ABOUT THE SPEAKER
Kwabena Boahen - Bioengineer
Kwabena Boahen wants to understand how brains work -- and to build a computer that works like the brain by reverse-engineering the nervous system. His group at Stanford is developing Neurogrid, a hardware platform that will emulate the cortex’s inner workings.

Why you should listen

Kwabena Boahen is the principal investigator at the Brains in Silicon lab at Stanford. He writes of himself:

Being a scientist at heart, I want to understand how cognition arises from neuronal properties. Being an engineer by training, I am using silicon integrated circuits to emulate the way neurons compute, linking the seemingly disparate fields of electronics and computer science with neurobiology and medicine.

My group's contributions to the field of neuromorphic engineering include a silicon retina that could be used to give the blind sight and a self-organizing chip that emulates the way the developing brain wires itself up. Our work is widely recognized, with over sixty publications, including a cover story in the May 2005 issue of Scientific American.

My current research interest is building a simulation platform that will enable the cortex's inner workings to be modeled in detail. While progress has been made linking neuronal properties to brain rhythms, the task of scaling up these models to link neuronal properties to cognition still remains. Making the supercomputer-performance required affordable is the goal of our Neurogrid project. It is at the vanguard of a profound shift in computing, away from the sequential, step-by-step Von Neumann machine towards a parallel, interconnected architecture more like the brain.

More profile about the speaker
Kwabena Boahen | Speaker | TED.com
TEDGlobal 2007

Kwabena Boahen: A computer that works like the brain

Kwabena Boahen nói về chiếc máy tính làm việc giống như não bộ

Filmed:
718,375 views

Nhà nghiên cứu Kwabena Boahen đang tìm kiếm các cách để bắt chước năng lực tính toán siêu việt của bộ não bằng các thiết bị silicon - bởi lẽ các quá trình hỗn độn, dư thừa trong đầu chúng ta thực ra lại tạo ra một máy tính siêu nhanh, nhỏ và nhẹ.
- Bioengineer
Kwabena Boahen wants to understand how brains work -- and to build a computer that works like the brain by reverse-engineering the nervous system. His group at Stanford is developing Neurogrid, a hardware platform that will emulate the cortex’s inner workings. Full bio

