Blaise Agüera y Arcas: How computers are learning to be creative
Blaise Agüera y Arcas: Como os computadores estão a aprender a ser criativos
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.
that works on machine intelligence;
que trabalha com inteligência artificial.
of making computers and devices
computadores e dispositivos
that brains do.
interested in real brains
em cérebros de verdade
in the things that our brains do
que o nosso cérebro faz
to the performance of computers.
muito superior ao dos computadores.
has been perception,
tem sido a perceção,
out there in the world --
lá fora, no mundo
no nosso espírito.
o nosso próprio cérebro
for example, that our team makes,
como os que a nossa equipa faz,
on Google Photos to become searchable,
as nossas imagens no Google Photos
out there into the world.
numa coisa que existe no mundo.
our work on machine perception
sobre a perceção das máquinas
with the world of machine creativity
ao mundo da criatividade das máquinas
had a penetrating insight
teve uma visão perspicaz
between perception and creativity.
entre perceção e criatividade.
has a statue inside of it,
tem uma estátua lá dentro.
is to discover it."
Michelangelo was getting at
queria exprimir
is an act of imagination
é um ato de imaginação
and perceiving and imagining,
a perceção e a imaginação,
with a brief bit of history
com um pequeno resumo da história
the heart or the intestines,
do coração ou dos intestinos,
about a brain by just looking at it,
apenas olhando para ele
que olharam para o cérebro
of this thing all kinds of fanciful names,
todo o tipo de nomes fantasiosos
que significa "cavalo-marinho."
doesn't tell us very much
não nos diz muito
developed some kind of insight
que lançou alguma luz
Santiago Ramón y Cajal,
Santiago Ramón y Cajal,
e corantes especiais
or render in very high contrast
ou criar um alto contraste
their morphologies.
that he made of neurons
de desenhos de neurónios,
of different sorts of cells,
de diferentes tipos de células.
was quite new at this point.
era praticamente nova nesta altura.
very, very long distances --
grandes distâncias,
to some people in the 19th century;
para algumas pessoas,
were just getting underway.
estava apenas a começar.
of Ramón y Cajal's, like this one,
de Ramón y Cajal, como este,
o trabalho que Ramón y Cajal iniciou.
that Ramón y Cajal started.
dos nossos colaboradores
of Neuroscience.
is about one cubic millimeter in size,
de um milímetro cúbico de tamanho
very small piece of it here.
apenas um pequeno pedaço.
mais ou menos um mícron.
tiny block of tissue.
muito pequeno.
of hair is about 100 microns.
é de cerca de 100 mícrons.
muito menor do que um simples cabelo.
much, much smaller
electron microscopy slices,
vistos ao microscópio eletrónico,
in 3D of neurons that look like these.
de neurónios, como estes.
style as Ramón y Cajal.
dos de Ramón y Cajal.
senão, não conseguiríamos ver nada.
be able to see anything here.
one neuron to another.
ahead of his time,
para a sua época
over the next few decades.
durante as décadas seguintes.
usavam a eletricidade.
was advanced enough
a nossa tecnologia avançou bastante
experiments on live neurons
em neurónios vivos,
como eles funcionavam.
when computers were being invented,
foram inventados os computadores,
of modeling the brain --
de imitar o cérebro
as Alan Turing called it,
como lhe chamou Alan Turing,
looked at Ramón y Cajal's drawing
olharam para o desenho de Ramón y Cajal
imagery that comes from the eye.
que provêm dos olhos.
like a circuit diagram.
o diagrama de um circuito.
in McCulloch and Pitts's circuit diagram
no circuito de McCulloch e de Pitt
of computational elements
uma série de elementos eletrónicos
one to the next in a cascade,
de um para outro, em cascata,
visual information would need to do.
de informações visuais precisaria de fazer.
for us to do with our brains.
que fazermos com o cérebro.
that for a computer,
para um computador,
just a few years ago.
até há poucos anos.
this task is easy to do.
facilmente essa tarefa.
and the word "bird,"
e a palavra "ave",
connected to each other
ligados uns aos outros
como este diagrama aqui.
inside our visual cortices,
como no córtex visual,
to have the capability
a ter a capacidade de modelar
on the computer.
that actually looks like.
about as a first layer of neurons,
como uma primeira camada de neurónio
how it works in the eye --
que funciona o olho —
after another layer of neurons,
após camada de neurónios,
of different weights.
de diferentes pesos.
of all of those synapses.
de todas estas sinapses.
properties of this network.
informáticas dessa rede.
or a small group of neurons
ou um pequeno grupo de neurónios
those three things --
in the neural network,
e as sinapses na rede neural,
these synapses in the neural network.
essas sinapses na rede neural.
is just a simple formula,
é uma fórmula simples,
going on there, of course,
ali a acontecer,
of mathematical operations.
de operações matemáticas
that if you have one equation,
se temos uma equação,
by knowing the other two things.
se conhecermos as outras duas.
that the picture of a bird is a bird,
de uma ave é uma ave,
and w and x are known.
e w e x são conhecidos.
you know the pixels.
conhecemos os píxeis.
a relatively straightforward problem.
um problema relativamente simples.
and you're done.
e está feito.
doing exactly that.
fazendo exatamente isso.
on a mobile phone,
num telemóvel
amazing in its own right,
billions and trillions of operations
milhares de milhões ou
picture of a bird,
umas atrás das outras,
"Yes, it's a bird,"
with a network of this sort.
