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

Tradutor: Cris Babuska Revisor: Maricene Crus

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

Coordeno uma equipe no Google que lida com I.A.;

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

em outras palavras, a engenharia de fazer computadores e aparelhos

able to do some of the things that brains do.

capazes de criar coisas que o cérebro faz.

And this makes us interested in real brains

E isso faz com que nos interessemos por cérebros reais

and neuroscience as well,

e também por neurociência,

and especially interested in the things that our brains do

e nos interessamos, principalmente, por coisas que nosso cérebro faz

que ainda são muito superiores à performance dos computadores.

that are still far superior to the performance of computers.

Historically, one of those areas has been perception,

Historicamente, uma das áreas tem sido percepção,

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

o processo pelo qual as coisas abstratas,

sounds and images --

sons e imagens,

can turn into concepts in the mind.

podem se tornar conceitos na mente.

This is essential for our own brains,

Isso é essencial para o nosso cérebro

and it's also pretty useful on a computer.

e também muito útil em um computador.

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

Os algorítimos de percepção artificial, criados por nós, por exemplo,

são o que permitem que suas fotos do Google Fotos sejam pesquisáveis,

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

based on what's in them.

baseando-se no que há nelas.

The flip side of perception is creativity:

O oposto da percepção é a criatividade:

turning a concept into something out there into the world.

transformar um conceito em algo lá fora, para o mundo.

So over the past year, our work on machine perception

Então, ao longo do ano passado, nosso trabalho de percepção artificial

has also unexpectedly connected with the world of machine creativity

também se uniu, inesperadamente, ao mundo da criatividade artificial

and machine art.

e da arte digital.

I think Michelangelo had a penetrating insight

Acho que Michelangelo teve um insight profundo

into to this dual relationship between perception and creativity.

a respeito da relação entre percepção e criatividade.

This is a famous quote of his:

Esta é uma famosa citação dele:

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

"Cada bloco de pedra tem uma escultura interna,

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

e o trabalho do escultor é descobri-la."

So I think that what Michelangelo was getting at

Então, penso que Michelangelo estava querendo dizer

is that we create by perceiving,

que nós criamos, através da percepção,

and that perception itself is an act of imagination

e que a percepção por si é um ato de imaginação

and is the stuff of creativity.

e é a tal da criatividade.

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

O órgão que cria todo pensamento, percepção e imaginação,

of course, is the brain.

é certamente, o cérebro.

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

E eu quero começar com um pouquinho de história

about what we know about brains.

sobre o que sabemos sobre cérebros.

Because unlike, say, the heart or the intestines,

Porque, diferente do coração e dos intestinos,

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

você não consegue falar muito sobre o cérebro só olhando pra ele,

at least with the naked eye.

pelo menos a olho nu.

The early anatomists who looked at brains

Os primeiros anatomistas que observaram cérebros

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

deram às estruturas superficiais todo tipo de nomes fantásticos,

like hippocampus, meaning "little shrimp."

como hipocampo, significando "camarãozinho".

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

Mas claro que esse tipo de coisa não nos diz muito

about what's actually going on inside.

sobre o que acontece lá dentro.

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

A primeira pessoa que eu acho, que, de fato, desenvolveu algum insight

into what was going on in the brain

sobre o que acontecia no cérebro

was the great Spanish neuroanatomist, Santiago Ramón y Cajal,

foi o grande neuroanatomista espanhol, Santiago Ramón y Cajal, no século 19,

in the 19th century,

who used microscopy and special stains

usando microscópio e reagentes especiais,

that could selectively fill in or render in very high contrast

que puderam, seletivamente, preencher ou converter em contraste muito elevado,

the individual cells in the brain,

as células individuais do cérebro,

in order to start to understand their morphologies.

para conseguir entender a morfologia delas.

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

E estes são os tipos de desenhos que ele fez dos neurônios no século 19.

in the 19th century.

Este é de um cérebro de pássaro.

This is from a bird brain.

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

E vemos esta incrível variedade de diferentes tipos de células,

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

até mesmo a própria teoria celular era recente nessa época.

And these structures,

E estas estruturas,

these cells that have these arborizations,

estas células que têm essas ramificações,

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

que podem percorrer distâncias muito longas,

this was very novel at the time.

tudo era novidade na época.

