WEBVTT

00:00:00.800 --> 00:00:03.924
Bé, dirigeixo un equip a Google
encarregat d'IA.

00:00:03.948 --> 00:00:06.328
Dit d'una altra manera,
la disciplina d'enginyeria

00:00:06.382 --> 00:00:11.041
que fa que els ordinadors
imitin processos mentals.

00:00:11.439 --> 00:00:14.538
Això fa que ens interessem
en els cervells reals,

00:00:14.562 --> 00:00:15.851
així com en la neurociència

00:00:15.875 --> 00:00:20.047
i més concretament
en els processos cerebrals

00:00:20.071 --> 00:00:24.113
que són molt superiors
als processos dels ordinadors.

NOTE Paragraph

00:00:25.209 --> 00:00:28.818
Històricament, una d'aquestes àrees
és la percepció.

00:00:28.842 --> 00:00:31.881
El procés mitjançant el qual 
coses del món exterior,

00:00:31.905 --> 00:00:33.489
sons i imatges,

00:00:33.513 --> 00:00:35.691
és converteixen en conceptes
a la nostra ment.

00:00:36.235 --> 00:00:38.752
És un procés essencial
per als nostres cervells

00:00:38.776 --> 00:00:41.240
i també resulta útil
en el cas dels ordinadors.

00:00:41.636 --> 00:00:44.986
Els algoritmes de percepció de la màquina
que fem a l'equip

00:00:45.010 --> 00:00:48.884
són els que fan possible 
buscar les fotos a Google Photos,

00:00:48.908 --> 00:00:50.305
basant-los en què contenen.

00:00:51.594 --> 00:00:55.087
Però la percepció també és creativitat.

00:00:55.111 --> 00:00:58.149
Fer d'un concepte,
una cosa que hi ha al món.

00:00:58.173 --> 00:01:01.728
Durant els darrers anys, el nostre treball
en la percepció mecànica

00:01:01.752 --> 00:01:06.611
ha connectat, inesperadament,
amb el món de la creativitat mecànica,

00:01:06.635 --> 00:01:07.795
i l'art de les màquines.

NOTE Paragraph

00:01:08.556 --> 00:01:11.840
En Miquel Àngel tenia
una profunda comprensió

00:01:11.864 --> 00:01:15.520
d'aquesta relació dual
entre percepció i creativitat.

00:01:16.023 --> 00:01:18.029
Per exemple, en aquesta cita seva:

00:01:18.053 --> 00:01:21.376
"En cada bloc de marbre
hi ha una escultura,

00:01:22.036 --> 00:01:25.038
i la feina de l'escultor es descobrir-la."

00:01:26.029 --> 00:01:29.245
Crec que al que
en Miquel Àngel es referia

00:01:29.269 --> 00:01:32.449
és a que creem per mitjà de la percepció.

00:01:32.473 --> 00:01:35.496
La percepció, en si mateixa,
és un acte d'imaginació,

00:01:35.520 --> 00:01:37.981
i, per tant, l'àmbit de la creativitat.

NOTE Paragraph

00:01:38.691 --> 00:01:42.616
L'òrgan que pensa,
percep i imagina és,

00:01:42.640 --> 00:01:44.228
per descomptat, el cervell.

00:01:45.089 --> 00:01:47.634
M'agradaria començar 
amb un xic d'història,

00:01:47.658 --> 00:01:49.960
sobre el que sabem del cervell.

00:01:50.496 --> 00:01:52.942
A diferència d'òrgans
com el cor o els intestins,

00:01:52.966 --> 00:01:56.110
no se'n pot dir gaire d'un cervell,
amb només mirar-lo,

00:01:56.134 --> 00:01:57.546
com a mínim a simple vista.

00:01:57.983 --> 00:02:00.399
Els primers anatomistes
que observaren el cervell,

00:02:00.423 --> 00:02:04.230
van donar a les estructures superficials
tota mena de noms originals,

00:02:04.254 --> 00:02:06.687
com l'hipocamp, que vol dir 'gambeta'.

00:02:06.711 --> 00:02:09.475
Però, obviament, aquests noms
no ens en diuen pas gaire

00:02:09.499 --> 00:02:11.817
de què passa realment a l'interior.

NOTE Paragraph

00:02:12.780 --> 00:02:16.393
La primera persona que, considero,
va desenvolupar algun tipus de coneixement

00:02:16.417 --> 00:02:18.347
en relació als processos cerebrals

00:02:18.371 --> 00:02:22.291
va ser el gran neuroanatomista espanyol 
Santiago Ramón y Cajal,

00:02:22.315 --> 00:02:23.859
durant el segle XIX.

