TEDGlobal 2009
Henry Markram: A brain in a supercomputer
헨리 마크램이 슈퍼컴퓨터를 이용하여 두뇌를 만들다.
Filmed:
Readability: 3.8
1,469,354 views
헨리 마크램은 두뇌에 관한 궁금증들이 곧 풀릴 것이라고 말합니다. 정신 질환, 기억, 인지와 같은 것들은 뉴런과 전기 신호에 의해서 이루어집니다. 그리고 그는 모든 두뇌의 100,000,000,000,000개의 시넵스들을 슈퍼컴퓨터를 통해 만들어낸 모델을 이용하여서 이러한 해답을 찾으려고 합니다.
Henry Markram - Neuroscientist
Henry Markram is director of Blue Brain, a supercomputing project that can model components of the mammalian brain to precise cellular detail -- and simulate their activity in 3D. Soon he'll simulate a whole rat brain in real time. Full bio
Henry Markram is director of Blue Brain, a supercomputing project that can model components of the mammalian brain to precise cellular detail -- and simulate their activity in 3D. Soon he'll simulate a whole rat brain in real time. Full bio
Double-click the English transcript below to play the video.
00:18
Our mission is to build
0
0
3000
우리의 사명은 인간의 두뇌에 관한
00:21
a detailed, realistic
1
3000
2000
구체적이고 사실적인
00:23
computer model of the human brain.
2
5000
2000
컴퓨터 모델을 만들어내는 것입니다.
00:25
And we've done, in the past four years,
3
7000
3000
그리고 우리는 지난 4년동안
00:28
a proof of concept
4
10000
2000
설치류 두뇌의 조그마한 부분에 대한
00:30
on a small part of the rodent brain,
5
12000
3000
우리의 모델에 대해 증명해 왔습니다.
00:33
and with this proof of concept we are now scaling the project up
6
15000
3000
그리고 이 증명을 토대로, 우리는 이 프로젝트를
00:36
to reach the human brain.
7
18000
3000
인간의 두뇌로 확장시키는 일을 진행하고 있습니다
00:39
Why are we doing this?
8
21000
2000
우리가 왜 이 일을 하는 것일까요?
00:41
There are three important reasons.
9
23000
2000
거기에는 세 가지 중요한 이유가 있습니다.
00:43
The first is, it's essential for us to understand the human brain
10
25000
4000
첫번째로, 사회적으로 번영하기 위해서는
00:47
if we do want to get along in society,
11
29000
2000
인간의 두뇌를 이해하는 것은 필수적입니다.
00:49
and I think that it is a key step in evolution.
12
31000
4000
그리고 저는 이것이 진화의 핵심적인 단계일 것으로 생각합니다.
00:53
The second reason is,
13
35000
2000
두번째 이유는,
00:55
we cannot keep doing animal experimentation forever,
14
37000
6000
우리가 언제까지 동물 실험을 계속할 수는 없기 때문입니다.
01:01
and we have to embody all our data and all our knowledge
15
43000
4000
우리는 우리의 모든 자료와 지식들을 구체화하여
01:05
into a working model.
16
47000
3000
실제로 작동하는 모델을 만들 필요가 있습니다.
01:08
It's like a Noah's Ark. It's like an archive.
17
50000
4000
이것은 마치 노아의 방주와 같습니다. 이것은 마치 문서 보관소와 같죠.
01:12
And the third reason is that there are two billion people on the planet
18
54000
3000
세번째 이유는 지구상에 정신 질환으로 고통받는
01:15
that are affected by mental disorder,
19
57000
4000
20억의 사람들이 있고
01:19
and the drugs that are used today
20
61000
2000
그들이 사용하고 있는 약물은
01:21
are largely empirical.
21
63000
2000
대부분 모델에 의존하는 것이 아닌 실험에 의존한 것이기 때문입니다.
01:23
I think that we can come up with very concrete solutions on
22
65000
3000
제가 생각하기에는 우리는 정신질환들을 치료하는
01:26
how to treat disorders.
23
68000
3000
매우 구체적인 해결책을 만들어낼 수 있을 것입니다.
01:29
Now, even at this stage,
24
71000
3000
지금, 현재의 상태에서도,
01:32
we can use the brain model
25
74000
2000
우리는 두뇌 모델을 이용하여서
01:34
to explore some fundamental questions
26
76000
3000
두뇌가 어떻게 작동하는지에 대한
01:37
about how the brain works.
27
79000
2000
기본적인 질문들을 탐구할 수 있습니다.
01:39
And here, at TED, for the first time,
28
81000
2000
그리고 여기 TED에서 최초로
01:41
I'd like to share with you how we're addressing
29
83000
2000
저는 여러분과 함께 우리가 어떻게 많은 이론 중에서
01:43
one theory -- there are many theories --
30
85000
3000
하나의 이론 -- 많은 이론들이 있지만요 --
01:46
one theory of how the brain works.
31
88000
4000
하나의 이론을 다루고 있는지 설명하려 합니다.
01:50
So, this theory is that the brain
32
92000
4000
이 이론은 두뇌가
01:54
creates, builds, a version of the universe,
33
96000
6000
또 다른 우주를 창조하고 만들어낸다는 것입니다.
