TEDGlobal 2009
Henry Markram: A brain in a supercomputer
Henry Markram bygger en hjerne i en supercomputer
Filmed:
Readability: 3.8
1,469,354 views
Henry Markram siger, at sindets mysterier snart vil kunne løses. Sindslidelser, hukommelse, perception: de udgøres af neuroner og elektriske signaler, og han planlægger at finde dem med en supercomputer der modellerer alle hjernens 100.000.000.000.000 synapser.
Henry Markram - Neuroscientist
Henry Markram is director of Blue Brain, a supercomputing project that can model components of the mammalian brain to precise cellular detail -- and simulate their activity in 3D. Soon he'll simulate a whole rat brain in real time. Full bio
Henry Markram is director of Blue Brain, a supercomputing project that can model components of the mammalian brain to precise cellular detail -- and simulate their activity in 3D. Soon he'll simulate a whole rat brain in real time. Full bio
Double-click the English transcript below to play the video.
00:18
Our mission is to build
0
0
3000
Vores mission er at bygge
00:21
a detailed, realistic
1
3000
2000
en detaljeret, realistisk
00:23
computer model of the human brain.
2
5000
2000
computermodel af menneskehjernen.
00:25
And we've done, in the past four years,
3
7000
3000
Og vi er nået frem til, over de sidste fire år,
00:28
a proof of concept
4
10000
2000
en beviseligt fungerende model
00:30
on a small part of the rodent brain,
5
12000
3000
af en lille del af en gnaverhjerne,
00:33
and with this proof of concept we are now scaling the project up
6
15000
3000
og med dette bevis på konceptets holdbarhed opskalerer vi nu projektet
00:36
to reach the human brain.
7
18000
3000
for at nå til menneskehjernen.
00:39
Why are we doing this?
8
21000
2000
Hvorfor gør vi dette?
00:41
There are three important reasons.
9
23000
2000
Der er tre vigtige grunde.
00:43
The first is, it's essential for us to understand the human brain
10
25000
4000
Den første er, at det er essentielt for os at forstå menneskehjernen
00:47
if we do want to get along in society,
11
29000
2000
hvis vi ønsker at kunne omgås hinanden i samfundet,
00:49
and I think that it is a key step in evolution.
12
31000
4000
og det tror jeg er et vigtigt udviklingstrin i evolutionen.
00:53
The second reason is,
13
35000
2000
Den anden grund er,
00:55
we cannot keep doing animal experimentation forever,
14
37000
6000
at vi ikke kan blive ved med at lave dyreforsøg for evigt,
01:01
and we have to embody all our data and all our knowledge
15
43000
4000
og at vi er nødt til at håndgribeliggøre al vores data og al vores viden
01:05
into a working model.
16
47000
3000
i en funktionel model.
01:08
It's like a Noah's Ark. It's like an archive.
17
50000
4000
Det er ligesom en Noahs Ark. Det er ligesom et arkiv.
01:12
And the third reason is that there are two billion people on the planet
18
54000
3000
Og den tredje grund er, at der er to milliarder mennesker på planeten
01:15
that are affected by mental disorder,
19
57000
4000
som er påvirkede af sindslidelser,
01:19
and the drugs that are used today
20
61000
2000
og de medicintyper der bruges i dag
01:21
are largely empirical.
21
63000
2000
er stort set baserede på empiriske data.
01:23
I think that we can come up with very concrete solutions on
22
65000
3000
Jeg tror at vi kan finde frem til meget konkrete løsninger på
01:26
how to treat disorders.
23
68000
3000
hvordan vi behandler lidelser.
01:29
Now, even at this stage,
24
71000
3000
Nu, selv på dette stadie,
01:32
we can use the brain model
25
74000
2000
kan vi bruge modellen af hjernen
01:34
to explore some fundamental questions
26
76000
3000
til at udforske nogle grundlæggende spørgsmål
01:37
about how the brain works.
27
79000
2000
om hvordan hjernen virker.
01:39
And here, at TED, for the first time,
28
81000
2000
Og her, på TED, for første gang,
01:41
I'd like to share with you how we're addressing
29
83000
2000
vil jeg gerne give jer indblik i, hvordan vi tager fat på
01:43
one theory -- there are many theories --
30
85000
3000
én teori - der er mange teorier -
01:46
one theory of how the brain works.
31
88000
4000
én teori om hvordan hjernen virker.
01:50
So, this theory is that the brain
32
92000
4000
Altså, denne teori går ud på at hjernen
01:54
creates, builds, a version of the universe,
33
96000
6000
skaber, bygger, en version af universet.