00:02:23.883 --> 00:02:27.638
Va utilitzar el microscopi
i colorants especials

00:02:27.662 --> 00:02:31.832
per omplir o buidar selectivament,
per tal d'aconseguir un contrast molt alt

00:02:31.856 --> 00:02:33.864
de les cèlules individuals del cervell,

00:02:33.888 --> 00:02:37.042
i així començar a entendre 
les seves morfologies.

00:02:37.972 --> 00:02:40.863
Aquests dibuixos de les neurones
en són el resultat,

00:02:40.887 --> 00:02:42.096
tot això al segle XIX.

NOTE Paragraph

00:02:42.120 --> 00:02:44.004
Aquest és d'un cervell d'ocell.

00:02:44.028 --> 00:02:47.085
S'observa l'increïble varietat 
de tipus de cèl·lules que hi ha,

00:02:47.109 --> 00:02:50.544
fins i tot la pròpia teoria cel·lular
era innovadora en aquell moment.

00:02:50.568 --> 00:02:51.846
Aquestes estructures,

00:02:51.870 --> 00:02:54.129
aquestes cèl·lules amb arboritzacions,

00:02:54.153 --> 00:02:56.761
aquestes branques que poden anar
molt i molt lluny,

00:02:56.785 --> 00:02:58.401
tot això era molt nou per l'època.

00:02:58.779 --> 00:03:01.682
Recorden, per descomptat, a cables.

00:03:01.706 --> 00:03:05.163
Això podia ser molt obvi
per a alguna gent del segle XIX,

00:03:05.187 --> 00:03:09.501
donat que acabava de començar
la revolució elèctrica i dels cables.

00:03:09.964 --> 00:03:11.142
Però en molts sentits,

00:03:11.166 --> 00:03:14.479
els dibuixos microanatòmics
d'en Ramón y Cajal, com aquest,

00:03:14.503 --> 00:03:16.835
en certa manera encara avui
són inmillorables.

NOTE Paragraph

00:03:16.859 --> 00:03:18.713
Més d'un segle desprès,

00:03:18.737 --> 00:03:21.562
encara intentem acabar la feina
que ell va començar.

00:03:21.586 --> 00:03:24.720
Aquestes són les dades
dels nostres col·laboradors,

00:03:24.744 --> 00:03:27.625
de l'Institut de Neurociència Max Planck.

00:03:27.649 --> 00:03:29.439
El que aquests col·laboradors han fet

00:03:29.463 --> 00:03:34.464
és prendre imatges de petits trossos
de teixits cerebrals.

00:03:34.488 --> 00:03:37.814
Aquesta mostra completa
té una mida d'un mil·límetre cúbic,

00:03:37.838 --> 00:03:40.459
i això només és una porció minúscula.

00:03:40.483 --> 00:03:42.829
La barra de l'esquerra
és una micra, si fa no fa.

00:03:42.853 --> 00:03:45.262
Les estructures que es veuen
són les mitocòndries.

00:03:45.286 --> 00:03:47.330
Tenen la mida d'un bacteri.

00:03:47.354 --> 00:03:48.905
Aquests són costats consecutius,

00:03:48.929 --> 00:03:52.077
travessant aquest diminut
bloc de teixit.

00:03:52.101 --> 00:03:54.504
Per a fer-se una idea,

00:03:54.528 --> 00:03:58.320
el diàmetre d'un fil mitjà del cabell
té unes 100 micres.

00:03:58.344 --> 00:04:00.618
Així doncs, ara mateix observem
quelcom molt més petit

00:04:00.642 --> 00:04:02.040
que un simple fil de cabell.

NOTE Paragraph

00:04:02.064 --> 00:04:06.095
A partir d'aquestes sèries
de porcions de microscòpia d'electrons,

00:04:06.119 --> 00:04:11.127
és poden arribar a fer reconstruccions
de neurones en 3D. Són així.

00:04:11.151 --> 00:04:14.308
Aquestes són similars
a les de l'estil de Ramón y Cajal.

00:04:14.332 --> 00:04:15.824
Només il·luminem
certes neurones

00:04:15.848 --> 00:04:18.629
donat que de no ser així
no podríem veure res.

00:04:18.653 --> 00:04:19.965
Estaria massa atapeït,

00:04:19.989 --> 00:04:21.319
massa ple d'estructura,

00:04:21.343 --> 00:04:24.067
de connexions cerebrals
entre una neurona i una altra.

NOTE Paragraph

00:04:25.293 --> 00:04:28.097
Ramón y Cajal va ser
un avançat al seu temps.

