So, I lead a team at Google that works on machine intelligence; in other words, the engineering discipline of making computers and devices able to do some of the things that brains do. And this makes us interested in real brains and neuroscience as well, and especially interested in the things that our brains do that are still far superior to the performance of computers.
A Google-nál a gépi intelligenciával foglalkozó részleget vezetem. Ez a mérnöki terület számítógépeket és készülékeket tesz alkalmassá arra, hogy az emberi agyéhoz hasonló tevékenységet végezzenek. Ez sarkall bennünket arra, hogy az aggyal és az idegtudománnyal foglalkozzunk, különösen azzal, amiben agyunk egyelőre jócskán fölülmúlja a számítógépet.
Historically, one of those areas has been perception, the process by which things out there in the world -- sounds and images -- can turn into concepts in the mind. This is essential for our own brains, and it's also pretty useful on a computer. The machine perception algorithms, for example, that our team makes, are what enable your pictures on Google Photos to become searchable, based on what's in them. The flip side of perception is creativity: turning a concept into something out there into the world. So over the past year, our work on machine perception has also unexpectedly connected with the world of machine creativity and machine art.
Történetileg az egyik ilyen terület az érzékelés folyamata, amelyben a környezetünkben lévő dolgok – hangok és képek – agyunkban fogalommá alakulnak. Tudatunk számára ez nélkülözhetetlen, de igen hasznos a számítógépeknek is. A gépi érzékelés algoritmusai – csoportunk ezen dolgozik – teszik az önök Google Photoson lévő fotóit kereshetővé annak alapján, hogy mi látható rajtuk. Az érzékelés másik oldala az alkotókészség: az elképzelések valóra váltása. A gépi érzékeléssel végzett munkánk 2015-ben váratlanul hozzákapcsolódott a gépi alkotókészséghez és a gépi művészethez.
I think Michelangelo had a penetrating insight into to this dual relationship between perception and creativity. This is a famous quote of his: "Every block of stone has a statue inside of it, and the job of the sculptor is to discover it." So I think that what Michelangelo was getting at is that we create by perceiving, and that perception itself is an act of imagination and is the stuff of creativity.
Az hiszem, Michelangelo nagyon is beleérzett az érzékelés és az alkotókészség közötti kettős viszonyba. Van egy híres mondása: "Minden kőtömb szobrot rejt a belsejében, és a szobrász dolga, hogy kiszabadítsa." Azt hiszem, Michelangelo ezen azt értette, hogy érzékelés útján alkotunk, és az érzékelés nem más, mint a képzelet folyamata és az alkotókészség terméke.
The organ that does all the thinking and perceiving and imagining, of course, is the brain. And I'd like to begin with a brief bit of history about what we know about brains. Because unlike, say, the heart or the intestines, you really can't say very much about a brain by just looking at it, at least with the naked eye. The early anatomists who looked at brains gave the superficial structures of this thing all kinds of fanciful names, like hippocampus, meaning "little shrimp." But of course that sort of thing doesn't tell us very much about what's actually going on inside.
A gondolkodás, az érzékelés és a képzelet irányítója természetesen az agy. Egy történeti áttekintéssel szeretném kezdeni, hogy mit tudunk az agyunkról. Mert eltérően a szívtől és a belektől, ránézésre nem sokat mondhatunk az agyról, ha csupán szabad szemmel nézzük. Az agyat vizsgáló első anatómusok a felszíni képleteknek furcsa neveket adtak, pl. a hippokampusz csikóhalat jelent. Persze a nevek nem sokat árulnak el arról, hogy mi zajlik belül.
The first person who, I think, really developed some kind of insight into what was going on in the brain was the great Spanish neuroanatomist, Santiago Ramón y Cajal, in the 19th century, who used microscopy and special stains that could selectively fill in or render in very high contrast the individual cells in the brain, in order to start to understand their morphologies. And these are the kinds of drawings that he made of neurons in the 19th century.
