TED2003
Jeff Hawkins: How brain science will change computing
Jeff Hawkins: Știința creierului, cum va revoluționa computerizarea
Filmed:
Readability: 3.2
1,674,773 views
Jeff Hawkins - creatorul Treo - ne îndeamnă să ne revizuim perspectiva asupra creierului -- să-l privim nu ca pe un procesor rapid, ci ca pe un sistem de memorie care stochează și re-accesează experiențele pentru a ne ajuta să prezicem, în mod inteligent, ce sa va întâmpla.
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
Fac două lucruri. Proiectez calculatoare mobile și studiez creierul.
00:29
And today's talk is about brains and,
1
4000
2000
Şi discursul de azi este despre creier și
00:31
yay, somewhere I have a brain fan out there.
2
6000
2000
vai, am găsit acolo un iubitor de creiere.
00:33
(Laughter)
3
8000
2000
(Râsete)
00:35
I'm going to, if I can have my first slide up here,
4
10000
2000
Voi prezenta, dacă prima imagine va apare aici sus,
00:37
and you'll see the title of my talk and my two affiliations.
5
12000
4000
și veți vedea titlul discursului meu și cele două afilieri ale mele.
00:41
So what I'm going to talk about is why we don't have a good brain theory,
6
16000
4000
Deci voi vorbi despre motivul pentru care nu avem o teorie bună a creierului,
00:45
why it is important that we should develop one and what we can do about it.
7
20000
3000
de ce este important să dezvoltăm una și ce putem face pentru asta.
00:48
And I'll try to do all that in 20 minutes. I have two affiliations.
8
23000
3000
Și voi încerca să fac asta în 20 de minute. Am două afilieri.
00:51
Most of you know me from my Palm and Handspring days,
9
26000
3000
Majoritatea din voi mă cunoașteți din zilele mele la Palm și Handspring,
00:54
but I also run a nonprofit scientific research institute
10
29000
3000
dar conduc și un institut de cercetare științifică non-profit,
00:57
called the Redwood Neuroscience Institute in Menlo Park,
11
32000
2000
numit Institutul de Neuroștiință Redwood în Menlo Park,
00:59
and we study theoretical neuroscience,
12
34000
2000
și studiem neuroștiință teoretică,
01:01
and we study how the neocortex works.
13
36000
2000
și studiem cum lucrează neocortexul.
01:03
I'm going to talk all about that.
14
38000
2000
Voi vorbi despre asta.
01:05
I have one slide on my other life, the computer life, and that's the slide here.
15
40000
3000
Am o imagine despre cealaltă viață, cea dedicată calculatoarelor, iat-o.
01:08
These are some of the products I've worked on over the last 20 years,
16
43000
3000
Acestea sunt unele din produsele la care am lucrat în ultimii 20 de ani,
01:11
starting back from the very original laptop to some of the first tablet computers
17
46000
4000
pornind de la primele laptopuri până la calculatoarele tip touchscreen.
01:15
and so on, and ending up most recently with the Treo,
18
50000
2000
și așa mai departe, terminând cu cel mai recent Treo,
01:17
and we're continuing to do this.
19
52000
2000
și continuăm să facem asta.
01:19
And I've done this because I really believe that mobile computing
20
54000
2000
Și am făcut asta fiindcă cred într-adevăr că, calculatoarele mobile
01:21
is the future of personal computing, and I'm trying to make the world
21
56000
3000
sunt viitorul calculatoarelor personale, și încerc să fac lumea
01:24
a little bit better by working on these things.
22
59000
3000
un pic mai bună lucrând la aceste lucruri.
01:27
But this was, I have to admit, all an accident.
23
62000
2000
Dar asta a fost - trebuie să recunosc - un accident.
01:29
I really didn't want to do any of these products
24
64000
2000
De fapt nu am vrut să fac niciunul din aceste produse
01:31
and very early in my career I decided
25
66000
2000
și foarte devreme în cariera mea am decis
01:33
I was not going to be in the computer industry.
26
68000
3000
că nu voi lucra în industria calculatoarelor.
01:36
And before I tell you about that, I just have to tell you
27
71000
2000
Și înainte să vă vorbesc despre asta, trebuie să vă spun despre
01:38
this one little picture of graffiti there I picked off the web the other day.
28
73000
2000
această mică poză luată de pe web zilele trecute.
01:40
I was looking for a picture of graffiti, little text input language,
29
75000
3000
Căutam o poză despre graffiti, un mic limbaj de introducere a textului,
01:43
and I found the website dedicated to teachers who want to make these,
30
78000
3000
și am găsit pagina web dedicată învățătorilor care vor să facă astea,
01:46
you know, the script writing things across the top of their blackboard,
31
81000
3000
textul afișat în partea de sus a tablei,
01:49
and they had added graffiti to it, and I'm sorry about that.
32
84000
3000
și i-au adăugat graffiti, și îmi pare rău pentru asta.
01:52
(Laughter)
33
87000
2000
(Râsete)
01:54
So what happened was, when I was young and got out of engineering school
34
89000
5000
Ce s-a întâmplat a fost că pe când eram tânăr și terminasem școala de inginerie,
01:59
at Cornell in '79, I decided -- I went to work for Intel and
35
94000
4000
Cornell în 1979, am decis să lucrez pentru Intel.
02:03
I was in the computer industry -- and three months into that,
36
98000
3000
Eram în industria computerelor și la trei luni după asta,
02:06
I fell in love with something else, and I said, "I made the wrong career choice here,"
37
101000
4000
m-am îndrăgostit de altceva, și am spus " Am ales cariera greșită aici",
02:10
and I fell in love with brains.
38
105000
3000
și m-am îndrăgostit de creier.
02:13
This is not a real brain. This is a picture of one, a line drawing.
39
108000
3000
Acesta nu este un creier real. Este poza unuia, un desen.
02:16
But I don't remember exactly how it happened,
40
111000
3000
Dar nu-mi aduc aminte cum s-a întâmplat exact,
02:19
but I have one recollection, which was pretty strong in my mind.
41
114000
3000
dar am o amintire, care este foarte vie în mintea mea.
02:22
In September 1979, Scientific American came out
42
117000
3000
În septembrie 1979 a apărut revista Scientific American
02:25
with a single topic issue about the brain. And it was quite good.
43
120000
3000
cu un număr despre un singur subiect: creierul. Și era destul de bun.
02:28
It was one of the best issues ever. And they talked about the neuron
44
123000
3000
A fost unul din cele mai bune numere. Și vorbeau despre neuron
02:31
and development and disease and vision and all the things
45
126000
2000
și dezvoltare și boli și viziune și toate lucrurile
02:33
you might want to know about brains. It was really quite impressive.
46
128000
3000
pe care ai vrea să le știi despre creier. A fost foarte impresionant.
02:36
And one might have the impression that we really knew a lot about brains.
47
131000
3000
Și ați fi putut avea impresia că noi chiar știm multe despre creier.
02:39
But the last article in that issue was written by Francis Crick of DNA fame.
48
134000
4000
Dar ultimul articol din revistă era scris de Francis Crick, vestit pentru ADN.
02:43
Today is, I think, the 50th anniversary of the discovery of DNA.
49
138000
3000
Azi este, cred, a 50-a aniversare a descoperirii [structurii] ADN-ului.
02:46
And he wrote a story basically saying,
50
141000
2000
Și el a scris un articol care spunea de fapt
02:48
well, this is all well and good, but you know what,
51
143000
3000
că este în regulă și este bine, dar știți ceva,
02:51
we don't know diddley squat about brains
52
146000
2000
noi nu știm câtuși de puțin despre creier
02:53
and no one has a clue how these things work,
53
148000
2000
și nimeni n-are vagă idee despre cum funcționează,
02:55
so don't believe what anyone tells you.
54
150000
2000
așa că nu credeți ce vă spune oricine.
