With Spatial Intelligence, AI Will Understand the Real World | Fei-Fei Li | TED

Tradutor: Guilherme Magalhães Bertholino Revisora: Margarida Ferreira

Let me show you something.

Vou mostrar-vos uma coisa.

To be precise,

A bem dizer, não vou mostrar-vos nada.

I'm going to show you nothing.

This was the world 540 million years ago.

Este era o mundo há 540 milhões de anos.

Pure, endless darkness.

Pura e infinita escuridão.

It wasn't dark due to a lack of light.

Não estava escuro por falta de luz.

It was dark because of a lack of sight.

Estava escuro por falta de visão.

Although sunshine did filter 1,000 meters

Embora a luz do sol se filtrasse

beneath the surface of ocean,

a mil metros abaixo da superfície do oceano,

a light permeated from hydrothermal vents to seafloor,

uma luz que permeava das fontes hidrotermais até ao fundo do mar,

brimming with life,

repleta de vida,

there was not a single eye to be found in these ancient waters.

não se encontrava um único olho nestas águas antigas.

No retinas, no corneas, no lenses.

Sem retinas, sem córneas, sem lentes,

So all this light, all this life went unseen.

toda esta luz, toda esta vida era invisível.

There was a time that the very idea of seeing didn't exist.

Houve um tempo em que a própria ideia de ver não existia.

It [had] simply never been done before.

Simplesmente nunca tinha existido,

Until it was.

até que existiu.

Por razões que só agora começamos a perceber,

So for reasons we're only beginning to understand,

trilobites, the first organisms that could sense light, emerged.

surgiram os trilobites,

os primeiros organismos que podiam sentir a luz.

They're the first inhabitants of this reality that we take for granted.

São os primeiros habitantes desta realidade

que tomamos como garantida.

First to discover that there is something other than oneself.

Foram os primeiros a descobrir que havia uma coisa diferente de si mesmos,

A world of many selves.

um mundo de muitos eus.

The ability to see is thought to have ushered in Cambrian explosion,

Pensa-se que a capacidade de ver deu início à explosão do Cambriano,

um período em que uma enorme variedade de espécies animais

a period in which a huge variety of animal species

entered fossil records.

entrou em registos fósseis.

What began as a passive experience,

O que começou como uma experiência passiva,

the simple act of letting light in,

o simples ato de deixar a luz entrar,

soon became far more active.

logo se tornou muito mais ativo.

The nervous system began to evolve.

O sistema nervoso começou a evoluir.

Sight turning to insight.

A visão transforma-se em perceção.

Seeing became understanding.

Ver tornou-se compreender.

Understanding led to actions.

A compreensão levou a ações.

And all these gave rise to intelligence.

E tudo isto deu origem à inteligência.

Today, we're no longer satisfied with just nature's gift of visual intelligence.

Hoje, já não nos contentamos apenas com o dom natural da inteligência visual.

Curiosity urges us to create machines to see just as intelligently as we can,

A curiosidade obriga-nos a criar máquinas

para ver o mais inteligentemente que pudermos, senão melhor.

if not better.

Nine years ago, on this stage,

Há nove anos, neste palco,

I delivered an early progress report on computer vision,

apresentei um relatório inicial sobre o progresso da visão computacional,

a subfield of artificial intelligence.

um subcampo da inteligência artificial.

Three powerful forces converged for the first time.

Três forças poderosas convergiram pela primeira vez.

Aa family of algorithms called neural networks.

Uma família de algoritmos chamados redes neurais.

Fast, specialized hardware called graphic processing units,

Um equipamento rápido e especializado chamado unidade de processamento gráfico,

or GPUs.

ou GPU.

And big data.

E big data, como os 15 milhões de imagens

Like the 15 million images that my lab spent years curating called ImageNet.

conservadas na ImageNet pelo meu laboratório, durante anos.

Together, they ushered in the age of modern AI.

Juntos, eles deram início à era da IA moderna.

We've come a long way.

Percorremos um longo caminho.

Back then, just putting labels on images was a big breakthrough.

Naquela altura, pôr rótulos nas imagens já era um grande avanço.

But the speed and accuracy of these algorithms just improved rapidly.

