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

Translator: Saameh Sanaaee Reviewer: sadegh vn

I'd like to start by asking you to imagine a color

می‌خواهم با درخواست تصورِ یک رنگ از شما شروع کنم

that you've never seen before.

که هرگز آن را ندیده‌اید.

Just for a second give this a try.

فقط برای یک لحظه این را امتحان کنید.

Can you actually visualize a color that you've never been able to perceive?

آیا واقعا می‌توانید رنگی را تصور کنید که هرگز نتوانسته‌اید مشاهده‌اش کنید؟

I never seem to get tired of trying this

من، به نظر هرگز از امتحان این کار خسته نمی‌شوم

although I know it's not an easy challenge.

با اینکه می‌دانم چالش راحتی نیست.

And the thing is,

و مسئله این است که

we can't imagine something without drawing upon our experiences.

ما نمی‌توانیم بدون استفاده از تجربیاتمان، چیز جدیدی را تصور کنیم.

A color we haven't yet seen

رنگی که هرگز آن را ندیده‌ایم

outside the spectrum we can perceive

خارج از طیفی که می‌توانیم مشاهده کنیم

is outside our ability to conjure up.

از توان ما برای تصور خارج است.

It's almost like there's a boundary to our imagination

تقریبا مثل این است که مرزی برای تصورمان وجود دارد

where all the colors we can imagine

که تمام رنگ‌هایی که می‌توانیم تصور کنیم

can only be various shades of other colors we have previously seen.

فقط می‌توانند سایه‌روشن‌هایی از رنگ‌هایی باشند که قبلا دیده‌ایم.

Yet we know for a fact

با این حال، ما می‌دانیم

that those color frequencies outside our visible spectrum are there.

که آن فرکانس‌ها، خارج از طیف مرئی ما، وجود دارند.

And scientists believe that there are species

و دانشمندان باور دارند که گونه‌هایی هستند

that have many more photo receptors

که تعداد بسیار بیشتری گیرنده‌ی نوری دارند

than just the three color ones we humans have.

نسبت به سه [گیرنده‌ی] رنگی که ما انسان‌ها داریم.

Which, by the way,

ضمناً، [گیرنده‌هایی] که [با آن]

not all humans see the world in the same way.

همه‌ی انسان‌ها جهان را به یک شکل نمی‌بینند.

Some of us are colorblind to various degrees,

بعضی از ما با درجات متفاوتی کوررنگ هستیم،

and very often we don't even agree on small things,

و بسیاری از اوقات روی مسائل کوچک اتفاق نظر نداریم،

like if a dress on the internet is blue and black or white and gold.

مثل زمانی که پیراهنی در اینترنت، آبی و مشکی است یا سفید و طلایی.

But my favorite creature, one of my favorite creatures,

اما جاندار مورد علاقه‌ی من، یکی از جانداران مورد علاقه‌ام،

is the peacock mantis shrimp,

میگوی طاووسی است،

which is estimated to have 12 to 16 photo receptors.

که تخمین زده می‌شود ۱۲ تا ۱۶ عدد گیرنده‌ی رنگ داشته باشد.

And that indicates the world to them might look so much more colorful.

و این یعنی احتمالا، جهان برای آن‌ها بسیار رنگی‌تر به نظر می‌رسد.

So what about artificial intelligence?

پس هوش مصنوعی چطور؟

Can AI help us see beyond our human capabilities?

آیا هوش مصنوعی می‌تواند به ما کمک کند تا فرای توانایی انسانی‌مان ببینیم؟

Well, I've been working with AI for the past five years,

خب، من پنج سال است که با هوش مصنوعی کار می‌کنم،

and in my experience, it can see within the data it gets fed.

و طبق تجربه‌ی من، [هوش مصنوعی] می‌تواند هرچه را درحیطه‌ی داده‌ی دریافتی‌اش ببیند.

But then you might be wondering, OK,

اما بعد ممکن است شما به فکر فرو روید، خب،

if AI can't help imagine anything new,

اگر هوش مصنوعی نمی‌تواند برای تصور چیز جدیدی کمک کند،

why would an artist see any point in using it?

چرا یک هنرمند باید استفاده از آن را سودمند بداند؟

And my answer to that is because I think that it can help augment our creativity

و پاسخ من به آن، این است که فکر می‌کنم می‌تواند به تقویت خلاقیتمان کمک کند

as there's value in creating combinations of known elements to form new ones.

