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

Translator: Behdad Khazaeli Reviewer: soheila Jafari

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

من مدیر گروهی در گوگل هستم که در مورد هوش مصنوعی کار می‌کند؛

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

به عبارت دیگر، راهکارهای مهندسی برای اینکه رایانه‌ها و دستگاه ها

able to do some of the things that brains do.

بتوانند بعضی از کارهای مغز رو انجام بدهند.

And this makes us interested in real brains

و این ما رو به مغز و همچنین

and neuroscience as well,

علوم اعصاب علاقه‌مند میکند،

and especially interested in the things that our brains do

و خصوصا به کارهایی که مغزمان انجام میدهد

that are still far superior to the performance of computers.

که همچنان بسیار فراتر از کارایی رایانه‌هاست.

Historically, one of those areas has been perception,

از دیدگاه تاریخی، یکی از این حوزه‌ها ادراک بوده است،

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

فرایندی که درآن چیزهای دنیای بیرون --

sounds and images --

اصوات و تصاویر --

can turn into concepts in the mind.

می‌توانند به موضوعاتی ذهنی تبدیل شوند.

This is essential for our own brains,

این برای مغز ما اساسی است،

and it's also pretty useful on a computer.

و همچنین بسیار مفید در یک رایانه.

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

برای مثال، آلگوریتم‌های ادراک ماشینی، که گروه ما تولید می‌کنند،

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

چیزی است که تصاویر شما در گوگل فوتو را قابل جستجو می‌کنند،

based on what's in them.

با توجه به چیزهایی که در آنهاست.

The flip side of perception is creativity:

روی دیگر ادراک خلاقیت است:

turning a concept into something out there into the world.

تبدیل موضوع به چیزی آنجا در جهان.

So over the past year, our work on machine perception

در سال گذشته، کار ما در ادراک ماشین

has also unexpectedly connected with the world of machine creativity

به شکلی غیر منتظره با دنیای خلاقیت ماشینی مرتبط شد

and machine art.

و هنر ماشینی.

I think Michelangelo had a penetrating insight

به نظر من میکل‌آنژ دیدگاه عمیقی

into to this dual relationship between perception and creativity.

در ارتباط دوگانه میان ادراک و خلاقیت داشت.

This is a famous quote of his:

این گفته مشهوری از اوست:

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

«هر قطعه سنگی شرایط خاص خود را دارد،

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

و وظیفه مجسمه‌ساز کشف آن است.»

So I think that what Michelangelo was getting at

به نظر من آنچه میکل‌آنژعنوان می‌کند

is that we create by perceiving,

این است که خلاقیت ما از راه ادراک است،

and that perception itself is an act of imagination

و اینکه خود ادراک، ناشی از تصور است

and is the stuff of creativity.

که ماده اولیه خلاقیت است.

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

عضوی که تمامی تفکر و ادراک و تصور را بر عهده دارد،

of course, is the brain.

مسلما، مغز است.

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

و می‌خواهم تا تاریخچه مختصری

about what we know about brains.

از آنچه در باره مغز می‌دانیم بگویم.

Because unlike, say, the heart or the intestines,

چون برخلاف، مثلا، قلب یا روده‌ها،

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

خیلی از اعمال مغزرا با تنها نگاه کردن به آن نمی‌فهمی،

at least with the naked eye.

حداقل با چشم معمولی.

The early anatomists who looked at brains

اولین کالبد شناسانی که به مغز توجه کردند

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

انواع اسم‌های عجیب و غریب را به ساختار‌های سطحی آن دادند،

like hippocampus, meaning "little shrimp."

مثل هیپو‌کمپوس، یعنی «میگوی کوچک».

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

ولی البته این چیز‌ها توضیح زیادی

about what's actually going on inside.

از آنچه واقعا در درون آن اتفاق می‌افتد نمی دهد.

