AI-Generated Creatures That Stretch the Boundaries of Imagination | Sofia Crespo | TED

45,678 views

2022-11-30 ・ TED


New videos

AI-Generated Creatures That Stretch the Boundaries of Imagination | Sofia Crespo | TED

45,678 views ・ 2022-11-30

TED


Haga doble clic en los subtítulos en inglés para reproducir el vídeo.

Traductor: Sabela Giraudier Revisor: Daniel Lopez
00:04
I'd like to start by asking you to imagine a color
0
4543
4379
Me gustaría empezar pidiéndoles que imagen un color
00:08
that you've never seen before.
1
8922
2544
que nunca antes habían visto.
00:12
Just for a second give this a try.
2
12217
2252
Denle un intento solo por esta vez.
00:14
Can you actually visualize a color that you've never been able to perceive?
3
14928
4463
¿Pueden visualizar un color que nunca antes habían sido capaces de percibir?
00:20
I never seem to get tired of trying this
4
20892
2878
Parece que nunca me canso de intentarlo
00:23
although I know it's not an easy challenge.
5
23770
2795
aunque sé que no es un reto sencillo.
00:26
And the thing is,
6
26606
1210
Y la cosa es que,
00:27
we can't imagine something without drawing upon our experiences.
7
27857
4880
no podemos imaginar algo sin basarnos en nuestras experiencias.
00:33
A color we haven't yet seen
8
33655
2002
Un color que todavía no hemos visto
00:35
outside the spectrum we can perceive
9
35699
2836
fuera del espectro que podemos percibir
00:38
is outside our ability to conjure up.
10
38535
2502
está fuera de nuestra habilidad para invocarlo.
00:42
It's almost like there's a boundary to our imagination
11
42372
3212
Es como si hubiera un límite en nuestra imaginación
00:45
where all the colors we can imagine
12
45625
2002
donde todos los colores que podemos imaginar
00:47
can only be various shades of other colors we have previously seen.
13
47627
4505
solo pueden ser varias sombras de otros colores que hemos visto antes.
00:52
Yet we know for a fact
14
52841
2210
Sin embargo, sabemos a ciencia cierta
00:55
that those color frequencies outside our visible spectrum are there.
15
55051
4463
que esas frecuencias de colores alejadas del espectro visible están ahí.
01:00
And scientists believe that there are species
16
60223
5339
Y los científicos creen que hay especies
01:05
that have many more photo receptors
17
65562
3503
que tienen muchos más fotorreceptores
01:09
than just the three color ones we humans have.
18
69107
4880
que los tres únicos colores que los humanos tenemos.
01:13
Which, by the way,
19
73987
1835
Que por cierto,
01:15
not all humans see the world in the same way.
20
75864
3295
no todos los humanos vemos el mundo de la misma forma.
01:19
Some of us are colorblind to various degrees,
21
79200
4505
Algunos de nosotros somos daltónicos en varios grados,
01:23
and very often we don't even agree on small things,
22
83705
4713
y muy a menudo no nos ponemos de acuerdo en las pequeñas cosas,
01:28
like if a dress on the internet is blue and black or white and gold.
23
88460
5005
como que un vestido en internet es blanco y azul o blanco y dorado.
01:34
But my favorite creature, one of my favorite creatures,
24
94215
4380
Pero mi criatura favorita, una de mis criaturas favoritas,
01:38
is the peacock mantis shrimp,
25
98595
2335
es el camarón mantis pavo real,
01:40
which is estimated to have 12 to 16 photo receptors.
26
100972
5297
que se estima que tienen de 12 a 16 fotorreceptores.
01:46
And that indicates the world to them might look so much more colorful.
27
106269
5798
Y eso indica que el mundo para ellos ha de ser mucho más colorido.
01:54
So what about artificial intelligence?
28
114194
2836
¿Y qué hay de la inteligencia artificial?
01:57
Can AI help us see beyond our human capabilities?
29
117947
3838
¿Puede la IA ayudarnos a ver más allá de nuestras capacidades?
02:03
Well, I've been working with AI for the past five years,
30
123203
3670
Bueno, pues he estado trabajando con la IA durante los últimos cinco años,
02:06
and in my experience, it can see within the data it gets fed.
31
126873
4630
y según mi experiencia, se puede ver dentro de los datos que recibe.
02:12
But then you might be wondering, OK,
32
132420
2586
Pero entonces se estarán preguntando, de acuerdo,
02:15
if AI can't help imagine anything new,
33
135006
3337
si la IA puede ayudar a imaginar algo nuevo,
02:18
why would an artist see any point in using it?
34
138385
2794
¿por qué un artista vería algún sentido en usarla?
02:21
And my answer to that is because I think that it can help augment our creativity
35
141930
4254
