With Spatial Intelligence, AI Will Understand the Real World | Fei-Fei Li | TED

Traductor: Sebastian Betti Revisor: Alicia Brito-Antequera

Let me show you something.

Les enseñaré algo.

To be precise,

Para ser precisos,

I'm going to show you nothing.

no voy a mostrar nada.

This was the world 540 million years ago.

Este era el mundo hace 540 millones de años.

Pure, endless darkness.

Oscuridad pura e infinita.

It wasn't dark due to a lack of light.

No estaba oscuro por falta de luz.

It was dark because of a lack of sight.

Estaba oscuro por falta de visión.

Although sunshine did filter 1,000 meters

A pesar de que la luz del sol se filtraba a 1000 metros

beneath the surface of ocean,

por debajo de la superficie del océano,

una luz rebosante de vida

a light permeated from hydrothermal vents to seafloor,

que penetraba desde los respiraderos hidrotermales hasta el fondo marino,

brimming with life,

there was not a single eye to be found in these ancient waters.

no había ni un solo ojo en estas aguas milenarias.

No retinas, no corneas, no lenses.

No había retinas, ni córneas, ni lentes.

So all this light, all this life went unseen.

Así que toda esta luz, toda esta vida pasaba desapercibida.

There was a time that the very idea of seeing didn't exist.

Hubo un tiempo en que la idea misma de ver no existía.

It [had] simply never been done before.

Simplemente, nunca se había hecho antes.

Until it was.

Hasta que exisitió.

So for reasons we're only beginning to understand,

Por razones que apenas estamos empezando a entender, surgieron

trilobites, the first organisms that could sense light, emerged.

los trilobites, los primeros organismos que podían detectar la luz.

They're the first inhabitants of this reality that we take for granted.

Son los primeros habitantes de esta realidad que damos por sentada.

First to discover that there is something other than oneself.

Los primeros en descubrir que hay algo más que uno mismo.

A world of many selves.

Un mundo de muchos otros.

The ability to see is thought to have ushered in Cambrian explosion,

Se cree que la capacidad de ver

marcó el comienzo de la explosión cámbrica,

a period in which a huge variety of animal species

un período en el que una enorme variedad de especies animales

entered fossil records.

ingresaron en los registros fósiles.

What began as a passive experience,

Lo que comenzó como una experiencia pasiva,

the simple act of letting light in,

el simple acto de dejar entrar la luz,

soon became far more active.

pronto se convirtió en algo mucho más activo.

The nervous system began to evolve.

El sistema nervioso comenzó a evolucionar.

Sight turning to insight.

La vista se convierte en perspicacia.

Seeing became understanding.

La visión se convirtió en comprensión.

Understanding led to actions.

La comprensión llevó a la acción.

And all these gave rise to intelligence.

Y todo esto dio lugar a la inteligencia.

Today, we're no longer satisfied with just nature's gift of visual intelligence.

Hoy en día, ya no nos conformamos solo con el don de la naturaleza:

la inteligencia visual.

Curiosity urges us to create machines to see just as intelligently as we can,

La curiosidad nos impulsa a crear máquinas

para ver de la manera más inteligente posible,

if not better.

si no mejor.

Nine years ago, on this stage,

Hace nueve años, en este escenario,

I delivered an early progress report on computer vision,

presenté un informe inicial sobre los progresos realizados

en la visión artificial,

a subfield of artificial intelligence.

un subcampo de la inteligencia artificial.

Three powerful forces converged for the first time.

Tres poderosas fuerzas convergieron por primera vez.

Aa family of algorithms called neural networks.

Una familia de algoritmos llamada redes neuronales.

Fast, specialized hardware called graphic processing units,

Hardware rápido y especializado denominado unidades de procesamiento gráfico

or GPUs.

o GPU.

And big data.

Y macrodatos.

Like the 15 million images that my lab spent years curating called ImageNet.

Como los 15 millones de imágenes

que mi laboratorio dedicó años a seleccionar, llamadas ImageNet.

Together, they ushered in the age of modern AI.

Juntos, marcaron el comienzo de la era de la IA moderna.

We've come a long way.

Hemos recorrido un largo camino.

Back then, just putting labels on images was a big breakthrough.

En aquel entonces, el simple hecho de etiquetar las imágenes era un gran avance.

