TEDGlobal 2009
Henry Markram: A brain in a supercomputer
هنری مارکرام مغز انسان را به کمک یک سوپرکامپیوتر می سازد.
Filmed:
Readability: 3.8
1,469,354 views
هنری مارکرام می‌گوید که بزودی معمای ذهن میتواند حل شود -- بیماریهای روانی، حافظه، ادراک: آنها از نرونها و سیگنالهای الکتریکی را ساخته شده‌اند، و او قصد دارد که به کمک یک سوپر کامپیوتر که تمامی 100.000.000.000.000سیناپس مغز را شبیه سازی میکند، آنها را درک کند.
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
هدف ما ساخت یک مدل کامپیوتری
00:21
a detailed, realistic
1
3000
2000
با جزئیات کامل و واقعی
00:23
computer model of the human brain.
2
5000
2000
از مغز انسان است.
00:25
And we've done, in the past four years,
3
7000
3000
و ما در چهار سال گذشته موفق به این کار شده ایم،
00:28
a proof of concept
4
10000
2000
یک نمونه تست برای
00:30
on a small part of the rodent brain,
5
12000
3000
بخش کوچکی از مغز موش ساخته شده است،
00:33
and with this proof of concept we are now scaling the project up
6
15000
3000
و با این نمونه ما قادر به گسترش پروژه برای
00:36
to reach the human brain.
7
18000
3000
مغز انسان هستیم.
00:39
Why are we doing this?
8
21000
2000
چرا چنین کاری را انجام میدهیم؟
00:41
There are three important reasons.
9
23000
2000
سه دلیل بسیار مهم وجود دارد.
00:43
The first is, it's essential for us to understand the human brain
10
25000
4000
اول، برای ما درک عملکرد مغز انسان ضروری است
00:47
if we do want to get along in society,
11
29000
2000
اگر بخواهیم با پیشرفت بشر پیش برویم،
00:49
and I think that it is a key step in evolution.
12
31000
4000
و فکر میکنیم که این یک گام اساسی در تکامل است.
00:53
The second reason is,
13
35000
2000
دومین دلیل این است که،
00:55
we cannot keep doing animal experimentation forever,
14
37000
6000
ما تا ابد نمی‌توانیم آزمایشات را روی حیوانات انجام دهیم،
01:01
and we have to embody all our data and all our knowledge
15
43000
4000
و مجبوریم تمامی اطلاعات و دانشمان را در یک
01:05
into a working model.
16
47000
3000
مدل کاری پیاده سازی کنیم.
01:08
It's like a Noah's Ark. It's like an archive.
17
50000
4000
این شبیه کشتی نوح است. مانند یک آرشیو است.
01:12
And the third reason is that there are two billion people on the planet
18
54000
3000
و دلیل سوم اینکه، حدود دو میلیارد انسان در جهان وجود دارند که
01:15
that are affected by mental disorder,
19
57000
4000
از مشکلات روانی رنج می‌برند،
01:19
and the drugs that are used today
20
61000
2000
و داروهایی که امروزه تجویز می‌شوند
01:21
are largely empirical.
21
63000
2000
بطور وسیعی تجربی هستند.
01:23
I think that we can come up with very concrete solutions on
22
65000
3000
به نظرم ما قادر به دستیابی یک راه حل بهم پیوسته هستیم که
01:26
how to treat disorders.
23
68000
3000
چگونه این اختلالات را درمان کنیم.
01:29
Now, even at this stage,
24
71000
3000
حال، حتی در این مرحله،
01:32
we can use the brain model
25
74000
2000
ما قادریم که از مدل مغز استفاده کنیم
01:34
to explore some fundamental questions
26
76000
3000
جهت بررسی سوالات اساسی در زمینه اینکه
01:37
about how the brain works.
27
79000
2000
چگونه مغز کار میکند.
01:39
And here, at TED, for the first time,
28
81000
2000
و همینجا، در تد، برای اولین بار،
01:41
I'd like to share with you how we're addressing
29
83000
2000
مایلم به شما یکی از تئوریها را نشان دهم
01:43
one theory -- there are many theories --
30
85000
3000
-- تئوریهای زیادی در این زمینه وجود دارد --
01:46
one theory of how the brain works.
31
88000
4000
یک تئوری که نشان میدهد مغز چگونه کار میکند.
01:50
So, this theory is that the brain
32
92000
4000
در این تئوری مغز یک نسخه از کل جهان را
01:54
creates, builds, a version of the universe,
33
96000
6000
ایجاد کرده و مي‌سازد.
02:00
and projects this version of the universe,
34
102000
3000
و این نسخه از جهان را طرح ریزی میکند،
02:03
like a bubble, all around us.
35
105000
4000
مانند یک حباب، که ما را احاطه کرده است.
02:07
Now, this is of course a topic of philosophical debate for centuries.
36
109000
4000
البته این قرنها جزو یکی از بحثهای فلسفی بوده است.
