Com els ordinador aprenen a ser creatius
-
0:01 - 0:04Bé, dirigeixo un equip a Google
encarregat d'IA. -
0:04 - 0:06Dit d'una altra manera,
la disciplina d'enginyeria -
0:06 - 0:11que fa que els ordinadors
imitin processos mentals. -
0:11 - 0:15Això fa que ens interessem
en els cervells reals, -
0:15 - 0:16així com en la neurociència
-
0:16 - 0:20i més concretament
en els processos cerebrals -
0:20 - 0:24que són molt superiors
als processos dels ordinadors. -
0:25 - 0:29Històricament, una d'aquestes àrees
és la percepció. -
0:29 - 0:32El procés mitjançant el qual
coses del món exterior, -
0:32 - 0:33sons i imatges,
-
0:34 - 0:36és converteixen en conceptes
a la nostra ment. -
0:36 - 0:39És un procés essencial
per als nostres cervells -
0:39 - 0:41i també resulta útil
en el cas dels ordinadors. -
0:42 - 0:45Els algoritmes de percepció de la màquina
que fem a l'equip -
0:45 - 0:49són els que fan possible
buscar les fotos a Google Photos, -
0:49 - 0:50basant-los en què contenen.
-
0:52 - 0:55Però la percepció també és creativitat.
-
0:55 - 0:58Fer d'un concepte,
una cosa que hi ha al món. -
0:58 - 1:02Durant els darrers anys, el nostre treball
en la percepció mecànica -
1:02 - 1:07ha connectat, inesperadament,
amb el món de la creativitat mecànica, -
1:07 - 1:08i l'art de les màquines.
-
1:09 - 1:12En Miquel Àngel tenia
una profunda comprensió -
1:12 - 1:16d'aquesta relació dual
entre percepció i creativitat. -
1:16 - 1:18Per exemple, en aquesta cita seva:
-
1:18 - 1:21"En cada bloc de marbre
hi ha una escultura, -
1:22 - 1:25i la feina de l'escultor es descobrir-la."
-
1:26 - 1:29Crec que al que
en Miquel Àngel es referia -
1:29 - 1:32és a que creem per mitjà de la percepció.
-
1:32 - 1:35La percepció, en si mateixa,
és un acte d'imaginació, -
1:36 - 1:38i, per tant, l'àmbit de la creativitat.
-
1:39 - 1:43L'òrgan que pensa,
percep i imagina és, -
1:43 - 1:44per descomptat, el cervell.
-
1:45 - 1:48M'agradaria començar
amb un xic d'història, -
1:48 - 1:50sobre el que sabem del cervell.
-
1:50 - 1:53A diferència d'òrgans
com el cor o els intestins, -
1:53 - 1:56no se'n pot dir gaire d'un cervell,
amb només mirar-lo, -
1:56 - 1:58com a mínim a simple vista.
-
1:58 - 2:00Els primers anatomistes
que observaren el cervell, -
2:00 - 2:04van donar a les estructures superficials
tota mena de noms originals, -
2:04 - 2:07com l'hipocamp, que vol dir 'gambeta'.
-
2:07 - 2:09Però, obviament, aquests noms
no ens en diuen pas gaire -
2:09 - 2:12de què passa realment a l'interior.
-
2:13 - 2:16La primera persona que, considero,
va desenvolupar algun tipus de coneixement -
2:16 - 2:18en relació als processos cerebrals
-
2:18 - 2:22va ser el gran neuroanatomista espanyol
Santiago Ramón y Cajal, -
2:22 - 2:24durant el segle XIX.
-
2:24 - 2:28Va utilitzar el microscopi
i colorants especials -
2:28 - 2:32per omplir o buidar selectivament,
per tal d'aconseguir un contrast molt alt -
2:32 - 2:34de les cèlules individuals del cervell,
-
2:34 - 2:37i així començar a entendre
les seves morfologies. -
2:38 - 2:41Aquests dibuixos de les neurones
en són el resultat, -
2:41 - 2:42tot això al segle XIX.
-
2:42 - 2:44Aquest és d'un cervell d'ocell.
