0:00:00.800,0:00:03.924
Conduc o echipă Google care [br]se ocupa de inteligenţa artificială;

0:00:03.948,0:00:08.598
adică disciplina inginerească[br]a creării de computere şi dispozitive

0:00:08.622,0:00:11.041
ce pot face câteva[br]din lucrurile făcute de creier.

0:00:11.439,0:00:15.568
Asta ne face să fim interesaţi[br]de creierele reale şi de neurostiinţă,

0:00:15.875,0:00:20.047
dar mai ales de lucrurile [br]pe care creierele noastre le fac

0:00:20.071,0:00:24.113
la niveluri mult superioare[br]performanţelor computerelor.

0:00:25.209,0:00:28.818
Cronologic, unul din aceste domenii[br]a fost percepţia:

0:00:28.842,0:00:31.881
procesul prin care[br]lucruri din lumea reală

0:00:31.905,0:00:33.489
– sunete şi imagini –

0:00:33.513,0:00:35.691
se pot transforma în concepte ale minţii.

0:00:36.235,0:00:38.752
Asta e esenţial pentru creierul nostru

0:00:38.776,0:00:41.240
şi e destul de util şi pentru un computer.

0:00:41.636,0:00:44.986
De exemplu, algoritmii[br]de percepţie artificială creaţi de noi,

0:00:45.010,0:00:48.884
sunt cei ce permit ca fotografiile voastre[br]din Google Photos să poată fi căutate,

0:00:48.908,0:00:50.305
în funcţie de ce conţin.

0:00:51.594,0:00:55.087
Reversul percepţiei e creativitatea:

0:00:55.111,0:00:58.149
transformarea unui concept[br]în ceva real, concret.

0:00:58.173,0:01:01.728
În ultimul an, munca noastră[br]în domeniul percepţiei artificiale

0:01:01.752,0:01:06.611
s-a conectat în mod surprinzător[br]şi cu lumea creativităţii artificiale

0:01:06.635,0:01:08.025
şi a artei artificiale.

0:01:08.556,0:01:11.840
Cred că Michelangelo[br]a avut o intuiţie profundă

0:01:11.864,0:01:15.520
privind această relaţie duală[br]dintre percepţie şi creativitate.

0:01:16.023,0:01:18.029
Iată un citat faimos al lui:

0:01:18.053,0:01:21.376
„Fiecare bucată de piatră[br]are o statuie în interiorul său,

0:01:22.036,0:01:25.038
iar rolul sculptorului [br]e să o descopere”.

0:01:26.029,0:01:29.245
Cred că ce intuia Michelangelo

0:01:29.269,0:01:32.449
e că noi creăm prin percepţie

0:01:32.473,0:01:35.496
şi că percepţia însăşi [br]e un act de imaginaţie

0:01:35.520,0:01:37.981
şi ţine de creativitate.

0:01:38.691,0:01:44.116
Organul ce se ocupă de gândire, percepţie[br]şi imaginaţie e, desigur, creierul.

0:01:45.089,0:01:47.634
Aş vrea să încep cu puţină istorie

0:01:47.658,0:01:49.960
despre ce ştim despre creier.

0:01:50.496,0:01:52.942
Spre deosebire de inimă sau intestine

0:01:52.966,0:01:56.110
nu poţi spune prea multe [br]despre un creier doar uitându-te la el,

0:01:56.134,0:01:57.546
cel puţin nu cu ochiul liber.

0:01:57.983,0:02:00.399
Primii anatomişti [br]care se uitau la creierul uman

0:02:00.423,0:02:04.230
au dat structurilor superficiale[br]ale acestuia tot felul de nume fanteziste,

0:02:04.254,0:02:06.687
ca hipocamp, care înseamnă „crevete mic”.

0:02:06.711,0:02:09.475
Lucruri de genul ăsta[br]nu ne spun mare lucru

0:02:09.499,0:02:11.817
despre ce se petrece de fapt în interior.

