04:14
it checks for your tendency
to use past-tense wording
to use past-tense wording
75
242600
2656
당신이 과거시제를 사용하는
경향을 확인합니다.
경향을 확인합니다.
04:17
and also looks for words
that we tend to associate with nostalgia,
that we tend to associate with nostalgia,
76
245280
3336
'그리움'을 떠올릴 때 함께 쓰는
04:20
like "home," "childhood" and "the past."
77
248640
3040
"집", "어린 시절", "과거" 등의
연관 단어도 확인하지요.
연관 단어도 확인하지요.
04:24
It then creates a nostalgia score
78
252760
2056
그 후 그리움 점수가 나타납니다.
04:26
to indicate how nostalgic your story is.
79
254840
2736
이렇게 과거를 그리워하는
정도를 파악할 수 있죠.
정도를 파악할 수 있죠.
04:29
And that score is the driving force
behind these light-based sculptures
behind these light-based sculptures
80
257600
4136
빛을 소재로 한 이 작품은
그 점수에 따라 만들어집니다.
그 점수에 따라 만들어집니다.
04:33
that serve as physical embodiments
of your contribution.
of your contribution.
81
261760
3896
여러분의 참여로 감정이
물리적으로 구현되는 것이죠.
물리적으로 구현되는 것이죠.
04:37
And the higher the score,
the rosier the hue.
the rosier the hue.
82
265680
3216
그리움 점수가 높을수록
더욱 장밋빛 색조를 띄게 됩니다.
더욱 장밋빛 색조를 띄게 됩니다.
04:40
You know, like looking at the world
through rose-colored glasses.
through rose-colored glasses.
83
268920
3936
장밋빛 안경으로
세상을 바라보듯 말이죠.
세상을 바라보듯 말이죠.
04:44
So, when you see your score
84
272880
2616
그리움 점수와 함께
04:47
and the physical representation of it,
85
275520
2656
물리적으로 표현된 결과를 보며
04:50
sometimes you'd agree
and sometimes you wouldn't.
and sometimes you wouldn't.
86
278200
2936
우리는 때로는 동의하고
때로는 동의하지 않습니다.
때로는 동의하지 않습니다.
04:53
It's as if it really understood
how that experience made you feel.
how that experience made you feel.
87
281160
3480
우리의 감정을 정말 이해한 듯
보일 때도 있습니다.
보일 때도 있습니다.
04:57
But other times it gets tripped up
88
285400
2216
그러나 헛다리를 짚고
04:59
and has you thinking
it doesn't understand you at all.
it doesn't understand you at all.
89
287640
2560
당신을 전혀 이해하지
못할 때도 있습니다.
못할 때도 있습니다.
05:02
But the piece really serves to show
90
290680
1896
이 작품이 우리에게 말하는 것은
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
우리도 설명하기 어려운 감정들을
05:08
how can we teach a computer
to make sense of them?
to make sense of them?
92
296680
2360
어떻게 컴퓨터가 이해할 수 있도록
가르치냐의 문제입니다.
가르치냐의 문제입니다.
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
객관적인 영역도 설명하기
어렵긴 마찬가지입니다.
어렵긴 마찬가지입니다.
05:15
Like, conversation.
94
303960
1240
예를 들어, 대화를 봅시다.
05:17
Have you ever really tried
to break down the steps?
to break down the steps?
95
305880
2736
대화법을 분석해보신 적 있나요?
05:20
So think about sitting
with your friend at a coffee shop
with your friend at a coffee shop
96
308640
2656
카페에서 친구와 수다를 떠는
상황을 생각해보세요.
상황을 생각해보세요.
05:23
and just having small talk.
97
311320
1320
05:25
How do you know when to take a turn?
98
313160
1720
자신이 말할 차례를 어떻게 아시나요?
05:27
How do you know when to shift topics?
99
315440
1840
주제를 바꿔야 할 타이밍은요?
05:29
And how do you even know
what topics to discuss?
what topics to discuss?
100
317960
2720
어떤 주제로 이야기할지는 어떻게 알죠?
05:33
See, most of us
don't really think about it,
don't really think about it,
101
321560
2096
대다수 사람들은 이런 걸
생각하지 않습니다.
생각하지 않습니다.
제2의 천성에 가깝기 때문이죠.
05:35
because it's almost second nature.
