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

Tradutor: Valmir Araujo Revisora: Margarida Ferreira

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

Lidero uma equipa do Google que trabalha com inteligência artificial.

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

Por outras palavras, cria computadores e dispositivos

able to do some of the things that brains do.

capazes de fazer coisas que o cérebro faz.

And this makes us interested in real brains

Portanto, estamos muito interessados em cérebros de verdade

and neuroscience as well,

e também na neurociência,

and especially interested in the things that our brains do

e especialmente interessados nas coisas que o nosso cérebro faz

that are still far superior to the performance of computers.

com um desempenho muito superior ao dos computadores.

Historically, one of those areas has been perception,

Historicamente, uma dessas áreas tem sido a perceção,

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

o processo pelo qual as coisas lá fora, no mundo

sounds and images --

— sons e imagens —

can turn into concepts in the mind.

podem tornar-se conceitos no nosso espírito.

This is essential for our own brains,

Isto é essencial para o nosso próprio cérebro

and it's also pretty useful on a computer.

e também é muito útil num computador.

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

Os algoritmos de perceção das máquinas, como os que a nossa equipa faz,

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

são os que possibilitam encontrar as nossas imagens no Google Photos

based on what's in them.

com base no que contêm.

The flip side of perception is creativity:

O outro lado da perceção é a criatividade

turning a concept into something out there into the world.

que traduz um conceito numa coisa que existe no mundo.

So over the past year, our work on machine perception

Ao longo do ano passado, o nosso trabalho sobre a perceção das máquinas

has also unexpectedly connected with the world of machine creativity

também se ligou inesperadamente ao mundo da criatividade das máquinas

and machine art.

e da arte das máquinas.

I think Michelangelo had a penetrating insight

Eu acho que Miguel Ângelo teve uma visão perspicaz

into to this dual relationship between perception and creativity.

quanto a esta dupla relação entre perceção e criatividade.

This is a famous quote of his:

Esta é uma sua famosa citação:

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

"Cada bloco de pedra tem uma estátua lá dentro.

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

"O papel do escultor é descobri-la."

So I think that what Michelangelo was getting at

Eu acho que Miguel Ângelo queria exprimir

is that we create by perceiving,

que nós criamos através da perceção

and that perception itself is an act of imagination

e que essa perceção em si é um ato de imaginação

and is the stuff of creativity.

e é a matéria-prima da criatividade.

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

O órgão que processa todo o pensamento, a perceção e a imaginação,

of course, is the brain.

claro, é o cérebro.

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

Gostaria de começar com um pequeno resumo da história

about what we know about brains.

sobre o que sabemos sobre o cérebro.

Because unlike, say, the heart or the intestines,

Porque, ao contrário do coração ou dos intestinos,

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

não podemos dizer muito sobre o cérebro, apenas olhando para ele

at least with the naked eye.

pelo menos, a olho nu.

The early anatomists who looked at brains

Os primeiros anatomistas que olharam para o cérebro

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

deram à sua estrutura superficial todo o tipo de nomes fantasiosos

like hippocampus, meaning "little shrimp."

como hipocampo, que significa "cavalo-marinho."

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

Mas com certeza, esse tipo de coisas não nos diz muito

about what's actually going on inside.

sobre o que de facto acontece dentro dele.

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

Acho que a primeira pessoa que lançou alguma luz

into what was going on in the brain

sobre o que ocorria dentro do cérebro

was the great Spanish neuroanatomist, Santiago Ramón y Cajal,

foi o grande neuroanatomista espanhol Santiago Ramón y Cajal,

in the 19th century,

no século XIX,

who used microscopy and special stains

que usou a microscopia e corantes especiais

that could selectively fill in or render in very high contrast

que podiam colorir seletivamente ou criar um alto contraste

the individual cells in the brain,

as células individuais dentro do cérebro,

in order to start to understand their morphologies.

para começar a entender a sua morfologia.

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

Estes são os tipos de desenhos de neurónios,

in the 19th century.

que ele fez no século XIX.

This is from a bird brain.

Este é de um cérebro de pássaro.

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

Vemos esta incrível variedade de diferentes tipos de células.

