TED2009
Golan Levin: Art that looks back at you
Golan Levin crea l'arte che ti guarda
Filmed:
Readability: 4
823,350 views
Golan Levin, artista ed ingegnere, usa strumenti moderni - robotica, nuovi software, ricerca cognitiva - per creare opere d'arte che sorprendono e piacciono. Guardate come i suoni diventano forme, i corpi creano dipinti ed un occhio curioso reagisce allo spettatore curioso guardandolo a sua volta.
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
Ciao! Mi chiamo Golan Levin.
00:15
I'm an artist and an engineer,
1
3000
2000
Sono un artista ed un ingegnere
00:17
which is, increasingly, a more common kind of hybrid.
2
5000
2000
che è una forma di ibrido sempre più diffusa.
00:19
But I still fall into this weird crack
3
7000
3000
Ma rientro ancora in questa strana categoria
00:22
where people don't seem to understand me.
4
10000
2000
che le persone non sembrano riuscire a comprendere.
00:24
And I was looking around and I found this wonderful picture.
5
12000
4000
E mi stavo guardando intorno e ho trovato questa fantastica fotografia.
00:28
It's a letter from "Artforum" in 1967
6
16000
3000
È una lettera dell' "Artforum" del 1967
00:31
saying "We can't imagine ever doing a special issue
7
19000
3000
che dice "Non possiamo assolutamente immaginare di fare un'edizione speciale
00:34
on electronics or computers in art." And they still haven't.
8
22000
3000
sull'elettronica o i computer nell'arte." E ancora non l'hanno fatta.
00:37
And lest you think that you all, as the digerati, are more enlightened,
9
25000
5000
E siccome uno pensa che voi gente, in quanto digerati, siate più illuminati,
00:42
I went to the Apple iPhone app store the other day.
10
30000
3000
l'altro giorno sono andato nell'application store dell'iPhone della Apple.
00:45
Where's art? I got productivity. I got sports.
11
33000
4000
Dov'è la voce arte? Ho trovato produttività. Ho trovato sport.
00:49
And somehow the idea that one would want to make art for the iPhone,
12
37000
4000
E in qualche modo l'idea che uno possa voler fare arte per l'iPhone,
00:53
which my friends and I are doing now,
13
41000
2000
come io e i miei amici stiamo facendo,
00:55
is still not reflected in our understanding
14
43000
3000
non è ancora contemplata nel nostro modo di concepire
00:58
of what computers are for.
15
46000
2000
l'utilizzo dei computer.
01:00
So, from both directions, there is kind of, I think, a lack of understanding
16
48000
2000
Così, da entrambe le direzioni, c'è una certa, io credo, mancanza di comprensione
01:02
about what it could mean to be an artist who uses the materials
17
50000
2000
su cosa possa significare essere un artista che usa materiali
01:04
of his own day, or her own day,
18
52000
2000
di tutti i giorni.
01:06
which I think artists are obliged to do,
19
54000
2000
Ciò che io credo gli artisti siano obbligati a fare
01:08
is to really explore the expressive potential of the new tools that we have.
20
56000
4000
è esplorare realmente il potenziale espressivo dei nuovi strumenti che abbiamo.
01:12
In my own case, I'm an artist,
21
60000
2000
Nel mio caso specifico, sono un artista
01:14
and I'm really interested in
22
62000
2000
e sono veramente interessato a
01:16
expanding the vocabulary of human action,
23
64000
2000
espandere il vocabolario dell'azione umana
01:18
and basically empowering people through interactivity.
24
66000
3000
e fondamentalmente dare potere alle persone attraverso l'interattività.
01:21
I want people to discover themselves as actors,
25
69000
3000
Voglio che le persone si scoprano attori,
01:24
as creative actors, by having interactive experiences.
26
72000
4000
nel senso di attori creativi, attraverso queste esperienze interattive.
01:28
A lot of my work is about trying to get away from this.
27
76000
3000
Gran parte del mio lavoro consiste nel tentare di liberarmi di questo.
01:31
This a photograph of the desktop of a student of mine.
