TEDxYouth@Sydney
Oscar Schwartz: Can a computer write poetry?
Oscar Schwartz: Czy komputer może pisać poezję?
Filmed:
Readability: 4.3
875,724 views
Czytacie poezję, która was porusza. Nagle okazuje się, że napisał ją komputer. Czy wasze odczucia wtedy by się zmieniły? Cieszylibyście się, że komputer jest taki kreatywny, czy może mielibyście wrażenie, że ktoś was robi w konia? Oscar Schwartz stara się odpowiedzieć na pytanie, dlaczego tak silnie reagujemy na myśl, że to komputer popełnił dany wiersz, oraz jak nasza reakcja pomaga zrozumieć, co to znaczy być człowiekiem.
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
Mam pytanie.
00:15
Can a computer write poetry?
1
3422
1943
Czy komputer może pisać poezję?
00:18
This is a provocative question.
2
6959
2077
To prowokujące pytanie.
00:21
You think about it for a minute,
3
9715
1718
Jeśli chwilę o nim pomyślisz,
00:23
and you suddenly have a bunch
of other questions like:
of other questions like:
4
11457
2590
nagle przyjdzie ci do głowy
kilka innych pytań:
kilka innych pytań:
Czym jest komputer?
00:26
What is a computer?
5
14769
1381
00:28
What is poetry?
6
16710
1575
Czym jest poezja?
00:30
What is creativity?
7
18707
1689
Czym jest kreatywność?
00:33
But these are questions
8
21650
1172
To pytania,
00:34
that people spend their entire
lifetime trying to answer,
lifetime trying to answer,
9
22846
3070
nad którymi niektórzy rozmyślają
całe swoje życie,
całe swoje życie,
00:37
not in a single TED Talk.
10
25940
2224
a nie podczas jednej prelekcji TED.
00:40
So we're going to have to try
a different approach.
a different approach.
11
28188
2445
Musimy więc spróbować innego podejścia.
00:42
So up here, we have two poems.
12
30657
2143
Oto dwa wiersze.
00:45
One of them is written by a human,
13
33839
2276
Jeden napisany przez człowieka,
a drugi przez komputer.
a drugi przez komputer.
00:48
and the other one's written by a computer.
14
36139
2102
00:50
I'm going to ask you to tell me
which one's which.
which one's which.
15
38754
2410
Powiedzcie mi, który jest który.
00:53
Have a go:
16
41858
1156
Proszę:
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
Wiersz 1: Mała muszko / Twe letnie harce
Ma tępa dłoń / Przegoniła palcem.
Ma tępa dłoń / Przegoniła palcem.
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
Czyż nie jestem / Twoim echem?
Czyż nie jesteś / Jak ja, człowiekiem?
Czyż nie jesteś / Jak ja, człowiekiem?
01:02
Poem 2: We can feel / Activist
through your life's / morning /
through your life's / morning /
19
50536
3299
Wiersz 2: Czujemy / Aktywisto
przez życia twego / ranek
przez życia twego / ranek
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
Przerwa, spójrz, papieża nie cierpię / Nie
cała noc, by zacząć / niewspaniały...
cała noc, by zacząć / niewspaniały...
01:10
Alright, time's up.
21
58130
1359
OK, koniec czasu.
01:11
Hands up if you think Poem 1
was written by a human.
was written by a human.
22
59513
4096
Podnieś rękę, jeśli myślisz,
że wiersz 1 jest dziełem człowieka.
że wiersz 1 jest dziełem człowieka.
01:17
OK, most of you.
23
65547
1490
Większość z was.
01:19
Hands up if you think Poem 2
was written by a human.
was written by a human.
24
67061
3023
A teraz, jeśli myślisz,
że wiersz 2 jest dziełem człowieka.
że wiersz 2 jest dziełem człowieka.
01:23
Very brave of you,
25
71172
1190
Odważni jesteście.
01:24
because the first one was written
by the human poet William Blake.
by the human poet William Blake.
26
72855
4285
Pierwszy wiersz napisał poeta,
William Blake.
William Blake.
