ABOUT THE SPEAKER

Sougwen Chung - Artist, researcher
Sougwen 愫君 Chung is an artist and researcher whose work explores the dynamics between humans and systems.

Why you should listen

Sougwen Chung's work explores the mark-made-by-hand and the mark-made-by-machine as an approach to understanding the dynamics of humans and systems. Chung is a former research fellow at MIT’s Media Lab and a pioneer in the field of human-machine collaboration. In 2019, she was selected as the Woman of the Year in Monaco for achievement in the Arts & Sciences.

In 2018 she was an inaugural E.A.T. Artist in Resident in partnership with New Museum and Bell Labs, and was awarded a commission for her project Omnia per Omnia. In 2016, Chung received Japan Media Art’s Excellence Award in for her project, Drawing Operations. She is a former research fellow at MIT’s Media Lab. She has been awarded Artist in Residence positions at Google, Eyebeam, Japan Media Arts and Pier 9 Autodesk. Her speculative critical practice spans performance, installation and drawings which have been featured in numerous exhibitions at museums and galleries around the world.

More profile about the speaker
Sougwen Chung | Speaker | TED.com

TED@BCG Mumbai

Sougwen Chung: Why I draw with robots

Sougwen Chung: ကျွန်မ စက်ရုပ်တွေကိုသုံးပြီး ပုံတွေဆွဲနေတာ ဘာကြောင့်လဲ

Filmed: 2019-09-24

Readability: 4.4

160,983 views

လူသားနဲ့ စက်ရုပ်တွေ အနုပညာကို လက်တွဲ ဖန်တီးကြမယ်ဆိုရင် ဘာတွေ ဖြစ်လာမလဲ။ အံ့ဩစိတ်ဝင်စားဖွယ် ဒီဟောပြောချက်ထဲမှာ အနုပညာရှင် Sougwen Chung က သူမရဲ့ အနုပညာ စတိုင်ကို စက်ကို သင်ကြားပေးပုံနဲ့ မျှော်လင့်မရနိုင်တဲ့ တွေ့ရှိချက် တစ်ခုကို ကျုပ်တို့အတွက် မျှဝေပေးထားပါတယ် - စက်ရုပ်တွေလည်း မှားတတ်ကြတယ် ဆိုတာပါ။ "လူသားနဲ့ စက်ယန္တရားတွေရဲ့ အလှတစ်ခုက ၎င်းတို့ နှစ်ခုစလုံးတို့ဆီမှာ မွေရာပါ မှားယွင်းတတ်မှုပါပဲ"လို့ သူက မှတ်ချက်ချထားပါတယ်။

Sougwen Chung - Artist, researcher
Sougwen 愫君 Chung is an artist and researcher whose work explores the dynamics between humans and systems. Full bio

Double-click the English transcript below to play the video.

ကျုပ်တို့ တော်တော်များများတို့ဟာ
နေ့စဉ်ဘဝထဲမှာ နည်းပညာကို သုံးကြတယ်။

00:12

Many of us here use technology
in our day-to-day.

0

937

3165

00:16

And some of us rely
on technology to do our jobs.

1

4126

3247

ပြီးတော့ တချို့က ကိုယ့်အလုပ်ကို လုပ်ဖို့
နည်းပညာကို အားကိုးကြရတယ်။

00:19

For a while, I thought of machines
and the technologies that drive them

2

7397

3950

စက်ယန္တရားတွေနဲ့ ၎င်းတို့ကို မောင်းနှင်
ကြတဲ့ နည်းပညာတွေဟာဖြင့်

00:23

as perfect tools that could make my work
more efficient and more productive.

3

11371

4505

ကျွန်မရဲ့ အလုပ်ကို ပိုထိရောက်
ပိုအကျိုးဖြစ်စေမယ့် ကိရိယာများပါ။

ဒါပေမဲ့ စက်မှုလုပ်ငန်းအမျိုးမျိုးတွင် အလို
အလျောက် လုပ်ကိုင်မှု တိုးပွားလာမှုနှင့်အတူ

00:28

But with the rise of automation
across so many different industries,

4

16403

3254

00:31

it led me to wonder:

5

19681

1372

ကျွန်မ စဉ်းစားမိတာက-

00:33

If machines are starting
to be able to do the work

6

21077

2341

စက်တွေက အစဉ်အလာအရ
လူတွေ လုပ်ကိုင်လာခဲ့တာကို

00:35

traditionally done by humans,

7

23442

1667

စတင်ပြီး လုပ်ကိုင်လာနေကြတော့

00:37

what will become of the human hand?

8

25133

2333

လူသားရဲ့ လက်တွေကော ဘယ်လိုဖြစ်လာကြမလဲ။

00:40

How does our desire for perfection,
precision and automation

9

28133

4093

ကျုပ်တို့ရဲ့ ပြီးပြည့်စုံမှု၊ တိကျမှုနဲ့
အလိုအလျောက် လုပ်ကိုင်မှုတို့က

ကျုပ်တို့ရဲ့ ဖန်တီးနိုင်စွမ်းကို ဘယ်လို
အကျိုးသက်ရောက်ပါသလဲ။

00:44

affect our ability to be creative?

