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

44,342 views ・ 2022-11-30

TED


Silakan klik dua kali pada teks bahasa Inggris di bawah ini untuk memutar video.

Translator: dyah ayu kusumastuty Reviewer: aditya prayogi
00:04
I'd like to start by asking you to imagine a color
0
4543
4379
Saya ingin memulai dengan meminta Anda membayangkan warna
00:08
that you've never seen before.
1
8922
2544
yang belum pernah Anda lihat.
00:12
Just for a second give this a try.
2
12217
2252
Coba ini sebentar saja.
00:14
Can you actually visualize a color that you've never been able to perceive?
3
14928
4463
Dapatkah Anda membayangkan warna yang belum pernah Anda lihat?
00:20
I never seem to get tired of trying this
4
20892
2878
Saya tidak pernah bosan melakukan ini
00:23
although I know it's not an easy challenge.
5
23770
2795
meskipun saya tahu bukanlah tantangan yang mudah.
00:26
And the thing is,
6
26606
1210
Masalahnya,
00:27
we can't imagine something without drawing upon our experiences.
7
27857
4880
kita tidak bisa membayangkan sesuatu tanpa pernah mengalaminya.
00:33
A color we haven't yet seen
8
33655
2002
Warna yang belum pernah kita lihat
00:35
outside the spectrum we can perceive
9
35699
2836
dan di luar spektrum yang bisa kita kenali
00:38
is outside our ability to conjure up.
10
38535
2502
berada di luar kemampuan kita untuk membayangkan.
00:42
It's almost like there's a boundary to our imagination
11
42372
3212
Seakan ada batasan pada imajinasi kita
00:45
where all the colors we can imagine
12
45625
2002
karena semua warna yang bisa kita bayangkan
00:47
can only be various shades of other colors we have previously seen.
13
47627
4505
hanya mampu menjadi warna-warna lain sesudah kita lihat sebelumnya.
00:52
Yet we know for a fact
14
52841
2210
Namun kita tahu dengan pasti
terdapat frekuensi warna di luar spektrum yang mampu kita lihat.
00:55
that those color frequencies outside our visible spectrum are there.
15
55051
4463
01:00
And scientists believe that there are species
16
60223
5339
Dan para ilmuwan percaya terdapat spesies
01:05
that have many more photo receptors
17
65562
3503
yang memiliki lebih banyak jenis sel fotoreseptor
dibandingkan tiga jenis sel yang kita miliki sebagai manusia.
01:09
than just the three color ones we humans have.
18
69107
4880
01:13
Which, by the way,
19
73987
1835
Tentunya,
01:15
not all humans see the world in the same way.
20
75864
3295
tidak semua manusia melihat dunia dengan cara yang sama.
Beberapa dari kita buta warna dengan berbagai tingkatan,
01:19
Some of us are colorblind to various degrees,
21
79200
4505
01:23
and very often we don't even agree on small things,
22
83705
4713
dan bahkan sangat sering kita tidak setuju pada hal-hal kecil,
01:28
like if a dress on the internet is blue and black or white and gold.
23
88460
5005
misalnya apakah sebuah gaun di internet biru dan hitam atau putih dan emas.
Tapi makhluk favorit saya, salah satu dari makhluk-makhluk favorit saya,
01:34
But my favorite creature, one of my favorite creatures,
24
94215
4380
01:38
is the peacock mantis shrimp,
25
98595
2335
adalah udang mantis merak,
01:40
which is estimated to have 12 to 16 photo receptors.
26
100972
5297
yang diperkirakan memiliki 12 hingga 16 jenis sel fotoreseptor.
01:46
And that indicates the world to them might look so much more colorful.
27
106269
5798
Membuat dunia mungkin terlihat jauh lebih berwarna bagi mereka.
Lalu bagaimana dengan Kecerdasan Buatan (AI)?
01:54
So what about artificial intelligence?