02:00
and projects this version of the universe,
34
102000
3000
Og projicerer denne version af universet,
02:03
like a bubble, all around us.
35
105000
4000
som en bobbel, hele vejen rundt om os.
02:07
Now, this is of course a topic of philosophical debate for centuries.
36
109000
4000
Nu har dette emne selvfølgelig været debatteret af filosoffer i århundreder.
02:11
But, for the first time, we can actually address this,
37
113000
3000
Men for første gang kan vi faktisk tage fat på det
02:14
with brain simulation,
38
116000
2000
med hjerne simulering
02:16
and ask very systematic and rigorous questions,
39
118000
4000
og stille strengt systematiske spørgsmål
02:20
whether this theory could possibly be true.
40
122000
4000
om hvorvidt den teori faktisk kunne være sand.
02:24
The reason why the moon is huge on the horizon
41
126000
3000
Grunden til at månen er enorm på horisonten
02:27
is simply because our perceptual bubble
42
129000
3000
er simpelthen fordi vores perceptions-bobbel
02:30
does not stretch out 380,000 kilometers.
43
132000
4000
ikke strækker sig 380.000 kilometer ud.
02:34
It runs out of space.
44
136000
2000
Den løber tør for plads.
02:36
And so what we do is we compare the buildings
45
138000
4000
Så det vi gør, er at sammenligne bygningerne
02:40
within our perceptual bubble,
46
142000
2000
indeni vores perceptions-bobbel
02:42
and we make a decision.
47
144000
2000
og vi træffer en beslutning.
02:44
We make a decision it's that big,
48
146000
2000
Vi træffer en beslutning om at den er så stor,
02:46
even though it's not that big.
49
148000
2000
selv om den ikke er så stor,
02:48
And what that illustrates
50
150000
2000
og hvad dette illustrerer
02:50
is that decisions are the key things
51
152000
2000
er at beslutninger er de vigtigste ting
02:52
that support our perceptual bubble. It keeps it alive.
52
154000
5000
der understøtter vores perceptions-bobbel. De holder den i live.
02:57
Without decisions you cannot see, you cannot think,
53
159000
2000
Uden beslutninger kan man ikke se, kan man ikke tænke,
02:59
you cannot feel.
54
161000
2000
kan man ikke føle.
03:01
And you may think that anesthetics work
55
163000
2000
Og man tror måske at bedøvelsesmidler virker
03:03
by sending you into some deep sleep,
56
165000
3000
ved at sende dig ind i en dyb søvn,
03:06
or by blocking your receptors so that you don't feel pain,
57
168000
3000
eller ved at blokere dine receptorer, så du ikke føler smerte,
03:09
but in fact most anesthetics don't work that way.
58
171000
3000
men faktisk virker de fleste bedøvelsesmidler ikke på den måde.
03:12
What they do is they introduce a noise
59
174000
3000
Det de gør, er at introducere en støj
03:15
into the brain so that the neurons cannot understand each other.
60
177000
3000
i hjernen, så neuronerne ikke kan forstå hinanden.
03:18
They are confused,
61
180000
2000
De bliver forvirrede,
03:20
and you cannot make a decision.
62
182000
3000
og du kan ikke træffe en beslutning.
03:23
So, while you're trying to make up your mind
63
185000
3000
Så imens du prøver at bestemme dig for
03:26
what the doctor, the surgeon, is doing
64
188000
2000
hvad lægen, kirurgen foretager sig
03:28
while he's hacking away at your body, he's long gone.
65
190000
2000
når han hakker løs på din krop, er han forlængst forsvundet.
03:30
He's at home having tea.
66
192000
2000
Han sidder derhjemme og drikker te.
03:32
(Laughter)
67
194000
2000
(Latter)
03:34
So, when you walk up to a door and you open it,
68
196000
3000
Så, når du går hen til en dør og du åbner den,
03:37
what you compulsively have to do to perceive
69
199000
3000
er du, for at kunne opfatte, nødt til
03:40
is to make decisions,
70
202000
2000
at træffe beslutninger,
03:42
thousands of decisions about the size of the room,
71
204000
3000
tusindvis af beslutninger om størrelsen på rummet,
03:45
the walls, the height, the objects in this room.
72
207000
3000
væggen, højden, genstandene i dette rum.
03:48
99 percent of what you see
73
210000
3000
99 procent af hvad du ser
03:51
is not what comes in through the eyes.
74
213000
4000
er ikke hvad der kommer ind gennem øjnene.
03:55
It is what you infer about that room.
