TED2016
R. Luke DuBois: Insightful human portraits made from data
R. Luke DuBois: Esclarecedores retratos humanos feitos com dados
Filmed:
Readability: 3.9
1,338,549 views
O artista R. Luke DuBois cria retratos únicos de presidentes, cidades, dele mesmo e até mesmo Britney Spears usando dados e personalidade. Nesta palestra, ele compartilha nove projetos: desde mapas nacionais construídos com informação de milhões de perfis de sites de encontros até uma arma que dispara em falso sempre que um tiroteio é relatado em New Orleans. Seu argumento: a maneira como usamos tecnologia reflete em nós e em nossa cultura, e nós reduzimos outros a pontos de dados por nossa conta e risco.
R. Luke DuBois - Artist, composer, engineer
R. Luke DuBois weaves information from a multitude of sources into art and music exploring the tensions between algorithms, portraiture and temporal space. Full bio
R. Luke DuBois weaves information from a multitude of sources into art and music exploring the tensions between algorithms, portraiture and temporal space. Full bio
Double-click the English transcript below to play the video.
00:12
So I'm an artist,
0
884
1748
Eu sou artista,
00:14
but a little bit of a peculiar one.
1
2656
1706
mas um de certa forma peculiar.
00:16
I don't paint.
2
4386
1483
Eu não pinto.
00:18
I can't draw.
3
6434
1284
Não sei desenhar.
00:20
My shop teacher in high school
wrote that I was a menace
wrote that I was a menace
4
8153
3100
Meu professor de artes no ensino médio
anotou no meu boletim
anotou no meu boletim
00:24
on my report card.
5
12122
1321
que eu era uma ameaça.
00:25
You probably don't really
want to see my photographs.
want to see my photographs.
6
13953
3599
Vocês não vão querer
ver minhas fotografias.
ver minhas fotografias.
00:29
But there is one thing I know how to do:
7
17991
1965
Mas tem uma coisa que eu sei fazer:
00:31
I know how to program a computer.
8
19980
1659
eu sei programar um computador.
00:33
I can code.
9
21663
1212
Eu sei escrever código.
00:34
And people will tell me
that 100 years ago,
that 100 years ago,
10
22899
3273
E as pessoas me dizem que há 100 anos,
00:38
folks like me didn't exist,
11
26196
1350
gente como eu não existia,
00:39
that it was impossible,
12
27570
2090
que era impossível,
00:41
that art made with data is a new thing,
13
29684
2950
que arte feita com dados é uma coisa nova,
00:44
it's a product of our age,
14
32658
2142
é um produto da nossa era,
00:46
it's something that's really important
15
34824
1887
é algo que realmente deve ser
00:48
to think of as something
that's very "now."
that's very "now."
16
36735
2078
considerado como algo do "agora".
00:50
And that's true.
17
38837
1168
E é verdade.
00:52
But there is an art form
that's been around for a very long time
that's been around for a very long time
18
40029
4110
Mas há um tipo de arte
que existe há muito tempo
que existe há muito tempo
00:56
that's really about using information,
19
44163
1871
em que trata-se de usar informação,
00:58
abstract information,
20
46058
2086
informação abstrata,
01:00
to make emotionally resonant pieces.
21
48168
2539
para criar obras
emocionalmente ressonantes.
emocionalmente ressonantes.
01:03
And it's called music.
22
51080
1408
E chama-se música.
01:05
We've been making music
for tens of thousands of years, right?
for tens of thousands of years, right?
23
53632
3872
Criamos música há dezenas
de milhares de anos, certo?
de milhares de anos, certo?
01:09
And if you think about what music is --
24
57528
1960
E se pensarmos no que é a música:
01:11
notes and chords and keys
and harmonies and melodies --
and harmonies and melodies --
25
59512
2824
notas e acordes e teclas
e harmonias e melodias,
e harmonias e melodias,
01:14
these things are algorithms.
26
62360
1406
essas coisas são algoritmos.
01:15
These things are systems
27
63790
1827
Essas coisas são sistemas
01:17
that are designed to unfold over time,
28
65641
2384
projetados para revelar-se com o tempo,
01:20
to make us feel.
29
68049
1457
para fazer-nos sentir.
01:22
I came to the arts through music.
30
70195
1612
Eu cheguei às artes pela música.
01:23
I was trained as a composer,
31
71831
1388
Sou formado em composição,
01:25
and about 15 years ago,
I started making pieces
I started making pieces
32
73243
3282
e cerca de 15 anos atrás,
comecei a criar obras
comecei a criar obras
01:28
that were designed to look
at the intersection
at the intersection
33
76549
2535
projetadas para olhar para a interseção
01:31
between sound and image,
34
79108
1904
entre som e imagem,
01:33
to use an image to unveil
a musical structure
a musical structure
35
81036
2832
para usar uma imagem
para revelar uma estrutura musical
para revelar uma estrutura musical
01:35
or to use a sound to show you
something interesting
something interesting
36
83892
2864
ou usar um som para mostrar
algo interessante
algo interessante
01:38
about something that's usually pictorial.
37
86780
2000
sobre algo que geralmente é pictórico.
