TED2003
Jeff Hawkins: How brain science will change computing
Джеф Хоукинс относно това как изследванията върху мозъка ще променят работата с компютри.
Filmed:
Readability: 3.2
1,674,773 views
Създателят на Трео Джеф Хоукинс ни предлага нов поглед над науката за мозъка, като ни кара да разпознаем в него не бърз процесор, а система за съхранение на информация, която запазва и възпроизвежда минали преживявания, за да ни помогне да предскажем, интелигентно, какво ще се случи в бъдеще.
Jeff Hawkins - Computer designer, brain researcher
Jeff Hawkins pioneered the development of PDAs such as the Palm and Treo. Now he's trying to understand how the human brain really works, and adapt its method -- which he describes as a deep system for storing memory -- to create new kinds of computers and tools. Full bio
Jeff Hawkins pioneered the development of PDAs such as the Palm and Treo. Now he's trying to understand how the human brain really works, and adapt its method -- which he describes as a deep system for storing memory -- to create new kinds of computers and tools. Full bio
Double-click the English transcript below to play the video.
00:25
I do two things: I design mobile computers and I study brains.
0
0
3000
Правя две неща. Създавам дизайна на мобилни компютри и изучавам мозъка.
00:29
And today's talk is about brains and,
1
4000
2000
И днешният разговор е за мозъка и,
00:31
yay, somewhere I have a brain fan out there.
2
6000
2000
еха, някъде там имам човек, фен на мозъка.
00:33
(Laughter)
3
8000
2000
(Смях)
00:35
I'm going to, if I can have my first slide up here,
4
10000
2000
Започвам, стига да успея да извикам първия си слайд тук,
00:37
and you'll see the title of my talk and my two affiliations.
5
12000
4000
и ще видите темата на този разговор и двете ми принадлежности.
00:41
So what I'm going to talk about is why we don't have a good brain theory,
6
16000
4000
Това, за което ще говоря, е защо нямаме добра теория за това как работи мозъкът,
00:45
why it is important that we should develop one and what we can do about it.
7
20000
3000
защо е важно да създадем такава теория и какво можем да направим по въпроса.
00:48
And I'll try to do all that in 20 minutes. I have two affiliations.
8
23000
3000
И ще опитам да направя това за 20 минути. Имам две принадлежности.
00:51
Most of you know me from my Palm and Handspring days,
9
26000
3000
Повечето от вас ме познават от времето, когато работех за Палм и Хендспринг
00:54
but I also run a nonprofit scientific research institute
10
29000
3000
но аз също така ръководя и институт за научни изследвания с нестопанска цел
00:57
called the Redwood Neuroscience Institute in Menlo Park,
11
32000
2000
на име Институт по невронаука Редууд в Менло Парк
00:59
and we study theoretical neuroscience,
12
34000
2000
и ние се занимаваме с теоретична невронаука
01:01
and we study how the neocortex works.
13
36000
2000
и изучаваме как работи неокортексът.
01:03
I'm going to talk all about that.
14
38000
2000
Ще говоря за това.
01:05
I have one slide on my other life, the computer life, and that's the slide here.
15
40000
3000
Имам още един слайд за другия ви живот, компютърния живот, ето го и него.
01:08
These are some of the products I've worked on over the last 20 years,
16
43000
3000
Това са някои от продуктите, върху които съм работил през последните двадесет години
01:11
starting back from the very original laptop to some of the first tablet computers
17
46000
4000
като се започне с най-първия лаптоп и някои от първите таблети
01:15
and so on, and ending up most recently with the Treo,
18
50000
2000
и така нататък и се стигне с най-скорошния ми проект - Трео,
01:17
and we're continuing to do this.
19
52000
2000
и ние продължаваме да се занимаваме точно с това.
01:19
And I've done this because I really believe that mobile computing
20
54000
2000
Направил съм това, защото наистина вярвам, че преносимите компютърни системи
01:21
is the future of personal computing, and I'm trying to make the world
21
56000
3000
са бъдещето на персоналните компютъри и аз опитвам да направя този свят
01:24
a little bit better by working on these things.
22
59000
3000
малко по-добър, като работя върху тези неща.
01:27
But this was, I have to admit, all an accident.
23
62000
2000
Но всичко това беше, трябва да призная, случайност.
01:29
I really didn't want to do any of these products
24
64000
2000
Аз всъщност не исках да създам нито един от тези продукти
01:31
and very early in my career I decided
25
66000
2000
и съвсем рано в своята кариера реших,
01:33
I was not going to be in the computer industry.
26
68000
3000
че няма да бъда част от компютърната индустрия.
01:36
And before I tell you about that, I just have to tell you
27
71000
2000
И преди да ви разкажа за това, аз само трябва да ви кажа,
01:38
this one little picture of graffiti there I picked off the web the other day.
28
73000
2000
ето тази малка картинка на графити я свалих от интернет онзи ден.
01:40
I was looking for a picture of graffiti, little text input language,
29
75000
3000
Търсех снимка на графити, въведох малко текст
01:43
and I found the website dedicated to teachers who want to make these,
30
78000
3000
и открих сайт, посветен на учители, които искат да направят тези,
01:46
you know, the script writing things across the top of their blackboard,
31
81000
3000
нали знаете, тези неща, с които се пише код в горната част на черната дъска
01:49
and they had added graffiti to it, and I'm sorry about that.
32
84000
3000
и те бяха сложили графити там. Съжалявам за това.
01:52
(Laughter)
33
87000
2000
(Смях)
01:54
So what happened was, when I was young and got out of engineering school
34
89000
5000
Та, какво се случи, когато бях млад и завърших училището за инженери,
01:59
at Cornell in '79, I decided -- I went to work for Intel and
35
94000
4000
Корнелсият университет през `79та, реших да постъпя на работа в Интел.
02:03
I was in the computer industry -- and three months into that,
36
98000
3000
Бях част от компютърната индустрия и за три месеца там
02:06
I fell in love with something else, and I said, "I made the wrong career choice here,"
37
101000
4000
се влюбих в друго и си казах, "Избрах грешната кариера"
02:10
and I fell in love with brains.
38
105000
3000
и се влюбих в мозъка.
02:13
This is not a real brain. This is a picture of one, a line drawing.
39
108000
3000
Това не е истински мозък. Това е картинка на един такъв, графика.
02:16
But I don't remember exactly how it happened,
40
111000
3000
Не си спомням как точно това се случи,
02:19
but I have one recollection, which was pretty strong in my mind.
41
114000
3000
но имам един спомен, който е доста силен.
02:22
In September 1979, Scientific American came out
42
117000
3000
През септември 1979та, Scientific American (научно списание) публикува
02:25
with a single topic issue about the brain. And it was quite good.
43
120000
3000
издание само на една тема, относно мозъка. Беше доста добро.
02:28
It was one of the best issues ever. And they talked about the neuron
44
123000
3000
Беше един от най-добрите броеве въобще. В него говореха за неврона
02:31
and development and disease and vision and all the things
45
126000
2000
и за развитие и за заболявания и за зрение и за всички неща
02:33
you might want to know about brains. It was really quite impressive.
46
128000
3000
относно мозъка, за които би искал да знаеш. Беше доста впечатляващо.
02:36
And one might have the impression that we really knew a lot about brains.
47
131000
3000
Някой би могъл да остане с впечатлението, че знаехме доста за мозъка.
02:39
But the last article in that issue was written by Francis Crick of DNA fame.
48
134000
4000
Но последната статия в този брой беше написана от Франсис Крик, един от хората, чиято популярност е свързана с ДНК.
02:43
Today is, I think, the 50th anniversary of the discovery of DNA.
49
138000
3000
Днес, струва ми се, е петдесетата годишнина от откриването на ДНК.
