TEDGlobal 2007
Kwabena Boahen: A computer that works like the brain
Квабена Боахен розповідає про комп'ютер, який працює як мозок
Filmed:
Readability: 4.2
718,375 views
Дослідник Квабена Боахен розглядає шляхи повторення в кремнії колосальної потужності мозку, тому що вивчення хаотичних, надлишкових процесів, які протікають в наших головах, дає поштовх для створення невеликого, легкого і супер швидкого комп'ютера.
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
Я отримав свій перший комп'ютер, коли ще був підлітком і проживав у Аккрі,
00:23
and it was a really cool device.
1
5000
3000
і це був дійсно крутий пристрій.
00:26
You could play games with it. You could program it in BASIC.
2
8000
5000
На ньому можна було грати в комп'ютерні ігри, можна було програмувати на Бейсіку.
00:31
And I was fascinated.
3
13000
2000
Я був просто зачарований.
00:33
So I went into the library to figure out how did this thing work.
4
15000
6000
І я пішов у бібліотеку, щоб дізнатися, як працює ця річь.
00:39
I read about how the CPU is constantly shuffling data back and forth
5
21000
5000
Я прочитав про те, як процесор постійно переганяє дані туди-назад
00:44
between the memory, the RAM and the ALU,
6
26000
4000
поміж пам'ятю, ОЗУ та АЛУ,
00:48
the arithmetic and logic unit.
7
30000
2000
арифметико-логічним пристроєм.
00:50
And I thought to myself, this CPU really has to work like crazy
8
32000
4000
І я подумав про себе, що цей ЦП насправді повинен працювати як скажений
00:54
just to keep all this data moving through the system.
9
36000
4000
для того, щоб передавати всі ці дані крізь систему.
00:58
But nobody was really worried about this.
10
40000
3000
Але ніхто особливо не переймався з цього приводу.
01:01
When computers were first introduced,
11
43000
2000
Коли комп'ютери вперше з'явились,
01:03
they were said to be a million times faster than neurons.
12
45000
3000
було сказано, що вони працюють в мільйон разів швидше за нейрони.
01:06
People were really excited. They thought they would soon outstrip
13
48000
5000
Люди були в захваті, вони думали, що скоро зможуть перевершити
01:11
the capacity of the brain.
14
53000
3000
можливості мозку.
01:14
This is a quote, actually, from Alan Turing:
15
56000
3000
Ось справжня цитата Алана Тюрінга:
01:17
"In 30 years, it will be as easy to ask a computer a question
16
59000
4000
"Через 30 років задати питання комп'ютеру буде так само просто,
01:21
as to ask a person."
17
63000
2000
як запитати людину."
01:23
This was in 1946. And now, in 2007, it's still not true.
18
65000
7000
Це було сказано в 1946 році. І зараз, в 2007, це все ще не так.
01:30
And so, the question is, why aren't we really seeing
19
72000
4000
Питання полягає в тому, чому насправді ми не спостерігаємо
01:34
this kind of power in computers that we see in the brain?
20
76000
4000
тієї продуктивності в комп'ютерах, яка притаманна мозку?
01:38
What people didn't realize, and I'm just beginning to realize right now,
21
80000
4000
Чого люди не усвідомлювали, і я починаю усвідомлювати тільки зараз,
01:42
is that we pay a huge price for the speed
22
84000
2000
це те, що ми платимо величезну ціну за швидкість,
01:44
that we claim is a big advantage of these computers.
23
86000
4000
про яку ми заявляємо, як про велику перевагу комп'ютерів.
01:48
Let's take a look at some numbers.
24
90000
2000
Давайте поглянемо на деякі цифри.
01:50
This is Blue Gene, the fastest computer in the world.
25
92000
4000
Це Блакитний Джин, найшвидший у світі комп'ютер.
01:54
It's got 120,000 processors; they can basically process
26
96000
5000
Він містить в собі 120,000 процесорів; вони по суті можуть оброблювати
01:59
10 quadrillion bits of information per second.
27
101000
3000
10 квадрильйонів біт інформації за секунду.
02:02
That's 10 to the sixteenth. And they consume one and a half megawatts of power.
28
104000
7000
Це 10 в 16-тому ступені. І вони споживають півтора мегавати енергії.
02:09
So that would be really great, if you could add that
29
111000
3000
Було б дуже добре, якщо б ви могли додати це
02:12
to the production capacity in Tanzania.
30
114000
2000
до виробничої потужності Танзанії.
02:14
It would really boost the economy.
31
116000
2000
Це в значній мірі підштовхнуло б економіку.
02:16
Just to go back to the States,
32
118000
4000
Повертаючись до Штатів,
02:20
if you translate the amount of power or electricity
33
122000
2000
якщо ви переведете кількість електроенергії,
02:22
this computer uses to the amount of households in the States,
34
124000
3000
яку використовує цей комп'ютер, у кількість домогосподарств у Штатах,
02:25
you get 1,200 households in the U.S.
