TEDxYouth@Sydney
Oscar Schwartz: Can a computer write poetry?
Oscar Schwartz: Può un computer scrivere poesie?
Filmed:
Readability: 4.3
875,724 views
Se leggessi una poesia commovente, ma poi scoprissi che era stata in realtà scritta da un computer, ti sentiresti in modo diverso? Penseresti che il computer si è espresso in modo creativo o crederesti di essere stato tratto in inganno? In questa conferenza, lo scrittore Oscar Schwartz esamina i motivi per cui reagiamo in modo così forte all'idea di un computer che scrive poesie -- e di come questa reazione ci aiuta a capire che cosa significhi essere umani.
--
Test di poesia #1
Poesia 1
Piccola Mosca
il tuo gioco d’estate
la mia mano spensierata
ha spazzato via.
Non sono io
una mosca come te?
E non sei tu
un uomo come me?
Poesia 2
Possiamo sentire
L'attivista attraverso la mattina
della tua vita
Si ferma a vedere, Papa odio il
Non tutta notte per iniziare a
altrimenti ottimo (...)
Serpeggierò vorticosamente
Enormità congettura
Criceti completamente pazzi se io
So di aver messo su un anno un fondamentale
Assolutamente
Test di poesia #2
Poesia 1
Un leone ruggisce e un cane abbaia. È interessante
e affascinante che un uccello voli e non
ruggisca o abbai. Sogno storie affascinanti
sugli animali, e le canterò tutte se
non sarò esausto o stanco.
Poesia 2
Oh! Canguri, lustrini, bibite al cioccolato!
Siete davvero meravigliose! Perle,
armoniche, giuggiole, aspirine! Tutte
le cose di cui hanno sempre parlato
rendono ancora una poesia una sorpresa!
Queste cosa sono con noi tutti i giorni
persino sulle teste di ponte e sui catafalchi. Hanno
un significato. Sono forti come rocce.
Test di poesia #3
Poesia 1
Bandiere rosse, la ragione delle
belle bandiere.
E dei fiocchi
Fiocchi di bandiere
E materiale da
indossare
Motivi per il materiale da indossare.
Dai piacere.
Puoi darmi le regioni.
Le regioni e la terra.
Le regioni e le ruote.
Tutte le ruote sono perfette.
Entusiasmo.
Poesia 2
Un cervo ferito salta più in alto,
Ho sentito il narciso
Ho sentito la bandiera oggi
Ho sentito il caccatore dire;
Questo tranne la gioia della morte,
E poi la boscaglia è quasi finita,
E l'alba sorge così vicina,
l'alba sorge così vicina
Che possiamo toccare la disperazione e
la frenetica speranza di tutte le età.
Oscar Schwartz - Writer and poet
Oscar Schwartz's research and writing concerns the influence of digital technology on culture and human interaction. Full bio
Oscar Schwartz's research and writing concerns the influence of digital technology on culture and human interaction. Full bio
Double-click the English transcript below to play the video.
00:12
I have a question.
0
881
1230
Ho una domanda.
00:15
Can a computer write poetry?
1
3422
1943
Un computer può scrivere poesie?
00:18
This is a provocative question.
2
6959
2077
È una domanda provocatoria.
00:21
You think about it for a minute,
3
9715
1718
Se ci pensate per un minuto,
00:23
and you suddenly have a bunch
of other questions like:
of other questions like:
4
11457
2590
immediatamente vi sorgono una serie
di altre domande come:
di altre domande come:
00:26
What is a computer?
5
14769
1381
Che cos'è un computer?
00:28
What is poetry?
6
16710
1575
Che cos'è la poesia?
00:30
What is creativity?
7
18707
1689
Che cos'è la creatività?
00:33
But these are questions
8
21650
1172
Ma queste sono domande
00:34
that people spend their entire
lifetime trying to answer,
lifetime trying to answer,
9
22846
3070
a cui le persone dedicano
l'intera vita in cerca di una risposta,
l'intera vita in cerca di una risposta,
00:37
not in a single TED Talk.
10
25940
2224
non una sola conferenza TED.
00:40
So we're going to have to try
a different approach.
a different approach.
11
28188
2445
Quindi proveremo ad utilizzare
un approccio diverso.
un approccio diverso.
00:42
So up here, we have two poems.
12
30657
2143
Qui sopra, abbiamo due poesie.
