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


Veuillez double-cliquer sur les sous-titres anglais ci-dessous pour lire la vidéo.

Traducteur: Anthony Couturier Relecteur: Elisabeth Buffard
00:04
I'd like to start by asking you to imagine a color
0
4543
4379
J’aimerais commencer en vous demandant d’imaginer une couleur
00:08
that you've never seen before.
1
8922
2544
que vous n’avez encore jamais vue.
00:12
Just for a second give this a try.
2
12217
2252
Essayez un instant.
00:14
Can you actually visualize a color that you've never been able to perceive?
3
14928
4463
Pouvez-vous visualiser une couleur que vous n’avez encore jamais perçue ?
00:20
I never seem to get tired of trying this
4
20892
2878
Je ne me lasse jamais d’essayer de le faire
00:23
although I know it's not an easy challenge.
5
23770
2795
même si je suis consciente que ce n’est pas un défi facile.
00:26
And the thing is,
6
26606
1210
Voyez-vous,
00:27
we can't imagine something without drawing upon our experiences.
7
27857
4880
on ne peut pas imaginer quelque chose sans s’appuyer sur nos expériences.
00:33
A color we haven't yet seen
8
33655
2002
Une couleur que nous n’avons jamais vue,
00:35
outside the spectrum we can perceive
9
35699
2836
hors du spectre de notre perception,
00:38
is outside our ability to conjure up.
10
38535
2502
est hors de notre champ des possibles.
00:42
It's almost like there's a boundary to our imagination
11
42372
3212
C’est presque comme s’il y avait une limite à notre imagination
00:45
where all the colors we can imagine
12
45625
2002
faisant que les couleurs qu’on peut imaginer ne peuvent être
00:47
can only be various shades of other colors we have previously seen.
13
47627
4505
que certaines nuances d’autres couleurs que nous avons déjà vues.
00:52
Yet we know for a fact
14
52841
2210
Nous savons pourtant parfaitement
00:55
that those color frequencies outside our visible spectrum are there.
15
55051
4463
que des fréquences de couleur existent hors du spectre visible.
01:00
And scientists believe that there are species
16
60223
5339
Les scientifiques pensent que certaines espèces
01:05
that have many more photo receptors
17
65562
3503
ont beaucoup plus de photorécepteurs
01:09
than just the three color ones we humans have.
18
69107
4880
que les seuls trois que nous, humains, possédons.
01:13
Which, by the way,
19
73987
1835
D’ailleurs,
01:15
not all humans see the world in the same way.
20
75864
3295
tous les humains ne voient pas le monde de la même façon.
01:19
Some of us are colorblind to various degrees,
21
79200
4505
Certains d’entre nous sont daltoniens, à des degrés différents,
01:23
and very often we don't even agree on small things,
22
83705
4713
et nous ne sommes très souvent pas d’accord sur des détails,
01:28
like if a dress on the internet is blue and black or white and gold.
23
88460
5005
par exemple, si une robe sur Internet est bleue et noire, ou blanche et or.
01:34
But my favorite creature, one of my favorite creatures,
24
94215
4380
Ma créature préférée, en tout cas une de mes préférées,
01:38
is the peacock mantis shrimp,
25
98595
2335
est la squille multicolore.
01:40
which is estimated to have 12 to 16 photo receptors.
26
100972
5297
On estime qu’elle possède 12 à 16 photorécepteurs.
01:46
And that indicates the world to them might look so much more colorful.
27
106269
5798
Ça signifie que le monde doit être beaucoup plus coloré pour ces animaux.
01:54
So what about artificial intelligence?
28
114194
2836
Qu’en est-il de l’IA, l’intelligence artificielle ?
01:57
Can AI help us see beyond our human capabilities?
29
117947
3838
Peut-elle nous aider à voir au-delà de nos capacités humaines ?
02:03
Well, I've been working with AI for the past five years,
30
123203
3670
J’ai travaillé avec l’IA au cours des cinq dernières années,
02:06
and in my experience, it can see within the data it gets fed.
31
126873
4630
et selon mon expérience,
elle peut voir dans les limites des données qu’on lui fournit.
02:12
But then you might be wondering, OK,
32
132420
2586
Vous devez vous dire :
02:15
if AI can't help imagine anything new,
33
135006
3337
« Si l’IA ne peut pas aider à imaginer quelque chose de nouveau,
02:18
why would an artist see any point in using it?
34
138385
2794
pourquoi un artiste y verrait-il un intérêt à s’en servir ? »
02:21
And my answer to that is because I think that it can help augment our creativity
35
141930
4254
Je pense que c’est parce qu’elle peut aider à développer notre créativité.