01:29
The second one was written by an algorithm
27
77784
2949
Drugi powstał przy użyciu algorytmu,
01:32
that took all the language
from my Facebook feed on one day
from my Facebook feed on one day
28
80757
3692
który zebrał wszystkie słowa
z mojej tablicy na Facebooku
z mojej tablicy na Facebooku
01:36
and then regenerated it algorithmically,
29
84473
2763
i poukładał według algorytmu,
01:39
according to methods that I'll describe
a little bit later on.
a little bit later on.
30
87260
3590
przy użyciu metod,
które wyjaśnię za chwilę.
które wyjaśnię za chwilę.
01:43
So let's try another test.
31
91218
2404
Spróbujmy innego testu.
Wiem, że nie macie dużo czasu,
żeby to przeczytać,
żeby to przeczytać,
01:46
Again, you haven't got ages to read this,
32
94398
2093
01:48
so just trust your gut.
33
96515
1612
więc zaufajcie intuicji.
01:50
Poem 1: A lion roars and a dog barks.
It is interesting / and fascinating
It is interesting / and fascinating
34
98151
4045
Wiersz 1: Lew ryczy, a pies szczeka,
To interesujące i fascynujące
To interesujące i fascynujące
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
że ptak lata, ale nie ryczy ani szczeka.
Wciągające historie o zwierzętach
Wciągające historie o zwierzętach
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
wciąż mi się śnią i będę je opiewać,
póki starczy sił.
póki starczy sił.
02:02
Poem 2: Oh! kangaroos, sequins, chocolate
sodas! / You are really beautiful!
sodas! / You are really beautiful!
37
110631
3985
Wiersz 2: Och! Kangury, cekiny,
czekoladowe napoje! Jesteście tak piękne!
czekoladowe napoje! Jesteście tak piękne!
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
Perły, harmonijki, głożyny, aspiryny!
To wszystko, o czym tyle gadamy
To wszystko, o czym tyle gadamy
02:11
Alright, time's up.
39
119022
1158
Koniec czasu.
02:12
So if you think the first poem
was written by a human,
was written by a human,
40
120204
3137
Jeśli sądzisz, że pierwszy wiersz
jest dziełem człowieka,
jest dziełem człowieka,
02:15
put your hand up.
41
123365
1215
podnieś rękę.
02:17
OK.
42
125687
1154
OK.
02:18
And if you think the second poem
was written by a human,
was written by a human,
43
126865
2675
A jeśli myślisz, że to drugi wiersz
jest dziełem człowieka,
jest dziełem człowieka,
02:21
put your hand up.
44
129564
1155
podnieś rękę.
02:23
We have, more or less, a 50/50 split here.
45
131779
3810
Mamy mniej więcej remis.
02:28
It was much harder.
46
136157
1436
To było trudniejsze.
02:29
The answer is,
47
137617
1712
Odpowiedź brzmi:
02:31
the first poem was generated
by an algorithm called Racter,
by an algorithm called Racter,
48
139353
3483
pierwszy wiersz powstał przy użyciu
algorytmu o nazwie Racter,
algorytmu o nazwie Racter,
02:34
that was created back in the 1970s,
49
142860
3002
stworzonego jeszcze w latach 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
Drugi wiersz napisał Frank O'Hara,
02:41
who happens to be
one of my favorite human poets.
one of my favorite human poets.
51
149099
2668
jeden z moich ulubionych.
ludzkich poetów.
02:44
(Laughter)
52
152631
3058
(Śmiech)
02:48
So what we've just done now
is a Turing test for poetry.
is a Turing test for poetry.
53
156046
3228
Przed chwilą rozwiązaliście test
Turinga w dziedzinie poezji.
Turinga w dziedzinie poezji.
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
Test ten wymyślił w roku 1950 Alan Turing.
02:56
in order to answer the question,
55
164589
1564
Miał odpowiedzieć na pytanie
"Czy komputery myślą?".
"Czy komputery myślą?".
02:58
can computers think?
56
166177
1637
03:00
Alan Turing believed that if
a computer was able
a computer was able
57
168245
2770
Turing sądził,
że jeśli komputer potrafiłby
że jeśli komputer potrafiłby
03:03
to have a to have a text-based
conversation with a human,
conversation with a human,
58
171039
3078
prowadzić z człowiekiem pisemną rozmowę
03:06
with such proficiency
such that the human couldn't tell
such that the human couldn't tell
59
174141
2770
tak biegle, że człowiek
nie byłby w stanie odróżnić,
nie byłby w stanie odróżnić,
03:08
whether they are talking
to a computer or a human,
to a computer or a human,
60
176935
2966
czy rozmawia z komputerem,
czy z drugim człowiekiem,
czy z drugim człowiekiem,
03:11
then the computer can be said
to have intelligence.
to have intelligence.