28
79000
2000
Questa è la fotografia della scrivania di un mio studente.
01:33
And when I say desktop, I don't just mean
29
81000
2000
E quando dico scrivania non in intendo solo
01:35
the actual desk where his mouse has worn away the surface of the desk.
30
83000
3000
il piano effettivo su cui il mouse ha consumato la superficie.
01:38
If you look carefully, you can even see
31
86000
2000
Se guardate attentamente potete vedere anche
01:40
a hint of the Apple menu, up here in the upper left,
32
88000
3000
un accenno del menu Apple, qui in alto a sinistra,
01:43
where the virtual world has literally
33
91000
2000
dove il mondo virtuale ha letteralmente
01:45
punched through to the physical.
34
93000
2000
perforato quello fisico.
01:47
So this is, as Joy Mountford once said,
35
95000
4000
Questo è, come disse una volta Joy Mountford,
01:51
"The mouse is probably the narrowest straw
36
99000
2000
"Il mouse è probabilmente la cannuccia più stretta
01:53
you could try to suck all of human expression through."
37
101000
2000
da cui si possa provare a succhiare le espressioni umane"
01:55
(Laughter)
38
103000
3000
(Risate)
01:58
And the thing I'm really trying to do is enabling people to have more rich
39
106000
3000
E ciò che sto realmente tentando di fare è fare in modo che le persone abbiano
02:01
kinds of interactive experiences.
40
109000
2000
delle esperienze interattive più ricche.
02:03
How can we get away from the mouse and use our full bodies
41
111000
2000
Come possiamo liberarci del mouse e usare tutto il nostro corpo
02:05
as a way of exploring aesthetic experiences,
42
113000
3000
come mezzo per esplorare esperienze estetiche,
02:08
not necessarily utilitarian ones.
43
116000
2000
non necessariamente quelle utilitarie?
02:10
So I write software. And that's how I do it.
44
118000
3000
Io scrivo dei software. È così che lo faccio.
02:13
And a lot of my experiences
45
121000
2000
E molte delle mie esperienze
02:15
resemble mirrors in some way.
46
123000
2000
assomigliano a degli specchi in qualche modo.
02:17
Because this is, in some sense, the first way,
47
125000
2000
Perché questo è, in qualche maniera, il primo modo
02:19
that people discover their own potential as actors,
48
127000
2000
in cui le persone scoprono il proprio potenziale
02:21
and discover their own agency.
49
129000
2000
come attori e la propria energia.
02:23
By saying "Who is that person in the mirror? Oh it's actually me."
50
131000
3000
Chiedendosi "Chi è quella persona nello specchio? Oh sono io."
02:26
And so, to give an example,
51
134000
2000
Quindi, per darvi un esempio,
02:28
this is a project from last year,
52
136000
2000
questo è un progetto dello scorso anno.
02:30
which is called the Interstitial Fragment Processor.
53
138000
2000
Chiamato Interstitial Fragment Processor.
02:32
And it allows people to explore the negative shapes that they create
54
140000
4000
E permette alle persone di esplorare le forme negative che creano
02:36
when they're just going about their everyday business.
55
144000
3000
mentre svolgono le loro faccende quotidiane.
02:53
So as people make shapes with their hands or their heads
56
161000
2000
Perciò quando le persone creano delle forme con le mani o la testa
02:55
and so forth, or with each other,
57
163000
2000
eccetera, o le una con le altre,
02:57
these shapes literally produce sounds and drop out of thin air --
58
165000
3000
queste forme producono letteralmente dei suoni e vengono fuori dal nulla.
03:00
basically taking what's often this, kind of, unseen space,
59
168000
4000
Fondamentalmente prendendo ciò che spesso è una specie di spazio invisibile
03:04
or this undetected space, and making it something real,
60
172000
3000
o che passa inosservato, e rendendolo qualcosa di reale,
03:07
that people then can appreciate and become creative with.
61
175000
3000
che le persone possono apprezzare e usare in modo creativo.
03:10
So again, people discover their creative agency in this way.
