TEDGlobal 2007
Kwabena Boahen: A computer that works like the brain
Kwabena Boahen despre un calculator care funcționează asemănător creierului
Filmed:
Readability: 4.2
718,375 views
Cercetătorul Kwabena Boahen se află în căutarea unor modalități de a imita pe suport de siliciu uimitoarea capacitate de procesare a creierului -- asta pentru că redundantele și dezordonatele procese din creier formează de fapt un calculator de mici dimensiuni, ușor, dar și uimitor de rapid.
Kwabena Boahen - Bioengineer
Kwabena Boahen wants to understand how brains work -- and to build a computer that works like the brain by reverse-engineering the nervous system. His group at Stanford is developing Neurogrid, a hardware platform that will emulate the cortex’s inner workings. Full bio
Kwabena Boahen wants to understand how brains work -- and to build a computer that works like the brain by reverse-engineering the nervous system. His group at Stanford is developing Neurogrid, a hardware platform that will emulate the cortex’s inner workings. Full bio
Double-click the English transcript below to play the video.
00:18
I got my first computer when I was a teenager growing up in Accra,
0
0
5000
Am primit primul meu calculator pe vremea când eram adolescent în Accra,
00:23
and it was a really cool device.
1
5000
3000
și era un aparat foarte ca lumea.
00:26
You could play games with it. You could program it in BASIC.
2
8000
5000
Puteai să te joci, puteai să îl programezi în BASIC.
00:31
And I was fascinated.
3
13000
2000
Și am fost fascinat.
00:33
So I went into the library to figure out how did this thing work.
4
15000
6000
Așa că m-am dus la bibliotecă pentru a îmi da seama cum funcționează.
00:39
I read about how the CPU is constantly shuffling data back and forth
5
21000
5000
Am citit despre modul în care procesorul transferă în mod constant datele
00:44
between the memory, the RAM and the ALU,
6
26000
4000
între memorie, RAM și ALU,
00:48
the arithmetic and logic unit.
7
30000
2000
unitatea aritmetică și logică.
00:50
And I thought to myself, this CPU really has to work like crazy
8
32000
4000
Și îmi spuneam, procesorul ăsta muncește ca un nebun
00:54
just to keep all this data moving through the system.
9
36000
4000
doar pentru a menține aceste în mișcare prin sistem.
00:58
But nobody was really worried about this.
10
40000
3000
Dar nimeni nu era prea îngrijorat despre asta.
01:01
When computers were first introduced,
11
43000
2000
Când calculatoarele au apărut prima dată,
01:03
they were said to be a million times faster than neurons.
12
45000
3000
se spunea despre ele că sunt de un milion de ori mai rapide decât neuronii.
01:06
People were really excited. They thought they would soon outstrip
13
48000
5000
Lumea era entuziastă, se credea că se va putea în curând depăși
01:11
the capacity of the brain.
14
53000
3000
capacitatea creierului.
01:14
This is a quote, actually, from Alan Turing:
15
56000
3000
Acesta este un citat, de fapt, din Alan Turing:
01:17
"In 30 years, it will be as easy to ask a computer a question
16
59000
4000
„În 30 de ani, va fi la fel de ușor să pui o întrebare unui calculator,
01:21
as to ask a person."
17
63000
2000
ca unei persoane.”
01:23
This was in 1946. And now, in 2007, it's still not true.
18
65000
7000
Asta era în 1946. Și acum în 2007, tot nu este adevărat.
01:30
And so, the question is, why aren't we really seeing
19
72000
4000
Întrebarea este, de ce nu întrezărim cu adevărat
01:34
this kind of power in computers that we see in the brain?
20
76000
4000
acest fel de putere în calculatoare, așa cum o putem vedea în creier?
01:38
What people didn't realize, and I'm just beginning to realize right now,
21
80000
4000
Ceea ce oamenii nu realizează, și acum încep să îmi dau seama de asta,
01:42
is that we pay a huge price for the speed
22
84000
2000
este că plătim un preț uriaș pentru viteza,
01:44
that we claim is a big advantage of these computers.
23
86000
4000
pe care susținem că ar fi un mare avantaj al acestor calculatoare.
01:48
Let's take a look at some numbers.
24
90000
2000
Haideți să privim niște numere.
01:50
This is Blue Gene, the fastest computer in the world.
25
92000
4000
Acesta este Blue Gene, cel mai rapid calculator din lume.
01:54
It's got 120,000 processors; they can basically process
26
96000
5000
Are 120,000 de procesoare; ele pot procesa în mare
01:59
10 quadrillion bits of information per second.
27
101000
3000
10 quadrilioane de biți de informație pe secundă.
02:02
That's 10 to the sixteenth. And they consume one and a half megawatts of power.
28
104000
7000
Asta înseamnă 10 la puterea 16. Și consumă un megawatt și jumătate.
02:09
So that would be really great, if you could add that
29
111000
3000
Asta ar fi cu adevărat grozav, dacă s-ar putea adăuga asta
02:12
to the production capacity in Tanzania.
30
114000
2000
capacității de producție din Tanzania.
02:14
It would really boost the economy.