02:11
But, for the first time, we can actually address this,
37
113000
3000
ولی، برای اولین بار، به کمک شبیه ساز مغز،
02:14
with brain simulation,
38
116000
2000
ما قادر به درک آن هستیم.
02:16
and ask very systematic and rigorous questions,
39
118000
4000
و سوالات بسیار جدی و اصولی را بپرسیم،
02:20
whether this theory could possibly be true.
40
122000
4000
که آیا این نظریه احتمالا می تواند درست باشد.
02:24
The reason why the moon is huge on the horizon
41
126000
3000
دلیل حجیم دیدن ماه در خط افق خیلی ساده است چون‌که
02:27
is simply because our perceptual bubble
42
129000
3000
حباب ادراکی ما قادر به کش آمدن به طول
02:30
does not stretch out 380,000 kilometers.
43
132000
4000
380000 کیلومتر نمی‌باشد.
02:34
It runs out of space.
44
136000
2000
فضای خالی برای این کار را ندارد.
02:36
And so what we do is we compare the buildings
45
138000
4000
و کاری که ما میکنیم مقایسه ساختمان‌ها از درون
02:40
within our perceptual bubble,
46
142000
2000
حباب ادراکی‌مان می‌باشد،
02:42
and we make a decision.
47
144000
2000
و ما تصمیم می‌گیریم.
02:44
We make a decision it's that big,
48
146000
2000
و ما فکر میکنیم که آن بدان بزرگی است،
02:46
even though it's not that big.
49
148000
2000
درحالیکه ماه اصلا به آن بزرگی نیست،
02:48
And what that illustrates
50
150000
2000
و این نشانه آن است که
02:50
is that decisions are the key things
51
152000
2000
این تصمیمات چیزهای اصلی‌ای هستند که
02:52
that support our perceptual bubble. It keeps it alive.
52
154000
5000
حباب ادراکی ما را پشتیبانی میکنند. اینها آنرا زنده نگه می‌دارند.
02:57
Without decisions you cannot see, you cannot think,
53
159000
2000
بدون تصمیمات شما نمی‌توانید ببینید، شما نمی‌توانید فکر کنید،
02:59
you cannot feel.
54
161000
2000
شما نمی‌توانید احساس کنید.
03:01
And you may think that anesthetics work
55
163000
2000
و شما ممکن است فکر کنید که بیهوشی
03:03
by sending you into some deep sleep,
56
165000
3000
ارسال شما به یک خواب عمیق است،
03:06
or by blocking your receptors so that you don't feel pain,
57
168000
3000
یا مسدود کردن گیرنده شماست بطوریکه شما درد را احساس نمی‌کنید،
03:09
but in fact most anesthetics don't work that way.
58
171000
3000
اما در عمل بیشتر بیحس کننده ها این چنین کار نمی‌کنند.
03:12
What they do is they introduce a noise
59
174000
3000
آنها یک نویز را به مغز معرفی میکنند
03:15
into the brain so that the neurons cannot understand each other.
60
177000
3000
تا نرونها متوجه یکدیگر نشوند.
03:18
They are confused,
61
180000
2000
آنها گیج می‌شوند،
03:20
and you cannot make a decision.
62
182000
3000
و شما نمی‌تونید تصمیم گیری کنید.
03:23
So, while you're trying to make up your mind
63
185000
3000
بنابراین، وقتی شما سعی در بازتولید ذهن خود میکنید،
03:26
what the doctor, the surgeon, is doing
64
188000
2000
کاری که دکتر جراح انجام میدهد،
03:28
while he's hacking away at your body, he's long gone.
65
190000
2000
در حالیکه از پاره کردن بدن شما زمان طولانی گذشته است.
03:30
He's at home having tea.
66
192000
2000
او در خانه در حال خوردن چای است.
03:32
(Laughter)
67
194000
2000
(خنده)
03:34
So, when you walk up to a door and you open it,
68
196000
3000
پس، وقتی که شما بیدار شده به سمت در رفته و آنرا باز میکنید،
03:37
what you compulsively have to do to perceive
69
199000
3000
آنچه که شما باید ضرورتا انجام دهید تا تصور کنید
03:40
is to make decisions,
70
202000
2000
تصمیم گیری است،
03:42
thousands of decisions about the size of the room,
71
204000
3000
هزاران تصمیم درباره اندازه اتاق،
03:45
the walls, the height, the objects in this room.
72
207000
3000
اندازه دیوار، ارتفاع، اشیاء موجود در اتاق و غیره.
03:48
99 percent of what you see
73
210000
3000
99 درصد چیزی که شما می‌بینید
03:51
is not what comes in through the eyes.
74
213000
4000
آن چیزی نیست که از چشمانتان دریافت میکنید.
03:55
It is what you infer about that room.
75
217000
4000
آن استنباط شما درباره آن اتاق است.
03:59
So I can say, with some certainty,
76
221000
4000
لذا با کمی اطمینان و یقین می‌توانم بگویم،
04:03
"I think, therefore I am."
77
225000
3000
«فکر می‌کنم، پس هستم.»
