0:00:00.800,0:00:03.924
Bé, dirigeixo un equip a Google[br]encarregat d'IA.

0:00:03.948,0:00:06.328
Dit d'una altra manera,[br]la disciplina d'enginyeria

0:00:06.382,0:00:11.041
que fa que els ordinadors[br]imitin processos mentals.

0:00:11.439,0:00:14.538
Això fa que ens interessem[br]en els cervells reals,

0:00:14.562,0:00:15.851
així com en la neurociència

0:00:15.875,0:00:20.047
i més concretament[br]en els processos cerebrals

0:00:20.071,0:00:24.113
que són molt superiors[br]als processos dels ordinadors.

0:00:25.209,0:00:28.818
Històricament, una d'aquestes àrees[br]és la percepció.

0:00:28.842,0:00:31.881
El procés mitjançant el qual [br]coses del món exterior,

0:00:31.905,0:00:33.489
sons i imatges,

0:00:33.513,0:00:35.691
és converteixen en conceptes[br]a la nostra ment.

0:00:36.235,0:00:38.752
És un procés essencial[br]per als nostres cervells

0:00:38.776,0:00:41.240
i també resulta útil[br]en el cas dels ordinadors.

0:00:41.636,0:00:44.986
Els algoritmes de percepció de la màquina[br]que fem a l'equip

0:00:45.010,0:00:48.884
són els que fan possible [br]buscar les fotos a Google Photos,

0:00:48.908,0:00:50.305
basant-los en què contenen.

0:00:51.594,0:00:55.087
Però la percepció també és creativitat.

0:00:55.111,0:00:58.149
Fer d'un concepte,[br]una cosa que hi ha al món.

0:00:58.173,0:01:01.728
Durant els darrers anys, el nostre treball[br]en la percepció mecànica

0:01:01.752,0:01:06.611
ha connectat, inesperadament,[br]amb el món de la creativitat mecànica,

0:01:06.635,0:01:07.795
i l'art de les màquines.

0:01:08.556,0:01:11.840
En Miquel Àngel tenia[br]una profunda comprensió

0:01:11.864,0:01:15.520
d'aquesta relació dual[br]entre percepció i creativitat.

0:01:16.023,0:01:18.029
Per exemple, en aquesta cita seva:

0:01:18.053,0:01:21.376
"En cada bloc de marbre[br]hi ha una escultura,

0:01:22.036,0:01:25.038
i la feina de l'escultor es descobrir-la."

0:01:26.029,0:01:29.245
Crec que al que[br]en Miquel Àngel es referia

0:01:29.269,0:01:32.449
és a que creem per mitjà de la percepció.

0:01:32.473,0:01:35.496
La percepció, en si mateixa,[br]és un acte d'imaginació,

0:01:35.520,0:01:37.981
i, per tant, l'àmbit de la creativitat.

0:01:38.691,0:01:42.616
L'òrgan que pensa,[br]percep i imagina és,

0:01:42.640,0:01:44.228
per descomptat, el cervell.

0:01:45.089,0:01:47.634
M'agradaria començar [br]amb un xic d'història,

0:01:47.658,0:01:49.960
sobre el que sabem del cervell.

0:01:50.496,0:01:52.942
A diferència d'òrgans[br]com el cor o els intestins,

0:01:52.966,0:01:56.110
no se'n pot dir gaire d'un cervell,[br]amb només mirar-lo,

0:01:56.134,0:01:57.546
com a mínim a simple vista.

0:01:57.983,0:02:00.399
Els primers anatomistes[br]que observaren el cervell,

0:02:00.423,0:02:04.230
van donar a les estructures superficials[br]tota mena de noms originals,

0:02:04.254,0:02:06.687
com l'hipocamp, que vol dir 'gambeta'.

0:02:06.711,0:02:09.475
Però, obviament, aquests noms[br]no ens en diuen pas gaire

0:02:09.499,0:02:11.817
de què passa realment a l'interior.

0:02:12.780,0:02:16.393
La primera persona que, considero,[br]va desenvolupar algun tipus de coneixement

0:02:16.417,0:02:18.347
en relació als processos cerebrals

0:02:18.371,0:02:22.291
va ser el gran neuroanatomista espanyol [br]Santiago Ramón y Cajal,

0:02:22.315,0:02:23.859
durant el segle XIX.