61
179925
2856
komputer ten można by nazwać
inteligentnym.
inteligentnym.
03:15
So in 2013, my friend
Benjamin Laird and I,
Benjamin Laird and I,
62
183270
3295
Więc w 2013 roku, razem z moim
kumplem, Benjaminem Lairdem,
kumplem, Benjaminem Lairdem,
stworzyliśmy w internecie test Turinga
w dziedzinie poezji.
w dziedzinie poezji.
03:18
we created a Turing test
for poetry online.
for poetry online.
63
186589
2988
Nazywa się "Bot or Not" -
"Bot, czy nie bot".
"Bot, czy nie bot".
03:21
It's called bot or not,
64
189601
1277
03:22
and you can go and play it for yourselves.
65
190902
2044
Możecie sami się nim pobawić.
03:24
But basically, it's the game
we just played.
we just played.
66
192970
2251
Przypomina grę,
w którą właśnie zagraliśmy.
w którą właśnie zagraliśmy.
03:27
You're presented with a poem,
67
195245
1528
Pojawia się wiersz.
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
nie wiecie, czy napisał go
człowiek, czy komputer,
człowiek, czy komputer,
03:31
and you have to guess.
69
199849
1166
i naszym zadaniem jest zgadnąć.
03:33
So thousands and thousands
of people have taken this test online,
of people have taken this test online,
70
201039
3191
Test wykonało już tysiące ludzi,
więc mamy wyniki.
więc mamy wyniki.
03:36
so we have results.
71
204254
1449
03:37
And what are the results?
72
205727
1428
Jak one wyglądają?
03:39
Well, Turing said that if a computer
could fool a human
could fool a human
73
207704
2879
Turing stwierdził, że jeśli komputer
oszuka człowieka,
oszuka człowieka,
03:42
30 percent of the time
that it was a human,
that it was a human,
74
210607
3019
że sam jest człowiekiem, w 30% przypadków,
03:45
then it passes the Turing test
for intelligence.
for intelligence.
75
213650
2397
to wystarczy, żeby przeszedł test.
03:48
We have poems on the bot or not database
76
216625
2438
W naszej bazie danych mamy wiersze,
03:51
that have fooled 65 percent
of human readers into thinking
of human readers into thinking
77
219087
2979
które przez 65% odbiorców
zostały mylnie uznane
zostały mylnie uznane
03:54
it was written by a human.
78
222090
1395
za napisane przez człowieka.
03:55
So, I think we have an answer
to our question.
to our question.
79
223959
2817
Mamy więc odpowiedź na nasze pytanie.
03:59
According to the logic of the Turing test,
80
227546
2348
Idąc za logiką Turinga,
czy komputer może pisać poezję?
czy komputer może pisać poezję?
04:01
can a computer write poetry?
81
229918
1928
04:03
Well, yes, absolutely it can.
82
231870
2351
Tak, jak najbardziej.
04:07
But if you're feeling
a little bit uncomfortable
a little bit uncomfortable
83
235782
2346
Ale jeśli nie czujecie się
do końca komfortowo
do końca komfortowo
04:10
with this answer, that's OK.
84
238152
1927
z taką odpowiedzią, w porządku.
04:12
If you're having a bunch
of gut reactions to it,
of gut reactions to it,
85
240103
2316
Jeśli macie w tym względzie
mieszane odczucia,
mieszane odczucia,
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
to w porządku,
bo to nie koniec tej historii.
bo to nie koniec tej historii.
04:18
Let's play our third and final test.
87
246594
2324
Pobawmy się trzeci i ostatni raz.
Znów przeczytacie dwa wiersze
04:22
Again, you're going to have to read
88
250000
1750
i powiecie, który z nich napisał człowiek.
04:23
and tell me which you think is human.
89
251774
1909
04:25
Poem 1: Reg flags the reason
for pretty flags. / And ribbons.
for pretty flags. / And ribbons.
90
253707
3718
Wiersz 1: Czerwony jest powodem
pięknych flag. / I wstążek.
pięknych flag. / I wstążek.