00:04:28.121 --> 00:04:30.676
El progrés en relació
a la comprensió del cervell

00:04:30.700 --> 00:04:32.971
va seguir lentament
durant les dècades següents.

00:04:33.455 --> 00:04:36.308
Però vam aprendre
que les neurones usen electricitat.

00:04:36.332 --> 00:04:39.268
A la Segona Guerra Mundial, 
la tecnologia havia avançat prou

00:04:39.292 --> 00:04:42.098
com per a fer experiments elèctrics
amb neurones vives,

00:04:42.122 --> 00:04:44.228
per tal d'entendre'n el funcionament.

00:04:44.631 --> 00:04:48.987
Va ser el mateix moment en que
s'inventaren els primers ordinadors,

00:04:49.011 --> 00:04:52.111
molt basats en l'idea de modelar
el cervell humà,

00:04:52.135 --> 00:04:55.220
de fer "màquines intel·ligents",
com va dir l'Alan Turing,

00:04:55.244 --> 00:04:57.235
un dels pares de la informàtica.

NOTE Paragraph

00:04:57.923 --> 00:05:02.555
Warren McCulloch i Walter Pitts
observaren els dibuixos d'en Ramon y Cajal

00:05:02.579 --> 00:05:03.896
del còrtex visual,

00:05:03.920 --> 00:05:05.482
que mostro aquí.

00:05:05.506 --> 00:05:09.948
Aquest còrtex processa les imatges
que reben els ulls.

00:05:10.424 --> 00:05:13.932
Per ells, això semblava
un esquema de connexions.

00:05:14.353 --> 00:05:18.188
Per això hi ha molts detalls als esquemes
d'en McCulloch i en Pitt

00:05:18.212 --> 00:05:19.564
que no són gaire correctes.

00:05:19.588 --> 00:05:20.823
Però aquesta idea bàsica,

00:05:20.847 --> 00:05:24.839
que el còrtex visual funciona
com una serie d'elements computacionals

00:05:24.863 --> 00:05:27.609
tot passant informació d'un a l'altre
en una cascada

00:05:27.633 --> 00:05:29.235
és, en essència, correcta.

NOTE Paragraph

00:05:29.259 --> 00:05:31.609
Aturem-nos un moment

00:05:31.633 --> 00:05:35.665
per parlar del que ha de fer un model
de processador d'informació visual.

00:05:36.228 --> 00:05:38.969
La tasca de percepció més bàsica seria:

00:05:38.993 --> 00:05:43.187
agafar una imatge i poder dir

00:05:43.211 --> 00:05:44.387
"és un ocell".

00:05:44.411 --> 00:05:47.285
Una tasca ben senzilla
per als nostres cervells.

00:05:47.309 --> 00:05:50.730
Però cal entendre que,
en el cas d'un ordinador,

00:05:50.754 --> 00:05:53.841
era una tasca impossible
només fa uns anys.

00:05:53.865 --> 00:05:55.781
El paradigma clàssic de la informàtica

00:05:55.805 --> 00:05:58.312
no és aquell on aquesta tasca
és fàcil de fer.

NOTE Paragraph

00:05:59.366 --> 00:06:01.918
Així doncs, què passa entre els píxels,

00:06:01.942 --> 00:06:05.970
entre la imatge de l'ocell
i la paraula "ocell",

00:06:05.994 --> 00:06:08.808
és, essencialment, 
un conjunt de neurones interconnectades

00:06:08.832 --> 00:06:09.987
en una xarxa neuronal,

00:06:10.011 --> 00:06:11.234
Com mostra el diagrama.

00:06:11.258 --> 00:06:14.530
Aquesta xarxa neural pot ser biològica,
dins el nostre còrtex visual,

00:06:14.554 --> 00:06:16.716
o, com hem començat
a ser capaços de fer,

00:06:16.740 --> 00:06:19.194
modelar aquestes xarxes neurals
a l'ordinador.

00:06:19.834 --> 00:06:22.187
Els ensenyaré quin aspecte té.

NOTE Paragraph

00:06:22.211 --> 00:06:25.627
Així, els píxels es poden entendre
com una primera capa de neurones,

00:06:25.651 --> 00:06:27.890
que, de fet, és com funciona
en el cas de l'ull,

00:06:27.914 --> 00:06:29.577
les neurones que hi ha a la retina.

00:06:29.601 --> 00:06:31.101
Una rere l'altra,

00:06:31.125 --> 00:06:34.528
capes, capes i més capes
de neurones,

00:06:34.552 --> 00:06:37.585
totes interconnectades per sinapsis
de diferents pesos.