04:06
But I cannot say, "You think, therefore you are,"
78
228000
4000
اما نمی‌توانم بگویم، «شما فکر میکنید، پس هستید.»
04:10
because "you" are within my perceptual bubble.
79
232000
5000
زیرا شما از درون حباب ادراکی من وجود دارید.
04:15
Now, we can speculate and philosophize this,
80
237000
3000
حال میتوانیم اینرا فلسفی کرده و حدس بزنیم،
04:18
but we don't actually have to for the next hundred years.
81
240000
3000
اما واقعا آنرا برای صد سال آینده نداریم.
04:21
We can ask a very concrete question.
82
243000
2000
میتوانیم یک سوال خیلی واقعی بپرسیم.
04:23
"Can the brain build such a perception?"
83
245000
4000
«آیا مغز میتوانید چنین ادراکی بسازد؟»
04:27
Is it capable of doing it?
84
249000
2000
آیا آن قادر به انجام آن است؟
04:29
Does it have the substance to do it?
85
251000
2000
آیا آن جوهر انجام آنرا دارد؟
04:31
And that's what I'm going to describe to you today.
86
253000
3000
و چیزی که امروز مایل به توضیح آن برای شما هستم.
04:34
So, it took the universe 11 billion years to build the brain.
87
256000
4000
11 میلیارد سال برای جهان وقت برده که مغز را بسازد.
04:38
It had to improve it a little bit.
88
260000
2000
آنرا مقدار کمی بهبود بخشیده است.
04:40
It had to add to the frontal part, so that you would have instincts,
89
262000
3000
او باید به قسمت پیشانی مغز می‌افزود، تا شما را دارای غریزه‌ها شوید،
04:43
because they had to cope on land.
90
265000
3000
زیرا آنها مجبور به کنار آمدن با محیط زمین بوده اند.
04:46
But the real big step was the neocortex.
91
268000
4000
اما گام بزرگ واقعی نئوکورتکس بود.
04:50
It's a new brain. You needed it.
92
272000
2000
آن یک مغز جدید است. شما به آن نیاز داشتید.
04:52
The mammals needed it
93
274000
2000
پستانداران به آن نیاز داشتند
04:54
because they had to cope with parenthood,
94
276000
4000
زیرا آنها مجبور به کنار آمدن با وظایف والدینی بودند،
04:58
social interactions,
95
280000
2000
تعاملات اجتماعی،
05:00
complex cognitive functions.
96
282000
3000
عملکرد‌های معرفتی پیچیده.
05:03
So, you can think of the neocortex
97
285000
2000
لذا، شما میتوانید به نئوکورتکس واقعا بعنوان
05:05
actually as the ultimate solution today,
98
287000
5000
راه حل نهایی جهان آفریش تا کنون،
05:10
of the universe as we know it.
99
292000
3000
آنطور که ما می‌دانیم فکر کنید.
05:13
It's the pinnacle, it's the final product
100
295000
2000
آن حد نهایی است، آن آخرین محصولی است که
05:15
that the universe has produced.
101
297000
4000
جهان آفرینش تولید کرده است.
05:19
It was so successful in evolution
102
301000
2000
در روند تکامل از موش تا انسان
05:21
that from mouse to man it expanded
103
303000
2000
گسترش حدود هزار بار از لحاظ تعداد نرونها
05:23
about a thousandfold in terms of the numbers of neurons,
104
305000
3000
بسیار موفقیت آمیز بوده است تا چنین
05:26
to produce this almost frightening
105
308000
3000
ساختار تقریبا ترسناک چنین عضوی را
05:29
organ, structure.
106
311000
3000
تولید نماید.
05:32
And it has not stopped its evolutionary path.
107
314000
3000
و هنوز سیر تکاملی خود را متوقف نساخته است.
05:35
In fact, the neocortex in the human brain
108
317000
2000
در واقع، نئوکورتکس در مغز انسان
05:37
is evolving at an enormous speed.
109
319000
3000
با یک سرعت سرسام آور در حال تکامل است .
05:40
If you zoom into the surface of the neocortex,
110
322000
2000
اگر شما به سطح نئوکورتکس زوم کنید،
05:42
you discover that it's made up of little modules,
111
324000
3000
کشف میکنید که آن از ماژول‌های بسیار کوچکی ساخته شده است،
05:45
G5 processors, like in a computer.
112
327000
2000
شبیه پروسسور جی 5 در کامپیوتر.
05:47
But there are about a million of them.
113
329000
3000
اما آنجا یک میلیون از آنها وجود دارد.
05:50
They were so successful in evolution
114
332000
2000
آنها در تکامل بسیار موفق بوده اند بدین شکل که
05:52
that what we did was to duplicate them
115
334000
2000
ما آنها را تکثیر داده ایم به دفعات بسیار زیاد
05:54
over and over and add more and more of them to the brain
116
336000
2000
و آنها را در مغز افزایش داده ایم تا به حدی که
05:56
until we ran out of space in the skull.
117
338000
3000
دیگر در جمجمه مغز جایی برای افزایش باقی نمانده است.
