ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Henry Markram | Speaker | TED.com
TEDGlobal 2009

Henry Markram: A brain in a supercomputer

Henry Markram bygger en hjerne i en supercomputer

Filmed:
1,469,354 views

Henry Markram siger, at sindets mysterier snart vil kunne løses. Sindslidelser, hukommelse, perception: de udgøres af neuroner og elektriske signaler, og han planlægger at finde dem med en supercomputer der modellerer alle hjernens 100.000.000.000.000 synapser.
- 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

Double-click the English transcript below to play the video.

00:18
Our missionmission is to buildbygge
0
0
3000
Vores mission er at bygge
00:21
a detaileddetaljerede, realisticrealistisk
1
3000
2000
en detaljeret, realistisk
00:23
computercomputer modelmodel of the humanhuman brainhjerne.
2
5000
2000
computermodel af menneskehjernen.
00:25
And we'vevi har doneFærdig, in the pastforbi fourfire yearsflere år,
3
7000
3000
Og vi er nået frem til, over de sidste fire år,
00:28
a proofbevis of conceptkoncept
4
10000
2000
en beviseligt fungerende model
00:30
on a smalllille parten del of the rodentgnaver brainhjerne,
5
12000
3000
af en lille del af en gnaverhjerne,
00:33
and with this proofbevis of conceptkoncept we are now scalingskalering the projectprojekt up
6
15000
3000
og med dette bevis på konceptets holdbarhed opskalerer vi nu projektet
00:36
to reach the humanhuman brainhjerne.
7
18000
3000
for at nå til menneskehjernen.
00:39
Why are we doing this?
8
21000
2000
Hvorfor gør vi dette?
00:41
There are threetre importantvigtig reasonsgrunde.
9
23000
2000
Der er tre vigtige grunde.
00:43
The first is, it's essentialvigtig for us to understandforstå the humanhuman brainhjerne
10
25000
4000
Den første er, at det er essentielt for os at forstå menneskehjernen
00:47
if we do want to get alonghen ad in societysamfund,
11
29000
2000
hvis vi ønsker at kunne omgås hinanden i samfundet,
00:49
and I think that it is a keynøgle steptrin in evolutionudvikling.
12
31000
4000
og det tror jeg er et vigtigt udviklingstrin i evolutionen.
00:53
The secondanden reasongrund is,
13
35000
2000
Den anden grund er,
00:55
we cannotkan ikke keep doing animaldyr experimentationeksperimenter foreverfor evigt,
14
37000
6000
at vi ikke kan blive ved med at lave dyreforsøg for evigt,
01:01
and we have to embodylegemliggøre all our datadata and all our knowledgeviden
15
43000
4000
og at vi er nødt til at håndgribeliggøre al vores data og al vores viden
01:05
into a workingarbejder modelmodel.
16
47000
3000
i en funktionel model.
01:08
It's like a Noah'sNoahs ArkArken. It's like an archiveArkiv.
17
50000
4000
Det er ligesom en Noahs Ark. Det er ligesom et arkiv.
01:12
And the thirdtredje reasongrund is that there are two billionmilliard people on the planetplanet
18
54000
3000
Og den tredje grund er, at der er to milliarder mennesker på planeten
01:15
that are affectedpåvirket by mentalmental disordersygdom,
19
57000
4000
som er påvirkede af sindslidelser,
01:19
and the drugsstoffer that are used todayi dag
20
61000
2000
og de medicintyper der bruges i dag
01:21
are largelyi det store hele empiricalempiriske.
21
63000
2000
er stort set baserede på empiriske data.
01:23
I think that we can come up with very concretebeton solutionsløsninger on
22
65000
3000
Jeg tror at vi kan finde frem til meget konkrete løsninger på
01:26
how to treatbehandle disorderslidelser.
23
68000
3000
hvordan vi behandler lidelser.
01:29
Now, even at this stagescene,
24
71000
3000
Nu, selv på dette stadie,
01:32
we can use the brainhjerne modelmodel
25
74000
2000
kan vi bruge modellen af hjernen
01:34
to exploreudforske some fundamentalgrundlæggende questionsspørgsmål
26
76000
3000
til at udforske nogle grundlæggende spørgsmål
01:37
about how the brainhjerne worksarbejder.
27
79000
2000
om hvordan hjernen virker.
01:39
And here, at TEDTED, for the first time,
28
81000
2000
Og her, på TED, for første gang,
01:41
I'd like to sharedel with you how we're addressingadressering
29
83000
2000
vil jeg gerne give jer indblik i, hvordan vi tager fat på
01:43
one theoryteori -- there are manymange theoriesteorier --
30
85000
3000
én teori - der er mange teorier -
01:46
one theoryteori of how the brainhjerne worksarbejder.
31
88000
4000
én teori om hvordan hjernen virker.
01:50
So, this theoryteori is that the brainhjerne
32
92000
4000
Altså, denne teori går ud på at hjernen
01:54
createsskaber, buildsbygger, a versionversion of the universeunivers,
33
96000
6000
skaber, bygger, en version af universet.
02:00
and projectsprojekter this versionversion of the universeunivers,
34
102000
3000
Og projicerer denne version af universet,
02:03
like a bubbleboble, all around us.
35
105000
4000
som en bobbel, hele vejen rundt om os.
02:07
Now, this is of courseRute a topicemne of philosophicalfilosofiske debatedebat for centuriesårhundreder.