102
323680
1656
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
우리는 누군가를 만나면
상대방의 행동을 살핍니다.
상대방의 행동을 살핍니다.
05:40
and then we learn
what topics we can discuss.
what topics we can discuss.
104
328880
2376
그리고 토론할만한 주제가
무엇인지 파악합니다.
무엇인지 파악합니다.
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
그러나 인공지능을 상대로
인간과 교감하는 법을 가르칠 때는
인간과 교감하는 법을 가르칠 때는
05:46
we have to teach them
step by step what to do.
step by step what to do.
106
334960
2856
해야 할 일을
단계적으로 가르쳐야 해요.
단계적으로 가르쳐야 해요.
05:49
And right now, it feels clunky.
107
337840
3496
현재 AI는 투박한 감이 있어요.
05:53
If you've ever tried to talk
with Alexa, Siri or Google Assistant,
with Alexa, Siri or Google Assistant,
108
341360
4136
알렉사, 시리, 구글 어시스턴트와
대화해본 적 있으시다면
대화해본 적 있으시다면
05:57
you can tell that it or they
can still sound cold.
can still sound cold.
109
345520
4200
차갑다는 인상을 받으셨을 겁니다.
06:02
And have you ever gotten annoyed
110
350440
1656
AI에 음악 재생을 명령했는데
06:04
when they didn't understand
what you were saying
what you were saying
111
352120
2256
말을 못 알아듣는 탓에
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
20번이나 다시 말하여
짜증 났던 기억이 있으신가요?
짜증 났던 기억이 있으신가요?
06:11
Alright, to the credit of the designers,
realistic communication is really hard.
realistic communication is really hard.
113
359440
4896
디자이너를 대변하자면, 현실적인
의사소통 구현은 정말 어렵습니다.
의사소통 구현은 정말 어렵습니다.
06:16
And there's a whole branch of sociology,
114
364360
2136
실제로 사회학 분야의 하나인
대화 분석 분야에서는
대화 분석 분야에서는
06:18
called conversation analysis,
115
366520
1936
06:20
that tries to make blueprints
for different types of conversation.
for different types of conversation.
116
368480
3136
다양한 대화 유형의 구조를
청사진으로 보여줍니다.
청사진으로 보여줍니다.
06:23
Types like customer service
or counseling, teaching and others.
or counseling, teaching and others.
117
371640
4080
고객 서비스, 상담, 교육 등의
대화 유형을 분석하죠.
대화 유형을 분석하죠.
06:28
I've been collaborating
with a conversation analyst at the lab
with a conversation analyst at the lab
118
376880
2936
저는 저희 연구실의
대화 분석가와 협업하며
대화 분석가와 협업하며
06:31
to try to help our AI systems
hold more human-sounding conversations.
hold more human-sounding conversations.
119
379840
4696
인간에 가깝게 대화할 수 있는
AI를 개발하고 있습니다.
AI를 개발하고 있습니다.
06:36
This way, when you have an interaction
with a chatbot on your phone
with a chatbot on your phone
120
384560
3176
스마트폰의 챗봇을 이용하거나
차량의 음성기반 시스템과 대화할 때
06:39
or a voice-based system in the car,
121
387760
1856
06:41
it sounds a little more human
and less cold and disjointed.
and less cold and disjointed.
122
389640
3320
좀 더 인간에 가깝게 일관성 있고,
덜 차갑게 말하도록 하려는 것입니다.
덜 차갑게 말하도록 하려는 것입니다.
06:46
So I created a piece of art
123
394360
1336
따라서 저는 AI의 기계적이고 투박한
면을 부각시킨 작품을 만들어서
면을 부각시킨 작품을 만들어서
06:47
that tries to highlight
the robotic, clunky interaction
the robotic, clunky interaction
124
395720
2816
06:50
to help us understand, as designers,
125
398560
1976
AI의 말이 부자연스러운 이유를
디자이너의 관점에서 이해하고
디자이너의 관점에서 이해하고
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
개선 방안을 생각해보고자 했습니다.
06:57
The piece is called Bot to Bot
127
405160
1456
이 작품은 봇투봇(Bot to Bot)입니다.
06:58
and it puts one conversational
system against another
system against another
128
406640
2936
두 개의 대화 시스템이
서로 대화하도록 하고
서로 대화하도록 하고
07:01
and then exposes it to the general public.
