How computers are learning to be creative | Blaise Agüera y Arcas

Übersetzung: Milena Koch Lektorat: Jo Pi

So, I lead a team at Google that works on machine intelligence;

Ich bin Teamleiter bei Google im Bereich Maschinenintelligenz,

in other words, the engineering discipline of making computers and devices

das ist die Ingenieurdisziplin, mit der man Computern und Geräten

able to do some of the things that brains do.

etwas von dem beibringen kann, was Gehirne können.

And this makes us interested in real brains

Deshalb interessieren wir uns auch für echte Gehirne

and neuroscience as well,

und Neurowissenschaften,

and especially interested in the things that our brains do

und besonders für die Dinge, die unsere Gehirne können,

die noch weit über die Fähigkeiten von Computern hinausgehen.

that are still far superior to the performance of computers.

Historically, one of those areas has been perception,

Ein Teilbereich unserer Arbeit war schon immer die Wahrnehmung,

the process by which things out there in the world --

also der Vorgang, durch den die Dinge auf der Welt --

sounds and images --

Geräusche und Bilder --

can turn into concepts in the mind.

in unserem Kopf zu Konzepten werden.

This is essential for our own brains,

Das ist entscheidend für unsere Gehirne

and it's also pretty useful on a computer.

und auch ziemlich nützlich für Computer.

The machine perception algorithms, for example, that our team makes,

Unser Team schreibt Algorithmen für maschinelle Wahrnehmung,

die etwa ermöglichen, dass Ihre Bilder auf Google Fotos

are what enable your pictures on Google Photos to become searchable,

basierend auf dem Bildinhalt gesucht werden können.

based on what's in them.

The flip side of perception is creativity:

Das Gegenstück zur Wahrnehmung ist die Kreativität,

also das Schaffen einer Sache auf Grundlage eines Konzepts.

turning a concept into something out there into the world.

Letztes Jahr kam zwischen unserer Arbeit an maschineller Wahrnehmung,

So over the past year, our work on machine perception

has also unexpectedly connected with the world of machine creativity

dem Feld der maschinellen Kreativität sowie der maschinellen Kunst

and machine art.

unerwartet eine Verbindung zustande.

Ich glaube, Michelangelo hatte einen scharfen Blick

I think Michelangelo had a penetrating insight

into to this dual relationship between perception and creativity.

für das duale Verhältnis zwischen Wahrnehmung und Kreativität.

Ein berühmtes Zitat von ihm lautet:

This is a famous quote of his:

"Jeder rohe Stein hat eine Figur in sich,

"Every block of stone has a statue inside of it,

der Bildhauer muss sie nur entdecken."

and the job of the sculptor is to discover it."

Ich glaube, Michelangelo wollte sagen,

So I think that what Michelangelo was getting at

is that we create by perceiving,

dass wir durch Wahrnehmung erschaffen.

and that perception itself is an act of imagination

Die Wahrnehmung ist ein Akt der Vorstellung,

and is the stuff of creativity.

die Grundlage für Kreativität.

The organ that does all the thinking and perceiving and imagining,

Das Organ, das all das Denken, Wahrnehmen und Vorstellen erledigt,

of course, is the brain.

ist natürlich das Gehirn.

Jetzt möchte ich kurz historisch betrachten,

And I'd like to begin with a brief bit of history

about what we know about brains.

was wir über Gehirne wissen.

Because unlike, say, the heart or the intestines,

Denn anders als über das Herz oder die Eingeweide

you really can't say very much about a brain by just looking at it,

kann man nur durch Betrachten nicht viel über Gehirne herausfinden,

at least with the naked eye.

zumindest nicht mit bloßem Auge.

The early anatomists who looked at brains

Die ersten Anatomen, die sich Gehirne ansahen,

gave the superficial structures of this thing all kinds of fanciful names,

gaben der oberflächlichen Struktur eine ganze Reihe fantasievoller Namen,

like hippocampus, meaning "little shrimp."

wie Hippocampus, was "kleiner Shrimp" bedeutet.

But of course that sort of thing doesn't tell us very much

Doch so etwas verrät uns natürlich nicht viel darüber,

about what's actually going on inside.

was im Inneren wirklich vor sich geht.

