TEDGlobal 2007
Kwabena Boahen: A computer that works like the brain
콰베나 보아헨 - 뇌처럼 작동하는 컴퓨터에 관해
Filmed:
Readability: 4.2
718,375 views
연구자 콰베나 보아헨은 우리 머리속의 지저분하고 쓸모없는 프로세스들이 실제로는 작고 가벼운 슈퍼 컴퓨터로 향하고 있기 때문에 실리콘 형태인 두뇌의 놀라운 능력을 따라 잡을 수 있는 방법을 연구 하고 있습니다.
Kwabena Boahen - Bioengineer
Kwabena Boahen wants to understand how brains work -- and to build a computer that works like the brain by reverse-engineering the nervous system. His group at Stanford is developing Neurogrid, a hardware platform that will emulate the cortex’s inner workings. Full bio
Kwabena Boahen wants to understand how brains work -- and to build a computer that works like the brain by reverse-engineering the nervous system. His group at Stanford is developing Neurogrid, a hardware platform that will emulate the cortex’s inner workings. Full bio
Double-click the English transcript below to play the video.
00:18
I got my first computer when I was a teenager growing up in Accra,
0
0
5000
제가 처음으로 컴퓨터를 받은 것은 아크라에서 살고 있던 10대 때입니다.
00:23
and it was a really cool device.
1
5000
3000
컴퓨터는 정말 멋진 장치였죠.
00:26
You could play games with it. You could program it in BASIC.
2
8000
5000
게임을 하거나 BASIC을 이용해 프로그램을 만들 수도 있었습니다.
00:31
And I was fascinated.
3
13000
2000
저는 완전히 매혹되어
00:33
So I went into the library to figure out how did this thing work.
4
15000
6000
이 기계가 어떻게 작동하는지 알아보기 위해 도서관에 갔습니다.
00:39
I read about how the CPU is constantly shuffling data back and forth
5
21000
5000
저는 CPU가 기억장치 사이, RAM과 ALU: 산술 논리 장치) 사이에서,
00:44
between the memory, the RAM and the ALU,
6
26000
4000
어떻게 끊임없이 정보를
00:48
the arithmetic and logic unit.
7
30000
2000
앞, 뒤로 끌어내는지에 대해 읽었습니다.
00:50
And I thought to myself, this CPU really has to work like crazy
8
32000
4000
그리고, 저는 '시스템을 통하여 모든 자료들을 지속적으로 전달시키기 위해
00:54
just to keep all this data moving through the system.
9
36000
4000
이 CPU가 미친 것처럼 일해야 하는구나'생각했었죠.
00:58
But nobody was really worried about this.
10
40000
3000
하지만 아무도 이 점에 대해서 걱정하지 않더군요.
01:01
When computers were first introduced,
11
43000
2000
처음에 컴퓨터가 도입되었을 때
01:03
they were said to be a million times faster than neurons.
12
45000
3000
사람들은 컴퓨터가 신경세포 보다 백만 배는 빠르다고 말했습니다.
01:06
People were really excited. They thought they would soon outstrip
13
48000
5000
사람들은 굉장히 흥분해서, 그들이 곧 두뇌의 능력을
01:11
the capacity of the brain.
14
53000
3000
따라잡을 것이라고 생각했습니다.
01:14
This is a quote, actually, from Alan Turing:
15
56000
3000
여기 알란 튜링으로 부터 따온 말이 있습니다.
01:17
"In 30 years, it will be as easy to ask a computer a question
16
59000
4000
30년 안에, 컴퓨터에게 질문을 던지는 것이 사람에게 질문하는 것만큼
01:21
as to ask a person."
17
63000
2000
쉬워질 것이다."
01:23
This was in 1946. And now, in 2007, it's still not true.
18
65000
7000
2007년인 지금, 이것은 사실이 아니죠.
01:30
And so, the question is, why aren't we really seeing
19
72000
4000
문제는, 뇌에서 볼수 있는 이 능력들을 왜 우리는
01:34
this kind of power in computers that we see in the brain?
20
76000
4000
컴퓨터에서 볼 수 없는 것일까요?이죠.