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

00:18
I got my first computermáy vi tính when I was a teenagerthiếu niên growingphát triển up in AccraAccra,
0
0
5000
Tôi có cái máy tính đầu tiên khi tôi còn là một cậu bé lớn lên ở Accra,
00:23
and it was a really coolmát mẻ devicethiết bị.
1
5000
3000
và nó thực sự là một thiết bị tuyệt vời.
00:26
You could playchơi gamesTrò chơi with it. You could programchương trình it in BASICCƠ BẢN.
2
8000
5000
Bạn có thể chơi trò chơi điện tử, bạn có thể lập trình bằng BASIC.
00:31
And I was fascinatedquyến rũ.
3
13000
2000
Và tôi đã bị mê hoặc.
00:33
So I wentđã đi into the librarythư viện to figurenhân vật out how did this thing work.
4
15000
6000
Vì thế tôi đã vào thư viện để tìm hiểu xem nó hoạt động thế nào.
00:39
I readđọc about how the CPUCPU is constantlyliên tục shufflingshuffling datadữ liệu back and forthra
5
21000
5000
Tôi đọc xem làm thế nào mà CPU có thể truyền dữ liệu liên tục tới lui
00:44
betweengiữa the memoryký ức, the RAMBỘ NHỚ RAM and the ALUALU,
6
26000
4000
giữa bộ nhớ, RAM và ALU,
00:48
the arithmeticsố học and logiclogic unitđơn vị.
7
30000
2000
(bộ phận tính toán số học và logic).
00:50
And I thought to myselfriêng tôi, this CPUCPU really has to work like crazykhùng
8
32000
4000
Tôi tự nghĩ, chắc cái CPU này phải hoạt động như điên
00:54
just to keep all this datadữ liệu movingdi chuyển throughxuyên qua the systemhệ thống.
9
36000
4000
để tất cả dữ liệu lưu chuyển trong hệ thống.
00:58
But nobodykhông ai was really worriedlo lắng about this.
10
40000
3000
Nhưng chẳng ai thực sự quan tâm đến điều này.
01:01
When computersmáy vi tính were first introducedgiới thiệu,
11
43000
2000
Khi máy tính được ra mắt lần đầu tiên,
01:03
they were said to be a milliontriệu timeslần fasternhanh hơn than neuronstế bào thần kinh.
12
45000
3000
người ta nói rằng nó sẽ nhanh hơn nơ-ron hàng triệu lần.
01:06
People were really excitedbị kích thích. They thought they would soonSớm outstripvượt xa
13
48000
5000
Người ta thật sự thích thú, họ nghĩ chúng sẽ bỏ xa
01:11
the capacitysức chứa of the brainóc.
14
53000
3000
khả năng của bộ não.
01:14
This is a quoteTrích dẫn, actuallythực ra, from AlanAlan TuringTuring:
15
56000
3000
Đây là một câu trích từ Alan Turing:
01:17
"In 30 yearsnăm, it will be as easydễ dàng to askhỏi a computermáy vi tính a questioncâu hỏi
16
59000
4000
"30 năm nữa, ta sẽ dễ dàng hỏi máy tính một câu hỏi,
01:21
as to askhỏi a personngười."
17
63000
2000
giống như hỏi một người vậy."
01:23
This was in 1946. And now, in 2007, it's still not truethật.
18
65000
7000
Đó là năm 1946. Và bây giờ là 2007, nó vẫn chưa phải hiện thực.
01:30
And so, the questioncâu hỏi is, why aren'tkhông phải we really seeingthấy
19
72000
4000
Vấn đề là tại sao chúng ta không thấy được
01:34
this kindloại of powerquyền lực in computersmáy vi tính that we see in the brainóc?
20
76000
4000
cái khả năng này máy tính mà chúng ta thấy được trong não bộ?
01:38
What people didn't realizenhận ra, and I'm just beginningbắt đầu to realizenhận ra right now,
21
80000
4000
Điều chúng ta không thực sự nhận ra, và tôi mới chỉ mới nhận ra lúc này,
01:42
is that we paytrả a hugekhổng lồ pricegiá bán for the speedtốc độ
22
84000
2000
đó là chúng ta phải trả giá đắt cho tốc độ,
01:44
that we claimyêu cầu is a biglớn advantagelợi thế of these computersmáy vi tính.
23
86000
4000
điều mà chúng ta cho rằng một sự tiến bộ lớn lao của những máy tính này.
01:48
Let's take a look at some numberssố.
24
90000
2000
Nào chúng ta cùng nhìn vào một vài con số
01:50
This is BlueMàu xanh GeneGene, the fastestnhanh nhất computermáy vi tính in the worldthế giới.
25
92000
4000
Đó là Blue Gene, máy tính nhanh nhất trên thế giới
01:54
It's got 120,000 processorsbộ vi xử lý; they can basicallyvề cơ bản processquá trình
26
96000
5000
Nó có 120,000 bộ vi xử lý; về cơ bản nó có thể xử lý được
01:59
10 quadrillionquadrillion bitsbit of informationthông tin permỗi secondthứ hai.
27
101000
3000
10 quadrillion bit thông tin trên 1 giây
02:02
That's 10 to the sixteenththứ 16. And they consumetiêu dùng one and a halfmột nửa megawattsMW of powerquyền lực.
28
104000
7000
Đó là chừng 10 lũy thừa 16. Và nó tiêu thụ khoảng 1.5 mega oát điện.
02:09
So that would be really great, if you could addthêm vào that
29
111000
3000
Điều đó có thể rất vĩ đại, nếu bạn có thể bổ sung nó
02:12
to the productionsản xuất capacitysức chứa in TanzaniaTanzania.
30
114000
2000
vào tổng năng lực sản xuất của Tanzania.
02:14
It would really boosttăng the economynên kinh tê.
31
116000
2000
Nó thực sự sẽ thúc đẩy nền kinh tế
02:16
Just to go back to the StatesTiểu bang,
32
118000
4000
Quay trở lại với nước Mỹ,
02:20
if you translatedịch the amountsố lượng of powerquyền lực or electricityđiện
33
122000
2000
nếu các bạn chuyển đổi lượng điện hoặc năng lượng này
02:22
this computermáy vi tính usessử dụng to the amountsố lượng of householdshộ gia đình in the StatesTiểu bang,
34
124000
3000
cho các hộ gia đình ở Mỹ
02:25
you get 1,200 householdshộ gia đình in the U.S.
35
127000
4000
Con số đó là 1200 hộ gia đình ở Mỹ
02:29
That's how much powerquyền lực this computermáy vi tính usessử dụng.
36
131000
2000
Đó là lượng điện mà cái máy tính này sử dụng.
02:31
Now, let's compareso sánh this with the brainóc.
37
133000
3000
Nào, bây giờ hãy so sánh với bộ não
02:34
This is a picturehình ảnh of, actuallythực ra RoryRory Sayres''Sayres girlfriend'scủa bạn gái brainóc.
38
136000
5000
Đây là hình ảnh bộ não của bạn gái Rory Sayres
02:39
RoryRory is a graduatetốt nghiệp studentsinh viên at StanfordStanford.
39
141000
2000
Rory là một nghiên cứu sinh sau đại học ở Stanford
02:41
He studieshọc the brainóc usingsử dụng MRIMRI, and he claimstuyên bố that
40
143000
4000
Anh ấy nghiên cứu về bộ não bằng cách sử dụng MRI và anh cho rằng
02:45
this is the mostphần lớn beautifulđẹp brainóc that he has ever scannedquét.
41
147000
3000
đây là bộ não đẹp nhất mà anh đã scan ( chụp ) được từ trước đến giờ
02:48
(LaughterTiếng cười)
42
150000
2000
( Cười )
02:50
So that's truethật love, right there.
43
152000
3000
Đó là tình yêu đích thực, ngay đó
02:53
Now, how much computationtính toán does the brainóc do?
44
155000
3000
Và bây giờ thử nghĩ xem công suất tính toán của bộ não là bao nhiêu?
02:56
I estimateước tính 10 to the 16 bitsbit permỗi secondthứ hai,
45
158000
2000
Tôi ước tính10 lũy thừa 16 bit trên 1 giây
02:58
which is actuallythực ra about very similargiống to what BlueMàu xanh GeneGene does.
46
160000
4000
Điều đó cho thấy nó tương tự như máy Blue Gene
03:02
So that's the questioncâu hỏi. The questioncâu hỏi is, how much --
47
164000
2000
Đó là câu hỏi. Câu hỏi là, bao nhiêu--
03:04
they are doing a similargiống amountsố lượng of processingChế biến, similargiống amountsố lượng of datadữ liệu --
48
166000
3000
cả bộ não và Blue Gene thực hiện cùng một khối lượng tính toán và dữ liệu
03:07
the questioncâu hỏi is how much energynăng lượng or electricityđiện does the brainóc use?
49
169000
5000
câu hỏi là bộ não tiêu tốn bao nhiêu năng lượng?
03:12
And it's actuallythực ra as much as your laptopmáy tính xách tay computermáy vi tính:
50
174000
3000
Và thực tế là nó giống như chiếc laptop của bạn
03:15
it's just 10 wattswatts.
51
177000
2000
chỉ khoảng 10 oát
03:17
So what we are doing right now with computersmáy vi tính
52
179000