-
2:44 - 2:47S'observa l'increïble varietat
de tipus de cèl·lules que hi ha, -
2:47 - 2:51fins i tot la pròpia teoria cel·lular
era innovadora en aquell moment. -
2:51 - 2:52Aquestes estructures,
-
2:52 - 2:54aquestes cèl·lules amb arboritzacions,
-
2:54 - 2:57aquestes branques que poden anar
molt i molt lluny, -
2:57 - 2:58tot això era molt nou per l'època.
-
2:59 - 3:02Recorden, per descomptat, a cables.
-
3:02 - 3:05Això podia ser molt obvi
per a alguna gent del segle XIX, -
3:05 - 3:10donat que acabava de començar
la revolució elèctrica i dels cables. -
3:10 - 3:11Però en molts sentits,
-
3:11 - 3:14els dibuixos microanatòmics
d'en Ramón y Cajal, com aquest, -
3:15 - 3:17en certa manera encara avui
són inmillorables. -
3:17 - 3:19Més d'un segle desprès,
-
3:19 - 3:22encara intentem acabar la feina
que ell va començar. -
3:22 - 3:25Aquestes són les dades
dels nostres col·laboradors, -
3:25 - 3:28de l'Institut de Neurociència Max Planck.
-
3:28 - 3:29El que aquests col·laboradors han fet
-
3:29 - 3:34és prendre imatges de petits trossos
de teixits cerebrals. -
3:34 - 3:38Aquesta mostra completa
té una mida d'un mil·límetre cúbic, -
3:38 - 3:40i això només és una porció minúscula.
-
3:40 - 3:43La barra de l'esquerra
és una micra, si fa no fa. -
3:43 - 3:45Les estructures que es veuen
són les mitocòndries. -
3:45 - 3:47Tenen la mida d'un bacteri.
-
3:47 - 3:49Aquests són costats consecutius,
-
3:49 - 3:52travessant aquest diminut
bloc de teixit. -
3:52 - 3:55Per a fer-se una idea,
-
3:55 - 3:58el diàmetre d'un fil mitjà del cabell
té unes 100 micres. -
3:58 - 4:01Així doncs, ara mateix observem
quelcom molt més petit -
4:01 - 4:02que un simple fil de cabell.
-
4:02 - 4:06A partir d'aquestes sèries
de porcions de microscòpia d'electrons, -
4:06 - 4:11és poden arribar a fer reconstruccions
de neurones en 3D. Són així. -
4:11 - 4:14Aquestes són similars
a les de l'estil de Ramón y Cajal. -
4:14 - 4:16Només il·luminem
certes neurones -
4:16 - 4:19donat que de no ser així
no podríem veure res. -
4:19 - 4:20Estaria massa atapeït,
-
4:20 - 4:21massa ple d'estructura,
-
4:21 - 4:24de connexions cerebrals
entre una neurona i una altra. -
4:25 - 4:28Ramón y Cajal va ser
un avançat al seu temps. -
4:28 - 4:31El progrés en relació
a la comprensió del cervell -
4:31 - 4:33va seguir lentament
durant les dècades següents. -
4:33 - 4:36Però vam aprendre
que les neurones usen electricitat. -
4:36 - 4:39A la Segona Guerra Mundial,
la tecnologia havia avançat prou -
4:39 - 4:42com per a fer experiments elèctrics
amb neurones vives, -
4:42 - 4:44per tal d'entendre'n el funcionament.
-
4:45 - 4:49Va ser el mateix moment en que
s'inventaren els primers ordinadors, -
4:49 - 4:52molt basats en l'idea de modelar
el cervell humà, -
4:52 - 4:55de fer "màquines intel·ligents",
com va dir l'Alan Turing, -
4:55 - 4:57un dels pares de la informàtica.
-
4:58 - 5:03Warren McCulloch i Walter Pitts
observaren els dibuixos d'en Ramon y Cajal -
5:03 - 5:04del còrtex visual,
-
5:04 - 5:05que mostro aquí.
-
5:06 - 5:10Aquest còrtex processa les imatges
que reben els ulls. -
5:10 - 5:14Per ells, això semblava
un esquema de connexions. -
5:14 - 5:18Per això hi ha molts detalls als esquemes
d'en McCulloch i en Pitt -
5:18 - 5:20que no són gaire correctes.