0:02:12.780,0:02:16.393
Prima persoană care[br]cred că a înţeles oarecum

0:02:16.417,0:02:18.347
ce se petrece în creier,

0:02:18.371,0:02:23.421
a fost marele neuroanatonomist spaniol[br]din secolul 19, Santiago Ramón y Cajal,

0:02:23.883,0:02:27.638
care a folosit microscopia[br]şi coloraţii speciale

0:02:27.662,0:02:31.832
ce puteau umple selectiv,[br]să redea în contrast foarte înalt

0:02:31.856,0:02:33.864
celulele individuale ale creierului,

0:02:33.888,0:02:37.042
ca să poată începe[br]să le înţeleagă morfologia.

0:02:37.972,0:02:41.893
Iată desenele neuronilor[br]făcute de el în secolul 19.

0:02:42.120,0:02:44.004
Ăsta e de la creierul unei păsări.

0:02:44.028,0:02:47.085
Vedeţi aceasta varietate incredibilă[br]de diverse tipuri de celule,

0:02:47.109,0:02:50.544
chiar şi teoria celulară era[br]destul de nouă la acel moment.

0:02:50.568,0:02:51.846
Iar aceste structuri,

0:02:51.870,0:02:54.129
aceste celule ce au aceste ramificaţii,

0:02:54.153,0:02:56.761
aceste ramuri ce pot ajunge[br]la distanţe foarte mari...

0:02:56.785,0:02:58.401
asta era o mare noutate atunci.

0:02:58.779,0:03:01.682
Seamănă, desigur, cu firele.

0:03:01.706,0:03:05.163
E posibil ca asta să fi fost evident[br]pentru unii din secolul 19;

0:03:05.187,0:03:09.501
revoluţia tehnologică a cablurilor[br]şi electricităţii tocmai începea.

0:03:09.964,0:03:11.142
Dar în multe sensuri,

0:03:11.166,0:03:14.479
desenele de microanatomie ale lui[br]Ramón y Cajal, precum acesta,

0:03:14.503,0:03:16.835
sunt încă, într-un fel, inegalabile.

0:03:16.859,0:03:18.713
După mai mult de un secol,

0:03:18.737,0:03:21.562
încă încercăm să terminăm opera[br]începută de Ramón y Cajal.

0:03:21.586,0:03:24.720
Astea sunt datele brute[br]de la colaboratorii noştri

0:03:24.744,0:03:27.625
de la Institutul [br]de Neuroştiintă Max Planck.

0:03:27.649,0:03:29.439
Colaboratorii noştri

0:03:29.463,0:03:34.464
au scanat mici părţi de ţesut cerebral.

0:03:34.488,0:03:37.814
Întreaga mostră de aici[br]are cam un milimetru cub,

0:03:37.838,0:03:40.459
iar eu vă arăt aici [br]doar o foarte mică parte din ea.

0:03:40.483,0:03:42.829
Acea linie din stânga[br]are aproape un micron.

0:03:42.853,0:03:45.262
Structurile pe care le vedeţi [br]sunt mitocondrii,

0:03:45.286,0:03:47.330
ce au dimensiunile unei bacterii.

0:03:47.354,0:03:48.905
Astea sunt secţiuni consecutive

0:03:48.929,0:03:52.077
prin aceasta foarte mică bucată de ţesut.

0:03:52.101,0:03:54.504
Doar de dragul comparaţiei,

0:03:54.528,0:03:58.320
diametrul mediu al unui fir de păr [br]e de aproximativ 100 de microni.

0:03:58.344,0:04:00.618
Deci ne uităm la ceva mult, mult mai mic

0:04:00.642,0:04:02.040
decât un singur fir de par.

0:04:02.064,0:04:06.095
Din aceste tipuri de felii consecutive[br]de microscopie electronică,

0:04:06.119,0:04:11.127
se pot face reconstrucţii 3D [br]ale neuronilor care arată aşa.

0:04:11.151,0:04:14.308
Sunt cam în acelaşi stil ca cele[br]ale lui Ramón y Cajal.

0:04:14.332,0:04:15.824
Doar caţiva neuroni se aprind,

0:04:15.848,0:04:18.629
deoarece altfel nu am putea[br]distinge nimic aici.

0:04:18.653,0:04:19.965
Ar fi atât de aglomerat,

0:04:19.989,0:04:21.319
atât de plin de structuri,

0:04:21.343,0:04:24.067
de fire care conectează un[br]neuron de celălalt.