3000
Vậy hiện tại chúng ta đang làm gì với những chiếc máy tính
03:20
with the energynăng lượng consumedtiêu thụ by 1,200 housesnhà ở,
53
182000
3000
tiêu tốn năng lượng bằng năng lượng dùng cho 1200 ngôi nhà.
03:23
the brainóc is doing with the energynăng lượng consumedtiêu thụ by your laptopmáy tính xách tay.
54
185000
5000
bộ não đang tiêu thụ năng lượng chỉ bằng chiếc laptop của bạn
03:28
So the questioncâu hỏi is, how is the brainóc ablecó thể to achieveHoàn thành this kindloại of efficiencyhiệu quả?
55
190000
3000
Câu hỏi là làm thế nào mà bộ não có thể đạt được sự hiệu quả đó
03:31
And let me just summarizetóm tắt. So the bottomđáy linehàng:
56
193000
2000
Hãy để tôi tóm tắt một chút.
03:33
the brainóc processesquy trình informationthông tin usingsử dụng 100,000 timeslần lessít hơn energynăng lượng
57
195000
4000
bộ não xử lý thông tin trong khi sử dụng năng lượng ít hơn một nghìn lần
03:37
than we do right now with this computermáy vi tính technologyCông nghệ that we have.
58
199000
4000
so với các máy tính được chế tạo bởi các công nghệ hiện nay.
03:41
How is the brainóc ablecó thể to do this?
59
203000
2000
Làm thế nào để bộ não có thể thực hiện được điều đó?
03:43
Let's just take a look about how the brainóc workscông trinh,
60
205000
3000
Hãy cùng nhìn vào cách mà bộ não làm việc
03:46
and then I'll compareso sánh that with how computersmáy vi tính work.
61
208000
4000
và so sánh với cách mà các máy tính làm việc
03:50
So, this clipkẹp is from the PBSPBS seriesloạt, "The SecretBí mật Life of the BrainNão bộ."
62
212000
4000
Đây là clip trong chuỗi chương trình PBS, "Đời sống bí ẩn của bộ não"
03:54
It showstrình diễn you these cellstế bào that processquá trình informationthông tin.
63
216000
3000
Nó cho bạn thấy các tế bào xử lý thông tin
03:57
They are calledgọi là neuronstế bào thần kinh.
64
219000
1000
Chúng được gọi là các nơ-ron
03:58
They sendgửi little pulsesxung of electricityđiện down theirhọ processesquy trình to eachmỗi other,
65
220000
6000
Chúng truyền các xung điện nhỏ mà chúng cần xử lý cho nhau
04:04
and where they contacttiếp xúc eachmỗi other, those little pulsesxung
66
226000
2000
Và tại nơi chúng liên lạc với nhau, các xung điện này
04:06
of electricityđiện can jumpnhảy from one neuronneuron to the other.
67
228000
2000
có thể nhảy từ nơ-ron này sang các nơ-ron khác
04:08
That processquá trình is calledgọi là a synapsekhớp thần kinh.
68
230000
3000
Nơi đó gọi là các khớp thần kinh ( synapse)
04:11
You've got this hugekhổng lồ networkmạng of cellstế bào interactingtương tác with eachmỗi other --
69
233000
2000
Có một mạng lưới khổng lồ các tế bào tương tác lẫn nhau
04:13
about 100 milliontriệu of them,
70
235000
2000
khoảng 100 triệu tế bào
04:15
sendinggửi about 10 quadrillionquadrillion of these pulsesxung around everymỗi secondthứ hai.
71
237000
4000
chúng gửi đi khoảng 10 triệu lũy thừa 4 các xung điện mỗi giây
04:19
And that's basicallyvề cơ bản what's going on in your brainóc right now as you're watchingxem this.
72
241000
6000
Và đó là nhữg gì đang xảy ra ở bên não của bạn khi bạn đang xem clip này
04:25
How does that compareso sánh with the way computersmáy vi tính work?
73
247000
2000
Làm thế nào để so sánh với cách mà máy tính làm việc?
04:27
In the computermáy vi tính, you have all the datadữ liệu
74
249000
2000
Trong máy tính, tất cả dữ liệu
04:29
going throughxuyên qua the centralTrung tâm processingChế biến unitđơn vị,
75
251000
2000
chạy qua bộ xử lý trung tâm ( CPU)
04:31
and any piececái of datadữ liệu basicallyvề cơ bản has to go throughxuyên qua that bottlenecknút cổ chai,
76
253000
3000
và từng phần của dữ liệu đều phải đi qua nút cổ chai đó
04:34
whereastrong khi in the brainóc, what you have is these neuronstế bào thần kinh,
77
256000
4000
Trong khi đó trong bộ não là những nơ-ron
04:38
and the datadữ liệu just really flowschảy throughxuyên qua a networkmạng of connectionskết nối
78
260000
4000
và dữ liệu thực tế chảy qua một mạng lưới các kết nối
04:42
amongtrong số the neuronstế bào thần kinh. There's no bottlenecknút cổ chai here.
79
264000
2000
giữa các nơ-ron. Không có nút cổ chai nào ở đây
04:44
It's really a networkmạng in the literaltheo nghĩa đen sensegiác quan of the wordtừ.
80
266000
4000
Nó thực sự là một mạng lưới theo nghĩa đen
04:48
The netmạng lưới is doing the work in the brainóc.
81
270000
4000
Một mạng lưới làm việc bên trong bộ não
04:52
If you just look at these two picturesnhững bức ảnh,
82
274000
2000
Nếu các bạn nhìn vào 2 bức ảnh này
04:54
these kindloại of wordstừ ngữ popnhạc pop into your mindlí trí.
83
276000
2000
2 loại từ in sâu vào tâm trí bạn
04:56
This is serialnối tiếp and it's rigidcứng nhắc -- it's like carsxe hơi on a freewayđường cao tốc,
84
278000
4000
Cái này thì tuần tự và cứng nhắc, giống như chiếc ô tô đi trên 1 xa lộ duy nhất
05:00
everything has to happenxảy ra in locksteplockstep --
85
282000
3000
mọi thứ phải xảy ra ngay sau đó
05:03
whereastrong khi this is parallelsong song, tương đông and it's fluidchất lỏng.
86
285000
2000
Trong khi cái này thì là song song và linh hoạt hơn
05:05
InformationThông tin processingChế biến is very dynamicnăng động and adaptivethích nghi.
87
287000
3000
Việc xử lý thông tin là động và có tính thích ứng cao
05:08
So I'm not the first to figurenhân vật this out. This is a quoteTrích dẫn from BrianBrian EnoEno:
88
290000
4000
Tôi không phải là người đầu tiên chỉ ra điều này. Đó là trích dẫn của Brian Eno
05:12
"the problemvấn đề with computersmáy vi tính is that there is not enoughđủ AfricaAfrica in them."
89
294000
4000
"Vấn đề với các máy tính là không có đủ cả một châu Phi ở bên trong chúng"
05:16
(LaughterTiếng cười)
90
298000
6000
Cười
05:22
BrianBrian actuallythực ra said this in 1995.
91
304000
3000
Brian thực sự đã nói câu này vào năm 1995
05:25
And nobodykhông ai was listeningnghe then,
92
307000
3000
Và lúc đó không ai nghe điều đó
05:28
but now people are beginningbắt đầu to listen
93
310000
2000
nhưng rồi mọi người cũng bắt đầu lắng nghe
05:30
because there's a pressingnhấn, technologicaltínhór แทน użyciu แห่ง แทน แทน แทน ustaw problemvấn đề that we faceđối mặt.
94
312000
5000
bởi vấn đề công nghệ mà chúng ta phải đối mặt là rất cấp bách
05:35
And I'll just take you throughxuyên qua that a little bitbit in the nextkế tiếp fewvài slidesslide.
95
317000
5000
Hãy để tôi dẫn các bạn đi thêm một chút trong vài slide tiếp theo
05:40
This is -- it's actuallythực ra really this remarkableđáng chú ý convergencehội tụ
96
322000
4000
Đây thực sự là một sự hội tụ đáng nhớ
05:44
betweengiữa the devicesthiết bị that we use to computetính toán in computersmáy vi tính,
97
326000
5000
giữa các thiết bị mà chúng ta dùng để tính toán trong máy tính
05:49
and the devicesthiết bị that our brainsnão use to computetính toán.
98
331000
4000
và các thiết bị ( sinh học ) mà bộ não của chúng ta sử dụng để tính toán
05:53
The devicesthiết bị that computersmáy vi tính use are what's calledgọi là a transistorbóng bán dẫn.
99
335000
4000
Các thiết bị mà máy tính dùng để tính toán được gọi là transitor
05:57
This electrodeđiện cực here, calledgọi là the gatecánh cổng, controlskiểm soát the flowlưu lượng of currenthiện hành
100
339000
4000
Tại đây có các điện cực gọi là các cổng, chúng điều khiển sự ra vào của các dòng điện
06:01