02:46
And he wrote a story basically saying,
50
141000
2000
И той беше написал история, която в общи линии казваше,
02:48
well, this is all well and good, but you know what,
51
143000
3000
ами, всичко това е чудесно, но знаете ли какво,
02:51
we don't know diddley squat about brains
52
146000
2000
ние не знаем нищо за мозъка
02:53
and no one has a clue how these things work,
53
148000
2000
и никой няма представа как тези неща функционират,
02:55
so don't believe what anyone tells you.
54
150000
2000
затова не вярвайте на нищо от това, което ви казват.
02:57
This is a quote from that article. He said, "What is conspicuously lacking,"
55
152000
3000
Това е цитат от статията. Той каза, "Това, което очевидно липсва,"
03:00
he's a very proper British gentleman so, "What is conspicuously lacking
56
155000
4000
той е чудесен британски джентълмен, та, "Това, което очевидно липсва,
03:04
is a broad framework of ideas in which to interpret these different approaches."
57
159000
3000
е широка рамка от идеи, в контекста на които да интерпретираме тези различни подходи."
03:07
I thought the word framework was great.
58
162000
2000
Помислих си, че думата рамка беше страхотна.
03:09
He didn't say we didn't even have a theory. He says,
59
164000
2000
Той не каза, че дори нямаме теория. Той каза,
03:11
we don't even know how to begin to think about it --
60
166000
2000
че дори не знаем как да започнем да мислим за това -
03:13
we don't even have a framework.
61
168000
2000
че дори нямаме рамка (основа).
03:15
We are in the pre-paradigm days, if you want to use Thomas Kuhn.
62
170000
3000
Ние се намираме във времената на пред-парадигмата, ако искате да се позовете на Томас Кун.
03:18
And so I fell in love with this, and said look,
63
173000
3000
И ето, аз се влюбих в това и си казах, виж,
03:21
we have all this knowledge about brains. How hard can it be?
64
176000
3000
разполагаме с цялото това знание за мозъка. Колко трудно би могло да бъде?
03:24
And this is something we can work on my lifetime. I felt I could make a difference,
65
179000
3000
И това беше нещо, върху което можехме да работим цял живот. Почувствах, че бих могъл да имам значителен принос,
03:27
and so I tried to get out of the computer business, into the brain business.
66
182000
4000
затова опитах да напусна компютърният бизнес и да вляза в този, свързан с мозъка.
03:31
First, I went to MIT, the AI lab was there,
67
186000
2000
Първо отидох в Мазачузетският технически университет, там имаме лаборатория, свързана с Изкуствената интелигентност,
03:33
and I said, well, I want to build intelligent machines, too,
68
188000
2000
и си казах, ами, аз също искам да създавам интелигентни машини,
03:35
but the way I want to do it is to study how brains work first.
69
190000
3000
но за да го направя първо искам да разбера как работи мозъкът.
03:38
And they said, oh, you don't need to do that.
70
193000
3000
А те ми казаха, о, това не ти е нужно.
03:41
We're just going to program computers; that's all we need to do.
71
196000
2000
Ние само ще програмираме компютри, това е всичко, което трябва да направим.
03:43
And I said, no, you really ought to study brains. They said, oh, you know,
72
198000
3000
А аз казах, не, вие наистина трябва да изучавате мозъка. А те казаха, знаеш ли,
03:46
you're wrong. And I said, no, you're wrong, and I didn't get in.
73
201000
2000
грешиш. А аз отговорих, не, вие грешите, и не влязох.
03:48
(Laughter)
74
203000
1000
(Смях)
03:50
But I was a little disappointed -- pretty young -- but I went back again
75
205000
2000
Но бях малко разочарован - доста млад; и все пак се върнах
03:52
a few years later and this time was in California, and I went to Berkeley.
76
207000
3000
няколко години по-късно и този път бях в Калифорния и отидох в Бъркли.
03:55
And I said, I'll go in from the biological side.
77
210000
4000
Казах си, че опитам да започна от биологията.
03:59
So I got in -- in the Ph.D. program in biophysics, and I was, all right,
78
214000
3000
И така влязох - в програмата за докторанти по биофизика и, чудесно,
04:02
I'm studying brains now, and I said, well, I want to study theory.
79
217000
3000
вече изучавах мозъка и си казах, добре, искам да уча теория.
04:05
And they said, oh no, you can't study theory about brains.
80
220000
2000
Те ми казаха, не, не можеш да учиш теория относно мозъка.
04:07
That's not something you do. You can't get funded for that.
81
222000
2000
Това не се прави. Не можеш да получиш финансиране за това.
04:09
And as a graduate student, you can't do that. So I said, oh my gosh.
82
224000
4000
А и като докторант не можеш да го направиш. Казах си, о, боже,
04:13
I was very depressed. I said, but I can make a difference in this field.
83
228000
2000
и бях много депресиран. Казах, че бих могъл да внеса промяна в тази област.
04:15
So what I did is I went back in the computer industry
84
230000
3000
Затова се върнах обратно в компютърния бизнес
04:18
and said, well, I'll have to work here for a while, do something.
85
233000
2000
и си казах, ами, ще трябва да работя тук временно, да правя нещо.
04:20
That's when I designed all those computer products.
86
235000
3000
Ето тогава създадох всички тези компютърни продукти.
04:23
(Laughter)
87
238000
1000
(Смях)
04:24
And I said, I want to do this for four years, make some money,
88
239000
3000
Казах си, искам да правя това четири години, да изкарам малко пари,
04:27
like I was having a family, and I would mature a bit,
89
242000
4000
имах семейство, щях да стана малко по-зрял
04:31
and maybe the business of neuroscience would mature a bit.
90
246000
3000
и може би бизнесът с невронауката също щеше да стане малко по-зрял.
04:34
Well, it took longer than four years. It's been about 16 years.
91
249000
3000
Е, отне повече от 4 години. Минаха около 16 години.
04:37
But I'm doing it now, and I'm going to tell you about it.
92
252000
2000
Но в момента се занимавам с това и ще ви разкажа за него.
04:39
So why should we have a good brain theory?
93
254000
3000
За какво ни е да имаме добра теория за мозъка?
04:42
Well, there's lots of reasons people do science.
94
257000
3000
Ами, има много причини хората да се занимават с наука.
04:45
One is -- the most basic one is -- people like to know things.
95
260000
3000
Едната - най-основната - е че на хората им харесва да знаят разни неща.
04:48
We're curious, and we just go out and get knowledge, you know?
96
263000
2000
Любопитни сме и просто търсим знание, нали разбирате?
04:50
Why do we study ants? Well, it's interesting.
97
265000
2000
Защо изучаваме мравките? Ами, интересно е.
04:52
Maybe we'll learn something really useful about it, but it's interesting and fascinating.
98
267000
3000
Може би ще научим нещо наистина полезно за тях, но е интересно и впечатляващо.
04:55
But sometimes, a science has some other attributes
99
270000
2000
Но понякога науката има други качества,
04:57
which makes it really, really interesting.
100
272000
2000
което я прави наистина, наистина интересна.
04:59
Sometimes a science will tell something about ourselves,
101
274000
3000
Понякога науката ще ни каже нещо за нас самите,
05:02
it'll tell us who we are.
102
277000
1000
ще ни каже кои сме.
05:03
Rarely, you know: evolution did this and Copernicus did this,
103
278000
3000
Рядко, знаете, еволюцията и Коперник направиха това,
05:06
where we have a new understanding of who we are.
104
281000
2000
дадоха ни ново разбиране за това кои сме.
05:08
And after all, we are our brains. My brain is talking to your brain.
105
283000
4000
И в крайна сметка, ние сме своят мозък. Моят мозък говори на вашият мозък.
05:12
Our bodies are hanging along for the ride, but my brain is talking to your brain.
106
287000
3000
Телата ни просто се намесват в това пътуване, но моят мозък говори на вашият.
05:15
And if we want to understand who we are and how we feel and perceive,
107
290000
3000
И ако искаме да разберем кои сме и как чувстваме и възприемаме,
05:18
we really understand what brains are.
