TEDGlobal 2007
Kwabena Boahen: A computer that works like the brain
كوابينا بواهن: كمبيوتر يعمل كالدماغ
Filmed:
Readability: 4.2
718,375 views
الباحث كوابينا بواهن يبحث عن سبل لمحاكاة القوى الخارقة للدماغ في السيليكون -- لأن العمليات ، الفوضوية و الزائدة عن الحاجة داخل عقولنا تمكننا من جعل الكمبيوتر أصغر ، أخف ، و فائق السرعة.
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
حصلت على أول حاسوب عندما كنت مراهقا في أكرا ،
00:23
and it was a really cool device.
1
5000
3000
وكان جهازا رائعا حقا.
00:26
You could play games with it. You could program it in BASIC.
2
8000
5000
يمكنك أن نستعمله لتشغيل ألعاب، يمكنك برمجته باستعمال لغة الباسيك.
00:31
And I was fascinated.
3
13000
2000
وقد كنت مفتونا به.
00:33
So I went into the library to figure out how did this thing work.
4
15000
6000
لذلك ذهبت إلى المكتبة لمعرفة كيف يعمل هذا الشيء.
00:39
I read about how the CPU is constantly shuffling data back and forth
5
21000
5000
قرأت كيف تنقل وحدة المعالجة المركزية بشكل مستمر البيانات ذهابا وإيابا
00:44
between the memory, the RAM and the ALU,
6
26000
4000
بين الذاكرة ، RAM و ALU ،
00:48
the arithmetic and logic unit.
7
30000
2000
وحدة العمليات الحسابية والمنطقية.
00:50
And I thought to myself, this CPU really has to work like crazy
8
32000
4000
وقلت لنفسي ، على وحدة المعالجة المركزية أن تعمل بجنون
00:54
just to keep all this data moving through the system.
9
36000
4000
فقط للحفاظ على جميع هذه البيانات التي تمر عبر النظام.
00:58
But nobody was really worried about this.
10
40000
3000
ولكن لا أحد كان يشعر بالقلق ازاء هذا الواقع.
01:01
When computers were first introduced,
11
43000
2000
عندما عرضت أجهزة الكمبيوتر لأول مرة ،
01:03
they were said to be a million times faster than neurons.
12
45000
3000
قيل انها ستكون أسرع مليون مرة من الخلايا العصبية.
01:06
People were really excited. They thought they would soon outstrip
13
48000
5000
و قد بهر الناس حقا، كانوا يعتقدون أنهم سوف يتجاوزون قريبا
01:11
the capacity of the brain.
14
53000
3000
قدرة الدماغ.
01:14
This is a quote, actually, from Alan Turing:
15
56000
3000
هذا اقتباس من آلان تورنج :
01:17
"In 30 years, it will be as easy to ask a computer a question
16
59000
4000
"في غضون 30 سنة، سيكون من السهل أن نسأل جهاز كمبيوتر،
01:21
as to ask a person."
17
63000
2000
كما نسأل أي شخص ".
01:23
This was in 1946. And now, in 2007, it's still not true.
18
65000
7000
هذا كان في عام 1946. والآن في عام 2007 ، لا يزال هذا غير صحيح.
01:30
And so, the question is, why aren't we really seeing
19
72000
4000
والسؤال هو ، لماذا لا يمكننا رؤية
01:34
this kind of power in computers that we see in the brain?
20
76000
4000
هذه الدرجة من الطاقة في أجهزة الكمبيوتر كالتي نراها في الدماغ؟
01:38
What people didn't realize, and I'm just beginning to realize right now,
21
80000
4000
ما لا يدركه الناس ، وما بدأت أدركه أنا للتو،
01:42
is that we pay a huge price for the speed
22
84000
2000
هو أننا ندفع ثمنا كبيرا للسرعة ،
01:44
that we claim is a big advantage of these computers.
23
86000
4000
وهو ما ندعي أنه الميزة الكبيرة لهذه الحواسيب.
01:48
Let's take a look at some numbers.
24
90000
2000
دعونا نلقي نظرة على بعض الأرقام.
01:50
This is Blue Gene, the fastest computer in the world.
25
92000
4000
هذا هو بلو جين ، الكمبيوتر الأسرع في العالم.
01:54
It's got 120,000 processors; they can basically process
26
96000
5000
يحتوي على 120،000 معالجا؛ يمكنه عمليا معالجة
01:59
10 quadrillion bits of information per second.
27
101000
3000
10 كدريليون بت من المعلومات في الثانية الواحدة.
02:02
That's 10 to the sixteenth. And they consume one and a half megawatts of power.
28
104000
7000
هذا يمثل 10 قوة 16. كما أنها تستهلك ميجاوات ونصف من الكهرباء
02:09
So that would be really great, if you could add that
29
111000
3000
سيكون عظيما حقا ، لو تمكنا من اضافة هذا
02:12
to the production capacity in Tanzania.
30
114000
2000
لقدرة الإنتاج في تنزانيا.
02:14
It would really boost the economy.
31
116000
2000
بالتأكيد سيعزز هذا الاقتصاد.
02:16
Just to go back to the States,
32
118000
4000
بالعودة إلى الولايات المتحدة،
02:20
if you translate the amount of power or electricity
33
122000
2000
اذا قارنا كمية الطاقة أو الكهرباء
02:22
this computer uses to the amount of households in the States,
34
124000
3000
التي يستخدمها هذا الكمبيوتر بما تستهلكه الأسر في الولايات المتحدة ،
02:25
you get 1,200 households in the U.S.