02:26
as there's value in creating combinations of known elements to form new ones.
36
146226
6173
Il est en effet utile de créer des combinaisons d’éléments connus
pour en faire de nouveaux.
02:33
And this boundary of what we can imagine based on what we have experienced
37
153858
5422
Cette limite qui entoure ce qu’on peut imaginer
en s’inspirant des expériences passées
02:39
is the place that I have been exploring.
38
159322
2419
est l’endroit que j’ai exploré.
02:42
For me, it started with jellyfish on a screen at an aquarium
39
162200
5005
Tout a commencé pour moi lorsque j’ai vu une méduse sur un écran dans un aquarium.
02:47
and wearing those old 3D glasses, which I hope you remember,
40
167247
3712
Je portais ces vieilles lunettes 3D,
vous savez desquelles je parle, celles avec les filtres bleus et rouges.
02:51
the ones with the blue and red lens.
41
171000
1919
02:53
And this experience made me want to recreate their textures.
42
173336
4213
Cette expérience m’a donné envie de recréer leurs textures.
02:57
But not just that,
43
177882
1168
Mais ce n’est pas tout,
02:59
I also wanted to create new jellyfish
44
179092
1960
je voulais aussi créer de nouvelles méduses
03:01
that I hadn't seen before, like these.
45
181052
2878
que je n’avais encore jamais vues, comme celles-ci.
03:04
And what started with jellyfish,
46
184556
1543
Ce qui a commencé avec une méduse s’est très rapidement étendu
03:06
very quickly escalated to other sea creatures
47
186099
3587
à d’autres créatures de la mer
03:09
like sea anemone, coral and fish.
48
189686
4254
comme des anémones, du corail et des poissons,
03:14
And then from there came amphibians, birds and insects.
49
194524
5756
puis j’ai continué avec des amphibiens, des oiseaux et des insectes.
03:20
And this became a series called “Neural Zoo”.
50
200739
2919
C’est devenu une série appelée « Neural Zoo ».
03:25
But when you look closely, what do you see?
51
205618
3629
Si vous regardez attentivement,
que voyez-vous ?
03:29
There's no single creature in these images.
52
209289
3962
Il n’y a aucune créature isolée dans ces images.
03:33
And AI augments my creative process
53
213710
3378
L’IA stimule ma créativité
03:37
by allowing me to distill and recombine textures.
54
217130
4671
puisqu’elle me permet de distiller et de recombiner des textures.
03:41
And that's something that would otherwise take me months to draw by hand.
55
221801
4588
Sans elle, ça me prendrait des mois à dessiner à la main.
03:47
Plus I'm actually terrible at drawing.
56
227015
1877
De toute façon, je suis nulle en dessin.
03:49
So you could say, in a way, what I'm doing
57
229476
3169
On pourrait dire que ce que je fais, d’une certaine façon,
03:52
is a contemporary version of something
58
232687
1960
est une version moderne de quelque chose
03:54
that humans have already been doing for a long time,
59
234689
2753
que les humains font depuis longtemps déjà,
03:57
even before cameras existed.
60
237484
2669
bien avant l’arrivée des appareils photo.
04:01
In medieval times,
61
241738
1793
Au Moyen-Âge,
04:03
people went on expeditions,
62
243573
2211
des gens partaient en expédition
04:05
and when they came back they would share about what they saw
63
245825
3504
et ils décrivaient, à leur retour, ce qu’ils avaient vu à un illustrateur.
04:09
to an illustrator.
64
249370
1377
04:10
And the illustrator, having never seen what was being described,
65
250789
4129
Cet illustrateur, n’ayant jamais vu ce qui lui était décrit,
04:14
would end up drawing
66
254959
1627
finissait par dessiner
04:16
based on the creatures that they had previously seen
67
256628
2460
des créatures inspirées de ce qu’il avait déjà vu
04:19
and in the process creating hybrid animals of some sort.
68
259088
3170
et créait donc par ce biais des genres d’animaux hybrides.
04:22
So an explorer might describe a beaver, but having never seen one,
69
262675
4338
Si on décrivait un castor à l’illustrateur mais qu’il n’en avait jamais vu avant,
04:27
the illustrator might give it the head of a rodent,
70
267055
2419
il aurait pu le dessiner avec la tête d’un rongeur,
04:29
the body of a dog and a fish-like tail.
71
269474
2419
le corps d’un chien et une queue de poisson.
04:32
In the series “Artificial Natural History”,
72
272560
2670
Pour la série nommée « Artificial Natural History »,
04:35
I took thousands of illustrations from a natural history archives,
73
275271
4588
j’ai pris des milliers d’illustrations dans les archives de l’histoire naturelle
04:39
and I fed them to a neural network to generate new versions of them.