02:00
and projects this version of the universe,
34
102000
3000
그리고 이 또 다른 우주를
02:03
like a bubble, all around us.
35
105000
4000
우리 주변에 거품과 같은 형태로 투영시킵니다.
02:07
Now, this is of course a topic of philosophical debate for centuries.
36
109000
4000
자, 이것은 물론 수세기 동안 계속되어온 철학적 논쟁입니다.
02:11
But, for the first time, we can actually address this,
37
113000
3000
하지만, 처음으로, 우리는 실제로 이 문제를
02:14
with brain simulation,
38
116000
2000
두뇌 시뮬레이션을 통해서 다룰 수 있게 되었습니다
02:16
and ask very systematic and rigorous questions,
39
118000
4000
그리고 우리는 매우 체계적이고 엄밀한 질문들을 통해서
02:20
whether this theory could possibly be true.
40
122000
4000
이 이론이 참일 수 있는지를 알아볼 수 있습니다.
02:24
The reason why the moon is huge on the horizon
41
126000
3000
달이 지평선에서 거대해 보이는 이유는
02:27
is simply because our perceptual bubble
42
129000
3000
단순히 우리의 지각 거품이
02:30
does not stretch out 380,000 kilometers.
43
132000
4000
380,000 킬로미터만큼 뻗어나가지 못하기 때문입니다.
02:34
It runs out of space.
44
136000
2000
용량이 부족한 것입니다.
02:36
And so what we do is we compare the buildings
45
138000
4000
그래서 우리가 실제로 하는 것은 우리의 지각 거품안에서
02:40
within our perceptual bubble,
46
142000
2000
건물들과 크기를 비교하는 것입니다.
02:42
and we make a decision.
47
144000
2000
그리고 판단하게 됩니다.
02:44
We make a decision it's that big,
48
146000
2000
우리는 그 정도 크기라 판단하게 됩니다.
02:46
even though it's not that big.
49
148000
2000
실제로 그 정도 크기가 아니어도 말이죠.
02:48
And what that illustrates
50
150000
2000
그리고 이것이 시사하는 바는
02:50
is that decisions are the key things
51
152000
2000
판단들이야 말로 우리의 지각 거품을 지탱하는
02:52
that support our perceptual bubble. It keeps it alive.
52
154000
5000
핵심적인 것이라는 사실입니다. 판단이 지각 거품을 살아있게 합니다.
02:57
Without decisions you cannot see, you cannot think,
53
159000
2000
판단없이는 여러분은 볼 수도 없고, 생각할 수도 없고,
02:59
you cannot feel.
54
161000
2000
느낄 수도 없습니다.
03:01
And you may think that anesthetics work
55
163000
2000
물론 여러분은 이렇게 생각할 수 있습니다.
03:03
by sending you into some deep sleep,
56
165000
3000
마취를 하면, 여러분을 깊은 잠에 들게 한다거나
03:06
or by blocking your receptors so that you don't feel pain,
57
168000
3000
혹은 여러분의 감각 기관들을 막아서 고통을 느끼지 못하게 한다고 생각할 수 있습니다.
03:09
but in fact most anesthetics don't work that way.
58
171000
3000
하지만 사실 대부분의 마취제들은 그러한 방식으로 작용하지 않습니다.
03:12
What they do is they introduce a noise
59
174000
3000
실제로 마취제가 하는 것은 두뇌에 잡음을 퍼뜨려
03:15
into the brain so that the neurons cannot understand each other.
60
177000
3000
뉴런들이 서로를 이해할 수 없도록 하는 것입니다.
03:18
They are confused,
61
180000
2000
뉴런들은 혼란스럽게 되고,
03:20
and you cannot make a decision.
62
182000
3000
여러분은 어떠한 판단을 내릴 수 없습니다.
03:23
So, while you're trying to make up your mind
63
185000
3000
그래서 여러분이 마음을 정하려고 노력하는 동안에
03:26
what the doctor, the surgeon, is doing
64
188000
2000
의사는 여러분의 몸을 난도질하고,
03:28
while he's hacking away at your body, he's long gone.
65
190000
2000
벌써 오래 전에 다 끝내고 가게 됩니다.
03:30
He's at home having tea.
66
192000
2000
그는 집에서 차를 마시고 있겠지요.
03:32
(Laughter)
67
194000
2000
(웃음)
03:34
So, when you walk up to a door and you open it,
68
196000
3000
그러므로 여러분이 문을 향해 걸어가서 문을 열게 되었을 때
03:37
what you compulsively have to do to perceive
69
199000
3000
지각처리를 위해 위해서 반드시 해야하는 것은
03:40
is to make decisions,
70
202000
2000
판단을 하는 것입니다.
03:42
thousands of decisions about the size of the room,
71
204000
3000
방의 크기와, 벽,
03:45
the walls, the height, the objects in this room.
72
207000
3000
높이, 방 안의 물체들에 대한 수천개의 판단을 하는 것입니다.
03:48
99 percent of what you see
73
210000
3000
여러분이 보는 것의 99%는
03:51
is not what comes in through the eyes.
74
213000
4000
여러분의 눈을 통해서 들어오는 것이 아닙니다.
