TED2009
Golan Levin: Art that looks back at you
Golan Levin macht Kunst, die den Blick erwidert.
Filmed:
Readability: 4
823,350 views
Golan Levin, Künstler und Ingenieur, benutzt moderne Werkzeuge – Robotik, neue Software, Kognitionsforschung –, um Kunstwerke zu erstellen, die überraschen und erfreuen. Sehen Sie, wie aus Tönen Formen werden, Körper Gemälde erschaffen und ein neugieriges Auge den Blick des neugierigen Betrachters erwidert.
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
Hallo! Mein Name ist Golan Levin.
00:15
I'm an artist and an engineer,
1
3000
2000
Ich bin Künstler und Ingenieur,
00:17
which is, increasingly, a more common kind of hybrid.
2
5000
2000
eine Mischung, die immer häufiger wird.
00:19
But I still fall into this weird crack
3
7000
3000
Aber ich falle immer noch in diese seltsame Lücke,
00:22
where people don't seem to understand me.
4
10000
2000
denn einige Leute scheinen mich nicht zu verstehen.
00:24
And I was looking around and I found this wonderful picture.
5
12000
4000
Ich sah mich um und fand dieses schöne Bild.
00:28
It's a letter from "Artforum" in 1967
6
16000
3000
Es ist ein Brief vom "Artforum" aus dem Jahr 1967,
00:31
saying "We can't imagine ever doing a special issue
7
19000
3000
in dem es heißt: "Wir können uns nicht vorstellen, jemals eine Sonderausgabe
00:34
on electronics or computers in art." And they still haven't.
8
22000
3000
über Elektronik oder Computer in der Kunst zu machen." Und das haben sie auch immer noch nicht gemacht.
00:37
And lest you think that you all, as the digerati, are more enlightened,
9
25000
5000
Und damit Sie nicht denken, dass Sie als IT-Spezialisten aufgeklärter sind,
00:42
I went to the Apple iPhone app store the other day.
10
30000
3000
ging ich neulich zum iPhone-Store.
00:45
Where's art? I got productivity. I got sports.
11
33000
4000
Wo ist die Kunst? Es gibt Produktivität, es gibt Sport.
00:49
And somehow the idea that one would want to make art for the iPhone,
12
37000
4000
Irgendwie ist die Vorstellung, dass jemand vielleicht Kunst für das iPhone machen will –
00:53
which my friends and I are doing now,
13
41000
2000
und genau das machen meine Freunde und ich zur Zeit –
00:55
is still not reflected in our understanding
14
43000
3000
immer noch nicht verankert sind in unseren Vorstellungen
00:58
of what computers are for.
15
46000
2000
vom Zweck der Computer.
01:00
So, from both directions, there is kind of, I think, a lack of understanding
16
48000
2000
Es gibt also auf beiden Seiten einen Mangel an Verständnis davon,
01:02
about what it could mean to be an artist who uses the materials
17
50000
2000
was es bedeuten könnte, ein Künstler zu sein, der mit den Materialien arbeitet,
01:04
of his own day, or her own day,
18
52000
2000
die für seine Zeit typisch sind.
01:06
which I think artists are obliged to do,
19
54000
2000
Ich meine, Künstler sind dazu verpflichtet,
01:08
is to really explore the expressive potential of the new tools that we have.
20
56000
4000
das Ausdruckspotenzial dieser neuen Werkzeuge gründlich zu erforschen.
01:12
In my own case, I'm an artist,
21
60000
2000
Was mich angeht: Ich bin Künstler
01:14
and I'm really interested in
22
62000
2000
und sehr daran interessiert,
01:16
expanding the vocabulary of human action,
23
64000
2000
das Vokabular der menschlichen Aktion zu erweitern
01:18
and basically empowering people through interactivity.
24
66000
3000
und den Menschen durch Interaktivität ihre Stärken aufzuzeigen.
01:21
I want people to discover themselves as actors,
25
69000
3000
Ich möchte, dass Leute sich selbst als Akteure entdecken,
01:24
as creative actors, by having interactive experiences.
26
72000
4000
als kreative Akteure, indem sie interaktive Erfahrungen machen.
01:28
A lot of my work is about trying to get away from this.