31
116000
2000
Ar propulsa cu adevărat economia.
02:16
Just to go back to the States,
32
118000
4000
Dar să ne întoarcem la Statele Unite,
02:20
if you translate the amount of power or electricity
33
122000
2000
dacă ați putea echivala cantitatea de energie sau de electricitate
02:22
this computer uses to the amount of households in the States,
34
124000
3000
pe care acest calculator o folosește, cu un număr de gospodării din SUA,
02:25
you get 1,200 households in the U.S.
35
127000
4000
veți obține 1200 de gospodării din SUA.
02:29
That's how much power this computer uses.
36
131000
2000
atât de multă energie consumă acest calculator.
02:31
Now, let's compare this with the brain.
37
133000
3000
Acum, să-l comparăm cu creierul.
02:34
This is a picture of, actually Rory Sayres' girlfriend's brain.
38
136000
5000
Aceasta este de fapt o imagine a prietenei lui Rory Sayres.
02:39
Rory is a graduate student at Stanford.
39
141000
2000
Rory este un student la Stanford.
02:41
He studies the brain using MRI, and he claims that
40
143000
4000
Studiază creierul folosind MRI, și susține că
02:45
this is the most beautiful brain that he has ever scanned.
41
147000
3000
acesta este cel mai frumos creier pe care l-a scanat vreodată.
02:48
(Laughter)
42
150000
2000
(Râsete)
02:50
So that's true love, right there.
43
152000
3000
Avem iubire adevărată aici.
02:53
Now, how much computation does the brain do?
44
155000
3000
Acum, câte calcule poate face creierul?
02:56
I estimate 10 to the 16 bits per second,
45
158000
2000
Eu estimez că 10 la puterea 16 biți pe secundă
02:58
which is actually about very similar to what Blue Gene does.
46
160000
4000
ceea ce este de fapt foarte similar calculatorului Blue Gene.
03:02
So that's the question. The question is, how much --
47
164000
2000
Așadar, asta e întrebarea. Întrebarea este, cât de mult --
03:04
they are doing a similar amount of processing, similar amount of data --
48
166000
3000
realizează o cantitate similară de procesare și de date --
03:07
the question is how much energy or electricity does the brain use?
49
169000
5000
întrebarea este cât de multă energie sau electricitate folosește creierul?
03:12
And it's actually as much as your laptop computer:
50
174000
3000
Și folosește de fapt cam la fel de mult ca laptopul dvs. :
03:15
it's just 10 watts.
51
177000
2000
doar 10 wați.
03:17
So what we are doing right now with computers
52
179000
3000
Deci ceea ce facem noi în momentul actual cu calculatoarele,
03:20
with the energy consumed by 1,200 houses,
53
182000
3000
cu energia consumată de 1200 de case,
03:23
the brain is doing with the energy consumed by your laptop.
54
185000
5000
creierul face cu energia consumată de laptopul dvs.
03:28
So the question is, how is the brain able to achieve this kind of efficiency?
55
190000
3000
Așadar întrebarea este, cum reușește creierul să atingă acest nivel de eficiență?
03:31
And let me just summarize. So the bottom line:
56
193000
2000
Permiteți-mi să fac rezumatul. Concluzia este că:
03:33
the brain processes information using 100,000 times less energy
57
195000
4000
creierul procesează informație folosind de 100,000 de ori mai puțină energie
03:37
than we do right now with this computer technology that we have.
58
199000
4000
decât consumăm în acest moment cu această tehnologie pe care o avem.
03:41
How is the brain able to do this?
59
203000
2000
Cum reușește creierul să facă asta?
03:43
Let's just take a look about how the brain works,
60
205000
3000
Haideți să privim cum funcționează creierul,
03:46
and then I'll compare that with how computers work.
61
208000
4000
și după aceea voi compara asta cu funcționarea calculatoarelor.
03:50
So, this clip is from the PBS series, "The Secret Life of the Brain."
62
212000
4000
Acesta este un clip din seria PBS, „Viața secretă a creierului”.
03:54
It shows you these cells that process information.
63
216000
3000
Vă arată aceste celule care procesează informație.
03:57
They are called neurons.
64
219000
1000
Se numesc neuroni.
03:58
They send little pulses of electricity down their processes to each other,
65
220000
6000
Ei trimit mici impulsuri de electricitate
04:04
and where they contact each other, those little pulses
66
226000
2000
și în locul unde există contact între ei, acele mici impulsuri
04:06
of electricity can jump from one neuron to the other.
67
228000
2000
de electricitate pot sări de la un neuron la altul.
04:08
That process is called a synapse.
68
230000
3000
Acest proces este numit sinapsă.
04:11
You've got this huge network of cells interacting with each other --
69
233000
2000
Avem această uriașă rețea de celule care interacționează între ele,
04:13
about 100 million of them,
70
235000
2000
cam 100 de milioane,
04:15
sending about 10 quadrillion of these pulses around every second.
71
237000
4000
trimițând cam 10 la puterea 16 de astfel de impulsuri în fiecare secundă.
04:19
And that's basically what's going on in your brain right now as you're watching this.