-
5:20 - 5:21Però aquesta idea bàsica,
-
5:21 - 5:25que el còrtex visual funciona
com una serie d'elements computacionals -
5:25 - 5:28tot passant informació d'un a l'altre
en una cascada -
5:28 - 5:29és, en essència, correcta.
-
5:29 - 5:32Aturem-nos un moment
-
5:32 - 5:36per parlar del que ha de fer un model
de processador d'informació visual. -
5:36 - 5:39La tasca de percepció més bàsica seria:
-
5:39 - 5:43agafar una imatge i poder dir
-
5:43 - 5:44"és un ocell".
-
5:44 - 5:47Una tasca ben senzilla
per als nostres cervells. -
5:47 - 5:51Però cal entendre que,
en el cas d'un ordinador, -
5:51 - 5:54era una tasca impossible
només fa uns anys. -
5:54 - 5:56El paradigma clàssic de la informàtica
-
5:56 - 5:58no és aquell on aquesta tasca
és fàcil de fer. -
5:59 - 6:02Així doncs, què passa entre els píxels,
-
6:02 - 6:06entre la imatge de l'ocell
i la paraula "ocell", -
6:06 - 6:09és, essencialment,
un conjunt de neurones interconnectades -
6:09 - 6:10en una xarxa neuronal,
-
6:10 - 6:11Com mostra el diagrama.
-
6:11 - 6:15Aquesta xarxa neural pot ser biològica,
dins el nostre còrtex visual, -
6:15 - 6:17o, com hem començat
a ser capaços de fer, -
6:17 - 6:19modelar aquestes xarxes neurals
a l'ordinador. -
6:20 - 6:22Els ensenyaré quin aspecte té.
-
6:22 - 6:26Així, els píxels es poden entendre
com una primera capa de neurones, -
6:26 - 6:28que, de fet, és com funciona
en el cas de l'ull, -
6:28 - 6:30les neurones que hi ha a la retina.
-
6:30 - 6:31Una rere l'altra,
-
6:31 - 6:35capes, capes i més capes
de neurones, -
6:35 - 6:38totes interconnectades per sinapsis
de diferents pesos. -
6:38 - 6:39El comportament de la xarxa
-
6:39 - 6:42es caracteritza per la força
de totes aquestes sinapsis. -
6:42 - 6:46Aquestes determinen
les propietats computacionals de la xarxa. -
6:46 - 6:47El resultat final,
-
6:47 - 6:50és una neurona
o un petit grup de neurones -
6:50 - 6:51que s'il·luminen i diuen "ocell".
-
6:52 - 6:55Ara representaré aquestes tres coses:
-
6:55 - 7:00Els píxels d'entrada, les sinapsis
a la xarxa neuronal -
7:00 - 7:01i l'ocell, el resultat;
-
7:01 - 7:04amb tres variables: x, w i y.
-
7:05 - 7:07Potser hi ha un milió o més de 'x',
-
7:07 - 7:09un milió de píxels a la imatge.
-
7:09 - 7:11Hi ha milers de milions de 'w',
-
7:11 - 7:15que representen els pesos de les sinapsis
a la xarxa neuronal. -
7:15 - 7:16Però hi ha un nombre molt petit de 'y',
-
7:16 - 7:18els resultats de la xarxa neuronal.
-
7:18 - 7:20"Bird" ['ocell'] són 4 lletres, oi?
-
7:21 - 7:25Plantegem-nos-ho
com una fórmula senzilla: -
7:25 - 7:27x "x" w = y
-
7:27 - 7:29Poso els temps entre cometes
-
7:29 - 7:31perquè el que passa realment,
per descomptat, -
7:31 - 7:34són una serie d'operacions matemàtiques
molt complicades. -
7:35 - 7:36Això és una equació.
-
7:36 - 7:38Hi ha 3 variables.