75
217000
4000
Det er hvad du udleder omkring rummet.
03:59
So I can say, with some certainty,
76
221000
4000
Så jeg kan sige, med nogen sikkerhed,
04:03
"I think, therefore I am."
77
225000
3000
"Jeg tænker, derfor er jeg."
04:06
But I cannot say, "You think, therefore you are,"
78
228000
4000
Men jeg kan ikke sige, "Du tænker, derfor er du,"
04:10
because "you" are within my perceptual bubble.
79
232000
5000
fordi "du" er inden i min perceptionsbobbel.
04:15
Now, we can speculate and philosophize this,
80
237000
3000
Nu kan vi spekulere og filosofere over dette,
04:18
but we don't actually have to for the next hundred years.
81
240000
3000
men det behøver vi faktisk ikke i de kommende hundrede år.
04:21
We can ask a very concrete question.
82
243000
2000
Vi kan stille et meget konkret spørgsmål.
04:23
"Can the brain build such a perception?"
83
245000
4000
"Kan hjernen bygge sådan en opfattelse?"
04:27
Is it capable of doing it?
84
249000
2000
Er den i stand til at gøre det?
04:29
Does it have the substance to do it?
85
251000
2000
Har den stoffet til at gøre det?
04:31
And that's what I'm going to describe to you today.
86
253000
3000
Og det er hvad jeg vil beskrive for jer i dag.
04:34
So, it took the universe 11 billion years to build the brain.
87
256000
4000
Det tog universet 11 milliarder år at bygge hjernen.
04:38
It had to improve it a little bit.
88
260000
2000
Det skulle forbedre den en lille smule.
04:40
It had to add to the frontal part, so that you would have instincts,
89
262000
3000
Det skulle føje til den forreste del, så du kunne få instinkter,
04:43
because they had to cope on land.
90
265000
3000
fordi de skulle klare sig på land.
04:46
But the real big step was the neocortex.
91
268000
4000
Men det virkeligt store skridt var neokortex.
04:50
It's a new brain. You needed it.
92
272000
2000
Det er en ny hjerne. Du havde brug for den.
04:52
The mammals needed it
93
274000
2000
Pattedyrene havde brug for den
04:54
because they had to cope with parenthood,
94
276000
4000
fordi de skulle håndtere forældreskab,
04:58
social interactions,
95
280000
2000
sociale interaktioner,
05:00
complex cognitive functions.
96
282000
3000
komplekse kognitive funktioner.
05:03
So, you can think of the neocortex
97
285000
2000
Så man kan tænke på neokortex
05:05
actually as the ultimate solution today,
98
287000
5000
faktisk som nutidens ypperste løsning
05:10
of the universe as we know it.
99
292000
3000
på universet som vi kender det.
05:13
It's the pinnacle, it's the final product
100
295000
2000
Den er højdepunktet, den er det endelige produkt
05:15
that the universe has produced.
101
297000
4000
som universet har frembragt.
05:19
It was so successful in evolution
102
301000
2000
Den var så succesfuldt i evolutionen
05:21
that from mouse to man it expanded
103
303000
2000
at fra mus til mand udvidede den sig
05:23
about a thousandfold in terms of the numbers of neurons,
104
305000
3000
omtrent tusinde gange hvad angår antallet af neuroner,
05:26
to produce this almost frightening
105
308000
3000
for at frembringe dette næsten skræmmende
05:29
organ, structure.
106
311000
3000
organ, denne struktur.
05:32
And it has not stopped its evolutionary path.
107
314000
3000
Og det er ikke stoppet på sin evolutionære rejse.
05:35
In fact, the neocortex in the human brain
108
317000
2000
Faktisk så er neokortex i den menneskelige hjerne
05:37
is evolving at an enormous speed.
109
319000
3000
ved at udvikle sig med en enorm hastighed.
05:40
If you zoom into the surface of the neocortex,
110
322000
2000
Hvis man zoomer ind på overfladen af neokortex,
05:42
you discover that it's made up of little modules,
111
324000
3000
opdager man at den består af små moduler,
05:45
G5 processors, like in a computer.
112
327000
2000
G5 processorer, som i en computer.
05:47
But there are about a million of them.
113
329000
3000
Men der er omkring en million af dem.
05:50
They were so successful in evolution
114
332000
2000
De var så succesfulde i evolutionen,
05:52
that what we did was to duplicate them
115
334000
2000
at det vi gjorde, var at kopiere dem
05:54
over and over and add more and more of them to the brain
116
336000
2000
igen og igen, og føje flere og flere af dem til hjernen,
05:56
until we ran out of space in the skull.
