TEDGlobal 2009
Henry Markram: A brain in a supercomputer
هنري ماركرام: مشروع بناء سوبر كمبيوتر لتمثيل العقل البشري
Filmed:
Readability: 3.8
1,469,354 views
يقول هنري ماركرام أنه بالإمكان حل أسرار العقل قريبا . الإعاقة العقلية , الذاكرة ، الإدراك : مصنوعة من إشارات عصبية وإلكترونية ، وهو يخطط لعملها بواسطة كمبيوتر فائق الاداء (سوبر كمبيوتر) يستطيع تمثيل جميع المقابس العقلية البالغ عددها مائة تريليون سينبس ( مكان تلاقى الخلايا العصبية ).
Henry Markram - Neuroscientist
Henry Markram is director of Blue Brain, a supercomputing project that can model components of the mammalian brain to precise cellular detail -- and simulate their activity in 3D. Soon he'll simulate a whole rat brain in real time. Full bio
Henry Markram is director of Blue Brain, a supercomputing project that can model components of the mammalian brain to precise cellular detail -- and simulate their activity in 3D. Soon he'll simulate a whole rat brain in real time. Full bio
Double-click the English transcript below to play the video.
00:18
Our mission is to build
0
0
3000
مهمتنا تتركز في بناء
00:21
a detailed, realistic
1
3000
2000
كمبيوتر مفصل وواقعي
00:23
computer model of the human brain.
2
5000
2000
لتمثيل العقل البشري.
00:25
And we've done, in the past four years,
3
7000
3000
وقد أنهينا في الأربع سنين الماضية
00:28
a proof of concept
4
10000
2000
برهان للمفهوم
00:30
on a small part of the rodent brain,
5
12000
3000
على جزء صغير من عقل القوارض
00:33
and with this proof of concept we are now scaling the project up
6
15000
3000
و بهذا البرهان نحن الآن نجري توسعة لنطاق المشروع
00:36
to reach the human brain.
7
18000
3000
لكي يصل إلى العقل البشري .
00:39
Why are we doing this?
8
21000
2000
لماذا نقوم بعمل هذا الشيء؟
00:41
There are three important reasons.
9
23000
2000
هنالك ثلاثة أسباب هامه .
00:43
The first is, it's essential for us to understand the human brain
10
25000
4000
الأول هو, أنه من الأساسي بالنسبة لنا فهم العقل البشري
00:47
if we do want to get along in society,
11
29000
2000
إذا أردنا حقا أن ننسجم في المجتمع
00:49
and I think that it is a key step in evolution.
12
31000
4000
وأنا أعتقد أن هذا هو خطوة رئيسية في التطور
00:53
The second reason is,
13
35000
2000
السبب الثاني هو,
00:55
we cannot keep doing animal experimentation forever,
14
37000
6000
لا يمكننا إجراء التجارب المخبرية على الحيوانات إلى الأبد،
01:01
and we have to embody all our data and all our knowledge
15
43000
4000
وعلينا القيام بتجسيد جميع بياناتنا ومعارفنا،
01:05
into a working model.
16
47000
3000
في نموذج عامل
01:08
It's like a Noah's Ark. It's like an archive.
17
50000
4000
إنه كسفينة نوح . إنه كالأرشيف .
01:12
And the third reason is that there are two billion people on the planet
18
54000
3000
والسبب الثالث هو أن هنالك مليارين من البشر على هذا الكوكب
01:15
that are affected by mental disorder,
19
57000
4000
متأثرين بإضطرابات عقلية ،
01:19
and the drugs that are used today
20
61000
2000
والأدوية التي تستخدم اليوم
01:21
are largely empirical.
21
63000
2000
هي إلى حد كبير في مرحلة التجربة .
01:23
I think that we can come up with very concrete solutions on
22
65000
3000
أعتقد أننا يمكن أن نحصل على حلول واقعية للغاية تدور حول
01:26
how to treat disorders.
23
68000
3000
كيفية معالجة الإضطرابات .
01:29
Now, even at this stage,
24
71000
3000
الآن ، وحتى في هذه المرحلة ،
01:32
we can use the brain model
25
74000
2000
نستطيع استخدام نظام العقل
01:34
to explore some fundamental questions
26
76000
3000
لإستكشاف تساؤلات أساسية
01:37
about how the brain works.
27
79000
2000
حول كيفية عمل العقل .
01:39
And here, at TED, for the first time,
28
81000
2000
وهنا في تيد ، ولأول مرة ،
01:41
I'd like to share with you how we're addressing
29
83000
2000
أود أن أطلعكم على كيفية معالجتنا
01:43
one theory -- there are many theories --
30
85000
3000
نظرياً -- هنالك العديد من النظريات --
01:46
one theory of how the brain works.
31
88000
4000
نظرية واحدة حول كيفية عمل العقل .
01:50
So, this theory is that the brain
32
92000
4000
إذن ، هذه النظرية تدور حول أن العقل
01:54
creates, builds, a version of the universe,
33
96000
6000
ينشئ ، يبني ، نسخة من العالم .
02:00
and projects this version of the universe,
34
102000
3000
وتبرز هذه النسخة من الكون
02:03
like a bubble, all around us.
