Blaise Agüera y Arcas: How computers are learning to be creative
Blaise Agüera y Arcas works on machine learning at Google. Previously a Distinguished Engineer at Microsoft, he has worked on augmented reality, mapping, wearable computing and natural user interfaces. Full bio
Double-click the English transcript below to play the video.
travaille sur l'intelligence artificielle,
that works on machine intelligence;
of making computers and devices
des ordinateurs et des appareils
that brains do.
de ce que fait le cerveau.
interested in real brains
par les vrais cerveaux
que nos cerveaux font
in the things that our brains do
to the performance of computers.
à celle des ordinateurs.
has been perception,
est la perception,
aux choses du monde,
out there in the world --
des machines, comme ceux de mon équipe,
for example, that our team makes,
des images sur Google
on Google Photos to become searchable,
est la créativité :
out there into the world.
en un objet du monde extérieur.
our work on machine perception
sur la perception des machines
with the world of machine creativity
au monde de la créativité des machines
had a penetrating insight
avait une vision perspicace
between perception and creativity.
entre la perception et la créativité.
has a statue inside of it,
renferme une statue
de la découvrir. »
is to discover it."
Michelangelo was getting at
voulait exprimer
ce que nous perçevons
is an act of imagination
un acte d'imagination
and perceiving and imagining,
with a brief bit of history
avec une brève histoire
the heart or the intestines,
ou aux intestins,
about a brain by just looking at it,
sur le cerveau en le regardant,
qui ont étudié le cerveau
of this thing all kinds of fanciful names,
des tas de jolis noms
soit « petit champignon ».
doesn't tell us very much
ne nous dit pas
s'est fait une idée
developed some kind of insight
Santiago Ramón y Cajal,
Santiago Ramón y Cajal,
et des colorants spéciaux
or render in very high contrast
ou créer un fort contraste
their morphologies.
à comprendre leur morphologie.
représentant les neurones
that he made of neurons
de type de cellules,
of different sorts of cells,
était relativement nouvelle à l'époque.
was quite new at this point.
very, very long distances --
de très grandes distances,
to some people in the 19th century;
peut-être évident à certains :
were just getting underway.
venait de commencer.
de Ramón y Cajal, comme celui-ci,
of Ramón y Cajal's, like this one,
le travail entamé par Ramón y Cajal.
that Ramón y Cajal started.
venant de nos collaborateurs
of Neuroscience.
is about one cubic millimeter in size,
un millimètre cube
very small piece of it here.
un très petite portion.
fait environ un micron.
sont des mitochondries
tiny block of tissue.
of hair is about 100 microns.
est d'environ 100 microns.
much, much smaller
de beaucoup plus petit qu'un cheveu.
en microscopie électronique,
electron microscopy slices,
in 3D of neurons that look like these.
en 3D des neurones comme celle-ci.
style as Ramón y Cajal.
Ramón y Cajal.
sinon nous n'y verrions rien,
be able to see anything here.
one neuron to another.
les neurones entre eux.
ahead of his time,
pour son époque
dans la compréhension du cerveau
over the next few decades.
au cours des décades suivantes.
utilisaient l'électricité
was advanced enough
notre technologie était assez avancée
expériences électrique sur des neurones
experiments on live neurons
when computers were being invented,
que les ordinateurs furent inventés,
of modeling the brain --
as Alan Turing called it,
comme disait Alan Turing,
looked at Ramón y Cajal's drawing
ont regardé les dessins que Ramón y Cajal
imagery that comes from the eye.
les images venant de l’œil.
like a circuit diagram.