from the sourcenguồn to the draincống -- these two electrodesđiện cực.
101
343000
3000
từ nguồn điện tới các ống dẫn-chúng là một cặp điện cực
06:04
And that currenthiện hành, electricalđiện currenthiện hành,
102
346000
2000
và các dòng điện
06:06
is carriedmang by electronsđiện tử, just like in your housenhà ở and so on.
103
348000
6000
mang theo electrons như dòng điện ở nhà các bạn vv..
06:12
And what you have here is, when you actuallythực ra turnxoay on the gatecánh cổng,
104
354000
5000
Và điều gì xảy ra khi bạn ( bật ) mở các cổng này
06:17
you get an increasetăng in the amountsố lượng of currenthiện hành, and you get a steadyvững chắc flowlưu lượng of currenthiện hành.
105
359000
4000
bạn làm tăng cường độ dòng điện và bạn sẽ có một dòng điện ổn định
06:21
And when you turnxoay off the gatecánh cổng, there's no currenthiện hành flowingchảy throughxuyên qua the devicethiết bị.
106
363000
4000
Khi bạn đóng các cổng, sẽ không còn dòng điện nào chảy qua các thiết bị nữa
06:25
Your computermáy vi tính usessử dụng this presencesự hiện diện of currenthiện hành to representđại diện a one,
107
367000
5000
Máy tính của bạn sử dụng trạng thái tồn tại của dòng điện để biểu diễn "một", 1
06:30
and the absencevắng mặt of currenthiện hành to representđại diện a zerokhông.
108
372000
4000
Và sự vắng mặt của dòng điện biểu diễn "không", 0
06:34
Now, what's happeningxảy ra is that as transistorsbóng bán dẫn are gettingnhận được smallernhỏ hơn and smallernhỏ hơn and smallernhỏ hơn,
109
376000
6000
Một thực tế đang diễn ra là các transistor càng ngày càng trở nên nhỏ hơn
06:40
they no longerlâu hơn behavehành xử like this.
110
382000
2000
và nó đã không hoạt động như thế này nữa
06:42
In factthực tế, they are startingbắt đầu to behavehành xử like the devicethiết bị that neuronstế bào thần kinh use to computetính toán,
111
384000
5000
Thực tế nó bắt đầu hoạt động giống như một thiết bị ( sinh học ) mà các nơ-ron sử dụng để tính toán
06:47
which is calledgọi là an ionion channelkênh.
112
389000
2000
Nó được gọi là một kênh ion
06:49
And this is a little proteinchất đạm moleculephân tử.
113
391000
2000
Nó đơn giản chỉ là một tế bào protein nhỏ
06:51
I mean, neuronstế bào thần kinh have thousandshàng nghìn of these.
114
393000
4000
Tôi muốn nói là nơ-ron có hàng ngàn những tế bào như vậy
06:55
And it sitsngồi in the membranemàng of the celltế bào and it's got a porelỗ chân lông in it.
115
397000
4000
Và chúng nằm trên một màng các tế bào và có một khe trong chúng
06:59
And these are individualcá nhân potassiumkali ionsion
116
401000
3000
Chúng là nhưng ion kali đơn
07:02
that are flowingchảy throughxuyên qua that porelỗ chân lông.
117
404000
2000
chảy theo những khe này
07:04
Now, this porelỗ chân lông can openmở and closegần.
118
406000
2000
Các khe có thể đóng và mở
07:06
But, when it's openmở, because these ionsion have to linehàng up
119
408000
5000
Khi chúng mở, vì các ion đi theo hàng
07:11
and flowlưu lượng throughxuyên qua, one at a time, you get a kindloại of sporadiclẻ tẻ, not steadyvững chắc --
120
413000
5000
chúng chảy qua cổng rời rạc từng hạt một không ổn định
07:16
it's a sporadiclẻ tẻ flowlưu lượng of currenthiện hành.
121
418000
3000
Đó là dòng điện rời rạc
07:19
And even when you closegần the porelỗ chân lông -- which neuronstế bào thần kinh can do,
122
421000
3000
Khi bạn đóng các khe, việc mà các nơ-ron có thể làm
07:22
they can openmở and closegần these poreslỗ chân lông to generatetạo ra electricalđiện activityHoạt động --
123
424000
5000
chúng có thể mở và đóng các khe để sinh ra các hoạt động điện
07:27
even when it's closedđóng, because these ionsion are so smallnhỏ bé,
124
429000
3000
và khi nó bị đóng, do các ion rất nhỏ
07:30
they can actuallythực ra sneaksneak throughxuyên qua, a fewvài can sneaksneak throughxuyên qua at a time.
125
432000
3000
chúng có thể lọt qua, vài ion trong số chúng có thể lọt qua cùng 1 lúc
07:33
So, what you have is that when the porelỗ chân lông is openmở,
126
435000
3000
khi các khe mở
07:36
you get some currenthiện hành sometimesđôi khi.
127
438000
2000
thỉnh thoảng bạn sẽ nhận được dòng điện
07:38
These are your onesnhững người, but you've got a fewvài zerosZero thrownném in.
128
440000
3000
Đây là những bit 1 mà bạn có,nhưng cũng có thể có một vài bit 0 đi kèm
07:41
And when it's closedđóng, you have a zerokhông,
129
443000
4000
Và khi nó đóng, bạn có bit 0
07:45
but you have a fewvài onesnhững người thrownném in.
130
447000
3000
và cũng có thể có vài bit 1 đi kèm
07:48
Now, this is startingbắt đầu to happenxảy ra in transistorsbóng bán dẫn.
131
450000
3000
Điều này đang xảy ra với các transistor
07:51
And the reasonlý do why that's happeningxảy ra is that, right now, in 2007 --
132
453000
5000
Và đó là lý do tại sao nó xảy ra, ngay lúc này, năm 2007
07:56
the technologyCông nghệ that we are usingsử dụng -- a transistorbóng bán dẫn is biglớn enoughđủ
133
458000
4000
công nghệ mà chúng ta đang sử dụng, một transistor là đủ
08:00
that severalmột số electronsđiện tử can flowlưu lượng throughxuyên qua the channelkênh simultaneouslyđồng thời, sidebên by sidebên.
134
462000
5000
một vài electrons có thể lưu thông qua kênh cùng lúc hoặc nối tiếp nhau
08:05
In factthực tế, there's about 12 electronsđiện tử can all be flowingchảy this way.
135
467000
4000
Sự thật là có khoảng 12 electrons có thể cùng được lưu thông trên kênh này
08:09
And that meanscó nghĩa that a transistorbóng bán dẫn correspondstương ứng
136
471000
2000
Và điều đó có nghĩa là một transistor tương ứng
08:11
to about 12 ionion channelskênh truyền hình in parallelsong song, tương đông.
137
473000
3000
với khoảng 12 kênh ion song song với nhau
08:14
Now, in a fewvài yearsnăm time, by 2015, we will shrinkco lại transistorsbóng bán dẫn so much.
138
476000
5000
Vài năm nữa, vào năm 2015 chúng ta sẽ thu nhỏ các transistor rất nhiều
08:19
This is what IntelIntel does to keep addingthêm more coreslõi ontotrên the chipChip.
139
481000
5000
Đây là những gì mà Intel đang làm để cố gắng tăng thêm nhiều nhân trên chip
08:24
Or your memoryký ức sticksgậy that you have now can carrymang one gigabyteGigabyte
140
486000
3000
Và thẻ nhớ của chúng ta ngày nay đã có thể chứa tới một gigabyte
08:27
of stuffđồ đạc on them -- before, it was 256.
141
489000
2000
dữ liệu, trong khi trước đó chúng chỉ có 256 byte
08:29
TransistorsBóng bán dẫn are gettingnhận được smallernhỏ hơn to allowcho phép this to happenxảy ra,
142
491000
3000
Transistor đang ngày càng nhỏ hơn và nó cho phép điều đó xảy ra
08:32
and technologyCông nghệ has really benefittedlợi ích from that.
143
494000
3000
và công nghệ này thực sự mang lại lợi ích lớn
08:35
But what's happeningxảy ra now is that in 2015, the transistorbóng bán dẫn is going to becometrở nên so smallnhỏ bé,
144
497000
5000
Nhưng điều gì sẽ xảy ra vào năm 2015 khi mà các transistor đang càng trở nên nhỏ hơn
08:40
that it correspondstương ứng to only one electronđiện tử at a time
145
502000
3000
nó chỉ tương ứng với 1 electron tại 1 thời điểm
08:43
can flowlưu lượng throughxuyên qua that channelkênh,
146
505000
2000
có thể truyền qua kênh
08:45
and that correspondstương ứng to a singleĐộc thân ionion channelkênh.
147
507000
2000
và tương ứng với nó là một kênh ion
08:47
And you startkhởi đầu havingđang có the sametương tự kindloại of trafficgiao thông jamsùn tắc that you have in the ionion channelkênh.
