Cómo las computadoras aprenden a ser creativas

Estamos en el límite de una nueva frontera en el arte y la creatividad y que no es humana. Blaise Agüera y Arcas, científico principal en Google, trabaja con redes neuronales para el desarrollo de la percepción computacional y el aprendizaje distribuido. En esta demo cautivadora muestra cómo las redes neuronales entrenadas para reconocer imágenes se pueden ejecutar a la inversa, para generarlas. Los resultados, espectaculares collages (¡y poemas!) alucinantes que desafían la categorización. "La percepción y la creatividad están conectados muy íntimamente", dice Agüera y Arcas. "Cualquier criatura, cualquier ser capaz de percibir es también capaz de crear".

Coordino un equipo de Google que
trabaja en inteligencia artificial;

es decir, en la disciplina de ingeniería
para fabricar computadoras y dispositivos

capaces de hacer algunas cosas
que hacen los cerebros.

Y esto hace que nos interese
mucho el cerebro real,

la neurociencia

y, especialmente, nos interesan
las cosas que hace nuestro cerebro

que todavía son muy superiores
al rendimiento de las computadoras.

Históricamente, una de esas áreas
ha sido la percepción,

el proceso por el cual
las cosas que hay en el mundo,

sonidos e imágenes,

pueden convertirse
en conceptos en la mente.

Esto es esencial
para nuestro propio cerebro,

y también es muy útil en una máquina.

Nuestro equipo hace algoritmos
de percepción computacional

que permiten encontrar imágenes en Google

en función de lo que hay en ellas.

La otra cara de la percepción
es la creatividad:

convertir un concepto
en algo que hay en el mundo.

Así que en el último año, nuestro
trabajo en percepción computacional

ha conectado de forma inesperada
con el mundo de la creatividad

y el arte computacionales.

Creo que Miguel Ángel
tenía una visión aguda

en esta doble relación
entre la percepción y la creatividad.

Esta es una de sus célebres citas:

"Cada bloque de piedra tiene
una estatua en su interior,

y el trabajo del escultor
es descubrirla".

Pienso que Miguel Ángel quería decir

que creamos al percibir,

y que la propia percepción
es un acto de imaginación

y es la materia de la creatividad.

El órgano que crea todo el pensamiento,
la percepción y la imaginación,

por supuesto, es el cerebro.

Y me gustaría empezar
con un poquito de historia

sobre lo que sabemos del cerebro.

Porque a diferencia de, por ejemplo,
el corazón o los intestinos,

realmente no se puede decir mucho
de un cerebro con solo mirarlo,

al menos a simple vista.

Los primeros anatomistas
que exploraron cerebros dieron

a las estructuras superficiales de esta
cosa todo tipo de nombres de fantasía,

como hipocampo,
que significa "pequeño camarón".

Pero, por supuesto,
eso no nos dice mucho

de lo que realmente
sucede en el interior.

La primera persona que, creo,
desarrolló una visión

de lo que ocurría en el cerebro

fue el gran neuroanatomista español,
Santiago Ramón y Cajal,

en el siglo XIX,

que usó la microscopía
y tinciones especiales

para poder marcar selectivamente
en un contraste muy alto

las células individuales en el cerebro,

para empezar a entender sus morfologías.

Y estos son los tipos de dibujos
que hizo de las neuronas

en el siglo XIX.

Esto es de un cerebro de un pájaro.

Y ya ven esta increíble variedad
de diferentes tipos de células,

incluso la propia teoría celular
era bastante nueva en este momento.

Y estas estructuras,

estas células que tienen
estas arborizaciones,

estas ramas que pueden alcanzar
muy largas distancias,

esto era muy novedoso en esa época.

Nos recuerdan, por supuesto,
a los cables.

Eso podría haber sido obvio
para algunos en el siglo XIX;

las revoluciones del cableado y de
la electricidad se estaban iniciando.

Pero en muchos sentidos,

los dibujos de microanatomía
de Ramón y Cajal, como éste,

todavía son,
en cierto modo, insuperables.

Un siglo más tarde todavía

tratamos de terminar
el trabajo que empezó Ramón y Cajal.

Estos son los datos brutos
de nuestros colaboradores

del Instituto Max Planck
de Neurociencia.

Nuestros colaboradores

han tomado imágenes de
trozos de tejido cerebral.

La muestra completa aquí
es de 1 mm cúbico de tamaño,

y les estoy mostrando
un trozo muy pequeño.

Esa barra de la izquierda es
de aproximadamente una micra.

Las estructuras visibles
son las mitocondrias

del tamaño de las bacterias.

Y estos son cortes consecutivos

de este diminuto bloque de tejido.

solo a efectos de comparación,

el diámetro de una hebra promedio
de pelo es de unas 100 micras.