00:45
One of them is written by a human,
13
33839
2276
Una delle due è scritta da un umano,
00:48
and the other one's written by a computer.
14
36139
2102
l'altra è scritta da un computer.
00:50
I'm going to ask you to tell me
which one's which.
which one's which.
15
38754
2410
Ora vi chiederò di dirmi quale
è stata scritta da chi.
è stata scritta da chi.
00:53
Have a go:
16
41858
1156
Provateci:
00:55
Poem 1: Little Fly / Thy summer's play, /
My thoughtless hand / Has brush'd away.
My thoughtless hand / Has brush'd away.
17
43038
4056
1: Piccola Mosca / il tuo gioco d’estate /
la mia mano spensierata / ha spazzato via.
la mia mano spensierata / ha spazzato via.
00:59
Am I not / A fly like thee? /
Or art not thou / A man like me?
Or art not thou / A man like me?
18
47118
3394
Non sono io / una mosca come te? /
E non sei tu / un uomo come me?
E non sei tu / un uomo come me?
01:02
Poem 2: We can feel / Activist
through your life's / morning /
through your life's / morning /
19
50536
3299
2: Possiamo sentire / L'attivista
attraverso la mattina / della tua vita
attraverso la mattina / della tua vita
01:05
Pauses to see, pope I hate the / Non
all the night to start a / great otherwise (...)
all the night to start a / great otherwise (...)
20
53859
4247
Ferma a vedere, Papa odio il / Non tutta
notte ad iniziare / altrimenti ottimo (..)
notte ad iniziare / altrimenti ottimo (..)
01:10
Alright, time's up.
21
58130
1359
Ok, tempo scaduto.
01:11
Hands up if you think Poem 1
was written by a human.
was written by a human.
22
59513
4096
Su le mani se credete che la prima poesia
sia stata scritta da un umano.
sia stata scritta da un umano.
01:17
OK, most of you.
23
65547
1490
Ok, siete in maggioranza.
01:19
Hands up if you think Poem 2
was written by a human.
was written by a human.
24
67061
3023
Su le mani se credete che la seconda
poesia sia stata scritta da un umano.
poesia sia stata scritta da un umano.
01:23
Very brave of you,
25
71172
1190
Molto coraggiosi,
01:24
because the first one was written
by the human poet William Blake.
by the human poet William Blake.
26
72855
4285
perché la prima è stata scritta
dal poeta umano William Blake.
dal poeta umano William Blake.
01:29
The second one was written by an algorithm
27
77784
2949
La seconda è stata scritta da un algoritmo
che ha preso tutti i contenuti presenti
sulla mia bacheca Facebook in un giorno
sulla mia bacheca Facebook in un giorno
01:32
that took all the language
from my Facebook feed on one day
from my Facebook feed on one day
28
80757
3692
01:36
and then regenerated it algorithmically,
29
84473
2763
e l'ha rigenerato algoritmicamente,
01:39
according to methods that I'll describe
a little bit later on.
a little bit later on.
30
87260
3590
secondo metodi
che vi descriverò fra un po'.
che vi descriverò fra un po'.
01:43
So let's try another test.
31
91218
2404
Proviamo con un altro test.
01:46
Again, you haven't got ages to read this,
32
94398
2093
Neanche qui avrete molto tempo,
01:48
so just trust your gut.
33
96515
1612
quindi fidatevi del vostro istinto.
01:50
Poem 1: A lion roars and a dog barks.
It is interesting / and fascinating
It is interesting / and fascinating
34
98151
4045
1: Un leone ruggisce e un cane abbaia.
È interessante / e affascinante
È interessante / e affascinante
01:54
that a bird will fly and not / roar
or bark. Enthralling stories about animals
or bark. Enthralling stories about animals
35
102220
4303
che un uccello voli e non / ruggisca
o abbai. Sogno storie affascinanti
o abbai. Sogno storie affascinanti
01:58
are in my dreams and I will sing them all
if I / am not exhausted or weary.
if I / am not exhausted or weary.
36
106547
4060
sugli animali, e le canterò tutte
se non sarò esausto o stanco.
se non sarò esausto o stanco.
02:02
Poem 2: Oh! kangaroos, sequins, chocolate
sodas! / You are really beautiful!
sodas! / You are really beautiful!
37
110631
3985
2: Oh! Canguri, lustrini, bibite al
cioccolato! / Siete davvero meravigliose!
cioccolato! / Siete davvero meravigliose!