108
293000
2000
наистина трябва да разберем същността на мозъка.
05:20
Another thing is sometimes science
109
295000
2000
Също така, науката понякога
05:22
leads to really big societal benefits and technologies,
110
297000
2000
води до наистина значими облаги за обществото и технологии,
05:24
or businesses, or whatever, that come out of it. And this is one, too,
111
299000
2000
или бизнеси, или каквото и да е. И това също е причина,
05:26
because when we understand how brains work, we're going to be able
112
301000
3000
защото когато разберем как работи мозъкът, ще можем да
05:29
to build intelligent machines, and I think that's actually a good thing on the whole,
113
304000
3000
създаваме интелигентни машини и ми се струва, че това като цяло е хубаво
05:32
and it's going to have tremendous benefits to society,
114
307000
2000
и ще доведе до огромни ползи за обществото
05:34
just like a fundamental technology.
115
309000
2000
точно както една фундаментална технология.
05:36
So why don't we have a good theory of brains?
116
311000
2000
И така, защо нямаме добра теория за мозъка?
05:38
And people have been working on it for 100 years.
117
313000
3000
Хората работят върху нея от сто години.
05:41
Well, let's first take a look at what normal science looks like.
118
316000
2000
Ами, нека първо обърнем внимание на това каква е нормалната наука.
05:43
This is normal science.
119
318000
2000
Това е нормална наука.
05:45
Normal science is a nice balance between theory and experimentalists.
120
320000
4000
Нормалната наука е добре балансирана между теория и експериментатори.
05:49
And so the theorist guys say, well, I think this is what's going on,
121
324000
2000
И теоретикат казва, ами, мисля, че се случва ето това,
05:51
and the experimentalist says, no, you're wrong.
122
326000
2000
и експериментаторът казва, не, грешиш.
05:53
And it goes back and forth, you know?
123
328000
2000
И това се повтаря между двамата, нали разбирате?
05:55
This works in physics. This works in geology. But if this is normal science,
124
330000
2000
Това действа във физиката. В геологията. Но ако това е нормалната наука,
05:57
what does neuroscience look like? This is what neuroscience looks like.
125
332000
3000
то какво представлява невронауката? Ето какво е невронауката.
06:00
We have this mountain of data, which is anatomy, physiology and behavior.
126
335000
5000
Имаме огромно количество данни: анатомия, физиология, поведение.
06:05
You can't imagine how much detail we know about brains.
127
340000
3000
Не можете да си представите в какви детайли познаваме мозъка.
06:08
There were 28,000 people who went to the neuroscience conference this year,
128
343000
4000
28 000 души посетиха конференция по невронаука тази година
06:12
and every one of them is doing research in brains.
129
347000
2000
и всеки от тях прави проучвания върху мозъка.
06:14
A lot of data. But there's no theory. There's a little, wimpy box on top there.
130
349000
4000
Много информация. Но няма теория. Това е малката слабост.
06:18
And theory has not played a role in any sort of grand way in the neurosciences.
131
353000
5000
Теорията все още не е имала някаква голяма роля в нервонауката.
06:23
And it's a real shame. Now why has this come about?
132
358000
3000
И това е срамота. Как се е стигнало до това?
06:26
If you ask neuroscientists, why is this the state of affair,
133
361000
2000
Ако попитате учен, занимаващ се с невронаука,
06:28
they'll first of all admit it. But if you ask them, they'll say,
134
363000
3000
те първо ще го признаят. Но ако ги попитате, ще кажат,
06:31
well, there's various reasons we don't have a good brain theory.
135
366000
3000
ами, има много причини за това да нямаме добра теория за мозъка.
06:34
Some people say, well, we don't still have enough data,
136
369000
2000
Някои казват, че все още нямаме достатъчно информация,
06:36
we need to get more information, there's all these things we don't know.
137
371000
3000
ще ни трябва още, има толкова неща, които не знаем.
06:39
Well, I just told you there's so much data coming out your ears.
138
374000
3000
Е, аз току що ви казах колко неща знаем.
06:42
We have so much information, we don't even know how to begin to organize it.
139
377000
3000
Имаме толкова много данни; не знаем как да започнем да ги подреждаме.
06:45
What good is more going to do?
140
380000
2000
Как това да добавяме още ще ни помогне?
06:47
Maybe we'll be lucky and discover some magic thing, but I don't think so.
141
382000
3000
Може да извадим късмет и да открием нещо магическо, но не мисля така.
06:50
This is actually a symptom of the fact that we just don't have a theory.
142
385000
3000
Това е просто симптом на това, че просто нямаме теория.
06:53
We don't need more data -- we need a good theory about it.
143
388000
3000
Нямаме нужда от още информация - трябва ни добра теория, свързана с нея.
06:56
Another one is sometimes people say, well, brains are so complex,
144
391000
3000
Също така, хората понякога казват, ами, мозъкът е толкова сложен,
06:59
it'll take another 50 years.
145
394000
2000
че ще отнеме още 50 години.
07:01
I even think Chris said something like this yesterday.
146
396000
2000
Мисля, че дори Крис каза нещо подобно вчера.
07:03
I'm not sure what you said, Chris, but something like,
147
398000
2000
Не съм сигурен точно какво каза, Крис, но беше нещо от рода на,
07:05
well, it's one of the most complicated things in the universe. That's not true.
148
400000
3000
ами, това е едно от най-сложните неща във вселената. Това не е вярно.
07:08
You're more complicated than your brain. You've got a brain.
149
403000
2000
Ти си по-сложен от твоя мозък. Ти имаш мозък.
07:10
And it's also, although the brain looks very complicated,
150
405000
2000
А и също така, въпреси че мозъкът изглежда много сложен,
07:12
things look complicated until you understand them.
151
407000
3000
нещата изглеждат сложни докато не ги разбереш.
07:15
That's always been the case. And so all we can say, well,
152
410000
3000
Винаги е било така. Затова можем да кажем, ами,
07:18
my neocortex, which is the part of the brain I'm interested in, has 30 billion cells.
153
413000
4000
моят неокортекс, частта от мозъка, от която се интересувам, има 30 милиарда клетки.
07:22
But, you know what? It's very, very regular.
154
417000
2000
Но знаете ли какво? Той е много, много правилен.
07:24
In fact, it looks like it's the same thing repeated over and over and over again.
155
419000
3000
Всъщност, изглежда сякаш същото се повтаря отново и отново.
07:27
It's not as complex as it looks. That's not the issue.
156
422000
3000
Не е толкова сложен, колкото изглежда. Не е това проблемът.
07:30
Some people say, brains can't understand brains.
157
425000
2000
Някои казват, че мозъкът не може да разбере сам себе си.
07:32
Very Zen-like. Whoo. (Laughter)
158
427000
3000
Много дзен. Ехааа. Знаете ли -
07:35
You know,
159
430000
1000
(смях)
07:36
it sounds good, but why? I mean, what's the point?
160
431000
3000
Звучи добре, но защо? Имам предвид, каква е идеята?
07:39
It's just a bunch of cells. You understand your liver.
161
434000
3000
Той е просто купчина клетки. Разбирате как работи черният ви дроб.
07:42
It's got a lot of cells in it too, right?
162
437000
2000
И той има доста клетки, нали?
07:44
So, you know, I don't think there's anything to that.
163
439000
2000
Ето защо, не мисля, че в това е същината на проблема.
07:46
And finally, some people say, well, you know,
164
441000
2000
И в крайна сметка, някои казват, ами,
07:48
I don't feel like a bunch of cells, you know. I'm conscious.
165
443000
4000
не се чувствам просто като купчина клетки. Имам съзнание.
07:52
I've got this experience, I'm in the world, you know.
166
447000
2000
Събрал съм опит, живя в света, разбирате ли.