00:06:37.609 --> 00:06:38.944
El comportament de la xarxa

00:06:38.968 --> 00:06:42.252
es caracteritza per la força
de totes aquestes sinapsis.

00:06:42.276 --> 00:06:45.564
Aquestes determinen
les propietats computacionals de la xarxa.

00:06:45.588 --> 00:06:47.058
El resultat final,

00:06:47.082 --> 00:06:49.529
és una neurona
o un petit grup de neurones

00:06:49.553 --> 00:06:51.200
que s'il·luminen i diuen "ocell".

NOTE Paragraph

00:06:51.824 --> 00:06:54.956
Ara representaré aquestes tres coses:

00:06:54.980 --> 00:06:59.676
Els píxels d'entrada, les sinapsis
a la xarxa neuronal

00:06:59.700 --> 00:07:01.285
i l'ocell, el resultat;

00:07:01.309 --> 00:07:04.366
amb tres variables: x, w i y.

00:07:04.877 --> 00:07:06.688
Potser hi ha un milió o més de 'x',

00:07:06.688 --> 00:07:08.641
un milió de píxels a la imatge.

00:07:08.665 --> 00:07:11.111
Hi ha milers de milions de 'w',

00:07:11.135 --> 00:07:14.556
que representen els pesos de les sinapsis
a la xarxa neuronal.

00:07:14.580 --> 00:07:16.455
Però hi ha un nombre molt petit de 'y',

00:07:16.479 --> 00:07:18.337
els resultats de la xarxa neuronal.

00:07:18.361 --> 00:07:20.110
"Bird" ['ocell'] són 4 lletres, oi?

00:07:21.088 --> 00:07:24.514
Plantegem-nos-ho
com una fórmula senzilla:

00:07:24.538 --> 00:07:26.701
x "x" w = y

00:07:26.725 --> 00:07:28.761
Poso els temps entre cometes

00:07:28.785 --> 00:07:31.065
perquè el que passa realment,
per descomptat,

00:07:31.089 --> 00:07:34.135
són una serie d'operacions matemàtiques
molt complicades.

NOTE Paragraph

00:07:35.172 --> 00:07:36.393
Això és una equació.

00:07:36.417 --> 00:07:38.089
Hi ha 3 variables.

00:07:38.113 --> 00:07:40.839
Tothom sap que si tenim una equació,

00:07:40.863 --> 00:07:44.505
es pot resoldre una variable
per mitjà de conèixer les altres dues.

00:07:45.158 --> 00:07:48.538
Així que el problema de la inferència,

00:07:48.562 --> 00:07:51.435
és a dir esbrinar que
la imatge de l'ocell és un ocell,

00:07:51.459 --> 00:07:52.733
és el següent:

00:07:52.757 --> 00:07:56.216
'y' és la incògnita
i 'w' i 'x' són valors coneguts.

00:07:56.240 --> 00:07:58.699
Sabem la xarxa neural,
sabem les píxels.

00:07:58.723 --> 00:08:02.050
De fet, en realitat es tracta
d'un problema relativament senzill.

00:08:02.074 --> 00:08:04.260
Multiplicant 2 vegades 3
estaria resolt.

00:08:04.862 --> 00:08:06.985
Els ensenyaré
una xarxa neuronal artificial,

00:08:07.009 --> 00:08:09.305
que hem construït fa poc,
seguint aquesta idea.

NOTE Paragraph

00:08:09.634 --> 00:08:12.494
Això s'executa en temps real
des d'un telèfon mòbil,

00:08:12.518 --> 00:08:15.831
la qual cosa ja és, en si,
prou sorprenent;

00:08:15.855 --> 00:08:19.323
el fet que telèfons mòbils facin
milers de milions i bilions d'operacions,

00:08:19.347 --> 00:08:20.595
en uns pocs segons.

00:08:20.619 --> 00:08:22.234
El que veuen és un telèfon,

00:08:22.258 --> 00:08:25.805
mirant una per una
imatges d'ocells.

00:08:25.829 --> 00:08:28.544
De fet, no només mirant
i dient "Sí, és un ocell",

00:08:28.568 --> 00:08:31.979
sinó també identificant-ne l'espècie d'au
per mitjà d'aquesta xarxa.

00:08:32.890 --> 00:08:34.716
Així, en aquesta imatge,

00:08:34.740 --> 00:08:38.542
'x' i 'w' són valors coneguts,
i 'y' és la incògnita.

00:08:38.566 --> 00:08:41.074
Per descomptat, passem per alt
la part més difícil,

00:08:41.098 --> 00:08:44.959
que és: com descobrim el valor de 'w',

00:08:44.983 --> 00:08:47.170
el cervell que ho pot fer?