36
109000
4000
Nu har dette emne selvfølgelig været debatteret af filosoffer i århundreder.
02:11
But, for the first time, we can actuallyrent faktisk addressadresse this,
37
113000
3000
Men for første gang kan vi faktisk tage fat på det
02:14
with brainhjerne simulationsimulering,
38
116000
2000
med hjerne simulering
02:16
and askSpørg very systematicsystematisk and rigorousstringent questionsspørgsmål,
39
118000
4000
og stille strengt systematiske spørgsmål
02:20
whetherom this theoryteori could possiblyeventuelt be truerigtigt.
40
122000
4000
om hvorvidt den teori faktisk kunne være sand.
02:24
The reasongrund why the moonmåne is hugekæmpe stor on the horizonhorisont
41
126000
3000
Grunden til at månen er enorm på horisonten
02:27
is simplyganske enkelt because our perceptualperceptuelle bubbleboble
42
129000
3000
er simpelthen fordi vores perceptions-bobbel
02:30
does not stretchstrække out 380,000 kilometerskilometer.
43
132000
4000
ikke strækker sig 380.000 kilometer ud.
02:34
It runskørsler out of spaceplads.
44
136000
2000
Den løber tør for plads.
02:36
And so what we do is we comparesammenligne the buildingsbygninger
45
138000
4000
Så det vi gør, er at sammenligne bygningerne
02:40
withininden for our perceptualperceptuelle bubbleboble,
46
142000
2000
indeni vores perceptions-bobbel
02:42
and we make a decisionafgørelse.
47
144000
2000
og vi træffer en beslutning.
02:44
We make a decisionafgørelse it's that bigstor,
48
146000
2000
Vi træffer en beslutning om at den er så stor,
02:46
even thoughselvom it's not that bigstor.
49
148000
2000
selv om den ikke er så stor,
02:48
And what that illustratesillustrerer
50
150000
2000
og hvad dette illustrerer
02:50
is that decisionsbeslutninger are the keynøgle things
51
152000
2000
er at beslutninger er de vigtigste ting
02:52
that supportsupport our perceptualperceptuelle bubbleboble. It keepsbliver ved it alivei live.
52
154000
5000
der understøtter vores perceptions-bobbel. De holder den i live.
02:57
WithoutUden decisionsbeslutninger you cannotkan ikke see, you cannotkan ikke think,
53
159000
2000
Uden beslutninger kan man ikke se, kan man ikke tænke,
02:59
you cannotkan ikke feel.
54
161000
2000
kan man ikke føle.
03:01
And you maykan think that anestheticsbedøvelsesmidler work
55
163000
2000
Og man tror måske at bedøvelsesmidler virker
03:03
by sendingsende you into some deepdyb sleepsøvn,
56
165000
3000
ved at sende dig ind i en dyb søvn,
03:06
or by blockingblokering your receptorsreceptorer so that you don't feel painsmerte,
57
168000
3000
eller ved at blokere dine receptorer, så du ikke føler smerte,
03:09
but in factfaktum mostmest anestheticsbedøvelsesmidler don't work that way.
58
171000
3000
men faktisk virker de fleste bedøvelsesmidler ikke på den måde.
03:12
What they do is they introduceindføre a noisestøj
59
174000
3000
Det de gør, er at introducere en støj
03:15
into the brainhjerne so that the neuronsneuroner cannotkan ikke understandforstå eachhver other.
60
177000
3000
i hjernen, så neuronerne ikke kan forstå hinanden.
03:18
They are confusedforvirret,
61
180000
2000
De bliver forvirrede,
03:20
and you cannotkan ikke make a decisionafgørelse.
62
182000
3000
og du kan ikke træffe en beslutning.
03:23
So, while you're tryingforsøger to make up your mindsind
63
185000
3000
Så imens du prøver at bestemme dig for
03:26
what the doctorlæge, the surgeonkirurg, is doing
64
188000
2000
hvad lægen, kirurgen foretager sig
03:28
while he's hackinghacking away at your bodylegeme, he's long gonevæk.
65
190000
2000
når han hakker løs på din krop, er han forlængst forsvundet.
03:30
He's at home havingat have teate.
66
192000
2000
Han sidder derhjemme og drikker te.
03:32
(LaughterLatter)
67
194000
2000
(Latter)
03:34
So, when you walk up to a doordør and you openåben it,
68
196000
3000
Så, når du går hen til en dør og du åbner den,
03:37
what you compulsivelytvangsmæssigt have to do to perceiveopfatter
69
199000
3000
er du, for at kunne opfatte, nødt til
03:40
is to make decisionsbeslutninger,
70
202000
2000
at træffe beslutninger,
03:42
thousandstusinder of decisionsbeslutninger about the sizestørrelse of the roomværelse,
71
204000
3000
tusindvis af beslutninger om størrelsen på rummet,
03:45
the wallsvægge, the heighthøjde, the objectsobjekter in this roomværelse.
72
207000
3000
væggen, højden, genstandene i dette rum.
03:48
99 percentprocent of what you see
73
210000
3000
99 procent af hvad du ser
03:51
is not what comeskommer in throughigennem the eyesøjne.
74
213000
4000
er ikke hvad der kommer ind gennem øjnene.
03:55
It is what you inferudlede about that roomværelse.
75
217000
4000
Det er hvad du udleder omkring rummet.