35
127000
4000
то ви отримаєте 1,200 домогосподарств у Сполучених Штатах.
02:29
That's how much power this computer uses.
36
131000
2000
Ось яку величезну енергію використовує цей комп'ютер.
02:31
Now, let's compare this with the brain.
37
133000
3000
А тепер, давайте співставимо це з мозком.
02:34
This is a picture of, actually Rory Sayres' girlfriend's brain.
38
136000
5000
Ось зображення мозку подруги Рорі Сейреса.
02:39
Rory is a graduate student at Stanford.
39
141000
2000
Рорі - аспірант Стенфорду.
02:41
He studies the brain using MRI, and he claims that
40
143000
4000
Він вивчає мозок за допомогою МРТ, і він стверджує, що
02:45
this is the most beautiful brain that he has ever scanned.
41
147000
3000
це найпрекрасніший мозок, який йому коли-небуть доводилося сканувати.
02:48
(Laughter)
42
150000
2000
(Сміх)
02:50
So that's true love, right there.
43
152000
3000
Ось що значить справжнє кохання.
02:53
Now, how much computation does the brain do?
44
155000
3000
І так, який об'єм обчислень виконує мозок?
02:56
I estimate 10 to the 16 bits per second,
45
158000
2000
Я оцінюю цю величину в 10 у 16-тому ступені біт за секунду,
02:58
which is actually about very similar to what Blue Gene does.
46
160000
4000
що насправді дуже близько до продуктивності Блакитного Джина.
03:02
So that's the question. The question is, how much --
47
164000
2000
І ось - питання. Питання полягає в наступному, скільки --
03:04
they are doing a similar amount of processing, similar amount of data --
48
166000
3000
а вони виконують однаковий об'єм обчислень, однаковий об'єм даних --
03:07
the question is how much energy or electricity does the brain use?
49
169000
5000
питання полягає в тому, скільки саме електроенергії споживає мозок?
03:12
And it's actually as much as your laptop computer:
50
174000
3000
Насправді, саме стільки, скільки споживає ваш портативний комп'ютер:
03:15
it's just 10 watts.
51
177000
2000
всього 10 ват.
03:17
So what we are doing right now with computers
52
179000
3000
Те, що ми виконуємо за допомогою комп'ютерів,
03:20
with the energy consumed by 1,200 houses,
53
182000
3000
які споживають енергію співрозмірну з енергією, необхідною для 1,200 домогосподарств,
03:23
the brain is doing with the energy consumed by your laptop.
54
185000
5000
мозок виконує, споживаючи енергію співрозмірну з енергією, яка потрібна для роботи вашого портативного комп'ютера.
03:28
So the question is, how is the brain able to achieve this kind of efficiency?
55
190000
3000
Запитання полягає в наступному, як мозку вдається досягти такої ефективності?
03:31
And let me just summarize. So the bottom line:
56
193000
2000
Дозвольте мені підвести підсумки. І так, практичний результат:
03:33
the brain processes information using 100,000 times less energy
57
195000
4000
для обробки інформації мозок використовує в 100,000 разів менше енергії,
03:37
than we do right now with this computer technology that we have.
58
199000
4000
ніж комп'ютерна технологія, яку ми маємо саме зараз.
03:41
How is the brain able to do this?
59
203000
2000
Як мозку вдається досягнути такого результату?
03:43
Let's just take a look about how the brain works,
60
205000
3000
Давайте подивимось, як працює мозок,
03:46
and then I'll compare that with how computers work.
61
208000
4000
а потім я порівняю це з тим, як працюють комп'ютери.
03:50
So, this clip is from the PBS series, "The Secret Life of the Brain."
62
212000
4000
Цей кліп узятий з PBS серій, "Таємне життя мозку."
03:54
It shows you these cells that process information.
63
216000
3000
У ньому показані клітини, які виконують обробку інформації.
03:57
They are called neurons.
64
219000
1000
Вони називаються нейронами.
03:58
They send little pulses of electricity down their processes to each other,
65
220000
6000
По своїм відросткам вони посилають короткі електричні імпульси один одному,
04:04
and where they contact each other, those little pulses
66
226000
2000
і в місцях, де вони з'єднані, ці короткі електричні імпульси
04:06
of electricity can jump from one neuron to the other.
67
228000
2000
можуть перестрибувати з одного нейрона на інший.
04:08
That process is called a synapse.
68
230000
3000
Цей процес називається синапс.
04:11
You've got this huge network of cells interacting with each other --
69
233000
2000
У вас є ця величезна мережа клітин, які взаємодіють одна з одною -
04:13
about 100 million of them,
70
235000
2000
їх приблизно 100 мільйонів,
04:15
sending about 10 quadrillion of these pulses around every second.