Az első, aki valóban sokat tett azért, hogy megtudjuk, mi történik az agyban, Santiago Ramón y Cajal, a nagy spanyol ideganatómus volt a 19. században. Mikroszkópot használt, és különleges eljárást alkalmazott, amellyel szelektíven tudta megfesteni az egyes idegsejteket, jó kontrasztot érve el a megjelenítésben, hogy alaktanuk érthetőbb legyen. Ilyesféle képeket készített az idegsejtekről a 19. században:
This is from a bird brain. And you see this incredible variety of different sorts of cells, even the cellular theory itself was quite new at this point. And these structures, these cells that have these arborizations, these branches that can go very, very long distances -- this was very novel at the time. They're reminiscent, of course, of wires. That might have been obvious to some people in the 19th century; the revolutions of wiring and electricity were just getting underway. But in many ways, these microanatomical drawings of Ramón y Cajal's, like this one, they're still in some ways unsurpassed.
Ezt egy madár agyáról készült. Látják, milyen hihetetlenül változatosak a különféle sejtek; ekkor még maga a sejtelmélet is vadonatúj volt. Ezek a képletek, ezek a dendritnyúlványok a sejteken, ezek az ágacskák, amelyek igen messze ki tudnak nyúlni, akkoriban újdonságnak számítottak. Vezetékekre emlékeztetnek. Ez a 19. században némelyeknek kézenfekvőnek tűnt: éppen folyamatban volt a vezetékek és a villamosság forradalma. De több vonatkozásban Ramón y Cajal mikroanatómiai rajzai, mint ez is, fölülmúlhatatlanok.
We're still more than a century later, trying to finish the job that Ramón y Cajal started. These are raw data from our collaborators at the Max Planck Institute of Neuroscience. And what our collaborators have done is to image little pieces of brain tissue. The entire sample here is about one cubic millimeter in size, and I'm showing you a very, very small piece of it here. That bar on the left is about one micron. The structures you see are mitochondria that are the size of bacteria. And these are consecutive slices through this very, very tiny block of tissue. Just for comparison's sake, the diameter of an average strand of hair is about 100 microns. So we're looking at something much, much smaller than a single strand of hair.
Még most, egy bő évszázaddal később is csak törekszünk bevégezni a Cajal által megkezdett munkát. Ezek a nyers adatok itt partnereinktől, a Max Planck Idegtudományi Intézetből származnak. Partnereink képet készítettek az agyszövet pirinyó részeiről. Az itt látható minta összességében is csupán 1 mm³, én pedig ennek is csak egy pici részét mutatom. A bal oldali vonás kb. 1 mikron. Az itt látható képletek a mitokondriumok, ezek baktériumméretűek. Ezek pedig a nagyon parányi szövetdarab folytatólagos metszetei. Csak összevetésül: egy átlagos hajszál átmérője kb. 100 mikron. Ami szemünk előtt van, az sokkal-sokkal kisebb, mint a hajszál vastagsága.
And from these kinds of serial electron microscopy slices, one can start to make reconstructions in 3D of neurons that look like these. So these are sort of in the same style as Ramón y Cajal. Only a few neurons lit up, because otherwise we wouldn't be able to see anything here. It would be so crowded, so full of structure, of wiring all connecting one neuron to another.
Ha ezeknek az elektronmikroszkópos metszeteknek a sorozatából 3D-ben rekonstruáljuk az idegsejteket, valami ilyet kapunk. Ezek jellegükben hasonlítanak Ramón y Cajal képeire. Csak pár idegsejt van megvilágítva, különben nem látnánk semmit, olyan zsúfolt lenne a kép az egy-egy idegsejtet a többivel összekötő vezetékgubanctól.
So Ramón y Cajal was a little bit ahead of his time, and progress on understanding the brain proceeded slowly over the next few decades. But we knew that neurons used electricity, and by World War II, our technology was advanced enough to start doing real electrical experiments on live neurons to better understand how they worked. This was the very same time when computers were being invented, very much based on the idea of modeling the brain -- of "intelligent machinery," as Alan Turing called it, one of the fathers of computer science.
Ramón y Cajal egy kissé megelőzte korát; az agy megértésének folyamata csak lassan haladt a következő évtizedek során. Tudtuk, hogy az idegsejtek az elektromosságot használják, és a II. világháború idejére technológiánk elég fejlett volt ahhoz, hogy élő idegsejteken valódi kísérleteket végezzünk villamos árammal, hogy működésüket megértsük. Ugyanebben az időben találták föl - az agy működését alapul véve - a számítógépet, avagy az "értelmes szerkezetet", ahogy Alan Turing, a számítástechnika egyik atyja nevezte,
Warren McCulloch and Walter Pitts looked at Ramón y Cajal's drawing of visual cortex, which I'm showing here. This is the cortex that processes imagery that comes from the eye. And for them, this looked like a circuit diagram. So there are a lot of details in McCulloch and Pitts's circuit diagram that are not quite right. But this basic idea that visual cortex works like a series of computational elements that pass information one to the next in a cascade, is essentially correct.
