Contenidos
Charla «Seres humanos digitales que lucen igual a nosotros» de TED2019 en español.
En esta extraordinaria charla y demostración tecnológica, el ingeniero de software Doug Roble presenta por primera vez a «DigiDoug»: una representación digital 3D en tiempo real de sí mismo que muestra hasta los detalles de sus poros y arrugas. Gracias a un traje de captura de movimientos inercial, redes neurales profundas y enormes cantidades de información, DigiDoug representa las emociones reales de Doug, incluso detalles como su circulación y el movimiento de sus pestañas, con asombrosa precisión. Aprende más sobre cómo se construyó esta emocionante tecnología, cómo podría aplicarse en las películas y más.
- Autor/a de la charla: Doug Roble
- Fecha de grabación: 2019-04-15
- Fecha de publicación: 2019-05-13
- Duración de «Seres humanos digitales que lucen igual a nosotros»: 754 segundos
Traducción de «Seres humanos digitales que lucen igual a nosotros» en español.
Hola.
No soy una persona real.
De hecho, soy la copia de una persona real.
Aunque…
me siento como una persona real.
Es difícil de explicar.
Aguarden, creo que vi a una persona real.
Ahí está, que suba al escenario.
Hola.
(Aplausos)
Lo que ven allí arriba es un ser humano digital.
Tengo puesto un traje de captura de movimientos inercial que descifra los movimientos de mi cuerpo.
Y tengo una cámara aquí, apuntando a mi rostro, que envía información sobre mis expresiones a un software de aprendizaje automático.
Toma expresiones como «Hm, hm, hm» y las transfiere a ese sujeto.
Lo llamamos «DigiDoug».
Es un personaje 3D que estoy controlando en tiempo real.
Trabajo en efectos visuales.
En este campo, una de las tareas más difíciles es crear humanos digitales creíbles que la audiencia acepte como reales.
Las personas son muy buenas en reconocer a otras.
¿Quién lo diría?
Está bien, aceptamos el reto.
Durante los últimos 15 años, hemos introducido en las películas seres humanos y criaturas que ustedes aceptan como reales.
Si ellos están felices, ustedes también.
Si sienten dolor, Uds.
deberían sentir empatía.
Además, estamos mejorando cada vez más.
Pero es extremadamente difícil.
Efectos así llevan miles de horas y requieren el trabajo de cientos de artistas talentosos.
Pero las cosas han cambiado.
Durante los últimos cinco años, las computadoras y las tarjetas gráficas se han vuelto superrápidas, y han surgido el aprendizaje automático y el aprendizaje profundo.
Así que nos preguntamos:
¿sería posible crear un ser humano fotorrealista como los que creamos para el cine pero en los que puedan verse las emociones reales y los detalles de la persona que lo controla en tiempo real?
Y esa es nuestra meta.
Si estuviesen charlando con DigiDoug de forma directa,
¿es lo suficientemente real para que puedan notar si yo les estoy mintiendo?
Esa fue nuestra meta.
Hace aproximadamente un año y medio, nos dispusimos a alcanzar ese objetivo.
Lo que haré ahora será invitarlos a una pequeña aventura para que vean lo que tuvimos que hacer para llegar adonde estamos.
Debimos recolectar una enorme cantidad de datos.
De hecho, al terminar este proyecto, probablemente contábamos con una de las bases de datos más completas de expresiones faciales, de mi rostro.
(Risas)
¿Por qué yo?
Pues haría lo que fuera en nombre de la ciencia.
Es decir, mírenme.
Mírenme.
Primero, teníamos que determinar cómo luce mi rostro realmente.
No sólo una fotografía o un escaneo 3D, sino como luce en todo tipo de fotografías, cómo la luz interactúa con la piel.
Por suerte, a tres cuadras de distancia de nuestro estudio en Los Ángeles se encuentra este lugar llamado ICT.
Se trata de un laboratorio de investigación asociado a la Universidad del Sur de California.
Allí tienen un dispositivo llamado «escenario de las luces».
Tiene montones de luces controladas de forma individual y una cantidad de cámaras.
Podemos reconstruir mi rostro de acuerdo a diversas condiciones lumínicas.
Incluso capturamos la circulación y cómo mi rostro cambia al hacer distintas expresiones.
Esto nos permitió construir un modelo de mi rostro que, honestamente, es asombroso.
Desafortunadamente, tiene un gran nivel de detalles.
(Risas)
Pueden notar cada poro, cada arruga.
Pero necesitábamos eso.
La realidad consiste en esos detalles.
Sin ellos, no es creíble.
Y esto es solo el comienzo.
Pudimos construir un modelo de mi rostro que luce como yo.
Pero no se movía como yo.
Y es aquí donde interviene el aprendizaje automático.
El aprendizaje automático requiere muchísimos datos.
Me senté delante de un dispositivo de captura de movimiento de alta resolución.
También hicimos esta captura tradicional con marcadores.
Creamos montones de imágenes de mi rostro y nubes de puntos que representan las formas de mi rostro.
Hice montones de expresiones, pronuncié muchas frases en distintos estados de ánimo.
El trabajo para capturar todo esto fue arduo.
Una vez recolectada esta enorme cantidad de data, construimos y entrenamos redes neurales profundas.
Y cuando completamos eso, en 16 milisegundos la red neural es capaz de tomar mi imagen y descifrar todo acerca de mi rostro.