-
7:38 - 7:41Tothom sap que si tenim una equació,
-
7:41 - 7:45es pot resoldre una variable
per mitjà de conèixer les altres dues. -
7:45 - 7:49Així que el problema de la inferència,
-
7:49 - 7:51és a dir esbrinar que
la imatge de l'ocell és un ocell, -
7:51 - 7:53és el següent:
-
7:53 - 7:56'y' és la incògnita
i 'w' i 'x' són valors coneguts. -
7:56 - 7:59Sabem la xarxa neural,
sabem les píxels. -
7:59 - 8:02De fet, en realitat es tracta
d'un problema relativament senzill. -
8:02 - 8:04Multiplicant 2 vegades 3
estaria resolt. -
8:05 - 8:07Els ensenyaré
una xarxa neuronal artificial, -
8:07 - 8:09que hem construït fa poc,
seguint aquesta idea. -
8:10 - 8:12Això s'executa en temps real
des d'un telèfon mòbil, -
8:13 - 8:16la qual cosa ja és, en si,
prou sorprenent; -
8:16 - 8:19el fet que telèfons mòbils facin
milers de milions i bilions d'operacions, -
8:19 - 8:21en uns pocs segons.
-
8:21 - 8:22El que veuen és un telèfon,
-
8:22 - 8:26mirant una per una
imatges d'ocells. -
8:26 - 8:29De fet, no només mirant
i dient "Sí, és un ocell", -
8:29 - 8:32sinó també identificant-ne l'espècie d'au
per mitjà d'aquesta xarxa. -
8:33 - 8:35Així, en aquesta imatge,
-
8:35 - 8:39'x' i 'w' són valors coneguts,
i 'y' és la incògnita. -
8:39 - 8:41Per descomptat, passem per alt
la part més difícil, -
8:41 - 8:45que és: com descobrim el valor de 'w',
-
8:45 - 8:47el cervell que ho pot fer?
-
8:47 - 8:49Com podríem aprendre un model així?
-
8:49 - 8:53Doncs aquest procés d'aprenentatge,
de resoldre el valor de 'w', -
8:53 - 8:55si el fem amb l'equació,
-
8:55 - 8:57on pensem en el problema com a números,
-
8:57 - 9:00sabem com fer-ho exactament: 6 = 2 x w.
-
9:00 - 9:03Dividim entre 2 i s'ha acabat.
-
9:04 - 9:06El problema ve amb aquesta operació.
-
9:07 - 9:08La divisió.
-
9:08 - 9:11Hem utilitzat la divisió
perquè és l'oposat a la multiplicació, -
9:11 - 9:13però com hem dit,
-
9:13 - 9:15la multiplicació no és del tot certa aquí.
-
9:15 - 9:18Es una operació tremendament complicada,
una operació no lineal, -
9:18 - 9:20que no té oposat.
-
9:20 - 9:23Així que hem d'esbrinar
la manera de resoldre l'equació -
9:23 - 9:25sense usar la divisió.
-
9:25 - 9:28La manera per fer-ho
és bastant directa. -
9:28 - 9:30Només s'ha de fer
un petit truc d'àlgebra. -
9:30 - 9:33És mou el 6 a la part dreta de l'equació.
-
9:33 - 9:35Així, encara usem la multiplicació.
-
9:36 - 9:39Aquest 0, considerem-lo un error.
-
9:39 - 9:42És a dir, si hem resolt 'w'
correctament, -
9:42 - 9:43l'error és 0;
-
9:43 - 9:45si no l'hem resolt bé,
-
9:45 - 9:47l'error serà més gran que 0.
-
9:47 - 9:51Ara només podem calcular a ull,
per tal de minimitzar l'error, -
9:51 - 9:53i els ordinadors són bons
en aquest tipus de coses. -
9:53 - 9:55Prenent una aproximació inicial:
-
9:55 - 9:56què passa si w = 0?
-
9:56 - 9:57Bé, llavors l'error és 6.
-
9:57 - 9:59Què passa si w = 1?
L'error és 4. -
9:59 - 10:01I així l'ordinador pot jugar
a Marco Polo, -
10:01 - 10:04per tal de reduir l'error prop de 0.
-
10:04 - 10:07A mesura que ho fa,
fa aproximacions successives a 'w'. -
10:07 - 10:11En general, mai hi arriba del tot,
però desprès d'uns 12 passos, -
10:11 - 10:15s'arriba a w=2.999,
que està prou a prop. -
10:16 - 10:18Aquest és el procés d'aprenentatge.
