TED@BCG Mumbai
Sougwen Chung: Why I draw with robots
Сугуен Чан: Защо рисувам с роботи
Filmed:
Readability: 4.4
160,983 views
Какво става, когато хора и роботи създават изкуство заедно? В тази вдъхновяваща реч, артистката Сугуен Чан показва как е "преподала" артистичния си стил на машина и споделя резултатите от тяхното сътрудничество, след като е направила неочаквано откритие: роботите също правят грешки. "Част от красотата на човешките и машинните системи е тяхната наследима споделена погрешимост." - казва тя.
Sougwen Chung - Artist, researcher
Sougwen 愫君 Chung is an artist and researcher whose work explores the dynamics between humans and systems. Full bio
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.
00:12
Many of us here use technology
in our day-to-day.
in our day-to-day.
0
937
3165
Мнозина от нас използват
технологии в ежедневието си.
технологии в ежедневието си.
00:16
And some of us rely
on technology to do our jobs.
on technology to do our jobs.
1
4126
3247
Някои разчитат на технологиите
да вършат работата ни.
да вършат работата ни.
00:19
For a while, I thought of machines
and the technologies that drive them
and the technologies that drive them
2
7397
3950
За кратко смятах, че машините
и технологиите , които са важни
и технологиите , които са важни
00:23
as perfect tools that could make my work
more efficient and more productive.
more efficient and more productive.
3
11371
4505
са добри инструменти, можещи да направят
работата ми по-ефективна и плодотворна.
работата ми по-ефективна и плодотворна.
Но с разтежа на автоматизацията сред
различни индустрии,
различни индустрии,
00:28
But with the rise of automation
across so many different industries,
across so many different industries,
4
16403
3254
се замислих:
00:31
it led me to wonder:
5
19681
1372
00:33
If machines are starting
to be able to do the work
to be able to do the work
6
21077
2341
Ако машините стават способни
да вършат работата
да вършат работата
00:35
traditionally done by humans,
7
23442
1667
досега извършвана от хора,
00:37
what will become of the human hand?
8
25133
2333
какво ще стане с човешката ръка?
00:40
How does our desire for perfection,
precision and automation
precision and automation
9
28133
4093
Как желанието ни за съвършенство,
прецизност и автоматизация
прецизност и автоматизация
00:44
affect our ability to be creative?
10
32250
1922
влияят на нашата изобретателност?
00:46
In my work as an artist and researcher,
I explore AI and robotics
I explore AI and robotics
11
34553
4087
В работата си като артист и изследовател,
изучавам изкуствен интелект и роботика,
изучавам изкуствен интелект и роботика,
00:50
to develop new processes
for human creativity.
for human creativity.
12
38664
3005
за да разработвам нови процеси за
човешка изобретателност.
човешка изобретателност.
00:54
For the past few years,
13
42077
1286
За последните години
00:55
I've made work alongside machines,
data and emerging technologies.
data and emerging technologies.
14
43387
4376
съм работила сред машини, данни и
изникващи технологии.
изникващи технологии.
01:00
It's part of a lifelong fascination
15
48143
1861
Това е част от доживотно възхищение
01:02
about the dynamics
of individuals and systems
of individuals and systems
16
50028
2735
за динамиката между хора и системи
01:04
and all the messiness that that entails.
17
52787
2381
и цялата бъркотия, която тя предизвиква.
01:07
It's how I'm exploring questions about
where AI ends and we begin
where AI ends and we begin
18
55192
4808
Това е начина за изледване по отношение
на края на изкуствения интелекти нас
на края на изкуствения интелекти нас
01:12
and where I'm developing processes
19
60024
1642
и къде разработвам процеси,
01:13
that investigate potential
sensory mixes of the future.
sensory mixes of the future.
20
61690
3326
които изследват потенциални смесици
в бъдеще.
в бъдеще.
01:17
I think it's where philosophy
and technology intersect.
and technology intersect.
21
65675
2857
Мисля, че тук философията и технологията
се пресичат.
се пресичат.
01:20
Doing this work
has taught me a few things.
has taught me a few things.
22
68992
2239
Тази работа ме научи на някои неща.
01:23
It's taught me how embracing imperfection
23
71642
2824
Научи ме как приемането на
несъвършенствата
несъвършенствата
01:26
can actually teach us
something about ourselves.
something about ourselves.
