TEDGlobal 2009
Henry Markram: A brain in a supercomputer
Генри Маркрам строит мозг в суперкомпьютере
Filmed:
Readability: 3.8
1,469,354 views
Тайны устройства разума могут быть решены, и довольно скоро, говорит Генри Маркрам. Поскольку умственные заболевания, память и восприятие составлены из нейронов и электрических сигналов, он планирует обнаружить всё это с помощью суперкомпьютера, который смоделирует все 100 триллионов синапсов в мозге.
Henry Markram - Neuroscientist
Henry Markram is director of Blue Brain, a supercomputing project that can model components of the mammalian brain to precise cellular detail -- and simulate their activity in 3D. Soon he'll simulate a whole rat brain in real time. Full bio
Henry Markram is director of Blue Brain, a supercomputing project that can model components of the mammalian brain to precise cellular detail -- and simulate their activity in 3D. Soon he'll simulate a whole rat brain in real time. Full bio
Double-click the English transcript below to play the video.
00:18
Our mission is to build
0
0
3000
Наша миссия – построить
00:21
a detailed, realistic
1
3000
2000
детальную, реалистичную
00:23
computer model of the human brain.
2
5000
2000
компьютерную модель человеческого мозга.
00:25
And we've done, in the past four years,
3
7000
3000
За последние четыре года мы показали,
00:28
a proof of concept
4
10000
2000
что концепция состоятельна
00:30
on a small part of the rodent brain,
5
12000
3000
на примере небольшой части мозга грызуна,
00:33
and with this proof of concept we are now scaling the project up
6
15000
3000
и на основе этого расширяем проект на крупные масштабы,
00:36
to reach the human brain.
7
18000
3000
чтобы достичь уровня мозга человека.
00:39
Why are we doing this?
8
21000
2000
Почему мы это делаем?
00:41
There are three important reasons.
9
23000
2000
Для этого есть три важные причины.
00:43
The first is, it's essential for us to understand the human brain
10
25000
4000
Первая. Понимание устройства человеческого мозга для нас важно,
00:47
if we do want to get along in society,
11
29000
2000
если мы намерены сосуществовать как сообщество,
00:49
and I think that it is a key step in evolution.
12
31000
4000
а это, по моему мнению, – поворотный этап для эволюции.
00:53
The second reason is,
13
35000
2000
Вторая причина –
00:55
we cannot keep doing animal experimentation forever,
14
37000
6000
нельзя вечно продолжать экспериментировать на животных:
01:01
and we have to embody all our data and all our knowledge
15
43000
4000
необходимо отразить все полученные сведения и знания
01:05
into a working model.
16
47000
3000
в работающей модели.
01:08
It's like a Noah's Ark. It's like an archive.
17
50000
4000
Это как Ноев ковчег, как архив.
01:12
And the third reason is that there are two billion people on the planet
18
54000
3000
И третья причина в том, что два миллиарда человек на планете
01:15
that are affected by mental disorder,
19
57000
4000
страдают умственными расстройствами,
01:19
and the drugs that are used today
20
61000
2000
а используемые сегодня лекарства, –
01:21
are largely empirical.
21
63000
2000
в основном, эмпирические.
01:23
I think that we can come up with very concrete solutions on
22
65000
3000
Думаю, что нам удастся найти вполне конкретные способы
01:26
how to treat disorders.
23
68000
3000
излечения заболеваний.
01:29
Now, even at this stage,
24
71000
3000
Но уже сейчас, на данной стадии,
01:32
we can use the brain model
25
74000
2000
можно использовать модель мозга
01:34
to explore some fundamental questions
26
76000
3000
для разработки фундаментальных вопросов
01:37
about how the brain works.
27
79000
2000
о способах работы мозга.
01:39
And here, at TED, for the first time,
28
81000
2000
Здесь, на конференции TED, я намерен впервые
01:41
I'd like to share with you how we're addressing
29
83000
2000
поделиться с вами о том, как мы разрешаем вопросы, связанные
01:43
one theory -- there are many theories --
30
85000
3000
с одной теорией – а теорий существует много –
01:46
one theory of how the brain works.
31
88000
4000
с одной теорией работы мозга.
01:50
So, this theory is that the brain
32
92000
4000
Эта теория говорит, что мозг
01:54
creates, builds, a version of the universe,
33
96000
6000
создаёт и выстраивает свой вариант вселенной,
02:00
and projects this version of the universe,
34
102000
3000
и проецирует этот вариант вселенной на всё вокруг себя,
02:03
like a bubble, all around us.