72
241000
6000
Și asta este în mare ce se întâmpla în creierul dvs. chiar acum când priviți asta.
04:25
How does that compare with the way computers work?
73
247000
2000
Cum se poate compara asta cu modul în care funcționează calculatoarele?
04:27
In the computer, you have all the data
74
249000
2000
În calculator avem toate datele
04:29
going through the central processing unit,
75
251000
2000
ce trec prin unitatea centrală de procesare
04:31
and any piece of data basically has to go through that bottleneck,
76
253000
3000
și orice bucată de informație trebuie să treacă efectiv prin acest proces.
04:34
whereas in the brain, what you have is these neurons,
77
256000
4000
Pe când în creier, acem acești neuroni
04:38
and the data just really flows through a network of connections
78
260000
4000
iar datele curg doar printr-o rețea de conexiuni
04:42
among the neurons. There's no bottleneck here.
79
264000
2000
între neuroni, nu există CPU aici.
04:44
It's really a network in the literal sense of the word.
80
266000
4000
Este efectiv o rețea în sensul literal al cuvântului.
04:48
The net is doing the work in the brain.
81
270000
4000
Această rețea face treaba în creier.
04:52
If you just look at these two pictures,
82
274000
2000
Dacă priviți aceste două imagini,
04:54
these kind of words pop into your mind.
83
276000
2000
astfel de cuvinte vă pot veni în minte.
04:56
This is serial and it's rigid -- it's like cars on a freeway,
84
278000
4000
Acesta este serial și este rigid: ca niște mașini pe autostradă --
05:00
everything has to happen in lockstep --
85
282000
3000
totul trebuie să se întâmple asemănător unui marș, una câte una,
05:03
whereas this is parallel and it's fluid.
86
285000
2000
În timp ce acesta este paralel și este fluid.
05:05
Information processing is very dynamic and adaptive.
87
287000
3000
Procesarea informației este foarte dinamică și adaptativă.
05:08
So I'm not the first to figure this out. This is a quote from Brian Eno:
88
290000
4000
Și nu sunt primul care realizează asta. Acesta este un citat din Brian Eno:
05:12
"the problem with computers is that there is not enough Africa in them."
89
294000
4000
„Problema cu calculatoarele este nu există destulă Africa în ele”.
05:16
(Laughter)
90
298000
6000
(Râsete)
05:22
Brian actually said this in 1995.
91
304000
3000
Brian a spus asta de fapt în 1995.
05:25
And nobody was listening then,
92
307000
3000
Și nimeni nu asculta atunci,
05:28
but now people are beginning to listen
93
310000
2000
dar acum oamenii au început să asculte
05:30
because there's a pressing, technological problem that we face.
94
312000
5000
pentru că avem de-a face cu problemă tehnologică apăsătoare.
05:35
And I'll just take you through that a little bit in the next few slides.
95
317000
5000
Și vă voi arăta câte ceva despre asta în următoarele câteva slide-uri.
05:40
This is -- it's actually really this remarkable convergence
96
322000
4000
Este realmente această remarcabilă convergență
05:44
between the devices that we use to compute in computers,
97
326000
5000
între dispozitivele pe care le folosim noi pentru procesare în calculatoare,
05:49
and the devices that our brains use to compute.
98
331000
4000
și dispozitivele pe care le folosește creierul nostru pentru a procesa.
05:53
The devices that computers use are what's called a transistor.
99
335000
4000
Dispozitivele pe care un calculator le folosește sunt numite tranzistori.
05:57
This electrode here, called the gate, controls the flow of current
100
339000
4000
Electrodul de aici, numit electrodul poartă, controlează fluxul de curent
06:01
from the source to the drain -- these two electrodes.
101
343000
3000
dinspre sursă spre ieșire, acești doi electrozi.
06:04
And that current, electrical current,
102
346000
2000
Și acest curent, curent electric,
06:06
is carried by electrons, just like in your house and so on.
103
348000
6000
este transportat prin electroni, la fel ca în casa dvs. și așa mai departe.
06:12
And what you have here is, when you actually turn on the gate,
104
354000
5000
Și ceea ce avem aici, când se pornește efectiv electrodul poartă,
06:17
you get an increase in the amount of current, and you get a steady flow of current.
105
359000
4000
este o creștere a cantității de curent, și apare un flux stabil de curent.
06:21
And when you turn off the gate, there's no current flowing through the device.
106
363000
4000
Și când se oprește acest electron poartă, nu mai există curent prin dispozitiv.
06:25
Your computer uses this presence of current to represent a one,
107
367000
5000
Calculatorul dvs. folosește această prezență a curentului pentru a reprezenta pe unu
06:30
and the absence of current to represent a zero.
108
372000
4000
iar absența curentului pentru a reprezenta un zero.
06:34
Now, what's happening is that as transistors are getting smaller and smaller and smaller,
109
376000
6000
Acum, ce se întâmplă este că pe măsură ce tranzistorii devin din ce în ce mai mici,
06:40
they no longer behave like this.
110
382000
2000
încep să nu se mai comporte așa.
