TEDGlobal 2009
Henry Markram: A brain in a supercomputer
ჰენრი მარკრამი ქმნის ადამიანის ტვინს სუპერკომპიუტერში
Filmed:
Readability: 3.8
1,469,354 views
როგორც ჰენრი მარკრამი ამბობს, ძალიან მალე შესაძლებელი იქნება გონების საიდუმლოებების ამოხსნა. ფსიქიური დაავადებები, მეხსიერება, აღქმა: იწარმოება ნეირონებისა და ელექტრული სიგნალებისაგან და ის აპირებს მათ აღმოჩენას სუპერკომპიუტერის საშუალებით რომელსაც შეუძლია ტვინის 100,000,000,000,000 სინაპსის მოდელირება.
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
ჩვენი მისიაა ავაგოთ
00:21
a detailed, realistic
1
3000
2000
ადამინის ტვინის
00:23
computer model of the human brain.
2
5000
2000
დეტალური, რეალისტური კომპიუტერული მოდელი
00:25
And we've done, in the past four years,
3
7000
3000
ის რაც გავაკეთეთ ბოლო ოთხი წლის განმავლობაში
00:28
a proof of concept
4
10000
2000
როდენტის ტვინის მცირე ნაწილზე,
00:30
on a small part of the rodent brain,
5
12000
3000
არის კონცეფციის დასტური.
00:33
and with this proof of concept we are now scaling the project up
6
15000
3000
და ამ კონცეფციის დასტურით გვინდა განვავითაროთ პროექტი,
00:36
to reach the human brain.
7
18000
3000
რომ მივუახლოვდეთ ადამიანის ტვინს.
00:39
Why are we doing this?
8
21000
2000
რატომ ვაკეთებთ ამას?
00:41
There are three important reasons.
9
23000
2000
არის სამი უმთავრესი მიზეზი.
00:43
The first is, it's essential for us to understand the human brain
10
25000
4000
პირველი, ჩვენთვის ყველაზე მნიშვნელოვანია შევისწავლოთ ადამიანის ტვინი
00:47
if we do want to get along in society,
11
29000
2000
იმისთვის რომ განვითარდეს საზოგადოება
00:49
and I think that it is a key step in evolution.
12
31000
4000
და ვფიქრობ, რომ ეს არის გადამწყვეტი კვანძი ევოლუციაში.
00:53
The second reason is,
13
35000
2000
მეორე მიზეზი არის
00:55
we cannot keep doing animal experimentation forever,
14
37000
6000
ის რომ ცხოველებზე ექსპერიმენტები უსასრულოდ ვერ გაგრძელდება
01:01
and we have to embody all our data and all our knowledge
15
43000
4000
და საჭირო ხდება მთელი ჩვენი ინფორმაციისა და ცოდნის ჩამოყალიბება,
01:05
into a working model.
16
47000
3000
მუშა მოდელის სახით
01:08
It's like a Noah's Ark. It's like an archive.
17
50000
4000
ეს ნოეს კიდობანივითაა. ეს არის არქივი.
01:12
And the third reason is that there are two billion people on the planet
18
54000
3000
და მესამე მიზეზი არის ის რომ პლანეტაზე არის ორი მილიარდი ადამიანი,
01:15
that are affected by mental disorder,
19
57000
4000
რომელიც ფსიქიურად არის დაავადებული,
01:19
and the drugs that are used today
20
61000
2000
და მედიკამენტები, რომლებიც დღეს გამოიყენება
01:21
are largely empirical.
21
63000
2000
უმთავრესად ემპირიულია.
01:23
I think that we can come up with very concrete solutions on
22
65000
3000
ვფიქრობ, რომ შესაძლებელი გახდება კონკრეტული გადაწყვეტილებების პოვნა
01:26
how to treat disorders.
23
68000
3000
რომ დავამარცხოთ დაავადებები.
01:29
Now, even at this stage,
24
71000
3000
ახლა, თუნდაც ამ სცენაზე,
01:32
we can use the brain model
25
74000
2000
ჩვენ შეგვიძლია გამოვიყენოთ ტვინის მოდელი
01:34
to explore some fundamental questions
26
76000
3000
რომ გამოვიკვლიოთ ზოგიერთი ფუნდამეტალური კითხვა
01:37
about how the brain works.
27
79000
2000
იმის შესახებ თუ როგორ მუშაობს ტვინი.
01:39
And here, at TED, for the first time,
28
81000
2000
და ახლა, TED-ზე, პირველად
01:41
I'd like to share with you how we're addressing
29
83000
2000
მე მინდა გაგიზიაროთ აზრი თუ როგორ უნდა გამოვცადოთ
01:43
one theory -- there are many theories --
30
85000
3000
ერთი თეორია –– მრავალი თეორია არსებობს ––
01:46
one theory of how the brain works.
31
88000
4000
თეორია იმის შესახებ თუ როგორ მუშაობს ტვინი.
01:50
So, this theory is that the brain
32
92000
4000
მაშ ასე, ეს თეორია ამბობს რომ ტვინი
01:54
creates, builds, a version of the universe,
33
96000
6000
ქმნის, აშენებს სამყაროს ვერსიას
02:00
and projects this version of the universe,
34
102000
3000
და გამოსახავს სამყაროს ამ ვერსიას
02:03
like a bubble, all around us.