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

Até a própria teoria celular era praticamente nova nesta altura.

And these structures,

Estas estruturas,

these cells that have these arborizations,

estas células que têm estas ramificações,

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

estes ramos que podem percorrer grandes distâncias,

this was very novel at the time.

eram uma novidade na época.

They're reminiscent, of course, of wires.

Claro que nos fazem lembrar cabos.

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

No século XIX, isso talvez fosse óbvio para algumas pessoas,

the revolutions of wiring and electricity were just getting underway.

a revolução da cablagem elétrica estava apenas a começar.

But in many ways,

Mas, de várias maneiras,

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

esses desenhos microanatómicos de Ramón y Cajal, como este,

they're still in some ways unsurpassed.

ainda são, de certa forma, insuperáveis.

We're still more than a century later,

Mais de cem anos depois,

trying to finish the job that Ramón y Cajal started.

continuamos a tentar terminar o trabalho que Ramón y Cajal iniciou.

These are raw data from our collaborators

Estes são dados brutos dos nossos colaboradores

at the Max Planck Institute of Neuroscience.

do Instituto de Neurociência Max Planck.

And what our collaborators have done

Os nossos colaboradores têm fotografado

is to image little pieces of brain tissue.

pequenos pedaços de tecido cerebral.

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

A amostra total aqui tem cerca de um milímetro cúbico de tamanho

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

e estou a mostrar aqui apenas um pequeno pedaço.

That bar on the left is about one micron.

Aquela barra à esquerda tem mais ou menos um mícron.

The structures you see are mitochondria

As estruturas que vemos são mitocôndrias

that are the size of bacteria.

que têm o tamanho de uma bactéria.

And these are consecutive slices

E estas são cortes consecutivos

through this very, very tiny block of tissue.

desse bloco de tecido muito pequeno.

Just for comparison's sake,

Só para efeitos de comparação,

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

o diâmetro médio de um cabelo é de cerca de 100 mícrons.

So we're looking at something much, much smaller

Portanto, estamos a olhar para uma coisa muito menor do que um simples cabelo.

than a single strand of hair.

And from these kinds of serial electron microscopy slices,

A partir deste tipo de cortes em série vistos ao microscópio eletrónico,

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

podemos fazer reconstruções em 3D de neurónios, como estes.

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

Estes são do mesmo estilo dos de Ramón y Cajal.

Only a few neurons lit up,

Só se iluminam alguns neurónios, senão, não conseguiríamos ver nada.

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

It would be so crowded,

Ficaria muito sobrecarregado,

so full of structure,

cheio de estruturas de cabos,

of wiring all connecting one neuron to another.

ligando os neurónios uns aos outros.

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

Ramón y Cajal estava avançado para a sua época

and progress on understanding the brain

e o progresso na compreensão do cérebro

proceeded slowly over the next few decades.

prosseguiu devagar durante as décadas seguintes.

But we knew that neurons used electricity,

Mas nós sabíamos que os neurónios usavam a eletricidade.

and by World War II, our technology was advanced enough

Com a II Guerra Mundial, a nossa tecnologia avançou bastante

to start doing real electrical experiments on live neurons

para iniciar experiências elétricas em neurónios vivos,

to better understand how they worked.

para melhor entender como eles funcionavam.

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

Foi na mesma época em que foram inventados os computadores,

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

com base sobretudo na ideia de imitar o cérebro

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

— uma "máquina inteligente", como lhe chamou Alan Turing,

one of the fathers of computer science.

um dos pais da informática.

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

Warren McCulloch e Walter Pitts olharam para o desenho de Ramón y Cajal

of visual cortex,

do córtex visual,

which I'm showing here.

que estou a mostrar aqui.

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

Este é o córtex que processa as imagens que provêm dos olhos.

And for them, this looked like a circuit diagram.

Para eles, isto parecia o diagrama de um circuito.

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

Há muitos detalhes no diagrama no circuito de McCulloch e de Pitt

that are not quite right.

que não estão lá muito corretos.

But this basic idea

Mas a ideia básica

that visual cortex works like a series of computational elements

de que o córtex visual funciona como uma série de elementos eletrónicos

that pass information one to the next in a cascade,

que passam informações de um para outro, em cascata,

is essentially correct.

está essencialmente correta.