01:40
So what you're seeing on the screen
is literally being drawn
is literally being drawn
38
88804
3467
O que vocês veem na tela
está sendo literalmente desenhado
está sendo literalmente desenhado
01:44
by the musical structure
of the musicians onstage,
of the musicians onstage,
39
92295
2942
pela estrutura musical
dos músicos no palco,
dos músicos no palco,
01:47
and there's no accident
that it looks like a plant,
that it looks like a plant,
40
95261
2532
e não é por acaso
que se parece com uma planta,
que se parece com uma planta,
01:49
because the underlying
algorithmic biology of the plant
algorithmic biology of the plant
41
97817
3339
porque a biologia algorítmica
subjacente da planta
subjacente da planta
01:53
is what informed the musical structure
in the first place.
in the first place.
42
101180
3311
foi o que informou
a estrutura musical a princípio.
a estrutura musical a princípio.
E uma vez que você saiba
fazer isso, criar código com mídia,
fazer isso, criar código com mídia,
01:56
So once you know how to do this,
once you know how to code with media,
once you know how to code with media,
43
104515
3404
01:59
you can do some pretty cool stuff.
44
107943
2088
você consegue criar coisas muito legais.
02:02
This is a project I did
for the Sundance Film Festival.
for the Sundance Film Festival.
45
110055
3477
Este é um projeto que eu fiz
para o Festival Sundance de Cinema.
para o Festival Sundance de Cinema.
02:05
Really simple idea: you take
every Academy Award Best Picture,
every Academy Award Best Picture,
46
113905
4004
Uma ideia bem simples: você pega
cada vencedor do Oscar de Melhor Filme,
cada vencedor do Oscar de Melhor Filme,
02:11
you speed it up to one minute each
47
119178
2361
acelera-os para terem um minuto cada
02:13
and string them all together.
48
121563
1581
e os conecta.
02:15
And so in 75 minutes, I can show you
the history of Hollywood cinema.
the history of Hollywood cinema.
49
123168
3911
Assim em 75 minutos, eu consigo
mostrar a história do cinema de Hollywood.
mostrar a história do cinema de Hollywood.
02:19
And what it really shows you
is the history of editing
is the history of editing
50
127592
2979
E o que ele realmente mostra
é a história da edição
é a história da edição
02:22
in Hollywood cinema.
51
130595
1181
no cinema de Hollywood.
02:23
So on the left, we've got Casablanca;
on the right, we've got Chicago.
on the right, we've got Chicago.
52
131800
4148
À esquerda, temos Casablanca;
à direita, temos Chicago.
à direita, temos Chicago.
02:27
And you can see that Casablanca
is a little easier to read.
is a little easier to read.
53
135972
2924
E dá para ver que Casablanca
é um pouco mais fácil de ler.
é um pouco mais fácil de ler.
02:30
That's because the average length
of a cinematic shot in the 1940s
of a cinematic shot in the 1940s
54
138920
3332
Porque o comprimento médio
de um plano cinematográfico nos anos 40
de um plano cinematográfico nos anos 40
02:34
was 26 seconds,
55
142276
1639
era 26 segundos,
02:35
and now it's around six seconds.
56
143939
2028
e agora é cerca de seis segundos.
02:38
This is a project that was inspired
57
146999
1744
Esse projeto foi inspirado
02:40
by some work that was funded
by the US Federal Government
by the US Federal Government
58
148767
2944
por trabalhos financiados
pelo Governo Federal dos EUA
pelo Governo Federal dos EUA
02:43
in the early 2000s,
59
151735
1169
no início dos anos 2000,
02:44
to look at video footage and find
a specific actor in any video.
a specific actor in any video.
60
152928
5828
para olhar cenas de um vídeo e encontrar
um ator específico em qualquer vídeo.
um ator específico em qualquer vídeo.
02:51
And so I repurposed this code
to train a system on one person
to train a system on one person
61
159605
4676
E eu ajustei esse código para treinar
o sistema em uma pessoa
o sistema em uma pessoa
02:56
in our culture who would never need
to be surveilled in that manner,
to be surveilled in that manner,
62
164305
3847
em nossa cultura que nunca
precisaria ser vigiada,
precisaria ser vigiada,
03:00
which is Britney Spears.
63
168176
1527
que é a Britney Spears.
03:01
I downloaded 2,000 paparazzi
photos of Britney Spears
photos of Britney Spears
64
169727
3492
Eu baixei 2 mil fotos
de paparazzi da Britney Spears
de paparazzi da Britney Spears
03:05
and trained my computer to find her face
65
173243
2476
e treinei meu computador
para encontrar o rosto dela
para encontrar o rosto dela
03:07
and her face alone.
66
175743
1381
e somente o dela.
03:09
I can run any footage of her through it
and will center her eyes in the frame,
and will center her eyes in the frame,
67
177148
4276
eu posso rodar qualquer gravação dela
e ele vai centralizar seus olhos na tela,
e ele vai centralizar seus olhos na tela,
03:13
and this sort of is a little
double commentary
double commentary
68
181448
2176
e isso é um tipo de comentário duplo
03:15
about surveillance in our society.
69
183648
2024
sobre vigilância em nossa sociedade.
03:17
We are very fraught with anxiety
about being watched,
about being watched,
70
185696
2992
Estamos cheios de ansiedade
sobre sermos vigiados,
sobre sermos vigiados,
03:20
but then we obsess over celebrity.
