ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Kwabena Boahen | Speaker | TED.com
TEDGlobal 2007

Kwabena Boahen: A computer that works like the brain

Куабена Боахен за компютър, който работи като мозъка

Filmed:
718,375 views

Изследователят Куабена Боахен търси начини за имитиране на суперкомпютърната сила на мозъка със силиций -- защото разхвърляните, повторяеми процеси в главите ни всъщност наподобяват малък, лек, супербърз компютър.
- 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

Double-click the English transcript below to play the video.

00:18
I got my first computerкомпютър when I was a teenagerтийнейджър growingнарастващ up in AccraАкра,
0
0
5000
Получих първият си компютър, когато бях тийнейджър, докато израствах в Акра,
00:23
and it was a really coolготино deviceприспособление.
1
5000
3000
и той беше наистина страхотно устройство.
00:26
You could playиграя gamesигри with it. You could programпрограма it in BASICОСНОВЕН.
2
8000
5000
Можеше да играете игри на него, можеше да го програмирате на BASIC.
00:31
And I was fascinatedочарован.
3
13000
2000
И аз бях очарован.
00:33
So I wentотидох into the libraryбиблиотека to figureфигура out how did this thing work.
4
15000
6000
Така че отидох в библиотеката за да разбера как работи това нещо.
00:39
I readПрочети about how the CPUПРОЦЕСОР is constantlyпостоянно shufflingразмесването dataданни back and forthнапред
5
21000
5000
Прочетох за това как процесорът постоянно размесва данни напред-назад,
00:44
betweenмежду the memoryпамет, the RAMRAM and the ALUALU,
6
26000
4000
между паметта, RAM и АЛУ,
00:48
the arithmeticаритметика and logicлогика unitмерна единица.
7
30000
2000
аритметическото и логическо устройство.
00:50
And I thought to myselfсебе си, this CPUПРОЦЕСОР really has to work like crazyлуд
8
32000
4000
И аз си помислих, че този процесор наистина трябва да работи като луд,
00:54
just to keep all this dataданни movingдвижещ throughпрез the systemсистема.
9
36000
4000
само за да поддържа всички тези данни в движение през системата.
00:58
But nobodyНикой was really worriedразтревожен about this.
10
40000
3000
Но никой не беше много притеснен за това.
01:01
When computersкомпютри were first introducedвъведено,
11
43000
2000
Когато компютрите бяха представени за първи път,
01:03
they were said to be a millionмилион timesпъти fasterпо-бързо than neuronsневрони.
12
45000
3000
се смяташе, че са един милион пъти по-бързи от невроните.
01:06
People were really excitedвъзбуден. They thought they would soonскоро outstripнадпреварват това, което
13
48000
5000
Хората бяха много радостни, те смятаха, че скоро ще надминат
01:11
the capacityкапацитет of the brainмозък.
14
53000
3000
капацитета на мозъка.
01:14
This is a quoteцитат, actuallyвсъщност, from AlanАлън TuringТюринг:
15
56000
3000
Това е цитат, всъщност, от Алън Тюринг:
01:17
"In 30 yearsгодини, it will be as easyлесно to askпитам a computerкомпютър a questionвъпрос
16
59000
4000
"След 30 години, ще бъде толкова лесно да зададете въпрос на компютър,
01:21
as to askпитам a personчовек."
17
63000
2000
колкото да попитате човек."
01:23
This was in 1946. And now, in 2007, it's still not trueвярно.
18
65000
7000
Това беше през 1946 година. И сега, през 2007 г., това все още не е вярно.
01:30
And so, the questionвъпрос is, why aren'tне са we really seeingвиждане
19
72000
4000
Въпросът е, защо наистина не виждаме
01:34
this kindмил of powerмощност in computersкомпютри that we see in the brainмозък?
20
76000
4000
тази мощност в компютрите, която виждаме в мозъка?
01:38
What people didn't realizeосъзнавам, and I'm just beginningначало to realizeосъзнавам right now,
21
80000
4000
Това, което хората не осъзнават, и аз просто започвам да осъзнавам това в момента
01:42
is that we payплащам a hugeогромен priceцена for the speedскорост
22
84000
2000
е, че плащаме огромна цена за скоростта,
01:44
that we claimиск is a bigголям advantageпредимство of these computersкомпютри.
23
86000
4000
която твърдим, че е голямо предимство на тези компютри.
01:48
Let's take a look at some numbersчисленост.
24
90000
2000
Нека да разгледаме няколко числа.
01:50
This is BlueСин GeneГен, the fastestНай-бързият computerкомпютър in the worldсвят.
25
92000
4000
Това е Blue Gene, най-бързият компютър в света.
01:54
It's got 120,000 processorsпроцесори; they can basicallyв основата си processпроцес
26
96000
5000
Има 120 000 процесора, които могат да обработват, в основни линии,
01:59
10 quadrillionquadrillion bitsбита of informationинформация perна secondвтори.
27
101000
3000
10 квадрилиона бита информация в секунда.
02:02
That's 10 to the sixteenthшестнадесети. And they consumeконсумираме one and a halfнаполовина megawattsмегавата of powerмощност.
28
104000
7000
Това е 10 на 16-та. И те консумират един и половина мегавата мощност.
02:09
So that would be really great, if you could addдобави that
29
111000
3000
Така че ще бъде наистина чудесно, ако можете да добавите това
02:12
to the productionпроизводство capacityкапацитет in TanzaniaТанзания.
30
114000
2000
към производствения капацитет на Танзания.
02:14
It would really boostбасите the economyикономика.
31
116000
2000
Наистина ще стимулира икономиката.
02:16
Just to go back to the StatesДържавите,
32
118000
4000
Ако се върнем към Щатите,
02:20
if you translateпревеждам the amountколичество of powerмощност or electricityелектричество
33
122000
2000
ако съпоставите количеството мощност и електроенергия,
02:22
this computerкомпютър usesупотреби to the amountколичество of householdsдомакинства in the StatesДържавите,
34
124000
3000
които този компютър използва, към броя на домакинствата в САЩ,
02:25
you get 1,200 householdsдомакинства in the U.S.
