TEDGlobal 2009
Henry Markram: A brain in a supercomputer
הנרי מרקראם בונה מוח במחשב על
Filmed:
Readability: 3.8
1,469,354 views
הנרי מרקראם אומר שמסתרי התודעה יכולים להיפתר - בקרוב. מחלות נפש, זיכרון, תפיסה: בנויים מנוירונים ומסרים חשמליים, והוא מתכנן לגלות אותם באמצעות מחשב על שמדמה את כל המוח האנושי כ100,000,000,000,000 סינפסות.
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
המשימה שלנו היא לבנות
00:21
a detailed, realistic
1
3000
2000
בצורה מפורטת וראליסטית,
00:23
computer model of the human brain.
2
5000
2000
מודל ממוחשב של המוח האנושי.
00:25
And we've done, in the past four years,
3
7000
3000
ואנו בנינו, ב4 שנים האחרונות,
00:28
a proof of concept
4
10000
2000
הוכחת יכולות,
00:30
on a small part of the rodent brain,
5
12000
3000
בחלק קטן של מוח מכרסם,
00:33
and with this proof of concept we are now scaling the project up
6
15000
3000
ועם הוכחת היכולות הזאת אנו כעת מגדילים את הפרויקט
00:36
to reach the human brain.
7
18000
3000
כדי להגיע למוח האנושי.
00:39
Why are we doing this?
8
21000
2000
למה אנו עושים זאת?
00:41
There are three important reasons.
9
23000
2000
יש שלוש סיבות חשובות.
00:43
The first is, it's essential for us to understand the human brain
10
25000
4000
הראשונה, זה הכרחי עבורנו להבין את המוח האנושי
00:47
if we do want to get along in society,
11
29000
2000
אם אנחנו רוצים להתקדם מבחינה חברתית,
00:49
and I think that it is a key step in evolution.
12
31000
4000
ואני חושב שזה צעד הכרחי באבולוציה.
00:53
The second reason is,
13
35000
2000
הסיבה השניה היא,
00:55
we cannot keep doing animal experimentation forever,
14
37000
6000
אנחנו לא יכולים להמשיך ולבצע ניסויים בחיות לעולם,
01:01
and we have to embody all our data and all our knowledge
15
43000
4000
ואנחנו צריכים לצרף את כל הנתונים והידע שלנו,
01:05
into a working model.
16
47000
3000
למודל שעובד.
01:08
It's like a Noah's Ark. It's like an archive.
17
50000
4000
זה כמו התיבה של נוח, זה כמו בסיס נתונים.
01:12
And the third reason is that there are two billion people on the planet
18
54000
3000
והסיבה השלישית שיש כ-2 מיליארד אנשים על כדור הארץ
01:15
that are affected by mental disorder,
19
57000
4000
המושפעים מהפרעה מנטלית,
01:19
and the drugs that are used today
20
61000
2000
והתרופות שבהם אנו משתמשים היום
01:21
are largely empirical.
21
63000
2000
הם באופן כללי אמפיריים.
01:23
I think that we can come up with very concrete solutions on
22
65000
3000
אני חושב שאנחנו יכולים להגיע לפיתרון מבוסס
01:26
how to treat disorders.
23
68000
3000
כיצד לטפל בהפרעות.
01:29
Now, even at this stage,
24
71000
3000
עכשיו, אפילו בשלב הזה,
01:32
we can use the brain model
25
74000
2000
אנחנו יכולים להשתמש במודל המוח
01:34
to explore some fundamental questions
26
76000
3000
כדי לחשוף שאלות יסוד
01:37
about how the brain works.
27
79000
2000
על כיצד המוח מתפקד.
01:39
And here, at TED, for the first time,
28
81000
2000
וכאן בTED, בפעם הראשונה,
01:41
I'd like to share with you how we're addressing
29
83000
2000
אני רוצה לחלוק איתכם, כיצד אנו מתייחסים
01:43
one theory -- there are many theories --
30
85000
3000
לתיאוריה אחת - יש הרבה תיאוריות -
01:46
one theory of how the brain works.
31
88000
4000
תיאוריה אחת שמתייחסת לאיך המוח עובד.
01:50
So, this theory is that the brain
32
92000
4000
אז התיאוריה הזאת אומרת שהמוח
01:54
creates, builds, a version of the universe,
33
96000
6000
מייצר, ובונה גירסה של היקום.
02:00
and projects this version of the universe,
34
102000
3000
ומקרין את הגרסה הזאת של היקום,
02:03
like a bubble, all around us.
35
105000
4000
כמו בועה, שמקיפה אותנו סביב.
02:07
Now, this is of course a topic of philosophical debate for centuries.