35
105000
4000
كفقاعة منتشرة حولنا في كل مكان .
02:07
Now, this is of course a topic of philosophical debate for centuries.
36
109000
4000
الآن ، أن هذا الموضوع بالتأكيد هو موضوع فلسفي جدلي استمر لقرون عدة .
02:11
But, for the first time, we can actually address this,
37
113000
3000
لكن ، وللمرة الأولى ، بإمكاننا فعليا أن نعالج هذه النظرية ،
02:14
with brain simulation,
38
116000
2000
بواسطة محاكاة العقل ،
02:16
and ask very systematic and rigorous questions,
39
118000
4000
ونطرح أسئلة دقيقة ومنهجية جدا ،
02:20
whether this theory could possibly be true.
40
122000
4000
ما إذا كانت هذه النظرية بإمكانها أن تكون صحيحة .
02:24
The reason why the moon is huge on the horizon
41
126000
3000
السبب وراء أن القمر يبدو كبيرا في الأفق
02:27
is simply because our perceptual bubble
42
129000
3000
هو ببساطة يعود لتخيل إدراكنا الحسي
02:30
does not stretch out 380,000 kilometers.
43
132000
4000
حيث لا يستطيع أن يمتد إلى 380 ألف كيلومترا .
02:34
It runs out of space.
44
136000
2000
لأن مساحتها تنفذ
02:36
And so what we do is we compare the buildings
45
138000
4000
وكذالك ما نقوم به حينما نقارن المباني
02:40
within our perceptual bubble,
46
142000
2000
داخل إدراكنا لفترة مؤقتة ,
02:42
and we make a decision.
47
144000
2000
و نقوم باتخاذ قرار .
02:44
We make a decision it's that big,
48
146000
2000
نحن نتخذ قرارا بأن هذه المباني كبيرة،
02:46
even though it's not that big.
49
148000
2000
على الرغم من أنها ليست كبيرة،
02:48
And what that illustrates
50
150000
2000
والذي يوضح ذلك هو
02:50
is that decisions are the key things
51
152000
2000
أن القرارات هي الأشياء الأساسية
02:52
that support our perceptual bubble. It keeps it alive.
52
154000
5000
التي تساند تخيل إدراكنا الحسي . إنها تبقيها حية .
02:57
Without decisions you cannot see, you cannot think,
53
159000
2000
من دون قرارات لا تستطيع أن ترى ،لا تستطيع أن تفكر،
02:59
you cannot feel.
54
161000
2000
لا تستطيع أن تشعر
03:01
And you may think that anesthetics work
55
163000
2000
وربما تعتقد أن التخدير يعمل
03:03
by sending you into some deep sleep,
56
165000
3000
على إرسالك إلى نوم عميق ،
03:06
or by blocking your receptors so that you don't feel pain,
57
168000
3000
أو يعمل على غلق أحاسيسك لكي لا تشعر بالألم ،
03:09
but in fact most anesthetics don't work that way.
58
171000
3000
لكن في الحقيقة أغلب أنواع التخدير لا تعمل بهذه الطريقة .
03:12
What they do is they introduce a noise
59
174000
3000
إنما الذى تفعله هو تسريب تشويش
03:15
into the brain so that the neurons cannot understand each other.
60
177000
3000
إلى العقل لكي لا تتمكن الخلايا العصبية من التعرف على بعضها البعض .
03:18
They are confused,
61
180000
2000
فتصبح مختلطة ومتخبطة ،
03:20
and you cannot make a decision.
62
182000
3000
ولن تستطيع بذلك إتخاذ أي قرار .
03:23
So, while you're trying to make up your mind
63
185000
3000
إذن، وبينما أنت تحاول أن تستعيد وعيك ،
03:26
what the doctor, the surgeon, is doing
64
188000
2000
مايفعله الدكتور , الجراح
03:28
while he's hacking away at your body, he's long gone.
65
190000
2000
بينما يقوم باختراق جسدك , قد ذهب بعيدً
03:30
He's at home having tea.
66
192000
2000
يكون في منزله يتناول قدحا من الشاي .
03:32
(Laughter)
67
194000
2000
(ضحك)
03:34
So, when you walk up to a door and you open it,
68
196000
3000
إذن، عندما تسير نحو الباب لتقوم بفتحه ،
03:37
what you compulsively have to do to perceive
69
199000
3000
هو أنك وبشكل إلزامي تدرك أن عليك
03:40
is to make decisions,
70
202000
2000
القيام باتخاذ قرارات
03:42
thousands of decisions about the size of the room,
71
204000
3000
الآف القرارات حول حجم الغرفة ،
03:45
the walls, the height, the objects in this room.
72
207000
3000
الجدار، الإرتفاع ، الأثاث في هذه الغرفة .
03:48
99 percent of what you see
73
210000
3000
%99 مما تراه
03:51
is not what comes in through the eyes.
74
213000
4000
لا يأتي إلينا عبر العيون
03:55
It is what you infer about that room.
75
217000
4000
بل هو مانستنتجه حول تلك الغرفة .