Let's talk for a moment

Vamos falar por momentos

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

do que um modelo de processamento de informações visuais precisaria de fazer.

The basic task of perception

A tarefa básica da perceção

is to take an image like this one and say,

é pegar numa imagem como esta e dizer:

"That's a bird,"

"Isto é uma ave",

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

o que é uma coisa muito simples que fazermos com o cérebro.

But you should all understand that for a computer,

Mas devem compreender que, para um computador,

this was pretty much impossible just a few years ago.

isso era praticamente impossível, até há poucos anos.

The classical computing paradigm

O paradigma clássico da informática

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

não permite realizar facilmente essa tarefa.

So what's going on between the pixels,

Então, o que acontece entre os píxeis,

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

entre a imagem de um pássaro e a palavra "ave",

is essentially a set of neurons connected to each other

é uma série de neurónios ligados uns aos outros

in a neural network,

numa rede neural como este diagrama aqui.

as I'm diagramming here.

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

Esta rede neural pode ser biológica, como no córtex visual,

or, nowadays, we start to have the capability

ou, atualmente, começamos a ter a capacidade de modelar

to model such neural networks on the computer.

estas redes neurais no computador.

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

Vou mostrar o aspeto que isso tem.

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

Podemos considerar os píxeis como uma primeira camada de neurónio

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

— e, de facto, é assim que funciona o olho —

that's the neurons in the retina.

são os neurónios na retina.

And those feed forward

e eles transmitem as informações

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

camada após camada, após camada de neurónios,

all connected by synapses of different weights.

todos ligados através de sinapses de diferentes pesos.

The behavior of this network

O comportamento desta rede

is characterized by the strengths of all of those synapses.

é caracterizado pelas forças de todas estas sinapses.

Those characterize the computational properties of this network.

Elas caracterizam as propriedades informáticas dessa rede.

And at the end of the day,

E por fim,

you have a neuron or a small group of neurons

temos um neurónio ou um pequeno grupo de neurónios

that light up, saying, "bird."

que se iluminam, dizendo: "ave".

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

Agora vou representar essas três coisas

the input pixels and the synapses in the neural network,

— os píxeis de entrada e as sinapses na rede neural,

and bird, the output --

e a ave, o resultado —

by three variables: x, w and y.

por três variáveis: x, w e y.

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

Há talvez um milhão de x,

a million pixels in that image.

um milhão de píxeis nesta imagem.

There are billions or trillions of w's,

Há milhares de milhões ou biliões de w,

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

que representam os pesos de todas essas sinapses na rede neural.

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

E há um pequeno número de y,

of outputs that that network has.

de resultados que essa rede neural tem.

"Bird" is only four letters, right?

"Ave" tem apenas três letras, não é?

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

Então vamos supor que isso é uma fórmula simples,

x "x" w = y.

x "vezes" w = y.

I'm putting the times in scare quotes

Coloco o sinal de multiplicação entre aspas

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

porque o que realmente está ali a acontecer,

is a very complicated series of mathematical operations.

é uma série muito complicada de operações matemáticas

That's one equation.

Isto é uma equação.

There are three variables.

Há três variáveis.

And we all know that if you have one equation,

Todos nós sabemos que, se temos uma equação,

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

podemos encontrar uma variável se conhecermos as outras duas.

So the problem of inference,

Assim, o problema da inferência,

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

ou seja, descobrir que a figura de uma ave é uma ave,

is this one:

é o seguinte:

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

É onde y é a incógnita e w e x são conhecidos.

You know the neural network, you know the pixels.

Conhecemos a rede neural, conhecemos os píxeis.

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

Como podemos ver, isto é de facto um problema relativamente simples.

You multiply two times three and you're done.

Multiplicamos duas vezes três e está feito.

I'll show you an artificial neural network

Vou mostrar uma rede neural artificial

that we've built recently, doing exactly that.

que construímos há pouco tempo, fazendo exatamente isso.

This is running in real time on a mobile phone,

Isto está a correr em tempo real num telemóvel

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

e, claro, é incrível, só por si,

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

que os telemóveis possam fazer milhares de milhões ou

ou biliões de operações por segundo.

per second.