02:57
This is a quote from that article. He said, "What is conspicuously lacking,"
55
152000
3000
Ăsta-i un citat din acel articol. El a spus "Ceea ce lipsește în mod vădit,"
03:00
he's a very proper British gentleman so, "What is conspicuously lacking
56
155000
4000
e un adevărat gentleman britanic, așa că "Ceea ce lipsește în mod vădit
03:04
is a broad framework of ideas in which to interpret these different approaches."
57
159000
3000
este un cadru larg de idei în care să interpretăm diferitele abordări."
03:07
I thought the word framework was great.
58
162000
2000
Cuvântul cadru e grozav, mă gândeam.
03:09
He didn't say we didn't even have a theory. He says,
59
164000
2000
El nu spunea că nici măcar nu avem o teorie. El spunea
03:11
we don't even know how to begin to think about it --
60
166000
2000
că nici macar nu știm cum să începem să ne gândim la ea --
03:13
we don't even have a framework.
61
168000
2000
că nici măcar nu avem un cadru.
03:15
We are in the pre-paradigm days, if you want to use Thomas Kuhn.
62
170000
3000
Suntem în zilele pre-paradigmă, dacă vreți să folosiți termenul lui Thomas Kuhn.
03:18
And so I fell in love with this, and said look,
63
173000
3000
Așa că m-am îndrăgostit de asta și mi-am zis,
03:21
we have all this knowledge about brains. How hard can it be?
64
176000
3000
avem toate aceste cunoștințe despre creier. Cât de greu poate fi?
03:24
And this is something we can work on my lifetime. I felt I could make a difference,
65
179000
3000
Iar asta e ceva la care pot lucra toată viața. Simțeam că pot contribui,
03:27
and so I tried to get out of the computer business, into the brain business.
66
182000
4000
și astfel am încercat să ies din afacerea calculatoarelor și să intru în afacerea creierelor
03:31
First, I went to MIT, the AI lab was there,
67
186000
2000
Întâi m-am dus la institutul MIT, la laboratorul de Inteligență Artificială,
03:33
and I said, well, I want to build intelligent machines, too,
68
188000
2000
și le-am zis: și eu vreau să construiesc mașini inteligente,
03:35
but the way I want to do it is to study how brains work first.
69
190000
3000
dar modul în care vreau s-o fac, este să studiez întâi cum lucrează creierul.
03:38
And they said, oh, you don't need to do that.
70
193000
3000
Si ei au spus, oh, nu este nevoie să faci asta.
03:41
We're just going to program computers; that's all we need to do.
71
196000
2000
Noi vom programa calculatoare, asta-i tot ce facem.
03:43
And I said, no, you really ought to study brains. They said, oh, you know,
72
198000
3000
Iar eu am spus, nu, voi ar trebui să studiați creierul. Ei au spus, oh, știi,
03:46
you're wrong. And I said, no, you're wrong, and I didn't get in.
73
201000
2000
tu greșești. Și eu am spus, nu, voi greșiți, și nu am intrat.
03:48
(Laughter)
74
203000
1000
(Râsete)
03:50
But I was a little disappointed -- pretty young -- but I went back again
75
205000
2000
Dar am fost un pic dezamăgit -- destul de tânăr, dar m-am întors
03:52
a few years later and this time was in California, and I went to Berkeley.
76
207000
3000
peste câțiva ani, de data asta în California, și m-am dus la Berkeley.
03:55
And I said, I'll go in from the biological side.
77
210000
4000
Și mi-am spus, voi intra prin partea biologică.
03:59
So I got in -- in the Ph.D. program in biophysics, and I was, all right,
78
214000
3000
Așa că am intrat -- în programul de doctorat în Biofizică, și a fost bine,
04:02
I'm studying brains now, and I said, well, I want to study theory.
79
217000
3000
studiam creierul acum, și am zis, ei bine, vreau să studiez teoria.
04:05
And they said, oh no, you can't study theory about brains.
80
220000
2000
Iar ei au spus, oh nu, nu poți studia teoria despre creier.
04:07
That's not something you do. You can't get funded for that.
81
222000
2000
Asta nu se face. Nu poți primi finanțare pentru asta.
04:09
And as a graduate student, you can't do that. So I said, oh my gosh.
82
224000
4000
Iar ca student doctorand, nu poți face asta. Așa că am zis, oh Doamne!
04:13
I was very depressed. I said, but I can make a difference in this field.
83
228000
2000
Am fost foarte deprimat. Le-am spus: dar pot aduce o contribuție în acest domeniu.
04:15
So what I did is I went back in the computer industry
84
230000
3000
Așa că ce am făcut, m-am întors în industria calculatoarelor
04:18
and said, well, I'll have to work here for a while, do something.
85
233000
2000
și am zis: va trebui să lucrez aici o vreme, să fac ceva.
04:20
That's when I designed all those computer products.
86
235000
3000
Atunci am proiectat acele calculatoare.
04:23
(Laughter)
87
238000
1000
(Râsete)
04:24
And I said, I want to do this for four years, make some money,
88
239000
3000
Vroiam să fac asta patru ani, să strâng niște bani,
04:27
like I was having a family, and I would mature a bit,
89
242000
4000
să am o familie, să mă maturizez un pic,
04:31
and maybe the business of neuroscience would mature a bit.
90
246000
3000
și poate și domeniul științei creierului se va maturiza un pic.
04:34
Well, it took longer than four years. It's been about 16 years.
91
249000
3000
Ei bine, a durat mai mult de 4 ani. Au trecut cam 16 .
04:37
But I'm doing it now, and I'm going to tell you about it.
92
252000
2000
Dar mă ocup de asta acum și vă voi vorbi de ea în continuare.
04:39
So why should we have a good brain theory?
93
254000
3000
Deci de ce avem nevoie de o teorie bună a creierului?
04:42
Well, there's lots of reasons people do science.
94
257000
3000
Sunt multe motive pentru care oamenii se ocupă de știință.
04:45
One is -- the most basic one is -- people like to know things.
95
260000
3000
Unul -- cel mai de bază -- este că oamenilor le place să știe lucruri.
04:48
We're curious, and we just go out and get knowledge, you know?
96
263000
2000
Suntem curioși, pur si simplu ieșim în lume să obținem cunoaștere.
04:50
Why do we study ants? Well, it's interesting.
97
265000
2000
De ce studiem furnicile? Păi, pentru că-i interesant.
04:52
Maybe we'll learn something really useful about it, but it's interesting and fascinating.
98
267000
3000
Poate vom învăța ceva util din asta, dar este interesant și fascinant.
04:55
But sometimes, a science has some other attributes
99
270000
2000
Dar câteodată, o știință are și alte calități
04:57
which makes it really, really interesting.
100
272000
2000
care o fac foarte, foarte interesantă.
04:59
Sometimes a science will tell something about ourselves,
101
274000
3000
Câteodată o știință va spune ceva despre noi înșine,
05:02
it'll tell us who we are.
102
277000
1000
ne va spune cine suntem.
05:03
Rarely, you know: evolution did this and Copernicus did this,
103
278000
3000
Arareori, evoluția a facut asta și Copernic a făcut asta,
05:06
where we have a new understanding of who we are.
104
281000
2000
dobîndim o nouă înțelegere despre cine suntem noi.
05:08
And after all, we are our brains. My brain is talking to your brain.
105
283000
4000
Și la urma urmei, noi suntem creierul nostru. Creierul meu vorbește creierului tău.
05:12
Our bodies are hanging along for the ride, but my brain is talking to your brain.
106
287000
3000
Corpurile noastre sunt și ele pe acolo, dar creierul meu vorbește creierului tău.
05:15
And if we want to understand who we are and how we feel and perceive,
107
290000
3000
Și dacă înțelegem cine suntem și cum simțim și percepem,
05:18
we really understand what brains are.