-
10:18 - 10:21Recordem que el que hem estat fent aquí
-
10:21 - 10:25ha estat usar
molts valors coneguts 'x' i 'y' -
10:25 - 10:29i resoldre la 'w' central
mitjançant un procés de repetició. -
10:29 - 10:32És exactament la mateixa manera
en la que aprenem nosaltres mateixos. -
10:32 - 10:35De nadons tenim moltíssimes imatges
-
10:35 - 10:37i se'ns diu:
"Això és un ocell, això no ho és". -
10:38 - 10:40Amb el temps, a través de la repetició,
-
10:40 - 10:43resolem la nostra 'w',
resolent les seves connexions neurals. -
10:43 - 10:48Bé, ara hem mantingut
'x' i 'w' per tal de resoldre 'y' -
10:48 - 10:49això és diari, la percepció ràpida.
-
10:49 - 10:51Hem descobert com resoldre 'w',
-
10:51 - 10:53l'aprenentatge, molt més difícil
-
10:53 - 10:55perquè s'ha de minimitzar l'error
-
10:55 - 10:57practicant amb molts exemples,
-
10:57 - 11:00i fa un any, l'Alex Mordvintsev,
del nostre equip, -
11:00 - 11:04va decidir experimentar
què passa en intentar resoldre 'x', -
11:04 - 11:06amb una 'w' i una 'y' conegudes.
-
11:06 - 11:07És a dir,
-
11:07 - 11:09sabem que és un ocell,
-
11:09 - 11:12i tenim la xarxa neural
entrenada en ocells, -
11:12 - 11:14però què és la imatge d'un ocell?
-
11:15 - 11:20Va resultar que usant el mateix procés
de minimitzar l'error, -
11:20 - 11:24mitjançant la xarxa entrenada
en reconèixer ocells, -
11:24 - 11:27el resultat és...
-
11:30 - 11:32una imatge d'ocells.
-
11:33 - 11:37Aquesta imatge d'ocells
es genera totalment per la xarxa neural -
11:37 - 11:38entrenada en reconèixer ocells,
-
11:38 - 11:42tot resolent 'x' en lloc de resoldre 'y'
-
11:42 - 11:43de manera repetitiva.
-
11:44 - 11:46Aquest és un altre bon exemple.
-
11:46 - 11:49És un treball fet pel Mike Tyka,
del nostre grup. -
11:49 - 11:51El va anomenar "Cavalcada d'animals".
-
11:51 - 11:54Em recorda una mica
l'obra d'en William Kentridge, -
11:54 - 11:57fa esborranys, els refrega,
-
11:57 - 11:58fa esborranys, els refrega
-
11:58 - 12:00i amb tot plegat fa una pel·lícula.
-
12:00 - 12:01En aquest cas,
-
12:01 - 12:04en Mike va variar 'y'
en l'espai de diferents animals, -
12:04 - 12:07a una xarxa dissenyada
que reconeix i distingeix -
12:07 - 12:08entre diferents animals.
-
12:08 - 12:12El resultat és aquest estil Escher
d'animals transformant-se'n altres. -
12:14 - 12:19Ell i l'Alex van provar a reduir
-
12:19 - 12:22'y' a un espai de només 2 dimensions,
-
12:22 - 12:25tot fent un mapa
fora de l'espai de totes les coses -
12:25 - 12:27que reconeix aquesta xarxa.
-
12:27 - 12:29En fer aquesta combinació
-
12:29 - 12:31o generar les imatges
sobre tota aquesta superfície -
12:31 - 12:34variant 'y' per la mateixa,
es genera una mena de mapa; -
12:34 - 12:37un mapa visual de tot allò
que la xarxa pot reconèixer. -
12:37 - 12:40Tots els animals hi són,
com l'armadillo just en aquest punt. -
12:41 - 12:43Això també es pot fer amb
altra mena de xarxes. -
12:43 - 12:46Aquesta és una xarxa
dissenyada per a reconèixer cares. -
12:46 - 12:48Per a distingir una cara d'una altra.
-
12:48 - 12:52Aquí hem posat a 'y'
on hi posa "jo" -
12:52 - 12:53els paràmetres de la meva cara.
-
12:53 - 12:55Quan amb això resolem 'x'
-
12:55 - 12:58genera aquesta bogeria.
