In che modo i computer stanno imparando ad essere creativi

Siamo alle porte di una nuova frontiera per l'arte e la creatività - e non riguarda l'uomo. Blaise Agüeda y Arcas, il maggiore scienziato di Google, lavora sulle profonde reti neurali per la percezione delle macchine e l'apprendimento distribuito. In questa accattivante dimostrazione, mostra come le reti neurali preparate a riconoscere immagini possano lavorare al contrario, per generarle. I risultati: spettacolari, allucinatori collage (e poesie) che sfidano le categorizzazioni. "La percezione e la creatività sono intimamente correlate" dice Agueda y Arcas, "ogni creatura, ogni essere in grado di avere atti percettivi è anche in grado di creare".

Dunque, sono a capo di un team di Google
che lavora sull'intelligenza artificiale;

in altre parole l'ingegneria che si occupa
di creare computer ed altri dispositivi

in grado di fare alcune delle cose
che fa il cervello.

E questo ci ha fatto interessare
al cervello vero

e alla neuroscienza,

ed in particolare a quelle cose che
fa il nostro cervello

che sono di gran lunga superiori
alle capacità dei computer.

Storicamente, una di queste aree
è stata la percezione,

il processo con cui le cose
nel mod,

suoni ed immagini,

possono diventare concetti
nella nostra mente.

Questo è essenziale
per il nostro cervello,

ed è anche piuttosto utile
per un computer.

Gli algoritmi di percezione della macchina
per esempio, elaborati dal nostro team,

sono ciò che rende le vostre foto
su Google Foto cercabili,

in base a ciò
che c'è nelle foto.

L'altro lato della percezione
è la creatività:

trasformare un concetto in qualcosa
che esiste nel mondo reale.

Così l'anno scorso, il nostro lavoro
sulla percezione delle macchine,

ci ha inaspettatamente condotto
al mondo della creatività nelle macchine

e dell'arte nelle macchine.

Penso che Michelangelo
ebbe una profonda intuizione

riguardo questa duplice relazione
tra percezione e creatività.

Questo è una sua famosa citazione:

"Ogni blocco di pietra
ha una statua dentro di sè

ed è compito dello scultore scoprirla".

Penso che quello che
Michelangelo intendesse dire

è che creiamo dalla percezione,

e che la percezione stessa
è un atto dell'immaginazione

ed è qualcosa della creatività.

L'organo che si occupa di pensare
percepire ed immaginare

naturalmente è il cervello.

Vorrei cominciare con un breve
resoconto sulla storia

della nostra conoscenza del cervello.

Perché a differenza, per esempio,
del cuore o dell'intestino,

non possiamo dire molto del cervello
solo osservandolo,

almeno ad occhio nudo.

I primi anatomisti
che studiarono il cervello

diedero alle superficiali strutture
di questa cosa nomi fantasiosi,

come ippocampo, che significa
"gamberetto".

Ma naturalmente questo
non ci dice molto

su cosa realmente succede all'interno.

Il primo che, credo, sviluppò davvero
una qualche intuizione

su cosa succedesse
all'interno del cervello

fu il grande neuroanatomista spagnolo
Santiago Ramón y Cajal,

nel XIX secolo,

che utilizzò il microscopio
e speciali tinture

che potevano selettivamente riempire
o risaltare in elevato contrasto

le singole cellule del cervello,

per iniziare a comprenderne
la morfologia.

E questi sono gli schizzi
che fece dei neuroni

nel XIX secolo.

Questo è il cervello di un uccello.

Vedete l'incredibile varietà
di cellule differenti,

persino la teoria cellulare stessa
era abbastanza nuova all'epoca.

E queste strutture,

queste cellule che hanno
queste ramificazioni,

questi rami che possono percorrere
distanze davvero lunghissime...

questa era una vera novità all'epoca.

E naturalmente, ci ricordano
dei fili elettrici.

