TED@IBM
Raphael Arar: How we can teach computers to make sense of our emotions
ราฟาเอล อาร์ราร์ (Raphael Arar): เราสอนคอมพิวเตอร์ให้เข้าใจอารมณ์ได้อย่างไร
Filmed:
Readability: 4.3
1,255,602 views
เราสามารถสร้างปัญญาประดิษฐ์ (AI) ที่ทำให้ผู้คนอยากปฏิสัมพันธ์ด้วยได้อย่างไร? ราฟาเอล อาร์ราร์แนะนำว่า เราต้องเริ่มจากศิลปะ เขาแบ่งปันไอเดียโปรเจ็ก AI ที่ซับซ้อน อย่างความคิดถึง การหยั่งรู้ และบทสนทนา -- งานทั้งหมด เพื่อสร้างเทคโนโลยีที่มีความเป็นมนุษย์พอ ๆ กับความสังเคราะห์
Raphael Arar - Designer, researcher
IBM's Raphael Arar creates art and designs experiences that examine the complexities of our increasingly technocentric lives. Full bio
IBM's Raphael Arar creates art and designs experiences that examine the complexities of our increasingly technocentric lives. Full bio
Double-click the English transcript below to play the video.
00:13
I consider myself one part artist
and one part designer.
and one part designer.
0
1760
4680
ผมเรียกตัวเอง
เป็นทั้งศิลปินและดีไซน์เนอร์
เป็นทั้งศิลปินและดีไซน์เนอร์
00:18
And I work at an artificial
intelligence research lab.
intelligence research lab.
1
6480
3160
ผมทำงานที่ศูนย์วิจัยปัญญาประดิษฐ์
00:22
We're trying to create technology
2
10720
1696
เรากำลังสร้างเทคโนโลยี
00:24
that you'll want to interact with
in the far future.
in the far future.
3
12440
3296
กับสิ่งที่พวกคุณต้องเกี่ยวข้องด้วยในอนาคต
00:27
Not just six months from now,
but try years and decades from now.
but try years and decades from now.
4
15760
4640
ไม่ใช่แค่ในหกเดือนจากนี้แต่อีกในหลายสิบปี
00:33
And we're taking a moonshot
5
21120
1616
และกำลังมีโปรเจ็คพามันไปดวงจันทร์
00:34
that we'll want to be
interacting with computers
interacting with computers
6
22760
2456
เราต้องการจะมีปฏิสัมพันธ์กับคอมพิวเตอร์
00:37
in deeply emotional ways.
7
25240
2120
ทางด้านอารมณ์ที่ลึกซึ้ง
00:40
So in order to do that,
8
28280
1456
เพื่อที่จะทำสิ่งนี้
00:41
the technology has to be
just as much human as it is artificial.
just as much human as it is artificial.
9
29760
4480
เทคโนโลยีจะต้องเหมือนมนุษย์ให้มากที่สุด
00:46
It has to get you.
10
34920
2256
มันต้องเข้าใจคุณ
00:49
You know, like that inside joke
that'll have you and your best friend
that'll have you and your best friend
11
37200
3336
เหมือนการเข้าใจมุขตลกที่
คุณคุยกับเพื่อนสนิท
คุณคุยกับเพื่อนสนิท
00:52
on the floor, cracking up.
12
40560
1936
ขำจนดิ้นลงกับพื้น
00:54
Or that look of disappointment
that you can just smell from miles away.
that you can just smell from miles away.
13
42520
4560
หรือเข้าใจความผิดหวังที่รู้สึกได้
จากระยะไกล
จากระยะไกล
01:00
I view art as the gateway to help us
bridge this gap between human and machine:
bridge this gap between human and machine:
14
48560
6040
ผมมองว่าศิลปะเป็นหนทางที่จะช่วยเราเป็น
สะพานระหว่างมนุษย์และเครื่องจักร
สะพานระหว่างมนุษย์และเครื่องจักร
01:07
to figure out what it means
to get each other
to get each other
15
55280
3136
เพื่อที่จะหาความหมายของกันและกัน
01:10
so that we can train AI to get us.
16
58440
2760
และเราสามารถที่จะฝึกปัญญาประดิษฐ์
ให้เข้าใจเรา
ให้เข้าใจเรา
01:13
See, to me, art is a way
to put tangible experiences
to put tangible experiences
17
61920
3816
สำหรับผมศิลปะคือหนทางที่จะ
นำประสบการณ์ที่เป็นรูปธรรม
นำประสบการณ์ที่เป็นรูปธรรม
01:17
to intangible ideas,
feelings and emotions.
feelings and emotions.
18
65760
3240
มาสู่ความคิดที่เป็นรูปธรรม
ความรู้สึกและอารมณ์
ความรู้สึกและอารมณ์
01:21
And I think it's one
of the most human things about us.
of the most human things about us.
19
69800
2600
นั่นเป็นสิ่งที่เหมือนมนุษย์มากที่สุด
01:25
See, we're a complicated
and complex bunch.
and complex bunch.