Warren McCulloch és Walter Pitts megvizsgálta Cajalnak a látókéregről készített, itt látható rajzát. Ez az agykéreg dolgozza föl a szemünkből érkező képeket. Számukra ez olyan volt, mint egy kapcsolási rajz. Sok részlet McCulloch és Pitts kapcsolási rajzán nem teljesen pontos. De az alapelv, hogy a látókéreg úgy működik, mint számítási egységek sorozata, amelyek egymásnak adják tovább az információt, alapvetően helyes.
Let's talk for a moment about what a model for processing visual information would need to do. The basic task of perception is to take an image like this one and say, "That's a bird," which is a very simple thing for us to do with our brains. But you should all understand that for a computer, this was pretty much impossible just a few years ago. The classical computing paradigm is not one in which this task is easy to do.
Beszéljünk egy kicsit arról, hogy mit kéne csinálnia egy képi információt földolgozó modellnek. Az érzékelés fő feladata, hogy rögzítse az ilyen képet, és jelentse ki: "ez egy madár", ami agyunknak gyerekjáték. De mindannyiuknak tudnunk kell, hogy a számítógép számára ez néhány éve megoldhatatlan feladat volt. A klasszikus számítási paradigma alapján ez nem egykönnyen megoldható feladat.
So what's going on between the pixels, between the image of the bird and the word "bird," is essentially a set of neurons connected to each other in a neural network, as I'm diagramming here. This neural network could be biological, inside our visual cortices, or, nowadays, we start to have the capability to model such neural networks on the computer. And I'll show you what that actually looks like.
Ami a pixelek között történik, a madár képe és a "madár" szó között, lényegében annyi, hogy az idegsejtek egy halmaza összekapcsolódott egy ideghálózatban, ahogy itt fölvázolom. Ez lehet egy élő sejtekből álló neuronhálózat a látókéregben, vagy annak egy számítógépe modellje, aminek elkészítésére ma már kezdünk képesek lenni. Megmutatom, hogy néz ez ki.
So the pixels you can think about as a first layer of neurons, and that's, in fact, how it works in the eye -- that's the neurons in the retina. And those feed forward into one layer after another layer, after another layer of neurons, all connected by synapses of different weights. The behavior of this network is characterized by the strengths of all of those synapses. Those characterize the computational properties of this network. And at the end of the day, you have a neuron or a small group of neurons that light up, saying, "bird."
A képpontok fölfoghatók az idegsejtek első rétegeként, és valóban így működik ez a szemben; ezek a recehártyán lévő idegsejtek. Aztán továbbadják a következő rétegnek, egyik a másiknak, egymás után, mindegyik a következőnek, ezek mind különböző súllyal szereplő szinapszissal vannak összekötve. A hálózat viselkedését a szinapszisok erőssége jellemzi. Ezek írják le a hálózat számítási tulajdonságait. A végeredmény egy idegsejt, vagy sejtek kis csoportja, amelyek fölvillannak, és azt mondják: madár.
Now I'm going to represent those three things -- the input pixels and the synapses in the neural network, and bird, the output -- by three variables: x, w and y. There are maybe a million or so x's -- a million pixels in that image. There are billions or trillions of w's, which represent the weights of all these synapses in the neural network. And there's a very small number of y's, of outputs that that network has. "Bird" is only four letters, right? So let's pretend that this is just a simple formula, x "x" w = y. I'm putting the times in scare quotes because what's really going on there, of course, is a very complicated series of mathematical operations.
Ezt a három dolgot mutatom meg: a bemeneti képpontokat, az ideghálózat szinapszisait, és a madarat, a kimenetet, Három változó, az x, w és y segítségével. Talán milliónyi x, milliónyi képpont van ezen a képen. Milliárdnyi vagy billiónyi w létezik, ami az ideghálózatban lévő szinapszisok súlyát jellemzi. Az y-ok - a hálózati kimenetek - száma viszont egy elég kis szám. A "madár" csak öt betű, ugye? Tegyünk úgy, mintha ez az egyszerű képlet létezne: x "*" w = y Idézőjelbe tettem a szorzásjelet, mert persze ott egy sor nagyon bonyolult matematikai művelet áll.