The first person who, I think, really developed some kind of insight

Die erste Person, die meiner Meinung nach wirklich eine Art Einblick

into what was going on in the brain

in die inneren Vorgänge des Gehirns gewann,

was the great Spanish neuroanatomist, Santiago Ramón y Cajal,

war der große spanische Neuroanatom Santiago Ramón y Cajal

in the 19th century,

im 19. Jahrhundert,

who used microscopy and special stains

der mit Mikroskopie und Spezialfarbe

that could selectively fill in or render in very high contrast

die einzelnen Gehirnzellen selektiv ausfüllte

the individual cells in the brain,

oder kontrastreich darstellte,

in order to start to understand their morphologies.

um die Morphologie der Zellen zu verstehen.

And these are the kinds of drawings that he made of neurons

Das sind die Zeichnungen,

die er im 19. Jahrhundert von Neuronen anfertigte.

in the 19th century.

Diese zeigt ein Vogelgehirn.

This is from a bird brain.

Sie sehen eine unglaubliche Vielfalt verschiedener Zellarten.

And you see this incredible variety of different sorts of cells,

even the cellular theory itself was quite new at this point.

Sogar die Zelltheorie selbst war damals ziemlich neu.

And these structures,

Diese Strukturen, diese verzweigten Zellen,

these cells that have these arborizations,

diese Äste, die sehr, sehr weit reichen können --

these branches that can go very, very long distances --

this was very novel at the time.

das war damals völlig neu.

They're reminiscent, of course, of wires.

Sie erinnern ganz klar an Kabel.

That might have been obvious to some people in the 19th century;

Das mag für manch einen im 19. Jh. offensichtlich gewesen sein,

the revolutions of wiring and electricity were just getting underway.

als gerade die Revolution der Elektrizität und Verkabelung begann.

But in many ways,

Doch in vielerlei Hinsicht

these microanatomical drawings of Ramón y Cajal's, like this one,

wurden Ramón y Cajals mikroanatomische Zeichnungen

they're still in some ways unsurpassed.

wie diese hier, nie wirklich übertroffen.

We're still more than a century later,

Jetzt, mehr als hundert Jahre später,

trying to finish the job that Ramón y Cajal started.

versuchen wir immer noch, Ramón y Cajals Werk zu vollenden.

These are raw data from our collaborators

Das sind die Rohdaten unserer Mitarbeiter

at the Max Planck Institute of Neuroscience.

am Max-Planck-Institut für Neurobiologie.

And what our collaborators have done

Unsere Mitarbeiter bilden also

is to image little pieces of brain tissue.

kleine Teile von Gehirngewebe ab.

The entire sample here is about one cubic millimeter in size,

Diese ganze Probe hier misst ungefähr einen Kubikmillimeter.

and I'm showing you a very, very small piece of it here.

Hier zeige ich Ihnen ein winziges Stück davon.

That bar on the left is about one micron.

Der Strich links misst circa ein Mikron.

The structures you see are mitochondria

Die Strukturen, die Sie sehen, sind Mitochondrien,

that are the size of bacteria.

die so groß wie Bakterien sind.

And these are consecutive slices

Das sind aufeinanderfolgende Schnitte

through this very, very tiny block of tissue.

durch diesen sehr, sehr dünnen Gewebeblock.

Nur zum Vergleich,

Just for comparison's sake,

the diameter of an average strand of hair is about 100 microns.

der Durchmesser einer durchschnittlichen Haarsträhne beträgt circa 100 Mikronen.

So we're looking at something much, much smaller

Wir sehen hier also etwas noch viel kleineres

than a single strand of hair.

als eine einzelne Haarsträhne.

Basierend auf den Serien aus Elektronenmikroskopscheiben

And from these kinds of serial electron microscopy slices,

kann man 3D-Nachbildungen von Neuronen wie diese hier erstellen.

one can start to make reconstructions in 3D of neurons that look like these.

Diese haben in etwa den Stil von Ramón y Cajal.

So these are sort of in the same style as Ramón y Cajal.

Only a few neurons lit up,

Nur ein paar Neutronen leuchten,

because otherwise we wouldn't be able to see anything here.

weil wir hier sonst nichts sehen könnten.