Y mi respuesta es porque creo que puede ayudar a aumentar nuestra creatividad
02:26
as there's value in creating combinations of known elements to form new ones.
36
146226
6173
ya que es valioso crear combinaciones de elementos conocidos
para formar unos nuevos.
02:33
And this boundary of what we can imagine based on what we have experienced
37
153858
5422
Y este límite de lo que podemos imaginar basado en lo que hemos experimentado
02:39
is the place that I have been exploring.
38
159322
2419
es el lugar que he estado explorando.
02:42
For me, it started with jellyfish on a screen at an aquarium
39
162200
5005
Para mí, empezó con la medusa en la pantalla de un acuario
02:47
and wearing those old 3D glasses, which I hope you remember,
40
167247
3712
y llevando esas anticuadas gafas 3D, que espero que recuerden,
02:51
the ones with the blue and red lens.
41
171000
1919
aquellas con los lentes azul y rojo.
02:53
And this experience made me want to recreate their textures.
42
173336
4213
Y esta experiencia me hizo querer recrear sus texturas.
02:57
But not just that,
43
177882
1168
Pero no solo eso,
02:59
I also wanted to create new jellyfish
44
179092
1960
también quería crear una nueva medusa
03:01
that I hadn't seen before, like these.
45
181052
2878
que no haya visto antes, como estas.
03:04
And what started with jellyfish,
46
184556
1543
Y lo que empezó como una medusa,
03:06
very quickly escalated to other sea creatures
47
186099
3587
escaló rápidamente a otras criaturas del mar
03:09
like sea anemone, coral and fish.
48
189686
4254
como la anémona, el coral y el pez.
03:14
And then from there came amphibians, birds and insects.
49
194524
5756
Y entonces llegaron los anfibios, los pájaros y los insectos.
03:20
And this became a series called “Neural Zoo”.
50
200739
2919
Y esto se convirtió en una serie llamada “Zoológico Neural”.
03:25
But when you look closely, what do you see?
51
205618
3629
Pero cuando los observan de cerca, ¿qué es lo que ven?
03:29
There's no single creature in these images.
52
209289
3962
No hay un solo animal en estas imágenes.
03:33
And AI augments my creative process
53
213710
3378
Y la IA aumenta mi proceso creativo
03:37
by allowing me to distill and recombine textures.
54
217130
4671
al permitirme destilar y recombinar texturas.
03:41
And that's something that would otherwise take me months to draw by hand.
55
221801
4588
Y eso es algo que de lo contrario me llevaría meses dibujar a mano.
03:47
Plus I'm actually terrible at drawing.
56
227015
1877
Aparte de que soy malísima dibujando.
03:49
So you could say, in a way, what I'm doing
57
229476
3169
Por tanto podrían decir, en cierto modo, que lo que estoy haciendo
03:52
is a contemporary version of something
58
232687
1960
es una versión contemporánea de algo
03:54
that humans have already been doing for a long time,
59
234689
2753
que los humanos ya han estado haciendo durante mucho tiempo,
03:57
even before cameras existed.
60
237484
2669
incluso antes de que existieran las cámaras.
04:01
In medieval times,
61
241738
1793
En la época medieval,
04:03
people went on expeditions,
62
243573
2211
la gente iba a expediciones,
04:05
and when they came back they would share about what they saw
63
245825
3504
y cuando regresaban compartían lo que habían visto
04:09
to an illustrator.
64
249370
1377
con un ilustrador.
04:10
And the illustrator, having never seen what was being described,
65
250789
4129
Y el ilustrador, que nunca había visto lo que le estaban describiendo,
04:14
would end up drawing
66
254959
1627
acabaría dibujando
04:16
based on the creatures that they had previously seen
67
256628
2460
en base a las criaturas que habían visto con anterioridad
04:19
and in the process creating hybrid animals of some sort.
68
259088
3170
y durante el proceso, crear animales híbridos de algún tipo.
04:22
So an explorer might describe a beaver, but having never seen one,
69
262675
4338
Por lo que un explorador podría describir un castor pero al nunca ver uno,
04:27
the illustrator might give it the head of a rodent,
70
267055
2419
el ilustrador podría darle la cabeza de un roedor,
04:29
the body of a dog and a fish-like tail.
71
269474
2419
el cuerpo de un perro y la cola de un pez.
04:32
In the series “Artificial Natural History”,
72
272560
2670
En la serie ”Historia Natural Artificial”,
04:35
I took thousands of illustrations from a natural history archives,
73
275271
4588
tomé miles de ilustraciones de unos archivos de historia natural,
04:39
and I fed them to a neural network to generate new versions of them.