Questo sarebbe potuto essere ovvio
per alcuni nel XIX secolo;

le rivoluzioni dei circuiti,
dell'elettricità stavano cominciando.

Ma in molti modi,

i disegni di microanatomia
di Ramón y Cajal, come questo,

sono ancora in qualche modo attuali.

Dopo più di un secolo,

stiamo ancora cercando di finire
il lavoro iniziato da Ramón y Cajal.

Questi sono dati grezzi
dai nostri collaboratori

all'Istituto Max Planck di Neuroscienze.

Ciò che hanno fatto
i nostri collaboratori

è rappresentare frammenti
di tessuto celebrale.

L'intero campione qui è di circa
un millimetro cubico,

e ve ne sto mostrando
un pezzo piccolissimo qui.

Quella barra a sinistra
è di circa un micron.

Le strutture che vedete
sono i mitocondri

che sono delle dimensioni
dei batteri.

E queste sono sezioni consecutive

di questo minuscolo
blocco di tessuto.

Solo per fare un confronto,

il diametro medio di un capello
misura circa 100 microns.

Quindi stiamo osservando qualcosa
di molto, molto più piccolo

di un singolo capello.

E da queste serie di parti
microscopiche di elettroni,

si possono cominciare ricostruzioni
3D dei neuroni che appaiono come questi.

Sono in qualche modo simili al lavoro
svolto da Ramón y Cajal.

Solo pochi neuroni
sono evidenziati,

perché altrimenti non potremmo
osservare nulla qui.

Sarebbe molto affollato

e pieno di strutture,

di fili che uniscono tutti
i neutroni tra loro.

Quindi, Ramón y Cajal era un po' avanti
per i suoi tempi,

e gli sviluppi sulla comprensione
del cervello

avanzarono lentamente nel corso
dei decenni successivi.

Ma sapevamo che i neuroni
usano l'elettricità,

e dalla Seconda Guerra Mondiale, la nostra
tecnologia era abbastanza avanzata

da iniziare a fare veri esperimenti
elettrici su neuroni vivi

per capire meglio il loro funzionamento.

Questa fu l'epoca in cui vennero
inventati i computer,

basati fondamentalmente
sul modello del cervello,

di "macchina intelligente"
come Alan Turing lo chiamò,

uno dei padri della scienza del computer.

Warren MacCulloch e Walter Pitts
studiarono i disegni di Ramón y Cajal

della corteccia visiva,

che vi mostro qui.

Questa è la corteccia che elabora
le immagini provenienti dall'occhio.

Secondo loro, ciò appariva
come un diagramma di un circuito.

Molti dettagli dei diagrammi
di MacCulloch e Pitts

non sono proprio corretti.

Ma questa idea di base

che la corteccia visiva lavorasse
come una serie di elementi di calcolo

che trasmettono informazioni
l'un l'altra in sequenza

è essenzialmente corretto.

Analizziamo un attimo

ciò che un modello di elaborazione
di informazioni visive dovrebbe fare.

Il compito fondamentale
della percezione

è di catturare un'immagine
come questa e dire:

"Questo è un uccello,"

che è una cosa molto semplice
per il nostro cervello.

Ma tutti voi dovreste capire
che per un computer,

ciò era praticamente impossibile
sino a qualche anno fa.

Il classico paradigma di calcolo

in questo caso non è
così semplice da realizzare.

Ciò che accade
tra i pixel,

tra l'immagine dell'uccello e
la parola "uccello",

essenzialmente è un gruppo
di neuroni connessi tra loro

in una rete neurale,

come sto schematizzando qui.

Questa rete neurale può essere
biologica, nella nostra corteccia visuale,

oppure, oggi, possiamo

modellare queste reti neuronali
su un computer.

E vi mostrerò come in realtà ciò appaia.

Quindi i pixel potete immaginarli
come un primo strato di neuroni,

ed è così, infatti, che funziona l'occhio:

questi sono i neuroni della retina.

