1
00:00:00,800 --> 00:00:03,924
Ich bin Teamleiter bei Google 
im Bereich Maschinenintelligenz,

2
00:00:03,948 --> 00:00:08,598
das ist die Ingenieurdisziplin,
mit der man Computern und Geräten

3
00:00:08,622 --> 00:00:11,431
etwas von dem beibringen kann,
was Gehirne können.

4
00:00:11,439 --> 00:00:14,532
Deshalb interessieren wir uns
auch für echte Gehirne

5
00:00:14,532 --> 00:00:15,901
und Neurowissenschaften,

6
00:00:15,901 --> 00:00:20,047
und besonders für die Dinge,
die unsere Gehirne können,

7
00:00:20,071 --> 00:00:24,443
die noch weit über die Fähigkeiten
von Computern hinausgehen.

8
00:00:25,209 --> 00:00:28,818
Ein Teilbereich unserer Arbeit war 
schon immer die Wahrnehmung,

9
00:00:28,842 --> 00:00:31,881
also der Vorgang, durch den
die Dinge auf der Welt --

10
00:00:31,905 --> 00:00:33,489
Geräusche und Bilder --

11
00:00:33,513 --> 00:00:35,931
in unserem Kopf zu Konzepten werden.

12
00:00:36,235 --> 00:00:38,752
Das ist entscheidend für unsere Gehirne

13
00:00:38,776 --> 00:00:41,650
und auch ziemlich nützlich für Computer.

14
00:00:41,650 --> 00:00:44,986
Unser Team schreibt Algorithmen 
für maschinelle Wahrnehmung,

15
00:00:45,010 --> 00:00:48,158
die etwa ermöglichen, dass
Ihre Bilder auf Google Fotos

16
00:00:48,158 --> 00:00:51,275
basierend auf dem Bildinhalt
gesucht werden können.

17
00:00:51,594 --> 00:00:55,087
Das Gegenstück zur Wahrnehmung 
ist die Kreativität,

18
00:00:55,111 --> 00:00:58,143
also das Schaffen einer Sache
auf Grundlage eines Konzepts.

19
00:00:58,143 --> 00:01:01,748
Letztes Jahr kam zwischen unserer 
Arbeit an maschineller Wahrnehmung,

20
00:01:01,752 --> 00:01:06,305
dem Feld der maschinellen Kreativität
sowie der maschinellen Kunst

21
00:01:06,305 --> 00:01:08,085
unerwartet eine Verbindung zustande.

22
00:01:08,086 --> 00:01:11,840
Ich glaube, Michelangelo hatte 
einen scharfen Blick

23
00:01:11,864 --> 00:01:15,520
für das duale Verhältnis zwischen
Wahrnehmung und Kreativität.

24
00:01:16,023 --> 00:01:18,029
Ein berühmtes Zitat von ihm lautet:

25
00:01:18,053 --> 00:01:21,376
"Jeder rohe Stein hat eine Figur in sich,

26
00:01:22,036 --> 00:01:25,038
der Bildhauer muss sie nur entdecken."

27
00:01:26,029 --> 00:01:29,245
Ich glaube, Michelangelo wollte sagen,

28
00:01:29,269 --> 00:01:32,449
dass wir durch Wahrnehmung erschaffen.

29
00:01:32,453 --> 00:01:35,516
Die Wahrnehmung ist
ein Akt der Vorstellung,

30
00:01:35,520 --> 00:01:38,181
die Grundlage für Kreativität.

31
00:01:38,691 --> 00:01:42,616
Das Organ, das all das Denken,
Wahrnehmen und Vorstellen erledigt,

32
00:01:42,640 --> 00:01:44,608
ist natürlich das Gehirn.

33
00:01:45,089 --> 00:01:47,944
Jetzt möchte ich kurz
historisch betrachten,

34
00:01:47,958 --> 00:01:50,080
was wir über Gehirne wissen.

35
00:01:50,436 --> 00:01:52,792
Denn anders als über 
das Herz oder die Eingeweide

36
00:01:52,792 --> 00:01:56,180
kann man nur durch Betrachten 
nicht viel über Gehirne herausfinden,

37
00:01:56,180 --> 00:01:57,976
zumindest nicht mit bloßem Auge.

38
00:01:57,983 --> 00:02:00,399
Die ersten Anatomen, 
die sich Gehirne ansahen,

39
00:02:00,423 --> 00:02:04,230
gaben der oberflächlichen Struktur
eine ganze Reihe fantasievoller Namen,

40
00:02:04,254 --> 00:02:06,687
wie Hippocampus, was 
"kleiner Shrimp" bedeutet.

41
00:02:06,711 --> 00:02:09,475
Doch so etwas verrät uns 
natürlich nicht viel darüber,

42
00:02:09,499 --> 00:02:12,227
was im Inneren wirklich vor sich geht.