35
127000
4000
ще получите 1200 домакинства в САЩ,
02:29
That's how much powerмощност this computerкомпютър usesупотреби.
36
131000
2000
толкова много енергия използва този компютър.
02:31
Now, let's compareсравнение this with the brainмозък.
37
133000
3000
Сега, нека да сравним това с мозъка.
02:34
This is a pictureснимка of, actuallyвсъщност RoryРори Sayres''Sayres в girlfriend'sприятелка на brainмозък.
38
136000
5000
Това е снимка, всъщност от мозъка на приятелката на Рори Сейърс.
02:39
RoryРори is a graduateзавършвам studentстудент at StanfordСтанфорд.
39
141000
2000
Рори е аспирант в Станфорд.
02:41
He studiesпроучвания the brainмозък usingизползвайки MRIЯМР, and he claimsискове that
40
143000
4000
Той изследва мозъка с МРТ и твърди, че
02:45
this is the mostнай-много beautifulкрасив brainмозък that he has ever scannedсканирано.
41
147000
3000
това е най-красивият мозък, който някога е сканирал.
02:48
(LaughterСмях)
42
150000
2000
(Смях)
02:50
So that's trueвярно love, right there.
43
152000
3000
Така че това е истинска любов, точно там.
02:53
Now, how much computationизчисление does the brainмозък do?
44
155000
3000
Колко изчисления прави мозъка?
02:56
I estimateприблизителна оценка 10 to the 16 bitsбита perна secondвтори,
45
158000
2000
Смятам, че около 10 на 16-та бита за секунда,
02:58
whichкойто is actuallyвсъщност about very similarподобен to what BlueСин GeneГен does.
46
160000
4000
което всъщност е много подобно на това, което прави Blue Gene.
03:02
So that's the questionвъпрос. The questionвъпрос is, how much --
47
164000
2000
Така че това е въпросът. Въпросът е, колко --
03:04
they are doing a similarподобен amountколичество of processingобработване, similarподобен amountколичество of dataданни --
48
166000
3000
те извършват подобно количество изчисления, подобен обем на данни --
03:07
the questionвъпрос is how much energyенергия or electricityелектричество does the brainмозък use?
49
169000
5000
въпросът е колко енергия и електричество използва мозъка?
03:12
And it's actuallyвсъщност as much as your laptopлаптоп computerкомпютър:
50
174000
3000
И това е всъщност толкова, колкото вашия лаптоп компютър:
03:15
it's just 10 wattsвата.
51
177000
2000
това са само 10 вата.
03:17
So what we are doing right now with computersкомпютри
52
179000
3000
Така че това, което правим в момента с компютри,
03:20
with the energyенергия consumedконсумира by 1,200 housesкъщи,
53
182000
3000
с енергията, консумирана от 1200 къщи,
03:23
the brainмозък is doing with the energyенергия consumedконсумира by your laptopлаптоп.
54
185000
5000
мозъкът прави с енергията, консумирана от вашия лаптоп.
03:28
So the questionвъпрос is, how is the brainмозък ableспособен to achieveпостигане this kindмил of efficiencyефективност?
55
190000
3000
Така че въпросът е, как мозъкът може да постигне тази ефективност?
03:31
And let me just summarizeрезюмирам. So the bottomдъно lineлиния:
56
193000
2000
И нека само да обобщя. Въпросът е:
03:33
the brainмозък processesпроцеси informationинформация usingизползвайки 100,000 timesпъти lessпо-малко energyенергия
57
195000
4000
мозъкът обработва информация, използвайки 100 000 пъти по-малко енергия,
03:37
than we do right now with this computerкомпютър technologyтехнология that we have.
58
199000
4000
отколкото ние правим сега с тази компютърна технология, която имаме.
03:41
How is the brainмозък ableспособен to do this?
59
203000
2000
Как мозъкът успява да направи това?
03:43
Let's just take a look about how the brainмозък worksвърши работа,
60
205000
3000
Нека просто да погледнем как работи мозъкът,
03:46
and then I'll compareсравнение that with how computersкомпютри work.
61
208000
4000
и после аз ще го сравня с това как работят компютрите.
03:50
So, this clipклипс is from the PBSPBS seriesсерия, "The SecretТайна Life of the BrainМозъка."
62
212000
4000
Този клип е от PBS сериала "Тайният живот на мозъка."
03:54
It showsпредавания you these cellsклетки that processпроцес informationинформация.
63
216000
3000
Показва ви тези клетки, които обработват информация.
03:57
They are calledНаречен neuronsневрони.
64
219000
1000
Наричат се неврони.
03:58
They sendизпращам little pulsesимпулси of electricityелектричество down theirтехен processesпроцеси to eachвсеки other,
65
220000
6000
Те изпращат малки импулси от електроенергия по техните процеси един на друг,
04:04
and where they contactконтакт eachвсеки other, those little pulsesимпулси
66
226000
2000
и когато се свързват помежду си, тези малки импулси
04:06
of electricityелектричество can jumpскок from one neuronневрон to the other.
67
228000
2000
от електроенергия могат да скочат от един неврон на друг.
04:08
That processпроцес is calledНаречен a synapseсинапс.
68
230000
3000
Този процес се нарича синапс.
04:11
You've got this hugeогромен networkмрежа of cellsклетки interactingвзаимодействащи with eachвсеки other --
69
233000
2000
Имате тази огромна мрежа от клетки, които общуват една с друга,
04:13
about 100 millionмилион of them,
70
235000
2000
около 100 милиона от тях,
04:15
sendingизпращане about 10 quadrillionquadrillion of these pulsesимпулси around everyвсеки secondвтори.