24
74490
2489
може да ни покаже нещо за самите нас.
01:29
It's taught me that exploring art
25
77428
2336
Научи ме, че изследването на изкуството
01:31
can actually help shape
the technology that shapes us.
the technology that shapes us.
26
79788
2931
може да промени технологията,
която оформя нас.
която оформя нас.
01:35
And it's taught me
that combining AI and robotics
that combining AI and robotics
27
83148
3261
И ми показа, че комбинирането на
изкуствен интелект и роботика
изкуствен интелект и роботика
01:38
with traditional forms of creativity --
visual arts in my case --
visual arts in my case --
28
86433
3532
с традиционни форми на креативност
- в частност визуални изкуства -
- в частност визуални изкуства -
01:41
can help us think a little bit more deeply
29
89989
2302
може поощри да мислим по-задълбочено
01:44
about what is human
and what is the machine.
and what is the machine.
30
92315
2897
за това какво е човек и какво машина.
01:47
And it's led me to the realization
31
95942
1707
И доведе до извода,
01:49
that collaboration is the key
to creating the space for both
to creating the space for both
32
97673
3055
че сътрудничеството е ключът, за създаването на място за двете
01:52
as we move forward.
33
100752
1267
докато продължаваме напред
01:54
It all started with a simple
experiment with machines,
experiment with machines,
34
102387
2746
Всичко започна с прост
експеримент с машини,
експеримент с машини,
01:57
called "Drawing Operations
Unit: Generation 1."
Unit: Generation 1."
35
105157
2826
наречен "Поделение за рисуващи
операции: генерация 1".
операции: генерация 1".
02:00
I call the machine "D.O.U.G." for short.
36
108434
2516
Наричам машината ДОУГ за по-кратко.
02:02
Before I built D.O.U.G,
37
110974
1326
Преди да създам ДОУГ,
02:04
I didn't know anything
about building robots.
about building robots.
38
112324
2365
Не знаех нищо за създаването на роботи.
02:07
I took some open-source
robotic arm designs,
robotic arm designs,
39
115220
2897
Трябваха отворени дизайни за
роботски ръце,
роботски ръце,
02:10
I hacked together a system
where the robot would match my gestures
where the robot would match my gestures
40
118141
3341
направих система с която роботът
да следи жестовете ми
да следи жестовете ми
02:13
and follow [them] in real time.
41
121506
1639
и да ги следва в реално време.
02:15
The premise was simple:
42
123169
1448
Обещанието беше просто:
02:16
I would lead, and it would follow.
43
124641
2200
аз щях да водя, а той да следва.
02:19
I would draw a line,
and it would mimic my line.
and it would mimic my line.
44
127403
2936
Аз щях да чертая линия, а той
да я имитира.
да я имитира.
02:22
So back in 2015, there we were,
drawing for the first time,
drawing for the first time,
45
130363
3698
Обратно в 2015, рисувахме за първи път,
02:26
in front of a small audience
in New York City.
in New York City.
46
134085
2619
пред малка публика в Ню Йорк.
02:28
The process was pretty sparse --
47
136728
2555
Процесът беше прост -
02:31
no lights, no sounds,
nothing to hide behind.
nothing to hide behind.
48
139307
3487
без светлини, без звуци, нищо за криене.
02:35
Just my palms sweating
and the robot's new servos heating up.
and the robot's new servos heating up.
49
143241
3395
Само потящите ми длани и прегряващият
механизъм на робота.
механизъм на робота.
02:38
(Laughs) Clearly, we were
not built for this.
not built for this.
50
146950
2441
(смее се) Очевидно не сме
създадени за това.
създадени за това.
02:41
But something interesting happened,
something I didn't anticipate.
something I didn't anticipate.
51
149820
3233
Но нещо интересно стана, което не очаквах.
02:45
See, D.O.U.G., in its primitive form,
wasn't tracking my line perfectly.
wasn't tracking my line perfectly.
52
153077
4802
Вижте, ДОУГ, в примитивната си форма, не
следваше моята линия идеално
следваше моята линия идеално
02:49
While in the simulation
that happened onscreen
that happened onscreen
53
157903
2333
Докато в симулацията на екран
02:52
it was pixel-perfect,
54
160260
1357
беше точен до пиксел,
02:53
in physical reality,
it was a different story.
it was a different story.