35
105000
4000
как если бы его окружал мыльный пузырь.
02:07
Now, this is of course a topic of philosophical debate for centuries.
36
109000
4000
Конечно, на эту тему можно философствовать веками.
02:11
But, for the first time, we can actually address this,
37
113000
3000
Но теперь впервые есть возможность взяться за эту тему
02:14
with brain simulation,
38
116000
2000
с помощью компьютерного моделирования мозга,
02:16
and ask very systematic and rigorous questions,
39
118000
4000
мы можем ставить весьма систематические и чёткие вопросы,
02:20
whether this theory could possibly be true.
40
122000
4000
чтобы разобраться, насколько эта теория верна.
02:24
The reason why the moon is huge on the horizon
41
126000
3000
Так, Луна на горизонте нам кажется огромного размера
02:27
is simply because our perceptual bubble
42
129000
3000
по той простой причине, что наш пузырь восприятия
02:30
does not stretch out 380,000 kilometers.
43
132000
4000
не может растянуться на 380 тысяч километров.
02:34
It runs out of space.
44
136000
2000
Его на это не хватает.
02:36
And so what we do is we compare the buildings
45
138000
4000
А потому человек сравнивает строения,
02:40
within our perceptual bubble,
46
142000
2000
попадающие в пределы пузыря восприятия,
02:42
and we make a decision.
47
144000
2000
и [на основании этого] принимает решение.
02:44
We make a decision it's that big,
48
146000
2000
Решение о том, что луна настолько велика,
02:46
even though it's not that big.
49
148000
2000
хотя на самом деле она не настолько велика.
02:48
And what that illustrates
50
150000
2000
Это демонстрирует, что
02:50
is that decisions are the key things
51
152000
2000
решения являются опорными точками
02:52
that support our perceptual bubble. It keeps it alive.
52
154000
5000
пузыря восприятия. Они позволяют нам выживать.
02:57
Without decisions you cannot see, you cannot think,
53
159000
2000
Без принятия решений человек не может видеть, не может думать,
02:59
you cannot feel.
54
161000
2000
не может чувствовать.
03:01
And you may think that anesthetics work
55
163000
2000
Возможно, вы думаете, что действие анестезии
03:03
by sending you into some deep sleep,
56
165000
3000
состоит в том, чтобы ввести вас в глубокий сон
03:06
or by blocking your receptors so that you don't feel pain,
57
168000
3000
или заблокировать ваши рецепторы, чтобы вы не чувствовали боли.
03:09
but in fact most anesthetics don't work that way.
58
171000
3000
Но на самом деле большинство анестетиков воздействуют иным образом.
03:12
What they do is they introduce a noise
59
174000
3000
Они создают в мозгу отвлекающий шум
03:15
into the brain so that the neurons cannot understand each other.
60
177000
3000
с тем, чтобы нейроны не могли друг друга понять.
03:18
They are confused,
61
180000
2000
А когда они в замешательстве,
03:20
and you cannot make a decision.
62
182000
3000
человек не в состоянии принять решение.
03:23
So, while you're trying to make up your mind
63
185000
3000
Пока вы всё ещё соображаете,
03:26
what the doctor, the surgeon, is doing
64
188000
2000
что там делает хирург,
03:28
while he's hacking away at your body, he's long gone.
65
190000
2000
кромсающий ваше тело, хирург уже давно ушёл.
03:30
He's at home having tea.
66
192000
2000
Сидит себе дома, чай пьёт.
03:32
(Laughter)
67
194000
2000
(Смех)
03:34
So, when you walk up to a door and you open it,
68
196000
3000
Так, когда вы приближаетесь к двери и открываете её,
03:37
what you compulsively have to do to perceive
69
199000
3000
то для [выполнения этой операции] вы неосознанно
03:40
is to make decisions,
70
202000
2000
принимаете решения,
03:42
thousands of decisions about the size of the room,
71
204000
3000
тысячи решений: о размерах комнаты,
03:45
the walls, the height, the objects in this room.
72
207000
3000
стены, предметов в комнате.
03:48
99 percent of what you see
73
210000
3000
99% того, что вы видите, –
03:51
is not what comes in through the eyes.
74
213000
4000
это не информация, поступающая через глаза.
03:55
It is what you infer about that room.