03:55
It is what you infer about that room.
75
217000
4000
그것은 여러분이 방에 대해서 추론해낸 것입니다.
03:59
So I can say, with some certainty,
76
221000
4000
저는 어느 정도 분명하게 말할 수 있습니다.
04:03
"I think, therefore I am."
77
225000
3000
"나는 생각한다. 그러므로 나는 존재한다."
04:06
But I cannot say, "You think, therefore you are,"
78
228000
4000
그러나 저는 이렇게 말할 수 는 없습니다, "당신은 생각한다, 그러므로 당신은 존재한다."
04:10
because "you" are within my perceptual bubble.
79
232000
5000
왜냐하면 여러분은 나의 지각 거품안에 존재하기 때문입니다.
04:15
Now, we can speculate and philosophize this,
80
237000
3000
이제, 우리는 이것에 대해서 깊이 생각하고, 철학적으로 설명할 수 있습니다.
04:18
but we don't actually have to for the next hundred years.
81
240000
3000
하지만, 앞으로 몇백년동안 이것을 실제로 할 필요는 없습니다.
04:21
We can ask a very concrete question.
82
243000
2000
우리는 매우 구체적인 하나의 질문을 할 수 있습니다.
04:23
"Can the brain build such a perception?"
83
245000
4000
"두뇌가 그러한 지각을 만들어낼 수 있을까?"
04:27
Is it capable of doing it?
84
249000
2000
두뇌가 그러한 것을 할 수 있을까요?
04:29
Does it have the substance to do it?
85
251000
2000
두뇌가 그것을 위한 실체를 가지고 있을까요?
04:31
And that's what I'm going to describe to you today.
86
253000
3000
그것이 제가 오늘 여러분에게 설명하고자 하는 것입니다.
04:34
So, it took the universe 11 billion years to build the brain.
87
256000
4000
우주는 두뇌를 만들기 위해서 110억년의 시간이 들었습니다.
04:38
It had to improve it a little bit.
88
260000
2000
우주는 두뇌를 조금 개선시켜야 했습니다.
04:40
It had to add to the frontal part, so that you would have instincts,
89
262000
3000
본능을 가지게 하기 위해서 전두엽을 크게할 필요가 있었습니다.
04:43
because they had to cope on land.
90
265000
3000
왜냐하면 생명체가 육지에서 살아가야 했으니까요.
04:46
But the real big step was the neocortex.
91
268000
4000
하지만 정말 큰 단계는 신피질이었습니다.
04:50
It's a new brain. You needed it.
92
272000
2000
이것은 새로운 두뇌입니다. 우리는 이것이 필요했습니다.
04:52
The mammals needed it
93
274000
2000
포유류들에게 필요한 것이었죠.
04:54
because they had to cope with parenthood,
94
276000
4000
왜냐하면 그들은
04:58
social interactions,
95
280000
2000
사회적인 교류인
05:00
complex cognitive functions.
96
282000
3000
부모 자식간의 관계를 잘 이뤄야 했기 때문입니다.
05:03
So, you can think of the neocortex
97
285000
2000
따라서 여러분은 신피질을
05:05
actually as the ultimate solution today,
98
287000
5000
우주가 만들어낸
05:10
of the universe as we know it.
99
292000
3000
오늘날의 최종적인 해결책이라고 생각할 수 있습니다.
05:13
It's the pinnacle, it's the final product
100
295000
2000
이것은 정점입니다. 이것은 우주가 지금까지 만들어낸
05:15
that the universe has produced.
101
297000
4000
마지막 작품입니다.
05:19
It was so successful in evolution
102
301000
2000
이것은 진화에 있어서 매우 성공적이어서
05:21
that from mouse to man it expanded
103
303000
2000
쥐에서 인간까지 신피질은
05:23
about a thousandfold in terms of the numbers of neurons,
104
305000
3000
이 가공할만한 조직을 만들기 위해서
05:26
to produce this almost frightening
105
308000
3000
뉴런의 개수로 볼 때에
05:29
organ, structure.
106
311000
3000
약 1,000배 확장되었습니다.
05:32
And it has not stopped its evolutionary path.
107
314000
3000
그리고 이것은 진화의 과정을 멈추지 않았습니다.
05:35
In fact, the neocortex in the human brain
108
317000
2000
사실, 인간 두뇌의 신피질은
05:37
is evolving at an enormous speed.
109
319000
3000
놀라운 속도로 진화하고 있습니다.
05:40
If you zoom into the surface of the neocortex,
110
322000
2000
신피질의 표면을 확대하면
05:42
you discover that it's made up of little modules,
111
324000
3000
그것이 마치 컴퓨터의 G5 프로세서들과 같은
05:45
G5 processors, like in a computer.
112
327000
2000
작은 모듈들로 구성되어 있다는 것을 발견하게 될 것입니다.
05:47
But there are about a million of them.
113
329000
3000
그러나 거기에는 약 100만개의 모듈들이 있습니다.
05:50
They were so successful in evolution
114
332000
2000
이 모듈들은 진화에 성공하여
05:52
that what we did was to duplicate them
115
334000
2000
우리는 그들을 계속해서 점점 더 복제해나갔습니다.