28
114194
2836
01:57
Can AI help us see beyond our human capabilities?
29
117947
3838
Dapatkah AI membantu kita melihat di luar kemampuan manusia?
Well, saya sudah bekerja dengan AI selama lima tahun terakhir,
02:03
Well, I've been working with AI for the past five years,
30
123203
3670
02:06
and in my experience, it can see within the data it gets fed.
31
126873
4630
dan menurut pengalaman, AI melihat di dalam data yang diumpankan padanya.
02:12
But then you might be wondering, OK,
32
132420
2586
Tapi Anda mungkin bertanya-tanya, OK,
jika AI tidak dapat membantu membayangkan sesuatu yang baru,
02:15
if AI can't help imagine anything new,
33
135006
3337
02:18
why would an artist see any point in using it?
34
138385
2794
mengapa seorang seniman masih melihat kegunaannya?
02:21
And my answer to that is because I think that it can help augment our creativity
35
141930
4254
Jawabannya, saya pikir AI dapat membantu memperkuat kreativitas
karena berguna dalam menciptakan kombinasi dari unsur-unsur yang sudah dikenal
02:26
as there's value in creating combinations of known elements to form new ones.
36
146226
6173
menjadi unsur-unsur baru.
02:33
And this boundary of what we can imagine based on what we have experienced
37
153858
5422
Dan batasan dari apa yang bisa kita bayangkan berdasarkan pengalaman kita
adalah area yang saya jelajahi.
02:39
is the place that I have been exploring.
38
159322
2419
Bagi saya, semua berawal dari ubur-ubur di layar akuarium,
02:42
For me, it started with jellyfish on a screen at an aquarium
39
162200
5005
melihatnya dengan kacamata 3D tua, semoga Anda ingat, yang berlensa biru dan merah.
02:47
and wearing those old 3D glasses, which I hope you remember,
40
167247
3712
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
Pengalaman ini membuat saya ingin membuat ulang komposisi ubur-ubur itu.
02:57
But not just that,
43
177882
1168
Tapi tidak hanya itu,
saya juga ingin menciptakan ubur-ubur baru
02:59
I also wanted to create new jellyfish
44
179092
1960
yang belum pernah saya lihat sebelumnya, seperti ini.
03:01
that I hadn't seen before, like these.
45
181052
2878
Dan apa yang dimulai dengan ubur-ubur,
03:04
And what started with jellyfish,
46
184556
1543
dengan cepat meningkat ke makhluk laut lain
03:06
very quickly escalated to other sea creatures
47
186099
3587
03:09
like sea anemone, coral and fish.
48
189686
4254
seperti anemon laut, karang, dan ikan.
03:14
And then from there came amphibians, birds and insects.
49
194524
5756
Kemudian amphibia, burung, dan serangga.
03:20
And this became a series called “Neural Zoo”.
50
200739
2919
Akhirnya menjadi seri yang disebut "Neural Zoo".
03:25
But when you look closely, what do you see?
51
205618
3629
Tapi saat Anda lihat dari dekat, apa yang Anda lihat?
Tidak ada satu pun makhluk hidup dalam gambar-gambar ini.
03:29
There's no single creature in these images.
52
209289
3962
03:33
And AI augments my creative process
53
213710
3378
AI meningkatkan proses kreatif
dengan memungkinkan saya menyaring dan menggabungkan kembali komposisinya.
03:37
by allowing me to distill and recombine textures.
54
217130
4671
03:41
And that's something that would otherwise take me months to draw by hand.
55
221801
4588
Sesuatu yang memerlukan waktu berbulan- bulan jika digambar dengan tangan.
Ditambah lagi, saya benar-benar buruk dalam menggambar.
03:47
Plus I'm actually terrible at drawing.
56
227015
1877
03:49
So you could say, in a way, what I'm doing
57
229476
3169
Anda bisa katakan, sedikit banyak yang saya lakukan
adalah versi kontemporer dari sesuatu
03:52
is a contemporary version of something
58
232687
1960
03:54
that humans have already been doing for a long time,
59
234689
2753
yang dilakukan oleh manusia sejak lama
bahkan sebelum ada kamera.
