TED2009
Golan Levin: Art that looks back at you
Golan Levin faz arte que olha de volta para você
Filmed:
Readability: 4
823,350 views
Golan Levin, artista e engenheiro, utiliza ferramentas modernas -- robótica, novos programas, pesquisa cognitiva -- para fazer trabalhos de arte que surpreendem e divertem. Veja como sons se tornam formas, corpos criam pinturas, e um olho curioso olha de volta para o curioso observador.
Golan Levin - Experimental audio-visual artist
Half performance artist, half software engineer, Golan Levin manipulates the computer to create improvised soundscapes with dazzling corresponding visuals. He is at the forefront of defining new parameters for art. Full bio
Half performance artist, half software engineer, Golan Levin manipulates the computer to create improvised soundscapes with dazzling corresponding visuals. He is at the forefront of defining new parameters for art. Full bio
Double-click the English transcript below to play the video.
00:12
Hello! My name is Golan Levin.
0
0
3000
Oi! Meu nome é Golan Levin.
00:15
I'm an artist and an engineer,
1
3000
2000
Eu sou um artista e um engenheiro
00:17
which is, increasingly, a more common kind of hybrid.
2
5000
2000
O que é, crescentemente, uma forma mais comum de híbrido.
00:19
But I still fall into this weird crack
3
7000
3000
Mas eu ainda caio nesta estranha fenda
00:22
where people don't seem to understand me.
4
10000
2000
onde as pessoas parecem não me entender.
00:24
And I was looking around and I found this wonderful picture.
5
12000
4000
E eu estava olhando por aí e encontrei esta imagem maravilhosa.
00:28
It's a letter from "Artforum" in 1967
6
16000
3000
É uma carta do "Artforum" de 1967
00:31
saying "We can't imagine ever doing a special issue
7
19000
3000
dizendo "Nós nunca poderemos imaginar a realização de um número especial
00:34
on electronics or computers in art." And they still haven't.
8
22000
3000
em eletrônica ou em arte computacional." E eles ainda não podem.
00:37
And lest you think that you all, as the digerati, are more enlightened,
9
25000
5000
E por receio que pensem que vocês, como os digerati, são mais esclarecidos,
00:42
I went to the Apple iPhone app store the other day.
10
30000
3000
eu fui a Apple iPhone app store outro dia.
00:45
Where's art? I got productivity. I got sports.
11
33000
4000
Onde está a arte? Eu recebi produtividade. Eu recebi esportes.
00:49
And somehow the idea that one would want to make art for the iPhone,
12
37000
4000
E de alguma forma a idéia que alguém queira fazer arte para o iPhone,
00:53
which my friends and I are doing now,
13
41000
2000
o que eu eu meus amigos estamos fazendo agora,
00:55
is still not reflected in our understanding
14
43000
3000
ainda não é pensada em nosso entendimento
00:58
of what computers are for.
15
46000
2000
de para que os computadores servem.
01:00
So, from both directions, there is kind of, I think, a lack of understanding
16
48000
2000
Assim, em ambas as direções, existe algo como, uma falta de entendimento
01:02
about what it could mean to be an artist who uses the materials
17
50000
2000
sobre o que pode significar ser um artista que utiliza materiais
01:04
of his own day, or her own day,
18
52000
2000
do próprio cotidiano dele, ou do próprio cotidiano dela.
01:06
which I think artists are obliged to do,
19
54000
2000
O que eu considero que os artistas são obrigados a fazer,
01:08
is to really explore the expressive potential of the new tools that we have.
20
56000
4000
é realmente explorar o potencial expressivo das novas ferramentas que nós temos.
01:12
In my own case, I'm an artist,
21
60000
2000
No meu próprio caso, eu sou um artista,
01:14
and I'm really interested in
22
62000
2000
e eu estou realmente interessado em
01:16
expanding the vocabulary of human action,
23
64000
2000
expandir o vocabulário de ação humana,
01:18
and basically empowering people through interactivity.
24
66000
3000
e basicamente dar possibilidade às pessoas através da interatividade.
01:21
I want people to discover themselves as actors,
25
69000
3000
Eu quero que as pessoas descubram a si mesmas como agentes,
01:24
as creative actors, by having interactive experiences.
