TED2009
Golan Levin: Art that looks back at you
Golan Levin tworzy sztukę patrzącą na nas.
Filmed:
Readability: 4
823,350 views
Golan Levin, artysta i inżynier, korzysta z nowoczesnych narzędzi - z robotyki, programów komputerowych, kognitywistyki - aby tworzyć dzieła sztuki, które zaskakują i zachwycają. Spójrz jak dźwięki zmieniają się w kształty, ciała tworzą obrazy, a ciekawskie oko przygląda się zaciekawionemu widzowi.
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
Nazywam się Golan Levin.
00:15
I'm an artist and an engineer,
1
3000
2000
Jestem artystą-inżynierem.
00:17
which is, increasingly, a more common kind of hybrid.
2
5000
2000
Choć to coraz powszechniejszy rodzaj hybrydy,
00:19
But I still fall into this weird crack
3
7000
3000
ciągle jeszcze wpadam w tę dziwną dziurę
00:22
where people don't seem to understand me.
4
10000
2000
gdzie nikt mnie nie rozumie.
00:24
And I was looking around and I found this wonderful picture.
5
12000
4000
Myszkując tak po otoczeniu, znalazłem tę wspaniałą ilustrację.
00:28
It's a letter from "Artforum" in 1967
6
16000
3000
List opublikowany w piśmie “Artforum” z 1967 roku, mówiący:
00:31
saying "We can't imagine ever doing a special issue
7
19000
3000
”Nie potrafimy sobie wyobrazić, że kiedykolwiek wydamy specjalny numer
00:34
on electronics or computers in art." And they still haven't.
8
22000
3000
poświęcony sztuce elektronicznej lub komputerowej.” I do dziś tego nie zrobili.
00:37
And lest you think that you all, as the digerati, are more enlightened,
9
25000
5000
I niech się nam nie wydaje, że my jako elita, jako digerati, należymy do tych bardziej oświeconych.
00:42
I went to the Apple iPhone app store the other day.
10
30000
3000
Wszedłem kiedyś do sklepu z aplikacjami na iPhone'a, firmy Apple.
00:45
Where's art? I got productivity. I got sports.
11
33000
4000
Gdzie jest Sztuka? Znalazłem produkcyjność, znalazłem sport.
00:49
And somehow the idea that one would want to make art for the iPhone,
12
37000
4000
I w jakiś dziwny sposób sam pomysł, że ktoś chciałby tworzyć dzieła sztuki dla iPhone'a,
00:53
which my friends and I are doing now,
13
41000
2000
coś, czym ja i moi przyjaciele właśnie się zajmujemy,
00:55
is still not reflected in our understanding
14
43000
3000
wciąż nie znajduje odbicia w naszym pojęciu
00:58
of what computers are for.
15
46000
2000
do czego powinny służyć nam komputery.
01:00
So, from both directions, there is kind of, I think, a lack of understanding
16
48000
2000
Myślę, że po obu stronach - twócy i odbiorcy - istnieje brak zrozumienia
01:02
about what it could mean to be an artist who uses the materials
17
50000
2000
co oznacza bycie artystą używającym w swej twórczości
01:04
of his own day, or her own day,
18
52000
2000
współczesnych mu materiałów.
01:06
which I think artists are obliged to do,
19
54000
2000
Myślę, że obowiązkiem artystów jest
01:08
is to really explore the expressive potential of the new tools that we have.
20
56000
4000
twórcze eksplorowanie potencjału ekspresji nowych narzędzi, jakie posiadamy.
01:12
In my own case, I'm an artist,
21
60000
2000
W moim przypadku, będąc artystą,
01:14
and I'm really interested in
22
62000
2000
jestem zainteresowany
01:16
expanding the vocabulary of human action,
23
64000
2000
rozrzerzaniem języka ludzkich działań
01:18
and basically empowering people through interactivity.
24
66000
3000
i wzbogacaniem ludzi poprzez interaktywność.
01:21
I want people to discover themselves as actors,
25
69000
3000
Chcialbym, aby ludzie odkrywali w sobie kreatywnych aktorów,
01:24
as creative actors, by having interactive experiences.
26
72000
4000
poprzez interaktywne doświadczenia.
01:28
A lot of my work is about trying to get away from this.
27
76000
3000
Podłożem wielu moich prac jest próba ucieczki od czegoś takiego jak...