71
237000
4000
посилаючи приблизно 10 квадрильйонів імпульсів в секунду.
04:19
And that's basically what's going on in your brain right now as you're watching this.
72
241000
6000
І це по своїй суті те, що у вас відбувається у мозку прямо зараз, під час перегляду цієї лекції.
04:25
How does that compare with the way computers work?
73
247000
2000
Як це співвідноситься з тим, як працює комп'ютер?
04:27
In the computer, you have all the data
74
249000
2000
В комп'ютері всі дані
04:29
going through the central processing unit,
75
251000
2000
проходять через центральний процесор,
04:31
and any piece of data basically has to go through that bottleneck,
76
253000
3000
і по суті кожна порція даних повинна пройти через це вузьке місце,
04:34
whereas in the brain, what you have is these neurons,
77
256000
4000
в той же час у мозку є тільки нейрони
04:38
and the data just really flows through a network of connections
78
260000
4000
і дані просто проходять через мережу зв'язків
04:42
among the neurons. There's no bottleneck here.
79
264000
2000
між нейронами. Тут немає вузького місця.
04:44
It's really a network in the literal sense of the word.
80
266000
4000
Це насправді мережа в буквальному розумінні цього слова.
04:48
The net is doing the work in the brain.
81
270000
4000
Ця мережа і виконує всю роботу в мозку.
04:52
If you just look at these two pictures,
82
274000
2000
Якщо ви подивитесь на ці дві картинки,
04:54
these kind of words pop into your mind.
83
276000
2000
вам спадуть на думку саме ці слова.
04:56
This is serial and it's rigid -- it's like cars on a freeway,
84
278000
4000
Це послідовно і стійко -- це як рух машин на автостраді,
05:00
everything has to happen in lockstep --
85
282000
3000
все проходить у строго визначеному порядку --
05:03
whereas this is parallel and it's fluid.
86
285000
2000
в той час як все це відбувається паралельно і є потоком.
05:05
Information processing is very dynamic and adaptive.
87
287000
3000
Обробка інформації є дуже динамічною і адаптивною.
05:08
So I'm not the first to figure this out. This is a quote from Brian Eno:
88
290000
4000
І я не перший, хто зрозумів це. Це цитата Брайана Іно:
05:12
"the problem with computers is that there is not enough Africa in them."
89
294000
4000
"проблема комп'ютерів полягає в тому, що в них недостатньо Африки."
05:16
(Laughter)
90
298000
6000
(Сміх)
05:22
Brian actually said this in 1995.
91
304000
3000
Брайан сказав це в в 1995.
05:25
And nobody was listening then,
92
307000
3000
Тоді його ніхто не слухав,
05:28
but now people are beginning to listen
93
310000
2000
але зараз люди починають прислухатися до його слів,
05:30
because there's a pressing, technological problem that we face.
94
312000
5000
тому що в цьому з'явилася необхідність, ми зіткнулися з технологічною проблемою.
05:35
And I'll just take you through that a little bit in the next few slides.
95
317000
5000
І зараз я трішки познайомлю вас з нею на наступних слайдах.
05:40
This is -- it's actually really this remarkable convergence
96
322000
4000
Проблема в цьому -- дійсно можна прослідити наявну схожість
05:44
between the devices that we use to compute in computers,
97
326000
5000
між пристроями, які ми використовуємо для обчислень в комп'ютерах,
05:49
and the devices that our brains use to compute.
98
331000
4000
і пристроями, які наш мозок використовує для обчислень.
05:53
The devices that computers use are what's called a transistor.
99
335000
4000
Пристрої, які використовуються в комп'ютерах, називаються транзисторами.
05:57
This electrode here, called the gate, controls the flow of current
100
339000
4000
Ось цей електрод, який називається затвором, контролює протікання струму
06:01
from the source to the drain -- these two electrodes.
101
343000
3000
від витоку до стоку -- ось ці два електроди.
06:04
And that current, electrical current,
102
346000
2000
І цей струм, електричний струм,
06:06
is carried by electrons, just like in your house and so on.
103
348000
6000
переноситься електронами, так само, як у вас удома, і тому подібне.
06:12
And what you have here is, when you actually turn on the gate,
104
354000
5000
І що ви маєте тут: коли ви відчиняєте затвор,
06:17
you get an increase in the amount of current, and you get a steady flow of current.
105
359000
4000
відбувається посилення струму і врешті-решт ви отримуєте постійний струм.
06:21
And when you turn off the gate, there's no current flowing through the device.
106
363000
4000
І коли ви закриваєте затвор, струм перестає текти через пристрій.
06:25
Your computer uses this presence of current to represent a one,
107
367000
5000
Ваш комп'ютер використовує наявність струму для представлення одиниці
06:30
and the absence of current to represent a zero.