55
161641
2531
в реалността беше различна история.
02:56
It would slip and slide
and punctuate and falter,
and punctuate and falter,
56
164196
2817
хлъзгаше се и пързаляше,
прекъсваше и засичаше,
прекъсваше и засичаше,
02:59
and I would be forced to respond.
57
167037
2068
а аз трябваше да отреагирам.
03:01
There was nothing pristine about it.
58
169525
1778
Нямаше нищо първично в това.
03:03
And yet, somehow, the mistakes
made the work more interesting.
made the work more interesting.
59
171327
3238
Но все пак, някак, грешките направиха
работата по-интересна.
работата по-интересна.
03:06
The machine was interpreting
my line but not perfectly.
my line but not perfectly.
60
174589
2754
Машината интерпретираше линията ми,
но не перфектно.
но не перфектно.
03:09
And I was forced to respond.
61
177367
1372
И трябваше да отреагирам.
03:10
We were adapting
to each other in real time.
to each other in real time.
62
178763
2709
Приспособявахме се в реално време.
03:13
And seeing this taught me a few things.
63
181496
1937
Видяното ме научи на някои неща.
03:15
It showed me that our mistakes
actually made the work more interesting.
actually made the work more interesting.
64
183457
4880
Показа ми, че грешките ни, правят
работата интересна.
работата интересна.
03:20
And I realized that, you know,
through the imperfection of the machine,
through the imperfection of the machine,
65
188663
4249
И осъзнах, че чрез несъвършенството
на машината,
на машината,
03:24
our imperfections became
what was beautiful about the interaction.
what was beautiful about the interaction.
66
192936
3705
нашите несъвършенства стават това, което
е красиво във взаимоотношението.
е красиво във взаимоотношението.
03:29
And I was excited,
because it led me to the realization
because it led me to the realization
67
197650
3087
И бях развълнувана, защо осъзнах,
03:32
that maybe part of the beauty
of human and machine systems
of human and machine systems
68
200761
3650
че част от красотата между хората
и машините
и машините
03:36
is their shared inherent fallibility.
69
204435
2738
е тяхната споделена наследена погрешимост.
03:39
For the second generation of D.O.U.G.,
70
207197
1820
За втората генерация ДОУГ,
03:41
I knew I wanted to explore this idea.
71
209041
2307
знаех, че искам да изследвам тази идея.
03:43
But instead of an accident produced
by pushing a robotic arm to its limits,
by pushing a robotic arm to its limits,
72
211372
4418
Но вместо инцидент, породен от
претоварване на роботска ръка,
претоварване на роботска ръка,
03:47
I wanted to design a system
that would respond to my drawings
that would respond to my drawings
73
215814
2897
исках да проектирам система, която
да отговаря на схемите ми
да отговаря на схемите ми
03:50
in ways that I didn't expect.
74
218735
1833
по начини, които не съм очаквала.
03:52
So, I used a visual algorithm
to extract visual information
to extract visual information
75
220592
3849
Иизползвах визуален алгоритъм за
извличане на информация
извличане на информация
03:56
from decades of my digital
and analog drawings.
and analog drawings.
76
224465
2978
от десетилетията ми дигитални и
аналогови схеми.
аналогови схеми.
03:59
I trained a neural net on these drawings
77
227467
2055
Тренирах невронна мрежа на тези схеми
04:01
in order to generate
recurring patterns in the work
recurring patterns in the work
78
229546
2865
с цел да генерирам повтарящи се шаблони,
04:04
that were then fed through custom software
back into the machine.
back into the machine.
79
232435
3476
които после се връщаха към машината
чрез специален софтуер.
чрез специален софтуер.
04:07
I painstakingly collected
as many of my drawings as I could find --
as many of my drawings as I could find --
80
235935
4386
Старателно събирах колкото можех
от схемите ми
от схемите ми
04:12
finished works, unfinished experiments
and random sketches --
and random sketches --
81
240345
4215
завършени работи, незавършени
експерименти и случайни драсканици -
експерименти и случайни драсканици -
04:16
and tagged them for the AI system.