05:59
And the brain started to fold in on itself,
118
341000
2000
و مغز شروع به تا کردن خود درون آن کرده است،
06:01
and that's why the neocortex is so highly convoluted.
119
343000
3000
و این دلیل پر پیچ و تاب بودن بسیار زیاد نئوکورتکس می‌باشد.
06:04
We're just packing in columns,
120
346000
2000
ما فقط در ستونهای مختلف بسته بندی کرده‌ایم،
06:06
so that we'd have more neocortical columns
121
348000
3000
برای همین ما ستونهای نئوکورتیکالی بسیار
06:09
to perform more complex functions.
122
351000
3000
برای انجام عملکرد‌های بسیار پیچیده داریم.
06:12
So you can think of the neocortex actually as
123
354000
2000
پس شما میتوانید نئوکورتکس را واقعا شبیه یک پیانوی بسیار حجیم
06:14
a massive grand piano,
124
356000
2000
و بزرگ تصور کنید،
06:16
a million-key grand piano.
125
358000
3000
یک پیانو بزرگ با ملیون‌ها کلید.
06:19
Each of these neocortical columns
126
361000
2000
هر یک از این ستونهای نئوکورتیکالی
06:21
would produce a note.
127
363000
2000
می‌توانند یک نت تولید نمایند.
06:23
You stimulate it; it produces a symphony.
128
365000
3000
شما آنرا تحریک میکنید، و آن برای شما یک سمفونی تولید میکند.
06:26
But it's not just a symphony of perception.
129
368000
3000
اما آن صرفا یک سمفونی ادراکی نیست.
06:29
It's a symphony of your universe, your reality.
130
371000
3000
آن یک سمفونی از جهان شما، از واقعیت شماست.
06:32
Now, of course it takes years to learn how
131
374000
3000
البته چندین سال طول میکشد که یاد بگیرید چگونه در نواختن
06:35
to master a grand piano with a million keys.
132
377000
3000
چنین پیانویی با میلیونها کلید استاد شوید.
06:38
That's why you have to send your kids to good schools,
133
380000
2000
این دلیل آن است که شما بچه های خود را به مدرسه های خوب می‌فرستید،
06:40
hopefully eventually to Oxford.
134
382000
2000
امیدوارم در نهایت به آکسفورد باشد.
06:42
But it's not only education.
135
384000
3000
اما این تنها در مورد آموزش و پرورش نیست.
06:45
It's also genetics.
136
387000
2000
آن همچنین درباره ژنتیک هم هست.
06:47
You may be born lucky,
137
389000
2000
شما ممکن است خوش شانس متولد شوید،
06:49
where you know how to master your neocortical column,
138
391000
4000
یا شما بدانید چطور استاد ستون نئوکورتیکال خود باشید،
06:53
and you can play a fantastic symphony.
139
395000
2000
و شما میتوانید یک سمفونی رویایی بنوازید.
06:55
In fact, there is a new theory of autism
140
397000
3000
در واقع، در حال حاضر یک تئوری جدید از آتیسم وجود دارد که
06:58
called the "intense world" theory,
141
400000
2000
تئوری «جهان فشرده» نامیده میشود، که پیشنهاد میکند
07:00
which suggests that the neocortical columns are super-columns.
142
402000
4000
ستونهای نئوکورتیکال بصورت سوپر ستونها هستند.
07:04
They are highly reactive, and they are super-plastic,
143
406000
4000
آنها بسیار واکنش پذیر هستند و آنها سوپر- پلاستیک هستند،
07:08
and so the autists are probably capable of
144
410000
3000
و آتیستها احتمالا قادر به
07:11
building and learning a symphony
145
413000
2000
ساختن و یادگیری سمفونی ای هستند که
07:13
which is unthinkable for us.
146
415000
2000
برای ما غیرقابل تفکر است.
07:15
But you can also understand
147
417000
2000
اما شما همچنین میتوانید بفهمید که
07:17
that if you have a disease
148
419000
2000
اگر شما بیمار شوید
07:19
within one of these columns,
149
421000
2000
از درون یکی از این ستونها،
07:21
the note is going to be off.
150
423000
2000
نت مربوطه رو به خاموشی خواهد گذارد.
07:23
The perception, the symphony that you create
151
425000
2000
ادراک شما، یا همان سمفونی که شما ایجاد میکنید
07:25
is going to be corrupted,
152
427000
2000
خراب خواهد شد،
07:27
and you will have symptoms of disease.
153
429000
3000
و شما علائم بیماری را خواهید داشت.
07:30
So, the Holy Grail for neuroscience
154
432000
4000
لذا، هدف مقدس برای علم اعصاب
07:34
is really to understand the design of the neocoritical column --
155
436000
4000
این است که طرح ستون نئوکوریتیکال را درک کند --
07:38
and it's not just for neuroscience;
156
440000
2000
و آن تنها در مورد علم اعصاب نیست؛
07:40
it's perhaps to understand perception, to understand reality,
157
442000
3000
شاید برای درک ادارک باشد، برای درک واقعیت هم باشد،
07:43
and perhaps to even also understand physical reality.