They're reminiscent, of course, of wires.

Elas são reminiscência de fios, claro.

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

Isso pode ter sido óbvio para algumas pessoas no século 19;

the revolutions of wiring and electricity were just getting underway.

as revoluções de telefonia e eletricidade estavam apenas começando.

But in many ways,

Mas de muitas maneiras,

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

esses desenhos microanatômicos do Ramón y Cajal, como este,

they're still in some ways unsurpassed.

ainda são, em alguns pontos, insuperáveis.

We're still more than a century later,

Ainda, depois de um século,

trying to finish the job that Ramón y Cajal started.

estamos tentando concluir aquilo que Ramón y Cajal começou.

These are raw data from our collaborators

Estes são dados brutos de nossos colaboradores

at the Max Planck Institute of Neuroscience.

no Instituto de Neurociência Max Planck.

And what our collaborators have done

E nossos colaboradores estão representando partículas de tecido cerebral.

is to image little pieces of brain tissue.

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

Esta amostra tem aproximadamente um milímetro cúbico,

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

e estou mostrando uma parte minúscula dela aqui.

That bar on the left is about one micron.

Aquela barra da esquerda tem em torno de um mícron.

The structures you see are mitochondria

As estruturas que veem são mitocôndrias,

that are the size of bacteria.

que são do tamanho de uma bactéria.

And these are consecutive slices

E estas são fatias consecutivas

through this very, very tiny block of tissue.

através deste minúsculo bloco de tecido.

Just for comparison's sake,

Apenas para efeito de comparação,

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

o diâmetro de um fio médio de cabelo é de aproximadamente 100 microns.

So we're looking at something much, much smaller

Então, estamos olhando para algo bem menor do que um simples fio de cabelo.

than a single strand of hair.

And from these kinds of serial electron microscopy slices,

E a partir desses tipos de partículas microscópicas de elétrons de série,

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

podemos começar a reconstruir neurônios em 3D, como estes.

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

Estes são do mesmo estilo do Ramón y Cajal.

Only a few neurons lit up,

Poucos neurônios destacaram-se,

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

pois, caso contrário, não conseguiríamos ver nada aqui.

It would be so crowded,

Estaria lotado, muito cheio de estruturas, de neurônios comunicando-se entre si.

so full of structure,

of wiring all connecting one neuron to another.

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

Ramón y Cajal estava um pouco à frente de seu tempo,

and progress on understanding the brain

e o progresso do entendimento do cérebro

proceeded slowly over the next few decades.

seguiu lentamente através das décadas seguintes.

But we knew that neurons used electricity,

Mas sabíamos que os neurônios usavam eletricidade

and by World War II, our technology was advanced enough

e, na Segunda Guerra Mundial, a tecnologia avançou o suficiente

to start doing real electrical experiments on live neurons

para iniciar experimentos elétricos reais em neurônios vivos

to better understand how they worked.

para entender melhor seu funcionamento.

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

Isso ocorreu na mesma época da invenção dos computadores,

muito baseado na ideia da modelagem cerebral,

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

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

da "maquinaria inteligente", como foi chamada por Alan Turing,

one of the fathers of computer science.

um dos pais da ciência da computação.

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

Warren McCulloch e Walter Pitts observaram o desenho do córtex visual,

of visual cortex,

de Ramón y Cajal, que estou mostrando aqui.

which I'm showing here.

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

Este é o córtex que processa as imagens captadas pelo olho.

And for them, this looked like a circuit diagram.

E, para eles, isto parecia um diagrama de circuito.

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

Então há muitos detalhes no diagrama de McCulloch and Pitts

that are not quite right.

que não estão muito certos, mas esta ideia básica

But this basic idea

that visual cortex works like a series of computational elements

de que o córtex visual trabalha como uma série de elementos computacionais

that pass information one to the next in a cascade,

que passam a informação, um para o outro, em cascata,

is essentially correct.

está essencialmente correta.

Let's talk for a moment

Vamos falar um pouco

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

sobre o que um modelo para processar informações visuais precisaria fazer.

The basic task of perception

A tarefa básica de percepção

is to take an image like this one and say,

é levar uma imagem como esta e dizer:

"That's a bird,"

"É um pássaro",

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

algo muito simples de se fazer com nosso cérebro.