43
00:02:12,780 --> 00:02:16,393
Die erste Person, die meiner Meinung nach
wirklich eine Art Einblick

44
00:02:16,417 --> 00:02:18,417
in die inneren Vorgänge
des Gehirns gewann,

45
00:02:18,447 --> 00:02:22,291
war der große spanische Neuroanatom
Santiago Ramón y Cajal

46
00:02:22,315 --> 00:02:23,859
im 19. Jahrhundert,

47
00:02:23,883 --> 00:02:27,638
der mit Mikroskopie und Spezialfarbe

48
00:02:27,662 --> 00:02:31,832
die einzelnen Gehirnzellen 
selektiv ausfüllte

49
00:02:31,856 --> 00:02:33,864
oder kontrastreich darstellte,

50
00:02:33,888 --> 00:02:37,042
um die Morphologie
der Zellen zu verstehen.

51
00:02:37,872 --> 00:02:39,537
Das sind die Zeichnungen,

52
00:02:39,537 --> 00:02:42,116
die er im 19. Jahrhundert
von Neuronen anfertigte.

53
00:02:42,120 --> 00:02:44,004
Diese zeigt ein Vogelgehirn.

54
00:02:44,028 --> 00:02:47,219
Sie sehen eine unglaubliche 
Vielfalt verschiedener Zellarten.

55
00:02:47,239 --> 00:02:50,538
Sogar die Zelltheorie selbst
war damals ziemlich neu.

56
00:02:50,538 --> 00:02:54,166
Diese Strukturen,
diese verzweigten Zellen,

57
00:02:54,166 --> 00:02:56,761
diese Äste, die sehr, 
sehr weit reichen können --

58
00:02:56,765 --> 00:02:58,428
das war damals völlig neu.

59
00:02:58,779 --> 00:03:01,682
Sie erinnern ganz klar an Kabel.

60
00:03:01,706 --> 00:03:05,163
Das mag für manch einen im 19. Jh.
offensichtlich gewesen sein,

61
00:03:05,187 --> 00:03:09,501
als gerade die Revolution 
der Elektrizität und Verkabelung begann.

62
00:03:09,964 --> 00:03:11,212
Doch in vielerlei Hinsicht

63
00:03:11,226 --> 00:03:14,423
wurden Ramón y Cajals 
mikroanatomische Zeichnungen

64
00:03:14,423 --> 00:03:16,835
wie diese hier, nie wirklich übertroffen.

65
00:03:16,859 --> 00:03:18,713
Jetzt, mehr als hundert Jahre später,

66
00:03:18,737 --> 00:03:21,562
versuchen wir immer noch, 
Ramón y Cajals Werk zu vollenden.

67
00:03:21,586 --> 00:03:24,720
Das sind die Rohdaten unserer Mitarbeiter

68
00:03:24,744 --> 00:03:27,625
am Max-Planck-Institut für Neurobiologie.

69
00:03:27,649 --> 00:03:30,009
Unsere Mitarbeiter bilden also


70
00:03:30,009 --> 00:03:34,464
kleine Teile von Gehirngewebe ab.

71
00:03:34,488 --> 00:03:37,814
Diese ganze Probe hier misst
ungefähr einen Kubikmillimeter.

72
00:03:37,838 --> 00:03:40,459
Hier zeige ich Ihnen 
ein winziges Stück davon.

73
00:03:40,483 --> 00:03:42,823
Der Strich links misst circa ein Mikron.

74
00:03:42,823 --> 00:03:45,322
Die Strukturen, die Sie sehen,
sind Mitochondrien,

75
00:03:45,322 --> 00:03:47,304
die so groß wie Bakterien sind.

76
00:03:47,304 --> 00:03:49,475
Das sind aufeinanderfolgende Schnitte

77
00:03:49,475 --> 00:03:52,077
durch diesen sehr, sehr
dünnen Gewebeblock.

78
00:03:52,101 --> 00:03:54,504
Nur zum Vergleich,

79
00:03:54,528 --> 00:03:58,320
der Durchmesser einer durchschnittlichen
Haarsträhne beträgt circa 100 Mikronen.

80
00:03:58,344 --> 00:04:00,618
Wir sehen hier also etwas
noch viel kleineres

81
00:04:00,642 --> 00:04:02,070
als eine einzelne Haarsträhne.

82
00:04:02,070 --> 00:04:06,095
Basierend auf den Serien aus
Elektronenmikroskopscheiben

83
00:04:06,119 --> 00:04:11,127
kann man 3D-Nachbildungen
von Neuronen wie diese hier erstellen.

84
00:04:11,131 --> 00:04:14,292
Diese haben in etwa den Stil 
von Ramón y Cajal.

85
00:04:14,292 --> 00:04:15,874
Nur ein paar Neutronen leuchten,


86
00:04:15,878 --> 00:04:18,623
weil wir hier sonst nichts sehen könnten.

87
00:04:18,623 --> 00:04:19,965
Es wäre so unübersichtlich,

88
00:04:19,989 --> 00:04:22,299
so überfüllt mit Kabelstrukturen,

89
00:04:22,299 --> 00:04:24,437
die die Neuronen verbinden.