But the speed and accuracy of these algorithms just improved rapidly.

Sin embargo, la velocidad y la precisión de estos algoritmos

han mejorado rápidamente.

The annual ImageNet challenge, led by my lab,

El desafío anual ImageNet, dirigido por mi laboratorio,

gauged the performance of this progress.

midió el rendimiento de este progreso.

And on this plot, you're seeing the annual improvement

Y en este gráfico, pueden ver los modelos anuales de mejoras

and milestone models.

e hitos.

We went a step further

En estos trabajos realizados por mis alumnos

and created algorithms that can segment objects

y colaboradores, fuimos un paso más allá

y creamos algoritmos que pueden segmentar objetos

or predict the dynamic relationships among them

o predecir las relaciones dinámicas entre ellos.

in these works done by my students and collaborators.

And there's more.

Y aún hay más.

Recall last time I showed you the first computer-vision algorithm

Recuerden la última vez que les mostré el primer algoritmo de visión artificial

that can describe a photo in human natural language.

que puede describir una foto en lenguaje natural humano.

That was work done with my brilliant former student, Andrej Karpathy.

Ese fue un trabajo realizado con mi brillante antiguo alumno,

Andrej Karpathy.

At that time, I pushed my luck and said,

En ese momento, puse a prueba mi suerte y dije:

"Andrej, can we make computers to do the reverse?"

«Andrej, ¿podemos hacer ordenadores que hagan lo contrario?»

And Andrej said, "Ha ha, that's impossible."

Y Andrej dijo: «Ja, ja, eso es imposible».

Well, as you can see from this post,

Bueno, como pueden ver en este post,

recently the impossible has become possible.

recientemente lo imposible se ha hecho posible.

That's thanks to a family of diffusion models

Esto es gracias a una familia de modelos de difusión

that powers today's generative AI algorithm,

que utilizan los algoritmos de IA generativa actuales,

which can take human-prompted sentences

que pueden tomar frases inspiradas por humanos

and turn them into photos and videos

y convertirlas en fotos y vídeos

of something that's entirely new.

de algo totalmente nuevo.

Many of you have seen the recent impressive results of Sora by OpenAI.

Muchos han visto los impresionantes resultados recientes de Sora de OpenAI.

But even without the enormous number of GPUs,

Pero incluso sin la enorme cantidad de GPU,

my student and our collaborators

mi alumno y nuestros colaboradores

have developed a generative video model called Walt

desarrollaron un modelo de vídeo generativo llamado Walt

months before Sora.

meses antes que Sora.

And you're seeing some of these results.

Y están viendo algunos de estos resultados.

There is room for improvement.

Hay margen de mejora.

I mean, look at that cat's eye

Es decir, miren ese ojo de gato

and the way it goes under the wave without ever getting wet.

y cómo pasa bajo la ola sin mojarse nunca.

What a cat-astrophe.

Qué gatástrofe.

(Laughter)

(Risas)

Y si el pasado sirve de prólogo,

And if past is prologue,

aprenderemos de estos errores y crearemos el futuro

we will learn from these mistakes and create a future we imagine.

que imaginamos.

And in this future,

Y en este futuro,

we want AI to do everything it can for us,

queremos que la IA haga todo lo posible por nosotros

or to help us.

o que nos ayude.

For years I have been saying

Llevo años diciendo

that taking a picture is not the same as seeing and understanding.

que tomar una fotografía no es lo mismo que ver y comprender.

Today, I would like to add to that.

Hoy me gustaría añadir algo más a eso.

Simply seeing is not enough.

El simple hecho de ver no es suficiente.

Seeing is for doing and learning.

Ver es para hacer y aprender.

When we act upon this world in 3D space and time,

Cuando actuamos sobre este mundo en el espacio y el tiempo tridimensionales,

we learn, and we learn to see and do better.

aprendemos y aprendemos a ver y a hacer mejor las cosas.

Nature has created this virtuous cycle of seeing and doing

La naturaleza ha creado este círculo virtuoso de ver y hacer

powered by “spatial intelligence.”

impulsado por la «inteligencia espacial».

To illustrate to you what your spatial intelligence is doing constantly,

Para ilustrar lo que hace la inteligencia espacial constantemente,

look at this picture.

miren esta imagen.