04:29
Ribbons of flags / And wearing material /
Reasons for wearing material. (...)
Reasons for wearing material. (...)
91
257449
4321
Wstążki flag, noszony materiał.
Przyczyna noszenia materiału.
Przyczyna noszenia materiału.
04:33
Poem 2: A wounded deer leaps
highest, / I've heard the daffodil
highest, / I've heard the daffodil
92
261794
3918
Wiersz 2: Zraniony jeleń skacze najwyżej,
Usłyszałem żonkila,
Usłyszałem żonkila,
04:37
I've heard the flag to-day /
I've heard the hunter tell; /
I've heard the hunter tell; /
93
265736
3446
Usłyszałem dziś flagę,
Usłyszałem bajkę myśliwego;
Usłyszałem bajkę myśliwego;
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
Nic, prócz ekstazy śmierci,
I gdy na koniec przyjdzie stop (...)
I gdy na koniec przyjdzie stop (...)
04:44
OK, time is up.
95
272932
1599
OK, koniec czasu.
04:46
So hands up if you think Poem 1
was written by a human.
was written by a human.
96
274555
3837
Podnieś rękę, jeśli sądzisz,
że wiersz 1 jest dziełem człowieka.
że wiersz 1 jest dziełem człowieka.
04:51
Hands up if you think Poem 2
was written by a human.
was written by a human.
97
279973
3038
A teraz, jeśli obstawiasz wiersz 2.
04:55
Whoa, that's a lot more people.
98
283035
2331
Miażdżąca większość.
04:58
So you'd be surprised to find that Poem 1
99
286327
2968
Zaskoczę was, ale to wiersz 1
05:01
was written by the very
human poet Gertrude Stein.
human poet Gertrude Stein.
100
289319
3993
został napisany przez jak najbardziej
ludzką poetkę, Gertrudę Stein.
ludzką poetkę, Gertrudę Stein.
05:06
And Poem 2 was generated
by an algorithm called RKCP.
by an algorithm called RKCP.
101
294100
5038
Drugi został wygenerowany przy pomocy
algorytmu znanego jako RKCP.
algorytmu znanego jako RKCP.
05:11
Now before we go on, let me describe
very quickly and simply,
very quickly and simply,
102
299162
3319
Zanim przejdziemy dalej,
spróbuję krótko i zwięźle
wyjaśnić działanie RKCP.
wyjaśnić działanie RKCP.
05:14
how RKCP works.
103
302505
1781
05:16
So RKCP is an algorithm
designed by Ray Kurzweil,
designed by Ray Kurzweil,
104
304873
3850
Algorytm ten zaprojektował Ray Kurzweil,
05:20
who's a director of engineering at Google
105
308747
2222
dyrektor działu programowania w Google,
05:22
and a firm believer
in artificial intelligence.
in artificial intelligence.
106
310993
2360
zwolennik sztucznej inteligencji.
05:25
So, you give RKCP a source text,
107
313822
3991
Wybierasz tekst źródłowy,
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
a RKCP analizuje go,
by odkryć, jak stosuje się tam język.
by odkryć, jak stosuje się tam język.
05:34
and then it regenerates language
109
322330
1948
Potem generuje nowy tekst,
naśladując ten pierwotny.
naśladując ten pierwotny.
05:36
that emulates that first text.
110
324302
2528
05:38
So in the poem we just saw before,
111
326854
2113
Przed utworzeniem wiersza,
który pokazałem,
który pokazałem,
05:40
Poem 2, the one that you all
thought was human,
thought was human,
112
328991
2625
tego drugiego, który uznaliście
za dzieło człowieka,
za dzieło człowieka,
05:43
it was fed a bunch of poems
113
331640
1550
program zanalizował całą kupę wierszy
autorstwa Emily Dickinson.
autorstwa Emily Dickinson.
05:45
by a poet called Emily Dickinson
114
333214
2035
05:47
it looked at the way she used language,
115
335273
2189
Algorytm zbadał, jak używała języka,
05:49
learned the model,
116
337486
1165
nauczył się schematu,
05:50
and then it regenerated a model
according to that same structure.
according to that same structure.
117
338675
4258
i wygenerował tekst
o takiej samej strukturze.
o takiej samej strukturze.