Mas a velocidade e a precisão destes algoritmos melhoraram rapidamente.

The annual ImageNet challenge, led by my lab,

O anual ImageNet Challenge anual liderado pelo meu laboratório,

gauged the performance of this progress.

avaliava o desempenho deste progresso.

And on this plot, you're seeing the annual improvement

E neste gráfico, estão a ver

os modelos de melhoria anual e de marcos.

and milestone models.

We went a step further

Demos um passo em frente

and created algorithms that can segment objects

e criámos algoritmos que podem segmentar objetos

or predict the dynamic relationships among them

ou prever as relações dinâmicas entre eles

in these works done by my students and collaborators.

nestes trabalhos feitos pelos meus alunos e colaboradores.

And there's more.

E há mais.

Recall last time I showed you the first computer-vision algorithm

Lembram-se da última vez que vos mostrei

o primeiro algoritmo de visão computacional

that can describe a photo in human natural language.

que pode descrever uma fotografia em linguagem humana natural?

That was work done with my brilliant former student, Andrej Karpathy.

Foi um trabalho feito com o meu brilhante ex-aluno, Andrej Karpathy.

At that time, I pushed my luck and said,

Naquela altura, forcei a minha sorte e disse:

"Andrej, can we make computers to do the reverse?"

“Andrej, podemos criar computadores que façam o contrário?”

And Andrej said, "Ha ha, that's impossible."

E Andrej disse: “Ha, ha, isso é impossível.”

Well, as you can see from this post,

Bem, como podem ver neste post, recentemente,

recently the impossible has become possible.

o impossível tornou-se possível.

That's thanks to a family of diffusion models

Isso graças a uma família de modelos de difusão

that powers today's generative AI algorithm,

que alimenta o algoritmo de IA generativo de hoje,

which can take human-prompted sentences

que pode pegar em frases inspiradas por seres humanos

and turn them into photos and videos

e transformá-las em fotos e vídeos de algo que é inteiramente novo.

of something that's entirely new.

Many of you have seen the recent impressive results of Sora by OpenAI.

Muitos viram os recentes resultados impressionantes do Sora da OpenAI.

Mas mesmo sem o enorme número de GPU,

But even without the enormous number of GPUs,

my student and our collaborators

o meu aluno e os nossos colaboradores

have developed a generative video model called Walt

tinham desenvolvido um modelo de vídeo generativo chamado Walt

months before Sora.

meses antes do Sora.

And you're seeing some of these results.

E estão a ver alguns destes resultados.

There is room for improvement.

Há espaço para melhorias.

I mean, look at that cat's eye

Quer dizer, olhem para o olho de gato

and the way it goes under the wave without ever getting wet.

e a forma como ele fica debaixo da onda sem nunca se molhar.

What a cat-astrophe.

Que “gat-ástrofe”.

(Laughter)

(Risos)

And if past is prologue,

E se o passado é o prólogo,

we will learn from these mistakes and create a future we imagine.

vamos aprender com estes erros e criar um futuro que imaginamos.

And in this future,

E neste futuro,

we want AI to do everything it can for us,

queremos que a IA faça tudo o que puder fazer por nós,

or to help us.

ou que nos ajude.

For years I have been saying

Há anos que venho a dizer

that taking a picture is not the same as seeing and understanding.

que tirar uma fotografia não é o mesmo que ver e compreender.

Today, I would like to add to that.

Hoje, gostaria de acrescentar a isso.

Simply seeing is not enough.

Ver apenas não é suficiente.

Seeing is for doing and learning.

Ver é para fazer e aprender.

When we act upon this world in 3D space and time,

Quando agimos sobre este mundo no espaço a 3D e no tempo,

we learn, and we learn to see and do better.

aprendemos, e aprendemos a ver e a fazer melhor.

Nature has created this virtuous cycle of seeing and doing

A Natureza criou este ciclo virtuoso de ver e fazer

powered by “spatial intelligence.”

alimentado pela “inteligência espacial”.

Para ilustrar o que a vossa inteligência espacial

To illustrate to you what your spatial intelligence is doing constantly,

está a fazer constantemente,

look at this picture.

olhem para esta imagem.

Raise your hand if you feel like you want to do something.

Levante a mão quem sentir vontade de fazer alguma coisa.