26
72000
4000
como agentes criativos, através de experiências interativas.
01:28
A lot of my work is about trying to get away from this.
27
76000
3000
Muito do meu trabalho é sobre tentar sair disso.
01:31
This a photograph of the desktop of a student of mine.
28
79000
2000
Essa é uma fotografia da área de trabalho de um aluno meu.
01:33
And when I say desktop, I don't just mean
29
81000
2000
E quando eu digo área de trabalho, eu não quero dizer apenas
01:35
the actual desk where his mouse has worn away the surface of the desk.
30
83000
3000
a mesa real onde seu mouse desgastou a superfície da mesa.
01:38
If you look carefully, you can even see
31
86000
2000
Se olhar atentamente, você pode até ver
01:40
a hint of the Apple menu, up here in the upper left,
32
88000
3000
uma sugestão do Apple menu, aqui em cima à esquerda,
01:43
where the virtual world has literally
33
91000
2000
onde o mundo virtual literalmente
01:45
punched through to the physical.
34
93000
2000
encontra o físico.
01:47
So this is, as Joy Mountford once said,
35
95000
4000
Então isto é, como Joy Mountford certa vez disse,
01:51
"The mouse is probably the narrowest straw
36
99000
2000
"O mouse é provavelmente o canudo mais estreito
01:53
you could try to suck all of human expression through."
37
101000
2000
pelo qual se poderia sugar toda a expressão humana."
01:55
(Laughter)
38
103000
3000
(Risos)
01:58
And the thing I'm really trying to do is enabling people to have more rich
39
106000
3000
E o que estou realmente tentando fazer é possibilitar que as pessoas tenham formas mais ricas
02:01
kinds of interactive experiences.
40
109000
2000
de experiências interativas.
02:03
How can we get away from the mouse and use our full bodies
41
111000
2000
Como nós podemos nos livrar do mouse e usar nosso corpo inteiro
02:05
as a way of exploring aesthetic experiences,
42
113000
3000
como forma de explorar experiências estéticas,
02:08
not necessarily utilitarian ones.
43
116000
2000
não necessariamente utilitárias.
02:10
So I write software. And that's how I do it.
44
118000
3000
Então eu escrevi um programa. E foi assim que fiz.
02:13
And a lot of my experiences
45
121000
2000
Muitas de minhas experiências
02:15
resemble mirrors in some way.
46
123000
2000
assemelham-se a espelhos de alguma forma.
02:17
Because this is, in some sense, the first way,
47
125000
2000
Porque este é, em algum sentido, a primeira maneira
02:19
that people discover their own potential as actors,
48
127000
2000
que as pessoas descobrem o seu próprio potencial como agentes,
02:21
and discover their own agency.
49
129000
2000
e descobrem sua própria função.
02:23
By saying "Who is that person in the mirror? Oh it's actually me."
50
131000
3000
Dizendo "Quem é esta pessoa no espelho? Oh sou eu mesmo."
02:26
And so, to give an example,
51
134000
2000
Então, para dar um exemplo,
02:28
this is a project from last year,
52
136000
2000
este é um projeto do ano passado.
02:30
which is called the Interstitial Fragment Processor.
53
138000
2000
Que é chamdo de Processador de Fragmentos Interseccionais.
02:32
And it allows people to explore the negative shapes that they create
54
140000
4000
E ele permite que as pessoas explorem as formas negativas que elas criam
02:36
when they're just going about their everyday business.
55
144000
3000
no dia-a-dia.
02:53
So as people make shapes with their hands or their heads
56
161000
2000
Assim enquanto as pessoas fazem formas com suas mãos ou suas cabeças
02:55
and so forth, or with each other,
57
163000
2000
e assim por diante, ou utilizando umas as outras,
02:57
these shapes literally produce sounds and drop out of thin air --
58
165000
3000
essas formas literalmente produzem sons e caem no ar.
03:00
basically taking what's often this, kind of, unseen space,
59
168000
4000
Basicamente utilizando este certo espaço não visto,
03:04
or this undetected space, and making it something real,
60
172000
3000
ou indetectável, e tornando-o algo real,
03:07
that people then can appreciate and become creative with.
61
175000
3000
que as pessoas podem apreciar e se tornar criativas.