05:56
But the important thing to know about RKCP
118
344732
2178
Jednak najważniejsze w RKCP jest to,
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
że nie zna on znaczenia słów,
których używa.
których używa.
06:02
The language is just raw material,
120
350359
2276
To dla niego tylko dane.
06:04
it could be Chinese,
it could be in Swedish,
it could be in Swedish,
121
352659
2160
Mogą być po chińsku, po szwedzku.
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
Albo posty z czyjegoś dnia na Facebooku.
06:11
It's just raw material.
123
359046
1652
To tylko surowiec.
06:13
And nevertheless, it's able
to create a poem
to create a poem
124
361380
2697
Mimo to algorytm jest w stanie
napisać wiersz,
napisać wiersz,
06:16
that seems more human
than Gertrude Stein's poem,
than Gertrude Stein's poem,
125
364101
3327
który wydaje się bardziej ludzki
niż dzieło Gertrudy Stein,
niż dzieło Gertrudy Stein,
06:19
and Gertrude Stein is a human.
126
367452
2153
która była człowiekiem.
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
To, do czego doszliśmy,
to odwrotność testu Turinga.
to odwrotność testu Turinga.
06:27
So Gertrude Stein, who's a human,
is able to write a poem
is able to write a poem
128
375940
5179
Gertruda Stein, człowiek, napisała wiersz,
06:33
that fools a majority
of human judges into thinking
of human judges into thinking
129
381143
3738
który przekonał większość jury,
że napisał go komputer.
że napisał go komputer.
06:36
that it was written by a computer.
130
384905
1826
06:39
Therefore, according to the logic
of the reverse Turing test,
of the reverse Turing test,
131
387176
4141
Zgodnie z logiką odwrotnego testu Turinga,
06:43
Gertrude Stein is a computer.
132
391341
1916
Gertruda Stein jest komputerem.
06:45
(Laughter)
133
393281
1462
(Śmiech)
06:47
Feeling confused?
134
395358
1294
Pogubiliście się?
06:49
I think that's fair enough.
135
397193
1515
Zrozumiałe.
06:51
So far we've had humans
that write like humans,
that write like humans,
136
399546
4116
Do tej pory mówiliśmy o ludziach,
którzy piszą jak ludzie,
którzy piszą jak ludzie,
06:55
we have computers that write
like computers,
like computers,
137
403686
3111
i komputerach, które piszą jak komputery,
06:58
we have computers that write like humans,
138
406821
3055
a także o komputerach,
które piszą jak ludzie,
które piszą jak ludzie,
07:01
but we also have,
perhaps most confusingly,
perhaps most confusingly,
139
409900
3632
oraz, co być może wnosi pewien zamęt,
07:05
humans that write like computers.
140
413556
2375
o ludziach, którzy piszą jak komputery.
07:08
So what do we take from all of this?
141
416938
1766
Jakie wnioski możemy wyciągnąć?
07:11
Do we take that William Blake
is somehow more of a human
is somehow more of a human
142
419611
3157
Czy taki, że William Blake
jest jakoś bardziej ludzki
jest jakoś bardziej ludzki
07:14
than Gertrude Stein?
143
422792
1249
niż Gertruda Stein?
07:16
Or that Gertrude Stein is more
of a computer than William Blake?
of a computer than William Blake?
144
424065
3046
A może to ona jest bardziej komputerowa?
07:19
(Laughter)
145
427135
1552
(Śmiech)
07:20
These are questions
I've been asking myself
I've been asking myself
146
428711
2323
Zadaję sobie te pytania
od około dwóch lat.
od około dwóch lat.
07:23
for around two years now,
147
431058
1465
07:24
and I don't have any answers.
148
432547
2309
Odpowiedzi brak.
07:26
But what I do have are a bunch of insights
149
434880
2330
Ale poczyniłem kilka spostrzeżeń
co do naszych relacji z techniką.
co do naszych relacji z techniką.
07:29
about our relationship with technology.
150
437234
2534
07:32
So my first insight is that,
for some reason,
for some reason,
151
440999
3609
Pierwsze jest takie, że z jakiegoś powodu
łączymy poezję z byciem człowiekiem.
łączymy poezję z byciem człowiekiem.
07:36
we associate poetry with being human.
152
444632
3111
07:40
So that when we ask,
"Can a computer write poetry?"
