Hello. I'm not a real person. I'm actually a copy of a real person. Although, I feel like a real person. It's kind of hard to explain. Hold on -- I think I saw a real person ... there's one. Let's bring him onstage.
Olá. Não sou uma pessoa real. Sou, na verdade, uma cópia de uma pessoa real. No entanto, eu me sinto uma pessoa real. É meio difícil de explicar. Esperem, acho que vi uma pessoa real... aqui está uma! Vamos trazê-la ao palco.
Hello.
Olá.
(Applause)
(Aplausos)
What you see up there is a digital human. I'm wearing an inertial motion capture suit that's figuring what my body is doing. And I've got a single camera here that's watching my face and feeding some machine-learning software that's taking my expressions, like, "Hm, hm, hm," and transferring it to that guy. We call him "DigiDoug." He's actually a 3-D character that I'm controlling live in real time.
O que veem lá em cima é um ser humano digital. Estou vestindo um traje de captura de movimento inercial que entende o que meu corpo está fazendo. E tenho uma única câmera aqui, observando meu rosto e alimentando software de aprendizado de máquina que pega minhas expressões, como "Hum, hum, hum", e as transfere para aquele cara. Nós o chamamos de "DigiDoug". Ele é, na verdade, um personagem em 3-D que controlo ao vivo em tempo real.
So, I work in visual effects. And in visual effects, one of the hardest things to do is to create believable, digital humans that the audience accepts as real. People are just really good at recognizing other people. Go figure! So, that's OK, we like a challenge.
Trabalho com efeitos visuais. Em efeitos visuais, uma das coisas mais difíceis de se fazer é criar seres humanos possíveis e digitais que o público aceita como reais. As pessoas são muito boas em reconhecer outras. Vai entender! Tudo bem, gostamos de um desafio.
Over the last 15 years, we've been putting humans and creatures into film that you accept as real. If they're happy, you should feel happy. And if they feel pain, you should empathize with them. We're getting pretty good at it, too. But it's really, really difficult. Effects like these take thousands of hours and hundreds of really talented artists.
Nos últimos 15 anos, colocamos seres humanos e criaturas em filmes que aceitamos como reais. Se eles estão felizes, deveríamos nos sentir felizes. E, se sentem dor, deveríamos ter empatia com eles. Estamos ficando muito bons nisso também. Mas é realmente muito difícil. Efeitos como esses levam milhares de horas e centenas de artistas muito talentosos.
But things have changed. Over the last five years, computers and graphics cards have gotten seriously fast. And machine learning, deep learning, has happened. So we asked ourselves: Do you suppose we could create a photo-realistic human, like we're doing for film, but where you're seeing the actual emotions and the details of the person who's controlling the digital human in real time? In fact, that's our goal: If you were having a conversation with DigiDoug one-on-one, is it real enough so that you could tell whether or not I was lying to you? So that was our goal.
Mas as coisas têm mudado. Nos últimos cinco anos, computadores e placas gráficas ficaram muito rápidos. Surgiram o aprendizado de máquina e a aprendizagem profunda. Então nos perguntamos: será que conseguiríamos criar um ser humano fotorrealista, como estamos criando para filmes, mas em que vemos as emoções reais e os detalhes da pessoa que controla o ser humano digital em tempo real? De fato, esse é nosso objetivo: se você estivesse conversando com DigiDoug cara a cara,, seria real o suficiente para você dizer se eu estava ou não mentindo para você? Esse era nosso objetivo.
About a year and a half ago, we set off to achieve this goal. What I'm going to do now is take you basically on a little bit of a journey to see exactly what we had to do to get where we are. We had to capture an enormous amount of data. In fact, by the end of this thing, we had probably one of the largest facial data sets on the planet. Of my face.
Há cerca de um ano e meio, nos propusemos a alcançar esse objetivo. Agora vou levá-los basicamente em uma pequena viagem para ver exatamente o que precisávamos fazer para chegar aonde estamos. Tínhamos que capturar uma quantidade enorme de dados. Na verdade, até o final disso, tínhamos provavelmente um dos maiores conjuntos de dados faciais do planeta, do meu rosto.