108
372000
4000
і відсутність струму для представлення нуля.
06:34
Now, what's happening is that as transistors are getting smaller and smaller and smaller,
109
376000
6000
Зараз відбувається те, що транзистори стають все меншими і меншими і меншими,
06:40
they no longer behave like this.
110
382000
2000
і вони вже не поводяться таким чином.
06:42
In fact, they are starting to behave like the device that neurons use to compute,
111
384000
5000
Фактично, вони починають поводитись як пристрій, який нейрони використовують для обчислення,
06:47
which is called an ion channel.
112
389000
2000
що називається іонним каналом.
06:49
And this is a little protein molecule.
113
391000
2000
Ось маленька білкова молекула.
06:51
I mean, neurons have thousands of these.
114
393000
4000
Я маю на увазі те, що в нейронах їх тисячі.
06:55
And it sits in the membrane of the cell and it's got a pore in it.
115
397000
4000
Вона знаходиться в мембрані клітини і в ній є пора.
06:59
And these are individual potassium ions
116
401000
3000
А ось тут знаходяться окремі іони калія,
07:02
that are flowing through that pore.
117
404000
2000
які проходять через цю пору.
07:04
Now, this pore can open and close.
118
406000
2000
Ця пора може відкриватись і закриватись.
07:06
But, when it's open, because these ions have to line up
119
408000
5000
Але коли вона відкрита, тому що іони повинні вишикуватись в лінію
07:11
and flow through, one at a time, you get a kind of sporadic, not steady --
120
413000
5000
і проходити через неї по одному, ми отримаємо щось на зразок спорадичного, а не постійного потоку --
07:16
it's a sporadic flow of current.
121
418000
3000
це спорадичний струм.
07:19
And even when you close the pore -- which neurons can do,
122
421000
3000
І якщо закрити цю пору, що можуть зробити нейрони,
07:22
they can open and close these pores to generate electrical activity --
123
424000
5000
вони можуть відкривати і закривати ці пори для того, щоб генерувати електричну активність -
07:27
even when it's closed, because these ions are so small,
124
429000
3000
навіть якщо пора закрита, оскільки іони дуже малі,
07:30
they can actually sneak through, a few can sneak through at a time.
125
432000
3000
то вони можуть пройти крізь неї, за один раз можуть пройти декілька.
07:33
So, what you have is that when the pore is open,
126
435000
3000
І так, ми маємо те, що коли пора відкрита,
07:36
you get some current sometimes.
127
438000
2000
час від часу ми маємо деякий струм.
07:38
These are your ones, but you've got a few zeros thrown in.
128
440000
3000
Ось наші одиниці, але в них є декілька нулів.
07:41
And when it's closed, you have a zero,
129
443000
4000
І коли вона закрита, ми маємо нуль,
07:45
but you have a few ones thrown in.
130
447000
3000
але є і декілька одиниць.
07:48
Now, this is starting to happen in transistors.
131
450000
3000
Зараз ми починаємо спостерігати це в транзисторах.
07:51
And the reason why that's happening is that, right now, in 2007 --
132
453000
5000
І причиною цьому є те, що на даний момент, у 2007 --
07:56
the technology that we are using -- a transistor is big enough
133
458000
4000
що в технології, яку ми використовуємо, транзистор достатньо великий для того,
08:00
that several electrons can flow through the channel simultaneously, side by side.
134
462000
5000
щоб декілька електронів могли пройти крізь канал одночасно, поруч.
08:05
In fact, there's about 12 electrons can all be flowing this way.
135
467000
4000
Фактично, приблизно 12 електронів можуть пройти у такий спосіб.
08:09
And that means that a transistor corresponds
136
471000
2000
І це означає, що транзистор відповідає
08:11
to about 12 ion channels in parallel.
137
473000
3000
приблизно 12-ти паралельним іонним каналам.
08:14
Now, in a few years time, by 2015, we will shrink transistors so much.
138
476000
5000
Через декілька років, до 2015, ми значно зменшимо транзистори.
08:19
This is what Intel does to keep adding more cores onto the chip.
139
481000
5000
Це те, що робить Інтел для того, щоб додати більше ядер у чіп.
08:24
Or your memory sticks that you have now can carry one gigabyte
140
486000
3000
Або карти пам'яті, які ви зараз маєте, можуть містити один гігабайт
08:27
of stuff on them -- before, it was 256.
141
489000
2000
даних - раніше це було 256 мегабайт.
08:29
Transistors are getting smaller to allow this to happen,
142
491000
3000
Транзистори стають все меншими, дозволяючи це реалізувати,
08:32
and technology has really benefitted from that.
143
494000
3000
і технологія дійсно виграла від цього.