00:08:47.194 --> 00:08:49.028
Com podríem aprendre un model així?

NOTE Paragraph

00:08:49.418 --> 00:08:52.651
Doncs aquest procés d'aprenentatge,
de resoldre el valor de 'w',

00:08:52.675 --> 00:08:55.322
si el fem amb l'equació,

00:08:55.346 --> 00:08:57.346
on pensem en el problema com a números,

00:08:57.370 --> 00:09:00.057
sabem com fer-ho exactament: 6 = 2 x w.

00:09:00.081 --> 00:09:03.393
Dividim entre 2 i s'ha acabat.

00:09:04.001 --> 00:09:06.221
El problema ve amb aquesta operació.

00:09:06.823 --> 00:09:07.974
La divisió.

00:09:07.998 --> 00:09:11.119
Hem utilitzat la divisió
perquè és l'oposat a la multiplicació,

00:09:11.143 --> 00:09:12.583
però com hem dit,

00:09:12.607 --> 00:09:15.056
la multiplicació no és del tot certa aquí.

00:09:15.080 --> 00:09:18.406
Es una operació tremendament complicada,
una operació no lineal,

00:09:18.430 --> 00:09:20.134
que no té oposat.

00:09:20.158 --> 00:09:23.308
Així que hem d'esbrinar
la manera de resoldre l'equació

00:09:23.332 --> 00:09:25.356
sense usar la divisió.

00:09:25.380 --> 00:09:27.723
La manera per fer-ho
és bastant directa.

00:09:27.747 --> 00:09:30.418
Només s'ha de fer 
un petit truc d'àlgebra.

00:09:30.442 --> 00:09:33.348
És mou el 6 a la part dreta de l'equació.

00:09:33.372 --> 00:09:35.198
Així, encara usem la multiplicació.

00:09:35.675 --> 00:09:39.255
Aquest 0, considerem-lo un error.

00:09:39.279 --> 00:09:41.794
És a dir, si hem resolt 'w'
correctament,

00:09:41.818 --> 00:09:43.474
l'error és 0;

00:09:43.498 --> 00:09:45.436
si no l'hem resolt bé,

00:09:45.460 --> 00:09:47.209
l'error serà més gran que 0.

NOTE Paragraph

00:09:47.233 --> 00:09:50.599
Ara només podem calcular a ull,
per tal de minimitzar l'error,

00:09:50.623 --> 00:09:53.310
i els ordinadors són bons
en aquest tipus de coses.

00:09:53.334 --> 00:09:54.927
Prenent una aproximació inicial:

00:09:54.951 --> 00:09:56.107
què passa si w = 0?

00:09:56.131 --> 00:09:57.371
Bé, llavors l'error és 6.

00:09:57.395 --> 00:09:58.841
Què passa si w = 1?
L'error és 4.

00:09:58.865 --> 00:10:01.232
I així l'ordinador pot jugar
a Marco Polo,

00:10:01.256 --> 00:10:03.623
per tal de reduir l'error prop de 0.

00:10:03.647 --> 00:10:07.021
A mesura que ho fa,
fa aproximacions successives a 'w'.

00:10:07.045 --> 00:10:10.701
En general, mai hi arriba del tot,
però desprès d'uns 12 passos,

00:10:10.725 --> 00:10:15.349
s'arriba a w=2.999,
que està prou a prop.

00:10:16.302 --> 00:10:18.116
Aquest és el procés d'aprenentatge.

NOTE Paragraph

00:10:18.140 --> 00:10:20.870
Recordem que el que hem estat fent aquí

00:10:20.894 --> 00:10:25.272
ha estat usar
molts valors coneguts 'x' i 'y'

00:10:25.296 --> 00:10:28.750
i resoldre la 'w' central
mitjançant un procés de repetició.

00:10:28.774 --> 00:10:32.330
És exactament la mateixa manera
en la que aprenem nosaltres mateixos.

00:10:32.354 --> 00:10:34.584
De nadons tenim moltíssimes imatges

00:10:34.608 --> 00:10:37.241
i se'ns diu:
"Això és un ocell, això no ho és".

00:10:37.714 --> 00:10:39.812
Amb el temps, a través de la repetició,

00:10:39.836 --> 00:10:42.764
resolem la nostra 'w',
resolent les seves connexions neurals.

NOTE Paragraph

00:10:43.460 --> 00:10:47.546
Bé, ara hem mantingut
'x' i 'w' per tal de resoldre 'y'

00:10:47.570 --> 00:10:49.417
això és diari, la percepció ràpida.