It would be so crowded,

Es wäre so unübersichtlich,

so full of structure,

so überfüllt mit Kabelstrukturen,

of wiring all connecting one neuron to another.

die die Neuronen verbinden.

So Ramón y Cajal was a little bit ahead of his time,

Ramón y Cajal war seiner Zeit also etwas voraus.

Die Fortschritte beim Verstehen des Gehirns

and progress on understanding the brain

proceeded slowly over the next few decades.

geschahen in den folgenden Jahrzehnten nur langsam.

But we knew that neurons used electricity,

Aber wir wussten, dass Neuronen Elektrizität nutzen.

and by World War II, our technology was advanced enough

Im Zweiten Weltkrieg war unsere Technologie

für elektronische Experimente an lebenden Neuronen

to start doing real electrical experiments on live neurons

zur Erforschung ihrer Funktionsweise ausgereift genug.

to better understand how they worked.

This was the very same time when computers were being invented,

Genau damals wurden auch Computer erfunden,

hauptsächlich auf Basis von Nachbildungen des Gehirns --

very much based on the idea of modeling the brain --

"intelligente Maschinen", wie sie Alan Turing nannte,

of "intelligent machinery," as Alan Turing called it,

one of the fathers of computer science.

einer der Urväter der Infomatik.

Warren McCulloch and Walter Pitts looked at Ramón y Cajal's drawing

Warren McCulloch und Walter Pitts betrachteten Ramón y Cajals Zeichnung

of visual cortex,

eines visuellen Cortex,

which I'm showing here.

die ich Ihnen hier zeige.

This is the cortex that processes imagery that comes from the eye.

Das ist der Cortex, der Bilder verarbeitet, die das Auge sieht.

And for them, this looked like a circuit diagram.

Sie fanden, dass es wie ein Schaltplan aussah.

So there are a lot of details in McCulloch and Pitts's circuit diagram

Im Schaltplan von McCulloch und Pitts gibt es viele Details,

that are not quite right.

die nicht ganz stimmen.

But this basic idea

Doch der Grundgedanke,

that visual cortex works like a series of computational elements

dass der visuelle Cortex wie eine Reihe Computerelemente funktioniert,

that pass information one to the next in a cascade,

die Informationen stufenartig nacheinander weiterreichen,

is essentially correct.

stimmt im Grunde.

Let's talk for a moment

Besprechen wir kurz,

about what a model for processing visual information would need to do.

was ein Modell für die Verarbeitung visueller Informationen machen müsste.

The basic task of perception

Die Grundaufgabe der Wahrnehmung ist es,

is to take an image like this one and say,

bei einem solchen Bild zu sagen:

"That's a bird,"

"Das ist ein Vogel",

which is a very simple thing for us to do with our brains.

für unsere Gehirne ist das sehr einfach.

But you should all understand that for a computer,

Sie müssen aber bedenken, dass das für einen Computer

this was pretty much impossible just a few years ago.

noch vor ein paar Jahren völlig unmöglich war.

The classical computing paradigm

Für ein klassisches Rechensystem

is not one in which this task is easy to do.

ist das nicht einfach.

So what's going on between the pixels,

Was zwischen den Pixeln,

between the image of the bird and the word "bird,"

dem Bild eines Vogels und dem Wort "Vogel" passiert,

is essentially a set of neurons connected to each other

ist im Grunde eine Gruppe miteinander verbundener Neuronen

in a neural network,

in einem neuronalen Netzwerk,

wie in meinem Diagramm.

as I'm diagramming here.

This neural network could be biological, inside our visual cortices,

Dieses neuronale Netzwerk kann ein natürliches in unserer Sehrinde sein.

or, nowadays, we start to have the capability

Heute können wir beginnen,

to model such neural networks on the computer.

solche neuronalen Netzwerke in Computern nachbauen.

And I'll show you what that actually looks like.

Ich gebe Ihnen eine Vorstellung davon.

So the pixels you can think about as a first layer of neurons,

Die Pixel können Sie sich als erste Neuronenschicht vorstellen.

and that's, in fact, how it works in the eye --

Genau so funktioniert das im Prinzip auch im Auge --

that's the neurons in the retina.

mit den Neuronen in der Netzhaut.