08:35
But what's happening now is that in 2015, the transistor is going to become so small,
144
497000
5000
Зараз все йде до того, що транзистори до 2015 стануть настільки малими,
08:40
that it corresponds to only one electron at a time
145
502000
3000
що лише один електрон в один момент часу
08:43
can flow through that channel,
146
505000
2000
зможе пройти через канал,
08:45
and that corresponds to a single ion channel.
147
507000
2000
що відповідає одиничному іонному каналу.
08:47
And you start having the same kind of traffic jams that you have in the ion channel.
148
509000
4000
І з'являються ті ж затори, які спостерігаються в іонному каналі.
08:51
The current will turn on and off at random,
149
513000
3000
Струм буде вмикатися і вимикатися випадково,
08:54
even when it's supposed to be on.
150
516000
2000
навіть тоді, коли він повинен бути увімкненим.
08:56
And that means your computer is going to get
151
518000
2000
І це означає, що ваш комп'ютер буде отримувати
08:58
its ones and zeros mixed up, and that's going to crash your machine.
152
520000
4000
одиниці і нулі в змішаному вигляді, що призведе до краху вашої машини.
09:02
So, we are at the stage where we
153
524000
4000
Зараз ми знаходимося на тій стадії, коли ми
09:06
don't really know how to compute with these kinds of devices.
154
528000
3000
насправді не знаємо як саме виконувати обчислення за допомогою цих пристроїв.
09:09
And the only kind of thing -- the only thing we know right now
155
531000
3000
І лише єдина річ, єдиний пристрій, який ми знаємо сьогодні,
09:12
that can compute with these kinds of devices are the brain.
156
534000
3000
і який може виконувати обчислення за допомогою такого типу елементів - це мозок.
09:15
OK, so a computer picks a specific item of data from memory,
157
537000
4000
Отже, комп'ютер вибирає конкретний елемент даних з пам'яті,
09:19
it sends it into the processor or the ALU,
158
541000
3000
відправляє його в процесор або АЛУ,
09:22
and then it puts the result back into memory.
159
544000
2000
а потім він відсилає результат назад у пам'ять.
09:24
That's the red path that's highlighted.
160
546000
2000
Це позначено красним, виділені зв'язки.
09:26
The way brains work, I told you all, you have got all these neurons.
161
548000
4000
Як працює мозок, я вам розповів. У вас є всі ці нейрони.
09:30
And the way they represent information is
162
552000
2000
Вони представляють інформацію наступним чином:
09:32
they break up that data into little pieces
163
554000
2000
розділяють дані на маленькі частини,
09:34
that are represented by pulses and different neurons.
164
556000
3000
представлені у вигляді імпульсів та окремих нейронів.
09:37
So you have all these pieces of data
165
559000
2000
Таким чином, ви маєте всі ці дані,
09:39
distributed throughout the network.
166
561000
2000
розподілені в мережі.
09:41
And then the way that you process that data to get a result
167
563000
3000
І далі процес обробки даних для отримання результату наступний:
09:44
is that you translate this pattern of activity into a new pattern of activity,
168
566000
4000
ви трансформуєте цю модель активності в нову модель активності
09:48
just by it flowing through the network.
169
570000
3000
по мірі того, як вона проходить крізь мережу.
09:51
So you set up these connections
170
573000
2000
Ви встановлюєте зв'язки
09:53
such that the input pattern just flows
171
575000
3000
таким чином, щоб вхідна модель проходила по ним
09:56
and generates the output pattern.
172
578000
2000
і генерувала вихідну модель.
09:58
What you see here is that there's these redundant connections.
173
580000
4000
Ось тут ви бачите, що є ці надлишкові зв'язки.
10:02
So if this piece of data or this piece of the data gets clobbered,
174
584000
4000
Тому, якщо ось ця частина даних або ця частина даних буде пошкоджена,
10:06
it doesn't show up over here, these two pieces can activate the missing part
175
588000
5000
це ніяк не відобразиться тут, ці дві частини можуть активувати відсутню частину
10:11
with these redundant connections.
176
593000
2000
цими надлишковими зв'язками.
10:13
So even when you go to these crappy devices
177
595000
2000
Таким чином, навіть якщо ви маєте справу з цими паршивими пристроями,
10:15
where sometimes you want a one and you get a zero, and it doesn't show up,
178
597000
3000
в яких інколи ви отримуєте нуль замість одиниці,
10:18
there's redundancy in the network
179
600000
2000
в мережі наявна ця надлишковість,
10:20
that can actually recover the missing information.
180
602000
3000
яка насправді може відновити відсутню інформацію.
10:23
It makes the brain inherently robust.
181
605000
3000
По суті, це робить роботу мозку надійною.
10:26
What you have here is a system where you store data locally.
182
608000
3000
Те, що ви маєте тут - це система, де ви зберігаєте дані локально.