03:59
So I can say, with some certainty,
76
221000
4000
لذلك أستطيع القول وبشيء من اليقين ،
04:03
"I think, therefore I am."
77
225000
3000
" أنا أفكر إذن أنا موجود. "
04:06
But I cannot say, "You think, therefore you are,"
78
228000
4000
لكنني لا أستطيع القول ، "أنت تفكر، إذن أنت موجود"
04:10
because "you" are within my perceptual bubble.
79
232000
5000
لأنك تقع داخل فقاعتي الإدراكية .
04:15
Now, we can speculate and philosophize this,
80
237000
3000
الآن، نستطيع أن نتوقع ونفلسف هذا الأمر،
04:18
but we don't actually have to for the next hundred years.
81
240000
3000
لكن في الواقع ليس من الضروري أن نبقى هكذا لمئات السنين القادمة
04:21
We can ask a very concrete question.
82
243000
2000
بإمكاننا طرح سؤال محدد جداً
04:23
"Can the brain build such a perception?"
83
245000
4000
" هل يستطيع العقل بناء مثل هذا الإدراك ؟"
04:27
Is it capable of doing it?
84
249000
2000
هل لديه الإمكانية لفعل ذلك ؟
04:29
Does it have the substance to do it?
85
251000
2000
هل لديه الجوهر والأساس للقيام بذلك ؟
04:31
And that's what I'm going to describe to you today.
86
253000
3000
وهذا ما سأقوم بشرحه لكم اليوم.
04:34
So, it took the universe 11 billion years to build the brain.
87
256000
4000
إذن ، إستغرق الكون 11 مليار سنة لبناء العقل .
04:38
It had to improve it a little bit.
88
260000
2000
كان هنالك حاجة لأن يحسنه قليلا
04:40
It had to add to the frontal part, so that you would have instincts,
89
262000
3000
كان لابد من أن يضيف الجزء الأمامي ، لكي يكون لديك الغرائز ,
04:43
because they had to cope on land.
90
265000
3000
لانهم اضطروا للحياه على الأرض .
04:46
But the real big step was the neocortex.
91
268000
4000
لكن الخطوة الحقيقية كانت القشرة المخية " النيوكورتكس ".
04:50
It's a new brain. You needed it.
92
272000
2000
إنه عقل جديد . كنت بحاجة له
04:52
The mammals needed it
93
274000
2000
الثدييات تحتاجها
04:54
because they had to cope with parenthood,
94
276000
4000
لأنها إضطرت للتأقلم مع الأبوة
04:58
social interactions,
95
280000
2000
التفاعلات الإجتماعية
05:00
complex cognitive functions.
96
282000
3000
الوظائف الإدراكية المعقدة .
05:03
So, you can think of the neocortex
97
285000
2000
إذن، تستطيع أن تعتبر القشرة المخية "نيوكورتيكس"
05:05
actually as the ultimate solution today,
98
287000
5000
اليوم تمثل الحل النهائي
05:10
of the universe as we know it.
99
292000
3000
للكون كما نعرفه.
05:13
It's the pinnacle, it's the final product
100
295000
2000
انها السقف الأعلى , انها المنتج النهائي
05:15
that the universe has produced.
101
297000
4000
الذي قام الكون بانتاجه
05:19
It was so successful in evolution
102
301000
2000
لقد كانت نجاحا هائلاً في التطور
05:21
that from mouse to man it expanded
103
303000
2000
التي توسعت من الفأر إلى الإنسان
05:23
about a thousandfold in terms of the numbers of neurons,
104
305000
3000
بحوالي ألف مرة من حيث عدد الخلايا العصبية
05:26
to produce this almost frightening
105
308000
3000
لإنتاج هذا الجزء الجسدى
05:29
organ, structure.
106
311000
3000
المخيف , تقريبا .
05:32
And it has not stopped its evolutionary path.
107
314000
3000
وهو لم يوقف مسار تطوره إلى الآن .
05:35
In fact, the neocortex in the human brain
108
317000
2000
في الحقيقة القشرة المخية "النيوكورتيكس" في العقل البشري
05:37
is evolving at an enormous speed.
109
319000
3000
تتطور بسرعة هائلة.
05:40
If you zoom into the surface of the neocortex,
110
322000
2000
إذا قمت بالتكبير داخل سطح القشرة المخية "النيوكورتيكس"،
05:42
you discover that it's made up of little modules,
111
324000
3000
ستكتشف أنها تتكون من وحدات صغيرة،
05:45
G5 processors, like in a computer.
112
327000
2000
معالجات الجيل الخامس كما نعرفها في الكمبيوتر.
05:47
But there are about a million of them.
113
329000
3000
ولكن هنالك الملايين منها.
05:50
They were so successful in evolution
114
332000
2000
لقد كانت ناجحة للغاية في التطور
05:52
that what we did was to duplicate them
115
334000
2000
مافعلناه كان القيام بمضاعفتها
05:54
over and over and add more and more of them to the brain
116
336000
2000
مرارا وتكرارا وإضافة المزيد منها إلى الدماغ
05:56
until we ran out of space in the skull.
117
338000
3000
حتى استهلكنا المساحة في الجمجمة.