03:10
So again, people discover their creative agency in this way.
62
178000
3000
Assim novamente, as pessoas descobrem sua função criativa dessa maneira.
03:13
And their own personalities come out
63
181000
2000
E suas próprias personalidades surgem
03:15
in totally unique ways.
64
183000
3000
de maneiras totalmente únicas.
03:18
So in addition to using full-body input,
65
186000
3000
Assim em complemento ao uso do corpo todo como mecanismo de entrada,
03:21
something that I've explored now, for a while,
66
189000
2000
algo que venho explorando, há algum tempo,
03:23
has been the use of the voice,
67
191000
2000
tem sido o uso da voz.
03:25
which is an immensely expressive system for us, vocalizing.
68
193000
4000
Que é um sistema extremamente expressivo para nós, vocalização.
03:29
Song is one of our oldest ways
69
197000
2000
O canto é uma das mais antigas formas
03:31
of making ourselves heard and understood.
70
199000
3000
de nos fazermos escutar e entender.
03:34
And I came across this fantastic research by Wolfgang Köhler,
71
202000
2000
E eu encontrei essa fantástica pesquisa de Wolfang Kohler,
03:36
the so-called father of gestalt psychology, from 1927,
72
204000
4000
o tão chamado pai da psicologia gestalt, de 1927,
03:40
who submitted to an audience like yourselves
73
208000
2000
que submeteu a uma audiência como vocês
03:42
the following two shapes.
74
210000
2000
as duas seguintes formas.
03:44
And he said one of them is called Maluma.
75
212000
2000
E ele disse que uma delas se chama Maluma.
03:46
And one of them is called Taketa. Which is which?
76
214000
2000
E a outra se chama Taketa. Qual é qual?
03:48
Anyone want to hazard a guess?
77
216000
4000
Alguém gostaria de tentar adivinhar?
03:52
Maluma is on top. Yeah. So.
78
220000
2000
Maluma está acima. Sim. Então.
03:54
As he says here, most people answer without any hesitation.
79
222000
3000
Como ele diz aqui, a maioria das pessoas responde sem nenhuma hesitação.
03:57
So what we're really seeing here is a phenomenon
80
225000
2000
Então o que nós realmente estamos vendo aqui é um fenômeno
03:59
called phonaesthesia,
81
227000
2000
chamado fono-estesia.
04:01
which is a kind of synesthesia that all of you have.
82
229000
2000
Que é uma forma de sinestesia que todos nós temos.
04:03
And so, whereas Dr. Oliver Sacks has talked about
83
231000
2000
Assim, o Dr Oliver Sacks falou sobre
04:05
how perhaps one person in a million
84
233000
2000
como talvez uma pessoa em um milhão
04:07
actually has true synesthesia,
85
235000
2000
realmente possua verdadeira sinestesia,
04:09
where they hear colors or taste shapes, and things like this,
86
237000
2000
em que elas escutam as cores e sentem o gosto das formas, e coisas deste tipo.
04:11
phonaesthesia is something we can all experience to some extent.
87
239000
2000
Fono-estesia é algo que todos podemos experimentar até certo ponto.
04:13
It's about mappings between different perceptual domains,
88
241000
3000
É como fazer um mapeamento de diferentes domínios perceptivos.
04:16
like hardness, sharpness, brightness and darkness,
89
244000
3000
como duro, afiado, claro e escuro,
04:19
and the phonemes that we're able to speak with.
90
247000
2000
e os fonemas com os quais podemos falar.
04:21
So 70 years on, there's been some research where
91
249000
2000
Assim 70 anos após, aconteceram algumas pesquisas nas quais
04:23
cognitive psychologists have actually sussed out
92
251000
2000
psicólogos cognitivos realmente conseguiram perceber
04:25
the extent to which, you know,
93
253000
2000
a extensão com a qual,
04:27
L, M and B are more associated with shapes that look like this,
94
255000
4000
L, M e B estão mais associadas com formas que se parecem com essas.
04:31
and P, T and K are perhaps more associated with shapes like this.
95
259000
4000
e P, T e K estariam talvez mais associadas com formas como essas.
