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

Traduttore: Stefano Carpi Revisore: Beatrice Chiamenti

Dunque, sono a capo di un team di Google che lavora sull'intelligenza artificiale;

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

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

in altre parole l'ingegneria che si occupa di creare computer ed altri dispositivi

able to do some of the things that brains do.

in grado di fare alcune delle cose che fa il cervello.

And this makes us interested in real brains

E questo ci ha fatto interessare al cervello vero

and neuroscience as well,

e alla neuroscienza,

and especially interested in the things that our brains do

ed in particolare a quelle cose che fa il nostro cervello

che sono di gran lunga superiori alle capacità dei computer.

that are still far superior to the performance of computers.

Historically, one of those areas has been perception,

Storicamente, una di queste aree è stata la percezione,

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

il processo con cui le cose nel mod,

sounds and images --

suoni ed immagini,

can turn into concepts in the mind.

possono diventare concetti nella nostra mente.

This is essential for our own brains,

Questo è essenziale per il nostro cervello,

and it's also pretty useful on a computer.

ed è anche piuttosto utile per un computer.

Gli algoritmi di percezione della macchina per esempio, elaborati dal nostro team,

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

sono ciò che rende le vostre foto su Google Foto cercabili,

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

based on what's in them.

in base a ciò che c'è nelle foto.

The flip side of perception is creativity:

L'altro lato della percezione è la creatività:

trasformare un concetto in qualcosa che esiste nel mondo reale.

turning a concept into something out there into the world.

Così l'anno scorso, il nostro lavoro sulla percezione delle macchine,

So over the past year, our work on machine perception

has also unexpectedly connected with the world of machine creativity

ci ha inaspettatamente condotto al mondo della creatività nelle macchine

and machine art.

e dell'arte nelle macchine.

I think Michelangelo had a penetrating insight

Penso che Michelangelo ebbe una profonda intuizione

into to this dual relationship between perception and creativity.

riguardo questa duplice relazione tra percezione e creatività.

Questo è una sua famosa citazione:

This is a famous quote of his:

"Ogni blocco di pietra ha una statua dentro di sè

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

ed è compito dello scultore scoprirla".

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

Penso che quello che Michelangelo intendesse dire

So I think that what Michelangelo was getting at

is that we create by perceiving,

è che creiamo dalla percezione,

and that perception itself is an act of imagination

e che la percezione stessa è un atto dell'immaginazione

and is the stuff of creativity.

ed è qualcosa della creatività.

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

L'organo che si occupa di pensare percepire ed immaginare

of course, is the brain.

naturalmente è il cervello.

Vorrei cominciare con un breve resoconto sulla storia

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

about what we know about brains.

della nostra conoscenza del cervello.

Perché a differenza, per esempio, del cuore o dell'intestino,

Because unlike, say, the heart or the intestines,

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

non possiamo dire molto del cervello solo osservandolo,

almeno ad occhio nudo.

at least with the naked eye.

The early anatomists who looked at brains

I primi anatomisti che studiarono il cervello

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

diedero alle superficiali strutture di questa cosa nomi fantasiosi,

like hippocampus, meaning "little shrimp."

come ippocampo, che significa "gamberetto".

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

Ma naturalmente questo non ci dice molto

about what's actually going on inside.

su cosa realmente succede all'interno.

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

Il primo che, credo, sviluppò davvero una qualche intuizione

into what was going on in the brain

su cosa succedesse all'interno del cervello

was the great Spanish neuroanatomist, Santiago Ramón y Cajal,

fu il grande neuroanatomista spagnolo Santiago Ramón y Cajal,

in the 19th century,

nel XIX secolo,

who used microscopy and special stains

che utilizzò il microscopio e speciali tinture

that could selectively fill in or render in very high contrast

che potevano selettivamente riempire o risaltare in elevato contrasto

the individual cells in the brain,

le singole cellule del cervello,

in order to start to understand their morphologies.

per iniziare a comprenderne la morfologia.

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

E questi sono gli schizzi che fece dei neuroni

in the 19th century.

nel XIX secolo.

Questo è il cervello di un uccello.

This is from a bird brain.

Vedete l'incredibile varietà di cellule differenti,

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

persino la teoria cellulare stessa era abbastanza nuova all'epoca.

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

And these structures,

E queste strutture,

these cells that have these arborizations,

queste cellule che hanno queste ramificazioni,

questi rami che possono percorrere distanze davvero lunghissime...

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

this was very novel at the time.

questa era una vera novità all'epoca.

