TED@IBM
Raphael Arar: How we can teach computers to make sense of our emotions
Raphael Arar: Como podemos ensinar computadores a entender nossas emoções
Filmed:
Readability: 4.3
1,255,602 views
Como criamos uma IA com que as pessoas realmente queiram interagir? Raphael Arar sugere que comecemos criando arte. Ele compartilha projetos interativos que ajudam a IA a explorar ideias complexas como nostalgia, intuição e conversação, tudo trabalhando com a intenção de tornar a tecnologia do futuro tão humana quanto ela é artificial.
Raphael Arar - Designer, researcher
IBM's Raphael Arar creates art and designs experiences that examine the complexities of our increasingly technocentric lives. Full bio
IBM's Raphael Arar creates art and designs experiences that examine the complexities of our increasingly technocentric lives. Full bio
Double-click the English transcript below to play the video.
00:13
I consider myself one part artist
and one part designer.
and one part designer.
0
1760
4680
Eu me considero meio artista
e meio designer.
e meio designer.
00:18
And I work at an artificial
intelligence research lab.
intelligence research lab.
1
6480
3160
E trabalho em um laboratório
de inteligência artificial.
de inteligência artificial.
00:22
We're trying to create technology
2
10720
1696
Nós tentamos criar tecnologias
00:24
that you'll want to interact with
in the far future.
in the far future.
3
12440
3296
com as quais vocês queiram
interagir em um futuro distante.
interagir em um futuro distante.
00:27
Not just six months from now,
but try years and decades from now.
but try years and decades from now.
4
15760
4640
Não daqui a seis meses,
mas daqui a anos ou décadas.
mas daqui a anos ou décadas.
00:33
And we're taking a moonshot
5
21120
1616
E estamos apostando
00:34
that we'll want to be
interacting with computers
interacting with computers
6
22760
2456
que iremos interagir com computadores
de forma mais profunda emocionalmente.
de forma mais profunda emocionalmente.
00:37
in deeply emotional ways.
7
25240
2120
00:40
So in order to do that,
8
28280
1456
Então, para fazer isso,
00:41
the technology has to be
just as much human as it is artificial.
just as much human as it is artificial.
9
29760
4480
a tecnologia precisa ser tão humana
quanto é artificial.
quanto é artificial.
00:46
It has to get you.
10
34920
2256
Tem que entender você.
00:49
You know, like that inside joke
that'll have you and your best friend
that'll have you and your best friend
11
37200
3336
É como aquela piada
que faz você e seu amigo
que faz você e seu amigo
00:52
on the floor, cracking up.
12
40560
1936
rolarem no chão de tanto rir.
00:54
Or that look of disappointment
that you can just smell from miles away.
that you can just smell from miles away.
13
42520
4560
Ou aquele olhar de desapontamento
que você percebe a quilômetros.
que você percebe a quilômetros.
01:00
I view art as the gateway to help us
bridge this gap between human and machine:
bridge this gap between human and machine:
14
48560
6040
Eu vejo a arte como um meio de nos ajudar
a aproximar humanos e máquinas.
a aproximar humanos e máquinas.
01:07
to figure out what it means
to get each other
to get each other
15
55280
3136
De compreender o que significa
entender um ao outro,
entender um ao outro,
01:10
so that we can train AI to get us.
16
58440
2760
assim podemos treinar a IA a nos entender.
01:13
See, to me, art is a way
to put tangible experiences
to put tangible experiences
17
61920
3816
Para mim, arte é um meio
de tornar experiências tangíveis
de tornar experiências tangíveis
01:17
to intangible ideas,
feelings and emotions.
feelings and emotions.
18
65760
3240
em ideias intangíveis,
sentimentos e emoções.
sentimentos e emoções.
01:21
And I think it's one
of the most human things about us.
of the most human things about us.
19
69800
2600
E acho que é o que temos de mais humano.
01:25
See, we're a complicated
and complex bunch.
and complex bunch.
20
73480
2936
Somos seres complicados e complexos.
01:28
We have what feels like
an infinite range of emotions,
an infinite range of emotions,
21
76440
3136
Nós temos o que parece ser
uma infinita variedade de emoções,
uma infinita variedade de emoções,
01:31
and to top it off, we're all different.