(Laughter)

(Risos)

In the last split of a second,

Na última fração de segundo,

your brain looked at the geometry of this glass,

o nosso cérebro olhou para a geometria deste copo,

its place in 3D space,

o seu lugar no espaço a 3D,

its relationship with the table, the cat

a sua relação com a mesa, com o gato e tudo o mais.

and everything else.

And you can predict what's going to happen next.

E podem prever o que vai acontecer a seguir.

The urge to act is innate to all beings with spatial intelligence,

O impulso de agir é inato

em todos os seres com inteligência espacial,

que relaciona a perceção com a ação.

which links perception with action.

And if we want to advance AI beyond its current capabilities,

E se quisermos fazer avançar a IA para além das suas capacidades atuais,

queremos mais do que uma IA que possa ver e falar.

we want more than AI that can see and talk.

We want AI that can do.

Queremos uma IA que possa fazer.

Indeed, we're making exciting progress.

Na verdade, estamos a fazer progressos entusiasmantes.

The recent milestones in spatial intelligence

Os recentes marcos na inteligência espacial

is teaching computers to see, learn, do

são ensinar os computadores a ver, aprender, fazer

and learn to see and do better.

e aprender a ver e a fazer melhor.

This is not easy.

Isto não é fácil.

It took nature millions of years to evolve spatial intelligence,

A Natureza levou milhões de anos a desenvolver a inteligência espacial,

which depends on the eye taking light,

que depende do facto de os olhos captarem a luz,

project 2D images on the retina

de projetar imagens a 2D na retina

and the brain to translate these data into 3D information.

e de o cérebro para traduzir esses dados em informação 3D.

Only recently, a group of researchers from Google

Só recentemente, um grupo de investigadores do Google

are able to develop an algorithm to take a bunch of photos

conseguiu desenvolver um algoritmo para tirar um monte de fotos

and translate that into 3D space,

e traduzi-las para o espaço 3D,

like the examples we're showing here.

como os exemplos que estamos a mostrar aqui.

My student and our collaborators have taken a step further

O meu aluno e os nossos colaboradores avançaram um passo

and created an algorithm that takes one input image

e criaram um algoritmo que pega numa imagem de entrada

and turn that into 3D shape.

e transforma-a numa forma a 3D.

Here are more examples.

Aqui estão mais exemplos.

Recall, we talked about computer programs that can take a human sentence

Lembram-se de falarmos de programas de computador

que podem pegar uma frase humana

and turn it into videos.

e transformá-la em vídeos.

A group of researchers in University of Michigan

Um grupo de investigadores da Universidade do Michigan

have figured out a way to translate that line of sentence

descobriu uma maneira de traduzir essa frase

into 3D room layout, like shown here.

no traçado duma sala a 3D, como se mostra aqui.

And my colleagues at Stanford and their students

Os meus colegas de Stanford e os alunos deles

have developed an algorithm that takes one image

desenvolveram um algoritmo que pega uma imagem

and generates infinitely plausible spaces

e gera espaços infinitamente plausíveis

for viewers to explore.

para os espetadores explorarem.

São protótipos dos primeiros sinais de uma possibilidade futura.

These are prototypes of the first budding signs of a future possibility.

Uma possibilidade em que a raça humana possa agarrar no mundo inteiro

One in which the human race can take our entire world

and translate it into digital forms

e traduzi-lo em formas digitais

and model the richness and nuances.

e modelar a riqueza e as suas variantes.

What nature did to us implicitly in our individual minds,

O que a Natureza nos fez implicitamente nas nossas mentes individuais,

spatial intelligence technology can hope to do

a tecnologia de inteligência espacial pode esperar fazer

for our collective consciousness.

para a nossa consciência coletiva.

As the progress of spatial intelligence accelerates,

À medida que o progresso da inteligência espacial se acelera,

a new era in this virtuous cycle is taking place in front of our eyes.

uma nova era neste ciclo virtuoso está a acontecer diante dos nossos olhos.

This back and forth is catalyzing robotic learning,

Este vai e vem está a catalisar a aprendizagem robótica,

a key component for any embodied intelligence system

um componente fundamental para qualquer sistema de inteligência incorporado

that needs to understand and interact with the 3D world.

que precise de entender e de interagir com o mundo a 3D.