108
293000
2000
vom înțelege ce este creierul.
05:20
Another thing is sometimes science
109
295000
2000
Un alt lucru este că știința conduce
05:22
leads to really big societal benefits and technologies,
110
297000
2000
câteodată la mari beneficii sociale și tehnologice,
05:24
or businesses, or whatever, that come out of it. And this is one, too,
111
299000
2000
sau de afaceri, sau altceva, care rezultă din ea. Și asta este
05:26
because when we understand how brains work, we're going to be able
112
301000
3000
fiindcă atunci când înțelegem cum lucrează creierul, vom fi în stare
05:29
to build intelligent machines, and I think that's actually a good thing on the whole,
113
304000
3000
să construim mașini inteligente. Iar eu cred că asta este de fapt un lucru bun
05:32
and it's going to have tremendous benefits to society,
114
307000
2000
și va aduce beneficii imense societății,
05:34
just like a fundamental technology.
115
309000
2000
exact ca tehnologia fundamentală.
05:36
So why don't we have a good theory of brains?
116
311000
2000
Deci de ce nu avem o teorie bună a creierului?
05:38
And people have been working on it for 100 years.
117
313000
3000
Iar oamenii lucrează la asta de 100 de ani.
05:41
Well, let's first take a look at what normal science looks like.
118
316000
2000
Întâii să ne uităm cum funcționează știința normală.
05:43
This is normal science.
119
318000
2000
Asta este știința normală.
05:45
Normal science is a nice balance between theory and experimentalists.
120
320000
4000
Știința normală este un frumos echilibru între teorie și experimentatori.
05:49
And so the theorist guys say, well, I think this is what's going on,
121
324000
2000
Teoreticianul spune, păi, eu cred că asta se întâmplă,
05:51
and the experimentalist says, no, you're wrong.
122
326000
2000
și experimentatorul spune, nu, greșești.
05:53
And it goes back and forth, you know?
123
328000
2000
Și tot așa, înainte și înapoi, înțelegeți?
05:55
This works in physics. This works in geology. But if this is normal science,
124
330000
2000
Asta funcționează în fizică și în geologie. Dar dacă asta este știința normală,
05:57
what does neuroscience look like? This is what neuroscience looks like.
125
332000
3000
cum arată știința creierului? Așa arată știința creierului.
06:00
We have this mountain of data, which is anatomy, physiology and behavior.
126
335000
5000
Avem acest munte de date, care provin din anatomie, fiziologie și comportament.
06:05
You can't imagine how much detail we know about brains.
127
340000
3000
Nu vă puteți închipui cât de multe detalii știm despre creier.
06:08
There were 28,000 people who went to the neuroscience conference this year,
128
343000
4000
28000 de oameni au participat la conferințe de știința creierului anul ăsta,
06:12
and every one of them is doing research in brains.
129
347000
2000
și fiecare din ei face cercetare asupra creierului.
06:14
A lot of data. But there's no theory. There's a little, wimpy box on top there.
130
349000
4000
O mulțime de date. Dar nu există nici o teorie. E o cutie mică, anemică acolo în vârf.
06:18
And theory has not played a role in any sort of grand way in the neurosciences.
131
353000
5000
Iar teoria nu a jucat niciun rol major în știința creierului.
06:23
And it's a real shame. Now why has this come about?
132
358000
3000
Și asta-i într-adevăr, păcat. De ce s-a ajuns la asta?
06:26
If you ask neuroscientists, why is this the state of affair,
133
361000
2000
Dacă întrebați cercetători ai sistemului nervos, de ce este asta starea?
06:28
they'll first of all admit it. But if you ask them, they'll say,
134
363000
3000
Ei vor recunoaște întâii. Dar dacă îi întrebați,
06:31
well, there's various reasons we don't have a good brain theory.
135
366000
3000
vor spune că sunt motive diverse pentru care nu avem o teorie bună a creierului.
06:34
Some people say, well, we don't still have enough data,
136
369000
2000
Unii oameni spun că totuși încă nu avem destule date,
06:36
we need to get more information, there's all these things we don't know.
137
371000
3000
trebuie să obținem mai multă informație, mai sunt toate aceste lucruri pe care nu le știm.
06:39
Well, I just told you there's so much data coming out your ears.
138
374000
3000
Ei bine, tocmai v-am spus că există așa de multe date că vă ies pe urechi.
06:42
We have so much information, we don't even know how to begin to organize it.
139
377000
3000
Avem așa de multă informație; nu știm cum să începem s-o organizăm.
06:45
What good is more going to do?
140
380000
2000
La ce ar fi bună și mai multă?
06:47
Maybe we'll be lucky and discover some magic thing, but I don't think so.
141
382000
3000
Poate vom avea noroc să descoperim ceva magic, dar nu cred.
06:50
This is actually a symptom of the fact that we just don't have a theory.
142
385000
3000
Acesta este de fapt un simptom al faptului că încă nu avem o teorie.
06:53
We don't need more data -- we need a good theory about it.
143
388000
3000
Nu avem nevoie de mai multe date -- avem nevoie de o teorie bună despre creier.
06:56
Another one is sometimes people say, well, brains are so complex,
144
391000
3000
Altă dată oamenii spun, păi, creierul este așa de complex,
06:59
it'll take another 50 years.
145
394000
2000
încât ne va lua încă 50 de ani.
07:01
I even think Chris said something like this yesterday.
146
396000
2000
Cred că chiar Chris a zis așa ceva ieri.
07:03
I'm not sure what you said, Chris, but something like,
147
398000
2000
Nu sunt sigur ce ai spus Chris, dar era ceva similar,
07:05
well, it's one of the most complicated things in the universe. That's not true.
148
400000
3000
creierul este cel mai complicat lucru din univers. Asta nu-i adevărat.
07:08
You're more complicated than your brain. You've got a brain.
149
403000
2000
Tu ești mai complicat decât creierul tău. Tu ai creier.
07:10
And it's also, although the brain looks very complicated,
150
405000
2000
Și mai este că, deși creierul arată foarte complicat,
07:12
things look complicated until you understand them.
151
407000
3000
lucrurile par complicate până le înțelegi.
07:15
That's always been the case. And so all we can say, well,
152
410000
3000
Așa a fost întotdeauna. Deci putem zice e că neocortexul meu,
07:18
my neocortex, which is the part of the brain I'm interested in, has 30 billion cells.
153
413000
4000
care-i parte a creierului de care sunt interesat, are 30 de miliarde de celule.
07:22
But, you know what? It's very, very regular.
154
417000
2000
Dar știți ceva? Este foarte, foarte regulat.
07:24
In fact, it looks like it's the same thing repeated over and over and over again.
155
419000
3000
De fapt, arată ca același lucru repetat din nou și din nou.
07:27
It's not as complex as it looks. That's not the issue.
156
422000
3000
Nu este așa de complex cum arată. Nu asta este problema.
07:30
Some people say, brains can't understand brains.
157
425000
2000
Unii oameni spun, creierul nu poate înțelege creierul.
07:32
Very Zen-like. Whoo. (Laughter)
158
427000
3000
Sună a zen. Uau. Știți --
07:35
You know,
159
430000
1000
(Râsete)
07:36
it sounds good, but why? I mean, what's the point?
160
431000
3000
Sună bine, dar de ce? Adică care este sensul?
07:39
It's just a bunch of cells. You understand your liver.
161
434000
3000
Creierul este doar o grămadă de celule. Înțelegi ficatul.
07:42
It's got a lot of cells in it too, right?
162
437000
2000
Și ficatul are o grămadă de celule, corect?
07:44
So, you know, I don't think there's anything to that.
163
439000
2000
Așa că eu nu cred că asta este adevărat.
07:46
And finally, some people say, well, you know,
164
441000
2000
Și în final, unii oameni spun, știți,
07:48
I don't feel like a bunch of cells, you know. I'm conscious.