74
279901
5297
et je les ai intégrées dans un réseau neuronal
pour en générer de nouvelles versions.
04:45
But up until now, all my work was done in 2D.
75
285990
4171
Jusqu’à maintenant, je travaillais uniquement en 2D.
04:51
And with the help of my studio partner, Feileacan McCormick,
76
291246
3545
Avec l’aide de mon partenaire de studio, Feileacan McCormick,
04:54
we decided to train a neural network on a data set of 3D scanned beetles.
77
294833
5422
nous avons décidé d’entraîner un réseau neuronal
avec un jeu de données de scarabées scannés en 3D.
05:00
But I must warn you that our first results were extremely blurry,
78
300839
4546
Je vous préviens, nos premiers résultats n’étaient vraiment pas nets.
05:05
and they looked like the blobs you see here.
79
305426
2253
Ils ressemblaient à ces trucs flous.
05:08
And this could be due to many reasons,
80
308346
1835
Il y a plusieurs raisons à ça, mais l’une d’entre elles est le manque
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
de jeux de données d’insectes 3D en accès libre.
05:17
And also we were repurposing
83
317188
2127
De plus, nous avons modifié la fonction
05:19
a neural network that normally gets used to generate images to generate 3D.
84
319357
5214
d’un réseau neuronal qui servait normalement à générer des images
pour générer de la 3D.
05:24
So believe it or not, these are very exciting blobs to us.
85
324612
4380
Que vous soyez convaincus ou pas,
ces trucs flous sont très encourageants pour nous.
05:29
But with time and some very hacky solutions
86
329784
3879
Avec le temps,
et grâce à des solutions basiques, comme l’augmentation de données,
05:33
like data augmentation,
87
333705
2294
05:36
where we threw in ants and other beetle-like insects
88
336040
3754
où nous avons rajouté des fourmis et d’autres insectes de type scarabée
05:39
to enhance the data set,
89
339794
2503
pour élargir le jeu de données,
05:42
we ended up getting this,
90
342338
2628
nous avons fini par obtenir ceci,
05:44
which we've been told they look like grilled chicken.
91
344966
2544
que certains disent ressembler à des poulets grillés.
05:47
(Laughter)
92
347552
1752
(Rires)
05:49
But hungry for more, we pushed our technique,
93
349345
4797
Nous voulions aller plus loin.
Nous avons donc fait progresser notre technique
05:54
and eventually they ended up looking like this.
94
354183
3713
jusqu’à ce qu’ils finissent par ressembler à ça.
05:58
We use something called 3D style transfer to map textures onto them,
95
358479
5047
Nous nous servons d’une technique appelée transfert de style 3D
pour créer leurs textures
06:03
and we also trained a natural language model
96
363568
3670
et nous avons aussi entraîné un modèle de langage naturel
06:07
to generate scientific-like names
97
367280
2544
pour générer des noms à consonance scientifique
06:09
and anatomical descriptions.
98
369866
1918
et des descriptions anatomiques.
06:12
And eventually we even found a network architecture that could handle 3D meshes.
99
372869
4963
Nous avons même fini par trouver une architecture de réseau
capable de traiter les maillages 3D,
06:17
So they ended up looking like this.
100
377874
2377
et voici ce que nous avons obtenu.
06:21
And for us, this became a way of creating kind of a speculative study --
101
381836
4838
C’est devenu pour nous un moyen de créer une sorte d’étude spéculative...
06:26
(Applause)
102
386716
2669
(Applaudissements)
06:29
A speculative study of creatures that never existed,
103
389427
3629
une étude spéculative de créatures qui n’ont jamais existé,
06:33
kind of like a speculative biology.
104
393097
2294
une sorte de biologie spéculative.
06:37
But I didn't want to talk about AI and its potential
105
397685
4421
Je n’aurais pas parlé de l’IA et de son potentiel
06:42
unless it brought me closer to a real species.
106
402148
3629
si je n’avais pas pu faire le lien avec une véritable espèce.
06:46
Which of these do you think is easier to find data about online?
107
406486
4880
Selon vous, sur lequel est-il plus facile de trouver des données sur Internet ?
06:51
(Laughter)
108
411366
1918
(Rires)
06:53
Yeah, well, as you guessed correctly, the red panda.
109
413326
4004
Le panda roux, bien évidemment.
06:57
And this maybe could be due to many reasons,
110
417830
3420
Probablement pour plusieurs raisons,
07:01
but one of them being how cute they are,
111
421292
4046
l’une d’entre elles étant le fait qu’ils soient très mignons.