01:38
What people didn't realize, and I'm just beginning to realize right now,
21
80000
4000
사람들이 깨닫지 못한 것은, 그리고 제가 이제 막 깨닫기 시작한 것은
01:42
is that we pay a huge price for the speed
22
84000
2000
우리가 컴퓨터의 큰 이점으로 꼽는 스피드를 위해
01:44
that we claim is a big advantage of these computers.
23
86000
4000
매우 큰 대가를 지불해야 한다는 점입니다.
01:48
Let's take a look at some numbers.
24
90000
2000
몇 가지 숫자들을 봅시다.
01:50
This is Blue Gene, the fastest computer in the world.
25
92000
4000
이것은 세계에서 가장 빠른 컴퓨터인 블루 진입니다.
01:54
It's got 120,000 processors; they can basically process
26
96000
5000
이것은 12만 개의 프로세서들로 구성되어 있고, 기본적으로
01:59
10 quadrillion bits of information per second.
27
101000
3000
1초에 만조 비트의 정보들을 처리할 수 있습니다.
02:02
That's 10 to the sixteenth. And they consume one and a half megawatts of power.
28
104000
7000
10의 16 제곱을 말이죠. 그리고 1.5 메가와트의 전력을 소비하죠.
02:09
So that would be really great, if you could add that
29
111000
3000
만일 그 전력을 탄자니아에서
02:12
to the production capacity in Tanzania.
30
114000
2000
물건을 생산하는 데 쓴다면 정말 굉장할 것입니다.
02:14
It would really boost the economy.
31
116000
2000
아마 경제를 엄청나게 신장시킬 수 있겠죠.
02:16
Just to go back to the States,
32
118000
4000
간략히 미국의 상황에 맞춰 생각해보죠.
02:20
if you translate the amount of power or electricity
33
122000
2000
만약 이 컴퓨터 전력 사용량을
02:22
this computer uses to the amount of households in the States,
34
124000
3000
미국의 가정집들 평균 사용량에 비교하면,
02:25
you get 1,200 households in the U.S.
35
127000
4000
약 1200 가구들이 소모하는 것과 비슷합니다.
02:29
That's how much power this computer uses.
36
131000
2000
컴퓨터 한 대가 그 정도의 전력을 이용하는 거죠.
02:31
Now, let's compare this with the brain.
37
133000
3000
이제, 두뇌를 생각해봅시다.
02:34
This is a picture of, actually Rory Sayres' girlfriend's brain.
38
136000
5000
이 사진은 로리 사이어스(Rory Sayres)의 여자친구 뇌를 보여주고 있습니다.
02:39
Rory is a graduate student at Stanford.
39
141000
2000
로리는 스탠포드의 대학원생인데
02:41
He studies the brain using MRI, and he claims that
40
143000
4000
MRI를 이용해 두뇌를 연구하고 있죠, 그는
02:45
this is the most beautiful brain that he has ever scanned.
41
147000
3000
이 사진이 지금까지 스캔한 두뇌 중 가장 아름다운 뇌라고 주장했죠.
02:48
(Laughter)
42
150000
2000
(웃음)
02:50
So that's true love, right there.
43
152000
3000
바로 그 곳에 진정한 사랑이 있네요.
02:53
Now, how much computation does the brain do?
44
155000
3000
자, 두뇌는 얼마나 많은 계산 활동을 할까요?
02:56
I estimate 10 to the 16 bits per second,
45
158000
2000
1초에 10의 16제곱 비트 정도일 것이라고 예상합니다.
02:58
which is actually about very similar to what Blue Gene does.
46
160000
4000
블루 진의 수행 속도와 비슷한 수준이죠.
03:02
So that's the question. The question is, how much --
47
164000
2000
질문은, 뇌가 얼마나 많이,
03:04
they are doing a similar amount of processing, similar amount of data --
48
166000
3000
비슷한 양의 정보 처리를 수행하기 위해 --
03:07
the question is how much energy or electricity does the brain use?
49
169000
5000
즉, 두뇌는 얼마나 많은 양의 에너지 전력을 소모할까요?
03:12
And it's actually as much as your laptop computer:
50
174000
3000
실제로, 여러분의 노트북 컴퓨터 전력량 과 같죠:
03:15
it's just 10 watts.
51
177000
2000
10 와트 입니다.