75
217000
4000
Это ваши заключения относительно комнаты.
03:59
So I can say, with some certainty,
76
221000
4000
Например, с определённой долей уверенности, можно сказать:
04:03
"I think, therefore I am."
77
225000
3000
«Я мыслю, значит, я существую».
04:06
But I cannot say, "You think, therefore you are,"
78
228000
4000
Но нельзя утверждать: «Вы мыслите, значит, вы существуете»,
04:10
because "you" are within my perceptual bubble.
79
232000
5000
поскольку понятие «вы» находится внутри моего пузыря восприятия.
04:15
Now, we can speculate and philosophize this,
80
237000
3000
Тема, конечно, может вызвать рассуждения и философствования,
04:18
but we don't actually have to for the next hundred years.
81
240000
3000
но в них не будет надобности в течение следующих ста лет.
04:21
We can ask a very concrete question.
82
243000
2000
Можно поставить очень конкретный вопрос:
04:23
"Can the brain build such a perception?"
83
245000
4000
«Может ли мозг построить такого рода восприятие?»
04:27
Is it capable of doing it?
84
249000
2000
В состоянии ли он сделать это?
04:29
Does it have the substance to do it?
85
251000
2000
Располагает ли он для этого необходимым материалом?
04:31
And that's what I'm going to describe to you today.
86
253000
3000
Именно об этом я собираюсь рассказать вам сегодня.
04:34
So, it took the universe 11 billion years to build the brain.
87
256000
4000
Итак, для построения мозга вселенной понадобилось 11 миллиардов лет.
04:38
It had to improve it a little bit.
88
260000
2000
Ей пришлось улучшать его маленькими шагами.
04:40
It had to add to the frontal part, so that you would have instincts,
89
262000
3000
Пришлось развить фронтальную часть, чтобы обеспечить нас инстинктами,
04:43
because they had to cope on land.
90
265000
3000
потому что этого требовало выживание на суше.
04:46
But the real big step was the neocortex.
91
268000
4000
По-настоящему крупным шагом вперёд был неокортекс.
04:50
It's a new brain. You needed it.
92
272000
2000
Это – новый мозг. Он был необходим нам.
04:52
The mammals needed it
93
274000
2000
Он необходим млекопитающим,
04:54
because they had to cope with parenthood,
94
276000
4000
чтобы они могли справиться со статусом родителя,
04:58
social interactions,
95
280000
2000
с социальными связями,
05:00
complex cognitive functions.
96
282000
3000
c комплексными когнитивными функциями.
05:03
So, you can think of the neocortex
97
285000
2000
Можно считать, что неокортекс –
05:05
actually as the ultimate solution today,
98
287000
5000
это лучшее на сегодня решение, к которому пришла
05:10
of the universe as we know it.
99
292000
3000
вселенная в той мере, в какой мы её понимаем.
05:13
It's the pinnacle, it's the final product
100
295000
2000
Это – вершина, конечный продукт,
05:15
that the universe has produced.
101
297000
4000
созданный вселенной.
05:19
It was so successful in evolution
102
301000
2000
Он настолько успешно эволюционировал, что
05:21
that from mouse to man it expanded
103
303000
2000
увеличился, от мыши к человеку,
05:23
about a thousandfold in terms of the numbers of neurons,
104
305000
3000
тысячекратно, если считать число нейронов.
05:26
to produce this almost frightening
105
308000
3000
Получился этот почти устрашающий орган,
05:29
organ, structure.
106
311000
3000
вот такая структура.
05:32
And it has not stopped its evolutionary path.
107
314000
3000
Путь эволюции неокортекса ещё не завершился:
05:35
In fact, the neocortex in the human brain
108
317000
2000
на самом деле, неокортекс внутри мозга человека
05:37
is evolving at an enormous speed.
109
319000
3000
развивается с колоссальной скоростью.
05:40
If you zoom into the surface of the neocortex,
110
322000
2000
При рассмотрении поверхности неокортекса крупным планом
05:42
you discover that it's made up of little modules,
111
324000
3000
можно заметить, что он состоит из маленьких модулей,
05:45
G5 processors, like in a computer.
112
327000
2000
типа процессоров G5, как в компьютере.
05:47
But there are about a million of them.
113
329000
3000
Но их – около миллиона штук.