05:59
And the brain started to fold in on itself,
118
341000
2000
وبدأ الدماغ الإضعاف على نفسه.
06:01
and that's why the neocortex is so highly convoluted.
119
343000
3000
وهذا مايفسر سبب أن القشرة المخية "النيوكورتيكس" معقدة للغاية.
06:04
We're just packing in columns,
120
346000
2000
قمنا بتجميعها في أعمدة
06:06
so that we'd have more neocortical columns
121
348000
3000
بحيث أصبح لدينا المزيد من أعمدة النيوكورتيكال
06:09
to perform more complex functions.
122
351000
3000
لأداء المزيد من الوظائف المعقدة.
06:12
So you can think of the neocortex actually as
123
354000
2000
إذن تستطيع تصور القشرة المخية "النيوكورتيكس" واقعيا على أنها
06:14
a massive grand piano,
124
356000
2000
أرضية بيانو ضخمة ،
06:16
a million-key grand piano.
125
358000
3000
ملايين مفاتيح بيانو .
06:19
Each of these neocortical columns
126
361000
2000
كل واحد من أعمدة النيوكورتيكال هذه
06:21
would produce a note.
127
363000
2000
تقوم بإنتاج نوتة.
06:23
You stimulate it; it produces a symphony.
128
365000
3000
إذا قمت بتنشيطها تنتج سيمفونية.
06:26
But it's not just a symphony of perception.
129
368000
3000
لكنها ليست مجرد سيمفونية للإدراك .
06:29
It's a symphony of your universe, your reality.
130
371000
3000
إنها سيمفونية الكون الخاص بك , إنها واقعك .
06:32
Now, of course it takes years to learn how
131
374000
3000
الآن , تتطلب عدة سنين لتتعلم كيف
06:35
to master a grand piano with a million keys.
132
377000
3000
تتقن البيانو الكبير الذي يتكون من مليون مفتاح .
06:38
That's why you have to send your kids to good schools,
133
380000
2000
لذلك السبب يجب أن ترسل أبنائك إلى مدارس جيدة ,
06:40
hopefully eventually to Oxford.
134
382000
2000
ربما إلى أكسفورد في نهاية المطاف .
06:42
But it's not only education.
135
384000
3000
لكنه لا يقتصر على التعليم
06:45
It's also genetics.
136
387000
2000
بل أيضا على الجينات .
06:47
You may be born lucky,
137
389000
2000
ربما تولد محظوظاً ,
06:49
where you know how to master your neocortical column,
138
391000
4000
أو كيف تتحكم فى محور الجزء الخارجى للمخ ,
06:53
and you can play a fantastic symphony.
139
395000
2000
ويمكنك أن تعزف سيمفونية رائعة .
06:55
In fact, there is a new theory of autism
140
397000
3000
فى الحقيقة , هناك نظرية جديدة للأوتسم ( عدم النمو الطبيعى للعقل )
06:58
called the "intense world" theory,
141
400000
2000
تسمى نظرية " العالم الكثيف " ,
07:00
which suggests that the neocortical columns are super-columns.
142
402000
4000
التى تقترح أن تكون محاور الجزء الخارجى للمخ على درجة عالية من القدرة .
07:04
They are highly reactive, and they are super-plastic,
143
406000
4000
إنهم على درجة عالية من رد الفعل , وعلى درجة جيدة من البلاستيك ,
07:08
and so the autists are probably capable of
144
410000
3000
ومرضى الأوتزم من المحتمل أن يكونوا قادرين على
07:11
building and learning a symphony
145
413000
2000
بناء و تعْلم سيمفونية
07:13
which is unthinkable for us.
146
415000
2000
الأمر الذى لم نفكر به على الإطلاق .
07:15
But you can also understand
147
417000
2000
لكنكم أيضاً تستطيعون أن تفهموا
07:17
that if you have a disease
148
419000
2000
أنكم فى حاله مرضكم بمرض
07:19
within one of these columns,
149
421000
2000
من هذه المحاور ,
07:21
the note is going to be off.
150
423000
2000
الملاحظة ستكون سلبية .
07:23
The perception, the symphony that you create
151
425000
2000
الإدراك , السيمفونية التى ألفتمونها
07:25
is going to be corrupted,
152
427000
2000
ستكون فى طريقها للفساد ,
07:27
and you will have symptoms of disease.
153
429000
3000
وستظهر عليك أعراض المرض .
07:30
So, the Holy Grail for neuroscience
154
432000
4000
لذا , فالكأس المقدسة للعلوم العصبية
07:34
is really to understand the design of the neocoritical column --
155
436000
4000
هو بالحقيقة لفهم التصميم الخاص بالمحور العصبى --
07:38
and it's not just for neuroscience;
156
440000
2000
وهو ليس فقط لعلم الأعصاب :
07:40
it's perhaps to understand perception, to understand reality,
157
442000
3000
من المحتمل لفهم قدرة الشخص , لفهم الحقيقة ,
07:43
and perhaps to even also understand physical reality.
158
445000
4000
ومن المحتمل أيضاً أن تكون لفهم الحقيقة الفيزيائية .