10:29
And it's brittle, because each of these steps has to be flawless,
183
611000
4000
І вона тендітна, тому що кожен з цих кроків повинен бути бездоганним,
10:33
otherwise you lose that data, whereas in the brain, you have a system
184
615000
3000
в іншому випадку ви втратите дані. В той же час, мозок представляє собою систему,
10:36
that stores data in a distributed way, and it's robust.
185
618000
4000
яка зберігає дані розподілено, і це надійно.
10:40
What I want to basically talk about is my dream,
186
622000
4000
Головне, про що я хочу розповісти, це моя мрія
10:44
which is to build a computer that works like the brain.
187
626000
3000
створити комп'ютер, який працює як мозок.
10:47
This is something that we've been working on for the last couple of years.
188
629000
4000
Це те, над чим ми працюємо останні пару років.
10:51
And I'm going to show you a system that we designed
189
633000
3000
І зараз я вам покажу систему, яку ми спроектували
10:54
to model the retina,
190
636000
3000
для моделювання сітківки ока,
10:57
which is a piece of brain that lines the inside of your eyeball.
191
639000
5000
яка є частиною мозку, що розміщується всередині очного яблука.
11:02
We didn't do this by actually writing code, like you do in a computer.
192
644000
6000
Для цього ми не пишемо код, як це робиться в комп'ютерах.
11:08
In fact, the processing that happens
193
650000
3000
Фактично процеси, які протікають
11:11
in that little piece of brain is very similar
194
653000
2000
в маленькій частині мозку, дуже схожі
11:13
to the kind of processing that computers
195
655000
1000
на процеси, які відбуваються в комп'ютерах
11:14
do when they stream video over the Internet.
196
656000
4000
при передачі потокового відео через інтернет.
11:18
They want to compress the information --
197
660000
1000
Вони намагаються стиснути інформацію --
11:19
they just want to send the changes, what's new in the image, and so on --
198
661000
4000
вони намагаються передати тільки зміни, те що нове в зображенні, і так далі --
11:23
and that is how your eyeball
199
665000
3000
це те, як ваше очне яблуко
11:26
is able to squeeze all that information down to your optic nerve,
200
668000
3000
здатне втиснути всю інформацію в оптичний нерв,
11:29
to send to the rest of the brain.
201
671000
2000
щоб відіслати в інші ділянки мозку.
11:31
Instead of doing this in software, or doing those kinds of algorithms,
202
673000
3000
Замість того, щоб писати програми або розроблювати відповідні алгоритми,
11:34
we went and talked to neurobiologists
203
676000
3000
ми відправились на розмову з нейробіологами,
11:37
who have actually reverse engineered that piece of brain that's called the retina.
204
679000
4000
які фактично в зворотньому порядку спроектували цю частину мозку, яка називається сітківка.
11:41
And they figured out all the different cells,
205
683000
2000
Вони дослідили всю різноманітність клітин,
11:43
and they figured out the network, and we just took that network
206
685000
3000
дослідили мережу, і ми просто взяли цю мережу
11:46
and we used it as the blueprint for the design of a silicon chip.
207
688000
4000
і використовуємо її як схему для створення кремнієвої мікросхеми.
11:50
So now the neurons are represented by little nodes or circuits on the chip,
208
692000
6000
Таким чином зараз нейрони представлені невеликими вузлами або ланцюгами на мікросхемі,
11:56
and the connections among the neurons are represented, actually modeled by transistors.
209
698000
5000
а зв'язки між нейронами моделюються транзисторами.
12:01
And these transistors are behaving essentially
210
703000
2000
І ці транзистори ведуть себе так само,
12:03
just like ion channels behave in the brain.
211
705000
3000
як іонні канали в мозку.
12:06
It will give you the same kind of robust architecture that I described.
212
708000
5000
Це дасть вам таку ж надійну архітектуру, яку я описав.
12:11
Here is actually what our artificial eye looks like.
213
713000
4000
Це те, як насправді виглядає наше штучний око.
12:15
The retina chip that we designed sits behind this lens here.
214
717000
5000
Розроблена нами мікросхема, яка моделює сітківку, встановлена позаду цієї лінзи.
12:20
And the chip -- I'm going to show you a video
215
722000
2000
І ця мікросхема -- я покажу вам відео,
12:22
that the silicon retina put out of its output
216
724000
3000
отримане на кремнієвій сітківці,
12:25
when it was looking at Kareem Zaghloul,
217
727000
3000
коли вона розглядала Керіма Заглоу,
12:28
who's the student who designed this chip.
218
730000
2000
студента, який сконструював цю мікросхему.
12:30
Let me explain what you're going to see, OK,
219
732000
2000
Дозвольте мені пояснити, що ви зараз побачите, добре?
12:32
because it's putting out different kinds of information,
220
734000
3000
Тому що він видає різні типи інформації,
12:35
it's not as straightforward as a camera.