90
00:04:25,293 --> 00:04:28,097
Ramón y Cajal war seiner Zeit
also etwas voraus.

91
00:04:28,121 --> 00:04:30,676
Die Fortschritte beim
Verstehen des Gehirns

92
00:04:30,700 --> 00:04:33,461
geschahen in den folgenden
Jahrzehnten nur langsam.

93
00:04:33,461 --> 00:04:36,308
Aber wir wussten,
dass Neuronen Elektrizität nutzen.

94
00:04:36,332 --> 00:04:38,752
Im Zweiten Weltkrieg
war unsere Technologie

95
00:04:38,752 --> 00:04:42,058
für elektronische Experimente
an lebenden Neuronen

96
00:04:42,058 --> 00:04:44,708
zur Erforschung ihrer
Funktionsweise ausgereift genug.

97
00:04:44,708 --> 00:04:48,987
Genau damals wurden auch
Computer erfunden,

98
00:04:49,011 --> 00:04:52,111
hauptsächlich auf Basis von
Nachbildungen des Gehirns --

99
00:04:52,135 --> 00:04:55,220
"intelligente Maschinen",
wie sie Alan Turing nannte,

100
00:04:55,244 --> 00:04:57,235
einer der Urväter der Infomatik.

101
00:04:57,923 --> 00:05:02,555
Warren McCulloch und Walter Pitts
betrachteten Ramón y Cajals Zeichnung

102
00:05:02,579 --> 00:05:03,896
eines visuellen Cortex,

103
00:05:03,920 --> 00:05:05,482
die ich Ihnen hier zeige.

104
00:05:05,506 --> 00:05:09,948
Das ist der Cortex, der Bilder 
verarbeitet, die das Auge sieht.

105
00:05:10,424 --> 00:05:13,932
Sie fanden, dass es 
wie ein Schaltplan aussah.

106
00:05:14,353 --> 00:05:18,188
Im Schaltplan von McCulloch 
und Pitts gibt es viele Details,

107
00:05:18,212 --> 00:05:19,564
die nicht ganz stimmen.

108
00:05:19,588 --> 00:05:20,823
Doch der Grundgedanke,

109
00:05:20,837 --> 00:05:24,899
dass der visuelle Cortex wie eine
Reihe Computerelemente funktioniert,

110
00:05:24,899 --> 00:05:27,819
die Informationen stufenartig
nacheinander weiterreichen,

111
00:05:27,819 --> 00:05:29,235
stimmt im Grunde.

112
00:05:29,239 --> 00:05:31,629
Besprechen wir kurz,

113
00:05:31,633 --> 00:05:36,235
was ein Modell für die Verarbeitung
visueller Informationen machen müsste.

114
00:05:36,235 --> 00:05:39,269
Die Grundaufgabe der Wahrnehmung ist es,

115
00:05:39,269 --> 00:05:43,187
bei einem solchen Bild zu sagen:

116
00:05:43,211 --> 00:05:44,387
"Das ist ein Vogel",

117
00:05:44,411 --> 00:05:47,285
für unsere Gehirne ist das sehr einfach.

118
00:05:47,309 --> 00:05:50,730
Sie müssen aber bedenken,
dass das für einen Computer

119
00:05:50,754 --> 00:05:53,825
noch vor ein paar Jahren
völlig unmöglich war.

120
00:05:53,825 --> 00:05:55,961
Für ein klassisches Rechensystem

121
00:05:55,961 --> 00:05:58,312
ist das nicht einfach.

122
00:05:59,366 --> 00:06:01,918
Was zwischen den Pixeln,

123
00:06:01,942 --> 00:06:05,970
dem Bild eines Vogels 
und dem Wort "Vogel" passiert,

124
00:06:05,994 --> 00:06:08,758
ist im Grunde eine Gruppe 
miteinander verbundener Neuronen

125
00:06:08,772 --> 00:06:10,167
in einem neuronalen Netzwerk,

126
00:06:10,177 --> 00:06:11,274
wie in meinem Diagramm.

127
00:06:11,274 --> 00:06:14,880
Dieses neuronale Netzwerk kann 
ein natürliches in unserer Sehrinde sein.

128
00:06:14,880 --> 00:06:16,816
Heute können wir beginnen,

129
00:06:16,816 --> 00:06:19,844
solche neuronalen Netzwerke 
in Computern nachbauen.

130
00:06:19,844 --> 00:06:22,187
Ich gebe Ihnen eine Vorstellung davon.

131
00:06:22,211 --> 00:06:25,647
Die Pixel können Sie sich als
erste Neuronenschicht vorstellen.

132
00:06:25,651 --> 00:06:28,084
Genau so funktioniert das
im Prinzip auch im Auge --

133
00:06:28,094 --> 00:06:29,697
mit den Neuronen in der Netzhaut.

134
00:06:29,737 --> 00:06:31,101
Die Neuronen leiten weiter,

135
00:06:31,125 --> 00:06:34,512
Schicht für Schicht 
durch die Neuronenschichten,

136
00:06:34,512 --> 00:06:37,605
die alle über Synapsen verschiedener 
Gewichtung verbunden sind.