07:47
So, what we did was, for the past 15 years,
159
449000
3000
لذا , ما فعلناه هو , فى الخمسة عشر عاماً الماضية ,
07:50
was to dissect out the neocortex, systematically.
160
452000
4000
كان تشريح القشرة العقلية , بإنتظام .
07:54
It's a bit like going and cataloging a piece of the rainforest.
161
456000
4000
إنه قليل الشبه بأخذ قطعة من كل أجزاء الغابة
07:58
How many trees does it have?
162
460000
2000
كم شجرة تحتوي هذه الغابة ؟
08:00
What shapes are the trees?
163
462000
2000
ما هو شكل هذه الأشجار ؟
08:02
How many of each type of tree do you have? Where are they positioned?
164
464000
3000
كم شجرة من كل نوع من تلك الأشجار لديك؟ ما هو موقعهم بالتحديد ؟
08:05
But it's a bit more than cataloging because you actually have to
165
467000
2000
لكنه أكثر من تشبيهه بالتجميع لأنك فى الحقيقة لابد من أن
08:07
describe and discover all the rules of communication,
166
469000
4000
تصف وتكتشف كل قواعد الإتصالات ,
08:11
the rules of connectivity,
167
473000
2000
قواعد التواصل بينهم ,
08:13
because the neurons don't just like to connect with any neuron.
168
475000
3000
لأن الخلايا العصبية لا تتواصل مع أية خلية عصبية .
08:16
They choose very carefully who they connect with.
169
478000
3000
إنهم يختارون بعناية فائقة منْ مِن الخلايا سيتصلون .
08:19
It's also more than cataloging
170
481000
3000
إنه أكثر من تشبيهه بالتجميع
08:22
because you actually have to build three-dimensional
171
484000
2000
لأنه فى الحقيقة لابد أن تبنى نماذج ثلاثية الأبعاد
08:24
digital models of them.
172
486000
2000
رقمية لهم .
08:26
And we did that for tens of thousands of neurons,
173
488000
2000
ونحن فعلنا ذلك لعشرات الآلاف من العصبونات,
08:28
built digital models of all the different types
174
490000
3000
التى بُنيت من نماذج رقمية لكل الأنواع المختلفة
08:31
of neurons we came across.
175
493000
2000
للعصبونات التى تعرضنا لها .
08:33
And once you have that, you can actually
176
495000
2000
وبمجرد أن تحصلوا على ذلك , بالفعل تستطيعون
08:35
begin to build the neocortical column.
177
497000
4000
أن تبدأوا فى بناء عمود النيوكورتيكال .
08:39
And here we're coiling them up.
178
501000
3000
ونحن هنا نصطفهم بشكل دائرى .
08:42
But as you do this, what you see
179
504000
3000
لكن بفعلكم ذلك , ما ترونه
08:45
is that the branches intersect
180
507000
2000
هو تلك التقاطعات بينهم
08:47
actually in millions of locations,
181
509000
3000
فى ملايين من الأماكن الفعلية .
08:50
and at each of these intersections
182
512000
3000
وفى كل واحد من هذه التقاطعات
08:53
they can form a synapse.
183
515000
2000
يكونون سينبس ( مكان تقابل الخلايا العصبية )
08:55
And a synapse is a chemical location
184
517000
2000
و السينبس هو مكان كيميائى
08:57
where they communicate with each other.
185
519000
3000
حيث أنهم يستطيعون التواصل مع بعضهم البعض .
09:00
And these synapses together
186
522000
2000
وهذه السينابسس معاً
09:02
form the network
187
524000
2000
يشكلون شبكة
09:04
or the circuit of the brain.
188
526000
3000
أو دائرة تدفق المعلومات فى المخ .
09:07
Now, the circuit, you could also think of as
189
529000
4000
الآن , الدائرة , يمكن أن تفكروا بها ك
09:11
the fabric of the brain.
190
533000
2000
نظام عمل علاقات المخ .
09:13
And when you think of the fabric of the brain,
191
535000
3000
وعندما تفكرون بهذا النظام ,
09:16
the structure, how is it built? What is the pattern of the carpet?
192
538000
4000
التنظيم , كيفية بنائه ؟ ما هى منظومة عمل السجاد ؟
09:20
You realize that this poses
193
542000
2000
تدركون أن هذه المواضع
09:22
a fundamental challenge to any theory of the brain,
194
544000
4000
هى تحدى أساسى لأى نظرية لعمل العقل ,
09:26
and especially to a theory that says
195
548000
2000
وبالأخص لنظرية تقول
09:28
that there is some reality that emerges
196
550000
2000
أن هناك بعض الحقيقة تبدو
09:30
out of this carpet, out of this particular carpet
197
552000
3000
لنا من هذا السجاد , من هذا الرسم بالأخص
09:33
with a particular pattern.
198
555000
2000
بنموذج محدد .
09:35
The reason is because the most important design secret of the brain
199
557000
3000
السبب هو أن أهم تصميم سرى للعقل
09:38
is diversity.
200
560000
2000
هو الإختلاف .
09:40
Every neuron is different.
201
562000
2000
كل خلية عصبية تختلف عن غيرها .
09:42
It's the same in the forest. Every pine tree is different.