07:54
I can't be just a bunch of cells. Well, you know,
167
449000
2000
Не мога да съм просто купчина клетки. Ами,
07:56
people used to believe there was a life force to be living,
168
451000
3000
хората някога вярвали, че има сила на живота,
07:59
and we now know that's really not true at all.
169
454000
2000
а днес знаем, че това въобще не е вярно.
08:01
And there's really no evidence that says -- well, other than people
170
456000
3000
И наистиня нама доказателсва, освен хора,
08:04
just have disbelief that cells can do what they do.
171
459000
2000
които просто не вярват, че клетките могат това, което правят.
08:06
And so, if some people have fallen into the pit of metaphysical dualism,
172
461000
3000
И така, някои хора са се поддали на метафизически дуализъм,
08:09
some really smart people, too, but we can reject all that.
173
464000
3000
също както някои наистина умни хора, но ние можем да отречем това.
08:12
(Laughter)
174
467000
2000
(Смях)
08:14
No, I'm going to tell you there's something else,
175
469000
3000
Не, ще ви кажа, че има още нещо,
08:17
and it's really fundamental, and this is what it is:
176
472000
2000
което е наистина основополагащо, и то е:
08:19
there's another reason why we don't have a good brain theory,
177
474000
2000
има друга причина за това да нямаме добра теория за мозъка
08:21
and it's because we have an intuitive, strongly-held,
178
476000
3000
и тя е, че сме под влиянието на интуитивно, силно,
08:24
but incorrect assumption that has prevented us from seeing the answer.
179
479000
5000
но погрешно схващане, което ни пречи да видим отговора.
08:29
There's something we believe that just, it's obvious, but it's wrong.
180
484000
3000
Има нещо, в което вярваме, което - очевидно - е погрешно.
08:32
Now, there's a history of this in science and before I tell you what it is,
181
487000
4000
Има подобни прецеденти в науката и преди да ви кажа за какво говоря
08:36
I'm going to tell you a bit about the history of it in science.
182
491000
2000
ще ви разкажа малко за тези прецеденти в науката.
08:38
You look at some other scientific revolutions,
183
493000
2000
Обърнете внимание на някои от научните революции,
08:40
and this case, I'm talking about the solar system, that's Copernicus,
184
495000
2000
в случая говоря за слънчевата система, Коперник,
08:42
Darwin's evolution, and tectonic plates, that's Wegener.
185
497000
3000
Дарвиновата еволюция, теорията за тектонските плочи, Вегенер.
08:45
They all have a lot in common with brain science.
186
500000
3000
Всички те имат много общо с науката за мозъка.
08:48
First of all, they had a lot of unexplained data. A lot of it.
187
503000
3000
Като начало, всички са имали много данни, които не са можели да обяснят. Много.
08:51
But it got more manageable once they had a theory.
188
506000
3000
Но нещата станали по-контролируеми, щом се създали теории.
08:54
The best minds were stumped -- really, really smart people.
189
509000
3000
Най-добрите умове били изправяни пред неразрешими загадки, наистина много умни хора.
08:57
We're not smarter now than they were then.
190
512000
2000
Днес ние не сме по-умни, отколкото те са били.
08:59
It just turns out it's really hard to think of things,
191
514000
2000
Просто се оказва, че е наистина трудно да мислиш за разни неща,
09:01
but once you've thought of them, it's kind of easy to understand it.
192
516000
2000
но щом веднъж си мислил за тях е по-лесно да ги разбереш.
09:03
My daughters understood these three theories
193
518000
2000
Дъщерите ми разбраха тези три теории
09:05
in their basic framework by the time they were in kindergarten.
194
520000
3000
в най-основни линии, когато бяха в детската градина.
09:08
And now it's not that hard, you know, here's the apple, here's the orange,
195
523000
3000
И вече не е толкова трудно, разбирате ли, ето я ябълката, ето го портокала,
09:11
you know, the Earth goes around, that kind of stuff.
196
526000
3000
земята се върти, такива неща.
09:14
Finally, another thing is the answer was there all along,
197
529000
2000
Накрая, от друга страна, отговорът винаги си е бил там,
09:16
but we kind of ignored it because of this obvious thing, and that's the thing.
198
531000
3000
но ние някакси сме го пренебрегнали, защото е нещо очевидно, и ето в това е проблемът.
09:19
It was an intuitive, strong-held belief that was wrong.
199
534000
3000
Било е интуитивно, силно схващане, което е грешно.
09:22
In the case of the solar system, the idea that the Earth is spinning
200
537000
3000
В случаят със Слънчевата система, идеята, че земята се върти
09:25
and the surface of the Earth is going like a thousand miles an hour,
201
540000
3000
повърхността ѝ се движи с хиляда мили в час
09:28
and the Earth is going through the solar system about a million miles an hour.
202
543000
3000
и земята преминава през Слънчевата система с около милион мили в час.
09:31
This is lunacy. We all know the Earth isn't moving.
203
546000
2000
Това е безумство. Всички знаем, че земята не се движи.
09:33
Do you feel like you're moving a thousand miles an hour?
204
548000
2000
Вие да имате чувството, че се движите с хиляда мили в час?
09:35
Of course not. You know, and someone who said,
205
550000
2000
Разбира се, че не. Вие го знаете и някой, който казва,
09:37
well, it was spinning around in space and it's so huge,
206
552000
2000
че се върти в пространството и е толкова огромна,
09:39
they would lock you up, and that's what they did back then.
207
554000
2000
ще бъде затворен някъде. Това са правили с такива хора в миналото.
09:41
(Laughter)
208
556000
1000
(Смях)
09:42
So it was intuitive and obvious. Now what about evolution?
209
557000
3000
Значи е било интуитивно и очевидно. Какво е положението с еволюцията?
09:45
Evolution's the same thing. We taught our kids, well, the Bible says,
210
560000
3000
С еволюцията е същото. Ние казвахме на децата си, че според Библията
09:48
you know, God created all these species, cats are cats, dogs are dogs,
211
563000
2000
господ е създал всички тези видове, котките са си котки, кучетата - кучета,
09:50
people are people, plants are plants, they don't change.
212
565000
3000
хората са хора, растенията са растения, те не се променят.
09:53
Noah put them on the Ark in that order, blah, blah, blah. And, you know,
213
568000
4000
Ной ги е прибрал в ковчега в определен ред, бла-бла-бла. И, знаете ли,
09:57
the fact is, if you believe in evolution, we all have a common ancestor,
214
572000
4000
истината е, че ако вярвате в еволюциятя, имаме общ прародител
10:01
and we all have a common ancestry with the plant in the lobby.
215
576000
3000
както и общо родство с растението в лобито.
10:04
This is what evolution tells us. And, it's true. It's kind of unbelievable.
216
579000
3000
Това ни казва еволюцията. И е вярно. Някакси е трудно да се повярва.
10:07
And the same thing about tectonic plates, you know?
217
582000
3000
Същото се случва с теориите за тектонските плочи, разбирате ли?
10:10
All the mountains and the continents are kind of floating around
218
585000
2000
Всички планини и континенти някакси плуват
10:12
on top of the Earth, you know? It's like, it doesn't make any sense.
219
587000
4000
върху земята, разбирате ли? В това привидно няма никакъв смисъл.
10:16
So what is the intuitive, but incorrect assumption,
220
591000
4000
И така, какво е интуитивното, но погрешно схващане,
10:20
that's kept us from understanding brains?
221
595000
2000
което ни е попречило да разберем мозъка.
10:22
Now I'm going to tell it to you, and it's going to seem obvious that that is correct,
222
597000
2000
Сега ще ви го кажа и ще ви се стори, че е очевидно вярно,
10:24
and that's the point, right? Then I'm going to have to make an argument
223
599000
2000
и в това е идеята, нали? След това ще се аргументирам
10:26
why you're incorrect about the other assumption.
224
601000
2000
защо не сте прави относно това предположение.