03:17
So what we are doing right now with computers
52
179000
3000
다시 말해 1200 가구의 전력 소모량으로
03:20
with the energy consumed by 1,200 houses,
53
182000
3000
블루진 컴퓨터를 구동할 때
03:23
the brain is doing with the energy consumed by your laptop.
54
185000
5000
두뇌는 단지 노트북 정도의 에너지로 비슷한 일을 수행합니다.
03:28
So the question is, how is the brain able to achieve this kind of efficiency?
55
190000
3000
이제 다음 질문입니다. 어떻게 두뇌는 이렇게 뛰어난 효율성을 달성한 걸까요?
03:31
And let me just summarize. So the bottom line:
56
193000
2000
제가 한 번 요약해보죠. 다음 줄입니다:
03:33
the brain processes information using 100,000 times less energy
57
195000
4000
두뇌는 우리가 현재 가지고 있는 기술로 만든 컴퓨터에서 소모하는 에너지보다
03:37
than we do right now with this computer technology that we have.
58
199000
4000
10만 배나 적은 에너지로 정보를 처리합니다.
03:41
How is the brain able to do this?
59
203000
2000
두뇌가 어떻게 그럴 수 있을까요?
03:43
Let's just take a look about how the brain works,
60
205000
3000
두뇌가 어떻게 작동하는지를 먼저 살펴봅시다.
03:46
and then I'll compare that with how computers work.
61
208000
4000
그리고 이 작동을 컴퓨터의 작동 방식과 비교해봅시다.
03:50
So, this clip is from the PBS series, "The Secret Life of the Brain."
62
212000
4000
이것은 PBS(Public Broadcasting Service) 시리즈인 "두뇌의 비밀스런 삶"에서 가져온 것입니다.
03:54
It shows you these cells that process information.
63
216000
3000
지금 정보를 처리하는 세포들을 보여주고 있죠.
03:57
They are called neurons.
64
219000
1000
그 세포들은 신경세포(뉴런)라고 불립니다.
03:58
They send little pulses of electricity down their processes to each other,
65
220000
6000
이 세포들은 매우 작은 전기적 신호를 서로에게 보내고
04:04
and where they contact each other, those little pulses
66
226000
2000
서로 인접한 부분에서 이 작은 신호는
04:06
of electricity can jump from one neuron to the other.
67
228000
2000
한 신경세포에서 다른 신경세포로 옮겨갑니다.
04:08
That process is called a synapse.
68
230000
3000
이 과정을 시냅스라고 부릅니다.
04:11
You've got this huge network of cells interacting with each other --
69
233000
2000
이런 방식으로 서로 상호작용하는, 약 1 억 개에 달하는 세포들은
04:13
about 100 million of them,
70
235000
2000
거대한 네트워크를 형성하고,
04:15
sending about 10 quadrillion of these pulses around every second.
71
237000
4000
1 초에 만조 번 정도의 이 전기적 신호를 방출합니다.
04:19
And that's basically what's going on in your brain right now as you're watching this.
72
241000
6000
지금 보시는 것처럼 이것이 뇌에서 기본적으로 일어나고 있는 현상입니다.
04:25
How does that compare with the way computers work?
73
247000
2000
이런 과정을 컴퓨터의 작동 방식과 어떻게 비교할 수 있을까요?
04:27
In the computer, you have all the data
74
249000
2000
중앙 처리장치를 거쳐서
04:29
going through the central processing unit,
75
251000
2000
모든 정보가 저장되어 있는 컴퓨터에서는,
04:31
and any piece of data basically has to go through that bottleneck,
76
253000
3000
어떤 정보라도 이 좁은 관문을 반드시 통과해야 합니다.
04:34
whereas in the brain, what you have is these neurons,
77
256000
4000
반면, 여러분이 가지고 있는 뇌의 이 신경세포들에서는
04:38
and the data just really flows through a network of connections
78
260000
4000
이 정보들이 그저 신경세포들 사이에 연결되어 있는 네트워크들을 통해 흘러갑니다.
04:42
among the neurons. There's no bottleneck here.
79
264000
2000
뇌에서는 중앙처리 장치와 같은 좁은 관문이 존재하지 않죠.
04:44
It's really a network in the literal sense of the word.