20
73480
2936
เห็นไหม เราช่างซับซ้อน
เป็นกลุ่มก้อนของความซับซ้อน
เป็นกลุ่มก้อนของความซับซ้อน
01:28
We have what feels like
an infinite range of emotions,
an infinite range of emotions,
21
76440
3136
เรามีความทรู้สึกที่ไม่จำกัด
01:31
and to top it off, we're all different.
22
79600
2496
และเหนือกว่านั้น เราทุกคนแตกต่าง
01:34
We have different family backgrounds,
23
82120
2296
เรามีพื้นฐานครอบครัวที่ต่างกัน
01:36
different experiences
and different psychologies.
and different psychologies.
24
84440
3080
ประสบการณ์ต่างกัน มีจิตที่ไม่เหมือนกัน
01:40
And this is what makes life
really interesting.
really interesting.
25
88240
2720
และนั่นทำให้ชีวิตช่างน่าสนใจ
01:43
But this is also what makes
working on intelligent technology
working on intelligent technology
26
91440
3496
แต่มันก็ทำให้ การทำงานด้าน
ความสามารถของเทคโนโลยี
ความสามารถของเทคโนโลยี
01:46
extremely difficult.
27
94960
1600
ยากสุด ๆ
01:49
And right now, AI research, well,
28
97640
3456
และตอนนี้ การวิจัยปัญญาประดิษฐ์
01:53
it's a bit lopsided on the tech side.
29
101120
2016
ก็มีความลำเอียงในตัว
01:55
And that makes a lot of sense.
30
103160
2136
และนั่นก็มีเหตุผล
01:57
See, for every
qualitative thing about us --
qualitative thing about us --
31
105320
2456
ทุกอย่างเชิงคุณภาพในตัวเรา --
01:59
you know, those parts of us that are
emotional, dynamic and subjective --
emotional, dynamic and subjective --
32
107800
4456
ส่วนที่เป็นเรื่องอารมณ์ เปลี่ยนแปลงได้ --
02:04
we have to convert it
to a quantitative metric:
to a quantitative metric:
33
112280
3136
เราต้องเปลี่ยนมันทั้งหมดเป็นตัวแปร
02:07
something that can be represented
with facts, figures and computer code.
with facts, figures and computer code.
34
115440
4360
อะไรบางอย่างที่แทนที่ด้วยความเป็นจริง
รูปร่าง และโค้ดคอมพิวเตอร์
รูปร่าง และโค้ดคอมพิวเตอร์
02:13
The issue is, there are
many qualitative things
many qualitative things
35
121000
3376
ประเด็นคือ มีสิ่งต่าง ๆ ที่เป็น
เชิงคุณภาพมากมาย
เชิงคุณภาพมากมาย
02:16
that we just can't put our finger on.
36
124400
1960
ที่เราไม่สามารถเอานิ้วไปยุ่งเกี่ยวได้
02:20
So, think about hearing
your favorite song for the first time.
your favorite song for the first time.
37
128400
3200
ลองคิดถึงตอนที่คุณฟังเพลงโปรด
เป็นครั้งแรกสิ
เป็นครั้งแรกสิ
02:25
What were you doing?
38
133200
1200
คุณทำอะไรอยู่
02:28
How did you feel?
39
136000
1200
คุณรู้สึกอย่างไร
02:30
Did you get goosebumps?
40
138720
1360
คุณขนลุกเลยไหม
02:33
Or did you get fired up?
41
141240
1640
หรือคุณได้รับแรงบันดาลใจ
02:36
Hard to describe, right?
42
144400
1200
อธิบายยากนะ ใช่ไหมครับ
02:38
See, parts of us feel so simple,
43
146800
2096
ในร่างกายของเรา ความรู้สึกช่างง่ายดาย
02:40
but under the surface,
there's really a ton of complexity.
there's really a ton of complexity.
44
148920
3656
แต่ลึกลงไปจากพื้นผิว
มีความซับซ้อนเป็นต้น ๆ
มีความซับซ้อนเป็นต้น ๆ
02:44
And translating
that complexity to machines
that complexity to machines
45
152600
2936
และการแปลความซับซ้อนนั้น
เป็นภาษาที่เครื่องจักรเข้าใจ
เป็นภาษาที่เครื่องจักรเข้าใจ
02:47
is what makes them modern-day moonshots.
46
155560
2856
ก็คือการทำให้เทคโนโลยีมีความทันสมัยขึ้น
02:50
And I'm not convinced that we can
answer these deeper questions
answer these deeper questions
47
158440
4176
และผมจะไม่พูดว่าเราสามารถตอบคำถามนี้
02:54
with just ones and zeros alone.
48
162640
1480
ออกมาเป็นเพียงศูนย์กับหนึ่ง
02:57
So, in the lab, I've been creating art
49
165120
1936
เพราะฉะนั้น ในห้องแลป
เราสร้างงานศิลปะ
เราสร้างงานศิลปะ
02:59
as a way to help me
design better experiences
design better experiences
50
167080
2456
สร้างประสบการณ์ที่ดีขึ้น
03:01
for bleeding-edge technology.