02:06
Pearls, / harmonicas, jujubes, aspirins!
All / the stuff they've always talked about (...)
All / the stuff they've always talked about (...)
38
114640
4358
Perle / armoniche, giuggiole, aspirine!
Tutto / ciò di cui parlano sempre (...)
Tutto / ciò di cui parlano sempre (...)
02:11
Alright, time's up.
39
119022
1158
Ok, tempo scaduto.
02:12
So if you think the first poem
was written by a human,
was written by a human,
40
120204
3137
Se credete che la prima poesia
sia stata scritta da un umano,
sia stata scritta da un umano,
02:15
put your hand up.
41
123365
1215
alzate la mano.
02:17
OK.
42
125687
1154
Ok.
Se credete che la seconda poesia
sia stata scritta da un umano,
sia stata scritta da un umano,
02:18
And if you think the second poem
was written by a human,
was written by a human,
43
126865
2675
02:21
put your hand up.
44
129564
1155
alzate la mano.
02:23
We have, more or less, a 50/50 split here.
45
131779
3810
Siete divisi più o meno al 50 per cento.
02:28
It was much harder.
46
136157
1436
Questa era molto più difficile.
02:29
The answer is,
47
137617
1712
La risposta è: la prima
02:31
the first poem was generated
by an algorithm called Racter,
by an algorithm called Racter,
48
139353
3483
poesia è stata generata
da un algoritmo chiamato Racter,
da un algoritmo chiamato Racter,
02:34
that was created back in the 1970s,
49
142860
3002
creato negli anni '70,
02:37
and the second poem was written
by a guy called Frank O'Hara,
by a guy called Frank O'Hara,
50
145886
3189
e la seconda poesia è stata scritta
da un tale chiamato Frank O'Hara,
da un tale chiamato Frank O'Hara,
02:41
who happens to be
one of my favorite human poets.
one of my favorite human poets.
51
149099
2668
che guarda caso è uno
dei miei poeti umani preferiti.
dei miei poeti umani preferiti.
02:44
(Laughter)
52
152631
3058
(Risate)
02:48
So what we've just done now
is a Turing test for poetry.
is a Turing test for poetry.
53
156046
3228
Quello che abbiamo appena eseguito
è un test di Turing per le poesie.
è un test di Turing per le poesie.
02:52
The Turing test was first proposed
by this guy, Alan Turing, in 1950,
by this guy, Alan Turing, in 1950,
54
160018
4547
Il test di Turing fu ideato da
quest'uomo, Alan Turing, nel 1950,
quest'uomo, Alan Turing, nel 1950,
02:56
in order to answer the question,
55
164589
1564
per rispondere alla domanda:
02:58
can computers think?
56
166177
1637
i computer possono pensare?
03:00
Alan Turing believed that if
a computer was able
a computer was able
57
168245
2770
Alan Turing credeva che se
un computer fosse stato in grado
un computer fosse stato in grado
03:03
to have a to have a text-based
conversation with a human,
conversation with a human,
58
171039
3078
di sostenere una conversazione
testuale con un umano,
testuale con un umano,
con una tale padronanza
che l'umano non potesse distinguere
che l'umano non potesse distinguere
03:06
with such proficiency
such that the human couldn't tell
such that the human couldn't tell
59
174141
2770
di stare parlando con un
computer o con un umano,
computer o con un umano,
03:08
whether they are talking
to a computer or a human,
to a computer or a human,
60
176935
2966
03:11
then the computer can be said
to have intelligence.
to have intelligence.
61
179925
2856
allora si sarebbe potuto dire che
il computer è intelligente.
il computer è intelligente.
03:15
So in 2013, my friend
Benjamin Laird and I,
Benjamin Laird and I,
62
183270
3295
Quindi nel 2013, io e
il mio amico Benjamin Laird
il mio amico Benjamin Laird
03:18
we created a Turing test
for poetry online.
for poetry online.
63
186589
2988
abbiamo creato un test di Turing
online per le poesie.
online per le poesie.
03:21
It's called bot or not,
64
189601
1277
Si chiama "bot o no,"
03:22
and you can go and play it for yourselves.
65
190902
2044
e potete provarlo voi stessi.
03:24
But basically, it's the game
we just played.
we just played.
66
192970
2251
Ma è il gioco a cui
abbiamo appena giocato.
abbiamo appena giocato.
