TEDxYouth@Sydney
Oscar Schwartz: Can a computer write poetry?
Oscar Schwartz: Será que um computador consegue escrever poesia?
Filmed:
Readability: 4.3
875,724 views
E se você ler um poema e se sentir comovido, mas então descobre que, na verdade, ele foi escrito por um computador, você se sentiria diferente com relação à experiência? Você sentiria que o computador se expressou e foi criativo, ou sentiria que caiu em um truque barato? Nessa palestra, o escritor Oscar Schwartz examina por que reagimos tão vigorosamente à ideia de um computador escrevendo poesia; e como essa reação nos ajuda a entender o que significa ser humano.
--
Teste de poesia #1
Poema 1
Mosquinha
Tua peça de verão,
Minha mão descuidada
A afastou.
Será que não sou
Uma mosquinha também?
Ou será que és
Um homem como eu?
Poema 2
Podemos sentir-nos
Ativistas pela manhã
De sua vida
Pausa para ver, papa odeio
Não a noite para começar
Uma grande a não ser
Eu vou cobra redemoinho
Vastidão palpite
Totalmente hamsters mentais se eu
Saber eu ponho um ano uma crucial
Absolutamente.
Teste de poesia #2
Poema 1
Um leão urra e um cachorro late. É interessante
e fascinante que uma ave voa e não
urra ou late. História fascinantes sobre animais
estão em meus sonhos e vou cantá-las todas se eu
não estiver cansado ou exausto.
Poema 2
Oh! cangurus, lantejoulas, chocolate!
Vocês são muito bonitos! Pérolas,
gaitas, jujubas, aspirinas! Todas
as coisas de que sempre falaram
ainda fazem do poema uma surpresa!
Essas coisas estão conosco todos os dias
até em praça d'armas e esquifes. Elas
têm significado. Elas são fortes como rochas.
Teste de poesia #3
Poema 1
O vermelho indica a razão para bandeiras bonitas.
E laços.
Laços de bandeiras
E material de vestir
Razão para vestir material.
Dar prazer.
Pode me dar as regiões.
As regiões e a terra.
As regiões e as rodas.
Todas as rodas são perfeitas.
Entusiasmo
Poema 2
Um cervo salta mais alto,
Eu escutei o narciso
Eu escutei a bandeira hoje
Eu escutei o caçador dizer;
Isso mas o êxtase da morte,
E então o freio está quase pronto,
E o nascer do sol está tão perto
o nascer do sol está tão perto
Que podemos tocar o desespero e
a esperança frenética de todas as gerações.
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
Eu tenho uma pergunta.
00:15
Can a computer write poetry?
1
3422
1943
Um computador consegue escrever poesia?
00:18
This is a provocative question.
2
6959
2077
É uma pergunta provocativa.
00:21
You think about it for a minute,
3
9715
1718
Se você pensar nela por um minuto,
00:23
and you suddenly have a bunch
of other questions like:
of other questions like:
4
11457
2590
de repente vêm várias
outras perguntas como:
outras perguntas como:
00:26
What is a computer?
5
14769
1381
o que é um computador?
00:28
What is poetry?
6
16710
1575
O que é poesia?
00:30
What is creativity?
7
18707
1689
O que é criatividade?
Mas essas são perguntas
00:33
But these are questions
8
21650
1172
00:34
that people spend their entire
lifetime trying to answer,
lifetime trying to answer,
9
22846
3070
que pessoas passaram
a vida inteira tentado responder,
a vida inteira tentado responder,
não numa única palestra TED.
00:37
not in a single TED Talk.
10
25940
2224
Então vamos ter que tentar
uma abordagem diferente.
uma abordagem diferente.
00:40
So we're going to have to try
a different approach.
a different approach.
11
28188
2445
Aqui nós temos dois poemas.
00:42
So up here, we have two poems.