Raise your hand if you feel like you want to do something.

Levanten la mano si sienten que quieren hacer algo.

(Laughter)

(Risas)

In the last split of a second,

En una fracción de segundo,

your brain looked at the geometry of this glass,

el cerebro observó la geometría de este vaso,

its place in 3D space,

su lugar en el espacio tridimensional,

its relationship with the table, the cat

su relación con la mesa, el gato

and everything else.

y todo lo demás.

And you can predict what's going to happen next.

Y puede predecir lo que va a pasar después.

The urge to act is innate to all beings with spatial intelligence,

La necesidad de actuar es innata en todos los seres con inteligencia espacial,

which links perception with action.

que vincula la percepción con la acción.

And if we want to advance AI beyond its current capabilities,

Y si queremos hacer avanzar la IA más allá de sus capacidades actuales,

we want more than AI that can see and talk.

queremos algo más que una IA que pueda ver y hablar.

We want AI that can do.

Queremos una IA que pueda hacer.

Indeed, we're making exciting progress.

De hecho, estamos logrando progresos interesantes.

The recent milestones in spatial intelligence

Uno de los hitos recientes de la inteligencia espacial

is teaching computers to see, learn, do

es enseñar a las computadoras a ver, aprender, hacer

and learn to see and do better.

y aprender a ver y hacer mejor.

This is not easy.

Esto no es fácil.

It took nature millions of years to evolve spatial intelligence,

La naturaleza tardó millones de años en desarrollar la inteligencia espacial,

which depends on the eye taking light,

que depende del ojo que capta la luz,

project 2D images on the retina

proyecta imágenes 2D en la retina

and the brain to translate these data into 3D information.

y el cerebro para traducir estos datos en información 3D.

Only recently, a group of researchers from Google

Recientemente, un grupo de investigadores de Google

are able to develop an algorithm to take a bunch of photos

ha podido desarrollar un algoritmo para tomar un montón de fotos

and translate that into 3D space,

y traducirlas en un espacio tridimensional,

like the examples we're showing here.

como en los ejemplos que mostramos aquí.

My student and our collaborators have taken a step further

Mi estudiante y nuestros colaboradores han ido un paso más allá

and created an algorithm that takes one input image

y han creado un algoritmo que toma una imagen de entrada

and turn that into 3D shape.

y la convierte en una forma 3D.

Here are more examples.

Aquí hay más ejemplos.

Recall, we talked about computer programs that can take a human sentence

Recordemos que hablamos de programas de computadora

que pueden tomar una oración humana

and turn it into videos.

y convertirla en videos.

A group of researchers in University of Michigan

Un grupo de investigadores de la Universidad de Michigan

have figured out a way to translate that line of sentence

ha descubierto una manera de traducir esa línea de oración

into 3D room layout, like shown here.

en un diseño de sala en 3D, como se muestra aquí.

And my colleagues at Stanford and their students

Y mis colegas de Stanford y sus estudiantes

have developed an algorithm that takes one image

han desarrollado un algoritmo que toma una imagen

and generates infinitely plausible spaces

y genera espacios infinitamente plausibles

for viewers to explore.

para exploración de los espectadores.

These are prototypes of the first budding signs of a future possibility.

Estos son prototipos de las primeras señales incipientes

de una posibilidad futura.

One in which the human race can take our entire world

Uno en el que la raza humana pueda tomar nuestro mundo entero

and translate it into digital forms

y traducirlo a formas digitales

and model the richness and nuances.

y modelar la riqueza y los matices.

What nature did to us implicitly in our individual minds,

Lo que la naturaleza hizo implícitamente en nuestras mentes individuales,

spatial intelligence technology can hope to do

la tecnología de inteligencia espacial puede aspirar a hacer

for our collective consciousness.

con nuestra conciencia colectiva.

As the progress of spatial intelligence accelerates,

A medida que se acelera el progreso de la inteligencia espacial,

a new era in this virtuous cycle is taking place in front of our eyes.

se abre ante nuestros ojos una nueva era en este círculo virtuoso.

This back and forth is catalyzing robotic learning,

Este ir y venir está catalizando el aprendizaje robótico,

a key component for any embodied intelligence system

un componente clave para cualquier sistema de inteligencia incorporado

that needs to understand and interact with the 3D world.

que necesite comprender e interactuar con el mundo 3D.