27
76000
3000
Es geht vor allem darum, hiervon wegzukommen.
01:31
This a photograph of the desktop of a student of mine.
28
79000
2000
Das ist ein Foto vom Schreibtisch einer meiner Studenten.
01:33
And when I say desktop, I don't just mean
29
81000
2000
Und ich meine nicht nur den tatsächlichen Schreibtisch,
01:35
the actual desk where his mouse has worn away the surface of the desk.
30
83000
3000
dessen Oberfläche von der Maus abgeschabt worden ist.
01:38
If you look carefully, you can even see
31
86000
2000
Wenn man genau hinsieht, kann man sogar
01:40
a hint of the Apple menu, up here in the upper left,
32
88000
3000
eine Spur des Apple-Menüs sehen, hier oben links,
01:43
where the virtual world has literally
33
91000
2000
wo sich die virtuelle Welt buchstäblich
01:45
punched through to the physical.
34
93000
2000
auf die physische durchgedrückt hat.
01:47
So this is, as Joy Mountford once said,
35
95000
4000
Also das war gemeint, als Joy Mountford einmal sagte:
01:51
"The mouse is probably the narrowest straw
36
99000
2000
"Die Maus ist der wahrscheinlich engste Strohhalm,
01:53
you could try to suck all of human expression through."
37
101000
2000
durch den man sämtliche menschliche Ausdrucksweisen zu saugen versucht."
01:55
(Laughter)
38
103000
3000
(Gelächter)
01:58
And the thing I'm really trying to do is enabling people to have more rich
39
106000
3000
Was ich wirklich zu tun versuche, ist, den Leuten zu ermöglichen, tiefer gehende
02:01
kinds of interactive experiences.
40
109000
2000
interaktive Erfahrungen zu machen.
02:03
How can we get away from the mouse and use our full bodies
41
111000
2000
Wie können wir von der Maus wegkommen und unseren gesamten Körper
02:05
as a way of exploring aesthetic experiences,
42
113000
3000
als ein Mittel benutzen, ästhetische Erfahrungen zu machen,
02:08
not necessarily utilitarian ones.
43
116000
2000
und nicht unbedingt anwendungsbezogene.
02:10
So I write software. And that's how I do it.
44
118000
3000
Ich schreibe Software. Und so mache ich es.
02:13
And a lot of my experiences
45
121000
2000
Viele meiner Erfahrungen
02:15
resemble mirrors in some way.
46
123000
2000
sind in gewisser Weise Spiegeln ähnlich.
02:17
Because this is, in some sense, the first way,
47
125000
2000
Denn so entdecken die Menschen zum ersten Mal
02:19
that people discover their own potential as actors,
48
127000
2000
ihr eigenes Potenzial als Akteure
02:21
and discover their own agency.
49
129000
2000
und ihre eigene schöpferische Kraft,
02:23
By saying "Who is that person in the mirror? Oh it's actually me."
50
131000
3000
indem sie sagen: "Wer ist das da im Spiegel? Oh, das bin ja ich."
02:26
And so, to give an example,
51
134000
2000
Zum Beispiel:
02:28
this is a project from last year,
52
136000
2000
Das ist ein Projekt vom letzten Jahr,
02:30
which is called the Interstitial Fragment Processor.
53
138000
2000
das sich "Interstitial Fragment Processor" nennt.
02:32
And it allows people to explore the negative shapes that they create
54
140000
4000
Es ermöglicht es einem, die negativen Formen, die man erzeugt, zu betrachten,
02:36
when they're just going about their everyday business.
55
144000
3000
während man seinen alltäglichen Verrichtungen nachgeht.
02:53
So as people make shapes with their hands or their heads
56
161000
2000
Wenn die Leute also Formen mit ihren Händen oder Köpfen
02:55
and so forth, or with each other,
57
163000
2000
oder miteinander machen,
02:57
these shapes literally produce sounds and drop out of thin air --
58
165000
3000
dann erzeugen diese Formen buchstäblich Geräusche und entstehen wie aus dem Nichts.
03:00
basically taking what's often this, kind of, unseen space,
59
168000
4000
Im Grunde nimmt es diesen unsichtbaren Raum,
03:04
or this undetected space, and making it something real,
60
172000
3000
oder diesen unentdeckten Raum, und macht daraus etwas Reales,
03:07
that people then can appreciate and become creative with.