0:02:23.883,0:02:27.638
Va utilitzar el microscopi[br]i colorants especials

0:02:27.662,0:02:31.832
per omplir o buidar selectivament,[br]per tal d'aconseguir un contrast molt alt

0:02:31.856,0:02:33.864
de les cèlules individuals del cervell,

0:02:33.888,0:02:37.042
i així començar a entendre [br]les seves morfologies.

0:02:37.972,0:02:40.863
Aquests dibuixos de les neurones[br]en són el resultat,

0:02:40.887,0:02:42.096
tot això al segle XIX.

0:02:42.120,0:02:44.004
Aquest és d'un cervell d'ocell.

0:02:44.028,0:02:47.085
S'observa l'increïble varietat [br]de tipus de cèl·lules que hi ha,

0:02:47.109,0:02:50.544
fins i tot la pròpia teoria cel·lular[br]era innovadora en aquell moment.

0:02:50.568,0:02:51.846
Aquestes estructures,

0:02:51.870,0:02:54.129
aquestes cèl·lules amb arboritzacions,

0:02:54.153,0:02:56.761
aquestes branques que poden anar[br]molt i molt lluny,

0:02:56.785,0:02:58.401
tot això era molt nou per l'època.

0:02:58.779,0:03:01.682
Recorden, per descomptat, a cables.

0:03:01.706,0:03:05.163
Això podia ser molt obvi[br]per a alguna gent del segle XIX,

0:03:05.187,0:03:09.501
donat que acabava de començar[br]la revolució elèctrica i dels cables.

0:03:09.964,0:03:11.142
Però en molts sentits,

0:03:11.166,0:03:14.479
els dibuixos microanatòmics[br]d'en Ramón y Cajal, com aquest,

0:03:14.503,0:03:16.835
en certa manera encara avui[br]són inmillorables.

0:03:16.859,0:03:18.713
Més d'un segle desprès,

0:03:18.737,0:03:21.562
encara intentem acabar la feina[br]que ell va començar.

0:03:21.586,0:03:24.720
Aquestes són les dades[br]dels nostres col·laboradors,

0:03:24.744,0:03:27.625
de l'Institut de Neurociència Max Planck.

0:03:27.649,0:03:29.439
El que aquests col·laboradors han fet

0:03:29.463,0:03:34.464
és prendre imatges de petits trossos[br]de teixits cerebrals.

0:03:34.488,0:03:37.814
Aquesta mostra completa[br]té una mida d'un mil·límetre cúbic,

0:03:37.838,0:03:40.459
i això només és una porció minúscula.

0:03:40.483,0:03:42.829
La barra de l'esquerra[br]és una micra, si fa no fa.

0:03:42.853,0:03:45.262
Les estructures que es veuen[br]són les mitocòndries.

0:03:45.286,0:03:47.330
Tenen la mida d'un bacteri.

0:03:47.354,0:03:48.905
Aquests són costats consecutius,

0:03:48.929,0:03:52.077
travessant aquest diminut[br]bloc de teixit.

0:03:52.101,0:03:54.504
Per a fer-se una idea,

0:03:54.528,0:03:58.320
el diàmetre d'un fil mitjà del cabell[br]té unes 100 micres.

0:03:58.344,0:04:00.618
Així doncs, ara mateix observem[br]quelcom molt més petit

0:04:00.642,0:04:02.040
que un simple fil de cabell.

0:04:02.064,0:04:06.095
A partir d'aquestes sèries[br]de porcions de microscòpia d'electrons,

0:04:06.119,0:04:11.127
és poden arribar a fer reconstruccions[br]de neurones en 3D. Són així.

0:04:11.151,0:04:14.308
Aquestes són similars[br]a les de l'estil de Ramón y Cajal.

0:04:14.332,0:04:15.824
Només il·luminem[br]certes neurones

0:04:15.848,0:04:18.629
donat que de no ser així[br]no podríem veure res.

0:04:18.653,0:04:19.965
Estaria massa atapeït,

0:04:19.989,0:04:21.319
massa ple d'estructura,

0:04:21.343,0:04:24.067
de connexions cerebrals[br]entre una neurona i una altra.

0:04:25.293,0:04:28.097
Ramón y Cajal va ser[br]un avançat al seu temps.