A decade ago,

Hace una década,

ImageNet, de mi laboratorio, creó una base de datos

ImageNet from my lab

enabled a database of millions of high-quality photos

con millones de fotos de alta calidad

to help train computers to see.

para ayudar a los ordenadores a aprender a ver.

Today, we're doing the same with behaviors and actions

Hoy, estamos haciendo lo mismo con los comportamientos y las acciones

to train computers and robots how to act in the 3D world.

para enseñar a ordenadores y robots a actuar en el mundo 3D.

But instead of collecting static images,

Sin embargo, en lugar de recopilar imágenes estáticas,

we develop simulation environments powered by 3D spatial models

desarrollamos entornos de simulación basados en modelos espaciales en 3D

so that the computers can have infinite varieties of possibilities

para que las computadoras puedan tener una variedad infinita de posibilidades

to learn to act.

para aprender a actuar.

And you're just seeing a small number of examples

Y solo están viendo una pequeña cantidad de ejemplos

to teach our robots

para enseñar a nuestros robots

in a project led by my lab called Behavior.

en un proyecto dirigido por mi laboratorio llamado Behavior.

We’re also making exciting progress in robotic language intelligence.

También estamos logrando avances interesantes

en la inteligencia lingüística robótica.

Using large language model-based input,

my students and our collaborators are among the first teams

Mis alumnos y nuestros colaboradores están entre los primeros equipos

that can show a robotic arm performing a variety of tasks

que pueden mostrar un brazo robótico realizando diversas tareas

basándose en instrucciones verbales,

based on verbal instructions,

como abrir un cajón o desenchufar un teléfono cargado,

like opening this drawer or unplugging a charged phone.

gracias a la ayuda de modelos lingüísticos de gran tamaño.

Or making sandwiches, using bread, lettuce, tomatoes

O hacer sándwiches, usar pan, lechuga, tomates

and even putting a napkin for the user.

e incluso poner una servilleta para el usuario.

Typically I would like a little more for my sandwich,

Por lo general, me gustaría algo mejor para mi sándwich,

but this is a good start.

pero este es un buen comienzo.

(Laughter)

(Risas)

In that primordial ocean, in our ancient times,

En ese océano primordial, en nuestros tiempos antiguos,

the ability to see and perceive one's environment

la capacidad de ver y percibir el entorno provocó

kicked off the Cambrian explosion of interactions with other life forms.

la explosión cámbrica de interacciones con otras formas de vida.

Today, that light is reaching the digital minds.

Hoy, esa luz llega a las mentes digitales.

Spatial intelligence is allowing machines

La inteligencia espacial permite que las máquinas

to interact not only with one another,

interactúen no solo entre sí,

but with humans, and with 3D worlds,

sino también con los humanos y con los mundos tridimensionales,

real or virtual.

reales o virtuales.

And as that future is taking shape,

Y a medida que ese futuro vaya tomando

it will have a profound impact to many lives.

forma, tendrá un profundo impacto en muchas vidas.

Let's take health care as an example.

Tomemos el cuidado de la salud como ejemplo.

For the past decade,

Durante la última década,

my lab has been taking some of the first steps

mi laboratorio ha dado algunos de los primeros pasos

in applying AI to tackle challenges that impact patient outcome

en la aplicación de la IA para abordar los desafíos

que afectan a los resultados de los pacientes

and medical staff burnout.

y al agotamiento del personal médico.

Together with our collaborators from Stanford School of Medicine

Junto con nuestros colaboradores de la Facultad de Medicina de Stanford

and partnering hospitals,

y los hospitales asociados,

we're piloting smart sensors

estamos probando sensores inteligentes

that can detect clinicians going into patient rooms

que pueden detectar a los médicos

que entran en las habitaciones de los pacientes

without properly washing their hands.

sin lavarse las manos correctamente.

Or keep track of surgical instruments.

O lleva un registro de los instrumentos quirúrgicos.

Or alert care teams when a patient is at physical risk,

O avise a los equipos de atención cuando un paciente corra un riesgo físico,

such as falling.

como una caída.