148
509000
4000
Bắt đầu xảy ra tắc nghẽn giao thông trong kênh ion
08:51
The currenthiện hành will turnxoay on and off at randomngẫu nhiên,
149
513000
3000
Dòng chảy hiện tại bị bật và tắt một cách ngẫu nhiên
08:54
even when it's supposedgiả định to be on.
150
516000
2000
ngay cả khi nó cần phải được bật lên.
08:56
And that meanscó nghĩa your computermáy vi tính is going to get
151
518000
2000
Điều đó có nghĩa là máy tính của bạn sẽ nhận về
08:58
its onesnhững người and zerosZero mixedpha trộn up, and that's going to crashtai nạn your machinemáy móc.
152
520000
4000
những bit 0 và 1 lẫn lộn với nhau, nó có thể dẫn tới làm hỏng máy của bạn
09:02
So, we are at the stagesân khấu where we
153
524000
4000
Vì vậy, chúng ta đang ở giai đoạn
09:06
don't really know how to computetính toán with these kindscác loại of devicesthiết bị.
154
528000
3000
mà chúng ta không thực sự biết làm thế nào để tính toán với các thiết bị loại này.
09:09
And the only kindloại of thing -- the only thing we know right now
155
531000
3000
Và thứ duy nhất mà chúng ta biết ngay bây giờ
09:12
that can computetính toán with these kindscác loại of devicesthiết bị are the brainóc.
156
534000
3000
có thể tính toán với các thiết bị kiểu như bộ não
09:15
OK, so a computermáy vi tính picksPicks a specificriêng itemmục of datadữ liệu from memoryký ức,
157
537000
4000
Do đó, một máy tính chọn một mục cụ thể của dữ liệu từ bộ nhớ,
09:19
it sendsgửi it into the processorbộ vi xử lý or the ALUALU,
158
541000
3000
nó sẽ gửi nó vào bộ vi xử lý hoặc ALU,
09:22
and then it putsđặt the resultkết quả back into memoryký ức.
159
544000
2000
và sau đó nó sẽ trả kết quả trở lại vào bộ nhớ.
09:24
That's the redđỏ pathcon đường that's highlightednhấn mạnh.
160
546000
2000
Trên hình là con đường màu đỏ đã được làm nổi bật
09:26
The way brainsnão work, I told you all, you have got all these neuronstế bào thần kinh.
161
548000
4000
Cách bộ não làm việc, như tôi đã nói với các bạn, các bạn có tất cả những nơ-ron
09:30
And the way they representđại diện informationthông tin is
162
552000
2000
Và cách mà chúng biểu diễn thông tin là
09:32
they breakphá vỡ up that datadữ liệu into little piecesmiếng
163
554000
2000
chúng phá vỡ thông tin thành các mảnh nhỏ
09:34
that are representedđại diện by pulsesxung and differentkhác nhau neuronstế bào thần kinh.
164
556000
3000
các mảnh này được biểu diễn bởi các xung và các nơ-ron khác
09:37
So you have all these piecesmiếng of datadữ liệu
165
559000
2000
Như thế bạn có tất cả các phần của dữ liệu
09:39
distributedphân phối throughoutkhắp the networkmạng.
166
561000
2000
được phân tán thông qua một mạng lưới
09:41
And then the way that you processquá trình that datadữ liệu to get a resultkết quả
167
563000
3000
Và cách mà bạn xử lý dữ liệu để lấy kết quả
09:44
is that you translatedịch this patternmẫu of activityHoạt động into a newMới patternmẫu of activityHoạt động,
168
566000
4000
là việc bạn dịch một mô hình này sang một mô hình khác
09:48
just by it flowingchảy throughxuyên qua the networkmạng.
169
570000
3000
chỉ bằng cách chảy qua mạng xử lý
09:51
So you setbộ up these connectionskết nối
170
573000
2000
Vì vậy, bạn thiết lập các kết nối
09:53
suchnhư là that the inputđầu vào patternmẫu just flowschảy
171
575000
3000
từ dòng dữ liệu đầu vào
09:56
and generatestạo ra the outputđầu ra patternmẫu.
172
578000
2000
và sinh ra dòng các dữ liệu đầu ra
09:58
What you see here is that there's these redundantdôi dư connectionskết nối.
173
580000
4000
Những gì bạn thấy ở đây là có những kết nối dự phòng
10:02
So if this piececái of datadữ liệu or this piececái of the datadữ liệu getsđược clobberedclobbered,
174
584000
4000
Vì vậy nếu mảng dữ liệu này bị hủy
10:06
it doesn't showchỉ up over here, these two piecesmiếng can activatekích hoạt the missingmất tích partphần
175
588000
5000
chúng không thể hiện ở đây, hai mảng dữ liệu có thể kích hoạt những phần bị thiếu
10:11
with these redundantdôi dư connectionskết nối.
176
593000
2000
với những kết nối dự phòng
10:13
So even when you go to these crappycrappy devicesthiết bị
177
595000
2000
Ngay cả khi bạn làm việc với các thiết bị dỏm
10:15
where sometimesđôi khi you want a one and you get a zerokhông, and it doesn't showchỉ up,
178
597000
3000
Nơi thỉng thoảng bạn muốn lấy bit 1 nhưng lại lấy về bit 0, chúng không thể hiện
10:18
there's redundancydự phòng in the networkmạng
179
600000
2000
có sự dự phòng ở trong mạng
10:20
that can actuallythực ra recoverbình phục the missingmất tích informationthông tin.
180
602000
3000
Mạng nơ-ron thực sự có khả năng khôi phục các thông tin bị thiếu
10:23
It makeslàm cho the brainóc inherentlyvốn có robustmạnh mẽ.
181
605000
3000
Nó làm cho bộ não thực sự mạnh mẽ
10:26
What you have here is a systemhệ thống where you storecửa hàng datadữ liệu locallycục bộ.
182
608000
3000
Những gì bạn có là một hệ thống, nơi lưu trữ những dữ liệu cục bộ
10:29
And it's brittlegiòn, because eachmỗi of these stepscác bước has to be flawlesshoàn hảo,
183
611000
4000
và nó rất dễ bị tổn thương, bởi vì mỗi bước cần được xử lý thật hoàn hảo
10:33
otherwisenếu không thì you losethua that datadữ liệu, whereastrong khi in the brainóc, you have a systemhệ thống
184
615000
3000
nếu không bạn sẽ mất dữ liệu, trong khi đó bộ não của bạn là một hệ thống
10:36
that storescửa hàng datadữ liệu in a distributedphân phối way, and it's robustmạnh mẽ.
185
618000
4000
lưu trữ dữ liệu một cách phân tán, điều đó làm cho nó thực sự mạnh mẽ
10:40
What I want to basicallyvề cơ bản talk about is my dreammơ tưởng,
186
622000
4000
Điều tôi muốn nói một cách cơ bản nhất về giấc mơ của tôi
10:44
which is to buildxây dựng a computermáy vi tính that workscông trinh like the brainóc.
187
626000
3000
đó là chế tạo một máy tính làm việc giống như bộ não
10:47
This is something that we'vechúng tôi đã been workingđang làm việc on for the last couplevợ chồng of yearsnăm.
188
629000
4000
Đây là một vài thứ mà chúng tôi đã làm việc trong vài năm qua
10:51
And I'm going to showchỉ you a systemhệ thống that we designedthiết kế
189
633000
3000
Và sắp sửa trình bày cho các bạn thấy một hệ thống mà chúng tôi đã thiết kế
10:54
to modelmô hình the retinavõng mạc,
190
636000
3000
để mô hình hóa võng mạc
10:57
which is a piececái of brainóc that linesđường dây the insidephía trong of your eyeballnhãn cầu.
191
639000
5000
Tại võng mạc có đường nối giữa khu vực xử lý của não với nhãn cầu
11:02
We didn't do this by actuallythực ra writingviết code, like you do in a computermáy vi tính.
192
644000
6000
Chúng tôi không viết code giống như các bạn làm với máy tính
11:08
In factthực tế, the processingChế biến that happensxảy ra
193
650000
3000
Thực tế thì quá trình xử lý xảy ra
11:11
in that little piececái of brainóc is very similargiống
194
653000
2000
trong các phần nhỏ của bộ não tương tự như
11:13
to the kindloại of processingChế biến that computersmáy vi tính
195
655000
1000
quá trình xử lý trong máy tính
11:14
do when they streamsuối videovideo over the InternetInternet.
196
656000
4000
khi chúng truyền các dòng dữ liệu video qua internet
11:18
They want to compressnén the informationthông tin --
197
660000
1000
Chúng muốn nén thông tin
11:19
they just want to sendgửi the changesthay đổi, what's newMới in the imagehình ảnh, and so on --
198
661000
4000