05:50
They were so successful in evolution
114
332000
2000
Для эволюции они оказались настолько успешными, что
05:52
that what we did was to duplicate them
115
334000
2000
человек их множил и множил,
05:54
over and over and add more and more of them to the brain
116
336000
2000
добавляя всё больше к своему мозгу до тех пор,
05:56
until we ran out of space in the skull.
117
338000
3000
пока внутри черепа уже не осталось места.
05:59
And the brain started to fold in on itself,
118
341000
2000
Тогда мозг начал сворачиваться в складки –
06:01
and that's why the neocortex is so highly convoluted.
119
343000
3000
вот почему на неокортексе так много извилин.
06:04
We're just packing in columns,
120
346000
2000
Мозг упаковывает колонки неокортекса
06:06
so that we'd have more neocortical columns
121
348000
3000
с тем, чтобы иметь их побольше
06:09
to perform more complex functions.
122
351000
3000
для выполнения более сложных функций.
06:12
So you can think of the neocortex actually as
123
354000
2000
Можно представить себе неокортекс как
06:14
a massive grand piano,
124
356000
2000
огромный рояль
06:16
a million-key grand piano.
125
358000
3000
с миллионами клавиш.
06:19
Each of these neocortical columns
126
361000
2000
При этом каждая из колонок неокортекса
06:21
would produce a note.
127
363000
2000
воспроизводит какую-то ноту.
06:23
You stimulate it; it produces a symphony.
128
365000
3000
При стимулировании получается симфония.
06:26
But it's not just a symphony of perception.
129
368000
3000
Но это не просто симфония восприятия.
06:29
It's a symphony of your universe, your reality.
130
371000
3000
Это – симфония вашей вселенной, вашей реальности.
06:32
Now, of course it takes years to learn how
131
374000
3000
Конечно же, требуются годы, чтобы достичь мастерства
06:35
to master a grand piano with a million keys.
132
377000
3000
в игре на таком инструменте с миллионом клавиш.
06:38
That's why you have to send your kids to good schools,
133
380000
2000
Вот почему детей надо посылать в высококлассные центры,
06:40
hopefully eventually to Oxford.
134
382000
2000
рассчитывая в конечном итоге, скажем, на Оксфорд.
06:42
But it's not only education.
135
384000
3000
Но дело не только в образовании.
06:45
It's also genetics.
136
387000
2000
Большое значение имеет генетика.
06:47
You may be born lucky,
137
389000
2000
Кому-то повезло с рождением,
06:49
where you know how to master your neocortical column,
138
391000
4000
или кто-то смог овладеть своими колонками неокортекса,
06:53
and you can play a fantastic symphony.
139
395000
2000
и исполняет потрясающие симфонии.
06:55
In fact, there is a new theory of autism
140
397000
3000
Кстати, есть новая теория аутизма –
06:58
called the "intense world" theory,
141
400000
2000
теория «интенсивного мира» –
07:00
which suggests that the neocortical columns are super-columns.
142
402000
4000
согласно которой колонки неокортекса являются супер-колонками,
07:04
They are highly reactive, and they are super-plastic,
143
406000
4000
Эти колонки крайне реактивны и супер-пластичны,
07:08
and so the autists are probably capable of
144
410000
3000
поэтому аутисты, по-видимому,
07:11
building and learning a symphony
145
413000
2000
способны создавать и узнавать симфонии,
07:13
which is unthinkable for us.
146
415000
2000
непостижимые для нас.
07:15
But you can also understand
147
417000
2000
Однако ясно, что
07:17
that if you have a disease
148
419000
2000
если внутри одной из колонок
07:19
within one of these columns,
149
421000
2000
имеется отклонение,
07:21
the note is going to be off.
150
423000
2000
то одна нота диссонирует.
07:23
The perception, the symphony that you create
151
425000
2000
Восприятие – та симфония, которую вы создаете –
07:25
is going to be corrupted,
152
427000
2000
станет искаженным
07:27
and you will have symptoms of disease.
153
429000
3000
и обнаружатся симптомы заболевания.
07:30
So, the Holy Grail for neuroscience
154
432000
4000
Значит, заветной целью нейробиологии –
07:34
is really to understand the design of the neocoritical column --
155
436000
4000
да и не только нейробиологии – является понимание устройства
07:38
and it's not just for neuroscience;
156
440000
2000
колонки неокортекса;
07:40
it's perhaps to understand perception, to understand reality,
157
442000
3000
возможно, так мы поймём, что такое восприятие, реальность,
07:43
and perhaps to even also understand physical reality.