They're reminiscent, of course, of wires.

E naturalmente, ci ricordano dei fili elettrici.

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

Questo sarebbe potuto essere ovvio per alcuni nel XIX secolo;

the revolutions of wiring and electricity were just getting underway.

le rivoluzioni dei circuiti, dell'elettricità stavano cominciando.

But in many ways,

Ma in molti modi,

i disegni di microanatomia di Ramón y Cajal, come questo,

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

they're still in some ways unsurpassed.

sono ancora in qualche modo attuali.

We're still more than a century later,

Dopo più di un secolo,

trying to finish the job that Ramón y Cajal started.

stiamo ancora cercando di finire il lavoro iniziato da Ramón y Cajal.

These are raw data from our collaborators

Questi sono dati grezzi dai nostri collaboratori

at the Max Planck Institute of Neuroscience.

all'Istituto Max Planck di Neuroscienze.

And what our collaborators have done

Ciò che hanno fatto i nostri collaboratori

is to image little pieces of brain tissue.

è rappresentare frammenti di tessuto celebrale.

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

L'intero campione qui è di circa un millimetro cubico,

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

e ve ne sto mostrando un pezzo piccolissimo qui.

That bar on the left is about one micron.

Quella barra a sinistra è di circa un micron.

The structures you see are mitochondria

Le strutture che vedete sono i mitocondri

that are the size of bacteria.

che sono delle dimensioni dei batteri.

And these are consecutive slices

E queste sono sezioni consecutive

through this very, very tiny block of tissue.

di questo minuscolo blocco di tessuto.

Solo per fare un confronto,

Just for comparison's sake,

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

il diametro medio di un capello misura circa 100 microns.

Quindi stiamo osservando qualcosa di molto, molto più piccolo

So we're looking at something much, much smaller

than a single strand of hair.

di un singolo capello.

E da queste serie di parti microscopiche di elettroni,

And from these kinds of serial electron microscopy slices,

si possono cominciare ricostruzioni 3D dei neuroni che appaiono come questi.

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

Sono in qualche modo simili al lavoro svolto da Ramón y Cajal.

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

Solo pochi neuroni sono evidenziati,

Only a few neurons lit up,

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

perché altrimenti non potremmo osservare nulla qui.

It would be so crowded,

Sarebbe molto affollato

so full of structure,

e pieno di strutture,

of wiring all connecting one neuron to another.

di fili che uniscono tutti i neutroni tra loro.

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

Quindi, Ramón y Cajal era un po' avanti per i suoi tempi,

e gli sviluppi sulla comprensione del cervello

and progress on understanding the brain

proceeded slowly over the next few decades.

avanzarono lentamente nel corso dei decenni successivi.

But we knew that neurons used electricity,

Ma sapevamo che i neuroni usano l'elettricità,

e dalla Seconda Guerra Mondiale, la nostra tecnologia era abbastanza avanzata

and by World War II, our technology was advanced enough

to start doing real electrical experiments on live neurons

da iniziare a fare veri esperimenti elettrici su neuroni vivi

to better understand how they worked.

per capire meglio il loro funzionamento.

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

Questa fu l'epoca in cui vennero inventati i computer,

basati fondamentalmente sul modello del cervello,

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

di "macchina intelligente" come Alan Turing lo chiamò,

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

one of the fathers of computer science.

uno dei padri della scienza del computer.

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

Warren MacCulloch e Walter Pitts studiarono i disegni di Ramón y Cajal

of visual cortex,

della corteccia visiva,

which I'm showing here.

che vi mostro qui.

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

Questa è la corteccia che elabora le immagini provenienti dall'occhio.

And for them, this looked like a circuit diagram.

Secondo loro, ciò appariva come un diagramma di un circuito.

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

Molti dettagli dei diagrammi di MacCulloch e Pitts

that are not quite right.

non sono proprio corretti.

But this basic idea

Ma questa idea di base

that visual cortex works like a series of computational elements

che la corteccia visiva lavorasse come una serie di elementi di calcolo

that pass information one to the next in a cascade,

che trasmettono informazioni l'un l'altra in sequenza

is essentially correct.

è essenzialmente corretto.

Let's talk for a moment

Analizziamo un attimo

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

ciò che un modello di elaborazione di informazioni visive dovrebbe fare.

The basic task of perception

Il compito fondamentale della percezione

is to take an image like this one and say,

è di catturare un'immagine come questa e dire:

"That's a bird,"

"Questo è un uccello,"

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

che è una cosa molto semplice per il nostro cervello.