10:28
The intuitive but obvious thing is that somehow intelligence
225
603000
3000
Интуитивното, но очевидно нещо, е, че някакси разумът
10:31
is defined by behavior,
226
606000
2000
се определя от поведението,
10:33
that we are intelligent because of the way that we do things
227
608000
2000
че ние сме разумни заради начина, по който правим разни неща,
10:35
and the way we behave intelligently, and I'm going to tell you that's wrong.
228
610000
3000
и защото се държим разумно, и аз ще ви кажа, че това не е вярно.
10:38
What it is is intelligence is defined by prediction.
229
613000
2000
А това, което всъщност е, е интелигентност, определена от предположение.
10:40
And I'm going to work you through this in a few slides here,
230
615000
3000
Ще разгледам тази идея с вас чрез няколко слайда,
10:43
give you an example of what this means. Here's a system.
231
618000
4000
ще ви дам пример какво всъщност означава това. Ето една система.
10:47
Engineers like to look at systems like this. Scientists like to look at systems like this.
232
622000
3000
Инжинерите обичат да разглеждат такива системи. Учените също.
10:50
They say, well, we have a thing in a box, and we have its inputs and its outputs.
233
625000
3000
Те казват, ами, имаме нещо в кутия и неговите изходни и входни точки.
10:53
The AI people said, well, the thing in the box is a programmable computer
234
628000
3000
Хората, занимаващи се с изкуствен интелект, казван, това в кутията е програмируем компютър,
10:56
because that's equivalent to a brain, and we'll feed it some inputs
235
631000
2000
защото това е еквивалентно на мозъка, и ние ще му подадем информация
10:58
and we'll get it to do something, have some behavior.
236
633000
2000
и ще го накараме да прави неко, да има някакво поведение.
11:00
And Alan Turing defined the Turing test, which is essentially saying,
237
635000
3000
И Алън Тюринг създава теста на Тюринг, който всъщност казва:
11:03
we'll know if something's intelligent if it behaves identical to a human.
238
638000
3000
ние ще знаем, че нещо е интелигентно, ако то се държи по същия начин, както човек.
11:06
A behavioral metric of what intelligence is,
239
641000
3000
Това е метрична единица за интелект
11:09
and this has stuck in our minds for a long period of time.
240
644000
3000
и ние доста дълго мислехме, че е вярна.
11:12
Reality though, I call it real intelligence.
241
647000
2000
Всъщност, наричам го истинска интелигентност.
11:14
Real intelligence is built on something else.
242
649000
2000
Истинската интелигентност се базира на друго.
11:16
We experience the world through a sequence of patterns, and we store them,
243
651000
4000
Ние възприемаме света чрез серия от матрици, запазваме ги
11:20
and we recall them. And when we recall them, we match them up
244
655000
3000
и после си ги припомняме. И когато си ги припомним, ги сравняваме
11:23
against reality, and we're making predictions all the time.
245
658000
4000
с реалността и така правим предположения през цялото време.
11:27
It's an eternal metric. There's an eternal metric about us sort of saying,
246
662000
3000
Това е една вечна единица. Това е вечна единица за нас самите, която в известна степен пита:
11:30
do we understand the world? Am I making predictions? And so on.
247
665000
3000
разбираме ли света? Правя ли предположения? И така нататък.
11:33
You're all being intelligent right now, but you're not doing anything.
248
668000
2000
Всички вие в момента сте интелигетни, но не правите нищо.
11:35
Maybe you're scratching yourself, or picking your nose,
249
670000
2000
Може би се почесвате или си бъркате в носа,
11:37
I don't know, but you're not doing anything right now,
250
672000
2000
не знам, не правите нищо в момента,
11:39
but you're being intelligent; you're understanding what I'm saying.
251
674000
3000
но сте действено интелигентни, разбирате какво ви говоря.
11:42
Because you're intelligent and you speak English,
252
677000
2000
Защото сте интелигентни и говорите английски,
11:44
you know what word is at the end of this -- (Silence)
253
679000
1000
знаете коя е думата в края на това -- (тишина)
11:45
sentence.
254
680000
2000
изречение.
11:47
The word came into you, and you're making these predictions all the time.
255
682000
3000
Тази дума се появява у вас и вие правите предложения непрекъснато.
11:50
And then, what I'm saying is,
256
685000
2000
И така, това, което казвам, е,
11:52
is that the eternal prediction is the output in the neocortex.
257
687000
2000
че това вечно предполагане е резултатът в неокортексът.
11:54
And that somehow, prediction leads to intelligent behavior.
258
689000
3000
И че някакси предположенията водят до интелигентно поведение.
11:57
And here's how that happens. Let's start with a non-intelligent brain.
259
692000
3000
Ето как се случва това. Нека започнем с един не-интелигентен мозък.
12:00
Well I'll argue a non-intelligent brain, we got hold of an old brain,
260
695000
4000
Ще използваме за аргумент не-интелигентен мозък, вземаме един стар мозък
12:04
and we're going to say it's like a non-mammal, like a reptile,
261
699000
3000
и нека предоложим, че не е на бозайник, а на влечуго,
12:07
so I'll say, an alligator; we have an alligator.
262
702000
2000
така, казваме например, че е на алигатор. Разполагаме с алигатор.
12:09
And the alligator has some very sophisticated senses.
263
704000
3000
И алигаторът има някои доста сложно устроени сетива.
12:12
It's got good eyes and ears and touch senses and so on,
264
707000
3000
Има добри очи и уши и сетивност при докосване и така нататък,
12:15
a mouth and a nose. It has very complex behavior.
265
710000
4000
уста и нос. Има много сложно поведение.
12:19
It can run and hide. It has fears and emotions. It can eat you, you know.
266
714000
4000
Може да тича и да се крие. Има страхове и емоции. Може да ви изяде, знаете.
12:23
It can attack. It can do all kinds of stuff.
267
718000
4000
Може да напада. Може да прави всякакви неща.
12:27
But we don't consider the alligator very intelligent, not like in a human sort of way.
268
722000
5000
Но не можем да считаме алигатора за особено интелигентен, не както бихме мислели за човек.
12:32
But it has all this complex behavior already.
269
727000
2000
Но той вече има сложно поведение.
12:34
Now, in evolution, what happened?
270
729000
2000
Така, в еволюцията, какво се е случило?
12:36
First thing that happened in evolution with mammals,
271
731000
3000
Първото, което се случва в еволюцията на бозайниците, е
12:39
we started to develop a thing called the neocortex.
272
734000
2000
че започваме да развиваме нещо, наречено неокортекс.
12:41
And I'm going to represent the neocortex here,
273
736000
2000
Аз ще визуализирам неокортекста тук,
12:43
by this box that's sticking on top of the old brain.
274
738000
2000
чрез тази кутия, която се залепва върху стария мозък.
12:45
Neocortex means new layer. It is a new layer on top of your brain.
275
740000
3000
Неокортекст означава "нов слой". Означава нов слой върху мозъка ви.
12:48
If you don't know it, it's the wrinkly thing on the top of your head that,
276
743000
3000
Ако не знаете, това е набръчканото нещо върху главата ви, което
12:51
it's got wrinkly because it got shoved in there and doesn't fit.
277
746000
3000
е набръчкано, защото е било напъхано там, но не пасва.
12:54
(Laughter)
278
749000
1000
(Смях)
12:55
No, really, that's what it is. It's about the size of a table napkin.
279
750000
2000
Не, наистина, това е. Голямо е приблизително колкото покривка за маса.
12:57
And it doesn't fit, so it gets all wrinkly. Now look at how I've drawn this here.
280
752000
3000
И не пасва, затова е цялото набръчкано. Сега вижте какво съм нарисувал тук.
13:00
The old brain is still there. You still have that alligator brain.
281
755000
4000
Старият мозък още е тук. Все още имате този алигаторски мозък.
13:04
You do. It's your emotional brain.
282
759000
2000
Имате го. Това е емоционалният ви мозък.