01:31
This a photograph of the desktop of a student of mine.
28
79000
2000
To jest zdjęcie pulpitu jednego z moich studentów.
01:33
And when I say desktop, I don't just mean
29
81000
2000
I kiedy mowię pulpit to mam na myśli więcej
01:35
the actual desk where his mouse has worn away the surface of the desk.
30
83000
3000
niż samą powierzchnię biurka, “wygryzioną” przez myszkę jego komputera.
01:38
If you look carefully, you can even see
31
86000
2000
Patrząc uważnie, możemy zauważyć
01:40
a hint of the Apple menu, up here in the upper left,
32
88000
3000
w lewym górnym rogu ślad przypominający pasek menu Appla,
01:43
where the virtual world has literally
33
91000
2000
miejsce, w którym świat wirtualny dosłownie
01:45
punched through to the physical.
34
93000
2000
przebił się do świata materialnego.
01:47
So this is, as Joy Mountford once said,
35
95000
4000
Właśnie o czymś takim Joy Mountford powiedział kiedyś:
01:51
"The mouse is probably the narrowest straw
36
99000
2000
“‘ogonek’ myszki, to najcieńsze połączenie,
01:53
you could try to suck all of human expression through."
37
101000
2000
przez które mógłby przepłynąć całokształt wyrazu ludzkich emocji.”
01:55
(Laughter)
38
103000
3000
(śmiech)
01:58
And the thing I'm really trying to do is enabling people to have more rich
39
106000
3000
Czego tak naprawdę próbuję dokonać, to umożliwienie ludziom
02:01
kinds of interactive experiences.
40
109000
2000
posiadania bogatszych interaktywnych doznań.
02:03
How can we get away from the mouse and use our full bodies
41
111000
2000
Aby uciekając od komputerowej myszki, mogli używać całego ciała
02:05
as a way of exploring aesthetic experiences,
42
113000
3000
jako sposobu odkrywania doznań estetycznych,
02:08
not necessarily utilitarian ones.
43
116000
2000
nawet niekoniecznie pożytecznych bądź niezbędnych im w życiu.
02:10
So I write software. And that's how I do it.
44
118000
3000
Aby to osiągnąć, piszę programy komputerowe.
02:13
And a lot of my experiences
45
121000
2000
Większość moich eksperymentów
02:15
resemble mirrors in some way.
46
123000
2000
przypomina w pewien sposób lustro.
02:17
Because this is, in some sense, the first way,
47
125000
2000
Ponieważ właśnie w lustrze ludzie często po raz pierwszy
02:19
that people discover their own potential as actors,
48
127000
2000
odkrywają swoje zdolności aktorskie,
02:21
and discover their own agency.
49
129000
2000
stając się swą własną agencją teatralną.
02:23
By saying "Who is that person in the mirror? Oh it's actually me."
50
131000
3000
Mówiąc sobie: “Kim jest ta postać w lustrze? Ach, to właśnie ja.”
02:26
And so, to give an example,
51
134000
2000
Dla przykładu -
02:28
this is a project from last year,
52
136000
2000
to jest projekt z zeszłego roku.
02:30
which is called the Interstitial Fragment Processor.
53
138000
2000
Nazwałem go Procesorem Fragmentów Międzywęzłowych.
02:32
And it allows people to explore the negative shapes that they create
54
140000
4000
Projekt ten umożliwia ludziom odkrywanie pustych przestrzeni,
02:36
when they're just going about their everyday business.
55
144000
3000
które sami kreują, podczas swoich codziennych zajęć.
02:53
So as people make shapes with their hands or their heads
56
161000
2000
Otóż, gdy ludzie przy pomocy swych rąk, głów itp.-
02:55
and so forth, or with each other,
57
163000
2000
sami lub wraz z innymi - zamykają przestrzeń, tworząc z niej formy,
02:57
these shapes literally produce sounds and drop out of thin air --
58
165000
3000
formy te dosłownie produkują dźwięki, materializując się na ekranie.
03:00
basically taking what's often this, kind of, unseen space,
59
168000
4000
W zasadzie polega to na wychwytywaniu tej dotychczas niewidzianej czy
03:04
or this undetected space, and making it something real,
60
172000
3000
niedostrzeganej przestrzeni i przeobrażaniu jej w coś realnego.