چرا که در ترکیب کردن عناصر شناخته‌شده برای ایجاد عناصر جدید ارزش هست.

And this boundary of what we can imagine based on what we have experienced

و این مرز بین چیزی که توان تصورش را براساس تجربیاتمان داریم،

is the place that I have been exploring.

چیزی است که من در حال کاوش آن هستم.

For me, it started with jellyfish on a screen at an aquarium

برای من، با عروس‌های دریایی روی یک صفحه‌ی نمایش در یک آکواریوم شروع شد

and wearing those old 3D glasses, which I hope you remember,

و به‌چشم‌زدن آن عینک‌های سه‌بعدیِ قدیمی که امیدوارم یادتان باشد،

the ones with the blue and red lens.

آن‌هایی که لنزهای قرمز و آبی داشتند.

And this experience made me want to recreate their textures.

و این آزمایش باعث شد بخواهم بافت‌هایشان را دوباره تولید کنم.

But not just that,

اما فقط این نیست،

I also wanted to create new jellyfish

همچنین می‌خواستم عروس دریایی جدید خلق کنم

that I hadn't seen before, like these.

که هرگز ندیده‌بودم، مثل این‌ها.

And what started with jellyfish,

چیزی که با عروس دریایی آغاز شد،

very quickly escalated to other sea creatures

خیلی زود به جانداران دریایی دیگر رسید

like sea anemone, coral and fish.

مثل شقایق دریایی، مرجان و ماهی.

And then from there came amphibians, birds and insects.

و سپس به دوزیستان، پرنده‌ها و حشرات رسید.

And this became a series called “Neural Zoo”.

و یک سری به نام «باغ وحش اعصاب» شکل گرفت.

But when you look closely, what do you see?

اما زمانی که دقیق‌تر نگاه کنید، چه می‌بینید؟

There's no single creature in these images.

هیچ مخلوق واحدی در این عکس‌ها نمی‌بینید.

And AI augments my creative process

و هوش مصنوعی، فرایند خلاقیت من را تسهیل می‌کند

by allowing me to distill and recombine textures.

از طریق اجازه‌ای که به من برای خالص‌کردن و ترکیب دوباره‌ی بافت‌ها می‌دهد.

And that's something that would otherwise take me months to draw by hand.

و آن چیزی است که در غیر این صورت، ماه‌ها طول می‌کشید تا با دست آن را بکِشم.

Plus I'm actually terrible at drawing.

علاوه بر آن، نقاشی من افتضاح است.

So you could say, in a way, what I'm doing

پس می‌شود گفت، از طریقی، کاری که من می‌کنم

is a contemporary version of something

یک نسخه‌ی معاصر از چیزی است

that humans have already been doing for a long time,

که انسان‌ها برای زمان طولانی انجام داده‌اند،

even before cameras existed.

حتی قبل از به وجود آمدن دوربین‌ها.

In medieval times,

در قرون وسطی،

people went on expeditions,

مردم به کاوش می‌رفتند

and when they came back they would share about what they saw

و زمانی که بازمی‌گشتند، [چیزهایی] درباره‌ی دیده‌هایشان

to an illustrator.

برای یک تصویرگر می‌گفتند.

And the illustrator, having never seen what was being described,

و تصویرگر، بدون دیدنِ چیزهایی که توصیف می‌شد،

would end up drawing

در نهایت، به تصویر می‌کشید

based on the creatures that they had previously seen

براساس موجوداتی که قبلا دیده بود

and in the process creating hybrid animals of some sort.

و در این فرایند، جاندارانی که به نوعی ترکیبی بودند را خلق می‌کرد.

So an explorer might describe a beaver, but having never seen one,

پس یک کاوشگر ممکن است در حالی که هرگز یک سگ آبی را ندیده، آن را توصیف کند،

the illustrator might give it the head of a rodent,

تصویرگر ممکن است سر او را مانند جوندگان ترسیم کند،

the body of a dog and a fish-like tail.

و بدنش را مانند یک سگ و دمی مانند ماهی.