What you're looking at is a phone

O que estamos a ver é um telemóvel

looking at one after another picture of a bird,

a olhar para figuras de aves, umas atrás das outras,

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

a dizer: "Sim, isto é uma ave",

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

e também a identificar as espécies de aves com uma rede deste tipo.

So in that picture,

Assim, 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 a incógnita.

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

Claro, estou a encobrir a parte mais difícil,

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

que é como podemos descobrir o valor de w,

the brain that can do such a thing?

como é que o cérebro pode fazer tal coisa?

How would we ever learn such a model?

Como poderemos aprender esse modelo?

So this process of learning, of solving for w,

Este processo de aprendizagem, de encontrar o w,

if we were doing this with the simple equation

se estivéssemos a fazer isso com uma simples equação

in which we think about these as numbers,

em que utilizamos números,

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

sabemos exatamente como fazer isso: 6 = 2 x w.

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

Dividimos por dois e está feito.

The problem is with this operator.

O problema é com este operador.

So, division --

a divisão.

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 aqui é uma pequena mentira.

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

Esta é uma operação muito complicada, não é linear,

it has no inverse.

não tem forma inversa.

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

Então temos de descobrir uma forma de resolver a equação

without a division operator.

sem um operador de divisão.

And the way to do that is fairly straightforward.

A forma de fazer isso é bem simples.

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

Basta dizer: "Vamos brincar com os truques da álgebra"

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

e movemos o seis para o lado direito da equação.

Now, we're still using multiplication.

Continuamos a usar a multiplicação.

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

E vamos pensar naquele zero como um erro.

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

Por outras palavras, se resolvermos da forma correta,

then the error will be zero.

o erro será zero.

And if we haven't gotten it quite right,

E se não resolvemos corretamente, 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,

Então podemos apenas dar palpites para minimizar o erro.

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

Esse é o tipo de coisas em que os computadores são muito bons.

So you've taken an initial guess:

Assim, temos um palpite inicial:

what if w = 0?

E se w = 0? Então o erro é seis.

Well, then the error is 6.

E se w = 1? Então o erro é 4.

What if w = 1? The error is 4.

And then the computer can sort of play Marco Polo,

Então o computador pode fazer de Marco Polo,

and drive down the error close to zero.

e diminuir o erro para mais próximo de zero.

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

Fazendo isso, vamos ter sucessivas aproximações até ao w.

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

Normalmente, nunca lá chega, mas após uma dúzia de passos,

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

temos w = 2,999, o que é suficientemente próximo.

And this is the learning process.

É este o processo de aprendizagem.

So remember that what's been going on here

Por isso, lembrem-se que o que está a acontecer aqui

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

é que estamos a pegar num monte de x e y conhecidos

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

e a procurar o w através de um processo repetitivo.

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

Isto é a mesma coisa que fazemos com a nossa aprendizagem.

We have many, many images as babies

Temos muitas imagens, enquanto bebés, e dizem-nos:

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

"Isto é uma ave, isto não é uma ave".

And over time, through iteration,

Ao longo do tempo, através da repetição,

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

encontramos o w, aquelas ligações neurais.

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

Então agora, temos o x e o w fixos, para resolvermos o y.

that's everyday, fast perception.

É a perceção rápida, de todos os dias.

We figure out how we can solve for w,

Descobrimos como encontrar o w,

that's learning, which is a lot harder,

isso é aprendizagem, o que é um muito mais difícil

because we need to do error minimization,

porque precisamos de minimizar o erro, praticando muitos exemplos.

using a lot of training examples.

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

Há uns anos, Alex Mordvintsev, da nossa equipa,

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

decidiu experimentar o que acontece se tentarmos encontrar o x,

given a known w and a known y.

em que o w e o y são conhecidos.

In other words,

Por outras palavras, sabemos que é uma ave,

you know that it's a bird,

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

já treinámos a rede neural com as aves,

but what is the picture of a bird?

mas o que é a imagem de uma ave?

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

Acontece que, usando exatamente o mesmo procedimento de minimização de erros,

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

podemos fazer isso com a rede treinada para reconhecer aves

and the result turns out to be ...

e o resultado será...

a picture of birds.

uma imagem de aves.