0:04:25.293,0:04:28.097
Ramón y Cajal a fost[br]cu un pas înaintea epocii sale,

0:04:28.121,0:04:30.676
iar dezvoltarea înţelegerii creierului

0:04:30.700,0:04:32.971
a continuat încet în următoarele decenii.

0:04:33.455,0:04:36.308
Dar ştiam că neuronii[br]folosesc electricitate

0:04:36.312,0:04:39.428
şi prin 1940, tehnologia[br]era destul de avansată

0:04:39.432,0:04:42.098
ca să facem experimente[br]electrice pe neuroni vii

0:04:42.122,0:04:44.228
pentru a înţelege mai bine [br]cum funcţionează.

0:04:44.631,0:04:48.987
În exact aceeaşi perioadă[br]erau inventate computerele,

0:04:49.011,0:04:52.111
care se bazau pe ideea [br]modelării creierului

0:04:52.135,0:04:55.220
– a „maşinăriei inteligente”, [br]cum a numit-o Alan Turing,

0:04:55.244,0:04:57.235
unul dintre părinţii informaticii.

0:04:57.923,0:05:02.555
Warren McCulloch şi Walter Pitts[br]s-au uitat la desenul lui Ramón y Cajal

0:05:02.579,0:05:05.266
cu cortexul vizual[br]– pe care îl vedeţi aici.

0:05:05.506,0:05:09.948
Acesta este cortexul care procesează[br]imaginile venite de la ochi.

0:05:10.424,0:05:13.932
Pentru ei, asta arată[br]ca diagrama unui circuit electric.

0:05:14.353,0:05:18.188
Sunt multe detalii din diagrama[br]lui McCulloch şi Pitts

0:05:18.212,0:05:19.564
care nu sunt tocmai corecte.

0:05:19.588,0:05:20.823
Dar ideea de bază,

0:05:20.847,0:05:24.839
că acest cortex vizual funcţionează[br]ca o serie de elemente computaţionale

0:05:24.863,0:05:27.609
care transmit informaţia[br]unul către altul în cascadă,

0:05:27.633,0:05:29.235
e în esenţă corectă.

0:05:29.259,0:05:31.609
Hai să vorbim puţin

0:05:31.633,0:05:35.665
despre ce ar trebui să facă un model[br]al procesării informaţiei vizuale.

0:05:36.228,0:05:38.969
Sarcina principală a percepţiei

0:05:38.993,0:05:43.187
e să ia o imagine ca aceasta şi să zică,

0:05:43.211,0:05:44.387
„Aia e o pasăre”,

0:05:44.411,0:05:47.285
un lucru simplu [br]pentru creierul nostru.

0:05:47.309,0:05:50.730
Trebuie să înţelegeţi[br]că pentru un computer,

0:05:50.754,0:05:53.841
asta era imposibil acum câţiva ani.

0:05:53.865,0:05:55.781
Paradigma computaţională clasică,

0:05:55.805,0:05:58.312
nu e una în care sarcina asta[br]e uşor de îndeplinit.

0:05:59.366,0:06:01.918
Deci ce se întâmplă între pixeli,

0:06:01.942,0:06:05.970
între imaginea păsării[br]şi cuvântul „pasăre”,

0:06:05.994,0:06:09.938
e de fapt un set de neuroni interconectaţi[br]într-o reţea neuronală,

0:06:10.011,0:06:11.234
ca în această diagramă.

0:06:11.258,0:06:14.530
Această reţea neuronală [br]poate fi biologică, în cortexul vizual,

0:06:14.530,0:06:16.902
sau, acum începem să avem[br]capacitatea să modelăm

0:06:16.916,0:06:19.364
astfel de reţele neuronale[br]pe calculator.

0:06:19.834,0:06:22.187
Iată cum arată asta de fapt.

0:06:22.211,0:06:25.627
Vă puteţi imagina pixelii [br]ca primul strat de neuroni,

0:06:25.651,0:06:27.890
de fapt, aşa funcţionează ochiul

0:06:27.914,0:06:29.577
– sunt neuronii din retină.

0:06:29.601,0:06:31.101
Ei transmit semnalul[br]mai departe

0:06:31.125,0:06:34.528
prin straturi de neuroni consecutive,

0:06:34.552,0:06:37.585
conectate prin sinapse[br]de diferite dimensiuni.