117
338000
3000
indtil vi løb tør for plads inde i kraniet.
05:59
And the brain started to fold in on itself,
118
341000
2000
Og hjernen begyndte at folde sig omkring sig selv,
06:01
and that's why the neocortex is so highly convoluted.
119
343000
3000
og det er grunden til at neokortex er så sammenfoldet.
06:04
We're just packing in columns,
120
346000
2000
Vi propper simpelthen nye kolonner ind,
06:06
so that we'd have more neocortical columns
121
348000
3000
sådan at vi kan få plads til flere neokortikale kolonner
06:09
to perform more complex functions.
122
351000
3000
til at udføre mere komplekse funktioner.
06:12
So you can think of the neocortex actually as
123
354000
2000
Så man kan faktisk forestille sig neokortex som
06:14
a massive grand piano,
124
356000
2000
et kæmpestort flygel,
06:16
a million-key grand piano.
125
358000
3000
et flygel med en million tangenter.
06:19
Each of these neocortical columns
126
361000
2000
Hver af disse neokortikale kolonner
06:21
would produce a note.
127
363000
2000
ville frembringe en tone.
06:23
You stimulate it; it produces a symphony.
128
365000
3000
Du stimulerer den; den frembringer en symfoni.
06:26
But it's not just a symphony of perception.
129
368000
3000
Men det er ikke kun en symfoni af perceptioner.
06:29
It's a symphony of your universe, your reality.
130
371000
3000
Det er symfonien af dit univers, af din virkelighed.
06:32
Now, of course it takes years to learn how
131
374000
3000
Nu tager det selvfølgelig årevis at lære hvordan
06:35
to master a grand piano with a million keys.
132
377000
3000
man bemestrer et flygel med en million tangenter.
06:38
That's why you have to send your kids to good schools,
133
380000
2000
Det er derfor du må sende dine børn til de gode skoler
06:40
hopefully eventually to Oxford.
134
382000
2000
forhåbentlig en gang til Oxford.
06:42
But it's not only education.
135
384000
3000
Men det er ikke kun uddannelse.
06:45
It's also genetics.
136
387000
2000
Det er også genetik.
06:47
You may be born lucky,
137
389000
2000
Du kan være født heldig,
06:49
where you know how to master your neocortical column,
138
391000
4000
eller du ved hvordan du bemestrer dine neokortikale kolonner.
06:53
and you can play a fantastic symphony.
139
395000
2000
og du kan spille en fantastisk symfoni.
06:55
In fact, there is a new theory of autism
140
397000
3000
Faktisk er der en ny teori om autisme
06:58
called the "intense world" theory,
141
400000
2000
kaldet "teorien om den intense verden",
07:00
which suggests that the neocortical columns are super-columns.
142
402000
4000
som forslår at de neokortikale kolonner er superkolonner.
07:04
They are highly reactive, and they are super-plastic,
143
406000
4000
De er højt reaktive og de er superplastiske,
07:08
and so the autists are probably capable of
144
410000
3000
så derfor er autisterne formodentligt i stand til
07:11
building and learning a symphony
145
413000
2000
at bygge og lære sig en symfoni
07:13
which is unthinkable for us.
146
415000
2000
der er utænkelig for os andre.
07:15
But you can also understand
147
417000
2000
Men man må også forstå
07:17
that if you have a disease
148
419000
2000
at hvis man har en sygdom
07:19
within one of these columns,
149
421000
2000
i en af disse kolonner,
07:21
the note is going to be off.
150
423000
2000
vil tonen klinge falsk.
07:23
The perception, the symphony that you create
151
425000
2000
Perceptionen, den symfoni du skaber,
07:25
is going to be corrupted,
152
427000
2000
vil være beskadiget,
07:27
and you will have symptoms of disease.
153
429000
3000
og du vil have sygdomssymptomer.
07:30
So, the Holy Grail for neuroscience
154
432000
4000
Så den Hellige Gral for neurovidenskaben
07:34
is really to understand the design of the neocoritical column --
155
436000
4000
er virkeligt at forstå indretningen af den neokortikale kolonne -
07:38
and it's not just for neuroscience;
156
440000
2000
og det er ikke kun for neurovidenskabens skyld;
07:40
it's perhaps to understand perception, to understand reality,
157
442000
3000
det er måske at forstå perceptionen, at forstå virkeligheden,
07:43
and perhaps to even also understand physical reality.
158
445000
4000
og måske endda også at forstå den fysiske virkelighed.