10

32250

1922

00:46

In my work as an artist and researcher,
I explore AI and robotics

11

34553

4087

ကျွန်မရဲ့ အနုပညာနှင့် သုတေသန ထဲတွင်
လူသားရဲ့ ဖန်တီးနိုင်စွမ်းသစ်ကို ရှာကြံဖို့

00:50

to develop new processes
for human creativity.

12

38664

3005

AI နဲ့ ရိုဘော့တွေကို စူးစမ်းလေ့လာရပါတယ်။

လွန်ခဲ့သောနှစ်အနည်းငယ်အတွင်းမှာ

00:54

For the past few years,

13

42077

1286

00:55

I've made work alongside machines,
data and emerging technologies.

14

43387

4376

ကျွန်မဟာ စက်ယန္တရားတွေ၊ ဒေတာနဲ့ ဆန်းသစ်စ
နည်းပညာတွေနဲ့ တွဲပြီး လုပ်ကိုင်ခဲ့ရပါတယ်။

01:00

It's part of a lifelong fascination

15

48143

1861

တစ်သက်လုံး အံ့အားသင့်လာခဲ့ရတဲ့ အလုပ်ပါ၊

01:02

about the dynamics
of individuals and systems

16

50028

2735

လူပုဂ္ဂိုလ်နဲ့ စနစ်တွေရဲ့
လှုပ်ရှားမှုတွေ အကြောင်း

ပြီးတော့ အဲဒါတွေ ရောထွေလျက်
ရှုပ်ထွေတဲ့ ရလဒ်တွေ ရလာပုံတွေကိုပါ။

01:04

and all the messiness that that entails.

17

52787

2381

01:07

It's how I'm exploring questions about
where AI ends and we begin

18

55192

4808

AI ပ ဘယ်မှာ အဆုံးသတ်ပြီး
ကျုပ်တို့က စတင်လျက်

ကျွန်မက လုပ်ငန်းစဉ်များကို
ပြုစုဖွံ့ဖြိုးလာစေလျက်

01:12

and where I'm developing processes

19

60024

1642

01:13

that investigate potential
sensory mixes of the future.

20

61690

3326

အနာဂတ်ရဲ့ အာရုံခံနိုင်မှုတွေကို ရောနှော
ပေးနိုင်ခြေ အလားအလာကို စုံစမ်းကြည့်တယ်။

01:17

I think it's where philosophy
and technology intersect.

21

65675

2857

ကျွန်မစိတ်ထင် ဒသနိကနဲ့ နည်းပညာတို့
ဆုံကြတဲ့ နေရာပါပဲ။

ဒီအလုပ်ကို လုပ်ကိုင်မှုက
ကျွန်မကို အချက်တချို့ကို သင်ပေးခဲ့တယ်။

01:20

Doing this work
has taught me a few things.

22

68992

2239

01:23

It's taught me how embracing imperfection

23

71642

2824

ပြီးပြည့်စုံခြင်းမရှိတာကို လက်ခံနိုင်မှုက

01:26

can actually teach us
something about ourselves.

24

74490

2489

ကျုပ်တို့ကို ကျုပ်တို့ကိုယ်တိုင်
အကြောင်းကို နည်းနည်းသေးနိုင်ပါတယ်။

01:29

It's taught me that exploring art

25

77428

2336

အနုပညာကို စူးစမ်းမှုက လက်တွေ့တွင်

01:31

can actually help shape
the technology that shapes us.

26

79788

2931

ကျုပ်တို့ကို ပုံသွင်းပေးတဲ့ နည်းပညာကို
ပုံသွင်းပေးဖို့ ကူပေးတာ ကျွန်မသိလာတယ်။

01:35

And it's taught me
that combining AI and robotics

27

83148

3261

နောက်ထပ် ကျွန်မ သိလာရတာက
AI နဲ့စက်ရုပ်တွေကို

အစဉ်အလာတီထွင်မှုပုံစံတွေနဲ့ ပေါင်းစပ်မှုက၊
ကျွန်မလို အမြင်အနုပညာထဲမှာဆိုရင်၊

01:38

with traditional forms of creativity --
visual arts in my case --

28

86433

3532

01:41

can help us think a little bit more deeply

29

89989

2302

လူသားဆိုတာ ဘာလဲ၊
စက်ပစ္စည်းတွေ ဆိုတာဘာလဲကို

01:44

about what is human
and what is the machine.

30

92315

2897

နည်းနည်းလေး ပိုပြီး နက်ရှိုင်းစွာ
နားလည်လာစေပါတယ်။

အဲဒီကတဆင့် ကျွန်မ ရှေ့ဆက် သဘောပေါက်လာတာက

01:47

And it's led me to the realization

31

95942

1707

ကျုပ်တို့ ရှေ့ဆက်သွားချင်ရင် နှစ်ခုစလုံး
အတွက် နေရာကို ဖန်တီးပေးဖို့

01:49

that collaboration is the key
to creating the space for both

32

97673

3055

01:52

as we move forward.

33

100752

1267

လက်တွဲဆောင်ရွက်မှုဟာ သော့ချက်ပါ။

01:54

It all started with a simple
experiment with machines,

34

102387

2746

ဒါတွေအားလုံး စတင်ခဲ့တာက "Drawing
Operations Unit: Generation 1."

01:57

called "Drawing Operations
Unit: Generation 1."