05:54
over and over and add more and more of them to the brain
116
336000
2000
우리의 두개골이 허락하는 공간이
05:56
until we ran out of space in the skull.
117
338000
3000
부족할 때까지 말입니다.
05:59
And the brain started to fold in on itself,
118
341000
2000
그리하여 두뇌는 접혀지기 시작했습니다,
06:01
and that's why the neocortex is so highly convoluted.
119
343000
3000
신피질이 굉장히 말려있는 이유가 바로 이것이죠.
06:04
We're just packing in columns,
120
346000
2000
이것들을 기둥 형태로 잘 표장하여
06:06
so that we'd have more neocortical columns
121
348000
3000
더 많은 신피질 기둥을 생성하고
06:09
to perform more complex functions.
122
351000
3000
더 복잡한 기능을 수행할 수 있게 되었습니다.
06:12
So you can think of the neocortex actually as
123
354000
2000
신피질을
06:14
a massive grand piano,
124
356000
2000
백만개의 건반이 있는 거대한 그랜드 피아노처럼
06:16
a million-key grand piano.
125
358000
3000
생각해 보십시오.
06:19
Each of these neocortical columns
126
361000
2000
각각의 신피질 기둥들은
06:21
would produce a note.
127
363000
2000
하나의 음표를 만들어 냅니다.
06:23
You stimulate it; it produces a symphony.
128
365000
3000
여러분이 음표를 자극하면 교향곡을 연주합니다.
06:26
But it's not just a symphony of perception.
129
368000
3000
하지만 이것은 단지 지각의 교향곡이 아닙니다.
06:29
It's a symphony of your universe, your reality.
130
371000
3000
여러분의 우주에 대한, 여러분의 실제에 대한 교향곡인 것이죠.
06:32
Now, of course it takes years to learn how
131
374000
3000
자, 물론 백만개의 건반을 가진
06:35
to master a grand piano with a million keys.
132
377000
3000
그랜드 피아노를 숙달하는 데에는 수년의 시간이 필요합니다.
06:38
That's why you have to send your kids to good schools,
133
380000
2000
이것이 바로 여러분들이 자녀들을 좋은 학교,
06:40
hopefully eventually to Oxford.
134
382000
2000
결국 옥스퍼드에 보내기를 바라는 이유인 것이죠.
06:42
But it's not only education.
135
384000
3000
하지만 이것은 단지 교육에서만이 아닙니다.
06:45
It's also genetics.
136
387000
2000
유전학에서도 마찬가지입니다.
06:47
You may be born lucky,
137
389000
2000
여러분은 아마 운 좋게 태어났거나,
06:49
where you know how to master your neocortical column,
138
391000
4000
신피질 기둥들을 잘 다루는 방법을 알고 있다면,
06:53
and you can play a fantastic symphony.
139
395000
2000
환상적인 교향곡을 연주할 수 있을 것입니다.
06:55
In fact, there is a new theory of autism
140
397000
3000
사실, 자폐증에 대한 새로운 이론이 있습니다,
06:58
called the "intense world" theory,
141
400000
2000
이것은 "강렬한 세계"라는 이론인데
07:00
which suggests that the neocortical columns are super-columns.
142
402000
4000
신피질 기둥들이 초-기둥들임을 제시하고 있습니다.
07:04
They are highly reactive, and they are super-plastic,
143
406000
4000
초기둥들은 굉장히 민감하고, 매우 유연합니다.
07:08
and so the autists are probably capable of
144
410000
3000
그래서 자폐증 환자들은 아마도
07:11
building and learning a symphony
145
413000
2000
우리가 상식적으로 이해할 수 없는
07:13
which is unthinkable for us.
146
415000
2000
교향곡들을 만들어내고 배울 수 있는 것입니다.
07:15
But you can also understand
147
417000
2000
이렇게도 이해할 수 있습니다.
07:17
that if you have a disease
148
419000
2000
이러한 그러한 기둥들 중 하나가
07:19
within one of these columns,
149
421000
2000
어떤 병이 있다면,
07:21
the note is going to be off.
150
423000
2000
그 기둥이 만들어내는 음에 문제가 생게 되는 것이죠.
07:23
The perception, the symphony that you create
151
425000
2000
지각 처리, 즉 연주하는 교향곡에
07:25
is going to be corrupted,
152
427000
2000
문제가 생기게 되고
07:27
and you will have symptoms of disease.
153
429000
3000
질병의 징후들을 가지게 될 것입니다.
07:30
So, the Holy Grail for neuroscience
154
432000
4000
결국, 신경 과학의 궁극의 목표는
07:34
is really to understand the design of the neocoritical column --
155
436000
4000
신피질 기둥들의 디자인을 이해하는 것입니다.
07:38
and it's not just for neuroscience;
156
440000
2000
그리고 이는 단순히 신경 과학을 위한 것만은 아닙니다.
07:40
it's perhaps to understand perception, to understand reality,
157
442000
3000
아마도 지각을 이해하고, 실제를 이해하고,
07:43
and perhaps to even also understand physical reality.
158
445000
4000
아마도 심지어 물리적인 실제를 이해하는 일입니다.