03:57
even before cameras existed.
60
237484
2669
04:01
In medieval times,
61
241738
1793
Pada abad pertengahan,
04:03
people went on expeditions,
62
243573
2211
orang-orang melakukan penjelajahan,
04:05
and when they came back they would share about what they saw
63
245825
3504
dan ketika kembali, mereka akan membagikan apa yang dilihat
dengan ilustrator.
04:09
to an illustrator.
64
249370
1377
04:10
And the illustrator, having never seen what was being described,
65
250789
4129
Dan ilustrator, karena belum pernah melihat apa yang dijelaskan,
04:14
would end up drawing
66
254959
1627
akhirnya menggambar
berdasarkan makhluk-makhluk yang pernah mereka lihat sebelumnya
04:16
based on the creatures that they had previously seen
67
256628
2460
dan dalam prosesnya membuat semacam hewan hibrida.
04:19
and in the process creating hybrid animals of some sort.
68
259088
3170
Seorang penjelajah mungkin menjelaskan tentang seekor berang-berang,
04:22
So an explorer might describe a beaver, but having never seen one,
69
262675
4338
tetapi karena belum pernah melihatnya,
ilustrator mungkin menggambar kepalanya seperti tikus,
04:27
the illustrator might give it the head of a rodent,
70
267055
2419
04:29
the body of a dog and a fish-like tail.
71
269474
2419
tubuhnya seperti anjing dan ekornya seperti ikan.
04:32
In the series “Artificial Natural History”,
72
272560
2670
Dalam seri "Artificial Natural History",
saya mengambil ribuan ilustrasi dari arsip sejarah alam
04:35
I took thousands of illustrations from a natural history archives,
73
275271
4588
04:39
and I fed them to a neural network to generate new versions of them.
74
279901
5297
dan mengumpankannya ke jaringan neural untuk menghasilkan versi yang baru.
04:45
But up until now, all my work was done in 2D.
75
285990
4171
Namun sejauh ini, semua pekerjaan saya berbentuk 2D.
Kemudian dengan bantuan mitra studio saya, Feileacan McCormick,
04:51
And with the help of my studio partner, Feileacan McCormick,
76
291246
3545
04:54
we decided to train a neural network on a data set of 3D scanned beetles.
77
294833
5422
kami memutuskan melatih jaringan neural
pada kumpulan data kumbang yang dipindai secara 3D.
05:00
But I must warn you that our first results were extremely blurry,
78
300839
4546
Tapi saya harus peringatkan Anda kalau hasil pertamanya sangat buram,
dan terlihat seperti gumpalan yang Anda lihat di sini.
05:05
and they looked like the blobs you see here.
79
305426
2253
Ini bisa disebabkan oleh banyak hal,
05:08
And this could be due to many reasons,
80
308346
1835
tapi salah satunya karena tidak banyak
05:10
but one of them being that there aren't really a lot
81
310181
2461
kumpulan data serangga 3D yang tersedia secara terbuka.
05:12
of openly available data sets of 3D insects.
82
312642
4504
Dan juga karena kami mengubah tujuan
05:17
And also we were repurposing
83
317188
2127
jaringan neural yang biasanya digunakan untuk menghasilkan gambar (2D) menjadi 3D.
05:19
a neural network that normally gets used to generate images to generate 3D.
84
319357
5214
05:24
So believe it or not, these are very exciting blobs to us.
85
324612
4380
Jadi, percaya atau tidak, ini adalah gumpalan yang sangat menarik buat kami.