35

105157

2826

လို့ခေါ်တဲ့ စက်တွေနဲ့
စမ်းသပ်မှုမှ စတင်ခဲ့တာပါ။

02:00

I call the machine "D.O.U.G." for short.

36

108434

2516

ကျွန်မကတော့ အတိုကောက် "DOUG" လို့ခေါ်တယ်။

02:02

Before I built D.O.U.G,

37

110974

1326

ကျွန်မ DOUG ကို မတည်ဆောက်ခင်

02:04

I didn't know anything
about building robots.

38

112324

2365

စက်ရုပ်တွေ တည်ဆောက်မှု
အကြောင်း လုံးဝမသိခဲ့ဘူး။

ကျွန်မ အခမဲ့ရနိုင်တဲ့ စက်ရုပ်ရဲ့
လက်မောင်းဒီဇိုင်းတွေကို ယူခဲ့တယ်၊

02:07

I took some open-source
robotic arm designs,

39

115220

2897

02:10

I hacked together a system
where the robot would match my gestures

40

118141

3341

စက်ရုပ်ကနေပြီး ကျွန်မ လက်ဟန်တွေကို
အချိန်နဲ့တပြေးညီ ကူယူလုပ်နိုင်မယ့်

စနစ်တစ်ခုကို ကျွန်မ hack လုပ်ခဲ့တယ်။

02:13

and follow [them] in real time.

41

121506

1639

02:15

The premise was simple:

42

123169

1448

စိတ်ကူးက ရိုးရိုးလေးပါ-

02:16

I would lead, and it would follow.

43

124641

2200

ကျွန်မ ရှေ့မှလုပ်ပြတာကို
၎င်းက လိုက်လုပ်ပေးရန်ပါ။

02:19

I would draw a line,
and it would mimic my line.

44

127403

2936

ကျွန်မ လိုင်းကို ဆွဲရင်
၎င်းကပါ ကျွန်မလိုင်းကို တုပြီးဆွဲရမယ်။

02:22

So back in 2015, there we were,
drawing for the first time,

45

130363

3698

အဲဒါနဲ့ လွန်ခဲ့တဲ့ ၂၀၁၅ ခုနှစ်တုန်းက
ပထမဦးဆုံးအကြိမ် ဆွဲဖြစ်ခဲ့တယ်။

02:26

in front of a small audience
in New York City.

46

134085

2619

နယူးယောက်မြို့က
ပရိသတ်ကို အနည်းငယ်ရှေ့မှာပါ။

02:28

The process was pretty sparse --

47

136728

2555

လုပ်ပြခဲ့တာဟာ သိပ်ကို ရိုးရိုးလေးပါ--

02:31

no lights, no sounds,
nothing to hide behind.

48

139307

3487

မီးမရှိ၊ အသံမရှိ၊
ဖုံးကွယ်စရာ ဘာမျှမရှိခဲ့ပါ။

02:35

Just my palms sweating
and the robot's new servos heating up.

49

143241

3395

ကျွန်မ လက်ဖဝါးတွေ ချွေးပြန်နေကြပြီး
စက်ရုပ်ရဲ့ မော်တာတွေ ပူပြင်းလာကြတယ်။

(ရယ်သံများ) ကျွန်မတို့ လုပ်ကိုင်ပုံ
မဟုတ်ခဲ့မှန်း ရှင်းနေခဲ့ပါတယ်။

02:38

(Laughs) Clearly, we were
not built for this.

50

146950

2441

02:41

But something interesting happened,
something I didn't anticipate.

51

149820

3233

ဒါပေမဲ့ ကျွန်မ မျှော်လင့်မရခဲ့တဲ့
စိတ်ဝင်စားစရာ အရာတစ်ခု ဖြစ်ခဲ့တယ်။

02:45

See, D.O.U.G., in its primitive form,
wasn't tracking my line perfectly.

52

153077

4802

ရိုးအခဲ့တဲ့ DOUG ဟာ ကျွန်မရဲ့ လိုင်းတွေကို
ကွက်တိ ခြေရာမခံနိုင်ခဲ့ပါဘူး။

02:49

While in the simulation
that happened onscreen

53

157903

2333

ဟန်ဆောင် လုပ်ခဲ့ကြစဉ်တုန်းက
စခရင်ပေါ်မှာ

pixel အလိုက် ပြီးပြည့်စုံခဲ့တယ်။

02:52

it was pixel-perfect,

54

160260

1357

02:53

in physical reality,
it was a different story.

55

161641

2531

ရုပ်ပိုင်း လက်တွေ့အခြေအနေထဲကျတော့
လုံးဝ တမျိုးဖြစ်ခဲ့ပါတယ်။

02:56

It would slip and slide
and punctuate and falter,

56

164196

2817

၎င်းဟာ ချော်ပြီး ဘေးရောက်သွားတာ
ထပ်တလဲလဲ မှားမိနေခဲ့တယ်၊

02:59

and I would be forced to respond.

57

167037

2068

ကျွန်မက ပြန်ပြီး တုံ့ပြန်ရန် လိုအပ်ခဲ့တယ်။

03:01

There was nothing pristine about it.

58

169525

1778

အသစ်အဆန်းဆိုလို့ ဘာမှ မရှိခဲ့ပါ။

ဒါတောင် ပေါ်ပေါက်လာခဲ့ကြတဲ့
အမှားတွေကမှ စိတ်ဝင်စားစရာ အချက်ပါ။

03:03

And yet, somehow, the mistakes
made the work more interesting.