chúng chỉ gửi những gì thay đổi, những hình ảnh mới và hơn nữa
11:23
and that is how your eyeballnhãn cầu
199
665000
3000
và đó là cách mà nhãn cầu của bạn
11:26
is ablecó thể to squeezebóp all that informationthông tin down to your opticquang nervedây thần kinh,
200
668000
3000
có thể nén toàn bộ thông tin vào các nơ-ron thần kinh thị giác
11:29
to sendgửi to the restnghỉ ngơi of the brainóc.
201
671000
2000
để gửi đến các phần còn lại của bộ não
11:31
InsteadThay vào đó of doing this in softwarephần mềm, or doing those kindscác loại of algorithmsthuật toán,
202
673000
3000
Thay vì làm việc với các thuật toán như trong các phần mềm
11:34
we wentđã đi and talkednói chuyện to neurobiologistsneurobiologists
203
676000
3000
chúng tới đã tới nói chuyện với các chuyên gia sinh học thần kinh
11:37
who have actuallythực ra reverseđảo ngược engineeredthiết kế that piececái of brainóc that's calledgọi là the retinavõng mạc.
204
679000
4000
những người thực sự đã đảo ngược thiết kế của võng mạc
11:41
And they figuredhình dung out all the differentkhác nhau cellstế bào,
205
683000
2000
Và họ đã tìm ra tất cả các tế bào khác nhau
11:43
and they figuredhình dung out the networkmạng, and we just tooklấy that networkmạng
206
685000
3000
họ khám phá ra mạng lưới, và chúng tôi lấy mạng đó
11:46
and we used it as the blueprintkế hoạch chi tiết for the designthiết kế of a siliconsilicon chipChip.
207
688000
4000
và sử dụng nó như bản kế hoạch cho việc thiết kế một chip silicon
11:50
So now the neuronstế bào thần kinh are representedđại diện by little nodesnút or circuitsmạch on the chipChip,
208
692000
6000
Giờ thì các nơ-ron được biểu diễn bởi các nút hoặc mạch trên chip
11:56
and the connectionskết nối amongtrong số the neuronstế bào thần kinh are representedđại diện, actuallythực ra modeledcó mô hình hóa by transistorsbóng bán dẫn.
209
698000
5000
và các kết nối giữa các tế bào thần kinh được biểu diễn, thực tế được mô hình hóa bởi các transitor
12:01
And these transistorsbóng bán dẫn are behavingcư xử essentiallybản chất
210
703000
2000
Và các transistor hành động
12:03
just like ionion channelskênh truyền hình behavehành xử in the brainóc.
211
705000
3000
giống như các kênh ion ở trong não
12:06
It will give you the sametương tự kindloại of robustmạnh mẽ architecturekiến trúc that I describedmô tả.
212
708000
5000
Nó cung cấp cho bạn một kiến trúc mạnh mẽ như tôi đã mô tả
12:11
Here is actuallythực ra what our artificialnhân tạo eyemắt looksnhìn like.
213
713000
4000
Đây thực sự là những thứ mà đôi mắt nhân tạo của chúng ta nhìn thấy
12:15
The retinavõng mạc chipChip that we designedthiết kế sitsngồi behindphía sau this lensống kính here.
214
717000
5000
Các chip võng mạc mà chúng tôi thiết kế được đặt sau thấu kính này.
12:20
And the chipChip -- I'm going to showchỉ you a videovideo
215
722000
2000
Tôi sẽ cho các bạn xem một video
12:22
that the siliconsilicon retinavõng mạc put out of its outputđầu ra
216
724000
3000
mà võng mạc silicon xuất ra các kết quả đầu ra của nó
12:25
when it was looking at KareemXuân Thọ ZaghloulZaghloul,
217
727000
3000
Khi nhìn vào Kareem Zaghloul
12:28
who'sai the studentsinh viên who designedthiết kế this chipChip.
218
730000
2000
Người đã thiết kế con chip này
12:30
Let me explaingiải thích what you're going to see, OK,
219
732000
2000
Để tôi giải thích về những cái mà chúng ta đang xem, OK
12:32
because it's puttingđặt out differentkhác nhau kindscác loại of informationthông tin,
220
734000
3000
Bởi vì nó đưa ra các loại thông tin khác nhau
12:35
it's not as straightforwardđơn giản as a cameraMáy ảnh.
221
737000
2000
Nó không phải đơn giản chỉ như một chiếc máy ảnh
12:37
The retinavõng mạc chipChip extractschất chiết xuất từ fourbốn differentkhác nhau kindscác loại of informationthông tin.
222
739000
3000
Chip võng mạc bóc tách 4 loại thông tin khác nhau
12:40
It extractschất chiết xuất từ regionsvùng with darktối contrasttương phản,
223
742000
3000
Nó bóc tách các vùng với độ tương phản tối
12:43
which will showchỉ up on the videovideo as redđỏ.
224
745000
3000
chúng được hiển thị trên video với màu đỏ
12:46
And it extractschất chiết xuất từ regionsvùng with whitetrắng or lightánh sáng contrasttương phản,
225
748000
4000
Và khi nó bóc tách dữ liệu trên vùng màu trắng và tương phản sáng
12:50
which will showchỉ up on the videovideo as greenmàu xanh lá.
226
752000
2000
chúng được biểu diễn là màu xanh trên video
12:52
This is Kareem'sCủa Xuân Thọ darktối eyesmắt
227
754000
2000
Đây là đôi mắt tối của Kareem
12:54
and that's the whitetrắng backgroundlý lịch that you see here.
228
756000
3000
và cái nền trắng mà bạn thấy ở đây
12:57
And then it alsocũng thế extractschất chiết xuất từ movementphong trào.
229
759000
2000
Con chip cũng bóc tách các thông tin về chuyển động
12:59
When KareemXuân Thọ movesdi chuyển his headcái đầu to the right,
230
761000
2000
Khi Kareem di chuyển đầu về phía bên phải
13:01
you will see this bluemàu xanh da trời activityHoạt động there;
231
763000
2000
các bạn sẽ thấy vùng hoạt động màu xanh ở đây
13:03
it representsđại diện regionsvùng where the contrasttương phản is increasingtăng in the imagehình ảnh,
232
765000
3000
chúng biểu diễn cho vùng mà tại đó sự tương phản đang tăng lên ở trong hình ảnh
13:06
that's where it's going from darktối to lightánh sáng.
233
768000
3000
nó đang di chuyển từ vùng tối sang sáng
13:09
And you alsocũng thế see this yellowmàu vàng activityHoạt động,
234
771000
2000
Và các bạn cũng thấy ở đây vùng chuyển động màu vàng
13:11
which representsđại diện regionsvùng where contrasttương phản is decreasinggiảm dần;
235
773000
4000
Chúng biểu diễn cho các vùng tại đó độ tương phản đang giảm đi
13:15
it's going from lightánh sáng to darktối.
236
777000
2000
Chúng chuyển dần từ sáng sang tối
13:17
And these fourbốn typesloại of informationthông tin --
237
779000
3000
Và có bốn loại thông tin
13:20
your opticquang nervedây thần kinh has about a milliontriệu fiberssợi in it,
238
782000
4000
Thần kinh thị giác của bạn có khoảng một triệu sợi như vậy bên trong
13:24
and 900,000 of those fiberssợi
239
786000
3000
khoảng 900.000 sợi trong số chúng
13:27
sendgửi these fourbốn typesloại of informationthông tin.
240
789000
2000
lưu chuyển 4 loại thông tin khác nhau
13:29
So we are really duplicatingnhân đôi the kindloại of signalstín hiệu that you have on the opticquang nervedây thần kinh.
241
791000
4000
Vì vậy chúng ta thực sự đang nhân bản các loại tín hiệu trên các dây thần kinh thị giác
13:33
What you noticeđể ý here is that these snapshotsảnh chụp nhanh
242
795000
3000
Những gì bạn chú ý ở đây là những khoảnh khắc được lưu lại trên ảnh ( snapshots)
13:36
takenLấy from the outputđầu ra of the retinavõng mạc chipChip are very sparsethưa thớt, right?
243
798000
4000
được lấy ra từ đầu ra của các chip võng mạc, chúng rất rời rạc
13:40
It doesn't lightánh sáng up greenmàu xanh lá everywheremọi nơi in the backgroundlý lịch,
244
802000
2000
Nó không chuyển sang màu xanh ở mội chỗ trên nền
13:42
only on the edgescạnh, and then in the hairtóc, and so on.
245
804000
3000
chỉ có trên các cạnh và trên tóc vv..
13:45
And this is the sametương tự thing you see
246
807000
1000
và đây cũng là thứ mà bạn thấy
13:46
when people compressnén videovideo to sendgửi: they want to make it very sparsethưa thớt,
247
808000
4000