-
12:58 - 13:02Barreja de cubista, surrealista
i psicodèlica foto meva, -
13:02 - 13:04amb múltiples punts de vista aplegats.
-
13:04 - 13:07La raó per la qual aplega
múltiples punts de vista alhora -
13:07 - 13:10és perquè la xarxa està dissenyada
per a obviar l'ambigüitat -
13:10 - 13:13d'una mateixa cara
amb un gest o un altre, -
13:13 - 13:16observat amb una il·luminació
o una altra de diferent. -
13:16 - 13:18Així, en fer aquesta mena de reconstrucció
-
13:18 - 13:21si no s'utilitza
algun tipus d'imatge de guia, -
13:21 - 13:22d'estadístiques de guia,
-
13:22 - 13:26el resultat és una confusió
de diferents punts de vista, -
13:26 - 13:27perquè és ambigu.
-
13:28 - 13:32Això és el que passa quan l'Alex
usa la seva cara com a imatge de guia -
13:32 - 13:35en el procés d'optimització per tal
de reconstruir la meva cara. -
13:36 - 13:39Es pot apreciar que no es perfecte.
-
13:39 - 13:41Encara queda molta feina a fer,
-
13:41 - 13:43per tal de millorar
aquest procés d'optimització. -
13:43 - 13:46Però, es comença a obtenir
quelcom semblant a una cara, -
13:46 - 13:48he deixat d'usar la meva cara com a guia.
-
13:49 - 13:51No s'ha de començar
d'un llenç en blanc -
13:51 - 13:53o d'un so en blanc.
-
13:53 - 13:54Quan resolem 'x',
-
13:54 - 13:58es pot començar amb una 'x',
és a dir, amb una altra imatge. -
13:58 - 14:00Com en aquesta petita demostració.
-
14:00 - 14:05Aquesta és una xarxa dissenyada
per tal de categoritzar -
14:05 - 14:08tota mena d'objectes:
estructures fetes per l'home, animals... -
14:08 - 14:10Comencem amb una senzilla
fotografia de núvols -
14:10 - 14:12i en optimitzar,
-
14:12 - 14:17la xarxa esbrina, en essència,
què hi veu als núvols. -
14:17 - 14:19Com a més temps passem
observant-ho, -
14:19 - 14:22més coses hi veurem,
als núvols. -
14:23 - 14:26També podem usar la xarxa
de reconeixement facial per al·lucinar, -
14:26 - 14:28i aconseguim coses bastant boges.
-
14:28 - 14:29(Riures)
-
14:30 - 14:33En Mike també ha fet d'altres experiments.
-
14:33 - 14:37Ha agafat la imatge del núvols,
-
14:37 - 14:41al·lucina, fa zoom,
al·lucina, fa zoom... -
14:41 - 14:42D'aquesta manera,
-
14:42 - 14:45s'obté una mena d'estat
de fuga dissociativa a la xarxa, -
14:46 - 14:49una mena d'associació lliure,
-
14:49 - 14:51on la xarxa és menja la seva pròpia cua.
-
14:51 - 14:55Fent, així, de cada imatge, la base de:
-
14:55 - 14:56"Què crec que hi veig aquí?
-
14:56 - 14:59I ara què hi veig? I ara?..."
-
14:59 - 15:02La primera vegada
que ho vaig ensenyar en públic -
15:02 - 15:08va ser a un grup a una conferència
a Seattle anomenat "Higher Education", -
15:08 - 15:10tot just després
de legalitzar la marihuana. -
15:10 - 15:13(Riures)
-
15:15 - 15:17M'agradaria acabar ràpidament,
-
15:17 - 15:21dient que aquesta
tecnologia no és només això. -
15:21 - 15:25He ensenyat exemples visuals
perquè són divertits, -
15:25 - 15:27però no només es tracta
de tecnologia visual. -
15:27 - 15:29Un artista col·laborador,
en Ross Goodwin, -
15:29 - 15:33ha fet experiments
fent fotografies amb una càmera -
15:33 - 15:37i que un ordinador a la seva motxilla
en faci un poema amb una xarxa neural; -
15:37 - 15:39bastant-se en la imatge.
-
15:39 - 15:42Aquesta xarxa neural de poesia
s'ha preparat -
15:42 - 15:44amb un extens corpus de poesia
del segle XX. -
15:44 - 15:46Els poemes resultants són...