62
178000
3000
Quindi di nuovo, le persone in questo modo scoprono il loro lato creativo.
03:13
And their own personalities come out
63
181000
2000
E la loro personalità viene fuori
03:15
in totally unique ways.
64
183000
3000
in modi totalmente unici.
03:18
So in addition to using full-body input,
65
186000
3000
Poi oltre all'uso dell'intero corpo come input,
03:21
something that I've explored now, for a while,
66
189000
2000
qualcosa che ho esplorato già da un po'
03:23
has been the use of the voice,
67
191000
2000
è stato l'uso della voce.
03:25
which is an immensely expressive system for us, vocalizing.
68
193000
4000
Che è un sistema immensamente espressivo per noi, la vocalizzazione.
03:29
Song is one of our oldest ways
69
197000
2000
Cantare è uno dei modi più antichi che abbiamo
03:31
of making ourselves heard and understood.
70
199000
3000
per farci sentire e capire.
03:34
And I came across this fantastic research by Wolfgang Köhler,
71
202000
2000
E mi sono imbattuto in questa fantastica ricerca di Wolfgang Köhler,
03:36
the so-called father of gestalt psychology, from 1927,
72
204000
4000
il cosiddetto padre della psicologia della Gestalt, del 1927,
03:40
who submitted to an audience like yourselves
73
208000
2000
che ha mostrato ad un pubblico come voi
03:42
the following two shapes.
74
210000
2000
queste due forme.
03:44
And he said one of them is called Maluma.
75
212000
2000
E ha detto loro che una si chiamava Maluma
03:46
And one of them is called Taketa. Which is which?
76
214000
2000
e un'altra si chiamava Taketa. Qual è quale?
03:48
Anyone want to hazard a guess?
77
216000
4000
Qualcuno vuole provare ad indovinare?
03:52
Maluma is on top. Yeah. So.
78
220000
2000
Maluma è quella di sopra. Sì. Quindi
03:54
As he says here, most people answer without any hesitation.
79
222000
3000
come lui afferma qui, la maggior parte delle persone risponde senza esitazioni.
03:57
So what we're really seeing here is a phenomenon
80
225000
2000
Quindi ciò che stiamo vedendo davvero qui è un fenomeno
03:59
called phonaesthesia,
81
227000
2000
chiamato fonestesia,
04:01
which is a kind of synesthesia that all of you have.
82
229000
2000
che è un tipo di sinestesia che ognuno di voi possiede.
04:03
And so, whereas Dr. Oliver Sacks has talked about
83
231000
2000
E quindi, mentre il Dr. Oliver Sacks ha spiegato
04:05
how perhaps one person in a million
84
233000
2000
come forse una persona su un milione
04:07
actually has true synesthesia,
85
235000
2000
ha in effetti una vera sinestesia,
04:09
where they hear colors or taste shapes, and things like this,
86
237000
2000
nel caso in cui sentano dei colori o assaporino delle forme, e cose del genere,
04:11
phonaesthesia is something we can all experience to some extent.
87
239000
2000
la fonestesia è qualcosa che tutti possiamo sperimentare ad un certo livello.
04:13
It's about mappings between different perceptual domains,
88
241000
3000
Si tratta di mappature tra diversi dominii percettivi,
04:16
like hardness, sharpness, brightness and darkness,
89
244000
3000
come durezza, affilatura, luminosità e oscurità,
04:19
and the phonemes that we're able to speak with.
90
247000
2000
e i fonemi con cui siamo capaci di parlare.
04:21
So 70 years on, there's been some research where
91
249000
2000
Quindi negli ultimi 70 anni ci sono state ricerche in cui
04:23
cognitive psychologists have actually sussed out
92
251000
2000
gli psicologi cognitivi hanno in effetti intuito
04:25
the extent to which, you know,
93
253000
2000
fino a che punto, ad esempio,
04:27
L, M and B are more associated with shapes that look like this,
94
255000
4000
la L, la M e la B sono associate maggiormente con forme come queste,
04:31
and P, T and K are perhaps more associated with shapes like this.
95
259000
4000
e la P, la T e la K sono generalmente più associate a forme come queste.