0:04:28.121,0:04:30.676
El progrés en relació[br]a la comprensió del cervell

0:04:30.700,0:04:32.971
va seguir lentament[br]durant les dècades següents.

0:04:33.455,0:04:36.308
Però vam aprendre[br]que les neurones usen electricitat.

0:04:36.332,0:04:39.268
A la Segona Guerra Mundial, [br]la tecnologia havia avançat prou

0:04:39.292,0:04:42.098
com per a fer experiments elèctrics[br]amb neurones vives,

0:04:42.122,0:04:44.228
per tal d'entendre'n el funcionament.

0:04:44.631,0:04:48.987
Va ser el mateix moment en que[br]s'inventaren els primers ordinadors,

0:04:49.011,0:04:52.111
molt basats en l'idea de modelar[br]el cervell humà,

0:04:52.135,0:04:55.220
de fer "màquines intel·ligents",[br]com va dir l'Alan Turing,

0:04:55.244,0:04:57.235
un dels pares de la informàtica.

0:04:57.923,0:05:02.555
Warren McCulloch i Walter Pitts[br]observaren els dibuixos d'en Ramon y Cajal

0:05:02.579,0:05:03.896
del còrtex visual,

0:05:03.920,0:05:05.482
que mostro aquí.

0:05:05.506,0:05:09.948
Aquest còrtex processa les imatges[br]que reben els ulls.

0:05:10.424,0:05:13.932
Per ells, això semblava[br]un esquema de connexions.

0:05:14.353,0:05:18.188
Per això hi ha molts detalls als esquemes[br]d'en McCulloch i en Pitt

0:05:18.212,0:05:19.564
que no són gaire correctes.

0:05:19.588,0:05:20.823
Però aquesta idea bàsica,

0:05:20.847,0:05:24.839
que el còrtex visual funciona[br]com una serie d'elements computacionals

0:05:24.863,0:05:27.609
tot passant informació d'un a l'altre[br]en una cascada

0:05:27.633,0:05:29.235
és, en essència, correcta.

0:05:29.259,0:05:31.609
Aturem-nos un moment

0:05:31.633,0:05:35.665
per parlar del que ha de fer un model[br]de processador d'informació visual.

0:05:36.228,0:05:38.969
La tasca de percepció més bàsica seria:

0:05:38.993,0:05:43.187
agafar una imatge i poder dir

0:05:43.211,0:05:44.387
"és un ocell".

0:05:44.411,0:05:47.285
Una tasca ben senzilla[br]per als nostres cervells.

0:05:47.309,0:05:50.730
Però cal entendre que,[br]en el cas d'un ordinador,

0:05:50.754,0:05:53.841
era una tasca impossible[br]només fa uns anys.

0:05:53.865,0:05:55.781
El paradigma clàssic de la informàtica

0:05:55.805,0:05:58.312
no és aquell on aquesta tasca[br]és fàcil de fer.

0:05:59.366,0:06:01.918
Així doncs, què passa entre els píxels,

0:06:01.942,0:06:05.970
entre la imatge de l'ocell[br]i la paraula "ocell",

0:06:05.994,0:06:08.808
és, essencialment, [br]un conjunt de neurones interconnectades

0:06:08.832,0:06:09.987
en una xarxa neuronal,

0:06:10.011,0:06:11.234
Com mostra el diagrama.

0:06:11.258,0:06:14.530
Aquesta xarxa neural pot ser biològica,[br]dins el nostre còrtex visual,

0:06:14.554,0:06:16.716
o, com hem començat[br]a ser capaços de fer,

0:06:16.740,0:06:19.194
modelar aquestes xarxes neurals[br]a l'ordinador.

0:06:19.834,0:06:22.187
Els ensenyaré quin aspecte té.

0:06:22.211,0:06:25.627
Així, els píxels es poden entendre[br]com una primera capa de neurones,

0:06:25.651,0:06:27.890
que, de fet, és com funciona[br]en el cas de l'ull,

0:06:27.914,0:06:29.577
les neurones que hi ha a la retina.

0:06:29.601,0:06:31.101
Una rere l'altra,

0:06:31.125,0:06:34.528
capes, capes i més capes[br]de neurones,

0:06:34.552,0:06:37.585
totes interconnectades per sinapsis[br]de diferents pesos.