221
737000
2000
це не так просто як камера.
12:37
The retina chip extracts four different kinds of information.
222
739000
3000
Мікросхема, яка моделює сітківку, виділяє чотири різних види інформації.
12:40
It extracts regions with dark contrast,
223
742000
3000
Вона виділяє області з темною контрастністю,
12:43
which will show up on the video as red.
224
745000
3000
які будуть показані на відео червоним кольором.
12:46
And it extracts regions with white or light contrast,
225
748000
4000
І вона виділяє області з білою або світлою контрастністю,
12:50
which will show up on the video as green.
226
752000
2000
які будуть показані на відео зеленим кольором.
12:52
This is Kareem's dark eyes
227
754000
2000
Це темні очі Керіма,
12:54
and that's the white background that you see here.
228
756000
3000
а це - білий фон, який ви бачите тут.
12:57
And then it also extracts movement.
229
759000
2000
І потім вона також виділяє рухи.
12:59
When Kareem moves his head to the right,
230
761000
2000
Коли Керім рухає свою голову вправо,
13:01
you will see this blue activity there;
231
763000
2000
ви будете спостерігати активність блакитного кольору;
13:03
it represents regions where the contrast is increasing in the image,
232
765000
3000
вона представляє області на зображенні, де контраст збільшується,
13:06
that's where it's going from dark to light.
233
768000
3000
тобто переходить від темної до світлої.
13:09
And you also see this yellow activity,
234
771000
2000
І ви також бачите цю активність жовтого кольору,
13:11
which represents regions where contrast is decreasing;
235
773000
4000
яка представляє області, де контраст зменшується;
13:15
it's going from light to dark.
236
777000
2000
тобто переходить зі світлого в темний.
13:17
And these four types of information --
237
779000
3000
І ці чотири типа інформації --
13:20
your optic nerve has about a million fibers in it,
238
782000
4000
ваш зоровий нерв містить близько мільйона волокон,
13:24
and 900,000 of those fibers
239
786000
3000
900 000 з яких
13:27
send these four types of information.
240
789000
2000
передають ці чотири типа інформації.
13:29
So we are really duplicating the kind of signals that you have on the optic nerve.
241
791000
4000
Таким чином, ми насправді дублюємо типи сигналів, які надходять до зорового нерву.
13:33
What you notice here is that these snapshots
242
795000
3000
Що ви можете відмітити тут це те, що знімки,
13:36
taken from the output of the retina chip are very sparse, right?
243
798000
4000
отримані на виході сітківки, що моделюється мікросхемою, дуже розсіяні, чи не так?
13:40
It doesn't light up green everywhere in the background,
244
802000
2000
Зелений колір не засвітлює все на задньому фоні,
13:42
only on the edges, and then in the hair, and so on.
245
804000
3000
тільки по краях, на волоссі і так далі.
13:45
And this is the same thing you see
246
807000
1000
Це те ж саме, що ви спостерігаєте,
13:46
when people compress video to send: they want to make it very sparse,
247
808000
4000
коли люди стискають відео для того, щоб його передати: вони хочуть зробити його розсіяним,
13:50
because that file is smaller. And this is what the retina is doing,
248
812000
3000
тому що такий файл має менший розмір. І саме це робить сітківка,
13:53
and it's doing it just with the circuitry, and how this network of neurons
249
815000
4000
і вона робить це за допомогою лише однієї структури, як мережа нейронів,
13:57
that are interacting in there, which we've captured on the chip.
250
819000
3000
які взаємодіють на цій ділянці, яку ми відтворили в наші мікросхемі.
14:00
But the point that I want to make -- I'll show you up here.
251
822000
3000
Але головне, що я хочу показати, я продемонструю вам зараз.
14:03
So this image here is going to look like these ones,
252
825000
3000
І так, ось це зображення скоро буде виглядати так же, як ці,
14:06
but here I'll show you that we can reconstruct the image,
253
828000
2000
але тут я покажу вам, що ми можемо реконструювати зображення,
14:08
so, you know, you can almost recognize Kareem in that top part there.
254
830000
5000
ось, бачите, вже можна розпізнати Керіма в цій верхній частині.
14:13
And so, here you go.
255
835000
2000
Ось, вийшло.
14:24
Yes, so that's the idea.
256
846000
3000
Так, в цьому і є ідея.
14:27
When you stand still, you just see the light and dark contrasts.
257
849000
2000
Коли ви стоїте непохитно, то ви бачите тільки світлі і темні контрасти.
14:29
But when it's moving back and forth,
258
851000
2000
Але коли є рух назад і вперед,
14:31
the retina picks up these changes.
259
853000
3000
сітківка сприймає ці зміни.