35
127000
4000
تحصل على 1،200 أسرة في الولايات المتحدة ،
02:29
That's how much power this computer uses.
36
131000
2000
هذا مدى القوة التي يستخدمها هذا الكمبيوتر.
02:31
Now, let's compare this with the brain.
37
133000
3000
الآن ، دعونا نقارن هذا مع الدماغ.
02:34
This is a picture of, actually Rory Sayres' girlfriend's brain.
38
136000
5000
هذه صورة دماغ صديقة روري سايرس .
02:39
Rory is a graduate student at Stanford.
39
141000
2000
روري هو طالب دراسات عليا في جامعة ستانفورد.
02:41
He studies the brain using MRI, and he claims that
40
143000
4000
قام بدراسة الدماغ باستخدام التصوير بالرنين المغناطيسي ، ويدعي أن
02:45
this is the most beautiful brain that he has ever scanned.
41
147000
3000
هذا هو أجمل دماغ قام بمسحه ضوئيا.
02:48
(Laughter)
42
150000
2000
(ضحك)
02:50
So that's true love, right there.
43
152000
3000
هذا ما نسميه الحب الحقيقي.
02:53
Now, how much computation does the brain do?
44
155000
3000
الآن ، كم يقدر عدد العمليات الحسابية التي يستطيع الدماغ القيام بها؟
02:56
I estimate 10 to the 16 bits per second,
45
158000
2000
اقدر هذا من 10 قوة 16 بت في الثانية
02:58
which is actually about very similar to what Blue Gene does.
46
160000
4000
و هذا في الواقع مشابه جدا لما يستطيع بلو جين القيام به.
03:02
So that's the question. The question is, how much --
47
164000
2000
اذن هذا هو السؤال. السؤال هو ، كم --
03:04
they are doing a similar amount of processing, similar amount of data --
48
166000
3000
علما انهم يستهلكون كمية مماثلة من الطاقة وكمية مماثلة من البيانات --
03:07
the question is how much energy or electricity does the brain use?
49
169000
5000
السؤال هو كم من الطاقة أو الكهرباء يستهلك الدماغ؟
03:12
And it's actually as much as your laptop computer:
50
174000
3000
انه في الواقع يستهلك نفس القدر الذي يستهلكه الكمبيوتر المحمول :
03:15
it's just 10 watts.
51
177000
2000
فقط 10 واط.
03:17
So what we are doing right now with computers
52
179000
3000
لذلك ما نقوم به الآن مع أجهزة الكمبيوتر ،
03:20
with the energy consumed by 1,200 houses,
53
182000
3000
مع الطاقة التي يستهلكها 1،200 منزل ،
03:23
the brain is doing with the energy consumed by your laptop.
54
185000
5000
يقوم به الدماغ مستهلكا الطاقة التي يستهلكها جهاز كمبيوتر محمول.
03:28
So the question is, how is the brain able to achieve this kind of efficiency?
55
190000
3000
لذا فإن السؤال هو ، كيف يتمكن الدماغ من تحقيق هذا المستوى من الكفاءة؟
03:31
And let me just summarize. So the bottom line:
56
193000
2000
واسمحوا لي أن ألخص. بالنهاية اذن :
03:33
the brain processes information using 100,000 times less energy
57
195000
4000
يقوم الدماغ بمعالجة المعلومات باستخدام 100،000 مرة اقل من الطاقة
03:37
than we do right now with this computer technology that we have.
58
199000
4000
مما نستطيع القيام به حاليا مع تكنولوجيا الكمبيوتر التي لدينا.
03:41
How is the brain able to do this?
59
203000
2000
كيف يمكن للدماغ أن يفعل بذلك؟
03:43
Let's just take a look about how the brain works,
60
205000
3000
دعونا نلقي نظرة حول كيفية عمل الدماغ ،
03:46
and then I'll compare that with how computers work.
61
208000
4000
وبعد ذلك سوف نقارن ذلك مع كيفية عمل أجهزة الكمبيوتر.
03:50
So, this clip is from the PBS series, "The Secret Life of the Brain."
62
212000
4000
هذا مقطع من مسلسل تلفزيوني ، "الحياة السرية للدماغ".
03:54
It shows you these cells that process information.
63
216000
3000
تبين لنا الخلايا التي تقوم بعملية معالجة المعلومات.
03:57
They are called neurons.
64
219000
1000
وهي تسمى الخلايا العصبية.
03:58
They send little pulses of electricity down their processes to each other,
65
220000
6000
وهي ترسل نبضة صغيرة من الكهرباء لبعضهما البعض ،
04:04
and where they contact each other, those little pulses
66
226000
2000
وحيث يتصل بعضها ببعض ، تتمكن هذه النبضات الكهربائية الصغيرة
04:06
of electricity can jump from one neuron to the other.
67
228000
2000
من القفز من خلية إلى أخرى.
04:08
That process is called a synapse.
68
230000
3000
هذه العملية تسمى المشبك.
04:11
You've got this huge network of cells interacting with each other --
69
233000
2000
و لدينا هذه الشبكة الهائلة من الخلايا التي تتفاعل مع بعضها البعض ،
04:13
about 100 million of them,
70
235000
2000
حوالي 100 مليون منهم ،
04:15
sending about 10 quadrillion of these pulses around every second.