04:35
And here we suddenly begin to have a mapping between curvature
96
263000
2000
E de repente nós começamos a obter um mapeamento entre a curvatura
04:37
that we can exploit numerically,
97
265000
2000
que podemos explorar numericamente,
04:39
a relative mapping between curvature and shape.
98
267000
3000
mapeando relativamente entre a curvatura e a forma.
04:42
So it occurred to me, what happens if we could run these backwards?
99
270000
3000
Assim me ocorreu, o que aconteceria se conseguissemos rodá-los de trás para frente?
04:45
And thus was born the project called Remark,
100
273000
2000
E assim nasceu o projeto chamado Remark.
04:47
which is a collaboration with Zachary Lieberman
101
275000
2000
Que é uma colaboração com Zachary Lieberman
04:49
and the Ars Electronica Futurelab.
102
277000
2000
e o Ars Electronica Futurelab.
04:51
And this is an interactive installation which presents
103
279000
2000
E está é uma instalação interativa que apresenta
04:53
the fiction that speech casts visible shadows.
104
281000
2000
a ficção de que a fala cria sombras visíveis.
04:55
So the idea is you step into a kind of a magic light.
105
283000
3000
Assim a idéia é que você vá em direção um tipo de luz mágica.
04:58
And as you do, you see the shadows of your own speech.
106
286000
3000
E enquanto você o faz, você vê as sombras de sua própria fala.
05:01
And they sort of fly away, out of your head.
107
289000
2000
E elas meio que voam, para fora da sua cabeça.
05:03
If a computer speech recognition system
108
291000
3000
Com um sistema de reconhecimento de fala por computador
05:06
is able to recognize what you're saying, then it spells it out.
109
294000
4000
é possível reconhecer o que você está dizendo, para então expelir.
05:10
And if it isn't then it produces a shape which is very phonaesthetically
110
298000
2000
E se este não for o caso ele produz uma forma que é fono-esteticamente
05:12
tightly coupled to the sounds you made.
111
300000
2000
associada aos sons que você fez.
05:14
So let's bring up a video of that.
112
302000
3000
Então vamos trazer um vídeo sobre isso.
06:03
(Applause)
113
351000
2000
(Aplausos)
06:05
Thanks. So. And this project here,
114
353000
3000
Obrigado. Então. Nesse projeto aqui,
06:08
I was working with the great abstract vocalist, Jaap Blonk.
115
356000
3000
eu estava trabalhando com o grande vocalista abstrato, Jaap Blonk.
06:11
And he is a world expert in performing "The Ursonate,"
116
359000
3000
E ele é um expert mundial em interpretar "A Ursonate",
06:14
which is a half-an-hour nonsense poem
117
362000
2000
que é um poema nonsense de meia hora
06:16
by Kurt Schwitters, written in the 1920s,
118
364000
2000
de Kurt Schwitters, escrito na década de 1920.
06:18
which is half an hour of very highly patterned nonsense.
119
366000
4000
Ele é meia hora de muito nonsense rebuscado.
06:22
And it's almost impossible to perform.
120
370000
2000
E é quase impossível de interpretá-lo.
06:24
But Jaap is one of the world experts in performing it.
121
372000
3000
Mas Jaap é um dos grandes experts do mundo a interpretá-lo.
06:27
And in this project we've developed
122
375000
2000
E neste projeto nós desenvolvemos
06:29
a form of intelligent real-time subtitles.
123
377000
3000
uma forma inteligente de legendas em tempo real.
06:32
So these are our live subtitles,
124
380000
3000
Então estas são nossas legendas,
06:35
that are being produced by a computer that knows the text of "The Ursonate" --
125
383000
3000
que estão sendo produzidas por um computador que conhece o texto "A Ursonate"
06:38
fortunately Jaap does too, very well --
126
386000
3000
felizmente Jaap também o conhece, muito bem.
06:41
and it is delivering that text at the same time as Jaap is.
127
389000
5000
E ele está exibindo o texto ao mesmo tempo em que Jaap fala.
06:53
So all the text you're going to see
128
401000
2000
Assim, todo o texto que vocês irão ver
06:55
is real-time generated by the computer,
129
403000
2000
foram gerados em tempo real pelo computador,
06:57
visualizing what he's doing with his voice.
130
405000
3000
visualizando o que ele está fazendo com sua voz.