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

اولین کسی که، به نظرم، واقعا یک بررسی از آنچه

into what was going on in the brain

واقعا در مغز اتفاق می‌افتد انجام داد

was the great Spanish neuroanatomist, Santiago Ramón y Cajal,

عصب‌ شناس بزرگ اسپانیایی، سانتیاگو رامون ای کاخال بود،

in the 19th century,

در قرن ۱۹،

who used microscopy and special stains

که از میکروسکوپ و رنگ آمیزی خاصی استفاده کرد

that could selectively fill in or render in very high contrast

که به انتخاب می‌توانست با تضاد رنگ خوبی

the individual cells in the brain,

هر سلول مغز را پر یا روکش کند،

in order to start to understand their morphologies.

تا بتواند شروع به درک کارایی ظاهری آن کند.

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

و اینها طراحی‌هایی است که او از نورون‌ها ساخته

in the 19th century.

در قرن ۱۹ میلادی.

This is from a bird brain.

این از مغز یک پرنده است.

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

و اینجا انواع بسیار مختلفی از سلول‌ها را می‌بینید،

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

حتی خود نظریه سلولی در این زمان بسیار جدید بود.

And these structures,

و این ساختار‌ها،

these cells that have these arborizations,

این سلول‌ها که دارای ارایش درختی هستند،

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

این شاخه‌ها که می‌توانند تا فاصله‌های بسیار زیاد بروند --

this was very novel at the time.

در آن زمان بسیار جدید بودند.

They're reminiscent, of course, of wires.

درست مثل سیم کشی می‌مانند.

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

و برای بعضی ها در قرن ۱۹ خیلی بدیهی بود؛

the revolutions of wiring and electricity were just getting underway.

انقلاب الکتریسیته و سیم کشی تازه شروع شده بود.

But in many ways,

اما از خیلی جنبه‌ها،

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

این ریز طراحی‌های تشریحی توسط رامون ای کاخال، مثل این،

they're still in some ways unsurpassed.

همچنان در نوع خود بی‌نظیرند.

We're still more than a century later,

هنوز بعد از یک قرن،

trying to finish the job that Ramón y Cajal started.

می‌خواهیم کاری که رامون ای کاخال شروع کرده را تمام کنیم.

These are raw data from our collaborators

این ها اطلاعات خامی هستند که همکارانمان

at the Max Planck Institute of Neuroscience.

در انستیتو عصب شناسی ماکس پلانک تهیه کرده اند.

And what our collaborators have done

و کاری که همکارانمان انجام داده‌اند

is to image little pieces of brain tissue.

تصویربرداری از بافت کوچکی از مغز است.

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

کل نمونه در اندازه یک میلیمتر مکعب است.

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

و من بخش خیلی خیلی کوچکی از آن را به شما نشان می‌دهم.

That bar on the left is about one micron.

آن میله در چپ اندازه یک میکرون است.

The structures you see are mitochondria

ساختاری که می‌بینید یک میتوکندری است

that are the size of bacteria.

که به اندازه یک باکتری آست.

And these are consecutive slices

و اینها برش‌های پشت هم هستند

through this very, very tiny block of tissue.

در این بخش بسیار بسیار کوچک بافت.

Just for comparison's sake,

تنها برای مقایسه،

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

قطر یک تار مو حدود ۱۰۰ میکرون است.

So we're looking at something much, much smaller

پس ما به چیزهایی خیلی، خیلی کوچکتر

than a single strand of hair.

از یک تار مو نگاه می‌کنیم.

And from these kinds of serial electron microscopy slices,

و با استفاده از این نوع برش‌های میکروسکوپ الکترونی،

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

می‌توان نورون‌های سه بعدی مثل این را بازسازی کرد.

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

پس این‌ها به شکلی مشابه کارهای رامون ای کاخال است.

Only a few neurons lit up,

فقط چند نورون مشخص شده‌اند،

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

چون در غیر این صورت نمی‌توانستیم چیزی را ببینیم.

It would be so crowded,

چون آنقدر شلوغ،

so full of structure,

و پر از ساختارهای،

of wiring all connecting one neuron to another.