71
237000
4000
تقوم بارسال نحو 10 كوادريليون من هذه النبضات كل ثانية.
04:19
And that's basically what's going on in your brain right now as you're watching this.
72
241000
6000
وهذا بالضبط ما يحدث في أدمغتكم حاليا بينما تشاهدون هذا.
04:25
How does that compare with the way computers work?
73
247000
2000
كيف يمكن أن نقارن بين هذا وطريقة عمل أجهزة الكمبيوتر ؟
04:27
In the computer, you have all the data
74
249000
2000
في جهاز الكمبيوتر كل البيانات
04:29
going through the central processing unit,
75
251000
2000
تمر عبر وحدة المعالجة المركزية ،
04:31
and any piece of data basically has to go through that bottleneck,
76
253000
3000
وأي جزء من البيانات عليها المرور عبر عنق الزجاجة.
04:34
whereas in the brain, what you have is these neurons,
77
256000
4000
في حين أنه في الدماغ ، لديك هذه الخلايا العصبية
04:38
and the data just really flows through a network of connections
78
260000
4000
و البيانات تتدفق خلال شبكة اتصالات
04:42
among the neurons. There's no bottleneck here.
79
264000
2000
عبر الخلايا العصبية ، ولا مكان لأي اختناق هناك.
04:44
It's really a network in the literal sense of the word.
80
266000
4000
انها حقا شبكة بالمعنى الحرفي للكلمة.
04:48
The net is doing the work in the brain.
81
270000
4000
الشبكة تقوم بالعمل في الدماغ.
04:52
If you just look at these two pictures,
82
274000
2000
اذا ألقينا نظرة على هذين الصورتين ،
04:54
these kind of words pop into your mind.
83
276000
2000
يخطر ببالك هذا النوع من الكلمات.
04:56
This is serial and it's rigid -- it's like cars on a freeway,
84
278000
4000
هذا متسلسل وهو جامد : انها تشبه سيارات على الطريق السريع --
05:00
everything has to happen in lockstep --
85
282000
3000
كل شيء يجب أن يحدث بدون تفكير.
05:03
whereas this is parallel and it's fluid.
86
285000
2000
في حين أن هذا متوازي و سلس.
05:05
Information processing is very dynamic and adaptive.
87
287000
3000
معالجة المعلومات حيوية جدا وقابلة للتكيف.
05:08
So I'm not the first to figure this out. This is a quote from Brian Eno:
88
290000
4000
لست أول من اكتشف هذا. هذا اقتباس من براين إينو :
05:12
"the problem with computers is that there is not enough Africa in them."
89
294000
4000
"المشكلة مع أجهزة الكمبيوتر هو أنها لا تشبه افريقيا كثيرا".
05:16
(Laughter)
90
298000
6000
(ضحك)
05:22
Brian actually said this in 1995.
91
304000
3000
قال بريان هذا في عام 1995.
05:25
And nobody was listening then,
92
307000
3000
ولا أحد كان يستمع لذلك ،
05:28
but now people are beginning to listen
93
310000
2000
ولكن الآن بدأ الناس بالاستماع
05:30
because there's a pressing, technological problem that we face.
94
312000
5000
لان هناك مشكلة تكنولوجية ملحة نواجهها الآن.
05:35
And I'll just take you through that a little bit in the next few slides.
95
317000
5000
وسأبين لكم ذلك من خلال بعض الشرائح القليلة القادمة.
05:40
This is -- it's actually really this remarkable convergence
96
322000
4000
هذا -- انه يمثل حقا هذا التقارب الملحوظ
05:44
between the devices that we use to compute in computers,
97
326000
5000
بين الأجهزة التي نستخدمها لحساب في أجهزة الكمبيوتر ،
05:49
and the devices that our brains use to compute.
98
331000
4000
والأجهزة التي تستخدمها أدمغتنا للحساب.
05:53
The devices that computers use are what's called a transistor.
99
335000
4000
الأجهزة التي تستخدمها أجهزة الكمبيوتر هي ما يسمى جهاز الترانزستور.
05:57
This electrode here, called the gate, controls the flow of current
100
339000
4000
هذا القطب هنا ، يدعا البوابة ، للتحكم في التدفق
06:01
from the source to the drain -- these two electrodes.
101
343000
3000
من المصدر الى المسرب ، وهذين القطبين.
06:04
And that current, electrical current,
102
346000
2000
هذا التيار الكهربائي ،
06:06
is carried by electrons, just like in your house and so on.
103
348000
6000
تحمله الالكترونات ، تماما كما في بيتك ، وهلم جرا.
06:12
And what you have here is, when you actually turn on the gate,
104
354000
5000
وهنا ، عندما تفتح البوابة ،
06:17
you get an increase in the amount of current, and you get a steady flow of current.
105
359000
4000
يمكنك الحصول على زيادة في كمية التدفق ، ويمكنك الحصول على تدفق مستمر.
06:21
And when you turn off the gate, there's no current flowing through the device.
106
363000
4000
وعندما تقوم بإيقاف تشغيل البوابة ، لن يكون هناك تتدفق من خلال الجهاز.
06:25
Your computer uses this presence of current to represent a one,
107
367000
5000
الكمبيوتر يستخدم وجود هذا التدفق ليمثل الرقم واحد،
06:30
and the absence of current to represent a zero.
108
372000
4000
وعدم وجوده لتمثيل الرقم صفر.