08:10
Here you can see the set-up where there is a screen with the subtitles behind him.
131
478000
3000
Aqui vocês podem ver a cena onde tem uma tela com as legendas atrás dela.
08:34
Okay. So ...
132
502000
2000
Ok. Então...
08:36
(Applause)
133
504000
5000
(Aplausos)
08:41
The full videos are online if you are interested.
134
509000
2000
O vídeo na íntegra está online caso vocês estejam interessados.
08:43
I got a split reaction to that during the live performance,
135
511000
2000
Obtive reações distintas durante a performance ao vivo.
08:45
because there is some people who understand
136
513000
2000
Porque tem algumas pessoas que entendem que
08:47
live subtitles are a kind of an oxymoron,
137
515000
2000
legendas ao vivo são um tipo de oximoro.
08:49
because usually there is someone making them afterwards.
138
517000
3000
Porque normalmente tem alguém os produzindo subsequentemente.
08:52
And then a bunch of people who were like, "What's the big deal?
139
520000
3000
E então um grupo de pessoas estavam tipo, "O que tem demais?
08:55
I see subtitles all the time on television."
140
523000
2000
Eu vejo legendas o tempo todo na televisão."
08:57
You know? They don't imagine the person in the booth, typing it all.
141
525000
3000
Vocês percebem? Eles não imaginam a pessoa no compartimento, digitando tudo.
09:00
So in addition to the full body, and in addition to the voice,
142
528000
3000
Assim em acréscimo ao corpo inteiro, e em acréscimo à voz,
09:03
another thing that I've been really interested in,
143
531000
2000
outra coisa que tem me interessado muito,
09:05
most recently, is the use of the eyes,
144
533000
2000
mais recentemente, é o uso dos olhos,
09:07
or the gaze, in terms of how people relate to each other.
145
535000
4000
ou do olhar intenso, em termos de como as pessoas relacionam-se umas com as outras.
09:11
It's a really profound amount of nonverbal information
146
539000
2000
É realmente uma grande quantidade de informação não verbal
09:13
that's communicated with the eyes.
147
541000
2000
que é comunicada com os olhos.
09:15
And it's one of the most interesting technical challenges
148
543000
2000
E é um dos mais interessantes desafios tecnológicos
09:17
that's very currently active in the computer sciences:
149
545000
2000
ativo atualmente na ciência da computação.
09:19
being able to have a camera that can understand,
150
547000
2000
Ter uma câmera capaz de entender
09:21
from a fairly big distance away,
151
549000
2000
de uma distância realmente considerável,
09:23
how these little tiny balls are actually pointing in one way or another
152
551000
3000
como essas pequenas bolas estão realmente apontando em uma direção ou em outra,
09:26
to reveal what you're interested in,
153
554000
2000
revelando se você está interessado,
09:28
and where your attention is directed.
154
556000
2000
e quando sua atenção é direcionada.
09:30
So there is a lot of emotional communication that happens there.
155
558000
3000
Então existe muita comunicação emocional acontecendo aí.
09:33
And so I've been beginning, with a variety of different projects,
156
561000
4000
E então eu comecei, com uma variedade de diferentes projetos,
09:37
to understand how people can relate to machines with their eyes.
157
565000
3000
a entender como as pessoas podem relacionar-se com as máquinas com os seus olhos.
09:40
And basically to ask the questions:
158
568000
3000
E basicamente a fazer as perguntas,
09:43
What if art was aware that we were looking at it?
159
571000
5000
E se a arte estivesse atenta que nós estamos olhando para ela?
09:48
How could it respond, in a way,
160
576000
2000
Como ela responderia, de certa forma,
09:50
to acknowledge or subvert the fact that we're looking at it?
161
578000
3000
para conhecer ou subverter o fato de que nós estamos olhando para ela?
09:53
And what could it do if it could look back at us?
162
581000
3000
E o que ela faria se pudesse olhar de volta para nós?
09:56
And so those are the questions that are happening in the next projects.
163
584000
2000
E então estas são as questões que estão acontecendo nos próximos projetos.