0:06:37.609,0:06:38.944
Comportarea acestei reţele

0:06:38.968,0:06:42.252
e caracterizată de puterile[br]tuturor sinapselor.

0:06:42.276,0:06:45.564
Ele caracterizează trăsăturile[br]computaţionale ale acestei reţele.

0:06:45.588,0:06:47.058
Iar la final

0:06:47.082,0:06:49.529
veţi avea un neuron[br]sau un grup mic de neuroni

0:06:49.553,0:06:51.200
care se aprind zicând „pasăre”.

0:06:51.824,0:06:54.956
Voi reprezenta acum acele trei lucruri:

0:06:54.980,0:06:59.676
pixelii de intrare şi sinapsele [br]din reţeaua neuronală,

0:06:59.700,0:07:01.285
şi pasărea – rezultatul –

0:07:01.309,0:07:04.366
prin trei variabile: x, w, şi y.

0:07:04.853,0:07:06.664
Pot fi aproximativ un milion de x,

0:07:06.688,0:07:08.641
un milion de pixeli în acea imagine.

0:07:08.665,0:07:11.111
Sunt miliarde sau un trilioane de w,

0:07:11.135,0:07:14.556
care reprezintă puterea tuturor[br]sinapselor din reţeaua neuronală.

0:07:14.580,0:07:16.455
Mai exista un număr foarte mic de y,

0:07:16.479,0:07:18.337
de rezultate ale reţelei.

0:07:18.361,0:07:20.110
„Pasăre” are doar 6 litere, corect?

0:07:21.088,0:07:24.514
Să spunem că asta e doar o formulă simplă

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

0:07:26.725,0:07:28.761
Pun înmulţirea între ghilimele

0:07:28.785,0:07:31.065
pentru că acolo se petrece, de fapt,

0:07:31.089,0:07:34.135
o serie foarte complicată[br]de operaţii matematice,

0:07:35.172,0:07:36.393
avem o ecuaţie.

0:07:36.417,0:07:38.089
Avem trei variabile.

0:07:38.113,0:07:40.839
Cu toţii ştim că dacă ai o ecuaţie

0:07:40.863,0:07:44.505
poţi afla o variabilă[br]dacă le ştii pe celelalte două.

0:07:45.158,0:07:48.538
Deci problema deducţiei,

0:07:48.562,0:07:51.435
adică să descoperi[br]că imaginea unei păsări e o pasăre

0:07:51.459,0:07:52.733
e aceasta:

0:07:52.757,0:07:56.216
y e necunoscut în timp ce [br]w şi x sunt cunoscute.

0:07:56.240,0:07:58.699
Cunoaştem reţeaua neuronală,[br]cunoaştem pixelii.

0:07:58.723,0:08:02.050
Cum puteţi vedea,[br]e o problemă relativ simplă.

0:08:02.074,0:08:04.260
Înmulţim 2 ori 3 şi am rezolvat.

0:08:04.862,0:08:06.985
Vă voi arăta o reţea[br]neuronală artificială

0:08:07.009,0:08:09.305
pe care am creat-o recent.

0:08:09.634,0:08:12.494
Aceasta rulează în timp real[br]pe un telefon mobil,

0:08:12.518,0:08:15.831
şi deja acest lucru e uimitor,

0:08:15.855,0:08:20.563
că telefoanele pot face aşa multe[br]miliarde şi trilioane de operaţii/secundă.

0:08:20.619,0:08:22.234
Acesta e un telefon

0:08:22.258,0:08:25.805
care se uită la o serie de imagini[br]ale unei păsări,

0:08:25.829,0:08:28.544
şi nu zice doar „da, e o pasăre”,

0:08:28.568,0:08:31.979
dar identifică şi specia păsării,[br]folosind o reţea de acest tip.

0:08:32.890,0:08:34.716
Deci în acea poză,

0:08:34.740,0:08:38.542
x şi w sunt cunoscute [br]iar y e necunoscut.

0:08:38.566,0:08:41.074
Sar peste partea foarte dificilă,

0:08:41.098,0:08:44.959
anume, cum reuşim să-l descoperim w,

0:08:44.983,0:08:47.170
care e creierul care poate face asta?