07:47
So, what we did was, for the past 15 years,
159
449000
3000
Så hvad vi gjorde var, gennem de sidste 15 år,
07:50
was to dissect out the neocortex, systematically.
160
452000
4000
var at dissekere neokortex systematisk.
07:54
It's a bit like going and cataloging a piece of the rainforest.
161
456000
4000
Det er lidt som at tage ud for at katalogisere et stykke af regnskoven.
07:58
How many trees does it have?
162
460000
2000
Hvor mange træer er der?
08:00
What shapes are the trees?
163
462000
2000
Hvilke former har træerne?
08:02
How many of each type of tree do you have? Where are they positioned?
164
464000
3000
Hvor mange af hver slags træ er der? Hvor er de placeret?
08:05
But it's a bit more than cataloging because you actually have to
165
467000
2000
Men det er lidt mere end at katalogisere, for du er faktisk nødt til
08:07
describe and discover all the rules of communication,
166
469000
4000
at beskrive og opdage alle reglerne for kommunikation,
08:11
the rules of connectivity,
167
473000
2000
reglerne for tilslutningsmuligheder,
08:13
because the neurons don't just like to connect with any neuron.
168
475000
3000
for neuronerne kan ikke lide bare at tilslutte sig enhver anden neuron.
08:16
They choose very carefully who they connect with.
169
478000
3000
De vælger meget omhyggeligt hvem de forbinder sig med.
08:19
It's also more than cataloging
170
481000
3000
Det er også mere end at katalogisere
08:22
because you actually have to build three-dimensional
171
484000
2000
fordi du faktisk er nødt til at bygge en tredimensionel
08:24
digital models of them.
172
486000
2000
digital model af dem.
08:26
And we did that for tens of thousands of neurons,
173
488000
2000
Og det har vi gjort for titusindevis af neuroner,
08:28
built digital models of all the different types
174
490000
3000
bygget digitale modeller af alle de forskellige typer
08:31
of neurons we came across.
175
493000
2000
af neuroner som vi stødte på.
08:33
And once you have that, you can actually
176
495000
2000
Og når man først har det, kan man faktisk
08:35
begin to build the neocortical column.
177
497000
4000
begynde at bygge den neokortikale kolonne.
08:39
And here we're coiling them up.
178
501000
3000
Og her viser vi dem samtidigt, sammenviklede.
08:42
But as you do this, what you see
179
504000
3000
Men mens man gør dette, ser man
08:45
is that the branches intersect
180
507000
2000
at grenene krydser hinanden
08:47
actually in millions of locations,
181
509000
3000
faktisk millioner af steder,
08:50
and at each of these intersections
182
512000
3000
og ved hver af disse krydsninger
08:53
they can form a synapse.
183
515000
2000
kan de danne en synapse.
08:55
And a synapse is a chemical location
184
517000
2000
Og en synaps er en kemisk lokation
08:57
where they communicate with each other.
185
519000
3000
hvor de kommunikerer med hinanden.
09:00
And these synapses together
186
522000
2000
Og sammen danner disse synapser
09:02
form the network
187
524000
2000
netværket
09:04
or the circuit of the brain.
188
526000
3000
eller hjernens kredsløb.
09:07
Now, the circuit, you could also think of as
189
529000
4000
Nu kan man også tænke på kredsløbet som
09:11
the fabric of the brain.
190
533000
2000
hjernens stof.
09:13
And when you think of the fabric of the brain,
191
535000
3000
Og når du tænker på hjernens stof,
09:16
the structure, how is it built? What is the pattern of the carpet?
192
538000
4000
strukturen, hvordan er det så bygget? Hvordan er mønstret i tæppet?
09:20
You realize that this poses
193
542000
2000
Du indser at dette udgør
09:22
a fundamental challenge to any theory of the brain,
194
544000
4000
en grundlæggende udfordring for enhver teori om hjernen,
09:26
and especially to a theory that says
195
548000
2000
og specielt for en teori der siger
09:28
that there is some reality that emerges
196
550000
2000
at en eller anden virkelighed træder frem
09:30
out of this carpet, out of this particular carpet
197
552000
3000
ud af dette tæppe, ud af dette specifikke tæppe
09:33
with a particular pattern.
198
555000
2000
med et bestemt mønster.
09:35
The reason is because the most important design secret of the brain
199
557000
3000
Grunden er at hjernens vigtigste konstruktionshemmelighed
09:38
is diversity.
200
560000
2000
er forskelligartethed.
09:40
Every neuron is different.
201
562000
2000
Hver neuron er forskellig.