com uma rede deste tipo.
and the y is the unknown.
e o y é a incógnita.
difficult part, of course,
a parte mais difícil,
do we figure out the w,
descobrir o valor de w,
pode fazer tal coisa?
aprender esse modelo?
of solving for w,
de encontrar o w,
with the simple equation
com uma simples equação
6 = 2 x w.
it's the inverse to multiplication,
é o inverso da multiplicação
é uma pequena mentira.
very non-linear operation;
não é linear,
to solve the equation
uma forma de resolver a equação
is fairly straightforward.
a little algebra trick,
com os truques da álgebra"
to the right-hand side of the equation.
para o lado direito da equação.
about it as an error.
como um erro.
for w the right way,
se resolvermos da forma correta,
o erro será maior do que zero.
to minimize the error,
para minimizar o erro.
os computadores são muito bons.
computers are very good at.
Então o erro é seis.
Então o erro é 4.
sort of play Marco Polo,
pode fazer de Marco Polo,
para mais próximo de zero.
successive approximations to w.
aproximações até ao w.
but after about a dozen steps,
mas após uma dúzia de passos,
which is close enough.
o que é suficientemente próximo.
que o que está a acontecer aqui
a lot of known x's and known y's
de x e y conhecidos
through an iterative process.
através de um processo repetitivo.
that we do our own learning.
com a nossa aprendizagem.
enquanto bebés, e dizem-nos:
this is not a bird."
isto não é uma ave".
for those neural connections.
aquelas ligações neurais.
x and w fixed to solve for y;
para resolvermos o y.
o que é um muito mais difícil
praticando muitos exemplos.
Alex Mordvintsev, on our team,
da nossa equipa,
with what happens if we try solving for x,
se tentarmos encontrar o x,
sabemos que é uma ave,
that you've trained on birds,
the same error-minimization procedure,
procedimento de minimização de erros,
trained to recognize birds,
treinada para reconhecer aves
generated entirely by a neural network
gerada totalmente por uma rede neural,
rather than solving for y,
em vez de procurar o y,
by Mike Tyka in our group,
por Mike Tyka no nosso grupo
of William Kentridge's artworks,
de William Kentridge,
e cria um filme dessa forma
no espaço de diferentes animais
over the space of different animals,
to recognize and distinguish
para reconhecer e distinguir
morph from one animal to another.
uma metamorfose de um animal para outro.
have tried reducing
tentaram reduzir os y
out of the space of all things
de todas as coisas
over that entire surface,
sobre toda a superfície,
you make a kind of map --
fazemos uma espécie de mapa,
the network knows how to recognize.
que a rede sabe reconhecer.
"armadillo" is right in that spot.
o tatu está naquele local.
of networks as well.
com outras redes.
to recognize faces,
para reconhecer rostos,
in a y that says, "me,"
que diz "eu",
psychedelic picture of me
multiple points of view at once
pontos de vista ao mesmo tempo,
to get rid of the ambiguity
para se livrar da ambiguidade
or another pose,
another kind of lighting.
com outro tipo de luz.
this sort of reconstruction,
de guia de imagem ou de estatística,
of different points of view,
de diferentes pontos de vista,
his own face as a guide image
o seu rosto como guia de imagem
to reconstruct my own face.
para reconstruir o meu rosto.
that optimization process.
a otimização do processo.
more like a coherent face,
como um rosto coerente,
with a blank canvas
com uma tela em branco
that is itself already some other image.
que, em si mesmo, já é uma outra imagem.
that is designed to categorize
para categorizar
man-made structures, animals ...
feitas pelo homem, animais.
with just a picture of clouds,
apenas com uma imagem de nuvens.
what it sees in the clouds.
o que vê nas nuvens.
you spend looking at this,
a olhar para isto,
will see in the clouds.
to hallucinate into this,
para enlouquecer isto
zooms hallucinates, zooms.
aproxima, enlouquece, aproxima.
of the network, I suppose,
uma espécie de estado de fuga da rede,
is eating its own tail.
What do I think I see next?"
O que é que espero ver a seguir?"
pela primeira vez
called "Higher Education" --
chamada "A mais alta educação"
marijuana was legalized.
legalizada a marijuana.
is not constrained.
não está limitada.
because they're really fun to look at.
porque eles são divertidos de ver.
puramente visual.
a camera that takes a picture,
uma câmara que tira fotos
writes a poem using neural networks,
escreve um poema, usando redes neurais,
has been trained
foi treinada
não é lá muito má.
are very intimately connected.
estão intimamente ligadas".
são redes neurais
para discriminar ou reconhecer
things in the world,
de trás para frente, de criar.
Michelangelo really did see
any being, any alien
qualquer ser, qualquer alienígena,
perceptual acts of that sort
ações percetivas deste tipo,
machinery that's used in both cases.
usado nos dois casos.
and creativity are by no means
criatividade não são de modo algum
that can do exactly these sorts of things.
capazes de fazer este tipo de coisas.
the brain is computational.
o cérebro é um modelo informático.
in designing intelligent machinery.
para a conceção de máquinas inteligentes.
máquinas inteligentes.
a começar a atingir
of those early pioneers,
is not just about accounting
não é apenas fazer contas
ou qualquer outra coisa.
we modeled them after our minds.
modelámo-los segundo as nossas mentes.
to understand our own minds better
para compreender as nossas mentes
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