06:42
In fact, they are starting to behave like the device that neurons use to compute,
111
384000
5000
De fapt, ei încep să se comporte ca dispozitivul pe care neuronii îl folosesc pentru procesare,
06:47
which is called an ion channel.
112
389000
2000
care este numit canal ionic.
06:49
And this is a little protein molecule.
113
391000
2000
Și acesta este o mică proteină.
06:51
I mean, neurons have thousands of these.
114
393000
4000
Vreau să spun, neuronii au mii din acestea.
06:55
And it sits in the membrane of the cell and it's got a pore in it.
115
397000
4000
Și sunt poziționați în membrana celulei și au un por în mijlocul lor.
06:59
And these are individual potassium ions
116
401000
3000
Și aceștia sunt ioni individuali de potasiu,
07:02
that are flowing through that pore.
117
404000
2000
care trec prin acest por.
07:04
Now, this pore can open and close.
118
406000
2000
Acest por se poate deschide sau închide.
07:06
But, when it's open, because these ions have to line up
119
408000
5000
Dar, atunci când este deschis, datorită acestor ioni care trebuie să se alinieze
07:11
and flow through, one at a time, you get a kind of sporadic, not steady --
120
413000
5000
și să treacă doar câte unul, apare un fel de curgere sporadică și nu stabilă --
07:16
it's a sporadic flow of current.
121
418000
3000
este o curgere sporadică de curent.
07:19
And even when you close the pore -- which neurons can do,
122
421000
3000
Și chiar atunci când închizi porul -- lucru pe care neuronii îl pot face,
07:22
they can open and close these pores to generate electrical activity --
123
424000
5000
ei pot deschide și închide acești pori pentru a genera activitate electrică --
07:27
even when it's closed, because these ions are so small,
124
429000
3000
și chiar când e închis, pentru că ionii sunt atât de mici,
07:30
they can actually sneak through, a few can sneak through at a time.
125
432000
3000
încă se pot efectiv strecura, câțiva se mai pot strecura câteodată.
07:33
So, what you have is that when the pore is open,
126
435000
3000
Deci ceea ce se întâmplă este că atunci când porul este deschis,
07:36
you get some current sometimes.
127
438000
2000
poate primi niște curent câteodată.
07:38
These are your ones, but you've got a few zeros thrown in.
128
440000
3000
Și aceștia sunt 1, dar mai sunt și câțiva 0 prezenți.
07:41
And when it's closed, you have a zero,
129
443000
4000
Și atunci când este închis, este un 0.
07:45
but you have a few ones thrown in.
130
447000
3000
dar mai sunt și câțiva 1 prezenți, OK.
07:48
Now, this is starting to happen in transistors.
131
450000
3000
Acum asta începe să se petreacă în tranzistori.
07:51
And the reason why that's happening is that, right now, in 2007 --
132
453000
5000
Și motivul pentru care asta se întâmplă, este că acum în 2007,
07:56
the technology that we are using -- a transistor is big enough
133
458000
4000
tehnologia pe care o folosim, un tranzistor este destul de mare
08:00
that several electrons can flow through the channel simultaneously, side by side.
134
462000
5000
încât mai mulți electroni pot trece prin canal simultan, unul lângă altul.
08:05
In fact, there's about 12 electrons can all be flowing this way.
135
467000
4000
De fapt, sunt în jur de 12 electroni care pot trece pe această cale,
08:09
And that means that a transistor corresponds
136
471000
2000
Și asta înseamnă că un tranzistor corespunde
08:11
to about 12 ion channels in parallel.
137
473000
3000
unui număr de 12 canale ionice aflate în paralel.
08:14
Now, in a few years time, by 2015, we will shrink transistors so much.
138
476000
5000
Acum, peste câțiva ani, în 2015, vom micșora atât de mult tranzistorii.
08:19
This is what Intel does to keep adding more cores onto the chip.
139
481000
5000
Acesta este motivul pentru care Intel tot adaugă mai multe nuclee pe un singur cip,
08:24
Or your memory sticks that you have now can carry one gigabyte
140
486000
3000
sau pe stick-uri de memorie pe care le aveți acum și care pot transporta 1GB
08:27
of stuff on them -- before, it was 256.
141
489000
2000
de lucruri pe ele -- înainte se putea 256
08:29
Transistors are getting smaller to allow this to happen,
142
491000
3000
Tranzistorii devin din ce în ce mai mici pentru a permite acest lucru,
08:32
and technology has really benefitted from that.
143
494000
3000
iar tehnologia a beneficiat cu adevărat din acest lucru.
08:35
But what's happening now is that in 2015, the transistor is going to become so small,
144
497000
5000
Dar ceea ce se întâmplă acum este că în 2015, tranzistorul va deveni atât de mic,
08:40
that it corresponds to only one electron at a time
145
502000
3000
încât va corespunde unui singur electron
08:43
can flow through that channel,
146
505000
2000
care va trece prin acel canal,
08:45
and that corresponds to a single ion channel.
147
507000
2000
iar asta corespunde unui singur canal ionic.
08:47
And you start having the same kind of traffic jams that you have in the ion channel.