12
30657
2143
00:45
One of them is written by a human,
13
33839
2276
Um deles foi escrito por um humano,
e o outro escrito por um computador.
00:48
and the other one's written by a computer.
14
36139
2102
Vou pedir que vocês digam qual é qual.
00:50
I'm going to ask you to tell me
which one's which.
which one's which.
15
38754
2410
00:53
Have a go:
16
41858
1156
Tentem:
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
Poema 1: Mosquinha / Tua peça de verão, /
Minha mão descuidada / A afastou.
Minha mão descuidada / A afastou.
Será que não sou / uma mosquinha também? /
Ou será que és / Um homem como eu?
Ou será que és / Um homem como eu?
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
Poema 2: Podemos sentir-nos /
Ativistas por nossas vidas / manhãs /
Ativistas por nossas vidas / manhãs /
01:02
Poem 2: We can feel / Activist
through your life's / morning /
through your life's / morning /
19
50536
3299
Pausa para ver, papa odeio / Não a noite
para começar uma grande a não ser (...)
para começar uma grande a não ser (...)
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
Certo, acabou o tempo.
01:10
Alright, time's up.
21
58130
1359
Levantem a mão se pensam que
o poema 1 foi escrito por um humano.
o poema 1 foi escrito por um humano.
01:11
Hands up if you think Poem 1
was written by a human.
was written by a human.
22
59513
4096
01:17
OK, most of you.
23
65547
1490
Certo, a maioria.
01:19
Hands up if you think Poem 2
was written by a human.
was written by a human.
24
67061
3023
Levantem a mão se pensam que
o poema 2 foi escrito por um humano.
o poema 2 foi escrito por um humano.
01:23
Very brave of you,
25
71172
1190
Muito corajosos vocês,
01:24
because the first one was written
by the human poet William Blake.
by the human poet William Blake.
26
72855
4285
porque o primeiro foi escrito
pelo poeta humano William Blake.
pelo poeta humano William Blake.
01:29
The second one was written by an algorithm
27
77784
2949
O segundo foi escrito por um algoritmo
que pegou toda a linguagem
da minha página do Facebook em um dia
da minha página do Facebook em um dia
01:32
that took all the language
from my Facebook feed on one day
from my Facebook feed on one day
28
80757
3692
e a regenerou com um algoritmo,
01:36
and then regenerated it algorithmically,
29
84473
2763
de acordo com métodos
que vou descrever mais adiante.
que vou descrever mais adiante.
01:39
according to methods that I'll describe
a little bit later on.
a little bit later on.
30
87260
3590
01:43
So let's try another test.
31
91218
2404
Vamos tentar outro teste.
De novo, vocês não têm
muito tempo para ler,
muito tempo para ler,
01:46
Again, you haven't got ages to read this,
32
94398
2093
então confiem no seu instinto.
01:48
so just trust your gut.
33
96515
1612
01:50
Poem 1: A lion roars and a dog barks.
It is interesting / and fascinating
It is interesting / and fascinating
34
98151
4045
Poema 1: Um leão urra e um cachorro late.
É interessante / e fascinante
É interessante / e fascinante
que uma ave voa e não / urra ou late.
Histórias fascinantes sobre animais
Histórias fascinantes sobre animais
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
estão em meus sonhos e vou cantá-las todas
se eu / não estiver cansado ou exausto.
se eu / não estiver cansado ou exausto.
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
Poema 2: Oh! cangurus, lantejoulas,
chocolate! / Vocês são muito bonitos!
chocolate! / Vocês são muito bonitos!
02:02
Poem 2: Oh! kangaroos, sequins, chocolate
sodas! / You are really beautiful!
sodas! / You are really beautiful!
37
110631
3985
Pérolas, / gaitas, jujubas, aspirinas!
Todas / as coisas de sempre falaram (...)
Todas / as coisas de sempre falaram (...)
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
Certo, acabou o tempo.
02:11
Alright, time's up.