51
169560
2096
เพื่อเทคโนโลยี
03:03
And it's been serving as a catalyst
52
171680
1736
ที่ทำหน้าที่เป็นตัวเร่ง
03:05
to beef up the more human ways
that computers can relate to us.
that computers can relate to us.
53
173440
3840
เพิ่มความสามารถให้คอมพิวเตอร์
ทำงานแบบมนุษย์
ทำงานแบบมนุษย์
03:10
Through art, we're tacking
some of the hardest questions,
some of the hardest questions,
54
178000
2696
ด้วยศิลปะ เราทำงานที่ยากที่สุด
03:12
like what does it really mean to feel?
55
180720
2360
เช่น ความรู้สึก
แท้จริงแล้ว หมายความว่าอย่างไร
แท้จริงแล้ว หมายความว่าอย่างไร
03:16
Or how do we engage and know
how to be present with each other?
how to be present with each other?
56
184120
4080
เราเกี่ยวข้องกันได้อย่างไร
03:20
And how does intuition
affect the way that we interact?
affect the way that we interact?
57
188800
4000
และสิ่งต่าง ๆ มีผลกับการกระทำของเรา
ได้อย่างไร
ได้อย่างไร
03:26
So, take for example human emotion.
58
194440
2056
มาดูตัวอย่างอารมณ์ของมนุษย์กัน
03:28
Right now, computers can make sense
of our most basic ones,
of our most basic ones,
59
196520
3256
ตอนนี้ คอมพิวเตอร์สามารถรู้สึก
แบบพื้นฐานได้
แบบพื้นฐานได้
03:31
like joy, sadness,
anger, fear and disgust,
anger, fear and disgust,
60
199800
3696
เช่น สุข เศร้า โกรธ
กลัว และขยะแขยง
กลัว และขยะแขยง
03:35
by converting those
characteristics to math.
characteristics to math.
61
203520
3000
ด้วยการแปลงตัวแปรเหล่านั้นเป็นคณิตศาสตร์
03:39
But what about the more complex emotions?
62
207400
2536
แต่ถ้าเป็นอารมณ์ที่ซับซ้อนกว่านั้นล่ะ
03:41
You know, those emotions
63
209960
1216
อย่างที่รู้
03:43
that we have a hard time
describing to each other?
describing to each other?
64
211200
2376
อารมณ์เหล่านั้น
ที่เราอธิบายออกมาเป็นคำพูดไม่ได้
ที่เราอธิบายออกมาเป็นคำพูดไม่ได้
03:45
Like nostalgia.
65
213600
1440
เช่น ความคิดถึง
03:47
So, to explore this, I created
a piece of art, an experience,
a piece of art, an experience,
66
215640
3936
การสำรวจเรื่องพวกนี้ ทำให้ผมสร้างศิลปะ
เป็นประสบการณ์
เป็นประสบการณ์
03:51
that asked people to share a memory,
67
219600
2096
ที่ให้ผู้คนแบ่งปันความทรงจำ
03:53
and I teamed up with some data scientists
68
221720
2136
และผมก็เข้าร่วมทีมกับนักวิทยาศาสตร์ข้อมูล
03:55
to figure out how to take
an emotion that's so highly subjective
an emotion that's so highly subjective
69
223880
3576
เพื่อคิดว่า จะเอาอารมณ์
ที่มีความไม่ตรงไปตรงมาสุด ๆ
ที่มีความไม่ตรงไปตรงมาสุด ๆ
03:59
and convert it into something
mathematically precise.
mathematically precise.
70
227480
3200
มาแปลงเป็นคณิตศาสตร์ได้อย่างไร
04:03
So, we created what we call
a nostalgia score
a nostalgia score
71
231840
2136
เราเลยสร้างสิ่งที่เรียกว่า คะแนนนอสทรัลเกลีย
(nostalgia score)
(nostalgia score)
04:06
and it's the heart of this installation.
72
234000
2216
หรือคะแนนความคิดถึง
และมันเป็นหัวใจของงาน
และมันเป็นหัวใจของงาน
04:08
To do that, the installation
asks you to share a story,
asks you to share a story,
73
236240
3056
ในขั้นตอนการติดตั้ง
คุณจะถูกขอให้เล่าเรื่อง
คุณจะถูกขอให้เล่าเรื่อง
04:11
the computer then analyzes it
for its simpler emotions,
for its simpler emotions,
74
239320
3256
คอมพิวเตอร์จะแปลงเป็นอารมณ์ที่ง่ายขึ้น
04:14
it checks for your tendency
to use past-tense wording
to use past-tense wording
75
242600
2656
ดูความเอนเอียงของคุณ
และใช้ประโยคในรูปแบบอดีต
และใช้ประโยคในรูปแบบอดีต
04:17
and also looks for words
that we tend to associate with nostalgia,
that we tend to associate with nostalgia,
76
245280
3336
หาคำศัพท์ที่เกี่ยวข้องกับความคิดถึง
04:20
like "home," "childhood" and "the past."