09:58
In the first one which I'm going to show you, called Eyecode,
164
586000
3000
No primeiro, que eu vou mostrar a vocês, chamado Eyecode,
10:01
it's a piece of interactive software
165
589000
2000
é uma peça de programa interativo
10:03
in which, if we read this little circle,
166
591000
2000
na qual, se lermos neste pequeno círculo,
10:05
"the trace left by the looking of the previous observer
167
593000
3000
o caminho deixado pelo olhar do observador anterior
10:08
looks at the trace left by the looking of previous observer."
168
596000
3000
olha para o caminho deixado pelo observador anterior.
10:11
The idea is that it's an image wholly constructed
169
599000
2000
A idéia é de uma imagem inteiramente construída
10:13
from its own history of being viewed
170
601000
2000
pela sua própria história de ser vista
10:15
by different people in an installation.
171
603000
2000
por diferentes pessoas em uma instalação.
10:17
So let me just switch over so we can do the live demo.
172
605000
5000
Assim deixe-me apenas trocar para que possamos fazer uma demonstração ao vivo.
10:22
So let's run this and see if it works.
173
610000
4000
Então vamos rodar isto e ver se funciona.
10:26
Okay. Ah, there is lots of nice bright video.
174
614000
3000
Ok. Ah, e tem muitos vídeos bons e claros.
10:29
There is just a little test screen that shows that it's working.
175
617000
2000
Este é apenas um pequeno teste que mostra que está funcionando.
10:31
And what I'm just going to do is -- I'm going to hide that.
176
619000
2000
E o que eu fazer agora é esconder isto.
10:33
And you can see here that what it's doing
177
621000
2000
E vocês poderão ver aqui que o que está sendo feito
10:35
is it's recording my eyes every time I blink.
178
623000
3000
é uma gravação dos meus olhos toda vez que eu pisco.
10:44
Hello? And I can ... hello ... okay.
179
632000
4000
Olá? E eu posso... olá... ok.
10:48
And no matter where I am, what's really going on here
180
636000
2000
E não importa onde eu esteja, o que realmente está acontecendo aqui
10:50
is that it's an eye-tracking system that tries to locate my eyes.
181
638000
3000
é que esse sistema de rastro de olhos tenta localizar meus olhos.
10:53
And if I get really far away I'm blurry.
182
641000
2000
E seu fico muito afastado eu fico desfocado.
10:55
You know, you're going to have these kind of blurry spots like this
183
643000
2000
Você sabe, você terá locais desfocados como este
10:57
that maybe only resemble eyes in a very very abstract way.
184
645000
3000
que talvez assemelhem-se a olhos de uma forma muito muito abstrata.
11:00
But if I come up really close and stare directly at the camera
185
648000
3000
Mas se eu chego muito perto e encaro diretamente a câmera
11:03
on this laptop then you'll see these nice crisp eyes.
186
651000
2000
neste laptop aí vocês verão esses bons e definidos olhos.
11:05
You can think of it as a way of, sort of, typing, with your eyes.
187
653000
4000
Você pode pensar nisso como uma forma de, um tipo de, digitação, com seus olhos.
11:09
And what you're typing are recordings of your eyes
188
657000
2000
E o que você está digitando são gravações dos seus olhos
11:11
as you're looking at other peoples' eyes.
189
659000
2000
como se você estivesse olhando para os olhos de outras pessoas.
11:13
So each person is looking at the looking
190
661000
3000
Assim cada pessoa está olhando para o olhar
11:16
of everyone else before them.
191
664000
2000
de todos aqueles antes dele.
11:18
And this exists in larger installations
192
666000
2000
E isso existe em instalações maiores
11:20
where there are thousands and thousands of eyes
193
668000
2000
onde há milhares e milhares de olhos
11:22
that people could be staring at,
194
670000
2000
que as pessoas podem encarar,
11:24
as you see who's looking at the people looking
195
672000
2000
enquanto você vê quem está olhando para as pessoas olhando
11:26
at the people looking before them.
196
674000
2000
e as pessoas que olharam antes delas.
11:28
So I'll just add a couple more. Blink. Blink.
197
676000
3000
Então eu vou apenas adicionar alguns mais. Pisca. Pisca.
11:31
And you can see, just once again, how it's sort of finding my eyes
198
679000
3000
E você pode ver, mais uma vez, como ele tenta encontrar os meus olhos
11:34
and doing its best to estimate when it's blinking.