22
79600
2496
além disso, nós somos diferentes.
01:34
We have different family backgrounds,
23
82120
2296
Temos diferentes históricos familiar,
01:36
different experiences
and different psychologies.
and different psychologies.
24
84440
3080
diferentes experiências,
e diferentes personalidades.
e diferentes personalidades.
01:40
And this is what makes life
really interesting.
really interesting.
25
88240
2720
E é isso que torna a vida
realmente interessante.
realmente interessante.
01:43
But this is also what makes
working on intelligent technology
working on intelligent technology
26
91440
3496
Mas também é o que torna
trabalhar em tecnologias inteligentes
trabalhar em tecnologias inteligentes
01:46
extremely difficult.
27
94960
1600
extremamente difícil.
01:49
And right now, AI research, well,
28
97640
3456
Por enquanto, pesquisas em IA
01:53
it's a bit lopsided on the tech side.
29
101120
2016
tendem mais para o lado técnico.
01:55
And that makes a lot of sense.
30
103160
2136
Isso faz muito sentido,
01:57
See, for every
qualitative thing about us --
qualitative thing about us --
31
105320
2456
pois, para cada coisa qualitativa nossa,
01:59
you know, those parts of us that are
emotional, dynamic and subjective --
emotional, dynamic and subjective --
32
107800
4456
aquelas partes de nós que são
emocional, dinâmica e subjetiva,
emocional, dinâmica e subjetiva,
02:04
we have to convert it
to a quantitative metric:
to a quantitative metric:
33
112280
3136
temos que converter isso
em métrica quantitativa.
em métrica quantitativa.
02:07
something that can be represented
with facts, figures and computer code.
with facts, figures and computer code.
34
115440
4360
Algo que possa ser representado
com dados, números e códigos.
com dados, números e códigos.
02:13
The issue is, there are
many qualitative things
many qualitative things
35
121000
3376
O problema é que há
muitas coisas qualitativas
muitas coisas qualitativas
02:16
that we just can't put our finger on.
36
124400
1960
que não conseguimos entender.
02:20
So, think about hearing
your favorite song for the first time.
your favorite song for the first time.
37
128400
3200
Então, imaginem ouvir sua música
favorita pela primeira vez.
favorita pela primeira vez.
02:25
What were you doing?
38
133200
1200
O que você estava fazendo?
02:28
How did you feel?
39
136000
1200
Como você se sentiu?
02:30
Did you get goosebumps?
40
138720
1360
Você sentiu calafrios?
02:33
Or did you get fired up?
41
141240
1640
Ou ficou empolgado?
02:36
Hard to describe, right?
42
144400
1200
Difícil descrever, não é?
02:38
See, parts of us feel so simple,
43
146800
2096
Aparentamos ser muito simples,
02:40
but under the surface,
there's really a ton of complexity.
there's really a ton of complexity.
44
148920
3656
mas, na realidade, existe
uma grande complexidade.
uma grande complexidade.
02:44
And translating
that complexity to machines
that complexity to machines
45
152600
2936
E transferir essas complexidades
para as máquinas
para as máquinas
02:47
is what makes them modern-day moonshots.
46
155560
2856
é o que o torna um desafio moderno.
02:50
And I'm not convinced that we can
answer these deeper questions
answer these deeper questions
47
158440
4176
E eu não estou convencido de que
podemos responder a estas questões
podemos responder a estas questões
02:54
with just ones and zeros alone.
48
162640
1480
somente com uns e zeros.
02:57
So, in the lab, I've been creating art
49
165120
1936
Então, no laboratório, eu crio arte
02:59
as a way to help me
design better experiences
design better experiences
50
167080
2456
para me ajudar a desenvolver
experiências melhores
experiências melhores
03:01
for bleeding-edge technology.
51
169560
2096
para tecnologias de ponta.
03:03
And it's been serving as a catalyst
52
171680
1736
E tem servido como catalisador
03:05
to beef up the more human ways
that computers can relate to us.
that computers can relate to us.
53
173440
3840
para criar formas mais humanas
dos computadores interagirem conosco.
dos computadores interagirem conosco.