00:10:49.441 --> 00:10:51.204
Hem descobert com resoldre 'w',

00:10:51.228 --> 00:10:53.131
l'aprenentatge, molt més difícil

00:10:53.155 --> 00:10:55.140
perquè s'ha de minimitzar l'error

00:10:55.164 --> 00:10:56.851
practicant amb molts exemples,

NOTE Paragraph

00:10:56.875 --> 00:11:00.062
i fa un any, l'Alex Mordvintsev,
del nostre equip,

00:11:00.086 --> 00:11:03.636
va decidir experimentar
què passa en intentar resoldre 'x',

00:11:03.660 --> 00:11:05.697
amb una 'w' i una 'y' conegudes.

00:11:06.124 --> 00:11:07.275
És a dir,

00:11:07.299 --> 00:11:08.651
sabem que és un ocell,

00:11:08.675 --> 00:11:11.978
i tenim la xarxa neural
entrenada en ocells,

00:11:12.002 --> 00:11:14.346
però què és la imatge d'un ocell?

00:11:15.034 --> 00:11:20.058
Va resultar que usant el mateix procés
de minimitzar l'error,

00:11:20.082 --> 00:11:23.512
mitjançant la xarxa entrenada
en reconèixer ocells,

00:11:23.536 --> 00:11:26.924
el resultat és...

00:11:30.400 --> 00:11:31.705
una imatge d'ocells.

00:11:32.814 --> 00:11:36.551
Aquesta imatge d'ocells
es genera totalment per la xarxa neural

00:11:36.575 --> 00:11:38.401
entrenada en reconèixer ocells,

00:11:38.425 --> 00:11:41.963
tot resolent 'x' en lloc de resoldre 'y'

00:11:41.987 --> 00:11:43.275
de manera repetitiva.

NOTE Paragraph

00:11:43.732 --> 00:11:45.579
Aquest és un altre bon exemple.

00:11:45.603 --> 00:11:49.040
És un treball fet pel Mike Tyka,
del nostre grup.

00:11:49.064 --> 00:11:51.372
El va anomenar "Cavalcada d'animals".

00:11:51.396 --> 00:11:54.272
Em recorda una mica
l'obra d'en William Kentridge,

00:11:54.296 --> 00:11:56.785
fa esborranys, els refrega,

00:11:56.809 --> 00:11:58.269
fa esborranys, els refrega

00:11:58.293 --> 00:11:59.691
i amb tot plegat fa una pel·lícula.

00:11:59.715 --> 00:12:00.866
En aquest cas,

00:12:00.890 --> 00:12:04.167
en Mike va variar 'y'
en l'espai de diferents animals,

00:12:04.191 --> 00:12:06.573
a una xarxa dissenyada 
que reconeix i distingeix

00:12:06.597 --> 00:12:08.407
entre diferents animals.

00:12:08.431 --> 00:12:12.182
El resultat és aquest estil Escher
d'animals transformant-se'n altres.

NOTE Paragraph

00:12:14.221 --> 00:12:18.835
Ell i l'Alex van provar a reduir

00:12:18.859 --> 00:12:21.618
'y' a un espai de només 2 dimensions,

00:12:21.642 --> 00:12:25.080
tot fent un mapa
fora de l'espai de totes les coses

00:12:25.104 --> 00:12:26.823
que reconeix aquesta xarxa.

00:12:26.847 --> 00:12:28.870
En fer aquesta combinació

00:12:28.894 --> 00:12:31.276
o generar les imatges
sobre tota aquesta superfície

00:12:31.300 --> 00:12:34.146
variant 'y' per la mateixa,
es genera una mena de mapa;

00:12:34.170 --> 00:12:37.311
un mapa visual de tot allò
que la xarxa pot reconèixer.

00:12:37.335 --> 00:12:40.200
Tots els animals hi són,
com l'armadillo just en aquest punt.

NOTE Paragraph

00:12:40.919 --> 00:12:43.398
Això també es pot fer amb
altra mena de xarxes.

00:12:43.422 --> 00:12:46.296
Aquesta és una xarxa
dissenyada per a reconèixer cares.

00:12:46.320 --> 00:12:48.320
Per a distingir una cara d'una altra.

00:12:48.344 --> 00:12:51.593
Aquí hem posat a 'y'
on hi posa "jo"

00:12:51.617 --> 00:12:53.192
els paràmetres de la meva cara.

00:12:53.216 --> 00:12:54.922
Quan amb això resolem 'x'

00:12:54.946 --> 00:12:57.564
genera aquesta bogeria.