ارتباطی از یک نورون به دیگری بود.

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

پس رامون ای کاخال از زمانه‌اش کمی جلوتر بود،

and progress on understanding the brain

و پیشرفت در فهمیدن مغز

proceeded slowly over the next few decades.

در چند دهه بعد به کندی پیش میرفت.

But we knew that neurons used electricity,

ما می‌دانستیم که نورون‌ها از الکتریسیته استفاده می‌کنند،

and by World War II, our technology was advanced enough

تا زمان جنگ جهانی دوم، فناوری ما به اندازه‌ای پیشرفت کرد

to start doing real electrical experiments on live neurons

تا شروع به آزمایش‌ های الکتریکی روی نورون‌های زنده کنیم

to better understand how they worked.

تا درک بهتری از کارکردشان داشته باشیم.

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

و این همان وقتی بود که رایانه‌ها اختراع شدند،

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

کاملا بر مبنای ایده و الگو سازی از مغز --

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

«ماشین‌های هوشمندی» که آلن تورینگ نام گذاری کرده بود،

one of the fathers of computer science.

یکی از پدران علوم رایانه.

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

وارن مک کلوچ و والتر پیتس به طرح های رامون ای کاخال

of visual cortex,

از قشر بینایی نگاه کردند،

which I'm showing here.

که اینجا نشان می‌دهم.

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

این قشری است که تصاویری که از چشم می‌آید را پردازش می‌کند.

And for them, this looked like a circuit diagram.

و از نظر آنها، مثل مدارات الکتریکی بود.

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

در نتیجه جزئیات زیادی در مدارات مک کلوچ و پیتس وجود دارند

that are not quite right.

که کاملا درست نیستند.

But this basic idea

اما این ایده اولیه

that visual cortex works like a series of computational elements

که قشر بینایی مانند تعدادی مدارات رایانه‌ای عمل می‌کند

that pass information one to the next in a cascade,

که بصورت سری اطلاعات را از یکی به دیگری انتقال می‌دهد،

is essentially correct.

در پایه صحیح بود.

Let's talk for a moment

بگذارید لحظه‌ای در مورد

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

روشی که برای پردازش اطلاعات تصویری نیاز داریم صحبت کنیم.

The basic task of perception

وظیفه اصلی ادراک

is to take an image like this one and say,

دریافت تصویری مثل این و بیان،

"That's a bird,"

« این پرنده است،»

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

که واقعا موضوع ساده‌ای برای مغز ماست.

But you should all understand that for a computer,

اما باید بدانید که برای یک رایانه،

this was pretty much impossible just a few years ago.

تا چند سال پیش تقریبا غیر ممکن بود.

The classical computing paradigm

برای روش های سنتی رایانه‌

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

انجام این کار ساده نیست.

So what's going on between the pixels,

اتفاقی که بین پیکسل‌های تصویر،

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

بین تصویر پرنده و کلمه «پرنده» اتفاق می‌افتد،

is essentially a set of neurons connected to each other

اساسا دسته‌ای از نورون‌های متصل به هم است

in a neural network,

در یک شبکه عصبی،

as I'm diagramming here.

که اینجا درنمودار است.

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

این شبکه عصبی می‌تواند از نوع زیستی و درون قشر بینایی ما باشد،

or, nowadays, we start to have the capability

یا، این روز‌ها، ما شروع کرده‌ایم تا

to model such neural networks on the computer.

این شبکه های عصبی را در رایانه مدل کنیم.

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

و به شما نشان می‌دهم که واقعا شبیه چه است.

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

پس پیکسل ها که می‌توانند ازدید شما اولین لایه عصبی باشند،

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

و این در واقع، همانطوری است که چشم کار می‌کند --

that's the neurons in the retina.

که عصب‌های شبکیه هستند.

And those feed forward

و آنهایی که مستقیما

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

از یک لایه به لایه دیگرعصبی متصل می‌شوند،

all connected by synapses of different weights.