07:05
which means we photograph and talk about them a lot,
112
425338
4588
Ça explique qu’ils soient beaucoup photographiés et qu’on en parle beaucoup,
07:09
unlike the boreal felt lichen.
113
429926
2002
contrairement à l’érioderme boréal.
07:12
But both of them are classified as endangered.
114
432679
2877
Les deux sont pourtant menacés.
07:16
So I wanted to bring visibility to other endangered species
115
436349
4880
Je souhaitais apporter de la visibilité aux autres espèces menacées,
07:21
that don't get the same amount of digital representation
116
441270
4755
moins présentes sur Internet que l’adorable panda roux.
07:26
as a cute, fluffy red panda.
117
446025
2002
07:28
And to do this,
118
448861
1710
Pour y parvenir,
07:30
we trained an AI on millions of images of the natural world,
119
450613
5005
nous avons entraîné une IA avec des millions d’images de la nature
07:35
and then we prompted with text
120
455660
2085
avant d’entrer un texte
07:37
to generate some of these creatures.
121
457787
2294
pour générer certaines de ces créatures.
07:40
So when prompted with a text,
122
460123
3712
Quand on a entré le texte
07:43
"an image of a critically endangered spider, the peacock tarantula"
123
463876
4713
« une image d’une araignée en danger critique, la mygale bleue »
07:48
and its scientific name,
124
468589
1669
avec son nom scientifique,
07:50
our model generated this.
125
470299
2378
notre modèle a généré ceci.
07:55
And here's an image of the real peacock tarantula,
126
475972
3211
Voici une image d’une vraie mygale bleue,
07:59
which is a wonderful spider endemic to India.
127
479225
3128
une araignée extraordinaire, endémique de l’Inde.
08:02
But when prompted with a text
128
482812
2878
Mais quand nous avons entré le texte
08:05
"an image of a critically endangered bird, the mangrove finch,"
129
485732
4170
« une image d’un oiseau en danger critique,
le géospize des mangroves »,
08:09
our model generated this.
130
489944
2669
notre modèle a généré ceci.
08:14
And here's a photo of the real mangrove finch.
131
494532
2711
Voici maintenant une photo d’un vrai géospize des mangroves.
08:17
Both these creatures exist in the wild,
132
497702
2878
Ces deux créatures existent dans la nature,
08:20
but the accuracy of each generated image is fully dependent on the data available.
133
500621
5965
mais la précision de chaque image générée
dépend entièrement des données disponibles.
08:27
These chimeras of our everyday data
134
507462
2961
Ces chimères issues de nos simples données
08:30
to me are a different way of how the future could be.
135
510423
3670
sont pour moi une autre façon de voir à quoi le futur pourrait ressembler.
08:34
Not in a literal sense, perhaps,
136
514802
2836
Peut-être pas de façon littérale,
08:37
but in the sense that through practicing the expanding of our own imagination
137
517680
6423
mais en se disant qu’en nous entraînant et en développant notre imagination
08:44
about the ecosystems we are a part of,
138
524145
3045
sur les écosystèmes dont nous faisons partie,
08:47
we might just be better equipped to recognize new opportunities
139
527231
3170
nous serions plus préparés pour reconnaître
de nouvelles opportunités et du potentiel.
08:50
and potential.
140
530443
1335
08:52
Knowing that there's a boundary to our imagination
141
532236
3128
Savoir que notre imagination est limitée
08:55
doesn't have to feel limiting.
142
535406
2211
ne doit pas être perçue comme une limite.
08:58
On the contrary,
143
538159
1293
Au contraire,
08:59
it can help motivate us to expand that boundary further
144
539452
3420
ça peut nous aider à repousser cette limite,
09:02
and to seek out colors and things we haven't yet seen
145
542914
3962
à partir à la recherche de couleurs et de choses que nous n’avons jamais vues,
09:06
and perhaps enrich our imagination as a result.
146
546918
3295
et peut-être à arriver à plus stimuler notre imagination.
09:10
So thank you.
147
550546
1168
Merci.
09:11
(Applause)
148
551714
4046
(Applaudissements)
À propos de ce site Web

Ce site vous présentera des vidéos YouTube utiles pour apprendre l'anglais. Vous verrez des leçons d'anglais dispensées par des professeurs de premier ordre du monde entier. Double-cliquez sur les sous-titres anglais affichés sur chaque page de vidéo pour lire la vidéo à partir de là. Les sous-titres défilent en synchronisation avec la lecture de la vidéo. Si vous avez des commentaires ou des demandes, veuillez nous contacter en utilisant ce formulaire de contact.

https://forms.gle/WvT1wiN1qDtmnspy7