04:35
And here we suddenly begin to have a mapping between curvature
96
263000
2000
E a questo punto iniziamo ad avere una mappatura tra curvature
04:37
that we can exploit numerically,
97
265000
2000
che possiamo sfruttare numericamente,
04:39
a relative mapping between curvature and shape.
98
267000
3000
una mappatura relativa tra curvatura e discorso.
04:42
So it occurred to me, what happens if we could run these backwards?
99
270000
3000
Perciò mi sono chiesto, che succederebbe se potessimo scorrerle all'indietro?
04:45
And thus was born the project called Remark,
100
273000
2000
E di conseguenza è nato il progetto chiamato Remark
04:47
which is a collaboration with Zachary Lieberman
101
275000
2000
che è una collaborazione con Zachary Lieberman
04:49
and the Ars Electronica Futurelab.
102
277000
2000
e l'Ars Electronica Futurelab.
04:51
And this is an interactive installation which presents
103
279000
2000
E questa è un'installazione interattiva che presenta
04:53
the fiction that speech casts visible shadows.
104
281000
2000
la finzione di un discorso che proietta ombre visibili.
04:55
So the idea is you step into a kind of a magic light.
105
283000
3000
Quindi l'idea è che tu entri in una specie di luce magica.
04:58
And as you do, you see the shadows of your own speech.
106
286000
3000
E quando lo fai vedi le ombre del tuo stesso discorso.
05:01
And they sort of fly away, out of your head.
107
289000
2000
Ed è come se volassero via, fuori dalla tua testa.
05:03
If a computer speech recognition system
108
291000
3000
Se il sistema di riconoscimento vocale del computer
05:06
is able to recognize what you're saying, then it spells it out.
109
294000
4000
è capace di capire quello che dici, allora lo scandisce.
05:10
And if it isn't then it produces a shape which is very phonaesthetically
110
298000
2000
E se non lo è allora produce una forma molto fonesteticamente
05:12
tightly coupled to the sounds you made.
111
300000
2000
vicina al suono che hai prodotto.
05:14
So let's bring up a video of that.
112
302000
3000
Mostriamone un video.
06:03
(Applause)
113
351000
2000
(Applausi)
06:05
Thanks. So. And this project here,
114
353000
3000
Grazie. E su questo progetto qui,
06:08
I was working with the great abstract vocalist, Jaap Blonk.
115
356000
3000
stavo lavorando con il grande vocalist astratto, Jaap Blonk.
06:11
And he is a world expert in performing "The Ursonate,"
116
359000
3000
E lui è un esperto mondiale nell'eseguire la "Ursonate",
06:14
which is a half-an-hour nonsense poem
117
362000
2000
che è una poesia di mezz'ora senza senso
06:16
by Kurt Schwitters, written in the 1920s,
118
364000
2000
di Kurt Schwitters, scritta negli anni 20.
06:18
which is half an hour of very highly patterned nonsense.
119
366000
4000
È una mezzora di non senso molto fantasioso.
06:22
And it's almost impossible to perform.
120
370000
2000
Ed è quasi impossibile da eseguire.
06:24
But Jaap is one of the world experts in performing it.
121
372000
3000
Ma Jaap è uno dei più grandi esperti del mondo di questa recitazione.
06:27
And in this project we've developed
122
375000
2000
Ed in questo progetto abbiamo sviluppato
06:29
a form of intelligent real-time subtitles.
123
377000
3000
una forma di sottotoli intelligenti in tempo reale.
06:32
So these are our live subtitles,
124
380000
3000
Questi sono quindi i nostri sottotitoli in diretta
06:35
that are being produced by a computer that knows the text of "The Ursonate" --
125
383000
3000
prodotti da un computer che conosce il testo della "Ursonate",
06:38
fortunately Jaap does too, very well --
126
386000
3000
fortunatamente anche Jaap lo conosce bene.
06:41
and it is delivering that text at the same time as Jaap is.
127
389000
5000
E il computer riproduce il testo esattamente mentre Jaap lo recita.