74
279901
5297
y las introduje a una red neuronal para generar nuevas versiones de las mismas.
04:45
But up until now, all my work was done in 2D.
75
285990
4171
Pero hasta ahora, todo mi trabajo estaba hecho en 2D.
04:51
And with the help of my studio partner, Feileacan McCormick,
76
291246
3545
Y con la ayuda de mi compañero de estudio, Feileacan McCormick,
04:54
we decided to train a neural network on a data set of 3D scanned beetles.
77
294833
5422
hemos decidido entrenar una red neuronal
en un conjunto de datos de escarabajos escaneados en 3D.
05:00
But I must warn you that our first results were extremely blurry,
78
300839
4546
Pero advierto que los primeros resultados fueron extremadamente imprecisos,
05:05
and they looked like the blobs you see here.
79
305426
2253
y se veían como las manchas que pueden ver aquí.
05:08
And this could be due to many reasons,
80
308346
1835
Y esto podría darse por varias razones,
uno de ellos siendo que realmente no se disponen de muchos
05:10
but one of them being that there aren't really a lot
81
310181
2461
05:12
of openly available data sets of 3D insects.
82
312642
4504
conjuntos de datos de insectos 3D abiertamente disponibles.
05:17
And also we were repurposing
83
317188
2127
Y también estuvimos reutilizando
05:19
a neural network that normally gets used to generate images to generate 3D.
84
319357
5214
una red neuronal que normalmente se usa para generar imágenes 3D.
05:24
So believe it or not, these are very exciting blobs to us.
85
324612
4380
Lo crean o no, para nosotros son manchas fascinantes.
05:29
But with time and some very hacky solutions
86
329784
3879
Pero con el tiempo y algunas soluciones flojas
05:33
like data augmentation,
87
333705
2294
como el aumento de datos,
05:36
where we threw in ants and other beetle-like insects
88
336040
3754
donde arrojamos hormigas y otros insectos parecidos a escarabajos
05:39
to enhance the data set,
89
339794
2503
para mejorar el conjunto de datos,
05:42
we ended up getting this,
90
342338
2628
acabamos consiguiendo esto,
05:44
which we've been told they look like grilled chicken.
91
344966
2544
lo cual nos han dicho que parecen pollos a la parrilla.
05:47
(Laughter)
92
347552
1752
(Risas)
05:49
But hungry for more, we pushed our technique,
93
349345
4797
Aunque hambrientos por más, impulsamos nuestra técnica,
05:54
and eventually they ended up looking like this.
94
354183
3713
y finalmente acabaron viéndose así.
05:58
We use something called 3D style transfer to map textures onto them,
95
358479
5047
Nosotros usamos algo llamado transferencia de estilo 3D
para mapear texturas sobre ellos,
06:03
and we also trained a natural language model
96
363568
3670
y también entrenamos un modelo de lengua natural
06:07
to generate scientific-like names
97
367280
2544
para generar nombres científicos
06:09
and anatomical descriptions.
98
369866
1918
y descripciones anatómicas.
06:12
And eventually we even found a network architecture that could handle 3D meshes.
99
372869
4963
E incluso encontramos una red de arquitectura
que podría manejar mallas 3D.
06:17
So they ended up looking like this.
100
377874
2377
Por lo cual acabaron viéndose así.
06:21
And for us, this became a way of creating kind of a speculative study --
101
381836
4838
Y para nosotros, pasó a ser una forma de crear un estudio especulativo.
06:26
(Applause)
102
386716
2669
(Aplausos)
06:29
A speculative study of creatures that never existed,
103
389427
3629
Un estudio especulativo de criaturas que nunca existieron,
06:33
kind of like a speculative biology.
104
393097
2294
como una especie de biología especulativa.
06:37
But I didn't want to talk about AI and its potential
105
397685
4421
Pero no quería hablar sobre la IA y su potencial
06:42
unless it brought me closer to a real species.
106
402148
3629
a menos que me aproximara a una especie real.
06:46
Which of these do you think is easier to find data about online?
107
406486
4880
¿De cuál de estos creen que es más fácil encontrar información en línea?
06:51
(Laughter)
108
411366
1918
(Risas)
06:53
Yeah, well, as you guessed correctly, the red panda.
109
413326
4004
Sí, bueno, como han adivinado, el panda rojo.
06:57
And this maybe could be due to many reasons,
110
417830
3420
Y esto podría deberse a muchos motivos,
07:01
but one of them being how cute they are,
111
421292
4046
pero uno de ellos se debe a lo lindos que son,
07:05
which means we photograph and talk about them a lot,
112
425338
4588
lo cual quiere decir que fotografíamos y hablamos mucho sobre ellos,