همگی از طریق سیناپس‌هایی با وزن‌های مختلف متصل می‌شوند.

The behavior of this network

رفتار این شبکه

is characterized by the strengths of all of those synapses.

از طریق قدرت همه این سیناپس‌ها مشخص می‌گردد.

Those characterize the computational properties of this network.

اینها رفتار محاسباتی شبکه را معین می‌کنند.

And at the end of the day,

و در پایان،

you have a neuron or a small group of neurons

عصب، یا گروه کوچکی از اعصاب را داری

that light up, saying, "bird."

که مثلا، کلمه «پرنده» را روشن می‌کند.

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

حالا این سه موضوع را مدل می‌کنم --

the input pixels and the synapses in the neural network,

پیکسل‌های ورودی سیناپس‌های شبکه عصبی،

and bird, the output --

و خروجی پرنده --

by three variables: x, w and y.

با سه متغیر: X، W و Y.

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

حدود یک میلیون X داریم --

a million pixels in that image.

یک میلیون پیکسل در تصویر.

There are billions or trillions of w's,

میلیارد‌ها یا تریلیارد‌ها W داریم،

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

که نشان دهنده وزن این سیناپس‌ها در شبکه عصبی‌اند.

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

و تعداد بسیار کمی Y وجود دارد،

of outputs that that network has.

که خروجی‌های آن شبکه‌اند.

"Bird" is only four letters, right?

کلمه «پرنده» چهار حرف دارد، درسته؟

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

حالا بگذارید فرض کنیم این فقط یک معادله ساده است،

x "x" w = y.

X ضربدر W می‌شود Y.

I'm putting the times in scare quotes

من ضربدر را در گیومه گذاشته‌ام

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

چون اتفاقی که واقعا میافته،

is a very complicated series of mathematical operations.

مجموعه واقعا پیچیده‌ای از عملیات ریاضیه.

That's one equation.

این یک معادله‌ است،

There are three variables.

که سه متغیر داره.

And we all know that if you have one equation,

و همه ما می‌دانیم که اگه یک معادله داشته باشیم،

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

می‌توانیم یک متغیر را با دانستن دو متغیر دیگه بدست آوریم.

So the problem of inference,

پس در نتیجه،

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

به این شکل، مشخص می‌شود که تصویر یک پرنده، پرنده است،

is this one:

این یکی:

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

اینجاست که Y مجهوله و X و W معلوم.

You know the neural network, you know the pixels.

شبکه عصبی معلومه، پیکسل‌ها معلومند.

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

همونطور که می‌بینید، نسبتا یک مسئله سر راسته.

You multiply two times three and you're done.

دو رو ضربدر سه می‌کنی و تمومه.

I'll show you an artificial neural network

من یک شبکه عصبی مصنوعی رو نشونتون می‌دهم

that we've built recently, doing exactly that.

که اخیرا ساختیم که دقیقا همین کار رو می‌کنه.

This is running in real time on a mobile phone,

این بصورت زنده کار می‌کنه روی یک گوشی موبایل،

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

و البته این، خودش واقعا عالیه،

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

اون تلفن همراه می‌تونه میلیونها و میلیارد‌ها عملیات رو

per second.

در ثانیه انجام بده.

What you're looking at is a phone

چیزی که می‌بینید تلفن هست

looking at one after another picture of a bird,

به عکس‌های پرنده‌های مختلف نگاه می‌کنه،

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

و نه تنها می‌گه که « آره، این یک پرنده است»،

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

بلکه نوع پرنده رو هم با شبکه‌ای از این نوع تعیین می‌کنه.

So in that picture,

پس در این تصویر،

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

X و W معلومند، و Y مجهول.

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

معلومه که، من قسمت خیلی سخت رو مخفی کردم،

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

که ما چطور W رو پیدا می‌کنیم،

the brain that can do such a thing?

مغزی که این کار‌ها رو می‌کنه؟

How would we ever learn such a model?