03:59
So I can say, with some certaintysikkerhed,
76
221000
4000
Så jeg kan sige, med nogen sikkerhed,
04:03
"I think, thereforederfor I am."
77
225000
3000
"Jeg tænker, derfor er jeg."
04:06
But I cannotkan ikke say, "You think, thereforederfor you are,"
78
228000
4000
Men jeg kan ikke sige, "Du tænker, derfor er du,"
04:10
because "you" are withininden for my perceptualperceptuelle bubbleboble.
79
232000
5000
fordi "du" er inden i min perceptionsbobbel.
04:15
Now, we can speculatespekulere and philosophizefilosofere this,
80
237000
3000
Nu kan vi spekulere og filosofere over dette,
04:18
but we don't actuallyrent faktisk have to for the nextNæste hundredhundrede yearsflere år.
81
240000
3000
men det behøver vi faktisk ikke i de kommende hundrede år.
04:21
We can askSpørg a very concretebeton questionspørgsmål.
82
243000
2000
Vi kan stille et meget konkret spørgsmål.
04:23
"Can the brainhjerne buildbygge suchsådan a perceptionopfattelse?"
83
245000
4000
"Kan hjernen bygge sådan en opfattelse?"
04:27
Is it capablei stand til at of doing it?
84
249000
2000
Er den i stand til at gøre det?
04:29
Does it have the substancestof to do it?
85
251000
2000
Har den stoffet til at gøre det?
04:31
And that's what I'm going to describebeskrive to you todayi dag.
86
253000
3000
Og det er hvad jeg vil beskrive for jer i dag.
04:34
So, it tooktog the universeunivers 11 billionmilliard yearsflere år to buildbygge the brainhjerne.
87
256000
4000
Det tog universet 11 milliarder år at bygge hjernen.
04:38
It had to improveforbedre it a little bitbit.
88
260000
2000
Det skulle forbedre den en lille smule.
04:40
It had to addtilføje to the frontalfrontal parten del, so that you would have instinctsinstinkter,
89
262000
3000
Det skulle føje til den forreste del, så du kunne få instinkter,
04:43
because they had to copeklare on landjord.
90
265000
3000
fordi de skulle klare sig på land.
04:46
But the realægte bigstor steptrin was the neocortexneocortex.
91
268000
4000
Men det virkeligt store skridt var neokortex.
04:50
It's a newny brainhjerne. You neededhavde brug for it.
92
272000
2000
Det er en ny hjerne. Du havde brug for den.
04:52
The mammalspattedyr neededhavde brug for it
93
274000
2000
Pattedyrene havde brug for den
04:54
because they had to copeklare with parenthoodforældreskab,
94
276000
4000
fordi de skulle håndtere forældreskab,
04:58
socialsocial interactionsinteraktioner,
95
280000
2000
sociale interaktioner,
05:00
complexkompleks cognitivekognitive functionsfunktioner.
96
282000
3000
komplekse kognitive funktioner.
05:03
So, you can think of the neocortexneocortex
97
285000
2000
Så man kan tænke på neokortex
05:05
actuallyrent faktisk as the ultimateultimative solutionløsning todayi dag,
98
287000
5000
faktisk som nutidens ypperste løsning
05:10
of the universeunivers as we know it.
99
292000
3000
på universet som vi kender det.
05:13
It's the pinnacletinde, it's the finalendelige productprodukt
100
295000
2000
Den er højdepunktet, den er det endelige produkt
05:15
that the universeunivers has producedproduceret.
101
297000
4000
som universet har frembragt.
05:19
It was so successfulvellykket in evolutionudvikling
102
301000
2000
Den var så succesfuldt i evolutionen
05:21
that from mousemus to man it expandedudvidet
103
303000
2000
at fra mus til mand udvidede den sig
05:23
about a thousandfoldthousandfold in termsbetingelser of the numbersnumre of neuronsneuroner,
104
305000
3000
omtrent tusinde gange hvad angår antallet af neuroner,
05:26
to producefremstille this almostnæsten frighteningskræmmende
105
308000
3000
for at frembringe dette næsten skræmmende
05:29
organorgan, structurestruktur.
106
311000
3000
organ, denne struktur.
05:32
And it has not stoppedholdt op its evolutionaryevolutionær pathsti.
107
314000
3000
Og det er ikke stoppet på sin evolutionære rejse.
05:35
In factfaktum, the neocortexneocortex in the humanhuman brainhjerne
108
317000
2000
Faktisk så er neokortex i den menneskelige hjerne
05:37
is evolvingudviklende at an enormousenorm speedfart.
109
319000
3000
ved at udvikle sig med en enorm hastighed.
05:40
If you zoomzoom into the surfaceoverflade of the neocortexneocortex,
110
322000
2000
Hvis man zoomer ind på overfladen af neokortex,
05:42
you discoveropdage that it's madelavet up of little modulesmoduler,
111
324000
3000
opdager man at den består af små moduler,
05:45
G5 processorsprocessorer, like in a computercomputer.
112
327000
2000
G5 processorer, som i en computer.
05:47
But there are about a millionmillion of them.
113
329000
3000
Men der er omkring en million af dem.