(Laughter)
(Risos)
Why me? Well, I'll do just about anything for science. I mean, look at me! I mean, come on. We had to first figure out what my face actually looked like. Not just a photograph or a 3-D scan, but what it actually looked like in any photograph, how light interacts with my skin. Luckily for us, about three blocks away from our Los Angeles studio is this place called ICT. They're a research lab that's associated with the University of Southern California. They have a device there, it's called the "light stage." It has a zillion individually controlled lights and a whole bunch of cameras. And with that, we can reconstruct my face under a myriad of lighting conditions. We even captured the blood flow and how my face changes when I make expressions. This let us build a model of my face that, quite frankly, is just amazing. It's got an unfortunate level of detail, unfortunately.
Por que eu? Bem, farei qualquer coisa pela ciência. Quer dizer, olhem pra mim! Vejam só. Precisávamos descobrir primeiro como seria meu rosto. Não apenas uma fotografia ou uma digitalização em 3-D, mas o que, na verdade, parecia em qualquer fotografia, como a luz interage com minha pele. Felizmente para nós, cerca de três quarteirões de distância de nosso estúdio de Los Angeles está um local chamado ICT, um laboratório de pesquisa associado à University of Southern California. Eles têm um dispositivo chamado de "estágio de luz" com um zilhão de luzes controladas individualmente e um monte de câmeras. Com isso, podemos reconstruir meu rosto sob uma série de condições de iluminação. Até capturamos o fluxo sanguíneo e como meu rosto muda quando faço expressões. Isso nos permitiu construir um modelo sinceramente incrível de meu rosto. Infelizmente, é lamentável o nível de detalhe.
(Laughter)
(Risos)
You can see every pore, every wrinkle. But we had to have that. Reality is all about detail. And without it, you miss it. We are far from done, though. This let us build a model of my face that looked like me. But it didn't really move like me. And that's where machine learning comes in. And machine learning needs a ton of data. So I sat down in front of some high-resolution motion-capturing device. And also, we did this traditional motion capture with markers. We created a whole bunch of images of my face and moving point clouds that represented that shapes of my face. Man, I made a lot of expressions, I said different lines in different emotional states ... We had to do a lot of capture with this. Once we had this enormous amount of data, we built and trained deep neural networks. And when we were finished with that, in 16 milliseconds, the neural network can look at my image and figure out everything about my face. It can compute my expression, my wrinkles, my blood flow -- even how my eyelashes move. This is then rendered and displayed up there with all the detail that we captured previously.
É possível ver cada poro, cada ruga. Mas precisávamos disso. Realidade tem tudo a ver com detalhes. Sem eles, perde o sentido. Porém, estamos longe de terminar. Isso permite construir um modelo de meu rosto que se parecia com o meu, mas que não se movia como o meu E é aí que entra o aprendizado de máquina, que precisa de uma tonelada de dados. Eu me sentei em frente a um dispositivo de captura de movimento de alta resolução. Também fizemos essa captura tradicional de movimento com marcadores. Criamos um monte de imagens de meu rosto e nuvens de pontos em movimento que representavam as formas dele. Fiz muitas expressões, falei frases distintas em estados emocionais diferentes... Tivemos que fazer muita captura com isso. Depois de obter essa quantidade enorme de dados, construímos e treinamos redes neurais profundas. Quando terminamos, em 16 milissegundos, a rede neural consegue analisar minha imagem e descobrir tudo sobre meu rosto. Consegue calcular minha expressão, minhas rugas, meu fluxo sanguíneo, até como meus cílios se movem. Isso é então renderizado e exibido lá em cima, com todos os detalhes que capturamos anteriormente.
We're far from done. This is very much a work in progress. This is actually the first time we've shown it outside of our company. And, you know, it doesn't look as convincing as we want; I've got wires coming out of the back of me, and there's a sixth-of-a-second delay between when we capture the video and we display it up there. Sixth of a second -- that's crazy good! But it's still why you're hearing a bit of an echo and stuff. And you know, this machine learning stuff is brand-new to us, sometimes it's hard to convince to do the right thing, you know? It goes a little sideways.