But you should all understand that for a computer,

Mas vocês têm que entender que, para um computador,

this was pretty much impossible just a few years ago.

isso era praticamente impossível há alguns anos.

The classical computing paradigm

O paradigma computacional clássico não é uma tarefa simples de ser realizada.

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

So what's going on between the pixels,

O que está acontecendo entre os pixels,

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

entre a imagem do pássaro e a palavra "pássaro",

is essentially a set of neurons connected to each other

é sobretudo um grupo de neurônios conectados uns aos outros,

in a neural network,

em uma rede neural, conforme mostro aqui.

as I'm diagramming here.

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

Essa conexão neural poderia ser biológica, em nosso córtex visual,

or, nowadays, we start to have the capability

ou, atualmente, começamos a ter a capacidade

to model such neural networks on the computer.

de modelar tais conexões neurais no computador.

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

Eu mostrarei com o que elas realmente se parecem.

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

Vocês podem pensar nos pixels como uma primeira camada de neurônios,

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

que, na verdade, é como atuam no olho, são os neurônios na retina.

that's the neurons in the retina.

And those feed forward

E eles alimentam

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

camada por camada de neurônios,

all connected by synapses of different weights.

todas conectadas por sinapses de diferentes pesos.

The behavior of this network

O comportamento dessa rede

is characterized by the strengths of all of those synapses.

é caracterizado pelas forças de todas aquelas sinapses.

Those characterize the computational properties of this network.

Elas caracterizam as propriedades computacionais dessa rede.

And at the end of the day,

E, no final das contas,

you have a neuron or a small group of neurons

você tem um neurônio, ou um grupo de neurônios,

that light up, saying, "bird."

que ativam-se, dizendo "pássaro".

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

Agora, representarei essas três coisas:

the input pixels and the synapses in the neural network,

a entrada de pixels e as sinapses na rede neural,

and bird, the output --

e o pássaro, a saída, através de três variáveis: x, w e y.

by three variables: x, w and y.

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

Há um milhão ou mais de x, um milhão de pixels nesta imagem.

a million pixels in that image.

There are billions or trillions of w's,

Há bilhões ou trilhões de w,

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

que representam o peso de todas estas sinapses na rede neural.

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

E há um número muito pequeno de y, de saídas que essa rede tem.

of outputs that that network has.

"Bird" is only four letters, right?

"Pássaro" tem sete letras, certo?

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

Então, vamos imaginar que esta seja apenas uma fórmula simples:

x "x" w = y.

x "x" w = y.

I'm putting the times in scare quotes

O sinal de multiplicação fica entre aspas,

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

porque, na verdade, o que está acontecendo lá

is a very complicated series of mathematical operations.

é uma série complicada de operações matemáticas.

That's one equation.

É uma equação.

There are three variables.

Há três variáveis,

And we all know that if you have one equation,

e todos nós sabemos que se você tem uma equação,

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

pode encontrar uma variável, se souber os outros dois termos.

So the problem of inference,

Então, o problema de inferência,

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

de entender que aquela figura de um pássaro é um pássaro,

is this one:

é este: na qual y é desconhecido, mas w e x são conhecidos.

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

You know the neural network, you know the pixels.

Conhecendo a rede neural, você conhece os pixels.

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

Como podem ver, é um problema relativamente simples.

You multiply two times three and you're done.

Você multiplica duas vezes três e pronto.

I'll show you an artificial neural network

Mostrarei uma rede artificial de neurônios

that we've built recently, doing exactly that.

que criamos recentemente fazendo exatamente isso.

This is running in real time on a mobile phone,

Isto está passando em tempo real em um celular,

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

e é, claro, surpreendente por si só,

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

que celulares possam fazer bilhões e trilhões de operações por segundo.

per second.

What you're looking at is a phone

Vocês estão olhando para um celular

looking at one after another picture of a bird,

vendo uma imagem de pássaro após a outra,

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

e, na verdade, não só dizendo: "Sim, é um pássaro",

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

mas identificando a espécie do pássaro com uma rede deste tipo.

So in that picture,

Nesta imagem,

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

o x e o w são conhecidos e o y é desconhecido.