199
682000
3000
fazendo o melhor para estimar quando estou piscando.
11:37
Alright. Let's leave that.
200
685000
2000
Tudo bem. Vamos deixar isto.
11:39
So that's this kind of recursive observation system.
201
687000
3000
Então este foi um tipo de sistema de observação repetitivo.
11:42
(Applause)
202
690000
2000
(Aplausos)
11:44
Thank you.
203
692000
2000
Obrigado.
11:46
The last couple pieces I'm going to show
204
694000
2000
As duas últimas peças que vou mostrar
11:48
are basically in the new realm of robotics -- for me, new for me.
205
696000
2000
estão basicamente no novo domínio da robótica, para mim, novo para mim.
11:50
It's called Opto-Isolator.
206
698000
2000
É chamado Opto-Isolator.
11:52
And I'm going to show a video of the older version of it,
207
700000
3000
E eu vou mostrar um vídeo de uma versão mais antiga dele.
11:55
which is just a minute long. Okay.
208
703000
2000
Possui apenas um minuto de duração. Ok.
12:06
In this case, the Opto-Isolator is blinking
209
714000
2000
Neste caso, o Opto-Isolator está piscando
12:08
in response to one's own blinks.
210
716000
2000
em resposta à piscada de outro.
12:10
So it blinks one second after you do.
211
718000
3000
Assim ele pisca um segundo depois de você piscar.
12:13
This is a device which is intended to reduce
212
721000
3000
Este é um aparato que objetiva reduzir
12:16
the phenomenon of gaze down to the simplest possible materials.
213
724000
3000
o fenômeno do olhar em outra direção aos materiais mais simples possíveis.
12:19
Just one eye,
214
727000
2000
Apenas um olho,
12:21
looking at you, and eliminating everything else about a face,
215
729000
2000
olhando para você, e eliminando todo o resto do rosto.
12:23
but just to consider gaze in an isolated way
216
731000
3000
Mas apenas considerando o olhar intenso de uma forma isolada.
12:26
as a kind of, as an element.
217
734000
3000
algo como um elemento.
12:29
And at the same time, it attempts to engage in what you might call
218
737000
3000
E ao mesmo tempo, ele tenta se engajar naquilo que você pode chamar
12:32
familiar psycho-social gaze behaviors.
219
740000
2000
de comportamento familiar psico-social de olhar intenso.
12:34
Like looking away if you look at it too long
220
742000
2000
Como olhar para outro lado se você o ficar encarando por muito tempo
12:36
because it gets shy,
221
744000
2000
pois ele fica tímido.
12:38
or things like that.
222
746000
3000
Ou coisas desse tipo.
12:41
Okay. So the last project I'm going to show
223
749000
3000
Ok. Então o último projeto que eu vou mostrar
12:44
is this new one called Snout.
224
752000
3000
é novo e chama-se Snout.
12:47
(Laughter)
225
755000
2000
(Risos)
12:49
It's an eight-foot snout,
226
757000
2000
Ele é uma tromba de 2 metros e meio,
12:51
with a googly eye.
227
759000
2000
com um olho saliente.
12:53
(Laughter)
228
761000
1000
(Risos)
12:54
And inside it's got an 800-pound robot arm
229
762000
3000
E dentro dele está um braço robô de 300 kilos
12:57
that I borrowed,
230
765000
2000
que eu peguei emprestado,
12:59
(Laughter)
231
767000
1000
(Risos)
13:00
from a friend.
232
768000
2000
de um amigo.
13:02
(Laughter)
233
770000
1000
(Risos)
13:03
It helps to have good friends.
234
771000
2000
Ajuda ter bons amigos.
13:05
I'm at Carnegie Mellon; we've got a great Robotics Institute there.
235
773000
3000
Eu estou em Carnegie Mellon. Nós temos um ótimo instituto de robótica lá.
13:08
I'd like to show you thing called Snout, which is --
236
776000
2000
Eu gostaria de mostrar a vocês o chamado Snout, que é --
13:10
The idea behind this project is to
237
778000
2000
A idéia por trás deste projeto é
13:12
make a robot that appears as if it's continually surprised to see you.