06:53
So all the text you're going to see
128
401000
2000
Per cui tutto il testo che state per vedere
06:55
is real-time generated by the computer,
129
403000
2000
è generato in tempo reale dal computer
06:57
visualizing what he's doing with his voice.
130
405000
3000
che visualizza ciò che lui fa con la voce.
08:10
Here you can see the set-up where there is a screen with the subtitles behind him.
131
478000
3000
Qui potete vedere l'allestimento in cui c'è uno schermo con i sottotitoli dietro di lui.
08:34
Okay. So ...
132
502000
2000
Ok. Quindi...
08:36
(Applause)
133
504000
5000
(Applausi)
08:41
The full videos are online if you are interested.
134
509000
2000
I video interi sono online se siete interessati.
08:43
I got a split reaction to that during the live performance,
135
511000
2000
Ho avuto diverse reazioni durante l'esecuzione live.
08:45
because there is some people who understand
136
513000
2000
Perché c'è gente che si rende conto
08:47
live subtitles are a kind of an oxymoron,
137
515000
2000
che i sottotitoli in diretta sono una specie di ossimoro
08:49
because usually there is someone making them afterwards.
138
517000
3000
dal momento che normalmente c'è qualcuno che li produce successivamente.
08:52
And then a bunch of people who were like, "What's the big deal?
139
520000
3000
E poi c'è stato un gruppo di persone che hanno reagito tipo "Cosa c'è di tanto speciale?
08:55
I see subtitles all the time on television."
140
523000
2000
Vedo sempre i sottotitoli in televisione."
08:57
You know? They don't imagine the person in the booth, typing it all.
141
525000
3000
Capite? Non si immaginano la persona nella cabina che li batte al computer.
09:00
So in addition to the full body, and in addition to the voice,
142
528000
3000
Quindi oltre al corpo, e oltre alla voce,
09:03
another thing that I've been really interested in,
143
531000
2000
un'altra cosa alla quale mi sono molto interessato
09:05
most recently, is the use of the eyes,
144
533000
2000
recentemente è l'uso degli occhi,
09:07
or the gaze, in terms of how people relate to each other.
145
535000
4000
o dello sguardo, in termini di come le persone si relazionano le une alle altre.
09:11
It's a really profound amount of nonverbal information
146
539000
2000
C'è una grossa quantità di informazioni non verbali
09:13
that's communicated with the eyes.
147
541000
2000
che viene comunicata con gli occhi.
09:15
And it's one of the most interesting technical challenges
148
543000
2000
Ed è una delle sfide tecniche più interessanti
09:17
that's very currently active in the computer sciences:
149
545000
2000
tra quelle presenti al momento nella disciplina informatica,
09:19
being able to have a camera that can understand,
150
547000
2000
potere avere una telecamera capace di capire,
09:21
from a fairly big distance away,
151
549000
2000
da una distanza abbastanza grande,
09:23
how these little tiny balls are actually pointing in one way or another
152
551000
3000
come queste piccole palline stiano in effetti guardando da una parte piuttosto che un'altra,
09:26
to reveal what you're interested in,
153
554000
2000
per rivelare ciò a cui siete veramente interessati,
09:28
and where your attention is directed.
154
556000
2000
e a cosa la vostra attenzione sia diretta.
09:30
So there is a lot of emotional communication that happens there.
155
558000
3000
C'è quindi una forte componente di comunicazione emozionale qui.
09:33
And so I've been beginning, with a variety of different projects,
156
561000
4000
Ed ho quindi iniziato, con una serie di diversi progetti,
09:37
to understand how people can relate to machines with their eyes.
157
565000
3000
a capire come le persone si possano relazionare alle macchine attraverso gli occhi.
09:40
And basically to ask the questions:
158
568000
3000
E fondamentalmente a domandarmi,
09:43
What if art was aware that we were looking at it?
159
571000
5000
Cosa succederebbe se l'arte fosse cosciente che la stiamo guardando?
09:48
How could it respond, in a way,
160
576000
2000
Come potrebbe rispondere, in qualche modo,
09:50
to acknowledge or subvert the fact that we're looking at it?
