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

44,342 views ・ 2022-11-30

TED


Por favor, clique duas vezes nas legendas em inglês abaixo para reproduzir o vídeo.

Tradutor: Karoline Silvério Revisor: Carolina Ragazzi de Aguirre
00:04
I'd like to start by asking you to imagine a color
0
4543
4379
Eu gostaria de começar pedindo que imaginem uma cor
00:08
that you've never seen before.
1
8922
2544
que vocês nunca viram antes.
00:12
Just for a second give this a try.
2
12217
2252
Só por um momento, tentem fazer isso.
00:14
Can you actually visualize a color that you've never been able to perceive?
3
14928
4463
Conseguem mesmo visualizar uma cor que vocês nunca viram?
00:20
I never seem to get tired of trying this
4
20892
2878
Parece que nunca me canso de tentar fazer isso,
00:23
although I know it's not an easy challenge.
5
23770
2795
mesmo sabendo que não é um desafio fácil.
00:26
And the thing is,
6
26606
1210
E, é o seguinte,
00:27
we can't imagine something without drawing upon our experiences.
7
27857
4880
nós não conseguimos imaginar algo sem fazer uso das nossas experiências.
00:33
A color we haven't yet seen
8
33655
2002
Uma cor que nós ainda não vimos
00:35
outside the spectrum we can perceive
9
35699
2836
fora do espectro da nossa percepção
00:38
is outside our ability to conjure up.
10
38535
2502
está fora da nossa habilidade de criar uma imagem.
00:42
It's almost like there's a boundary to our imagination
11
42372
3212
É como se houvesse um limite na nossa imaginação
00:45
where all the colors we can imagine
12
45625
2002
em que todas as cores que podemos imaginar
00:47
can only be various shades of other colors we have previously seen.
13
47627
4505
são apenas vários tons de outras cores que já vimos previamente.
00:52
Yet we know for a fact
14
52841
2210
Ainda assim, nós sabemos que, de fato,
00:55
that those color frequencies outside our visible spectrum are there.
15
55051
4463
essas frequências de cor fora do nosso espectro visível ainda assim estão lá.
01:00
And scientists believe that there are species
16
60223
5339
E cientistas acreditam na existência de espécies
01:05
that have many more photo receptors
17
65562
3503
que possuem muito mais fotorreceptores
01:09
than just the three color ones we humans have.
18
69107
4880
do que os fotorreceptores das três cores que nós, humanos, temos.
01:13
Which, by the way,
19
73987
1835
E, inclusive,
01:15
not all humans see the world in the same way.
20
75864
3295
nem todos os humanos veem o mundo do mesmo jeito.
01:19
Some of us are colorblind to various degrees,
21
79200
4505
Alguns têm daltonismo de diversos graus diferentes,
01:23
and very often we don't even agree on small things,
22
83705
4713
e muitas vezes nós nem mesmo concordamos em coisas pequenas,
01:28
like if a dress on the internet is blue and black or white and gold.
23
88460
5005
por exemplo, se um vestido na internet é azul e preto ou branco e dourado.
01:34
But my favorite creature, one of my favorite creatures,
24
94215
4380
Mas, meu animal favorito, um dos meus animais favoritos,
01:38
is the peacock mantis shrimp,
25
98595
2335
é o camarão-louva-deus-palhaço,
01:40
which is estimated to have 12 to 16 photo receptors.
26
100972
5297
que, segundo estimativas, possui de 12 a 16 fotorreceptores.
01:46
And that indicates the world to them might look so much more colorful.
27
106269
5798
Isso indica que, para eles, o mundo pode parecer muito mais colorido.
01:54
So what about artificial intelligence?
28
114194
2836
E o que dizer da inteligência artificial?
01:57
Can AI help us see beyond our human capabilities?
29
117947
3838
Uma IA pode nos ajudar a ver além da nossa capacidade humana?
02:03
Well, I've been working with AI for the past five years,
30
123203
3670
Bem, eu tenho trabalhado com a IA nos últimos cinco anos
02:06
and in my experience, it can see within the data it gets fed.
31
126873
4630
e, na minha experiência, ela pode ver com os dados que é alimentada.
02:12
But then you might be wondering, OK,
32
132420
2586
Vocês devem estar se perguntando:
“Certo... se a IA não é capaz de nos ajudar a imaginar algo novo,
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
por que uma artista vê algum propósito em utilizá-la?”
02:21
And my answer to that is because I think that it can help augment our creativity
35
141930
4254
E minha resposta a isso é:
porque penso que possa ajudar a aumentar nossa criatividade
02:26
as there's value in creating combinations of known elements to form new ones.