165
443000
4000
eu nu mă simt ca o grămadă de celule. Eu sunt conștient.
07:52
I've got this experience, I'm in the world, you know.
166
447000
2000
Am această experiență, sunt în lume.
07:54
I can't be just a bunch of cells. Well, you know,
167
449000
2000
Nu pot fi doar o grămadă de celule. Ei bine, știți,
07:56
people used to believe there was a life force to be living,
168
451000
3000
oamenii credeau că există o forță vitală pentru a fi viu,
07:59
and we now know that's really not true at all.
169
454000
2000
iar acum știm că asta nu este deloc adevărat.
08:01
And there's really no evidence that says -- well, other than people
170
456000
3000
Și nu există nici o dovadă care să spună că alții decât oamenii
08:04
just have disbelief that cells can do what they do.
171
459000
2000
ar avea dubii că celulele pot face ceea ce vor ele.
08:06
And so, if some people have fallen into the pit of metaphysical dualism,
172
461000
3000
Așa încât, dacă unii oameni au căzut în capcana dualismului metafizic,
08:09
some really smart people, too, but we can reject all that.
173
464000
3000
chiar și unii oameni foarte deștepți, dar noi putem respinge toate astea.
08:12
(Laughter)
174
467000
2000
(Râsete)
08:14
No, I'm going to tell you there's something else,
175
469000
3000
Nu, vă voi spune că este altceva,
08:17
and it's really fundamental, and this is what it is:
176
472000
2000
și este cu adevărat fundamental, și asta este:
08:19
there's another reason why we don't have a good brain theory,
177
474000
2000
există alt motiv pentru care nu avem o teorie bună a creierului,
08:21
and it's because we have an intuitive, strongly-held,
178
476000
3000
iar asta este fiindcă avem o supoziție intuitivă, foarte puternică,
08:24
but incorrect assumption that has prevented us from seeing the answer.
179
479000
5000
dar incorectă, care ne-a împiedicat să vedem răspunsul.
08:29
There's something we believe that just, it's obvious, but it's wrong.
180
484000
3000
Există o presupunere care ni se pare evidentă, dar e de fapt greșită.
08:32
Now, there's a history of this in science and before I tell you what it is,
181
487000
4000
Există o istorie a acestui lucru în știință și înainte să vă spun ce este,
08:36
I'm going to tell you a bit about the history of it in science.
182
491000
2000
vă voi spune puțin despre istoria lui în știință.
08:38
You look at some other scientific revolutions,
183
493000
2000
Priviți la alte revoluții științifice,
08:40
and this case, I'm talking about the solar system, that's Copernicus,
184
495000
2000
și în acest caz, vorbesc despre sistemul solar, adică Copernic,
08:42
Darwin's evolution, and tectonic plates, that's Wegener.
185
497000
3000
teoria evoluției al lui Darwin, și plăcile tectonice ale lui Wegener.
08:45
They all have a lot in common with brain science.
186
500000
3000
Acestea toate au multe în comun cu știința creierului.
08:48
First of all, they had a lot of unexplained data. A lot of it.
187
503000
3000
La început au avut o mulțime de date neexplicate. O mulțime.
08:51
But it got more manageable once they had a theory.
188
506000
3000
Dar au devenit mai ușor de gestionat odată ce au avut o teorie.
08:54
The best minds were stumped -- really, really smart people.
189
509000
3000
Cele mai bune minți erau puse în încurcătură, oameni inteligenți.
08:57
We're not smarter now than they were then.
190
512000
2000
Nu suntem acum mai deștepți decât erau ei atunci.
08:59
It just turns out it's really hard to think of things,
191
514000
2000
Se pare însă că este foarte greu să gândești la lucruri,
09:01
but once you've thought of them, it's kind of easy to understand it.
192
516000
2000
dar odată ce te-ai gândit, este mai ușor să le înțelegi.
09:03
My daughters understood these three theories
193
518000
2000
Fiicele mele au înțeles aceste trei teorii
09:05
in their basic framework by the time they were in kindergarten.
194
520000
3000
în forma lor de bază pe când erau în grădiniță.
09:08
And now it's not that hard, you know, here's the apple, here's the orange,
195
523000
3000
Și acum nu-i așa de greu, știți, aici este mărul, aici portocala,
09:11
you know, the Earth goes around, that kind of stuff.
196
526000
3000
Pământul se învârtește, acest tip de lucruri.
09:14
Finally, another thing is the answer was there all along,
197
529000
2000
În final, un alt lucru este că răspunsul a fost acolo tot timpul,
09:16
but we kind of ignored it because of this obvious thing, and that's the thing.
198
531000
3000
dar l-am ignorat din cauza acestei erori intuitive care părea evident corectă.
09:19
It was an intuitive, strong-held belief that was wrong.
199
534000
3000
Era o convingere intuitivă, puternică care era greșită. Aici e cheia.
09:22
In the case of the solar system, the idea that the Earth is spinning
200
537000
3000
În cazul sistemului solar, idea că Pământul se învârte
09:25
and the surface of the Earth is going like a thousand miles an hour,
201
540000
3000
și suprafața Pământului se mișcă cu 1.000 mile/oră,
09:28
and the Earth is going through the solar system about a million miles an hour.
202
543000
3000
și Pământul se rotește în sistemul solar cu aprox. 1.000.000 mile/oră.
09:31
This is lunacy. We all know the Earth isn't moving.
203
546000
2000
Asta-i nebunie. Știm cu toții că Pământul nu se mișcă.
09:33
Do you feel like you're moving a thousand miles an hour?
204
548000
2000
Simțiți că vă deplasați cu 1.000 mile/ oră?
09:35
Of course not. You know, and someone who said,
205
550000
2000
Deigur că nu. Știți, dacă cineva ar fi spus,
09:37
well, it was spinning around in space and it's so huge,
206
552000
2000
că Pământul se învârte și este așa de imens,
09:39
they would lock you up, and that's what they did back then.
207
554000
2000
l-ar fi închis, și chiar asta au și făcut pe atunci.
09:41
(Laughter)
208
556000
1000
(Râsete)
09:42
So it was intuitive and obvious. Now what about evolution?
209
557000
3000
Deci era intuitiv și evident. Acum, despre evoluție.
09:45
Evolution's the same thing. We taught our kids, well, the Bible says,
210
560000
3000
Povestea evoluției e la fel. I-am învățat pe copiii noștri cum zice Biblia,
09:48
you know, God created all these species, cats are cats, dogs are dogs,
211
563000
2000
Dumnezeu a creat toate speciile, pisicile sunt pisici, câini sunt câini,
09:50
people are people, plants are plants, they don't change.
212
565000
3000
oamenii sunt oameni, plantele plante, nu se schimbă.
09:53
Noah put them on the Ark in that order, blah, blah, blah. And, you know,
213
568000
4000
Noe i-a pus în arca lui în acea ordine, bla, bla, bla.
09:57
the fact is, if you believe in evolution, we all have a common ancestor,
214
572000
4000
Adevărul este că, dacă credeți în evoluție, noi toți avem un strămoș comun,
10:01
and we all have a common ancestry with the plant in the lobby.
215
576000
3000
și avem un stămoș comun cu planta din hol.
10:04
This is what evolution tells us. And, it's true. It's kind of unbelievable.
216
579000
3000
Asta ne spune evoluția. Și este adevărat. Pare de necrezut.
10:07
And the same thing about tectonic plates, you know?
217
582000
3000
Același lucru despre plăcile tectonice.
10:10
All the mountains and the continents are kind of floating around
218
585000
2000
Toți munții și continentele plutesc în jur
10:12
on top of the Earth, you know? It's like, it doesn't make any sense.
219
587000
4000
pe suprafața Pământului. Pare că n-are niciun sens.