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

É uma imagem de aves gerada totalmente por uma rede neural,

that was trained to recognize birds,

treinada para reconhecer aves,

just by solving for x rather than solving for y,

simplesmente procurando x, em vez de procurar o y,

and doing that iteratively.

e fazendo-o por repetição.

Here's another fun example.

Eis outro exemplo engraçado.

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

Este foi um trabalho feito por Mike Tyka no nosso grupo

which he calls "Animal Parade."

a que ele chama "Desfile de Animais".

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

Recorda-me um pouco as obras de William Kentridge,

in which he makes sketches, rubs them out,

em que ele faz esboços e depois os apaga,

makes sketches, rubs them out,

faz esboços e os apaga e cria um filme dessa forma

and creates a movie this way.

In this case,

Neste caso, Mike vai variando 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 concebida para reconhecer e distinguir

different animals from each other.

animais diferentes uns dos outros.

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

Podemos achar estranho, é como ter uma metamorfose de um animal para outro.

Here he and Alex together have tried reducing

Aqui ele e Alex, em conjunto, tentaram reduzir os y

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

num espaço de apenas duas dimensões,

thereby making a map out of the space of all things

criando 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 imagens sobre toda a superfície,

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

variando y na superfície, fazemos uma espécie de mapa,

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

um mapa visual de todas as coisas que a rede sabe reconhecer.

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

Os animais estão todos aqui: o tatu está naquele local.

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

Também podemos fazer isso com outras redes.

This is a network designed to recognize faces,

Esta é uma rede desenhada para reconhecer rostos,

to distinguish one face from another.

para distinguir um rosto de outro.

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

Aqui, estamos a colocar um Y que diz "eu",

my own face parameters.

os parâmetros do meu rosto.

And when this thing solves for x,

Quando isso é resolvido para x,

it generates this rather crazy,

gera a minha imagem, bastante louca,

kind of cubist, surreal, psychedelic picture of me

tipo cubista, surrealista, psicadélica,

de vários pontos de vista ao mesmo tempo.

from multiple points of view at once.

The reason it looks like multiple points of view at once

A razão de se parecer com vários pontos de vista ao mesmo tempo,

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

é porque esta rede está concebida para se livrar da ambiguidade

of a face being in one pose or another pose,

de um rosto estar numa pose qualquer,

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

de ser visto com um tipo de luz, com outro tipo de luz.

So when you do this sort of reconstruction,

Quando fazemos este tipo de reconstrução,

if you don't use some sort of guide image

se não usarmos qualquer tipo de guia de imagem ou de estatística,

or guide statistics,

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

obtemos uma certa confusão de 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

É o que acontece se o Alex usar o seu rosto como guia de imagem

during that optimization process to reconstruct my own face.

durante o processo de otimização para reconstruir o meu rosto.

So you can see it's not perfect.

Vemos que isto 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 melhorar a otimização do processo.

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

Mas começamos a ver alguma coisa como um rosto coerente,

rendered using my own face as a guide.

usando o meu rosto como guia.

You don't have to start with a blank canvas

Não precisamos de começar com uma tela em branco

or with white noise.

ou com interferências,

When you're solving for x,

quando estamos a procurar x.

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

Podemos começar com um x que, em si mesmo, já é uma outra imagem.

That's what this little demonstration is.

É isso que é esta pequena demonstração.

This is a network that is designed to categorize

Esta é uma rede desenhada para categorizar

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

todo o tipo de objetos — estruturas feitas pelo homem, animais.

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

Aqui estamos a começar apenas com uma imagem de nuvens.

and as we optimize,

Quando otimizamos,

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

essa rede está a descobrir o que vê nas nuvens.

And the more time you spend looking at this,

Quanto mais tempo gastarmos a olhar para isto,

the more things you also will see in the clouds.

mais coisas veremos nas nuvens.

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

Também podemos usar a rede de rostos para enlouquecer isto

and you get some pretty crazy stuff.

e obtemos coisas muito loucas.