71
237000
4000
изпращащи около 10 квадрилиона от тези импулси на всяка секунда.
04:19
And that's basicallyв основата си what's going on in your brainмозък right now as you're watchingгледане this.
72
241000
6000
И това в основни линии е, което се случва в мозъка ви точно сега, докато гледате това.
04:25
How does that compareсравнение with the way computersкомпютри work?
73
247000
2000
Как се сравнява това с начина, по който работят компютрите?
04:27
In the computerкомпютър, you have all the dataданни
74
249000
2000
В компютъра имате всички данни,
04:29
going throughпрез the centralцентрален processingобработване unitмерна единица,
75
251000
2000
които преминават през централния процесор,
04:31
and any pieceпарче of dataданни basicallyв основата си has to go throughпрез that bottleneckгърло на бутилка,
76
253000
3000
и в основни линии, всяка частица от данни трябва да премине през това стеснение.
04:34
whereasдокато in the brainмозък, what you have is these neuronsневрони,
77
256000
4000
Докато в мозъка, това което имате са тези неврони
04:38
and the dataданни just really flowsпотоци throughпрез a networkмрежа of connectionsвръзки
78
260000
4000
и данните просто наистина текат през мрежа от връзки
04:42
amongсред the neuronsневрони. There's no bottleneckгърло на бутилка here.
79
264000
2000
между невроните, тук няма пречка.
04:44
It's really a networkмрежа in the literalбуквален senseсмисъл of the wordдума.
80
266000
4000
Това е наистина една мрежа, в буквалния смисъл на думата.
04:48
The netнето is doing the work in the brainмозък.
81
270000
4000
Мрежата върши работата в мозъка.
04:52
If you just look at these two picturesснимки,
82
274000
2000
Ако просто погледнете тези две снимки,
04:54
these kindмил of wordsдуми popпоп into your mindум.
83
276000
2000
тези думи се появяват в съзнанието ви.
04:56
This is serialсериен and it's rigidтвърда -- it's like carsавтомобили on a freewayмагистралата,
84
278000
4000
Това е последователно и е устойчиво: Това е като коли на магистралата --
05:00
everything has to happenстава in locksteplockstep --
85
282000
3000
всичко трябва да се случи последователно.
05:03
whereasдокато this is parallelпаралелен and it's fluidтечност.
86
285000
2000
Докато това е паралелно и е флуидно.
05:05
InformationИнформация processingобработване is very dynamicдинамичен and adaptiveадаптивна.
87
287000
3000
Обработката на информацията е много динамична и адаптивна.
05:08
So I'm not the first to figureфигура this out. This is a quoteцитат from BrianБрайън EnoИно:
88
290000
4000
Аз не съм първият, който е разбрал това. Това е цитат от Брайън Ено:
05:12
"the problemпроблем with computersкомпютри is that there is not enoughдостатъчно AfricaАфрика in them."
89
294000
4000
"Проблемът с компютрите е, че няма достатъчно от Африка в тях."
05:16
(LaughterСмях)
90
298000
6000
(Смях)
05:22
BrianБрайън actuallyвсъщност said this in 1995.
91
304000
3000
Брайън всъщност каза това през 1995 година.
05:25
And nobodyНикой was listeningслушане then,
92
307000
3000
Тогава никой не слушаше,
05:28
but now people are beginningначало to listen
93
310000
2000
но сега хората започват да слушат,
05:30
because there's a pressingнатискане, technologicalтехнологически problemпроблем that we faceлице.
94
312000
5000
защото има належащ технологичен проблем, пред който сме изправени.
05:35
And I'll just take you throughпрез that a little bitмалко in the nextследващия fewмалцина slidesпързалки.
95
317000
5000
И аз просто ще ви преведа през това през следващите няколко слайда.
05:40
This is -- it's actuallyвсъщност really this remarkableзабележителен convergenceконвергенция
96
322000
4000
Това е -- това е всъщност наистина това забележително събиране
05:44
betweenмежду the devicesустройства that we use to computeпресмятам in computersкомпютри,
97
326000
5000
между устройствата, които ние използваме за да изчисляваме в компютрите,
05:49
and the devicesустройства that our brainsмозъците use to computeпресмятам.
98
331000
4000
и устройствата, които използват нашите мозъци за да изчисляват.
05:53
The devicesустройства that computersкомпютри use are what's calledНаречен a transistorтранзистор.
99
335000
4000
Устройствата, които използват компютрите се наричат транзистори.
05:57
This electrodeелектрод here, calledНаречен the gateпорта, controlsконтроли the flowпоток of currentтекущ
100
339000
4000
Този електрод тук, наречен гейт, контролира потока на ток
06:01
from the sourceизточник to the drainканализация -- these two electrodesелектроди.
101
343000
3000
от сорс към дрейн, тези два електрода.
06:04
And that currentтекущ, electricalелектрически currentтекущ,
102
346000
2000
И този ток, електрически ток,
06:06
is carriedизвършва by electronsелектрони, just like in your houseкъща and so on.
103
348000
6000
се пренася от електроните, също както в дома ви, и така нататък.
06:12
And what you have here is, when you actuallyвсъщност turnзавой on the gateпорта,
104
354000
5000
И това, което имате тук е, когато всъщност отворите гейта,
06:17
you get an increaseнараства in the amountколичество of currentтекущ, and you get a steadyстабилен flowпоток of currentтекущ.
105
359000
4000
получавате увеличение в количеството на ток и получавате постоянен поток на ток.
06:21
And when you turnзавой off the gateпорта, there's no currentтекущ flowingтечаща throughпрез the deviceприспособление.
106
363000
4000
И когато затворите гейта, няма ток течащ през устройството.
06:25
Your computerкомпютър usesупотреби this presenceприсъствие of currentтекущ to representпредставляват a one,
107
367000
5000
Вашият компютър използва това наличие на ток за да представи единица,
06:30
and the absenceотсъствие of currentтекущ to representпредставляват a zeroнула.