0:08:47.194,0:08:49.028
Cum am putea găsi un astfel de model?

0:08:49.418,0:08:52.651
Acest proces al învăţării, [br]al aflării lui w,

0:08:52.675,0:08:55.322
dacă am face asta cu ecuaţia simplă

0:08:55.346,0:08:57.346
în care gândim variabilele ca numere,

0:08:57.370,0:09:00.057
ştim exact cum s-o rezolvăm: 6 = 2 x w,

0:09:00.081,0:09:03.393
împărţim la 2 şi am terminat.

0:09:04.001,0:09:06.221
Problema e cu acest operator.

0:09:06.823,0:09:07.974
Împărţirea

0:09:07.998,0:09:11.119
– folosim împărţirea deoarece[br]e inversul înmulţirii,

0:09:11.143,0:09:12.583
dar, aşa cum am spus,

0:09:12.607,0:09:15.056
înmulţirea e o mică minciună aici –

0:09:15.080,0:09:18.406
e o operaţie foarte complicată, [br]foarte non-lineară,

0:09:18.430,0:09:20.134
nu are un invers.

0:09:20.158,0:09:23.308
Deci trebuie să găsim un mod [br]de a rezolva ecuaţia

0:09:23.332,0:09:25.356
fără a folosi împărţirea.

0:09:25.380,0:09:27.723
Iar soluţia e destul de simplă.

0:09:27.747,0:09:30.418
Să zicem că facem un truc aritmetic

0:09:30.442,0:09:33.348
şi mutăm cifra 6[br]în partea dreapta a ecuaţiei.

0:09:33.372,0:09:35.198
Astfel încă folosim înmulţirea.

0:09:35.675,0:09:39.255
Iar acel zero, să-l privim[br]ca pe o eroare.

0:09:39.279,0:09:41.794
Altfel spus, dacă am aflat w[br]în modul corect,

0:09:41.818,0:09:43.474
atunci eroarea va fi zero.

0:09:43.498,0:09:45.436
Dacă am greşit,

0:09:45.460,0:09:47.209
eroarea va fi mai mare decât zero.

0:09:47.233,0:09:50.599
Acum putem încerca să ghicim, [br]pentru a reduce eroarea.

0:09:50.623,0:09:53.310
Ăsta e unul din lucrurile[br]la care computerele excelează.

0:09:53.334,0:09:54.927
Deci iniţial am presupus:

0:09:54.951,0:09:57.257
dacă w = 0? Eroarea ar fi 6.

0:09:57.395,0:09:58.841
Dacă w = 1? Eroarea e 4.

0:09:58.865,0:10:01.232
Atunci computerul [br]ar putea să o ia pe bâjbâite,

0:10:01.256,0:10:03.623
şi ar reduce eroarea până aproape de zero.

0:10:03.647,0:10:07.021
Pe măsură ce face asta,[br]obţine aproximări succesive ale lui w.

0:10:07.045,0:10:10.701
Normal, nu ajunge la rezultatul exact,[br]dar cam după o duzină de paşi,

0:10:10.725,0:10:15.349
ajungem la w = 2,999, [br]ceea ce e destul de aproape.

0:10:16.302,0:10:18.116
Acesta e procesul de învăţare.

0:10:18.140,0:10:20.870
Recapitulând, ce facem aici

0:10:20.894,0:10:25.272
e să luăm o groază[br]de x şi y cunoscuţi

0:10:25.296,0:10:28.750
ca să-l descoperim w [br]printr-un proces iterativ.

0:10:28.774,0:10:32.330
E exact aşa cum facem noi când învăţăm.

0:10:32.354,0:10:34.584
Ca bebeluşi vedem multe, multe imagini

0:10:34.608,0:10:37.241
şi ni se spune „asta e o pasăre,[br]asta nu e o pasăre”.

0:10:37.714,0:10:39.812
Cu timpul, prin repetiţie,

0:10:39.836,0:10:42.764
îl aflăm pe w, descoperim[br]conexiunile neuronale.

0:10:43.460,0:10:47.546
Acum am păstrat constante x şi w[br]pentru a-l afla pe y;

0:10:47.570,0:10:49.417
asta e percepţia rapidă, de zi cu zi.