158
445000
4000
و شاید حتی درک واقعیت فیزیکی.
07:47
So, what we did was, for the past 15 years,
159
449000
3000
لذا، کاری که ما ظرف 15 سال گذشته انجام دادیم،
07:50
was to dissect out the neocortex, systematically.
160
452000
4000
این بود که بطور سیستمی نئوکورتکس را تشریح کردیم.
07:54
It's a bit like going and cataloging a piece of the rainforest.
161
456000
4000
آن کمی شبوه این است که یک تکه از جنگل انبوهی را فهرست کنیم.
07:58
How many trees does it have?
162
460000
2000
چه تعداد درخت در آن وجود دارد؟
08:00
What shapes are the trees?
163
462000
2000
درختها چه شکلی هستند؟
08:02
How many of each type of tree do you have? Where are they positioned?
164
464000
3000
چند نوع درخت دارید؟ موقعیت آنها کجاست؟
08:05
But it's a bit more than cataloging because you actually have to
165
467000
2000
اما آن کمی بیشتر از فهرست کردن است زیرا شما واقعا مجبورید که
08:07
describe and discover all the rules of communication,
166
469000
4000
تمامی قوانین ارتباطی را توصیف و کشف نمایید،
08:11
the rules of connectivity,
167
473000
2000
قواعد اتصال،
08:13
because the neurons don't just like to connect with any neuron.
168
475000
3000
زیرا نرونها صرفا با هر نرونی اتصال برقرار نمی‌کنند.
08:16
They choose very carefully who they connect with.
169
478000
3000
آنها بسیار بدقت انتخاب میکنند که با چه کسی اتصال برقرار کنند.
08:19
It's also more than cataloging
170
481000
3000
آن همچنین بیش از یک فهرست کردن است
08:22
because you actually have to build three-dimensional
171
484000
2000
زیرا شما واقعا مجبورید یک مدل دیجیتالی سه بعدی
08:24
digital models of them.
172
486000
2000
از آنها بسازید.
08:26
And we did that for tens of thousands of neurons,
173
488000
2000
و ما آنرا برای ده ها هزار نرون انجام دادیم،
08:28
built digital models of all the different types
174
490000
3000
مدلهای دیجیتالی انواع مختلفی از نرونهایی را که
08:31
of neurons we came across.
175
493000
2000
بدانها برمی‌خوردیم را ساختیم.
08:33
And once you have that, you can actually
176
495000
2000
و وقتی که شما آنرا داشته باشید، شما واقعا میتوانید
08:35
begin to build the neocortical column.
177
497000
4000
شروع به ساخت ستون نئوکورتیکال کنید.
08:39
And here we're coiling them up.
178
501000
3000
و اینجا ما آنها را مارپیچ کرده‌ایم.
08:42
But as you do this, what you see
179
504000
3000
اما همانطور که شما این کار را میکنید، چیزی که می‌بینید
08:45
is that the branches intersect
180
507000
2000
در واقع شاخ و برگ متقاطع
08:47
actually in millions of locations,
181
509000
3000
در میلیونها موقعیت می‌باشد.
08:50
and at each of these intersections
182
512000
3000
و در هر یک از این تقاطع‌ها
08:53
they can form a synapse.
183
515000
2000
آنها می‌توانند یک سیناپس تشکیل دهند.
08:55
And a synapse is a chemical location
184
517000
2000
و یک سیناپس یک موقعیت شیمیایی است که
08:57
where they communicate with each other.
185
519000
3000
آنها با یکدیگر ارتباط برقرار میکنند.
09:00
And these synapses together
186
522000
2000
و این سیناپسها با همدیگر
09:02
form the network
187
524000
2000
شبکه را تشکیل می‌دهند
09:04
or the circuit of the brain.
188
526000
3000
یا همان مدار مغز را.
09:07
Now, the circuit, you could also think of as
189
529000
4000
حال، این مدار، همان چیزی است که شما میتوانید در مورد آن فکر کنید که
09:11
the fabric of the brain.
190
533000
2000
همان بافت مغز است.
09:13
And when you think of the fabric of the brain,
191
535000
3000
و وقتی که درباره بافت مغز فکر میکنید،
09:16
the structure, how is it built? What is the pattern of the carpet?
192
538000
4000
این ساختار، چطور ساخته میشود؟ الگوی فرش آن چیست؟
09:20
You realize that this poses
193
542000
2000
شما فکر میکنید که این یک
09:22
a fundamental challenge to any theory of the brain,
194
544000
4000
چالش اصلی برای هرگونه تئوری مغز ایجاد میکند،
09:26
and especially to a theory that says
195
548000
2000
و مخصوصا برای تئوری‌ای که می‌گوید
09:28
that there is some reality that emerges
196
550000
2000
مقداری واقعیت و جود دارد که خارج از این فرش
09:30
out of this carpet, out of this particular carpet
197
552000
3000
، خارج از این فرش خاص
09:33
with a particular pattern.