137
00:06:37,609 --> 00:06:39,124
Das Verhalten dieses Netzwerks

138
00:06:39,124 --> 00:06:42,252
wird durch die Stärke
all dieser Synapsen bestimmt.

139
00:06:42,256 --> 00:06:45,594
Diese bestimmen die rechnerischen
Eigenschaften des Netzwerks.

140
00:06:45,594 --> 00:06:47,772
Schlussendlich leuchtet dann ein Neuron

141
00:06:47,772 --> 00:06:50,009
oder eine kleine Gruppe Neuronen auf

142
00:06:50,009 --> 00:06:51,430
und sagt "Vogel".

143
00:06:51,824 --> 00:06:54,956
Jetzt werde ich diese drei Dinge --

144
00:06:54,980 --> 00:06:59,676
die Pixel als Input, die Synapsen
im neuronalen Netzwerk

145
00:06:59,700 --> 00:07:01,285
und den Vogel als Output

146
00:07:01,309 --> 00:07:04,366
durch drei Variablen ersetzen: x, w und y.

147
00:07:04,853 --> 00:07:06,664
Es kann eine Million x geben --

148
00:07:06,688 --> 00:07:08,641
eine Million Pixel in einem Bild.

149
00:07:08,665 --> 00:07:11,111
Es gibt Milliarden oder Billiarden w,

150
00:07:11,135 --> 00:07:14,556
die für die Gewichtung der Synapsen
im neuronalen Netzwerk stehen.

151
00:07:14,580 --> 00:07:16,455
Es gibt nur ganz wenige y,

152
00:07:16,479 --> 00:07:18,337
also Outputs des Netzwerks.

153
00:07:18,361 --> 00:07:20,360
"Vogel" hat nur fünf Buchstaben.

154
00:07:21,088 --> 00:07:24,514
Dann tun wir doch einfach so,
als sei es nur eine einfache Formel:

155
00:07:24,538 --> 00:07:26,541
x "x" w = y.

156
00:07:26,575 --> 00:07:28,941
Ich setze das "Mal"-Zeichen 
in Anführungszeichen,

157
00:07:28,965 --> 00:07:31,065
denn der eigentliche Vorgang hier

158
00:07:31,089 --> 00:07:34,625
ist eine komplizierte Abfolge
mathematischer Vorgänge.

159
00:07:35,172 --> 00:07:36,393
Das ist eine Gleichung.

160
00:07:36,417 --> 00:07:38,063
Es gibt drei Variablen.

161
00:07:38,063 --> 00:07:42,219
Bekanntlich kann man eine Variable
einer Gleichung lösen,

162
00:07:42,219 --> 00:07:45,145
wenn man die anderen beiden kennt.

163
00:07:45,145 --> 00:07:48,472
Das Problem mit der Schlussfolgerung,

164
00:07:48,472 --> 00:07:51,435
also das Herausfinden,
dass das Bild einen Vogel zeigt,

165
00:07:51,459 --> 00:07:52,733
ist das folgende:

166
00:07:52,757 --> 00:07:56,216
Y ist unbekannt,
und w und x sind bekannt.

167
00:07:56,240 --> 00:07:58,569
Wir kennen das neuronale 
Netzwerk und die Pixel.

168
00:07:58,593 --> 00:08:01,974
Es scheint ein recht
einfaches Problem zu sein.

169
00:08:02,004 --> 00:08:04,260
Wir rechnen zwei mal drei und sind fertig.

170
00:08:04,862 --> 00:08:08,385
Ich zeige Ihnen jetzt ein neu entwickeltes
künstliches neuronales Netzwerk,

171
00:08:08,385 --> 00:08:09,645
das genau das tut.

172
00:08:09,645 --> 00:08:12,494
Es läuft in Echtzeit 
auf einem Mobiltelefon,

173
00:08:12,518 --> 00:08:15,831
und das an sich ist 
natürlich schon erstaunlich,

174
00:08:15,855 --> 00:08:19,107
dass Mobiltelefone so viele
Milliarden und Billiarden Vorgänge

175
00:08:19,107 --> 00:08:20,595
pro Sekunde verarbeiten können.

176
00:08:20,619 --> 00:08:22,234
Sie sehen hier ein Telefon,

177
00:08:22,258 --> 00:08:25,789
das Bilder von einem Vogel 
nacheinander ansieht,

178
00:08:25,789 --> 00:08:28,564
und sogar nicht nur 
"Ja, es ist ein Vogel" sagt,

179
00:08:28,568 --> 00:08:32,329
sondern mit einem solchen Netzwerk
auch die Vogelart bestimmt.

180
00:08:32,890 --> 00:08:34,660
Bei diesem Bild


181
00:08:34,660 --> 00:08:38,542
kennen wir das x und das w,
und das y ist unbekannt.

182
00:08:38,566 --> 00:08:41,074
Ich lasse hier natürlich
den schwierigen Teil aus,

183
00:08:41,098 --> 00:08:44,959
also wie um alles in der Welt
wir das w finden können,

184
00:08:44,983 --> 00:08:47,170
wie das Gehirn so etwas kann.