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

Estou encobrindo a parte mais difícil,

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

que é como descobrimos o w,

the brain that can do such a thing?

o cérebro que pode fazer tal coisa?

How would we ever learn such a model?

Como aprenderíamos tal modelo?

So this process of learning, of solving for w,

Este processo de aprendizagem, de descobrir o w,

if we were doing this with the simple equation

se o resolvermos com a equação simples,

in which we think about these as numbers,

na qual pensamos nestas variáveis como números,

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

saberemos, exatamente, como resolvê-la: 6 = 2 x w,

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

dividimos por dois e pronto.

The problem is with this operator.

O problema é com este sinal.

So, division --

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

Usamos a divisão porque é o inverso da multiplicação,

but as I've just said,

mas, como acabei de dizer,

the multiplication is a bit of a lie here.

a multiplicação não deixa de ser uma mentira aqui.

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

Esta é uma operação não-linear muito complicada;

it has no inverse.

não existe o inverso.

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

Então devemos encontrar uma forma de resolver a equação

without a division operator.

sem um sinal de divisão.

And the way to do that is fairly straightforward.

E a forma de se fazer isso é razoavelmente fácil.

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

Você diz: vamos fazer um truque de álgebra

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

e mover o seis para a direita da equação.

Now, we're still using multiplication.

Agora, ainda temos uma multiplicação

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

e aquele zero, vamos pensar nele como um erro.

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

Em outras palavras, se acharmos o w da forma certa

then the error will be zero.

então o erro será zero.

And if we haven't gotten it quite right,

Se não conseguirmos isso da forma certa, o erro será maior do que zero.

the error will be greater than zero.

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

Agora podemos criar suposições para diminuir os erros,

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

e é o tipo de coisa que computadores fazem muito bem.

So you've taken an initial guess:

Na primeira suposição: e se w = 0? Bem, o erro será 6.

what if w = 0?

Well, then the error is 6.

E se w = 1? O erro será 4.

What if w = 1? The error is 4.

And then the computer can sort of play Marco Polo,

E, então, o computador tentará adivinhar e diminuir o erro para próximo de zero.

and drive down the error close to zero.

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

Enquanto isso ocorre, ele está obtendo sucessivas aproximações de w.

Tipicamente, nunca se chega lá, mas depois de várias etapas,

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

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

estamos próximos de w = 2,999, o que é bem próximo.

And this is the learning process.

E esse é o processo de aprendizagem.

So remember that what's been going on here

Lembrem-se de que estamos pegando

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

muitos x e y conhecidos

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

e resolvendo o w no meio disso, através de um processo interativo.

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

É exatamente assim que construímos nossa própria aprendizagem.

We have many, many images as babies

Quando somos bebês nos mostram imagens

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

e nos dizem: "Isso é um pássaro; isso não é um pássaro".

And over time, through iteration,

Com o passar do tempo, através da interação,

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

nós encontramos o w, encontramos essas conexões neurais.

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

Agora mantemos o valor de x e w para resolver y;

that's everyday, fast perception.

isso acontece todo dia, percepção rápida.

We figure out how we can solve for w,

Compreendemos como achar w,

that's learning, which is a lot harder,

isso é aprendizagem, o que é muito mais difícil,

because we need to do error minimization,

pois precisamos minimizar os erros, usando vários exemplos de treinamento.

using a lot of training examples.

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

Há aproximadamente um ano, Alex Mordvintsev, da nossa equipe,

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

decidiu experimentar o que aconteceria se tentássemos encontrar x,

given a known w and a known y.

conhecendo os valores de w e y.

Em outras palavras,

In other words,

you know that it's a bird,

você sabe que isto é um pássaro,

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

e já tem sua rede neural que treinou com pássaros,

mas o que é a figura de um pássaro?

but what is the picture of a bird?

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

Ocorre que, usando o mesmo procedimento de minimização de erros,

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

pode-se fazer isso com a rede treinada para reconhecer pássaros

and the result turns out to be ...

e o resultado será...

a picture of birds.

uma imagem de pássaros.

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

Essa é uma imagem de pássaros totalmente gerada por uma rede neural,

that was trained to recognize birds,

a qual foi treinada para reconhecer pássaros,

just by solving for x rather than solving for y,

apenas resolvendo x em vez de y, fazendo isso de forma interativa.

and doing that iteratively.

