Waarom ik samen met robots teken

Wat gebeurt er als mensen en robots samen kunst maken? In deze inspirerende talk laat kunstenaar Sougwen Chung zien hoe ze haar artistieke stijl aan een machine leerde en deelt de resultaten van hun samenwerking na een onverwachte ontdekking: robots maken ook fouten. 'De schoonheid van mens- en machinesystemen komt deels voort uit de onvolmaaktheid van beiden.'

Velen van ons gebruiken technologie
in ons dagelijks leven.

En sommigen van ons zijn in ons werk
afhankelijk van technologie.

Een tijd lang heb ik machines
en de technologie erachter gezien

als perfecte middelen om efficiënter
en productiever te werken.

Maar met de opkomst van automatisering
in veel industrieën

rees bij mij de vraag:

Als machines steeds meer het werk doen

dat normaal door mensen wordt gedaan,

wat zijn dan de gevolgen
voor de mensenhand?

Hoe beïnvloedt ons streven
naar perfectie, precisie en automatisering

onze creatieve vermogens?

Als kunstenaar en onderzoeker,
gebruik ik KI en robotica

om nieuwe manieren te ontwikkelen
voor menselijke creativiteit.

In de afgelopen paar jaar

heb ik werk gemaakt met machines,
data en nieuwe technologieën.

Dit komt voort
uit een levenslange fascinatie

voor de dynamiek
tussen individuen en systemen

en de warboel die
daar vaak mee gepaard gaat.

Zo zoek ik antwoord op de vraag
waar KI eindigt en wij beginnen,

en ontwikkel ik werkwijzen

die mogelijke zintuiglijke mengeling
voor de toekomst onderzoekt.

Dit speelt zich af op het raakvlak
van filosofie en technologie.

Dit werk heeft me een paar dingen geleerd.

Ik heb geleerd dat
door imperfectie te accepteren,

we dingen kunnen leren over onszelf.

Ik heb ook geleerd
dat door kunst te verkennen,

we de technologie die ons vormt
beter kunnen maken.

En het heeft me geleerd dat
door KI en robotica te combineren

met traditionele vormen
van creativiteit --

in mijn geval beeldende kunst --

we beter kunnen nadenken

over wat een mens is en wat een machine.

Hierdoor kwam ik tot de conclusie

dat samenwerking essentieel is
voor het creëren van ruimte voor allebei

voor de toekomst.

Het begon met een tekenexperiment
met machines, genaamd:

'Draw Operations Unit: Generation 1'.

Afgekort noem ik de machine 'D.O.U.G.'

Voordat ik D.O.U.G. bouwde,

wist ik niets af
van het bouwen van robots.

Ik nam een paar opensourceontwerpen
voor een robotarm

en hackte het zodanig
dat de robot mijn gebaren na zou doen

en ze in realtime zou volgen.

Het uitgangspunt was simpel:

Ik zou leiden en hij zou me volgen.

Ik zou een lijn tekenen
en hij zou mijn lijn imiteren.

En in 2015 was het zover
en tekende we voor het eerst samen

voor een klein publiek in New York.

Het was simpel opgezet --

geen licht, geen geluid,
niets om je achter te verbergen.

Alleen mijn zwetende handen

en de nieuwe servomotoren
van de robots die warm werden.

(Gelach) We zijn hier duidelijk
niet voor gemaakt.

Maar er gebeurde iets interessants,
iets dat ik niet verwacht had.

Deze eerste versie van D.O.U.G.
volgde mijn lijn namelijk niet perfect.

Hoewel de simulatie
die men op het scherm zag

tot op de pixel nauwkeurig was,

was het in werkelijkheid
een heel ander verhaal.

Hij slipte en gleed weg
en stippelde en haperde,

en ik was gedwongen te reageren.

Het was verre van perfect.

Maar toch maakten de fouten
het werk wel een stuk interessanter.

De machine interpreteerde mijn lijn,
maar niet zorgvuldig.

En ik moest daar weer op reageren.

We pasten ons in realtime op elkaar aan.

Ik heb hier een aantal dingen van geleerd.

Ik zag dat onze fouten
het werk interessanter maakten.

En het was duidelijk dat
door de imperfectie van de machine

het juist de imperfecties waren
die de interactie bijzonder maakten.

Ik was enthousiast want ik besefte

dat de schoonheid van mens-
en machinesystemen deels voortkomt

uit de onvolmaaktheid van beiden.

Met de tweede generatie van D.O.U.G.

wilde ik dit idee verder onderzoeken.

Maar in plaats van de robotarm
te dwingen tot het uiterste te gaan,

wilde ik een systeem ontwerpen
dat op een verrassende manier

op mijn tekeningen zou reageren.

Dus gebruikte ik een visueel algoritme
om beeldinformatie te halen

uit tientallen jaren aan digitale
en analoge tekeningen.

Met de tekeningen trainde ik
een neuraal netwerk,

zodat het terugkerende figuren
in het werk kon reproduceren

die vervolgens met aangepaste software
weer terug in de machine gevoerd werden.