158
445000
4000
и даже что такое физическая реальность.
07:47
So, what we did was, for the past 15 years,
159
449000
3000
Так вот, в течение последних 15 лет
07:50
was to dissect out the neocortex, systematically.
160
452000
4000
мы систематически рассекали неокортекс.
07:54
It's a bit like going and cataloging a piece of the rainforest.
161
456000
4000
Это можно сравнить с составлением каталога джунглей.
07:58
How many trees does it have?
162
460000
2000
Сколько тут деревьев?
08:00
What shapes are the trees?
163
462000
2000
Какова их форма?
08:02
How many of each type of tree do you have? Where are they positioned?
164
464000
3000
Сколько деревьев каждого типа? Где они расположены?
08:05
But it's a bit more than cataloging because you actually have to
165
467000
2000
Однако здесь задача выходит за рамки простого составления каталога –
08:07
describe and discover all the rules of communication,
166
469000
4000
необходимо описать и раскрыть все правила коммуникации,
08:11
the rules of connectivity,
167
473000
2000
правила соединения,
08:13
because the neurons don't just like to connect with any neuron.
168
475000
3000
поскольку нейроны не так просто соединяются с другими нейронами.
08:16
They choose very carefully who they connect with.
169
478000
3000
Они тщательно выбирают, с кем соединяться.
08:19
It's also more than cataloging
170
481000
3000
Задача выходит за рамки простого составления каталога ещё и потому,
08:22
because you actually have to build three-dimensional
171
484000
2000
что нам надо построить трёхмерную цифровую
08:24
digital models of them.
172
486000
2000
модель нейронов.
08:26
And we did that for tens of thousands of neurons,
173
488000
2000
Что мы и сделали для десятков тысяч нейронов:
08:28
built digital models of all the different types
174
490000
3000
построили цифровые модели для нейронов всех различных типов,
08:31
of neurons we came across.
175
493000
2000
с которыми мы имели дело.
08:33
And once you have that, you can actually
176
495000
2000
Имея такие модели,
08:35
begin to build the neocortical column.
177
497000
4000
мы смогли начать строить колонку неокортекса.
08:39
And here we're coiling them up.
178
501000
3000
Вот как мы её возводим.
08:42
But as you do this, what you see
179
504000
3000
Но по мере этого процесса выяснилось,
08:45
is that the branches intersect
180
507000
2000
что пунктов
08:47
actually in millions of locations,
181
509000
3000
пересечения ветвей – миллионы,
08:50
and at each of these intersections
182
512000
3000
и в каждом из этих пунктов
08:53
they can form a synapse.
183
515000
2000
они могут образовать синапс.
08:55
And a synapse is a chemical location
184
517000
2000
Синапс – это пункт
08:57
where they communicate with each other.
185
519000
3000
их химической взаимосвязи.
09:00
And these synapses together
186
522000
2000
Синапсы в совокупности
09:02
form the network
187
524000
2000
образуют сеть,
09:04
or the circuit of the brain.
188
526000
3000
или контур мозга.
09:07
Now, the circuit, you could also think of as
189
529000
4000
Контур также можно считать
09:11
the fabric of the brain.
190
533000
2000
структурой строения мозга.
09:13
And when you think of the fabric of the brain,
191
535000
3000
Но если речь о структуре строения мозга, то
09:16
the structure, how is it built? What is the pattern of the carpet?
192
538000
4000
как она устроена? Каков узор на этом ковре?
09:20
You realize that this poses
193
542000
2000
Выясняется, что тут скрыта
09:22
a fundamental challenge to any theory of the brain,
194
544000
4000
глубочайшая проблема для любой теории мозга,
09:26
and especially to a theory that says
195
548000
2000
и в особенности для такой теории, которая утверждает,
09:28
that there is some reality that emerges
196
550000
2000
что сквозь этот ковёр,
09:30
out of this carpet, out of this particular carpet
197
552000
3000
через его конкретный узор,
09:33
with a particular pattern.
198
555000
2000
проглядывает некая реальность.
09:35
The reason is because the most important design secret of the brain
199
557000
3000
Дело в том, что наиважнейшая тайна структуры мозга –
09:38
is diversity.
200
560000
2000
его разнообразие.
09:40
Every neuron is different.
201
562000
2000
Каждый нейрон отличается от других.
09:42
It's the same in the forest. Every pine tree is different.
202
564000
2000
В лесу то же самое: каждая сосна – другая.