07:47
So, what we did was, for the past 15 years,
159
449000
3000
그래서 우리가 지난 15년동안
07:50
was to dissect out the neocortex, systematically.
160
452000
4000
신피질을 체계적으로 해부했습니다.
07:54
It's a bit like going and cataloging a piece of the rainforest.
161
456000
4000
이것은 마치 열대우림에 대한 카달로그 한편을 작업하는 것과 같습니다.
07:58
How many trees does it have?
162
460000
2000
열대우림에 얼마나 많은 나무들이 있나?
08:00
What shapes are the trees?
163
462000
2000
나무들이 어떠한 형태인가?
08:02
How many of each type of tree do you have? Where are they positioned?
164
464000
3000
나무들이 각 유형별로 얼마나 많이 있나? 어디에 분포되어 있나?
08:05
But it's a bit more than cataloging because you actually have to
165
467000
2000
하지만 신피질은 이러한 카달로그를 만드는 것 이상으로 어려운데요,
08:07
describe and discover all the rules of communication,
166
469000
4000
뉴런들이 단순히 임의의 어떤 다른 뉴런과 연결된 것이 아니므로,
08:11
the rules of connectivity,
167
473000
2000
뉴런들이 서로 의사소통하고 연결되는 모든 규칙들을
08:13
because the neurons don't just like to connect with any neuron.
168
475000
3000
실제로 설명하고 밝혀내야 하기 때문입니다.
08:16
They choose very carefully who they connect with.
169
478000
3000
뉴런들은 매우 신중하게 어떤 뉴런과 연결할지를 선택합니다.
08:19
It's also more than cataloging
170
481000
3000
이것 또한 카달로그를 만드는 것보다 더 복잡한 일입니다,
08:22
because you actually have to build three-dimensional
171
484000
2000
왜냐하면 신피질에 대한 3차원 디지털 모델을
08:24
digital models of them.
172
486000
2000
만들어야 하기 때문입니다.
08:26
And we did that for tens of thousands of neurons,
173
488000
2000
그리하여 우리는 수만 여 개의 뉴런들,
08:28
built digital models of all the different types
174
490000
3000
우리가 발견한 여러 유형들의 뉴런에 대한
08:31
of neurons we came across.
175
493000
2000
디지털 모델을 만들었습니다.
08:33
And once you have that, you can actually
176
495000
2000
일단 모형만 있으면,
08:35
begin to build the neocortical column.
177
497000
4000
실제로 신피질 기둥을 만들어낼 수 있습니다.
08:39
And here we're coiling them up.
178
501000
3000
여기 이렇게 만들고 있죠.
08:42
But as you do this, what you see
179
504000
3000
여러분이 보시듯이,
08:45
is that the branches intersect
180
507000
2000
수백만여 개의 지점에서
08:47
actually in millions of locations,
181
509000
3000
가지들이 교차합니다.
08:50
and at each of these intersections
182
512000
3000
그리고 각각의 교차점에서
08:53
they can form a synapse.
183
515000
2000
뉴런은 시냅스를 형성할 수 있습니다.
08:55
And a synapse is a chemical location
184
517000
2000
시냅스는 화학적인 장소로
08:57
where they communicate with each other.
185
519000
3000
뉴런들이 서로 소통하는 곳입니다.
09:00
And these synapses together
186
522000
2000
그리고 이러한 시냅스들은 서로
09:02
form the network
187
524000
2000
두뇌 네트워크,
09:04
or the circuit of the brain.
188
526000
3000
혹은 두뇌 회로를 이루게 됩니다.
09:07
Now, the circuit, you could also think of as
189
529000
4000
그 회로를 두뇌의 직물처럼
09:11
the fabric of the brain.
190
533000
2000
생각해도 좋습니다.
09:13
And when you think of the fabric of the brain,
191
535000
3000
여러분이 두뇌의 직물 구조로 생각한다면,
09:16
the structure, how is it built? What is the pattern of the carpet?
192
538000
4000
그것은 어떻게 만들어졌을까요? 그 카펫의 패턴은 어떤 것일까요?
09:20
You realize that this poses
193
542000
2000
여러분은 이러한 질문이 두뇌에 관한
09:22
a fundamental challenge to any theory of the brain,
194
544000
4000
모든 이론에 대하여 본질적으로 도전한다는 것을 깨닫게 됩니다.
09:26
and especially to a theory that says
195
548000
2000
특히나 어떠한 실체가 이 카펫으로부터,
09:28
that there is some reality that emerges
196
550000
2000
특별한 패턴을 지닌 특별한 카펫으로부터
09:30
out of this carpet, out of this particular carpet
197
552000
3000
나온다고 이야기하는 이론에 대한
09:33
with a particular pattern.
198
555000
2000
본질적인 도전인 것이죠.
09:35
The reason is because the most important design secret of the brain
199
557000
3000
그 이유는 두뇌 설계의 가장 큰 비밀이 바로
09:38
is diversity.
200
560000
2000
다양성이기 때문입니다.
09:40
Every neuron is different.
201
562000
2000
모든 뉴런들은 서로 다릅니다.
09:42
It's the same in the forest. Every pine tree is different.