Ed essi trasmettono

da uno strato all'altro,

tutti connessi da sinapsi di
peso differente.

Il comportamento
di questa rete

è caratterizzato dalle forze
di tutte queste sinapsi.

Esse caratterizzano le proprietà
di calcolo di questa rete.

E alla fine della giornata,

abbiamo un neurone o
un piccolo gruppo di neuroni

che si accendono e dicono "uccello".

Adesso vi mostrerò
queste tre cose:

i pixel di input, le sinapsi
nella rete neurale,

e l'uccello, il risultato,

attraverso tre variabili: x, w ed y.

Ci sono forse un milione
di x più o meno,

un milione di pixel in questa immagine.

Ci sono miliardi o triliardi di w,

che rappresentano il peso di tutte queste
sinapsi nella rete neurale.

E c'è un piccolissimo numero di y,

di uscite che ha quella rete.

Uccello è di sole tre sillabe,
giusto?

Facciamo finta che sia solo
una semplice formula,

x "x" w = y.

Sto mettendo il "per" tra virgolette

perché cio che realmente accade,
ovviamente,

è una complicatissima serie
di operazioni matematiche.

Questa è un'equazione.

Ci sono tre variabili.

E sappiamo tutti che se hai un'equazione,

puoi risolvere una variabile
conoscendo le altre due.

Quindi il problema
di arrivare alla soluzione,

vale a dire, capire che l'immagine
dell'uccello è un uccello,

è questo:

è che y è l'incognita
e w ed x i termini noti.

Conoscete la rete neurale
e conoscete i pixel.

Come potete vedere questo in realtà
è un problema relativamente semplice.

Moltiplicate per due volte tre
ed è fatta.

Vi mostro una rete
neurale artificiale

che abbiamo recentemente realizzato
facendo esattamente questo.

Funziona in tempo reale
su un cellulare,

e questo è di certo
sorprendente di per sè,

che i cellulari possono fare
miliardi e triliardi di operazioni

al secondo.

Quello che state guardando
è un cellulare

che guarda un'immagine
di un uccello dopo l'altra

ed in realtà non dice solo:
"Sì, è un uccello",

ma identifica le specie di uccello
con una rete di questo tipo.

Quindi in questa foto,

la x e la w sono note,
e la y è l'incognita.

Sto tralasciando la parte più
difficile ovviamente,

che è come diamine
ci immaginiamo la w,

il cervello che può fare una cosa simile ?

Come potremmo mai conoscere
un simile modello?

Così questo processo di apprendimento
di risolvere tramite la w,

se stavamo facendo questo
con una semplice equazione

nella quale pensiamo a questi come numeri,

sappiamo esattamente come fare:
6 = 2 x w,

bene, dividiamo per due ed è fatta.

Il problema sta in questa operazione.

La divisione...

abbiamo usato la divisione perché
è l'inverso della moltiplicazione,

ma come abbiamo appena detto,

la moltiplicazione è un bugia qui.

Questa è un'operazione complicatissima,
davvero non semplice;

non ha l'inverso.

Cosi dobbiamo cercare
di risolvere l'equazione

senza un'operazione di divisione.

E fare ciò
è abbastanza semplice.

Diciamo solo che facciamo un
trucchetto algebrico,

e spostiamo il sei nella parte
a destra dell'equazione.

Ora, stiamo ancora usando
la moltiplicazione.

E quello zero, pensiamolo come un errore.

In altre parole, se abbiamo risolto
la w in modo corretto,

allora l'errore sarà lo zero.

E se non l'abbiamo fatto giusto,

l'errore sarà maggiore di zero.

Cosi ora possiamo fare delle prove
per minimizzare l'errore

e questo è il genere di cose
in cui i computer sono molto bravi.

Quindi abbiamo
un valore fittizio iniziale:

se w = 0?

Beh, allora l'errore è 6.

Se w = 1? L'errore è 4.

E così il computer può giocare
ad una sorta di Marco Polo,

e abbassare il margine
di errore vicino allo zero.