And those feed forward

Die Neuronen leiten weiter,

Schicht für Schicht durch die Neuronenschichten,

into one layer after another layer, after another layer of neurons,

all connected by synapses of different weights.

die alle über Synapsen verschiedener Gewichtung verbunden sind.

The behavior of this network

Das Verhalten dieses Netzwerks

is characterized by the strengths of all of those synapses.

wird durch die Stärke all dieser Synapsen bestimmt.

Those characterize the computational properties of this network.

Diese bestimmen die rechnerischen Eigenschaften des Netzwerks.

And at the end of the day,

Schlussendlich leuchtet dann ein Neuron

you have a neuron or a small group of neurons

oder eine kleine Gruppe Neuronen auf

that light up, saying, "bird."

und sagt "Vogel".

Now I'm going to represent those three things --

Jetzt werde ich diese drei Dinge --

the input pixels and the synapses in the neural network,

die Pixel als Input, die Synapsen im neuronalen Netzwerk

and bird, the output --

und den Vogel als Output

by three variables: x, w and y.

durch drei Variablen ersetzen: x, w und y.

There are maybe a million or so x's --

Es kann eine Million x geben --

a million pixels in that image.

eine Million Pixel in einem Bild.

There are billions or trillions of w's,

Es gibt Milliarden oder Billiarden w,

die für die Gewichtung der Synapsen im neuronalen Netzwerk stehen.

which represent the weights of all these synapses in the neural network.

And there's a very small number of y's,

Es gibt nur ganz wenige y,

of outputs that that network has.

also Outputs des Netzwerks.

"Bird" is only four letters, right?

"Vogel" hat nur fünf Buchstaben.

Dann tun wir doch einfach so, als sei es nur eine einfache Formel:

So let's pretend that this is just a simple formula,

x "x" w = y.

x "x" w = y.

I'm putting the times in scare quotes

Ich setze das "Mal"-Zeichen in Anführungszeichen,

because what's really going on there, of course,

denn der eigentliche Vorgang hier

ist eine komplizierte Abfolge mathematischer Vorgänge.

is a very complicated series of mathematical operations.

Das ist eine Gleichung.

That's one equation.

There are three variables.

Es gibt drei Variablen.

Bekanntlich kann man eine Variable einer Gleichung lösen,

And we all know that if you have one equation,

you can solve one variable by knowing the other two things.

wenn man die anderen beiden kennt.

Das Problem mit der Schlussfolgerung,

So the problem of inference,

that is, figuring out that the picture of a bird is a bird,

also das Herausfinden, dass das Bild einen Vogel zeigt,

is this one:

ist das folgende:

it's where y is the unknown and w and x are known.

Y ist unbekannt, und w und x sind bekannt.

You know the neural network, you know the pixels.

Wir kennen das neuronale Netzwerk und die Pixel.

As you can see, that's actually a relatively straightforward problem.

Es scheint ein recht einfaches Problem zu sein.

Wir rechnen zwei mal drei und sind fertig.

You multiply two times three and you're done.

I'll show you an artificial neural network

Ich zeige Ihnen jetzt ein neu entwickeltes künstliches neuronales Netzwerk,

that we've built recently, doing exactly that.

das genau das tut.

This is running in real time on a mobile phone,

Es läuft in Echtzeit auf einem Mobiltelefon,

and that's, of course, amazing in its own right,

und das an sich ist natürlich schon erstaunlich,

that mobile phones can do so many billions and trillions of operations

dass Mobiltelefone so viele Milliarden und Billiarden Vorgänge

pro Sekunde verarbeiten können.

per second.

What you're looking at is a phone

Sie sehen hier ein Telefon,

looking at one after another picture of a bird,

das Bilder von einem Vogel nacheinander ansieht,

and actually not only saying, "Yes, it's a bird,"

und sogar nicht nur "Ja, es ist ein Vogel" sagt,

but identifying the species of bird with a network of this sort.

sondern mit einem solchen Netzwerk auch die Vogelart bestimmt.

So in that picture,

Bei diesem Bild

the x and the w are known, and the y is the unknown.

kennen wir das x und das w, und das y ist unbekannt.