202
564000
2000
نفس الشيئ فى الغابة . كل شجيرة تختلف عن غيرها .
09:44
You may have many different types of trees,
203
566000
2000
من الممكن أن يكون هناك أنواع مختلفة من الأشجار ,
09:46
but every pine tree is different. And in the brain it's the same.
204
568000
3000
لكن كل شجيرة تختلف عن غيرها . وفى المخ نفس الشيئ .
09:49
So there is no neuron in my brain that is the same as another,
205
571000
3000
حسناً لا توجد خلية عصبية فى عقلى تطابق خلية أخرى ,
09:52
and there is no neuron in my brain that is the same as in yours.
206
574000
3000
وليس هناك خلية عصبية فى مخى تطابق خلية فى عقلكم .
09:55
And your neurons are not going to be oriented and positioned
207
577000
3000
وخلاياكم العصبية لن تكون لها نفس الخصائص أو الأماكن
09:58
in exactly the same way.
208
580000
2000
بنفس الطريقة بالضبط .
10:00
And you may have more or less neurons.
209
582000
2000
ومن الممكن أن تكونوا عندكم من الخلايا العصبية أكثر أو أقل .
10:02
So it's very unlikely
210
584000
2000
لذا فمن المستبعد جداً
10:04
that you got the same fabric, the same circuitry.
211
586000
4000
أن يكون لديكم نفس المكونات , نفس الدوائر الكهربية .
10:08
So, how could we possibly create a reality
212
590000
2000
لذا , كيف لنا أن نكوْن حقيقة
10:10
that we can even understand each other?
213
592000
3000
أننا نستطيع أن نفهم كل واحد منها ؟
10:13
Well, we don't have to speculate.
214
595000
2000
حسناً , لن نضطر أن نخمن .
10:15
We can look at all 10 million synapses now.
215
597000
3000
نستطيع أن ننظر الآن إلى عشرة ملايين من السينابسس .
10:18
We can look at the fabric. And we can change neurons.
216
600000
3000
نستطيع أن ننظر إلى التركيبة .ونستطيع أن نغير الخلايا العصبية .
10:21
We can use different neurons with different variations.
217
603000
2000
نستطيع أن نستخدم خلايا عصبية مختلفة إختلافات بسيطة .
10:23
We can position them in different places,
218
605000
2000
نستطيع أن نضعهم فى أماكن مختلفة ,
10:25
orient them in different places.
219
607000
2000
وتوجيههم إلى أماكن مختلفة .
10:27
We can use less or more of them.
220
609000
2000
نستطيع أن نستخدم أعداد أكثر أو أقل منهم .
10:29
And when we do that
221
611000
2000
وعندما نفعل ذلك
10:31
what we discovered is that the circuitry does change.
222
613000
3000
إكتشفنا أن دائرة الخلايا العصبية تتغير بالفعل .
10:34
But the pattern of how the circuitry is designed does not.
223
616000
7000
لكن كيفية عمل تصميم هذه الدائرة لا يتغير .
10:41
So, the fabric of the brain,
224
623000
2000
لذا , تركيبة المخ ,
10:43
even though your brain may be smaller, bigger,
225
625000
2000
حتى لو أن المخ أصغر أو أكبر ,
10:45
it may have different types of neurons,
226
627000
3000
يمكن أن يكون به أنواع مختلفة من الخلايا العصبية ,
10:48
different morphologies of neurons,
227
630000
2000
أشكال مختلفة من الخلايا العصبية ,
10:50
we actually do share
228
632000
3000
نحن بالفعل نتشارك
10:53
the same fabric.
229
635000
2000
نفس التركيبة .
10:55
And we think this is species-specific,
230
637000
2000
ونعتقد أن هذا هو التصنيف المحدد ,
10:57
which means that that could explain
231
639000
2000
الذى يعنى بدوره ويمكن تفسير
10:59
why we can't communicate across species.
232
641000
2000
لماذا لا نستطيع أن نتواصل خلال التصنيف .
11:01
So, let's switch it on. But to do it, what you have to do
233
643000
3000
لذا , دعونا نشغلها . لكن لكى نفعل ذلك , الذى لابد من عمله
11:04
is you have to make this come alive.
234
646000
2000
هو أنه لابد من أن تدعوها للحياه .
11:06
We make it come alive
235
648000
2000
نحن نبث بها الحياه
11:08
with equations, a lot of mathematics.
236
650000
2000
بمعادلات رياضية , كثير من الرياضيات .
11:10
And, in fact, the equations that make neurons into electrical generators
237
652000
4000
وفى الحقيقة ,هذه المعادلات هى التى تحول الخلايا العصبية إلى محولات كهربية
11:14
were discovered by two Cambridge Nobel Laureates.
238
656000
3000
كانت قد إكتُشفت بواسطة إثنين من العلماء الحائزين على جائزة نوبل .
11:17
So, we have the mathematics to make neurons come alive.
239
659000
3000
لذا , نحن نملك الرياضيات اللازمة لجعل هذه الخلايا تعمل كما هى الحال داخل العقل .