05:50
They were so successfulvellykket in evolutionudvikling
114
332000
2000
De var så succesfulde i evolutionen,
05:52
that what we did was to duplicateduplikere them
115
334000
2000
at det vi gjorde, var at kopiere dem
05:54
over and over and addtilføje more and more of them to the brainhjerne
116
336000
2000
igen og igen, og føje flere og flere af dem til hjernen,
05:56
untilindtil we ranløb out of spaceplads in the skullkranium.
117
338000
3000
indtil vi løb tør for plads inde i kraniet.
05:59
And the brainhjerne startedstartede to foldfolde in on itselfsig selv,
118
341000
2000
Og hjernen begyndte at folde sig omkring sig selv,
06:01
and that's why the neocortexneocortex is so highlymeget convolutedindviklede.
119
343000
3000
og det er grunden til at neokortex er så sammenfoldet.
06:04
We're just packingpakning in columnskolonner,
120
346000
2000
Vi propper simpelthen nye kolonner ind,
06:06
so that we'dvi ville have more neocorticalneocortical columnskolonner
121
348000
3000
sådan at vi kan få plads til flere neokortikale kolonner
06:09
to performudføre more complexkompleks functionsfunktioner.
122
351000
3000
til at udføre mere komplekse funktioner.
06:12
So you can think of the neocortexneocortex actuallyrent faktisk as
123
354000
2000
Så man kan faktisk forestille sig neokortex som
06:14
a massivemassiv grandGrand pianoklaver,
124
356000
2000
et kæmpestort flygel,
06:16
a million-keymillion-nøgle grandGrand pianoklaver.
125
358000
3000
et flygel med en million tangenter.
06:19
EachHver of these neocorticalneocortical columnskolonner
126
361000
2000
Hver af disse neokortikale kolonner
06:21
would producefremstille a noteBemærk.
127
363000
2000
ville frembringe en tone.
06:23
You stimulatestimulere it; it producesproducerer a symphonysymfoni.
128
365000
3000
Du stimulerer den; den frembringer en symfoni.
06:26
But it's not just a symphonysymfoni of perceptionopfattelse.
129
368000
3000
Men det er ikke kun en symfoni af perceptioner.
06:29
It's a symphonysymfoni of your universeunivers, your realityvirkelighed.
130
371000
3000
Det er symfonien af dit univers, af din virkelighed.
06:32
Now, of courseRute it takes yearsflere år to learnlære how
131
374000
3000
Nu tager det selvfølgelig årevis at lære hvordan
06:35
to mastermestre a grandGrand pianoklaver with a millionmillion keysnøgler.
132
377000
3000
man bemestrer et flygel med en million tangenter.
06:38
That's why you have to sendsende your kidsbørn to good schoolsskoler,
133
380000
2000
Det er derfor du må sende dine børn til de gode skoler
06:40
hopefullyforhåbentlig eventuallytil sidst to OxfordOxford.
134
382000
2000
forhåbentlig en gang til Oxford.
06:42
But it's not only educationuddannelse.
135
384000
3000
Men det er ikke kun uddannelse.
06:45
It's alsoogså geneticsgenetik.
136
387000
2000
Det er også genetik.
06:47
You maykan be bornFødt luckyheldig,
137
389000
2000
Du kan være født heldig,
06:49
where you know how to mastermestre your neocorticalneocortical columnkolonne,
138
391000
4000
eller du ved hvordan du bemestrer dine neokortikale kolonner.
06:53
and you can playSpille a fantasticfantastisk symphonysymfoni.
139
395000
2000
og du kan spille en fantastisk symfoni.
06:55
In factfaktum, there is a newny theoryteori of autismautisme
140
397000
3000
Faktisk er der en ny teori om autisme
06:58
calledhedder the "intenseintens worldverden" theoryteori,
141
400000
2000
kaldet "teorien om den intense verden",
07:00
whichhvilken suggestsforeslår that the neocorticalneocortical columnskolonner are super-columnsSuper-kolonner.
142
402000
4000
som forslår at de neokortikale kolonner er superkolonner.
07:04
They are highlymeget reactivereaktiv, and they are super-plasticSuper-plast,
143
406000
4000
De er højt reaktive og de er superplastiske,
07:08
and so the autistsautists are probablysandsynligvis capablei stand til at of
144
410000
3000
så derfor er autisterne formodentligt i stand til
07:11
buildingbygning and learninglæring a symphonysymfoni
145
413000
2000
at bygge og lære sig en symfoni
07:13
whichhvilken is unthinkableutænkelig for us.
146
415000
2000
der er utænkelig for os andre.
07:15
But you can alsoogså understandforstå
147
417000
2000
Men man må også forstå
07:17
that if you have a diseasesygdom
148
419000
2000
at hvis man har en sygdom
07:19
withininden for one of these columnskolonner,
149
421000
2000
i en af disse kolonner,
07:21
the noteBemærk is going to be off.
150
423000
2000
vil tonen klinge falsk.
07:23
The perceptionopfattelse, the symphonysymfoni that you createskab
151
425000
2000
Perceptionen, den symfoni du skaber,
07:25
is going to be corruptedbeskadiget,
152
427000
2000
vil være beskadiget,
07:27
and you will have symptomssymptomer of diseasesygdom.
153
429000
3000
og du vil have sygdomssymptomer.