14:34
And that's why, you know, when you're sitting here
260
856000
1000
Тому, ви знаєте, коли ви сидите тут
14:35
and something happens in your background,
261
857000
2000
і щось трапляється в вашому полі зору,
14:37
you merely move your eyes to it.
262
859000
2000
ви просто переводите погляд.
14:39
There are these cells that detect change
263
861000
2000
Є клітини, які фіксують зміни
14:41
and you move your attention to it.
264
863000
2000
і ви переводите вашу увагу на них.
14:43
So those are very important for catching somebody
265
865000
2000
Тому ці клітини дуже важливі для того, щоб помітити
14:45
who's trying to sneak up on you.
266
867000
2000
хто намагається підкрастися до вас.
14:47
Let me just end by saying that this is what happens
267
869000
3000
Дозвольте мені на завершення сказати, що буде,
14:50
when you put Africa in a piano, OK.
268
872000
3000
коли додати Африку в фортепіано. Гаразд.
14:53
This is a steel drum here that has been modified,
269
875000
3000
Це сталевий барабан, який був модернізований,
14:56
and that's what happens when you put Africa in a piano.
270
878000
3000
і це те, що виходить, якщо додати Африку в фортепіано.
14:59
And what I would like us to do is put Africa in the computer,
271
881000
4000
І я б дуже хотів. щоб ми додали Африку в комп'ютер
15:03
and come up with a new kind of computer
272
885000
2000
і отримали новий тип комп'ютера,
15:05
that will generate thought, imagination, be creative and things like that.
273
887000
3000
який буде генерувати думки, уявлення, мати творчі здібності і т.д.
15:08
Thank you.
274
890000
2000
Дякую!
15:10
(Applause)
275
892000
2000
(Аплодисменти)
15:12
Chris Anderson: Question for you, Kwabena.
276
894000
2000
Кріс Андерсон: питання до тебе, Квабена.
15:14
Do you put together in your mind the work you're doing,
277
896000
4000
Ви якось пов'язуєте разом в своєму розумінні те, що ви робите,
15:18
the future of Africa, this conference --
278
900000
3000
майбутнє Африки, цю конференцію --
15:21
what connections can we make, if any, between them?
279
903000
3000
які зв'язки можна встановити між ними, якщо є такі?
15:24
Kwabena Boahen: Yes, like I said at the beginning,
280
906000
2000
Квабена Боахен: Так, як я сказав на початку,
15:26
I got my first computer when I was a teenager, growing up in Accra.
281
908000
4000
Я отримав свій перший комп'ютер, коли я був підлітком і проживав у Аккрі.
15:30
And I had this gut reaction that this was the wrong way to do it.
282
912000
4000
І в мене склалося таке враження, що це був хибний шлях конструювати таким чином.
15:34
It was very brute force; it was very inelegant.
283
916000
3000
Це було просто використання грубої сили; це було дуже не елегантно.
15:37
I don't think that I would've had that reaction,
284
919000
2000
Я думаю, я б не відреагував подібним чином,
15:39
if I'd grown up reading all this science fiction,
285
921000
3000
якщо б зростав би читаючи всю цю наукову фантастику,
15:42
hearing about RD2D2, whatever it was called, and just -- you know,
286
924000
4000
слухаючи про RD2D2, або як він там називався, ну і, самі знаєте,
15:46
buying into this hype about computers.
287
928000
1000
довіряючи цьому галасу про комп'ютери.
15:47
I was coming at it from a different perspective,
288
929000
2000
Я підійшов до цього з іншої точки зору,
15:49
where I was bringing that different perspective
289
931000
2000
і привніс цю іншу точку зору
15:51
to bear on the problem.
290
933000
2000
для вирішення даної проблеми.
15:53
And I think a lot of people in Africa have this different perspective,
291
935000
3000
І я думаю багато людей в Африці мають цю іншу точку зору,
15:56
and I think that's going to impact technology.
292
938000
2000
і я думаю, це вплине на розвиток технологій.
15:58
And that's going to impact how it's going to evolve.
293
940000
2000
І це вплине на шляхи їх розвитку.
16:00
And I think you're going to be able to see, use that infusion,
294
942000
2000
І я думаю скоро ви матимете можливість побачити, використати цей внесок
16:02
to come up with new things,
295
944000
2000
для створення нових речей,
16:04
because you're coming from a different perspective.
296
946000
3000
тому що ви матимете іншу точку зору.
16:07
I think we can contribute. We can dream like everybody else.
297
949000
4000
Я думаю ми можемо внести свій внесок. Ми можемо мріяти як і всі інші.
16:11
CA: Thanks Kwabena, that was really interesting.
298
953000
2000
Кріс Андерсон: Дякую Квабена, це було дійсно цікаво.
16:13
Thank you.
299
955000
1000
Дякую.
16:14
(Applause)
300
956000
2000
(Аплодисменти)
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