148
509000
4000
Și începem să observăm aceleași tipuri de ambuteiaje prezente într-un canal ionic.
08:51
The current will turn on and off at random,
149
513000
3000
Curentul va fi pornit sau oprit în mod aleator,
08:54
even when it's supposed to be on.
150
516000
2000
chiar și atunci când ar trebui să fie doar pornit.
08:56
And that means your computer is going to get
151
518000
2000
Și asta înseamnă că uneori calculatorul dvs.
08:58
its ones and zeros mixed up, and that's going to crash your machine.
152
520000
4000
va confunda între 0 și 1, și asta va duce la prăbușirea calculatorului dvs.
09:02
So, we are at the stage where we
153
524000
4000
Așadar suntem la stadiul în care
09:06
don't really know how to compute with these kinds of devices.
154
528000
3000
nu prea știm cum să procesăm cu astfel de dispozitive.
09:09
And the only kind of thing -- the only thing we know right now
155
531000
3000
Și singurul lucru, singurul pe care îl cunoaștem acum,
09:12
that can compute with these kinds of devices are the brain.
156
534000
3000
care poate procesa cu acest fel de dispozitive, este creierul.
09:15
OK, so a computer picks a specific item of data from memory,
157
537000
4000
Ok, deci un computer alege un item specific de informație din memorie,
09:19
it sends it into the processor or the ALU,
158
541000
3000
îl trimite procesorului sau către ALU,
09:22
and then it puts the result back into memory.
159
544000
2000
și apoi scrie rezultatul înapoi în memorie.
09:24
That's the red path that's highlighted.
160
546000
2000
Ăsta este calea roșie care este subliniată.
09:26
The way brains work, I told you all, you have got all these neurons.
161
548000
4000
Modul cum creierul funcționează, avem toti acești neuroni.
09:30
And the way they represent information is
162
552000
2000
Și modalitatea prin care ei reprezintă informația este
09:32
they break up that data into little pieces
163
554000
2000
de a descompune informația în bucăți mici
09:34
that are represented by pulses and different neurons.
164
556000
3000
care sunt reprezentate de către pulsuri și diferiți neuroni.
09:37
So you have all these pieces of data
165
559000
2000
Așadar avem toate aceste bucăți de informație
09:39
distributed throughout the network.
166
561000
2000
distribuite prin toată rețeaua.
09:41
And then the way that you process that data to get a result
167
563000
3000
Și pe urmă modul prin care se procesează informația pentru a obține un rezultat
09:44
is that you translate this pattern of activity into a new pattern of activity,
168
566000
4000
este că se traduce acest tipar de activitate într-un nou tipar de activitate,
09:48
just by it flowing through the network.
169
570000
3000
doar parcurgând această rețea.
09:51
So you set up these connections
170
573000
2000
Deci stabilești aceste conexiuni,
09:53
such that the input pattern just flows
171
575000
3000
încât pattern-ul de intrare să treacă prin ele
09:56
and generates the output pattern.
172
578000
2000
și să se genereze pattern-ul de ieșire.
09:58
What you see here is that there's these redundant connections.
173
580000
4000
Ceea ce puteți vedea aici sunt aceste conexiuni redundante.
10:02
So if this piece of data or this piece of the data gets clobbered,
174
584000
4000
Așa că dacă această parte a informației sau această parte sunt distruse,
10:06
it doesn't show up over here, these two pieces can activate the missing part
175
588000
5000
nu se va simți aici, aceste două părți vor putea activa partea care lipsește
10:11
with these redundant connections.
176
593000
2000
cu ajutorul acestor conexiuni redundante.
10:13
So even when you go to these crappy devices
177
595000
2000
Și deci chiar și când priviți aceste dispozitive de neîncredere
10:15
where sometimes you want a one and you get a zero, and it doesn't show up,
178
597000
3000
când câteodată vreți un 1 și obțineți un 0,
10:18
there's redundancy in the network
179
600000
2000
există redundanță în rețea
10:20
that can actually recover the missing information.
180
602000
3000
care poate de fapt să recupereze informația lipsă.
10:23
It makes the brain inherently robust.
181
605000
3000
Asta face creierul în mod inerent robust.
10:26
What you have here is a system where you store data locally.
182
608000
3000
Ceea ce avem aici este un sistem care stochează datele local.
10:29
And it's brittle, because each of these steps has to be flawless,
183
611000
4000
Și este fragil, pentru că la fiecare dintre acești pași trebuie să se comporte perfect,
10:33
otherwise you lose that data, whereas in the brain, you have a system
184
615000
3000
altminteri va pierde datele. Pe când în creier, avem un sistem
10:36
that stores data in a distributed way, and it's robust.
185
618000
4000
care stochează datele într-un mod distribuit, și este robust.
10:40
What I want to basically talk about is my dream,
186
622000
4000
Ceea ce aș vrea să vorbesc despre, este în mare, visul meu,
10:44
which is to build a computer that works like the brain.
187
626000
3000
care constă în a construi un calculator care funcționează precum creierul.
10:47
This is something that we've been working on for the last couple of years.
188
629000
4000
Aceasta este ceva la care am lucrat de-a lungul ultimilor ani.