But you should all understand that for a computer,

Ma tutti voi dovreste capire che per un computer,

this was pretty much impossible just a few years ago.

ciò era praticamente impossibile sino a qualche anno fa.

The classical computing paradigm

Il classico paradigma di calcolo

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

in questo caso non è così semplice da realizzare.

So what's going on between the pixels,

Ciò che accade tra i pixel,

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

tra l'immagine dell'uccello e la parola "uccello",

is essentially a set of neurons connected to each other

essenzialmente è un gruppo di neuroni connessi tra loro

in a neural network,

in una rete neurale,

come sto schematizzando qui.

as I'm diagramming here.

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

Questa rete neurale può essere biologica, nella nostra corteccia visuale,

or, nowadays, we start to have the capability

oppure, oggi, possiamo

to model such neural networks on the computer.

modellare queste reti neuronali su un computer.

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

E vi mostrerò come in realtà ciò appaia.

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

Quindi i pixel potete immaginarli come un primo strato di neuroni,

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

ed è così, infatti, che funziona l'occhio:

that's the neurons in the retina.

questi sono i neuroni della retina.

And those feed forward

Ed essi trasmettono

da uno strato all'altro,

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

all connected by synapses of different weights.

tutti connessi da sinapsi di peso differente.

The behavior of this network

Il comportamento di questa rete

is characterized by the strengths of all of those synapses.

è caratterizzato dalle forze di tutte queste sinapsi.

Those characterize the computational properties of this network.

Esse caratterizzano le proprietà di calcolo di questa rete.

And at the end of the day,

E alla fine della giornata,

abbiamo un neurone o un piccolo gruppo di neuroni

you have a neuron or a small group of neurons

that light up, saying, "bird."

che si accendono e dicono "uccello".

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

Adesso vi mostrerò queste tre cose:

the input pixels and the synapses in the neural network,

i pixel di input, le sinapsi nella rete neurale,

and bird, the output --

e l'uccello, il risultato,

by three variables: x, w and y.

attraverso tre variabili: x, w ed y.

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

Ci sono forse un milione di x più o meno,

a million pixels in that image.

un milione di pixel in questa immagine.

There are billions or trillions of w's,

Ci sono miliardi o triliardi di w,

che rappresentano il peso di tutte queste sinapsi nella rete neurale.

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

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

E c'è un piccolissimo numero di y,

of outputs that that network has.

di uscite che ha quella rete.

"Bird" is only four letters, right?

Uccello è di sole tre sillabe, giusto?

Facciamo finta che sia solo una semplice formula,

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

x "x" w = y.

x "x" w = y.

I'm putting the times in scare quotes

Sto mettendo il "per" tra virgolette

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

perché cio che realmente accade, ovviamente,

è una complicatissima serie di operazioni matematiche.

is a very complicated series of mathematical operations.

Questa è un'equazione.

That's one equation.

There are three variables.

Ci sono tre variabili.

E sappiamo tutti che se hai un'equazione,

And we all know that if you have one equation,

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

puoi risolvere una variabile conoscendo le altre due.

Quindi il problema di arrivare alla soluzione,

So the problem of inference,

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

vale a dire, capire che l'immagine dell'uccello è un uccello,

is this one:

è questo:

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

è che y è l'incognita e w ed x i termini noti.

You know the neural network, you know the pixels.

Conoscete la rete neurale e conoscete i pixel.

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

Come potete vedere questo in realtà è un problema relativamente semplice.

Moltiplicate per due volte tre ed è fatta.

You multiply two times three and you're done.

I'll show you an artificial neural network

Vi mostro una rete neurale artificiale

che abbiamo recentemente realizzato facendo esattamente questo.

that we've built recently, doing exactly that.

This is running in real time on a mobile phone,

Funziona in tempo reale su un cellulare,

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

e questo è di certo sorprendente di per sè,

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

che i cellulari possono fare miliardi e triliardi di operazioni

per second.

al secondo.

What you're looking at is a phone

Quello che state guardando è un cellulare

looking at one after another picture of a bird,

che guarda un'immagine di un uccello dopo l'altra

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

ed in realtà non dice solo: "Sì, è un uccello",

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

ma identifica le specie di uccello con una rete di questo tipo.

So in that picture,

Quindi in questa foto,

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

la x e la w sono note, e la y è l'incognita.