à un schéma électrique.
in McCulloch and Pitts's circuit diagram
dans leur schéma électrique
selon laquelle le cortex visuel
of computational elements
de composants électroniques
one to the next in a cascade,
à la cascade suivante
visual information would need to do.
d'information visuelle ferait.
comme celle-ci et de dire :
for us to do with our brains.
grâce à nos cerveaux.
that for a computer,
que pour un ordinateur
just a few years ago.
il y a quelques années.
this task is easy to do.
cette tâche simplement.
and the word "bird,"
et le mot « oiseau »,
de neurones connectés entre eux
connected to each other
comme représenté ici.
comme dans nos cortex visuels
inside our visual cortices,
to have the capability
en informatique.
on the computer.
that actually looks like.
ce à quoi cela ressemble.
about as a first layer of neurons,
comme la première couche de neurones,
how it works in the eye --
after another layer of neurons,
of different weights.
de différents poids.
of all of those synapses.
de toutes ces synapses.
properties of this network.
informatiques de ce réseau.
ou un petit groupe de neurones
or a small group of neurons
those three things --
du réseau neuronal,
in the neural network,
ces synapses du réseau neuronal.
these synapses in the neural network.
is just a simple formula,
est bien-sûr
going on there, of course,
d'opérations mathématiques.
of mathematical operations.
that if you have one equation,
by knowing the other two things.
si vous connaissez les deux autres.
que la photo de l'oiseau est un oiseau,
that the picture of a bird is a bird,
and w and x are known.
le réseau neuronal et les pixels.
you know the pixels.
plutôt simple à résoudre.
a relatively straightforward problem.
et vous avez fini.
and you're done.
doing exactly that.
et qui fait cela.
sur un téléphone portable,
on a mobile phone,
amazing in its own right,
billions and trillions of operations
par seconde.
picture of a bird,
plusieurs images d'oiseaux
que c'est un oiseau
"Yes, it's a bird,"
with a network of this sort.
avec un réseau de ce genre.
and the y is the unknown.
et le y est l'inconnue.
de la partie complexe, bien-sûr,
difficult part, of course,
do we figure out the w,
d'une telle chose ?
of solving for w,
de recherche du w,
with the simple equation
qui est l'inverse de la multiplication
it's the inverse to multiplication,
une multiplication.
very non-linear operation;
et non-linéaire ;
de résoudre l'équation
to solve the equation
is fairly straightforward.
a little algebra trick,
de l'autre côté de l'équation.
to the right-hand side of the equation.
about it as an error.
si nous résolvons bien w,
for w the right way,
l'erreur sera plus grande que zéro.
des suppositions et minimiser l'erreur,
to minimize the error,
savent très bien faire.
computers are very good at.
joueur à Marco Polo
sort of play Marco Polo,
successives de w.
successive approximations to w.
mais après une douzaine d'étapes,
but after about a dozen steps,
which is close enough.
ce qui est assez proche.
a lot of known x's and known y's
de x et de y connus
via un procédé itératif.
through an iterative process.
that we do our own learning.
par laquelle nous apprenons.
ce n'en est pas un ».
this is not a bird."
nous résolvons ces connexions neuronales.
for those neural connections.
x and w fixed to solve for y;
en pratiquant beaucoup d'exemple.
Alex Mordvintsev, de notre équipe,
Alex Mordvintsev, on our team,
ce qu'il se passe si nous cherchons x
with what happens if we try solving for x,
vous savez que c'est un oiseau
that you've trained on birds,
sur les oiseaux,
the same error-minimization procedure,
procédure de minimisation de l'erreur,
entraîné à reconnaître les oiseaux
trained to recognize birds,
generated entirely by a neural network
entièrement générée par un réseau neuronal
rather than solving for y,
by Mike Tyka in our group,
par Mike Tyka, de notre groupe,
of William Kentridge's artworks,
les œuvres de William Kentridge
et crée un film ainsi.
sur différents animaux dans un réseau créé
over the space of different animals,
to recognize and distinguish
divers animaux entre eux.
à la Escher, d'un animal à un autre.
morph from one animal to another.
have tried reducing
deux dimensions,
out of the space of all things
de l'espace de toutes les choses
ou génération d'images
over that entire surface,
vous créez une carte,
you make a kind of map --
que le réseau reconnaît.
the network knows how to recognize.
le tatou est juste là.