35
105000
4000
ჩვენს გარშემო სფეროს სახით
02:07
Now, this is of course a topic of philosophical debate for centuries.
36
109000
4000
ეს რა თქმა უნდა მრავალ საუკუნოვანი ფილოსოფიური განხილვების თემაა,
02:11
But, for the first time, we can actually address this,
37
113000
3000
მაგრამ, დღეს საშუალება გვაქვს რეალურად შევისწავლოთ ეს,
02:14
with brain simulation,
38
116000
2000
ტვინის სიმულირებით,
02:16
and ask very systematic and rigorous questions,
39
118000
4000
და დავსვათ ძალიან მკაცრი და სისტემატური კითხვები,
02:20
whether this theory could possibly be true.
40
122000
4000
შეიძლება თუ არა ეს თეორია ჭეშმარიტებას შეესაბამებოდეს.
02:24
The reason why the moon is huge on the horizon
41
126000
3000
მიზეზი რის გამოც მთვარე ჰორიზონტზე დიდად ჩანს
02:27
is simply because our perceptual bubble
42
129000
3000
არის ჩვენი აღქმის სფეროს შეზღუდვა
02:30
does not stretch out 380,000 kilometers.
43
132000
4000
რომელსაც არ წვდება 380,000 კილომეტრს.
02:34
It runs out of space.
44
136000
2000
მას არ ყოფნის სივრცე.
02:36
And so what we do is we compare the buildings
45
138000
4000
და რას ვშვებით მაშინ როცა ვადარებთ შენობებს
02:40
within our perceptual bubble,
46
142000
2000
ჩვენი წარმოდგენის სფეროში,
02:42
and we make a decision.
47
144000
2000
ჩვენ ვიღებთ გადაწყვეტილებებს
02:44
We make a decision it's that big,
48
146000
2000
ჩვენ ვწყვეტთ რომელია დიდი
02:46
even though it's not that big.
49
148000
2000
და რომელი უფრო პატარა
02:48
And what that illustrates
50
150000
2000
და რა დასტურდება ამით?
02:50
is that decisions are the key things
51
152000
2000
რომ საკვაძო ფაქტორია გადაწყვეტილებები
02:52
that support our perceptual bubble. It keeps it alive.
52
154000
5000
რომლებიც აგებს და აცოცხლებს ჩვენს აღქმის სფეროს.
02:57
Without decisions you cannot see, you cannot think,
53
159000
2000
გადაწყვეტილებების გარეშე თქვენ ვერ დაინახვთ, ვერ იფიქრებთ,
02:59
you cannot feel.
54
161000
2000
ვერ ვიგრძნობთ.
03:01
And you may think that anesthetics work
55
163000
2000
და შესაძლოა ფიქრობთეთ რომ გამაყუჩებლები მოქმედებენ
03:03
by sending you into some deep sleep,
56
165000
3000
ღრმა ძილში შეყვანის გზით.
03:06
or by blocking your receptors so that you don't feel pain,
57
168000
3000
ან რეცეპტორების ბლოკირებით, რათა არ იგრძნოთ ტკივილი
03:09
but in fact most anesthetics don't work that way.
58
171000
3000
მაგრამ სინამდვილეში გამაყუჩებლების უმრავლესობა ასე არ მუშაობს.
03:12
What they do is they introduce a noise
59
174000
3000
სინამდვილეშ ისინი წარმოშობენ ხმაურს
03:15
into the brain so that the neurons cannot understand each other.
60
177000
3000
ტვინში ისე რომ ნეირონებს არ შეუძლიათ ერთმანეთის გაგება.
03:18
They are confused,
61
180000
2000
ისინი დაბნეულები არიან,
03:20
and you cannot make a decision.
62
182000
3000
მათ არ შეუძლიათ გადაწყვეტილებების მიღება.
03:23
So, while you're trying to make up your mind
63
185000
3000
ხოლო იმ დროის განმავლობაში როცა თქვენი ტვინი ცდილობს გაერკვიოს ყველაფერში
03:26
what the doctor, the surgeon, is doing
64
188000
2000
ექიმი, ქირურგი
03:28
while he's hacking away at your body, he's long gone.
65
190000
2000
რომელიც თქვენს სხეულში იქექებოდა დიდი ხნის წასულია
03:30
He's at home having tea.
66
192000
2000
ის უკვე სახლშია, ჩაის გეახლებათ.
03:32
(Laughter)
67
194000
2000
(სიცილი)
03:34
So, when you walk up to a door and you open it,
68
196000
3000
ასე, რომ როცა თქვეთ მიხვალთ კარებთან და გააღებთ მას,
03:37
what you compulsively have to do to perceive
69
199000
3000
ის რაც უნდა გააკეთოთ არის აღიქვათ
03:40
is to make decisions,
70
202000
2000
მიიღოთ გადაწყვეტილებები
03:42
thousands of decisions about the size of the room,
71
204000
3000
ათასობით გადაწყვეტილებები ოთახის ზომის
03:45
the walls, the height, the objects in this room.
72
207000
3000
კედლის და სხვა ობიექტების ზომების შესახებ ოთახში.
03:48
99 percent of what you see
73
210000
3000
99 პროცენტი იმისა თუ რასაც ხედავთ
03:51
is not what comes in through the eyes.
74
213000
4000
არ არის ის რაც თქვენი თვალების საშუალებით შემოდის თქვენში
03:55
It is what you infer about that room.