That's one equation. There are three variables. And we all know that if you have one equation, you can solve one variable by knowing the other two things. So the problem of inference, that is, figuring out that the picture of a bird is a bird, is this one: it's where y is the unknown and w and x are known. You know the neural network, you know the pixels. As you can see, that's actually a relatively straightforward problem. You multiply two times three and you're done. I'll show you an artificial neural network that we've built recently, doing exactly that.
Ez egy egyenlet. Három változója van. Tudjuk, hogy ha van egy egyenletünk, megoldhatjuk az egyik változóra, ha ismerjük a másik kettőt. A levezetés problémája, azaz hogy kiderítsük, hogy a madár képe egy madáré, így foglalható össze: az y az ismeretlen, w és x ismert. Ismerjük az ideghálózatot és a képpontokat. Látható, hogy a feladat viszonylag egyszerű. Összeszorozzuk a kettőt a hárommal, és kész. Mutatok egy mesterséges ideghálózatot, amit mostanában építettünk, és ami pontosan ezt csinálja.
This is running in real time on a mobile phone, and that's, of course, amazing in its own right, that mobile phones can do so many billions and trillions of operations per second. What you're looking at is a phone looking at one after another picture of a bird, and actually not only saying, "Yes, it's a bird," but identifying the species of bird with a network of this sort. So in that picture, the x and the w are known, and the y is the unknown. I'm glossing over the very difficult part, of course, which is how on earth do we figure out the w, the brain that can do such a thing? How would we ever learn such a model?
Valós időben működik mobilon, és az már önmagában is csodálatos, hogy a mobiltelefonok másodpercenként milliárdnyi vagy billiónyi műveletre képesek. Előttünk egy telefon, amely folyamatosan madárképeket pörget, és nemcsak azt mondja, hogy: "Igen, ez madár", hanem a hálózat segítségével a madárfajt is fölismeri. A képen x és w ismert, y az ismeretlen. Átsiklok a legbonyolultabb részeken, nevezetesen: hogy a pokolba számoljuk ki w-t, és hogyan képes erre az agy? Hogyan hozhatunk létre ilyen modellt?
So this process of learning, of solving for w, if we were doing this with the simple equation in which we think about these as numbers, we know exactly how to do that: 6 = 2 x w, well, we divide by two and we're done. The problem is with this operator. So, division -- we've used division because it's the inverse to multiplication, but as I've just said, the multiplication is a bit of a lie here. This is a very, very complicated, very non-linear operation; it has no inverse. So we have to figure out a way to solve the equation without a division operator. And the way to do that is fairly straightforward. You just say, let's play a little algebra trick, and move the six over to the right-hand side of the equation. Now, we're still using multiplication. And that zero -- let's think about it as an error. In other words, if we've solved for w the right way, then the error will be zero. And if we haven't gotten it quite right, the error will be greater than zero.
Tehát ez tanulási folyamat: megoldás keresése w-re. Ha ezt egy egyszerű egyenletre tesszük, ahol az ismeretleneket számnak tekintjük, akkor pontosan tudjuk, miként kell a 6 = 2 * w -t megoldani., mindkét oldalt 2-vel kell osztani. A bökkenő ezzel az operátorral van. Osztás... Azért osztást alkalmaztunk, mert ez a szorzás inverze, de ahogy már mondtam, itt nem igazi szorzásról van szó. Ez itt egy igen kacifántos, nemlineáris művelet; és nincs inverze. Rá kell jönnünk, milyen módszerrel oldható meg az egyenlet osztási művelet nélkül. A módszer elég egyszerű. Alkalmazzunk egy kis algebrai trükköt, és vigyük át a 6-ost az egyenlet jobb oldalára. A szorzás továbbra is megvan. A nullát meg tekintsük a hiba mértékének. Azaz, ha w-re helyesen oldjuk meg az egyenletet, a hiba nulla lesz. Ha a megoldás nem teljesen helyes, a hiba nullánál nagyobb lesz.