39
119022
1158
02:12
So if you think the first poem
was written by a human,
was written by a human,
40
120204
3137
Se vocês acham que o primeiro poema
foi escrito por um humano,
foi escrito por um humano,
levantem a mão.
02:15
put your hand up.
41
123365
1215
02:17
OK.
42
125687
1154
Certo.
E se pensam que o segundo poema
foi escrito por um humano,
foi escrito por um humano,
02:18
And if you think the second poem
was written by a human,
was written by a human,
43
126865
2675
02:21
put your hand up.
44
129564
1155
levantem a mão.
02:23
We have, more or less, a 50/50 split here.
45
131779
3810
Temos, mais ou menos, uma divisão 50/50.
02:28
It was much harder.
46
136157
1436
Estava mais difícil.
02:29
The answer is,
47
137617
1712
A resposta é:
o primeiro poema foi gerado
por um algoritmo chamado Racter,
por um algoritmo chamado Racter,
02:31
the first poem was generated
by an algorithm called Racter,
by an algorithm called Racter,
48
139353
3483
que foi criado na década de 70,
02:34
that was created back in the 1970s,
49
142860
3002
e o segundo poema foi escrito
por um cara chamado Frank O'Hara,
por um cara chamado Frank O'Hara,
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
02:41
who happens to be
one of my favorite human poets.
one of my favorite human poets.
51
149099
2668
que, por acaso, é um dos meus
poetas humanos favoritos.
poetas humanos favoritos.
02:44
(Laughter)
52
152631
3058
(Risos)
02:48
So what we've just done now
is a Turing test for poetry.
is a Turing test for poetry.
53
156046
3228
E o que acabamos de fazer agora
foi um teste de Turin para poesia.
foi um teste de Turin para poesia.
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
O teste de Turin foi proposto
por esse cara, Alan Turing em 1950,
por esse cara, Alan Turing em 1950,
a fim de responder a pergunta:
02:56
in order to answer the question,
55
164589
1564
02:58
can computers think?
56
166177
1637
os computadores conseguem pensar?
03:00
Alan Turing believed that if
a computer was able
a computer was able
57
168245
2770
Alan Turing acreditava
que se um computador fosse capaz
que se um computador fosse capaz
de ter uma conversa em texto
com um ser humano,
com um ser humano,
03:03
to have a to have a text-based
conversation with a human,
conversation with a human,
58
171039
3078
com tal proficiência
que o ser humano não saberia
que o ser humano não saberia
03:06
with such proficiency
such that the human couldn't tell
such that the human couldn't tell
59
174141
2770
se estava falando com um computador
ou com um ser humano,
ou com um ser humano,
03:08
whether they are talking
to a computer or a human,
to a computer or a human,
60
176935
2966
assim se diria que o computador
tinha inteligência.
tinha inteligência.
03:11
then the computer can be said
to have intelligence.
to have intelligence.
61
179925
2856
03:15
So in 2013, my friend
Benjamin Laird and I,
Benjamin Laird and I,
62
183270
3295
E em 2013, meu amigo Benjamin Laird e eu,
nós criamos um teste de Turing
para poesia on-line.
para poesia on-line.
03:18
we created a Turing test
for poetry online.
for poetry online.
63
186589
2988
Ele se chama "bot or not",
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
e vocês podem ir e tentar vocês mesmos.
Mas basicamente é o jogo
que acabamos de jogar.
que acabamos de jogar.
03:24
But basically, it's the game
we just played.
we just played.
66
192970
2251
É apresentado um poema,
03:27
You're presented with a poem,
67
195245
1528
você não sabe se foi escrito por
um ser humano ou por um computador
um ser humano ou por um computador
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
e você tem que adivinhar.
03:31
and you have to guess.
69
199849
1166
03:33
So thousands and thousands
of people have taken this test online,
of people have taken this test online,
70
201039
3191
Milhares e milhares de pessoas
já fizeram esse teste online,
já fizeram esse teste online,
e temos os resultados.