161
578000
3000
per far capire o sabotare il fatto che la stiamo guardando?
09:53
And what could it do if it could look back at us?
162
581000
3000
E cosa potrebbe fare se potesse guardarci a sua volta?
09:56
And so those are the questions that are happening in the next projects.
163
584000
2000
Queste sono quindi le domande che mi sono posto nei progetti successivi.
09:58
In the first one which I'm going to show you, called Eyecode,
164
586000
3000
Nel primo, che sto per mostrarvi, chiamato Eyecode,
10:01
it's a piece of interactive software
165
589000
2000
abbiamo un pezzo di software interattivo
10:03
in which, if we read this little circle,
166
591000
2000
nel quale, se leggiamo questo piccolo cerchio,
10:05
"the trace left by the looking of the previous observer
167
593000
3000
"la traccia lasciata dallo sguardo dell'osservatore precedente
10:08
looks at the trace left by the looking of previous observer."
168
596000
3000
guarda alla traccia lasciata dallo sguardo dell'osservatore precedente."
10:11
The idea is that it's an image wholly constructed
169
599000
2000
L'idea è che si tratti di un'immagine costruita completamente
10:13
from its own history of being viewed
170
601000
2000
dalla sua stessa esperienza cronologica dell'essere osservata
10:15
by different people in an installation.
171
603000
2000
da diverse persone durante un'installazione.
10:17
So let me just switch over so we can do the live demo.
172
605000
5000
Allora passiamo alla dimostrazione del vivo.
10:22
So let's run this and see if it works.
173
610000
4000
Facciamo partire questo e vediamo se funziona.
10:26
Okay. Ah, there is lots of nice bright video.
174
614000
3000
Ok. Ah, ci sono un sacco di begli schermi luminosi.
10:29
There is just a little test screen that shows that it's working.
175
617000
2000
C'è prima un piccolo test screen che mostra che funziona.
10:31
And what I'm just going to do is -- I'm going to hide that.
176
619000
2000
Adesso lo nascondo
10:33
And you can see here that what it's doing
177
621000
2000
così potete vedere che ciò che fa
10:35
is it's recording my eyes every time I blink.
178
623000
3000
è registrare i miei occhi ogni volta che sbatto le palpebre.
10:44
Hello? And I can ... hello ... okay.
179
632000
4000
Ciao? E posso... ciao... ok.
10:48
And no matter where I am, what's really going on here
180
636000
2000
E a prescindere da dove sono, ciò che abbiamo qui
10:50
is that it's an eye-tracking system that tries to locate my eyes.
181
638000
3000
è un sistema di tracciamento degli occhi che cerca di trovare i miei occhi.
10:53
And if I get really far away I'm blurry.
182
641000
2000
E se mi allontano molto sono sfocato.
10:55
You know, you're going to have these kind of blurry spots like this
183
643000
2000
Vedete, abbiano questi puntini sfocati tipo questi
10:57
that maybe only resemble eyes in a very very abstract way.
184
645000
3000
che magari assomigliano agli occhi solo in modo molto astratto.
11:00
But if I come up really close and stare directly at the camera
185
648000
3000
Ma se mi avvicino molto e guardo diritto nella camera
11:03
on this laptop then you'll see these nice crisp eyes.
186
651000
2000
di questo computer allora vedrete questi begl'occhi nitidi.
11:05
You can think of it as a way of, sort of, typing, with your eyes.
187
653000
4000
Potete pensarlo come una sorta di modo di battere a macchina con i vostri occhi.
11:09
And what you're typing are recordings of your eyes
188
657000
2000
E ciò che battete sono registrazioni dei vostri occhi
11:11
as you're looking at other peoples' eyes.
189
659000
2000
come se steste guardando gli occhi di altre persone.
11:13
So each person is looking at the looking
190
661000
3000
Perciò ogni persona guarda gli sguardi
11:16
of everyone else before them.
191
664000
2000
di tutti quelli venuti prima di loro.