185
00:08:47,194 --> 00:08:49,378
Wie können wir jemals 
so ein Modell erlernen?

186
00:08:49,418 --> 00:08:52,651
Wenn wir diesen Lernvorgang, 
also wie man nach w auflösen kann,

187
00:08:52,675 --> 00:08:55,322
wenn wir das bei der
einfachen Gleichung anwenden,

188
00:08:55,346 --> 00:08:57,346
in der wir sie uns als Zahlen vorstellen,

189
00:08:57,370 --> 00:09:00,057
wissen wir genau, was zu tun ist:
6 = 2 x w,

190
00:09:00,081 --> 00:09:03,393
wir teilen durch zwei und fertig.

191
00:09:04,001 --> 00:09:06,821
Das Problem ist dieses Rechenzeichen.

192
00:09:06,823 --> 00:09:07,974
Division --

193
00:09:07,998 --> 00:09:11,379
wir wählen die Division, weil sie 
das Gegenteil der Multiplikation ist,

194
00:09:11,379 --> 00:09:12,583
aber wie gesagt,

195
00:09:12,607 --> 00:09:15,056
Mulitplikation stimmt hier nicht ganz.

196
00:09:15,080 --> 00:09:18,406
Es handelt sich um einen sehr 
komplizierten, nichtlinearen Vorgang

197
00:09:18,430 --> 00:09:20,134
ohne Umkehrung.

198
00:09:20,158 --> 00:09:22,032
Wir müssen also herausfinden,

199
00:09:22,032 --> 00:09:25,356
wie wir die Gleichung
ohne Divisionszeichen lösen können.

200
00:09:25,380 --> 00:09:27,723
Eigentlich ist es ganz einfach:

201
00:09:27,747 --> 00:09:30,418
Wir zaubern einfach
ein wenig mit der Algebra.

202
00:09:30,442 --> 00:09:33,348
Wir ziehen die 6 auf
die rechte Seite der Gleichung.

203
00:09:33,372 --> 00:09:35,198
Wir multiplizieren immer noch.

204
00:09:35,675 --> 00:09:39,255
Diese Null -- betrachten 
wir einfach als Fehler.

205
00:09:39,279 --> 00:09:41,794
Anders gesagt, wenn wir
korrekt nach w auflösen,

206
00:09:41,818 --> 00:09:43,474
dann ist der Fehler null.

207
00:09:43,498 --> 00:09:45,436
Wenn wir einen Fehler machen,

208
00:09:45,460 --> 00:09:47,209
ist der Fehler größer als null.

209
00:09:47,233 --> 00:09:50,599
Jetzt können wir einfach raten,
um den Fehler zu minimieren.

210
00:09:50,623 --> 00:09:53,310
Computer können das ausgezeichnet.

211
00:09:53,334 --> 00:09:54,531
Sie raten also ins Blaue:

212
00:09:54,531 --> 00:09:56,611
Was, wenn w = 0?
Dann ist der Fehler 6.

213
00:09:56,625 --> 00:09:58,841
Wenn w = 1? Dann ist der Fehler 4.

214
00:09:58,841 --> 00:10:01,232
Dann kann der Computer Marco Polo spielen

215
00:10:01,256 --> 00:10:03,623
und den Fehler gegen Null gehen lassen.

216
00:10:03,647 --> 00:10:07,021
Dabei nähert er sich immer mehr dem w an.

217
00:10:07,045 --> 00:10:10,701
Meist schafft er es nicht ganz,
aber nach ungefähr einem Dutzend Schritten

218
00:10:10,725 --> 00:10:15,349
liegen wir bei w = 2,999,
und das ist genau genug.

219
00:10:16,302 --> 00:10:18,116
Das ist der Lernprozess.

220
00:10:18,140 --> 00:10:20,694
Erinnern Sie sich daran,

221
00:10:20,694 --> 00:10:25,272
dass wir gerade viele bekannte x
und bekannte y genommen haben.

222
00:10:25,296 --> 00:10:28,970
Wir lösten das w in der Mitte
durch ein Wiederholungsverfahren.

223
00:10:28,970 --> 00:10:32,330
Genauso lernen auch wir.

224
00:10:32,354 --> 00:10:34,584
Als Babys sehen wir sehr viele Bilder.

225
00:10:34,608 --> 00:10:37,701
Jemand sagt: "Das ist ein Vogel; 
das ist kein Vogel."

226
00:10:37,714 --> 00:10:39,812
Mit der Zeit und durch Wiederholung

227
00:10:39,836 --> 00:10:43,104
lösen wir nach w und diesen
neuronalen Verbindungen auf.

228
00:10:43,460 --> 00:10:47,270
Jetzt haben wir mit x und w 
nach y aufgelöst.

229
00:10:47,270 --> 00:10:49,447
Die alltägliche, schnelle Wahrnehmung.