Así que vemos algo mucho,
mucho más pequeño

que una sola hebra de cabello.

Y a partir de este tipo de rebanadas
de microscopía electrónica de serie,

se pueden hacer reconstrucciones en 3D
de las neuronas con este aspecto.

Son casi del mismo estilo
que las de Ramón y Cajal.

Solo se iluminaron unas pocas neuronas,

porque, de lo contrario,
no se podría ver nada aquí.

Estaría tan lleno,

tan pleno de estructuras,

de cableado de todas las neuronas
conectadas una a otra.

Así Ramón y Cajal se adelantó
un poco a su tiempo,

y al progreso
en la comprensión del cerebro

avanzando lentamente
a lo largo de las siguientes décadas.

Pero sabíamos que las neuronas
usan electricidad

y por la Segunda Guerra Mundial,
la tecnología avanzó lo suficiente

como para empezar a hacer experimentos
eléctricos reales con neuronas vivas

para comprender mejor cómo funcionaban.

En ese mismo momento
se desarrollaban las computadoras

con la idea de modelar el cerebro,

de "máquinas inteligentes",
como decía Alan Turing,

uno de los padres de la informática.

Warren McCulloch y Walter Pitts
miraron el dibujo de Ramón y Cajal

de la corteza visual,

que muestro aquí.

Esta es la corteza que procesa
las imágenes que provienen del ojo.

Y para ellos, esto parecía
un diagrama de circuito.

Y hay gran cantidad de detalles en el
diagrama de circuito de McCulloch y Pitts

que no están del todo bien.

Pero esta idea básica de que

la corteza visual funciona como
una serie de elementos computacionales

que pasan una información de uno
al siguiente en cascada,

es esencialmente correcta.

Hablemos por un momento

de lo que tendría que hacer un modelo
para procesar la información visual.

La tarea básica de la percepción

es tomar una imagen como esta y decir:

"Eso es un pájaro"

que es algo muy simple
de ver con nuestro cerebro.

Pero todos Uds. deben entender
que para una computadora

esto era prácticamente imposible
hace pocos años.

Con el paradigma
de la computación clásica

esta tarea no es fácil de hacer.

Entonces lo que pasa
entre los píxeles,

entre la imagen del ave
y la palabra "pájaro"

es esencialmente un conjunto
de neuronas conectadas entre sí

en una red neuronal,

como la que diagramo aquí.

Esta red neuronal podría ser biológica,
en nuestras cortezas visuales,

o, en la actualidad, podemos

modelar este tipo de redes neuronales
en la computadora.

Y mostraré qué aspecto tienen.

Así que los píxeles se puede pensar
como una primera capa de neuronas,

y así es, de hecho,
como funciona el ojo,

eso son las neuronas de la retina.

Y después avanzan

de una capa a la otra,
y luego a otra capa de neuronas,

todas conectadas
por sinapsis de diferentes pesos.

El comportamiento de esta red

se caracteriza por las fortalezas
de todas esas sinapsis.

Estas caracterizan las propiedades
computacionales de esta red.

Y al final

una neurona o un pequeño grupo de neuronas

da la luz, diciendo, "pájaro".

Ahora voy a representar esas tres cosas:

los píxeles de entrada,
las sinapsis en la red neuronal,

y el pájaro, la salida,

con tres variables: X, W e Y.

Hay tal vez un millón o más de X,

un millón de píxeles en la imagen.

Hay miles de millones o billones de W,

que representan los pesos de todas
estas sinapsis en la red neuronal.

Y hay un número muy pequeño de Y,

de salidas que tiene esa red.

"Pájaro" son solo seis letras, ¿verdad?

Así que vamos a suponer
que esto es solo una fórmula simple,

X "x" W = Y.

Pongo la multiplicación entre comillas

porque lo que realmente pasa allí,
por supuesto,

es una serie muy complicada
de operaciones matemáticas.

Esa es una ecuación.

Hay tres variables.

Y todos sabemos que
si uno tiene una ecuación,

puede resolver una variable
conociendo las otras dos.

Así que el problema de la inferencia,

es decir, averiguar que la imagen
de un pájaro es un pájaro,

es este:

Y es la desconocida
y W y X las conocidas.

Se conoce la red neuronal,
y también los píxeles.

Como se puede ver, en realidad, es
un problema relativamente sencillo.

Se multiplica dos veces tres y ya está.

Les voy a mostrar
una red neuronal artificial

que hemos construido recientemente,
haciendo exactamente eso.

Esto se ejecuta en tiempo real
en un teléfono móvil,

y eso es, por supuesto,
sorprendente en sí mismo,

que los teléfonos móviles puedan hacer

tantos millones y billones
de operaciones por segundo.