So now we can just take guesses to minimize the error, and that's the sort of thing computers are very good at. So you've taken an initial guess: what if w = 0? Well, then the error is 6. What if w = 1? The error is 4. And then the computer can sort of play Marco Polo, and drive down the error close to zero. As it does that, it's getting successive approximations to w. Typically, it never quite gets there, but after about a dozen steps, we're up to w = 2.999, which is close enough. And this is the learning process.
Most a hiba minimalizálása végett próbálgatnunk kell, ebben pedig a számítógép igen jó. Kiinduló becslésnek ezt vettük: mi a helyzet, ha w = 0? Akkor a hiba 6-tal egyenlő. És ha w = 1? Akkor a hiba 4. Akkor a gép játszhatja a Marco Polo-játékot, és a hibát nullához közelítheti. Így w fokozatos közelítéseit kapjuk. Általában nem kapunk pontos eredményt, de tucatnyi lépés után w = 2,999-et kapunk, ami elég jó közelítés. Ez tanulási folyamat.
So remember that what's been going on here is that we've been taking a lot of known x's and known y's and solving for the w in the middle through an iterative process. It's exactly the same way that we do our own learning. We have many, many images as babies and we get told, "This is a bird; this is not a bird." And over time, through iteration, we solve for w, we solve for those neural connections.
Ne feledjük, hogy az történt, hogy vettünk egy csomó ismert x-et és ismert y-t, és iterációs úton kerestünk w-re egy megoldást. Pontosan ilyen módszerrel tanulunk mi magunk is. Kisbabakorunkban sok képet látunk, és valaki azt mondja: "Ez madár, ez nem madár." Idővel iteráció révén megoldjuk w-re, megtaláljuk az idegi kapcsolatokat.
So now, we've held x and w fixed to solve for y; that's everyday, fast perception. We figure out how we can solve for w, that's learning, which is a lot harder, because we need to do error minimization, using a lot of training examples.
Most az y kiszámolásához ismert az x és a w; ez a mindennapi, gyors érzékelés. Megoldást találni w-re, ez tanulás, ami jóval nehezebb, mert a hibát minimalizálni kell, sok gyakorlópélda segítségével.
And about a year ago, Alex Mordvintsev, on our team, decided to experiment with what happens if we try solving for x, given a known w and a known y. In other words, you know that it's a bird, and you already have your neural network that you've trained on birds, but what is the picture of a bird? It turns out that by using exactly the same error-minimization procedure, one can do that with the network trained to recognize birds, and the result turns out to be ... a picture of birds. So this is a picture of birds generated entirely by a neural network that was trained to recognize birds, just by solving for x rather than solving for y, and doing that iteratively.
Alex Mordvintsev kollégánk kb. egy éve elhatározta, hogy kipróbálja, mi van, ha x-re próbálunk megoldást keresni w és y ismeretében. Másként fogalmazva, tudjuk, hogy ez egy madár, és ideghálózatunk már be van tanítva madarakra, de milyen is egy madár képe? Kiderül, hogy ez is működik, ha ugyanazt a hibaminimalizáló eljárást alkalmazzuk a madarak fölismerésére betanított hálózatra, és az eredménye egy kép, amelyen madarak láthatók. Ezt a képet a madarak fölismerésére betanított neurális hálózat hozta létre egyszerűen úgy, hogy x-re, nem pedig y-ra kerestük a megoldást közelítő eljárással.
Here's another fun example. This was a work made by Mike Tyka in our group, which he calls "Animal Parade." It reminds me a little bit of William Kentridge's artworks, in which he makes sketches, rubs them out, makes sketches, rubs them out, and creates a movie this way. In this case, what Mike is doing is varying y over the space of different animals, in a network designed to recognize and distinguish different animals from each other. And you get this strange, Escher-like morph from one animal to another.
Ez pedig egy másik érdekes példa. Ezt egyik kollégánk, Mike Tyka csinálta, és az állatok fölvonulásának nevezte el. Engem William Kentridge műalkotásaira emlékeztet: vázlatokat készít, kitörli őket, vázlatokat készít, kitörli, és így készít filmet. Ebben az esetben Mike y-t futtatja végig különféle állatokon, egy állatok fölismerésére és megkülönböztetésére tervezett hálózaton. Így ilyen furcsán, Escher-szerűen tűnik át egyik állat a másikba.