Here's another fun example.

Aqui tem um outro exemplo divertido.

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

Esse foi um trabalho de Mike Tyka, em nosso grupo,

which he calls "Animal Parade."

que ele chamou de "Desfile Animal".

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

Faz lembrar um pouco obras de arte de William Kentridge,

in which he makes sketches, rubs them out,

na qual ele faz desenhos e os apaga, sucessivamente, e cria um filme assim.

makes sketches, rubs them out,

and creates a movie this way.

In this case,

Neste caso, Mike varia o y no espaço de diferentes animais,

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

in a network designed to recognize and distinguish

numa rede desenvolvida para reconhecer e distinguir diferentes animais.

different animals from each other.

E você consegue essa estranha mudança de um animal para outro, estilo Escher.

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

Here he and Alex together have tried reducing

Aqui, Alex e ele, juntos, tentaram reduzir

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

o y a um espaço de duas dimensões,

thereby making a map out of the space of all things

fazendo assim um mapa fora do espaço de todas as coisas

recognized by this network.

reconhecidas por essa rede.

Doing this kind of synthesis

Fazendo esse tipo de síntese

or generation of imagery over that entire surface,

ou geração de imagem sobre essa superfície inteira,

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

variando y sobre a superfície, você cria um mapa visual

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

de todas as coisas que a rede consegue reconhecer.

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

Todos os animas estão aqui; o tatu está bem naquele canto.

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

Você também pode fazer isso com outras redes.

This is a network designed to recognize faces,

Essa é uma rede criada para reconhecer faces,

to distinguish one face from another.

distinguir uma face de outra.

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

E, aqui, colocamos um y que seria "eu", parâmetros da minha própria face.

my own face parameters.

And when this thing solves for x,

E quando essa rede encontra x, ela gera essa imagem doida,

it generates this rather crazy,

kind of cubist, surreal, psychedelic picture of me

um estilo cubismo, surreal, uma figura psicodélica de mim

from multiple points of view at once.

a partir de múltiplos pontos de vista.

The reason it looks like multiple points of view at once

A razão de parecer com múltiplos pontos de vista de uma só vez

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

é porque a rede é criada para conseguir se livrar da ambiguidade

of a face being in one pose or another pose,

de uma face em uma pose ou outra,

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

sendo olhada com um tipo ou outro de luz.

So when you do this sort of reconstruction,

Então, quando faz esse tipo de reconstrução,

if you don't use some sort of guide image

se você não usar algum guia de imagem ou de estatística,

or guide statistics,

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

pode ficar confuso, devido a diferentes pontos de vista,

because it's ambiguous.

porque isso é ambíguo.

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

Isto é o que acontece se Alex usar sua própria face como guia de imagem

durante o processo de otimização para reconstruir minha face.

during that optimization process to reconstruct my own face.

So you can see it's not perfect.

Então, podem ver que não é perfeito.

There's still quite a lot of work to do

Ainda há muito trabalho a fazer

on how we optimize that optimization process.

sobre como otimizar aquele processo de otimização.

Mas começa a ter algo como uma face coerente,

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

rendered using my own face as a guide.

acabando por usar minha própria face como guia.

You don't have to start with a blank canvas

Não é preciso começar com uma tela em branco ou com ruído branco.

or with white noise.

When you're solving for x,

Quando se está resolvendo x,

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

pode-se começar com um x, que, por si só, já é outra imagem.

That's what this little demonstration is.

Isto é o que representa esta pequena demonstração.

This is a network that is designed to categorize

Isto é uma rede desenhada para categorizar

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

todo tipo de diferentes objetos, criações humanas, animais...

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

Aqui começamos apenas com uma figura de nuvens,

and as we optimize,

e enquanto otimizamos,

basicamente, esta rede está descobrindo o que se vê nas nuvens.

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

And the more time you spend looking at this,

E quanto mais você olha pra isso,

the more things you also will see in the clouds.

mais coisas também verá nas nuvens.

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

Poderia também usar a rede da face para ficar alucinado,

and you get some pretty crazy stuff.

então verá umas coisas muito loucas.