Lo que ven es un teléfono

que analiza imágenes
de un pájaro una tras otra.

Y, de hecho, no solo dice:
"Sí, es un pájaro"

sino que identifica las especies
de pájaros con una red de este tipo.

Así que en ese cuadro,

la X y la W son conocidas,
y la Y es la desconocida.

Estoy pasando por alto
la parte más difícil, por supuesto,

que es cómo demonios
podemos averiguar la W,

cómo puede el cerebro hacerlo.

¿Cómo podríamos llegar a aprender
un modelo de este tipo?

Este proceso de aprendizaje
de despejar W,

si lo hacemos con una simple ecuación

en la que pensamos en ellos como números,

sabemos exactamente
cómo hacer eso: 6 = 2 x W,

así, se divide por dos y ya está.

El problema estriba en este operador.

Por lo tanto, la división,

hemos usado la división
por ser la inversa de la multiplicación,

pero, como acabo de decir,

la multiplicación tiene
algo de mentira aquí.

Esta es una operación muy complicada,
nada lineal;

que no tiene inversa.

Así que tenemos que encontrar
una manera de resolver la ecuación

sin un operador de división.

Y la manera de hacerlo
es bastante sencilla.

Vamos a aplicar
un pequeño truco de álgebra,

y a mover el 6 hacia
el lado derecho de la ecuación.

Ahora, todavía usamos la multiplicación.

Y el cero... pensémoslo como un error.

Es decir, si hemos resuelto la W
de la manera correcta,

luego el error será el cero.

Y si no lo hacemos del todo bien,

el error será mayor que cero.

Así que ahora solo podemos hacer
conjeturas para minimizar el error,

y en eso las computadoras son muy buenas.

Así que ya hemos hecho
una aproximación inicial:

¿Y si W = 0?

Entonces el error es 6.

¿Qué pasa si W = 1?
El error es 4.

Y luego, la computadora puede correr
una especie de Marco Polo,

y reducir el error cercano a cero.

A medida que lo hace, se logra
aproximaciones sucesivas a W.

Por lo general, nunca llega allí,
pero tras una docena de pasos,

estamos en W = 2.999,
que es lo suficientemente aproximado.

Y este es el proceso de aprendizaje.

Así que recuerden que

hemos tomado muchas X e Y conocidas

para resolver la W por medio
de un proceso iterativo.

De la misma manera como
lo hacemos en nuestro propio aprendizaje.

Tenemos muchas, muchas imágenes de bebés

y nos dicen: "Esto es un pájaro,
esto no es un pájaro".

Y con el tiempo, a través de iteración,

resolvemos W, lo resolvemos
para esas conexiones neuronales.

Así que ahora ya tenemos despejada la X,
y la W para resolver Y;

eso todos los días, percepción rápida.

Entendemos cómo podemos resolver W,

esto es aprendizaje,
que es mucho más difícil,

porque tenemos que minimizar errores,

usando mucho ejemplos
para el entrenamiento.

Y hace un año, Alex Mordvintsev,
de nuestro equipo,

decidió experimentar
qué sucede si intentamos resolver X,

con una W e Y conocidas.

En otras palabras,

se sabe que es un pájaro,

y se cuenta con una red neuronal
entrenada en aves,

pero ¿y la imagen de un pájaro?

Usando el mismo procedimiento
de minimización de errores,

uno puede hacer eso con la red entrenada
para reconocer aves,

y el resultado es...

una imagen de aves.

Esta es una imagen de aves generada
en su totalidad por una red neuronal

entrenada para reconocer aves,

simplemente resolviendo X,
en lugar de resolver Y,

haciéndolo de forma iterativa.

He aquí otro ejemplo divertido.

Este fue un trabajo realizado
por Mike Tyka en nuestro grupo,

llamado "animal del desfile".

Me recuerda algo a las obras
de arte de William Kentridge,

donde él hace bocetos, los borra,

hace bocetos, los borra

y crea una película de esta manera.

En este caso, Mike

varía Y sobre el espacio
de diferentes animales,

en una red diseñada
para reconocer y distinguir

animales diferentes unos de otros.

Y se obtiene esta extraña metamorfosis
de un animal a la Escher.

Aquí él y Alex han intentado reducir

las Y a un espacio
de solo dos dimensiones,

logrando un mapa
fuera del espacio de todas las cosas

reconocido por esta red.

Realizar este tipo de síntesis

o la generación de las imágenes
sobre toda la superficie,

variando Y sobre la superficie,
se hace una especie de mapa,

un mapa visual de todas las cosas
que la red sabe reconocer.