82
244584
1999
и ги отбелязвах за изкуствения интелект.
04:18
And since I'm an artist,
I've been making work for over 20 years.
I've been making work for over 20 years.
83
246607
3684
И откакто съм артист, съм работила
над 20 години.
над 20 години.
04:22
Collecting that many drawings took months,
84
250315
2024
Събирането на толкова схеми отне месеци,
04:24
it was a whole thing.
85
252363
1389
това е цялото нещо.
04:25
And here's the thing
about training AI systems:
about training AI systems:
86
253776
2595
И ето за обучението на
изкуствения интелект
изкуствения интелект
04:28
it's actually a lot of hard work.
87
256395
2200
много тежка работа е.
04:31
A lot of work goes on behind the scenes.
88
259022
2191
Много работа остава незабелязана.
04:33
But in doing the work,
I realized a little bit more
I realized a little bit more
89
261237
2681
Но вършейки работата, осъзнах малко
повече за това
повече за това
04:35
about how the architecture
of an AI is constructed.
of an AI is constructed.
90
263942
3421
как архитектурата на изкуствения интелект
е конструирана.
е конструирана.
04:39
And I realized it's not just made
of models and classifiers
of models and classifiers
91
267387
2947
И осъзнах, че не е само модели и
класификатори
класификатори
04:42
for the neural network.
92
270358
1322
за невронната мрежа.
04:43
But it's a fundamentally
malleable and shapable system,
malleable and shapable system,
93
271704
3532
А е фундаментално ковка и лесна за
оформяне система,
оформяне система,
04:47
one in which the human hand
is always present.
is always present.
94
275260
3111
където човешката ръка е винаги насъщна.
04:50
It's far from the omnipotent AI
we've been told to believe in.
we've been told to believe in.
95
278395
4000
Далеч е от всемогъщия изкуствен интелект,
в който ни карат да вярваме.
в който ни карат да вярваме.
04:54
So I collected these drawings
for the neural net.
for the neural net.
96
282419
2515
Та, събирах схеми за невронната мрежа.
04:56
And we realized something
that wasn't previously possible.
that wasn't previously possible.
97
284958
3929
И ние осъзнахме нещо, което
не беше възможно преди.
не беше възможно преди.
05:00
My robot D.O.U.G. became
a real-time interactive reflection
a real-time interactive reflection
98
288911
4091
Моят робот ДОУГ, беше станал отражение
в реално време
в реално време
05:05
of the work I'd done
through the course of my life.
through the course of my life.
99
293026
2627
на работата, която бях вършила цял живот.
05:07
The data was personal,
but the results were powerful.
but the results were powerful.
100
295677
3865
Данните бяха лични, но резултатите
бяха окуражаващи.
бяха окуражаващи.
05:11
And I got really excited,
101
299566
1484
И силно се развълнувах,
05:13
because I started thinking maybe
machines don't need to be just tools,
machines don't need to be just tools,
102
301074
4582
защото започнах да мисля, че машините
може би не трябва да са само инструменти,
може би не трябва да са само инструменти,
05:17
but they can function
as nonhuman collaborators.
as nonhuman collaborators.
103
305680
3420
но могат да служат като
не-човешки сътрудници.
не-човешки сътрудници.
05:21
And even more than that,
104
309537
1547
И дори повече,
05:23
I thought maybe
the future of human creativity
the future of human creativity
105
311108
2429
помислих, че може би
човешката изобретателност
човешката изобретателност
05:25
isn't in what it makes
106
313561
1524
не е в това, което правим,
05:27
but how it comes together
to explore new ways of making.
to explore new ways of making.
107
315109
3436
а в това как изследваме нови
начини на мислене.
начини на мислене.
05:31
So if D.O.U.G._1 was the muscle,
108
319101
2190
Така че, ако ДОУГ 1 беше мускулът
05:33
and D.O.U.G._2 was the brain,
109
321315
1762
и ДОУГ 2 беше мозъкът,
05:35
then I like to think
of D.O.U.G._3 as the family.
of D.O.U.G._3 as the family.
110
323101
2928
харесва ми да считам ДОУГ 3
)за семейството.
)за семейството.
05:38
I knew I wanted to explore this idea
of human-nonhuman collaboration at scale.
of human-nonhuman collaboration at scale.