05:29
But with time and some very hacky solutions
86
329784
3879
Seiring waktu dan solusi pintas
05:33
like data augmentation,
87
333705
2294
misalnya augmentasi data,
dengan cara memasukkan semut dan serangga lain yang mirip kumbang
05:36
where we threw in ants and other beetle-like insects
88
336040
3754
05:39
to enhance the data set,
89
339794
2503
untuk meningkatkan jumlah kumpulan data,
akhirnya kami mendapatkan ini,
05:42
we ended up getting this,
90
342338
2628
05:44
which we've been told they look like grilled chicken.
91
344966
2544
yang katanya terlihat seperti ayam panggang.
05:47
(Laughter)
92
347552
1752
(Tertawa)
Tapi kami ingin lebih banyak, kami pun meningkatkan teknik,
05:49
But hungry for more, we pushed our technique,
93
349345
4797
dan akhirnya terlihat seperti ini.
05:54
and eventually they ended up looking like this.
94
354183
3713
Kami gunakan apa yang disebut sebagai 3D Style Transfer
05:58
We use something called 3D style transfer to map textures onto them,
95
358479
5047
untuk memetakan tekstur ke atas gambar,
06:03
and we also trained a natural language model
96
363568
3670
dan kami juga melatih model natural language
untuk menghasilkan nama yang seperti nama ilmiah
06:07
to generate scientific-like names
97
367280
2544
06:09
and anatomical descriptions.
98
369866
1918
dan deskripsi anatomi.
06:12
And eventually we even found a network architecture that could handle 3D meshes.
99
372869
4963
Kami bahkan menemukan arsitektur jaringan yang bisa menangani jala poligon 3D.
06:17
So they ended up looking like this.
100
377874
2377
Jadi akhirnya seperti ini.
06:21
And for us, this became a way of creating kind of a speculative study --
101
381836
4838
Bagi kami, ini jadi seperti hipotesis penelitian -
06:26
(Applause)
102
386716
2669
(Tepuk tangan) Terima kasih.
Hipotesis penelitian tentang makhluk yang tidak pernah ada,
06:29
A speculative study of creatures that never existed,
103
389427
3629
mirip dengan biologi spekulatif.
06:33
kind of like a speculative biology.
104
393097
2294
Tapi saya tidak ingin membicarakan AI dan potensinya
06:37
But I didn't want to talk about AI and its potential
105
397685
4421
kecuali jika AI menghasilkan sesuatu yang mirip dengan spesies nyata.
06:42
unless it brought me closer to a real species.
106
402148
3629
Menurut Anda manakah yang lebih mudah ditemukan secara online?
06:46
Which of these do you think is easier to find data about online?
107
406486
4880
06:51
(Laughter)
108
411366
1918
(Tertawa)
Ya, well, seperti yang Anda tebak, panda merah.
06:53
Yeah, well, as you guessed correctly, the red panda.
109
413326
4004
06:57
And this maybe could be due to many reasons,
110
417830
3420
Dan ini bisa disebabkan oleh banyak hal,
salah satunya karena mereka imut,
07:01
but one of them being how cute they are,
111
421292
4046
yang berarti kita lebih sering memotret dan membicarakannya,
07:05
which means we photograph and talk about them a lot,
112
425338
4588
07:09
unlike the boreal felt lichen.
113
429926
2002
tidak seperti lumut boreal felt.
07:12
But both of them are classified as endangered.
114
432679
2877
Tetapi keduanya diklasifikasikan terancam punah.
Jadi saya ingin membawa perhatian tersebut ke spesies lain
07:16
So I wanted to bring visibility to other endangered species
115
436349
4880
yang tidak mendapatkan representasi digital yang sama
07:21
that don't get the same amount of digital representation
116
441270
4755
seperti halnya panda merah yang lucu dan berbulu lembut.
07:26
as a cute, fluffy red panda.
117
446025
2002
07:28
And to do this,
118
448861
1710
Dan untuk melakukan ini,
kami melatih AI dengan jutaan gambar alam,
07:30
we trained an AI on millions of images of the natural world,
119
450613
5005
dan perintah teks
07:35
and then we prompted with text
120
455660
2085
07:37
to generate some of these creatures.