71
188712
2599
mas aí ficamos obcecados com celebridades.
03:24
What you're seeing on the screen here
is a collaboration I did
is a collaboration I did
72
192219
3730
O que vocês veem na tela aqui
é uma colaboração que eu fiz
é uma colaboração que eu fiz
03:27
with an artist named Lián Amaris.
73
195973
2556
com um artista chamado Lián Amaris.
03:30
What she did is very simple
to explain and describe,
to explain and describe,
74
198553
3874
O que ela fez é bem simples
de descrever e explicar,
de descrever e explicar,
03:34
but very hard to do.
75
202451
1232
mas difícil de fazer.
03:35
She took 72 minutes of activity,
76
203707
2851
Ela pegou 72 minutos de atividade,
03:39
getting ready for a night out on the town,
77
207208
2573
preparando-se para sair à noite na cidade,
03:41
and stretched it over three days
78
209805
2089
e os estendeu por três dias
03:43
and performed it on a traffic island
in slow motion in New York City.
in slow motion in New York City.
79
211918
3588
e os executou em uma rotatória
em câmera lenta em Nova Iorque.
em câmera lenta em Nova Iorque.
03:47
I was there, too, with a film crew.
80
215949
2219
Eu também estava lá
com uma equipe de gravação.
com uma equipe de gravação.
03:50
We filmed the whole thing,
81
218192
1252
Nós gravamos tudo,
03:51
and then we reversed the process,
speeding it up to 72 minutes again,
speeding it up to 72 minutes again,
82
219468
3401
E revertemos o processo,
acelerando-o para 72 minutos,
acelerando-o para 72 minutos,
03:54
so it looks like she's moving normally
83
222893
1894
e parece que ela se move normalmente
03:56
and the whole world is flying by.
84
224811
1832
e o mundo está correndo em volta.
03:59
At a certain point, I figured out
85
227091
2576
Em um certo ponto, eu reparei
04:01
that what I was doing
was making portraits.
was making portraits.
86
229691
2667
que o que eu estava fazendo
era criar retratos.
era criar retratos.
04:05
When you think about portraiture,
you tend to think about stuff like this.
you tend to think about stuff like this.
87
233500
3562
Quando pensamos sobre retratos
costumamos pensar em coisas assim.
costumamos pensar em coisas assim.
04:09
The guy on the left
is named Gilbert Stuart.
is named Gilbert Stuart.
88
237086
2063
O cara à esquerda se chama Gilbert Stuart.
04:11
He's sort of the first real portraitist
of the United States.
of the United States.
89
239173
3064
Ele é o primeiro retratista
dos Estados Unidos.
dos Estados Unidos.
04:14
And on the right is his portrait
of George Washington from 1796.
of George Washington from 1796.
90
242261
3225
E à direita, seu retrato
de George Washington de 1796.
de George Washington de 1796.
04:17
This is the so-called Lansdowne portrait.
91
245510
2198
Esse é conhecido como
o retrato de Lansdowne.
o retrato de Lansdowne.
04:19
And if you look at this painting,
there's a lot of symbolism, right?
there's a lot of symbolism, right?
92
247732
3240
E se olharmos essa pintura,
há muito simbolismo, certo?
há muito simbolismo, certo?
04:22
We've got a rainbow out the window.
We've got a sword.
We've got a sword.
93
250996
2660
Há um arco-íris lá fora. Há uma espada.
04:25
We've got a quill on the desk.
94
253680
1455
Há uma pena na mesa.
Todas essas coisas servem para apresentar
04:27
All of these things are meant to evoke
95
255159
1849
George Washington como o pai da nação.
04:29
George Washington
as the father of the nation.
as the father of the nation.
96
257032
2448
04:31
This is my portrait of George Washington.
97
259832
2770
Este é o meu retrato de George Washington.
04:35
And this is an eye chart,
98
263776
3009
E este é um quadro ocular,
04:38
only instead of letters, they're words.
99
266809
2174
mas só que em vez de letras, são palavras.
04:41
And what the words are is the 66 words
100
269713
2702
E são as 66 palavras
04:44
in George Washington's
State of the Union addresses
State of the Union addresses
101
272439
2460
no discurso de George Washington
ao Estado da União
ao Estado da União
04:46
that he uses more
than any other president.
than any other president.
102
274923
2371
usadas mais do que
por qualquer outro presidente.
por qualquer outro presidente.
04:50
So "gentlemen" has its own symbolism
and its own rhetoric.
and its own rhetoric.
103
278020
4202
E "senhores" tem seu próprio simbolismo
e sua própria retórica.
e sua própria retórica.
04:54
And it's really kind of significant
that that's the word he used the most.
that that's the word he used the most.
104
282246
4592
E é bem significativo que essa
é a palavra que ele mais usa.
é a palavra que ele mais usa.
04:58
This is the eye chart for George W. Bush,
105
286862
2119
Este é o quadro ocular
para George W. Bush,
para George W. Bush,
05:01
who was president when I made this piece.
106
289005
2980
que era presidente
quando eu criei essa obra.
quando eu criei essa obra.