13:06
It's all those things, and all those gut reactions you have.
283
761000
3000
Той е всички тези неща, всички тези инстинкти, които притежавате.
13:09
And on top of it, we have this memory system called the neocortex.
284
764000
3000
И връху него имаме тази система за запомняне, наречена неокортекс.
13:12
And the memory system is sitting over the sensory part of the brain.
285
767000
4000
Тази система стои върху частта от мозъка, отговорна за сетивата.
13:16
And so as the sensory input comes in and feeds from the old brain,
286
771000
3000
И така, когато информацията от сетивата идва и се обработва от стария мозък,
13:19
it also goes up into the neocortex. And the neocortex is just memorizing.
287
774000
4000
тя също така отива и в неокортекса. И той само запомня.
13:23
It's sitting there saying, ah, I'm going to memorize all the things that are going on:
288
778000
4000
Той си седи там, казва си, ах, ще запомня всичко, което се случва,
13:27
where I've been, people I've seen, things I've heard, and so on.
289
782000
2000
къде съм бил, кои хора съм виждал, какво съм чувал и т.н.
13:29
And in the future, when it sees something similar to that again,
290
784000
4000
И в бъдеще, когато видя нещо подобно отново,
13:33
so in a similar environment, or the exact same environment,
291
788000
3000
в сходна среда или в същата среда,
13:36
it'll play it back. It'll start playing it back.
292
791000
2000
ще си го припомня. Ще започна да възпроизвеждам запомненото.
13:38
Oh, I've been here before. And when you've been here before,
293
793000
2000
О, виждал съм го преди. И когато преди сте били тук,
13:40
this happened next. It allows you to predict the future.
294
795000
3000
това се е случило след това. Така той ви позволява да предвидите бъдещето.
13:43
It allows you to, literally it feeds back the signals into your brain;
295
798000
4000
Позволява ми, буквално връща сигналите в мозъка,
13:47
they'll let you see what's going to happen next,
296
802000
2000
а те ви позволяват да видите какво ще се случи после,
13:49
will let you hear the word "sentence" before I said it.
297
804000
3000
ще ви позволи да чуете думата "изречение" преди да съм я казал.
13:52
And it's this feeding back into the old brain
298
807000
3000
И той ще върне това в стария мозък,
13:55
that'll allow you to make very more intelligent decisions.
299
810000
3000
а това ще ви позволи да вземате много по-интелигентни решения.
13:58
This is the most important slide of my talk, so I'll dwell on it a little bit.
300
813000
3000
Това е най-важната част от моята презентация, затова ще ѝ отделя малко време.
14:01
And so, all the time you say, oh, I can predict the things.
301
816000
4000
И така, през цялото време си казвате, че можете да предвиждате разни неща.
14:05
And if you're a rat and you go through a maze, and then you learn the maze,
302
820000
3000
И ако сте плъх в лабиринт и опознаете лабиринта,
14:08
the next time you're in a maze, you have the same behavior,
303
823000
2000
следващият път, когато сте в лабиринт, ще се държите по същия начин,
14:10
but all of a sudden, you're smarter
304
825000
2000
но внезапно ще сте по-умни,
14:12
because you say, oh, I recognize this maze, I know which way to go,
305
827000
3000
защото можете да си кажете, о, аз познамам този лабиринт, знам по кой път да тръгна,
14:15
I've been here before, I can envision the future. And that's what it's doing.
306
830000
3000
виждал съм го преди,мога да видя бъдещито. И ето това прави той.
14:18
In humans -- by the way, this is true for all mammals;
307
833000
3000
При хората, между другото, това е вярно за всички бозайници,
14:21
it's true for other mammals -- and in humans, it got a lot worse.
308
836000
2000
вярно е за всички други бозайници, е станало много по-зле.
14:23
In humans, we actually developed the front part of the neocortex
309
838000
3000
Хората всъщност сме развили предната част на неокортекса,
14:26
called the anterior part of the neocortex. And nature did a little trick.
310
841000
4000
наречена предната част на неокортекса. И природата е направила един малък номер.
14:30
It copied the posterior part, the back part, which is sensory,
311
845000
2000
Възпроизвела е задната част, която е сензорна,
14:32
and put it in the front part.
312
847000
2000
и я е поставила в предната част.
14:34
And humans uniquely have the same mechanism on the front,
313
849000
2000
И хората единствени имат същия механизъм в предната част,
14:36
but we use it for motor control.
314
851000
2000
но го използваме, за да контролираме двигателните си действия.
14:38
So we are now able to make very sophisticated motor planning, things like that.
315
853000
3000
И така, можем много внимателно да контролираме двигателните си действия, такива неща.
14:41
I don't have time to get into all this, but if you want to understand how a brain works,
316
856000
3000
Нямам време да задълбавам във всичко тона, но ако искате да разберете как работи мозъкът,
14:44
you have to understand how the first part of the mammalian neocortex works,
317
859000
3000
трябва да разберете как работи първата част на неокортекса при бозайниците,
14:47
how it is we store patterns and make predictions.
318
862000
2000
как запаметяваме матрици и правим предположения.
14:49
So let me give you a few examples of predictions.
319
864000
3000
Нека ви дам няколко примера за предположения.
14:52
I already said the word "sentence." In music,
320
867000
2000
Вече казах думата "изречение". В музиката,
14:54
if you've heard a song before, if you heard Jill sing those songs before,
321
869000
3000
ако сте чули някоя песен преди, ако сте чули Джил да пее тези песни преди,
14:57
when she sings them, the next note pops into your head already --
322
872000
3000
когато ги изпее пак, следащата нота се появява първо в ума ви -
15:00
you anticipate it as you're going. If it was an album of music,
323
875000
2000
вие я очаквате, докато слушате мелодията. Ако е музикален албум,
15:02
the end of one album, the next song pops into your head.
324
877000
3000
краят на един албум, следващата песен се появява в главата ви.
15:05
And these things happen all the time. You're making these predictions.
325
880000
2000
И тези неща се случват непрекъснато. Правите тези предположения.
15:07
I have this thing called the altered door thought experiment.
326
882000
3000
Има нещо, което наричам мисловен експеримент на променената врата.
15:10
And the altered door thought experiment says, you have a door at home,
327
885000
3000
И този експеримент казва: имате врата вкъщи
15:13
and when you're here, I'm changing it, I've got a guy
328
888000
3000
и докато сте тук аз я променям, имам човек
15:16
back at your house right now, moving the door around,
329
891000
2000
в къщата ви в момента, който я мести
15:18
and they're going to take your doorknob and move it over two inches.
330
893000
2000
и който ще промени мястото на дръжката с пет сантиметра.
15:20
And when you go home tonight, you're going to put your hand out there,
331
895000
2000
И когато се приберете, ще протегнете ръка напред,
15:22
and you're going to reach for the doorknob and you're going to notice
332
897000
2000
ще се протегнете за дръжката и ще забележите,
15:24
it's in the wrong spot, and you'll go, whoa, something happened.
333
899000
3000
че е на грешното място, и ще си кажете, еха, нещо стана.
15:27
It may take a second to figure out what it was, but something happened.
334
902000
2000
Може да ви отнеме секунда да разберете какво, но нещо се е случило.
15:29
Now I could change your doorknob in other ways.
335
904000
2000
Мога да променя дръжката на вратата ви по други начини.
15:31
I can make it larger or smaller, I can change its brass to silver,
336
906000
2000
Мога да я направя по-голяма или по-малка, да я сменя от месингова със сребърна,
15:33
I could make it a lever. I can change your door, put colors on;
337
908000
2000
да сменя вида ѝ. Мога да променя вратата ви, да я боядисам в разни цветове,
15:35
I can put windows in. I can change a thousand things about your door,
338
910000
3000
да ѝ сложа прозорци. Мога да променя хиляди неща във вратата ви
15:38
and in the two seconds you take to open your door,
339
913000
2000
и през двете секунди, когато я отваряте,
15:40
you're going to notice that something has changed.