0:06:37.609,0:06:38.944
El comportament de la xarxa

0:06:38.968,0:06:42.252
es caracteritza per la força[br]de totes aquestes sinapsis.

0:06:42.276,0:06:45.564
Aquestes determinen[br]les propietats computacionals de la xarxa.

0:06:45.588,0:06:47.058
El resultat final,

0:06:47.082,0:06:49.529
és una neurona[br]o un petit grup de neurones

0:06:49.553,0:06:51.200
que s'il·luminen i diuen "ocell".

0:06:51.824,0:06:54.956
Ara representaré aquestes tres coses:

0:06:54.980,0:06:59.676
Els píxels d'entrada, les sinapsis[br]a la xarxa neuronal

0:06:59.700,0:07:01.285
i l'ocell, el resultat;

0:07:01.309,0:07:04.366
amb tres variables: x, w i y.

0:07:04.877,0:07:06.688
Potser hi ha un milió o més de 'x',

0:07:06.688,0:07:08.641
un milió de píxels a la imatge.

0:07:08.665,0:07:11.111
Hi ha milers de milions de 'w',

0:07:11.135,0:07:14.556
que representen els pesos de les sinapsis[br]a la xarxa neuronal.

0:07:14.580,0:07:16.455
Però hi ha un nombre molt petit de 'y',

0:07:16.479,0:07:18.337
els resultats de la xarxa neuronal.

0:07:18.361,0:07:20.110
"Bird" ['ocell'] són 4 lletres, oi?

0:07:21.088,0:07:24.514
Plantegem-nos-ho[br]com una fórmula senzilla:

0:07:24.538,0:07:26.701
x "x" w = y

0:07:26.725,0:07:28.761
Poso els temps entre cometes

0:07:28.785,0:07:31.065
perquè el que passa realment,[br]per descomptat,

0:07:31.089,0:07:34.135
són una serie d'operacions matemàtiques[br]molt complicades.

0:07:35.172,0:07:36.393
Això és una equació.

0:07:36.417,0:07:38.089
Hi ha 3 variables.

0:07:38.113,0:07:40.839
Tothom sap que si tenim una equació,

0:07:40.863,0:07:44.505
es pot resoldre una variable[br]per mitjà de conèixer les altres dues.

0:07:45.158,0:07:48.538
Així que el problema de la inferència,

0:07:48.562,0:07:51.435
és a dir esbrinar que[br]la imatge de l'ocell és un ocell,

0:07:51.459,0:07:52.733
és el següent:

0:07:52.757,0:07:56.216
'y' és la incògnita[br]i 'w' i 'x' són valors coneguts.

0:07:56.240,0:07:58.699
Sabem la xarxa neural,[br]sabem les píxels.

0:07:58.723,0:08:02.050
De fet, en realitat es tracta[br]d'un problema relativament senzill.

0:08:02.074,0:08:04.260
Multiplicant 2 vegades 3[br]estaria resolt.

0:08:04.862,0:08:06.985
Els ensenyaré[br]una xarxa neuronal artificial,

0:08:07.009,0:08:09.305
que hem construït fa poc,[br]seguint aquesta idea.

0:08:09.634,0:08:12.494
Això s'executa en temps real[br]des d'un telèfon mòbil,

0:08:12.518,0:08:15.831
la qual cosa ja és, en si,[br]prou sorprenent;

0:08:15.855,0:08:19.323
el fet que telèfons mòbils facin[br]milers de milions i bilions d'operacions,

0:08:19.347,0:08:20.595
en uns pocs segons.

0:08:20.619,0:08:22.234
El que veuen és un telèfon,

0:08:22.258,0:08:25.805
mirant una per una[br]imatges d'ocells.

0:08:25.829,0:08:28.544
De fet, no només mirant[br]i dient "Sí, és un ocell",

0:08:28.568,0:08:31.979
sinó també identificant-ne l'espècie d'au[br]per mitjà d'aquesta xarxa.

0:08:32.890,0:08:34.716
Així, en aquesta imatge,

0:08:34.740,0:08:38.542
'x' i 'w' són valors coneguts,[br]i 'y' és la incògnita.