03:10
Through art, we're tacking
some of the hardest questions,
some of the hardest questions,
54
178000
2696
Através da arte, nós abordamos
as questões mais difíceis,
as questões mais difíceis,
03:12
like what does it really mean to feel?
55
180720
2360
como o que realmente significa sentir?
03:16
Or how do we engage and know
how to be present with each other?
how to be present with each other?
56
184120
4080
Ou como nos envolvemos e sabemos
como estar presentes um com o outro?
como estar presentes um com o outro?
03:20
And how does intuition
affect the way that we interact?
affect the way that we interact?
57
188800
4000
E como a intuição afeta
a forma como interagimos?
a forma como interagimos?
03:26
So, take for example human emotion.
58
194440
2056
Veja, por exemplo, emoções humanas.
03:28
Right now, computers can make sense
of our most basic ones,
of our most basic ones,
59
196520
3256
Hoje, computadores conseguem
entender as emoções mais básicas
entender as emoções mais básicas
03:31
like joy, sadness,
anger, fear and disgust,
anger, fear and disgust,
60
199800
3696
como alegria, tristeza,
raiva, medo e nojo,
raiva, medo e nojo,
03:35
by converting those
characteristics to math.
characteristics to math.
61
203520
3000
convertendo essas características
em matemática.
em matemática.
03:39
But what about the more complex emotions?
62
207400
2536
Mas e as emoções mais complexas?
03:41
You know, those emotions
63
209960
1216
Aqueles tipos de emoções que temos
dificuldade em descrever para os outros?
dificuldade em descrever para os outros?
03:43
that we have a hard time
describing to each other?
describing to each other?
64
211200
2376
03:45
Like nostalgia.
65
213600
1440
Como nostalgia.
03:47
So, to explore this, I created
a piece of art, an experience,
a piece of art, an experience,
66
215640
3936
Então, para explorar isso,
criei uma obra, uma experiência,
criei uma obra, uma experiência,
03:51
that asked people to share a memory,
67
219600
2096
pedindo para alguém dividir uma lembrança,
03:53
and I teamed up with some data scientists
68
221720
2136
e eu me uni a alguns cientistas de dados
03:55
to figure out how to take
an emotion that's so highly subjective
an emotion that's so highly subjective
69
223880
3576
para entender como pegar
uma emoção tão subjetiva
uma emoção tão subjetiva
03:59
and convert it into something
mathematically precise.
mathematically precise.
70
227480
3200
e convertê-la em algo
matematicamente preciso.
matematicamente preciso.
04:03
So, we created what we call
a nostalgia score
a nostalgia score
71
231840
2136
Nós criamos algo chamado
índice da nostalgia,
índice da nostalgia,
04:06
and it's the heart of this installation.
72
234000
2216
e é o coração dessa instalação.
04:08
To do that, the installation
asks you to share a story,
asks you to share a story,
73
236240
3056
Para isso, a instalação pede
para você compartilhar uma história,
para você compartilhar uma história,
04:11
the computer then analyzes it
for its simpler emotions,
for its simpler emotions,
74
239320
3256
o computador, então, a analisa
para emoções mais simples,
para emoções mais simples,
04:14
it checks for your tendency
to use past-tense wording
to use past-tense wording
75
242600
2656
busca por suas tendências
em usar palavras no passado,
em usar palavras no passado,
04:17
and also looks for words
that we tend to associate with nostalgia,
that we tend to associate with nostalgia,
76
245280
3336
e também busca por palavras
que tendemos a associar com nostalgia,
que tendemos a associar com nostalgia,
04:20
like "home," "childhood" and "the past."
77
248640
3040
como "casa", "infância" e "passado".
04:24
It then creates a nostalgia score
78
252760
2056
E então é criado o índice de nostalgia
04:26
to indicate how nostalgic your story is.
79
254840
2736
para indicar quão nostálgica é a história.
04:29
And that score is the driving force
behind these light-based sculptures
behind these light-based sculptures
80
257600
4136
E este índice é a força motriz por trás
destas esculturas baseadas em luz
destas esculturas baseadas em luz
04:33
that serve as physical embodiments
of your contribution.
of your contribution.
81
261760
3896
que servem como materialização
da sua contribuição.
da sua contribuição.
04:37
And the higher the score,
the rosier the hue.
the rosier the hue.