75
217000
4000
ეს არის ის თუ რას ფიქრობთ თქვენ ამ ოთახზე.
03:59
So I can say, with some certainty,
76
221000
4000
ამიტომ დანამდვილებით შემიძლია გითხრათ
04:03
"I think, therefore I am."
77
225000
3000
"მე ვაზროვნებ, ამიტომაც ვარსებობ"
04:06
But I cannot say, "You think, therefore you are,"
78
228000
4000
მაგრამ არ შემიძლია ვთქვა, "თქვენ აზროვნებთ და ამიტომაც თქვენ არსებობთ"
04:10
because "you" are within my perceptual bubble.
79
232000
5000
იმიტომ რომ თქვენ ჩემი წარმოსახვის სფეროში ხართ.
04:15
Now, we can speculate and philosophize this,
80
237000
3000
რა თქმა უნდა ამის გარშემო შეიძლება სპეკულირება და ფილოსოფიური ანალიზი,
04:18
but we don't actually have to for the next hundred years.
81
240000
3000
მაგრამ ეს ყველაფერი შეიძლება შემდეგი ასი წლის განმავლობაში არ დაგვჭირდება.
04:21
We can ask a very concrete question.
82
243000
2000
ჩევნ შეგვიძლია დავსვათ ძალიან კონკრეტული შეკითხვა.
04:23
"Can the brain build such a perception?"
83
245000
4000
"შეუძლია თუ არა ტვინს შექმნას ასეთი აღქმა?"
04:27
Is it capable of doing it?
84
249000
2000
აქვს თუ არა ამის რესურსი?
04:29
Does it have the substance to do it?
85
251000
2000
აქვს თუ არა მას საკმარისი მასალა ამისთვის?
04:31
And that's what I'm going to describe to you today.
86
253000
3000
სწორედ ეს არის ის რის შესახებაც მინდა დღეს გესაუბროთ.
04:34
So, it took the universe 11 billion years to build the brain.
87
256000
4000
საყაროს ტვინის შესაქმნელად დასჭირდა 11 მილიარდი წელი.
04:38
It had to improve it a little bit.
88
260000
2000
მას ოდნავ გაუმჯობესება გახდა საჭირო.
04:40
It had to add to the frontal part, so that you would have instincts,
89
262000
3000
შემდგომში მას წინა ნაწილი დაემატა, რათა ინსტიქტები გვქონოდა,
04:43
because they had to cope on land.
90
265000
3000
იმტომ რომ მათ ხმელეთზე დასჭირდათ ბრძოლა გადარჩენისათვის.
04:46
But the real big step was the neocortex.
91
268000
4000
მაგრამ ყველაზე დიდი ნაბიჯი იყო ტვინის ქერქი (ნეოკორტექსი)
04:50
It's a new brain. You needed it.
92
272000
2000
ეს არის ახალი ტვინი. ის საჭირო გახდა.
04:52
The mammals needed it
93
274000
2000
ძუძუმწოვრებს დასჭირდათ ის
04:54
because they had to cope with parenthood,
94
276000
4000
იმიტომ რომ ისინი მშობლის ფუნქციებს ასრულებდნენ
04:58
social interactions,
95
280000
2000
სოციალურად ურთიერთქმედებდნენ,
05:00
complex cognitive functions.
96
282000
3000
ქონდათ კომპლექსური შემეცნებითი ფუნქციები.
05:03
So, you can think of the neocortex
97
285000
2000
თქვენ უკვე წარმოიდგინეთ ნეოკორტექსი
05:05
actually as the ultimate solution today,
98
287000
5000
როგორც საბოლო გადაწყვეტილება დღევანდელი
05:10
of the universe as we know it.
99
292000
3000
სამყაროსათვის რომელსაც ჩვენ ვიცნობთ.
05:13
It's the pinnacle, it's the final product
100
295000
2000
ეს არის მწვერვალი, ეს არის საბოლო პროდუქტი
05:15
that the universe has produced.
101
297000
4000
რომელიც სამყარომ აწარმოა.
05:19
It was so successful in evolution
102
301000
2000
ის ისეთი წარმატებული იყო ევოლუციურად რომ
05:21
that from mouse to man it expanded
103
303000
2000
თაგვიდან ადამიანამდე გაფართოვდა იმდენად
05:23
about a thousandfold in terms of the numbers of neurons,
104
305000
3000
და ათასჯერ მეტი ნეირონი აქვს
05:26
to produce this almost frightening
105
308000
3000
იმისთვის რომ აწარმოოს საკმაოდ გასაოცარი
05:29
organ, structure.
106
311000
3000
ორგანო, სტრუქტურა.
05:32
And it has not stopped its evolutionary path.
107
314000
3000
და ის არ შეჩერებულა მისი ევოლუციის გზაზე.
05:35
In fact, the neocortex in the human brain
108
317000
2000
სინამდვილეში ნეოკორტექსი ადამიანის ტვინში
05:37
is evolving at an enormous speed.
109
319000
3000
ვითარდება არანორმალური სიჩქარით.
05:40
If you zoom into the surface of the neocortex,
110
322000
2000
თუ გავადიდებთ ტვინის ქერის ზედაპირს
05:42
you discover that it's made up of little modules,
111
324000
3000
დავინახათ რომ ის შედგება პატარა მოდულებისაგან,
05:45
G5 processors, like in a computer.