59

171327

3238

စက်ရုပ်က ကျွန်မလိုင်းကို အဓိပ္ပါယ်
ကောက်နေခဲ့ပေမဲ့ စနစ်မကျခဲ့ပါ။

03:06

The machine was interpreting
my line but not perfectly.

60

174589

2754

ကျွန်မ တုံ့ပြန်ရန် လိုအပ်ခဲ့တယ်။

03:09

And I was forced to respond.

61

177367

1372

03:10

We were adapting
to each other in real time.

62

178763

2709

ကျွန်မတို့အချိန်အညီ
လိုက်လျောညီထွေဖို့ အားထုတ်ခဲ့ကြတယ်။

03:13

And seeing this taught me a few things.

63

181496

1937

ဒါကို မြင်ပြီးတဲ့ နောက်မှာ
ကျွန်မ အချက်တချို့ကို နားလည်မိတယ်။

03:15

It showed me that our mistakes
actually made the work more interesting.

64

183457

4880

ကျွန်မတို့ရဲ့ အမှားတွေကမှ စိတ်ဝင်စားစရာ
အကောင်းဆုံး အပိုင်း ဖြစ်တာကို တွေ့လာရတယ်။

03:20

And I realized that, you know,
through the imperfection of the machine,

65

188663

4249

စက်ရဲ့ မပြီးပြည့်စုံမှုမှတစ်ဆင့်
ကျွန်မ နားလည်လာတာက

03:24

our imperfections became
what was beautiful about the interaction.

66

192936

3705

ကျွန်မတို့ရဲ့ မပြီးပြည့်စုံမှုကမှ တန်ပြန်
တုံ့ပြန်မှုထဲက အလှဆုံးအရာပါ။

အချက်တစ်ချကကို သိနားလည်လာခဲ့ရလို့
ကျွန်မဟာ စိတ်လှုပ်ရှားနေမိတယ်၊

03:29

And I was excited,
because it led me to the realization

67

197650

3087

လူသားနှင့်စက်ပစ္စည်းစနစ်များရဲ့
အလှတရားက

03:32

that maybe part of the beauty
of human and machine systems

68

200761

3650

၎င်းတို့ နှစ်ဘက်စလုံး မွေးရာပါ
မှားနိုင်တဲ့ အလေ့အထ ရှိနေခြင်းပါပဲ။

03:36

is their shared inherent fallibility.

69

204435

2738

03:39

For the second generation of D.O.U.G.,

70

207197

1820

DOUG ဒုတိယမျိုးဆက် ပေါ်လာတော့

03:41

I knew I wanted to explore this idea.

71

209041

2307

ကျွန်မဟာ အဲဒီ စိတ်ကူးကို
စူးစမ်းနေချင်ခဲ့တယ်။

03:43

But instead of an accident produced
by pushing a robotic arm to its limits,

72

211372

4418

ဒါပေမဲ့ စက်ရုပ်ရဲ့ လက်မောင်းက သူ့ဘာသာသူ
အမှတ်တမဲ့ လိုက်ဆွဲမယ့်အစား

ကျွန်မ ပြုစုချင်ခဲ့တာက ကျွန်မရဲ့ ပုံတွေကို
ကျွန်မ မျှော်မရတဲ့ နည်းလမ်းမျိုးနဲ့

03:47

I wanted to design a system
that would respond to my drawings

73

215814

2897

03:50

in ways that I didn't expect.

74

218735

1833

ကျွန်မပုံတွေကို တုံ့ပြန်မယ့် စနစ်ကိုပါ။

03:52

So, I used a visual algorithm
to extract visual information

75

220592

3849

ဒါနဲ့ ကျွန်မဟာ အမြင်အာရုံ အယ်လ်ဂိုရီသမ်
ကို အသုံးပြုပြီး ဆယ်စုနှစ်ချီ ကျွန်မရဲ့

03:56

from decades of my digital
and analog drawings.

76

224465

2978

ပုံများထဲမှ မြင်နိုင်တဲ့ အချက်အလက်များ
ကို ထုတ်ယူရန် ဖြစ်ပါတယ်။

03:59

I trained a neural net on these drawings

77

227467

2055

ကျွန်မဟာ အဲဒီပုံတွေကို သုံးပြီး အာရုံကြော
ကွန်ယက်ကို လေ့ကျင့်ပေးခဲ့ပြီး

04:01

in order to generate
recurring patterns in the work

78

229546

2865

ပုံတွေထဲက ထပ်နေတဲ့ ပုံစံတွေကို
ထုတ်လုပ်စေပြီး

04:04

that were then fed through custom software
back into the machine.

79

232435

3476

ကျွန်မတို့ရဲ့ ဆော့ဝဲဖြင့်
စက်ထဲကို ပြန်ထည့်ပေးခိုင်းခဲ့တယ်။

04:07

I painstakingly collected
as many of my drawings as I could find --

80

235935

4386

ကျွန်မဟာ ပြီးဆုံးထားတဲ့ ပုံတွေ၊
ဆွဲလက်စ အလုပ်တွေ၊ ကျပမ်း ရေးချစ်ခဲ့တာတွေ၊

04:12

finished works, unfinished experiments
and random sketches --

81

240345

4215

ကျွန်မ ရှာတွေခဲ့သမျှတွေကို
မရမက ရှာဖွေစုစည်းခဲ့တယ်--

04:16

and tagged them for the AI system.