ما واقعا چطور این مدل رو پیدا می‌کنیم؟

So this process of learning, of solving for w,

پس این مدل یادگیری برای W حل شده،

if we were doing this with the simple equation

اگه به شکل یک معادله ساده نگاهش کنیم

in which we think about these as numbers,

که به اونها به شکل عدد نگاه می‌کنیم،

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

معلومه که چکار می‌کنیم: ۶=۲xW ،

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

خوب، به دو تقسیمش می‌کنیم و تمومه.

The problem is with this operator.

مشکل این ضریبه،

So, division --

خوب، تقسیم --

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

ما از تقسیم استفاده می‌کنیم چون معکوس ضربه،

but as I've just said,

اما همونطور که گفتم،

the multiplication is a bit of a lie here.

ضرب واقعا حرف درستی نیست.

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

این یک عملیات خیلی، خیلی پیچیده غیر خطیه؛

it has no inverse.

که معکوس نداره.

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

پس باید راهی پیدا کنیم تا معادله رو حل کنیم

without a division operator.

بدون استفاده از تقسیم.

And the way to do that is fairly straightforward.

و راه اون نسبتا ساده‌است.

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

کافیه فقط، از یک کلک جبر استفاده کنیم،

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

و شش رو به سمت راست معادله ببریم.

Now, we're still using multiplication.

حالا، هنوز از ضرب استفاده می‌کنیم.

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

و اون صفر --رو بگذارید به عنوان خطا در نظر بگیریم.

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

به عبارت دیگر، اگر معادله را برای W به شکل صحیح حل کنیم،

then the error will be zero.

مقدار خطا صفر می‌شود.

And if we haven't gotten it quite right,

و اگر درست عمل نکنیم،

the error will be greater than zero.

مقدار خطا صفر نمی‌شود.

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

پس می‌تونیم حدس بزنیم تا مقدار خطا رو حداقل کنیم،

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

و این‌ها کارهایی است که رایانه‌ها در اون استادند.

So you've taken an initial guess:

پس یه فرض اولیه می‌کنی:

what if w = 0?

فرض کنیم W=0 ؟

Well, then the error is 6.

پس خطا معادل ۶ است.

What if w = 1? The error is 4.

پس اگه W=۱ بود چی؟ خطا ۴ می‌شود.

And then the computer can sort of play Marco Polo,

و رایانه به شکلی مارکوپولو بازی می‌کنه،

and drive down the error close to zero.

و مقدار خطا رو نزدیک به صفر کاهش می‌ده.

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

و به این شکل مقدار تقریبی W بدست می‌آید

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

معمولا، هیچوقت دقیقا به آن نمی رسد، ولی بعد از نزدیک ده مرحله،

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

ما به W=۲.۹۹ می‌رسیم، که به اندازه کافی مناسبه،

And this is the learning process.

و این مرحله یادگیریه.

So remember that what's been going on here

خوب حالا اتفاقی که اینجا می‌افته

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

اینه که تعداد زیادی X های معلوم و Yهای معلوم رو استفاده می‌کنیم

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

و از روش تکرار W رو محاسبه می‌کنیم.

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

این دقیقا همون روشیه که ما یادگیری رو انجام می‌دهیم.

We have many, many images as babies

مثل نوزادان ، تعداد خیلی، خیلی زیادی تصویر می‌بینیم

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

و بهشون می‌گیم، « این پرنده است؛ و این پرنده نیست.»

And over time, through iteration,

و در طول زمان، از طریق تکرار،

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

W را برای آن اتصالات عصبی بدست می‌اوریم.

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

پس حالا، ما برای بدست آوردن Y مقدار‌های X و W رو ثابت نگاه داشتیم؛

that's everyday, fast perception.

و این ادراک سریع روزانه‌است.

We figure out how we can solve for w,

فهمیدیم، که چطور W را محاسبه کنیم،

that's learning, which is a lot harder,

این یادگیری، خیلی سخت تره،

because we need to do error minimization,

چون باید خطا رو حداقل کنیم،

using a lot of training examples.