0:08:38.566,0:08:41.074
Per descomptat, passem per alt[br]la part més difícil,

0:08:41.098,0:08:44.959
que és: com descobrim el valor de 'w',

0:08:44.983,0:08:47.170
el cervell que ho pot fer?

0:08:47.194,0:08:49.028
Com podríem aprendre un model així?

0:08:49.418,0:08:52.651
Doncs aquest procés d'aprenentatge,[br]de resoldre el valor de 'w',

0:08:52.675,0:08:55.322
si el fem amb l'equació,

0:08:55.346,0:08:57.346
on pensem en el problema com a números,

0:08:57.370,0:09:00.057
sabem com fer-ho exactament: 6 = 2 x w.

0:09:00.081,0:09:03.393
Dividim entre 2 i s'ha acabat.

0:09:04.001,0:09:06.221
El problema ve amb aquesta operació.

0:09:06.823,0:09:07.974
La divisió.

0:09:07.998,0:09:11.119
Hem utilitzat la divisió[br]perquè és l'oposat a la multiplicació,

0:09:11.143,0:09:12.583
però com hem dit,

0:09:12.607,0:09:15.056
la multiplicació no és del tot certa aquí.

0:09:15.080,0:09:18.406
Es una operació tremendament complicada,[br]una operació no lineal,

0:09:18.430,0:09:20.134
que no té oposat.

0:09:20.158,0:09:23.308
Així que hem d'esbrinar[br]la manera de resoldre l'equació

0:09:23.332,0:09:25.356
sense usar la divisió.

0:09:25.380,0:09:27.723
La manera per fer-ho[br]és bastant directa.

0:09:27.747,0:09:30.418
Només s'ha de fer [br]un petit truc d'àlgebra.

0:09:30.442,0:09:33.348
És mou el 6 a la part dreta de l'equació.

0:09:33.372,0:09:35.198
Així, encara usem la multiplicació.

0:09:35.675,0:09:39.255
Aquest 0, considerem-lo un error.

0:09:39.279,0:09:41.794
És a dir, si hem resolt 'w'[br]correctament,

0:09:41.818,0:09:43.474
l'error és 0;

0:09:43.498,0:09:45.436
si no l'hem resolt bé,

0:09:45.460,0:09:47.209
l'error serà més gran que 0.

0:09:47.233,0:09:50.599
Ara només podem calcular a ull,[br]per tal de minimitzar l'error,

0:09:50.623,0:09:53.310
i els ordinadors són bons[br]en aquest tipus de coses.

0:09:53.334,0:09:54.927
Prenent una aproximació inicial:

0:09:54.951,0:09:56.107
què passa si w = 0?

0:09:56.131,0:09:57.371
Bé, llavors l'error és 6.

0:09:57.395,0:09:58.841
Què passa si w = 1?[br]L'error és 4.

0:09:58.865,0:10:01.232
I així l'ordinador pot jugar[br]a Marco Polo,

0:10:01.256,0:10:03.623
per tal de reduir l'error prop de 0.

0:10:03.647,0:10:07.021
A mesura que ho fa,[br]fa aproximacions successives a 'w'.

0:10:07.045,0:10:10.701
En general, mai hi arriba del tot,[br]però desprès d'uns 12 passos,

0:10:10.725,0:10:15.349
s'arriba a w=2.999,[br]que està prou a prop.

0:10:16.302,0:10:18.116
Aquest és el procés d'aprenentatge.

0:10:18.140,0:10:20.870
Recordem que el que hem estat fent aquí

0:10:20.894,0:10:25.272
ha estat usar[br]molts valors coneguts 'x' i 'y'

0:10:25.296,0:10:28.750
i resoldre la 'w' central[br]mitjançant un procés de repetició.

0:10:28.774,0:10:32.330
És exactament la mateixa manera[br]en la que aprenem nosaltres mateixos.

0:10:32.354,0:10:34.584
De nadons tenim moltíssimes imatges

0:10:34.608,0:10:37.241
i se'ns diu:[br]"Això és un ocell, això no ho és".

0:10:37.714,0:10:39.812
Amb el temps, a través de la repetició,

0:10:39.836,0:10:42.764
resolem la nostra 'w',[br]resolent les seves connexions neurals.