80
266000
4000
그것은 문자 그대로 네트워크(복잡한 연결망)입니다.
04:48
The net is doing the work in the brain.
81
270000
4000
그 연결망들이 두뇌 안에서 정보들을 처리합니다.
04:52
If you just look at these two pictures,
82
274000
2000
다음의 두 사진들을 바라보기만 해도
04:54
these kind of words pop into your mind.
83
276000
2000
다음의 단어들이 여러분의 마음 속에 떠오릅니다.
04:56
This is serial and it's rigid -- it's like cars on a freeway,
84
278000
4000
이것은 매우 연쇄적이고 견고합니다: 마치 고속도로 위의 차들처럼요.
05:00
everything has to happen in lockstep --
85
282000
3000
모든 것이 정확히 같은 방식으로 발생하죠.
05:03
whereas this is parallel and it's fluid.
86
285000
2000
반면에 이것은 병렬적이고 또 유동적입니다.
05:05
Information processing is very dynamic and adaptive.
87
287000
3000
정보 처리는 매우 역동적이고 적응적입니다.
05:08
So I'm not the first to figure this out. This is a quote from Brian Eno:
88
290000
4000
제가 이것을 처음 알아낸 사람은 아닙니다. 여기, 브라이언 에노의 따온 말입니다:
05:12
"the problem with computers is that there is not enough Africa in them."
89
294000
4000
"컴퓨터의 문제점은 그 안에 아프리카 인(새로운 선견)들이 부족하다는 것입니다."
05:16
(Laughter)
90
298000
6000
(웃음)
05:22
Brian actually said this in 1995.
91
304000
3000
브라이언이 이 얘길 한 것은 1995년입니다.
05:25
And nobody was listening then,
92
307000
3000
그 때는 아무도 그 말을 귀담아 듣지 않았죠.
05:28
but now people are beginning to listen
93
310000
2000
하지만 지금, 사람들이 이 얘기에 귀 기울이기 시작했습니다.
05:30
because there's a pressing, technological problem that we face.
94
312000
5000
긴급한 기술적 문제점들에 우리가 직면하고 있기 때문이죠.
05:35
And I'll just take you through that a little bit in the next few slides.
95
317000
5000
다음 슬라이드들에서 그 문제점들을 몇 가지 보여드리겠습니다.
05:40
This is -- it's actually really this remarkable convergence
96
322000
4000
실제로, 이것은 정말로 놀라운 기술의 융합입니다,
05:44
between the devices that we use to compute in computers,
97
326000
5000
즉, 컴퓨터가 계산을 수행하도록 하기 위해 사용하는 장치와
05:49
and the devices that our brains use to compute.
98
331000
4000
뇌가 계산을 수행하기 위해 사용하는 장치 사이의 융합인 것이죠.
05:53
The devices that computers use are what's called a transistor.
99
335000
4000
컴퓨터가 사용하는 이 장치를 트랜지스터라고 합니다.
05:57
This electrode here, called the gate, controls the flow of current
100
339000
4000
여기 이 게이트라고 불리는 전극은 소스가 배수로로 가기 까지
06:01
from the source to the drain -- these two electrodes.
101
343000
3000
전류의 흐름을 조절합니다.
06:04
And that current, electrical current,
102
346000
2000
그리고 그 전류는
06:06
is carried by electrons, just like in your house and so on.
103
348000
6000
여러분의 집이나 다른 곳에서와 마찬가지로 전자에 의에 옮겨집니다.
06:12
And what you have here is, when you actually turn on the gate,
104
354000
5000
이제 여기에서,게이트를 열면,
06:17
you get an increase in the amount of current, and you get a steady flow of current.
105
359000
4000
여러분은 새로 들어오는 전류만큼 증가된 전류를 지속적으로 얻게 됩니다.
06:21
And when you turn off the gate, there's no current flowing through the device.
106
363000
4000
반대로 게이트를 닫을 때면, 장치를 통하는 전류가 없게 되는 것이죠.
06:25
Your computer uses this presence of current to represent a one,
107
367000
5000
여러분의 컴퓨터는 전류가 존재하는 것을 1로 나타냅니다.
06:30
and the absence of current to represent a zero.