10:16
So what is the intuitive, but incorrect assumption,
220
591000
4000
Deci care este presupunerea intuitivă, dar incorectă
10:20
that's kept us from understanding brains?
221
595000
2000
care ne-a ținut în urmă în înțelegerea creierului?
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
Acum o voi spune și va fi evident că este corectă,
10:24
and that's the point, right? Then I'm going to have to make an argument
223
599000
2000
și asta-i tocmai esența, corect? Apoi voi argumenta
10:26
why you're incorrect about the other assumption.
224
601000
2000
de ce nu aveți dreptate despre cealaltă presupunere.
10:28
The intuitive but obvious thing is that somehow intelligence
225
603000
3000
Lucrul intuitiv dar evident este că inteligența este cumva
10:31
is defined by behavior,
226
606000
2000
definită de comportamentul nostru.
10:33
that we are intelligent because of the way that we do things
227
608000
2000
că suntem inteligenți din cauza modului în care facem lucrurile
10:35
and the way we behave intelligently, and I'm going to tell you that's wrong.
228
610000
3000
și a modului în care ne comportăm inteligent, și vă voi spune că e greșit.
10:38
What it is is intelligence is defined by prediction.
229
613000
2000
De fapt inteligența este definită de prezicere.
10:40
And I'm going to work you through this in a few slides here,
230
615000
3000
Și vă voi trece prin câteva imagini aici,
10:43
give you an example of what this means. Here's a system.
231
618000
4000
vă voi da un exemplu. Iată un sistem.
10:47
Engineers like to look at systems like this. Scientists like to look at systems like this.
232
622000
3000
Inginerilor și oamenilor de știință le place să se uite la sisteme ca acesta.
10:50
They say, well, we have a thing in a box, and we have its inputs and its outputs.
233
625000
3000
Ei spun: ei bine, avem un lucru într-o cutie și avem intrările și ieșirile.
10:53
The AI people said, well, the thing in the box is a programmable computer
234
628000
3000
Cei de la AI (inteligența artificială) spun că lucrul din cutie este un calculator programabil,
10:56
because that's equivalent to a brain, and we'll feed it some inputs
235
631000
2000
fiindcă asta este echivalent unui creier, și vom alimenta niște intrări
10:58
and we'll get it to do something, have some behavior.
236
633000
2000
și-l vom determina să facă ceva, să aibă o anumită comportare.
11:00
And Alan Turing defined the Turing test, which is essentially saying,
237
635000
3000
Iar Alan Turing a definit testul Turing, care spune în esență că
11:03
we'll know if something's intelligent if it behaves identical to a human.
238
638000
3000
vom ști dacă ceva este inteligent, dacă se comportă identic cu un om.
11:06
A behavioral metric of what intelligence is,
239
641000
3000
O metrică comportamentală a inteligenței,
11:09
and this has stuck in our minds for a long period of time.
240
644000
3000
și asta ne-a blocat înțelegerea pentru mult timp.
11:12
Reality though, I call it real intelligence.
241
647000
2000
În realitate însă eu o numesc inteligență reală.
11:14
Real intelligence is built on something else.
242
649000
2000
Inteligența reală este construită pe altceva.
11:16
We experience the world through a sequence of patterns, and we store them,
243
651000
4000
Cunoaștem lumea printr-o secvență de tipare, le stocăm,
11:20
and we recall them. And when we recall them, we match them up
244
655000
3000
și le readucem din memorie. Iar când le accesăm, le comparăm
11:23
against reality, and we're making predictions all the time.
245
658000
4000
cu realitatea, și facem predicții tot timpul.
11:27
It's an eternal metric. There's an eternal metric about us sort of saying,
246
662000
3000
E o metrică eternă. E o metrică eternă despre noi, care parcă spune:
11:30
do we understand the world? Am I making predictions? And so on.
247
665000
3000
Înțelegem lumea? Fac eu predicții? Ș.a.m.d.
11:33
You're all being intelligent right now, but you're not doing anything.
248
668000
2000
Toți sunteți inteligenți chiar acum, dar nu faceți ceva deosebit pentru asta.
11:35
Maybe you're scratching yourself, or picking your nose,
249
670000
2000
Poate vă scărpinați, sau vă scobiți nasul,
11:37
I don't know, but you're not doing anything right now,
250
672000
2000
nu știu, dar nu faceți ceva deosebit chiar acum,
11:39
but you're being intelligent; you're understanding what I'm saying.
251
674000
3000
dar fiind inteligenți, voi înțelegeți ceea ce spun.
11:42
Because you're intelligent and you speak English,
252
677000
2000
Fiindcă sunteți inteligenți și vorbiți engleza,
11:44
you know what word is at the end of this -- (Silence)
253
679000
1000
voi știți ce cuvânt este la sfârșitul acestei -- (Liniște)
11:45
sentence.
254
680000
2000
fraze.
11:47
The word came into you, and you're making these predictions all the time.
255
682000
3000
Cuvântul v-a venit în minte, și faceți aceste predicții tot timpul.
11:50
And then, what I'm saying is,
256
685000
2000
Ceea ce spun este că
11:52
is that the eternal prediction is the output in the neocortex.
257
687000
2000
prezicerea eternă este concluzia neocortexului.
11:54
And that somehow, prediction leads to intelligent behavior.
258
689000
3000
Și cumva această prezicere duce la comportare inteligentă.
11:57
And here's how that happens. Let's start with a non-intelligent brain.
259
692000
3000
Și iată cum se întâmplă. Să pornim cu creierele non-inteligente.
12:00
Well I'll argue a non-intelligent brain, we got hold of an old brain,
260
695000
4000
Voi vorbi despre un creier non-inteligent, un creier vechi,
12:04
and we're going to say it's like a non-mammal, like a reptile,
261
699000
3000
să zicem că este al unui non-mamifer, al unei reptile,
12:07
so I'll say, an alligator; we have an alligator.
262
702000
2000
să zicem un aligator, avem un aligator.
12:09
And the alligator has some very sophisticated senses.
263
704000
3000
Iar aligatorul are niște simțuri foarte sofisticate.
12:12
It's got good eyes and ears and touch senses and so on,
264
707000
3000
Are ochi și urechi bune și simțuri tactile și așa mai departe,
12:15
a mouth and a nose. It has very complex behavior.
265
710000
4000
o gură și un nas. Are o comportare foarte complexă.
12:19
It can run and hide. It has fears and emotions. It can eat you, you know.
266
714000
4000
Poate fugi și se poate ascunde. Are temeri si emoții. Vă poate mânca.
12:23
It can attack. It can do all kinds of stuff.
267
718000
4000
Poate ataca. Poate face tot felul de lucruri.
12:27
But we don't consider the alligator very intelligent, not like in a human sort of way.
268
722000
5000
Dar nu considerăm un aligator inteligent, cel puțin nu într-un mod uman.
12:32
But it has all this complex behavior already.
269
727000
2000
Dar are deja această comportare complexă.
12:34
Now, in evolution, what happened?
270
729000
2000
Acum, ce s-a întâmplat în evoluție?
12:36
First thing that happened in evolution with mammals,
271
731000
3000
Primul lucru care s-a întâmplat la evoluția mamiferelor
12:39
we started to develop a thing called the neocortex.
272
734000
2000
am început să dezvoltăm un lucru numit neocortex.
12:41
And I'm going to represent the neocortex here,
273
736000
2000
Și voi reprezenta neocortexul aici,
12:43
by this box that's sticking on top of the old brain.
274
738000
2000
prin această cutie lipită deasupra vechiului creier.
12:45
Neocortex means new layer. It is a new layer on top of your brain.
275
740000
3000
Neocortex însemnă = strat nou. E un strat nou peste creier.
12:48
If you don't know it, it's the wrinkly thing on the top of your head that,
276
743000
3000
Dacă nu-l știți, e partea încrețită din vârful capului,
12:51
it's got wrinkly because it got shoved in there and doesn't fit.