05:04
And how you get there,
107
292009
1168
E como chegamos lá,
05:05
from "gentlemen" to "terror"
in 43 easy steps,
in 43 easy steps,
108
293201
3452
de "senhores" até "terror"
em 43 passos simples,
em 43 passos simples,
05:08
tells us a lot about American history,
109
296677
2060
nos diz muito sobre a história americana,
05:10
and gives you a different insight
110
298761
1587
e te dá uma visão diferente
05:12
than you would have
looking at a series of paintings.
looking at a series of paintings.
111
300372
2937
do que teria olhando
uma séria de pinturas.
uma séria de pinturas.
05:15
These pieces provide a history lesson
of the United States
of the United States
112
303333
3934
Essas obras oferecem uma lição
de história dos Estados Unidos
de história dos Estados Unidos
05:19
through the political
rhetoric of its leaders.
rhetoric of its leaders.
113
307291
2256
através da retórica
política de seus líderes.
política de seus líderes.
05:21
Ronald Reagan spent a lot of time
talking about deficits.
talking about deficits.
114
309571
2964
Ronald Reagan passou muito tempo
falando sobre deficits.
falando sobre deficits.
05:25
Bill Clinton spent a lot of time
115
313135
1565
Bill Clinton passou muito tempo
05:26
talking about the century in which
he would no longer be president,
he would no longer be president,
116
314724
3284
falando sobre o século quando
ele não seria mais presidente,
ele não seria mais presidente,
mas talvez sua esposa seria.
05:30
but maybe his wife would be.
117
318032
1611
05:33
Lyndon Johnson was the first President
118
321148
2636
Lyndon Johnson foi o primeiro presidente
a dar seu discurso ao Estado da União
em horário nobre na TV;
em horário nobre na TV;
05:35
to give his State of the Union addresses
on prime-time television;
on prime-time television;
119
323808
3182
ele iniciou todos
os parágrafos com "hoje".
os parágrafos com "hoje".
05:39
he began every paragraph
with the word "tonight."
with the word "tonight."
120
327014
2340
E Richard Nixon, ou mais
precisamente, seu redator,
precisamente, seu redator,
05:41
And Richard Nixon,
or more accurately, his speechwriter,
or more accurately, his speechwriter,
121
329378
2666
05:44
a guy named William Safire,
122
332068
1328
chamado William Safire,
05:45
spent a lot of time
thinking about language
thinking about language
123
333420
2048
passou muito tempo pensando em linguagem
05:47
and making sure that his boss
portrayed a rhetoric of honesty.
portrayed a rhetoric of honesty.
124
335492
3933
e garantindo que seu chefe representasse
uma retórica de honestidade.
uma retórica de honestidade.
Esse projeto se apresenta
como uma série de esculturas monolíticas.
como uma série de esculturas monolíticas.
05:51
This project is shown
as a series of monolithic sculptures.
as a series of monolithic sculptures.
125
339449
2902
05:54
It's an outdoor series of light boxes.
126
342375
2448
É uma série externa de caixas de luz.
05:56
And it's important to note
that they're to scale,
that they're to scale,
127
344847
2430
E é importante notar que estão em escala,
05:59
so if you stand 20 feet back and you can
read between those two black lines,
read between those two black lines,
128
347301
3614
se você estiver a seis metros
e conseguir ler entre as duas linhas,
e conseguir ler entre as duas linhas,
sua visão é 20/20.
06:02
you have 20/20 vision.
129
350939
1151
06:04
(Laughter)
130
352114
1038
(Risos)
Este é um retrato. E há vários desses.
06:05
This is a portrait.
And there's a lot of these.
And there's a lot of these.
131
353176
2305
06:07
There's a lot of ways
to do this with data.
to do this with data.
132
355505
3262
Há várias maneiras
de fazer isso com dados.
de fazer isso com dados.
06:10
I started looking for a way
133
358791
1620
Eu comecei a buscar uma maneira
06:12
to think about how I can do
a more democratic form of portraiture,
a more democratic form of portraiture,
134
360435
4705
de pensar como eu posso criar
uma forma mais democrática de retratos,
uma forma mais democrática de retratos,
06:17
something that's more about
my country and how it works.
my country and how it works.
135
365164
4231
algo que seja mais sobre meu país
e como ele funciona.
e como ele funciona.
06:21
Every 10 years, we make a census
in the United States.
in the United States.
136
369419
3801
De dez em dez anos, nós fazemos
um censo nos Estados Unidos.
um censo nos Estados Unidos.
06:25
We literally count people,
137
373244
1458
Literalmente contamos as pessoas,
06:27
find out who lives where,
what kind of jobs we've got,
what kind of jobs we've got,
138
375306
3144
descobrimos quem vive onde,
que tipos de emprego temos,
que tipos de emprego temos,
06:30
the language we speak at home.
139
378474
1477
a língua que falamos em casa.
06:31
And this is important stuff --
really important stuff.
really important stuff.
140
379975
2571
E isso é importante, realmente importante.
06:34
But it doesn't really tell us who we are.
141
382570
2233
Mas não nos diz realmente quem somos.
06:36
It doesn't tell us about our dreams
and our aspirations.
and our aspirations.
142
384827
2671
Não nos diz sobre
nossos sonhos e aspirações.
nossos sonhos e aspirações.