A decade ago,

Há 10 anos,

ImageNet from my lab

a ImageNet do meu laboratório

enabled a database of millions of high-quality photos

permitiu uma base de dados de milhões de fotos de alta qualidade

to help train computers to see.

para ajudar a treinar computadores para ver.

Today, we're doing the same with behaviors and actions

Hoje, estamos a fazer o mesmo com comportamentos e ações

to train computers and robots how to act in the 3D world.

para treinar computadores e robôs a agir no mundo a 3D.

But instead of collecting static images,

Mas em vez de recolher imagens estáticas,

we develop simulation environments powered by 3D spatial models

desenvolvemos ambientes de simulação alimentados por modelos espaciais 3D

so that the computers can have infinite varieties of possibilities

para que os computadores possam ter infinitas variedades de possibilidades

to learn to act.

para aprender a agir.

And you're just seeing a small number of examples

E estão a ver um pequeno número de exemplos

to teach our robots

para ensinar os nossos robôs

in a project led by my lab called Behavior.

num projeto liderado pelo meu laboratório chamado Behavior.

We’re also making exciting progress in robotic language intelligence.

Também estamos a fazer progressos entusiasmantes

na inteligência robótica da linguagem.

Using large language model-based input,

Usando informações baseadas em modelos linguísticos de grande dimensão

my students and our collaborators are among the first teams

os meus alunos e os nossos colaboradores estão entre as primeiras equipas

that can show a robotic arm performing a variety of tasks

que podem mostrar um braço robótico a realizar uma variedade de tarefas

based on verbal instructions,

com base em instruções verbais,

like opening this drawer or unplugging a charged phone.

como abrir esta gaveta ou desligar um telefone carregado.

Or making sandwiches, using bread, lettuce, tomatoes

Ou fazer sanduíches, usando pão, alface, tomate

and even putting a napkin for the user.

e até colocar um guardanapo para o utilizador.

Typically I would like a little more for my sandwich,

Habitualmente, eu gostaria de um pouco mais para o meu sanduíche,

but this is a good start.

mas isto é um bom começo.

(Laughter)

(Risos)

In that primordial ocean, in our ancient times,

Naquele oceano primordial, nos tempos antigos,

the ability to see and perceive one's environment

a capacidade de ver e perceber o ambiente

desencadeou a explosão do Cambriano de interações com outras formas de vida.

kicked off the Cambrian explosion of interactions with other life forms.

Today, that light is reaching the digital minds.

Hoje, essa luz está a atingir as mentes digitais.

Spatial intelligence is allowing machines

A inteligência espacial está a permitir

to interact not only with one another,

que as máquinas interajam não só umas com as outras,

but with humans, and with 3D worlds,

mas com os seres humanos,

e com mundos 3D, reais ou virtuais.

real or virtual.

And as that future is taking shape,

E à medida que esse futuro está a ganhar forma,

it will have a profound impact to many lives.

terá um impacto profundo em muitas vidas.

Let's take health care as an example.

Tomemos como exemplo os cuidados de saúde.

For the past decade,

Durante a última década,

my lab has been taking some of the first steps

o meu laboratório tem dado alguns dos primeiros passos

in applying AI to tackle challenges that impact patient outcome

na aplicação da IA para enfrentar os desafios

que influenciam o resultado do paciente

and medical staff burnout.

e o esgotamento da equipa médica.

Together with our collaborators from Stanford School of Medicine

Juntamente com os nossos colaboradores da Stanford School of Medicine

and partnering hospitals,

e hospitais parceiros,

we're piloting smart sensors

estamos a pilotar sensores inteligentes

that can detect clinicians going into patient rooms

que podem detetar médicos

que entram nos quartos dos doentes sem lavar as mãos adequadamente.

without properly washing their hands.

Or keep track of surgical instruments.

Ou manter o controlo dos instrumentos cirúrgicos.

Ou alertar as equipas de cuidados quando um doente corre risco físico,

Or alert care teams when a patient is at physical risk,

such as falling.

como, por exemplo, uma queda.