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

Sto tralasciando la parte più difficile ovviamente,

che è come diamine ci immaginiamo la w,

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

the brain that can do such a thing?

il cervello che può fare una cosa simile ?

How would we ever learn such a model?

Come potremmo mai conoscere un simile modello?

So this process of learning, of solving for w,

Così questo processo di apprendimento di risolvere tramite la w,

if we were doing this with the simple equation

se stavamo facendo questo con una semplice equazione

in which we think about these as numbers,

nella quale pensiamo a questi come numeri,

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

sappiamo esattamente come fare: 6 = 2 x w,

bene, dividiamo per due ed è fatta.

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

Il problema sta in questa operazione.

The problem is with this operator.

So, division --

La divisione...

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

abbiamo usato la divisione perché è l'inverso della moltiplicazione,

ma come abbiamo appena detto,

but as I've just said,

the multiplication is a bit of a lie here.

la moltiplicazione è un bugia qui.

Questa è un'operazione complicatissima, davvero non semplice;

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

it has no inverse.

non ha l'inverso.

Cosi dobbiamo cercare di risolvere l'equazione

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

without a division operator.

senza un'operazione di divisione.

And the way to do that is fairly straightforward.

E fare ciò è abbastanza semplice.

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

Diciamo solo che facciamo un trucchetto algebrico,

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

e spostiamo il sei nella parte a destra dell'equazione.

Now, we're still using multiplication.

Ora, stiamo ancora usando la moltiplicazione.

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

E quello zero, pensiamolo come un errore.

In altre parole, se abbiamo risolto la w in modo corretto,

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

then the error will be zero.

allora l'errore sarà lo zero.

And if we haven't gotten it quite right,

E se non l'abbiamo fatto giusto,

the error will be greater than zero.

l'errore sarà maggiore di zero.

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

Cosi ora possiamo fare delle prove per minimizzare l'errore

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

e questo è il genere di cose in cui i computer sono molto bravi.

So you've taken an initial guess:

Quindi abbiamo un valore fittizio iniziale:

what if w = 0?

se w = 0?

Beh, allora l'errore è 6.

Well, then the error is 6.

What if w = 1? The error is 4.

Se w = 1? L'errore è 4.

And then the computer can sort of play Marco Polo,

E così il computer può giocare ad una sorta di Marco Polo,

and drive down the error close to zero.

e abbassare il margine di errore vicino allo zero.

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

E così facendo, sta ottenendo continue approssimazioni per w.

Generalmente, non ci si avvicina mai, ma dopo una dozzina di passaggi

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

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

arriviamo a w = 2,999, che è abbastanza vicino.

And this is the learning process.

E questo è il processo di apprendimento.

Quindi, ricordate che quello che succede qui

So remember that what's been going on here

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

è che abbiamo preso un mucchio di x note ed y note

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

e abbiamo risolto la w nel mezzo attraverso un processo iterativo.

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

È esattamente lo stesso processo che utilizziamo per apprendere.

We have many, many images as babies

Riceviamo moltissime immagini da bambini

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

che ci dicono: "questo è un uccello; questo non è un uccello."

And over time, through iteration,

E con il tempo, attraverso l'iterazione,

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

risolviamo la w, risolviamo quei collegamenti neurali.

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

Quindi adesso abbiamo mantenuto fisse x ed w per risolvere y;

that's everyday, fast perception.

questa è la rapida percezione quotidiana.

We figure out how we can solve for w,

Abbiamo capito come risolvere la w,

che è apprendere, che è molto più difficile,

that's learning, which is a lot harder,

perché abbiamo bisogno di minimizzare l'errore,

because we need to do error minimization,

using a lot of training examples.

usando molti esempi come allenamento.

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

E circa un anno fa, Alex Mordvintsev, nel nostro team,

decise di sperimentare cosa accade se cerchiamo di risolvere x,

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

given a known w and a known y.

conoscendo w e y.

In altre parole,

In other words,

you know that it's a bird,

sapete che è un uccello,

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

e avete già la rete neurale che avete allenato sugli uccelli,

ma cos'è l'immagine di un uccello?

but what is the picture of a bird?

È venuto fuori che utilizzando la stessa procedura di minimizzazione dell'errore,

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

si può fare con la rete allenata a riconoscere gli uccelli,

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

and the result turns out to be ...

ed il risultato è...

a picture of birds.

un'immagine di uccelli.

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

Quindi questa è un'immagine di uccelli interamente generata dalla rete neurale

that was trained to recognize birds,

allenata a riconoscere gli uccelli,

just by solving for x rather than solving for y,

risolvendo solo x piuttosto che risolvere y,

and doing that iteratively.

e facendolo in modo iterativo.