06:39
And so in 2010, I decided
to make my own census.
to make my own census.
143
387522
3390
E assim em 2010, eu decidi
fazer meu próprio censo.
fazer meu próprio censo.
06:42
And I started looking for a corpus of data
144
390936
3320
E comecei a buscar um corpus de dados
06:46
that had a lot of descriptions
written by ordinary Americans.
written by ordinary Americans.
145
394280
3112
que tivesse várias descrições
escritas por americanos comuns.
escritas por americanos comuns.
E pelo jeito
06:49
And it turns out
146
397416
1151
há um corpus dese tipo
06:50
that there is such a corpus of data
147
398591
1742
que está lá para ser usado.
06:52
that's just sitting there for the taking.
148
400357
1984
Chama-se encontros online.
06:54
It's called online dating.
149
402365
1326
06:56
So in 2010, I joined 21 different
online dating services,
online dating services,
150
404574
4946
Em 2010, eu me registrei
em 21 serviços de encontros online,
em 21 serviços de encontros online,
07:01
as a gay man, a straight man,
a gay woman and a straight woman,
a gay woman and a straight woman,
151
409544
3100
como homem gay, homem hétero,
mulher gay e mulher hétero,
mulher gay e mulher hétero,
07:04
in every zip code in America
152
412668
1617
em cada localidade nos EUA
07:06
and downloaded about
19 million people's dating profiles --
19 million people's dating profiles --
153
414309
3185
e baixei cerca de 19 milhões
de perfis de pessoas;
de perfis de pessoas;
07:09
about 20 percent of the adult population
of the United States.
of the United States.
154
417518
3232
cerca de 20% da população
adulta dos Estados Unidos.
adulta dos Estados Unidos.
Eu tenho distúrbio obsessivo-compulsivo.
07:13
I have obsessive-compulsive disorder.
155
421241
1819
Isso vai ficar muito óbvio, me acompanhem.
07:15
This is going to become
really freaking obvious. Just go with me.
really freaking obvious. Just go with me.
156
423084
3101
(Risos)
07:18
(Laughter)
157
426209
1142
07:19
So what I did was I sorted
all this stuff by zip code.
all this stuff by zip code.
158
427375
3039
E o que eu fiz foi organizar
tudo por localidade.
tudo por localidade.
07:23
And I looked at word analysis.
159
431922
1491
E fiz uma análise de palavras.
07:25
These are some dating profiles from 2010
160
433437
2673
Aqui alguns perfis de 2010
07:28
with the word "lonely" highlighted.
161
436134
2095
com a palavra "solitário" enfatizada.
07:30
If you look at these things
topographically,
topographically,
162
438253
2981
Se olharmos essas coisas topograficamente,
07:33
if you imagine dark colors to light colors
are more use of the word,
are more use of the word,
163
441258
3500
se imaginarmos que cores mais escuras
são palavras mais usadas,
são palavras mais usadas,
07:36
you can see that Appalachia
is a pretty lonely place.
is a pretty lonely place.
164
444782
4301
dá para ver que Appalachia
é um lugar bem solitário.
é um lugar bem solitário.
07:41
You can also see
that Nebraska ain't that funny.
that Nebraska ain't that funny.
165
449979
4947
Também dá para ver que Nebraska
não é tão engraçado.
não é tão engraçado.
07:48
This is the kinky map,
so what this is showing you
so what this is showing you
166
456385
3655
Esse é o mapa da perversão,
e o que ele mostra
e o que ele mostra
07:54
is that the women in Alaska
need to get together
need to get together
167
462033
3103
é que as mulheres do Alaska
precisam se encontrar
precisam se encontrar
07:57
with the men in southern New Mexico,
168
465160
1775
com os homens do sul do Novo México,
07:58
and have a good time.
169
466959
1340
e se divertir.
08:00
And I have this
at a pretty granular level,
at a pretty granular level,
170
468323
2866
E eu fiz num nível bem granular,
08:03
so I can tell you that the men
in the eastern half of Long Island
in the eastern half of Long Island
171
471213
3107
assim eu posso dizer que os homens
na parte leste de Long Island
na parte leste de Long Island
08:06
are way more interested in being spanked
172
474344
1926
estão muito mais interessados em apanhar
08:08
than men in the western half
of Long Island.
of Long Island.
173
476294
2225
do que os homens
na parte oeste de Long Island.
na parte oeste de Long Island.
08:11
This will be your one takeaway
from this whole conference.
from this whole conference.
174
479851
2850
Essa vai ser a lição que vocês
vão levar dessa conferência.
vão levar dessa conferência.
08:14
You're going to remember
that fact for, like, 30 years.
that fact for, like, 30 years.
175
482725
2740
Vão lembrar-se desses fatos por 30 anos.
08:17
(Laughter)
176
485489
2832
(Risos)
08:20
When you bring this down
to a cartographic level,
to a cartographic level,
177
488655
2423
Quando colocamos a nível cartográfico,
08:23
you can make maps and do the same trick
I was doing with the eye charts.
I was doing with the eye charts.
178
491102
3454
dá para criar mapas e usar os truques
dos quadros oculares.
dos quadros oculares.