61
175000
3000
mit dem die Leute sich vergnügen und kreativ werden können.
03:10
So again, people discover their creative agency in this way.
62
178000
3000
Die Leute entdecken so also wieder ihre schöpferische Kraft.
03:13
And their own personalities come out
63
181000
2000
Und ihre Persönlichkeit kommt
03:15
in totally unique ways.
64
183000
3000
auf jeweils ganz einzigartige Weise zum Vorschein.
03:18
So in addition to using full-body input,
65
186000
3000
Zusätzlich zum Gebrauch des Ganzkörper-Inputs,
03:21
something that I've explored now, for a while,
66
189000
2000
mit dem ich nun eine Weile gearbeitet habe,
03:23
has been the use of the voice,
67
191000
2000
kommt nun der Gebrauch der Stimme.
03:25
which is an immensely expressive system for us, vocalizing.
68
193000
4000
Töne zu erzeugen ist für uns ein sehr ausdrucksstarkes System.
03:29
Song is one of our oldest ways
69
197000
2000
Das Lied ist eine der ältesten Möglichkeiten,
03:31
of making ourselves heard and understood.
70
199000
3000
uns Gehör zu verschaffen und verstanden zu werden.
03:34
And I came across this fantastic research by Wolfgang Köhler,
71
202000
2000
Ich stieß auf die fantastische Forschungsarbeit von Wolfgang Köhler,
03:36
the so-called father of gestalt psychology, from 1927,
72
204000
4000
dem sogenannten Vater der Gestaltpsychologie, aus dem Jahr 1927,
03:40
who submitted to an audience like yourselves
73
208000
2000
der einem Publikum wie Ihnen
03:42
the following two shapes.
74
210000
2000
die folgenden zwei Formen gezeigt hat.
03:44
And he said one of them is called Maluma.
75
212000
2000
Er sagte, eine heißt Maluma
03:46
And one of them is called Taketa. Which is which?
76
214000
2000
und die andere heißt Taketa. Welche ist welche?
03:48
Anyone want to hazard a guess?
77
216000
4000
Irgendwelche Vorschläge?
03:52
Maluma is on top. Yeah. So.
78
220000
2000
Maluma ist oben. Ja.
03:54
As he says here, most people answer without any hesitation.
79
222000
3000
Wie er hier sagt, antworten die meisten ohne zu zögern.
03:57
So what we're really seeing here is a phenomenon
80
225000
2000
Was wir hier sehen, ist ein Phänomen
03:59
called phonaesthesia,
81
227000
2000
namens Phonästhesie,
04:01
which is a kind of synesthesia that all of you have.
82
229000
2000
eine Art Synästhesie, die Sie alle haben.
04:03
And so, whereas Dr. Oliver Sacks has talked about
83
231000
2000
Während also, wie Dr. Oliver Sacks sagte,
04:05
how perhaps one person in a million
84
233000
2000
vielleicht einer von einer Million Menschen
04:07
actually has true synesthesia,
85
235000
2000
tatsächlich ein echter Synästhet ist,
04:09
where they hear colors or taste shapes, and things like this,
86
237000
2000
der Farben hört oder Formen schmeckt und ähnliches,
04:11
phonaesthesia is something we can all experience to some extent.
87
239000
2000
ist Phonästhesie etwas, das wir alle bis zu einem gewissen Grad erfahren können.
04:13
It's about mappings between different perceptual domains,
88
241000
3000
Es geht dabei um Verbindungen zwischen verschiedenen Wahrnehmungsbereichen,
04:16
like hardness, sharpness, brightness and darkness,
89
244000
3000
wie Härte, Schärfe, Helligkeit und Dunkelheit,
04:19
and the phonemes that we're able to speak with.
90
247000
2000
und die Phoneme, die wir benutzen.
04:21
So 70 years on, there's been some research where
91
249000
2000
70 Jahre später gab es Forschungen, bei der
04:23
cognitive psychologists have actually sussed out
92
251000
2000
Kognitionspsychologen tatsächlich den Grad ermittelt haben,
04:25
the extent to which, you know,
93
253000
2000
zu dem L, M und B
04:27
L, M and B are more associated with shapes that look like this,
94
255000
4000
eher mit solchen Formen assoziiert werden
04:31
and P, T and K are perhaps more associated with shapes like this.