Here's another fun example.

Ho qui un altro esempio divertente.

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

Questo era un lavoro fatto da Mike Tyra nel nostro gruppo

che lui chiama "Parata degli animali".

which he calls "Animal Parade."

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

Mi ricorda un po' le opere d'arte di William Kentridge,

in which he makes sketches, rubs them out,

in cui fa schizzi, li cancella,

makes sketches, rubs them out,

fa schizzi, li cancella,

ed in questa maniera crea un film.

and creates a movie this way.

In this case,

In questo caso,

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

quello che Mike fa è variare la y tra diversi animali,

in a network designed to recognize and distinguish

in una rete disegnata per riconoscere e distinguere

different animals from each other.

diversi animali l'uno dall''altro.

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

E si ottiene questa strana trasformazione stile Escher da un animale all'altro.

Here he and Alex together have tried reducing

Qui lui ed Alex insieme hanno cercato di ridurre

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

la y ad uno spazio di sole due dimensioni,

thereby making a map out of the space of all things

in modo tale da creare una mappa a aprtire dallo spazio delle cose

riconosciute da questa rete.

recognized by this network.

Doing this kind of synthesis

Facendo questo tipo di sintesi

or generation of imagery over that entire surface,

o generazione di immagini su tutta quella superficie,

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

variando y sulla superficie, si può creare una sorta di mappa,

una mappa visuale di tutte le cose che la rete sa come riconoscere.

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

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

Gli animali sono tutti qui; "armadillo" è in quel posto.

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

Potete fare questo anche con altri generi di reti.

This is a network designed to recognize faces,

Questa è una rete disegnata per riconoscere i visi,

to distinguish one face from another.

per distinguere una faccia da un'altra.

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

E qui, stiamo inserendo una y che dice "me",

i miei parametri facciali.

my own face parameters.

E quando questa cosa risolve la x,

And when this thing solves for x,

it generates this rather crazy,

genera questa specie di pazza,

kind of cubist, surreal, psychedelic picture of me

cubista, surreale, psichedelica immagine di me stesso

da molteplici punti di vista insieme.

from multiple points of view at once.

The reason it looks like multiple points of view at once

La ragione per cui sembrano più punti di vista insieme

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

è che la rete è costruita per scartare le ambiguità

of a face being in one pose or another pose,

di un volto che sia in una posa o in un'altra

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

guardato con un tipo di luce, poi con un altro.

Così quando si fa questo tipo di ricostruzione,

So when you do this sort of reconstruction,

if you don't use some sort of guide image

se non si usa una qualche sorta di immagine guida,

or guide statistics,

o statistica guida,

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

otterrete una sorta di confusione di differenti punti di vista,

because it's ambiguous.

perchè è ambiguo.

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

Questo è quello che succede se Alex usa la sua faccia come immagine campione

durante il processo di ottimizzazione per ricostruire il mio viso.

during that optimization process to reconstruct my own face.

So you can see it's not perfect.

Come potete vedere non è perfetto.

There's still quite a lot of work to do

C'è ancora un bel po' di lavoro da fare

on how we optimize that optimization process.

su come migliorare il processo di ottimizzazione.

Ma si è cominciato ad ottenere qualcosa di più simile a un viso,

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

rendered using my own face as a guide.

usando la mia faccia come modello.

You don't have to start with a blank canvas

Non è necessario iniziare con una tela bianca

or with white noise.

o con un rumore bianco.

When you're solving for x,

Quando risolvete la x,

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

potete iniziare con una x, che di per sè è già una qualche altra immagine.

That's what this little demonstration is.

Questa ne è una piccola dimostrazione.

This is a network that is designed to categorize

Questa è una reta disegnata per categorizzare

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

ogni genere di oggetti diversi: strutture create dall'uomo, animali...

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

Qui cominciamo semplicemente con una foto di nubi,

and as we optimize,

e appena ottimizziamo,

sostanzialmente, questa rete cerca di capire ciò che vede nelle nubi.

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

And the more time you spend looking at this,

E più tempo state a guardarla,

the more things you also will see in the clouds.

più cose riuscirete a vedere nelle nubi.

Si potrebbe anche utilizzare la rete dei visi per allucinarla

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

and you get some pretty crazy stuff.

ed ottenere cose piuttosto folli.