10:51
And I'm going to show you a system that we designed
189
633000
3000
Și am să vă arăt un sistem pe care l-am proiectat
10:54
to model the retina,
190
636000
3000
pentru a modela retina,
10:57
which is a piece of brain that lines the inside of your eyeball.
191
639000
5000
care este o porțiune a creierului care se întinde pe interiorul globului dvs. ocular.
11:02
We didn't do this by actually writing code, like you do in a computer.
192
644000
6000
Nu am realizat asta prin a scrie coduri, așa cum se procedează într-un calculator.
11:08
In fact, the processing that happens
193
650000
3000
De fapt, procesarea care are loc
11:11
in that little piece of brain is very similar
194
653000
2000
în acea mică porțiune din creier este foarte similară
11:13
to the kind of processing that computers
195
655000
1000
modului de procesare pe care calculatoarele
11:14
do when they stream video over the Internet.
196
656000
4000
o efectuează când emit fișiere video pe Internet.
11:18
They want to compress the information --
197
660000
1000
Ele vor să comprime informația --
11:19
they just want to send the changes, what's new in the image, and so on --
198
661000
4000
ele vor să trimită doar schimbările, ce e nou într-o imagine, ș.a.m.d. --
11:23
and that is how your eyeball
199
665000
3000
și așa globul dvs. ocular
11:26
is able to squeeze all that information down to your optic nerve,
200
668000
3000
este capabil să comprime atât de multă informație de-a lungul nervului optic
11:29
to send to the rest of the brain.
201
671000
2000
pentru a trimite spre restul creierului.
11:31
Instead of doing this in software, or doing those kinds of algorithms,
202
673000
3000
În loc de a realiza asta prin software, sau prin diferiți algoritmi,
11:34
we went and talked to neurobiologists
203
676000
3000
am fost și am discutat cu neurobiologi
11:37
who have actually reverse engineered that piece of brain that's called the retina.
204
679000
4000
care au realizat efectiv o inginerie inversă a acelei porțiuni din creier numită retină.
11:41
And they figured out all the different cells,
205
683000
2000
Și au putut diferenția toate tipurile de celule,
11:43
and they figured out the network, and we just took that network
206
685000
3000
și au evidențiat rețeaua, iar noi am luat pur și simplu acea rețea
11:46
and we used it as the blueprint for the design of a silicon chip.
207
688000
4000
și am folosit-o ca tipar pentru design-ul unui cip din silicon.
11:50
So now the neurons are represented by little nodes or circuits on the chip,
208
692000
6000
Și deci acum neuronii sunt reprezentați de mici noduri sau circuite pe cip,
11:56
and the connections among the neurons are represented, actually modeled by transistors.
209
698000
5000
și conexiunile dintre neuroni sunt de fapt modelate prin tranzistori
12:01
And these transistors are behaving essentially
210
703000
2000
Și acești tranzistori se comportă în mod esențial
12:03
just like ion channels behave in the brain.
211
705000
3000
la fel cum canalele ionice se comportă în creier.
12:06
It will give you the same kind of robust architecture that I described.
212
708000
5000
Oferă același tip de arhitectură robustă pe care am descris-o.
12:11
Here is actually what our artificial eye looks like.
213
713000
4000
Iată cum arată ochiul nostru artificial.
12:15
The retina chip that we designed sits behind this lens here.
214
717000
5000
Cipul retinei pe care l-am proiectat se află în spatele acestei lentile.
12:20
And the chip -- I'm going to show you a video
215
722000
2000
Și cipul -- Am să vă arăt un filmuleț
12:22
that the silicon retina put out of its output
216
724000
3000
despre ce a scos retina din siliciu prin output
12:25
when it was looking at Kareem Zaghloul,
217
727000
3000
atunci când privea spre Kareem Zaghloul,
12:28
who's the student who designed this chip.
218
730000
2000
studentul care a proiectat acest cip.
12:30
Let me explain what you're going to see, OK,
219
732000
2000
Dați-mi voie să vă explic ceea ce veți vedea, OK.
12:32
because it's putting out different kinds of information,
220
734000
3000
Pentru că scoate diferite tipuri de informație,
12:35
it's not as straightforward as a camera.
221
737000
2000
nu este la fel simplă precum o cameră video.
12:37
The retina chip extracts four different kinds of information.
222
739000
3000
Cipul-retină extrage patru tipuri diferite de informație.
12:40
It extracts regions with dark contrast,
223
742000
3000
Poate extrage regiuni cu contrast ridicat,
12:43
which will show up on the video as red.
224
745000
3000
care vor apărea în video ca fiind roșii.
12:46
And it extracts regions with white or light contrast,
225
748000
4000
Și extrage și regiuni cu contrast deschis sau alb,
12:50
which will show up on the video as green.
226
752000
2000
care vor apărea în video ca fiind verzi.
12:52
This is Kareem's dark eyes
227
754000
2000
Aceștia sunt ochii negrii ai lui Kareem
12:54
and that's the white background that you see here.
228
756000
3000
Și acesta este fundalul alb pe care îl vedeți aici.