82
265680
3216
Quanto maior a pontuação,
mais rosa é a tonalidade.
mais rosa é a tonalidade.
04:40
You know, like looking at the world
through rose-colored glasses.
through rose-colored glasses.
83
268920
3936
É como enxergar o mundo
através de óculos cor de rosa.
através de óculos cor de rosa.
04:44
So, when you see your score
84
272880
2616
Então, quando você vê sua pontuação
04:47
and the physical representation of it,
85
275520
2656
e a representação física dela,
04:50
sometimes you'd agree
and sometimes you wouldn't.
and sometimes you wouldn't.
86
278200
2936
às vezes você concorda, às vezes não.
04:53
It's as if it really understood
how that experience made you feel.
how that experience made you feel.
87
281160
3480
É como se realmente entendesse
como você se sentiu.
como você se sentiu.
04:57
But other times it gets tripped up
88
285400
2216
Mas às vezes falha
e você acha que não foi
compreendido de forma alguma.
compreendido de forma alguma.
04:59
and has you thinking
it doesn't understand you at all.
it doesn't understand you at all.
89
287640
2560
05:02
But the piece really serves to show
90
290680
1896
Mas essa obra serve para mostrar
05:04
that if we have a hard time explaining
the emotions that we have to each other,
the emotions that we have to each other,
91
292600
4056
que se nós temos dificuldade em explicar
as emoções que sentimos uns aos outros,
as emoções que sentimos uns aos outros,
05:08
how can we teach a computer
to make sense of them?
to make sense of them?
92
296680
2360
como podemos ensinar
um computador a entendê-las?
um computador a entendê-las?
05:12
So, even the more objective parts
about being human are hard to describe.
about being human are hard to describe.
93
300360
3576
Até mesmo as partes mais objetivas
do ser humano são difíceis de descrever,
do ser humano são difíceis de descrever,
05:15
Like, conversation.
94
303960
1240
como conversação.
05:17
Have you ever really tried
to break down the steps?
to break down the steps?
95
305880
2736
Vocês já tentaram entender o processo?
05:20
So think about sitting
with your friend at a coffee shop
with your friend at a coffee shop
96
308640
2656
Então, imaginem sentar
com um amigo em um café
com um amigo em um café
05:23
and just having small talk.
97
311320
1320
para um bate-papo.
05:25
How do you know when to take a turn?
98
313160
1720
Como você sabe quando tem que falar?
05:27
How do you know when to shift topics?
99
315440
1840
Como você sabe quando mudar o assunto?
05:29
And how do you even know
what topics to discuss?
what topics to discuss?
100
317960
2720
E como sabe que assunto discutir?
05:33
See, most of us
don't really think about it,
don't really think about it,
101
321560
2096
Muitos de nós nem sequer
pensam nisso,
pensam nisso,
05:35
because it's almost second nature.
102
323680
1656
porque já é quase instintivo.
05:37
And when we get to know someone,
we learn more about what makes them tick,
we learn more about what makes them tick,
103
325360
3496
E quando conhecemos alguém,
aprendemos sobre o que os motiva,
aprendemos sobre o que os motiva,
05:40
and then we learn
what topics we can discuss.
what topics we can discuss.
104
328880
2376
e assim aprendemos sobre
quais assuntos abordar.
quais assuntos abordar.
05:43
But when it comes to teaching
AI systems how to interact with people,
AI systems how to interact with people,
105
331280
3656
Mas quando temos que ensinar sistemas IA
a interagir com pessoas,
a interagir com pessoas,
05:46
we have to teach them
step by step what to do.
step by step what to do.
106
334960
2856
nós temos que ensinar
passo a passo o que fazer.
passo a passo o que fazer.
05:49
And right now, it feels clunky.
107
337840
3496
E, por enquanto, parece desajeitado.
05:53
If you've ever tried to talk
with Alexa, Siri or Google Assistant,
with Alexa, Siri or Google Assistant,
108
341360
4136
Se você já tentou conversar com a Alexa,
Siri ou o Google Assistant,
Siri ou o Google Assistant,
05:57
you can tell that it or they
can still sound cold.
can still sound cold.
109
345520
4200
percebeu que eles ainda soam frios.