(Laughter)

(Risate)

Or, Mike has done some other experiments

Oppure, Mike ha fatto qualche altro esperimento

in cui prende questa immagine di nuvole

in which he takes that cloud image,

allucinata, zoomata, allucinata zoomata, allucinata, zoomata.

hallucinates, zooms, hallucinates, zooms hallucinates, zooms.

And in this way,

Ed in questo modo,

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

è possibile ottenere una sorta di stato di fuga dalla rete, suppongo,

or a sort of free association,

o una sorta di libera associazione,

in which the network is eating its own tail.

nella quale la rete si morde la coda.

So every image is now the basis for,

Così ogni immagine è adesso la base per:

"What do I think I see next?

"Cosa penso di vedere dopo?

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

Cosa penso di vedere dopo? Cosa penso di vedere dopo?"

I showed this for the first time in public

Ho mostrato questa cosa per la prima volta in pubblico

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

a un gruppo in una conferenza a Seattle chiamato "Istruzione superiore",

this was right after marijuana was legalized.

subito dopo che la marijuana fu legalizzata.

(Laughter)

(Risate)

So I'd like to finish up quickly

Così mi piacerebbe concludere velocemente

by just noting that this technology is not constrained.

semplicemente facendovi notare che questa tecnologia non è vincolata.

Vi ho mostrato esempi puramente visuali perché sono divertenti da vedere.

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

It's not a purely visual technology.

Ma non è una tecnologia puramente visiva.

Il nostro collaboratore artistico, Ross Goodwin,

Our artist collaborator, Ross Goodwin,

has done experiments involving a camera that takes a picture,

ha fatto esperimenti con una fotocamera che cattura un'immagine,

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

e con un computer nel suo zaino che scrive una poesia usando reti neurali,

basata sui contenuti dell'immagine.

based on the contents of the image.

E quella rete neurale di poesia è stata allenata

And that poetry neural network has been trained

su un vasto materiale di poesie del XX secolo.

on a large corpus of 20th-century poetry.

And the poetry is, you know,

E, sapete, la poesia,

I think, kind of not bad, actually.

secondo me, in realtà non è male.

(Laughter)

(Risate)

In closing,

Per finire,

I think that per Michelangelo,

penso che Michelangelo

I think he was right;

avesse ragione;

perception and creativity are very intimately connected.

percezione e creatività sono strettamente correlate.

What we've just seen are neural networks

Quello che abbiamo appena visto sono reti neurali

that are entirely trained to discriminate,

che sono completamente allenate a distinguere

or to recognize different things in the world,

o a riconoscere differenti cose nel mondo,

able to be run in reverse, to generate.

e se attivate al contrario, per creare.

Una delle cose che mi suggerisce

One of the things that suggests to me

is not only that Michelangelo really did see

è che non solo Michelangelo potesse davvero vedere

the sculpture in the blocks of stone,

la scultura all'interno del blocco di pietra,

but that any creature, any being, any alien

ma che ogni creatura, ogni essere, ogni alieno

that is able to do perceptual acts of that sort

che è in grado di eseguire atti percettivi di questo genere

è anche in grado di creare

is also able to create

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

perché è esattamente la stessa macchina che viene usata in entrambi i casi.

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

Inoltre penso che la percezione e la creazione non siano

uniquely human.

mezzi unicamente umani.

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

Iniziamo ad avere modelli di computer che fanno proprio questo genere di cose.

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

E questo non dovrebbe sorprendere; il cervello è computazionale.

And finally,

Ed infine,

computing began as an exercise in designing intelligent machinery.

il calcolo iniziò come un esercizio per creare macchine intelligenti.

It was very much modeled after the idea

È iniziato dall'idea

of how could we make machines intelligent.

che potessimo creare macchine intelligenti.

And we finally are starting to fulfill now

E finalmente stiamo iniziando ad adempiere adesso

some of the promises of those early pioneers,

ad alcune delle promesse di quei primi pionieri,

di Turing e von Neumann,

of Turing and von Neumann

and McCulloch and Pitts.

di MacCulloch e Pitts.

E pens che l'informatica non sia solo calcolare

And I think that computing is not just about accounting

or playing Candy Crush or something.

o giocare a Candy Crush o altro.

From the beginning, we modeled them after our minds.

Fin dal principio, l'abbiamo modellata sulle nostre menti.

Ed essa ci hanno fornito sia la capacità di capire meglio la nostra mente

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

and to extend them.

sia di ampliarla.

Thank you very much.

Grazie mille.

(Applause)

(ApplausiI)