با استفاده از کلی نمونه برای یادگیری.

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

و حدود یک سال قبل، آلکس موردیوینسف، در تیم ما،

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

تصمیم گرفت تا بررسی کنه چه اتفاقی می‌افته اگر اون رو برای X حل کنیم،

given a known w and a known y.

اگه مقدار مشخصی برای W و Y داشته باشیم.

In other words,

به عبارت دیگر،

you know that it's a bird,

می‌دونید که این یک پرنده است،

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

شبکه عصبی که روی پرنده آموزش دیده رو دارید،

but what is the picture of a bird?

چه تصویری از پرنده بدست میاد؟

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

معلوم شده که با استفاده از همون شیوه کمینه کردن خطا،

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

می‌تونه با شبکه‌ای که برای تشخیص پرنده آموزش دیده،

and the result turns out to be ...

و نتیجه اون معلوم شد که ...

a picture of birds.

تصویر پرنده است.

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

این تصویر پرنده‌هاست که کاملا توسط یک شبکه عصبی ایجاد شده

that was trained to recognize birds,

که برای تضخیص پرنده آموزش دیده،

just by solving for x rather than solving for y,

تنها با حل کردن آن برای X بجای Y،

and doing that iteratively.

و تکرار اون.

Here's another fun example.

این یک مثال سرگرم کننده دیگه است.

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

این کاری است که توسط مایک تایکا در گروه ما انجام شده،

which he calls "Animal Parade."

که «رژه حیوانات» نامیده می‌شود.

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

که من رو بیاد کارهای هنری ویلیام کنتریج میاندازه،

in which he makes sketches, rubs them out,

که طراحی های دستی انجام می‌داده،

makes sketches, rubs them out,

طرح می‌کرده، و اونها رو محو می‌کرده،

and creates a movie this way.

و با اون فیلم می‌ساخته.

In this case,

در این حالت،

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

کاری که مایک انجام می‌ده تغییر Y در فضای حیوانات مختلف است،

in a network designed to recognize and distinguish

در شبکه‌ای که برای تشخیص و تعیین

different animals from each other.

حیولنات مختلف از همدیگر طراحی شده.

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

و شما این تصاویر گرافیکی اشتر گونه که از حیوانی به دیگری تبدیل میشه رو می‌بینید.

Here he and Alex together have tried reducing

اینجا او و الکس با هم سعی کرده‌اند

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

تا Y ها رو به فضای دو بعدی تبدیل کنند،

thereby making a map out of the space of all things

و اینطوری نقشه‌ای از فضای همه چیزهایی بسازند

recognized by this network.

که توسط این شبکه شناخته می‌شود.

Doing this kind of synthesis

با انجام این تحلیل ها

or generation of imagery over that entire surface,

یا تولید تصویر در کل سطح،

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

با تغییر Y روی سطح، یه نوع نقشه تولید می‌کنی --

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

یک نقشه تصویری از همه چیز‌‌هایی که شبکه میتونه تشخیص بده.

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

همه حیوانات اینجا هستند؛ «گورکن» درست اونجاست.

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

اینکار رو می‌تونی با انواع دیگر شبکه انجام بدی.

This is a network designed to recognize faces,

این شبکه‌ای است که برای تشخیص چهره طراحی شده،

to distinguish one face from another.

برای تشخیص یک صورت از صورت دیگر.

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

و اینجا، در Y، ما مقداری رو می‌گذاریم که بیانگر «من» هست،

my own face parameters.

مقادیر صورت خودم.

And when this thing solves for x,

و اگه معادله رو برای X حل کنیم،

it generates this rather crazy,

این چیز عجیب،

kind of cubist, surreal, psychedelic picture of me

تصویر روانپریشی از من، شبیه سبک کوبیسم، سور رئال

from multiple points of view at once.

از چند زاویه دید همزمان.