202
564000
2000
이것은 숲에서도 마찬가지입니다. 모든 소나무들은 서로 다릅니다.
09:44
You may have many different types of trees,
203
566000
2000
여러분은 아마도 서로 다른 종류의 나무들을 가지고 있을 것입니다.
09:46
but every pine tree is different. And in the brain it's the same.
204
568000
3000
하지만 모든 소나무들은 서로 다릅니다. 두뇌의 경우에도 마찬가지입니다.
09:49
So there is no neuron in my brain that is the same as another,
205
571000
3000
제 머리 속에 있는 어떠한 뉴런도 다른 뉴런과 똑같지 않고,
09:52
and there is no neuron in my brain that is the same as in yours.
206
574000
3000
제 머리 속에 있는 어떠한 뉴런도 여러분의 것과 같지 않습니다.
09:55
And your neurons are not going to be oriented and positioned
207
577000
3000
그리고 여러분 뉴런들도 결코 같은 곳에 위치하거나
09:58
in exactly the same way.
208
580000
2000
같은 방향으로 위치하지 않을 것입니다.
10:00
And you may have more or less neurons.
209
582000
2000
여러분이 더 많거나 혹은 더 적은 뉴런을 갖고 있을 수도 있구요.
10:02
So it's very unlikely
210
584000
2000
즉, 여러분이 똑같은 직물, 똑같은 회로를
10:04
that you got the same fabric, the same circuitry.
211
586000
4000
가지고 있지는 않을 것 입니다.
10:08
So, how could we possibly create a reality
212
590000
2000
그렇다면 어떻게 우리는 서로를 이해할 수 있는
10:10
that we can even understand each other?
213
592000
3000
실체를 만들어 낼 수 있는 것일까요?
10:13
Well, we don't have to speculate.
214
595000
2000
깊이 생각해볼 필요도 없습니다.
10:15
We can look at all 10 million synapses now.
215
597000
3000
우리는 1,000만개의 시냅스를 지금 살펴볼 수 있습니다.
10:18
We can look at the fabric. And we can change neurons.
216
600000
3000
그 직물을 살펴볼 수도 있고, 뉴런들을 바꿔볼 수 있습니다.
10:21
We can use different neurons with different variations.
217
603000
2000
여러 뉴런들을 다르게 변형하여 사용해 볼 수 있습니다.
10:23
We can position them in different places,
218
605000
2000
뉴런들을 서로 다른 곳에 위치시킬 수 있고
10:25
orient them in different places.
219
607000
2000
서로 다른 방향을 바라보도록 위치시킬 수 있습니다.
10:27
We can use less or more of them.
220
609000
2000
더 많은, 적은 뉴런을 이용할 수 있습니다.
10:29
And when we do that
221
611000
2000
그리고 이렇게 해보면
10:31
what we discovered is that the circuitry does change.
222
613000
3000
그 회로가 변한다는 것을 발견하였습니다.
10:34
But the pattern of how the circuitry is designed does not.
223
616000
7000
하지만 회로가 디자인된 패턴은 변하지 않았습니다.
10:41
So, the fabric of the brain,
224
623000
2000
그래서 두뇌의 직물은
10:43
even though your brain may be smaller, bigger,
225
625000
2000
여러분의 두뇌가 작든 크든
10:45
it may have different types of neurons,
226
627000
3000
서로 다른 종류의 뉴런을 가지고 있든,
10:48
different morphologies of neurons,
227
630000
2000
서로 다른 형태의 뉴런을 가지고 있든,
10:50
we actually do share
228
632000
3000
우리는 서로 공통의 직물을
10:53
the same fabric.
229
635000
2000
공유하고 있습니다.
10:55
And we think this is species-specific,
230
637000
2000
이는 종에 특화된 성질로
10:57
which means that that could explain
231
639000
2000
서로 다른 종들 간에 의사 소통이
10:59
why we can't communicate across species.
232
641000
2000
불가능한 이유를 설명합니다.
11:01
So, let's switch it on. But to do it, what you have to do
233
643000
3000
자, 이걸 한 번 켜봅시다. 이런 것들을 설명하기 위해
11:04
is you have to make this come alive.
234
646000
2000
우리가 해야 할 일은 이들을 실제로 재현하는 것이죠.
11:06
We make it come alive
235
648000
2000
우리는 여러 수학 수식들을 통해서
11:08
with equations, a lot of mathematics.
236
650000
2000
이것을 구체화합니다.
11:10
And, in fact, the equations that make neurons into electrical generators
237
652000
4000
사실, 뉴런을 전기적 신호로 변형하는 모형은
11:14
were discovered by two Cambridge Nobel Laureates.
238
656000
3000
두 명의 캠브리지 출신 노벨상 수상자들이 이미 밝혀내었습니다.
11:17
So, we have the mathematics to make neurons come alive.
239
659000
3000
즉, 뉴런을 재현할 수 있는 수학적 모형이 있는 것이죠.
11:20
We also have the mathematics to describe
240
662000
2000
또한 뉴런들이 정보를 모으는 방법을
11:22
how neurons collect information,
241
664000
3000
설명하는 수학적 모형과
11:25
and how they create a little lightning bolt
242
667000
3000
뉴런들이 소량의 전기를 일으켜
11:28
to communicate with each other.