77
248640
3040
เช่น บ้าน วัยเด็ก หรืออดีต
04:24
It then creates a nostalgia score
78
252760
2056
สร้าง nostalgia score
หรือคะแนนความคิดถึง
หรือคะแนนความคิดถึง
04:26
to indicate how nostalgic your story is.
79
254840
2736
วิเคราะห์ว่าคุณคิดถึงมากแค่ไหน
04:29
And that score is the driving force
behind these light-based sculptures
behind these light-based sculptures
80
257600
4136
และคะแนนนั้น ซุุกซ่อนอยู่ด้านหลัง
04:33
that serve as physical embodiments
of your contribution.
of your contribution.
81
261760
3896
ที่ทำงานเป็นรูปธรรมจากเรื่องที่คุณเล่า
04:37
And the higher the score,
the rosier the hue.
the rosier the hue.
82
265680
3216
คะแนนสูง สีจะยิ่งแดง
04:40
You know, like looking at the world
through rose-colored glasses.
through rose-colored glasses.
83
268920
3936
เหมือนมองโลกผ่านแก้วสีชมพู
04:44
So, when you see your score
84
272880
2616
เมื่อคุณเห็นคะแนนตัวเอง
04:47
and the physical representation of it,
85
275520
2656
และเห็นสิ่งที่แสดงคะแนนออกมาทางกายภาพ
04:50
sometimes you'd agree
and sometimes you wouldn't.
and sometimes you wouldn't.
86
278200
2936
บางที คุณก็เห็นด้วย บางทีคุณก็ไม่
04:53
It's as if it really understood
how that experience made you feel.
how that experience made you feel.
87
281160
3480
เหมือนมันเข้าใจจริง ๆ
ว่าประสบการณ์นั้น ทำให้คุณรู้สึกอย่างไร
ว่าประสบการณ์นั้น ทำให้คุณรู้สึกอย่างไร
04:57
But other times it gets tripped up
88
285400
2216
บางครั้ง มันก็สะดุด
04:59
and has you thinking
it doesn't understand you at all.
it doesn't understand you at all.
89
287640
2560
และคุณเคยคิดไหมว่า
มันไม่ได้เข้าใจคุณแม้แต่นิดเดียว
มันไม่ได้เข้าใจคุณแม้แต่นิดเดียว
05:02
But the piece really serves to show
90
290680
1896
แต่สิ่งที่แสดงขึ้นมานั้น
05:04
that if we have a hard time explaining
the emotions that we have to each other,
the emotions that we have to each other,
91
292600
4056
แสดงถึงสิ่งที่เราอธิบายให้คนอื่นฟังยาก
05:08
how can we teach a computer
to make sense of them?
to make sense of them?
92
296680
2360
เราจะสอนคอมพิวเตอร์ให้เข้าใจ
ความรู้สึกได้จริงหรือ
ความรู้สึกได้จริงหรือ
05:12
So, even the more objective parts
about being human are hard to describe.
about being human are hard to describe.
93
300360
3576
เพราะฉะนั้น มันเป็นส่วนที่ยากขึ้นไปอีก
05:15
Like, conversation.
94
303960
1240
ที่จะอธิบายมนุษย์ เช่น
บทสนทนา
บทสนทนา
05:17
Have you ever really tried
to break down the steps?
to break down the steps?
95
305880
2736
เคยเหนื่อยกับการพักไหม
05:20
So think about sitting
with your friend at a coffee shop
with your friend at a coffee shop
96
308640
2656
เหมือนนั่งเฉย ๆ กับเพื่อนที่ร้านกาแฟ
05:23
and just having small talk.
97
311320
1320
แค่คุยกันสนุก ๆ
05:25
How do you know when to take a turn?
98
313160
1720
คุณรู้ได้อย่างไรว่าตาคุณ
05:27
How do you know when to shift topics?
99
315440
1840
คุณรู้ได้อย่างไรว่าต้องเปลี่ยนเรื่อง
05:29
And how do you even know
what topics to discuss?
what topics to discuss?
100
317960
2720
และเลือกหัวข้อมาสนทนาอย่างไร
05:33
See, most of us
don't really think about it,
don't really think about it,
101
321560
2096
เราส่วนใหญ่ ไม่เคยคิดเรื่องนี้เลย
05:35
because it's almost second nature.
102
323680
1656
เพราะมันแทบจะเป็นธรรมชาติไปแล้ว
05:37
And when we get to know someone,
we learn more about what makes them tick,
we learn more about what makes them tick,
103
325360
3496
เมื่อเราทำความรู้จักผู้คน
05:40
and then we learn
what topics we can discuss.
what topics we can discuss.