36
146226
6173
uma vez que há valor em criar combinações de elementos conhecidos para formar novos.
02:33
And this boundary of what we can imagine based on what we have experienced
37
153858
5422
E esse limite do que conseguimos imaginar baseado no que já experimentamos
02:39
is the place that I have been exploring.
38
159322
2419
é o que eu venho explorando.
02:42
For me, it started with jellyfish on a screen at an aquarium
39
162200
5005
Para mim, começou com uma água-viva numa tela em um aquário
02:47
and wearing those old 3D glasses, which I hope you remember,
40
167247
3712
e usando aqueles antigos óculos 3D, que eu espero que vocês se lembrem,
aqueles com uma lente azul e outra vermelha.
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
E essa experiência me fez querer recriar aquelas texturas.
02:57
But not just that,
43
177882
1168
Mas, não somente isso,
02:59
I also wanted to create new jellyfish
44
179092
1960
eu queria criar novas águas-vivas
03:01
that I hadn't seen before, like these.
45
181052
2878
que eu não havia visto antes, como essas.
03:04
And what started with jellyfish,
46
184556
1543
E o que começou com águas-vivas,
03:06
very quickly escalated to other sea creatures
47
186099
3587
rapidamente evoluiu para outras criaturas marinhas,
03:09
like sea anemone, coral and fish.
48
189686
4254
como anêmonas-do-mar, corais e peixes.
03:14
And then from there came amphibians, birds and insects.
49
194524
5756
Então vieram os anfíbios, aves e insetos.
03:20
And this became a series called “Neural Zoo”.
50
200739
2919
E tudo isso se tornou um conjunto chamado “Neural Zoo”.
03:25
But when you look closely, what do you see?
51
205618
3629
Mas quando olham de perto, o que vocês veem?
03:29
There's no single creature in these images.
52
209289
3962
Não há sequer um animal nessas imagens.
03:33
And AI augments my creative process
53
213710
3378
A IA aumentou meu processo criativo
03:37
by allowing me to distill and recombine textures.
54
217130
4671
por me permitir destilar e recombinar texturas.
03:41
And that's something that would otherwise take me months to draw by hand.
55
221801
4588
E isso é algo que, caso contrário, eu levaria meses para desenhar à mão.
03:47
Plus I'm actually terrible at drawing.
56
227015
1877
Além disso, sou péssima desenhando.
03:49
So you could say, in a way, what I'm doing
57
229476
3169
Poderiam dizer que, de certo modo,
o que estou fazendo é uma versão contemporânea de algo
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
que humanos tem feito já por um bom tempo,
03:57
even before cameras existed.
60
237484
2669
antes mesmo das câmeras existissem.
04:01
In medieval times,
61
241738
1793
Na Idade Média,
04:03
people went on expeditions,
62
243573
2211
as pessoas faziam expedições
04:05
and when they came back they would share about what they saw
63
245825
3504
e, quando voltavam, costumavam contar o que haviam visto
04:09
to an illustrator.
64
249370
1377
a um ilustrador.
04:10
And the illustrator, having never seen what was being described,
65
250789
4129
Então, o ilustrador, que nunca havia visto o que estava sendo descrito,
04:14
would end up drawing
66
254959
1627
acabava por desenhar
04:16
based on the creatures that they had previously seen
67
256628
2460
baseado em criaturas que já havia visto previamente
04:19
and in the process creating hybrid animals of some sort.
68
259088
3170
e no processo de criar animais híbridos, de certa maneira.
04:22
So an explorer might describe a beaver, but having never seen one,
69
262675
4338
Um explorador podia descrever um castor,
mas, por nunca ter visto um antes,
04:27
the illustrator might give it the head of a rodent,
70
267055
2419
o ilustrador podia desenhar a cabeça de um roedor,
04:29
the body of a dog and a fish-like tail.
71
269474
2419
o corpo de um cachorro e uma cauda de peixe.
04:32
In the series “Artificial Natural History”,
72
272560
2670
No conjunto “Artificial Natural History”,
04:35
I took thousands of illustrations from a natural history archives,
73
275271
4588
peguei milhares de ilustrações de arquivos de história natural
04:39
and I fed them to a neural network to generate new versions of them.
74
279901
5297
e alimentei uma rede neural artificial com essas ilustrações
para gerar novas versões delas.
04:45
But up until now, all my work was done in 2D.
75
285990
4171
Mas, até esse momento, todo meu trabalho havia sido feito em 2D.