111
326482
4793
Исках да изследвам мащабното
сътрудничество между човек-машина
сътрудничество между човек-машина
05:43
So over the past few months,
112
331299
1373
Така че, в следващите месеци
05:44
I worked with my team
to develop 20 custom robots
to develop 20 custom robots
113
332696
3135
работех с екипа си над 20 специализирани
робота,
робота,
05:47
that could work with me as a collective.
114
335855
1960
които да работят с мен като колектив.
05:49
They would work as a group,
115
337839
1293
Трябваше да работят като група,
05:51
and together, we would collaborate
with all of New York City.
with all of New York City.
116
339156
2889
и заедно щяхме да сътрудничим
с целия Ню Йорк.
с целия Ню Йорк.
05:54
I was really inspired
by Stanford researcher Fei-Fei Li,
by Stanford researcher Fei-Fei Li,
117
342069
2944
Бях вдъхновена от
изследователя от Станфорд Фей-Фей Ли,
изследователя от Станфорд Фей-Фей Ли,
05:57
who said, "if we want to teach
machines how to think,
machines how to think,
118
345037
2515
каза: " Искаме да научим
как машините да мислят,
как машините да мислят,
05:59
we need to first teach them how to see."
119
347576
1984
първо трябва да ги научим как да виждат."
06:01
It made me think of the past decade
of my life in New York,
of my life in New York,
120
349584
2785
Замислих се за 10
години от живота ми в Ню Йорк
години от живота ми в Ню Йорк
06:04
and how I'd been all watched over by these
surveillance cameras around the city.
surveillance cameras around the city.
121
352393
3993
и как съм била гледана от охранителни
камери в града.
камери в града.
06:08
And I thought it would be
really interesting
really interesting
122
356410
2056
И помислих, че ще е наистина интересно
06:10
if I could use them
to teach my robots to see.
to teach my robots to see.
123
358490
2405
ако ги използвам да науча
роботите си да виждат.
роботите си да виждат.
06:12
So with this project,
124
360919
1888
Та, с този проект,
06:14
I thought about the gaze of the machine,
125
362831
1967
помислих за погледа на машината
06:16
and I began to think about vision
as multidimensional,
as multidimensional,
126
364822
3226
и започнах да мисля за зрението
като многоизмерно,
като многоизмерно,
06:20
as views from somewhere.
127
368072
1600
като гледки от някъде.
06:22
We collected video
128
370151
1834
Събрахме видео
06:24
from publicly available
camera feeds on the internet
camera feeds on the internet
129
372009
3063
от публично достъпни записи в интернет
06:27
of people walking on the sidewalks,
130
375096
1690
на хора, ходещи по тротарите,
06:28
cars and taxis on the road,
131
376810
1712
коли и таксита по пътя,
06:30
all kinds of urban movement.
132
378546
1817
всички видове градско движение.
06:33
We trained a vision algorithm
on those feeds
on those feeds
133
381188
2603
Обучихме визуален алгоритъм на тези записи
06:35
based on a technique
called "optical flow,"
called "optical flow,"
134
383815
2286
на база техника наречена "оптичен поток",
06:38
to analyze the collective density,
135
386125
1977
за да анализираме общата гъстота
06:40
direction, dwell and velocity states
of urban movement.
of urban movement.
136
388126
3637
посока, застояване и скорост на
градското движение.
градското движение.
06:44
Our system extracted those states
from the feeds as positional data
from the feeds as positional data
137
392178
4269
Системата ни извлече тези състояния от
записите като позиционни данни
записите като позиционни данни
06:48
and became pads for my
robotic units to draw on.
robotic units to draw on.
138
396471
3373
и те станаха подложка, върху която
роботите ми да рисуват.
роботите ми да рисуват.
06:51
Instead of a collaboration of one-to-one,
139
399868
2534
Вместо сътрудничество един-към-един,
06:54
we made a collaboration of many-to-many.
140
402426
3024
направихме сътрудничество много-към-много.
06:57
By combining the vision of human
and machine in the city,
and machine in the city,
141
405474
3587
Комбинирайки зрението на човека и
машината в града,
машината в града,
07:01
we reimagined what
a landscape painting could be.
a landscape painting could be.