In the series “Artificial Natural History”,

در سریِ «تاریخ طبیعی مصنوعی»،

I took thousands of illustrations from a natural history archives,

من از هزاران تصویر از آرشیو تاریخ طبیعی استفاده کردم

and I fed them to a neural network to generate new versions of them.

و آن‌ها را به یک شبکه‌ی عصبی دادم تا نسخه‌های جدیدی از آن‌ها تولید شود.

But up until now, all my work was done in 2D.

اما تا به حال، تمام کار من در دوبعد انجام شده است.

And with the help of my studio partner, Feileacan McCormick,

و با کمک همکارم در استودیو، فلیکان مک‌کورمیک،

we decided to train a neural network on a data set of 3D scanned beetles.

تصمیم گرفتیم یک شبکه عصبی را با داده‌هایی از اسکن‌های سه‌بعدیِ سوسک‌ها آموزش دهیم.

But I must warn you that our first results were extremely blurry,

اما باید به شما هشدار دهم که نتایج اولیه‌مان بسیار تار بودند

and they looked like the blobs you see here.

و شکل لکه‌هایی بودند که در اینجا می‌بینید.

And this could be due to many reasons,

و این می‌تواند به چند علت باشد،

but one of them being that there aren't really a lot

اما یکی از آن‌ها این است که تعداد زیادی

of openly available data sets of 3D insects.

مجموعه داده‌ی سه‌بعدی از حشرات به طور آزاد وجود ندارد.

And also we were repurposing

و ما همچنین در حال استفاده‌ی مجدد

a neural network that normally gets used to generate images to generate 3D.

از شبکه‌ای عصبی بودیم که معمولا برای ایجاد سه‌بعدی تصاویر استفاده می‌شود.

So believe it or not, these are very exciting blobs to us.

پس، باور کنید یا خیر، این لکه‌ها برای ما بسیار هیجان‌انگیزند.

But with time and some very hacky solutions

اما با گذر زمان و راه‌حل‌هایی که از خودمان نبودند

like data augmentation,

مثل اضافه‌کردن داده‌ها که

where we threw in ants and other beetle-like insects

در آن، داده‌هایی از مورچه‌ها و حشرات دیگر که مانند سوسک‌ها هستند، اضافه کردیم

to enhance the data set,

تا داده‌ها را بهتر کنیم،

we ended up getting this,

ما به این رسیدیم،

which we've been told they look like grilled chicken.

که به ما گفته‌شد شبیه مرغ سرخ‌شده است.

(Laughter)

(خنده)

But hungry for more, we pushed our technique,

اما [ما] تشنه‌ی بیشتر [بودیم]، به تکنیک‌مان ادامه دادیم،

and eventually they ended up looking like this.

و در آخر آن‌ها به این شکل درآمدند.

We use something called 3D style transfer to map textures onto them,

ما از چیزی به اسم انتقال طرح سه‌بعدی برای انداختن بافت روی آن‌ها استفاده کردیم،

and we also trained a natural language model

و همچنین یک مدل زبان طبیعی را آموزش دادیم

to generate scientific-like names

تا اسم‌هایی مشابه اسم‌های علمی

and anatomical descriptions.

و توضیحات آناتومیک تولید کند.

And eventually we even found a network architecture that could handle 3D meshes.

و سرانجام حتی یک شبکه‌ی معماری پیدا کردیم که می‌توانست ساختار سه‌بعدی را تحمل کند.

So they ended up looking like this.

و [نتایج] به این شکل درآمدند.

And for us, this became a way of creating kind of a speculative study --

و برای ما، این روشی شد برای نوعی از تحقیق نظری --

(Applause)

(تشویق)

A speculative study of creatures that never existed,

یک مطالعه‌ی نظری از جاندارانی که هرگز وجود نداشته‌اند،

kind of like a speculative biology.

چیزی شبیه به زیست‌شناسی نظری. (همراه با گمانه‌زنی)

But I didn't want to talk about AI and its potential

اما من نمی‌خواستم درباره‌ی هوش مصنوعی و پتانسیلش صحبت کنم

unless it brought me closer to a real species.

مگر من را به گونه‌ای [از جاندارانی] واقعی نزدیک می‌کرد.

Which of these do you think is easier to find data about online?

فکر می‌کنید راجع‌به کدام یک از این‌ها راحت‌تر می‌توان اطلاعات پیدا کرد؟

(Laughter)

(خنده)

Yeah, well, as you guessed correctly, the red panda.