09:44
You may have many different types of trees,
203
566000
2000
В лесу может быть много различных видов деревьев,
09:46
but every pine tree is different. And in the brain it's the same.
204
568000
3000
но каждая сосна отличается от других.
09:49
So there is no neuron in my brain that is the same as another,
205
571000
3000
И в мозгу то же самое: в моём мозгу нет нейрона, идентичного другому,
09:52
and there is no neuron in my brain that is the same as in yours.
206
574000
3000
и нет у меня такого нейрона, идентичного какому-либо нейрону в вашем мозгу.
09:55
And your neurons are not going to be oriented and positioned
207
577000
3000
Более того, ваши нейроны не будут ориентированы и расположены
09:58
in exactly the same way.
208
580000
2000
в точности одинаково.
10:00
And you may have more or less neurons.
209
582000
2000
У кого-то окажется больше нейронов, у кого-то меньше.
10:02
So it's very unlikely
210
584000
2000
Весьма маловероятно, чтобы у вас
10:04
that you got the same fabric, the same circuitry.
211
586000
4000
оказалось то же строение мозга, те же контуры.
10:08
So, how could we possibly create a reality
212
590000
2000
В таком случае, как же человеку удаётся построить такую реальность,
10:10
that we can even understand each other?
213
592000
3000
что люди могут друг друга понимать?
10:13
Well, we don't have to speculate.
214
595000
2000
Что ж, заниматься домыслами нам не придётся.
10:15
We can look at all 10 million synapses now.
215
597000
3000
Сегодня мы можем изучить все 10 миллионов синапсов.
10:18
We can look at the fabric. And we can change neurons.
216
600000
3000
Мы можем изучить строение мозга. И мы в состоянии изменить нейроны.
10:21
We can use different neurons with different variations.
217
603000
2000
Мы можем по-разному использовать различные нейроны:
10:23
We can position them in different places,
218
605000
2000
расположить их в различных местах
10:25
orient them in different places.
219
607000
2000
и ориентировать их по-разному.
10:27
We can use less or more of them.
220
609000
2000
Можем использовать большее или меньшее число нейронов.
10:29
And when we do that
221
611000
2000
Обнаружилось, что когда человек это делает,
10:31
what we discovered is that the circuitry does change.
222
613000
3000
контуры связей меняются,
10:34
But the pattern of how the circuitry is designed does not.
223
616000
7000
но узоры устройства контуров остаются те же.
10:41
So, the fabric of the brain,
224
623000
2000
Значит, строение мозга,
10:43
even though your brain may be smaller, bigger,
225
625000
2000
несмотря на то, что его размеры могут быть меньше или больше,
10:45
it may have different types of neurons,
226
627000
3000
несмотря на то, что он может иметь разные типы нейронов,
10:48
different morphologies of neurons,
227
630000
2000
разную морфологию нейронов,
10:50
we actually do share
228
632000
3000
несмотря на это, у всех нас
10:53
the same fabric.
229
635000
2000
строение мозга одинаково.
10:55
And we think this is species-specific,
230
637000
2000
Мы считаем, что это – характеристика вида животного,
10:57
which means that that could explain
231
639000
2000
что, возможно, объясняет невозможность
10:59
why we can't communicate across species.
232
641000
2000
общения различных видов между собой.
11:01
So, let's switch it on. But to do it, what you have to do
233
643000
3000
Сейчас мы включим эту штуку. Для этого сначала
11:04
is you have to make this come alive.
234
646000
2000
придётся её оживить,
11:06
We make it come alive
235
648000
2000
и мы оживим её с помощью
11:08
with equations, a lot of mathematics.
236
650000
2000
уравнений и большой дозы высшей математики.
11:10
And, in fact, the equations that make neurons into electrical generators
237
652000
4000
Кстати, уравнения, трактующие нейроны в качестве электрических генераторов,
11:14
were discovered by two Cambridge Nobel Laureates.
238
656000
3000
были обнаружены двумя нобелевскими лауреатами из Кембриджа.
11:17
So, we have the mathematics to make neurons come alive.
239
659000
3000
Итак, мы располагаем математическим аппаратом, способным оживить нейроны.
11:20
We also have the mathematics to describe
240
662000
2000
Мы также располагаем математическим аппаратом
11:22
how neurons collect information,
241
664000
3000
для описания их способа сбора информации,
11:25
and how they create a little lightning bolt
242
667000
3000
для описания того, как они создают маленькие искры
11:28
to communicate with each other.