0:10:49.441,0:10:51.204
Ne dăm seama cum putem descoperi w,

0:10:51.228,0:10:53.131
asta e învăţarea, care e mult mai grea,

0:10:53.155,0:10:56.690
deoarece trebuie să minimizăm eroarea[br]prin multe încercări de învăţare.

0:10:56.875,0:11:00.062
Cam acum un an, Alex Mordvintsev[br]din echipa noastră,

0:11:00.086,0:11:03.636
a hotărât să vadă ce se întâmplă[br]dacă încercăm să descoperim x,

0:11:03.660,0:11:05.697
când sunt date w şi y.

0:11:06.124,0:11:07.275
Cu alte cuvinte,

0:11:07.299,0:11:08.651
ştiţi că e o pasăre

0:11:08.675,0:11:11.978
şi aveţi deja reţeaua neuronală[br]care a fost pregătită pe păsări,

0:11:12.002,0:11:14.346
dar ce este imaginea unei păsări?

0:11:15.034,0:11:20.058
Folosind aceeaşi procedură[br]de minimizare a erorii,

0:11:20.082,0:11:23.512
se poate face asta cu reţeaua pregătită[br]să recunoască păsări,

0:11:23.536,0:11:26.924
iar rezultatul va fi...

0:11:30.400,0:11:31.705
o imagine cu păsări.

0:11:32.814,0:11:36.551
Asta e o imagine cu păsări[br]generată integral de o reţea neuronală

0:11:36.575,0:11:38.401
pregătită să recunoască păsări,

0:11:38.425,0:11:41.963
doar cerându-i să-l afle pe x[br]în loc să-l afle pe y

0:11:41.987,0:11:43.275
şi făcând asta iterativ.

0:11:43.732,0:11:45.579
Iată un alt exemplu distractiv.

0:11:45.603,0:11:49.040
E o lucrare făcută de Mike Tyka[br]în grupul nostru,

0:11:49.064,0:11:51.372
intitulată „Parada animalelor”.

0:11:51.396,0:11:54.272
Seamănă puţin cu operele de artă [br]ale lui William Kentridge,

0:11:54.296,0:11:56.785
în care face schiţe, le şterge,

0:11:56.809,0:11:58.269
face schiţe, le sterge,

0:11:58.293,0:11:59.691
şi aşa face un film.

0:11:59.715,0:12:00.866
În acest caz,

0:12:00.890,0:12:04.167
Mike îl modifică pe y[br]în funcţie de diferite animale,

0:12:04.191,0:12:08.343
într-o reţea creată să recunoască[br]şi să distingă diferite animale,

0:12:08.431,0:12:12.182
iar rezultatul e o metamorfoză ciudată[br]de tip Escher, de la un animal la altul.

0:12:14.221,0:12:19.505
Aici el şi Alex[br]au încercat să-l reducă pe y

0:12:19.505,0:12:21.618
la un spaţiu cu două dimensiuni,

0:12:21.642,0:12:25.080
făcând astfel o hartă[br]din spaţiul tuturor lucrurilor

0:12:25.104,0:12:26.823
recunoscute de această reţea..

0:12:26.847,0:12:28.870
Făcând acest tip de sinteză

0:12:28.894,0:12:31.276
sau generare a imaginilor[br]pe întreaga suprafaţă,

0:12:31.300,0:12:34.146
schimbându-l pe y pe suprafaţă,[br]faci un fel de hartă,

0:12:34.170,0:12:37.311
o hartă vizuală a tuturor lucrurilor[br]pe care reţeaua le recunoaşte.

0:12:37.335,0:12:40.200
Animalele sunt aici;[br]Tatuul (armadillo) e în punctul ăla.

0:12:40.919,0:12:43.398
Se poate face asta [br]şi cu alte tipuri de reţele.

0:12:43.422,0:12:46.296
Asta e o reţea creată să recunoască feţe,

0:12:46.320,0:12:48.320
sa distingă un chip de altul.

0:12:48.344,0:12:51.593
Aici introducem un y numit „eu”,

0:12:51.617,0:12:53.192
parametrii chipului meu.