00:12:57.588 --> 00:13:02.016
Barreja de cubista, surrealista
i psicodèlica foto meva,

00:13:02.040 --> 00:13:03.846
amb múltiples punts de vista aplegats.

00:13:03.870 --> 00:13:06.604
La raó per la qual aplega
múltiples punts de vista alhora

00:13:06.628 --> 00:13:10.315
és perquè la xarxa està dissenyada
per a obviar l'ambigüitat

00:13:10.339 --> 00:13:12.815
d'una mateixa cara 
amb un gest o un altre,

00:13:12.839 --> 00:13:16.215
observat amb una il·luminació
o una altra de diferent.

00:13:16.239 --> 00:13:18.324
Així, en fer aquesta mena de reconstrucció

00:13:18.348 --> 00:13:20.652
si no s'utilitza
algun tipus d'imatge de guia,

00:13:20.676 --> 00:13:21.887
d'estadístiques de guia,

00:13:21.911 --> 00:13:25.676
el resultat és una confusió
de diferents punts de vista,

00:13:25.700 --> 00:13:27.068
perquè és ambigu.

00:13:27.786 --> 00:13:32.009
Això és el que passa quan l'Alex
usa la seva cara com a imatge de guia

00:13:32.033 --> 00:13:35.354
en el procés d'optimització per tal
de reconstruir la meva cara.

00:13:36.284 --> 00:13:38.612
Es pot apreciar que no es perfecte.

00:13:38.636 --> 00:13:40.510
Encara queda molta feina a fer,

00:13:40.534 --> 00:13:42.987
per tal de millorar
aquest procés d'optimització.

00:13:43.011 --> 00:13:45.838
Però, es comença a obtenir
quelcom semblant a una cara,

00:13:45.862 --> 00:13:47.876
he deixat d'usar la meva cara com a guia.

NOTE Paragraph

00:13:48.892 --> 00:13:51.393
No s'ha de començar
d'un llenç en blanc

00:13:51.417 --> 00:13:52.573
o d'un so en blanc.

00:13:52.597 --> 00:13:53.901
Quan resolem 'x',

00:13:53.925 --> 00:13:57.814
es pot començar amb una 'x',
és a dir, amb una altra imatge.

00:13:57.838 --> 00:14:00.394
Com en aquesta petita demostració.

00:14:00.418 --> 00:14:04.540
Aquesta és una xarxa dissenyada
per tal de categoritzar

00:14:04.564 --> 00:14:07.683
tota mena d'objectes:
estructures fetes per l'home, animals...

00:14:07.707 --> 00:14:10.300
Comencem amb una senzilla
fotografia de núvols

00:14:10.324 --> 00:14:11.995
i en optimitzar,

00:14:12.019 --> 00:14:16.505
la xarxa esbrina, en essència,
què hi veu als núvols.

00:14:16.931 --> 00:14:19.251
Com a més temps passem
observant-ho,

00:14:19.275 --> 00:14:22.028
més coses hi veurem,
als núvols.

00:14:23.004 --> 00:14:26.379
També podem usar la xarxa
de reconeixement facial per al·lucinar,

00:14:26.403 --> 00:14:28.215
i aconseguim coses bastant boges.

NOTE Paragraph

00:14:28.239 --> 00:14:29.389
(Riures)

NOTE Paragraph

00:14:30.401 --> 00:14:33.145
En Mike també ha fet d'altres experiments.

00:14:33.169 --> 00:14:37.074
Ha agafat la imatge del núvols,

00:14:37.098 --> 00:14:40.605
al·lucina, fa zoom,
al·lucina, fa zoom...

00:14:40.629 --> 00:14:41.780
D'aquesta manera,

00:14:41.804 --> 00:14:45.479
s'obté una mena d'estat
de fuga dissociativa a la xarxa,

00:14:45.503 --> 00:14:49.183
una mena d'associació lliure,

00:14:49.207 --> 00:14:51.434
on la xarxa és menja la seva pròpia cua.

00:14:51.458 --> 00:14:54.879
Fent, així, de cada imatge, la base de:

00:14:54.903 --> 00:14:56.324
"Què crec que hi veig aquí?

00:14:56.348 --> 00:14:59.151
I ara què hi veig? I ara?..."

NOTE Paragraph

00:14:59.487 --> 00:15:02.423
La primera vegada
que ho vaig ensenyar en públic

00:15:02.447 --> 00:15:07.884
va ser a un grup a una conferència
a Seattle anomenat "Higher Education",

00:15:07.908 --> 00:15:10.345
tot just després
de legalitzar la marihuana.