Khi con người nén dữ liệu và gửi đi, họ muốn làm cho nó nhẹ hơn, rời rạc hơn
13:50
because that filetập tin is smallernhỏ hơn. And this is what the retinavõng mạc is doing,
248
812000
3000
bởi vì kích thước file sẽ nhỏ hơn, và đó cũng là điều mà võng mạc làm
13:53
and it's doing it just with the circuitrymạch điện, and how this networkmạng of neuronstế bào thần kinh
249
815000
4000
và nó thực hiện điều đó bằng mạch thần kinh, và làm thế nào mạng nơ-ron
13:57
that are interactingtương tác in there, which we'vechúng tôi đã capturedbị bắt on the chipChip.
250
819000
3000
nơi các tương tác thông tin xảy ra và được chúng tôi mô phỏng lại trên các con chip
14:00
But the pointđiểm that I want to make -- I'll showchỉ you up here.
251
822000
3000
Có một điểm mà tôi muốn làm, tôi sẽ trình bày ngay đây
14:03
So this imagehình ảnh here is going to look like these onesnhững người,
252
825000
3000
Những hình ảnh ở đây trông giống như những cái này
14:06
but here I'll showchỉ you that we can reconstructtái tạo lại the imagehình ảnh,
253
828000
2000
Nhưng ở đây tôi sẽ cho các bạn thấy chúng tôi có thể tái tạo lại hình ảnh
14:08
so, you know, you can almosthầu hết recognizenhìn nhận KareemXuân Thọ in that tophàng đầu partphần there.
254
830000
5000
và như các bạn biết, bạn có thể nhận ra Kareem ở phần trên kia
14:13
And so, here you go.
255
835000
2000
Và đây, các bạn đã thấy
14:24
Yes, so that's the ideaý kiến.
256
846000
3000
Vâng, ý tưởng là như vậy
14:27
When you standđứng still, you just see the lightánh sáng and darktối contraststương phản.
257
849000
2000
Khi bạn đứng đó, bạn sẽ chỉ nhìn thấy sự tương phản giữa sáng và tối
14:29
But when it's movingdi chuyển back and forthra,
258
851000
2000
Nhưng khi di chuyển tiến lùi
14:31
the retinavõng mạc picksPicks up these changesthay đổi.
259
853000
3000
Võng mạc sẽ thu nhận những thay đổi
14:34
And that's why, you know, when you're sittingngồi here
260
856000
1000
Và đó là lý do tại sao khi chúng ta ngồi đây
14:35
and something happensxảy ra in your backgroundlý lịch,
261
857000
2000
Có vài điều xảy ra phía đằng sau các bạn
14:37
you merelyđơn thuần movedi chuyển your eyesmắt to it.
262
859000
2000
Bạn chỉ đơn thuần di chuyển mắt của mình
14:39
There are these cellstế bào that detectphát hiện changethay đổi
263
861000
2000
Và có những tế bào tự động phát hiện ra những thay đổi
14:41
and you movedi chuyển your attentionchú ý to it.
264
863000
2000
Và bạn di chuyển sự chú ý của mình theo nó
14:43
So those are very importantquan trọng for catchingbắt kịp somebodycó ai
265
865000
2000
Những điều này rất quan trọng khi muốn thu nhận hình ảnh của ai đó
14:45
who'sai tryingcố gắng to sneaksneak up on you.
266
867000
2000
Những người đang cố gắng lẩn trốn bạn
14:47
Let me just endkết thúc by sayingnói that this is what happensxảy ra
267
869000
3000
Hãy để tôi kết thúc bằng cách nói về điều đang xảy ra
14:50
when you put AfricaAfrica in a pianođàn piano, OK.
268
872000
3000
khi bạn đặt Châu Phi vào một chiếc dương cầm. OK
14:53
This is a steelThép drumtrống here that has been modifiedSửa đổi lần,
269
875000
3000
Đây là một cái trống thép đã được sửa đổi
14:56
and that's what happensxảy ra when you put AfricaAfrica in a pianođàn piano.
270
878000
3000
và đó là điều xảy ra khi bạn đặt Châu Phi lên một chiếc piano
14:59
And what I would like us to do is put AfricaAfrica in the computermáy vi tính,
271
881000
4000
và cái tôi muốn chúng ta làm là đưa Châu Phi vào trong máy tính
15:03
and come up with a newMới kindloại of computermáy vi tính
272
885000
2000
và tiến tới phát triển một loại máy tính mới
15:05
that will generatetạo ra thought, imaginationtrí tưởng tượng, be creativesáng tạo and things like that.
273
887000
3000
có thể suy nghĩ, tưởng tượng và sáng tạo ra những thứ như thế này
15:08
Thank you.
274
890000
2000
Cảm ơn
15:10
(ApplauseVỗ tay)
275
892000
2000
Vỗ tay
15:12
ChrisChris AndersonAnderson: QuestionCâu hỏi for you, KwabenaKwabena.
276
894000
2000
Một câu hỏi cho anh, Kwabena
15:14
Do you put togethercùng với nhau in your mindlí trí the work you're doing,
277
896000
4000
Anh có đặt trong tâm trí mình công việc của anh đang làm
15:18
the futureTương lai of AfricaAfrica, this conferencehội nghị --
278
900000
3000
tương lai của Châu Phi và buổi hội thảo này
15:21
what connectionskết nối can we make, if any, betweengiữa them?
279
903000
3000
có sự kết nối nào chúng ta có thể tạo ra, nếu có thể , giữa chúng?
15:24
KwabenaKwabena BoahenBoahen: Yes, like I said at the beginningbắt đầu,
280
906000
2000
Vâng, giống như tôi nói lúc đầu
15:26
I got my first computermáy vi tính when I was a teenagerthiếu niên, growingphát triển up in AccraAccra.
281
908000
4000
Tôi có chiếc máy tính đầu tiên lúc tôi còn là một cậu bé, trưởng thành ở Châu Phi
15:30
And I had this gutruột reactionphản ứng that this was the wrongsai rồi way to do it.
282
912000
4000
Và tôi đã có một phản ứng cho rằng đây là con đường sai lầm để làm điều đó
15:34
It was very bruteBrute forcelực lượng; it was very inelegantkhông thanh Nha.
283
916000
3000
Nó rất thô sơ, không hề tính tế chút nào
15:37
I don't think that I would'venào đã had that reactionphản ứng,
284
919000
2000
Tôi không nghĩ rằng tôi đã có phản ứng đó
15:39
if I'd grownmới lớn up readingđọc hiểu all this sciencekhoa học fictionviễn tưởng,
285
921000
3000
Nếu tôi muốn lên để đọc các sách khoa học viễn tưởng
15:42
hearingthính giác about RDRD2D2, whateverbất cứ điều gì it was calledgọi là, and just -- you know,
286
924000
4000
nghe nói về RD2D2, hoặc bất cứ thứ gì có thể gọi tên, các bạn biết đấy
15:46
buyingmua into this hypehype about computersmáy vi tính.
287
928000
1000
tin vào các quảng cáo về những chiếc máy tính
15:47
I was comingđang đến at it from a differentkhác nhau perspectivequan điểm,
288
929000
2000
Tôi đã tiếp cận từ 1 góc độ khác,
15:49
where I was bringingđưa that differentkhác nhau perspectivequan điểm
289
931000
2000
nơi tôi đã mang theo quan điểm khác đó
15:51
to bearchịu on the problemvấn đề.
290
933000
2000
để theo đuổi vấn đề này
15:53
And I think a lot of people in AfricaAfrica have this differentkhác nhau perspectivequan điểm,
291
935000
3000
Và tôi nghĩ rằng có rất nhiều người ở Châu Phi có những quan điểm rất khác
15:56
and I think that's going to impactva chạm technologyCông nghệ.
292
938000
2000
và tôi nghĩ nó đang tác động tới công nghệ
15:58
And that's going to impactva chạm how it's going to evolvephát triển.
293
940000
2000
Và nó đang tác động tới các phương tiện làm thay đổi cuộc sống
16:00
And I think you're going to be ablecó thể to see, use that infusiontruyền dịch,
294
942000
2000
Và tôi nghĩ có thể các bạn đang bắt đầu được chứng kiến
16:02
to come up with newMới things,
295
944000
2000
những điều mới đang đến
16:04
because you're comingđang đến from a differentkhác nhau perspectivequan điểm.
296
946000
3000
vì chúng ta đang đến từ những góc độ khác nhau
16:07
I think we can contributeGóp phần. We can dreammơ tưởng like everybodymọi người elsekhác.
297
949000
4000
Tôi khi chúng ta có thể đóng góp. Chúng ta có thể mơ ước giống như mọi người khác
16:11
CACA: ThanksCảm ơn KwabenaKwabena, that was really interestinghấp dẫn.
298
953000
2000
Cảm ơn Kwabena, thât sự rất thú vị
16:13
Thank you.
299
955000
1000
Xin cảm ơn
16:14
(ApplauseVỗ tay)
300
956000
2000
Cười
Translated by Thanh Nguyen
Reviewed by Trong Nhan Dao