230
00:10:49,447 --> 00:10:51,744
Herauszufinden, wie man
nach w auflösen kann,

231
00:10:51,748 --> 00:10:53,265
ist Lernen und viel schwerer,

232
00:10:53,265 --> 00:10:54,524
weil wir die Fehler

233
00:10:54,524 --> 00:10:56,881
nur über viele Übungsbeispiele
minimieren können.

234
00:10:56,881 --> 00:10:58,285
Vor ungefähr einem Jahr

235
00:10:58,285 --> 00:11:01,106
wollte Alex Mordvintsev
aus unserem Team herausfinden,

236
00:11:01,106 --> 00:11:03,636
was passiert, wenn wir nach x auflösen

237
00:11:03,660 --> 00:11:05,697
und w und y bekannt sind.

238
00:11:06,074 --> 00:11:06,995
Anders ausgedrückt:

239
00:11:06,995 --> 00:11:08,651
Sie wissen, dass es ein Vogel ist.

240
00:11:08,675 --> 00:11:12,268
Ihr neuronales Netzwerk
ist schon auf Vögel trainiert,

241
00:11:12,268 --> 00:11:14,596
doch was ist das Bild eines Vogels?

242
00:11:15,034 --> 00:11:20,058
Tatsächlich kann man die gleiche
Fehlerminimierungsstrategie 


243
00:11:20,082 --> 00:11:23,512
bei Netzwerken zum Erkennen 
von Vögeln anwenden.

244
00:11:23,536 --> 00:11:26,924
Das Ergebnis ist ...

245
00:11:30,400 --> 00:11:32,105
ein Bild von Vögeln.

246
00:11:32,724 --> 00:11:36,545
Dieses Bild von Vögeln wurde von einem
neuronalen Netzwerk erschaffen,

247
00:11:36,545 --> 00:11:38,621
das auf das Vogelerkennen trainiert wurde,

248
00:11:38,621 --> 00:11:41,857
und zwar nur durch Auflösen nach x,
nicht durch Auflösen nach y.

249
00:11:41,857 --> 00:11:43,835
All das passiert durch Wiederholungen.

250
00:11:43,835 --> 00:11:45,579
Noch ein lustiges Beispiel.

251
00:11:45,603 --> 00:11:49,040
Dies ist die Arbeit unseres 
Teammitglieds Mike Tyka,

252
00:11:49,064 --> 00:11:51,372
der es "Animal Parade" nennt.

253
00:11:51,396 --> 00:11:54,272
Es erinnert mich etwas an
Kunstwerke von William Kentridge,

254
00:11:54,296 --> 00:11:56,819
der Skizzen macht, sie dann wegradiert,

255
00:11:56,819 --> 00:11:58,249
Skizzen macht, sie wegradiert,

256
00:11:58,263 --> 00:11:59,691
und so einen Film erschafft.

257
00:11:59,715 --> 00:12:00,866
In diesem Fall

258
00:12:00,890 --> 00:12:04,177
setzt Mike für y verschiedene Tiere
in ein Netzwerk ein,

259
00:12:04,191 --> 00:12:08,163
das verschiedene Tiere
erkennen und unterscheiden kann.

260
00:12:08,163 --> 00:12:12,762
Heraus kommt dieser seltsame
Übergang von Tier zu Tier im Stil Eschers.

261
00:12:14,221 --> 00:12:18,729
Hier haben Mike und Alex 
gemeinsam versucht,

262
00:12:18,729 --> 00:12:21,618
das y auf nur zwei 
Dimensionen einzuschränken

263
00:12:21,642 --> 00:12:25,080
und so eine Karte von
allen Dingen im Raum zu erstellen,

264
00:12:25,104 --> 00:12:26,823
die dieses Netzwerk erkennt.

265
00:12:26,847 --> 00:12:28,734
Durch diese Darstellung

266
00:12:28,734 --> 00:12:31,276
oder Bildgenerierung 
auf der gesamten Oberfläche,

267
00:12:31,280 --> 00:12:34,466
wobei y auf der Oberfläche variiert,
wird eine Art Karte erstellt --

268
00:12:34,466 --> 00:12:37,621
eine visuelle Karte all der Dinge,
die das Netzwerk erkennen kann.

269
00:12:37,621 --> 00:12:40,910
Alle Tiere sind da, "armadillo" 
ist genau an dieser Stelle.

270
00:12:40,919 --> 00:12:43,438
Dasselbe kann man auch 
mit anderen Netzwerken machen.

271
00:12:43,452 --> 00:12:46,296
Dieses Netzwerk erkennt Gesichter

272
00:12:46,320 --> 00:12:48,320
und unterscheidet sie voneinander.

273
00:12:48,344 --> 00:12:51,593
Hier setzten wir 
ein y ein, das "ich" sagt,

274
00:12:51,617 --> 00:12:53,292
also die Parameter meines Gesichts.