Estamos longe de terminar. É um trabalho em andamento. Esta é, na verdade, a primeira vez que o mostramos fora de nossa empresa. Não parece tão convincente quanto queremos; tenho fios saindo de minhas costas, e há um atraso de um sexto de segundo entre o momento em que capturamos o vídeo e o exibimos lá em cima. Um sexto de segundo, isso é muito bom! Mas ainda é por isso que ouvimos um pouco de eco. Esse aprendizado de máquina é novo para nós. Às vezes, é difícil convencer a fazer a coisa certa, sabe? Fica pior ainda!
(Laughter)
(Risos)
But why did we do this? Well, there's two reasons, really. First of all, it is just crazy cool.
Mas por que fizemos isso? Há duas razões na verdade. Antes de mais nada, é legal demais.
(Laughter)
(Risos)
How cool is it? Well, with the push of a button, I can deliver this talk as a completely different character. This is Elbor. We put him together to test how this would work with a different appearance. And the cool thing about this technology is that, while I've changed my character, the performance is still all me. I tend to talk out of the right side of my mouth; so does Elbor.
Não é demais? Pressionando um botão, posso dar essa palestra como um personagem totalmente diferente. Este é Elbor. Nós o criamos para testar como funcionaria com uma aparência diferente. O legal dessa tecnologia é que, embora eu tenha mudado meu personagem, a apresentação ainda é toda minha. Costumo falar usando o lado direito de minha boca; o mesmo acontece com Elbor.
(Laughter)
(Risos)
Now, the second reason we did this, and you can imagine, is this is going to be great for film. This is a brand-new, exciting tool for artists and directors and storytellers. It's pretty obvious, right? I mean, this is going to be really neat to have. But also, now that we've built it, it's clear that this is going to go way beyond film.
A segunda razão pela qual fizemos isso, podem imaginar, é que será ótimo para o cinema. Esta é uma ferramenta nova e interessante para artistas, diretores e contadores de histórias. É bem óbvio, não é mesmo? Quer dizer, vai ser muito legal ter isso. Mas também, agora que o construímos, está claro que isso vai muito além do cinema.
But wait. Didn't I just change my identity with the push of a button? Isn't this like "deepfake" and face-swapping that you guys may have heard of? Well, yeah. In fact, we are using some of the same technology that deepfake is using. Deepfake is 2-D and image based, while ours is full 3-D and way more powerful. But they're very related. And now I can hear you thinking, "Darn it! I though I could at least trust and believe in video. If it was live video, didn't it have to be true?" Well, we know that's not really the case, right? Even without this, there are simple tricks that you can do with video like how you frame a shot that can make it really misrepresent what's actually going on. And I've been working in visual effects for a long time, and I've known for a long time that with enough effort, we can fool anyone about anything. What this stuff and deepfake is doing is making it easier and more accessible to manipulate video, just like Photoshop did for manipulating images, some time ago.
Mas esperem. Não mudei minha identidade pressionando um botão? Será que não é como a tecnologia "deepfake" e a troca de rosto das quais devem ter ouvido falar? Bem, sim. Na verdade, estamos usando algumas das mesmas tecnologias que o deepfake usa. Deepfake é em 2-D e baseado em imagens, enquanto o nosso é totalmente em 3-D e muito mais poderoso. Mas estão muito relacionados. Agora consigo ouvir vocês pensando: "Droga! Achei que eu poderia ao menos confiar e acreditar em um vídeo. Se fosse um vídeo ao vivo, não teria que ser verdade?" Sabemos que esse não é o caso, certo? Mesmo sem isso, há truques simples que se pode fazer com o vídeo, assim como se enquadra uma cena que pode realmente distorcer o que está acontecendo de verdade. Venho trabalhando em efeitos visuais por um longo tempo, e sei há muito tempo que, com esforço suficiente, conseguimos enganar qualquer um sobre qualquer coisa. Este material e o deepfake estão tornando mais fácil e acessível a manipulação de vídeos, assim como o Photoshop fez ao manipular imagens há algum tempo.