82

244584

1999

ပြီးတော့ AI စနစ်အတွက် တဂ်လုပ်ပေးလိုက်တယ်။

04:18

And since I'm an artist,
I've been making work for over 20 years.

83

246607

3684

ကျွန်မဟာ အနှစ် ၂၀ ကျော်အလုပ် လုပ်ခဲ့တဲ့
အနုပညာရှင် ဖြစ်ပါတယ်။

ခုနက ပုံတွေကို လိုက်လံစုခဲ့ရတာဟာ
လအတော်ကြာခဲ့ပြီး

04:22

Collecting that many drawings took months,

84

250315

2024

04:24

it was a whole thing.

85

252363

1389

အတော့်ကို လုပ်ကိုင်ခဲ့ရပါတယ်။

04:25

And here's the thing
about training AI systems:

86

253776

2595

ပြီးတော့ AI စနစ်တွေကို လေ့ကျင့်ဖို့
ကိစ္စကလည်း ရှိနေသေးတယ်၊

04:28

it's actually a lot of hard work.

87

256395

2200

တကယ့်ကို ခက်ခဲစွ
ကြိုးပမ်းဖို့ လိုခဲ့ပါတယ်။

အလုပ်အများအပြားကို သူများတွေ
မြင်တောင် မြင်ကြရမှာ မဟုတ်ပါဘူး။

04:31

A lot of work goes on behind the scenes.

88

259022

2191

04:33

But in doing the work,
I realized a little bit more

89

261237

2681

ဒါပေမဲ့ အဲဒီလို လုပ်ကိုင်ရင်းနဲ့
ကျွန်မဟာ AI တည်ဆောက်ထားပုံကို

04:35

about how the architecture
of an AI is constructed.

90

263942

3421

နည်းနည်းလေး ပိုကောင်းမွန်စွာ
နားလည်လာခဲ့တယ်။

အဲဒါကို အာရုံကြောနက်များ အတွက် ပုံစံတွေ၊
နည်းစနစ်တွေကို သုံးထားရုံတင်

04:39

And I realized it's not just made
of models and classifiers

91

267387

2947

04:42

for the neural network.

92

270358

1322

မကတာကိုပါ ကျွန်မ သိလာခဲ့ရတယ်။

04:43

But it's a fundamentally
malleable and shapable system,

93

271704

3532

ပြီးတော့ ၎င်းဟာ ပုံစံပြောင်းလွယ်ပြီး
လိုချင်တဲ့ ပုံမျိုးကိုသွင်းယူလွယ်ခဲ့ပါတယ်၊

04:47

one in which the human hand
is always present.

94

275260

3111

လူသားရဲ့ လက်ကတော့ တနည်းနည်းနဲ့
အမြဲတမ်း ပါနေခဲ့တယ်။

04:50

It's far from the omnipotent AI
we've been told to believe in.

95

278395

4000

၎င်းဟာ ကျွန်မတို့ ကြားခဲ့ဘူးသလို
ဘာမဆို လုပ်နိုင်တာမျိုး မဟုတ်ခဲ့ကြပါ။

ဒါနဲ့ ကျွန်ဟာ အာရုံကြောကွန်ယက်အတွက်
ဒီလိုပုံတွေကို စုစည်းခဲ့တယ်။

04:54

So I collected these drawings
for the neural net.

96

282419

2515

04:56

And we realized something
that wasn't previously possible.

97

284958

3929

ပြီးတော့ အရင်တုန်းက လုံးဝမဖြစ်နိုင်ခဲ့တာ
တစ်ခုကိုပါ ကျွန်မ သဘောပေါက်လိုက်တယ်။

05:00

My robot D.O.U.G. became
a real-time interactive reflection

98

288911

4091

ကျွန်မရဲ့ DOUG စက်ရုပ်ဟာ ကျွန်မ တစ်သက်လုံး
ရေးဆွဲခဲ့သမျှ ပုံတွေကို

05:05

of the work I'd done
through the course of my life.

99

293026

2627

အချိန်နှင့်တပြေးညီ ထင်ဟပ်ပေးနိုင်ခဲ့တယ်။

05:07

The data was personal,
but the results were powerful.

100

295677

3865

ကျွန်မရဲ့ ဒေတာဖြစ်ခဲ့ပေမဲ့ ရလဒ်တွေကျတော့
အားရစရာကြီးပါ။

အဲဒါနဲ့ ကျွန်မဟာ
သိပ်ကို စိတ်လှုပ်ရှားလာလို့

05:11

And I got really excited,

101

299566

1484

05:13

because I started thinking maybe
machines don't need to be just tools,

102

301074

4582

ဒီစက်တွေဟာ ကိရိယာသက်သက် မဖြစ်သင့်ဘဲ
လူသားမဟုတ်တဲ့ လုပ်ဖက်လို လက်တွဲ

05:17

but they can function
as nonhuman collaborators.