04:51
And with the help of my studio partner, Feileacan McCormick,
76
291246
3545
Com a ajuda do meu parceiro de estúdio, Feileacan McCormick,
04:54
we decided to train a neural network on a data set of 3D scanned beetles.
77
294833
5422
nós decidimos treinar uma rede neural
com um conjunto de dados de besouros escaneados em 3D.
05:00
But I must warn you that our first results were extremely blurry,
78
300839
4546
Preciso avisar que os primeiros resultados ficaram extremamente embaçados,
05:05
and they looked like the blobs you see here.
79
305426
2253
e tinham essa aparência de borrão que vocês podem ver.
05:08
And this could be due to many reasons,
80
308346
1835
Pode ter acontecido por muitas razões,
05:10
but one of them being that there aren't really a lot
81
310181
2461
uma delas sendo o fato de não haver grande quantidade
05:12
of openly available data sets of 3D insects.
82
312642
4504
disponível de conjuntos de dados abertos de insetos escaneados em 3D.
05:17
And also we were repurposing
83
317188
2127
E, também, estávamos reaproveitando
05:19
a neural network that normally gets used to generate images to generate 3D.
84
319357
5214
uma rede neural que costumava ser usada para gerar imagens, agora para gerar 3D.
05:24
So believe it or not, these are very exciting blobs to us.
85
324612
4380
Então, acreditem ou não, ficamos muito animados com esses borrões.
05:29
But with time and some very hacky solutions
86
329784
3879
Mas, com o tempo e algumas engenhosas soluções,
05:33
like data augmentation,
87
333705
2294
como aumento de dados,
05:36
where we threw in ants and other beetle-like insects
88
336040
3754
em que colocamos formigas e outros insetos parecidos com besouros
05:39
to enhance the data set,
89
339794
2503
para aprimorar o conjunto de dados,
05:42
we ended up getting this,
90
342338
2628
chegamos nesses resultados,
05:44
which we've been told they look like grilled chicken.
91
344966
2544
que alguns nos disseram parecer frango frito.
05:47
(Laughter)
92
347552
1752
(Risos)
05:49
But hungry for more, we pushed our technique,
93
349345
4797
Por estarmos querendo cada vez mais, impulsionamos nossas técnicas
05:54
and eventually they ended up looking like this.
94
354183
3713
e, por fim, tivemos esses resultados.
05:58
We use something called 3D style transfer to map textures onto them,
95
358479
5047
Nós usamos algo chamado transferência de estilo 3D para mapear texturas neles,
06:03
and we also trained a natural language model
96
363568
3670
e também treinamos um modelo de linguagem natural
06:07
to generate scientific-like names
97
367280
2544
para gerar nomes científicos
06:09
and anatomical descriptions.
98
369866
1918
e também descrições anatômicas.
06:12
And eventually we even found a network architecture that could handle 3D meshes.
99
372869
4963
Por fim, até mesmo encontramos uma arquitetura de rede
que poderia lidar com malha 3D.
06:17
So they ended up looking like this.
100
377874
2377
Então obtivemos essa aparência.
06:21
And for us, this became a way of creating kind of a speculative study --
101
381836
4838
E, para nós, isso se tornou um meio de estudo especulativo.
06:26
(Applause)
102
386716
2669
(Aplausos)
06:29
A speculative study of creatures that never existed,
103
389427
3629
Um estudo especulativo de animais que nunca existiram,
06:33
kind of like a speculative biology.
104
393097
2294
quase como uma biologia especulativa.
06:37
But I didn't want to talk about AI and its potential
105
397685
4421
Mas eu não queria falar sobre IA e seu potencial
06:42
unless it brought me closer to a real species.
106
402148
3629
a não ser que isso me aproximasse de uma espécie real.
06:46
Which of these do you think is easier to find data about online?
107
406486
4880
Qual desses dois vocês acham que é mais fácil de achar dados on-line?
06:51
(Laughter)
108
411366
1918
(Risos)
06:53
Yeah, well, as you guessed correctly, the red panda.
109
413326
4004
É, bem, como corretamente adivinharam, são os dados sobre o panda-vermelho.
06:57
And this maybe could be due to many reasons,
110
417830
3420
E isso pode se dar por muitas razões,
07:01
but one of them being how cute they are,
111
421292
4046
mas uma dessas razões deve ser por como eles são fofos,
07:05
which means we photograph and talk about them a lot,
112
425338
4588
o que significa que fotografamos e conversamos mais sobre eles,
07:09
unlike the boreal felt lichen.
113
429926
2002
diferente do líquen de feltro boreal.
07:12
But both of them are classified as endangered.