108
372000
4000
и липсата на ток за да представи нула.
06:34
Now, what's happeningслучва is that as transistorsтранзистори are gettingполучаване на smallerпо-малък and smallerпо-малък and smallerпо-малък,
109
376000
6000
Сега, това което се случва е, че когато транзисторите стават все по-малки, и по-малки, и по-малки,
06:40
they no longerповече време behaveдържа се like this.
110
382000
2000
те вече не се държат по този начин.
06:42
In factфакт, they are startingстартиране to behaveдържа се like the deviceприспособление that neuronsневрони use to computeпресмятам,
111
384000
5000
В действителност, те започват да се държат като устройството, което невроните използват за изчисляване,
06:47
whichкойто is calledНаречен an ionЙон channelканал.
112
389000
2000
което се нарича йонен канал.
06:49
And this is a little proteinпротеин moleculeмолекула.
113
391000
2000
И това е малка молекула белтък.
06:51
I mean, neuronsневрони have thousandsхиляди of these.
114
393000
4000
Искам да кажа, невроните имат хиляди от тях.
06:55
And it sitsседи in the membraneмембрана of the cellклетка and it's got a poreпорите in it.
115
397000
4000
И тя седи в мембраната на клетката, и има пора в нея.
06:59
And these are individualиндивидуален potassiumкалиев ionsйони
116
401000
3000
А това са индивидуални йони калий,
07:02
that are flowingтечаща throughпрез that poreпорите.
117
404000
2000
които се вливат към тази пора.
07:04
Now, this poreпорите can openотворен and closeблизо.
118
406000
2000
Сега, тази пора може да се отваря и затваря.
07:06
But, when it's openотворен, because these ionsйони have to lineлиния up
119
408000
5000
Но, когато е отворена, понеже тези йони трябва да се подредят
07:11
and flowпоток throughпрез, one at a time, you get a kindмил of sporadicспорадични, not steadyстабилен --
120
413000
5000
и да преминат един по един, вие получавате спорадичен, а не постоянен --
07:16
it's a sporadicспорадични flowпоток of currentтекущ.
121
418000
3000
това е спорадичен поток на ток.
07:19
And even when you closeблизо the poreпорите -- whichкойто neuronsневрони can do,
122
421000
3000
И дори когато затворите порите -- което невроните могат да направят,
07:22
they can openотворен and closeблизо these poresпори to generateгенериране electricalелектрически activityдейност --
123
424000
5000
те могат да се отварят и затварят тези пори, за да генерират електрическа активност --
07:27
even when it's closedзатворен, because these ionsйони are so smallмалък,
124
429000
3000
дори когато е затворена, тъй като тези йони са толкова малки,
07:30
they can actuallyвсъщност sneakзакрита throughпрез, a fewмалцина can sneakзакрита throughпрез at a time.
125
432000
3000
те могат всъщност да се промъкнат, няколко могат да се промъкнат.
07:33
So, what you have is that when the poreпорите is openотворен,
126
435000
3000
Така че това, което имаме е, че когато пората е отворена,
07:36
you get some currentтекущ sometimesпонякога.
127
438000
2000
понякога имаме ток.
07:38
These are your onesтакива, but you've got a fewмалцина zerosнули thrownхвърлен in.
128
440000
3000
Това са вашите единици, но има и няколко подхвърлени нули.
07:41
And when it's closedзатворен, you have a zeroнула,
129
443000
4000
И когато е затворена, имате нула,
07:45
but you have a fewмалцина onesтакива thrownхвърлен in.
130
447000
3000
но имате и няколко подхвърлени единици, нали.
07:48
Now, this is startingстартиране to happenстава in transistorsтранзистори.
131
450000
3000
Сега, това започва да се случва в транзисторите.
07:51
And the reasonпричина why that's happeningслучва is that, right now, in 2007 --
132
453000
5000
И причината защо това се случва е, че точно сега през 2007 г.,
07:56
the technologyтехнология that we are usingизползвайки -- a transistorтранзистор is bigголям enoughдостатъчно
133
458000
4000
технологията, която използваме, един транзистор е достатъчно голям,
08:00
that severalняколко electronsелектрони can flowпоток throughпрез the channelканал simultaneouslyедновременно, sideстрана by sideстрана.
134
462000
5000
че няколко електрона могат да преминават през канала едновременно, едни до други.
08:05
In factфакт, there's about 12 electronsелектрони can all be flowingтечаща this way.
135
467000
4000
В действителност, около 12 електрони могат да бъдат прекарани по този начин.
08:09
And that meansсредства that a transistorтранзистор correspondsсъответства
136
471000
2000
А това означава, че един транзистор съответства
08:11
to about 12 ionЙон channelsканали in parallelпаралелен.
137
473000
3000
на около 12 паралелни йонни канала.
08:14
Now, in a fewмалцина yearsгодини time, by 2015, we will shrinkсвиване transistorsтранзистори so much.
138
476000
5000
До няколко години, до 2015 г., ние ще намалим транзисторите толкова много.
08:19
This is what IntelIntel does to keep addingдобавяне more coresядра ontoвърху the chipчип.
139
481000
5000
Това е, което Intel прави, за да добавя още ядра върху чипа,
08:24
Or your memoryпамет sticksпръчици that you have now can carryнося one gigabyteGigabyte
140
486000
3000
така че картата с памет, която имате сега, може да съдържа един гигабайт
08:27
of stuffматерия on them -- before, it was 256.
141
489000
2000
неща на нея - преди беше 256.
08:29
TransistorsТранзистори are gettingполучаване на smallerпо-малък to allowпозволява this to happenстава,
142
491000
3000
Транзистори стават все по-малки, за да позволят това да се случи,
08:32
and technologyтехнология has really benefittedсредноаритметична from that.
143
494000
3000
и технологията наистина се възползва от това.