(Laughter)

(Risos)

Or, Mike has done some other experiments

Mike tem feito outras experiências

in which he takes that cloud image,

em que agarra nessa imagem de nuvens,

hallucinates, zooms, hallucinates, zooms hallucinates, zooms.

enlouquece, aproxima, enlouquece, aproxima, enlouquece, aproxima.

And in this way,

Dessa forma,

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

suponho que podemos obter uma espécie de estado de fuga da rede,

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 está a comer a sua cauda.

So every image is now the basis for,

Assim cada imagem é agora a base para:

"What do I think I see next?

"O que é que espero ver a seguir?"

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

"O que é que espero ver a seguir? O que é que espero ver a seguir?"

I showed this for the first time in public

Mostrei isto em público pela primeira vez

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

a um grupo numa palestra em Seattle chamada "A mais alta educação"

this was right after marijuana was legalized.

— logo depois de ter sido legalizada a marijuana.

(Laughter)

(Risos)

So I'd like to finish up quickly

Gostaria de terminar rapidamente

by just noting that this technology is not constrained.

notando que esta tecnologia não está limitada.

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

Mostrei-vos apenas exemplos visuais porque eles são divertidos de ver.

It's not a purely visual technology.

Não é apenas uma tecnologia puramente visual.

Our artist collaborator, Ross Goodwin,

O nosso artista colaborador, Ross Goodwin,

has done experiments involving a camera that takes a picture,

tem feito experiências que envolvem uma câmara que tira fotos

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

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

based on the contents of the image.

com base no conteúdo da imagem.

And that poetry neural network has been trained

Essa poesia de rede neural foi treinada

on a large corpus of 20th-century poetry.

num grande corpo de poesia do século XX.

And the poetry is, you know,

Sabem uma coisa, acho que essa poesia não é lá muito má.

I think, kind of not bad, actually.

(Laughter)

(Risos)

In closing,

Para terminar,

I think that per Michelangelo,

acho que Miguel Ângelo tinha razão.

I think he was right;

perception and creativity are very intimately connected.

"A perceção e a criatividades estão intimamente ligadas".

What we've just seen are neural networks

O que acabamos de ver são redes neurais

that are entirely trained to discriminate,

que estão totalmente treinadas para discriminar ou reconhecer

or to recognize different things in the world,

diferentes coisas no mundo,

able to be run in reverse, to generate.

capazes de funcionar de trás para frente, de criar.

One of the things that suggests to me

Uma das coisas que me sugere

is not only that Michelangelo really did see

que não é apenas o que Miguel Ângelo viu,

the sculpture in the blocks of stone,

a escultura nos blocos de pedra.

but that any creature, any being, any alien

Mas que qualquer criatura, qualquer ser, qualquer alienígena,

that is able to do perceptual acts of that sort

que seja capaz de fazer ações percetivas deste tipo,

is also able to create

também é capaz de criar,

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

porque é exatamente o mesmo mecanismo usado nos dois casos.

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

Também acho que essa perceção e criatividade não são de modo algum

uniquely human.

unicamente humanas.

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

Começámos com modelos de computadores capazes de fazer este tipo de coisas.

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

Isso não devia ser surpreendente: o cérebro é um modelo informático.

And finally,

E finalmente,

computing began as an exercise in designing intelligent machinery.

a informática começou como um exercício para a conceção de máquinas inteligentes.

It was very much modeled after the idea

Foi modelado segundo a ideia

of how could we make machines intelligent.

de que podemos fazer máquinas inteligentes.

And we finally are starting to fulfill now

E finalmente estamos agora a começar a atingir

some of the promises of those early pioneers,

algumas das promessas dos pioneiros,

of Turing and von Neumann

de Turing e von Neumannn,

and McCulloch and Pitts.

de McCulloch e Pitts.

And I think that computing is not just about accounting

Acho que a informática não é apenas fazer contas

or playing Candy Crush or something.

ou jogar Candy Crush ou qualquer outra coisa.

From the beginning, we modeled them after our minds.

Desde o começo, modelámo-los segundo as nossas mentes.

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

Eles deram-nos a capacidade para compreender as nossas mentes

and to extend them.

e para os aperfeiçoar.

Thank you very much.

Muito obrigado.

(Applause)

(Aplausos)