Podemos substituir o nome
de cada cidade nos Estados Unidos
de cada cidade nos Estados Unidos
08:26
You can replace the name
of every city in the United States
of every city in the United States
179
494580
2817
com a palavra que se usa mais
ali do que em outros lugares.
ali do que em outros lugares.
08:29
with the word people use more
in that city than anywhere else.
in that city than anywhere else.
180
497421
2992
Se você já namorou alguém de Seattle,
faz todo o sentido.
faz todo o sentido.
08:32
If you've ever dated anyone
from Seattle, this makes perfect sense.
from Seattle, this makes perfect sense.
181
500437
3229
Temos "bonito". Temos "coração partido".
08:35
You've got "pretty."
You've got "heartbreak."
You've got "heartbreak."
182
503690
2702
08:38
You've got "gig." You've got "cigarette."
183
506416
2415
Temos "show". Temos "cigarros".
Eles têm uma banda e fumam.
08:40
They play in a band and they smoke.
184
508855
2026
08:43
And right above that you can see "email."
185
511604
1984
E logo acima podemos ver "email".
Isso é Redmond, Washington,
08:45
That's Redmond, Washington,
186
513612
1306
08:46
which is the headquarters
of the Microsoft Corporation.
of the Microsoft Corporation.
187
514942
2595
que é a sede da Microsoft Corporation.
Alguns dá para adivinhar:
Los Angeles é "ator"
Los Angeles é "ator"
08:49
Some of these you can guess --
so, Los Angeles is "acting"
so, Los Angeles is "acting"
188
517561
2824
08:52
and San Francisco is "gay."
189
520409
1618
e San Francisco é "gay".
08:54
Some are a little bit more heartbreaking.
190
522051
1992
Alguns são mais tristes.
08:56
In Baton Rouge, they talk
about being curvy;
about being curvy;
191
524067
2081
Em Baton Rouge fala-se sobre ter curvas;
08:58
downstream in New Orleans,
they still talk about the flood.
they still talk about the flood.
192
526172
2887
mais abaixo em Nova Orleans,
ainda se fala da inundação.
ainda se fala da inundação.
09:01
Folks in the American capital
will say they're interesting.
will say they're interesting.
193
529083
2805
Gente na capital americana
dizem que são interessantes.
dizem que são interessantes.
09:03
People in Baltimore, Maryland,
will say they're afraid.
will say they're afraid.
194
531912
2777
Pessoas em Baltimore, Maryland,
dizem que têm medo.
dizem que têm medo.
09:06
This is New Jersey.
195
534713
1537
Este é New Jersey.
09:08
I grew up somewhere
between "annoying" and "cynical."
between "annoying" and "cynical."
196
536274
2689
Eu cresci ali entre "chato" e "cínico".
09:10
(Laughter) (Applause)
197
538987
4239
(Risos) (Aplausos)
09:15
And New York City's
number one word is "now,"
number one word is "now,"
198
543250
2657
E a palavra número um
em Nova Iorque é "agora",
em Nova Iorque é "agora",
09:17
as in, "Now I'm working as a waiter,
but actually I'm an actor."
but actually I'm an actor."
199
545931
3246
como em: "Agora trabalho como garçom,
mas na verdade sou ator."
mas na verdade sou ator."
09:21
(Laughter)
200
549201
1098
(Risos)
09:22
Or, "Now I'm a professor of engineering
at NYU, but actually I'm an artist."
at NYU, but actually I'm an artist."
201
550323
4295
Ou: "Agora sou professor de engenharia
na NYU, mas na verdade sou artista."
na NYU, mas na verdade sou artista."
09:26
If you go upstate, you see "dinosaur."
202
554642
1925
No resto do estado temos "dinossauro".
Aí é Syracuse.
09:28
That's Syracuse.
203
556591
1151
O melhor restaurante
em Syracuse, Nova Iorque,
em Syracuse, Nova Iorque,
09:29
The best place to eat
in Syracuse, New York,
in Syracuse, New York,
204
557766
2073
09:31
is a Hell's Angels barbecue joint
called Dinosaur Barbecue.
called Dinosaur Barbecue.
205
559863
2794
é uma churrascaria de motoqueiros
chamada Dinosaur Barbecue.
chamada Dinosaur Barbecue.
09:34
That's where you would
take somebody on a date.
take somebody on a date.
206
562681
2222
É aí que você levaria alguém
para um encontro.
para um encontro.
09:36
I live somewhere between "unconditional"
and "midsummer," in Midtown Manhattan.
and "midsummer," in Midtown Manhattan.
207
564927
3806
Eu moro ali entre "incondicional"
e "verão", em Midtown Manhattan.
e "verão", em Midtown Manhattan.
09:40
And this is gentrified North Brooklyn,
208
568757
2047
Esté é o gentrificado Norte do Brooklyn,
09:42
so you've got "DJ" and "glamorous"
and "hipsters" and "urbane."
and "hipsters" and "urbane."
209
570828
3196
aí temos "DJ" e "glamuroso"
e "hipsters" e "urbano".
e "hipsters" e "urbano".
09:46
So that's maybe
a more democratic portrait.
a more democratic portrait.
210
574048
2422
Talvez esse seja um retrato
mais democrático.
mais democrático.