103

305680

3420

လုပ်ကိုင်နိုင်စွမ်း ရှိကြမယ်လို့တောင်
ထင်မိခဲ့တယ်။

05:21

And even more than that,

104

309537

1547

အဲဒီထက်ကို တောင်ပိုလျက်၊

05:23

I thought maybe
the future of human creativity

105

311108

2429

လူသားရဲ့ တီထွင်နိုင်စွမ်းရဲ့ အနာဂတ်ဟာဖြင့်

05:25

isn't in what it makes

106

313561

1524

လူကနေပြီး လုပ်တဲ့ အရာမဟုတ်ဘဲ

05:27

but how it comes together
to explore new ways of making.

107

315109

3436

ဖန်တီးလုပ်ကိုင်ရေး နည်းလမ်းသစ်တွေကို
လက်တွေ စူးစမ်းမှုဖြစ်တယ်လို့ ထင်မိတယ်။

05:31

So if D.O.U.G._1 was the muscle,

108

319101

2190

ဒီတော့ DOUG_1 က ကြွက်သားဖြစ်ခဲ့ပြီး

05:33

and D.O.U.G._2 was the brain,

109

321315

1762

DOUG_2 က ဦးနှောက်ဖြစ်ခဲ့တယ် ဆိုရင်၊

05:35

then I like to think
of D.O.U.G._3 as the family.

110

323101

2928

DOUG_3 ကျတော့ မိသားစုနဲ့ တူပါတယ်။

05:38

I knew I wanted to explore this idea
of human-nonhuman collaboration at scale.

111

326482

4793

လူသား-လူသားမဟုတ်သူရဲ့ပူးပေါင်းဆောင်
ရွက်မှုကို စကေးကြီးဖြင့် စူးစမ်းလိုခဲ့တယ်။

အဲဒါနဲ့ လွန်ခဲ့တဲ့ လအနည်းငယ် အတွင်းမှာ၊

05:43

So over the past few months,

112

331299

1373

ကျွန်မအဖွဲ့နဲ့အတူ ကျွန်မတို့ ရွေးထားတဲ့
စက်ရုပ် ၂၀ ကိုထုတ်လုပ်ခဲ့ကြပြီး

05:44

I worked with my team
to develop 20 custom robots

113

332696

3135

05:47

that could work with me as a collective.

114

335855

1960

စုပေါင်းလျက် သူတို့နဲ့စမ်းရန် ဖြစ်ခဲ့တယ်။

05:49

They would work as a group,

115

337839

1293

သူတို့ဟာ အုပ်စုအနေနဲ့ လုပ်ကိုင်ကြမယ်၊

05:51

and together, we would collaborate
with all of New York City.

116

339156

2889

သူတို့နဲ့အတူကျွန်မတို့ဟာ နယူးယောက်မြို့
တမြို့လုံးမှာ လက်တွဲ လုပ်ကိုင်ဖို့ပါ။

05:54

I was really inspired
by Stanford researcher Fei-Fei Li,

117

342069

2944

Stanford သုတေသီ Fei-Fei Li ကို
အားကျပါတယ်၊

05:57

who said, "if we want to teach
machines how to think,

118

345037

2515

"စက်တွေကို စဉ်းစားလာအောင် သင်ချင်ရင်၊

သူတို့ကို မြင်လာနိုင်အောင် အရင် သင်ပေးဖို့
လိုအပ်မယ်။" သူက မိန့်ကြားခဲ့ပါတယ်။

05:59

we need to first teach them how to see."

119

347576

1984

06:01

It made me think of the past decade
of my life in New York,

120

349584

2785

နယူးယောက်မှာ နေခဲ့တဲ့
ဆယ်နှစ်ကို ပြန်စဉ်းစားလာရတယ်၊

06:04

and how I'd been all watched over by these
surveillance cameras around the city.

121

352393

3993

တမြို့လုံးမှာ စောင့်ကြည့်ရေး
ကင်မရာတွေကို မှတ်မိတယ်။

06:08

And I thought it would be
really interesting

122

356410

2056

အဲဒါတွေ အားလုံးကို ကျွန်မရဲ့ စက်ရုပ်တွေကို

06:10

if I could use them
to teach my robots to see.

123

358490

2405

သင်ပေးဖို့ သုံးနိုင်ရင် ကောင်းမှာပဲလို့
စိတ်ကူးရမိတယ်။

06:12

So with this project,

124

360919

1888

အဲဒီလို ပရိုဂျက်ကို စဉ်းစားရင်း၊

06:14

I thought about the gaze of the machine,

125

362831

1967

စက်တွေ စောင့်ကြည့်နေပုံကို စိတ်ကူးလျက်

06:16

and I began to think about vision
as multidimensional,

126

364822

3226

အမြင်အကြောင်းကို မာလ်တီအမြင်မျိုးဖြင့်
စစဉ်းစားလာတယ်၊

06:20

as views from somewhere.

127

368072

1600

တစ်နေရာမှ မြင်ရတဲ့ အမြင်မျိုးလိုပါ။

ကျွန်မတို့ ဗွီဒီယိုတွေကို စစုဆောင်းတယ်၊

06:22

We collected video

128

370151

1834

06:24

from publicly available
camera feeds on the internet

129

372009

3063

အင်တာနက်မှာ ရနိုင်တဲ့
အများပြည်သူဆိုင်ရာတွေပါ၊

လူတွေ လမ်းပေါ်မှာ လမ်းလျှောက်နေကြပုံ၊

06:27

of people walking on the sidewalks,

130

375096

1690

06:28

cars and taxis on the road,

131

376810

1712

ကားတွေ၊ တက္ကစီတွေ စသဖြင့်

06:30

all kinds of urban movement.