129
409600
2536
이 과정을 일반 대중에게 공개합니다.
07:04
And what ends up happening
is that you get something
is that you get something
130
412160
2496
결국, 여기서 확인할 수 있는 것은
인간의 대화를 모방하고 있지만
07:06
that tries to mimic human conversation,
131
414680
1896
07:08
but falls short.
132
416600
1896
어디인지 미흡한 대화입니다.
07:10
Sometimes it works and sometimes
it gets into these, well,
it gets into these, well,
133
418520
2736
때에 따라 자연스러울 때도 있지만
07:13
loops of misunderstanding.
134
421280
1536
오해의 늪에 빠지기도 합니다.
07:14
So even though the machine-to-machine
conversation can make sense,
conversation can make sense,
135
422840
3096
기계 대 기계의 대화는
07:17
grammatically and colloquially,
136
425960
2016
문법, 회화적인 측면에서 자연스러워도
07:20
it can still end up
feeling cold and robotic.
feeling cold and robotic.
137
428000
3216
여전히 기계적이고 차가울 수 있습니다.
07:23
And despite checking all the boxes,
the dialogue lacks soul
the dialogue lacks soul
138
431240
4016
이론적으로 성립되어도
대화에는 여전히 영혼이 없고
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
인간만이 가지는
유일한 특징이 빠져 있죠.
유일한 특징이 빠져 있죠.
07:30
So while it might be grammatically correct
140
438440
2056
따라서 문법적으로 정확하고
07:32
and uses all the right
hashtags and emojis,
hashtags and emojis,
141
440520
2656
정확한 해시 태그와 이모티콘을 사용해도
07:35
it can end up sounding mechanical
and, well, a little creepy.
and, well, a little creepy.
142
443200
4136
여전히 기계적이고,
심지어 오싹하게 들리기도 합니다.
심지어 오싹하게 들리기도 합니다.
07:39
And we call this the uncanny valley.
143
447360
2336
이를 '불쾌한 골짜기'라고 부릅니다.
07:41
You know, that creepiness factor of tech
144
449720
1936
인간과 매우 유사하지만
약간의 차이로 인해서 느껴지는
약간의 차이로 인해서 느껴지는
07:43
where it's close to human
but just slightly off.
but just slightly off.
145
451680
2856
오싹한 거부감을 의미하죠.
07:46
And the piece will start being
146
454560
1456
이 작품을 통해서
대화 속의 인간성을 체험하고
대화 속의 인간성을 체험하고
07:48
one way that we test
for the humanness of a conversation
for the humanness of a conversation
147
456040
3216
07:51
and the parts that get
lost in translation.
lost in translation.
148
459280
2160
통역할 수 없는 비언어적
요소를 알 수 있습니다.
요소를 알 수 있습니다.
07:54
So there are other things
that get lost in translation, too,
that get lost in translation, too,
149
462560
2856
통역할 수 없는 부분이 또 있습니다.
07:57
like human intuition.
150
465440
1616
인간의 직관력이죠.
07:59
Right now, computers
are gaining more autonomy.
are gaining more autonomy.
151
467080
2776
현재 컴퓨터는 더 큰 자율권을 갖습니다.
08:01
They can take care of things for us,
152
469880
1736
인간을 위해 자체적으로
판단을 내리기도 해요.
판단을 내리기도 해요.
08:03
like change the temperature
of our houses based on our preferences
of our houses based on our preferences
153
471640
3176
평소 선호도를 파악하여
집 안 온도를 바꾸거나
집 안 온도를 바꾸거나
08:06
and even help us drive on the freeway.
154
474840
2160
고속도로 주행을 돕기도 합니다.
08:09
But there are things
that you and I do in person
that you and I do in person
155
477560
2496
그러나 사람 사이에
일대일로 이루어지는 행위는
일대일로 이루어지는 행위는
08:12
that are really difficult
to translate to AI.
to translate to AI.
156
480080
2760
AI에게 가르치기가 어렵습니다.
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
동창과 옛 동료를 마지막으로
만났을 때를 떠올려보세요.
만났을 때를 떠올려보세요.
08:21
Did you give them a hug
or go in for a handshake?
or go in for a handshake?
158
489080
2480
그들과 포옹을 했나요?
아니면 악수를 했나요?
아니면 악수를 했나요?