104
328880
2376
เราเรียนรู้ว่าอะไรทำให้เขาไม่พอใจ
เราคุยหัวข้อไหนได้
เราคุยหัวข้อไหนได้
05:43
But when it comes to teaching
AI systems how to interact with people,
AI systems how to interact with people,
105
331280
3656
แต่พอเป็นเรื่องการสอนปัญญาประดิษฐ์
ให้สื่อสารกับมนุษย์
ให้สื่อสารกับมนุษย์
05:46
we have to teach them
step by step what to do.
step by step what to do.
106
334960
2856
เราต้องสอนมันทีละขั้นตอน
05:49
And right now, it feels clunky.
107
337840
3496
และมันก็ให้ความรู้สึกอุ้ยอ้าย
05:53
If you've ever tried to talk
with Alexa, Siri or Google Assistant,
with Alexa, Siri or Google Assistant,
108
341360
4136
หากคุณเคยคุยกับ
Alexa, Siri หรือ Google Assistant
Alexa, Siri หรือ Google Assistant
05:57
you can tell that it or they
can still sound cold.
can still sound cold.
109
345520
4200
คุณพูดได้ว่า น้ำเสียงมันแข็งทื่อ
06:02
And have you ever gotten annoyed
110
350440
1656
คุณเคยรำคาญไหม
06:04
when they didn't understand
what you were saying
what you were saying
111
352120
2256
เวลาพวกมันไม่เข้าใจในสิ่งที่คุณพูด
06:06
and you had to rephrase what you wanted
20 times just to play a song?
20 times just to play a song?
112
354400
3840
คุณต้องพูดซ้ำ 20 รอบเพียงเพื่อจะ
เปิดเพลง
เปิดเพลง
06:11
Alright, to the credit of the designers,
realistic communication is really hard.
realistic communication is really hard.
113
359440
4896
ยกเครดิตให้ดีไซน์เนอร์
การสื่อสารที่เหมือนจริง เป็นเรื่องยาก
การสื่อสารที่เหมือนจริง เป็นเรื่องยาก
06:16
And there's a whole branch of sociology,
114
364360
2136
และมันก็มีสังคมสาขาใหม่เกิดขึ้นตลอดมา
06:18
called conversation analysis,
115
366520
1936
เรียก สาขาวิเคราะห์การสนทนา
06:20
that tries to make blueprints
for different types of conversation.
for different types of conversation.
116
368480
3136
ที่พยายามจะสร้างพิมพ์เขียวของการสนทนา
06:23
Types like customer service
or counseling, teaching and others.
or counseling, teaching and others.
117
371640
4080
หลากรูปแบบ
เช่น บริการลูกค้า ให้คำปรึกษา การสอน ฯลฯ
เช่น บริการลูกค้า ให้คำปรึกษา การสอน ฯลฯ
06:28
I've been collaborating
with a conversation analyst at the lab
with a conversation analyst at the lab
118
376880
2936
ผมเคยร่วมมือวิเคราะห์การสนทนาในแลป
06:31
to try to help our AI systems
hold more human-sounding conversations.
hold more human-sounding conversations.
119
379840
4696
พยายามช่วยระบบปัญญาประดิษฐ์
มีเสียงเหมือนมนุษย์มากขึ้น
มีเสียงเหมือนมนุษย์มากขึ้น
06:36
This way, when you have an interaction
with a chatbot on your phone
with a chatbot on your phone
120
384560
3176
วิธีนี้ เมื่อคุณคุยกับแชทบอทในมือถือ
06:39
or a voice-based system in the car,
121
387760
1856
หรือคุยกับระบบสั่งการเสียงภายในรถ
06:41
it sounds a little more human
and less cold and disjointed.
and less cold and disjointed.
122
389640
3320
เสียงมันก็จะเหมือนมนุษย์
เฉยชาน้อยลง
เฉยชาน้อยลง
06:46
So I created a piece of art
123
394360
1336
ผมจึงสร้างงานศิลปะ
06:47
that tries to highlight
the robotic, clunky interaction
the robotic, clunky interaction
124
395720
2816
ที่พยายามไฮไลท์การตอบสนอง
06:50
to help us understand, as designers,
125
398560
1976
เพื่อเพิ่มความเข้าใจ ในฐานะนักออกแบบ
06:52
why it doesn't sound human yet
and, well, what we can do about it.
and, well, what we can do about it.
126
400560
4576
ทำไมเสียงมันยังไม่เหมือนมนุษย์
06:57
The piece is called Bot to Bot
127
405160
1456
เราทำอะไรได้บ้าง
งานชิ้นนี้เรียกว่า Bot to Bot
งานชิ้นนี้เรียกว่า Bot to Bot
06:58
and it puts one conversational
system against another
system against another
128
406640
2936
ให้พวกมันวิเคราะห์การสนทนา
07:01
and then exposes it to the general public.
129
409600
2536
แล้วแพร่ออกสู่สาธารณะ
07:04
And what ends up happening
is that you get something
is that you get something
130
412160
2496
ตอนจบคือ คุณจะได้อะไรบางอย่าง
07:06
that tries to mimic human conversation,
131
414680
1896
ที่พยายามทำตัวเป็นมนุษย์
07:08
but falls short.