112
327000
2000
როგორც G5 პროცესორები კომპიუტერში
05:47
But there are about a million of them.
113
329000
3000
მაგრამ იქ მათი რიცხვი მილიონია
05:50
They were so successful in evolution
114
332000
2000
ისინი იმდენად სრუყოფილად განვითარდნენ რომ
05:52
that what we did was to duplicate them
115
334000
2000
რომ ჩვენ ისინი გავამრავლეთ
05:54
over and over and add more and more of them to the brain
116
336000
2000
ყოველ ჯერზე, მეტი და მეტი ჩვენს ტვინში
05:56
until we ran out of space in the skull.
117
338000
3000
მანამ სანამ არ მივაღწიეთ თავის ქალის საზღვრებს
05:59
And the brain started to fold in on itself,
118
341000
2000
და ტვინმა დაიწყო თავის თავში ჩახვევა
06:01
and that's why the neocortex is so highly convoluted.
119
343000
3000
ამიტომაც ნეოკორტექსი ძალიან ბევრი ხვეულებისგან შედგება.
06:04
We're just packing in columns,
120
346000
2000
ჩვენ უბრალოდ ვალაგებთ სვეტებს
06:06
so that we'd have more neocortical columns
121
348000
3000
ამიტომაც რაც უფრო მეტი ნეოკორტექსული სვეტი გვაქვს
06:09
to perform more complex functions.
122
351000
3000
შეგვიძლია შევასრულოთ უფრო რთული ფუნქციები
06:12
So you can think of the neocortex actually as
123
354000
2000
ის შეგიძლიათ წარმოიდგინოთ, როგორც
06:14
a massive grand piano,
124
356000
2000
მასიური როიალი
06:16
a million-key grand piano.
125
358000
3000
როიალი მილიონი კლავიშით
06:19
Each of these neocortical columns
126
361000
2000
ყოველი ამ სვეტთაგანი
06:21
would produce a note.
127
363000
2000
წარმოშობს ნოტს
06:23
You stimulate it; it produces a symphony.
128
365000
3000
სტიმულირების შემთხვევაში ის აწარმოებს სიმფონიას.
06:26
But it's not just a symphony of perception.
129
368000
3000
მაგრამ ეს მხოლოდ აღქმის სიმფონია არ არის.
06:29
It's a symphony of your universe, your reality.
130
371000
3000
ეს არის თქვენი სამყაროს, თქვენი რეალობის სიმფონია.
06:32
Now, of course it takes years to learn how
131
374000
3000
და რა თქმა უნდა წლებია იმისთვის საჭირო რომ
06:35
to master a grand piano with a million keys.
132
377000
3000
ვისწავლოთ მილიონ კლავიშიან როიალზე დაკვრა.
06:38
That's why you have to send your kids to good schools,
133
380000
2000
ამიტომაც ვაგზავნით ჩვენს ბავშვებს რჩეულ სკოლებში,
06:40
hopefully eventually to Oxford.
134
382000
2000
მათ შორის ოქსფორდში.
06:42
But it's not only education.
135
384000
3000
მაგრამ ეს მხოლოდ განათლება არ არის.
06:45
It's also genetics.
136
387000
2000
გენეტიკაცაა
06:47
You may be born lucky,
137
389000
2000
თვენ შეიძლება დაიბადოთ იღბლიანები
06:49
where you know how to master your neocortical column,
138
391000
4000
ან იცოდეთ როგორ განივითაროთ ნეოკორტექსის სვეტი
06:53
and you can play a fantastic symphony.
139
395000
2000
და გეცოდინებათ როგორ დაუკრათ ფანტასტიური სიმფონია
06:55
In fact, there is a new theory of autism
140
397000
3000
ასევე არსებობს თეორია აუტიზმის შესახებ
06:58
called the "intense world" theory,
141
400000
2000
რომელსაც "ინტენსიური სამყაროს" თეორია ქვია,
07:00
which suggests that the neocortical columns are super-columns.
142
402000
4000
რომელიც ამბობს რომ ნეოკორტექსის სვეტები არის სუპერ-სვეტები
07:04
They are highly reactive, and they are super-plastic,
143
406000
4000
რომ ისინი არიან მაღალრეაქტიული და სუპერ-პლასტიკურები,
07:08
and so the autists are probably capable of
144
410000
3000
ამიტომაც აუტისტებს შეუძლიათ
07:11
building and learning a symphony
145
413000
2000
ააშენონ და შეისწავლონ ისეთი სიმფონია
07:13
which is unthinkable for us.
146
415000
2000
როგორიც ჩვენთვის წარმოუდგენელია
07:15
But you can also understand
147
417000
2000
მაგრამ თქვენ შეგიძლიათ გაიგოთ
07:17
that if you have a disease
148
419000
2000
თუ ავად ხართ
07:19
within one of these columns,
149
421000
2000
რომელიმე სვეტი
07:21
the note is going to be off.
150
423000
2000
ვერ აწარმოებს ნოტს
07:23
The perception, the symphony that you create
151
425000
2000
აღქმა, სიმფონია რომელსაც თქვენ ქმნით
07:25
is going to be corrupted,
152
427000
2000
მახინჯდება
07:27
and you will have symptoms of disease.