03:27
You're presented with a poem,
67
195245
1528
Vi viene mostrata una poesia,
03:28
you don't know whether it was written
by a human or a computer
by a human or a computer
68
196797
3028
non sapete se sia stata scritta
da un umano o da un computer,
da un umano o da un computer,
03:31
and you have to guess.
69
199849
1166
e dovete indovinare.
Migliaia e migliaia di persone
si sono sottoposte a questo test online,
si sono sottoposte a questo test online,
03:33
So thousands and thousands
of people have taken this test online,
of people have taken this test online,
70
201039
3191
03:36
so we have results.
71
204254
1449
quindi abbiamo dei risultati.
03:37
And what are the results?
72
205727
1428
E quali sono i risultati?
03:39
Well, Turing said that if a computer
could fool a human
could fool a human
73
207704
2879
Secondo Turing se un computer
riuscisse a far credere
riuscisse a far credere
03:42
30 percent of the time
that it was a human,
that it was a human,
74
210607
3019
ad un uomo di essere un umano
il 30% delle volte,
il 30% delle volte,
03:45
then it passes the Turing test
for intelligence.
for intelligence.
75
213650
2397
allora supererebbe
il test di Turing per l'intelligenza.
il test di Turing per l'intelligenza.
03:48
We have poems on the bot or not database
76
216625
2438
Abbiamo poesie nel database di "bot o no"
03:51
that have fooled 65 percent
of human readers into thinking
of human readers into thinking
77
219087
2979
che hanno ingannato il 65%
dei lettori, facendo loro credere
dei lettori, facendo loro credere
03:54
it was written by a human.
78
222090
1395
di essere state scritte
da un umano.
da un umano.
03:55
So, I think we have an answer
to our question.
to our question.
79
223959
2817
Quindi credo abbiamo
una risposta alla nostra domanda.
una risposta alla nostra domanda.
03:59
According to the logic of the Turing test,
80
227546
2348
Secondo la logica del test di Turing,
04:01
can a computer write poetry?
81
229918
1928
può un computer scrivere poesie?
04:03
Well, yes, absolutely it can.
82
231870
2351
Beh, sì, assolutamente sì.
04:07
But if you're feeling
a little bit uncomfortable
a little bit uncomfortable
83
235782
2346
Ma se vi sentite un po' a disagio
04:10
with this answer, that's OK.
84
238152
1927
con questa risposta, è normale.
04:12
If you're having a bunch
of gut reactions to it,
of gut reactions to it,
85
240103
2316
In caso abbiate reazioni istintive,
04:14
that's also OK because
this isn't the end of the story.
this isn't the end of the story.
86
242443
3205
va comunque bene perché
questa non è la fine della storia.
questa non è la fine della storia.
04:18
Let's play our third and final test.
87
246594
2324
Giochiamo al terzo ed ultimo test.
04:22
Again, you're going to have to read
88
250000
1750
Di nuovo, dovrete leggere e dirmi
04:23
and tell me which you think is human.
89
251774
1909
quale delle poesie credete sia umana.
04:25
Poem 1: Reg flags the reason
for pretty flags. / And ribbons.
for pretty flags. / And ribbons.
90
253707
3718
1: Bandiere rosse, la ragione delle
belle bandiere. / E dei fiocchi
belle bandiere. / E dei fiocchi
04:29
Ribbons of flags / And wearing material /
Reasons for wearing material. (...)
Reasons for wearing material. (...)
91
257449
4321
Fiocchi di bandiere / E materiale da
indossare / Motivi per il materiale (...)
indossare / Motivi per il materiale (...)
04:33
Poem 2: A wounded deer leaps
highest, / I've heard the daffodil
highest, / I've heard the daffodil
92
261794
3918
2: Un cervo ferito salta più
in alto, / Ho sentito il narciso
in alto, / Ho sentito il narciso
04:37
I've heard the flag to-day /
I've heard the hunter tell; /
I've heard the hunter tell; /
93
265736
3446
Oggi ho sentito la bandiera /
Ho sentito il caccatore dire; /
Ho sentito il caccatore dire; /
04:41
'Tis but the ecstasy of death, /
And then the brake is almost done (...)
And then the brake is almost done (...)
94
269206
3702
Questo tranne la gioia della morte, /
E poi la boscaglia è quasi finita (...)
E poi la boscaglia è quasi finita (...)
04:44
OK, time is up.
95
272932
1599
Ok, tempo scaduto.