108
372000
4000
그리고 전류가 없는 것을 0으로 나타내죠.
06:34
Now, what's happening is that as transistors are getting smaller and smaller and smaller,
109
376000
6000
이제, 다음으로 트랜지스터가 점점 더 작아지고 또 작아지면,
06:40
they no longer behave like this.
110
382000
2000
이제 더이상 이런 식으로 작동하지 않습니다.
06:42
In fact, they are starting to behave like the device that neurons use to compute,
111
384000
5000
실제로 그것들은 신경세포가 계산을 수행하는 장치와 비슷하게
06:47
which is called an ion channel.
112
389000
2000
행동하기 시작했습니다, 이온 채널이라고 하죠.
06:49
And this is a little protein molecule.
113
391000
2000
이것은 작은 단백질 분자입니다.
06:51
I mean, neurons have thousands of these.
114
393000
4000
신경세포는 수천개의 이온 채널들을 가지고 있죠.
06:55
And it sits in the membrane of the cell and it's got a pore in it.
115
397000
4000
이것들은 세포막에 끼어있으면서 구멍을 만듭니다.
06:59
And these are individual potassium ions
116
401000
3000
이것들은 각각의 칼륨 이온들입니다.
07:02
that are flowing through that pore.
117
404000
2000
이온 채널의 구멍을 통해 흐르고 있습니다.
07:04
Now, this pore can open and close.
118
406000
2000
이 구멍은 열렸다 닫혔다 하죠.
07:06
But, when it's open, because these ions have to line up
119
408000
5000
그런데 이온들이 구멍 안에서 일렬로 늘어서야만 하기 때문에 한 번 열렸을 때
07:11
and flow through, one at a time, you get a kind of sporadic, not steady --
120
413000
5000
하나씩만 통과하게 됩니다. 따라서 지속적이지 않고 산발적이죠.
07:16
it's a sporadic flow of current.
121
418000
3000
전류가 산발적이라는 의미입니다.
07:19
And even when you close the pore -- which neurons can do,
122
421000
3000
심지어 이 구멍이 닫혔을 때 -- 신경세포가 하는 일이죠,
07:22
they can open and close these pores to generate electrical activity --
123
424000
5000
신경세포들은 전기적 활성을 만들어내기 위해 이 구멍들을 열었다 닫았다 하죠.
07:27
even when it's closed, because these ions are so small,
124
429000
3000
아무튼, 이 구멍이 닫혔을 때, 이온들은 매우 작기 때문에
07:30
they can actually sneak through, a few can sneak through at a time.
125
432000
3000
새어나갈 수 있습니다. 한 번에 아주 조금씩이요.
07:33
So, what you have is that when the pore is open,
126
435000
3000
따라서 구멍이 열렸을 때에는
07:36
you get some current sometimes.
127
438000
2000
가끔씩 전류를 받을 수 있고,
07:38
These are your ones, but you've got a few zeros thrown in.
128
440000
3000
이때 1을 볼 수 있죠. 하지만 가끔 0을 보여줍니다.
07:41
And when it's closed, you have a zero,
129
443000
4000
반대로 구멍이 닫혔을 때는, 0을 받습니다.
07:45
but you have a few ones thrown in.
130
447000
3000
하지만 가끔 1을 얻겠죠.
07:48
Now, this is starting to happen in transistors.
131
450000
3000
이것이 현재 트랜지스터에서 일어나기 시작한 일입니다.
07:51
And the reason why that's happening is that, right now, in 2007 --
132
453000
5000
이 현상이 일어난 이유는, 2007년 현재,
07:56
the technology that we are using -- a transistor is big enough
133
458000
4000
우리가 이용하고 있는 기술에서 트랜지스터가 충분히 크고
08:00
that several electrons can flow through the channel simultaneously, side by side.
134
462000
5000
몇 개의 전자들이 함께 채널을 동시에 지나갈 수 있기 때문입니다.
08:05
In fact, there's about 12 electrons can all be flowing this way.
135
467000
4000
사실, 12개의 전자들이 이런 식으로 한 번에 지나갈 수 있습니다.
08:09
And that means that a transistor corresponds
136
471000
2000
이것은 트랜지스터가 약 12개의 이온 채널들이
08:11
to about 12 ion channels in parallel.