06:34
Now, what's happening is that as transistors are getting smaller and smaller and smaller,
109
376000
6000
الآن ، ما يحدث هو أنه يتم الحصول على ترانزستورات أصغر وأصغر وأصغر ،
06:40
they no longer behave like this.
110
382000
2000
لذلك لم تعد تتصرف على هذا النحو.
06:42
In fact, they are starting to behave like the device that neurons use to compute,
111
384000
5000
في الواقع ، أنها بدأت تتصرف مثل الخلايا العصبية،
06:47
which is called an ion channel.
112
389000
2000
وهو ما يسمى قناة الأيون.
06:49
And this is a little protein molecule.
113
391000
2000
وهذا جزء صغير من البروتين.
06:51
I mean, neurons have thousands of these.
114
393000
4000
يعني ، الخلايا العصبية لديها الآلاف منها.
06:55
And it sits in the membrane of the cell and it's got a pore in it.
115
397000
4000
وهي توجد في غشاء الخلية ، وبينهما مسام.
06:59
And these are individual potassium ions
116
401000
3000
وهذه ايونات بوتاسيوم الفردية ،
07:02
that are flowing through that pore.
117
404000
2000
التي تتدفق من خلال تلك المسام.
07:04
Now, this pore can open and close.
118
406000
2000
الآن ، يمكن لهذه المسام أن تفتح وتغلق.
07:06
But, when it's open, because these ions have to line up
119
408000
5000
ولكن ، عندما يكون مفتوحا ، وذلك لأن هذه الأيونات يجب أن تصطف
07:11
and flow through, one at a time, you get a kind of sporadic, not steady --
120
413000
5000
وتتدفق واحدة بعد الاخرى، يمكنك الحصول على نوع متفرق ، وغير ثابت --
07:16
it's a sporadic flow of current.
121
418000
3000
انه تدفق متفرق للكهرباء.
07:19
And even when you close the pore -- which neurons can do,
122
421000
3000
وحتى عند إغلاق المسام -- وهو ما يمكن للخلايا العصبية أن تفعله ،
07:22
they can open and close these pores to generate electrical activity --
123
424000
5000
يمكنهم فتح وإغلاق هذه المسامات لتوليد النشاط الكهربائي --
07:27
even when it's closed, because these ions are so small,
124
429000
3000
حتى عندما تكون مغلقة، وذلك لأن هذه الأيونات صغيرة للغاية ،
07:30
they can actually sneak through, a few can sneak through at a time.
125
432000
3000
يمكنهم فعليا عن طريق التسلل ، عدد قليل يمكنه التسلل عبرها في وقت واحد.
07:33
So, what you have is that when the pore is open,
126
435000
3000
ما نحصل عليه هو أنه عندما يتم فتح المسام ،
07:36
you get some current sometimes.
127
438000
2000
يمكنك الحصول أحيانا على بعض التدفق.
07:38
These are your ones, but you've got a few zeros thrown in.
128
440000
3000
هذه بعض منها، ولكننا حصلنا على بعض الأصفار.
07:41
And when it's closed, you have a zero,
129
443000
4000
وعندما تكون مغلقة ، نحصل على الصفر ،
07:45
but you have a few ones thrown in.
130
447000
3000
ولكن لديك عدد قليل منها، حسنا.
07:48
Now, this is starting to happen in transistors.
131
450000
3000
الآن، بدأ يحدث هذا في الترانزستورات.
07:51
And the reason why that's happening is that, right now, in 2007 --
132
453000
5000
والسبب في ذلك هو أنه، الى حد الآن في عام 2007 ،
07:56
the technology that we are using -- a transistor is big enough
133
458000
4000
بالنسبة للتكنولوجيا التي نستخدمها ، الترانزستور هي كبيرة بما يكفي
08:00
that several electrons can flow through the channel simultaneously, side by side.
134
462000
5000
للسماح للإلكترونات أن تتدفق عبر القناة في وقت واحد ، جنبا الى جنب.
08:05
In fact, there's about 12 electrons can all be flowing this way.
135
467000
4000
في الواقع ، هناك حوالي 12 إلكترونا يمكنها أن تتدفق بهذه الطريقة.
08:09
And that means that a transistor corresponds
136
471000
2000
وهذا يعني أن الترانزستور يقابل
08:11
to about 12 ion channels in parallel.
137
473000
3000
نحو 12 قناة أيون متوازية.
08:14
Now, in a few years time, by 2015, we will shrink transistors so much.
138
476000
5000
الآن،و في غضون سنوات قليلة، بحلول عام 2015،سوف تتقلص الترانزستورات كثيرا.
08:19
This is what Intel does to keep adding more cores onto the chip.
139
481000
5000
هذا ما تفعله إنتل لإضافة المزيد من النوى في الشريحة ،
08:24
Or your memory sticks that you have now can carry one gigabyte
140
486000
3000
أو عصي الذاكرة التي لديك الآن يمكن أن تخزن واحد غيغابايت
08:27
of stuff on them -- before, it was 256.
141
489000
2000
من الاشياء عليها -- في الماضي كانت سعتها 256.
08:29
Transistors are getting smaller to allow this to happen,
142
491000
3000
الترانزستورات صارت أصغر فأصغر للسماح لهذا أن يحدث ،
08:32
and technology has really benefitted from that.
143
494000
3000
والتكنولوجيا قد استفادت من ذلك حقا.