95
259000
4000
und P, T und K vielleicht eher mit Formen wie diesen.
04:35
And here we suddenly begin to have a mapping between curvature
96
263000
2000
Und auf einmal haben wir eine Verbindung zwischen Rundung,
04:37
that we can exploit numerically,
97
265000
2000
die wir numerisch bestimmen können,
04:39
a relative mapping between curvature and shape.
98
267000
3000
eine relative Verbindung zwischen Rundung und [Sprache].
04:42
So it occurred to me, what happens if we could run these backwards?
99
270000
3000
Ich kam auf den Gedanken: Was passiert, wenn man das umdrehen könnte?
04:45
And thus was born the project called Remark,
100
273000
2000
So wurde das Projekt "Remark" ins Leben gerufen,
04:47
which is a collaboration with Zachary Lieberman
101
275000
2000
eine Zusammenarbeit mit Zachary Lieberman
04:49
and the Ars Electronica Futurelab.
102
277000
2000
und dem Ars Electronica Futurelab.
04:51
And this is an interactive installation which presents
103
279000
2000
Das ist eine interaktive Installation, die die Fiktion präsentiert,
04:53
the fiction that speech casts visible shadows.
104
281000
2000
dass Sprache sichtbare Schatten produziert.
04:55
So the idea is you step into a kind of a magic light.
105
283000
3000
Der Gedanke ist, dass man in eine Art magisches Licht tritt
04:58
And as you do, you see the shadows of your own speech.
106
286000
3000
und dadurch die Schatten der eigenen Worte sieht.
05:01
And they sort of fly away, out of your head.
107
289000
2000
Sie fliegen weg, aus deinem Kopf heraus.
05:03
If a computer speech recognition system
108
291000
3000
Wenn das Spracherkennungsprogramm
05:06
is able to recognize what you're saying, then it spells it out.
109
294000
4000
erkennt, was man sagt, buchstabiert es das.
05:10
And if it isn't then it produces a shape which is very phonaesthetically
110
298000
2000
Und wenn nicht, produziert es eine Form, die phonästhetisch
05:12
tightly coupled to the sounds you made.
111
300000
2000
eng mit dem Laut verknüpft ist, den man gemacht hat.
05:14
So let's bring up a video of that.
112
302000
3000
Hier ist ein Video davon.
06:03
(Applause)
113
351000
2000
(Applaus)
06:05
Thanks. So. And this project here,
114
353000
3000
Danke. So, und an diesem Projekt hier
06:08
I was working with the great abstract vocalist, Jaap Blonk.
115
356000
3000
arbeitete ich mit dem genialen abstrakten Vokalisten Jaap Blonk.
06:11
And he is a world expert in performing "The Ursonate,"
116
359000
3000
Er ist der Experte im Vortrag der "Ursonate",
06:14
which is a half-an-hour nonsense poem
117
362000
2000
einem halbstündigen Nonsens-Gedicht
06:16
by Kurt Schwitters, written in the 1920s,
118
364000
2000
von Kurt Schwitters, geschrieben in den 1920ern.
06:18
which is half an hour of very highly patterned nonsense.
119
366000
4000
Es ist ein halbe Stunde kompliziert strukturierten Unsinns.
06:22
And it's almost impossible to perform.
120
370000
2000
Es ist fast unmöglich, es vorzutragen.
06:24
But Jaap is one of the world experts in performing it.
121
372000
3000
Aber Jaap ist einer der Experten, die das können.
06:27
And in this project we've developed
122
375000
2000
Für dieses Projekt haben wir eine Art
06:29
a form of intelligent real-time subtitles.
123
377000
3000
intelligenter simultaner Untertitel entwickelt.
06:32
So these are our live subtitles,
124
380000
3000
Das sind unsere Live-Untertitel,
06:35
that are being produced by a computer that knows the text of "The Ursonate" --
125
383000
3000
die von einem Computer produziert werden, der den Text der "Ursonate" kennt.
06:38
fortunately Jaap does too, very well --
126
386000
3000
Zum Glück kennt Jaap den auch sehr genau.