36
109000
4000
זה כמובן נושא שפילוסופים מתווכחים עליו מאות שנים.
02:11
But, for the first time, we can actually address this,
37
113000
3000
אבל, בפעם הראשונה אנחנו יכולים להתייחס ממש לנושא,
02:14
with brain simulation,
38
116000
2000
באמצעות סימולציית המוח,
02:16
and ask very systematic and rigorous questions,
39
118000
4000
ולשאול שאלות בצורה מאד שיטתית ומדויקת,
02:20
whether this theory could possibly be true.
40
122000
4000
האם התאוריה הזו יכולה להיות נכונה.
02:24
The reason why the moon is huge on the horizon
41
126000
3000
הסיבה למה הירח נראה ענק בזריחה
02:27
is simply because our perceptual bubble
42
129000
3000
היא פשוט בגלל שבועת המודעות מסביבנו
02:30
does not stretch out 380,000 kilometers.
43
132000
4000
לא נמתחת ל 380,000 ק"מ.
02:34
It runs out of space.
44
136000
2000
נגמר לה המרחב.
02:36
And so what we do is we compare the buildings
45
138000
4000
כך שמה שאנו עושים זה להשוות את הבניינים
02:40
within our perceptual bubble,
46
142000
2000
בבועה הנוכחית שלנו,
02:42
and we make a decision.
47
144000
2000
ואנו מקבלים החלטה.
02:44
We make a decision it's that big,
48
146000
2000
אנחנו מחליטים שזה בגודל כזה,
02:46
even though it's not that big.
49
148000
2000
אפילו שזה לא כל כך גדול,
02:48
And what that illustrates
50
150000
2000
ומה שזה מדגים
02:50
is that decisions are the key things
51
152000
2000
שההחלטות, הם הענין העיקרי - המפתח
02:52
that support our perceptual bubble. It keeps it alive.
52
154000
5000
שתומכות בבועה התפיסתית שלנו, זה שומר על קיומה.
02:57
Without decisions you cannot see, you cannot think,
53
159000
2000
ללא החלטות לא ניתן לראות, לא ניתן לחשוב,
02:59
you cannot feel.
54
161000
2000
לא ניתן להרגיש.
03:01
And you may think that anesthetics work
55
163000
2000
אתם אולי חושבים שהרדמה עובדת בצורה כזאת
03:03
by sending you into some deep sleep,
56
165000
3000
באמצעות הכנסה שלנו לשינה עמוקה,
03:06
or by blocking your receptors so that you don't feel pain,
57
168000
3000
או באמצעות חסימה של הקולטים כך שלא נרגיש כאב,
03:09
but in fact most anesthetics don't work that way.
58
171000
3000
אבל במציאות רוב סמי ההרדמה לא עובדים בדרך הזאת.
03:12
What they do is they introduce a noise
59
174000
3000
מה שהם עושים זה יצירת "רעש"
03:15
into the brain so that the neurons cannot understand each other.
60
177000
3000
לתוך המוח כך שהנוירונים לא מבינים אחד את השני.
03:18
They are confused,
61
180000
2000
הם מבולבלים,
03:20
and you cannot make a decision.
62
182000
3000
ולא ניתן לבצע החלטות.
03:23
So, while you're trying to make up your mind
63
185000
3000
כך שכאשר אתה מנסה להחליט,
03:26
what the doctor, the surgeon, is doing
64
188000
2000
מה שהרופא, המנתח עושה
03:28
while he's hacking away at your body, he's long gone.
65
190000
2000
בזמן שהוא מחטט בתוך הגוף שלך, הוא סיים מזמן.
03:30
He's at home having tea.
66
192000
2000
הוא בבית שותה תה.
03:32
(Laughter)
67
194000
2000
(צחוק)
03:34
So, when you walk up to a door and you open it,
68
196000
3000
כך, שכאשר אתה צועד לכיוון הדלת ופותח אותה,
03:37
what you compulsively have to do to perceive
69
199000
3000
מה שאתה צריך לעשות בצורה בלתי מודעת כדי לזהות
03:40
is to make decisions,
70
202000
2000
זה לבצע החלטות,
03:42
thousands of decisions about the size of the room,
71
204000
3000
אלפי החלטות לגבי גודלו של החדר,
03:45
the walls, the height, the objects in this room.
72
207000
3000
הקיר, הגובה, החפצים בחדר.
03:48
99 percent of what you see
73
210000
3000
99 אחוז ממה שאנו רואים
03:51
is not what comes in through the eyes.
74
213000
4000
זה לא מה שמגיע מהעיניים.
03:55
It is what you infer about that room.
75
217000
4000
זה מה שאתה מעריך לגבי החדר.