Here he and Alex together have tried reducing the y's to a space of only two dimensions, thereby making a map out of the space of all things recognized by this network. Doing this kind of synthesis or generation of imagery over that entire surface, varying y over the surface, you make a kind of map -- a visual map of all the things the network knows how to recognize. The animals are all here; "armadillo" is right in that spot.
Itt Mike és Alex megpróbált az összes y alapján egyetlen kétdimenziós képet létrehozni, a hálózat által felismert valamennyi tárgyat a síkba leképezve. Efféle szintézist elvégezve, a teljes felületet használva, y variálásával ilyesféle leképezést készítünk: a vizuális megjelenítését mindannak, amit a hálózat felismer. Minden állat itt van; ez itt az armadillo, azaz a tatu.
You can do this with other kinds of networks as well. This is a network designed to recognize faces, to distinguish one face from another. And here, we're putting in a y that says, "me," my own face parameters. And when this thing solves for x, it generates this rather crazy, kind of cubist, surreal, psychedelic picture of me from multiple points of view at once. The reason it looks like multiple points of view at once is because that network is designed to get rid of the ambiguity of a face being in one pose or another pose, being looked at with one kind of lighting, another kind of lighting. So when you do this sort of reconstruction, if you don't use some sort of guide image or guide statistics, then you'll get a sort of confusion of different points of view, because it's ambiguous. This is what happens if Alex uses his own face as a guide image during that optimization process to reconstruct my own face. So you can see it's not perfect. There's still quite a lot of work to do on how we optimize that optimization process. But you start to get something more like a coherent face, rendered using my own face as a guide.
Ugyanez megtehető másfajta hálózatokkal is. Ezt a hálózatot arcfölismerésre hozták létre, hogy képes legyen arcokat megkülönböztetni egymástól. Itt az y jelentése: "én", az én arcom paraméterei. Amikor ez megoldást keres x-re, az eredmény az én idétlen, kubista, szürreális és pszichedelikus képem, egyidejűleg különböző nézőpontokból. Az egyidejű különböző nézőpontok indoka: a hálózatot úgy tervezték, hogy megszabaduljon a félreértésektől, amelyek az arc eltérő helyzeteiből vagy az eltérő megvilágításból adódhatnak. Ha ilyen rekonstrukciót végzünk, és nem használunk támpontul valamilyen képet vagy statisztikát, akkor a különféle nézőpontok valami káosza keletkezik, mert félreérthető. Ez az eredmény, ha Alex támpontul tulajdon arcát használja az optimalizálás folyamán az én arcom rekonstruálásához. Láthatóan nem tökéletes. Még sok a teendőnk a folyamat optimalizálásában. De a kapott arc már kivehetőbb, ha a támpontul az én arcom szolgált.
You don't have to start with a blank canvas or with white noise. When you're solving for x, you can begin with an x, that is itself already some other image. That's what this little demonstration is. This is a network that is designed to categorize all sorts of different objects -- man-made structures, animals ... Here we're starting with just a picture of clouds, and as we optimize, basically, this network is figuring out what it sees in the clouds. And the more time you spend looking at this, the more things you also will see in the clouds. You could also use the face network to hallucinate into this, and you get some pretty crazy stuff.
Nem szükséges nulláról kezdenünk. Ha x-et keressük, kezdhetjük egy másik képhez tartozó x-szel, ahogy ezen a kis bemutatón is látható. E hálózat különféle tárgyak - pl. állatok, ember alkotta struktúrák - osztályba sorolására készült. Itt egyszerűen felhők képével kezdünk, és ahogy optimalizálunk, a hálózat eldönti, hogy mit lát bele a felhőkbe. Minél tovább nézzük, annál több dolgot látunk beléjük. Használhatjuk az arcfölismerő hálózatot, hogy arcokat lássunk bele, és eléggé észbontó dolgokhoz jutunk.
(Laughter)
(Nevetés)
Or, Mike has done some other experiments in which he takes that cloud image, hallucinates, zooms, hallucinates, zooms hallucinates, zooms. And in this way, you can get a sort of fugue state of the network, I suppose, or a sort of free association, in which the network is eating its own tail. So every image is now the basis for, "What do I think I see next? What do I think I see next? What do I think I see next?"
