"Kinect aportará inmersión y emociones como nunca hasta hoy"

¿Qué fue lo más complicado a la hora de desarrollar Kinect?

La visión que tuvimos sobre Kinect fue ambiciosa desde el principio. Intentamos que por primera vez todo el mundo se sientiera parte de la dviersión, dijimos "hey, tú eres el mando". Sólo tienes que situarte delante del sensor y éste te reconoce y sabe las diferencias entre tú y tu familia. Empieza a moverte y te capturamos, todo tu cuerpo. Además tenemos la voz, la habilidad de que si quieres ordenar algo, puedes decirlo. Hacer que todo eso funcione en conjunto de una forma divertida y accesible nos requirió que pasásemos de hacer ciencia ficción a ciencia real. Requirió que inventáramos y creáramos en áreas como el aprendizaje automático, captura de imágenes por ordenador, inteligencia artificial, reconocimiento de voz... cuando muchas de ellas no existían hasta ahora. Hacer que eso funcionara con el nivel de robustez y pulido que tenemos para el lanzamiento este 10 de noviembre, fue una tarea increíble, la más difícil.

¿Nos puedes contar cómo funciona el sistema de reconocimiento de identidad?

El reconocmiento de identidad, al igual que la captura de movimientos, es un mundo en el que una única aproximación al problema no te da la respuesta correcta. Es un espacio en el que tuvimos que innovar tomando una serie de sofisticados algoritmos y hacer que trabajaran juntos para que esta característica funcionase. Déjame que te lo muestre con un ejemplo:

En una primera instancia, podemos estar tú y yo juntos en una habitación delante del sensor. Los algoritmos tradicionales de reconocimiento facial son una gran manera de identificarnos, de sacar las diferencias entre los dos. Ahora estás junto a tu hermano o hermana en una sala oscura. Ambos sois genéticamente similares y casi no os puedo ver. En una situación así, el reconocimiento facial se vuelve difuso y ruidoso y debo encontrar otra manera de distinguiros. Por ejemplo, tu hermana y tú podéis ser de diferente altura o complexión, de forma que puedo usar esa información. Por otro lado, si tu hermano y tú vestís ropa diferente, puedo reduciros a una especie de código de barras. Si no lleváis las mismas prendas, ese código cambiará en consecuencia. Puedo prestar atención a esa señal e ignorar el resto de datos.

La conclusión es que para identificar a una persona no hay una forma única de hacerlo, sino una serie de elementos que trabajan en conjunto para que la experiencia funcione para el consumidor todo el tiempo. Si quieres crear un sistema con el que tienes muchas maneras de conseguir lo mismo, necesitas crear un lenguaje que te permita describir el espacio con confianza, en el sentido de que no te preocupas por lo que conoces, sino por lo que no. Te mueves en un mundo por probabilidades para saber si estás en lo correcto. En ese mundo necesitas identificar, definir, crear un lenguaje que te sirve de prueba de confianza. Si estás un 99% seguro de que estás equivocado, lo más seguro es que lo estés, así que debes emplear otra alternativa. Por otro lado, si estás un 99% seguro de que has acertado, necesitas estarlo de verdad para no generar falsos positivos, elegiendo a la persona equivocada.

¿Y qué nos puedes contar sobre la captura de movimientos?

Kinect puede trazar los movimientos de todo tu cuerpo. Somos capaces de detectar 48 articulaciones al mismo tiempo. Si dibujas 48 articulaciones sobre la imagen de tu propio cuerpo podrás ver que con ellas somos capaces de capturar el cuerpo humano al completo. La forma en la que lo hacemos es muy sencilla. Si piensas en la cantidad de tipos de cuerpos que existen en el mundo: altos, bajos, gordos, flacos, adultos, niños, hombres, mujeres... o si piensas en las diferentes prendas que visten: ropa ajustada, ropa ancha, pantalones, faldas, chaquetas, sudaderas... o si piensas en las distintas configuraciones de salas posibles: pequeñas, grandes, dormitorios, salones... verás que las posibilidades son enormes. Si tuviera que programar todas estas situaciones en mi sistema, necesitaría un ejército de miles de personas durante cientos de años y ni aun así sería capaz de terminarlo. Así que tuvimos que diseñar el sistema de otra manera.