114
432679
2877
Mas os dois são classificados como ameaçados de extinção.
07:16
So I wanted to bring visibility to other endangered species
115
436349
4880
Eu gostaria de dar visibilidade a outras espécies ameaçadas de extinção
07:21
that don't get the same amount of digital representation
116
441270
4755
que não recebem a mesma quantidade de representação digital
07:26
as a cute, fluffy red panda.
117
446025
2002
que um panda-vermelho fofo e felpudo.
07:28
And to do this,
118
448861
1710
E, para fazer isso,
07:30
we trained an AI on millions of images of the natural world,
119
450613
5005
treinamos uma IA com milhões de imagens do mundo da natureza,
07:35
and then we prompted with text
120
455660
2085
e inserimos textos com descrições
07:37
to generate some of these creatures.
121
457787
2294
para gerar algumas dessas criaturas.
07:40
So when prompted with a text,
122
460123
3712
Quando inserido o texto de descrição:
07:43
"an image of a critically endangered spider, the peacock tarantula"
123
463876
4713
“imagem de aranha em ameaça crítica de extinção,
tarântula Poecilotheria metallica”,
07:48
and its scientific name,
124
468589
1669
com o nome científico,
07:50
our model generated this.
125
470299
2378
nosso modelo de dados gerou isso.
07:55
And here's an image of the real peacock tarantula,
126
475972
3211
Aqui está uma imagem da verdadeira tarântula Poecilotheria metallica,
07:59
which is a wonderful spider endemic to India.
127
479225
3128
que é uma incrível aranha endêmica da Índia.
08:02
But when prompted with a text
128
482812
2878
Mas quando inserido o texto de descrição:
08:05
"an image of a critically endangered bird, the mangrove finch,"
129
485732
4170
“imagem de ave em ameaça crítica de extinção, tentilhão-dos-mangues”
08:09
our model generated this.
130
489944
2669
nosso modelo de dados gerou isso.
08:14
And here's a photo of the real mangrove finch.
131
494532
2711
Aqui está uma foto do verdadeiro tentilhão-dos-mangues.
08:17
Both these creatures exist in the wild,
132
497702
2878
Esses dois animais existem no mundo silvestre,
08:20
but the accuracy of each generated image is fully dependent on the data available.
133
500621
5965
mas a exatidão de cada imagem gerada depende totalmente dos dados disponíveis.
08:27
These chimeras of our everyday data
134
507462
2961
Essas quimeras resultantes dos nossos dados cotidianos
08:30
to me are a different way of how the future could be.
135
510423
3670
são, para mim, um jeito diferente de como o futuro poderia ser.
08:34
Not in a literal sense, perhaps,
136
514802
2836
Talvez não no sentido literal,
08:37
but in the sense that through practicing the expanding of our own imagination
137
517680
6423
mas no sentido de que, por meio da prática de expansão da nossa própria imaginação
08:44
about the ecosystems we are a part of,
138
524145
3045
quando se trata dos ecossistemas dos quais fazemos parte,
08:47
we might just be better equipped to recognize new opportunities
139
527231
3170
poderemos estar melhor equipados para reconhecer novas oportunidades
08:50
and potential.
140
530443
1335
e potencial.
08:52
Knowing that there's a boundary to our imagination
141
532236
3128
Saber que existe um limite para a nossa imaginação
08:55
doesn't have to feel limiting.
142
535406
2211
não deve causar um sentimento de limitação.
08:58
On the contrary,
143
538159
1293
Pelo contrário,
08:59
it can help motivate us to expand that boundary further
144
539452
3420
isso pode ajudar a nos motivar a expandir esse limite para mais longe
09:02
and to seek out colors and things we haven't yet seen
145
542914
3962
e buscar cores e coisas que ainda não vimos
09:06
and perhaps enrich our imagination as a result.
146
546918
3295
e, talvez, como resultado, enriquecer a nossa imaginação.
09:10
So thank you.
147
550546
1168
Obrigada.
09:11
(Applause)
148
551714
4046
(Aplausos)
Sobre este site

Este site apresentará a você vídeos do YouTube que são úteis para o aprendizado do inglês. Você verá aulas de inglês ministradas por professores de primeira linha de todo o mundo. Clique duas vezes nas legendas em inglês exibidas em cada página de vídeo para reproduzir o vídeo a partir daí. As legendas rolarão em sincronia com a reprodução do vídeo. Se você tiver algum comentário ou solicitação, por favor, entre em contato conosco usando este formulário de contato.

https://forms.gle/WvT1wiN1qDtmnspy7