06:02
And have you ever gotten annoyed
110
350440
1656
E vocês já se irritaram
06:04
when they didn't understand
what you were saying
what you were saying
111
352120
2256
quando eles não entenderam
o que vocês falaram
o que vocês falaram
06:06
and you had to rephrase what you wanted
20 times just to play a song?
20 times just to play a song?
112
354400
3840
e vocês tiveram que reformular 20 vezes
o que queriam só para tocarem uma música?
o que queriam só para tocarem uma música?
06:11
Alright, to the credit of the designers,
realistic communication is really hard.
realistic communication is really hard.
113
359440
4896
Para crédito dos designers, comunicação
realista é realmente difícil.
realista é realmente difícil.
06:16
And there's a whole branch of sociology,
114
364360
2136
E existe um ramo da sociologia
chamado de análise de conversação
chamado de análise de conversação
06:18
called conversation analysis,
115
366520
1936
06:20
that tries to make blueprints
for different types of conversation.
for different types of conversation.
116
368480
3136
que tenta criar um modelo
dos diferentes tipos de conversação.
dos diferentes tipos de conversação.
06:23
Types like customer service
or counseling, teaching and others.
or counseling, teaching and others.
117
371640
4080
Tipos como atendimento ao consumidor
ou consultoria, ensino e outros.
ou consultoria, ensino e outros.
06:28
I've been collaborating
with a conversation analyst at the lab
with a conversation analyst at the lab
118
376880
2936
Eu tenho colaborado
com analistas de conversação
com analistas de conversação
06:31
to try to help our AI systems
hold more human-sounding conversations.
hold more human-sounding conversations.
119
379840
4696
para ajudar o nosso sistema IA
a ter uma conversação mais humana.
a ter uma conversação mais humana.
06:36
This way, when you have an interaction
with a chatbot on your phone
with a chatbot on your phone
120
384560
3176
Assim, quando você interagir
com um chatbot no seu celular
com um chatbot no seu celular
06:39
or a voice-based system in the car,
121
387760
1856
ou usar o comando de voz no seu carro,
06:41
it sounds a little more human
and less cold and disjointed.
and less cold and disjointed.
122
389640
3320
vai soar um pouco mais humano
e menos frio e desarticulado.
e menos frio e desarticulado.
06:46
So I created a piece of art
123
394360
1336
Então, eu criei uma obra
06:47
that tries to highlight
the robotic, clunky interaction
the robotic, clunky interaction
124
395720
2816
que tenta enfatizar essa interação
robótica e desajeitada
robótica e desajeitada
06:50
to help us understand, as designers,
125
398560
1976
pra nos ajudar a entender, como designers,
06:52
why it doesn't sound human yet
and, well, what we can do about it.
and, well, what we can do about it.
126
400560
4576
porque ainda não soa humano
e o que podemos fazer a respeito.
e o que podemos fazer a respeito.
06:57
The piece is called Bot to Bot
127
405160
1456
A obra se chama "Bot to Bot"
e coloca um sistema de conversação
e coloca um sistema de conversação
06:58
and it puts one conversational
system against another
system against another
128
406640
2936
contra o outro e o expõe
ao público em geral.
ao público em geral.
07:01
and then exposes it to the general public.
129
409600
2536
07:04
And what ends up happening
is that you get something
is that you get something
130
412160
2496
Você acaba com algo que tenta
imitar uma conversa humana,
imitar uma conversa humana,
07:06
that tries to mimic human conversation,
131
414680
1896
07:08
but falls short.
132
416600
1896
mas sem sucesso.
07:10
Sometimes it works and sometimes
it gets into these, well,
it gets into these, well,
133
418520
2736
Às vezes funciona,
mas às vezes ele entra
num tipo de loop de desentendimento.
num tipo de loop de desentendimento.
07:13
loops of misunderstanding.
134
421280
1536
07:14
So even though the machine-to-machine
conversation can make sense,
conversation can make sense,
135
422840
3096
Mesmo que a conversação
entre máquinas faça sentido,
entre máquinas faça sentido,
07:17
grammatically and colloquially,
136
425960
2016
gramaticalmente e coloquialmente,
07:20
it can still end up
feeling cold and robotic.
feeling cold and robotic.