I'm glossing over the very difficult part, of course,

Ich lasse hier natürlich den schwierigen Teil aus,

also wie um alles in der Welt wir das w finden können,

which is how on earth do we figure out the w,

the brain that can do such a thing?

wie das Gehirn so etwas kann.

How would we ever learn such a model?

Wie können wir jemals so ein Modell erlernen?

So this process of learning, of solving for w,

Wenn wir diesen Lernvorgang, also wie man nach w auflösen kann,

if we were doing this with the simple equation

wenn wir das bei der einfachen Gleichung anwenden,

in which we think about these as numbers,

in der wir sie uns als Zahlen vorstellen,

we know exactly how to do that: 6 = 2 x w,

wissen wir genau, was zu tun ist: 6 = 2 x w,

wir teilen durch zwei und fertig.

well, we divide by two and we're done.

Das Problem ist dieses Rechenzeichen.

The problem is with this operator.

So, division --

Division --

we've used division because it's the inverse to multiplication,

wir wählen die Division, weil sie das Gegenteil der Multiplikation ist,

but as I've just said,

aber wie gesagt,

the multiplication is a bit of a lie here.

Mulitplikation stimmt hier nicht ganz.

Es handelt sich um einen sehr komplizierten, nichtlinearen Vorgang

This is a very, very complicated, very non-linear operation;

it has no inverse.

ohne Umkehrung.

Wir müssen also herausfinden,

So we have to figure out a way to solve the equation

wie wir die Gleichung ohne Divisionszeichen lösen können.

without a division operator.

And the way to do that is fairly straightforward.

Eigentlich ist es ganz einfach:

You just say, let's play a little algebra trick,

Wir zaubern einfach ein wenig mit der Algebra.

and move the six over to the right-hand side of the equation.

Wir ziehen die 6 auf die rechte Seite der Gleichung.

Now, we're still using multiplication.

Wir multiplizieren immer noch.

And that zero -- let's think about it as an error.

Diese Null -- betrachten wir einfach als Fehler.

In other words, if we've solved for w the right way,

Anders gesagt, wenn wir korrekt nach w auflösen,

then the error will be zero.

dann ist der Fehler null.

And if we haven't gotten it quite right,

Wenn wir einen Fehler machen,

the error will be greater than zero.

ist der Fehler größer als null.

So now we can just take guesses to minimize the error,

Jetzt können wir einfach raten, um den Fehler zu minimieren.

and that's the sort of thing computers are very good at.

Computer können das ausgezeichnet.

So you've taken an initial guess:

Sie raten also ins Blaue:

what if w = 0?

Was, wenn w = 0? Dann ist der Fehler 6.

Well, then the error is 6.

Wenn w = 1? Dann ist der Fehler 4.

What if w = 1? The error is 4.

And then the computer can sort of play Marco Polo,

Dann kann der Computer Marco Polo spielen

and drive down the error close to zero.

und den Fehler gegen Null gehen lassen.

As it does that, it's getting successive approximations to w.

Dabei nähert er sich immer mehr dem w an.

Meist schafft er es nicht ganz, aber nach ungefähr einem Dutzend Schritten

Typically, it never quite gets there, but after about a dozen steps,

we're up to w = 2.999, which is close enough.

liegen wir bei w = 2,999, und das ist genau genug.

And this is the learning process.

Das ist der Lernprozess.

Erinnern Sie sich daran,

So remember that what's been going on here

is that we've been taking a lot of known x's and known y's

dass wir gerade viele bekannte x und bekannte y genommen haben.

and solving for the w in the middle through an iterative process.

Wir lösten das w in der Mitte durch ein Wiederholungsverfahren.

It's exactly the same way that we do our own learning.

Genauso lernen auch wir.

We have many, many images as babies

Als Babys sehen wir sehr viele Bilder.

and we get told, "This is a bird; this is not a bird."

Jemand sagt: "Das ist ein Vogel; das ist kein Vogel."

And over time, through iteration,

Mit der Zeit und durch Wiederholung

we solve for w, we solve for those neural connections.

lösen wir nach w und diesen neuronalen Verbindungen auf.

So now, we've held x and w fixed to solve for y;

Jetzt haben wir mit x und w nach y aufgelöst.

that's everyday, fast perception.