E così facendo, sta ottenendo
continue approssimazioni per w.

Generalmente, non ci si avvicina mai,
ma dopo una dozzina di passaggi

arriviamo a w = 2,999,
che è abbastanza vicino.

E questo è il processo
di apprendimento.

Quindi, ricordate che quello
che succede qui

è che abbiamo preso un mucchio
di x note ed y note

e abbiamo risolto la w nel mezzo
attraverso un processo iterativo.

È esattamente lo stesso processo
che utilizziamo per apprendere.

Riceviamo moltissime
immagini da bambini

che ci dicono: "questo è un uccello;
questo non è un uccello."

E con il tempo, attraverso l'iterazione,

risolviamo la w, risolviamo
quei collegamenti neurali.

Quindi adesso abbiamo mantenuto
fisse x ed w per risolvere y;

questa è la rapida percezione quotidiana.

Abbiamo capito
come risolvere la w,

che è apprendere,
che è molto più difficile,

perché abbiamo bisogno
di minimizzare l'errore,

usando molti esempi
come allenamento.

E circa un anno fa,
Alex Mordvintsev, nel nostro team,

decise di sperimentare cosa
accade se cerchiamo di risolvere x,

conoscendo w e y.

In altre parole,

sapete che è un uccello,

e avete già la rete neurale
che avete allenato sugli uccelli,

ma cos'è l'immagine di un uccello?

È venuto fuori che utilizzando la stessa
procedura di minimizzazione dell'errore,

si può fare con la rete allenata
a riconoscere gli uccelli,

ed il risultato è...

un'immagine di uccelli.

Quindi questa è un'immagine di uccelli
interamente generata dalla rete neurale

allenata a riconoscere gli uccelli,

risolvendo solo x
piuttosto che risolvere y,

e facendolo in modo iterativo.

Ho qui un altro esempio divertente.

Questo era un lavoro fatto
da Mike Tyra nel nostro gruppo

che lui chiama "Parata degli animali".

Mi ricorda un po' le opere d'arte
di William Kentridge,

in cui fa schizzi, li cancella,

fa schizzi, li cancella,

ed in questa maniera
crea un film.

In questo caso,

quello che Mike fa è variare
la y tra diversi animali,

in una rete disegnata per riconoscere
e distinguere

diversi animali l'uno dall''altro.

E si ottiene questa strana trasformazione
stile Escher da un animale all'altro.

Qui lui ed Alex insieme
hanno cercato di ridurre

la y ad uno spazio di sole due dimensioni,

in modo tale da creare una mappa
a aprtire dallo spazio delle cose

riconosciute da questa rete.

Facendo questo tipo di sintesi

o generazione di immagini
su tutta quella superficie,

variando y sulla superficie,
si può creare una sorta di mappa,

una mappa visuale di tutte le cose
che la rete sa come riconoscere.

Gli animali sono tutti qui;
"armadillo" è in quel posto.

Potete fare questo anche
con altri generi di reti.

Questa è una rete disegnata
per riconoscere i visi,

per distinguere una faccia da un'altra.

E qui, stiamo inserendo
una y che dice "me",

i miei parametri facciali.

E quando questa cosa risolve la x,

genera questa specie di pazza,

cubista, surreale, psichedelica
immagine di me stesso

da molteplici punti di vista insieme.

La ragione per cui sembrano
più punti di vista insieme

è che la rete è costruita per
scartare le ambiguità

di un volto che sia in una posa
o in un'altra

guardato con un tipo di luce,
poi con un altro.

Così quando si fa questo tipo
di ricostruzione,

se non si usa una qualche sorta
di immagine guida,

o statistica guida,

otterrete una sorta di confusione
di differenti punti di vista,

perchè è ambiguo.

Questo è quello che succede se Alex
usa la sua faccia come immagine campione

durante il processo di ottimizzazione
per ricostruire il mio viso.

Come potete vedere non è perfetto.