08:35
But what's happening now is that in 2015, the transistor is going to become so small,
144
497000
5000
ولكن ما يحدث الآن هو أن في عام 2015 ، الترانزستور ستصبح صغيرة بدرجة ،
08:40
that it corresponds to only one electron at a time
145
502000
3000
أنه يمكن لإلكترون واحد
08:43
can flow through that channel,
146
505000
2000
أن يتدفق من خلال هذه القناة ،
08:45
and that corresponds to a single ion channel.
147
507000
2000
وهذا ما يمثل قناة أيون واحدة.
08:47
And you start having the same kind of traffic jams that you have in the ion channel.
148
509000
4000
ويصبح لديك نفس النوع من الاختناقات المرورية التي لديك في قناة الأيون ،
08:51
The current will turn on and off at random,
149
513000
3000
الحالية سوف تشتغل وتتوقف عشوائيا ،
08:54
even when it's supposed to be on.
150
516000
2000
حتى عندما كان من المفترض أن تشتغل.
08:56
And that means your computer is going to get
151
518000
2000
ويعني ذلك أن جهاز الكمبيوتر الخاص بك ستصبح
08:58
its ones and zeros mixed up, and that's going to crash your machine.
152
520000
4000
والآحاد والأصفار فيه مختلطة ، وهذا سوف يحطم الجهاز.
09:02
So, we are at the stage where we
153
524000
4000
لذلك ، ونحن في مرحلة لا يمكننا فيها
09:06
don't really know how to compute with these kinds of devices.
154
528000
3000
أن نعرف حقا كيف نشغل هذا النوع من الأجهزة.
09:09
And the only kind of thing -- the only thing we know right now
155
531000
3000
والشيء الوحيد الذي نعرفه الى حد الآن ،
09:12
that can compute with these kinds of devices are the brain.
156
534000
3000
و الذي يمكنه أن يشتغل مع هذا النوع من الأجهزة ، هو الدماغ.
09:15
OK, so a computer picks a specific item of data from memory,
157
537000
4000
حسنا ، فجهاز الكمبيوتر يختار عنصر معين من البيانات من الذاكرة ،
09:19
it sends it into the processor or the ALU,
158
541000
3000
ويرسلها الى المعالج أو للوحدة الحسابية و المنطقية ،
09:22
and then it puts the result back into memory.
159
544000
2000
ومن ثم يعيد النتيجة إلى الذاكرة.
09:24
That's the red path that's highlighted.
160
546000
2000
هذا هو مسار هذا الضوء الأحمر.
09:26
The way brains work, I told you all, you have got all these neurons.
161
548000
4000
طريقة عمل الدماغ ، لدينا كل هذه الخلايا العصبية.
09:30
And the way they represent information is
162
552000
2000
والطريقة التي تعرض بها المعلومات
09:32
they break up that data into little pieces
163
554000
2000
يتم تقسيم تلك البيانات إلى قطع صغيرة
09:34
that are represented by pulses and different neurons.
164
556000
3000
والتي تمثلها مختلف النبضات والخلايا العصبية.
09:37
So you have all these pieces of data
165
559000
2000
بحيث يكون لديك كل هذه القطع من البيانات
09:39
distributed throughout the network.
166
561000
2000
موزعة على جميع أنحاء الشبكة.
09:41
And then the way that you process that data to get a result
167
563000
3000
ومن ثم الطريقة التي يمكنك معالجة تلك البيانات للحصول على نتيجة
09:44
is that you translate this pattern of activity into a new pattern of activity,
168
566000
4000
هو بترجمة هذا النمط من النشاط إلى نمط جديد من النشاط ،
09:48
just by it flowing through the network.
169
570000
3000
انه فقط من خلال تدفقه عبر الشبكة.
09:51
So you set up these connections
170
573000
2000
لذلك تنشئ هذه الاتصالات ،
09:53
such that the input pattern just flows
171
575000
3000
مثل تدفق نمط الإدخال
09:56
and generates the output pattern.
172
578000
2000
ويولد نمط الانتاج.
09:58
What you see here is that there's these redundant connections.
173
580000
4000
ما نراه هنا هو ان هناك وصلات متكررة .
10:02
So if this piece of data or this piece of the data gets clobbered,
174
584000
4000
حتى إذا فقد جزء من هذه البيانات أو قطعة من البيانات ،
10:06
it doesn't show up over here, these two pieces can activate the missing part
175
588000
5000
فلن يظهر ذلك هنا ، يمكن لهذه القطع استحداث الجزء المفقود
10:11
with these redundant connections.
176
593000
2000
مع هذه الوصلات المتكررة
10:13
So even when you go to these crappy devices
177
595000
2000
حتى عندما تتعامل مع هذه الأجهزة
10:15
where sometimes you want a one and you get a zero, and it doesn't show up,
178
597000
3000
في بعض الأحيان ، حيث تريد الرقم واحد وتحصل على الصفر ،
10:18
there's redundancy in the network
179
600000
2000
هناك تكرار في الشبكة
10:20
that can actually recover the missing information.
180
602000
3000
يجعل من الممكن من استعادة المعلومات المفقودة.
10:23
It makes the brain inherently robust.
181
605000
3000
وهذا يجعل الدماغ بطبيعته قويا.
10:26
What you have here is a system where you store data locally.
182
608000
3000
ما لدينا هنا هو نظام حيث يتم تخزين البيانات محليا.