153
429000
3000
და თქვენ გექნებათ ავადმყოფობის სიმპტომები
07:30
So, the Holy Grail for neuroscience
154
432000
4000
ასე რომ ნეირომეცნიერების წმინდა გრაალი
07:34
is really to understand the design of the neocoritical column --
155
436000
4000
არის რეალურაგ გამოიკვლიოს ნეოკორეტქსის სვეტი
07:38
and it's not just for neuroscience;
156
440000
2000
და ეს მხოლოდ ნეირომეცნიერებას არ აინტერესებს
07:40
it's perhaps to understand perception, to understand reality,
157
442000
3000
გასაგები გახდება აღქმის, რეალობის
07:43
and perhaps to even also understand physical reality.
158
445000
4000
და ფიზიკური რეალობის პრინციპები
07:47
So, what we did was, for the past 15 years,
159
449000
3000
რაც გავაკეთეთ ბოლო 15 წლის განმავლობაში იყო ის რომ
07:50
was to dissect out the neocortex, systematically.
160
452000
4000
ჩვენ სისტემურად დავშალეთ ნეიროკორტექსი.
07:54
It's a bit like going and cataloging a piece of the rainforest.
161
456000
4000
წარმოიდიგნეთ რომ ეს ძალიან გავს ტროპიკული ტყის მონაკვეთს
07:58
How many trees does it have?
162
460000
2000
რამდენი ხეა იქ?
08:00
What shapes are the trees?
163
462000
2000
რა ფორმისაა ხეები?
08:02
How many of each type of tree do you have? Where are they positioned?
164
464000
3000
რამდენი სხვა და სხვა ტიპის ხეა? სად არიან ისინი განლაგებული?
08:05
But it's a bit more than cataloging because you actually have to
165
467000
2000
მაგრამ საქმე გვაქვს არა მხოლოდ კატალოგიზაციასთან
08:07
describe and discover all the rules of communication,
166
469000
4000
საიჭიროა დავადგინოთ კომუნიკაციის ყველა წესები,
08:11
the rules of connectivity,
167
473000
2000
შეერთების პირობები,
08:13
because the neurons don't just like to connect with any neuron.
168
475000
3000
იმიტომ რომ ნეირონები არ უერთებიან ნებისმიერ ნეირონს.
08:16
They choose very carefully who they connect with.
169
478000
3000
ისინი გულდასმით ირჩევენ პარტნიორებს.
08:19
It's also more than cataloging
170
481000
3000
ეს კატალოგიზაციაზე მეტია
08:22
because you actually have to build three-dimensional
171
484000
2000
იმიტომ, რომ საჭიროა ააშენოთ მათი სამ-განზომილებიანი
08:24
digital models of them.
172
486000
2000
ციფრული მოდელი.
08:26
And we did that for tens of thousands of neurons,
173
488000
2000
ჩევნ შევქმენთი ათობით ათასი ნეირონი
08:28
built digital models of all the different types
174
490000
3000
შევქმენით სხვა და სხვა ტიპის ციფრული მოდელები
08:31
of neurons we came across.
175
493000
2000
იმ ნეირონებისა რომლებიც შევისწავლეთ.
08:33
And once you have that, you can actually
176
495000
2000
ამის ყველაფრის შექმნის შემდეგ
08:35
begin to build the neocortical column.
177
497000
4000
შესაძლებელია ნეოკორტექსის სვეტის შექმნა
08:39
And here we're coiling them up.
178
501000
3000
ჩვენ დავიწყეთ მათი შეკვრა
08:42
But as you do this, what you see
179
504000
3000
მაგრამ როგორც ხედავთ
08:45
is that the branches intersect
180
507000
2000
ტოტები ერთმანეთს კვეთს
08:47
actually in millions of locations,
181
509000
3000
მილიონობით წერტილში
08:50
and at each of these intersections
182
512000
3000
და ყოველ ამ გადაკვეთაზე
08:53
they can form a synapse.
183
515000
2000
ფორმირდება სინაპსი
08:55
And a synapse is a chemical location
184
517000
2000
სინაპსი არის ქიმიური ორგანო
08:57
where they communicate with each other.
185
519000
3000
სადაც ნეირონების კომუნიკაცია ხდება
09:00
And these synapses together
186
522000
2000
და ყველა ეს სინაპსი ერთდროულად
09:02
form the network
187
524000
2000
არის თავის ტვინის
09:04
or the circuit of the brain.
188
526000
3000
ქსელური ინფრასტრუქტურა
09:07
Now, the circuit, you could also think of as
189
529000
4000
ქსელები, შეგიძლიათ წარმოიდგინოთ
09:11
the fabric of the brain.
190
533000
2000
როგორც ტვინის ქსოვილი
09:13
And when you think of the fabric of the brain,
191
535000
3000
და როცა ფიქრობთ ტვინის ქსოვილზე,
09:16
the structure, how is it built? What is the pattern of the carpet?
192
538000
4000
მის სტრუქტურაზე, როგორ არის ის აშენებული? რა ორნამენტია ხალიჩაზე?
09:20
You realize that this poses
193
542000
2000
მიხვდებით რომ ეს არის
09:22
a fundamental challenge to any theory of the brain,
194
544000
4000
ტვინის ნებისმიერი თეორიის ფუნდამენტალური ამოცანა,
09:26
and especially to a theory that says
195
548000
2000
და განსაკუთრებით იმ თეორიის რომელიც ამბობს
09:28
that there is some reality that emerges
196
550000
2000
რომ არსებობს რაღაც რეალობა რომესაც წარმოშობს
09:30
out of this carpet, out of this particular carpet
197
552000
3000
ეს საპროექტო ნახაზები მისი დიზაინის შესაბამისად
09:33
with a particular pattern.