06:41
and it is delivering that text at the same time as Jaap is.
127
389000
5000
Er trägt den Text gleichzeitig mit Jaap vor.
06:53
So all the text you're going to see
128
401000
2000
Alle Wörter, die Sie gleich sehen werden,
06:55
is real-time generated by the computer,
129
403000
2000
werden live vom Computer generiert.
06:57
visualizing what he's doing with his voice.
130
405000
3000
Er visualisiert, was Jaap mit seiner Stimme macht.
08:10
Here you can see the set-up where there is a screen with the subtitles behind him.
131
478000
3000
Hier sehen Sie den Aufbau, der Bildschirm mit den Untertiteln ist hinter ihm.
08:34
Okay. So ...
132
502000
2000
Gut. Also …
08:36
(Applause)
133
504000
5000
(Applaus)
08:41
The full videos are online if you are interested.
134
509000
2000
Im Internet gibt es die Videos in voller Länge, falls Sie interessiert sind.
08:43
I got a split reaction to that during the live performance,
135
511000
2000
Die Reaktionen während dieser Live-Performance sind gemischt.
08:45
because there is some people who understand
136
513000
2000
Es gibt nämlich Leute, die verstehen,
08:47
live subtitles are a kind of an oxymoron,
137
515000
2000
dass Live-Untertitel ein Widerspruch in sich sind,
08:49
because usually there is someone making them afterwards.
138
517000
3000
denn normalerweise schreibt sie jemand im Nachhinein.
08:52
And then a bunch of people who were like, "What's the big deal?
139
520000
3000
Und dann gibt es viele Leute, die sagen: "Na und?
08:55
I see subtitles all the time on television."
140
523000
2000
Im Fernsehen sehe ich auch ständig Untertitel."
08:57
You know? They don't imagine the person in the booth, typing it all.
141
525000
3000
Sie denken nicht an die Leute in der Box, die das alles tippen.
09:00
So in addition to the full body, and in addition to the voice,
142
528000
3000
Zusätzlich zum gesamten Körper und der Stimme
09:03
another thing that I've been really interested in,
143
531000
2000
gibt es noch etwas anderes, das mich neuerdings sehr interessiert,
09:05
most recently, is the use of the eyes,
144
533000
2000
der Einsatz der Augen
09:07
or the gaze, in terms of how people relate to each other.
145
535000
4000
oder des Blickes, und wie der die Leute miteinander verbindet.
09:11
It's a really profound amount of nonverbal information
146
539000
2000
Es ist tatsächlich ein großer Anteil an nonverbaler Information,
09:13
that's communicated with the eyes.
147
541000
2000
der über die Augen kommuniziert wird.
09:15
And it's one of the most interesting technical challenges
148
543000
2000
Das ist eine der interessantesten technischen Herausforderungen,
09:17
that's very currently active in the computer sciences:
149
545000
2000
die zur Zeit die Informatik beschäftigt.
09:19
being able to have a camera that can understand,
150
547000
2000
Eine Kamera zu entwickeln, die aus recht großer Distanz
09:21
from a fairly big distance away,
151
549000
2000
erkennt, wie diese klitzekleinen Kugeln
09:23
how these little tiny balls are actually pointing in one way or another
152
551000
3000
tatsächlich in die eine oder andere Richtung zeigen,
09:26
to reveal what you're interested in,
153
554000
2000
um zu erkennen, was einen interessiert
09:28
and where your attention is directed.
154
556000
2000
und worauf unsere Aufmerksamkeit gerichtet ist.
09:30
So there is a lot of emotional communication that happens there.
155
558000
3000
Es findet dort also viel emotionale Kommunikation statt.
09:33
And so I've been beginning, with a variety of different projects,
156
561000
4000
Ich habe also angefangen, mit vielen verschiedenen Projekten
09:37
to understand how people can relate to machines with their eyes.
157
565000
3000
zu erforschen, wie Menschen über ihre Augen mit Maschinen in Verbindung treten.
09:40
And basically to ask the questions:
158
568000
3000
Im Grunde stellte ich folgende Fragen:
09:43
What if art was aware that we were looking at it?
159
571000
5000
Was wäre, wenn der Kunst bewusst wäre, dass sie betrachtet wird?