03:07
that people then can appreciate and become creative with.
61
175000
3000
W coś, co ludzie mogą docenić jako tworzywo dla swojej inwencji.
03:10
So again, people discover their creative agency in this way.
62
178000
3000
W ten sposób ludzie odkrywają swoje zasoby kreatywności.
03:13
And their own personalities come out
63
181000
2000
Ich osobowość ujawnia się
03:15
in totally unique ways.
64
183000
3000
w zupełnie niepowtarzalny sposób.
03:18
So in addition to using full-body input,
65
186000
3000
Oprócz używania całego ciała jako wprowadzanego "tworzywa"
03:21
something that I've explored now, for a while,
66
189000
2000
od pewnego czasu zajmuję się
03:23
has been the use of the voice,
67
191000
2000
wykorzystywaniem głosu.
03:25
which is an immensely expressive system for us, vocalizing.
68
193000
4000
Niezwykle ekspresywnym środkiem wyrazu, jakim jest dla nas wokalizacja.
03:29
Song is one of our oldest ways
69
197000
2000
Śpiew jest jednym z najstarszych sposobów
03:31
of making ourselves heard and understood.
70
199000
3000
aby dać się usłyszeć i zrozumieć.
03:34
And I came across this fantastic research by Wolfgang Köhler,
71
202000
2000
Natknąłem się na fantastyczną pracę Wolfganga Köhlera,
03:36
the so-called father of gestalt psychology, from 1927,
72
204000
4000
zwanego ojcem psychologi postaci (gestaltyzmu).
03:40
who submitted to an audience like yourselves
73
208000
2000
W roku 1927 pokazał on podobnemu do tego tu audytorium,
03:42
the following two shapes.
74
210000
2000
dwie figury.
03:44
And he said one of them is called Maluma.
75
212000
2000
Powiedział: jedna z nich nazywa się Maluma
03:46
And one of them is called Taketa. Which is which?
76
214000
2000
a druga Takita. Która jest którą?
03:48
Anyone want to hazard a guess?
77
216000
4000
Kto się odważy zaryzykować odpowiedź?
03:52
Maluma is on top. Yeah. So.
78
220000
2000
Maluma to ta górna. Zgadza się.
03:54
As he says here, most people answer without any hesitation.
79
222000
3000
Jak sam stwierdził, większość ludzi odpowiadała bez wahania.
03:57
So what we're really seeing here is a phenomenon
80
225000
2000
To, co tak naprawdę tu postrzegamy, to zjawisko
03:59
called phonaesthesia,
81
227000
2000
zwane fonestezją,
04:01
which is a kind of synesthesia that all of you have.
82
229000
2000
będące pewnym rodzajem synestezji, którą wszyscy posiadamy.
04:03
And so, whereas Dr. Oliver Sacks has talked about
83
231000
2000
A zatem, jak mówił dr Oliver Sacks,
04:05
how perhaps one person in a million
84
233000
2000
może tylko jedna osoba na milion
04:07
actually has true synesthesia,
85
235000
2000
posiada prawdziwą zdolność synestezji,
04:09
where they hear colors or taste shapes, and things like this,
86
237000
2000
pozwalającą słyszeć kolory lub czuć smak kształtów itp., natomiast fonestezja
04:11
phonaesthesia is something we can all experience to some extent.
87
239000
2000
jest czymś, czego wszyscy do pewnego stopnia doświadczamy.
04:13
It's about mappings between different perceptual domains,
88
241000
3000
Chodzi tu o mapowanie pomiędzy różnymi obszarami percepcji
04:16
like hardness, sharpness, brightness and darkness,
89
244000
3000
cech takich, jak twardość, ostrość, jasność, ciemność,
04:19
and the phonemes that we're able to speak with.
90
247000
2000
a fonemami, których możemy używać, by mówić.
04:21
So 70 years on, there's been some research where
91
249000
2000
W ciągu 70 lat badacze zajmujący się psychologią poznawczą
04:23
cognitive psychologists have actually sussed out
92
251000
2000
zdołali określić stopień
04:25
the extent to which, you know,
93
253000
2000
w jakim, powiedzmy sobie,
04:27
L, M and B are more associated with shapes that look like this,
94
255000
4000
głoski L, M i B są kojarzone z takim ksztaltem,
04:31
and P, T and K are perhaps more associated with shapes like this.