07:30
So, the HolyHellige GrailGral for neuroscienceneurovidenskab
154
432000
4000
Så den Hellige Gral for neurovidenskaben
07:34
is really to understandforstå the designdesign of the neocoriticalneocoritical columnkolonne --
155
436000
4000
er virkeligt at forstå indretningen af den neokortikale kolonne -
07:38
and it's not just for neuroscienceneurovidenskab;
156
440000
2000
og det er ikke kun for neurovidenskabens skyld;
07:40
it's perhapsmåske to understandforstå perceptionopfattelse, to understandforstå realityvirkelighed,
157
442000
3000
det er måske at forstå perceptionen, at forstå virkeligheden,
07:43
and perhapsmåske to even alsoogså understandforstå physicalfysisk realityvirkelighed.
158
445000
4000
og måske endda også at forstå den fysiske virkelighed.
07:47
So, what we did was, for the pastforbi 15 yearsflere år,
159
449000
3000
Så hvad vi gjorde var, gennem de sidste 15 år,
07:50
was to dissectdissekere out the neocortexneocortex, systematicallysystematisk.
160
452000
4000
var at dissekere neokortex systematisk.
07:54
It's a bitbit like going and catalogingkatalogisering a piecestykke of the rainforestregnskov.
161
456000
4000
Det er lidt som at tage ud for at katalogisere et stykke af regnskoven.
07:58
How manymange treestræer does it have?
162
460000
2000
Hvor mange træer er der?
08:00
What shapesfigurer are the treestræer?
163
462000
2000
Hvilke former har træerne?
08:02
How manymange of eachhver typetype of treetræ do you have? Where are they positionedplaceret?
164
464000
3000
Hvor mange af hver slags træ er der? Hvor er de placeret?
08:05
But it's a bitbit more than catalogingkatalogisering because you actuallyrent faktisk have to
165
467000
2000
Men det er lidt mere end at katalogisere, for du er faktisk nødt til
08:07
describebeskrive and discoveropdage all the rulesregler of communicationmeddelelse,
166
469000
4000
at beskrive og opdage alle reglerne for kommunikation,
08:11
the rulesregler of connectivitykonnektivitet,
167
473000
2000
reglerne for tilslutningsmuligheder,
08:13
because the neuronsneuroner don't just like to connectforbinde with any neuronneuron.
168
475000
3000
for neuronerne kan ikke lide bare at tilslutte sig enhver anden neuron.
08:16
They choosevælge very carefullyomhyggeligt who they connectforbinde with.
169
478000
3000
De vælger meget omhyggeligt hvem de forbinder sig med.
08:19
It's alsoogså more than catalogingkatalogisering
170
481000
3000
Det er også mere end at katalogisere
08:22
because you actuallyrent faktisk have to buildbygge three-dimensionaltredimensionale
171
484000
2000
fordi du faktisk er nødt til at bygge en tredimensionel
08:24
digitaldigital modelsmodeller of them.
172
486000
2000
digital model af dem.
08:26
And we did that for tenstiere of thousandstusinder of neuronsneuroner,
173
488000
2000
Og det har vi gjort for titusindevis af neuroner,
08:28
builtbygget digitaldigital modelsmodeller of all the differentforskellige typestyper
174
490000
3000
bygget digitale modeller af alle de forskellige typer
08:31
of neuronsneuroner we camekom acrosset kors.
175
493000
2000
af neuroner som vi stødte på.
08:33
And onceenkelt gang you have that, you can actuallyrent faktisk
176
495000
2000
Og når man først har det, kan man faktisk
08:35
beginbegynde to buildbygge the neocorticalneocortical columnkolonne.
177
497000
4000
begynde at bygge den neokortikale kolonne.
08:39
And here we're coilingCoiling them up.
178
501000
3000
Og her viser vi dem samtidigt, sammenviklede.
08:42
But as you do this, what you see
179
504000
3000
Men mens man gør dette, ser man
08:45
is that the branchesgrene intersectkrydse
180
507000
2000
at grenene krydser hinanden
08:47
actuallyrent faktisk in millionsmillioner of locationsplaceringer,
181
509000
3000
faktisk millioner af steder,
08:50
and at eachhver of these intersectionskryds
182
512000
3000
og ved hver af disse krydsninger
08:53
they can formform a synapsesynapse.
183
515000
2000
kan de danne en synapse.
08:55
And a synapsesynapse is a chemicalkemisk locationBeliggenhed
184
517000
2000
Og en synaps er en kemisk lokation
08:57
where they communicatekommunikere with eachhver other.
185
519000
3000
hvor de kommunikerer med hinanden.
09:00
And these synapsessynapser togethersammen
186
522000
2000
Og sammen danner disse synapser
09:02
formform the networknetværk
187
524000
2000
netværket
09:04
or the circuitkredsløb of the brainhjerne.
188
526000
3000
eller hjernens kredsløb.
09:07
Now, the circuitkredsløb, you could alsoogså think of as
189
529000
4000
Nu kan man også tænke på kredsløbet som
09:11
the fabricstof of the brainhjerne.
190
533000
2000
hjernens stof.
09:13
And when you think of the fabricstof of the brainhjerne,
191
535000
3000
Og når du tænker på hjernens stof,
09:16
the structurestruktur, how is it builtbygget? What is the patternmønster of the carpettæppe?
192
538000
4000
strukturen, hvordan er det så bygget? Hvordan er mønstret i tæppet?