11:20
We also have the mathematics to describe
240
662000
2000
أيضاً نملك من الرياضيات لوصف
11:22
how neurons collect information,
241
664000
3000
كيف تجمع هذه الخلايا معلومات ,
11:25
and how they create a little lightning bolt
242
667000
3000
وكيف تخلق ضوء بسيط أو شعاع
11:28
to communicate with each other.
243
670000
2000
فيما بينها للتواصل مع بعضها البعض .
11:30
And when they get to the synapse,
244
672000
2000
وعندما تصل إلى السنيبس ,
11:32
what they do is they effectively,
245
674000
2000
الذى تفعله بدقه تامه ,
11:34
literally, shock the synapse.
246
676000
3000
أن تصدم السنيبس بحرفيه شديدة ,
11:37
It's like electrical shock
247
679000
2000
مثل الصدمه الكهربية
11:39
that releases the chemicals from these synapses.
248
681000
3000
التى بدورها تحرر المواد الكيميائية من هذه السنيبسس ( مشابك الخلايا ) .
11:42
And we've got the mathematics to describe this process.
249
684000
3000
ونحن نملك الرياضيات لوصف هذا السيناريو .
11:45
So we can describe the communication between the neurons.
250
687000
4000
نستطيع أن نصف الإتصالات بين الخلايا العصبية .
11:49
There literally are only a handful
251
691000
3000
بالحقيقة هناك ما يوازى ملء كف اليد
11:52
of equations that you need to simulate
252
694000
2000
من المعادلات التى تحتاجها لتحفيز
11:54
the activity of the neocortex.
253
696000
2000
نشاط القشرة الخارجية للمخ .
11:56
But what you do need is a very big computer.
254
698000
3000
لكن ما تحتاجه هو سوبر كمبيوتر .
11:59
And in fact you need one laptop
255
701000
2000
وأيضاً نحتاج لابتوب (كمبيوتر صغير )
12:01
to do all the calculations just for one neuron.
256
703000
3000
لعمل كل التكاملات اللازمة لخلية عصبية واحدة فقط .
12:04
So you need 10,000 laptops.
257
706000
2000
لذا نحتاج 10,000 لابتوب .
12:06
So where do you go? You go to IBM,
258
708000
2000
حسناً إلى أين نذهب ؟ تذهبون إلى IBM ,
12:08
and you get a supercomputer, because they know how to take
259
710000
2000
وتحصلوا على سوبر كمبيوتر ,لأنهم يعرفون كيف يأخذون
12:10
10,000 laptops and put it into the size of a refrigerator.
260
712000
4000
10,000 لابتوب ويضعونها فى شيئ حجمه مثل حجم الثلاجة .
12:14
So now we have this Blue Gene supercomputer.
261
716000
3000
لذا الآن عندنا هذا السوبر كمبيوتر الأزرق ,المعروف ب ( نيويورك الأزرق ) .
12:17
We can load up all the neurons,
262
719000
2000
نستطيع أن نحمل عليه كل الخلايا العصبية ,
12:19
each one on to its processor,
263
721000
2000
على كل معالج خاص بالابتوب ,
12:21
and fire it up, and see what happens.
264
723000
4000
ونبدأ العمل , ونرى ما يحدث .
12:25
Take the magic carpet for a ride.
265
727000
3000
نأخذ جولة طيران بداخله لنرى .
12:28
Here we activate it. And this gives the first glimpse
266
730000
3000
هنا نحن أدرناه . وهذا يعطينا أول إضاءة
12:31
of what is happening in your brain
267
733000
2000
لما يحدث فى عقلك
12:33
when there is a stimulation.
268
735000
2000
عندما يكون هناك حافز ما .
12:35
It's the first view.
269
737000
2000
إنها أول رؤية .
12:37
Now, when you look at that the first time, you think,
270
739000
2000
الآن , عندما تنظرون إليها لأول وهلة , تعتقدون ,
12:39
"My god. How is reality coming out of that?"
271
741000
5000
" يا إلهى . كيف تخرج الحقيقة من ذلك الشيئ ؟ "
12:44
But, in fact, you can start,
272
746000
3000
لكن , فى الحقيقة , تستطيعون أن تبدأوا ,
12:47
even though we haven't trained this neocortical column
273
749000
4000
حتى بالرغم عدم تدريب تلك محاور القشرة الخارجية
12:51
to create a specific reality.
274
753000
2000
لتخليق حقيقة محددة .
12:53
But we can ask, "Where is the rose?"
275
755000
4000
لكننا نستطيع أن نسأل , " أين الوردة ؟ "
12:57
We can ask, "Where is it inside,
276
759000
2000
نسأل , " أين هى بالداخل ,
12:59
if we stimulate it with a picture?"
277
761000
3000
لو أننا حفزناها مع صورة ؟ "
13:02
Where is it inside the neocortex?
278
764000
2000
أين هى داخل القشرة الداخلية ؟
13:04
Ultimately it's got to be there if we stimulated it with it.
279
766000
4000
فى النهاية لابد أن تكون هناك لو أننا حفزناها بالصورة .
13:08
So, the way that we can look at that
280
770000
2000
لذا , الطريق الذى نستطيع أن ننظر إليه
13:10
is to ignore the neurons, ignore the synapses,
281
772000
3000
هو أن نتجاهل الخلايا العصبية , أن نتجاهل السنيبسس ,
13:13
and look just at the raw electrical activity.