04:46
So hands up if you think Poem 1
was written by a human.
was written by a human.
96
274555
3837
Su le mani se credete che la prima poesia
sia stata scritta da un umano.
sia stata scritta da un umano.
Su le mani se credete che la seconda
poesia sia stata scritta da un umano.
poesia sia stata scritta da un umano.
04:51
Hands up if you think Poem 2
was written by a human.
was written by a human.
97
279973
3038
04:55
Whoa, that's a lot more people.
98
283035
2331
Wow, molte più persone.
04:58
So you'd be surprised to find that Poem 1
99
286327
2968
Sarete quindi sorpresi
di sapere che la prima poesia
di sapere che la prima poesia
05:01
was written by the very
human poet Gertrude Stein.
human poet Gertrude Stein.
100
289319
3993
è stata scritta da Gertrude Stein,
una poetessa decisamente umana.
una poetessa decisamente umana.
05:06
And Poem 2 was generated
by an algorithm called RKCP.
by an algorithm called RKCP.
101
294100
5038
E la seconda è stata generata
da un algoritmo chiamato RKCP.
da un algoritmo chiamato RKCP.
05:11
Now before we go on, let me describe
very quickly and simply,
very quickly and simply,
102
299162
3319
Prima di continuare, lasciate che
vi descriva, in modo semplice e facile,
vi descriva, in modo semplice e facile,
05:14
how RKCP works.
103
302505
1781
come funziona l'RKCP.
05:16
So RKCP is an algorithm
designed by Ray Kurzweil,
designed by Ray Kurzweil,
104
304873
3850
L'RKCP è un algoritmo
progettato da Ray Kurzweil,
progettato da Ray Kurzweil,
05:20
who's a director of engineering at Google
105
308747
2222
che è un direttore
dell'ingegneria a Google
dell'ingegneria a Google
05:22
and a firm believer
in artificial intelligence.
in artificial intelligence.
106
310993
2360
e un convinto sostenitore
dell'intelligenza artificiale.
dell'intelligenza artificiale.
05:25
So, you give RKCP a source text,
107
313822
3991
Quando fornite un testo a RKCP,
05:29
it analyzes the source text in order
to find out how it uses language,
to find out how it uses language,
108
317837
4469
esso analizza il testo sorgente
per capire come utilizza il linguaggio,
per capire come utilizza il linguaggio,
05:34
and then it regenerates language
109
322330
1948
e poi rigenera un linguaggio
05:36
that emulates that first text.
110
324302
2528
che emula quel testo di partenza.
05:38
So in the poem we just saw before,
111
326854
2113
Quindi, nella poesia
che abbiamo visto prima,
che abbiamo visto prima,
05:40
Poem 2, the one that you all
thought was human,
thought was human,
112
328991
2625
la seconda poesia, quella che tutti
credevate fosse umana,
credevate fosse umana,
05:43
it was fed a bunch of poems
113
331640
1550
gli sono state
fornite delle poesie
fornite delle poesie
05:45
by a poet called Emily Dickinson
114
333214
2035
da parte della poetessa Emily Dickinson,
05:47
it looked at the way she used language,
115
335273
2189
ha analizzato il modo in cui
lei utilizzò il linguaggio,
lei utilizzò il linguaggio,
05:49
learned the model,
116
337486
1165
ha imparato il modello,
05:50
and then it regenerated a model
according to that same structure.
according to that same structure.
117
338675
4258
e poi ha rigenerato un modello
conforme a quella stessa struttura.
conforme a quella stessa struttura.
05:56
But the important thing to know about RKCP
118
344732
2178
Ma la cosa importante da sapere di RKCP
05:58
is that it doesn't know the meaning
of the words it's using.
of the words it's using.
119
346934
2838
è che non conosce il significato
delle parole che utilizza.
delle parole che utilizza.
06:02
The language is just raw material,
120
350359
2276
Il linguaggio è solo
un materiale grezzo:
un materiale grezzo:
06:04
it could be Chinese,
it could be in Swedish,
it could be in Swedish,
121
352659
2160
potrebbe essere cinese,
potrebbe essere svedese,
potrebbe essere svedese,
06:06
it could be the collected language
from your Facebook feed for one day.
from your Facebook feed for one day.
122
354843
4179
potrebbe essere il linguaggio raccolto
dai post del tuo Facebook in un giorno.
dai post del tuo Facebook in un giorno.
06:11
It's just raw material.