0:12:53.216,0:12:54.922
Iar când îl află pe x,

0:12:54.946,0:12:57.564
generează această imagine a mea

0:12:57.588,0:13:02.016
nebuneasca, cubista,[br]suprarealista, psihedelică

0:13:02.040,0:13:03.846
combinând mai multe puncte de vedere.

0:13:03.870,0:13:06.604
Pare că sunt mai multe[br]puncte de vedere simultan

0:13:06.628,0:13:10.315
pentru că reţeaua e creată[br]ca să elimine ambiguitatea

0:13:10.339,0:13:12.815
unui chip pus într-o postură sau alta,

0:13:12.839,0:13:16.215
văzut într-o lumină sau alta.

0:13:16.239,0:13:18.324
Când faci acest tip de reconstrucţie,

0:13:18.348,0:13:20.652
dacă nu foloseşti o imagine de control

0:13:20.666,0:13:21.907
sau statistici de control,

0:13:21.917,0:13:25.676
atunci vei avea un fel de confuzie [br]a mai multor puncte de vedere

0:13:25.700,0:13:27.068
deoarece e ambiguu.

0:13:27.786,0:13:32.009
Asta se întâmplă dacă Alex foloseşte[br]chipul său ca imagine de control

0:13:32.033,0:13:35.354
în timpul procesului de optimizare [br]pentru reconstrucţia feţei mele.

0:13:36.284,0:13:38.612
Puteţi vedea că nu e perfect.

0:13:38.636,0:13:40.510
E încă destul de multă muncă

0:13:40.534,0:13:42.987
pentru optimizarea[br]acestui proces de optimizare,

0:13:43.011,0:13:45.838
dar începem să obţinem[br]ceva ce aduce mai mult cu o faţă,

0:13:45.862,0:13:47.876
Când folosim ca referinţă chipul meu.

0:13:48.892,0:13:51.393
Nu trebuie început cu o pânză goală

0:13:51.417,0:13:52.573
sau cu zgomot alb.

0:13:52.597,0:13:53.901
Când vrei să-l afli pe x,

0:13:53.925,0:13:57.814
poţi începe cu un x care deja[br]e el însuşi o altă imagine.

0:13:57.838,0:14:00.394
Asta reprezintă aceasta mică demonstraţie.

0:14:00.418,0:14:04.540
Asta e o reţea creată să clasifice

0:14:04.564,0:14:07.683
tot felul de obiecte diferite –[br]structuri create de om, animale...

0:14:07.707,0:14:10.300
Aici începem cu imaginea unor nori,

0:14:10.324,0:14:11.995
şi pe măsură ce optimizăm,

0:14:12.019,0:14:16.505
această reţea îşi imaginează[br]ce vede în nori.

0:14:16.931,0:14:19.251
Cu cât priviţi asta mai mult,

0:14:19.275,0:14:22.028
cu atât mai multe lucruri[br]veţi vedea şi voi în nori.

0:14:23.004,0:14:26.379
Am putea folosi şi reţeaua chipurilor[br]pentru a halucina astfel,

0:14:26.403,0:14:28.215
şi obţii lucruri destul de nebuneşti.

0:14:28.239,0:14:29.389
(Râsete)

0:14:30.401,0:14:33.145
Mike a făcut şi alte experimente

0:14:33.169,0:14:37.074
în care ia acea imagine a norilor,

0:14:37.098,0:14:40.605
halucinează, măreşte, halucinează,[br]măreşte, halucinează, măreşte.

0:14:40.629,0:14:41.780
Şi în felul ăsta,

0:14:41.804,0:14:45.479
poţi obţine un fel de fugă disociativă[br]a reţelei, presupun,

0:14:45.503,0:14:49.183
sau un fel de asociere liberă,

0:14:49.207,0:14:51.434
în care reţeaua îşi mănâncă propria coada.

0:14:51.458,0:14:54.879
Deci acum fiecare imagine e baza pentru:

0:14:54.903,0:14:56.324
„Ce cred că văd acum?

0:14:56.348,0:14:59.151
Ce cred că văd acum?[br]Ce cred că văd acum?”

0:14:59.487,0:15:02.423
Prima dată, am prezentat[br]asta în public

0:15:02.447,0:15:07.884
unui grup la un curs din Seattle,[br]intitulat „Educaţia Superioară”.