12:57
And then it also extracts movement.
229
759000
2000
Și poate extrage și informații despre mișcare.
12:59
When Kareem moves his head to the right,
230
761000
2000
Atunci când Kareem își mută capul către dreapta,
13:01
you will see this blue activity there;
231
763000
2000
Veți vedea această activitate în albastru,
13:03
it represents regions where the contrast is increasing in the image,
232
765000
3000
reprezintă regiuni unde contrastul este crescut în imagine,
13:06
that's where it's going from dark to light.
233
768000
3000
acolo unde se trece de la întunecat la lumină.
13:09
And you also see this yellow activity,
234
771000
2000
Și veți vedea de asemenea și această activitate galbenă,
13:11
which represents regions where contrast is decreasing;
235
773000
4000
Care reprezintă zone unde contrastul descrește,
13:15
it's going from light to dark.
236
777000
2000
trece de la luminos la întunecat.
13:17
And these four types of information --
237
779000
3000
Și aceste patru tipuri de informație --
13:20
your optic nerve has about a million fibers in it,
238
782000
4000
nervul dvs. optic are cam un milion de fibre în el,
13:24
and 900,000 of those fibers
239
786000
3000
iar 900,000 dintre acestea
13:27
send these four types of information.
240
789000
2000
trimit aceste patru tipuri de informație.
13:29
So we are really duplicating the kind of signals that you have on the optic nerve.
241
791000
4000
Așadar noi de fapt duplicăm genul de semnale pe care le aveți în nervul optic.
13:33
What you notice here is that these snapshots
242
795000
3000
Ceea ce observați aici este că aceste imagini
13:36
taken from the output of the retina chip are very sparse, right?
243
798000
4000
realizate la ieșirea din cipul retinei sunt foarte împrăștiate.
13:40
It doesn't light up green everywhere in the background,
244
802000
2000
Nu se aprinde verde peste tot prin fundal,
13:42
only on the edges, and then in the hair, and so on.
245
804000
3000
ci doar pe muchii, ș.a.m.d.
13:45
And this is the same thing you see
246
807000
1000
Și acesta este același lucru pe care îl vedeți
13:46
when people compress video to send: they want to make it very sparse,
247
808000
4000
atunci când oamenii comprimă video pentru a îl trimite: ei vor să îl facă foarte dispersat,
13:50
because that file is smaller. And this is what the retina is doing,
248
812000
3000
pentru că așa fișierul este mai mic. Și asta este ceea ce face retina,
13:53
and it's doing it just with the circuitry, and how this network of neurons
249
815000
4000
și o face doar prin circuite, și prin modul cum această rețea de neuroni
13:57
that are interacting in there, which we've captured on the chip.
250
819000
3000
care interacționează acolo, pe care am reușit să o capturăm pe cip.
14:00
But the point that I want to make -- I'll show you up here.
251
822000
3000
Dar punctul la care vreau să ajung, vă voi arăta aici,
14:03
So this image here is going to look like these ones,
252
825000
3000
Această imagine de aici va arăta ca acestea,
14:06
but here I'll show you that we can reconstruct the image,
253
828000
2000
dar aici vă voi arăta că putem reconstrui imaginea,
14:08
so, you know, you can almost recognize Kareem in that top part there.
254
830000
5000
pentru ca aproape să puteți să îl recunoașteți pe Kareem în partea de sus.
14:13
And so, here you go.
255
835000
2000
Iată.
14:24
Yes, so that's the idea.
256
846000
3000
Da, deci asta e ideea.
14:27
When you stand still, you just see the light and dark contrasts.
257
849000
2000
În momentul când stați pe loc, puteți vedea doar contrastele ridicate sau scăzute.
14:29
But when it's moving back and forth,
258
851000
2000
Dar când se mișcă înainte și înapoi,
14:31
the retina picks up these changes.
259
853000
3000
retina înregistrează aceste schimbări.
14:34
And that's why, you know, when you're sitting here
260
856000
1000
Și din acest motiv, în momentul când stați aici
14:35
and something happens in your background,
261
857000
2000
și ceva se întâmplă în fundal,
14:37
you merely move your eyes to it.
262
859000
2000
vă mișcați pur și simplu privirea în acea direcție.
14:39
There are these cells that detect change
263
861000
2000
Acestea sunt celulele care detectează mișcarea
14:41
and you move your attention to it.
264
863000
2000
și vă direcționați atenția către ea.
14:43
So those are very important for catching somebody
265
865000
2000
Așadar acestea sunt foarte importante pentru a prinde pe cineva
14:45
who's trying to sneak up on you.
266
867000
2000
care încearcă să se furișeze pe lângă dvs.
14:47
Let me just end by saying that this is what happens
267
869000
3000
Dați-mi voie să închei prin a spune că asta este ceea ce se întâmplă
14:50
when you put Africa in a piano, OK.
268
872000
3000
atunci când puneți Africa într-un pian.
14:53
This is a steel drum here that has been modified,
269
875000
3000
Asta este o tobă din oțel care a fost modificată,
14:56
and that's what happens when you put Africa in a piano.