95
259000
4000
a na przykład głoski P, T i K z kształtem takim jak ten.
04:35
And here we suddenly begin to have a mapping between curvature
96
263000
2000
I tu nagle zaczynamy uzyskiwać mapowanie pomiędzy krzywiznami
04:37
that we can exploit numerically,
97
265000
2000
które możemy wykorzystywać numerycznie,
04:39
a relative mapping between curvature and shape.
98
267000
3000
relatywne mapowanie pomiędzy krzywiznami a naszą mową.
04:42
So it occurred to me, what happens if we could run these backwards?
99
270000
3000
Przyszło mi wówczas do głowy: co stanie się gdy odwrócimy ten proces?
04:45
And thus was born the project called Remark,
100
273000
2000
Tak narodził się projekt Remark (Komentarz),
04:47
which is a collaboration with Zachary Lieberman
101
275000
2000
realizowany we współpracy z Zacharym Liebermanem
04:49
and the Ars Electronica Futurelab.
102
277000
2000
i Ars Electronic Futurelab.
04:51
And this is an interactive installation which presents
103
279000
2000
To taka interaktywna instalacja wywołująca wrażenie,
04:53
the fiction that speech casts visible shadows.
104
281000
2000
że mowa tworzy widoczne dla nas cienie sylwetek.
04:55
So the idea is you step into a kind of a magic light.
105
283000
3000
Wygląda to tak: wstępujemy w rodzaj magicznego światła
04:58
And as you do, you see the shadows of your own speech.
106
286000
3000
i widzimy kształty wywołane naszym głosem
05:01
And they sort of fly away, out of your head.
107
289000
2000
jak gdyby wyfruwające z naszej głowy.
05:03
If a computer speech recognition system
108
291000
3000
Jeśli komputerowy system rozpoznawania mowy
05:06
is able to recognize what you're saying, then it spells it out.
109
294000
4000
jest w stanie rozpoznać co mówimy, pisze to na ekranie,
05:10
And if it isn't then it produces a shape which is very phonaesthetically
110
298000
2000
jeśli nie, pokazuje nam kształt ściśle powiązany fonestetycznie
05:12
tightly coupled to the sounds you made.
111
300000
2000
z wytworzonymi dźwiękami.
05:14
So let's bring up a video of that.
112
302000
3000
Obejrzyjmy to na filmie
06:03
(Applause)
113
351000
2000
(aplauz)
06:05
Thanks. So. And this project here,
114
353000
3000
Dziękuję. Nad następnym projektem
06:08
I was working with the great abstract vocalist, Jaap Blonk.
115
356000
3000
pracowałem wspólnie ze wspaniałym “abstrakcyjnym” wokalistą, Jaapem Blonk.
06:11
And he is a world expert in performing "The Ursonate,"
116
359000
3000
Jaap jest światowym ekspertem w deklamowaniu “Ursonaty”,
06:14
which is a half-an-hour nonsense poem
117
362000
2000
półgodzinnego poematu nonsensu,
06:16
by Kurt Schwitters, written in the 1920s,
118
364000
2000
napisanego latach 20-stych przez Kurta Schwittersa.
06:18
which is half an hour of very highly patterned nonsense.
119
366000
4000
Ursonata zawiera pół godziny bardzo ustrukturyzowanego nonsensu,
06:22
And it's almost impossible to perform.
120
370000
2000
i uchodzi za wręcz niemożliwą do wykonania.
06:24
But Jaap is one of the world experts in performing it.
121
372000
3000
Na szczęście Jaap należy do światowych ekspertów, w deklamacji tego utworu.
06:27
And in this project we've developed
122
375000
2000
W tym projekcie stworzyliśmy rodzaj
06:29
a form of intelligent real-time subtitles.
123
377000
3000
inteligentnych napisów do filmu, powstających się w czasie rzeczywistym.
06:32
So these are our live subtitles,
124
380000
3000
Nasze napisy produkowane są "na żywo"
06:35
that are being produced by a computer that knows the text of "The Ursonate" --
125
383000
3000
przez komputer znający treść “Ursonaty”;
06:38
fortunately Jaap does too, very well --
126
386000
3000
który Jaap, na szczęście, zna równie dobrze.
06:41
and it is delivering that text at the same time as Jaap is.