03:36
so we have results.
71
204254
1449
03:37
And what are the results?
72
205727
1428
E quais são os resultados?
Bem, Turing dizia que se um computador
conseguisse enganar um humano
conseguisse enganar um humano
03:39
Well, Turing said that if a computer
could fool a human
could fool a human
73
207704
2879
30% das vezes como se fosse um humano,
03:42
30 percent of the time
that it was a human,
that it was a human,
74
210607
3019
então ele passaria o teste
de Turing de inteligência.
de Turing de inteligência.
03:45
then it passes the Turing test
for intelligence.
for intelligence.
75
213650
2397
Nós temos poemas no banco
de dados do "bot or not"
de dados do "bot or not"
03:48
We have poems on the bot or not database
76
216625
2438
que enganaram 65% dos humanos
leitores a pensarem
leitores a pensarem
03:51
that have fooled 65 percent
of human readers into thinking
of human readers into thinking
77
219087
2979
que tinha sido escrito por um humano.
03:54
it was written by a human.
78
222090
1395
03:55
So, I think we have an answer
to our question.
to our question.
79
223959
2817
Bem, acho que temos uma resposta
para a nossa pergunta.
para a nossa pergunta.
03:59
According to the logic of the Turing test,
80
227546
2348
De acordo com a lógica do teste de Turing,
04:01
can a computer write poetry?
81
229918
1928
um computador consegue escrever poesia?
04:03
Well, yes, absolutely it can.
82
231870
2351
Bem, sim, absolutamente.
Mas se você estiver se sentindo
um pouco desconfortável
um pouco desconfortável
04:07
But if you're feeling
a little bit uncomfortable
a little bit uncomfortable
83
235782
2346
com essa resposta, tudo bem.
04:10
with this answer, that's OK.
84
238152
1927
Se você estiver tendo
uma reação instintiva,
uma reação instintiva,
04:12
If you're having a bunch
of gut reactions to it,
of gut reactions to it,
85
240103
2316
também está tudo bem porque
esse não é o final da história.
esse não é o final da história.
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
04:18
Let's play our third and final test.
87
246594
2324
Vamos fazer nosso terceiro e último teste.
04:22
Again, you're going to have to read
88
250000
1750
De novo, vocês vão ter que ler
e me dizer qual vocês acham que é humano.
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
Poema 1: O vermelho indica a razão
para bandeiras bonitas. / e laços.
para bandeiras bonitas. / e laços.
laços de bandeiras / Material de vestir /
Razões para vestir o material. (...)
Razões para vestir o material. (...)
04:29
Ribbons of flags / And wearing material /
Reasons for wearing material. (...)
Reasons for wearing material. (...)
91
257449
4321
04:33
Poem 2: A wounded deer leaps
highest, / I've heard the daffodil
highest, / I've heard the daffodil
92
261794
3918
Poema 2: Um cervo salta mais alto, /
Eu escutei o narciso
Eu escutei o narciso
Eu escutei a bandeira hoje /
Eu escutei o caçador dizer; /
Eu escutei o caçador dizer; /
04:37
I've heard the flag to-day /
I've heard the hunter tell; /
I've heard the hunter tell; /
93
265736
3446
Isso mas o êxtase da morte, /
E então o freio está quase pronto (...)
E então o freio está quase pronto (...)
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
Acabou o tempo.
04:44
OK, time is up.
95
272932
1599
04:46
So hands up if you think Poem 1
was written by a human.
was written by a human.
96
274555
3837
Levantem a mão se vocês acham
que o poema 1 foi escrito por um humano.
que o poema 1 foi escrito por um humano.
Levantem a mão se vocês acham
que o poema 2 foi escrito por um humano.
que o poema 2 foi escrito por um humano.
04:51
Hands up if you think Poem 2
was written by a human.
was written by a human.