0:10:43.460,0:10:47.546
Bé, ara hem mantingut[br]'x' i 'w' per tal de resoldre 'y'

0:10:47.570,0:10:49.417
això és diari, la percepció ràpida.

0:10:49.441,0:10:51.204
Hem descobert com resoldre 'w',

0:10:51.228,0:10:53.131
l'aprenentatge, molt més difícil

0:10:53.155,0:10:55.140
perquè s'ha de minimitzar l'error

0:10:55.164,0:10:56.851
practicant amb molts exemples,

0:10:56.875,0:11:00.062
i fa un any, l'Alex Mordvintsev,[br]del nostre equip,

0:11:00.086,0:11:03.636
va decidir experimentar[br]què passa en intentar resoldre 'x',

0:11:03.660,0:11:05.697
amb una 'w' i una 'y' conegudes.

0:11:06.124,0:11:07.275
És a dir,

0:11:07.299,0:11:08.651
sabem que és un ocell,

0:11:08.675,0:11:11.978
i tenim la xarxa neural[br]entrenada en ocells,

0:11:12.002,0:11:14.346
però què és la imatge d'un ocell?

0:11:15.034,0:11:20.058
Va resultar que usant el mateix procés[br]de minimitzar l'error,

0:11:20.082,0:11:23.512
mitjançant la xarxa entrenada[br]en reconèixer ocells,

0:11:23.536,0:11:26.924
el resultat és...

0:11:30.400,0:11:31.705
una imatge d'ocells.

0:11:32.814,0:11:36.551
Aquesta imatge d'ocells[br]es genera totalment per la xarxa neural

0:11:36.575,0:11:38.401
entrenada en reconèixer ocells,

0:11:38.425,0:11:41.963
tot resolent 'x' en lloc de resoldre 'y'

0:11:41.987,0:11:43.275
de manera repetitiva.

0:11:43.732,0:11:45.579
Aquest és un altre bon exemple.

0:11:45.603,0:11:49.040
És un treball fet pel Mike Tyka,[br]del nostre grup.

0:11:49.064,0:11:51.372
El va anomenar "Cavalcada d'animals".

0:11:51.396,0:11:54.272
Em recorda una mica[br]l'obra d'en William Kentridge,

0:11:54.296,0:11:56.785
fa esborranys, els refrega,

0:11:56.809,0:11:58.269
fa esborranys, els refrega

0:11:58.293,0:11:59.691
i amb tot plegat fa una pel·lícula.

0:11:59.715,0:12:00.866
En aquest cas,

0:12:00.890,0:12:04.167
en Mike va variar 'y'[br]en l'espai de diferents animals,

0:12:04.191,0:12:06.573
a una xarxa dissenyada [br]que reconeix i distingeix

0:12:06.597,0:12:08.407
entre diferents animals.

0:12:08.431,0:12:12.182
El resultat és aquest estil Escher[br]d'animals transformant-se'n altres.

0:12:14.221,0:12:18.835
Ell i l'Alex van provar a reduir

0:12:18.859,0:12:21.618
'y' a un espai de només 2 dimensions,

0:12:21.642,0:12:25.080
tot fent un mapa[br]fora de l'espai de totes les coses

0:12:25.104,0:12:26.823
que reconeix aquesta xarxa.

0:12:26.847,0:12:28.870
En fer aquesta combinació

0:12:28.894,0:12:31.276
o generar les imatges[br]sobre tota aquesta superfície

0:12:31.300,0:12:34.146
variant 'y' per la mateixa,[br]es genera una mena de mapa;

0:12:34.170,0:12:37.311
un mapa visual de tot allò[br]que la xarxa pot reconèixer.

0:12:37.335,0:12:40.200
Tots els animals hi són,[br]com l'armadillo just en aquest punt.

0:12:40.919,0:12:43.398
Això també es pot fer amb[br]altra mena de xarxes.

0:12:43.422,0:12:46.296
Aquesta és una xarxa[br]dissenyada per a reconèixer cares.

0:12:46.320,0:12:48.320
Per a distingir una cara d'una altra.

0:12:48.344,0:12:51.593
Aquí hem posat a 'y'[br]on hi posa "jo"

0:12:51.617,0:12:53.192
els paràmetres de la meva cara.

0:12:53.216,0:12:54.922
Quan amb això resolem 'x'

0:12:54.946,0:12:57.564
genera aquesta bogeria.