198
555000
2000
بهمراه الگوی مشخص وجود دارد.
09:35
The reason is because the most important design secret of the brain
199
557000
3000
دلیل آن این است که مهمترین راز طرح مغز
09:38
is diversity.
200
560000
2000
گوناگونی و تنوع آن است.
09:40
Every neuron is different.
201
562000
2000
هر نرون متفاوت است.
09:42
It's the same in the forest. Every pine tree is different.
202
564000
2000
آن مانند جنگل است. هر درخت کاجی متفاوت است.
09:44
You may have many different types of trees,
203
566000
2000
شما ممکن است انواع مختلف زیادی از درختان داشته باشید،
09:46
but every pine tree is different. And in the brain it's the same.
204
568000
3000
اما هر درخت کاجی متفاوت از بقیه است. و در مغز هم همین طور است.
09:49
So there is no neuron in my brain that is the same as another,
205
571000
3000
بنابراین در مغز من هیچ نرونی شبیه نرونی دیگری نیست،
09:52
and there is no neuron in my brain that is the same as in yours.
206
574000
3000
و هیچ نرونی در مغز من شبیه هیچ نرونی از مغز شما نیست.
09:55
And your neurons are not going to be oriented and positioned
207
577000
3000
و نرونهای شما به صورت یکسان جهت و موقعیت
09:58
in exactly the same way.
208
580000
2000
نخواهند گرفت.
10:00
And you may have more or less neurons.
209
582000
2000
و شما ممکن است تعداد بیشتر یا کمتری از نرونها داشته باشید.
10:02
So it's very unlikely
210
584000
2000
بنابراین آن بسیار غیر مشابه است که
10:04
that you got the same fabric, the same circuitry.
211
586000
4000
شما همان بافت را داشته باشید، همان مدار را داشته باشید.
10:08
So, how could we possibly create a reality
212
590000
2000
پس چطور میتوانیم احتمالا واقعیتی بسازیم که
10:10
that we can even understand each other?
213
592000
3000
حتی دیگری را بتوانیم درک کنیم؟
10:13
Well, we don't have to speculate.
214
595000
2000
خب، لازم نیست که ما حدس بزنیم.
10:15
We can look at all 10 million synapses now.
215
597000
3000
حال میتوانیم به تمامی 10 میلیون سیناپس بنگریم.
10:18
We can look at the fabric. And we can change neurons.
216
600000
3000
میتوانیم به بافت بنگریم. و نرونها را تغییر دهیم.
10:21
We can use different neurons with different variations.
217
603000
2000
میتوانیم نرونهای متفاوتی را با تنوع مختلفی بکار گیریم
10:23
We can position them in different places,
218
605000
2000
میتوانیم آنها را در موقعیت مختلف قرار دهیم،
10:25
orient them in different places.
219
607000
2000
آنها را به سمت مکانهای مختلفی جهت‌دهی کنیم.
10:27
We can use less or more of them.
220
609000
2000
میتوانیم تعدادی کمتر یا بیشتری از آنها را بکارگیریم.
10:29
And when we do that
221
611000
2000
و وقتی که ما این کار را انجام میدهیم
10:31
what we discovered is that the circuitry does change.
222
613000
3000
چیزی که کشف میکنیم این است که مدارات تغییر میکنند.
10:34
But the pattern of how the circuitry is designed does not.
223
616000
7000
ولی الگویی که مدارات طراحی شده اند تغییر نمی‌کنند.
10:41
So, the fabric of the brain,
224
623000
2000
بنابراین، بافت مغز،
10:43
even though your brain may be smaller, bigger,
225
625000
2000
حتی اگر مغز شما کوچکتر یا بزرگتر باشد،
10:45
it may have different types of neurons,
226
627000
3000
یا انواع نرونهای مختلف داشته باشد،
10:48
different morphologies of neurons,
227
630000
2000
مورفولوژی نرونهای متفاوت داشته باشد،
10:50
we actually do share
228
632000
3000
ما در واقع از همان
10:53
the same fabric.
229
635000
2000
بافت مشترک استفاده میکنیم.
10:55
And we think this is species-specific,
230
637000
2000
و ما فکر میکنیم این گونه های مختلف خاص است، و
10:57
which means that that could explain
231
639000
2000
میتواند توضیح دهد چرا
10:59
why we can't communicate across species.
232
641000
2000
ما نمی‌توانیم بین گونه ها مختلف حیوانات ارتباط برقرار کنیم.
11:01
So, let's switch it on. But to do it, what you have to do
233
643000
3000
پس بیایید آنرا روشن کنیم. اما برای انجام آن، کاری که شما باید انجام دهید
11:04
is you have to make this come alive.
234
646000
2000
این است که شما باید آنرا زنده کنیم.
11:06
We make it come alive
235
648000
2000
ما آنرا به کمک
11:08
with equations, a lot of mathematics.
236
650000
2000
معادلات، با ریاضیات بسیار زیاد زنده کرده‌ایم.