132

378546

1817

မြို့ပြ လှုပ်ရှားမှု ပုံတွေမျိုးစုံပေါ့။

အဲဒါမျိုးကို မြင်နိုင်တဲ့ မြင်မှု
အယ်လဂိုရီသမ်ကို ပြုစုခဲ့ကြတယ်

06:33

We trained a vision algorithm
on those feeds

133

381188

2603

"optical flow" လို့ခေါ်တဲ့ နည်းပညာကို
အခြေခံခဲ့ကြတယ်၊

06:35

based on a technique
called "optical flow,"

134

383815

2286

06:38

to analyze the collective density,

135

386125

1977

မြို့ပြများထဲက စုပေါင်းသိပ်သည်းဆကို၊

06:40

direction, dwell and velocity states
of urban movement.

136

388126

3637

လူတွေရဲ့ ဦးတည်ချက်ကို၊ နေထိုင်ပုံနဲ့
အရှိန်အဟုန် စသဖြင့် ဆန်းစစ်ခဲ့ကြတယ်။

06:44

Our system extracted those states
from the feeds as positional data

137

392178

4269

ကျွန်မတို့ စနစ်က အနေအထားမျိုးစုံထဲကနေပြီး
အဲဒီလို အချက်တွေကို ထုတ်ယူပေးခဲ့လို့

06:48

and became pads for my
robotic units to draw on.

138

396471

3373

အဲဒါတွေဟာ ကျွန်မရဲ့ စက်ရုပ်တွေ
ပုံဆွဲရန် သင်ပုန်းလို ဖြစ်လာကြတယ်။

06:51

Instead of a collaboration of one-to-one,

139

399868

2534

ကျွန်မတို့ဟာ တစ်ဦးနဲ့ တစ်ဦး
လက်တွဲဆောင်ရွက်မှုအစား

06:54

we made a collaboration of many-to-many.

140

402426

3024

အများက အများနဲ့ လက်တွဲဆောင်ရွက်မှုကို
တီထွင်ခဲ့ကြတယ်။

06:57

By combining the vision of human
and machine in the city,

141

405474

3587

မြို့ထဲရှိ လူသားနဲ့ စက်ရဲ့
အမြင်ကို ပေါင်းပေးလိုက်ခြင်းဖြင့်

ရှုခင်းပန်းချီကား ဆိုတာ ဘယ်လိုဖြစ်နိုင်
ကြောင်းကို ပြန်လည်ပုံဖော်ခဲ့ကြတယ်။

07:01

we reimagined what
a landscape painting could be.

142

409085

2794

D.O.U.G. နဲ့ ကျွန်မလုပ်ခဲ့သမျှ
စမ်းသပ်မှုများအားလုံးတို့ဟာ

07:03

Throughout all of my
experiments with D.O.U.G.,

143

411903

2218

07:06

no two performances
have ever been the same.

144

414145

2717

တူညီတာဆိုလို့ တကြိမ်ဘူးမှ မရှိခဲ့ဘူးပါ။

07:08

And through collaboration,

145

416886

1382

လက်တွဲပူးပေါင်းမှုရဲ့ ကျေးဇူးကြောင့်

07:10

we create something that neither of us
could have done alone:

146

418292

2864

ကျွန်မတို့ ဘယ်သူာမှ ဖန်တီးနိုင်ခဲ့မှာ
မဟုတ်တာကို ဖန်တီးနိုင်ခဲ့ကြတယ်-

07:13

we explore the boundaries
of our creativity,

147

421180

2611

ကျွန်မတို့ရဲ့ ကျုပ်တို့၊ လူသားနဲ့
လူသားမဟုတ်သူတို့ရဲ့

07:15

human and nonhuman working in parallel.

148

423815

2892

တီထွင်ဖန်တီးမှုရဲ့
ဘောင်ကို စူးစမ်းနိုင်ခဲ့ကြတယ်။

07:19

I think this is just the beginning.

149

427823

2334

ကျွန်မအတွက် ဒါဟာ အစပဲ ရှိပါသေးတယ်။

07:22

This year, I've launched Scilicet,

150

430569

2183

ဒီနှစ်ထဲတွင် ကျွန်မဟာ
Scilicet ကိုစတင်ခဲ့တယ်၊

07:24

my new lab exploring human
and interhuman collaboration.

151

432776

4245

လူသားနှင့်လူသားချင်းကြားက ပူးပေါင်းဆောင်
ရွက်မှုကိုစူးစမ်းမယ့် ဓာတ်ခွဲခန်းသစ်ပါ။

လူတစ်ဦးချင်း၊ အတုဖြစ်ကြတာနဲ့
ဂေဟစနစ်ထံမှ ရမယ့်

07:29

We're really interested
in the feedback loop

152

437339

2120

07:31

between individual, artificial
and ecological systems.

153

439483

4230

တုံ့ပြန်ချက် ကွင်းဆက်ဟာ စိတ်ဝင်စားစရာပါ။

ကျွန်မတို့ဟာ ပတ်ဝန်းကျင်ဆိုင်ရာ လူသားနဲ့
စက်တွေထံမှ ရရှိမယ့်

07:36

We're connecting human and machine output

154

444276

2269

07:38

to biometrics and other kinds
of environmental data.