The reason it looks like multiple points of view at once

دلیل اینکه تصویر از چند زاویه دید همزمان تولید شده

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

اینه که شبکه برای این طراحی شده

of a face being in one pose or another pose,

تا تغییر وضعیت صورت مبهم نباشه،

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

یا اگر به اون با نور‌های مختلف نگاه بشه.

So when you do this sort of reconstruction,

پس وقتی این باز‌سازی ها رو انجام بدهی،

if you don't use some sort of guide image

اگر یک تصویر راهنما نداشته باشی،

or guide statistics,

یا اطلاعات اولیه،

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

ترکیبی از زوایای دید مختلف بدست می‌آوری،

because it's ambiguous.

چون مبهمه.

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

این نتیجه‌ای است که آلکس وقتی از تصویر صورت خودش به عنوان راهنما

during that optimization process to reconstruct my own face.

در فرایند بهینه سازی برای ایجاد صورت من استفاده کرده.

So you can see it's not perfect.

به نظر عالی نیست.

There's still quite a lot of work to do

هنوز باید کار‌های زیادی

on how we optimize that optimization process.

در بهینه سازی و روش‌های آن انجام شود.

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

اما شروع کرده‌ایم تا چیزی شبیه به صورتی منسجم بدست آوریم ،

rendered using my own face as a guide.

که از صورت من به عنوان مبنا استفاده کرده.

You don't have to start with a blank canvas

نیاز نیست تا از یک صفحه خالی شروع کنی

or with white noise.

یا از نویز سفید.

When you're solving for x,

اگر معادله را برای X حل کنی،

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

می تونی با یک X شروع کنی، که خودش تصویر دیگری است.

That's what this little demonstration is.

که همین نمونه‌ایست که می‌بینید.

This is a network that is designed to categorize

این شبکه‌ای است که طراحی شده

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

تا تمامی انواع اشیاء را طبقه بندی کند -- ساخته‌های انسان، حیوانات ...

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

اینجا با تصویری از ابر شروع می‌کنیم،

and as we optimize,

و همونطور که بهنینه سازی می‌کنیم.

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

اساسا، این شبکه چیزی را که در ابرها می‌بیند را پیدا می‌کند.

And the more time you spend looking at this,

و هرچه بیشتر روی آن وقت بگذاری،

the more things you also will see in the clouds.

چیزهای بیشتری در آن می‌بینی.

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

می‌توان از شبکه عصبی تشخیص صورت برای خبال پردازی در آن استفاده کرد،

and you get some pretty crazy stuff.

و چیزهای عجیب و غریب زیادی می‌بینی.

(Laughter)

( خنده حضار )

Or, Mike has done some other experiments

یا، مایک آزمایش‌های دیگری انجام داده

in which he takes that cloud image,

که در آن عکس‌های ابر را گرفته،

hallucinates, zooms, hallucinates, zooms hallucinates, zooms.

خیال پردازی، بزرگ نمایی، خیال پردازی، بزرک نمایی.

And in this way,

و به این شکل،

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

به نظرم، به شکلی در یک وضعیت گیجی شبکه قرار می‌گیری ،

or a sort of free association,

یا نوعی از ترکیب‌های آزاد،

in which the network is eating its own tail.

که در آن شبکه دم خودش را می‌خورد.

So every image is now the basis for,

پس هر تصویر حالا پایه‌ای برای،

"What do I think I see next?

« فکر می‌کنم بعدی چیه؟

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

فکر می‌کنم بعدی چیه؟ فکر می‌کنم بعدی چیه؟» خواهد بود

I showed this for the first time in public

اولین باری که برای عموم

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

و گروهی به نام «تحصیلات عالی» در سیاتل این را نشان دادم --

this was right after marijuana was legalized.

درست وقتی بود که ماریجوانا قانونی شد.

(Laughter)

( خنده حضار )

So I'd like to finish up quickly

خوب باید زودتر جمع بندی کنم

by just noting that this technology is not constrained.