137
473000
3000
병렬로 있는 것과 비슷하다는 것을 의미합니다.
08:14
Now, in a few years time, by 2015, we will shrink transistors so much.
138
476000
5000
이제, 몇 년이 지나 2015년 쯤이면 우리는 트랜지스터를 매우 작게 줄일 것입니다.
08:19
This is what Intel does to keep adding more cores onto the chip.
139
481000
5000
이 것은 인텔이 계속 해서 더 많은 코어들을 칩에 추가 하거나, 혹은
08:24
Or your memory sticks that you have now can carry one gigabyte
140
486000
3000
메모리 스틱을 위한 작업이죠, 이전에 256메가 크기였던 이것이
08:27
of stuff on them -- before, it was 256.
141
489000
2000
1기가 크기의 자료를 전달 할 수 있습니다.
08:29
Transistors are getting smaller to allow this to happen,
142
491000
3000
트랜지스터는 이 일이 일어나도록 하기 위해서 더 작아지고 있습니다.
08:32
and technology has really benefitted from that.
143
494000
3000
그리고 기술은 그 과정에서 크게 발전하고 있죠.
08:35
But what's happening now is that in 2015, the transistor is going to become so small,
144
497000
5000
하지만 현재 진행하고 있는 연구는 2015년에, 트랜지스터를 정말 작게 만들 것입니다,
08:40
that it corresponds to only one electron at a time
145
502000
3000
이 기기는 한 번에 오직 한 전자에 응답하며,
08:43
can flow through that channel,
146
505000
2000
채널을 통해 흐를 수 있습니다,
08:45
and that corresponds to a single ion channel.
147
507000
2000
즉, 하나의 이온 채널에 응답하는 것이죠.
08:47
And you start having the same kind of traffic jams that you have in the ion channel.
148
509000
4000
그럼 여러분은 이온채널에서 일어났던 것과 비슷한 교통 체증을 보게 될 겁니다.
08:51
The current will turn on and off at random,
149
513000
3000
전류가 임의로 흘렀다 꺼졌다 하겠죠.
08:54
even when it's supposed to be on.
150
516000
2000
계속 흘러야 하는 상황에서 말입니다.
08:56
And that means your computer is going to get
151
518000
2000
이것은 여러분의 컴퓨터가
08:58
its ones and zeros mixed up, and that's going to crash your machine.
152
520000
4000
1과 0들이 뒤섞여서 기기를 손상 시킬 수 있다 것을 의미합니다.
09:02
So, we are at the stage where we
153
524000
4000
이처럼, 우리는 지금 이런 종류의 장치들을
09:06
don't really know how to compute with these kinds of devices.
154
528000
3000
어떻게 운영시켜야 할지 모르는 단계에 와있습니다.
09:09
And the only kind of thing -- the only thing we know right now
155
531000
3000
우리가 여기서 알고 있는 정확한 단 한 가지는
09:12
that can compute with these kinds of devices are the brain.
156
534000
3000
이런 식으로 계산을 수행하는 장치가 바로 우리의 뇌라는 것입니다.
09:15
OK, so a computer picks a specific item of data from memory,
157
537000
4000
좋아요, 컴퓨터는 메모리로부터 특정한 자료를 고릅니다.
09:19
it sends it into the processor or the ALU,
158
541000
3000
그리고는 그것을 프로세서나 산술 논리 장치( arithmetic logic unit )로 보냅니다.
09:22
and then it puts the result back into memory.
159
544000
2000
그리고 결과를 다시 메모리로 돌려 보냅니다.
09:24
That's the red path that's highlighted.
160
546000
2000
빨간색 경로는 강조된 것입니다.
09:26
The way brains work, I told you all, you have got all these neurons.
161
548000
4000
이런 식으로 뇌가 작동하고, 여러분 모두 이런 뉴런들을 가지고 있습니다.
09:30
And the way they represent information is
162
552000
2000
이것들이 정보를 표현하는 방법은
09:32
they break up that data into little pieces
163
554000
2000
데이터를 작은 조각들로 나누는 것입니다.
09:34
that are represented by pulses and different neurons.
164
556000
3000
그것들은 전기적 신호와 다른 신경들로 표현됩니다.