08:35
But what's happeningслучва now is that in 2015, the transistorтранзистор is going to becomeда стане so smallмалък,
144
497000
5000
Но това, което се случва е, че през 2015 г., транзисторът ще стане толкова малък,
08:40
that it correspondsсъответства to only one electronелектрон at a time
145
502000
3000
че ще съответства само на един електрон в даден момент,
08:43
can flowпоток throughпрез that channelканал,
146
505000
2000
който може да преминава през този канал,
08:45
and that correspondsсъответства to a singleединичен ionЙон channelканал.
147
507000
2000
и това съответства на един йонен канал.
08:47
And you startначало havingкато the sameедин и същ kindмил of trafficтрафик jamsконфитюри that you have in the ionЙон channelканал.
148
509000
4000
И ще започнете да имате същия вид задръствания, които имате в йонните канали,
08:51
The currentтекущ will turnзавой on and off at randomслучаен,
149
513000
3000
токът ще се включва и изключва на случаен принцип,
08:54
even when it's supposedпредполагаем to be on.
150
516000
2000
дори когато трябва да бъде включен.
08:56
And that meansсредства your computerкомпютър is going to get
151
518000
2000
А това означава, че компютърът ви ще получи
08:58
its onesтакива and zerosнули mixedсмесен up, and that's going to crashкатастрофа your machineмашина.
152
520000
4000
неговите единици и нули разбъркани, и ще забие вашата машина.
09:02
So, we are at the stageсцена where we
153
524000
4000
Така че, ние сме на етап, когато
09:06
don't really know how to computeпресмятам with these kindsвидове of devicesустройства.
154
528000
3000
не знаем как да изчисляваме с този вид устройства.
09:09
And the only kindмил of thing -- the only thing we know right now
155
531000
3000
И единственото нещо, което знаем в момента,
09:12
that can computeпресмятам with these kindsвидове of devicesустройства are the brainмозък.
156
534000
3000
което може да изчислява с тези устройства е мозъка.
09:15
OK, so a computerкомпютър picksснимки a specificспецифичен itemвещ of dataданни from memoryпамет,
157
537000
4000
Добре, компютърът взема специфичен елемент от данни от паметта,
09:19
it sendsизпраща it into the processorпроцесор or the ALUALU,
158
541000
3000
изпраща го към процесора, или АЛУ,
09:22
and then it putsпоставя the resultрезултат back into memoryпамет.
159
544000
2000
и след това поставя резултата обратно в паметта.
09:24
That's the redчервен pathпът that's highlightedподчертано.
160
546000
2000
Това е червения път, който е маркиран.
09:26
The way brainsмозъците work, I told you all, you have got all these neuronsневрони.
161
548000
4000
Начинът, по който мозъка работи е, че имате всички тези неврони.
09:30
And the way they representпредставляват informationинформация is
162
552000
2000
И начина, по който те представят информацията е,
09:32
they breakпочивка up that dataданни into little piecesпарчета
163
554000
2000
че разбиват данните на малки частици,
09:34
that are representedпредставени by pulsesимпулси and differentразличен neuronsневрони.
164
556000
3000
които са представени от импулси и различни неврони.
09:37
So you have all these piecesпарчета of dataданни
165
559000
2000
Така че имате всички тези частици данни,
09:39
distributedразпределена throughoutпрез the networkмрежа.
166
561000
2000
разпределени в цялата мрежа.
09:41
And then the way that you processпроцес that dataданни to get a resultрезултат
167
563000
3000
И след това начина, по който се обработват данните, за да се получи резултат
09:44
is that you translateпревеждам this patternмодел of activityдейност into a newнов patternмодел of activityдейност,
168
566000
4000
е, че се превежда този модел на дейност в един нов модел на дейност,
09:48
just by it flowingтечаща throughпрез the networkмрежа.
169
570000
3000
само като преминава през мрежата.
09:51
So you setкомплект up these connectionsвръзки
170
573000
2000
Така настройвате тези връзки,
09:53
suchтакъв that the inputвход patternмодел just flowsпотоци
171
575000
3000
така че въведения модел просто преминава
09:56
and generatesгенерира the outputпродукция patternмодел.
172
578000
2000
и генерира изходния модел.
09:58
What you see here is that there's these redundantизлишен connectionsвръзки.
173
580000
4000
Това, което виждате тук е, че има тези излишни връзки.
10:02
So if this pieceпарче of dataданни or this pieceпарче of the dataданни getsполучава clobberedclobbered,
174
584000
4000
Така че, ако тази част от данните, или тази част от данните се ударят,
10:06
it doesn't showшоу up over here, these two piecesпарчета can activateактивиране the missingлипсващ partчаст
175
588000
5000
това не се показва тук, тези две парчета могат да активират липсващата част
10:11
with these redundantизлишен connectionsвръзки.
176
593000
2000
с тези излишни връзки.
10:13
So even when you go to these crappyкреп devicesустройства
177
595000
2000
Така че дори и когато използвате тези некачествени устройства,
10:15
where sometimesпонякога you want a one and you get a zeroнула, and it doesn't showшоу up,
178
597000
3000
при които понякога искате единица, а получавате нула,
10:18
there's redundancyсъкращения in the networkмрежа
179
600000
2000
има взаимозаменяемост в мрежата,
10:20
that can actuallyвсъщност recoverвъзвръщам the missingлипсващ informationинформация.
180
602000
3000
която може да възстанови липсващата информация.
10:23
It makesправи the brainмозък inherentlyпо своята същност robustздрав.
181
605000
3000
Това прави мозъкът по своята същност здрав.
10:26
What you have here is a systemсистема where you storeмагазин dataданни locallyлокално.
182
608000
3000
Това, което имаме тук е система, в която данните се съхраняват локално.