123
359046
1652
Non è altro che una materia prima.
06:13
And nevertheless, it's able
to create a poem
to create a poem
124
361380
2697
Ciò nonostante, riesce a creare una poesia
06:16
that seems more human
than Gertrude Stein's poem,
than Gertrude Stein's poem,
125
364101
3327
che sembra più umana
della poesia di Gertrude Stein,
della poesia di Gertrude Stein,
06:19
and Gertrude Stein is a human.
126
367452
2153
e Gertrude Stein è umana.
06:22
So what we've done here is,
more or less, a reverse Turing test.
more or less, a reverse Turing test.
127
370846
4072
Ciò che abbiamo fatto qui è,
più o meno, un test di Turing inverso.
più o meno, un test di Turing inverso.
06:27
So Gertrude Stein, who's a human,
is able to write a poem
is able to write a poem
128
375940
5179
Quindi Gertrude Stein, che è umana,
riesce a scrivere una poesia
riesce a scrivere una poesia
06:33
that fools a majority
of human judges into thinking
of human judges into thinking
129
381143
3738
che fa credere ad una
maggioranza di giudici umani
maggioranza di giudici umani
06:36
that it was written by a computer.
130
384905
1826
di essere stata scritta da un computer.
06:39
Therefore, according to the logic
of the reverse Turing test,
of the reverse Turing test,
131
387176
4141
Quindi, secondo la logica
del test di Turing inverso,
del test di Turing inverso,
06:43
Gertrude Stein is a computer.
132
391341
1916
Gertrude Stein è un computer.
06:45
(Laughter)
133
393281
1462
(Risata)
06:47
Feeling confused?
134
395358
1294
Vi sentite confusi?
06:49
I think that's fair enough.
135
397193
1515
Mi sembra abbastanza giusto.
06:51
So far we've had humans
that write like humans,
that write like humans,
136
399546
4116
Finora abbiamo avuto umani
che scrivono come umani,
che scrivono come umani,
06:55
we have computers that write
like computers,
like computers,
137
403686
3111
abbiamo computer che
scrivono come computer,
scrivono come computer,
06:58
we have computers that write like humans,
138
406821
3055
abbiamo computer che scrivono come umani,
07:01
but we also have,
perhaps most confusingly,
perhaps most confusingly,
139
409900
3632
ma abbiamo anche, forse
in modo più confusionario,
in modo più confusionario,
07:05
humans that write like computers.
140
413556
2375
umani che scrivono come computer.
07:08
So what do we take from all of this?
141
416938
1766
Che cosa ricaviamo da tutto questo?
07:11
Do we take that William Blake
is somehow more of a human
is somehow more of a human
142
419611
3157
Ne traiamo che William Blake
è in qualche modo più umano
è in qualche modo più umano
07:14
than Gertrude Stein?
143
422792
1249
di Gertrude Stein?
07:16
Or that Gertrude Stein is more
of a computer than William Blake?
of a computer than William Blake?
144
424065
3046
O che Gertrude Stein è
più computer di William Blake?
più computer di William Blake?
07:19
(Laughter)
145
427135
1552
(Risate)
07:20
These are questions
I've been asking myself
I've been asking myself
146
428711
2323
Queste sono domande
che mi sto ponendo
che mi sto ponendo
07:23
for around two years now,
147
431058
1465
da circa due anni,
07:24
and I don't have any answers.
148
432547
2309
e non ho nessuna risposta.
07:26
But what I do have are a bunch of insights
149
434880
2330
Ma quello che ho è un po' di conoscenza
07:29
about our relationship with technology.
150
437234
2534
sul nostro rapporto con la tecnologia.
07:32
So my first insight is that,
for some reason,
for some reason,
151
440999
3609
La mia prima opinione è che,
per qualche ragione,
per qualche ragione,
07:36
we associate poetry with being human.
152
444632
3111
associamo la poesia con l'essere umani.
07:40
So that when we ask,
"Can a computer write poetry?"
"Can a computer write poetry?"
153
448197
3715
Quindi quando chiediamo
"Può un computer scrivere poesie?"
"Può un computer scrivere poesie?"
07:43
we're also asking,
154
451936
1193
stiamo anche chiedendo:
07:45
"What does it mean to be human
155
453153
1798
"Che cosa significa essere umani
07:46
and how do we put boundaries
around this category?
around this category?