97
279973
3038
Uau, tem muito mais gente.
04:55
Whoa, that's a lot more people.
98
283035
2331
04:58
So you'd be surprised to find that Poem 1
99
286327
2968
Vocês ficariam surpresos
de saber que o poema 1
de saber que o poema 1
foi escrito pela poetisa
muito humana Gertrude Stein.
muito humana Gertrude Stein.
05:01
was written by the very
human poet Gertrude Stein.
human poet Gertrude Stein.
100
289319
3993
05:06
And Poem 2 was generated
by an algorithm called RKCP.
by an algorithm called RKCP.
101
294100
5038
E o poema 2 foi gerado
por um algoritmo chamado RKCP.
por um algoritmo chamado RKCP.
Agora, antes de continuar, vou descrever
de maneira breve e simples,
de maneira breve e simples,
05:11
Now before we go on, let me describe
very quickly and simply,
very quickly and simply,
102
299162
3319
como funciona o 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
O RKCP é um algoritmo
criado por Ray Kurzweil,
criado por Ray Kurzweil,
que é diretor de engenharia no Google
05:20
who's a director of engineering at Google
105
308747
2222
e acredita firmemente
em inteligência artificial.
em inteligência artificial.
05:22
and a firm believer
in artificial intelligence.
in artificial intelligence.
106
310993
2360
05:25
So, you give RKCP a source text,
107
313822
3991
E nós damos ao RKCP um texto fonte,
ele analisa o texto fonte a fim
de descobrir como a linguagem é usada,
de descobrir como a linguagem é usada,
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
e então regenera linguagem
que emula o primeiro texto.
que emula o primeiro texto.
05:34
and then it regenerates language
109
322330
1948
05:36
that emulates that first text.
110
324302
2528
E no poema que acabamos de ver,
05:38
So in the poem we just saw before,
111
326854
2113
o poema 2, aquele que vocês todos
pensaram que era humano,
pensaram que era humano,
05:40
Poem 2, the one that you all
thought was human,
thought was human,
112
328991
2625
ele recebeu um monte de poemas
05:43
it was fed a bunch of poems
113
331640
1550
de uma poetisa chamada Emily Dickinson,
05:45
by a poet called Emily Dickinson
114
333214
2035
observou a maneira
como ela usa a linguagem,
como ela usa a linguagem,
05:47
it looked at the way she used language,
115
335273
2189
05:49
learned the model,
116
337486
1165
aprendeu o modelo,
05:50
and then it regenerated a model
according to that same structure.
according to that same structure.
117
338675
4258
e então regenerou um modelo de acordo
com aquela mesma estrutura.
com aquela mesma estrutura.
05:56
But the important thing to know about RKCP
118
344732
2178
Mas o importante para saber sobre o RKCP
05:58
is that it doesn't know the meaning
of the words it's using.
of the words it's using.
119
346934
2838
é que ele não sabe o significado
das palavras que está usando.
das palavras que está usando.
A linguagem é só a matéria prima,
06:02
The language is just raw material,
120
350359
2276
poderia ser chinês, poderia ser sueco,
06:04
it could be Chinese,
it could be in Swedish,
it could be in Swedish,
121
352659
2160
poderia ser a linguagem coletada
da sua página do Facebook em um dia.
da sua página do Facebook em um dia.
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
É só matéria prima.
06:11
It's just raw material.
123
359046
1652
06:13
And nevertheless, it's able
to create a poem
to create a poem
124
361380
2697
E mesmo assim, ele é capaz
de criar um poema
de criar um poema
que parece mais humano
do que o poema de Gertrude Stein
do que o poema de Gertrude Stein
06:16
that seems more human
than Gertrude Stein's poem,
than Gertrude Stein's poem,
125
364101
3327
e Gertrude Stein é um ser humano.
06:19
and Gertrude Stein is a human.