137
428000
3216
ainda pode parecer fria e robótica.
07:23
And despite checking all the boxes,
the dialogue lacks soul
the dialogue lacks soul
138
431240
4016
E mesmo atendendo aos requisitos,
o diálogo não tem a alma
o diálogo não tem a alma
07:27
and those one-off quirks
that make each of us who we are.
that make each of us who we are.
139
435280
3136
e os detalhes que fazem de nós quem somos.
07:30
So while it might be grammatically correct
140
438440
2056
Apesar de estar gramaticalmente correto
07:32
and uses all the right
hashtags and emojis,
hashtags and emojis,
141
440520
2656
e usar todos os hashtags e emojis certos,
07:35
it can end up sounding mechanical
and, well, a little creepy.
and, well, a little creepy.
142
443200
4136
pode acabar soando mecânico e esquisito.
07:39
And we call this the uncanny valley.
143
447360
2336
E nós chamamos isso de vale misterioso.
07:41
You know, that creepiness factor of tech
144
449720
1936
É aquele fator assustador da tecnologia,
07:43
where it's close to human
but just slightly off.
but just slightly off.
145
451680
2856
parecido com um humano,
mas ligeiramente diferente.
mas ligeiramente diferente.
07:46
And the piece will start being
146
454560
1456
E esta obra será
07:48
one way that we test
for the humanness of a conversation
for the humanness of a conversation
147
456040
3216
um jeito de testarmos
uma conversação mais humana
uma conversação mais humana
07:51
and the parts that get
lost in translation.
lost in translation.
148
459280
2160
e das partes que se perdem na transição.
07:54
So there are other things
that get lost in translation, too,
that get lost in translation, too,
149
462560
2856
Existem outras coisas que se perdem
na transição também,
na transição também,
07:57
like human intuition.
150
465440
1616
como intuição humana.
07:59
Right now, computers
are gaining more autonomy.
are gaining more autonomy.
151
467080
2776
Hoje, os computadores estão
ganhando mais autonomia.
ganhando mais autonomia.
08:01
They can take care of things for us,
152
469880
1736
Eles podem assumir tarefas para nós,
08:03
like change the temperature
of our houses based on our preferences
of our houses based on our preferences
153
471640
3176
como mudar a temperatura da nossa
casa baseado em nosso gosto
casa baseado em nosso gosto
08:06
and even help us drive on the freeway.
154
474840
2160
e até nos ajudar a dirigir na estrada.
08:09
But there are things
that you and I do in person
that you and I do in person
155
477560
2496
Mas fazemos algumas coisas pessoalmente
que são difíceis de converter para IA.
que são difíceis de converter para IA.
08:12
that are really difficult
to translate to AI.
to translate to AI.
156
480080
2760
08:15
So think about the last time
that you saw an old classmate or coworker.
that you saw an old classmate or coworker.
157
483440
4360
Pensem na última vez que viram
um antigo colega de classe ou do trabalho.
um antigo colega de classe ou do trabalho.
08:21
Did you give them a hug
or go in for a handshake?
or go in for a handshake?
158
489080
2480
Vocês deram um abraço ou um aperto de mão?
08:24
You probably didn't think twice
159
492800
1496
Vocês não pensaram duas vezes
08:26
because you've had so many
built up experiences
built up experiences
160
494320
2336
porque já tiveram tantas experiências
08:28
that had you do one or the other.
161
496680
2000
que tiveram que escolher um ou o outro.
08:31
And as an artist, I feel
that access to one's intuition,
that access to one's intuition,
162
499440
3456
E como um artista, eu sinto que
esse acesso à intuição de alguém,
esse acesso à intuição de alguém,
08:34
your unconscious knowing,
163
502920
1416
seu conhecimento inconsciente,
08:36
is what helps us create amazing things.
164
504360
3056
é o que nos ajuda a criar
coisas maravilhosas.
coisas maravilhosas.
08:39
Big ideas, from that abstract,
nonlinear place in our consciousness
nonlinear place in our consciousness
165
507440
4056
Grandes ideias, desse lugar abstrato,
não linear na nossa consciência
não linear na nossa consciência
08:43
that is the culmination
of all of our experiences.
of all of our experiences.
166
511520
2960
que é o auge de todas
as nossas experiências.
as nossas experiências.