277
746000
3000
care s-a încrețit fiindcă a fost înghesuită acolo și nu a încăput.
12:54
(Laughter)
278
749000
1000
(Râsete)
12:55
No, really, that's what it is. It's about the size of a table napkin.
279
750000
2000
Nu, pe bune, așa este. Este cam de mărimea unui șervet de masă.
12:57
And it doesn't fit, so it gets all wrinkly. Now look at how I've drawn this here.
280
752000
3000
Nu încape, așa că-i plin de cute [circumvoluțiuni], cum am desenat aici.
13:00
The old brain is still there. You still have that alligator brain.
281
755000
4000
Vechiul creier este încă acolo. Mai aveți creierul de aligator.
13:04
You do. It's your emotional brain.
282
759000
2000
Îl aveți. Este creierul emoțional.
13:06
It's all those things, and all those gut reactions you have.
283
761000
3000
Sunt toate acele lucruri și toate reacțiile instinctive pe care le aveți.
13:09
And on top of it, we have this memory system called the neocortex.
284
764000
3000
Iar deasupra lui avem acest sistem de memorie, numit neocortex.
13:12
And the memory system is sitting over the sensory part of the brain.
285
767000
4000
Și sistemul de memorie stă deasupra părții senzoriale a creierului.
13:16
And so as the sensory input comes in and feeds from the old brain,
286
771000
3000
Pe măsură ce vin intrările senzoriale și semnalele din creierul vechi,
13:19
it also goes up into the neocortex. And the neocortex is just memorizing.
287
774000
4000
ele se duc și sus în neocortex. Iar neocortexul doar memorează.
13:23
It's sitting there saying, ah, I'm going to memorize all the things that are going on:
288
778000
4000
Stă acolo spunând: voi memora toate lucrurile care se întâmplă,
13:27
where I've been, people I've seen, things I've heard, and so on.
289
782000
2000
unde am fost, oamenii pe care i-am văzut, lucrurile care le-am auzit, ș.a.m.d.
13:29
And in the future, when it sees something similar to that again,
290
784000
4000
Iar în viitor, când vede din nou ceva similar,
13:33
so in a similar environment, or the exact same environment,
291
788000
3000
deci intr-un mediu similar, sau în exact același mediu,
13:36
it'll play it back. It'll start playing it back.
292
791000
2000
îl redă. Va începe să-l redea.
13:38
Oh, I've been here before. And when you've been here before,
293
793000
2000
Oh, am mai fost aici. Și când ați mai fost aici înainte,
13:40
this happened next. It allows you to predict the future.
294
795000
3000
asta s-a întâmplat în continuare. Vă permite să preziceți viitorul.
13:43
It allows you to, literally it feeds back the signals into your brain;
295
798000
4000
În mod concret redă semnalele în creier și astfel vă permite
13:47
they'll let you see what's going to happen next,
296
802000
2000
să vedeți ce se va întâmpla în continuare,
13:49
will let you hear the word "sentence" before I said it.
297
804000
3000
să auziți cuvântul "frază" înainte ca eu să-l fi spus.
13:52
And it's this feeding back into the old brain
298
807000
3000
Și acest feedback spre creierul vechi
13:55
that'll allow you to make very more intelligent decisions.
299
810000
3000
vă permite să luați decizii mult mai inteligente.
13:58
This is the most important slide of my talk, so I'll dwell on it a little bit.
300
813000
3000
Asta-i cea mai importantă imagine din dicurs, așa că o voi explica puțin.
14:01
And so, all the time you say, oh, I can predict the things.
301
816000
4000
Așa că tot timpul spuneți, oh, eu pot prezice lucrurile.
14:05
And if you're a rat and you go through a maze, and then you learn the maze,
302
820000
3000
Dacă sunteți un șobolan și mergeți printr-un labirint, și apoi învățați labirintul,
14:08
the next time you're in a maze, you have the same behavior,
303
823000
2000
data următoare când sunteți în labirint, aveți aceeași comportare,
14:10
but all of a sudden, you're smarter
304
825000
2000
dar brusc, deodată sunteți mai deștept,
14:12
because you say, oh, I recognize this maze, I know which way to go,
305
827000
3000
fiindcă spuneți, oh, eu recunosc acest labirint, știu încotro să merg,
14:15
I've been here before, I can envision the future. And that's what it's doing.
306
830000
3000
am mai fost aici înainte, pot prevedea viitorul. Și asta-i ce face.
14:18
In humans -- by the way, this is true for all mammals;
307
833000
3000
La oameni, și apropo, e adevărat pentru toate mamiferele,
14:21
it's true for other mammals -- and in humans, it got a lot worse.
308
836000
2000
la oameni a devenit mult mai serios.
14:23
In humans, we actually developed the front part of the neocortex
309
838000
3000
În oameni, noi am dezvoltat partea frontală a neocortexului,
14:26
called the anterior part of the neocortex. And nature did a little trick.
310
841000
4000
numită partea anterioară. Iar natura a făcut un mic truc.
14:30
It copied the posterior part, the back part, which is sensory,
311
845000
2000
A copiat partea posterioară, din spate, care este senzorială,
14:32
and put it in the front part.
312
847000
2000
și a pus-o în partea din față.
14:34
And humans uniquely have the same mechanism on the front,
313
849000
2000
Și oamenii au în mod unic același mecanism în partea frontală,
14:36
but we use it for motor control.
314
851000
2000
dar noi îl folosim pentru controlul mișcării.
14:38
So we are now able to make very sophisticated motor planning, things like that.
315
853000
3000
Așa că acum suntem în stare să planificăm mișcări sofisticate.
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
N-am timp să detaliez, dar dacă vreți să înțelegeți cum funcționează creierul,
14:44
you have to understand how the first part of the mammalian neocortex works,
317
859000
3000
trebuie să înțelegeți cum funcționează prima parte a neocortexului mamifer,
14:47
how it is we store patterns and make predictions.
318
862000
2000
cum stocăm tiparele și cum facem predicții.
14:49
So let me give you a few examples of predictions.
319
864000
3000
Să vă dau câteva exemple de predicții.
14:52
I already said the word "sentence." In music,
320
867000
2000
V-am spus deja cuvântul de la sfârșitul frazei. În muzică,
14:54
if you've heard a song before, if you heard Jill sing those songs before,
321
869000
3000
dacă ați auzit un cântec înainte, dacă ați mai auzit-o pe Jill cântând acele cântece,
14:57
when she sings them, the next note pops into your head already --
322
872000
3000
când le cântă, următoarea notă apare în capul vostru imediat --
15:00
you anticipate it as you're going. If it was an album of music,
323
875000
2000
anticipați cântecul pe măsură ce-l auziți. Dacă ar fi un album muzical,
15:02
the end of one album, the next song pops into your head.
324
877000
3000
la sfârșitul unei piese, următoarea piesă apare în capul vostru.
15:05
And these things happen all the time. You're making these predictions.
325
880000
2000
Și aceste lucruri se întâmplă tot timpul. Faceți aceste predicții.
15:07
I have this thing called the altered door thought experiment.
326
882000
3000
Am numit acest lucru experimentul ușii modificate.
15:10
And the altered door thought experiment says, you have a door at home,
327
885000
3000
Iar experimentul ușii modificate spune: aveți o ușă acasă,
15:13
and when you're here, I'm changing it, I've got a guy
328
888000
3000
și în timp ce sunteți aici, eu o modific, am un tip
15:16
back at your house right now, moving the door around,
329
891000
2000
acasă la voi chiar acum, modificând ușa,
15:18
and they're going to take your doorknob and move it over two inches.
330
893000
2000
și ei vor muta clanța ușii cu vreo cinci centimetri.