08:24
You probably didn't think twice
159
492800
1496
두 번 생각하지 않으셨을 겁니다.
08:26
because you've had so many
built up experiences
built up experiences
160
494320
2336
이미 축적된 경험이 있기 때문에
08:28
that had you do one or the other.
161
496680
2000
자연스럽게 둘 중 하나를
선택했을 테니까요.
선택했을 테니까요.
08:31
And as an artist, I feel
that access to one's intuition,
that access to one's intuition,
162
499440
3456
예술가의 입장에서 볼 때
인간의 직감을 이용하고
무의식적 자각의 영역에 접근하는 것이
무의식적 자각의 영역에 접근하는 것이
08:34
your unconscious knowing,
163
502920
1416
08:36
is what helps us create amazing things.
164
504360
3056
놀라운 창조를 이끈다고 생각합니다.
08:39
Big ideas, from that abstract,
nonlinear place in our consciousness
nonlinear place in our consciousness
165
507440
4056
모든 경험의 총집합인
비선형 세계의 추상성에서
비선형 세계의 추상성에서
08:43
that is the culmination
of all of our experiences.
of all of our experiences.
166
511520
2960
위대한 발상들이 출발합니다.
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
컴퓨터와 인간을 연계하여
창의력을 확장하고 싶다면
창의력을 확장하고 싶다면
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
직관적인 컴퓨터를 개발할
방법을 고안해야 합니다.
방법을 고안해야 합니다.
08:56
So I wanted to explore
how something like human intuition
how something like human intuition
169
524440
3096
저는 직감과 같은 인간의 특징이
08:59
could be directly translated
to artificial intelligence.
to artificial intelligence.
170
527560
3456
어떻게 직접 인공지능에
반영되는지 알고 싶었습니다.
반영되는지 알고 싶었습니다.
09:03
And I created a piece
that explores computer-based intuition
that explores computer-based intuition
171
531040
3216
그래서 실제 공간에서
컴퓨터 직관을 탐구할 수 있는
컴퓨터 직관을 탐구할 수 있는
09:06
in a physical space.
172
534280
1320
작품을 만들었습니다.
09:08
The piece is called Wayfinding,
173
536480
1696
웨이파인딩(Wayfinding)입니다.
09:10
and it's set up as a symbolic compass
that has four kinetic sculptures.
that has four kinetic sculptures.
174
538200
3936
움직이는 4개의 조각상으로 된
상징적 나침반인데요.
상징적 나침반인데요.
09:14
Each one represents a direction,
175
542160
2056
각각의 조각은 동서남북의
일정한 방향을 나타냅니다.
일정한 방향을 나타냅니다.
09:16
north, east, south and west.
176
544240
2120
09:19
And there are sensors set up
on the top of each sculpture
on the top of each sculpture
177
547080
2696
조각 상단에는 감지 센서가 탑재되어 있어
09:21
that capture how far away
you are from them.
you are from them.
178
549800
2256
사람이 떨어져 있는 거리를 파악합니다.
09:24
And the data that gets collected
179
552080
1816
자료가 수집되면
09:25
ends up changing the way
that sculptures move
that sculptures move
180
553920
2136
조각이 움직이는 방향이 바뀌고
09:28
and the direction of the compass.
181
556080
2040
결국 나침반의 방향도 달라집니다.
09:31
The thing is, the piece doesn't work
like the automatic door sensor
like the automatic door sensor
182
559360
3656
이 설치물의 각각의 조각은
사람이 걸어들어올 때 열리는
사람이 걸어들어올 때 열리는
09:35
that just opens
when you walk in front of it.
when you walk in front of it.
183
563040
2656
자동문 센서처럼 작동하지 않습니다.
09:37
See, your contribution is only a part
of its collection of lived experiences.
of its collection of lived experiences.
184
565720
5056
여러분의 참여는
총체적 체험의 일부입니다.
총체적 체험의 일부입니다.
09:42
And all of those experiences
affect the way that it moves.
affect the way that it moves.
185
570800
4056
축적된 모든 경험이
방향 결정에 영향을 줍니다.
방향 결정에 영향을 줍니다.