NOTE Paragraph

00:15:10.369 --> 00:15:12.784
(Riures)

NOTE Paragraph

00:15:14.627 --> 00:15:16.731
M'agradaria acabar ràpidament,

00:15:16.755 --> 00:15:21.010
dient que aquesta
tecnologia no és només això.

00:15:21.034 --> 00:15:24.699
He ensenyat exemples visuals
perquè són divertits,

00:15:24.723 --> 00:15:27.174
però no només es tracta
de tecnologia visual.

00:15:27.198 --> 00:15:29.191
Un artista col·laborador,
en Ross Goodwin,

00:15:29.215 --> 00:15:32.886
ha fet experiments
fent fotografies amb una càmera

00:15:32.910 --> 00:15:37.144
i que un ordinador a la seva motxilla
en faci un poema amb una xarxa neural;

00:15:37.168 --> 00:15:39.112
bastant-se en la imatge.

00:15:39.136 --> 00:15:42.083
Aquesta xarxa neural de poesia
s'ha preparat

00:15:42.107 --> 00:15:44.341
amb un extens corpus de poesia
del segle XX.

00:15:44.365 --> 00:15:45.864
Els poemes resultants són...

00:15:45.888 --> 00:15:47.802
Bé, no estan del tot malament.

NOTE Paragraph

00:15:47.826 --> 00:15:49.210
(Riures)

NOTE Paragraph

00:15:49.234 --> 00:15:50.393
En resum.

00:15:50.417 --> 00:15:52.549
Crec que en Miquel Àngel

00:15:52.573 --> 00:15:53.807
tenia raó.

00:15:53.831 --> 00:15:57.267
La percepció i la creativitat
estan lligades molt íntimament.

00:15:57.611 --> 00:16:00.245
Això són xarxes neuronals

00:16:00.269 --> 00:16:02.572
preparades per tal de poder
discriminar

00:16:02.596 --> 00:16:04.838
o reconèixer diferents coses
del món;

00:16:04.862 --> 00:16:08.023
capaces de córrer en sentit invers
per tal de poder generar.

00:16:08.047 --> 00:16:09.830
Una de les coses que em suggereix,

00:16:09.854 --> 00:16:12.252
és que no només
en Miquel Àngel era capaç de veure

00:16:12.276 --> 00:16:14.728
l'escultura dins els blocs de marbre;

00:16:14.752 --> 00:16:18.390
sino que qualsevol criatura,
qualsevol ésser, qualsevol marcià

00:16:18.414 --> 00:16:22.071
capaç de fer aquesta mena
d'actes de percepció,

00:16:22.095 --> 00:16:23.470
també pot crear.

00:16:23.494 --> 00:16:26.718
Perquè s'utilitza exactament
el mateix mecanisme en ambdós casos.

NOTE Paragraph

00:16:26.742 --> 00:16:31.274
També considero que tant
la percepció com la creativitat no són

00:16:31.298 --> 00:16:32.508
exclusivament humanes.

00:16:32.532 --> 00:16:36.240
Comencem a tenir models d'ordinador
capaços de dur a terme aquestes tasques.

00:16:36.264 --> 00:16:39.592
Això no ens hauria de sorprendre,
ja que el cervell és computacional.

NOTE Paragraph

00:16:39.616 --> 00:16:41.273
Per acabar,

00:16:41.297 --> 00:16:45.965
la informàtica començà com a un exercici
de disseny de màquines intel·ligents.

00:16:45.989 --> 00:16:48.451
Es va modelar molt en torn
a la idea

00:16:48.475 --> 00:16:51.488
de com fer màquines intel·ligents.

00:16:51.512 --> 00:16:53.674
Finalment, ara comencem a aconseguir

00:16:53.698 --> 00:16:56.104
algunes de les promeses
d'aquells primers pioners,

00:16:56.128 --> 00:16:57.841
d'en Turing, en Von Neumann,

00:16:57.865 --> 00:17:00.130
d'en McCulloch i en Pitts.

00:17:00.154 --> 00:17:04.252
Crec que la informàtica
no és només comptabilitat,

00:17:04.276 --> 00:17:06.423
o jugar al "Candy Crush" i coses així.

00:17:06.447 --> 00:17:09.025
Vam començar seguint
el model de les nostres ments.

00:17:09.049 --> 00:17:12.318
Ens dóna tant l'habilitat
d'entendre'ns millor a nosaltres mateixos

00:17:12.342 --> 00:17:13.871
com de millora-la.

NOTE Paragraph

00:17:14.627 --> 00:17:15.794
Moltes gràcies.

NOTE Paragraph

00:17:15.818 --> 00:17:21.757
(Aplaudiments)