155

446569

2984

ဇီဝဗေဒဆိုင်ရာ
အခြား ဒေတာတွေကို စုစည်းကြပါမယ်။

07:41

We're inviting anyone who's interested
in the future of work, systems

156

449577

4079

ကျွန်မတို့နဲ့အတူ လက်တွဲ စူးစမ်းရန်
ကျွန်မတို့ရဲ့ အနာဂတ် အလုပ်၊ စနစ်များ၊

လူသားချင်း လက်တွဲပူးပေါင်းဆောင်ရွက်မှုကို

07:45

and interhuman collaboration

157

453680

1595

စိတ်ဝင်စားသူ အားလုံးကို ဖိတ်ကြားပါတယ်။

07:47

to explore with us.

158

455299

1550

07:48

We know it's not just technologists
that have to do this work

159

456873

3405

ဒါတွေအားလုံးကို နည်းပညာရှင်တွေ သက်သက် သာမက

07:52

and that we all have a role to play.

160

460302

2103

ကျုပ်တို့ အားလုံးပါ ပါဝင် လုပ်ကိုင်ရမယ့်
အခန်းကဏ္ဍတွေ ရှိပါတယ်။

07:54

We believe that by teaching machines

161

462429

2243

အစဉ်အလာအရ လူတွေ လုပ်ခဲ့ကြတဲ့

07:56

how to do the work
traditionally done by humans,

162

464696

2730

အလုပ်တွေကို စက်တွေကို သင်ပေးခြင်းဖြင့်

07:59

we can explore and evolve our criteria

163

467450

2953

လူ့လက်တွေနဲ့ လုပ်လို့ ရနိုင်တာရဲ့
စံသတ်မှတ်ချက်တွေကို

08:02

of what's made possible by the human hand.

164

470427

2443

ကျွန်မတို့ စူးစမ်းနိုင်မယ်လို့
ယုံကြည်ပါတယ်။

08:04

And part of that journey
is embracing the imperfections

165

472894

3493

အဲဒီလို ချီတက်ရမယ့် ခရီးထဲရဲ့ တစ်ပိုင်းက

08:08

and recognizing the fallibility
of both human and machine,

166

476411

3690

လူသားတွေရော စက်တွေပါ
မှားယွင်းနိုင်ကြတာကို အသိအမှတ်ပြုလျက်

08:12

in order to expand the potential of both.

167

480125

2405

နှစ်ဘက်စလုံးရဲ့ အစွမ်းအစတွေကို
တိုးချဲ့ဖို့ လိုပါတယ်။

ဒီနေ့အထိ ကျွန်မဟာ အလှတရားကို
လူသားထဲမှာရေ လူသားမဟုတ်တဲ့ထဲမှာပါ

08:14

Today, I'm still in pursuit
of finding the beauty

168

482919

2301

08:17

in human and nonhuman creativity.

169

485244

2276

ရှာကြံဖို့ အားထုတ်နေလျက်ပါ။

အနာဂတ်တွင် အဲဒါဟာ ဘယ်လိုပုံစံမျိုး
ဖြစ်မှာကို ကျွန်မ မပြောတတ်ဘူး၊

08:19

In the future, I have no idea
what that will look like,

170

487865

2829

ဒါပေမဲ့ အဲဒါကို ရှာဖွေရန် ကျွန်မ
သိပ်ကို စိတ်ဓာတ်ပြင်းပြနေပါတယ်။

08:23

but I'm pretty curious to find out.

171

491627

2024

08:25

Thank you.

172

493675

1151

ကျေးဇူးတင်ပါတယ်။

08:26

(Applause)

173

494850

1884

(လက်ခုပ်သံများ)

Translated by Myo Aung
Reviewed by Sanda Aung

ABOUT THE SPEAKER

Sougwen Chung - Artist, researcher
Sougwen 愫君 Chung is an artist and researcher whose work explores the dynamics between humans and systems.

Why you should listen

Sougwen Chung's work explores the mark-made-by-hand and the mark-made-by-machine as an approach to understanding the dynamics of humans and systems. Chung is a former research fellow at MIT’s Media Lab and a pioneer in the field of human-machine collaboration. In 2019, she was selected as the Woman of the Year in Monaco for achievement in the Arts & Sciences.

In 2018 she was an inaugural E.A.T. Artist in Resident in partnership with New Museum and Bell Labs, and was awarded a commission for her project Omnia per Omnia. In 2016, Chung received Japan Media Art’s Excellence Award in for her project, Drawing Operations. She is a former research fellow at MIT’s Media Lab. She has been awarded Artist in Residence positions at Google, Eyebeam, Japan Media Arts and Pier 9 Autodesk. Her speculative critical practice spans performance, installation and drawings which have been featured in numerous exhibitions at museums and galleries around the world.

More profile about the speaker
Sougwen Chung | Speaker | TED.com

THE ORIGINAL VIDEO ON TED.COM

Sougwen Chung: ကျွန်မ စက်ရုပ်တွေကိုသုံးပြီး ပုံတွေဆွဲနေတာ ဘာကြောင့်လဲ | TED Talk | TED.com