15:20
And when you go home tonight, you're going to put your hand out there,
331
895000
2000
Și când ajungeți acasă deseară, veți pune mâna acolo,
15:22
and you're going to reach for the doorknob and you're going to notice
332
897000
2000
veți întinde mâna spre clanță și veți observa
15:24
it's in the wrong spot, and you'll go, whoa, something happened.
333
899000
3000
că este în alt loc, și veți înțelege că s-a întâmplat ceva.
15:27
It may take a second to figure out what it was, but something happened.
334
902000
2000
Poate lua o secundă până înțelegeți ce s-a întâmplat, dar ceva s-a întâmplat.
15:29
Now I could change your doorknob in other ways.
335
904000
2000
Aș putea modifica clanța și în alte moduri.
15:31
I can make it larger or smaller, I can change its brass to silver,
336
906000
2000
Pot s-o fac mai mare sau mai mică, pot s-o schimb din bronz în argint,
15:33
I could make it a lever. I can change your door, put colors on;
337
908000
2000
pot s-o fac de tip mâner. Pot să vă schimb ușa, s-o colorez,
15:35
I can put windows in. I can change a thousand things about your door,
338
910000
3000
pot să-i pun fereastră. Pot schimba o mie de lucruri la ușa voastră,
15:38
and in the two seconds you take to open your door,
339
913000
2000
și în cele două secunde necesare ca să deschideți ușa,
15:40
you're going to notice that something has changed.
340
915000
3000
veți observa că ceva s-a modificat.
15:43
Now, the engineering approach to this, the AI approach to this,
341
918000
2000
Acum, modul ingineresc de abordare, modul AI,
15:45
is to build a door database. It has all the door attributes.
342
920000
3000
e să construiască o bază de date a ușii, cu toate atributele ușii.
15:48
And as you go up to the door, you know, let's check them off one at time.
343
923000
3000
Și când mergeți la ușă, le veți verifica una câte una, pe rând.
15:51
Door, door, door, you know, color, you know what I'm saying.
344
926000
2000
Ușă, ușă, ușă, culoare, înțelegeți ce spun.
15:53
We don't do that. Your brain doesn't do that.
345
928000
2000
Noi nu facem așa. Creierul vostru nu face asta.
15:55
What your brain is doing is making constant predictions all the time
346
930000
2000
Creierul vostru face predicții constante tot timpul
15:57
about what is going to happen in your environment.
347
932000
2000
despre ce se va întâmpla în mediul înconjurător.
15:59
As I put my hand on this table, I expect to feel it stop.
348
934000
3000
Când pun mâna pe această masă, mă aștept să simt că se oprește.
16:02
When I walk, every step, if I missed it by an eighth of an inch,
349
937000
3000
Când mă plimb, la fiecare pas, dacă greșesc pasul cu trei milimetri,
16:05
I'll know something has changed.
350
940000
2000
voi ști că ceva s-a modificat.
16:07
You're constantly making predictions about your environment.
351
942000
2000
Faceți în mod constant predicții despre mediul vostru.
16:09
I'll talk about vision here briefly. This is a picture of a woman.
352
944000
3000
Voi vorbi pe scurt despre vedere. Asta-i poza unei femei.
16:12
And when you look at people, your eyes are caught
353
947000
2000
Și când vă uitați la oameni, ochii voștri se mișcă
16:14
over at two to three times a second.
354
949000
1000
de 2-3 ori pe secundă.
16:15
You're not aware of this, but your eyes are always moving.
355
950000
2000
Nu sunteți conștienți de asta, dar ochii voștri se mișcă continuu.
16:17
And so when you look at someone's face,
356
952000
2000
Și când vă uitați la fața cuiva,
16:19
you'd typically go from eye to eye to eye to nose to mouth.
357
954000
2000
în mod tipic mergeți de la un ochi la altul, apoi la nas, apoi la gură.
16:21
Now, when your eye moves from eye to eye,
358
956000
2000
Acum, când ochiul vostru se duce de la ochi la ochi,
16:23
if there was something else there like, a nose,
359
958000
2000
dacă ar fi fost altceva acolo, să zicem un nas,
16:25
you'd see a nose where an eye is supposed to be,
360
960000
2000
ați vedea un nas acolo unde ar trebui să fie un ochi,
16:27
and you'd go, oh shit, you know --
361
962000
3000
și ați spune: ei drăcie, --
16:30
(Laughter)
362
965000
1000
(Râsete)
16:31
There's something wrong about this person.
363
966000
2000
Ceva nu-i în regulă cu această persoană.
16:33
And that's because you're making a prediction.
364
968000
2000
Și asta fiindcă faceți predicții.
16:35
It's not like you just look over there and say, what am I seeing now?
365
970000
2000
Nu e doar ca și cum ați privi acolo și ați spune : ce văd acum?
16:37
A nose, that's okay. No, you have an expectation of what you're going to see.
366
972000
3000
Un nas, e în regulă. Nu, aveți o așteptare a ceea ce veți vedea.
16:40
(Laughter)
367
975000
1000
(Râsete)
16:41
Every single moment. And finally, let's think about how we test intelligence.
368
976000
4000
În fiecare moment. Și în final, să ne gândim cum testăm inteligența.
16:45
We test it by prediction. What is the next word in this, you know?
369
980000
3000
O testăm prin predicții. Care este următorul cuvânt în acest șir ?
16:48
This is to this as this is to this. What is the next number in this sentence?
370
983000
3000
Ce element lipsește? Care este următorul număr în această secvență?
16:51
Here's three visions of an object.
371
986000
2000
Iată trei imagini ale unui obiect. Care-i a patra?
16:53
What's the fourth one? That's how we test it. It's all about prediction.
372
988000
4000
Așa testăm inteligența. Totul se reduce la predicții.
16:57
So what is the recipe for brain theory?
373
992000
3000
Deci care este rețeta pentru teoria creierului?
17:00
First of all, we have to have the right framework.
374
995000
3000
În primul rând, trebuie să avem un context potrivit.
17:03
And the framework is a memory framework,
375
998000
2000
Și contextul este unul de memorie,
17:05
not a computation or behavior framework. It's a memory framework.
376
1000000
2000
nu de calcul sau comportare. E un context de memorie.
17:07
How do you store and recall these sequences or patterns? It's spatio-temporal patterns.
377
1002000
4000
Cum stocați și accesați aceste secvențe sau modele spațio-temporale?
17:11
Then, if in that framework, you take a bunch of theoreticians.
378
1006000
3000
Atunci, dacă acela-i contextul, să consultăm o mulțime de teoreticieni.
17:14
Now biologists generally are not good theoreticians.
379
1009000
2000
Acum, biologii în general nu sunt buni teoreticieni.
17:16
It's not always true, but in general, there's not a good history of theory in biology.
380
1011000
4000
Nu-i întotdeauna adevărat, dar în general, nu există o istorie bună a teoriei în biologie.
17:20
So I found the best people to work with are physicists,
381
1015000
3000
Așa că am concluzionat că cei mai buni oameni cu care să lucrez sunt
17:23
engineers and mathematicians, who tend to think algorithmically.
382
1018000
3000
fizicienii, inginerii și matematicienii, care tind să gândească algoritmic.
17:26
Then they have to learn the anatomy, and they've got to learn the physiology.
383
1021000
3000
Apoi ei trebuie să învețe anatomia și fiziologia.
17:29
You have to make these theories very realistic in anatomical terms.
384
1024000
4000
Trebuie să faci aceste teorii foarte realiste în termeni anatomici.
17:33
Anyone who gets up and tells you their theory about how the brain works
385
1028000
4000
Oricine își prezintă teoria despre funcționarea creierului
17:37
and doesn't tell you exactly how it's working in the brain
386
1032000
2000
și nu vă spune exact cum lucrează teoria în creier
17:39
and how the wiring works in the brain, it is not a theory.
387
1034000
2000
și cum lucrează conexiunile din creier, nu este o teorie.