198
555000
2000
გარკვეული კანონზომიერებით.
09:35
The reason is because the most important design secret of the brain
199
557000
3000
ტვინის მოწყობის ყველაზე მნიშვნელოვანი საიდუმლო არის
09:38
is diversity.
200
560000
2000
მრავალფეროვნება.
09:40
Every neuron is different.
201
562000
2000
ყოველი ნირონი განსხვავებულია.
09:42
It's the same in the forest. Every pine tree is different.
202
564000
2000
როგორც ტყეში, სადაც ყოველი ნაძვი უნიკალურია.
09:44
You may have many different types of trees,
203
566000
2000
შესაძლოა იყოს სხვა და სხვა ტიპის ხეები
09:46
but every pine tree is different. And in the brain it's the same.
204
568000
3000
მაგრამ ერთი ჯიშის ყოველი ხე ერთმანეთისგან მაინც განსხვავდება. ტვინიც იგივეა.
09:49
So there is no neuron in my brain that is the same as another,
205
571000
3000
ჩემს ტვინში არ არის ორი ერთნაირი ნეირონი.
09:52
and there is no neuron in my brain that is the same as in yours.
206
574000
3000
ასევე ჩემს ტვინში არ არის არც ერთი ზუსტად ისეთი ნეირონი როგორიც თქვენში.
09:55
And your neurons are not going to be oriented and positioned
207
577000
3000
და თქვენი ნეირონები არ არის ზუსტად ისევე განლაგებული როგორც
09:58
in exactly the same way.
208
580000
2000
ჩემს ტვინში
10:00
And you may have more or less neurons.
209
582000
2000
თქ თქვენ შესაძოა გქონდეთ უფორ მეტი ან უფრო ნაკები ნეირონი
10:02
So it's very unlikely
210
584000
2000
ამიტომაც ძალიან ნაკლებია იმის ალბათობა რომ
10:04
that you got the same fabric, the same circuitry.
211
586000
4000
თქვენ გაქვს იგივე ქსოვილი იგივე ქსელებით.
10:08
So, how could we possibly create a reality
212
590000
2000
მაშინ როგორ იქმენბა რეალობა
10:10
that we can even understand each other?
213
592000
3000
სადაც ჩვენ შეგვიძლია ერთმანეთს გავუგოთ?
10:13
Well, we don't have to speculate.
214
595000
2000
სპეკულირება საჭირო არ არის.
10:15
We can look at all 10 million synapses now.
215
597000
3000
ჩვენა შეგვიძლია დავაკვირდეთ 10 მილიონ სინაპსს.
10:18
We can look at the fabric. And we can change neurons.
216
600000
3000
ჩევნ შეგვიძლია დავაკვირდეთ ქსოვილს. და შევცვალოთ ნეირონები.
10:21
We can use different neurons with different variations.
217
603000
2000
ჩვენ შეგვიძლია გამოვიყენოთ სხვა და სხვა ნეირონები სხვა და სხვა ვარიაციებით/
10:23
We can position them in different places,
218
605000
2000
შგვიძლია ვუცვალოთ ადგილმდებარეობა,
10:25
orient them in different places.
219
607000
2000
ორიენტაცია
10:27
We can use less or more of them.
220
609000
2000
ვცვალოთ მათი რაოდენობა
10:29
And when we do that
221
611000
2000
და როცა ამას ვაკეთებდით
10:31
what we discovered is that the circuitry does change.
222
613000
3000
აღმოვაჩინეთ, რომ ქსელი იცვლება.
10:34
But the pattern of how the circuitry is designed does not.
223
616000
7000
მაგრამ ქსელის მუშაობის კანონზომიერებები უცვლელი რჩება.
10:41
So, the fabric of the brain,
224
623000
2000
ასე, რომ ტვინის ქარხანა
10:43
even though your brain may be smaller, bigger,
225
625000
2000
რომელიც შეიძლება იყოს დიდი, პატარა
10:45
it may have different types of neurons,
226
627000
3000
ჰქონდეს სხვა და სხვა ტიპის ნეირონები,
10:48
different morphologies of neurons,
227
630000
2000
განსხვავებული ნეირონული მორფოლოგია,
10:50
we actually do share
228
632000
3000
მაინც მუშაობს
10:53
the same fabric.
229
635000
2000
როგორც ერთი ქარხანა
10:55
And we think this is species-specific,
230
637000
2000
და ჩვენ ვფიქრობთ, რომ განსხვავება არის სახეობებს შორის
10:57
which means that that could explain
231
639000
2000
რაც ადვილად ხსნის იმას, რომ
10:59
why we can't communicate across species.
232
641000
2000
ჩვენ არ შეგვიძლია სხვა სახეობებთან კომუნიკაცია.
11:01
So, let's switch it on. But to do it, what you have to do
233
643000
3000
მოდით ავამუშაოთ მოდელი. ამისათვის ჩვენ
11:04
is you have to make this come alive.
234
646000
2000
მისი გაცოცხლება დაგვჭირდება.
11:06
We make it come alive
235
648000
2000
ჩვენ მას ვაცოცხლებთ
11:08
with equations, a lot of mathematics.