Tuvimos que crear un sistema en el que no programamos nada ni escribimos heurísticas sobre cómo identificar el cuerpo entero, que es, por cierto, lo que muchos otros han intentado y que prácticamente pertenece a la ciencia ficción. Lo que tuvimos que conseguir para hacerlo realidad fue enseñar al sensor a entender a los humanos, parecido a como lo hace el cerebro humano. Creamos un algoritmo único y sofisticado, basado en aprendizaje por parte de máquinas. Lo explicaré de nuevo con un ejemplo:

Piensa en un mundo con una forma básica, en el que hay un bebé, un humano y un león. Si le pides al bebe que diferencie a los otros dos, no será capaz, no tiene suficiente información histórica grabada en su cerebro para diferenciar. Sin embargo, si le das al bebé unos días, no tendrás problemas para diferenciarlos. Ahora enséñale a ese bebé un hombre y una mujer. Pídele que los distinga, y no podrá hacerlo. Deja que el bebé se haga algo mayor, muéstraselos de nuevo y no tendrás problema. Ahora enséñale a dos mujeres, solicítale lo mismo, y de nuevo no será capaz. Si hoy, por ejemplo, nos hubiéramos encontrado, inmediatamente, en un nanosegundo, hubieras dicho: "no sé quién es este tipo, pero sé que tiene aproximadamente 30 años, una altura media, una complexión media, etc".

La razón por la que eres capaz de evitar todo el ruido y concentrarte en las señales y en mí es porque tienes años de entrenamiento, mucha información en tu mente, que te permiten entender algo, o en este caso a alguien, que nunca has visto antes, con un 100% de precisión. Lo mismo se aplica a nosotros, hemos entrenado el sistema para entender a los humanos mostrándole gran cantidad de datos significativos. Ahora le puedes enseñar cosas que nunca ha visto antes, por ejemplo, tú mismo en tu salón o donde estés. Nunca te he visto, nunca he visto tu salón, no sé la ropa que llevas, pero dado que he sido altamente entrenado con todo este histórico previo, me puedo enfocar en tus articulaciones y trazarlas de forma muy precisa en tiempo real. Este sistema de aprendizaje, cuando tenemos que ejecutarlo, somos capaces de llevarlo a cabo en unos tres milisegundos. Imagina que en tres milisegundos hacemos todo lo que acabo de comentar.

¿Cuál crees que es la mayor ventaja de la tecnología de Kinect?

Pienso que, como guionista y crear de contenidos, lo que Kinect me permite hacer es darme una nueva paleta, una nueva gama de colores y un nuevo pincel, que me permiten a mí, el creador de contenidos, el pintor, crear nuevas imágenes, nuevas historias. Experiencias únicas, más inmersivas, más emocionales, más accesibles, que nunca hasta ahora se habían podido contar.

¿Cómo crees que evolucionarán la tecnología y las herramientas?

El 10 de noviembre es el inicio de un viaje para nosotros, no el final. Si echo la vista atrás, puede servirme para predecir el futuro. Si te fijas en Xbox Live, lo lanzamos en la primera Xbox, y lo evolucionamos a lo largo del tiempo en un sistema sustancialmente diferente, que es lo que tenemos hoy día, Xbox Live en Xbox 360. Esa evolución fue gradual y ha ido sucediendo de forma constante. Continuamente estamos tratando de evolucionar Xbox Live para crear experiencias mejores, más inmersivas, más únicas. Lo mismo se aplica a Kinect, comenzamos el viaje el 10 de noviembre, continuaremos evolucionando e innovando. Un mundo en el que debemos hacer que la tecnología te entienda, es un mundo en el que tenemos infinitos niveles de cosas que todavía podemos hacer para crear experiencias más emocionales e inmersivas que nunca hayas sentido antes.

¿Cómo de difícil es para los desarrolladores trabajar con Kinect?