"armadillo" is right in that spot.
avec d'autres réseaux.
of networks as well.
pour reconnaître les visages,
to recognize faces,
in a y that says, "me,"
surréelle et psychédélique
psychedelic picture of me
il y a plusieurs points de vue
multiple points of view at once
pour se débarrasser de l'ambiguïté
to get rid of the ambiguity
or another pose,
de tel ou tel point de vue,
another kind of lighting.
this sort of reconstruction,
ou de statistiques directrices,
of different points of view,
de plusieurs points de vue
his own face as a guide image
utilise son visage comme ligne directrice
to reconstruct my own face.
de la reconstruction de mon visage.
ce processus d'optimisation.
that optimization process.
more like a coherent face,
comme guide.
avec une toile vierge
with a blank canvas
qui est lui-même une autre image.
that is itself already some other image.
that is designed to categorize
artificielles, animaux...
man-made structures, animals ...
with just a picture of clouds,
ce qu'il voit dans les nuages.
what it sees in the clouds.
you spend looking at this,
will see in the clouds.
dans les nuages.
aux visages pour halluciner dessus
to hallucinate into this,
zoome, hallucine, zoome.
zooms hallucinates, zooms.
du réseau, je suppose,
of the network, I suppose,
is eating its own tail.
What do I think I see next?"
Que vois-je ensuite ? »
pour la première fois
à Seattle : « Enseignement Supérieur »,
called "Higher Education" --
marijuana was legalized.
de la marijuana.
is not constrained.
because they're really fun to look at.
visuels car ils sont amusants à voir.
purement visuelle.
Ross Goodwin,
a camera that takes a picture,
un appareil photo prenant une photo,
writes a poem using neural networks,
grâce aux réseaux de neurones,
has been trained
de poésie du 20ème siècle.
je crois, pas trop mauvaise.
sont intimement liées.
are very intimately connected.
things in the world,
de générer.
Michelangelo really did see
tout être, tout extraterreste
any being, any alien
de telles actions perceptives
perceptual acts of that sort
machinery that's used in both cases.
qui est utilisé dans les deux cas.
and creativity are by no means
et la créativité ne sont aucunement
that can do exactly these sorts of things.
capables de ces mêmes choses apparaissent.
le cerveau est un modèle informatique.
the brain is computational.
comme un exercice
in designing intelligent machinery.
des machines intelligentes.
enfin à accomplir
of those early pioneers,
is not just about accounting
n'est pas simplement compter
selon nos cerveaux.
we modeled them after our minds.
to understand our own minds better
de mieux comprendre nos cerveaux
ABOUT THE SPEAKER
Blaise Agüera y Arcas - Software architectBlaise Agüera y Arcas works on machine learning at Google. Previously a Distinguished Engineer at Microsoft, he has worked on augmented reality, mapping, wearable computing and natural user interfaces.
Why you should listen
Blaise Agüera y Arcas is principal scientist at Google, where he leads a team working on machine intelligence for mobile devices. His group works extensively with deep neural nets for machine perception and distributed learning, and it also investigates so-called "connectomics" research, assessing maps of connections within the brain.
Agüera y Arcas' background is as multidimensional as the visions he helps create. In the 1990s, he authored patents on both video compression and 3D visualization techniques, and in 2001, he made an influential computational discovery that cast doubt on Gutenberg's role as the father of movable type.
He also created Seadragon (acquired by Microsoft in 2006), the visualization technology that gives Photosynth its amazingly smooth digital rendering and zoom capabilities. Photosynth itself is a vastly powerful piece of software capable of taking a wide variety of images, analyzing them for similarities, and grafting them together into an interactive three-dimensional space. This seamless patchwork of images can be viewed via multiple angles and magnifications, allowing us to look around corners or “fly” in for a (much) closer look. Simply put, it could utterly transform the way we experience digital images.
He joined Microsoft when Seadragon was acquired by Live Labs in 2006. Shortly after the acquisition of Seadragon, Agüera y Arcas directed his team in a collaboration with Microsoft Research and the University of Washington, leading to the first public previews of Photosynth several months later. His TED Talk on Seadragon and Photosynth in 2007 is rated one of TED's "most jaw-dropping." He returned to TED in 2010 to demo Bing’s augmented reality maps.
Fun fact: According to the author, Agüera y Arcas is the inspiration for the character Elgin in the 2012 best-selling novel Where'd You Go, Bernadette?
Blaise Agüera y Arcas | Speaker | TED.com