0:12:57.588,0:13:02.016
Barreja de cubista, surrealista[br]i psicodèlica foto meva,

0:13:02.040,0:13:03.846
amb múltiples punts de vista aplegats.

0:13:03.870,0:13:06.604
La raó per la qual aplega[br]múltiples punts de vista alhora

0:13:06.628,0:13:10.315
és perquè la xarxa està dissenyada[br]per a obviar l'ambigüitat

0:13:10.339,0:13:12.815
d'una mateixa cara [br]amb un gest o un altre,

0:13:12.839,0:13:16.215
observat amb una il·luminació[br]o una altra de diferent.

0:13:16.239,0:13:18.324
Així, en fer aquesta mena de reconstrucció

0:13:18.348,0:13:20.652
si no s'utilitza[br]algun tipus d'imatge de guia,

0:13:20.676,0:13:21.887
d'estadístiques de guia,

0:13:21.911,0:13:25.676
el resultat és una confusió[br]de diferents punts de vista,

0:13:25.700,0:13:27.068
perquè és ambigu.

0:13:27.786,0:13:32.009
Això és el que passa quan l'Alex[br]usa la seva cara com a imatge de guia

0:13:32.033,0:13:35.354
en el procés d'optimització per tal[br]de reconstruir la meva cara.

0:13:36.284,0:13:38.612
Es pot apreciar que no es perfecte.

0:13:38.636,0:13:40.510
Encara queda molta feina a fer,

0:13:40.534,0:13:42.987
per tal de millorar[br]aquest procés d'optimització.

0:13:43.011,0:13:45.838
Però, es comença a obtenir[br]quelcom semblant a una cara,

0:13:45.862,0:13:47.876
he deixat d'usar la meva cara com a guia.

0:13:48.892,0:13:51.393
No s'ha de començar[br]d'un llenç en blanc

0:13:51.417,0:13:52.573
o d'un so en blanc.

0:13:52.597,0:13:53.901
Quan resolem 'x',

0:13:53.925,0:13:57.814
es pot començar amb una 'x',[br]és a dir, amb una altra imatge.

0:13:57.838,0:14:00.394
Com en aquesta petita demostració.

0:14:00.418,0:14:04.540
Aquesta és una xarxa dissenyada[br]per tal de categoritzar

0:14:04.564,0:14:07.683
tota mena d'objectes:[br]estructures fetes per l'home, animals...

0:14:07.707,0:14:10.300
Comencem amb una senzilla[br]fotografia de núvols

0:14:10.324,0:14:11.995
i en optimitzar,

0:14:12.019,0:14:16.505
la xarxa esbrina, en essència,[br]què hi veu als núvols.

0:14:16.931,0:14:19.251
Com a més temps passem[br]observant-ho,

0:14:19.275,0:14:22.028
més coses hi veurem,[br]als núvols.

0:14:23.004,0:14:26.379
També podem usar la xarxa[br]de reconeixement facial per al·lucinar,

0:14:26.403,0:14:28.215
i aconseguim coses bastant boges.

0:14:28.239,0:14:29.389
(Riures)

0:14:30.401,0:14:33.145
En Mike també ha fet d'altres experiments.

0:14:33.169,0:14:37.074
Ha agafat la imatge del núvols,

0:14:37.098,0:14:40.605
al·lucina, fa zoom,[br]al·lucina, fa zoom...

0:14:40.629,0:14:41.780
D'aquesta manera,

0:14:41.804,0:14:45.479
s'obté una mena d'estat[br]de fuga dissociativa a la xarxa,

0:14:45.503,0:14:49.183
una mena d'associació lliure,

0:14:49.207,0:14:51.434
on la xarxa és menja la seva pròpia cua.

0:14:51.458,0:14:54.879
Fent, així, de cada imatge, la base de:

0:14:54.903,0:14:56.324
"Què crec que hi veig aquí?

0:14:56.348,0:14:59.151
I ara què hi veig? I ara?..."

0:14:59.487,0:15:02.423
La primera vegada[br]que ho vaig ensenyar en públic

0:15:02.447,0:15:07.884
va ser a un grup a una conferència[br]a Seattle anomenat "Higher Education",

0:15:07.908,0:15:10.345
tot just després[br]de legalitzar la marihuana.