340
915000
3000
ще забележите, че нещо е различно.
15:43
Now, the engineering approach to this, the AI approach to this,
341
918000
2000
И така, инженерната гледна точка спрямо това, гледната точка на Изкуствения Интелект,
15:45
is to build a door database. It has all the door attributes.
342
920000
3000
е да създаде база данни с врати. Тя има всички характерни черти на вратите.
15:48
And as you go up to the door, you know, let's check them off one at time.
343
923000
3000
И когато отидете пред вратата, ще отхвърлите всяка една по една.
15:51
Door, door, door, you know, color, you know what I'm saying.
344
926000
2000
Врата, врата, разбирате, цвят, знаете за какво говоря.
15:53
We don't do that. Your brain doesn't do that.
345
928000
2000
Ние не правим така. Мозъкът ви не действа по този начин.
15:55
What your brain is doing is making constant predictions all the time
346
930000
2000
Вместо това мозъкът ви потоянно прави предположения
15:57
about what is going to happen in your environment.
347
932000
2000
за това какво ще се случи в средата около вас.
15:59
As I put my hand on this table, I expect to feel it stop.
348
934000
3000
Когато поставям ръката си на масата, очаквам да усетя как спира.
16:02
When I walk, every step, if I missed it by an eighth of an inch,
349
937000
3000
Когато вървя, всяка стъпща, ако я пропусна с четвърт сантиметър,
16:05
I'll know something has changed.
350
940000
2000
ще знам, че нещо се е променило.
16:07
You're constantly making predictions about your environment.
351
942000
2000
Вие постоянно правите предположения за околната си среда.
16:09
I'll talk about vision here briefly. This is a picture of a woman.
352
944000
3000
Ще поговоря накратко за зрението. Ето едно изображение на жена.
16:12
And when you look at people, your eyes are caught
353
947000
2000
И когато погледнете някого, погледът ви е уловен
16:14
over at two to three times a second.
354
949000
1000
два-три пъти в секундата.
16:15
You're not aware of this, but your eyes are always moving.
355
950000
2000
Не знаете за това, но очите ви винаги се движат.
16:17
And so when you look at someone's face,
356
952000
2000
Така че когато погледнете нечие лице
16:19
you'd typically go from eye to eye to eye to nose to mouth.
357
954000
2000
обикновено ще го видите от око до око до нос до уста.
16:21
Now, when your eye moves from eye to eye,
358
956000
2000
Сега, когато окото ви се движи от око до око
16:23
if there was something else there like, a nose,
359
958000
2000
ако там има нещо друго, например нос,
16:25
you'd see a nose where an eye is supposed to be,
360
960000
2000
ще видите нос там, където би трябвало да има око,
16:27
and you'd go, oh shit, you know --
361
962000
3000
и ще си кажете - о, мамка му, знаете -
16:30
(Laughter)
362
965000
1000
(Смях)
16:31
There's something wrong about this person.
363
966000
2000
Има нещо сбъркано в този човек.
16:33
And that's because you're making a prediction.
364
968000
2000
И това е защото сте направили предположение.
16:35
It's not like you just look over there and say, what am I seeing now?
365
970000
2000
Вие не поглеждате, казвайки си, какво виждам сега?
16:37
A nose, that's okay. No, you have an expectation of what you're going to see.
366
972000
3000
Нос, това е добре. Не, вие очаквате какво ще видите.
16:40
(Laughter)
367
975000
1000
(Смях)
16:41
Every single moment. And finally, let's think about how we test intelligence.
368
976000
4000
Всеки един момен И накрая, нека помислим за това как измерваме интелигентността.
16:45
We test it by prediction. What is the next word in this, you know?
369
980000
3000
Измерваме я с предвиждане. Каква е следващата дума, разбирате ли?
16:48
This is to this as this is to this. What is the next number in this sentence?
370
983000
3000
Това се отнася към онова както това към другото. Кое е следващото число в редицата?
16:51
Here's three visions of an object.
371
986000
2000
Ето три гледни точки към един обект.
16:53
What's the fourth one? That's how we test it. It's all about prediction.
372
988000
4000
Коя е четвъртата? Ето така я измерваме. Всичко опира до предсказания.
16:57
So what is the recipe for brain theory?
373
992000
3000
И така, каква е рецептата за теория за мозъка?
17:00
First of all, we have to have the right framework.
374
995000
3000
Първо, трябва да имаме правилната рамка.
17:03
And the framework is a memory framework,
375
998000
2000
Тя е рамката на спомените,
17:05
not a computation or behavior framework. It's a memory framework.
376
1000000
2000
а не рамка на изчисления или поведение. Отнася се към запомнянето.
17:07
How do you store and recall these sequences or patterns? It's spatio-temporal patterns.
377
1002000
4000
Как съхранявате и възпроизвеждате тази последователност от матрици? Нейните пространствено-времеви матрици.
17:11
Then, if in that framework, you take a bunch of theoreticians.
378
1006000
3000
След това, ако се намирате в тази рамка, взимате група теоретици.
17:14
Now biologists generally are not good theoreticians.
379
1009000
2000
Сега, биолозите по принцип не са добри теоретици.
17:16
It's not always true, but in general, there's not a good history of theory in biology.
380
1011000
4000
Това невинаги е вярно, но каго цяло няма добра история на теорията в биологията.
17:20
So I found the best people to work with are physicists,
381
1015000
3000
Затова за мен е най-добре да работя с физици,
17:23
engineers and mathematicians, who tend to think algorithmically.
382
1018000
3000
инженери и математици, които мислят в алгоритми.
17:26
Then they have to learn the anatomy, and they've got to learn the physiology.
383
1021000
3000
Трябва да научат анатомията и физиологоията.
17:29
You have to make these theories very realistic in anatomical terms.
384
1024000
4000
Тези теории трябва да са много реалистични от гледна точка на анатомията.
17:33
Anyone who gets up and tells you their theory about how the brain works
385
1028000
4000
Ако някой стане и ти разкаже теорията си за това как работи мозъкът
17:37
and doesn't tell you exactly how it's working in the brain
386
1032000
2000
и не ти каже как точно се прилага вътре в мозъка
17:39
and how the wiring works in the brain, it is not a theory.
387
1034000
2000
и как се осъществява свързването вътре в него, не ти представя теория.
17:41
And that's what we're doing at the Redwood Neuroscience Institute.
388
1036000
3000
И ето това правим в Института по невронаука Редууд.
17:44
I would love to have more time to tell you we're making fantastic progress in this thing,
389
1039000
4000
Бих искал да имах повече време, за да ви разкажа за страхотния прогрес, който осъществяваме в това,
17:48
and I expect to be back up on this stage,
390
1043000
2000
и очаквам да се върна на тази сцена,
17:50
maybe this will be some other time in the not too distant future and tell you about it.
391
1045000
2000
може би това ще се случи в недалечното бъдеще и ще ви разкажа за него.
17:52
I'm really, really excited. This is not going to take 50 years at all.
392
1047000
3000
Наистина, наистина развълнуван съм. Въобще няма да отнеме 50 години-.
17:55
So what will brain theory look like?
393
1050000
2000
И така, какво ще представлява теорията за мозъка?
17:57
First of all, it's going to be a theory about memory.
394
1052000
2000
Първо, това ще бъде теория за паметта.
17:59
Not like computer memory. It's not at all like computer memory.
395
1054000
3000
Не като компютърната памет. Въобще не като нея.
18:02
It's very, very different. And it's a memory of these very
396
1057000
2000
Тя е много, много различна. И е памет за тези
18:04
high-dimensional patterns, like the things that come from your eyes.
397
1059000
3000
многоизмерни матрици, като нещата, които излизат от очите ви.
18:07
It's also memory of sequences.
398
1062000
2000
Също така е памет на повтаряемите редици.