126
367452
2153
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
E o que fizemos aqui, é mais ou menos
um teste de Turing inverso.
um teste de Turing inverso.
06:27
So Gertrude Stein, who's a human,
is able to write a poem
is able to write a poem
128
375940
5179
Gertrude Stein, que é um ser humano,
consegue escrever um poema
consegue escrever um poema
que engana a maioria
dos seres humanos a pensar
dos seres humanos a pensar
06:33
that fools a majority
of human judges into thinking
of human judges into thinking
129
381143
3738
que foi escrito por um computador.
06:36
that it was written by a computer.
130
384905
1826
Portanto, de acordo com a lógica
do teste de Turing inverso,
do teste de Turing inverso,
06:39
Therefore, according to the logic
of the reverse Turing test,
of the reverse Turing test,
131
387176
4141
Gertrude Stein é um computador.
06:43
Gertrude Stein is a computer.
132
391341
1916
06:45
(Laughter)
133
393281
1462
(Risos)
06:47
Feeling confused?
134
395358
1294
Parece confuso?
06:49
I think that's fair enough.
135
397193
1515
Acho que vocês têm razão.
Até agora tivemos humanos
que escrevem como humanos,
que escrevem como humanos,
06:51
So far we've had humans
that write like humans,
that write like humans,
136
399546
4116
temos computadores
que escrevem como computadores,
que escrevem como computadores,
06:55
we have computers that write
like computers,
like computers,
137
403686
3111
temos computadores
que escrevem como humanos,
que escrevem como humanos,
06:58
we have computers that write like humans,
138
406821
3055
mas também temos, talvez o mais confuso,
07:01
but we also have,
perhaps most confusingly,
perhaps most confusingly,
139
409900
3632
humanos que escrevem como computadores.
07:05
humans that write like computers.
140
413556
2375
07:08
So what do we take from all of this?
141
416938
1766
E o que aprendemos com isso tudo?
07:11
Do we take that William Blake
is somehow more of a human
is somehow more of a human
142
419611
3157
Aprendemos que William Blake
é de alguma maneira mais humano
é de alguma maneira mais humano
do que Gertrude Stein?
07:14
than Gertrude Stein?
143
422792
1249
07:16
Or that Gertrude Stein is more
of a computer than William Blake?
of a computer than William Blake?
144
424065
3046
Ou que Gertrude Stein é mais computador
do que William Blake?
do que William Blake?
(Risos)
07:19
(Laughter)
145
427135
1552
Essas são perguntas
que eu venho me fazendo
que eu venho me fazendo
07:20
These are questions
I've been asking myself
I've been asking myself
146
428711
2323
há uns dois anos,
07:23
for around two years now,
147
431058
1465
e eu não tenho respostas.
07:24
and I don't have any answers.
148
432547
2309
Mas o que eu tenho são várias descobertas
07:26
But what I do have are a bunch of insights
149
434880
2330
07:29
about our relationship with technology.
150
437234
2534
sobre nosso relacionamento
com a tecnologia.
com a tecnologia.
07:32
So my first insight is that,
for some reason,
for some reason,
151
440999
3609
E minha primeira descoberta
é que, por alguma razão,
é que, por alguma razão,
nós associamos a poesia com ser humano.
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
Tanto que quando perguntamos:
"Um computador consegue escrever poesia?"
"Um computador consegue escrever poesia?"
também perguntamos:
"O que significa ser humano
"O que significa ser humano
07:43
we're also asking,
154
451936
1193
07:45
"What does it mean to be human
155
453153
1798
e como definimos limites
para essa categoria?
para essa categoria?
07:46
and how do we put boundaries
around this category?
around this category?
156
454975
3172
Como definimos quem ou o que
pode ser parte dessa categoria?"
pode ser parte dessa categoria?"
07:50
How do we say who or what
can be part of this category?"
can be part of this category?"