275
00:12:53,312 --> 00:12:54,922
Wenn das Netzwerk nach x auflöst,

276
00:12:54,946 --> 00:12:57,564
generiert es dieses verrückte,

277
00:12:57,588 --> 00:13:02,016
kubistisch angehauchte, surreale,
psychedelische Bild von mir

278
00:13:02,040 --> 00:13:03,846
aus verschiedenen Blickwinkeln.

279
00:13:03,870 --> 00:13:06,824
Es wirkt wie eine Betrachtung 
aus verschiedenen Blickwinkeln,

280
00:13:06,824 --> 00:13:10,485
weil das Netzwerk so aufgebaut ist,
dass es die Vieldeutigkeit umgehen kann,

281
00:13:10,485 --> 00:13:13,295
die durch Gesichter in verschiedenen Posen

282
00:13:13,295 --> 00:13:16,215
oder verschiedene Belichtungen entsteht.

283
00:13:16,239 --> 00:13:18,318
Wenn man bei dieser Art Rekonstruktion

284
00:13:18,318 --> 00:13:22,222
nun keinerlei Musterbild
oder Hilfsstatistiken verwendet,

285
00:13:22,222 --> 00:13:25,676
vermischen sich die Ansichten 
aus den verschiedenen Blickwinkeln

286
00:13:25,700 --> 00:13:27,448
aufgrund der Vieldeutigkeit.

287
00:13:27,786 --> 00:13:32,009
Das passert, wenn Alex 
während des Optimierungsprozesses

288
00:13:32,033 --> 00:13:36,274
zur Rekonstruktion meines Gesichts
sein eigenes Gesicht als Muster verwendet.

289
00:13:36,284 --> 00:13:38,612
Sie sehen also, es ist nicht perfekt.

290
00:13:38,636 --> 00:13:40,064
Wir müssen noch hart arbeiten,

291
00:13:40,064 --> 00:13:43,257
um diesen Optimierungsprozess 
optimieren zu können.

292
00:13:43,257 --> 00:13:45,838
Aber langsam entstehen
stimmigere Gesichter,

293
00:13:45,862 --> 00:13:48,396
da mein Gesicht als Muster diente.

294
00:13:48,892 --> 00:13:51,087
Man muss nicht bei Null

295
00:13:51,097 --> 00:13:52,573
oder weißem Rauschen beginnen.

296
00:13:52,597 --> 00:13:53,901
Wenn man nach x auflöst,

297
00:13:53,925 --> 00:13:57,814
kann man mit einem x anfangen,
das selbst schon ein anderes Bild ist.

298
00:13:57,838 --> 00:14:00,394
Das soll diese Vorführung zeigen.

299
00:14:00,418 --> 00:14:03,784
Das ist ein Netzwerk,
das verschiedenste Objekte --

300
00:14:03,784 --> 00:14:07,683
menschgemachte Strukturen, Tiere usw. --
kategorisieren können soll.

301
00:14:07,707 --> 00:14:10,300
Wir beginnen nur mit einem Wolkenbild,

302
00:14:10,324 --> 00:14:11,995
und während der Optimierung

303
00:14:12,019 --> 00:14:16,505
findet das Netzwerk quasi heraus,
was es in den Wolken sieht.

304
00:14:16,931 --> 00:14:19,251
Je länger man zusieht,

305
00:14:19,275 --> 00:14:22,548
desto mehr sieht man in den Wolken.

306
00:14:23,004 --> 00:14:26,323
Man kann mit dem Gesichtsnetzwerk
Halluzinationen einfügen,

307
00:14:26,323 --> 00:14:28,545
und ganz schön verrücktes Zeug machen.

308
00:14:28,545 --> 00:14:29,589
(Lachen)

309
00:14:30,401 --> 00:14:33,145
Mike hat noch mehr Experimente gemacht,

310
00:14:33,169 --> 00:14:37,074
bei denen er ein Wolkenbild nimmt,

311
00:14:37,078 --> 00:14:40,695
halluziniert, heranzoomt, halluziniert,
heranzoomt, halluziniert und zoomt.

312
00:14:40,695 --> 00:14:42,400
Auf diese Weise kann man vielleicht

313
00:14:42,400 --> 00:14:45,479
eine Art Fluchtzustand des Netzwerks

314
00:14:45,503 --> 00:14:48,867
oder eine Art freie Assoziation erzeugen,

315
00:14:48,867 --> 00:14:51,434
bei der sich das Netzwerk selbst 
in den Schwanz beißt.

316
00:14:51,458 --> 00:14:54,879
Jedes Bild ist nun die Grundlage für:

317
00:14:54,903 --> 00:14:56,804
"Was glaube ich, als nächstes zu sehen?

318
00:14:56,814 --> 00:14:59,531
Was erwarte ich als nächstes,
und danach und danach?"

319
00:14:59,531 --> 00:15:02,423
Öffentlich habe ich dies das erste Mal

320
00:15:02,447 --> 00:15:07,884
einer Vorlesungsgruppe namens
"Higher Education" in Seattle gezeigt,

321
00:15:07,908 --> 00:15:10,725
kurz nachdem Marihuana legalisiert wurde.