156
454975
3172
e come facciamo a mettere dei paletti
intorno a questo concetto?
intorno a questo concetto?
07:50
How do we say who or what
can be part of this category?"
can be part of this category?"
157
458171
3658
Come facciamo a capire chi o cosa
può essere parte di questo concetto?"
può essere parte di questo concetto?"
07:54
This is an essentially
philosophical question, I believe,
philosophical question, I believe,
158
462376
3351
Questa credo sia una
questione essenzialmente filosofica,
questione essenzialmente filosofica,
07:57
and it can't be answered
with a yes or no test,
with a yes or no test,
159
465751
2229
a cui non si può rispondere
con un test sì/no
con un test sì/no
08:00
like the Turing test.
160
468004
1327
come il test di Turing.
08:01
I also believe that Alan Turing
understood this,
understood this,
161
469805
3045
Credo inoltre che
Alan Turing l'avesse capito,
Alan Turing l'avesse capito,
08:04
and that when he devised
his test back in 1950,
his test back in 1950,
162
472874
3305
e che quando ideò
il suo test nel lontano 1950,
il suo test nel lontano 1950,
08:08
he was doing it
as a philosophical provocation.
as a philosophical provocation.
163
476203
2802
lo stesse facendo come
provocazione filosofica.
provocazione filosofica.
08:13
So my second insight is that,
when we take the Turing test for poetry,
when we take the Turing test for poetry,
164
481124
5541
La mia seconda opinione è che, quando
utilizziamo il Turing test per le poesie,
utilizziamo il Turing test per le poesie,
08:18
we're not really testing
the capacity of the computers
the capacity of the computers
165
486689
3460
non stiamo davvero testando
la capacità dei computer
la capacità dei computer
08:22
because poetry-generating algorithms,
166
490173
2893
perché gli algoritmi
di generazione delle poesie
di generazione delle poesie
08:25
they're pretty simple and have existed,
more or less, since the 1950s.
more or less, since the 1950s.
167
493090
4563
sono abbastanza semplici ed esistono,
più o meno, dagli anni '50.
più o meno, dagli anni '50.
08:31
What we are doing with the Turing
test for poetry, rather,
test for poetry, rather,
168
499055
3118
Quello che stiamo facendo con
il test di Turing per la poesia, invece,
il test di Turing per la poesia, invece,
08:34
is collecting opinions about what
constitutes humanness.
constitutes humanness.
169
502197
4615
è raccogliere opinioni su quello
che costituisce l'essere umani.
che costituisce l'essere umani.
08:40
So, what I've figured out,
170
508313
2729
Quello che ho scoperto,
08:43
we've seen this when earlier today,
171
511066
2972
e l'abbiamo visto oggi,
08:46
we say that William Blake
is more of a human
is more of a human
172
514062
2478
è che diciamo che
William Blake è più un umano
William Blake è più un umano
08:48
than Gertrude Stein.
173
516564
1565
di Gertrude Stein.
08:50
Of course, this doesn't mean
that William Blake
that William Blake
174
518153
2462
Ovviamente, questo non significa
che William Blake
che William Blake
08:52
was actually more human
175
520639
1828
fosse effettivamente più umano
08:54
or that Gertrude Stein
was more of a computer.
was more of a computer.
176
522491
2327
oppure che Gertrude Stein
fosse più un computer.
fosse più un computer.
08:57
It simply means that the category
of the human is unstable.
of the human is unstable.
177
525533
4714
Semplicemente significa che
il concetto di umano è instabile.
il concetto di umano è instabile.
09:03
This has led me to understand
178
531450
2074
Questo mi ha fatto capire
09:05
that the human is not a cold, hard fact.
179
533548
2763
che l'essere umani non è
un dato di fatto nudo e crudo.
un dato di fatto nudo e crudo.
09:08
Rather, it is something
that's constructed with our opinions
that's constructed with our opinions
180
536832
3132
Al contrario, è qualcosa di
costruito con le nostre opinioni,
costruito con le nostre opinioni,
09:11
and something that changes over time.
181
539988
2855
qualcosa che muta nel tempo.
09:16
So my final insight is that
the computer, more or less,
the computer, more or less,
182
544671
4479
Quindi la mia idea finale è che
il computer, più o meno,
il computer, più o meno,
09:21
works like a mirror
that reflects any idea of a human
that reflects any idea of a human
183
549174
4006
funziona come uno specchio
che riflette qualsiasi idea di un umano
che riflette qualsiasi idea di un umano
09:25
that we show it.