243
670000
2000
서로 의사소통하는 방법을 설명하는 수학적 모형도 있습니다.
11:30
And when they get to the synapse,
244
672000
2000
그래서 그 신호가 시냅스에 도달했을 때에
11:32
what they do is they effectively,
245
674000
2000
뉴런들이 하는 일은 효과적으로,
11:34
literally, shock the synapse.
246
676000
3000
말그대로, 시냅스에 쇼크를 주는 일입니다.
11:37
It's like electrical shock
247
679000
2000
이것은 마치 전기적인 쇼크와 같은데요,
11:39
that releases the chemicals from these synapses.
248
681000
3000
화학 물질들을 시냅스로부터 방출되게 만듭니다.
11:42
And we've got the mathematics to describe this process.
249
684000
3000
우리는 수학적 모형을 통해 이러한 처리방식을 설명해 왔습니다.
11:45
So we can describe the communication between the neurons.
250
687000
4000
그리하여 우리는 뉴런간의 의사소통을 기술할 수 있습니다.
11:49
There literally are only a handful
251
691000
3000
이건 단지, 말그대로
11:52
of equations that you need to simulate
252
694000
2000
신피질의 행동을 시뮬레이션하는데 필요한
11:54
the activity of the neocortex.
253
696000
2000
아주 소수의 수학적 모형이 있을 뿐입니다.
11:56
But what you do need is a very big computer.
254
698000
3000
하지만 여러분에게 필요한 것은 매우 거대한 컴퓨터 입니다.
11:59
And in fact you need one laptop
255
701000
2000
그리고 사실 한 개의 뉴런을 계산하는 데에는
12:01
to do all the calculations just for one neuron.
256
703000
3000
노트북 한 대가 필요합니다.
12:04
So you need 10,000 laptops.
257
706000
2000
즉, 신피질을 계산하기 위해서는 노트북 10,000대가 필요한 것이죠.
12:06
So where do you go? You go to IBM,
258
708000
2000
그렇다면 어디로 가야 하죠? IBM으로 가겠죠.
12:08
and you get a supercomputer, because they know how to take
259
710000
2000
그리고선 슈퍼 컴퓨터를 구하게 됩니다. 왜냐하면 IBM에서는
12:10
10,000 laptops and put it into the size of a refrigerator.
260
712000
4000
노트북 10,000대를 냉장고만한 크기에 넣는 방법을 알고 있기 때문입니다.
12:14
So now we have this Blue Gene supercomputer.
261
716000
3000
자, 우리에겐 이 블루진 슈퍼 컴퓨터가 있습니다.
12:17
We can load up all the neurons,
262
719000
2000
우리는 모든 뉴런들의 정보를 컴퓨터에 올려,
12:19
each one on to its processor,
263
721000
2000
각각의 뉴런을 각각의 프로세서에 할당하고
12:21
and fire it up, and see what happens.
264
723000
4000
이들을 가동시킨 후, 무슨 일이 일어나는지를 살펴볼 수 있습니다.
12:25
Take the magic carpet for a ride.
265
727000
3000
마법 양탄자를 타고 날아가보죠.
12:28
Here we activate it. And this gives the first glimpse
266
730000
3000
이제 이것을 활성화 시킵니다. 이건
12:31
of what is happening in your brain
267
733000
2000
시뮬레이션을 실행할 때
12:33
when there is a stimulation.
268
735000
2000
여러분의 두뇌에서 일어나는 초기 일면을 보여주죠.
12:35
It's the first view.
269
737000
2000
이건 첫번째 모습입니다.
12:37
Now, when you look at that the first time, you think,
270
739000
2000
여러분이 이것을 처음 볼 때에, 아마 이렇게 생각하겠죠
12:39
"My god. How is reality coming out of that?"
271
741000
5000
"오 맙소사, 어떻게 실제가 이렇게 나타날까?"
12:44
But, in fact, you can start,
272
746000
3000
신피질 기둥들을 훈련시키지 않았더라도,
12:47
even though we haven't trained this neocortical column
273
749000
4000
사실 여러분은 어떤 실제를 만들어내기
12:51
to create a specific reality.
274
753000
2000
시작할 것입니다.
12:53
But we can ask, "Where is the rose?"
275
755000
4000
우리는 물을 수 있습니다, "장미는 어디에 있나요?"
12:57
We can ask, "Where is it inside,
276
759000
2000
우리는 물을 수 있습니다, "만약 우리가 두뇌를 그림과 함께 자극한다면
12:59
if we stimulate it with a picture?"
277
761000
3000
장미는 그안 어디에 있을까요?"
13:02
Where is it inside the neocortex?
278
764000
2000
신피질안 어디에 있을까요?
13:04
Ultimately it's got to be there if we stimulated it with it.
279
766000
4000
우리가 두뇌를 장미 그림으로 자극한다면 장미는 신피질 안에 분명히 있기 마련입니다.
13:08
So, the way that we can look at that
280
770000
2000
즉, 우리가 장미를 보는 방법은
13:10
is to ignore the neurons, ignore the synapses,
281
772000
3000
뉴런을 무시하고, 시냅스를 무시하고,
13:13
and look just at the raw electrical activity.