11:18
And this exists in larger installations
192
666000
2000
E ciò è possibile anche in installazioni più grandi
11:20
where there are thousands and thousands of eyes
193
668000
2000
in cui ci sono migliaia e migliaia di occhi
11:22
that people could be staring at,
194
670000
2000
che le persone possono guardare,
11:24
as you see who's looking at the people looking
195
672000
2000
in modo che uno veda chi guarda le persone che guardano
11:26
at the people looking before them.
196
674000
2000
le persone che hanno guardato prima di loro.
11:28
So I'll just add a couple more. Blink. Blink.
197
676000
3000
Aggiungo solo un paio di occhiate in più.
11:31
And you can see, just once again, how it's sort of finding my eyes
198
679000
3000
E potete vedere come, ancora una volta, cerca in qualche modo di trovare i miei occhi
11:34
and doing its best to estimate when it's blinking.
199
682000
3000
e prevedere come meglio può quando sbatterò le palpebre.
11:37
Alright. Let's leave that.
200
685000
2000
Bene. Togliamo questo.
11:39
So that's this kind of recursive observation system.
201
687000
3000
Perciò questo è questa specie di sistema di osservazione ricorsivo.
11:42
(Applause)
202
690000
2000
(Applausi)
11:44
Thank you.
203
692000
2000
Grazie.
11:46
The last couple pieces I'm going to show
204
694000
2000
L'ultimo paio di pezzi che sto per mostrarvi
11:48
are basically in the new realm of robotics -- for me, new for me.
205
696000
2000
fanno parte fondamentalmente nel nuovo regno della robotica, nuovo per me.
11:50
It's called Opto-Isolator.
206
698000
2000
è chiamato Opto-Isolator.
11:52
And I'm going to show a video of the older version of it,
207
700000
3000
Sto per mostrarvi un video della vecchia versione.
11:55
which is just a minute long. Okay.
208
703000
2000
Che dura solo un minuto. Ok.
12:06
In this case, the Opto-Isolator is blinking
209
714000
2000
In questo caso, l'Opto-Isolator sbatte la palpebra
12:08
in response to one's own blinks.
210
716000
2000
in risposta al battito di palpebra di qualcun'altro.
12:10
So it blinks one second after you do.
211
718000
3000
Per cui sbatte la palpebra un secondo dopo di voi.
12:13
This is a device which is intended to reduce
212
721000
3000
Questo è un dispositivo che serve a ridurre
12:16
the phenomenon of gaze down to the simplest possible materials.
213
724000
3000
il fenomeno del fissare fino ai materiali più semplici possibili.
12:19
Just one eye,
214
727000
2000
Un solo occhio,
12:21
looking at you, and eliminating everything else about a face,
215
729000
2000
che ti guarda, eliminando qualsiasi altra cosa faccia parte della faccia.
12:23
but just to consider gaze in an isolated way
216
731000
3000
Per considerare lo sguardo in modo isolato
12:26
as a kind of, as an element.
217
734000
3000
come una specie di elemento a sé stante.
12:29
And at the same time, it attempts to engage in what you might call
218
737000
3000
E allo stesso tempo, cerca di impegnarsi in ciò che potreste chiamare
12:32
familiar psycho-social gaze behaviors.
219
740000
2000
comuni comportamenti psico-sociali di sguardi.
12:34
Like looking away if you look at it too long
220
742000
2000
Tipo distogliere lo sguardo se lo fissi troppo a lungo
12:36
because it gets shy,
221
744000
2000
perché diventa timido.
12:38
or things like that.
222
746000
3000
O cose del genere.
12:41
Okay. So the last project I'm going to show
223
749000
3000
Ok. Allora l'ultimo progetto che vado a mostrarvi
12:44
is this new one called Snout.
224
752000
3000
è questo nuovo chiamato Snout.
12:47
(Laughter)
225
755000
2000
(Risate)
12:49
It's an eight-foot snout,
226
757000
2000
Si tratta di un muso alto otto piedi,
12:51
with a googly eye.
227
759000
2000
con un occhio mobile.