▲Back to top

ABOUT THE SPEAKER
Kwabena Boahen - Bioengineer
Kwabena Boahen wants to understand how brains work -- and to build a computer that works like the brain by reverse-engineering the nervous system. His group at Stanford is developing Neurogrid, a hardware platform that will emulate the cortex’s inner workings.

Why you should listen

Kwabena Boahen is the principal investigator at the Brains in Silicon lab at Stanford. He writes of himself:

Being a scientist at heart, I want to understand how cognition arises from neuronal properties. Being an engineer by training, I am using silicon integrated circuits to emulate the way neurons compute, linking the seemingly disparate fields of electronics and computer science with neurobiology and medicine.

My group's contributions to the field of neuromorphic engineering include a silicon retina that could be used to give the blind sight and a self-organizing chip that emulates the way the developing brain wires itself up. Our work is widely recognized, with over sixty publications, including a cover story in the May 2005 issue of Scientific American.

My current research interest is building a simulation platform that will enable the cortex's inner workings to be modeled in detail. While progress has been made linking neuronal properties to brain rhythms, the task of scaling up these models to link neuronal properties to cognition still remains. Making the supercomputer-performance required affordable is the goal of our Neurogrid project. It is at the vanguard of a profound shift in computing, away from the sequential, step-by-step Von Neumann machine towards a parallel, interconnected architecture more like the brain.

More profile about the speaker
Kwabena Boahen | Speaker | TED.com