E se quisermos que os computadores
se relacionem conosco
se relacionem conosco
08:47
And if we want computers to relate to us
and help amplify our creative abilities,
and help amplify our creative abilities,
167
515840
4656
e nos ajudem a ampliar
nossas habilidades criativas,
nossas habilidades criativas,
08:52
I feel that we'll need to start thinking
about how to make computers be intuitive.
about how to make computers be intuitive.
168
520520
3896
temos que começar a pensar
em como torná-los intuitivos.
em como torná-los intuitivos.
08:56
So I wanted to explore
how something like human intuition
how something like human intuition
169
524440
3096
Então, eu queria explorar
como a intuição humana
como a intuição humana
08:59
could be directly translated
to artificial intelligence.
to artificial intelligence.
170
527560
3456
pode ser diretamente transferida
para a inteligência artificial.
para a inteligência artificial.
09:03
And I created a piece
that explores computer-based intuition
that explores computer-based intuition
171
531040
3216
Então criei uma obra que explora
a intuição baseada em computador
a intuição baseada em computador
09:06
in a physical space.
172
534280
1320
em um espaço físico.
09:08
The piece is called Wayfinding,
173
536480
1696
A obra se chama "Wayfinding",
09:10
and it's set up as a symbolic compass
that has four kinetic sculptures.
that has four kinetic sculptures.
174
538200
3936
e representa uma bússola
que possui quatro esculturas cinéticas.
que possui quatro esculturas cinéticas.
09:14
Each one represents a direction,
175
542160
2056
Cada uma representa uma direção,
09:16
north, east, south and west.
176
544240
2120
norte, leste, sul e oeste.
09:19
And there are sensors set up
on the top of each sculpture
on the top of each sculpture
177
547080
2696
E há sensores instalados
no topo de cada escultura
no topo de cada escultura
09:21
that capture how far away
you are from them.
you are from them.
178
549800
2256
que capturam a sua distância delas.
09:24
And the data that gets collected
179
552080
1816
E os dados coletados alteram
a forma como as esculturas se movem
a forma como as esculturas se movem
09:25
ends up changing the way
that sculptures move
that sculptures move
180
553920
2136
09:28
and the direction of the compass.
181
556080
2040
e a direção da bússola.
09:31
The thing is, the piece doesn't work
like the automatic door sensor
like the automatic door sensor
182
559360
3656
Porém, esta obra não funciona
como um sensor de porta automática
como um sensor de porta automática
09:35
that just opens
when you walk in front of it.
when you walk in front of it.
183
563040
2656
que abre quando paramos na frente dela.
09:37
See, your contribution is only a part
of its collection of lived experiences.
of its collection of lived experiences.
184
565720
5056
A sua contribuição é apenas uma parte
da coleção de experiências vividas.
da coleção de experiências vividas.
09:42
And all of those experiences
affect the way that it moves.
affect the way that it moves.
185
570800
4056
E todas essas experiências
afetam a forma como ela se move.
afetam a forma como ela se move.
09:46
So when you walk in front of it,
186
574880
1736
Quando você anda na frente dela,
09:48
it starts to use all of the data
187
576640
1976
ela começa a usar todos os dados
09:50
that it's captured
throughout its exhibition history --
throughout its exhibition history --
188
578640
2616
que são capturados através
do histórico da exibição,
do histórico da exibição,
09:53
or its intuition --
189
581280
1816
ou sua intuição,
09:55
to mechanically respond to you
based on what it's learned from others.
based on what it's learned from others.
190
583120
3560
para responder mecanicamente a você,
baseada no que aprendeu com os outros.
baseada no que aprendeu com os outros.
09:59
And what ends up happening
is that as participants
is that as participants
191
587480
2536
Então, como participantes,
10:02
we start to learn the level
of detail that we need
of detail that we need
192
590040
2816
nós começamos a entender
o nível de detalhe que precisamos
o nível de detalhe que precisamos
10:04
in order to manage expectations
193
592880
2016
para gerenciar as expectativas
10:06
from both humans and machines.
194
594920
2776
tanto dos humanos quanto das máquinas.