12:53
(Laughter)
228
761000
1000
(Risate)
12:54
And inside it's got an 800-pound robot arm
229
762000
3000
E all'interno ha un braccio robotico di 800 libbre
12:57
that I borrowed,
230
765000
2000
che ho preso in prestito
12:59
(Laughter)
231
767000
1000
(Risate)
13:00
from a friend.
232
768000
2000
da un amico.
13:02
(Laughter)
233
770000
1000
(Risate)
13:03
It helps to have good friends.
234
771000
2000
È utile avere buoni amici.
13:05
I'm at Carnegie Mellon; we've got a great Robotics Institute there.
235
773000
3000
Sono al Carnegie Mellon. Abbiamo un fantastico Istituto di Robotica lì.
13:08
I'd like to show you thing called Snout, which is --
236
776000
2000
Vorrei mostrarvi questa cosa chiamata Snout che è...
13:10
The idea behind this project is to
237
778000
2000
L'idea alla base di questo progetto è di
13:12
make a robot that appears as if it's continually surprised to see you.
238
780000
4000
costruire un robot che sembri continuamente sorpreso di vederti.
13:16
(Laughter)
239
784000
4000
(Risate)
13:20
The idea is that basically --
240
788000
2000
L'idea è fondamentalmente che...
13:22
if it's constantly like "Huh? ... Huh?"
241
790000
2000
se fa costantemente tipo "Huh?... Huh?"
13:24
That's why its other name is Doubletaker, Taker of Doubles.
242
792000
4000
È per questo che il suo secondo nome è Doubletaker, colui che prende due volte.
13:28
It's always kind of doing a double take: "What?"
243
796000
2000
È sempre come se facesse un doppio: "Che?"
13:30
And the idea is basically, can it look at you
244
798000
2000
L'idea è praticamente che ti guardi
13:32
and make you feel as if like,
245
800000
2000
e ti faccia sentire tipo,
13:34
"What? Is it my shoes?"
246
802000
2000
"Cos'ho che non va? Sono le mie scarpe?"
13:36
"Got something on my hair?" Here we go. Alright.
247
804000
3000
"Ho qualcosa tra i capelli?" Eccoci. Bene.
14:10
Checking him out ...
248
838000
2000
Lo osserva...
14:20
For you nerds, here's a little behind-the-scenes.
249
848000
2000
Per voi capoccioni, ecco un piccolo dietro le quinte.
14:22
It's got a computer vision system,
250
850000
2000
Ha un sistema visivo computerizzato
14:24
and it tries to look at the people who are moving around the most.
251
852000
3000
e cerca di guardare le persone che si muovono di più.
14:39
Those are its targets.
252
867000
2000
Questi sono i suoi target.
14:42
Up there is the skeleton,
253
870000
2000
Quassù c'è lo scheletro,
14:44
which is actually what it's trying to do.
254
872000
3000
che è quello che in effetti sta cercando di fare.
14:54
It's really about trying to create a novel body language for a new creature.
255
882000
3000
Si tratta davvero di creare un linguaggio del corpo nuovo per una creatura nuova.
14:57
Hollywood does this all the time, of course.
256
885000
2000
Hollywood lo fa tutto il tempo naturalmente.
14:59
But also have the body language communicate something
257
887000
2000
Ma anche di usare il linguaggio del corpo per comunicare qualcosa
15:01
to the person who is looking at it.
258
889000
2000
alla persona che lo sta guardando.
15:03
This language is communicating that it is surprised to see you,
259
891000
2000
Questo linguaggio sta comunicando che è sorpreso di vedervi,
15:05
and it's interested in looking at you.
260
893000
3000
e gli interessa guardarvi.
15:08
(Laughter)
261
896000
2000
(Risate)
15:10
(Applause)
262
898000
9000
(Applausi)
15:19
Thank you very much. That's all I've got for today.
263
907000
2000
Grazie mille. Questo è tutto per oggi.
15:21
And I'm really happy to be here. Thank you so much.
264
909000
3000
E sono molto felice di essere qui. Grazie mille.
15:24
(Applause)
265
912000
3000
(Applausi)
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