09:42
It's the same in the forest. Every pine tree is different.
202
564000
2000
Det er det samme i skoven. Hvert fyrretræ er forskelligt.
09:44
You may have many different types of trees,
203
566000
2000
Du kan godt have mange forskellige typer af træer,
09:46
but every pine tree is different. And in the brain it's the same.
204
568000
3000
men hvert fyrretræ er stadig forskelligt. Og i hjernen er det det samme.
09:49
So there is no neuron in my brain that is the same as another,
205
571000
3000
Så der er ingen neuron i min hjerne der er identisk med en anden,
09:52
and there is no neuron in my brain that is the same as in yours.
206
574000
3000
og der er ingen neuron i min hjerne der er identisk med en i jeres.
09:55
And your neurons are not going to be oriented and positioned
207
577000
3000
Og jeres neuroner vil ikke være drejet og placeret
09:58
in exactly the same way.
208
580000
2000
på helt samme måde.
10:00
And you may have more or less neurons.
209
582000
2000
Og I kan have flere eller færre neuroner.
10:02
So it's very unlikely
210
584000
2000
Så det er meget usandsynligt
10:04
that you got the same fabric, the same circuitry.
211
586000
4000
at I har det samme stof, de samme kredsløb.
10:08
So, how could we possibly create a reality
212
590000
2000
Så hvordan kan vi have skabt en virkelighed
10:10
that we can even understand each other?
213
592000
3000
hvor vi overhovedet kan forstå hinanden?
10:13
Well, we don't have to speculate.
214
595000
2000
Tja, vi behøver ikke spekulere over det.
10:15
We can look at all 10 million synapses now.
215
597000
3000
Vi kan nu se på alle 10 millioner synapser.
10:18
We can look at the fabric. And we can change neurons.
216
600000
3000
Vi kan se på stoffet. Og vi kan ændre neuroner.
10:21
We can use different neurons with different variations.
217
603000
2000
Vi kan bruge forskellige neuroner med forskellige variationer.
10:23
We can position them in different places,
218
605000
2000
Vi kan placere dem forskellige steder,
10:25
orient them in different places.
219
607000
2000
dreje dem i forskellige retninger.
10:27
We can use less or more of them.
220
609000
2000
Vi kan bruge færre eller flere af dem.
10:29
And when we do that
221
611000
2000
Og når vi gør det
10:31
what we discovered is that the circuitry does change.
222
613000
3000
opdager vi at kredsløbene ændres.
10:34
But the pattern of how the circuitry is designed does not.
223
616000
7000
Men at mønstret for hvordan kredsløbene sammensættes ikke ændres.
10:41
So, the fabric of the brain,
224
623000
2000
Så hjernens stof
10:43
even though your brain may be smaller, bigger,
225
625000
2000
uanset at din hjerne kan være mindre, eller større,
10:45
it may have different types of neurons,
226
627000
3000
og at den kan have andre typer af neuroner,
10:48
different morphologies of neurons,
227
630000
2000
andre morfologier af neuroner,
10:50
we actually do share
228
632000
3000
så deler vi faktisk
10:53
the same fabric.
229
635000
2000
det samme stof.
10:55
And we think this is species-specific,
230
637000
2000
Og vi tror dette er arts-specifikt,
10:57
which means that that could explain
231
639000
2000
hvilket betyder at det kunne forklare
10:59
why we can't communicate across species.
232
641000
2000
hvorfor vi ikke kan kommunikere på tværs af arter.
11:01
So, let's switch it on. But to do it, what you have to do
233
643000
3000
Så lad os tænde for den. Men for at gøre det
11:04
is you have to make this come alive.
234
646000
2000
må vi bringe den til live.
11:06
We make it come alive
235
648000
2000
Vi bringer den til live
11:08
with equations, a lot of mathematics.
236
650000
2000
med ligninger, en masse matematik.
11:10
And, in fact, the equations that make neurons into electrical generators
237
652000
4000
Og faktisk blev de ligninger, der gør neuroner til elektriske genratorer,
11:14
were discovered by two Cambridge Nobel Laureates.
238
656000
3000
opdaget af to nobelprismodtagere fra Cambridge.
11:17
So, we have the mathematics to make neurons come alive.
239
659000
3000
Så vi har matematikken til at bringe neuronerne til live.
11:20
We also have the mathematics to describe
240
662000
2000
Vi har også matematikken til at beskrive
11:22
how neurons collect information,
241
664000
3000
hvordan neuroner opsamler information,
11:25
and how they create a little lightning bolt
242
667000
3000
og hvordan de skaber et lillebitte lynglimt
11:28
to communicate with each other.