E a ideia era, e se fizéssemos
um mapa de estados vermelhos e azuis
um mapa de estados vermelhos e azuis
09:48
And the idea was, what if we made
red-state and blue-state maps
red-state and blue-state maps
211
576494
3069
baseado no que queremos
fazer sexta à noite?
fazer sexta à noite?
09:51
based on what we want to do
on a Friday night?
on a Friday night?
212
579587
2169
09:53
This is a self-portrait.
213
581780
1507
Esté é um auto-retrato.
09:55
This is based on my email,
214
583770
1257
É baseado em meu email,
09:57
about 500,000 emails sent over 20 years.
215
585051
2969
cerca de 500 mil emails enviados
durante 20 anos.
durante 20 anos.
10:00
You can think of this
as a quantified selfie.
as a quantified selfie.
216
588044
2953
Podemos vê-lo como uma
"selfie" quantificada.
"selfie" quantificada.
10:03
So what I'm doing is running
a physics equation
a physics equation
217
591021
3094
O que eu faço é rodar uma equação física
baseada em meus dados pessoais.
10:06
based on my personal data.
218
594139
1398
10:07
You have to imagine everybody
I've ever corresponded with.
I've ever corresponded with.
219
595561
2743
Imaginamos todo mundo
com quem eu já me correspondi.
com quem eu já me correspondi.
10:10
It started out in the middle
and it exploded with a big bang.
and it exploded with a big bang.
220
598328
3399
Começou no meio
e explodiu com um big bang.
e explodiu com um big bang.
10:13
And everybody has gravity to one another,
221
601751
2178
E todos têm atração por alguém,
atração baseada em o quanto
eles enviaram emails,
eles enviaram emails,
10:15
gravity based on how much
they've been emailing,
they've been emailing,
222
603953
2261
10:18
who they've been emailing with.
223
606238
1508
com quem estavam nos emails.
10:19
And it also does sentimental analysis,
224
607770
1832
E também faz análise sentimental,
se eu disser "eu te amo",
você tem um peso maior para mim.
você tem um peso maior para mim.
10:21
so if I say "I love you,"
you're heavier to me.
you're heavier to me.
225
609626
2289
10:23
And you attract to my email
addresses in the middle,
addresses in the middle,
226
611939
2496
E você é atraído a meu email no centro,
10:26
which act like mainline stars.
227
614459
2095
que funciona como a estrela principal.
10:28
And all the names are handwritten.
228
616578
1785
E todos os nomes estão escritos à mão.
Às vezes usamos esses dados
e funciona com dados em tempo real
e funciona com dados em tempo real
10:30
Sometimes you do this data
and this work with real-time data
and this work with real-time data
229
618917
3708
10:34
to illuminate a specific problem
in a specific city.
in a specific city.
230
622649
2947
para esclarecer um problema específico
numa cidade específica.
numa cidade específica.
10:38
This is a Walther PPK 9mm
semiautomatic handgun
semiautomatic handgun
231
626071
2676
Esta é uma pistola
semiautomática Walther PPK 9mm
semiautomática Walther PPK 9mm
10:40
that was used in a shooting
in the French Quarter of New Orleans
in the French Quarter of New Orleans
232
628771
3031
que foi usada num tiroteio
no French Quarter em Nova Orleans
no French Quarter em Nova Orleans
10:43
about two years ago on Valentine's Day
in an argument over parking.
in an argument over parking.
233
631826
3309
há cerda de dois anos no dia dos namorados
numa briga de estacionamento.
numa briga de estacionamento.
10:47
Those are my cigarettes.
234
635159
1215
Estes são meus cigarros.
10:48
This is the house
where the shooting took place.
where the shooting took place.
235
636398
2275
Esta é a casa onde aconteceu o tiroteio.
10:50
This project involved
a little bit of engineering.
a little bit of engineering.
236
638697
2374
Esse projeto envolveu
um pouco de engenharia.
um pouco de engenharia.
Usei uma corrente de bicicleta
como eixo de câmera,
como eixo de câmera,
10:53
I've got a bike chain
rigged up as a cam shaft,
rigged up as a cam shaft,
237
641095
2215
10:55
with a computer driving it.
238
643334
1316
com um computador guiando-o.
10:56
That computer and the mechanism
are buried in a box.
are buried in a box.
239
644674
2766
O computador e o mecanismo
estão dentro de uma caixa.
estão dentro de uma caixa.
10:59
The gun's on top welded to a steel plate.
240
647464
2214
A arma em cima, soldada à placa de aço.
11:01
There's a wire going
through to the trigger,
through to the trigger,
241
649702
2345
Há um fio que vai até o gatilho,
11:04
and the computer in the box is online.
242
652071
2191
e o computador na caixa está online.
Está escutando ao feed do 911 do
Departamento de Polícia de Nova Orleans,
Departamento de Polícia de Nova Orleans,
11:06
It's listening to the 911 feed
of the New Orleans Police Department,
of the New Orleans Police Department,
243
654286
3233
11:09
so that anytime there's a shooting
reported in New Orleans,
reported in New Orleans,
244
657543
2877
e sempre que há relatos
de tiroteio em nova Orleans,
de tiroteio em nova Orleans,
11:12
(Gunshot sound)
245
660444
1001
(Som de tiro)
11:13
the gun fires.
246
661469
1220
a pistola dispara.