بله، خب، همانطور که شما درست حدس زدید، پاندای قرمز.

And this maybe could be due to many reasons,

و این ممکن است به دلایل زیادی برگردد،

but one of them being how cute they are,

اما یکی از آن‌ها این است که آن‌ها چقدر بامزه هستند،

which means we photograph and talk about them a lot,

که یعنی ما از آن‌ها بیشتر عکس می‌گیریم و درباره‌شان صحبت می‌کنیم،

unlike the boreal felt lichen.

برعکسِ بورئال فِلت لایکِن (نوعی قارچ).

But both of them are classified as endangered.

اما هردوی آن‌ها به عنوان جانداران درحال انقراض شناخته‌شده‌اند.

So I wanted to bring visibility to other endangered species

پس من خواستم تا توجه‌ها را به سمت گونه‌های دیگرِ در حال انقراض جلب کنم

that don't get the same amount of digital representation

که به همان میزان، نمایش دیجیتال ندارند

as a cute, fluffy red panda.

که یک پاندای قرمزِ پُف‌کرده دارد.

And to do this,

و برای انجام این کار،

we trained an AI on millions of images of the natural world,

ما هوش مصنوعی را با میلیون‌ها عکس از جهان طبیعی آموزش دادیم،

and then we prompted with text

و سپس از آن با متن درخواست کردیم

to generate some of these creatures.

تا بعضی از این موجودات را تولید کند.

So when prompted with a text,

پس وقتی با یک متن [از هوش مصنوعی] درخواست شد،

"an image of a critically endangered spider, the peacock tarantula"

«یک تصویر از عنکبوتی که شدیدا در خطر انقراض است، رطیل طاووسی»

and its scientific name,

و نام علمی آن،

our model generated this.

مدل ما این را تولید کرد.

And here's an image of the real peacock tarantula,

و این تصویری از یک رطیل طاووسی (نام علمی: عنکبوت چتری فلزی) است،

which is a wonderful spider endemic to India.

که عنکبوتی شگفت‌انگیز و بومی هند است.

But when prompted with a text

اما وقتی با یک متن [از هوش مصنوعی] درخواست شد

"an image of a critically endangered bird, the mangrove finch,"

«یک تصویر از پرنده‌ای که در خطرِ شدید انقراض است، سهره‌ی حرا»

our model generated this.

مدل ما این را تولید کرد.

And here's a photo of the real mangrove finch.

و این تصویری از سهره‌ی حرای واقعی است.

Both these creatures exist in the wild,

هردوی این جانداران، در محیط طبیعی وجود دارند،

but the accuracy of each generated image is fully dependent on the data available.

اما دقت هریک از تصاویر تولید شده، کاملا به داده‌های موجود بستگی دارد.

These chimeras of our everyday data

این کیماراها (آمیژه‌ها، موجوداتِ مخلوط) از داده‌های روزمره‌مان

to me are a different way of how the future could be.

برای من، احتمالی دیگر از چیزی است که آینده می‌تواند باشد.

Not in a literal sense, perhaps,

احتمالا به معنای واقعی کلمه، خیر،

but in the sense that through practicing the expanding of our own imagination

اما به این معنا که با تمرین و گسترش تصورات خودمان

about the ecosystems we are a part of,

درباره‌ی اکوسیستم‌هایی که بخشی از آن هستیم،

we might just be better equipped to recognize new opportunities

ما ممکن است برای شناخت فرصت‌های جدید و پتانسیل‌مان، ابزار بهتری داشته‌باشیم.

and potential.

Knowing that there's a boundary to our imagination

دانستن این که برای تصورمان مرزی وجود دارد،

doesn't have to feel limiting.

لازم نیست که احساس محدودیت به ما بدهد.

On the contrary,

برعکس،

it can help motivate us to expand that boundary further

می‌تواند به ما کمک کند تا مرزها[ی تصورمان] را گسترش دهیم

and to seek out colors and things we haven't yet seen

و به دنبال رنگ‌ها و چیزهایی باشیم که هنوز ندیده‌ایم

and perhaps enrich our imagination as a result.

و احتمالا در نتیجه‌ی آن، به تصورمان قدرت دهیم.

So thank you.

پس از شما ممنونم.

(Applause)

(تشویق)