0:15:07.908,0:15:10.345
Asta se petrecea chiar[br]după legalizarea marijuanei.

0:15:10.369,0:15:12.784
(Râsete)

0:15:14.627,0:15:16.731
Vreau să închei repede

0:15:16.755,0:15:21.010
menţionând că această tehnologie[br]nu e restricţionată.

0:15:21.034,0:15:24.699
V-am arătat doar exemple vizuale [br]deoarece sunt distractive.

0:15:24.723,0:15:27.174
Nu e doar tehnologie vizuală.

0:15:27.198,0:15:29.221
Colaboratorul nostru,[br]artistul Ross Godwin,

0:15:29.221,0:15:32.886
a făcut experimente cu o cameră[br]care face o fotografie

0:15:32.910,0:15:37.144
şi apoi un computer din rucsacul lui scrie[br]o poezie folosind reţelele neuronale,

0:15:37.168,0:15:39.112
pornind de la conţinutul imaginii.

0:15:39.136,0:15:42.083
Acea reţea neuronală de poezie[br]a fost antrenată

0:15:42.107,0:15:44.341
cu o colecţie mare [br]de poezii al secolului 20.

0:15:44.365,0:15:47.464
Iar poezia nu e deloc rea[br]după părerea mea.

0:15:47.826,0:15:49.210
(Râsete).

0:15:49.234,0:15:50.393
În încheiere,

0:15:50.417,0:15:52.549
în privinţa lui Michelangelo

0:15:52.573,0:15:53.807
cred că avea dreptate;

0:15:53.831,0:15:57.267
percepţia şi creativitatea [br]sunt puternic conectate.

0:15:57.611,0:16:02.435
Tocmai am văzut reţele neuronale[br]pregătite să distingă

0:16:02.596,0:16:04.838
sau să recunoască[br]diferite lucruri din lume,

0:16:04.862,0:16:08.023
ce pot fi rulate în sens invers,[br]ca să genereze.

0:16:08.047,0:16:09.830
Unul din lucrurile sugerate de asta

0:16:09.854,0:16:12.252
e nu numai că Michelangelo chiar a văzut

0:16:12.276,0:16:14.728
sculptura din interiorul[br]blocului de piatră,

0:16:14.752,0:16:18.390
dar că orice creatură, orice fiinţă,[br]orice extraterestru

0:16:18.414,0:16:22.071
care e capabil[br]de acte perceptive de acel gen

0:16:22.095,0:16:23.470
e capabil şi să creeze

0:16:23.494,0:16:26.718
deoarece acelaşi mecanism [br]e folosit în ambele cazuri.

0:16:26.742,0:16:32.494
Cred de asemenea că percepţia şi[br]creativitatea nu sunt exclusiv umane.

0:16:32.532,0:16:36.240
Începem să avem modele informatice[br]care fac exact genul ăsta de lucruri.

0:16:36.264,0:16:39.592
Asta nu ar trebui să ne surprindă:[br]creierul e computaţional.

0:16:39.616,0:16:41.273
Şi în sfârşit,

0:16:41.297,0:16:45.965
informatica început ca un exerciţiu[br]de creare a inteligenţei artificiale.

0:16:45.989,0:16:48.451
A fost modelată după ideea

0:16:48.475,0:16:51.488
„cum putem face maşinăriile inteligente”.

0:16:51.512,0:16:53.674
Acum începem să împlinim

0:16:53.698,0:16:56.104
câteva dintre promisiunile[br]primilor pioneri,

0:16:56.128,0:16:57.841
ale lui Turing şi von Neumann

0:16:57.865,0:17:00.130
şi McCulloch şi Pitts.

0:17:00.154,0:17:04.252
Cred că informatica[br]nu mai însemnă doar contabilitate,

0:17:04.276,0:17:06.423
sau să joci Candy Crush sau altceva.

0:17:06.447,0:17:09.025
Încă de la început, le-am creat[br]după minţile noastre.

0:17:09.049,0:17:12.318
Şi ne-au dat capacitatea să ne înţelegem[br]mai bine propriile minţi

0:17:12.342,0:17:13.871
şi să le extindem.

0:17:14.627,0:17:15.894
Vă mulţumesc foarte mult.

0:17:15.894,0:17:21.757
(Aplauze)