10:29
And it's brittle, because each of these steps has to be flawless,
183
611000
4000
وهذا نظام هش، وذلك لأن كل خطوة من هذه الخطوات يجب أن تكون خالية من العيوب ،
10:33
otherwise you lose that data, whereas in the brain, you have a system
184
615000
3000
وإلا ستفقد البيانات. في حين أنه في الدماغ ، لدينا نظام
10:36
that stores data in a distributed way, and it's robust.
185
618000
4000
يقوم بتخزين البيانات عن طريق توزيعها ، وهذا نظام قوي.
10:40
What I want to basically talk about is my dream,
186
622000
4000
ما أريد أن أتحدث عنه بالأساس هو حلمي ،
10:44
which is to build a computer that works like the brain.
187
626000
3000
المتمثل في بناء جهاز كمبيوتر يعمل مثل الدماغ.
10:47
This is something that we've been working on for the last couple of years.
188
629000
4000
هذا ما كنا نعمل على تحقيقه في العامين الماضيين.
10:51
And I'm going to show you a system that we designed
189
633000
3000
وسأبين لكم النظام الذي صممناه
10:54
to model the retina,
190
636000
3000
كنموذج لشبكية العين ،
10:57
which is a piece of brain that lines the inside of your eyeball.
191
639000
5000
وهي تمثل قطعة من الدماغ داخل مقلة العين.
11:02
We didn't do this by actually writing code, like you do in a computer.
192
644000
6000
نحن لم نقم بذلك من خلال كتابة برنامج ، كما نفعل في جهاز الكمبيوتر.
11:08
In fact, the processing that happens
193
650000
3000
في الواقع ، المعالجة التي تحدث
11:11
in that little piece of brain is very similar
194
653000
2000
في تلك القطعة الصغيرة من الدماغ هي مشابهة جدا
11:13
to the kind of processing that computers
195
655000
1000
للمعالجة التي تقوم بها أجهزة الكمبيوتر
11:14
do when they stream video over the Internet.
196
656000
4000
عندما تبث الفيديو عبر الإنترنت.
11:18
They want to compress the information --
197
660000
1000
انها تعمل على ضغط المعلومات --
11:19
they just want to send the changes, what's new in the image, and so on --
198
661000
4000
انها تقوم فقط بارسال التغييرات ما هو جديد في الصورة ، وهلم جرا --
11:23
and that is how your eyeball
199
665000
3000
وهذه هي الطريقة التي تمكن المقلة.
11:26
is able to squeeze all that information down to your optic nerve,
200
668000
3000
من ضغط كل تلك المعلومات إلى العصب البصري ،
11:29
to send to the rest of the brain.
201
671000
2000
لترسل إلى بقية المخ.
11:31
Instead of doing this in software, or doing those kinds of algorithms,
202
673000
3000
بدلا من القيام بذلك في البرنامج ، أو كتابة تلك الأنواع من الخوارزميات ،
11:34
we went and talked to neurobiologists
203
676000
3000
ذهبنا وتحدثنا مع مختصين في البيولوجيا العصبية
11:37
who have actually reverse engineered that piece of brain that's called the retina.
204
679000
4000
الذين قاموا بهندسة عكسية لهذه القطعة من الدماغ والتي تسمى شبكية العين.
11:41
And they figured out all the different cells,
205
683000
2000
واكتشفوا جميع انواع الخلايا ،
11:43
and they figured out the network, and we just took that network
206
685000
3000
واكتشفوا الشبكة ، نحن فقط قمنا بأخذ تلك الشبكة
11:46
and we used it as the blueprint for the design of a silicon chip.
207
688000
4000
واستخدمناها كمخطط لتصميم رقاقة السيليكون.
11:50
So now the neurons are represented by little nodes or circuits on the chip,
208
692000
6000
الآن الخلايا العصبية يتم تمثيلها بعقد أو دوائر على الرقاقة ،
11:56
and the connections among the neurons are represented, actually modeled by transistors.
209
698000
5000
والاتصالات بين الخلايا العصبية تتم عن طريق الترانزستورات
12:01
And these transistors are behaving essentially
210
703000
2000
وهذه الترانزيستورات تتصرف أساسا
12:03
just like ion channels behave in the brain.
211
705000
3000
تماما مثلما تتصرف القنوات الأيونية في الدماغ.
12:06
It will give you the same kind of robust architecture that I described.
212
708000
5000
سوف أقدم نفس النوع من البناء القوي الذي وصفته.
12:11
Here is actually what our artificial eye looks like.
213
713000
4000
هذا ما تبدوا عليه العين الاصطناعية.
12:15
The retina chip that we designed sits behind this lens here.
214
717000
5000
رقاقة الشبكية التي قمنا بتصميمها مكانها وراء هذه العدسة هنا.
12:20
And the chip -- I'm going to show you a video
215
722000
2000
ورقاقة – سأعرض عليكم شريط فيديو
12:22
that the silicon retina put out of its output
216
724000
3000
شبكية العين السيليكونية تعطينا النتيجة
12:25
when it was looking at Kareem Zaghloul,
217
727000
3000
عندما كانت تنظر ألى كريم زغلول ،
12:28
who's the student who designed this chip.
218
730000
2000
وهو الطالب الذي صمم هذه الشريحة.
12:30
Let me explain what you're going to see, OK,
219
732000
2000
اسمحوا لي أن أشرح ما سوف ترون.