Die alltägliche, schnelle Wahrnehmung.

We figure out how we can solve for w,

Herauszufinden, wie man nach w auflösen kann,

that's learning, which is a lot harder,

ist Lernen und viel schwerer,

because we need to do error minimization,

weil wir die Fehler

nur über viele Übungsbeispiele minimieren können.

using a lot of training examples.

And about a year ago, Alex Mordvintsev, on our team,

Vor ungefähr einem Jahr

wollte Alex Mordvintsev aus unserem Team herausfinden,

decided to experiment with what happens if we try solving for x,

was passiert, wenn wir nach x auflösen

given a known w and a known y.

und w und y bekannt sind.

Anders ausgedrückt:

In other words,

Sie wissen, dass es ein Vogel ist.

you know that it's a bird,

and you already have your neural network that you've trained on birds,

Ihr neuronales Netzwerk ist schon auf Vögel trainiert,

but what is the picture of a bird?

doch was ist das Bild eines Vogels?

Tatsächlich kann man die gleiche Fehlerminimierungsstrategie

It turns out that by using exactly the same error-minimization procedure,

bei Netzwerken zum Erkennen von Vögeln anwenden.

one can do that with the network trained to recognize birds,

and the result turns out to be ...

Das Ergebnis ist ...

a picture of birds.

ein Bild von Vögeln.

So this is a picture of birds generated entirely by a neural network

Dieses Bild von Vögeln wurde von einem neuronalen Netzwerk erschaffen,

that was trained to recognize birds,

das auf das Vogelerkennen trainiert wurde,

just by solving for x rather than solving for y,

und zwar nur durch Auflösen nach x, nicht durch Auflösen nach y.

and doing that iteratively.

All das passiert durch Wiederholungen.

Here's another fun example.

Noch ein lustiges Beispiel.

This was a work made by Mike Tyka in our group,

Dies ist die Arbeit unseres Teammitglieds Mike Tyka,

der es "Animal Parade" nennt.

which he calls "Animal Parade."

It reminds me a little bit of William Kentridge's artworks,

Es erinnert mich etwas an Kunstwerke von William Kentridge,

in which he makes sketches, rubs them out,

der Skizzen macht, sie dann wegradiert,

makes sketches, rubs them out,

Skizzen macht, sie wegradiert,

and creates a movie this way.

und so einen Film erschafft.

In this case,

In diesem Fall

what Mike is doing is varying y over the space of different animals,

setzt Mike für y verschiedene Tiere in ein Netzwerk ein,

in a network designed to recognize and distinguish

das verschiedene Tiere erkennen und unterscheiden kann.

different animals from each other.

Heraus kommt dieser seltsame Übergang von Tier zu Tier im Stil Eschers.

And you get this strange, Escher-like morph from one animal to another.

Here he and Alex together have tried reducing

Hier haben Mike und Alex gemeinsam versucht,

the y's to a space of only two dimensions,

das y auf nur zwei Dimensionen einzuschränken

thereby making a map out of the space of all things

und so eine Karte von allen Dingen im Raum zu erstellen,

die dieses Netzwerk erkennt.

recognized by this network.

Doing this kind of synthesis

Durch diese Darstellung

or generation of imagery over that entire surface,

oder Bildgenerierung auf der gesamten Oberfläche,

varying y over the surface, you make a kind of map --

wobei y auf der Oberfläche variiert, wird eine Art Karte erstellt --

a visual map of all the things the network knows how to recognize.

eine visuelle Karte all der Dinge, die das Netzwerk erkennen kann.

The animals are all here; "armadillo" is right in that spot.

Alle Tiere sind da, "armadillo" ist genau an dieser Stelle.

You can do this with other kinds of networks as well.

Dasselbe kann man auch mit anderen Netzwerken machen.

This is a network designed to recognize faces,

Dieses Netzwerk erkennt Gesichter

to distinguish one face from another.

und unterscheidet sie voneinander.

And here, we're putting in a y that says, "me,"

Hier setzten wir ein y ein, das "ich" sagt,

my own face parameters.

also die Parameter meines Gesichts.