282
775000
2000
وننظر فقط إلى خط نشاط الكهرباء .
13:15
Because that is what it's creating.
283
777000
2000
لأن ذلك هو ما يكونها أو يخلقها .
13:17
It's creating electrical patterns.
284
779000
2000
إنها تخلق نماذج كهربية .
13:19
So when we did this,
285
781000
2000
عندما فعلنا هذا ,
13:21
we indeed, for the first time,
286
783000
2000
فى الحقيقة , إنها المرة الأولى ,
13:23
saw these ghost-like structures:
287
785000
3000
التى نرى هذه الأرواح تبدو كبناء متكامل :
13:26
electrical objects appearing
288
788000
3000
مظهر العناصر الكهربية
13:29
within the neocortical column.
289
791000
3000
خلال أعمدة الأعصاب .
13:32
And it's these electrical objects
290
794000
3000
وهذه العناصر الكهربية
13:35
that are holding all the information about
291
797000
3000
هى التى تحتوى كل المعلومات عن
13:38
whatever stimulated it.
292
800000
3000
أى شيئ يحفزها .
13:41
And then when we zoomed into this,
293
803000
2000
وعند ذلك عندما كبرناها إلى هذا الحجم ,
13:43
it's like a veritable universe.
294
805000
4000
إنها مثل عالمك المحبوب .
13:47
So the next step
295
809000
2000
فالخطوة التالية
13:49
is just to take these brain coordinates
296
811000
4000
هى أن تأخذ هذه التجميعة المخية
13:53
and to project them into perceptual space.
297
815000
4000
وتصنع منها أو تحولها إلى مجال إدراك حسى .
13:57
And if you do that,
298
819000
2000
وإذا فعلت ذلك ,
13:59
you will be able to step inside
299
821000
2000
تستطيع أن تكون لك القدرة للدخول إلى داخل
14:01
the reality that is created
300
823000
2000
الحقيقة التى خُلقت أو تكونت
14:03
by this machine,
301
825000
2000
بهذه الماكينة ,
14:05
by this piece of the brain.
302
827000
3000
لهذا الجزء من العقل .
14:08
So, in summary,
303
830000
2000
لذا , فى إيجاز ,
14:10
I think that the universe may have --
304
832000
2000
أعتقد أن العالم المفضل من الممكن أن --
14:12
it's possible --
305
834000
2000
من المحتمل --
14:14
evolved a brain to see itself,
306
836000
3000
تطورت العقل ليرى نفسة,
14:17
which may be a first step in becoming aware of itself.
307
839000
5000
الشيء الذى يعتبر خطوة أولى فى طريق إدراك ذاتة .
14:22
There is a lot more to do to test these theories,
308
844000
2000
هناك الكثير الذي ينبغي عمله لاختبار هذه النظريات ،
14:24
and to test any other theories.
309
846000
3000
ولإختبار أي نظريات أخرى.
14:27
But I hope that you are at least partly convinced
310
849000
3000
ولكن أرجو أن تكونو على الأقل مقتنعين إلى حد ما
14:30
that it is not impossible to build a brain.
311
852000
3000
أنه ليس من المستحيل بناء عقل .
14:33
We can do it within 10 years,
312
855000
2000
ويمكننا القيام بذلك في غضون 10 سنوات
14:35
and if we do succeed,
313
857000
2000
و إذا نجحنا
14:37
we will send to TED, in 10 years,
314
859000
2000
سوف نرسل إلى تد ، في 10 سنين
14:39
a hologram to talk to you. Thank you.
315
861000
3000
صورة ثلاثية الأبعاد لأتحدث إليكم . شكرا لكم .
14:42
(Applause)
316
864000
6000
(تصفيق)
ABOUT THE SPEAKER
Henry Markram - NeuroscientistHenry Markram is director of Blue Brain, a supercomputing project that can model components of the mammalian brain to precise cellular detail -- and simulate their activity in 3D. Soon he'll simulate a whole rat brain in real time.
Why you should listen
In the microscopic, yet-uncharted circuitry of the cortex, Henry Markram is perhaps the most ambitious -- and our most promising -- frontiersman. Backed by the extraordinary power of the IBM Blue Gene supercomputing architecture, which can perform hundreds of trillions of calculations per second, he's using complex models to precisely simulate the neocortical column (and its tens of millions of neural connections) in 3D.
Though the aim of Blue Brain research is mainly biomedical, it has been edging up on some deep, contentious philosophical questions about the mind -- "Can a robot think?" and "Can consciousness be reduced to mechanical components?" -- the consequence of which Markram is well aware: Asked by Seed Magazine what a simulation of a full brain might do, he answered, "Everything. I mean everything" -- with a grin.
Now, with a successful proof-of-concept for simulation in hand (the project's first phase was completed in 2007), Markram is looking toward a future where brains might be modeled even down to the molecular and genetic level. Computing power marching rightward and up along the graph of Moore's Law, Markram is sure to be at the forefront as answers to the mysteries of cognition emerge.
Henry Markram | Speaker | TED.com