12:32
because it's putting out different kinds of information,
220
734000
3000
لأنها ستعرض أنواع مختلفة من المعلومات ،
12:35
it's not as straightforward as a camera.
221
737000
2000
انها ليست ببساطة الكاميرا.
12:37
The retina chip extracts four different kinds of information.
222
739000
3000
رقاقة شبكية العين تستخرج أربعة أنواع مختلفة من المعلومات.
12:40
It extracts regions with dark contrast,
223
742000
3000
تستخرج مناطق داكنة ،
12:43
which will show up on the video as red.
224
745000
3000
والتي سوف تظهر في شريط الفيديو باللون الاحمر.
12:46
And it extracts regions with white or light contrast,
225
748000
4000
تستخرج مناطق فاتحة ،
12:50
which will show up on the video as green.
226
752000
2000
والتي سوف تظهر في شريط الفيديو باللون الاخضر
12:52
This is Kareem's dark eyes
227
754000
2000
هذه عيون كريم الداكنة
12:54
and that's the white background that you see here.
228
756000
3000
وهذه هي الخلفية البيضاء التي نراها هنا.
12:57
And then it also extracts movement.
229
759000
2000
ومن ثم فإنها أيضا تستخرج الحركة.
12:59
When Kareem moves his head to the right,
230
761000
2000
عندما يحرك كريم رأسه إلى اليمين ،
13:01
you will see this blue activity there;
231
763000
2000
سنرى هذا النشاط الأزرق هناك ،
13:03
it represents regions where the contrast is increasing in the image,
232
765000
3000
انها تمثل المناطق التي يزيد فيها النقيض في الصورة ،
13:06
that's where it's going from dark to light.
233
768000
3000
ذلك حيث انه سيمر من الداكن الى الفاتح.
13:09
And you also see this yellow activity,
234
771000
2000
ونرى أيضا هذا النشاط الأصفر ،
13:11
which represents regions where contrast is decreasing;
235
773000
4000
وهي تمثل المناطق التي يتناقص فيها النقيض في الصورة ،
13:15
it's going from light to dark.
236
777000
2000
انه سيكون من الفاتح إلى الغامق.
13:17
And these four types of information --
237
779000
3000
وهذه الأنواع الأربعة من المعلومات --
13:20
your optic nerve has about a million fibers in it,
238
782000
4000
لدى العصب البصري نحو مليون من الألياف منها ،
13:24
and 900,000 of those fibers
239
786000
3000
و900،000 من تلك الألياف
13:27
send these four types of information.
240
789000
2000
ترسل هذه الأنواع الأربعة من المعلومات.
13:29
So we are really duplicating the kind of signals that you have on the optic nerve.
241
791000
4000
لذلك نحن نكرر هذا النوع من الاشارات التي لدينا في العصب البصري.
13:33
What you notice here is that these snapshots
242
795000
3000
ما نلاحظه في هذه اللقطات
13:36
taken from the output of the retina chip are very sparse, right?
243
798000
4000
المأخوذة من عمل رقاقة الشبكية هي ضئيلة جدا.
13:40
It doesn't light up green everywhere in the background,
244
802000
2000
هي لا تلون بالأخضر كل مكان في الخلفية ،
13:42
only on the edges, and then in the hair, and so on.
245
804000
3000
فقط على الحواف ، وهلم جرا.
13:45
And this is the same thing you see
246
807000
1000
وهذا نفس الشيء الذي نشاهده
13:46
when people compress video to send: they want to make it very sparse,
247
808000
4000
عندما نضغط الفيديو بقصد إرسالها : نريد جعلها ضئيلة جدا ،
13:50
because that file is smaller. And this is what the retina is doing,
248
812000
3000
لأن هذا الملف هو أصغر. وهذا ما تقوم به في شبكية العين ،
13:53
and it's doing it just with the circuitry, and how this network of neurons
249
815000
4000
وانها تفعل ذلك فقط مع الدوائر ، وكيف أن هذه الشبكة من الخلايا العصبية
13:57
that are interacting in there, which we've captured on the chip.
250
819000
3000
التي هي في التفاعل هناك ، والتي قمنا بامساكها على الرقاقة.
14:00
But the point that I want to make -- I'll show you up here.
251
822000
3000
ولكن النقطة التي أريد أن أذكرها ، سأريكم هنا.
14:03
So this image here is going to look like these ones,
252
825000
3000
فهذه الصورة هنا سوف تبدو مثل هذه هنا ،
14:06
but here I'll show you that we can reconstruct the image,
253
828000
2000
ولكن هنا سأريكم أنه بامكاننا إعادة بناء الصورة ،
14:08
so, you know, you can almost recognize Kareem in that top part there.
254
830000
5000
لذلك، كما تعلمون، يمكنكم تقريبا التعرف على كريم في ذلك الجزء العلوي هناك.
14:13
And so, here you go.
255
835000
2000
هذا هو.
14:24
Yes, so that's the idea.
256
846000
3000
نعم ، اذا هذه هي الفكرة.
14:27
When you stand still, you just see the light and dark contrasts.
257
849000
2000
عندما نتوقف عن الحركة ، ترى فقط تناقض الضوء والظلام .
14:29
But when it's moving back and forth,
258
851000
2000
ولكن عندما تتحرك ذهابا وإيابا ،
14:31
the retina picks up these changes.
259
853000
3000
شبكية العين تلتقط هذه التغيرات.