238
780000
4000
fazer um robô que parece continuamente surpreso ao ver você.
13:16
(Laughter)
239
784000
4000
(Risos)
13:20
The idea is that basically --
240
788000
2000
A idéia é basicamente --
13:22
if it's constantly like "Huh? ... Huh?"
241
790000
2000
como se ele estivesse constantemente tipo "Huh? ...Huh?"
13:24
That's why its other name is Doubletaker, Taker of Doubles.
242
792000
4000
É por isto que o outro nome dele é Doubletaker, Observador Surpreso.
13:28
It's always kind of doing a double take: "What?"
243
796000
2000
Ele está sempre olhando para você com surpresa: "O quê?"
13:30
And the idea is basically, can it look at you
244
798000
2000
E a idéia é basicamente, se ele pode olhar para você
13:32
and make you feel as if like,
245
800000
2000
e fazer você se sentir como,
13:34
"What? Is it my shoes?"
246
802000
2000
"O quê? São os meus sapatos?"
13:36
"Got something on my hair?" Here we go. Alright.
247
804000
3000
"Tenho algo no meu cabelo?" Aqui vamos nós. Tudo certo.
14:10
Checking him out ...
248
838000
2000
Checando ele.
14:20
For you nerds, here's a little behind-the-scenes.
249
848000
2000
Para vocês nerds, aqui está um pouquinho dos bastidores.
14:22
It's got a computer vision system,
250
850000
2000
Ele possui um sistema de visão por computador.
14:24
and it tries to look at the people who are moving around the most.
251
852000
3000
E ele tenta olhar para as pessoas que estão se movimentando mais.
14:39
Those are its targets.
252
867000
2000
Estes são seus alvos.
14:42
Up there is the skeleton,
253
870000
2000
Aqui em cima é o esqueleto.
14:44
which is actually what it's trying to do.
254
872000
3000
Que é exatamente o que ele está tentando fazer.
14:54
It's really about trying to create a novel body language for a new creature.
255
882000
3000
É realmente sobre tentar criar uma nova forma de linguagem corporal para esta nova criatura.
14:57
Hollywood does this all the time, of course.
256
885000
2000
Hollywood faz isso o tempo todo, é claro.
14:59
But also have the body language communicate something
257
887000
2000
Mas também deixar a linguagem corporal comunicar algo.
15:01
to the person who is looking at it.
258
889000
2000
para a pessoa que está olhando para ele.
15:03
This language is communicating that it is surprised to see you,
259
891000
2000
Está linguagem está comunicando que está surpreso em ver você,
15:05
and it's interested in looking at you.
260
893000
3000
e está interessado em olhar para você.
15:08
(Laughter)
261
896000
2000
(Risos)
15:10
(Applause)
262
898000
9000
(Aplausos)
15:19
Thank you very much. That's all I've got for today.
263
907000
2000
Muito obrigada. Isso é tudo que tenho para hoje.
15:21
And I'm really happy to be here. Thank you so much.
264
909000
3000
Eu estou muito feliz de estar aqui. Muito obrigado a todos.
15:24
(Applause)
265
912000
3000
(Aplausos)
ABOUT THE SPEAKER
Golan Levin - Experimental audio-visual artistHalf performance artist, half software engineer, Golan Levin manipulates the computer to create improvised soundscapes with dazzling corresponding visuals. He is at the forefront of defining new parameters for art.
Why you should listen
Having worked as an academic at MIT and a researcher specializing in computer technology and software engineering, Golan Levin now spends most of his time working as a performance artist. Rest assured his education hasn't gone to waste, however, as Levin blends high tech and customized software programs to create his own extraordinary audio and visual compositions. The results are inordinately experimental sonic and visual extravaganzas from the furthest left of the field.
Many of his pieces force audience participation, such as Dialtones: A Telesymphony, a concert from 2001 entirely composed of the choreographed ringtones of his audience. Regularly exhibiting pieces in galleries around the world, and also working as an Assistant Professor of Electronic Time-Based Art at Carnegie Mellon University, Levin is unapologetically pushing boundaries to define a brave new world of what is possible.
His latest piece, Double-Taker (Snout), is installed at the Pittsburg Museum of Art.
Golan Levin | Speaker | TED.com