09:48
How could it respond, in a way,
160
576000
2000
Wie könnte sie reagieren, um die Tatsache
09:50
to acknowledge or subvert the fact that we're looking at it?
161
578000
3000
des Betrachtetwerdens anzuerkennen oder zu unterlaufen?
09:53
And what could it do if it could look back at us?
162
581000
3000
Was könnte sie tun, wenn sie den Blick erwidern könnte?
09:56
And so those are the questions that are happening in the next projects.
163
584000
2000
Das sind also die Fragen, mit denen sich die nächsten Projekte auseinandersetzen.
09:58
In the first one which I'm going to show you, called Eyecode,
164
586000
3000
Im ersten, das ich Ihnen zeige – es heißt Eyecode ("Augencode") –,
10:01
it's a piece of interactive software
165
589000
2000
geht es um eine interaktive Software,
10:03
in which, if we read this little circle,
166
591000
2000
in der, wie wir in diesem kleinen Kreis lesen können,
10:05
"the trace left by the looking of the previous observer
167
593000
3000
"die Spur des Blickes des vorherigen Betrachters
10:08
looks at the trace left by the looking of previous observer."
168
596000
3000
die Spur des Blickes des vorherigen Betrachters anschaut."
10:11
The idea is that it's an image wholly constructed
169
599000
2000
Die Idee dahinter ist, dass das Bild völlig
10:13
from its own history of being viewed
170
601000
2000
aus der Geschichte seines Betrachtetwerdens konstruiert ist,
10:15
by different people in an installation.
171
603000
2000
von verschiedenen Leuten in einer Installation.
10:17
So let me just switch over so we can do the live demo.
172
605000
5000
Lassen Sie mich schnell umschalten, damit wir die Live-Demo sehen können.
10:22
So let's run this and see if it works.
173
610000
4000
Mal sehen, ob es funktioniert.
10:26
Okay. Ah, there is lots of nice bright video.
174
614000
3000
Okay. Ah, schön hell.
10:29
There is just a little test screen that shows that it's working.
175
617000
2000
Das ist nur ein kleines Testbild, das anzeigt, dass es läuft.
10:31
And what I'm just going to do is -- I'm going to hide that.
176
619000
2000
Das werde ich jetzt ausblenden.
10:33
And you can see here that what it's doing
177
621000
2000
Hier können Sie sehen,
10:35
is it's recording my eyes every time I blink.
178
623000
3000
dass es meine Augen jedes Mal aufnimmt, wenn ich blinzle.
10:44
Hello? And I can ... hello ... okay.
179
632000
4000
Hallo? Und ich kann … hallo … okay.
10:48
And no matter where I am, what's really going on here
180
636000
2000
Egal, wo ich ich bin – es verfügt über ein Verfahren,
10:50
is that it's an eye-tracking system that tries to locate my eyes.
181
638000
3000
das versucht, meine Augen zu lokalisieren.
10:53
And if I get really far away I'm blurry.
182
641000
2000
Und wenn ich sehr weit weggehe, werde ich verschwommen.
10:55
You know, you're going to have these kind of blurry spots like this
183
643000
2000
Sie haben dann diese verschwommenen Flecke wie da,
10:57
that maybe only resemble eyes in a very very abstract way.
184
645000
3000
die vielleicht nur ungefähr so aussehen wie zwei Augen, sehr abstrakt.
11:00
But if I come up really close and stare directly at the camera
185
648000
3000
Aber wenn ich sehr nahe rangehe und direkt in die Kamera starre,
11:03
on this laptop then you'll see these nice crisp eyes.
186
651000
2000
sieht man diese schönen klaren Augen.
11:05
You can think of it as a way of, sort of, typing, with your eyes.
187
653000
4000
Man kann sich das als eine Art von Schreibmaschinenschrift mit den Augen vorstellen.
11:09
And what you're typing are recordings of your eyes
188
657000
2000
Und was man tippt, sind die Aufnahmen der Augen,
11:11
as you're looking at other peoples' eyes.
189
659000
2000
wie sie die Augen anderer Leute betrachten.
11:13
So each person is looking at the looking
190
661000
3000
Jede Person betrachtet also die Blicke
11:16
of everyone else before them.