14:34
And that's why, you know, when you're sitting here
260
856000
1000
ولهذا السبب ، وكما تعلمون ، اذا كنت جالسا هنا
14:35
and something happens in your background,
261
857000
2000
ويحدث شيء ما خلفك ،
14:37
you merely move your eyes to it.
262
859000
2000
فستوجه نظرك مباشرة نحوه.
14:39
There are these cells that detect change
263
861000
2000
توجد هذه الخلايا الحساسة للتغيير
14:41
and you move your attention to it.
264
863000
2000
وهي تقوم بتوجيه انتباهكم نحوه.
14:43
So those are very important for catching somebody
265
865000
2000
لذلك فهي مهمة جدا لاصطياد شخص ما
14:45
who's trying to sneak up on you.
266
867000
2000
يحاول التسلل نحوك.
14:47
Let me just end by saying that this is what happens
267
869000
3000
اسمحوا لي أن أنهي كلامي بالقول إن هذا هو ما يحدث
14:50
when you put Africa in a piano, OK.
268
872000
3000
عند نقحم افريقيا في بيانو ، موافق.
14:53
This is a steel drum here that has been modified,
269
875000
3000
تم تعديل هذا البرميل الصلب هنا ،
14:56
and that's what happens when you put Africa in a piano.
270
878000
3000
وهذا ما يحدث عند وضع افريقيا في البيانو.
14:59
And what I would like us to do is put Africa in the computer,
271
881000
4000
وما أود أن نقوم به ، هو وضع أفريقيا في الكمبيوتر ،
15:03
and come up with a new kind of computer
272
885000
2000
والتوصل الى نوع جديد من الكمبيوتر
15:05
that will generate thought, imagination, be creative and things like that.
273
887000
3000
من شأن هذا أن يولد الفكر والخيال ، أن تكون خلاقة واشياء من هذا القبيل.
15:08
Thank you.
274
890000
2000
شكرا لكم.
15:10
(Applause)
275
892000
2000
(تصفيق).
15:12
Chris Anderson: Question for you, Kwabena.
276
894000
2000
كريس اندرسون : لدي سؤال لك ، كوابينا.
15:14
Do you put together in your mind the work you're doing,
277
896000
4000
هل وضعت في تفكيرك و فيما تفعلونه ،
15:18
the future of Africa, this conference --
278
900000
3000
مستقبل أفريقيا ، وهذا المؤتمر --
15:21
what connections can we make, if any, between them?
279
903000
3000
هل يمكن ايجاد صلات ، إن وجدت ، بينهما؟
15:24
Kwabena Boahen: Yes, like I said at the beginning,
280
906000
2000
كوابينا بواهن : نعم ، وكما قلت في البداية.
15:26
I got my first computer when I was a teenager, growing up in Accra.
281
908000
4000
حصلت على أول حاسوب لي عندما كنت مراهقا يافعا، في أكرا.
15:30
And I had this gut reaction that this was the wrong way to do it.
282
912000
4000
وكان لدي رد فعل غريزي بأن هذه طريقة خاطئة لتحقيق ذلك.
15:34
It was very brute force; it was very inelegant.
283
916000
3000
كان عبارة عن القوة الغاشمة ، ولم يكن ذلك أنيقا بالمرة.
15:37
I don't think that I would've had that reaction,
284
919000
2000
لا أعتقد أنني كنت سأقوم برد الفعل هذا ،
15:39
if I'd grown up reading all this science fiction,
285
921000
3000
إذا كنت قرأت كل هذا الخيال العلمي في صغري ،
15:42
hearing about RD2D2, whatever it was called, and just -- you know,
286
924000
4000
نسمع عن RD2D2 ، أيا كان اسمه ، وفقط -- كما تعلمون ،
15:46
buying into this hype about computers.
287
928000
1000
الشراء في هذا الضجيج أجهزة الكمبيوتر.
15:47
I was coming at it from a different perspective,
288
929000
2000
كنت قادما اليها من منظور مختلف ،
15:49
where I was bringing that different perspective
289
931000
2000
و كان لدي وجهة نظر مختلفة
15:51
to bear on the problem.
290
933000
2000
للتعاطي مع المشكلة.
15:53
And I think a lot of people in Africa have this different perspective,
291
935000
3000
واعتقد ان الكثير من الناس في أفريقيا لديهم وجهة النظر المختلفة هذه ،
15:56
and I think that's going to impact technology.
292
938000
2000
والتي أعتقد أنها سيكون لها أثر على التكنولوجيا.
15:58
And that's going to impact how it's going to evolve.
293
940000
2000
وسيكون لها تأثير على كيفية تطور الامور.
16:00
And I think you're going to be able to see, use that infusion,
294
942000
2000
واعتقد انك ستكون قادرا على رؤية ، واستخدام هذا التسريب ،
16:02
to come up with new things,
295
944000
2000
لتكتشف أشياء جديدة ،
16:04
because you're coming from a different perspective.
296
946000
3000
لأنك قادم من منظور مختلف.
16:07
I think we can contribute. We can dream like everybody else.
297
949000
4000
وأعتقد أننا يمكننا أن تساهم ، يمكننا أن نحلم مثل أي شخص آخر.
16:11
CA: Thanks Kwabena, that was really interesting.
298
953000
2000
كريس اندرسون : شكرا كوابينا ، كان هذا مثيرا للاهتمام حقا.
16:13
Thank you.
299
955000
1000
شكرا لك.
16:14
(Applause)
300
956000
2000
(تصفيق).
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