And when this thing solves for x,

Wenn das Netzwerk nach x auflöst,

it generates this rather crazy,

generiert es dieses verrückte,

kind of cubist, surreal, psychedelic picture of me

kubistisch angehauchte, surreale, psychedelische Bild von mir

aus verschiedenen Blickwinkeln.

from multiple points of view at once.

The reason it looks like multiple points of view at once

Es wirkt wie eine Betrachtung aus verschiedenen Blickwinkeln,

is because that network is designed to get rid of the ambiguity

weil das Netzwerk so aufgebaut ist, dass es die Vieldeutigkeit umgehen kann,

of a face being in one pose or another pose,

die durch Gesichter in verschiedenen Posen

being looked at with one kind of lighting, another kind of lighting.

oder verschiedene Belichtungen entsteht.

So when you do this sort of reconstruction,

Wenn man bei dieser Art Rekonstruktion

if you don't use some sort of guide image

nun keinerlei Musterbild oder Hilfsstatistiken verwendet,

or guide statistics,

then you'll get a sort of confusion of different points of view,

vermischen sich die Ansichten aus den verschiedenen Blickwinkeln

because it's ambiguous.

aufgrund der Vieldeutigkeit.

This is what happens if Alex uses his own face as a guide image

Das passert, wenn Alex während des Optimierungsprozesses

zur Rekonstruktion meines Gesichts sein eigenes Gesicht als Muster verwendet.

during that optimization process to reconstruct my own face.

So you can see it's not perfect.

Sie sehen also, es ist nicht perfekt.

There's still quite a lot of work to do

Wir müssen noch hart arbeiten,

um diesen Optimierungsprozess optimieren zu können.

on how we optimize that optimization process.

But you start to get something more like a coherent face,

Aber langsam entstehen stimmigere Gesichter,

rendered using my own face as a guide.

da mein Gesicht als Muster diente.

You don't have to start with a blank canvas

Man muss nicht bei Null

oder weißem Rauschen beginnen.

or with white noise.

When you're solving for x,

Wenn man nach x auflöst,

you can begin with an x, that is itself already some other image.

kann man mit einem x anfangen, das selbst schon ein anderes Bild ist.

That's what this little demonstration is.

Das soll diese Vorführung zeigen.

This is a network that is designed to categorize

Das ist ein Netzwerk, das verschiedenste Objekte --

menschgemachte Strukturen, Tiere usw. -- kategorisieren können soll.

all sorts of different objects -- man-made structures, animals ...

Here we're starting with just a picture of clouds,

Wir beginnen nur mit einem Wolkenbild,

and as we optimize,

und während der Optimierung

findet das Netzwerk quasi heraus, was es in den Wolken sieht.

basically, this network is figuring out what it sees in the clouds.

And the more time you spend looking at this,

Je länger man zusieht,

the more things you also will see in the clouds.

desto mehr sieht man in den Wolken.

Man kann mit dem Gesichtsnetzwerk Halluzinationen einfügen,

You could also use the face network to hallucinate into this,

and you get some pretty crazy stuff.

und ganz schön verrücktes Zeug machen.

(Laughter)

(Lachen)

Or, Mike has done some other experiments

Mike hat noch mehr Experimente gemacht,

bei denen er ein Wolkenbild nimmt,

in which he takes that cloud image,

halluziniert, heranzoomt, halluziniert, heranzoomt, halluziniert und zoomt.

hallucinates, zooms, hallucinates, zooms hallucinates, zooms.

And in this way,

Auf diese Weise kann man vielleicht

you can get a sort of fugue state of the network, I suppose,

eine Art Fluchtzustand des Netzwerks

or a sort of free association,

oder eine Art freie Assoziation erzeugen,

bei der sich das Netzwerk selbst in den Schwanz beißt.

in which the network is eating its own tail.

So every image is now the basis for,

Jedes Bild ist nun die Grundlage für:

"What do I think I see next?

"Was glaube ich, als nächstes zu sehen?

What do I think I see next? What do I think I see next?"

Was erwarte ich als nächstes, und danach und danach?"

I showed this for the first time in public

Öffentlich habe ich dies das erste Mal

to a group at a lecture in Seattle called "Higher Education" --

einer Vorlesungsgruppe namens "Higher Education" in Seattle gezeigt,

this was right after marijuana was legalized.

kurz nachdem Marihuana legalisiert wurde.