243
670000
2000
для коммуникации друг с другом.
11:30
And when they get to the synapse,
244
672000
2000
И когда эти искорки достигают синапсов,
11:32
what they do is they effectively,
245
674000
2000
они буквально
11:34
literally, shock the synapse.
246
676000
3000
встряхивают его.
11:37
It's like electrical shock
247
679000
2000
Это подобно удару электрическим током,
11:39
that releases the chemicals from these synapses.
248
681000
3000
который высвобождает из синапсов химические элементы.
11:42
And we've got the mathematics to describe this process.
249
684000
3000
У нас есть математическое описание процесса,
11:45
So we can describe the communication between the neurons.
250
687000
4000
значит, мы можем описать связь между нейронами.
11:49
There literally are only a handful
251
691000
3000
Всего лишь несколькими уравнениями
11:52
of equations that you need to simulate
252
694000
2000
можно смоделировать
11:54
the activity of the neocortex.
253
696000
2000
деятельность неокортекса.
11:56
But what you do need is a very big computer.
254
698000
3000
Однако для этого требуется очень мощный компьютер.
11:59
And in fact you need one laptop
255
701000
2000
Фактически, вычисление работы одного-единственного нейрона
12:01
to do all the calculations just for one neuron.
256
703000
3000
требует ресурсов одного ноутбука.
12:04
So you need 10,000 laptops.
257
706000
2000
Так что, потребуется 10000 ноутбуков.
12:06
So where do you go? You go to IBM,
258
708000
2000
Где же их найти? Надо обратиться в IBM,
12:08
and you get a supercomputer, because they know how to take
259
710000
2000
чтобы они сделали суперкомпьютер – там знают, как разместить
12:10
10,000 laptops and put it into the size of a refrigerator.
260
712000
4000
10000 ноутбуков в размер обычного холодильника.
12:14
So now we have this Blue Gene supercomputer.
261
716000
3000
Вот так мы и получили наш суперкомпьютер Blue Gene [Синий Ген].
12:17
We can load up all the neurons,
262
719000
2000
Мы загружаем туда данные по всем нейронам,
12:19
each one on to its processor,
263
721000
2000
каждый на свой микропроцессор,
12:21
and fire it up, and see what happens.
264
723000
4000
и активизируем их, чтобы посмотреть, что происходит.
12:25
Take the magic carpet for a ride.
265
727000
3000
Приглашаю сесть на Ковёр-Самолёт.
12:28
Here we activate it. And this gives the first glimpse
266
730000
3000
Вот мы его заводим. А вот первый пейзаж того,
12:31
of what is happening in your brain
267
733000
2000
что происходит в мозгу
12:33
when there is a stimulation.
268
735000
2000
при стимулировании.
12:35
It's the first view.
269
737000
2000
Это – первый обзор.
12:37
Now, when you look at that the first time, you think,
270
739000
2000
Когда видишь такое впервые, возникает мысль:
12:39
"My god. How is reality coming out of that?"
271
741000
5000
«С ума сойти! Как из этого выводится реальность?»
12:44
But, in fact, you can start,
272
746000
3000
Но, на самом деле, можно начать
12:47
even though we haven't trained this neocortical column
273
749000
4000
строить конкретную реальность, хотя мы и не обучали этому
12:51
to create a specific reality.
274
753000
2000
данную колонку неокортекса.
12:53
But we can ask, "Where is the rose?"
275
755000
4000
Можно спросить: «Где роза?»
12:57
We can ask, "Where is it inside,
276
759000
2000
Разумно спросить: «Где роза внутри…» –
12:59
if we stimulate it with a picture?"
277
761000
3000
если создать стимул через картину –
13:02
Where is it inside the neocortex?
278
764000
2000
«…где внутри неокортекса находится роза?»
13:04
Ultimately it's got to be there if we stimulated it with it.
279
766000
4000
Раз уж мы стимулируем его розой, то она в конечном итоге должна быть где-то внутри неокортекса.
13:08
So, the way that we can look at that
280
770000
2000
Так вот, для ответа на этот вопрос можно спокойно
13:10
is to ignore the neurons, ignore the synapses,
281
772000
3000
игнорировать нейроны, игнорировать синапсы
13:13
and look just at the raw electrical activity.
282
775000
2000
и следить только за чисто электрической составляющей.
13:15
Because that is what it's creating.