09:20
You realizerealisere that this posesrejser
193
542000
2000
Du indser at dette udgør
09:22
a fundamentalgrundlæggende challengeudfordring to any theoryteori of the brainhjerne,
194
544000
4000
en grundlæggende udfordring for enhver teori om hjernen,
09:26
and especiallyisær to a theoryteori that sayssiger
195
548000
2000
og specielt for en teori der siger
09:28
that there is some realityvirkelighed that emergesfremgår
196
550000
2000
at en eller anden virkelighed træder frem
09:30
out of this carpettæppe, out of this particularsærlig carpettæppe
197
552000
3000
ud af dette tæppe, ud af dette specifikke tæppe
09:33
with a particularsærlig patternmønster.
198
555000
2000
med et bestemt mønster.
09:35
The reasongrund is because the mostmest importantvigtig designdesign secrethemmelighed of the brainhjerne
199
557000
3000
Grunden er at hjernens vigtigste konstruktionshemmelighed
09:38
is diversitymangfoldighed.
200
560000
2000
er forskelligartethed.
09:40
EveryHver neuronneuron is differentforskellige.
201
562000
2000
Hver neuron er forskellig.
09:42
It's the samesamme in the forestSkov. EveryHver pinefyrretræ treetræ is differentforskellige.
202
564000
2000
Det er det samme i skoven. Hvert fyrretræ er forskelligt.
09:44
You maykan have manymange differentforskellige typestyper of treestræer,
203
566000
2000
Du kan godt have mange forskellige typer af træer,
09:46
but everyhver pinefyrretræ treetræ is differentforskellige. And in the brainhjerne it's the samesamme.
204
568000
3000
men hvert fyrretræ er stadig forskelligt. Og i hjernen er det det samme.
09:49
So there is no neuronneuron in my brainhjerne that is the samesamme as anotheren anden,
205
571000
3000
Så der er ingen neuron i min hjerne der er identisk med en anden,
09:52
and there is no neuronneuron in my brainhjerne that is the samesamme as in yoursdine.
206
574000
3000
og der er ingen neuron i min hjerne der er identisk med en i jeres.
09:55
And your neuronsneuroner are not going to be orientedorienteret and positionedplaceret
207
577000
3000
Og jeres neuroner vil ikke være drejet og placeret
09:58
in exactlyNemlig the samesamme way.
208
580000
2000
på helt samme måde.
10:00
And you maykan have more or lessmindre neuronsneuroner.
209
582000
2000
Og I kan have flere eller færre neuroner.
10:02
So it's very unlikelyusandsynlig
210
584000
2000
Så det er meget usandsynligt
10:04
that you got the samesamme fabricstof, the samesamme circuitrykredsløb.
211
586000
4000
at I har det samme stof, de samme kredsløb.
10:08
So, how could we possiblyeventuelt createskab a realityvirkelighed
212
590000
2000
Så hvordan kan vi have skabt en virkelighed
10:10
that we can even understandforstå eachhver other?
213
592000
3000
hvor vi overhovedet kan forstå hinanden?
10:13
Well, we don't have to speculatespekulere.
214
595000
2000
Tja, vi behøver ikke spekulere over det.
10:15
We can look at all 10 millionmillion synapsessynapser now.
215
597000
3000
Vi kan nu se på alle 10 millioner synapser.
10:18
We can look at the fabricstof. And we can changelave om neuronsneuroner.
216
600000
3000
Vi kan se på stoffet. Og vi kan ændre neuroner.
10:21
We can use differentforskellige neuronsneuroner with differentforskellige variationsvariationer.
217
603000
2000
Vi kan bruge forskellige neuroner med forskellige variationer.
10:23
We can positionposition them in differentforskellige placessteder,
218
605000
2000
Vi kan placere dem forskellige steder,
10:25
orientOrient them in differentforskellige placessteder.
219
607000
2000
dreje dem i forskellige retninger.
10:27
We can use lessmindre or more of them.
220
609000
2000
Vi kan bruge færre eller flere af dem.
10:29
And when we do that
221
611000
2000
Og når vi gør det
10:31
what we discoveredopdaget is that the circuitrykredsløb does changelave om.
222
613000
3000
opdager vi at kredsløbene ændres.
10:34
But the patternmønster of how the circuitrykredsløb is designeddesignet does not.
223
616000
7000
Men at mønstret for hvordan kredsløbene sammensættes ikke ændres.
10:41
So, the fabricstof of the brainhjerne,
224
623000
2000
Så hjernens stof
10:43
even thoughselvom your brainhjerne maykan be smallermindre, biggerstørre,
225
625000
2000
uanset at din hjerne kan være mindre, eller større,
10:45
it maykan have differentforskellige typestyper of neuronsneuroner,
226
627000
3000
og at den kan have andre typer af neuroner,
10:48
differentforskellige morphologiesmorfologier of neuronsneuroner,
227
630000
2000
andre morfologier af neuroner,
10:50
we actuallyrent faktisk do sharedel
228
632000
3000
så deler vi faktisk
10:53
the samesamme fabricstof.
229
635000
2000
det samme stof.
10:55
And we think this is species-specificartsspecifikke,
230
637000
2000
Og vi tror dette er arts-specifikt,
10:57
whichhvilken meansmidler that that could explainforklare
231
639000
2000
hvilket betyder at det kunne forklare
10:59
why we can't communicatekommunikere acrosset kors speciesarter.
232
641000
2000
hvorfor vi ikke kan kommunikere på tværs af arter.