03:59
So I can say, with some certainty,
76
221000
4000
כך שאני יכול להגיד במידה מסוימת של ביטחון,
04:03
"I think, therefore I am."
77
225000
3000
"אני חושב לכן אני קיים."
04:06
But I cannot say, "You think, therefore you are,"
78
228000
4000
אבל אני לא יכול להגיד "אתה חושב לכן אתה קיים,"
04:10
because "you" are within my perceptual bubble.
79
232000
5000
בגלל שאתה נמצא בתוך הבועה התפיסתית שלי.
04:15
Now, we can speculate and philosophize this,
80
237000
3000
כעת, אנחנו יכולים לנתח ולהתפלסף בנושא,
04:18
but we don't actually have to for the next hundred years.
81
240000
3000
אבל אנחנו לא ממש חייבים במאה השנים הבאות.
04:21
We can ask a very concrete question.
82
243000
2000
אנחנו יכולים לשאול שאלות בסיסיות ביותר.
04:23
"Can the brain build such a perception?"
83
245000
4000
"האם המוח יכול לבנות נקודת מבט כזאת?"
04:27
Is it capable of doing it?
84
249000
2000
האם הוא יכול לבצע זאת?
04:29
Does it have the substance to do it?
85
251000
2000
האם יש לו את הכלים לבצע זאת?
04:31
And that's what I'm going to describe to you today.
86
253000
3000
וזה מה שאני מתכוון לתאר לכם היום.
04:34
So, it took the universe 11 billion years to build the brain.
87
256000
4000
אז זה לקח ליקום כ-11 מיליארד שנה לבנות את המוח.
04:38
It had to improve it a little bit.
88
260000
2000
הוא היה צריך לשפר אותו קצת.
04:40
It had to add to the frontal part, so that you would have instincts,
89
262000
3000
היה צריך להוסיף את החלק הקדמי, כך שיהיו אינסטינקטים,
04:43
because they had to cope on land.
90
265000
3000
בגלל שהוא היה צריך להתמודד ביבשה.
04:46
But the real big step was the neocortex.
91
268000
4000
אבל הצעד הגדול היה פיתוח הניאוקורטקס.
04:50
It's a new brain. You needed it.
92
272000
2000
זה מוח חדש, אתם הייתם צריכים אותו.
04:52
The mammals needed it
93
274000
2000
היונקים היו צריכים אותו
04:54
because they had to cope with parenthood,
94
276000
4000
בגלל שהם נאלצו להתמודד עם הורות,
04:58
social interactions,
95
280000
2000
תקשורת חברתית,
05:00
complex cognitive functions.
96
282000
3000
פעולות חשיבה מסובכות.
05:03
So, you can think of the neocortex
97
285000
2000
כך, שאפשר לחשוב על הניאוקורטקס.
05:05
actually as the ultimate solution today,
98
287000
5000
בעצם כעל הפיתרון המשולם היום,
05:10
of the universe as we know it.
99
292000
3000
של היקום כפי שאנו מכירים אותו.
05:13
It's the pinnacle, it's the final product
100
295000
2000
זה התוצר המושלם, התוצרת הסופית
05:15
that the universe has produced.
101
297000
4000
שהיקום יצר.
05:19
It was so successful in evolution
102
301000
2000
הוא היה כל כך מוצלח בהתפתחותו האבולוציונית
05:21
that from mouse to man it expanded
103
303000
2000
כך שבמעבר מעכבר לאדם הוא התרחב
05:23
about a thousandfold in terms of the numbers of neurons,
104
305000
3000
פי אלף בייחס לכמות הנוירונים,
05:26
to produce this almost frightening
105
308000
3000
כדי לייצור אבר, מבנה
05:29
organ, structure.
106
311000
3000
כמעט מפחיד.
05:32
And it has not stopped its evolutionary path.
107
314000
3000
והמסלול האבולוציוני שלו עדין לא הסתיים.
05:35
In fact, the neocortex in the human brain
108
317000
2000
בעצם הניאוקורטקס במוח האדם
05:37
is evolving at an enormous speed.
109
319000
3000
מתפתח במהירות עצומה.
05:40
If you zoom into the surface of the neocortex,
110
322000
2000
אם מתבוננים בצורה מעמיקה בפני הניאוקורטקס,
05:42
you discover that it's made up of little modules,
111
324000
3000
מגלים שהוא מיוצר מחלקים קטנים,
05:45
G5 processors, like in a computer.
112
327000
2000
מעבדי G5, כמו במעבד של מחשב.
05:47
But there are about a million of them.
113
329000
3000
אבל יש מיליון כאלה.