157
458171
3658
07:54
This is an essentially
philosophical question, I believe,
philosophical question, I believe,
158
462376
3351
Essa é uma pergunta essencialmente
filosófica, acredito eu,
filosófica, acredito eu,
e não pode ser respondida
com um teste sim ou não,
com um teste sim ou não,
07:57
and it can't be answered
with a yes or no test,
with a yes or no test,
159
465751
2229
como o teste de Turing.
08:00
like the Turing test.
160
468004
1327
08:01
I also believe that Alan Turing
understood this,
understood this,
161
469805
3045
Eu também acredito
que Alan Turing entendia isso,
que Alan Turing entendia isso,
e quando ele criou seu teste em 1950,
08:04
and that when he devised
his test back in 1950,
his test back in 1950,
162
472874
3305
ele o fazia como
uma provocação filosófica.
uma provocação filosófica.
08:08
he was doing it
as a philosophical provocation.
as a philosophical provocation.
163
476203
2802
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
E minha segunda descoberta é que, quando
fazemos o teste de Turing para poesia,
fazemos o teste de Turing para poesia,
não estamos realmente testando
a capacidade dos computadores,
a capacidade dos computadores,
08:18
we're not really testing
the capacity of the computers
the capacity of the computers
165
486689
3460
porque algoritmos de geração de poesia
08:22
because poetry-generating algorithms,
166
490173
2893
08:25
they're pretty simple and have existed,
more or less, since the 1950s.
more or less, since the 1950s.
167
493090
4563
são bem simples e já existem
mais ou menos desde a década de 1950.
mais ou menos desde a década de 1950.
08:31
What we are doing with the Turing
test for poetry, rather,
test for poetry, rather,
168
499055
3118
O que estamos fazendo com o teste
de Turing para poesia, melhor,
de Turing para poesia, melhor,
é coletar opiniões sobre
o que constitui a natureza humana.
o que constitui a natureza humana.
08:34
is collecting opinions about what
constitutes humanness.
constitutes humanness.
169
502197
4615
08:40
So, what I've figured out,
170
508313
2729
E o que eu compreendi,
nós vimos isso hoje mais cedo,
08:43
we've seen this when earlier today,
171
511066
2972
quando dissemos que
William Blake é mais humano
William Blake é mais humano
08:46
we say that William Blake
is more of a human
is more of a human
172
514062
2478
do que Gertrude Stein.
08:48
than Gertrude Stein.
173
516564
1565
Claro que isso não significa
que William Blake
que William Blake
08:50
Of course, this doesn't mean
that William Blake
that William Blake
174
518153
2462
era realmente mais humano
08:52
was actually more human
175
520639
1828
ou que Gertrude Stein
era mais computador.
era mais computador.
08:54
or that Gertrude Stein
was more of a computer.
was more of a computer.
176
522491
2327
08:57
It simply means that the category
of the human is unstable.
of the human is unstable.
177
525533
4714
Simplesmente significa
que a categoria de humano é instável.
que a categoria de humano é instável.
09:03
This has led me to understand
178
531450
2074
E isso me levou a entender
que o ser humano
não é um fato frio e duro.
não é um fato frio e duro.
09:05
that the human is not a cold, hard fact.
179
533548
2763
Mas sim, é algo construído
com nossas opiniões
com nossas opiniões
09:08
Rather, it is something
that's constructed with our opinions
that's constructed with our opinions
180
536832
3132
e algo que muda com o tempo.
09:11
and something that changes over time.
181
539988
2855
09:16
So my final insight is that
the computer, more or less,
the computer, more or less,
182
544671
4479
E minha descoberta final é que
o computador, mais ou menos,
o computador, mais ou menos,
funciona como um espelho
que reflete qualquer noção de humano
que reflete qualquer noção de humano
09:21
works like a mirror
that reflects any idea of a human
that reflects any idea of a human
183
549174
4006
que lhe mostramos.
09:25
that we show it.