C'è ancora un bel po' di lavoro da fare

su come migliorare
il processo di ottimizzazione.

Ma si è cominciato ad ottenere
qualcosa di più simile a un viso,

usando la mia faccia come modello.

Non è necessario iniziare
con una tela bianca

o con un rumore bianco.

Quando risolvete la x,

potete iniziare con una x, che di per sè
è già una qualche altra immagine.

Questa ne è
una piccola dimostrazione.

Questa è una reta
disegnata per categorizzare

ogni genere di oggetti diversi:
strutture create dall'uomo, animali...

Qui cominciamo semplicemente
con una foto di nubi,

e appena ottimizziamo,

sostanzialmente, questa rete cerca
di capire ciò che vede nelle nubi.

E più tempo state a guardarla,

più cose riuscirete
a vedere nelle nubi.

Si potrebbe anche utilizzare
la rete dei visi per allucinarla

ed ottenere cose piuttosto folli.

(Risate)

Oppure, Mike ha fatto
qualche altro esperimento

in cui prende questa immagine
di nuvole

allucinata, zoomata, allucinata
zoomata, allucinata, zoomata.

Ed in questo modo,

è possibile ottenere una sorta di stato
di fuga dalla rete, suppongo,

o una sorta di libera associazione,

nella quale la rete
si morde la coda.

Così ogni immagine è adesso la base per:

"Cosa penso di vedere dopo?

Cosa penso di vedere dopo?
Cosa penso di vedere dopo?"

Ho mostrato questa cosa
per la prima volta in pubblico

a un gruppo in una conferenza a Seattle
chiamato "Istruzione superiore",

subito dopo che
la marijuana fu legalizzata.

(Risate)

Così mi piacerebbe
concludere velocemente

semplicemente facendovi notare
che questa tecnologia non è vincolata.

Vi ho mostrato esempi puramente visuali
perché sono divertenti da vedere.

Ma non è una tecnologia puramente visiva.

Il nostro collaboratore artistico,
Ross Goodwin,

ha fatto esperimenti con una fotocamera
che cattura un'immagine,

e con un computer nel suo zaino
che scrive una poesia usando reti neurali,

basata sui contenuti dell'immagine.

E quella rete neurale di poesia
è stata allenata

su un vasto materiale di poesie
del XX secolo.

E, sapete, la poesia,

secondo me, in realtà non è male.

(Risate)

Per finire,

penso che Michelangelo

avesse ragione;

percezione e creatività
sono strettamente correlate.

Quello che abbiamo appena visto
sono reti neurali

che sono completamente
allenate a distinguere

o a riconoscere differenti cose
nel mondo,

e se attivate al contrario, per creare.

Una delle cose che mi suggerisce

è che non solo Michelangelo
potesse davvero vedere

la scultura all'interno
del blocco di pietra,

ma che ogni creatura,
ogni essere, ogni alieno

che è in grado di eseguire
atti percettivi di questo genere

è anche in grado di creare

perché è esattamente la stessa macchina
che viene usata in entrambi i casi.

Inoltre penso che la percezione
e la creazione non siano

mezzi unicamente umani.

Iniziamo ad avere modelli di computer
che fanno proprio questo genere di cose.

E questo non dovrebbe sorprendere;
il cervello è computazionale.

Ed infine,

il calcolo iniziò come un esercizio per
creare macchine intelligenti.

È iniziato dall'idea

che potessimo creare
macchine intelligenti.

E finalmente stiamo iniziando
ad adempiere adesso

ad alcune delle promesse
di quei primi pionieri,

di Turing e von Neumann,

di MacCulloch e Pitts.

E pens che l'informatica
non sia solo calcolare

o giocare a Candy Crush o altro.

Fin dal principio, l'abbiamo
modellata sulle nostre menti.

Ed essa ci hanno fornito sia la capacità
di capire meglio la nostra mente

sia di ampliarla.

Grazie mille.

(ApplausiI)