236
650000
2000
განტოლებებით, ძალიან ბევრი მათემატიკით.
11:10
And, in fact, the equations that make neurons into electrical generators
237
652000
4000
ცნობილია რომ განტოლებები რომლებიც ნეირონებს ელექტრულ გენერატორებად აქცევს
11:14
were discovered by two Cambridge Nobel Laureates.
238
656000
3000
აღმოაჩინეს კემბრიჯის უნივერსისტეტის ორმა ნობელის ლაურეტმა
11:17
So, we have the mathematics to make neurons come alive.
239
659000
3000
ასე რომ ჩვენ გვაქვს მათემატიკა იმისათვის რომ გავაცოცხლოთ ნეირონები.
11:20
We also have the mathematics to describe
240
662000
2000
ასევე გვაქვს იმის მათემატიკაც თუ
11:22
how neurons collect information,
241
664000
3000
როგორ აგროვებენ ნეირონები ინფორმაციას,
11:25
and how they create a little lightning bolt
242
667000
3000
და როგორ ქმნიან პატარა ნაპერწკალს
11:28
to communicate with each other.
243
670000
2000
ერთმანეთთან კომუნიკაციისთვის.
11:30
And when they get to the synapse,
244
672000
2000
და როცა ისინი მიაღწევენ სინაპსს,
11:32
what they do is they effectively,
245
674000
2000
ისინი ეფექტურად
11:34
literally, shock the synapse.
246
676000
3000
ელექტროშოკის მსგავსად
11:37
It's like electrical shock
247
679000
2000
ააქტიურებენ სინაპსს
11:39
that releases the chemicals from these synapses.
248
681000
3000
რაც ათავისუფლებს ქიმიურ ნივთიერებებს სინაპსიდან
11:42
And we've got the mathematics to describe this process.
249
684000
3000
და ჩვენ გვაქვს მათემატიკა ამ პროცესების აღსაწერად.
11:45
So we can describe the communication between the neurons.
250
687000
4000
ჩვენ შეგვიძლია აღვწეროთ კომუნიკაცია ნეირონებს შორის.
11:49
There literally are only a handful
251
691000
3000
არის გარკვეული რაოდენობის
11:52
of equations that you need to simulate
252
694000
2000
განტოლებები რომლებიც დაგვჭირდება
11:54
the activity of the neocortex.
253
696000
2000
ნეოკორტექსის აქტივობის სიმულაციისთვი
11:56
But what you do need is a very big computer.
254
698000
3000
მაგრამ ყველაზე მეტად ჩვენ გვჭირდება დიდი კომპიუტერი.
11:59
And in fact you need one laptop
255
701000
2000
ცნობილია რომ საჭიროა ერთი ჩვეულებრივი ლეპტოპი
12:01
to do all the calculations just for one neuron.
256
703000
3000
რომ ჩავატაროთ გამოთველები მხოლოდ ერთი ნეირონისთვის.
12:04
So you need 10,000 laptops.
257
706000
2000
საჭიროა 10,1000 ლეპტოპი.
12:06
So where do you go? You go to IBM,
258
708000
2000
ვის შეუძლია ეს? რა თქმ უნდა IBM-ს,
12:08
and you get a supercomputer, because they know how to take
259
710000
2000
რომელიც მოგვცემს სუპერკომპიუტერს, იმიტომ რომ მათ იციან
12:10
10,000 laptops and put it into the size of a refrigerator.
260
712000
4000
თუ როგორ უნდა მოათავსონ 10,000 ლეპტოპი ჩვეულებრივი მაცივრის მოცულობაში.
12:14
So now we have this Blue Gene supercomputer.
261
716000
3000
ასე რომ ჩვენ გვაქვს Blue Gene სუპერკომპიუტერი.
12:17
We can load up all the neurons,
262
719000
2000
ჩევნ შეგვიძლია ჩავტვირთოთ ყველა ნეირონი,
12:19
each one on to its processor,
263
721000
2000
ყოველი მათგანი თითოეულ პროცესორზე,
12:21
and fire it up, and see what happens.
264
723000
4000
ჩავრთოთ და დავაკვირდეთ თუ რა მოხდება.
12:25
Take the magic carpet for a ride.
265
727000
3000
გავისეირნოთ ჯადოსნური ხალიჩით.
12:28
Here we activate it. And this gives the first glimpse
266
730000
3000
ჩვენ გავააქტიურეთ ის. და მან მოგვცა პირველი წარმოდგენა
12:31
of what is happening in your brain
267
733000
2000
იმისა თუ რა ხდება თქვენს ტვინში
12:33
when there is a stimulation.
268
735000
2000
როცა მიმდინარეობს სიმულაცია.
12:35
It's the first view.
269
737000
2000
ეს არის პირველი ცდა.
12:37
Now, when you look at that the first time, you think,
270
739000
2000
როცა თქვენ პირველად შეხედავთ მას, თქვენ ფიქრობთ,
12:39
"My god. How is reality coming out of that?"
271
741000
5000
"ღმეთო ჩემო. ამისგან რეალობა როგორ იქმნება?"
12:44
But, in fact, you can start,
272
746000
3000
მაგრა ფაქტია რომ შეიძლება დავიწყოთ,
12:47
even though we haven't trained this neocortical column
273
749000
4000
იმ შემთხვევაშიც თუ წინასწარ არ გვისწავლებია ნეოკორტექსის სვეტისთვის
12:51
to create a specific reality.