127
389000
5000
Czyli tekst pojawia się w tym samym momencie, kiedy Jaap go recytuje.
06:53
So all the text you're going to see
128
401000
2000
Tak więc wszystkie napisy jakie zobaczycie,
06:55
is real-time generated by the computer,
129
403000
2000
będą generowane w czasie rzeczywistym przez komputer,
06:57
visualizing what he's doing with his voice.
130
405000
3000
wizualizujący wszystko to, co Jaap robi ze swoim głosem
08:10
Here you can see the set-up where there is a screen with the subtitles behind him.
131
478000
3000
W takiej, jak tu konfiguracji, ekran z napisami znajduje się za jego plecami
08:34
Okay. So ...
132
502000
2000
Dobra, następny...
08:36
(Applause)
133
504000
5000
(aplauz)
08:41
The full videos are online if you are interested.
134
509000
2000
Dla zainteresowanych dostępne są w Sieci pełne wersje tych filmów.
08:43
I got a split reaction to that during the live performance,
135
511000
2000
Reakcje podczas naszego występu były podzielone,
08:45
because there is some people who understand
136
513000
2000
ponieważ niektórzy ludzie uważają określenie:
08:47
live subtitles are a kind of an oxymoron,
137
515000
2000
"napisy 'na żywo'” za oksymoron.
08:49
because usually there is someone making them afterwards.
138
517000
3000
Z reguły robi się je dopiero po zakończeniu produkcji.
08:52
And then a bunch of people who were like, "What's the big deal?
139
520000
3000
Była też grupa, mówiąca: "Cóż w tym takiego?"
08:55
I see subtitles all the time on television."
140
523000
2000
"Codziennie widzę napisy w telewizorze." Wyobrażacie to sobie?
08:57
You know? They don't imagine the person in the booth, typing it all.
141
525000
3000
Nawet przez chwilę nie pomyśleli o tym gościu w "pudle", który wszystko to musi wystukać.
09:00
So in addition to the full body, and in addition to the voice,
142
528000
3000
Tak więc oprócz ciała, i oprócz głosu
09:03
another thing that I've been really interested in,
143
531000
2000
zainteresował mnie ostatnio sposób,
09:05
most recently, is the use of the eyes,
144
533000
2000
w jaki korzystamy z naszych oczu,
09:07
or the gaze, in terms of how people relate to each other.
145
535000
4000
a zwłaszcza jak ludzie odnoszą się do siebie poprzez spojrzenia.
09:11
It's a really profound amount of nonverbal information
146
539000
2000
Doprawdy znaczna ilość niewerbalnych komunikatów
09:13
that's communicated with the eyes.
147
541000
2000
przekazywana jest poprzez kontakt wzrokowy.
09:15
And it's one of the most interesting technical challenges
148
543000
2000
Jest to jedno z najbardziej interesujących wyzwań,
09:17
that's very currently active in the computer sciences:
149
545000
2000
stawianych ostatnio informatyce.
09:19
being able to have a camera that can understand,
150
547000
2000
Możliwość posiadania kamery będącej w stanie określić,
09:21
from a fairly big distance away,
151
549000
2000
nawet ze sporej odległości,
09:23
how these little tiny balls are actually pointing in one way or another
152
551000
3000
w którym kierunku nasze gałki oczne są skierowane,
09:26
to reveal what you're interested in,
153
554000
2000
zdradzając jednocześnie, co nas zainteresowało
09:28
and where your attention is directed.
154
556000
2000
lub przyciągnęło naszą uwagę.
09:30
So there is a lot of emotional communication that happens there.
155
558000
3000
Czyli zachodzi tu przekaz wielu emocjonalnych komunikatów.
09:33
And so I've been beginning, with a variety of different projects,
156
561000
4000
Rozpocząłem więc całą serię różnych projektów,
09:37
to understand how people can relate to machines with their eyes.
157
565000
3000
aby zrozumieć, jak ludzie, mogą kontaktować się z maszyną przy pomocy oczu.
09:40
And basically to ask the questions:
158
568000
3000
Przede wszystkim zaś, by zadać następujące pytania.
09:43
What if art was aware that we were looking at it?
159
571000
5000
Co stałoby się, gdyby sztuka była świadoma tego, że na nią patrzymy?