"Can a computer write poetry?"
153
448197
3715
Kiedy pytamy "Czy komputer
może pisać poezję?",
może pisać poezję?",
07:43
we're also asking,
154
451936
1193
pytamy także "Co to znaczy
być człowiekiem,
być człowiekiem,
07:45
"What does it mean to be human
155
453153
1798
07:46
and how do we put boundaries
around this category?
around this category?
156
454975
3172
i gdzie przebiegają granice
tej kategorii?".
tej kategorii?".
07:50
How do we say who or what
can be part of this category?"
can be part of this category?"
157
458171
3658
"Jak mamy ocenić,
kto i co może być jej częścią?".
kto i co może być jej częścią?".
07:54
This is an essentially
philosophical question, I believe,
philosophical question, I believe,
158
462376
3351
To bardzo filozoficzne pytanie.
07:57
and it can't be answered
with a yes or no test,
with a yes or no test,
159
465751
2229
Nie da się odpowiedzieć "tak" lub "nie",
08:00
like the Turing test.
160
468004
1327
jak przy teście Turinga.
08:01
I also believe that Alan Turing
understood this,
understood this,
161
469805
3045
Sądzę, że sam Turing
też zdawał sobie z tego sprawę.
też zdawał sobie z tego sprawę.
08:04
and that when he devised
his test back in 1950,
his test back in 1950,
162
472874
3305
Test, który stworzył w 1950 roku,
08:08
he was doing it
as a philosophical provocation.
as a philosophical provocation.
163
476203
2802
był trochę filozoficzną prowokacją.
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
Zrozumiałem też, że biorąc udział
w poetyckim teście Turinga,
w poetyckim teście Turinga,
08:18
we're not really testing
the capacity of the computers
the capacity of the computers
165
486689
3460
tak naprawdę nie sprawdzamy
możliwości komputerów,
możliwości komputerów,
08:22
because poetry-generating algorithms,
166
490173
2893
bo algorytmy piszące wiersze
08:25
they're pretty simple and have existed,
more or less, since the 1950s.
more or less, since the 1950s.
167
493090
4563
są całkiem proste
i istnieją od lat pięćdziesiątych.
i istnieją od lat pięćdziesiątych.
08:31
What we are doing with the Turing
test for poetry, rather,
test for poetry, rather,
168
499055
3118
Przy pomocy tego testu
08:34
is collecting opinions about what
constitutes humanness.
constitutes humanness.
169
502197
4615
raczej zbieramy opinie na temat tego,
co czyni nas ludźmi.
co czyni nas ludźmi.
08:40
So, what I've figured out,
170
508313
2729
Zorientowałem się,
że, jak kilka minut temu,
że, jak kilka minut temu,
08:43
we've seen this when earlier today,
171
511066
2972
08:46
we say that William Blake
is more of a human
is more of a human
172
514062
2478
ludzie miewają odczucie,
że William Blake jest bardziej człowiekiem
że William Blake jest bardziej człowiekiem
08:48
than Gertrude Stein.
173
516564
1565
niż Gertruda Stein.
08:50
Of course, this doesn't mean
that William Blake
that William Blake
174
518153
2462
Oczywiście, to nie znaczy,
że William Blake był bardziej ludzki,
że William Blake był bardziej ludzki,
08:52
was actually more human
175
520639
1828
08:54
or that Gertrude Stein
was more of a computer.
was more of a computer.
176
522491
2327
ani że Gertruda Stein
była bardziej komputerowa.
była bardziej komputerowa.
08:57
It simply means that the category
of the human is unstable.
of the human is unstable.
177
525533
4714
To znaczy po prostu, że kategoria
człowieczeństwa jest płynna.
człowieczeństwa jest płynna.
09:03
This has led me to understand
178
531450
2074
Dzięki temu zrozumiałem,
09:05
that the human is not a cold, hard fact.
179
533548
2763
że bycie człowiekiem
to nie po prostu fakt.
to nie po prostu fakt.
09:08
Rather, it is something
that's constructed with our opinions
that's constructed with our opinions
180
536832
3132
Stwierdzenie czyjegoś człowieczeństwa
wynika z naszych opinii,
wynika z naszych opinii,
09:11
and something that changes over time.