07:09
unlike the boreal felt lichen.
113
429926
2002
a diferencia del liquen de fieltro boreal.
07:12
But both of them are classified as endangered.
114
432679
2877
Pero ambos están clasificados en peligro de extinción.
07:16
So I wanted to bring visibility to other endangered species
115
436349
4880
Por lo que quise dar visibilidad a las especies en peligro de extinción
07:21
that don't get the same amount of digital representation
116
441270
4755
que no reciben el misma cantidad de representación digital
07:26
as a cute, fluffy red panda.
117
446025
2002
como el lindo y suave panda.
07:28
And to do this,
118
448861
1710
Y para hacer esto,
07:30
we trained an AI on millions of images of the natural world,
119
450613
5005
hemos entrenado una IA con millones de imágenes del mundo natural,
07:35
and then we prompted with text
120
455660
2085
y luego apuntamos con un texto
07:37
to generate some of these creatures.
121
457787
2294
para generar algunas de estas criaturas.
07:40
So when prompted with a text,
122
460123
3712
Entonces, cuando apuntamos con un texto,
07:43
"an image of a critically endangered spider, the peacock tarantula"
123
463876
4713
“una imagen de una araña en peligro de extinción, la Tarántula Pavo Real”
07:48
and its scientific name,
124
468589
1669
y su nombre científico,
07:50
our model generated this.
125
470299
2378
nuestro modelo generó esto.
07:55
And here's an image of the real peacock tarantula,
126
475972
3211
Y he aquí una imagen de la verdadera Tarántula Pavo Real,
07:59
which is a wonderful spider endemic to India.
127
479225
3128
que es una maravillosa araña endémica de la India.
08:02
But when prompted with a text
128
482812
2878
Pero cuando se apunta con un texto
08:05
"an image of a critically endangered bird, the mangrove finch,"
129
485732
4170
“una imagen de un pájaro en peligro de extinción, el Pinzón de Manglar”,
08:09
our model generated this.
130
489944
2669
nuestro modelo generó esto.
08:14
And here's a photo of the real mangrove finch.
131
494532
2711
Y he aquí una foto del verdadero Pinzón de Manglar.
08:17
Both these creatures exist in the wild,
132
497702
2878
Ambas criaturas existen en el mundo salvaje,
08:20
but the accuracy of each generated image is fully dependent on the data available.
133
500621
5965
pero la precisión de cada imagen generada depende de los datos disponibles.
08:27
These chimeras of our everyday data
134
507462
2961
Estas quimeras de nuestra información diaria
08:30
to me are a different way of how the future could be.
135
510423
3670
son para mí una manera distinta de cómo puede ser el futuro.
08:34
Not in a literal sense, perhaps,
136
514802
2836
No en el sentido literal, tal vez,
08:37
but in the sense that through practicing the expanding of our own imagination
137
517680
6423
sino en el sentido de que a través de la práctica de la expansión
de nuestra propia imaginación
08:44
about the ecosystems we are a part of,
138
524145
3045
acerca de los ecosistemas de los que formamos partes,
podríamos estar mejor equipados para reconocer nuevas oportunidades
08:47
we might just be better equipped to recognize new opportunities
139
527231
3170
08:50
and potential.
140
530443
1335
y potencial.
08:52
Knowing that there's a boundary to our imagination
141
532236
3128
Sabiendo que existe un límite en nuestra imaginación
08:55
doesn't have to feel limiting.
142
535406
2211
no tiene por qué sentirse como algo limitante.
08:58
On the contrary,
143
538159
1293
Al contrario,
08:59
it can help motivate us to expand that boundary further
144
539452
3420
puede ayudar a motivarnos a expandir esos límites más allá
09:02
and to seek out colors and things we haven't yet seen
145
542914
3962
y buscar objetos y colores que nunca hemos visto
09:06
and perhaps enrich our imagination as a result.
146
546918
3295
y tal vez, en consecuencia, enriquecer nuestra imaginación.
09:10
So thank you.
147
550546
1168
Por tanto, gracias.
09:11
(Applause)
148
551714
4046
(Aplausos)
Acerca de este sitio web

Este sitio le presentará vídeos de YouTube útiles para aprender inglés. Verá lecciones de inglés impartidas por profesores de primera categoría de todo el mundo. Haz doble clic en los subtítulos en inglés que aparecen en cada página de vídeo para reproducir el vídeo desde allí. Los subtítulos se desplazan en sincronía con la reproducción del vídeo. Si tiene algún comentario o petición, póngase en contacto con nosotros mediante este formulario de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7