05:50
They were so successful in evolution
114
332000
2000
הם היו כל כך מוצלחים באבולוציה
05:52
that what we did was to duplicate them
115
334000
2000
שמה שעשינו זה לשכפל אותם
05:54
over and over and add more and more of them to the brain
116
336000
2000
ולהוסיף עוד ועוד מהם למוח
05:56
until we ran out of space in the skull.
117
338000
3000
עד שלא נשאר מקום בגולגולת.
05:59
And the brain started to fold in on itself,
118
341000
2000
והמוח החל לקפל את עצמו,
06:01
and that's why the neocortex is so highly convoluted.
119
343000
3000
ולכן הניאוקורטקס כל כך מסובך.
06:04
We're just packing in columns,
120
346000
2000
אנחנו פשוט אורזים בעמודות,
06:06
so that we'd have more neocortical columns
121
348000
3000
כך שיש לנו יותר עמודות בניאוקורטקס
06:09
to perform more complex functions.
122
351000
3000
כדי לבצע פעולות מסובכות יותר.
06:12
So you can think of the neocortex actually as
123
354000
2000
כך שבעצם ניתן לחשוב על הניאוקורטקס כמו
06:14
a massive grand piano,
124
356000
2000
על פסנתר כנף מסיבי,
06:16
a million-key grand piano.
125
358000
3000
פסנתר שבו מיליוני קלידים.
06:19
Each of these neocortical columns
126
361000
2000
כל אחד מהעמודות בניאוקורטקס
06:21
would produce a note.
127
363000
2000
ייצר צליל.
06:23
You stimulate it; it produces a symphony.
128
365000
3000
מגרים אותו; הוא מייצר סימפוניה.
06:26
But it's not just a symphony of perception.
129
368000
3000
אבל זה לא רק סימפוניה תפיסתית.
06:29
It's a symphony of your universe, your reality.
130
371000
3000
זה סימופניה של היקום, המציאות שלך.
06:32
Now, of course it takes years to learn how
131
374000
3000
כמובן שזה לוקח שנים ללמוד כיצד
06:35
to master a grand piano with a million keys.
132
377000
3000
לשלוט בפסנתר בעל מיליון קלידים.
06:38
That's why you have to send your kids to good schools,
133
380000
2000
לכן צריך לשלוח את הילדים לבתי ספר טובים,
06:40
hopefully eventually to Oxford.
134
382000
2000
בתקווה בסוף לאוקספורד.
06:42
But it's not only education.
135
384000
3000
אבל זה לא רק חינוך.
06:45
It's also genetics.
136
387000
2000
זה גם גנטיקה.
06:47
You may be born lucky,
137
389000
2000
יתכן שנולדת בר מזל,
06:49
where you know how to master your neocortical column,
138
391000
4000
או שאתה שולט כיצד להפעיל את העמודות במוח,
06:53
and you can play a fantastic symphony.
139
395000
2000
ואתה יכול לנגן סימפוניה נפלאה.
06:55
In fact, there is a new theory of autism
140
397000
3000
בעצם, יש תיאוריה חדשה לגבי אוטיזם
06:58
called the "intense world" theory,
141
400000
2000
שנקראת תאורית "העולם הלחוץ",
07:00
which suggests that the neocortical columns are super-columns.
142
402000
4000
שבה הרעיון הוא שהעמודות שבמוח החדש הם עמודות-על.
07:04
They are highly reactive, and they are super-plastic,
143
406000
4000
הם מאד פעילים והם מאד פלסטיים,
07:08
and so the autists are probably capable of
144
410000
3000
כך שאוטיסט כנראה מסוגל
07:11
building and learning a symphony
145
413000
2000
לבנות ולייצר סימפוניה
07:13
which is unthinkable for us.
146
415000
2000
שהיא בלתי ניתנת להבנה בשבילנו.
07:15
But you can also understand
147
417000
2000
אבל ניתן גם להבין
07:17
that if you have a disease
148
419000
2000
שאם יש לך מחלה
07:19
within one of these columns,
149
421000
2000
באחת העמודות,
07:21
the note is going to be off.
150
423000
2000
הצליל הולך להיות שגוי.
07:23
The perception, the symphony that you create
151
425000
2000
המודעות, הסימפוניה שתיוצר
07:25
is going to be corrupted,
152
427000
2000
תהיה משובשת,
07:27
and you will have symptoms of disease.
153
429000
3000
ויהיו לכם סימפטומים של מחלה.