10:29
And it's brittleкрехък, because eachвсеки of these stepsстъпки has to be flawlessбезупречен,
183
611000
4000
И тя е крехка, тъй като на всяка от тези стъпки трябва да бъде безупречна,
10:33
otherwiseв противен случай you loseгубя that dataданни, whereasдокато in the brainмозък, you have a systemсистема
184
615000
3000
в противен случай ще загубите тези данни. Докато в мозъка имате система,
10:36
that storesмагазини dataданни in a distributedразпределена way, and it's robustздрав.
185
618000
4000
която съхранява данните по разпръснат начин, и тя е здрава.
10:40
What I want to basicallyв основата си talk about is my dreamмечта,
186
622000
4000
Това, за което искам да говоря, е моята мечта,
10:44
whichкойто is to buildпострои a computerкомпютър that worksвърши работа like the brainмозък.
187
626000
3000
която е да изградя компютър, който работи като мозъка.
10:47
This is something that we'veние имаме been workingработа on for the last coupleдвойка of yearsгодини.
188
629000
4000
Това е нещо над което работим през последните няколко години.
10:51
And I'm going to showшоу you a systemсистема that we designedпроектиран
189
633000
3000
Ще ви покажа една система, която разработихме
10:54
to modelмодел the retinaретина,
190
636000
3000
по образец на ретината,
10:57
whichкойто is a pieceпарче of brainмозък that linesлинии the insideвътре of your eyeballочната ябълка.
191
639000
5000
която е част от мозъка, очертаваща вътрешността на окото ви.
11:02
We didn't do this by actuallyвсъщност writingписане codeкод, like you do in a computerкомпютър.
192
644000
6000
Ние не направихме това пишейки код, както вие правите на компютър.
11:08
In factфакт, the processingобработване that happensслучва се
193
650000
3000
В действителност, обработката, която се случва
11:11
in that little pieceпарче of brainмозък is very similarподобен
194
653000
2000
в тази малка част на мозъка е много подобна
11:13
to the kindмил of processingобработване that computersкомпютри
195
655000
1000
на обработката, която компютрите
11:14
do when they streamпоток videoвидео over the InternetИнтернет.
196
656000
4000
правят, когато пренасят видео през интернет.
11:18
They want to compressкомпрес the informationинформация --
197
660000
1000
Те искат да компресират информацията --
11:19
they just want to sendизпращам the changesпромени, what's newнов in the imageизображение, and so on --
198
661000
4000
те просто искат да изпратите промените, какво се е променило в образа и т.н. --
11:23
and that is how your eyeballочната ябълка
199
665000
3000
и това е начина, по който очната ябълка
11:26
is ableспособен to squeezeстискане all that informationинформация down to your opticоптичен nerveнерв,
200
668000
3000
е в състояние да компресира цялата тази информация до вашия зрителен нерв,
11:29
to sendизпращам to the restПочивка of the brainмозък.
201
671000
2000
за да я изпрати до останалата част на мозъка.
11:31
InsteadВместо това of doing this in softwareсофтуер, or doing those kindsвидове of algorithmsалгоритми,
202
673000
3000
Вместо да направим това със софтуер, или да направим този вид алгоритми,
11:34
we wentотидох and talkedговорих to neurobiologistsneurobiologists
203
676000
3000
ние отидохме да говорим с невробиолози,
11:37
who have actuallyвсъщност reverseобратен engineeredинженерство that pieceпарче of brainмозък that's calledНаречен the retinaретина.
204
679000
4000
които всъщност бяха разкодирали тази част от мозъка наречена ретина.
11:41
And they figuredпомислих out all the differentразличен cellsклетки,
205
683000
2000
И те измислиха всички различни клетки,
11:43
and they figuredпомислих out the networkмрежа, and we just tookвзеха that networkмрежа
206
685000
3000
измислиха мрежата, а ние просто взехме тази мрежа
11:46
and we used it as the blueprintплан for the designдизайн of a siliconсилиций chipчип.
207
688000
4000
и я използвахме като шаблон за проектирането на един силициев чип.
11:50
So now the neuronsневрони are representedпредставени by little nodesвъзли or circuitsвериги on the chipчип,
208
692000
6000
Така че сега невроните са представени като малки възли или платки в чипа,
11:56
and the connectionsвръзки amongсред the neuronsневрони are representedпредставени, actuallyвсъщност modeledмоделира by transistorsтранзистори.
209
698000
5000
и връзките между невроните всъщност са моделирани от транзистори.
12:01
And these transistorsтранзистори are behavingдържи essentiallyпо същество
210
703000
2000
И тези транзистори се държат по същество,
12:03
just like ionЙон channelsканали behaveдържа се in the brainмозък.
211
705000
3000
точно както йонните канали се държат в мозъка.
12:06
It will give you the sameедин и същ kindмил of robustздрав architectureархитектура that I describedописан.
212
708000
5000
Ще ви дам същия вид устойчива архитектура, която описах.
12:11
Here is actuallyвсъщност what our artificialизкуствен eyeоко looksвъншност like.
213
713000
4000
Тук всъщност, така изглежда изкуственото ни око.
12:15
The retinaретина chipчип that we designedпроектиран sitsседи behindзад this lensлещи here.
214
717000
5000
Ретината чип, който ние проектирахме, стои зад тези лещи тук.
12:20
And the chipчип -- I'm going to showшоу you a videoвидео
215
722000
2000
И чипът - ще ви покажа видео,
12:22
that the siliconсилиций retinaретина put out of its outputпродукция
216
724000
3000
което силициевата ретината изкара като резултат,
12:25
when it was looking at KareemКарим ZaghloulZaghloul,
217
727000
3000
докато гледаше Карим Заглул,
12:28
who'sкой е the studentстудент who designedпроектиран this chipчип.
218
730000
2000
който е студента, проектирал този чип.
12:30
Let me explainобяснявам what you're going to see, OK,
219
732000
2000
Нека да ви обясня какво ще видите.
12:32
because it's puttingпускането out differentразличен kindsвидове of informationинформация,
220
734000
3000
Понеже това извежда различни видове информация,
12:35
it's not as straightforwardпрост as a cameraкамера.