191
664000
2000
all der Leute vorher.
11:18
And this exists in larger installations
192
666000
2000
Es gibt davon auch größere Installationen,
11:20
where there are thousands and thousands of eyes
193
668000
2000
wo es Abertausende von Augen gibt,
11:22
that people could be staring at,
194
670000
2000
die die Leute anstarren können,
11:24
as you see who's looking at the people looking
195
672000
2000
während man sieht, wer die Betrachter betrachtet,
11:26
at the people looking before them.
196
674000
2000
wie sie die Blicke der Leute vor Ihnen betrachten.
11:28
So I'll just add a couple more. Blink. Blink.
197
676000
3000
Ich setze noch ein paar hinzu. Zwinker. Zwinker.
11:31
And you can see, just once again, how it's sort of finding my eyes
198
679000
3000
Sie können wieder sehen, wie es meine Augen findet
11:34
and doing its best to estimate when it's blinking.
199
682000
3000
und versucht, mein Blinzeln zu ermitteln.
11:37
Alright. Let's leave that.
200
685000
2000
Okay. Genug davon.
11:39
So that's this kind of recursive observation system.
201
687000
3000
Es ist also eine Art rekursives Observationssystem.
11:42
(Applause)
202
690000
2000
(Applaus)
11:44
Thank you.
203
692000
2000
Danke.
11:46
The last couple pieces I'm going to show
204
694000
2000
Die letzten paar Sachen, die ich Ihnen zeigen werde,
11:48
are basically in the new realm of robotics -- for me, new for me.
205
696000
2000
sind im Grunde Teil des neuen Reiches der Robotik, neu für mich.
11:50
It's called Opto-Isolator.
206
698000
2000
Es heißt Opto-Isolator.
11:52
And I'm going to show a video of the older version of it,
207
700000
3000
Ich werde Ihnen ein Video einer älteren Version zeigen,
11:55
which is just a minute long. Okay.
208
703000
2000
das nur eine Minute dauert. Okay.
12:06
In this case, the Opto-Isolator is blinking
209
714000
2000
In diesem Fall blinzelt der Opto-Isolator,
12:08
in response to one's own blinks.
210
716000
2000
wenn man vorher selbst geblinzelt hat.
12:10
So it blinks one second after you do.
211
718000
3000
Er blinzelt also eine Sekunde später als man selbst.
12:13
This is a device which is intended to reduce
212
721000
3000
Das ist ein Gerät, dass das Phänomen des Blickes
12:16
the phenomenon of gaze down to the simplest possible materials.
213
724000
3000
auf die allereinfachsten Materialien reduziert.
12:19
Just one eye,
214
727000
2000
Nur ein Auge,
12:21
looking at you, and eliminating everything else about a face,
215
729000
2000
das einen ansieht, der Rest des Gesichts wird weggelassen.
12:23
but just to consider gaze in an isolated way
216
731000
3000
Um den Blick isoliert zu betrachten,
12:26
as a kind of, as an element.
217
734000
3000
als eine Art Element.
12:29
And at the same time, it attempts to engage in what you might call
218
737000
3000
Und gleichzeitig versucht es, etwas aufzunehmen, das man ein
12:32
familiar psycho-social gaze behaviors.
219
740000
2000
vertrautes psychosoziales Blickverhalten nennen könnte.
12:34
Like looking away if you look at it too long
220
742000
2000
Wenn man es z. B. zu lange ansieht,
12:36
because it gets shy,
221
744000
2000
wird es schüchtern und sieht weg.
12:38
or things like that.
222
746000
3000
Oder ähnliche Dinge.
12:41
Okay. So the last project I'm going to show
223
749000
3000
Okay. Das letzte Projekt, das ich Ihnen zeigen werde,
12:44
is this new one called Snout.
224
752000
3000
ist ein neues, das sich Snout ("Schnauze") nennt.
12:47
(Laughter)
225
755000
2000
(Gelächter)
12:49
It's an eight-foot snout,
226
757000
2000
Es ist eine etwa drei Meter lange Schnauze
12:51
with a googly eye.
227
759000
2000
mit einem Glotzauge.