243
670000
2000
for at kommunikere med hinanden.
11:30
And when they get to the synapse,
244
672000
2000
Og når disse når til synapserne,
11:32
what they do is they effectively,
245
674000
2000
er det de gør at de praktisk talt,
11:34
literally, shock the synapse.
246
676000
3000
bogstaveligt talt lammer synapsen.
11:37
It's like electrical shock
247
679000
2000
Det er ligesom et elektrisk stød
11:39
that releases the chemicals from these synapses.
248
681000
3000
der udløser kemikalierne fra disse synapser.
11:42
And we've got the mathematics to describe this process.
249
684000
3000
Og vi har matematikken til at beskrive processen.
11:45
So we can describe the communication between the neurons.
250
687000
4000
Så vi kan beskrive kommunikationen mellem neuronerne.
11:49
There literally are only a handful
251
691000
3000
Der er bogstaveligt talt kun en håndfuld
11:52
of equations that you need to simulate
252
694000
2000
af ligninger som kræves for at simulere
11:54
the activity of the neocortex.
253
696000
2000
aktiviteten i neokortex.
11:56
But what you do need is a very big computer.
254
698000
3000
Men der er stadig brug for en meget stor computer.
11:59
And in fact you need one laptop
255
701000
2000
Og faktisk er der brug for en bærbar
12:01
to do all the calculations just for one neuron.
256
703000
3000
til alle udregningerne for bare en enkelt neuron.
12:04
So you need 10,000 laptops.
257
706000
2000
Så der er brug for 10.000 bærbare.
12:06
So where do you go? You go to IBM,
258
708000
2000
Så hvor går man hen? Man går til IBM,
12:08
and you get a supercomputer, because they know how to take
259
710000
2000
og man får en supercomputer, for de ved hvordan man tager
12:10
10,000 laptops and put it into the size of a refrigerator.
260
712000
4000
10.000 bærbare og bygger dem sammen til noget på størrelse med et køleskab.
12:14
So now we have this Blue Gene supercomputer.
261
716000
3000
Så nu har vi denne Blue Gene supercomputer.
12:17
We can load up all the neurons,
262
719000
2000
Vi kan uploade alle neuronerne,
12:19
each one on to its processor,
263
721000
2000
hver til sin egen processer,
12:21
and fire it up, and see what happens.
264
723000
4000
og tænde for det og se hvad der sker.
12:25
Take the magic carpet for a ride.
265
727000
3000
Tage en tur på det flyvende tæppe.
12:28
Here we activate it. And this gives the first glimpse
266
730000
3000
Her aktiverer vi det. Og det giver de første glimt
12:31
of what is happening in your brain
267
733000
2000
af hvad der foregår i din hjerne
12:33
when there is a stimulation.
268
735000
2000
når den stimuleres.
12:35
It's the first view.
269
737000
2000
Det er det første indblik.
12:37
Now, when you look at that the first time, you think,
270
739000
2000
Når man ser det første gang, tænker man nok,
12:39
"My god. How is reality coming out of that?"
271
741000
5000
"Min gud. Hvordan udspringer virkeligheden af dét der?"
12:44
But, in fact, you can start,
272
746000
3000
Men vi kan faktisk godt begynde,
12:47
even though we haven't trained this neocortical column
273
749000
4000
selv om vi ikke har optrænet denne neokortikale kolonne
12:51
to create a specific reality.
274
753000
2000
til at skabe en specifik virkelighed.
12:53
But we can ask, "Where is the rose?"
275
755000
4000
Men vi kan spørge, "Hvor er rosen?"
12:57
We can ask, "Where is it inside,
276
759000
2000
Vi kan spørge, "Hvor er den inden i..."
12:59
if we stimulate it with a picture?"
277
761000
3000
"... hvis vi kan stimulere den med et billede?"
13:02
Where is it inside the neocortex?
278
764000
2000
Hvor er den inde i neokortex?
13:04
Ultimately it's got to be there if we stimulated it with it.
279
766000
4000
I sidste ende bliver den nødt til at være der, hvis vi stimulerede det med den.
13:08
So, the way that we can look at that
280
770000
2000
Så den måde, vi kan undersøge det på,
13:10
is to ignore the neurons, ignore the synapses,
281
772000
3000
er ved at ignorere neuronerne, ignorere synapserne,
13:13
and look just at the raw electrical activity.
282
775000
2000
og kun se på den rå, elektriske aktivitet.
13:15
Because that is what it's creating.