270
878000
3000
și asta se întâmplă când puneți Africa într-un pian.
14:59
And what I would like us to do is put Africa in the computer,
271
881000
4000
Și ceea ce aș vrea să realizăm, este să puntem Africa și într-un calculator,
15:03
and come up with a new kind of computer
272
885000
2000
și să venim cu un nou tip de calculator
15:05
that will generate thought, imagination, be creative and things like that.
273
887000
3000
care poate genera gânduri, imaginație, să fie creativ și alte lucruri asemănătoare.
15:08
Thank you.
274
890000
2000
Vă mulțumesc.
15:10
(Applause)
275
892000
2000
(Aplauze)
15:12
Chris Anderson: Question for you, Kwabena.
276
894000
2000
Chris Anderson: O întrebare pentru tine, Kwabena.
15:14
Do you put together in your mind the work you're doing,
277
896000
4000
Pui laolaltă în mintea ta munca pe care o faci,
15:18
the future of Africa, this conference --
278
900000
3000
viitorul Africii, această conferință --
15:21
what connections can we make, if any, between them?
279
903000
3000
ce legături putem face, dacă există, între ele?
15:24
Kwabena Boahen: Yes, like I said at the beginning,
280
906000
2000
Kwabena Boahen: Da, așa cum am spus și la început,
15:26
I got my first computer when I was a teenager, growing up in Accra.
281
908000
4000
Am primit primul calculator pe vremea când eram adolescent, în Accra.
15:30
And I had this gut reaction that this was the wrong way to do it.
282
912000
4000
Și aveam această presimțire că acesta era modul greșit de îl produce.
15:34
It was very brute force; it was very inelegant.
283
916000
3000
Consta prea mult în forță brută, și nu era elegant deloc.
15:37
I don't think that I would've had that reaction,
284
919000
2000
Nu cred că aș fi avut reacția aceea,
15:39
if I'd grown up reading all this science fiction,
285
921000
3000
Dacă în timp ce creșteam citeam science-fiction,
15:42
hearing about RD2D2, whatever it was called, and just -- you know,
286
924000
4000
Să fi auzit despre RD2D2, sau cum era numit, și să fi
15:46
buying into this hype about computers.
287
928000
1000
intrat în această strategie de consum a calculatoarelor.
15:47
I was coming at it from a different perspective,
288
929000
2000
Eu am venit cu o altă perspectivă,
15:49
where I was bringing that different perspective
289
931000
2000
Și am adus această nouă perspectivă,
15:51
to bear on the problem.
290
933000
2000
pentru a putea trata problema altfel.
15:53
And I think a lot of people in Africa have this different perspective,
291
935000
3000
Și cred că mulți oameni din Africa au această perspectivă diferită,
15:56
and I think that's going to impact technology.
292
938000
2000
și cred că asta va avea un impact asupra tehnologiei.
15:58
And that's going to impact how it's going to evolve.
293
940000
2000
Și asta va avea un impact asupra evoluției sale.
16:00
And I think you're going to be able to see, use that infusion,
294
942000
2000
Și cred că veți fi capabili să vedeți, folosiți această infuzie,
16:02
to come up with new things,
295
944000
2000
pentru a veni cu lucruri noi,
16:04
because you're coming from a different perspective.
296
946000
3000
pentru că veniți dintr-o perspectivă diferită.
16:07
I think we can contribute. We can dream like everybody else.
297
949000
4000
Eu cred că putem contribui, putem visa ca oricine altcineva.
16:11
CA: Thanks Kwabena, that was really interesting.
298
953000
2000
Chris Anderson: Îți mulțumim, Kwabena, a fost foarte interesant.
16:13
Thank you.
299
955000
1000
Vă mulțumesc.
16:14
(Applause)
300
956000
2000
(Aplauze)
ABOUT THE SPEAKER
Kwabena Boahen - BioengineerKwabena Boahen wants to understand how brains work -- and to build a computer that works like the brain by reverse-engineering the nervous system. His group at Stanford is developing Neurogrid, a hardware platform that will emulate the cortex’s inner workings.
Why you should listen
Kwabena Boahen is the principal investigator at the Brains in Silicon lab at Stanford. He writes of himself:
Being a scientist at heart, I want to understand how cognition arises from neuronal properties. Being an engineer by training, I am using silicon integrated circuits to emulate the way neurons compute, linking the seemingly disparate fields of electronics and computer science with neurobiology and medicine.
My group's contributions to the field of neuromorphic engineering include a silicon retina that could be used to give the blind sight and a self-organizing chip that emulates the way the developing brain wires itself up. Our work is widely recognized, with over sixty publications, including a cover story in the May 2005 issue of Scientific American.
My current research interest is building a simulation platform that will enable the cortex's inner workings to be modeled in detail. While progress has been made linking neuronal properties to brain rhythms, the task of scaling up these models to link neuronal properties to cognition still remains. Making the supercomputer-performance required affordable is the goal of our Neurogrid project. It is at the vanguard of a profound shift in computing, away from the sequential, step-by-step Von Neumann machine towards a parallel, interconnected architecture more like the brain.
Kwabena Boahen | Speaker | TED.com