Puede computar mi expresión, mis arrugas, mi circulación, incluso el movimiento de mis pestañas.
Esto se representa y muestra allí con todos los detalles que se capturaron previamente.
Esto es apenas el comienzo.
Se trata de un trabajo en desarrollo.
Y es de hecho la primera vez que mostramos esta tecnología al público.
Y, como verán, no luce tan convincente como quisiéramos: tengo cables conectados por detrás, y hay una demora de un sexto de segundo entre lo que lo que grabamos en video y lo que se muestra allá arriba.
Un sexto de segundo, ¡es increíble! Pero esa es la razón por la que escuchan un breve eco.
Además, esto del aprendizaje automático es supernuevo para nosotros, a veces es difícil convencerlo para que haga lo que le indicamos.
Se sale un poco de control.
(Risas)
Pero
¿por qué desarrollamos esto?
Pues hay dos razones.
En primer lugar, es algo increíble.
(Risas)
¿Qué tan increíble es?
Pues con solo apretar un botón, puedo dar esta charla como un personaje totalmente diferente.
Él es Elbor.
Lo diseñamos para probar cómo funcionaría esto con una apariencia diferente.
Y lo sorprendente de esta tecnología es que, si bien cambié mi apariencia, la gesticulación es todavía mía.
Tiendo a hablar con el lado derecho de la boca, así que así lo hace Elbor.
(Risas)
La segunda razón, como podrán imaginar, es por sus aplicaciones en el cine.
Se trata de una herramienta muy nueva y emocionante para los artistas, directores y narradores.
Es un uso evidente,
¿no?
Es decir, será muy útil contar con esto.
Pero además, ahora que lo hemos construido, es obvio que se aplicará en otros ámbitos además del cine.
Pero…
un momento.
¿No acabo de cambiar de identidad con solo apretar un botón?
¿No es algo parecido al ultrafalso y cambios de rostro de los que habrán oído hablar?
Pues, sí.
De hecho, usamos algunas de las mismas tecnologías que usa el ultrafalso.
Pero el ultrafalso es 2D y se basa en imágenes; el nuestro es 3D y mucho más potente.
Pero están muy relacionados.
Puedo escuchar cómo piensan: «¡Diablos! Pensé que podía al menos confiar en los videos.
Si es un video en vivo,
¿no es evidente que es verdadero?
» Pues sabemos que no necesariamente,
¿cierto?
Incluso sin esto, existen trucos sencillos que pueden aplicarse a los videos, como el ángulo de una toma que puede en verdad distorsionar lo que realmente está sucediendo.
He trabajado en efectos visuales por mucho tiempo y sé desde hace bastante que con un poco de esfuerzo se puede engañar a quien sea respecto a lo que sea.
Lo que esto y el ultrafalso hacen es que sea más sencillo y accesible manipular videos, así como lo hizo Photoshop con las imágenes hace tiempo.
Pero yo prefiero pensar cómo esta tecnología podría conducir a la humanidad a otras tecnologías y acercarnos más a todos.
Después de ver esto, imaginen las posibilidades.
Obviamente estará presente en eventos y conciertos en vivo, como este.
Las celebridades digitales, especialmente con la nueva tecnología de proyección, van a verse igual que en las películas, pero en tiempo real.
Y nuevas formas de comunicación se avecinan.
Ya pueden interactuar con DigiDoug a través de la realidad virtual.
Y es una gran experiencia.
Es como si ustedes y yo estuviéramos en la misma habitación, aunque pudiéramos estar realmente muy lejos.
La próxima vez que hagan una videollamada, podrían ser capaces de seleccionar la mejor versión de ustedes mismos que prefieren que la gente vea.
Es como un maquillaje extremadamente bueno.
Escaneé mi rostro hace un año y medio.
He envejecido.
DigiDoug, no.
En las videollamadas, puedo no envejecer.
Y, como imaginarán, esto servirá para dar a los asistentes virtuales un cuerpo y un rostro, para darles humanidad.
Me encanta que cuando interactúo con asistentes virtuales me contesten con una voz tranquila, que suena humana.
Ahora tendrán un rostro.
Y podremos ver todos los indicios verbales que tanto facilitan la comunicación.
Será realmente bueno.
Podrán darse cuenta cuando el asistente esté ocupado, confundido o preocupado por algo.
No quería irme del escenario sin mostrarles mi verdadero rostro, para que puedan hacer comparaciones.
Así que permítanme quitarme este casco.
Sí, no se preocupen, no se siente tan mal como parece.
(Risas)
Hasta aquí hemos llegado.
Dejen que me lo vuelva a poner.
(Risas)
Hasta aquí hemos llegado.
Estamos a las puertas de poder interactuar con seres humanos digitales que sean sorprendentemente reales, ya sea que estén controlados por una persona o una máquina.
Y, como todas las tecnologías nuevas en la actualidad, tendrá algunas implicancias serias que tendremos que abordar.
Pero en verdad estoy muy emocionado por la capacidad de traer algo que solo he visto en la ciencia ficción durante toda mi vida a la realidad.
Podremos comunicarnos con computadoras como si habláramos con un amigo.
Y charlar con mis amigos que viven lejos será como si estuviéramos en la misma habitación.
Muchas gracias.
(Aplausos)
https://www.ted.com/talks/doug_roble_digital_humans_that_look_just_like_us/