184
553204
1375
Nós lhe mostramos Emily Dickinson,
09:26
We show it Emily Dickinson,
185
554958
1884
09:28
it gives Emily Dickinson back to us.
186
556866
2321
ele nos devolve Emily Dickinson.
Nós lhe mostramos William Blake,
09:31
We show it William Blake,
187
559768
1834
é isso que ele reflete de volta para nós.
09:33
that's what it reflects back to us.
188
561626
2285
Nós lhe mostramos Gertrude Stein,
09:35
We show it Gertrude Stein,
189
563935
1839
09:37
what we get back is Gertrude Stein.
190
565798
2470
e o que recebemos é Gertrude Stein.
09:41
More than any other bit of technology,
191
569083
2368
Mais do que qualquer pedaço de tecnologia,
09:43
the computer is a mirror that reflects
any idea of the human we teach it.
any idea of the human we teach it.
192
571475
5165
o computador é um espelho que reflete
a noção de humano que lhe mostramos.
a noção de humano que lhe mostramos.
09:50
So I'm sure a lot of you have been hearing
193
578061
2287
Tenho certeza de que vários
de vocês vêm escutando
de vocês vêm escutando
09:52
a lot about artificial
intelligence recently.
intelligence recently.
194
580372
2862
muito sobre inteligência
artificial recentemente.
artificial recentemente.
09:56
And much of the conversation is,
195
584694
2830
E muito do que se fala é:
10:00
can we build it?
196
588292
1189
será que conseguimos construí-la?
Será que conseguimos construir
um computador inteligente?
um computador inteligente?
10:02
Can we build an intelligent computer?
197
590383
3135
Será que conseguimos construir
um computador criativo?
um computador criativo?
10:05
Can we build a creative computer?
198
593542
2763
O que parece que estamos
perguntando repetidamente
perguntando repetidamente
10:08
What we seem to be asking over and over
199
596329
2113
10:10
is can we build a human-like computer?
200
598466
2724
é será que conseguimos construir
um computador que pareça humano?
um computador que pareça humano?
10:13
But what we've seen just now
201
601961
1556
Mas o que acabamos de ver
10:15
is that the human
is not a scientific fact,
is not a scientific fact,
202
603541
3088
é que o ser humano
não é um fato científico,
não é um fato científico,
10:18
that it's an ever-shifting,
concatenating idea
concatenating idea
203
606653
3530
que é uma ideia em constante
mudança e concatenação
mudança e concatenação
e que muda com o tempo.
10:22
and one that changes over time.
204
610207
2531
10:24
So that when we begin
to grapple with the ideas
to grapple with the ideas
205
612762
3152
Tanto que quando começamos
a nos agarrar à ideia
a nos agarrar à ideia
de inteligência artificial no futuro,
10:27
of artificial intelligence in the future,
206
615938
2386
não deveríamos somente nos perguntar:
10:30
we shouldn't only be asking ourselves,
207
618348
1905
"Será que conseguimos construir?"
10:32
"Can we build it?"
208
620277
1368
10:33
But we should also be asking ourselves,
209
621669
1894
Mas também deveríamos nos perguntar:
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
"Que noção de humano gostaríamos
de receber refletida para nós?"
de receber refletida para nós?"
10:39
This is an essentially philosophical idea,
211
627820
2693
Essa é uma ideia
essencialmente filosófica,
essencialmente filosófica,
e uma que não pode ser respondida
somente com software,
somente com software,
10:42
and it's one that can't be answered
with software alone,
with software alone,
212
630537
2997
mas acho que exige um momento
de reflexão existencial para uma espécie.
de reflexão existencial para uma espécie.
10:45
but I think requires a moment
of species-wide, existential reflection.
of species-wide, existential reflection.
213
633558
4977
Obrigado.
10:51
Thank you.
214
639040
1153
10:52
(Applause)
215
640217
2695
(Aplausos)
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