11:15
Now, there's a blank,
so there's no bullet.
so there's no bullet.
247
663300
2350
Mas é um tiro vazio, não tem bala.
11:18
There's big light, big noise
248
666008
2074
Há uma grande luz, grande barulho
11:20
and most importantly, there's a casing.
249
668106
2322
e mais importante, há uma carcaça.
Acontecem cerca de cinco tiroteios
por dia em Nova Orleans,
por dia em Nova Orleans,
11:22
There's about five shootings
a day in New Orleans,
a day in New Orleans,
250
670452
2396
11:24
so over the four months
this piece was installed,
this piece was installed,
251
672872
2341
durante os quatro meses
que a obra ficou instalada,
que a obra ficou instalada,
11:27
the case filled up with bullets.
252
675237
1611
a carcaça se encheu de balas.
11:29
You guys know what this is --
you call this "data visualization."
you call this "data visualization."
253
677642
3734
Vocês sabem o que é isso.
Chamam-no de "visualização dos dados".
Chamam-no de "visualização dos dados".
11:34
When you do it right, it's illuminating.
254
682559
2008
Quando se faz corretamente,
é esclarecedor.
é esclarecedor.
11:36
When you do it wrong, it's anesthetizing.
255
684591
2436
Quando se faz errado, é anestesiante.
11:39
It reduces people to numbers.
256
687656
1655
Reduz pessoas a números.
11:41
So watch out.
257
689335
1411
Então tenham cuidado.
11:44
One last piece for you.
258
692654
1356
Uma última obra para vocês.
11:46
I spent the last summer
as the artist in residence
as the artist in residence
259
694466
2782
Eu passei o último verão
como o artista na residência
como o artista na residência
11:49
for Times Square.
260
697272
1216
na Times Square.
11:50
And Times Square in New York
is literally the crossroads of the world.
is literally the crossroads of the world.
261
698932
3643
E a Times Square em Nova Iorque
é literalmente a intersecção do mundo.
é literalmente a intersecção do mundo.
11:54
One of the things
people don't notice about it
people don't notice about it
262
702599
2177
Uma das coisas que as pessoas não notam
11:56
is it's the most Instagrammed
place on Earth.
place on Earth.
263
704800
2547
é que é o lugar mais postado
no Instagram do mundo.
no Instagram do mundo.
11:59
About every five seconds,
someone commits a selfie
someone commits a selfie
264
707903
2882
A cada cinco minutos,
alguém faz uma "selfie"
alguém faz uma "selfie"
12:02
in Times Square.
265
710809
1169
na Times Square.
12:04
That's 17,000 a day, and I have them all.
266
712424
3249
Isso é 17 mil por dia,
e eu as tenho todas.
e eu as tenho todas.
12:07
(Laughter)
267
715697
1085
(Risos)
12:08
These are some of them
with their eyes centered.
with their eyes centered.
268
716806
2292
Estas são algumas
com seus olhos centralizados.
com seus olhos centralizados.
12:11
Every civilization,
269
719122
1061
Toda civilização
12:12
will use the maximum level
of technology available to make art.
of technology available to make art.
270
720183
2925
vai usar o máximo nível
de tecnologia para criar arte.
de tecnologia para criar arte.
12:15
And it's the responsibility
of the artist to ask questions
of the artist to ask questions
271
723132
2808
E é responsabilidade do artista
fazer perguntas
fazer perguntas
12:17
about what that technology means
272
725964
1631
sobre o que a tecnologia significa
12:19
and how it reflects our culture.
273
727619
2019
e como ela reflete nossa cultura.
12:21
So I leave you with this:
we're more than numbers.
we're more than numbers.
274
729662
2486
E eu os deixo com isso:
somos mais do que números.
somos mais do que números.
12:24
We're people, and we have
dreams and ideas.
dreams and ideas.
275
732172
2001
Somos pessoas e temos sonhos e ideias.
12:26
And reducing us to statistics
is something that's done
is something that's done
276
734197
2799
E reduzir-nos a estatísticas
é algo que é feito
é algo que é feito
12:29
at our peril.
277
737020
1251
por nossa conta e risco.
12:30
Thank you very much.
278
738295
1178
Muito obrigado.
12:31
(Applause)
279
739497
10786
(Aplausos)
ABOUT THE SPEAKER
R. Luke DuBois - Artist, composer, engineerR. Luke DuBois weaves information from a multitude of sources into art and music exploring the tensions between algorithms, portraiture and temporal space.
Why you should listen
R. Luke DuBois is a multidisciplinary artist mining the intersection of art, culture and technology, often expanding or contracting perspectives or timespans to accentuate aspects of each work. As a musician, he has produced a spectrum of electro-acoustic works with a multitude of artists, including Bora Yoon, Bang on a Can and the Freight Elevator Quartet.
As an artist, DuBois focuses on exposing the long narratives created by arcs of data, in the same way that time-lapse photographs expose long swaths of motion in a single image. As a programmer, DuBois is co-author of Jitter, a software suite that allows real-time manipulation of video and 3D imagery.
DuBois teaches at New York University, where he co-directs the Integrated Digital Media program at the Tandon School of Engineering. His artwork is represented by bitforms gallery in New York City.
R. Luke DuBois | Speaker | TED.com