I prefer to think about how this technology could bring humanity to other technology and bring us all closer together. Now that you've seen this, think about the possibilities. Right off the bat, you're going to see it in live events and concerts, like this. Digital celebrities, especially with new projection technology, are going to be just like the movies, but alive and in real time. And new forms of communication are coming. You can already interact with DigiDoug in VR. And it is eye-opening. It's just like you and I are in the same room, even though we may be miles apart. Heck, the next time you make a video call, you will be able to choose the version of you you want people to see. It's like really, really good makeup. I was scanned about a year and a half ago. I've aged. DigiDoug hasn't. On video calls, I never have to grow old.
Prefiro pensar em como essa tecnologia poderia levar a humanidade a outras tecnologias e nos aproximar. Agora que viram isso, pensem nas possibilidades. Imediatamente, vocês verão isso em shows e eventos ao vivo, como este. As celebridades digitais, especialmente com nova tecnologia de projeção, serão como os filmes, mas ao vivo e em tempo real. E novas formas de comunicação estão chegando. Você já pode interagir com DigiDoug em realidade virtual. É surpreendente. É como se você e eu estivéssemos na mesma sala, apesar de estarmos a quilômetros de distância. Na próxima vez que você fizer uma videochamada, poderá escolher a versão de você que deseja que as pessoas vejam. É como uma maquiagem extremamente boa. Fui escaneado há cerca de um ano e meio. Eu envelheci; DigiDoug não. Nas videochamadas, nunca preciso envelhecer.
And as you can imagine, this is going to be used to give virtual assistants a body and a face. A humanity. I already love it that when I talk to virtual assistants, they answer back in a soothing, humanlike voice. Now they'll have a face. And you'll get all the nonverbal cues that make communication so much easier. It's going to be really nice. You'll be able to tell when a virtual assistant is busy or confused or concerned about something.
Como podem imaginar, isso será usado para dar aos assistentes virtuais um corpo e um rosto, uma humanidade. Já adoro isso quando falo com assistentes virtuais que respondem com uma voz suave e humana. Agora eles terão um rosto, e teremos todas as dicas não verbais que tornam a comunicação muito mais fácil. Vai ser muito legal. Conseguiremos dizer quando um assistente virtual está ocupado, confuso ou preocupado com alguma coisa.
Now, I couldn't leave the stage without you actually being able to see my real face, so you can do some comparison. So let me take off my helmet here. Yeah, don't worry, it looks way worse than it feels.
Eu não poderia deixar o palco sem que vocês vissem meu rosto real, para que possam fazer alguma comparação. Deixem-me tirar meu capacete. Não se preocupem, parece muito pior do que é.
(Laughter)
(Risos)
So this is where we are. Let me put this back on here.
Então, é aí que estamos. Deixem-me colocar isso de volta.
(Laughter) Doink!
(Risos) Tóim!
So this is where we are. We're on the cusp of being able to interact with digital humans that are strikingly real, whether they're being controlled by a person or a machine. And like all new technology these days, it's going to come with some serious and real concerns that we have to deal with. But I am just so really excited about the ability to bring something that I've seen only in science fiction for my entire life into reality. Communicating with computers will be like talking to a friend. And talking to faraway friends will be like sitting with them together in the same room.
É aí que estamos. Estamos prestes a conseguir interagir com seres humanos digitais que são surpreendentemente reais, sejam eles controlados por uma pessoa ou uma máquina. E, como toda nova tecnologia hoje em dia, ela virá com algumas preocupações sérias e reais com as quais temos de lidar. Mas estou muito animado com a capacidade de trazer algo que só vi na ficção científica em toda a minha vida para a realidade. Comunicar-se com computadores será como conversar com um amigo. E conversar com amigos distantes será como estar com eles juntos na mesma sala.
Thank you very much.
Muito obrigado.
(Applause)
(Aplausos)