283
777000
2000
Ведь нейроны порождают именно это,
13:17
It's creating electrical patterns.
284
779000
2000
они порождают электрические структуры.
13:19
So when we did this,
285
781000
2000
Когда мы осуществили это,
13:21
we indeed, for the first time,
286
783000
2000
мы действительно впервые
13:23
saw these ghost-like structures:
287
785000
3000
увидели призрачные структуры
13:26
electrical objects appearing
288
788000
3000
в качестве электрических объектов внутри
13:29
within the neocortical column.
289
791000
3000
колонок неокортекса.
13:32
And it's these electrical objects
290
794000
3000
Так вот, именно эти электрические объекты
13:35
that are holding all the information about
291
797000
3000
содержат всю информацию о том,
13:38
whatever stimulated it.
292
800000
3000
что составляло источник стимула.
13:41
And then when we zoomed into this,
293
803000
2000
Крупным планом это выглядит
13:43
it's like a veritable universe.
294
805000
4000
как настоящая вселенная.
13:47
So the next step
295
809000
2000
Значит, следующий шаг –
13:49
is just to take these brain coordinates
296
811000
4000
спроецировать координаты мозга
13:53
and to project them into perceptual space.
297
815000
4000
на пространство восприятия.
13:57
And if you do that,
298
819000
2000
Если это сделать, то
13:59
you will be able to step inside
299
821000
2000
можно будет войти внутрь
14:01
the reality that is created
300
823000
2000
реальности, создаваемой
14:03
by this machine,
301
825000
2000
этим машиной,
14:05
by this piece of the brain.
302
827000
3000
этой частью мозга.
14:08
So, in summary,
303
830000
2000
Итак, в качестве резюме скажу,
14:10
I think that the universe may have --
304
832000
2000
что вселенная, возможно, –
14:12
it's possible --
305
834000
2000
да, это вполне возможно –
14:14
evolved a brain to see itself,
306
836000
3000
в своей эволюции создала мозг, чтобы увидеть себя.
14:17
which may be a first step in becoming aware of itself.
307
839000
5000
Это может быть первым шагом на пути к её самосознанию.
14:22
There is a lot more to do to test these theories,
308
844000
2000
Для проверки этой теории, да и любой другой теории,
14:24
and to test any other theories.
309
846000
3000
потребуется ещё многое сделать.
14:27
But I hope that you are at least partly convinced
310
849000
3000
Но я надеюсь, что вы убедились, по крайней мере, частично,
14:30
that it is not impossible to build a brain.
311
852000
3000
что построить мозг – в пределах возможного.
14:33
We can do it within 10 years,
312
855000
2000
Мы можем добиться этого за 10 лет,
14:35
and if we do succeed,
313
857000
2000
и если нам это удастся,
14:37
we will send to TED, in 10 years,
314
859000
2000
то через 10 лет мы пошлём на конференцию TED
14:39
a hologram to talk to you. Thank you.
315
861000
3000
голограмму, которая сделает вам доклад. Благодарю.
14:42
(Applause)
316
864000
6000
(Аплодисменты)
ABOUT THE SPEAKER
Henry Markram - NeuroscientistHenry Markram is director of Blue Brain, a supercomputing project that can model components of the mammalian brain to precise cellular detail -- and simulate their activity in 3D. Soon he'll simulate a whole rat brain in real time.
Why you should listen
In the microscopic, yet-uncharted circuitry of the cortex, Henry Markram is perhaps the most ambitious -- and our most promising -- frontiersman. Backed by the extraordinary power of the IBM Blue Gene supercomputing architecture, which can perform hundreds of trillions of calculations per second, he's using complex models to precisely simulate the neocortical column (and its tens of millions of neural connections) in 3D.
Though the aim of Blue Brain research is mainly biomedical, it has been edging up on some deep, contentious philosophical questions about the mind -- "Can a robot think?" and "Can consciousness be reduced to mechanical components?" -- the consequence of which Markram is well aware: Asked by Seed Magazine what a simulation of a full brain might do, he answered, "Everything. I mean everything" -- with a grin.
Now, with a successful proof-of-concept for simulation in hand (the project's first phase was completed in 2007), Markram is looking toward a future where brains might be modeled even down to the molecular and genetic level. Computing power marching rightward and up along the graph of Moore's Law, Markram is sure to be at the forefront as answers to the mysteries of cognition emerge.
Henry Markram | Speaker | TED.com