121
457787
2294
untuk menghasilkan beberapa makhluk ini.
Jadi ketika memasukkan perintah teks,
07:40
So when prompted with a text,
122
460123
3712
07:43
"an image of a critically endangered spider, the peacock tarantula"
123
463876
4713
"sebuah gambar seekor laba-laba yang terancam punah, tarantula merak "
dan nama ilmiahnya.
07:48
and its scientific name,
124
468589
1669
model kami menghasilkan ini.
07:50
our model generated this.
125
470299
2378
07:55
And here's an image of the real peacock tarantula,
126
475972
3211
Dan ini foto tarantula merak asli.
yang merupakan laba-laba endemik mengagumkan di India.
07:59
which is a wonderful spider endemic to India.
127
479225
3128
Namun, ketika diminta dengan perintah teks
08:02
But when prompted with a text
128
482812
2878
08:05
"an image of a critically endangered bird, the mangrove finch,"
129
485732
4170
"sebuah gambar seekor burung yang yang terancam punah, kutilang bakau",
08:09
our model generated this.
130
489944
2669
model kami menghasilkan ini.
Berikut ini foto burung kutilang bakau asli.
08:14
And here's a photo of the real mangrove finch.
131
494532
2711
08:17
Both these creatures exist in the wild,
132
497702
2878
Kedua makhluk ini ada di alam liar,
tapi akurasi setiap gambar yang dihasilkan tergantung pada data yang tersedia.
08:20
but the accuracy of each generated image is fully dependent on the data available.
133
500621
5965
Gagasan liar tentang perilaku data yang seperti ini
08:27
These chimeras of our everyday data
134
507462
2961
bagi saya adalah cara lain untuk melihat seperti apa masa depan.
08:30
to me are a different way of how the future could be.
135
510423
3670
08:34
Not in a literal sense, perhaps,
136
514802
2836
Meskipun bukan secara harfiah,
08:37
but in the sense that through practicing the expanding of our own imagination
137
517680
6423
tetapi dengan memperluas imajinasi kita
tentang ekosistem yang menjadi bagian dari kita,
08:44
about the ecosystems we are a part of,
138
524145
3045
kita akan lebih terbekali untuk mengenali peluang
08:47
we might just be better equipped to recognize new opportunities
139
527231
3170
08:50
and potential.
140
530443
1335
dan potensi baru.
Menyadari adanya batasan dalam imajinasi kita
08:52
Knowing that there's a boundary to our imagination
141
532236
3128
tidak berarti membuat kita merasa dibatasi.
08:55
doesn't have to feel limiting.
142
535406
2211
Sebaliknya,
08:58
On the contrary,
143
538159
1293
hal ini bisa memotivasi kita untuk memperluas batas itu lebih jauh
08:59
it can help motivate us to expand that boundary further
144
539452
3420
09:02
and to seek out colors and things we haven't yet seen
145
542914
3962
dan menemukan warna serta hal-hal yang belum pernah kita lihat sebelumnya
09:06
and perhaps enrich our imagination as a result.
146
546918
3295
dan mungkin memperkaya imajinasi kita sebagai hasilnya.
Jadi, terima kasih.
09:10
So thank you.
147
550546
1168
09:11
(Applause)
148
551714
4046
(Tepuk tangan)
Tentang situs web ini

Situs ini akan memperkenalkan Anda pada video YouTube yang berguna untuk belajar bahasa Inggris. Anda akan melihat pelajaran bahasa Inggris yang diajarkan oleh guru-guru terbaik dari seluruh dunia. Klik dua kali pada subtitle bahasa Inggris yang ditampilkan di setiap halaman video untuk memutar video dari sana. Subtitle bergulir selaras dengan pemutaran video. Jika Anda memiliki komentar atau permintaan, silakan hubungi kami menggunakan formulir kontak ini.

https://forms.gle/WvT1wiN1qDtmnspy7