221
737000
2000
не е толкова просто както камера.
12:37
The retinaретина chipчип extractsекстракти fourчетирима differentразличен kindsвидове of informationинформация.
222
739000
3000
Ретината чип извежда четири различни видове информация.
12:40
It extractsекстракти regionsрегиони with darkтъмен contrastконтраст,
223
742000
3000
Тя извежда регионите с тъмни контрасти,
12:43
whichкойто will showшоу up on the videoвидео as redчервен.
224
745000
3000
които ще се появят на видеото в червено.
12:46
And it extractsекстракти regionsрегиони with whiteбял or lightсветлина contrastконтраст,
225
748000
4000
Тя извежда регионите с бял или светъл контраст,
12:50
whichкойто will showшоу up on the videoвидео as greenзелен.
226
752000
2000
които ще се появят на видеото в зелено.
12:52
This is Kareem'sКарим darkтъмен eyesочи
227
754000
2000
Това са тъмните очи на Карим
12:54
and that's the whiteбял backgroundзаден план that you see here.
228
756000
3000
и това е белият фон, който виждате тук.
12:57
And then it alsoсъщо extractsекстракти movementдвижение.
229
759000
2000
Освен това също извлича движение.
12:59
When KareemКарим movesходове his headглава to the right,
230
761000
2000
Когато Карим движи главата си надясно,
13:01
you will see this blueсин activityдейност there;
231
763000
2000
ще видите тази синя дейност там,
13:03
it representsпредставлява regionsрегиони where the contrastконтраст is increasingповишаване на in the imageизображение,
232
765000
3000
тя представя региони, в които контраста на изображението се увеличава,
13:06
that's where it's going from darkтъмен to lightсветлина.
233
768000
3000
това е, където се променя от тъмно към светло.
13:09
And you alsoсъщо see this yellowжълт activityдейност,
234
771000
2000
И вие също виждате тази жълта дейност,
13:11
whichкойто representsпредставлява regionsрегиони where contrastконтраст is decreasingнамаляваща;
235
773000
4000
която представя региони, в които намалява контраста,
13:15
it's going from lightсветлина to darkтъмен.
236
777000
2000
променя се от светло до тъмно.
13:17
And these fourчетирима typesвидове of informationинформация --
237
779000
3000
И тези четири вида информация --
13:20
your opticоптичен nerveнерв has about a millionмилион fibersвлакна in it,
238
782000
4000
вашият зрителен нерв има около един милион влакна в него,
13:24
and 900,000 of those fibersвлакна
239
786000
3000
и 900 000 от тези влакна
13:27
sendизпращам these fourчетирима typesвидове of informationинформация.
240
789000
2000
изпращат тези четири типа информация.
13:29
So we are really duplicatingдублира the kindмил of signalsсигнали that you have on the opticоптичен nerveнерв.
241
791000
4000
Така че ние наистина дублираме вида сигнали, които имате в зрителния нерв.
13:33
What you noticeизвестие here is that these snapshotsснимки
242
795000
3000
Това, което може да забележите тук е, че тези снимки,
13:36
takenвзета from the outputпродукция of the retinaретина chipчип are very sparseпо-рядко, right?
243
798000
4000
направени от информацията от ретината чип са твърде оскъдни.
13:40
It doesn't lightсветлина up greenзелен everywhereнавсякъде in the backgroundзаден план,
244
802000
2000
Зелено не е достатъчно светло навсякъде в обкръжението,
13:42
only on the edgesръбове, and then in the hairкоса, and so on.
245
804000
3000
само по ръбовете, и така нататък.
13:45
And this is the sameедин и същ thing you see
246
807000
1000
И това е същото нещо, което може да забележите,
13:46
when people compressкомпрес videoвидео to sendизпращам: they want to make it very sparseпо-рядко,
247
808000
4000
когато хората компресират видео за да го изпратят: те искат да го направят много оскъдно,
13:50
because that fileдосие is smallerпо-малък. And this is what the retinaретина is doing,
248
812000
3000
защото така файлът ще бъде по-малък. И това е, което прави и ретината,
13:53
and it's doing it just with the circuitryсхема, and how this networkмрежа of neuronsневрони
249
815000
4000
и я прави само с платките, и как тази мрежа от неврони,
13:57
that are interactingвзаимодействащи in there, whichкойто we'veние имаме capturedзаловен on the chipчип.
250
819000
3000
които си взаимодействат там, които уловихме на чипа.
14:00
But the pointточка that I want to make -- I'll showшоу you up here.
251
822000
3000
Но това, което искам да обясня, ще ви го покажа тук.
14:03
So this imageизображение here is going to look like these onesтакива,
252
825000
3000
Така, тази снимка тук ще изглежда като тези,
14:06
but here I'll showшоу you that we can reconstructвъзстанови the imageизображение,
253
828000
2000
но тук ще ви покажа, че ние можем да възстановим изображението,
14:08
so, you know, you can almostпочти recognizeпризнавам KareemКарим in that topвръх partчаст there.
254
830000
5000
така че, знаете ли, да можете почти да разпознаете Карим в горната част там.
14:13
And so, here you go.
255
835000
2000
Ето ви.
14:24
Yes, so that's the ideaидея.
256
846000
3000
Да, така че това е идеята.
14:27
When you standстоя still, you just see the lightсветлина and darkтъмен contrastsконтрасти.
257
849000
2000
Когато стоите на едно място, просто виждате светли и тъмни контрасти.
14:29
But when it's movingдвижещ back and forthнапред,
258
851000
2000
Но когато това се движи напред-назад,
14:31
the retinaретина picksснимки up these changesпромени.
259
853000
3000
ретината долавя тези промени.
14:34
And that's why, you know, when you're sittingседнал here
260
856000
1000
И затова, знаете ли, когато седите тук
14:35
and something happensслучва се in your backgroundзаден план,
261
857000
2000
и нещо се случва наоколо,
14:37
you merelyпросто moveход your eyesочи to it.