184
553204
1375
che noi gli mostriamo.
09:26
We show it Emily Dickinson,
185
554958
1884
Gli mostriamo Emily Dickinson,
09:28
it gives Emily Dickinson back to us.
186
556866
2321
ci restituisce Emily Dickinson.
09:31
We show it William Blake,
187
559768
1834
Gli mostriamo William Blake,
09:33
that's what it reflects back to us.
188
561626
2285
ed è quello che ci riflette.
09:35
We show it Gertrude Stein,
189
563935
1839
Gli mostriamo Gertrude Stein,
09:37
what we get back is Gertrude Stein.
190
565798
2470
quello che otteniamo è Gertrude Stein.
09:41
More than any other bit of technology,
191
569083
2368
Più di ogni altro pezzo di tecnologia,
09:43
the computer is a mirror that reflects
any idea of the human we teach it.
any idea of the human we teach it.
192
571475
5165
il computer è uno specchio che riflette
ogni idea umana che gli insegniamo.
ogni idea umana che gli insegniamo.
09:50
So I'm sure a lot of you have been hearing
193
578061
2287
Sono sicuro che ultimamente molti di voi
09:52
a lot about artificial
intelligence recently.
intelligence recently.
194
580372
2862
hanno sentito parlare
di intelligenza artificiale.
di intelligenza artificiale.
09:56
And much of the conversation is,
195
584694
2830
E gran parte della discussione è:
10:00
can we build it?
196
588292
1189
possiamo costruirlo?
10:02
Can we build an intelligent computer?
197
590383
3135
Possiamo costruire
un computer intelligente?
un computer intelligente?
10:05
Can we build a creative computer?
198
593542
2763
Possiamo costruire un computer creativo?
10:08
What we seem to be asking over and over
199
596329
2113
Quello che pare continuiamo a chiedere
10:10
is can we build a human-like computer?
200
598466
2724
è se possiamo costruire un computer
che somigli ad un umano.
che somigli ad un umano.
10:13
But what we've seen just now
201
601961
1556
Ma ciò che abbiamo appena visto
10:15
is that the human
is not a scientific fact,
is not a scientific fact,
202
603541
3088
è che l'uomo non è solo
un fatto scientifico,
un fatto scientifico,
10:18
that it's an ever-shifting,
concatenating idea
concatenating idea
203
606653
3530
ma che è un'idea sempre
in mutamento, concatenata
in mutamento, concatenata
10:22
and one that changes over time.
204
610207
2531
e che cambia nel tempo.
10:24
So that when we begin
to grapple with the ideas
to grapple with the ideas
205
612762
3152
Quindi quando in futuro inizieremo
a scontrarci con le idee
a scontrarci con le idee
10:27
of artificial intelligence in the future,
206
615938
2386
dell'intelligenza artificiale,
10:30
we shouldn't only be asking ourselves,
207
618348
1905
non dovremmo solamente chiederci
10:32
"Can we build it?"
208
620277
1368
"Possiamo costruirlo?"
10:33
But we should also be asking ourselves,
209
621669
1894
Ma dovremmo anche chiederci:
10:35
"What idea of the human
do we want to have reflected back to us?"
do we want to have reflected back to us?"
210
623587
3713
"Quale idea di uomo
vogliamo ci venga riflessa?"
vogliamo ci venga riflessa?"
10:39
This is an essentially philosophical idea,
211
627820
2693
Questa è un'idea essenzialmente filosofica
10:42
and it's one that can't be answered
with software alone,
with software alone,
212
630537
2997
e che non può essere affrontata
solo con il software
solo con il software
10:45
but I think requires a moment
of species-wide, existential reflection.
of species-wide, existential reflection.
213
633558
4977
ma credo richieda un momento di
riflessione esistenziale collettiva.
riflessione esistenziale collettiva.
10:51
Thank you.
214
639040
1153
Grazie.
10:52
(Applause)
215
640217
2695
(Applausi)
ABOUT THE SPEAKER
Oscar Schwartz - Writer and poetOscar Schwartz's research and writing concerns the influence of digital technology on culture and human interaction.
Why you should listen
Oscar Schwartz is an Australian writer and poet undertaking a PhD that asks whether a computer can write poetry. His research led to the development of a Turing test for poetry, which is available on a website he cofounded called bot or not.
Oscar Schwartz | Speaker | TED.com