Mike végzett egy másik kísérletet: vette ezt a felhős képet, értelmeztette, zoomolt, értelmeztette, zoomolt, értelmeztette, zoomolt... Ily módon szerintem a hálózatnak amolyan disszociatív fugaállapotához jutunk, vagy valamiféle szabad asszociációkhoz, amelyben a hálózat saját farkába harap. Mindegyik kép láttán az jár az eszünkben, hogy vajon mit látok majd a következőn, és a következőn, és a következőn.
I showed this for the first time in public to a group at a lecture in Seattle called "Higher Education" -- this was right after marijuana was legalized.
Ezt nyilvánosan először Seattle-ben egy Felsőoktatás c. előadáson mutattam be, rögtön a marihuána legalizálása után.
(Laughter)
(Nevetés)
So I'd like to finish up quickly by just noting that this technology is not constrained. I've shown you purely visual examples because they're really fun to look at. It's not a purely visual technology. Our artist collaborator, Ross Goodwin, has done experiments involving a camera that takes a picture, and then a computer in his backpack writes a poem using neural networks, based on the contents of the image. And that poetry neural network has been trained on a large corpus of 20th-century poetry. And the poetry is, you know, I think, kind of not bad, actually.
Azzal a megjegyzéssel zárnám gyorsan, hogy a technológia lehetőségei beláthatatlanok. Csupán vizuális példákat hoztam föl, mert ezek nagyon mutatósak. Nemcsak képi technológia létezik. Művész munkatársunk, Ross Goodwin, kísérleteihez fényképezőgépet használ, amely készít egy fölvételt, majd a hátizsákjában lévő számítógép e fénykép tartalmából ihletet merítve verset ír. E költői neurális hálózatot a 20.századi költészet egy terjedelmes gyűjteménye alapján hozták létre. Szerintem az így készült versek nem is olyan rosszak.
(Laughter)
(Nevetés)
In closing, I think that per Michelangelo, I think he was right; perception and creativity are very intimately connected. What we've just seen are neural networks that are entirely trained to discriminate, or to recognize different things in the world, able to be run in reverse, to generate. One of the things that suggests to me is not only that Michelangelo really did see the sculpture in the blocks of stone, but that any creature, any being, any alien that is able to do perceptual acts of that sort is also able to create because it's exactly the same machinery that's used in both cases.
Végezetül, ami Michelangelót illeti, úgy vélem, igaza volt: az észlelés és az alkotókészség szorosan összefügg. Amiket láttunk, azok olyan neurális hálózatok, amelyeket arra tanítottak, hogy megkülönböztessenek és fölismerjenek különböző tárgyakat, és amelyek fordított irányú működésre, generálásra is képesek. Nemcsak azért gondolom ezt, mert Michelangelo tényleg látta a szobrot a kőtömb belsejében, hanem mert bármely teremtmény, lény, Földön kívüli, amely ilyen észlelésre képes, képes alkotni is, mert ezek mindkét esetben pontosan ugyanazon műveletek.
Also, I think that perception and creativity are by no means uniquely human. We start to have computer models that can do exactly these sorts of things. And that ought to be unsurprising; the brain is computational.
Azt hiszem, hogy az észlelés és az alkotás semmi esetre sem korlátozódik az emberre. Kezdenek megjelenni olyan számítógépes modellek, amelyek képesek ugyanerre. Ez nem meglepő, hiszen az agy is egy sajátságos számítógép.
And finally, computing began as an exercise in designing intelligent machinery. It was very much modeled after the idea of how could we make machines intelligent. And we finally are starting to fulfill now some of the promises of those early pioneers, of Turing and von Neumann and McCulloch and Pitts. And I think that computing is not just about accounting or playing Candy Crush or something. From the beginning, we modeled them after our minds. And they give us both the ability to understand our own minds better and to extend them.
Végül, az informatika a mesterséges értelem létrehozására tett kísérletként indult. Jórészt azt modellezte le, hogy miként tehetjük a gépeket okossá. Most kezdjük lassacskán beváltani az útkeresők bizonyos ígéreteit: Turingét, Neumann Jánosét, McCullochét és Pittsét. Azt hiszem, az informatika nem korlátozódik a könyvelésre, a Candy Crush játékra vagy ilyesmikre. A kezdetektől fogva agyunk alapján modelleztük. Hozzájárul agyunk jobb megértéséhez, és képességei kiterjesztéséhez.
Thank you very much.
Köszönöm szépen.
(Applause)
(Taps)