11:10
And, in fact, the equations that make neurons into electrical generators
237
652000
4000
و در واقع، معادلاتی که نرونها را تبدیل به مولدهای الکتریکی میکنند
11:14
were discovered by two Cambridge Nobel Laureates.
238
656000
3000
که توسط دو برنده جایزه نوبل در کمبریج کشف شده است.
11:17
So, we have the mathematics to make neurons come alive.
239
659000
3000
بنابراین، ما مجبوریم از ریاضیات برای زنده کردن نرونها استفاده کنیم.
11:20
We also have the mathematics to describe
240
662000
2000
همچنین ما ریاضیاتی برای توصیف اینکه
11:22
how neurons collect information,
241
664000
3000
چگونه نرونها اطلاعات را جمع آوری میکنند، داریم،
11:25
and how they create a little lightning bolt
242
667000
3000
و اینکه آنها چطور یک جرقه کوچک می‌سازند
11:28
to communicate with each other.
243
670000
2000
برای برقرار ارتباط با یکدیگر.
11:30
And when they get to the synapse,
244
672000
2000
و وقتی که آنها به سمت سیناپس میروند،
11:32
what they do is they effectively,
245
674000
2000
و کاری که آنها میکنند این است که بطور موثری،
11:34
literally, shock the synapse.
246
676000
3000
عینا، به سیناپس شوک وارد میکنند.
11:37
It's like electrical shock
247
679000
2000
آن شبیه شوک الکتریکی است که
11:39
that releases the chemicals from these synapses.
248
681000
3000
بصورت شیمیایی از این سیناپسها آزاد میشود.
11:42
And we've got the mathematics to describe this process.
249
684000
3000
و ما ریاضیاتی را بدست آورده ایم که این روند را توصیف میکند.
11:45
So we can describe the communication between the neurons.
250
687000
4000
بنابراین ما میتوانیم ارتباطات بین نرونها را توصیف کنیم.
11:49
There literally are only a handful
251
691000
3000
به معنی واقعی کلمه برای شبیه سازی نئوکورتکس مغز
11:52
of equations that you need to simulate
252
694000
2000
صرفا یک مشت معادلات وجود دارد که شما
11:54
the activity of the neocortex.
253
696000
2000
برای شبیه سازی فعالیتهای نوکوتکس نیاز دارید.
11:56
But what you do need is a very big computer.
254
698000
3000
ولی چیزی که شما نیاز دارید یک کامپیوتر خیلی بزرگ است.
11:59
And in fact you need one laptop
255
701000
2000
و در واقع شما برای انجام تمامی محاسبات فقط یک نرون
12:01
to do all the calculations just for one neuron.
256
703000
3000
به یک لپ تاپ نیاز دارید.
12:04
So you need 10,000 laptops.
257
706000
2000
لذا شما به 10000 لپ تاپ نیاز دارید.
12:06
So where do you go? You go to IBM,
258
708000
2000
پس شما به کجا خواهید رفت؟ شما به آی بی ام می‌روید،
12:08
and you get a supercomputer, because they know how to take
259
710000
2000
و یک سوپرکامپیوتر از آنها می‌گیرید، چرا که آنها در حال حاضر می دانند که چگونه
12:10
10,000 laptops and put it into the size of a refrigerator.
260
712000
4000
10000 لپ تاپ را در اندازه‌ی یک یخچال جا دهند.
12:14
So now we have this Blue Gene supercomputer.
261
716000
3000
حالا ما این ابرکامپیوتر ژن آبی را داریم.
12:17
We can load up all the neurons,
262
719000
2000
ما میتوانیم تمامی نرونها را در آن بارگذاری کنیم،
12:19
each one on to its processor,
263
721000
2000
هر یک را در پروسسور آن،
12:21
and fire it up, and see what happens.
264
723000
4000
و آنرا روشن کنیم، و ببینیم چه اتفاقی می افتد.
12:25
Take the magic carpet for a ride.
265
727000
3000
فرش جادویی را برای سواری پهن کنیم.
12:28
Here we activate it. And this gives the first glimpse
266
730000
3000
اینجا ما آنرا فعال میکنیم. و این اولین نگاه اجمالی است که
12:31
of what is happening in your brain
267
733000
2000
نشان میدهد که در مغز شما چه اتفاقی می افتد
12:33
when there is a stimulation.
268
735000
2000
وقتی که یک تحریک وجود دارد.
12:35
It's the first view.
269
737000
2000
این اولین نما است.
12:37
Now, when you look at that the first time, you think,
270
739000
2000
حالا، وقتی شما به آن برای اولین بار نگاه میکنید، شما فکر میکنید،
12:39
"My god. How is reality coming out of that?"
271
741000
5000
«اوه خدای من، چطور واقعیت از درون آن بیرون می آید؟»
12:44
But, in fact, you can start,
272
746000
3000
اما، در واقع، شما میتوانید شروع کنید،
12:47
even though we haven't trained this neocortical column
273
749000
4000
حتی اگر ما این ستون نئوکورتیکالی را آموزش نداده باشیم تا
12:51
to create a specific reality.