11:01
So, let's switchkontakt it on. But to do it, what you have to do
233
643000
3000
Så lad os tænde for den. Men for at gøre det
11:04
is you have to make this come alivei live.
234
646000
2000
må vi bringe den til live.
11:06
We make it come alivei live
235
648000
2000
Vi bringer den til live
11:08
with equationsligninger, a lot of mathematicsmatematik.
236
650000
2000
med ligninger, en masse matematik.
11:10
And, in factfaktum, the equationsligninger that make neuronsneuroner into electricalelektrisk generatorsgeneratorer
237
652000
4000
Og faktisk blev de ligninger, der gør neuroner til elektriske genratorer,
11:14
were discoveredopdaget by two CambridgeCambridge NobelNobel LaureatesPrismodtagere.
238
656000
3000
opdaget af to nobelprismodtagere fra Cambridge.
11:17
So, we have the mathematicsmatematik to make neuronsneuroner come alivei live.
239
659000
3000
Så vi har matematikken til at bringe neuronerne til live.
11:20
We alsoogså have the mathematicsmatematik to describebeskrive
240
662000
2000
Vi har også matematikken til at beskrive
11:22
how neuronsneuroner collectindsamle informationinformation,
241
664000
3000
hvordan neuroner opsamler information,
11:25
and how they createskab a little lightninglyn boltBolt
242
667000
3000
og hvordan de skaber et lillebitte lynglimt
11:28
to communicatekommunikere with eachhver other.
243
670000
2000
for at kommunikere med hinanden.
11:30
And when they get to the synapsesynapse,
244
672000
2000
Og når disse når til synapserne,
11:32
what they do is they effectivelyEffektivt,
245
674000
2000
er det de gør at de praktisk talt,
11:34
literallybogstaveligt talt, shockchok the synapsesynapse.
246
676000
3000
bogstaveligt talt lammer synapsen.
11:37
It's like electricalelektrisk shockchok
247
679000
2000
Det er ligesom et elektrisk stød
11:39
that releasesudgivelser the chemicalskemikalier from these synapsessynapser.
248
681000
3000
der udløser kemikalierne fra disse synapser.
11:42
And we'vevi har got the mathematicsmatematik to describebeskrive this processbehandle.
249
684000
3000
Og vi har matematikken til at beskrive processen.
11:45
So we can describebeskrive the communicationmeddelelse betweenmellem the neuronsneuroner.
250
687000
4000
Så vi kan beskrive kommunikationen mellem neuronerne.
11:49
There literallybogstaveligt talt are only a handfulhåndfuld
251
691000
3000
Der er bogstaveligt talt kun en håndfuld
11:52
of equationsligninger that you need to simulatesimulere
252
694000
2000
af ligninger som kræves for at simulere
11:54
the activityaktivitet of the neocortexneocortex.
253
696000
2000
aktiviteten i neokortex.
11:56
But what you do need is a very bigstor computercomputer.
254
698000
3000
Men der er stadig brug for en meget stor computer.
11:59
And in factfaktum you need one laptopbærbar
255
701000
2000
Og faktisk er der brug for en bærbar
12:01
to do all the calculationsberegninger just for one neuronneuron.
256
703000
3000
til alle udregningerne for bare en enkelt neuron.
12:04
So you need 10,000 laptopsbærbare computere.
257
706000
2000
Så der er brug for 10.000 bærbare.
12:06
So where do you go? You go to IBMIBM,
258
708000
2000
Så hvor går man hen? Man går til IBM,
12:08
and you get a supercomputersupercomputer, because they know how to take
259
710000
2000
og man får en supercomputer, for de ved hvordan man tager
12:10
10,000 laptopsbærbare computere and put it into the sizestørrelse of a refrigeratorkøleskab.
260
712000
4000
10.000 bærbare og bygger dem sammen til noget på størrelse med et køleskab.
12:14
So now we have this BlueBlå GeneGen supercomputersupercomputer.
261
716000
3000
Så nu har vi denne Blue Gene supercomputer.
12:17
We can loadbelastning up all the neuronsneuroner,
262
719000
2000
Vi kan uploade alle neuronerne,
12:19
eachhver one on to its processorprocessor,
263
721000
2000
hver til sin egen processer,
12:21
and firebrand it up, and see what happenssker.
264
723000
4000
og tænde for det og se hvad der sker.
12:25
Take the magicmagi carpettæppe for a rideride.
265
727000
3000
Tage en tur på det flyvende tæppe.
12:28
Here we activateaktivere it. And this givesgiver the first glimpseglimt
266
730000
3000
Her aktiverer vi det. Og det giver de første glimt
12:31
of what is happeningsker in your brainhjerne
267
733000
2000
af hvad der foregår i din hjerne
12:33
when there is a stimulationstimulation.
268
735000
2000
når den stimuleres.
12:35
It's the first viewudsigt.
269
737000
2000
Det er det første indblik.
12:37
Now, when you look at that the first time, you think,
270
739000
2000
Når man ser det første gang, tænker man nok,
12:39
"My god. How is realityvirkelighed comingkommer out of that?"
271
741000
5000
"Min gud. Hvordan udspringer virkeligheden af dét der?"
12:44
But, in factfaktum, you can startStart,
272
746000
3000
Men vi kan faktisk godt begynde,
12:47
even thoughselvom we haven'thar ikke traineduddannet this neocorticalneocortical columnkolonne
273
749000
4000
selv om vi ikke har optrænet denne neokortikale kolonne
12:51
to createskab a specificbestemt realityvirkelighed.