07:30
So, the Holy Grail for neuroscience
154
432000
4000
כך שהגביע הקדוש במדעי המוח
07:34
is really to understand the design of the neocoritical column --
155
436000
4000
הינו ההבנה של עיצוב העמודות במוח -
07:38
and it's not just for neuroscience;
156
440000
2000
וזה לא רק למדעי המוח;
07:40
it's perhaps to understand perception, to understand reality,
157
442000
3000
זה אולי להבנת המודעות ולהבנת המציאות,
07:43
and perhaps to even also understand physical reality.
158
445000
4000
ואולי אפילו להבין את העולם הפיסי הגשמי.
07:47
So, what we did was, for the past 15 years,
159
449000
3000
אז מה שעשינו במשך 15 השנים האחרונות,
07:50
was to dissect out the neocortex, systematically.
160
452000
4000
זה לפרק את את הנאוקורטקס באופן שיטתי.
07:54
It's a bit like going and cataloging a piece of the rainforest.
161
456000
4000
זה קצת כמו לקטלג חלק מיערות הגשם.
07:58
How many trees does it have?
162
460000
2000
כמה עצים קיימים?
08:00
What shapes are the trees?
163
462000
2000
באיזו צורה העצים?
08:02
How many of each type of tree do you have? Where are they positioned?
164
464000
3000
כמה עצים מכל סוג קיימים? איפה הם ממוקמים?
08:05
But it's a bit more than cataloging because you actually have to
165
467000
2000
אבל זה קצת יותר מלקטלג בגלל שאתה צריך ממש
08:07
describe and discover all the rules of communication,
166
469000
4000
לתאר ולגלות את כל חוקי התקשורת,
08:11
the rules of connectivity,
167
473000
2000
חוקי החיבוריות,
08:13
because the neurons don't just like to connect with any neuron.
168
475000
3000
בגלל שהנוירונים לא סתם רוצים להתחבר לכל נוירון אחר.
08:16
They choose very carefully who they connect with.
169
478000
3000
הם בוחרים בזהירות למי הם יתחברו.
08:19
It's also more than cataloging
170
481000
3000
זה גם יותר מקטלוג
08:22
because you actually have to build three-dimensional
171
484000
2000
בגלל שצריך לבנות
08:24
digital models of them.
172
486000
2000
מודל תלת מימדי דיגיטלי שלהם.
08:26
And we did that for tens of thousands of neurons,
173
488000
2000
ואנחנו עשינו זאת לעשרות אלפי נוירונים,
08:28
built digital models of all the different types
174
490000
3000
בנינו מודל דיגיטלי לסוגים שונים
08:31
of neurons we came across.
175
493000
2000
של נוירונים, אותם מצאנו.
08:33
And once you have that, you can actually
176
495000
2000
וכאשר יש לך את המודל הזה אתה יכול בעצם
08:35
begin to build the neocortical column.
177
497000
4000
להתחיל ולבנות עמודות של הניאוקורטקס.
08:39
And here we're coiling them up.
178
501000
3000
וכאן אנחנו כורכים אותם.
08:42
But as you do this, what you see
179
504000
3000
אבל כאשר אנחנו עושים זאת, מה שאנו רואים
08:45
is that the branches intersect
180
507000
2000
שהשלוחות מצטלבות אחד בשני
08:47
actually in millions of locations,
181
509000
3000
בעצם במליוני מקומות.
08:50
and at each of these intersections
182
512000
3000
ובכל אחת מההצטלבויות האלה
08:53
they can form a synapse.
183
515000
2000
הם יכולים לייצר סינפסה.
08:55
And a synapse is a chemical location
184
517000
2000
סינפסה זה המקום שבו כימיקלים נמצאים
08:57
where they communicate with each other.
185
519000
3000
היכן שהם מתקשרים אחד עם השני.
09:00
And these synapses together
186
522000
2000
והסינפסות האלה ביחד
09:02
form the network
187
524000
2000
מייצרות רשת
09:04
or the circuit of the brain.
188
526000
3000
או החיווט של המוח.
09:07
Now, the circuit, you could also think of as
189
529000
4000
אז הרשת, ניתן לחשוב עליה כמו
09:11
the fabric of the brain.
190
533000
2000
המארג של המוח.
09:13
And when you think of the fabric of the brain,
191
535000
3000
וכאשר אתה חושב על המארג של המוח,
09:16
the structure, how is it built? What is the pattern of the carpet?
192
538000
4000
המבנה, איך זה בנוי? מה התבנית של השטיח?
09:20
You realize that this poses
193
542000
2000
אתה מבין שזה מציג
09:22
a fundamental challenge to any theory of the brain,
194
544000
4000
אתגר משמעותי לכל תיאוריה של המוח,
09:26
and especially to a theory that says
195
548000
2000
ובמיוחד לתיאוריה שאומרת
09:28
that there is some reality that emerges
196
550000
2000
שיש מציאות שמגיחה
09:30
out of this carpet, out of this particular carpet
197
552000
3000
מתוך השטיח הזה, השטיח הספציפי הזה
09:33
with a particular pattern.