181
539988
2855
i dlatego pojęcie człowieczeństwa
zmienia się z biegiem czasu.
zmienia się z biegiem czasu.
09:16
So my final insight is that
the computer, more or less,
the computer, more or less,
182
544671
4479
Moja ostatnia refleksja:
że komputery w pewnym sensie
działają jak zwierciadło,
działają jak zwierciadło,
09:21
works like a mirror
that reflects any idea of a human
that reflects any idea of a human
183
549174
4006
odbijając każdą ludzką ideę,
jaką im przedstawimy.
jaką im przedstawimy.
09:25
that we show it.
184
553204
1375
09:26
We show it Emily Dickinson,
185
554958
1884
Pokażemy komputerowi Emily Dickinson,
09:28
it gives Emily Dickinson back to us.
186
556866
2321
to odtworzy dla nas Emily Dickinson.
09:31
We show it William Blake,
187
559768
1834
Pokażemy mu Williama Blake'a,
09:33
that's what it reflects back to us.
188
561626
2285
i pokaże nam go, jak w lustrze.
09:35
We show it Gertrude Stein,
189
563935
1839
Pokażemy mu Gertrudę Stein,
09:37
what we get back is Gertrude Stein.
190
565798
2470
i dostaniemy Gertrudę Stein.
09:41
More than any other bit of technology,
191
569083
2368
Komputer, w większym stopniu
niż inne urządzenia,
niż inne urządzenia,
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
jak lustro odbija ideę człowieczeństwa,
jaką mu przekazujemy.
jaką mu przekazujemy.
09:50
So I'm sure a lot of you have been hearing
193
578061
2287
Z pewnością wiele ostatnio słyszeliście
o rozwoju sztucznej inteligencji.
o rozwoju sztucznej inteligencji.
09:52
a lot about artificial
intelligence recently.
intelligence recently.
194
580372
2862
09:56
And much of the conversation is,
195
584694
2830
Wiele osób zadaje sobie pytanie,
czy potrafimy ją stworzyć?
czy potrafimy ją stworzyć?
10:00
can we build it?
196
588292
1189
10:02
Can we build an intelligent computer?
197
590383
3135
Czy powstanie inteligentny komputer?
10:05
Can we build a creative computer?
198
593542
2763
Czy powstanie komputer twórczy?
10:08
What we seem to be asking over and over
199
596329
2113
To pytanie chyba powinno brzmieć
10:10
is can we build a human-like computer?
200
598466
2724
"Czy zbudujemy ludzki komputer?".
10:13
But what we've seen just now
201
601961
1556
Ale z tego, co widzimy, wynika,
10:15
is that the human
is not a scientific fact,
is not a scientific fact,
202
603541
3088
że bycie ludzkim to nie naukowy fakt,
10:18
that it's an ever-shifting,
concatenating idea
concatenating idea
203
606653
3530
ale płynna, złożona idea,
10:22
and one that changes over time.
204
610207
2531
która zmienia się z biegiem czasu.
10:24
So that when we begin
to grapple with the ideas
to grapple with the ideas
205
612762
3152
W przyszłości, rozmyślając
nad naturą sztucznej inteligencji,
nad naturą sztucznej inteligencji,
10:27
of artificial intelligence in the future,
206
615938
2386
10:30
we shouldn't only be asking ourselves,
207
618348
1905
powinniśmy pytać nie tylko
"Czy uda się ją zbudować?",
"Czy uda się ją zbudować?",
10:32
"Can we build it?"
208
620277
1368
10:33
But we should also be asking ourselves,
209
621669
1894
ale także "Jaką ludzkość
chcemy zobaczyć w tym lustrze?".
chcemy zobaczyć w tym lustrze?".
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
10:39
This is an essentially philosophical idea,
211
627820
2693
To pytanie z natury filozoficzne
10:42
and it's one that can't be answered
with software alone,
with software alone,
212
630537
2997
i nie poradzi sobie z nim
wyłącznie oprogramowanie.
wyłącznie oprogramowanie.
10:45
but I think requires a moment
of species-wide, existential reflection.
of species-wide, existential reflection.
213
633558
4977
Wymaga ono egzystencjalnej refleksji
całego naszego gatunku.
całego naszego gatunku.
10:51
Thank you.
214
639040
1153
Dziękuję.
10:52
(Applause)
215
640217
2695
(Brawa)
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