274
753000
2000
یک واقعیت مشخصی را ایجاد کند.
12:53
But we can ask, "Where is the rose?"
275
755000
4000
ولی ما میتوانیم بپرسیم، «کجاست رز؟»
12:57
We can ask, "Where is it inside,
276
759000
2000
ما میتوانیم بپرسیم، «آن داخل کجاست،
12:59
if we stimulate it with a picture?"
277
761000
3000
اگر ما آنرا بهمراه یک تصویر تحریک کنیم؟»
13:02
Where is it inside the neocortex?
278
764000
2000
آن کجای نئوکورتکس قرار دارد؟
13:04
Ultimately it's got to be there if we stimulated it with it.
279
766000
4000
در نهایت آن آنجا خواهد بود اگر ما آنرا با آن تحریک کنیم.
13:08
So, the way that we can look at that
280
770000
2000
پس، طریقی که ما میتوانیم بدان بنگریم این است که
13:10
is to ignore the neurons, ignore the synapses,
281
772000
3000
فراموش کنیم نرونها را، فراموش کنیم سیناپسها را،
13:13
and look just at the raw electrical activity.
282
775000
2000
و صرفا به فعالیتهای الکتریکی خام بنگریم.
13:15
Because that is what it's creating.
283
777000
2000
زیرا آن چیزی است که آن ساخته است.
13:17
It's creating electrical patterns.
284
779000
2000
آن الگوهای الکتریکی را می‌سازد.
13:19
So when we did this,
285
781000
2000
پس وقتی که ما این را انجام دادیم،
13:21
we indeed, for the first time,
286
783000
2000
در واقع، برای اولین بار،
13:23
saw these ghost-like structures:
287
785000
3000
این ساختارهای شبه روح را دیدیم:
13:26
electrical objects appearing
288
788000
3000
اشیاء الکتریکی ظاهر می‌شوند
13:29
within the neocortical column.
289
791000
3000
از خلال ستون نئوکورتیکالی.
13:32
And it's these electrical objects
290
794000
3000
و این اشیاء الکتریکی است که
13:35
that are holding all the information about
291
797000
3000
در آنها تمامی اطلاعات مربوط به آنچه که آنرا تحریک کرده
13:38
whatever stimulated it.
292
800000
3000
نگه داشته میشود.
13:41
And then when we zoomed into this,
293
803000
2000
و سپس وقتی که ما بر روی این زوم کردیم،
13:43
it's like a veritable universe.
294
805000
4000
آن شبیه یک جهان واقعی است.
13:47
So the next step
295
809000
2000
پس گام بعدی این است که
13:49
is just to take these brain coordinates
296
811000
4000
فقط این مغز را مختصات بدهیم
13:53
and to project them into perceptual space.
297
815000
4000
و آنرا برای یک فضای ادراکی طرح ریزی کنیم.
13:57
And if you do that,
298
819000
2000
و اگر شما آنرا انجام دهید،
13:59
you will be able to step inside
299
821000
2000
شما قادر خواهید بود که بداخل
14:01
the reality that is created
300
823000
2000
واقعیت ساخته شده توسط این ماشین
14:03
by this machine,
301
825000
2000
قدم بگذارید،
14:05
by this piece of the brain.
302
827000
3000
با این تکه از مغز.
14:08
So, in summary,
303
830000
2000
بنابراین، بطور خلاصه،
14:10
I think that the universe may have --
304
832000
2000
من فکر میکنیم که جهان ممکن است --
14:12
it's possible --
305
834000
2000
امکان پذیر است --
14:14
evolved a brain to see itself,
306
836000
3000
یک مغز را تکامل داده باشد تا خود را ببیند،
14:17
which may be a first step in becoming aware of itself.
307
839000
5000
که ممکن است اولین قدم برای اینکه در مورد خود آگاهی پیدا کند باشد.
14:22
There is a lot more to do to test these theories,
308
844000
2000
کارهای زیادی برای تست کردن این تئوریها وجود دارد،
14:24
and to test any other theories.
309
846000
3000
و برای تست بقیه تئوریها.
14:27
But I hope that you are at least partly convinced
310
849000
3000
اما من امیدوارم که شما حداقل تاحدودی متقاعد شده باشید که
14:30
that it is not impossible to build a brain.
311
852000
3000
ساختن یک مغز غیر ممکن نیست.
14:33
We can do it within 10 years,
312
855000
2000
ما میتوانیم آنرا ظرف 10 سال آینده بسازیم،
14:35
and if we do succeed,
313
857000
2000
و اگر موفق شویم،
14:37
we will send to TED, in 10 years,
314
859000
2000
در ۱۰ سال آینده، ما آنرا به تد خواهیم فرستاد،
14:39
a hologram to talk to you. Thank you.
315
861000
3000
یک هولوگرام برای صحبت با شما. با تشکر.
14:42
(Applause)
316
864000
6000
(تشویق و تحسین)
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