132
416600
1896
แต่สั้นลง
07:10
Sometimes it works and sometimes
it gets into these, well,
it gets into these, well,
133
418520
2736
บางครั้งมันได้ผล บางทีก็ได้นี่
07:13
loops of misunderstanding.
134
421280
1536
ความเข้าใจผิดไม่รู้จบ
07:14
So even though the machine-to-machine
conversation can make sense,
conversation can make sense,
135
422840
3096
แม้การคุยแบบ
07:17
grammatically and colloquially,
136
425960
2016
เครื่องจักรต่อเครื ่องจักร จะถูกต้อง
ตามหลักแกรมมาร์และการเรียกขาน
ตามหลักแกรมมาร์และการเรียกขาน
07:20
it can still end up
feeling cold and robotic.
feeling cold and robotic.
137
428000
3216
มันก็ยังรู้สึกเย็น ๆ และเป็นหุ่นยนต์
07:23
And despite checking all the boxes,
the dialogue lacks soul
the dialogue lacks soul
138
431240
4016
ต่อให้ตรวจสอบทั้งหมดแล้ว
07:27
and those one-off quirks
that make each of us who we are.
that make each of us who we are.
139
435280
3136
และการเล่นสำนวนที่ทำให้เราเป็นเรา
07:30
So while it might be grammatically correct
140
438440
2056
อาจจะมีทั้งถูกไวยากรณ์
07:32
and uses all the right
hashtags and emojis,
hashtags and emojis,
141
440520
2656
ใช่แฮชแทกและอีโมจิ
07:35
it can end up sounding mechanical
and, well, a little creepy.
and, well, a little creepy.
142
443200
4136
มันก็ยังดูเป็นเครื่องจักร
และดูหลอนหน่อย ๆ
และดูหลอนหน่อย ๆ
07:39
And we call this the uncanny valley.
143
447360
2336
มันดูประหลาด
07:41
You know, that creepiness factor of tech
144
449720
1936
เป็นความหลอนของเทคโนโลยี
07:43
where it's close to human
but just slightly off.
but just slightly off.
145
451680
2856
ใกล้เคียงกับมนุษย์
แต่ไม่เหมือนซะทีเดียว
แต่ไม่เหมือนซะทีเดียว
07:46
And the piece will start being
146
454560
1456
และชิ้นนี้ก็เป็นการเริ่มต้น
07:48
one way that we test
for the humanness of a conversation
for the humanness of a conversation
147
456040
3216
ของการทดสอบความเป็นมนุษย์
07:51
and the parts that get
lost in translation.
lost in translation.
148
459280
2160
ในการสนทนา
บางส่วนก็หลุดหายไปกับการแปลความหมาย
บางส่วนก็หลุดหายไปกับการแปลความหมาย
07:54
So there are other things
that get lost in translation, too,
that get lost in translation, too,
149
462560
2856
แต่ก็มีบางอย่าง ที่หายไปกับการแปลเหมือนกัน
07:57
like human intuition.
150
465440
1616
เหมือนมนุษย์
07:59
Right now, computers
are gaining more autonomy.
are gaining more autonomy.
151
467080
2776
ตอนนี้ คอมพิวเตอร์
08:01
They can take care of things for us,
152
469880
1736
สามารถดูแลหลายอย่างได้แทนเรา
08:03
like change the temperature
of our houses based on our preferences
of our houses based on our preferences
153
471640
3176
เช่น เปลี่ยนอุณหภูมิบ้าน
08:06
and even help us drive on the freeway.
154
474840
2160
ให้เป็นไปตามต้องการ
และช่วยเราขับรถ
และช่วยเราขับรถ
08:09
But there are things
that you and I do in person
that you and I do in person
155
477560
2496
แต่ก็มีบางอย่างที่เราต้องทำเอง
08:12
that are really difficult
to translate to AI.
to translate to AI.
156
480080
2760
สิ่งที่แปลให้ปัญญาประดิษฐ์เข้าใจได้ยาก
08:15
So think about the last time
that you saw an old classmate or coworker.
that you saw an old classmate or coworker.
157
483440
4360
ลองคิดถึงครั้งสุดท้ายที่เราเจอเพื่อนเก่า
08:21
Did you give them a hug
or go in for a handshake?
or go in for a handshake?
158
489080
2480
คุณกอด หรือจับมือพวกเขา
08:24
You probably didn't think twice
159
492800
1496
คุณอาจจะไม่ได้คิดซ้ำสองรอบ
08:26
because you've had so many
built up experiences
built up experiences
160
494320
2336
เพราะคุณมีประสบการณ์มากมาย
08:28
that had you do one or the other.
161
496680
2000
ที่เคยได้ทำกับคนอื่น ๆ
08:31
And as an artist, I feel
that access to one's intuition,
that access to one's intuition,
162
499440
3456
แต่ในฐานะศิลปิน นั่นเป็นการหยั่งรู้
08:34
your unconscious knowing,
163
502920
1416
คุณทำโดยไม่รู้ตัว
08:36
is what helps us create amazing things.