09:48
How could it respond, in a way,
160
576000
2000
Jak mogłaby reagować, w sensie
09:50
to acknowledge or subvert the fact that we're looking at it?
161
578000
3000
potwierdzenia bądź zignorowania faktu, że na nią patrzymy?
09:53
And what could it do if it could look back at us?
162
581000
3000
I co uczyniłaby sztuka, gdyby mogła patrzeć na nas?
09:56
And so those are the questions that are happening in the next projects.
163
584000
2000
Odpowiedzi na te pytania próbowałem znaleźć w projektach które teraz przedstawię.
09:58
In the first one which I'm going to show you, called Eyecode,
164
586000
3000
Pierwszy projekt nazywa się Kod Oka (Eyecode).
10:01
it's a piece of interactive software
165
589000
2000
Jest to prosty interaktywny program komputerowy,
10:03
in which, if we read this little circle,
166
591000
2000
w którym, jak czytamy w tym małym kółeczku:
10:05
"the trace left by the looking of the previous observer
167
593000
3000
“ślad zostawiony przez spojrzenie poprzedniego obserwatora,
10:08
looks at the trace left by the looking of previous observer."
168
596000
3000
spogląda na ślad po spojrzeniu pozostawionym przez poprzedniego obserwatora”.
10:11
The idea is that it's an image wholly constructed
169
599000
2000
Pomysł polega na tym, że obraz składa się całkowicie
10:13
from its own history of being viewed
170
601000
2000
z historii spojrzeń rzuconych na niego
10:15
by different people in an installation.
171
603000
2000
przez oglądających go w trakcie wystawy, ludzi.
10:17
So let me just switch over so we can do the live demo.
172
605000
5000
Pozwólcie mi włączyć instalację i zademonstrować to na żywo.
10:22
So let's run this and see if it works.
173
610000
4000
Sprawdźmy wspólnie, czy i jak to działa.
10:26
Okay. Ah, there is lots of nice bright video.
174
614000
3000
Dobra. Dodam jeszcze tylko, że mamy sporo lepszych, jasnych nagrań,
10:29
There is just a little test screen that shows that it's working.
175
617000
2000
Tutaj używamy małego ekranu testowego, jedynie by pokazać działanie programu.
10:31
And what I'm just going to do is -- I'm going to hide that.
176
619000
2000
Zasłonię to nieco
10:33
And you can see here that what it's doing
177
621000
2000
i teraz możecie zobaczyć, co się dzieje.
10:35
is it's recording my eyes every time I blink.
178
623000
3000
Program rejestruje obraz moich oczu za każdym razem, kiedy mrugam.
10:44
Hello? And I can ... hello ... okay.
179
632000
4000
Halo?!! I znowu... hej.... działa.
10:48
And no matter where I am, what's really going on here
180
636000
2000
Niezależnie od tego, gdzie ja się znajduję
10:50
is that it's an eye-tracking system that tries to locate my eyes.
181
638000
3000
system okulograficzny [eye-tracking] próbuje zlokalizować moje oczy.
10:53
And if I get really far away I'm blurry.
182
641000
2000
Jeśli zbytnio się oddalę obraz będzie zamazany,
10:55
You know, you're going to have these kind of blurry spots like this
183
643000
2000
powstaną nieostre plamy
10:57
that maybe only resemble eyes in a very very abstract way.
184
645000
3000
przypominające tylko abstrakcję moich oczu.
11:00
But if I come up really close and stare directly at the camera
185
648000
3000
Jeśli jednak odpowiednio zbliżę się i spojrzę prosto w kamerę laptopa,
11:03
on this laptop then you'll see these nice crisp eyes.
186
651000
2000
zobaczycie dobry, ostry obraz oczu.
11:05
You can think of it as a way of, sort of, typing, with your eyes.
187
653000
4000
W pewnym sensie przypomina to pisanie na laptopie za pomocą oczu.
11:09
And what you're typing are recordings of your eyes
188
657000
2000
To co „zapisujemy”, to rejestracja naszych spojrzeń,
11:11
as you're looking at other peoples' eyes.
189
659000
2000
kiedy patrzymy w oczy innym ludziom,
11:13
So each person is looking at the looking
190
661000
3000
bowiem każdy z nas spogląda
11:16
of everyone else before them.
191
664000
2000
na spojrzenia swoich poprzedników.