274
753000
2000
როგორ შექმნას გარკვეული რეალობა.
12:53
But we can ask, "Where is the rose?"
275
755000
4000
ჩვენ შეგვიძლია დავსვათ შეკითხვა, "სად არის ვარდი?"
12:57
We can ask, "Where is it inside,
276
759000
2000
დავსავათ შეკითხვა, "სად არის ის შიგნით,
12:59
if we stimulate it with a picture?"
277
761000
3000
როცა ვახდენთ სტიმულირებას გამოსახულებით?"
13:02
Where is it inside the neocortex?
278
764000
2000
სად არის ის განთავსებული ნეოკორტექსში?
13:04
Ultimately it's got to be there if we stimulated it with it.
279
766000
4000
ის აუცილებლად იქ უნდა იყოს, შიგნით.
13:08
So, the way that we can look at that
280
770000
2000
ამიტომაც ამაზე დაკვირვებსი საშუალება გვაქვს
13:10
is to ignore the neurons, ignore the synapses,
281
772000
3000
მაშინ თუ არ გავითვალისწინებთ ნეირონებს და სინაპსებს,
13:13
and look just at the raw electrical activity.
282
775000
2000
და დავაკვირდებით მხოლოდ ელექტრულ აქტივობას.
13:15
Because that is what it's creating.
283
777000
2000
იმიტომ, რომ იქმნება მხოლოდ ეს.
13:17
It's creating electrical patterns.
284
779000
2000
იქმენბა ელქტრული ნიმუში.
13:19
So when we did this,
285
781000
2000
როცა ჩვენ ამას ვაკეთებდით,
13:21
we indeed, for the first time,
286
783000
2000
სულ პირველად,
13:23
saw these ghost-like structures:
287
785000
3000
ვნახეთ ეს მოჩვენების მსგავსი სტრუქტურები:
13:26
electrical objects appearing
288
788000
3000
ჩნდებოდა ელექტრული ობიექტბი
13:29
within the neocortical column.
289
791000
3000
ნეოკორტექსის სვეტში.
13:32
And it's these electrical objects
290
794000
3000
და ეს ელექტრული ობიექტები
13:35
that are holding all the information about
291
797000
3000
ფლობენ სრულ ინფორმაციას იმის შესახებ
13:38
whatever stimulated it.
292
800000
3000
თუ ითი მოხდა მათი სტიმულირება.
13:41
And then when we zoomed into this,
293
803000
2000
და როცა გავადიდეთ და შევედით შიგნით,
13:43
it's like a veritable universe.
294
805000
4000
ის ძალიან გავდა ნამდვილ სამყაროს.
13:47
So the next step
295
809000
2000
შემდეგი ნაბიჯი არის
13:49
is just to take these brain coordinates
296
811000
4000
ის რომ ავიღოთ ტვინის ეს კოორდინატები
13:53
and to project them into perceptual space.
297
815000
4000
და მოვახდნოთ მათი პროეცირება წარმოსახვით სივრცეში.
13:57
And if you do that,
298
819000
2000
და თუ ამას გავაკეთებთ,
13:59
you will be able to step inside
299
821000
2000
ჩვენ შეგვეძლება შევდგათ ნაბიჯი
14:01
the reality that is created
300
823000
2000
იმ რეალობაში რომელიც იქმნება
14:03
by this machine,
301
825000
2000
ამ მანქანის მიერ,
14:05
by this piece of the brain.
302
827000
3000
ტვნის ამ პატარა ნაწილის მიერ.
14:08
So, in summary,
303
830000
2000
დაბოლოს,
14:10
I think that the universe may have --
304
832000
2000
მე ვფიქრობ, რომ სამყარომ შეიძლება განავითარა ტვინი --
14:12
it's possible --
305
834000
2000
ეს შესაძლებელია --
14:14
evolved a brain to see itself,
306
836000
3000
ისე რომ დაინახოს თავისი თავი
14:17
which may be a first step in becoming aware of itself.
307
839000
5000
რაც იქნება საკუთარი თავის გაცნობიერების პირველი ნაბიჯი.
14:22
There is a lot more to do to test these theories,
308
844000
2000
ძალიან ბევრია გასაკეთებელი იმსთვის რომ შემოწმდეს ეს თეორიები,
14:24
and to test any other theories.
309
846000
3000
და სხვა დანარჩენი თეორიებიც რა თქმა უნდა.
14:27
But I hope that you are at least partly convinced
310
849000
3000
მაგრამ იმედი მაქვს, რომ თქვენ ნაწილობრივ მაინც თვლით
14:30
that it is not impossible to build a brain.
311
852000
3000
რომ ტვინის შექმნა შუძლებელი არ არის.
14:33
We can do it within 10 years,
312
855000
2000
ჩვენ ამას 10 წელიწადში შევძლებთ,
14:35
and if we do succeed,
313
857000
2000
და თუ მივაღწიეთ წამატებებს,
14:37
we will send to TED, in 10 years,
314
859000
2000
TED-ზე 10 წლის შემდეგ, გამოგიგზავნით,
14:39
a hologram to talk to you. Thank you.
315
861000
3000
ჰოლოგრამას, რომელიც თქვენთან ისაუბრებს, გმადლობთ.
14:42
(Applause)
316
864000
6000
(ტაში)
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