We consider these techniques a form of ambient intelligence,

Consideramos estas técnicas uma forma de inteligência ambiental,

like extra pairs of eyes that do make a difference.

como pares extras de olhos que fazem a diferença.

But I would like more interactive help for our patients, clinicians

Mas eu gostaria de mais ajuda interativa para os nossos pacientes,

para clínicos e cuidadores,

and caretakers, who desperately also need an extra pair of hands.

que também precisam desesperadamente de um par extra de mãos.

Imagine an autonomous robot transporting medical supplies

Imaginem um robô autónomo a transportar material médico

while caretakers focus on our patients

enquanto os cuidadores se concentram nos nossos pacientes

or augmented reality, guiding surgeons to do safer, faster

ou na realidade aumentada,

orientando os cirurgiões a fazer operações mais seguras,

and less invasive operations.

mais rápidas e menos invasivas.

Or imagine patients with severe paralysis controlling robots with their thoughts.

Ou imaginem doentes com uma paralisia profunda

a controlar robôs com os seus pensamentos.

That's right, brainwaves, to perform everyday tasks

Isso mesmo, ondas cerebrais, para realizar tarefas diárias

that you and I take for granted.

que, para nós, são normais.

You're seeing a glimpse of that future in this pilot study from my lab recently.

Estão a ver um vislumbre desse futuro

neste estudo piloto recente do meu laboratório.

In this video, the robotic arm is cooking a Japanese sukiyaki meal

Neste vídeo, o braço robótico está a cozinhar uma refeição sukiyaki japonesa

controlled only by the brain electrical signal,

controlada apenas pelo sinal elétrico do cérebro,

non-invasively collected through an EEG cap.

recolhido de forma não invasiva através de uma tampa de EEG.

(Applause)

(Aplausos)

Obrigada.

Thank you.

The emergence of vision half a billion years ago

O aparecimento da visão, há 500 milhões de anos,

turned a world of darkness upside down.

virou um mundo de trevas de cabeça para baixo.

It set off the most profound evolutionary process:

Ele desencadeou o processo evolutivo mais profundo:

the development of intelligence in the animal world.

o desenvolvimento da inteligência no mundo animal.

AI's breathtaking progress in the last decade is just as astounding.

O impressionante progresso da IA na última década

é igualmente surpreendente.

But I believe the full potential of this digital Cambrian explosion

Mas acredito que todo o potencial desta explosão digital do Cambriano

won't be fully realized until we power our computers and robots

só será totalmente atingido

quando dotarmos os nossos computadores e robôs

with spatial intelligence,

de inteligência espacial,

just like what nature did to all of us.

tal como o que a Natureza fez a todos nós.

É um momento emocionante para ensinar o nosso companheiro digital

It’s an exciting time to teach our digital companion

to learn to reason

a aprender a raciocinar

and to interact with this beautiful 3D space we call home,

e a interagir com este belo espaço 3D que chamamos lar,

and also create many more new worlds that we can all explore.

e também a criar muitos outros mundos novos que todos podemos explorar.

To realize this future won't be easy.

Perceber este futuro não será fácil.

It requires all of us to take thoughtful steps

Exige que todos tomemos medidas ponderadas

and develop technologies that always put humans in the center.

e desenvolvemos tecnologias que coloquem sempre os seres humanos no centro.

But if we do this right,

Mas se fizermos isso como deve ser,

the computers and robots powered by spatial intelligence

os computadores e robôs alimentados por inteligência espacial

will not only be useful tools

não só serão ferramentas úteis,

but also trusted partners

como também serão parceiros de confiança

to enhance and augment our productivity and humanity

para melhorar e aumentar a nossa produtividade e humanidade,

while respecting our individual dignity

respeitando a nossa dignidade individual

and lifting our collective prosperity.

e elevando a nossa prosperidade coletiva.

What excites me the most in the future

O que mais me entusiasma no futuro

is a future in which that AI grows more perceptive,

é um futuro em que essa IA se torne mais percetiva,

mais perspicaz e espacialmente consciente,

insightful and spatially aware,

e se junte a nós na nossa procura

and they join us on our quest

to always pursue a better way to make a better world.

de sempre encontrar uma maneira melhor de fazer um mundo melhor.

Thank you.

Obrigada.

(Applause)

(Aplausos)