283
777000
2000
For det er det, den skaber.
13:17
It's creating electrical patterns.
284
779000
2000
Den skaber elektriske mønstre.
13:19
So when we did this,
285
781000
2000
Så da vi gjorde dette,
13:21
we indeed, for the first time,
286
783000
2000
så vi faktisk for allerførste gang
13:23
saw these ghost-like structures:
287
785000
3000
disse spøgelsesagtige strukturer:
13:26
electrical objects appearing
288
788000
3000
elektriske objekter der kommer til syne
13:29
within the neocortical column.
289
791000
3000
indeni i den neokortikale kolonne.
13:32
And it's these electrical objects
290
794000
3000
Og det er disse elektriske objekter
13:35
that are holding all the information about
291
797000
3000
der indeholder al informationen om
13:38
whatever stimulated it.
292
800000
3000
hvad der end stimulerede dem.
13:41
And then when we zoomed into this,
293
803000
2000
Og da vi så zoomede ind på dette,
13:43
it's like a veritable universe.
294
805000
4000
viser det sig som et veritabelt univers.
13:47
So the next step
295
809000
2000
Så næste skridt
13:49
is just to take these brain coordinates
296
811000
4000
er bare at tage disse hjerne-koordinater
13:53
and to project them into perceptual space.
297
815000
4000
og projicere dem ind i et perceptuelt rum.
13:57
And if you do that,
298
819000
2000
Og hvis man gør det,
13:59
you will be able to step inside
299
821000
2000
vil man kunne træde ind i
14:01
the reality that is created
300
823000
2000
den virkelighed, der er blevet skabt
14:03
by this machine,
301
825000
2000
af denne maskine,
14:05
by this piece of the brain.
302
827000
3000
af dette stykke af hjernen.
14:08
So, in summary,
303
830000
2000
Så, for at opsummere,
14:10
I think that the universe may have --
304
832000
2000
tror jeg at universet kan have -
14:12
it's possible --
305
834000
2000
det er en mulighed -
14:14
evolved a brain to see itself,
306
836000
3000
udviklet en hjerne til at se sig selv,
14:17
which may be a first step in becoming aware of itself.
307
839000
5000
hvilket kan være et første skridt i dets bevidstgørelse om sig selv.
14:22
There is a lot more to do to test these theories,
308
844000
2000
Der er meget mere at gøre for at teste disse teorier,
14:24
and to test any other theories.
309
846000
3000
og for at teste alle andre teorier.
14:27
But I hope that you are at least partly convinced
310
849000
3000
Men jeg håber, at I er ihvertfald delvist overbeviste om
14:30
that it is not impossible to build a brain.
311
852000
3000
at det ikke er umuligt at bygge en hjerne.
14:33
We can do it within 10 years,
312
855000
2000
Vi kan gøre det indenfor 10 år,
14:35
and if we do succeed,
313
857000
2000
og hvis det nu lykkes,
14:37
we will send to TED, in 10 years,
314
859000
2000
så sender vi, til TED om 10 år,
14:39
a hologram to talk to you. Thank you.
315
861000
3000
et hologram der kan tale for jer. Tak.
14:42
(Applause)
316
864000
6000
(Applaus)
ABOUT THE SPEAKER
Henry Markram - NeuroscientistHenry Markram is director of Blue Brain, a supercomputing project that can model components of the mammalian brain to precise cellular detail -- and simulate their activity in 3D. Soon he'll simulate a whole rat brain in real time.
Why you should listen
In the microscopic, yet-uncharted circuitry of the cortex, Henry Markram is perhaps the most ambitious -- and our most promising -- frontiersman. Backed by the extraordinary power of the IBM Blue Gene supercomputing architecture, which can perform hundreds of trillions of calculations per second, he's using complex models to precisely simulate the neocortical column (and its tens of millions of neural connections) in 3D.
Though the aim of Blue Brain research is mainly biomedical, it has been edging up on some deep, contentious philosophical questions about the mind -- "Can a robot think?" and "Can consciousness be reduced to mechanical components?" -- the consequence of which Markram is well aware: Asked by Seed Magazine what a simulation of a full brain might do, he answered, "Everything. I mean everything" -- with a grin.
Now, with a successful proof-of-concept for simulation in hand (the project's first phase was completed in 2007), Markram is looking toward a future where brains might be modeled even down to the molecular and genetic level. Computing power marching rightward and up along the graph of Moore's Law, Markram is sure to be at the forefront as answers to the mysteries of cognition emerge.
Henry Markram | Speaker | TED.com