(Laughter)

(Risos)

Or, Mike has done some other experiments

Mike fez algumas outras experiências,

in which he takes that cloud image,

nas quais leva a imagem da nuvem,

hallucinates, zooms, hallucinates, zooms hallucinates, zooms.

e ele alucina e aproxima, sucessivamente,

And in this way,

e dessa forma,

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

pode ter uma espécie de estado de fuga da rede, suponho,

or a sort of free association,

ou um tipo de associação livre,

in which the network is eating its own tail.

em que a rede morde sua própria cauda.

So every image is now the basis for,

Assim, toda imagem é base para a pergunta: "O que acho que verei agora?

"What do I think I see next?

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

O que acho que verei agora? O que acho que verei agora?"

I showed this for the first time in public

Mostrei isso pela primeira vez em público,

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

a um grupo, numa palestra em Seattle,

chamado "Educação Maior";

this was right after marijuana was legalized.

isso aconteceu assim que a maconha foi legalizada.

(Laughter)

(Risos)

So I'd like to finish up quickly

Então, quero terminar logo,

by just noting that this technology is not constrained.

mencionando que esta tecnologia não está restrita.

Mostrei a vocês exemplos puramente visuais porque são divertidos de se ver.

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

It's not a purely visual technology.

Esta não é uma tecnologia exclusivamente visual.

Our artist collaborator, Ross Goodwin,

Nosso colaborador, Ross Goodwin,

has done experiments involving a camera that takes a picture,

fez experiências envolvendo uma câmera que tira a foto,

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

e aí, um computador na sua mochila, escreve um poema usando redes neurais,

based on the contents of the image.

baseados nos conteúdos da imagem.

And that poetry neural network has been trained

E aquela poesia de rede neural tem sido treinada

on a large corpus of 20th-century poetry.

num grande corpus de poesia do século 20.

And the poetry is, you know,

E a poesia, na verdade, não é tão ruim, eu acho.

I think, kind of not bad, actually.

(Laughter)

(Risos)

In closing,

Para fechar,

I think that per Michelangelo,

acho que Michelangelo estava certo:

I think he was right;

perception and creativity are very intimately connected.

percepção e criatividade estão intimamente ligadas.

What we've just seen are neural networks

O que vimos são apenas redes neurais,

that are entirely trained to discriminate,

que estão totalmente treinadas para discriminar

or to recognize different things in the world,

ou reconhecer coisas diferentes no mundo,

able to be run in reverse, to generate.

capazes de trabalhar em sentido contrário para produzir.

One of the things that suggests to me

Uma das coisas que me vem à cabeça

is not only that Michelangelo really did see

é que não só Michelangelo viu a escultura nos blocos de pedra,

the sculpture in the blocks of stone,

but that any creature, any being, any alien

mas qualquer criatura, qualquer ser, alienígena,

that is able to do perceptual acts of that sort

que é capaz de fazer atos de percepção desse tipo,

também é capaz de criar,

is also able to create

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

porque é exatamente a mesma máquina usada nos dois casos.

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

Também penso que percepção e criatividade não são exclusivamente humanas.

uniquely human.

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

Temos modelos de computadores capazes de fazer justamente esse tipo de coisa,

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

e não deveria ser surpreendente, pois o cérebro é computacional.

And finally,

E finalmente,

computing began as an exercise in designing intelligent machinery.

a computação começou como um exercício de planejar maquinaria inteligente.

It was very much modeled after the idea

Foi muito pensado na ideia

of how could we make machines intelligent.

de como faríamos as máquinas ficarem inteligentes.

And we finally are starting to fulfill now

E agora, estamos finalmente começando a cumprir

some of the promises of those early pioneers,

algumas das promessas daqueles pioneiros,

of Turing and von Neumann

de Turing e Von Neumann, e McCulloch e Pitts.

and McCulloch and Pitts.

And I think that computing is not just about accounting

E acho que computação não é apenas números

or playing Candy Crush or something.

ou jogar Candy Crush ou algo assim.

From the beginning, we modeled them after our minds.

No começo, modelamos as máquinas segundo as nossas mentes.

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

E elas nos dão tanto a habilidade de entender melhor nossa mente

and to extend them.

como de expandi-la.

Thank you very much.

Muito obrigado.

(Applause)

(Aplausos)