12:53
(Laughter)
228
761000
1000
(Gelächter)
12:54
And inside it's got an 800-pound robot arm
229
762000
3000
Innen ist ein 400 kg schwerer Roboterarm,
12:57
that I borrowed,
230
765000
2000
den ich mir ausgeliehen habe,
12:59
(Laughter)
231
767000
1000
(Gelächter)
13:00
from a friend.
232
768000
2000
von einem Freund.
13:02
(Laughter)
233
770000
1000
(Gelächter)
13:03
It helps to have good friends.
234
771000
2000
Es hilft, gute Freunde zu haben.
13:05
I'm at Carnegie Mellon; we've got a great Robotics Institute there.
235
773000
3000
Ich bin an der Carnegie Mellon Universität. Es gibt da ein großartiges Institut für Robotik.
13:08
I'd like to show you thing called Snout, which is --
236
776000
2000
Ich würde Ihnen gerne Snout zeigen, der …
13:10
The idea behind this project is to
237
778000
2000
Der Gedanke hinter diesem Projekt ist es,
13:12
make a robot that appears as if it's continually surprised to see you.
238
780000
4000
einen Roboter zu bauen, der aussieht, als wäre er immer überrascht, dich zu sehen.
13:16
(Laughter)
239
784000
4000
(Gelächter)
13:20
The idea is that basically --
240
788000
2000
Der Gedanke ist, dass er im Grunde
13:22
if it's constantly like "Huh? ... Huh?"
241
790000
2000
immer "Hä? – Hä?" sagt.
13:24
That's why its other name is Doubletaker, Taker of Doubles.
242
792000
4000
Deshalb heißt er auch der Spätzünder.
13:28
It's always kind of doing a double take: "What?"
243
796000
2000
Er muss sozusagen immer zweimal hinsehen und sagen: "Was?"
13:30
And the idea is basically, can it look at you
244
798000
2000
Die Absicht dahinter ist im Grunde, dass er dich anschaut
13:32
and make you feel as if like,
245
800000
2000
und dich dazu bringt zu denken:
13:34
"What? Is it my shoes?"
246
802000
2000
"Was? Ist was mit meinen Schuhen?"
13:36
"Got something on my hair?" Here we go. Alright.
247
804000
3000
"Hab ich was in den Haaren?" Okay, los geht's.
14:10
Checking him out ...
248
838000
2000
Sehen Sie sich ihn an …
14:20
For you nerds, here's a little behind-the-scenes.
249
848000
2000
Für die Nerds unter Ihnen ist hier ein bisschen Insider-Info.
14:22
It's got a computer vision system,
250
850000
2000
Er hat ein visuelles Computerprogramm
14:24
and it tries to look at the people who are moving around the most.
251
852000
3000
und versucht, die Leute anzusehen, die sich am meisten bewegen.
14:39
Those are its targets.
252
867000
2000
Das sind seine Ziele.
14:42
Up there is the skeleton,
253
870000
2000
Da oben ist das Skelett,
14:44
which is actually what it's trying to do.
254
872000
3000
das ist, was er zu tun versucht.
14:54
It's really about trying to create a novel body language for a new creature.
255
882000
3000
Es geht tatsächlich darum, eine neue Körpersprache für ein neues Wesen zu erschaffen.
14:57
Hollywood does this all the time, of course.
256
885000
2000
In Hollywood machen sie das natürlich ständig.
14:59
But also have the body language communicate something
257
887000
2000
Aber es geht auch darum, mit Körpersprache demjenigen etwas mitzuteilen,
15:01
to the person who is looking at it.
258
889000
2000
die ihn betrachtet.
15:03
This language is communicating that it is surprised to see you,
259
891000
2000
Diese Sprache teilt mit, dass er überrascht ist, dich zu sehen,
15:05
and it's interested in looking at you.
260
893000
3000
und dass er es interessant findet, dich zu betrachten.
15:08
(Laughter)
261
896000
2000
(Gelächter)
15:10
(Applause)
262
898000
9000
(Applaus)
15:19
Thank you very much. That's all I've got for today.
263
907000
2000
Vielen Dank. Das wäre alles für heute.
15:21
And I'm really happy to be here. Thank you so much.
264
909000
3000
Ich freue mich sehr, hier zu sein. Vielen, vielen Dank.
15:24
(Applause)
265
912000
3000
(Applaus)
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