0:15:10.369,0:15:12.784
(Riures)

0:15:14.627,0:15:16.731
M'agradaria acabar ràpidament,

0:15:16.755,0:15:21.010
dient que aquesta[br]tecnologia no és només això.

0:15:21.034,0:15:24.699
He ensenyat exemples visuals[br]perquè són divertits,

0:15:24.723,0:15:27.174
però no només es tracta[br]de tecnologia visual.

0:15:27.198,0:15:29.191
Un artista col·laborador,[br]en Ross Goodwin,

0:15:29.215,0:15:32.886
ha fet experiments[br]fent fotografies amb una càmera

0:15:32.910,0:15:37.144
i que un ordinador a la seva motxilla[br]en faci un poema amb una xarxa neural;

0:15:37.168,0:15:39.112
bastant-se en la imatge.

0:15:39.136,0:15:42.083
Aquesta xarxa neural de poesia[br]s'ha preparat

0:15:42.107,0:15:44.341
amb un extens corpus de poesia[br]del segle XX.

0:15:44.365,0:15:45.864
Els poemes resultants són...

0:15:45.888,0:15:47.802
Bé, no estan del tot malament.

0:15:47.826,0:15:49.210
(Riures)

0:15:49.234,0:15:50.393
En resum.

0:15:50.417,0:15:52.549
Crec que en Miquel Àngel

0:15:52.573,0:15:53.807
tenia raó.

0:15:53.831,0:15:57.267
La percepció i la creativitat[br]estan lligades molt íntimament.

0:15:57.611,0:16:00.245
Això són xarxes neuronals

0:16:00.269,0:16:02.572
preparades per tal de poder[br]discriminar

0:16:02.596,0:16:04.838
o reconèixer diferents coses[br]del món;

0:16:04.862,0:16:08.023
capaces de córrer en sentit invers[br]per tal de poder generar.

0:16:08.047,0:16:09.830
Una de les coses que em suggereix,

0:16:09.854,0:16:12.252
és que no només[br]en Miquel Àngel era capaç de veure

0:16:12.276,0:16:14.728
l'escultura dins els blocs de marbre;

0:16:14.752,0:16:18.390
sino que qualsevol criatura,[br]qualsevol ésser, qualsevol marcià

0:16:18.414,0:16:22.071
capaç de fer aquesta mena[br]d'actes de percepció,

0:16:22.095,0:16:23.470
també pot crear.

0:16:23.494,0:16:26.718
Perquè s'utilitza exactament[br]el mateix mecanisme en ambdós casos.

0:16:26.742,0:16:31.274
També considero que tant[br]la percepció com la creativitat no són

0:16:31.298,0:16:32.508
exclusivament humanes.

0:16:32.532,0:16:36.240
Comencem a tenir models d'ordinador[br]capaços de dur a terme aquestes tasques.

0:16:36.264,0:16:39.592
Això no ens hauria de sorprendre,[br]ja que el cervell és computacional.

0:16:39.616,0:16:41.273
Per acabar,

0:16:41.297,0:16:45.965
la informàtica començà com a un exercici[br]de disseny de màquines intel·ligents.

0:16:45.989,0:16:48.451
Es va modelar molt en torn[br]a la idea

0:16:48.475,0:16:51.488
de com fer màquines intel·ligents.

0:16:51.512,0:16:53.674
Finalment, ara comencem a aconseguir

0:16:53.698,0:16:56.104
algunes de les promeses[br]d'aquells primers pioners,

0:16:56.128,0:16:57.841
d'en Turing, en Von Neumann,

0:16:57.865,0:17:00.130
d'en McCulloch i en Pitts.

0:17:00.154,0:17:04.252
Crec que la informàtica[br]no és només comptabilitat,

0:17:04.276,0:17:06.423
o jugar al "Candy Crush" i coses així.

0:17:06.447,0:17:09.025
Vam començar seguint[br]el model de les nostres ments.

0:17:09.049,0:17:12.318
Ens dóna tant l'habilitat[br]d'entendre'ns millor a nosaltres mateixos

0:17:12.342,0:17:13.871
com de millora-la.

0:17:14.627,0:17:15.794
Moltes gràcies.

0:17:15.818,0:17:21.757
(Aplaudiments)