Ik verzamelde zoveel
mogelijk tekeningen --

complete werken, onvoltooide experimenten
en willekeurige sketches --

en gaf ze labels voor het KI-systeem.

En als kunstenaar heb ik in twintig jaar
veel werk geproduceerd.

Om al die tekeningen te verzamelen,
kostte maanden werk. Een hele klus.

Wat blijkt als je KI-systemen traint:

het kost ongelofelijk veel tijd.

Het meeste werk gebeurt
achter de schermen.

Maar door ermee bezig te zijn,
leerde ik wat meer

over hoe het ontwerp van KI
in elkaar steekt.

Ik kwam erachter dat het niet alleen
bestaat uit modellen en klassen

voor het neurale netwerk,

maar dat het wezenlijk
een flexibel en plastisch systeem is,

waarbij de mensenhand altijd aanwezig is.

Het lijkt totaal niet op de almachtige KI
die ons wordt voorgeschoteld.

Dus ik verzamelde de tekeningen
voor het neurale netwerk.

We ontdekten iets
dat nog niet eerder mogelijk was.

Mijn robot D.O.U.G. werd
een interactieve weergave in realtime

van al het werk dat ik
in mijn hele leven had gemaakt.

De data was persoonlijk,
maar de resultaten waren indrukwekkend.

En ik was enthousiast,

want ik realiseerde me dat machines
niet alleen hulpmiddelen konden zijn,

maar dat ze ook zouden kunnen werken
als niet-menselijke medewerkers.

En nog een stap verder,

misschien zit de toekomst
van menselijke creativiteit

niet in wat gemaakt wordt,

maar hoe door samenwerking
nieuwe manieren van produceren ontstaan.

Dus als D.O.U.G._1 de spieren was

en D.O.U.G._2 de hersenen,

dan zie ik D.O.U.G_3 als de familie.

Ik wilde dit idee van een samenwerking
tussen mens en machine

op grote schaal onderzoeken.

De afgelopen paar maanden

werkte ik dus met mijn team
aan twintig op maat gemaakte robots

om mee samen te werken.

Zij vormden een groep

en samen zouden we werken
met heel New York.

Ik was enorm geïnspireerd
door de Stanford onderzoeker Fei-Fei Li,

die zei: "Als we machines
willen leren na te denken,

moeten we ze eerst leren zien."

Ik moest denken aan mijn leven
in New York de afgelopen tien jaar,

en hoe we overal in de stad door camera's
in de gaten werden gehouden.

Ik dacht dat het interessant kon zijn

om met hen mijn robots te leren zien.

Door dit project

dacht ik na over de blik van de machine,

en begon ik zien te beschouwen
als multidimensionaal,

als beelden ergens vandaan.

We verzamelden video's

van openbare camera's op internet

van voetgangers op de stoep,

auto's en taxi's op de weg,

allerlei soorten bewegingen op straat.

We leerden een visueel algoritme
werken met deze invoer,

gebaseerd op de techniek
'optische stroom',

om de gezamenlijke dichtheid,

richting, stilstand en snelheid
van stadsbewegingen te analyseren.

Ons systeem haalde die standen
uit het materiaal als positionele data

en hier konden mijn robots
mee aan de slag om te tekenen.

In plaats van een een-op-een samenwerking

werd het een samenwerking van velen.

Door de visie van de mens
en die van de machine te combineren,

konden we opnieuw bepalen
wat een landschapsschilderij kan zijn.

In al mijn experimenten met D.O.U.G.

was geen één voorstelling hetzelfde.

Door samenwerking

ontstaat er iets dat geen van beiden
op zichzelf zou kunnen:

we verkennen de grenzen
van onze creativiteit,

mens en machine werkend zij aan zij.

Ik denk dat dit pas het begin is.

Dit jaar lanceerde ik de 'Scillet',

een onderzoek naar menselijke- en
intermenselijke samenwerking in mijn lab.

We zijn vooral geïnteresseerd
in de terugkoppeling

tussen individuele-, kunstmatige-
en ecologische systemen.

We vergelijken de output
van mens en machine

met biometrie en andere ecologische data.

Iedereen die geïnteresseerd is
in de toekomst van werk, systemen

en andere intermenselijke samenwerking
is welkom mee te doen met ons onderzoek.

Niet alleen de technologen
moeten hiervoor aan het werk,

we spelen hier allemaal een rol in.

Wij denken dat door machines te leren

hoe ze het werk moeten doen
dat normaal door mensen wordt gedaan,

we kunnen onderzoeken en meten

wat een mensenhand mogelijk heeft gemaakt.

En onderdeel van deze reis
is het omarmen van deze imperfecties

en de feilbaarheid van zowel mens
als machine te accepteren,

om zo de potentie van beiden te vergroten.

Op dit moment ben ik nog steeds
bezig om schoonheid

in menselijke- en niet-menselijke
creativiteit te vinden.

Ik heb geen idee hoe dit
er in de toekomst uit zal zien,

maar ik ben zeer benieuwd.

Bedankt.

(Applaus)