164
504360
3056
ช่วยเราสร้างสิ่งที่น่าทึ่ง
08:39
Big ideas, from that abstract,
nonlinear place in our consciousness
nonlinear place in our consciousness
165
507440
4056
ความคิดยิ่งใหญ่จากสิ่งที่จับต้องไม่ได้
ไม่เป็นเส้นตรงในจิตใจ
ไม่เป็นเส้นตรงในจิตใจ
08:43
that is the culmination
of all of our experiences.
of all of our experiences.
166
511520
2960
เป็นสุดยอดแห่งประสบการณ์
08:47
And if we want computers to relate to us
and help amplify our creative abilities,
and help amplify our creative abilities,
167
515840
4656
และหากเราต้องการให้คอมพิวเตอร์
ช่วยเพิ่มความคิดสร้างสรรค์ให้เรา
ช่วยเพิ่มความคิดสร้างสรรค์ให้เรา
08:52
I feel that we'll need to start thinking
about how to make computers be intuitive.
about how to make computers be intuitive.
168
520520
3896
เราต้องคิดว่าคอมพิวเตอร์หยั่งรู้อะไร
08:56
So I wanted to explore
how something like human intuition
how something like human intuition
169
524440
3096
ผมจึงอยากสำรวจว่า มนุษย์หยั่งรู้อย่างไร
08:59
could be directly translated
to artificial intelligence.
to artificial intelligence.
170
527560
3456
และแปลให้ปัญญาประดิษฐ์เข้าใจได้อย่างไร
09:03
And I created a piece
that explores computer-based intuition
that explores computer-based intuition
171
531040
3216
ผมได้สร้างระบบที่ดูการหยั่งรู้
ของคอมพิวเตอร์
ของคอมพิวเตอร์
09:06
in a physical space.
172
534280
1320
ในพื้นที่ทางกายภาพ
09:08
The piece is called Wayfinding,
173
536480
1696
เรียกว่า Wayfinding
09:10
and it's set up as a symbolic compass
that has four kinetic sculptures.
that has four kinetic sculptures.
174
538200
3936
มันมีเข็มทิศและ
มีการเคลื่อนไหว 4 จุด
มีการเคลื่อนไหว 4 จุด
09:14
Each one represents a direction,
175
542160
2056
แต่ละอันกำหนดทิศทาง
09:16
north, east, south and west.
176
544240
2120
เหนือ ใต้ ออก ตก
09:19
And there are sensors set up
on the top of each sculpture
on the top of each sculpture
177
547080
2696
มีเซ็นเซอร์บนแต่ละจุด
09:21
that capture how far away
you are from them.
you are from them.
178
549800
2256
เพื่อตรวจว่าคุณอยู่ห่างจากมันแค่ไหน
09:24
And the data that gets collected
179
552080
1816
และเก็บข้อมูล
09:25
ends up changing the way
that sculptures move
that sculptures move
180
553920
2136
เปลี่ยนทิศทางการเคลื่อนไหวของแต่ละจุด
09:28
and the direction of the compass.
181
556080
2040
และของเข็มทิศ
09:31
The thing is, the piece doesn't work
like the automatic door sensor
like the automatic door sensor
182
559360
3656
มันไม่ได้ทำงานอัติโนมัติแบบ
เซ็นเซอร์ประตู
เซ็นเซอร์ประตู
09:35
that just opens
when you walk in front of it.
when you walk in front of it.
183
563040
2656
ที่เปิดทันทีที่คุณเข้าใกล้
09:37
See, your contribution is only a part
of its collection of lived experiences.
of its collection of lived experiences.
184
565720
5056
การทำงานเป็นส่วนหนึ่งของการเก็บประสบการณ์
09:42
And all of those experiences
affect the way that it moves.
affect the way that it moves.
185
570800
4056
ประสบการณ์ทั้งหมด
ส่งผกับการเคลื่อนไหวของมัน
ส่งผกับการเคลื่อนไหวของมัน
09:46
So when you walk in front of it,
186
574880
1736
เมื่อคุณเดินไปข้างหน้า
09:48
it starts to use all of the data
187
576640
1976
มันจะเอาข้อมูลทั้งหมด
09:50
that it's captured
throughout its exhibition history --
throughout its exhibition history --
188
578640
2616
ที่เก็บมาจากอดีต
09:53
or its intuition --
189
581280
1816
หรือการทำนาย
09:55
to mechanically respond to you
based on what it's learned from others.
based on what it's learned from others.
190
583120
3560
เพื่อตอบสนองคุณ
ขึ้นอยู่กับว่ารู้อะไรมา
ขึ้นอยู่กับว่ารู้อะไรมา
09:59
And what ends up happening
is that as participants
is that as participants
191
587480
2536
สิ่งที่เกิดขึ้นในฐานะผู้ร่วมการทดสอบ
10:02
we start to learn the level
of detail that we need
of detail that we need
192
590040
2816
เรารู้ว่าเราต้องการข้อมูลระดับใด
10:04
in order to manage expectations
193
592880
2016
เพื่อจัดการความคาดหวัง
10:06
from both humans and machines.