322
00:15:10,725 --> 00:15:12,784
(Lachen)

323
00:15:14,627 --> 00:15:16,731
Ich möchte nun zum Ende kommen

324
00:15:16,755 --> 00:15:21,010
und festhalten, dass dieser Technologie
keine Grenzen gesetzt sind.

325
00:15:21,034 --> 00:15:24,699
Ich habe Ihnen nur visuelle Beispiele 
gezeigt, einfach, weil es Spaß macht.

326
00:15:24,723 --> 00:15:27,174
Aber es ist keine 
rein visuelle Technologie.

327
00:15:27,198 --> 00:15:29,191
Ross Goodwin, künstlerischer Mitarbeiter,

328
00:15:29,215 --> 00:15:32,886
hat Experimente gemacht, bei denen 
eine Kamera ein Bild schießt

329
00:15:32,910 --> 00:15:37,254
und ein Comuter in seinem Rucksack
ein Gedicht mit einem neuronalen Netzwerk 


330
00:15:37,294 --> 00:15:39,112
basierend auf dem Bildinhalt schreibt.

331
00:15:39,136 --> 00:15:42,577
Trainiert wurde das neuronale 
Gedichtenetzwerk mit den Werken

332
00:15:42,587 --> 00:15:44,351
der Dichtungen des 20. Jahrhunderts.

333
00:15:44,365 --> 00:15:45,864
Die Gedichte sind, naja,

334
00:15:45,888 --> 00:15:47,862
also ich finde sie gar nicht so schlecht.

335
00:15:47,862 --> 00:15:49,210
(Lachen)

336
00:15:49,234 --> 00:15:50,523
Zurück zu

337
00:15:50,523 --> 00:15:52,433
Michelangelo,

338
00:15:52,433 --> 00:15:53,881
ich denke, der lag richtig:

339
00:15:53,881 --> 00:15:57,617
Wahrnehmung und Kreativität
sind sehr eng miteinander verbunden.

340
00:15:57,617 --> 00:16:00,245
Gerade haben wir 
neuronale Netzwerke gesehen,

341
00:16:00,269 --> 00:16:01,912
die nur darauf trainiert sind, 


342
00:16:01,912 --> 00:16:04,838
verschiedene Dinge 
zu unterscheiden oder zu erkennen,

343
00:16:04,862 --> 00:16:08,023
und umgekehrt werden können, 
um etwas zu erschaffen.

344
00:16:08,047 --> 00:16:09,830
Daraus schließe ich nicht nur,

345
00:16:09,854 --> 00:16:14,752
dass Michelangelo die Skulptur
im Stein wirklich sehen konnte,

346
00:16:14,752 --> 00:16:18,390
sondern auch, dass jedes Wesen,
jedes Geschöpf, jedes Alien,

347
00:16:18,414 --> 00:16:22,071
das zu solchen Wahrnehmungen fähig ist,

348
00:16:22,075 --> 00:16:23,490
auch Dinge erschaffen kann,

349
00:16:23,494 --> 00:16:26,718
denn in beiden Fällen kommt die
gleiche Maschinerie zum Einsatz.

350
00:16:26,742 --> 00:16:30,558
Ich denke auch, 
dass keinesfalls nur Menschen

351
00:16:30,588 --> 00:16:32,508
wahrnehmen und kreativ sein können.

352
00:16:32,532 --> 00:16:36,240
Langsam gibt es Computermodelle,
die genau das Gleiche können.

353
00:16:36,264 --> 00:16:39,692
Das sollte keine Überraschung sein,
denn das Gehirn basiert auf Rechnen.

354
00:16:39,702 --> 00:16:41,273
Schließlich entstanden Computer

355
00:16:41,297 --> 00:16:45,965
aus den Versuchen,
intelligente Maschinen zu bauen.

356
00:16:45,989 --> 00:16:48,451
Sie sind Modelle unserer
Vorstellung dessen,

357
00:16:48,475 --> 00:16:51,488
wie wir Maschinen 
intelligent machen können.

358
00:16:51,512 --> 00:16:53,674
Jetzt erfüllen wir langsam

359
00:16:53,698 --> 00:16:56,104
ein paar der Versprechen
der ersten Vorreiter,

360
00:16:56,128 --> 00:16:57,841
von Turing und von Neumann

361
00:16:57,865 --> 00:17:00,130
und McCulloch und Pitts.

362
00:17:00,154 --> 00:17:04,252
Ich denke, beim Rechnen
geht es nicht nur um Buchhaltung

363
00:17:04,276 --> 00:17:06,423
oder Candy Crush oder so etwas.

364
00:17:06,447 --> 00:17:09,515
Von Anfang an haben wir sie als 
Abbild unseres Verstands gebaut.

365
00:17:09,519 --> 00:17:12,432
Mit ihnen können wir unseren
eigenen Verstand besser verstehen

366
00:17:12,442 --> 00:17:14,631
und unsere Fähigkeiten erweitern.

367
00:17:14,631 --> 00:17:15,914
Vielen Dank.

368
00:17:15,914 --> 00:17:20,337
(Applaus)