La barrera de entrada para los desarrolladores es muy baja. Xbox ha tenido, históricamente, las mejores herramientas para habilitar a nuestros creadores de contenidos para que creen contenido para una plataforma de forma más rápida. Kinect no es una excepción. El kit de herramientas de Kinect, que forma parte del kit normal para Xbox, es un kit que permite a nuestros creadores de contenidos pasar fácilmente de ciencia ficción a ciencia real. La transición es lo que nosotros hacemos, creando con ello un paquete que permite que los pintores sólo tengan que pintar. La magia es cómo aplicas colores con el pincel. Se convierte en un ejercicio de narrativa, de creatividad, no es un ejercicio para tratar de aprender cómo funciona el aprendizaje automático, captura de vídeo o inteligencia artificial.

Xbox 360 fue lanzada hace cinco año. ¿Por qué habéis decidido lanzar Kinect ahora y no esperar a la siguiente generación?

Hemos estado enfocados en llegar al lanzamiento este próximo 10 de noviembre, de Kinect en Xbox 360. Creemos que Kinect nos da la posibilidad de innovar en este ecosistema durante varios años más. Consideramos que podemos seguir innovando en Xbox 360 con nuestros partners creando juegos que se ven mejor y ofrecen experiencias más inmersivas, todavía por muchos años.

¿Puedes darnos una estimación del espacio necesario para jugar a Kinect?

El objetivo de crear algo como esto es permitir a la gente que no tenga que entender la tecnología. Desde esta perspectiva, desde el momento en que abres la caja y conectas el cable en la Xbox 360, el sistema es capaz de reconocer la sala, tanto acústicamente como sus características visuales y se preocupa por esa información para que tú no tengas que hacerlo. En ese sentido, no tienes que entender lo que te voy a contar, el sistema lo entiende por ti, pero dado que preguntas, en cuanto al espacio para jugar, lo único que necesitas es ser capaz de ver tu televisión. Si no puedes ver la televisión, nosotros no te podemos ver, lo que significa que te tienes que situar aproximadamente a un metro de la televisión y somos capaces de detectar hasta unos cuatro metros más atrás. Este rango se adecua a la mayoría de hogares de todo el mundo, desde una casa pequeña, a un dormitorio pequeño, a tu casa en la playa en el noroeste de Norteamérica.

¿Y en qué posturas se puede jugar? ¿Podemos estar sentados sin problemas?

Kinect se puede colocar encima de la televisión, debajo o a un lado. El sistema, en el arranque, se calibrará hasta que pueda verte la cara. ¿Si puedes estar sentado? Desde luego. Me encanta ser un pionero e inventar, pero no quiero liderar el fin de la televisión. Con esto en mente, Kinect es una experiencia de consumo no sólo de juegos sino también de entrenimiento. Queremos que se puedan ver películas, recomendar películas, etc., y, ¿cómo querría yo hacerlo?, pues sentado en mi sofá con una cerveza en la mano y tanto mediante gestos como hablándole al sistema. El sistema funciona tanto estando de pie como sentado, tú no tienes que entendernos, te tenemos que entender nosotros a ti.

Si echamos un vistazo al catálogo de lanzamiento, parece que el foco está puesto en los jugadores ocasionales y las experiencias para toda la familia. ¿Cuáles son tus planes para los jugadores más tradicionales?

Es una gran pregunta. Xbox seguirá siendo la máquina número uno para los jugadores tradicionales, ya os hemos enseñado que lo que podemos hacer. Lo que queremos con Kinect es que también podemos crear contenidos para todo el mundo. Tenemos 18 impresionantes juegos disponibles para el lanzamiento de Kinect el 10 de noviembre. Este es el comienzo de un viaje, como ya te he comentado, no hay nada en Kinect que te impida crear experiencias más hardcore. De hecho, ya vimos algo de eso en el Tokyo Game Show, donde anunciamos cinco títulos exclusivos para Kinect que dan una experiencia más hardcore. Uno de ellos, si eres un fan de la Xbox original como yo, es Steel Battalion. En el Tokyo Game Show anunciamos que la siguiente entrega saldrá en exclusiva para Kinect próximamente. Ya hemos demostrado que podemos crear contenido para los jugadores tradicionales, así que con Kinect comenzamos a mostrar que podemos hacer todo tipo de contenidos para todo el mundo. Eso no significa que en el futuro próximo no tendremos también contenidos hardcore.