11:18
And this exists in larger installations
192
666000
2000
Projekt ten Istnieje już też w formie większej instalacji,
11:20
where there are thousands and thousands of eyes
193
668000
2000
gdzie są zapisane tysiące oczu
11:22
that people could be staring at,
194
670000
2000
na które ludzie mogą spoglądać
11:24
as you see who's looking at the people looking
195
672000
2000
spójrzmy na to tak: kto spogląda na oczy ludzi,
11:26
at the people looking before them.
196
674000
2000
patrzących na oczy ludzi, patrzących tak przed nimi.
11:28
So I'll just add a couple more. Blink. Blink.
197
676000
3000
Mrugnę jeszcze kilka razy. Mryg. Mryg.
11:31
And you can see, just once again, how it's sort of finding my eyes
198
679000
3000
Znów możemy zaobserwować, jak program szuka moich oczu,
11:34
and doing its best to estimate when it's blinking.
199
682000
3000
starając się dobrze ocenić moment mrugnięcia
11:37
Alright. Let's leave that.
200
685000
2000
Dobrze. Zostawimy to na razie,
11:39
So that's this kind of recursive observation system.
201
687000
3000
ten nasz rodzaj rekursywnego systemu obserwacji.
11:42
(Applause)
202
690000
2000
(aplauz)
11:44
Thank you.
203
692000
2000
Dziękuję.
11:46
The last couple pieces I'm going to show
204
694000
2000
Pokażę teraz kilka obiektow, które stanowią w zasadzie
11:48
are basically in the new realm of robotics -- for me, new for me.
205
696000
2000
nowe osiagnięcia w dziedzinie robotyki. To znaczy dla mnie, są one nowe.
11:50
It's called Opto-Isolator.
206
698000
2000
Ten nazywa się Opto-Izolator
11:52
And I'm going to show a video of the older version of it,
207
700000
3000
Pokażę nagranie zawierające jego starszą wersję,
11:55
which is just a minute long. Okay.
208
703000
2000
ktora trwa około minuty.
12:06
In this case, the Opto-Isolator is blinking
209
714000
2000
W tym nagraniu Opto-Izolator mruga
12:08
in response to one's own blinks.
210
716000
2000
w odpowiedzi na nasze mrugnięcie.
12:10
So it blinks one second after you do.
211
718000
3000
Mruga sekundę po nas.
12:13
This is a device which is intended to reduce
212
721000
3000
To urządzenie, zrobione z możliwie najprostszych materiałów
12:16
the phenomenon of gaze down to the simplest possible materials.
213
724000
3000
ma na celu ograniczenie zjawiska gapienia się.
12:19
Just one eye,
214
727000
2000
Tylko jedno, wpatrzone w nas oko,
12:21
looking at you, and eliminating everything else about a face,
215
729000
2000
z pominięciem wszelkich innych elementów twarzy.
12:23
but just to consider gaze in an isolated way
216
731000
3000
Jego wpatrujące się spojrzenie odbierane jest jako coś oderwanego
12:26
as a kind of, as an element.
217
734000
3000
od całej reszty, jak swego rodzaju element.
12:29
And at the same time, it attempts to engage in what you might call
218
737000
3000
Jednocześnie oko to stara się nawiązać, nazwijmy to,
12:32
familiar psycho-social gaze behaviors.
219
740000
2000
psycho-socjalny kontakt z obserwatorem.
12:34
Like looking away if you look at it too long
220
742000
2000
Wydaje się odwracać wzrok, gdy patrzymy na nie zbyt długo,
12:36
because it gets shy,
221
744000
2000
jak gdyby czuło się zawstydzone.
12:38
or things like that.
222
746000
3000
Lub coś w tym rodzaju.
12:41
Okay. So the last project I'm going to show
223
749000
3000
Ostatni projekt, który przedstawię
12:44
is this new one called Snout.
224
752000
3000
nazywa się Wąchadło.
12:47
(Laughter)
225
755000
2000
(śmiech)
12:49
It's an eight-foot snout,
226
757000
2000
Jest to taka 2 i pół metrowa rura
12:51
with a googly eye.