198
555000
2000
עם תבניות ספציפיות.
09:35
The reason is because the most important design secret of the brain
199
557000
3000
הסיבה היא שהסוד התכנוני החשוב ביותר של המוח
09:38
is diversity.
200
560000
2000
זו שונות.
09:40
Every neuron is different.
201
562000
2000
כל נוירון שונה.
09:42
It's the same in the forest. Every pine tree is different.
202
564000
2000
זה כמו ביער. כל עץ אורן שונה.
09:44
You may have many different types of trees,
203
566000
2000
יתכן שיהיו סוגים שונים של עצים,
09:46
but every pine tree is different. And in the brain it's the same.
204
568000
3000
אבל כל עץ אורן שונה, ובמוח זה אותו דבר.
09:49
So there is no neuron in my brain that is the same as another,
205
571000
3000
כך שאין נוירון במוח שלי שדומה לאחר,
09:52
and there is no neuron in my brain that is the same as in yours.
206
574000
3000
ואין לי נוירון במוח שלי שזהה לנוירון אצלך.
09:55
And your neurons are not going to be oriented and positioned
207
577000
3000
והנוירונים שלך לא הולכים להיות מוצבים וממוקמים
09:58
in exactly the same way.
208
580000
2000
באותה צורה בדיוק.
10:00
And you may have more or less neurons.
209
582000
2000
ויכול להיות לך יותר או פחות נוירונים.
10:02
So it's very unlikely
210
584000
2000
כך שזה מאד לא סביר
10:04
that you got the same fabric, the same circuitry.
211
586000
4000
שיהיה לך את אותו מארג אותו חיווט.
10:08
So, how could we possibly create a reality
212
590000
2000
אז כיצד אנחנו יכולים ליצור מציאות
10:10
that we can even understand each other?
213
592000
3000
שבה אנחנו יכולים להבין אחד את השני?
10:13
Well, we don't have to speculate.
214
595000
2000
אנחנו לא צריכים לשער.
10:15
We can look at all 10 million synapses now.
215
597000
3000
אנחנו יכולים להסתכל על כל 10 מליון הסינפסות.
10:18
We can look at the fabric. And we can change neurons.
216
600000
3000
אנחנו יכולים להסתכל על המארג, ואנחנו יכולים לשנות נוירונים.
10:21
We can use different neurons with different variations.
217
603000
2000
אנחנו יכולים להשתמש בנוירונים אחרים ובשילובים שונים.
10:23
We can position them in different places,
218
605000
2000
אנחנו יכולים למקם אותם במקומות שונים,
10:25
orient them in different places.
219
607000
2000
ולהציב אותם במקומות אחרים.
10:27
We can use less or more of them.
220
609000
2000
אנחנו יכולים להשתמש ביותר או פחות מהם.
10:29
And when we do that
221
611000
2000
וכאשר אנחנו עושים זאת
10:31
what we discovered is that the circuitry does change.
222
613000
3000
מה שגילינו שהחיווט משתנה.
10:34
But the pattern of how the circuitry is designed does not.
223
616000
7000
אבל התבנית שבה החיווט תוכנן לא משתנה.
10:41
So, the fabric of the brain,
224
623000
2000
כך שהמארג של המוח,
10:43
even though your brain may be smaller, bigger,
225
625000
2000
אפילו שהמוח שלך יכול להיות גדול יותר או קטן יותר,
10:45
it may have different types of neurons,
226
627000
3000
יכול להכיל סוגים שונים של נוירונים,
10:48
different morphologies of neurons,
227
630000
2000
ומבנה שונה של הנוירונים,
10:50
we actually do share
228
632000
3000
אנחנו בעצם כן חולקים
10:53
the same fabric.
229
635000
2000
את אותו מארג.
10:55
And we think this is species-specific,
230
637000
2000
ואנחנו חושבים שזה ספציפי לזן ביולוגי,
10:57
which means that that could explain
231
639000
2000
שהמשמעות היא, שזה יכול להסביר
10:59
why we can't communicate across species.
232
641000
2000
למה אנחנו לא יכולים לתקשר בין זנים שונים.
11:01
So, let's switch it on. But to do it, what you have to do
233
643000
3000
אז בו נדליק אותו. אבל כדי לבצע זאת צריך
11:04
is you have to make this come alive.
234
646000
2000
לגרום לו להתעורר לחיים.
11:06
We make it come alive
235
648000
2000
אנחנו גורמים לו להתעורר לחיים
11:08
with equations, a lot of mathematics.