274
753000
2000
til at skabe en specifik virkelighed.
12:53
But we can askSpørg, "Where is the roseRose?"
275
755000
4000
Men vi kan spørge, "Hvor er rosen?"
12:57
We can askSpørg, "Where is it insideinde,
276
759000
2000
Vi kan spørge, "Hvor er den inden i..."
12:59
if we stimulatestimulere it with a picturebillede?"
277
761000
3000
"... hvis vi kan stimulere den med et billede?"
13:02
Where is it insideinde the neocortexneocortex?
278
764000
2000
Hvor er den inde i neokortex?
13:04
UltimatelyI sidste ende it's got to be there if we stimulatedstimuleret it with it.
279
766000
4000
I sidste ende bliver den nødt til at være der, hvis vi stimulerede det med den.
13:08
So, the way that we can look at that
280
770000
2000
Så den måde, vi kan undersøge det på,
13:10
is to ignoreignorere the neuronsneuroner, ignoreignorere the synapsessynapser,
281
772000
3000
er ved at ignorere neuronerne, ignorere synapserne,
13:13
and look just at the raw electricalelektrisk activityaktivitet.
282
775000
2000
og kun se på den rå, elektriske aktivitet.
13:15
Because that is what it's creatingskabe.
283
777000
2000
For det er det, den skaber.
13:17
It's creatingskabe electricalelektrisk patternsmønstre.
284
779000
2000
Den skaber elektriske mønstre.
13:19
So when we did this,
285
781000
2000
Så da vi gjorde dette,
13:21
we indeedJa, for the first time,
286
783000
2000
så vi faktisk for allerførste gang
13:23
saw these ghost-likespøgelsesagtige structuresstrukturer:
287
785000
3000
disse spøgelsesagtige strukturer:
13:26
electricalelektrisk objectsobjekter appearingoptræder
288
788000
3000
elektriske objekter der kommer til syne
13:29
withininden for the neocorticalneocortical columnkolonne.
289
791000
3000
indeni i den neokortikale kolonne.
13:32
And it's these electricalelektrisk objectsobjekter
290
794000
3000
Og det er disse elektriske objekter
13:35
that are holdingbedrift all the informationinformation about
291
797000
3000
der indeholder al informationen om
13:38
whateveruanset hvad stimulatedstimuleret it.
292
800000
3000
hvad der end stimulerede dem.
13:41
And then when we zoomedzoomet into this,
293
803000
2000
Og da vi så zoomede ind på dette,
13:43
it's like a veritableveritabel universeunivers.
294
805000
4000
viser det sig som et veritabelt univers.
13:47
So the nextNæste steptrin
295
809000
2000
Så næste skridt
13:49
is just to take these brainhjerne coordinateskoordinater
296
811000
4000
er bare at tage disse hjerne-koordinater
13:53
and to projectprojekt them into perceptualperceptuelle spaceplads.
297
815000
4000
og projicere dem ind i et perceptuelt rum.
13:57
And if you do that,
298
819000
2000
Og hvis man gør det,
13:59
you will be ablei stand to steptrin insideinde
299
821000
2000
vil man kunne træde ind i
14:01
the realityvirkelighed that is createdskabt
300
823000
2000
den virkelighed, der er blevet skabt
14:03
by this machinemaskine,
301
825000
2000
af denne maskine,
14:05
by this piecestykke of the brainhjerne.
302
827000
3000
af dette stykke af hjernen.
14:08
So, in summaryResumé,
303
830000
2000
Så, for at opsummere,
14:10
I think that the universeunivers maykan have --
304
832000
2000
tror jeg at universet kan have -
14:12
it's possiblemuligt --
305
834000
2000
det er en mulighed -
14:14
evolvedudviklet sig a brainhjerne to see itselfsig selv,
306
836000
3000
udviklet en hjerne til at se sig selv,
14:17
whichhvilken maykan be a first steptrin in becomingblive awareklar over of itselfsig selv.
307
839000
5000
hvilket kan være et første skridt i dets bevidstgørelse om sig selv.
14:22
There is a lot more to do to testprøve these theoriesteorier,
308
844000
2000
Der er meget mere at gøre for at teste disse teorier,
14:24
and to testprøve any other theoriesteorier.
309
846000
3000
og for at teste alle andre teorier.
14:27
But I hopehåber that you are at leastmindst partlytil dels convincedoverbevist
310
849000
3000
Men jeg håber, at I er ihvertfald delvist overbeviste om
14:30
that it is not impossibleumulig to buildbygge a brainhjerne.
311
852000
3000
at det ikke er umuligt at bygge en hjerne.
14:33
We can do it withininden for 10 yearsflere år,
312
855000
2000
Vi kan gøre det indenfor 10 år,
14:35
and if we do succeedlykkes,
313
857000
2000
og hvis det nu lykkes,
14:37
we will sendsende to TEDTED, in 10 yearsflere år,
314
859000
2000
så sender vi, til TED om 10 år,
14:39
a hologramhologram to talk to you. Thank you.
315
861000
3000
et hologram der kan tale for jer. Tak.
14:42
(ApplauseBifald)
316
864000
6000
(Applaus)

▲Back to top

ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Henry Markram | Speaker | TED.com