(Laughter)

(Lachen)

So I'd like to finish up quickly

Ich möchte nun zum Ende kommen

by just noting that this technology is not constrained.

und festhalten, dass dieser Technologie keine Grenzen gesetzt sind.

Ich habe Ihnen nur visuelle Beispiele gezeigt, einfach, weil es Spaß macht.

I've shown you purely visual examples because they're really fun to look at.

It's not a purely visual technology.

Aber es ist keine rein visuelle Technologie.

Our artist collaborator, Ross Goodwin,

Ross Goodwin, künstlerischer Mitarbeiter,

has done experiments involving a camera that takes a picture,

hat Experimente gemacht, bei denen eine Kamera ein Bild schießt

and then a computer in his backpack writes a poem using neural networks,

und ein Comuter in seinem Rucksack ein Gedicht mit einem neuronalen Netzwerk

based on the contents of the image.

basierend auf dem Bildinhalt schreibt.

Trainiert wurde das neuronale Gedichtenetzwerk mit den Werken

And that poetry neural network has been trained

on a large corpus of 20th-century poetry.

der Dichtungen des 20. Jahrhunderts.

And the poetry is, you know,

Die Gedichte sind, naja,

I think, kind of not bad, actually.

also ich finde sie gar nicht so schlecht.

(Laughter)

(Lachen)

In closing,

Zurück zu

I think that per Michelangelo,

Michelangelo,

I think he was right;

ich denke, der lag richtig:

perception and creativity are very intimately connected.

Wahrnehmung und Kreativität sind sehr eng miteinander verbunden.

What we've just seen are neural networks

Gerade haben wir neuronale Netzwerke gesehen,

that are entirely trained to discriminate,

die nur darauf trainiert sind,

verschiedene Dinge zu unterscheiden oder zu erkennen,

or to recognize different things in the world,

able to be run in reverse, to generate.

und umgekehrt werden können, um etwas zu erschaffen.

Daraus schließe ich nicht nur,

One of the things that suggests to me

is not only that Michelangelo really did see

dass Michelangelo die Skulptur im Stein wirklich sehen konnte,

the sculpture in the blocks of stone,

but that any creature, any being, any alien

sondern auch, dass jedes Wesen, jedes Geschöpf, jedes Alien,

that is able to do perceptual acts of that sort

das zu solchen Wahrnehmungen fähig ist,

auch Dinge erschaffen kann,

is also able to create

because it's exactly the same machinery that's used in both cases.

denn in beiden Fällen kommt die gleiche Maschinerie zum Einsatz.

Also, I think that perception and creativity are by no means

Ich denke auch, dass keinesfalls nur Menschen

wahrnehmen und kreativ sein können.

uniquely human.

We start to have computer models that can do exactly these sorts of things.

Langsam gibt es Computermodelle, die genau das Gleiche können.

And that ought to be unsurprising; the brain is computational.

Das sollte keine Überraschung sein, denn das Gehirn basiert auf Rechnen.

And finally,

Schließlich entstanden Computer

computing began as an exercise in designing intelligent machinery.

aus den Versuchen, intelligente Maschinen zu bauen.

It was very much modeled after the idea

Sie sind Modelle unserer Vorstellung dessen,

of how could we make machines intelligent.

wie wir Maschinen intelligent machen können.

And we finally are starting to fulfill now

Jetzt erfüllen wir langsam

some of the promises of those early pioneers,

ein paar der Versprechen der ersten Vorreiter,

von Turing und von Neumann

of Turing and von Neumann

and McCulloch and Pitts.

und McCulloch und Pitts.

Ich denke, beim Rechnen geht es nicht nur um Buchhaltung

And I think that computing is not just about accounting

or playing Candy Crush or something.

oder Candy Crush oder so etwas.

From the beginning, we modeled them after our minds.

Von Anfang an haben wir sie als Abbild unseres Verstands gebaut.

And they give us both the ability to understand our own minds better

Mit ihnen können wir unseren eigenen Verstand besser verstehen

and to extend them.

und unsere Fähigkeiten erweitern.

Thank you very much.

Vielen Dank.

(Applause)

(Applaus)