236
650000
2000
באמצעות נוסחאות, הרבה מתמטיקה.
11:10
And, in fact, the equations that make neurons into electrical generators
237
652000
4000
ובעצם הנוסחה שגורמת לנוירונים להפוך לייצרני אנרגיה
11:14
were discovered by two Cambridge Nobel Laureates.
238
656000
3000
התגלתה ע"י שני זוכי פרס נובל מקמבריג'.
11:17
So, we have the mathematics to make neurons come alive.
239
659000
3000
אז יש לנו את הידע המתמטי שהופך את הנוירונים לחיים.
11:20
We also have the mathematics to describe
240
662000
2000
יש לנו גם את הידע המתמטי לתאר
11:22
how neurons collect information,
241
664000
3000
איך נוירונים אוספים אינפורמציה,
11:25
and how they create a little lightning bolt
242
667000
3000
ואיך הם יוצרים ברק קטן
11:28
to communicate with each other.
243
670000
2000
כדי לתקשר אחד עם השני.
11:30
And when they get to the synapse,
244
672000
2000
וכאשר הם מגיעים לסינפסה,
11:32
what they do is they effectively,
245
674000
2000
מה שהם עושים באופן מעשי,
11:34
literally, shock the synapse.
246
676000
3000
זה לחשמל את הסינפסה.
11:37
It's like electrical shock
247
679000
2000
זה כמו מכת חשמל
11:39
that releases the chemicals from these synapses.
248
681000
3000
שמשחררת כימיקלים מהסינפסה.
11:42
And we've got the mathematics to describe this process.
249
684000
3000
ויש לנו את התהליך המתמטי המאפיין את התהליך.
11:45
So we can describe the communication between the neurons.
250
687000
4000
כך שאנו יכולים לתאר את התקשורת בין הנוירונים.
11:49
There literally are only a handful
251
691000
3000
קיימים למעשה רק קומץ
11:52
of equations that you need to simulate
252
694000
2000
של נוסחאות שצריך כדי לדמות
11:54
the activity of the neocortex.
253
696000
2000
את הפעילות של הניאוקורטקס.
11:56
But what you do need is a very big computer.
254
698000
3000
אבל מה שאתה צריך זה מחשב גדול מאד.
11:59
And in fact you need one laptop
255
701000
2000
ובעצם אתה צריך מחשב נייד אחד
12:01
to do all the calculations just for one neuron.
256
703000
3000
רק כדי לבצע חישוב של נוירון אחד.
12:04
So you need 10,000 laptops.
257
706000
2000
אז אתה צריך 10,000 מחשבים ניידים.
12:06
So where do you go? You go to IBM,
258
708000
2000
אז לאן אתה הולך? אתה הולך ל-IBM,
12:08
and you get a supercomputer, because they know how to take
259
710000
2000
ואתה מקבל "מחשב על" מכיוון שהם יודעים איך לקחת
12:10
10,000 laptops and put it into the size of a refrigerator.
260
712000
4000
10,000 מחשבים ניידים ולשים אותם ביחד בגודל של מקרר.
12:14
So now we have this Blue Gene supercomputer.
261
716000
3000
אז כעת יש לנו את מחשב העל "הגן הכחול".
12:17
We can load up all the neurons,
262
719000
2000
אנחנו יכולים לעלות לתוכו את כל הנוירונים,
12:19
each one on to its processor,
263
721000
2000
כל אחד למעבד עצמאי משלו,
12:21
and fire it up, and see what happens.
264
723000
4000
להדליק אותו ולראות מה קורה.
12:25
Take the magic carpet for a ride.
265
727000
3000
לקחת את השטיח המעופף לטיסה.
12:28
Here we activate it. And this gives the first glimpse
266
730000
3000
כאן אנחנו מפעילים אותו, וזה ההצצה הראשונה
12:31
of what is happening in your brain
267
733000
2000
על מה שקורה במוח שלך
12:33
when there is a stimulation.
268
735000
2000
כאשר יש גירוי.
12:35
It's the first view.
269
737000
2000
זה המבט הראשון.
12:37
Now, when you look at that the first time, you think,
270
739000
2000
כעת, כאשר אתה מסתכל בפעם הראשונה, אתה חושב,
12:39
"My god. How is reality coming out of that?"
271
741000
5000
"אלוהים איך המציאות יוצאת מדבר כזה?"
12:44
But, in fact, you can start,
272
746000
3000
אבל, העובדה היא שאתה יכול להתחיל,
12:47
even though we haven't trained this neocortical column
273
749000
4000
אפילו שאנחנו לא אימנו את העמודה של המוח
12:51
to create a specific reality.