Los animales están todos aquí;
el armadillo está justo aquí.

Se puede hacer esto
con otros tipos de redes.

Esta es una red diseñada
para reconocer caras,

para distinguir una cara de otra.

Y aquí ponemos en Y una que dice "yo",

mis propios parámetros cara.

Y cuando esto resuelve X,

genera esta imagen de mí,

alocada, tipo cubista, psicodélica,
como un cuadro surrealista,

desde múltiples puntos de vista a la vez.

Aparecen múltiples puntos
de vista a la vez

porque la red está diseñada
para descartar la ambigüedad

de una cara en una postura u otra,

con un tipo de luz, u otro.

Al hacer este tipo de reconstrucción,

si no se usa alguna imagen de guía

o estadísticas de guía,

entonces se obtiene una confusión
de diferentes puntos de vista,

porque es ambigua.

Esto es lo que sucede si Alex usa
su propia cara imagen como guía

durante ese proceso de optimización
para reconstruir mi propia cara.

Así se puede ver que no es perfecto.

Todavía hay mucho trabajo por hacer

sobre cómo mejorar
el proceso de optimización.

Pero ya se empieza a ver algo
más parecido a una cara coherente,

usando mi propia cara como guía.

No tiene que comenzar
con un lienzo en blanco

o con ruido blanco.

Cuando se está resolviendo X,

se puede comenzar con una X,
que en sí es ya una imagen.

En eso consiste
esta pequeña demostración.

Esta es una red diseñada para categorizar

todo objeto, estructuras
hechas por humanos, animales...

Aquí empezamos
con una imagen de las nubes,

y la optimizamos,

básicamente, esta red averigua
qué se ve en las nubes.

Y cuanto más tiempo uno pasa mirando,

más cosas también se verán
en las nubes.

También es posible usar la red
para alucinar,

obteniendo cosas bastante locas.

(Risas)

O, Mike ha hecho otros experimentos

donde se detiene la imagen de la nube,

la alucina, la amplía,
la alucina, la amplía...

Y de esta manera,

se obtiene una especie
de estado de fuga de la red, supongo,

o una especie de asociación libre,

en el que la red se come su propia cola.

Así que cada imagen es ahora la base para

"¿Qué pienso que veré ahora?

¿Qué pienso que veré ahora?
¿Qué pienso que veré ahora?"

Mostré esto por primera vez en público

a un grupo en una conferencia en
Seattle llamada "Educación Superior",

esto fue justo después de que
la marihuana fuera legalizada.

(Risas)

Así que me gustaría
terminar rápidamente

con solo señalar
que esta tecnología no está limitada.

He mostrado ejemplos puramente visuales
porque son muy divertidos.

Pero no es una tecnología
puramente visual.

Nuestro artista colaborador,
Ross Goodwin,

tiene experimentos que implican
a una cámara tomando una foto,

y luego una computadora en su mochila,
escribe un poema usando redes neuronales,

basado en el contenido de la imagen.

Y que la red neuronal de poesía
ha sido entrenada

en un gran corpus de poesía del siglo XX.

Y la poesía es, ya saben,

creo que no está tan mal, en realidad.

(Risas)

Para concluir,

creo que Miguel Ángel

tenía razón;

la percepción y la creatividad
están conectadas muy íntimamente.

Acabamos de ver redes neuronales

totalmente capacitadas para discriminar,

o para reconocer
cosas diferentes en el mundo,

que pueden ejecutarse a la inversa,
para generar nuevas cosas.

Algo que me sugiere esto

no es solo que Miguel Ángel
realmente vio

la escultura en los bloques de piedra,

sino que cualquier criatura,
cualquier ser, cualquier alienígena

que es capaz de percibir
actos de ese tipo

también es capaz de crear

porque en ambos casos
se usa la misma maquinaria.

Además, creo que la percepción
y la creatividad no son absolutamente

únicamente humanas.

Ya tenemos modelos computacionales
que pueden hacer exactamente estas cosas.

Y que no debería ser sorprendente;
el cerebro es computacional.

Y, finalmente,

la computación empezó como un ejercicio
de diseño de máquinas inteligentes.

Fue modelada siguiendo la idea

de cómo podríamos hacer
máquinas inteligentes.

Y, finalmente, se están
empezando a cumplir

algunas de las promesas
de aquellos pioneros,

como Turing, von Neumann

McCulloch y Pitts.

Y creo que la informática
no es solo contabilidad

o jugar al Candy Crush y esas cosas.

Desde el principio, se diseñó
siguiendo el modelo de nuestra mente.

Y eso nos da la capacidad de comprender
mejor nuestra propia mente

y de ampliarla.

Muchas gracias.

(Aplausos)