282
775000
2000
단지 전기적인 신호만을 보는 것입니다.
13:15
Because that is what it's creating.
283
777000
2000
왜냐하면 그것이 실제로 두뇌가 만들어낸 것이기 때문입니다.
13:17
It's creating electrical patterns.
284
779000
2000
즉, 전기적인 패턴을 만들어 냅니다.
13:19
So when we did this,
285
781000
2000
우리가 전기적 패턴을 만들었을 때,
13:21
we indeed, for the first time,
286
783000
2000
우리는 몰론 처음에는
13:23
saw these ghost-like structures:
287
785000
3000
유령과 같은 구조를 보게 되었습니다
13:26
electrical objects appearing
288
788000
3000
신피질 기둥안에 나타나는
13:29
within the neocortical column.
289
791000
3000
전기적인 객체를 말입니다.
13:32
And it's these electrical objects
290
794000
3000
그리고 바로 이 전기적인 객체들이
13:35
that are holding all the information about
291
797000
3000
두뇌가 자극을 받았을 때에
13:38
whatever stimulated it.
292
800000
3000
가지는 모든 정보를 가지고 있습니다.
13:41
And then when we zoomed into this,
293
803000
2000
그리고 우리가 이것들을 확대하면,
13:43
it's like a veritable universe.
294
805000
4000
이것은 마치 실제 우주와 같습니다.
13:47
So the next step
295
809000
2000
그래서 다음 단계는
13:49
is just to take these brain coordinates
296
811000
4000
이러한 두뇌 좌표들을 찾아내어서
13:53
and to project them into perceptual space.
297
815000
4000
그것들을 실제 지각 가능한 공간에 투영시키는 것입니다.
13:57
And if you do that,
298
819000
2000
그리고 그렇게 한다면
13:59
you will be able to step inside
299
821000
2000
여러분은 바로 그 두뇌의 일부를 통해,
14:01
the reality that is created
300
823000
2000
기계에 의해 창조된 세계의
14:03
by this machine,
301
825000
2000
내부로
14:05
by this piece of the brain.
302
827000
3000
들어가 볼 수 있을 것 입니다
14:08
So, in summary,
303
830000
2000
즉, 요약한다면
14:10
I think that the universe may have --
304
832000
2000
저는 우주가 아마도
14:12
it's possible --
305
834000
2000
- 아마도 -
14:14
evolved a brain to see itself,
306
836000
3000
두뇌가 스스로를 바라볼 수 있도록 진화시켰다고 생각합니다.
14:17
which may be a first step in becoming aware of itself.
307
839000
5000
그리고 그것이 스스로를 인식하는 첫번째 단계일 것입니다.
14:22
There is a lot more to do to test these theories,
308
844000
2000
이러한 이론들과 다른 이론들을
14:24
and to test any other theories.
309
846000
3000
시험하기 위해서 할 일이 많이 있습니다.
14:27
But I hope that you are at least partly convinced
310
849000
3000
하지만 저는 여러분들이 적어도 부분적으로는
14:30
that it is not impossible to build a brain.
311
852000
3000
두뇌를 만들어내는 것이 불가능하지 않다고 생각하셨으면 합니다.
14:33
We can do it within 10 years,
312
855000
2000
우리는 이것을 10년 안에 할 수 있을 것 입니다
14:35
and if we do succeed,
313
857000
2000
그리고 우리가 성공한다면
14:37
we will send to TED, in 10 years,
314
859000
2000
우리는 10년안에 TED에
14:39
a hologram to talk to you. Thank you.
315
861000
3000
여러분에게 말을 거는 홀로그램을 보내겠습니다. 감사합니다.
14:42
(Applause)
316
864000
6000
(박수)
ABOUT THE SPEAKER
Henry Markram - NeuroscientistHenry Markram is director of Blue Brain, a supercomputing project that can model components of the mammalian brain to precise cellular detail -- and simulate their activity in 3D. Soon he'll simulate a whole rat brain in real time.
Why you should listen
In the microscopic, yet-uncharted circuitry of the cortex, Henry Markram is perhaps the most ambitious -- and our most promising -- frontiersman. Backed by the extraordinary power of the IBM Blue Gene supercomputing architecture, which can perform hundreds of trillions of calculations per second, he's using complex models to precisely simulate the neocortical column (and its tens of millions of neural connections) in 3D.
Though the aim of Blue Brain research is mainly biomedical, it has been edging up on some deep, contentious philosophical questions about the mind -- "Can a robot think?" and "Can consciousness be reduced to mechanical components?" -- the consequence of which Markram is well aware: Asked by Seed Magazine what a simulation of a full brain might do, he answered, "Everything. I mean everything" -- with a grin.
Now, with a successful proof-of-concept for simulation in hand (the project's first phase was completed in 2007), Markram is looking toward a future where brains might be modeled even down to the molecular and genetic level. Computing power marching rightward and up along the graph of Moore's Law, Markram is sure to be at the forefront as answers to the mysteries of cognition emerge.
Henry Markram | Speaker | TED.com