10:09
We can almost see our intuition
being played out on the computer,
being played out on the computer,
195
597720
3616
Quase podemos ver nossa intuição
sendo representada no computador,
sendo representada no computador,
10:13
picturing all of that data
being processed in our mind's eye.
being processed in our mind's eye.
196
601360
3600
imaginando todos aqueles dados
sendo processados na nossa mente.
sendo processados na nossa mente.
10:17
My hope is that this type of art
197
605560
1656
Eu espero que esse tipo de arte
10:19
will help us think differently
about intuition
about intuition
198
607240
2416
nos ajude a pensar
de outra forma sobre intuição
de outra forma sobre intuição
10:21
and how to apply that to AI in the future.
199
609680
2280
e como aplicá-la à IA no futuro.
10:24
So these are just a few examples
of how I'm using art to feed into my work
of how I'm using art to feed into my work
200
612480
3936
Estes são alguns exemplos de como estou
usando a arte para alimentar meu trabalho
usando a arte para alimentar meu trabalho
10:28
as a designer and researcher
of artificial intelligence.
of artificial intelligence.
201
616440
3096
como designer e pesquisador
de inteligência artificial.
de inteligência artificial.
10:31
And I see it as a crucial way
to move innovation forward.
to move innovation forward.
202
619560
3496
E eu a vejo como uma forma crucial
de levar a inovação adiante.
de levar a inovação adiante.
10:35
Because right now, there are
a lot of extremes when it comes to AI.
a lot of extremes when it comes to AI.
203
623080
4376
Por enquanto, ainda há extremos
no que diz respeito a IA.
no que diz respeito a IA.
10:39
Popular movies show it
as this destructive force
as this destructive force
204
627480
2816
Alguns filmes a mostram
como uma força destrutiva
como uma força destrutiva
10:42
while commercials
are showing it as a savior
are showing it as a savior
205
630320
3056
enquanto comerciais a mostram
como uma salvadora
como uma salvadora
10:45
to solve some of the world's
most complex problems.
most complex problems.
206
633400
2936
para solucionar alguns dos problemas
mais complexos do mundo.
mais complexos do mundo.
10:48
But regardless of where you stand,
207
636360
2536
Independentemente de que lado você esteja,
10:50
it's hard to deny
that we're living in a world
that we're living in a world
208
638920
2176
é difícil negar que vivemos em um mundo
10:53
that's becoming more
and more digital by the second.
and more digital by the second.
209
641120
2576
que está se tornando
cada vez mais digital.
cada vez mais digital.
10:55
Our lives revolve around our devices,
smart appliances and more.
smart appliances and more.
210
643720
4600
Nossas vidas giram em torno
dos nossos dispositivos inteligentes.
dos nossos dispositivos inteligentes.
11:01
And I don't think
this will let up any time soon.
this will let up any time soon.
211
649400
2320
E eu não acredito que isso
desaparecerá tão cedo.
desaparecerá tão cedo.
11:04
So, I'm trying to embed
more humanness from the start.
more humanness from the start.
212
652400
3736
Por isso, estou tentando torná-los
mais humanos desde o começo.
mais humanos desde o começo.
11:08
And I have a hunch that bringing art
into an AI research process
into an AI research process
213
656160
5136
E tenho a impressão que trazer a arte
para o processo de pesquisa em IA
para o processo de pesquisa em IA
11:13
is a way to do just that.
214
661320
1896
é a forma de fazer isso.
11:15
Thank you.
215
663240
1216
Obrigado.
11:16
(Applause)
216
664480
2280
(Aplausos)
ABOUT THE SPEAKER
Raphael Arar - Designer, researcherIBM's Raphael Arar creates art and designs experiences that examine the complexities of our increasingly technocentric lives.
Why you should listen
While his artwork raises questions about our relationship with modernity and technology, Raphael Arar’s design work revolves around answering those questions in human-centered ways.
Currently a designer and researcher at IBM Research, Arar has been exploring ways to translate aspects of emotional intelligence into machine-readable format. Through this, he is passionately tackling ethical platforms of artificial intelligence. Inc. Magazine says he "epitomizes the style and multi-disciplinary skill set of the modern designer," and in 2017, he was listed as one of Forbes's "30 under 30 in Enterprise Technology."
Raphael Arar | Speaker | TED.com