09:46
So when you walk in front of it,
186
574880
1736
그래서 누군가 그 앞을 지나가면
09:48
it starts to use all of the data
187
576640
1976
전시 기간 동안 축적된
모든 데이터를 이용하거나
모든 데이터를 이용하거나
09:50
that it's captured
throughout its exhibition history --
throughout its exhibition history --
188
578640
2616
09:53
or its intuition --
189
581280
1816
직감을 발휘하여
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
그동안 습득한 체험에 바탕을 둔
기계적 반응을 보이게 되죠.
기계적 반응을 보이게 되죠.
09:59
And what ends up happening
is that as participants
is that as participants
191
587480
2536
이 체험에 참여한 사람들은
10:02
we start to learn the level
of detail that we need
of detail that we need
192
590040
2816
예측을 관리하기 위해
정밀한 과정이 필요하다는 점을
이해하게 됩니다.
이해하게 됩니다.
10:04
in order to manage expectations
193
592880
2016
10:06
from both humans and machines.
194
594920
2776
인간과 기계 모두에 해당하죠.
10:09
We can almost see our intuition
being played out on the computer,
being played out on the computer,
195
597720
3616
컴퓨터가 인간의 직관을
실행하고 있음을 확인하고
실행하고 있음을 확인하고
10:13
picturing all of that data
being processed in our mind's eye.
being processed in our mind's eye.
196
601360
3600
마음속에서 모든 데이터가
처리되고 있음을 알 수 있습니다.
처리되고 있음을 알 수 있습니다.
10:17
My hope is that this type of art
197
605560
1656
저는 이런 유형의 예술을 접함으로써
우리가 직관에 대해 다르게 생각하고
우리가 직관에 대해 다르게 생각하고
10:19
will help us think differently
about intuition
about intuition
198
607240
2416
10:21
and how to apply that to AI in the future.
199
609680
2280
이를 미래의 AI에 적용하기를 바랍니다.
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
인공지능 디자이너이자 연구원으로
예술을 활용한 연구 사례
몇 가지를 말씀드렸습니다.
몇 가지를 말씀드렸습니다.
10:28
as a designer and researcher
of artificial intelligence.
of artificial intelligence.
201
616440
3096
저는 이 방법이 혁신으로 나아가는
중요한 길이라 믿습니다.
중요한 길이라 믿습니다.
10:31
And I see it as a crucial way
to move innovation forward.
to move innovation forward.
202
619560
3496
현재 AI에 대한 극단적인 생각들이
많이 자리 잡고 있죠.
많이 자리 잡고 있죠.
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
10:39
Popular movies show it
as this destructive force
as this destructive force
204
627480
2816
인기 영화는 AI의 파괴력을 강조하고
10:42
while commercials
are showing it as a savior
are showing it as a savior
205
630320
3056
광고는 AI가 마치 구세주라도 된 듯
10:45
to solve some of the world's
most complex problems.
most complex problems.
206
633400
2936
세계의 복잡한 문제를
해결할 것이라 말합니다.
해결할 것이라 말합니다.
10:48
But regardless of where you stand,
207
636360
2536
하지만 우리가 어디에 있든
10:50
it's hard to deny
that we're living in a world
that we're living in a world
208
638920
2176
매 순간 더욱 디지털화하는
세상 속에 살고 있음을
부정하기는 어렵습니다.
부정하기는 어렵습니다.
10:53
that's becoming more
and more digital by the second.
and more digital by the second.
209
641120
2576
기계, 스마트 기기를 중심으로
삶이 돌아가고 있습니다.
삶이 돌아가고 있습니다.
10:55
Our lives revolve around our devices,
smart appliances and more.
smart appliances and more.
210
643720
4600
11:01
And I don't think
this will let up any time soon.
this will let up any time soon.
211
649400
2320
당분간 이 추세가
누그러질 것 같지 않고요.
누그러질 것 같지 않고요.
11:04
So, I'm trying to embed
more humanness from the start.
more humanness from the start.
212
652400
3736
저는 시작 단계에서부터
더 많은 인간성을 부여하고자 합니다.
더 많은 인간성을 부여하고자 합니다.
11:08
And I have a hunch that bringing art
into an AI research process
into an AI research process
213
656160
5136
그리고 예술을 통한 AI 연구가
이 목표를 실현할 방법이라는
예감이 듭니다.
예감이 듭니다.
11:13
is a way to do just that.
214
661320
1896
감사합니다.
11:15
Thank you.
215
663240
1216
(박수)
11:16
(Applause)
216
664480
2280
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