262
859000
2000
вие едва придвижвате очите си към него.
14:39
There are these cellsклетки that detectоткриване changeпромяна
263
861000
2000
Там са тези клетки, които откриват промяната
14:41
and you moveход your attentionвнимание to it.
264
863000
2000
и вие прехвърляте вниманието си към нея.
14:43
So those are very importantважно for catchingпривлекателен somebodyнякой
265
865000
2000
Така че, тези клетки са много важни за улавяне на някой,
14:45
who'sкой е tryingопитвайки to sneakзакрита up on you.
266
867000
2000
който се опитва да се промъкне до вас.
14:47
Let me just endкрай by sayingпоговорка that this is what happensслучва се
267
869000
3000
Позволете ми да завърша, като кажа, че това се случва,
14:50
when you put AfricaАфрика in a pianoпиано, OK.
268
872000
3000
когато поставите Африка в пиано, нали.
14:53
This is a steelстомана drumбарабан here that has been modifiedмодифицирани,
269
875000
3000
Това е стоманен барабан, който е бил променен,
14:56
and that's what happensслучва се when you put AfricaАфрика in a pianoпиано.
270
878000
3000
и това се случва, когато поставите Африка в пиано.
14:59
And what I would like us to do is put AfricaАфрика in the computerкомпютър,
271
881000
4000
А това, което искам да направим, е да поставим Африка в компютъра,
15:03
and come up with a newнов kindмил of computerкомпютър
272
885000
2000
и да стигнем до нов вид компютър,
15:05
that will generateгенериране thought, imaginationвъображение, be creativeтворчески and things like that.
273
887000
3000
който ще генерира размисъл, въображение, ще бъде креативен, и такива неща.
15:08
Thank you.
274
890000
2000
Благодаря ви.
15:10
(ApplauseАплодисменти)
275
892000
2000
(Ръкопляскания)
15:12
ChrisКрис AndersonАндерсън: QuestionВъпрос for you, KwabenaДеница.
276
894000
2000
Крис Андерсън: Имам въпрос за теб, Куабена.
15:14
Do you put togetherзаедно in your mindум the work you're doing,
277
896000
4000
Дали поставяш в съзнанието си работата, която вършиш,
15:18
the futureбъдеще of AfricaАфрика, this conferenceконференция --
278
900000
3000
бъдещето на Африка, тази конференция --
15:21
what connectionsвръзки can we make, if any, betweenмежду them?
279
903000
3000
какви връзки можем да направим, ако има такава, между тях?
15:24
KwabenaДеница BoahenBoahen: Yes, like I said at the beginningначало,
280
906000
2000
Куабена Боахен: Да, както казах в началото.
15:26
I got my first computerкомпютър when I was a teenagerтийнейджър, growingнарастващ up in AccraАкра.
281
908000
4000
Получих първият си компютър, когато бях тийнейджър, растейки в Акра.
15:30
And I had this gutинстинктивен reactionреакция that this was the wrongпогрешно way to do it.
282
912000
4000
И аз имах тази инстинктивна реакция, че това беше грешния начин, по който да се направи.
15:34
It was very bruteзвяр forceсила; it was very inelegantгрубоват.
283
916000
3000
Това беше много груба сила, беше много неелегантно.
15:37
I don't think that I would'veще съм had that reactionреакция,
284
919000
2000
Не мисля, че щях да имам тази реакция,
15:39
if I'd grownзрял up readingчетене all this scienceнаука fictionизмислица,
285
921000
3000
ако бях израстнал, четейки цялата тази научна фантастика,
15:42
hearingслух about RDRD2D2, whateverкакто и да е it was calledНаречен, and just -- you know,
286
924000
4000
слушайки за RD2D2, както там се нарича, и просто -- знаете ли,
15:46
buyingкупуване into this hypeHype about computersкомпютри.
287
928000
1000
да повярвам на тази възхвала на компютрите.
15:47
I was comingидващ at it from a differentразличен perspectiveперспектива,
288
929000
2000
Аз идвах към това от различна гледна точка,
15:49
where I was bringingпривеждане that differentразличен perspectiveперспектива
289
931000
2000
където пренесох тази различна гледна точка,
15:51
to bearмечка on the problemпроблем.
290
933000
2000
да се справя с проблема.
15:53
And I think a lot of people in AfricaАфрика have this differentразличен perspectiveперспектива,
291
935000
3000
И мисля, че много хора в Африка имат тази различна гледна точка,
15:56
and I think that's going to impactвъздействие technologyтехнология.
292
938000
2000
и мисля, че това ще окаже въздействие на технологията.
15:58
And that's going to impactвъздействие how it's going to evolveсе развива.
293
940000
2000
И това ще се отрази на това, как тя ще се развива.
16:00
And I think you're going to be ableспособен to see, use that infusionинфузия,
294
942000
2000
И мисля, че вие ще започнете да виждате, да използвате тази смес,
16:02
to come up with newнов things,
295
944000
2000
за да излезете с нови неща,
16:04
because you're comingидващ from a differentразличен perspectiveперспектива.
296
946000
3000
понеже вие идвате от различна гледна точка.
16:07
I think we can contributeдопринесе. We can dreamмечта like everybodyвсички elseоще.
297
949000
4000
Мисля, че ние можем да допринесем, можем да мечтаем като всички останали.
16:11
CACA: ThanksБлагодаря KwabenaДеница, that was really interestingинтересен.
298
953000
2000
Крис Андерсън: Благодаря Квабена, това беше наистина интересно.
16:13
Thank you.
299
955000
1000
Благодаря.
16:14
(ApplauseАплодисменти)
300
956000
2000
(Ръкопляскания)
Translated by Anton Hikov
Reviewed by MaYoMo com

▲Back to top

ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Kwabena Boahen | Speaker | TED.com