274
753000
2000
לייצור מציאות ספציפית.
12:53
But we can ask, "Where is the rose?"
275
755000
4000
אבל אנחנו יכולים לשאול "איפה השושנה?"
12:57
We can ask, "Where is it inside,
276
759000
2000
אנחנו יכולים לשאול "איפה זה בפנים,
12:59
if we stimulate it with a picture?"
277
761000
3000
אם אנחנו מגרים אותו עם תמונה?"
13:02
Where is it inside the neocortex?
278
764000
2000
איפה זה בפנים בתוך הניאוקורטקס?
13:04
Ultimately it's got to be there if we stimulated it with it.
279
766000
4000
באופן ודאי זה צריך להיות שם אם אנחנו מגרים אותו עם זה.
13:08
So, the way that we can look at that
280
770000
2000
אז, הדרך שאנו יכולים להסתכל על זה
13:10
is to ignore the neurons, ignore the synapses,
281
772000
3000
זה להתעלם מהנוירונים ולהתעלם מהסינפסות,
13:13
and look just at the raw electrical activity.
282
775000
2000
ולהסתכל רק על הפעילות החשמלית הגסה.
13:15
Because that is what it's creating.
283
777000
2000
מכיוון שזה מה שנוצר.
13:17
It's creating electrical patterns.
284
779000
2000
זה יוצר תבנית של דפוסים חשמליים.
13:19
So when we did this,
285
781000
2000
אז כאשר עשינו זאת,
13:21
we indeed, for the first time,
286
783000
2000
אנחנו באמת, בפעם הראשונה,
13:23
saw these ghost-like structures:
287
785000
3000
ראינו את המבנים דמויי רוחות הרפאים:
13:26
electrical objects appearing
288
788000
3000
אוביקטים חשמליים מופיעים
13:29
within the neocortical column.
289
791000
3000
בתוך עמודת המוח.
13:32
And it's these electrical objects
290
794000
3000
ואלו האובייקטים החשמליים
13:35
that are holding all the information about
291
797000
3000
שמחזיקים את כל האינפורמציה על
13:38
whatever stimulated it.
292
800000
3000
מה שמגרה אותו.
13:41
And then when we zoomed into this,
293
803000
2000
ואז כאשר העמקנו פנימה לתוכו,
13:43
it's like a veritable universe.
294
805000
4000
זה כמו עולם מציאותי.
13:47
So the next step
295
809000
2000
אז הצעד הבא
13:49
is just to take these brain coordinates
296
811000
4000
הוא רק לקחת את הקואורדינטות במוח
13:53
and to project them into perceptual space.
297
815000
4000
ולהקרין אותם על המרחב התפיסתי.
13:57
And if you do that,
298
819000
2000
ואם אתה עושה את זה,
13:59
you will be able to step inside
299
821000
2000
אתה תהיה מסוגל לצעוד פנימה
14:01
the reality that is created
300
823000
2000
למציאות שנוצרה
14:03
by this machine,
301
825000
2000
באמצעות המכשיר הזה,
14:05
by this piece of the brain.
302
827000
3000
באמצעות החלק הזה של המוח.
14:08
So, in summary,
303
830000
2000
כך שלסיכום,
14:10
I think that the universe may have --
304
832000
2000
אני חושב שהיקום ייתכן -
14:12
it's possible --
305
834000
2000
זה אפשרי -
14:14
evolved a brain to see itself,
306
836000
3000
שייצר מוח כדי לראות את עצמו,
14:17
which may be a first step in becoming aware of itself.
307
839000
5000
שאולי זו הפעם הצעד הראשון להיות מודע לעצמו.
14:22
There is a lot more to do to test these theories,
308
844000
2000
יש עוד הרבה מה לעשות לבדוק את התיאוריות האלה,
14:24
and to test any other theories.
309
846000
3000
ולבדוק תיאוריות אחרות.
14:27
But I hope that you are at least partly convinced
310
849000
3000
אבל אני מקווה שאתם לפחות משוכנעים חלקית
14:30
that it is not impossible to build a brain.
311
852000
3000
שזה לא בלתי אפשרי לבנות מוח.
14:33
We can do it within 10 years,
312
855000
2000
אנחנו יכולים לעשות את זה בתוך 10 שנים,
14:35
and if we do succeed,
313
857000
2000
ואם אנחנו נצליח,
14:37
we will send to TED, in 10 years,
314
859000
2000
אנחנו נשלח לTED בעוד 10 שנים,
14:39
a hologram to talk to you. Thank you.
315
861000
3000
הלוגרמה שתדבר אליכם, תודה רבה.
14:42
(Applause)
316
864000
6000
(מחיאות כפיים)
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