227
759000
2000
z wyłupiastym okiem,
12:53
(Laughter)
228
761000
1000
(śmiech)
12:54
And inside it's got an 800-pound robot arm
229
762000
3000
mieszcząca w środku 362 kilogramowe ramię robota,
12:57
that I borrowed,
230
765000
2000
pożyczone
12:59
(Laughter)
231
767000
1000
(śmiech)
13:00
from a friend.
232
768000
2000
od kumpla,
13:02
(Laughter)
233
770000
1000
(śmiech)
13:03
It helps to have good friends.
234
771000
2000
Nie ma to, jak mieć dobrych przyjaciół
13:05
I'm at Carnegie Mellon; we've got a great Robotics Institute there.
235
773000
3000
w Carnegie Mellon. Mamy tam wspaniały Instytut Robotyki.
13:08
I'd like to show you thing called Snout, which is --
236
776000
2000
Dlatego mogę tu dziś przedstawić Wam Wąchadło.
13:10
The idea behind this project is to
237
778000
2000
Ideą tego projektu było zrobienie
13:12
make a robot that appears as if it's continually surprised to see you.
238
780000
4000
robota, który cały czas wydaje się być zaskoczony tym, że nas widzi.
13:16
(Laughter)
239
784000
4000
(śmiech)
13:20
The idea is that basically --
240
788000
2000
Generalnie wygląda to tak, że przez cały czas,
13:22
if it's constantly like "Huh? ... Huh?"
241
790000
2000
zachowuje się w stylu: „He? Kto to?.... Kto?”
13:24
That's why its other name is Doubletaker, Taker of Doubles.
242
792000
4000
Dlatego na drugie imię ma Namierzacz. Namierzacz Podwójny.
13:28
It's always kind of doing a double take: "What?"
243
796000
2000
Taki, co to zawsze się nam dwukrotnie przygląda, jakby myśląc: "Coś tu nie gra..."
13:30
And the idea is basically, can it look at you
244
798000
2000
W efekcie czujemy się trochę głupio,
13:32
and make you feel as if like,
245
800000
2000
zastanawiamy się: "O co mu chodzi?"
13:34
"What? Is it my shoes?"
246
802000
2000
"Co jest? Pękło mi sznurowadlo?"
13:36
"Got something on my hair?" Here we go. Alright.
247
804000
3000
"A może gołąb mi na głowę...?”. No właśnie.
14:10
Checking him out ...
248
838000
2000
Patrzcie, jak go sprawdza...
14:20
For you nerds, here's a little behind-the-scenes.
249
848000
2000
Dla nerdów trochę "zakulisowych" informacji o tym przedsięwzięciu.
14:22
It's got a computer vision system,
250
850000
2000
Robot posiada system wizji komputerowej
14:24
and it tries to look at the people who are moving around the most.
251
852000
3000
i próbuje przyglądać się ludziom, którzy najwięcej się przemieszczają.
14:39
Those are its targets.
252
867000
2000
To są jego „ofiary”.
14:42
Up there is the skeleton,
253
870000
2000
U góry widzimy jego szkielet
14:44
which is actually what it's trying to do.
254
872000
3000
oraz to co w danym momencie próbuje zrobić.
14:54
It's really about trying to create a novel body language for a new creature.
255
882000
3000
Tak na prawdę jest to próba stworzenia nowego „języka ciała” dla nowego tworu
14:57
Hollywood does this all the time, of course.
256
885000
2000
W Hollywood oczywiście robi się to na codzień.
14:59
But also have the body language communicate something
257
887000
2000
Przy tym ten "język ciała" powinien też przekazywać coś
15:01
to the person who is looking at it.
258
889000
2000
patrzącej na ten twór osobie.
15:03
This language is communicating that it is surprised to see you,
259
891000
2000
Jego ruchy dają nam do zrozumienia, że jest zaskoczony, widząc nas
15:05
and it's interested in looking at you.
260
893000
3000
i że patrzy na nas z zainteresowaniem.
15:08
(Laughter)
261
896000
2000
(śmiech)
15:10
(Applause)
262
898000
9000
(aplauz)
15:19
Thank you very much. That's all I've got for today.
263
907000
2000
Bardzo dziekuję. To wszystko, co mam dla Was na dziś.
15:21
And I'm really happy to be here. Thank you so much.
264
909000
3000
Jestem naprawdę szczęśliwy, mogąc tu być. Dziękuję. Dziękuję bardzo.
15:24
(Applause)
265
912000
3000
(aplauz)
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