17:41
And that's what we're doing at the Redwood Neuroscience Institute.
388
1036000
3000
Și asta facem noi la Institutul de Neuroștiință Redwood.
17:44
I would love to have more time to tell you we're making fantastic progress in this thing,
389
1039000
4000
Aș vrea să am mai mult timp să vă spun cât de fantastic progresăm
17:48
and I expect to be back up on this stage,
390
1043000
2000
și mă aștept să revin pe această scenă,
17:50
maybe this will be some other time in the not too distant future and tell you about it.
391
1045000
2000
poate în viitorul nu prea îndepărtat și să vă vorbesc despre asta.
17:52
I'm really, really excited. This is not going to take 50 years at all.
392
1047000
3000
Sunt foarte, foarte entuziasmat. Asta nu va dura deloc 50 de ani.
17:55
So what will brain theory look like?
393
1050000
2000
Deci cum va arăta teoria creierului?
17:57
First of all, it's going to be a theory about memory.
394
1052000
2000
Întâi, va fi o teorie despre memorie.
17:59
Not like computer memory. It's not at all like computer memory.
395
1054000
3000
Nu ca memoria din calculatoare. Nu e deloc ca memoria calculatoarelor.
18:02
It's very, very different. And it's a memory of these very
396
1057000
2000
E foarte diferită. Și este o memorie a acestor modele imense,
18:04
high-dimensional patterns, like the things that come from your eyes.
397
1059000
3000
multi-dimensionale, ca informațiile care vin de la ochii noștri.
18:07
It's also memory of sequences.
398
1062000
2000
Este deasemenea o memorie a secvențelor.
18:09
You cannot learn or recall anything outside of a sequence.
399
1064000
2000
Nu puteți învăța sau reaccesa ceva în afara unei secvențe.
18:11
A song must be heard in sequence over time,
400
1066000
3000
Un cântec trebuie ascultat în secvență, în timp,
18:14
and you must play it back in sequence over time.
401
1069000
3000
și trebuie redat în secvență, în timp.
18:17
And these sequences are auto-associatively recalled, so if I see something,
402
1072000
3000
Iar aceste secvențe sunt redate auto-asociativ, așa că dacă văd ceva,
18:20
I hear something, it reminds me of it, and then it plays back automatically.
403
1075000
3000
aud ceva, îmi reamintește de el și apoi este redat în mod automat.
18:23
It's an automatic playback. And prediction of future inputs is the desired output.
404
1078000
4000
E o redare automată. Predicția unor viitoare intrări este rezultatul dorit.
18:27
And as I said, the theory must be biologically accurate,
405
1082000
3000
Teoria trebuie să fie precisă din punct de vedere biologic,
18:30
it must be testable, and you must be able to build it.
406
1085000
2000
trebuie să fie testabilă și trebuie să poată fi construită.
18:32
If you don't build it, you don't understand it. So, one more slide here.
407
1087000
4000
Dacă nu o construiești, nu o înțelegi. Deci, încă o imagine aici.
18:36
What is this going to result in? Are we going to really build intelligent machines?
408
1091000
4000
Care va fi rezultatul? Chiar vom construi mașini inteligente?
18:40
Absolutely. And it's going to be different than people think.
409
1095000
4000
Absolut. Și va fi diferit de ceea ce cred oamenii.
18:44
No doubt that it's going to happen, in my mind.
410
1099000
3000
Nici o îndoială că se va întâmpla.
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
În primul rând, va fi construit, o vom face din siliciu.
18:51
The same techniques we use for building silicon computer memories,
412
1106000
3000
Aceleași tehnici pentru construirea memoriilor de siliciu în calculatoare,
18:54
we can use for here.
413
1109000
1000
le putem folosi aici.
18:55
But they're very different types of memories.
414
1110000
2000
Dar ele sunt tipuri de memorie foarte diferite.
18:57
And we're going to attach these memories to sensors,
415
1112000
2000
Și vom atașa aceste memorii la senzori,
18:59
and the sensors will experience real-live, real-world data,
416
1114000
3000
iar senzorii vor colecta în timp real date din lumea reală,
19:02
and these things are going to learn about their environment.
417
1117000
2000
și aceste sisteme vor învăța despre mediul înconjurător.
19:04
Now it's very unlikely the first things you're going to see are like robots.
418
1119000
3000
E improbabil ca primele realizări pe care le veți vedea să fie roboți.
19:07
Not that robots aren't useful and people can build robots.
419
1122000
3000
Nu că roboții n-ar fi utili, oamenii pot construi roboți.
19:10
But the robotics part is the hardest part. That's the old brain. That's really hard.
420
1125000
4000
Dar partea robotică e cea mai grea. Ăsta-i creierul vechi. Asta-i greu.
19:14
The new brain is actually kind of easier than the old brain.
421
1129000
2000
Noul creier este de fapt mai ușor decât cel vechi.
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
Primele lucruri pe care le vom face vor fi cele ce nu necesită multă robotică.
19:19
So you're not going to see C-3PO.
423
1134000
2000
Așa că nu-l veți vedea pe C-3PO [micul robot din Războiul Stelelor].
19:21
You're going to more see things like, you know, intelligent cars
424
1136000
2000
Mai degrabă veți vedea lucruri ca automobile inteligente
19:23
that really understand what traffic is and what driving is
425
1138000
3000
care chiar înțeleg ce este traficul și conducerea,
19:26
and have learned that certain types of cars with the blinkers on for half a minute
426
1141000
3000
și care au învățat că anumite mașini cu semnalizatoare aprinse
19:29
probably aren't going to turn, things like that.
427
1144000
2000
mai mult de 1/2 minut, probabil nu vor vira totuși.
19:31
(Laughter)
428
1146000
1000
(Râsete)
19:32
We can also do intelligent security systems.
429
1147000
2000
Putem face și sisteme de securitate inteligente.
19:34
Anywhere where we're basically using our brain, but not doing a lot of mechanics.
430
1149000
4000
Oriunde ne folosim creierul, dar nu facem multă mecanică.
19:38
Those are the things that are going to happen first.
431
1153000
2000
Acele lucruri se vor întâmpla întâi.
19:40
But ultimately, the world's the limit here.
432
1155000
2000
Dar în fond, nu avem limite aici.
19:42
I don't know how this is going to turn out.
433
1157000
2000
Nu știu cum va ieși asta.
19:44
I know a lot of people who invented the microprocessor
434
1159000
2000
Știu multă lume care a inventat microprocesorul
19:46
and if you talk to them, they knew what they were doing was really significant,
435
1161000
5000
ei știau că ceea ce-au făcut era cu adevărat semnificativ,
19:51
but they didn't really know what was going to happen.
436
1166000
3000
dar nu prea știau cu exactitate ce se va întâmpla.
19:54
They couldn't anticipate cell phones and the Internet and all this kind of stuff.
437
1169000
5000
Nu au putut anticipa telefoanele celulare și Internetul.
19:59
They just knew like, hey, they were going to build calculators
438
1174000
2000
Ei știau doar că, hei, se vor construi calculatoare
20:01
and traffic light controllers. But it's going to be big.
439
1176000
2000
și controloare pentru luminile de trafic. Dar va fi ceva măreț.
20:03
In the same way, this is like brain science and these memories
440
1178000
3000
În același mod, știința creierului și aceste memorii
20:06
are going to be a very fundamental technology, and it's going to lead
441
1181000
3000
vor fi tehnologii absolut fundamentale și vor conduce
20:09
to very unbelievable changes in the next 100 years.
442
1184000
3000
la schimbări incredibile în următorii 100 de ani.
20:12
And I'm most excited about how we're going to use them in science.
443
1187000
4000
Și sunt foarte entuziasmat pentru modul în care le vom folosi în știință.
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
Cred că s-a terminat timpul meu și-mi închei discursul
20:19
right there.
445
1194000
1000
chiar aici.
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