We consider these techniques a form of ambient intelligence,

Consideramos que estas técnicas son una forma de inteligencia ambiental,

like extra pairs of eyes that do make a difference.

como pares de ojos adicionales que sí marcan la diferencia.

But I would like more interactive help for our patients, clinicians

Sin embargo, me gustaría recibir más ayuda interactiva

para nuestros pacientes, médicos

and caretakers, who desperately also need an extra pair of hands.

y cuidadores, que también necesitan desesperadamente

un par de manos adicionales.

Imagine an autonomous robot transporting medical supplies

Imagínese un robot autónomo que transporta suministros médicos

while caretakers focus on our patients

mientras los cuidadores se centran en nuestros pacientes

or augmented reality, guiding surgeons to do safer, faster

o la realidad aumentada, que guía a los cirujanos

a actuar de forma más segura y rápida

and less invasive operations.

y operaciones menos invasivas.

Or imagine patients with severe paralysis controlling robots with their thoughts.

O imagine a pacientes con parálisis grave

controlando robots con sus pensamientos.

That's right, brainwaves, to perform everyday tasks

Así es, ondas cerebrales, para realizar tareas cotidianas

that you and I take for granted.

que tú y yo damos por sentadas.

You're seeing a glimpse of that future in this pilot study from my lab recently.

Estás vislumbrando ese futuro en este estudio piloto

que realicé recientemente en mi laboratorio.

In this video, the robotic arm is cooking a Japanese sukiyaki meal

En este vídeo, el brazo robótico cocina una comida de sukiyaki japonesa

controlled only by the brain electrical signal,

controlada únicamente por la señal eléctrica del cerebro,

non-invasively collected through an EEG cap.

que se recoge de forma no invasiva a través de un electroencefalograma.

(Applause)

(Aplausos)

Thank you.

Gracias.

The emergence of vision half a billion years ago

La aparición de la visión hace 500 millones de años

turned a world of darkness upside down.

puso patas arriba un mundo de tinieblas.

It set off the most profound evolutionary process:

Puso en marcha el proceso evolutivo más profundo:

the development of intelligence in the animal world.

el desarrollo de la inteligencia en el mundo animal.

AI's breathtaking progress in the last decade is just as astounding.

El impresionante progreso de la IA en la última década es igual de asombroso.

But I believe the full potential of this digital Cambrian explosion

Sin embargo, creo que no se aprovechará todo el potencial

won't be fully realized until we power our computers and robots

de esta explosión digital del Cámbrico hasta que alimentemos

los ordenadores y robots con inteligencia espacial,

with spatial intelligence,

just like what nature did to all of us.

tal y como nos hizo la naturaleza a todos nosotros.

It’s an exciting time to teach our digital companion

Es un momento emocionante para enseñarle a nuestro compañero digital

to learn to reason

a aprender a razonar

and to interact with this beautiful 3D space we call home,

e interactuar con este hermoso espacio tridimensional que llamamos hogar,

and also create many more new worlds that we can all explore.

y también a crear muchos más mundos nuevos que todos podamos explorar.

To realize this future won't be easy.

Hacer realidad este futuro no será fácil.

It requires all of us to take thoughtful steps

Requiere que todos tomemos medidas cuidadosas

and develop technologies that always put humans in the center.

y desarrollemos tecnologías que siempre pongan a los humanos en el centro.

But if we do this right,

Pero si lo hacemos bien,

the computers and robots powered by spatial intelligence

las computadoras y los robots impulsados por inteligencia espacial

will not only be useful tools

no solo serán herramientas útiles

but also trusted partners

sino también socios confiables

to enhance and augment our productivity and humanity

para mejorar y aumentar nuestra productividad y humanidad,

while respecting our individual dignity

respetando nuestra dignidad individual

and lifting our collective prosperity.

y aumentando nuestra prosperidad colectiva.

What excites me the most in the future

Lo que más me entusiasma del futuro

is a future in which that AI grows more perceptive,

es un futuro en el que la IA se vuelva más perspicaz,

insightful and spatially aware,

perspicaz y consciente del espacio,

and they join us on our quest

y se una a nosotros en nuestra búsqueda

por buscar siempre una forma mejor de hacer un mundo mejor.

to always pursue a better way to make a better world.

Thank you.

Gracias.

(Applause)

(Aplausos)