با اشاره به اینکه این فناوری هنوز محدود نشده.

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

من تنها مثال‌های کاملا تصویری آن را نشان دادم چون دیدنشان لذت بخش است.

It's not a purely visual technology.

ولی این تنها یک فناوری تصویری نیست.

Our artist collaborator, Ross Goodwin,

همکار هنری ما، راس گودوین،

has done experiments involving a camera that takes a picture,

آزمایش‌هایی انجام داده که در آن دوربینی عکس می گیرد،

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

و رایانه‌ای که در کوله پشتی‌اش است در موردش با شبکه عصبی شعری می‌گوید،

based on the contents of the image.

با توجه به محتویات تصویر.

And that poetry neural network has been trained

و این شبکه عصبی شاعر روی

on a large corpus of 20th-century poetry.

مجموعه بزرگی از اشعار قرن بیستم آموزش دیده.

And the poetry is, you know,

و به نظر من اشعارش،

I think, kind of not bad, actually.

واقعا، خیلی هم بد نیست.

(Laughter)

( خنده حضار )

In closing,

در خاتمه،

I think that per Michelangelo,

فکر کنم میکل آنژ،

I think he was right;

درست می‌گفت که؛

perception and creativity are very intimately connected.

ادراک و خلاقیت ذاتا بسیار به هم نزدیکند.

What we've just seen are neural networks

چیزهایی که دیدیم شبکه های عصبی‌اند

that are entirely trained to discriminate,

که تنها آموزش دیده‌اند تا تشخیص دهند،

or to recognize different things in the world,

یا چیز‌های متفاوتی را در دنیا بشناسند،

able to be run in reverse, to generate.

و می‌توانند معکوس عمل کنند و تولید کنند.

One of the things that suggests to me

یکی از چیز‌هایی که به نظرم می‌رسد

is not only that Michelangelo really did see

این است که تنها میکل آنژ نیست

the sculpture in the blocks of stone,

که مجسمه‌ای در قطعه‌ای سنگ می‌بیند،

but that any creature, any being, any alien

بلکه هر مخلوقی، هر موجودی، هر موجود فرازمینی

that is able to do perceptual acts of that sort

که بتواند گونه ای از فعالیتی ادراکی داشته باشد

is also able to create

هم می‌تواند خلاقیت داشته باشد

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

چون واقعا یک دستگاه هر دو کار را انجام می‌دهد.

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

همچنین، به نظر من ادراک و خلاقیت به هیچ وجه

uniquely human.

تنها مختص انسان نیستند.

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

مدل‌های رایانه‌ای را می‌بینیم که دقیقا اینگونه کار‌ها را انجام می‌دهند.

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

و نباید تعجب کرد؛ چون مغز هم محاسباتی است.

And finally,

و در پایان،

computing began as an exercise in designing intelligent machinery.

برنامه ریزی رایانه شروع به طراحی دستگاه‌های هوشمند کرده است.

It was very much modeled after the idea

وساخت آن قطعا پس از این نظر

of how could we make machines intelligent.

که چطور می‌توانیم دستگاه‌ها را هوشمند کنیم انجام شده.

And we finally are starting to fulfill now

و نهایتا حالا شروع به انجام آن کرده‌ایم

some of the promises of those early pioneers,

بعضی از وعده‌های این پیشگامان،

of Turing and von Neumann

تورینگ و فون نومان

and McCulloch and Pitts.

و مک کولچ و پیت.

And I think that computing is not just about accounting

و از دید من رایانه تنها برای حسابداری

or playing Candy Crush or something.

یا بازی کندی‌کراش و این چیز‌ها نیست.

From the beginning, we modeled them after our minds.

از آغاز آنها را بر مبنای ذهن‌مان ساخته ایم.

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

و به ما این امکان را دادند تا ذهنمان را بهتربشناسیم

and to extend them.

و توسعه دهیم.

Thank you very much.

خیلی از شما متشکرم.

(Applause)

( تشویق حضار )