142
409085
2794
ние претворихме представата за
пейзажна картина.
пейзажна картина.
07:03
Throughout all of my
experiments with D.O.U.G.,
experiments with D.O.U.G.,
143
411903
2218
През всичките ми експерименти с ДОУГ,
07:06
no two performances
have ever been the same.
have ever been the same.
144
414145
2717
никои две представления не са
били еднакви.
били еднакви.
07:08
And through collaboration,
145
416886
1382
И през сътрудничество,
07:10
we create something that neither of us
could have done alone:
could have done alone:
146
418292
2864
ние създаваме нещо, което никой
поотделно не би:
поотделно не би:
07:13
we explore the boundaries
of our creativity,
of our creativity,
147
421180
2611
изследваме границите на
изобретателността си,
изобретателността си,
07:15
human and nonhuman working in parallel.
148
423815
2892
човек и не-човек, работещи паралелно.
07:19
I think this is just the beginning.
149
427823
2334
Мисля, че това е само началото.
07:22
This year, I've launched Scilicet,
150
430569
2183
Тази година открих Scilicet
07:24
my new lab exploring human
and interhuman collaboration.
and interhuman collaboration.
151
432776
4245
новата ми лаборатория, изследваща
сътрудничеството между човек и не-човек.
сътрудничеството между човек и не-човек.
07:29
We're really interested
in the feedback loop
in the feedback loop
152
437339
2120
Наистина сме интересуваме
в обратната връзка
в обратната връзка
07:31
between individual, artificial
and ecological systems.
and ecological systems.
153
439483
4230
между индивид, изкуствени и екологични системи.
07:36
We're connecting human and machine output
154
444276
2269
Свързваме човешки
и машинни крайни резултати
и машинни крайни резултати
07:38
to biometrics and other kinds
of environmental data.
of environmental data.
155
446569
2984
с биометрики и други видове данни
за средата.
за средата.
07:41
We're inviting anyone who's interested
in the future of work, systems
in the future of work, systems
156
449577
4079
Каним всеки, който се интересува от
бъдещето на работата,
бъдещето на работата,
07:45
and interhuman collaboration
157
453680
1595
системно и човешко сътрудничество
07:47
to explore with us.
158
455299
1550
да изследва с нас.
07:48
We know it's not just technologists
that have to do this work
that have to do this work
159
456873
3405
Знаем, че не само технолозите трябва да
вършат тази работа
вършат тази работа
07:52
and that we all have a role to play.
160
460302
2103
и че всички имаме роля в това.
07:54
We believe that by teaching machines
161
462429
2243
Вярваме, че като учим машини
07:56
how to do the work
traditionally done by humans,
traditionally done by humans,
162
464696
2730
как да вършат човешката работа,
07:59
we can explore and evolve our criteria
163
467450
2953
можем да изследваме и подобрим
критериите си
критериите си
08:02
of what's made possible by the human hand.
164
470427
2443
за какво е възможно да
сътвори човешката ръка.
сътвори човешката ръка.
08:04
And part of that journey
is embracing the imperfections
is embracing the imperfections
165
472894
3493
И част от това пътешествие е приемането
на несъвършенствата
на несъвършенствата
08:08
and recognizing the fallibility
of both human and machine,
of both human and machine,
166
476411
3690
и разпознаването на погрешимостта и на
човека, и на машината,
човека, и на машината,
08:12
in order to expand the potential of both.
167
480125
2405
за да повишим потенциала и на двете.
08:14
Today, I'm still in pursuit
of finding the beauty
of finding the beauty
168
482919
2301
Днес още съм в преследване на красотата
08:17
in human and nonhuman creativity.
169
485244
2276
в човешката и не-човешката
изобретателност.
изобретателност.
08:19
In the future, I have no idea
what that will look like,
what that will look like,
170
487865
2829
В бъдеще, нямам идея как ще изглежда тя,
08:23
but I'm pretty curious to find out.
171
491627
2024
но съм любопитна да разбера.
08:25
Thank you.
172
493675
1151
Благодаря ви.
08:26
(Applause)
173
494850
1884
(аплодисменти)
ABOUT THE SPEAKER
Sougwen Chung - Artist, researcherSougwen 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.
Sougwen Chung | Speaker | TED.com