-
15:46 - 15:48Bé, no estan del tot malament.
-
15:48 - 15:49(Riures)
-
15:49 - 15:50En resum.
-
15:50 - 15:53Crec que en Miquel Àngel
-
15:53 - 15:54tenia raó.
-
15:54 - 15:57La percepció i la creativitat
estan lligades molt íntimament. -
15:58 - 16:00Això són xarxes neuronals
-
16:00 - 16:03preparades per tal de poder
discriminar -
16:03 - 16:05o reconèixer diferents coses
del món; -
16:05 - 16:08capaces de córrer en sentit invers
per tal de poder generar. -
16:08 - 16:10Una de les coses que em suggereix,
-
16:10 - 16:12és que no només
en Miquel Àngel era capaç de veure -
16:12 - 16:15l'escultura dins els blocs de marbre;
-
16:15 - 16:18sino que qualsevol criatura,
qualsevol ésser, qualsevol marcià -
16:18 - 16:22capaç de fer aquesta mena
d'actes de percepció, -
16:22 - 16:23també pot crear.
-
16:23 - 16:27Perquè s'utilitza exactament
el mateix mecanisme en ambdós casos. -
16:27 - 16:31També considero que tant
la percepció com la creativitat no són -
16:31 - 16:33exclusivament humanes.
-
16:33 - 16:36Comencem a tenir models d'ordinador
capaços de dur a terme aquestes tasques. -
16:36 - 16:40Això no ens hauria de sorprendre,
ja que el cervell és computacional. -
16:40 - 16:41Per acabar,
-
16:41 - 16:46la informàtica començà com a un exercici
de disseny de màquines intel·ligents. -
16:46 - 16:48Es va modelar molt en torn
a la idea -
16:48 - 16:51de com fer màquines intel·ligents.
-
16:52 - 16:54Finalment, ara comencem a aconseguir
-
16:54 - 16:56algunes de les promeses
d'aquells primers pioners, -
16:56 - 16:58d'en Turing, en Von Neumann,
-
16:58 - 17:00d'en McCulloch i en Pitts.
-
17:00 - 17:04Crec que la informàtica
no és només comptabilitat, -
17:04 - 17:06o jugar al "Candy Crush" i coses així.
-
17:06 - 17:09Vam començar seguint
el model de les nostres ments. -
17:09 - 17:12Ens dóna tant l'habilitat
d'entendre'ns millor a nosaltres mateixos -
17:12 - 17:14com de millora-la.
-
17:15 - 17:16Moltes gràcies.
-
17:16 - 17:22(Aplaudiments)
- Title:
- Com els ordinador aprenen a ser creatius
- Speaker:
- Blaise Agüera i Arcas
- Description:
-
Som a la vora d'una nova frontera en l'art i la creativitat, i no és humana. Blaise Agüera i Arcas, científic principal a Google, treballa amb xarxes neuronals profundes per a la percepció i aprenentatge distribuït d'intel·ligència artificial. En aquesta captivadora presentació, mostra com les xarxes neuronals entrenades per reconèixer imatges es poden executar al revés, per generar-les. Els resultats: espectacular, collages al·lucinatòries (i poemes!) que desafien la categorització. "La percepció i la creativitat estan lligades molt íntimament", diu Agüera i Arcas. "Qualsevol criatura, qualsevol ésser que és capaç de fer actes de percepció també és capaç de crear."
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 17:34
TED Translators admin approved Catalan subtitles for How we're teaching computers to be creative | ||
Victoria Durant accepted Catalan subtitles for How we're teaching computers to be creative | ||
Victoria Durant edited Catalan subtitles for How we're teaching computers to be creative | ||
Elena Pérez Gómez edited Catalan subtitles for How we're teaching computers to be creative | ||
Elena Pérez Gómez edited Catalan subtitles for How we're teaching computers to be creative | ||
Elena Pérez Gómez edited Catalan subtitles for How we're teaching computers to be creative | ||
Elena Pérez Gómez edited Catalan subtitles for How we're teaching computers to be creative | ||
Elena Pérez Gómez edited Catalan subtitles for How we're teaching computers to be creative |