18:09
You cannot learn or recall anything outside of a sequence.
399
1064000
2000
Не можеш да научиш или да си спомниш нищо извън някоя повтаряема редица.
18:11
A song must be heard in sequence over time,
400
1066000
3000
Една песен трябва да бъде чута в последователност през определено време
18:14
and you must play it back in sequence over time.
401
1069000
3000
и трябва да я пуснеш отново в същата последователност след време.
18:17
And these sequences are auto-associatively recalled, so if I see something,
402
1072000
3000
Всички тези редици се припомнят автоасоциативно, затова, ако видя нещо,
18:20
I hear something, it reminds me of it, and then it plays back automatically.
403
1075000
3000
чуя нещо, то ми напомня за нещо и се връща при мен автоматично.
18:23
It's an automatic playback. And prediction of future inputs is the desired output.
404
1078000
4000
Това е автоматичен плейбек. Това, което искаме да изведем, е предвиждане за бъдещите данни, които ще постъпят в системата.
18:27
And as I said, the theory must be biologically accurate,
405
1082000
3000
Както казах, тази теория трябва да е биологически достоверна,
18:30
it must be testable, and you must be able to build it.
406
1085000
2000
проверима чрез експерименти, трябва да можеш да я изградиш.
18:32
If you don't build it, you don't understand it. So, one more slide here.
407
1087000
4000
Ако не можеш да я изградиш, не можеш да я разбереш. Така, още един слайд.
18:36
What is this going to result in? Are we going to really build intelligent machines?
408
1091000
4000
Какъв ще бъде резултатът от това? Наистина ли ще създадем интелигентни машини?
18:40
Absolutely. And it's going to be different than people think.
409
1095000
4000
Абсолютно. И ще е по-различно от това, което хората си представят.
18:44
No doubt that it's going to happen, in my mind.
410
1099000
3000
За мен няма съмнение, че това ще се случи.
18:47
First of all, it's going to be built up, we're going to build the stuff out of silicon.
411
1102000
4000
Първо ще изградим, ще направим тези неща от силикон.
18:51
The same techniques we use for building silicon computer memories,
412
1106000
3000
Същите технологии, които използваме, за да създаваме силиконова компютърна памет,
18:54
we can use for here.
413
1109000
1000
ще приложим и тук.
18:55
But they're very different types of memories.
414
1110000
2000
Но това са два много различни типа памет.
18:57
And we're going to attach these memories to sensors,
415
1112000
2000
И ние ще прикрепим тези памети към сензори,
18:59
and the sensors will experience real-live, real-world data,
416
1114000
3000
а у сензорите ще постъпва истинска информация, от истинския живот и истинския свят,
19:02
and these things are going to learn about their environment.
417
1117000
2000
и тези неща ще започнат да учат за околната си среда.
19:04
Now it's very unlikely the first things you're going to see are like robots.
418
1119000
3000
Твърде вероятно първите неща, които ще видите, няма да бъдат подобни на роботи.
19:07
Not that robots aren't useful and people can build robots.
419
1122000
3000
Не, че роботите не са полезни и хората не могат да ги създават.
19:10
But the robotics part is the hardest part. That's the old brain. That's really hard.
420
1125000
4000
Но роботната част е най-трудната. Това е старият мозък. Това е наистина трудно.
19:14
The new brain is actually kind of easier than the old brain.
421
1129000
2000
Новият мозък всъщност е по-лесен от стария.
19:16
So the first thing we're going to do are the things that don't require a lot of robotics.
422
1131000
3000
Затова в началото ще създаваме неща, които не изискват много роботика.
19:19
So you're not going to see C-3PO.
423
1134000
2000
Няма да видите C-3PO.
19:21
You're going to more see things like, you know, intelligent cars
424
1136000
2000
Ще видите неща, които по-скоро ще бъдат интелигентни коли
19:23
that really understand what traffic is and what driving is
425
1138000
3000
които наистина разбират какво представляват трафикът и шофирането
19:26
and have learned that certain types of cars with the blinkers on for half a minute
426
1141000
3000
и които са научили, че някои коли с мигачи, пуснати от около половин минута,
19:29
probably aren't going to turn, things like that.
427
1144000
2000
вероятно няма да завият, такива неща.
19:31
(Laughter)
428
1146000
1000
(Смях)
19:32
We can also do intelligent security systems.
429
1147000
2000
Можем също да направим интелигентни охранителни системи.
19:34
Anywhere where we're basically using our brain, but not doing a lot of mechanics.
430
1149000
4000
Ще можем да ги приложим навсякъде, където използваме мозъка си, но не и много механични действия.
19:38
Those are the things that are going to happen first.
431
1153000
2000
Това са нещата, които ще се случат първи.
19:40
But ultimately, the world's the limit here.
432
1155000
2000
Но в края на сметка едниственото, което ни ограничава, е самият свят.
19:42
I don't know how this is going to turn out.
433
1157000
2000
Не знам как точно ще се развие това.
19:44
I know a lot of people who invented the microprocessor
434
1159000
2000
Познавам много хора, които изобретиха микропроцесора,
19:46
and if you talk to them, they knew what they were doing was really significant,
435
1161000
5000
и ако поговорите с тях, ще разберете, че те са съзнавали важността на това, което правят,
19:51
but they didn't really know what was going to happen.
436
1166000
3000
но не са били наясно какво точно ще се случи.
19:54
They couldn't anticipate cell phones and the Internet and all this kind of stuff.
437
1169000
5000
Те не биха могли да предвидят появата на мобилните телефони, интернет и т.н.
19:59
They just knew like, hey, they were going to build calculators
438
1174000
2000
Те са знаели само, че правят калкулатори
20:01
and traffic light controllers. But it's going to be big.
439
1176000
2000
и управления за светофари. Но ще бъде нещо голямо.
20:03
In the same way, this is like brain science and these memories
440
1178000
3000
По същия начин, това напомня на науката за мозъка и тези спомени и за това,
20:06
are going to be a very fundamental technology, and it's going to lead
441
1181000
3000
че те ще доведат до създаването на силно основополагаща технология, която ще доведе
20:09
to very unbelievable changes in the next 100 years.
442
1184000
3000
до невъобразими промени през следващите 100 години.
20:12
And I'm most excited about how we're going to use them in science.
443
1187000
4000
Вълнувам се най-вече за това как ще ги приложим в науката.
20:16
So I think that's all my time, I'm over it, and I'm going to end my talk
444
1191000
3000
Мисля, че времето ми свършва, приключих и ще прекъсна моята презентация
20:19
right there.
445
1194000
1000
точно тук.
ABOUT THE SPEAKER
Jeff Hawkins - Computer designer, brain researcherJeff Hawkins pioneered the development of PDAs such as the Palm and Treo. Now he's trying to understand how the human brain really works, and adapt its method -- which he describes as a deep system for storing memory -- to create new kinds of computers and tools.
Why you should listen
Jeff Hawkins' Palm PDA became such a widely used productivity tool during the 1990s that some fanatical users claimed it replaced their brains. But Hawkins' deepest interest was in the brain itself. So after the success of the Palm and Treo, which he brought to market at Handspring, Hawkins delved into brain research at the Redwood Center for Theoretical Neuroscience in Berkeley, Calif., and a new company called Numenta.
Hawkins' dual goal is to achieve an understanding of how the human brain actually works -- and then develop software to mimic its functionality, delivering true artificial intelligence. In his book On Intelligence (2004) he lays out his compelling, controversial theory: Contrary to popular AI wisdom, the human neocortex doesn't work like a processor; rather, it relies on a memory system that stores and plays back experiences to help us predict, intelligently, what will happen next. He thinks that "hierarchical temporal memory" computer platforms, which mimic this functionality (and which Numenta might pioneer), could enable groundbreaking new applications that could powerfully extend human intelligence.
Jeff Hawkins | Speaker | TED.com