194
594920
2776
จากมนุษย์และเครื่องจักร
10:09
We can almost see our intuition
being played out on the computer,
being played out on the computer,
195
597720
3616
เราแทบจะเห็นการคาดการของเรา
แสดงออกทางคอมพิวเตอร์
แสดงออกทางคอมพิวเตอร์
10:13
picturing all of that data
being processed in our mind's eye.
being processed in our mind's eye.
196
601360
3600
เก็บภาพเป็นข้อมูล และแสดงผล
10:17
My hope is that this type of art
197
605560
1656
ความหวังผมคือ ศิลปะแขนงนี้
10:19
will help us think differently
about intuition
about intuition
198
607240
2416
จะช่วยให้เราคิดอย่างแตกต่าง
10:21
and how to apply that to AI in the future.
199
609680
2280
และประยุกต์เข้ากับปัญญาประดิษฐ์ได้ในอนาคต
10:24
So these are just a few examples
of how I'm using art to feed into my work
of how I'm using art to feed into my work
200
612480
3936
นี่เป็นตัวอย่างเล็กน้อยที่ผมใช้ศิลปะ
ในงานของผม
ในงานของผม
10:28
as a designer and researcher
of artificial intelligence.
of artificial intelligence.
201
616440
3096
ในฐานะนักออกแบบและนักวิจัย
เรื่องปัญญาประดิษฐ์
เรื่องปัญญาประดิษฐ์
10:31
And I see it as a crucial way
to move innovation forward.
to move innovation forward.
202
619560
3496
และเห็นวิธีที่จะขับเคลื่อนนวัตกรรม
10:35
Because right now, there are
a lot of extremes when it comes to AI.
a lot of extremes when it comes to AI.
203
623080
4376
เพราะเรามีเรื่องที่สุดในทุกด้าน
ของปัญญาประดิษฐ์
ของปัญญาประดิษฐ์
10:39
Popular movies show it
as this destructive force
as this destructive force
204
627480
2816
ในหนังก็แสดงแต่พลังทำลายล้าง
ของปัญญาประดิษฐ์
ของปัญญาประดิษฐ์
10:42
while commercials
are showing it as a savior
are showing it as a savior
205
630320
3056
แต่ในโฆษณา
แสดงมันเป็นผู้ช่วยชีวิต
แสดงมันเป็นผู้ช่วยชีวิต
10:45
to solve some of the world's
most complex problems.
most complex problems.
206
633400
2936
ที่จะแก้ปัญหาบนโลกใบนี้
10:48
But regardless of where you stand,
207
636360
2536
แต่ไม่ว่าคุณจะยืนตรงจุดไหน
10:50
it's hard to deny
that we're living in a world
that we're living in a world
208
638920
2176
คุณก็ปฏิเสธไม่ได้ว่า
เราอยู่บนโลก
เราอยู่บนโลก
10:53
that's becoming more
and more digital by the second.
and more digital by the second.
209
641120
2576
ที่มีความดิจิตอลมาขึ้นในทุกวินาที
10:55
Our lives revolve around our devices,
smart appliances and more.
smart appliances and more.
210
643720
4600
ชีวิตเราเกี่ยวข้องกับ
อุปกรณ์อัจฉริยะทั้งหลาย
อุปกรณ์อัจฉริยะทั้งหลาย
11:01
And I don't think
this will let up any time soon.
this will let up any time soon.
211
649400
2320
และไม่มีทีท่าว่าจะหยุดลงง่าย ๆ
11:04
So, I'm trying to embed
more humanness from the start.
more humanness from the start.
212
652400
3736
ผมพยายามใส่ความเป็นมนุษย์เข้าไป
ในเครื่องจักร
ในเครื่องจักร
11:08
And I have a hunch that bringing art
into an AI research process
into an AI research process
213
656160
5136
และใส่มันไปในการวิจัยปัญญาประดิษฐ์
11:13
is a way to do just that.
214
661320
1896
นี่คือการกระทำของผม
11:15
Thank you.
215
663240
1216
ขอบคุณครับ
11:16
(Applause)
216
664480
2280
(เสียบปรบมือ)
ABOUT THE SPEAKER
Raphael Arar - Designer, researcherIBM's Raphael Arar creates art and designs experiences that examine the complexities of our increasingly technocentric lives.
Why you should listen
While his artwork raises questions about our relationship with modernity and technology, Raphael Arar’s design work revolves around answering those questions in human-centered ways.
Currently a designer and researcher at IBM Research, Arar has been exploring ways to translate aspects of emotional intelligence into machine-readable format. Through this, he is passionately tackling ethical platforms of artificial intelligence. Inc. Magazine says he "epitomizes the style and multi-disciplinary skill set of the modern designer," and in 2017, he was listed as one of Forbes's "30 under 30 in Enterprise Technology."
Raphael Arar | Speaker | TED.com