09:37
So you have all these pieces of data
165
559000
2000
이렇게 여러분은 네트워크를 통하여 전달 된
09:39
distributed throughout the network.
166
561000
2000
모든 데이터 조각을 가지게 됩니다.
09:41
And then the way that you process that data to get a result
167
563000
3000
그리고 자료가 결과를 얻는 방법은
09:44
is that you translate this pattern of activity into a new pattern of activity,
168
566000
4000
이런 활동패턴을 새로운 활동패턴으로 번역하는 것입니다.
09:48
just by it flowing through the network.
169
570000
3000
단지 네트워크를 통한 흐름으로 말이죠.
09:51
So you set up these connections
170
573000
2000
그러면 이런 접속들이 만들어지면,
09:53
such that the input pattern just flows
171
575000
3000
입력값이 흐르고
09:56
and generates the output pattern.
172
578000
2000
출력패턴을 발생합니다.
09:58
What you see here is that there's these redundant connections.
173
580000
4000
지금, 여기보이는 것은 많은 접속들 입니다.
10:02
So if this piece of data or this piece of the data gets clobbered,
174
584000
4000
만약 이 정보 조각이나 혹은 이 자료 조각이 손상을 입는다면,
10:06
it doesn't show up over here, these two pieces can activate the missing part
175
588000
5000
여기서 보이지 않지만, 이 두 조각들은 그 잃은 부분들을 활성화 시킬 수 있습니다.
10:11
with these redundant connections.
176
593000
2000
이런 많은 접속부와 함께 말이죠.
10:13
So even when you go to these crappy devices
177
595000
2000
그래서 심지어 엉터리 장치들을 사용할 때
10:15
where sometimes you want a one and you get a zero, and it doesn't show up,
178
597000
3000
때때로 1을 원하는데 0을 얻게되는
10:18
there's redundancy in the network
179
600000
2000
네트워크에는 여분이 있기 때문에
10:20
that can actually recover the missing information.
180
602000
3000
잃어버린 정보를 회복할 수 있습니다.
10:23
It makes the brain inherently robust.
181
605000
3000
이것은 뇌를 본질적으로 강하게 만듭니다.
10:26
What you have here is a system where you store data locally.
182
608000
3000
여기있는 것은 데이터를 지역적으로 저장하는 장치입니다.
10:29
And it's brittle, because each of these steps has to be flawless,
183
611000
4000
이것은 부서지기 쉽습니다. 왜냐하면 이런 각 과정들이 완벽해야하기 때문입니다.
10:33
otherwise you lose that data, whereas in the brain, you have a system
184
615000
3000
그렇지 않으면 정보를 잃게 됩니다. 반면에 뇌는 분산된 정보를 저장하는
10:36
that stores data in a distributed way, and it's robust.
185
618000
4000
강력한 하나의 시스템이 있습니다.
10:40
What I want to basically talk about is my dream,
186
622000
4000
이제, 근복적으로 저는 저의 꿈의 관해 말하고자 합니다,
10:44
which is to build a computer that works like the brain.
187
626000
3000
뇌와 같이 작동하는 컴퓨터를 만드는 것이지요.
10:47
This is something that we've been working on for the last couple of years.
188
629000
4000
이 연구는 우리가 지난 몇 년 간 해왔던 것 입니다.
10:51
And I'm going to show you a system that we designed
189
633000
3000
우리 연구진이 디자인한 시스템을 보여드리겠습니다
10:54
to model the retina,
190
636000
3000
망막(눈)모델 입니다.
10:57
which is a piece of brain that lines the inside of your eyeball.
191
639000
5000
이것은 뇌의 부분인데 안구 안쪽과 연결되어 있습니다.
11:02
We didn't do this by actually writing code, like you do in a computer.
192
644000
6000
컴퓨터처럼 실제로 코드를 작성하지는 않습니다.
11:08
In fact, the processing that happens
193
650000
3000
하지만, 그 과정은 뇌의 작은 부분에서
11:11
in that little piece of brain is very similar
194
653000
2000
일어나는데, 컴퓨터가 하는 것과 유사하죠.
11:13
to the kind of processing that computers
195
655000
1000
컴퓨터는 이와 같은 처리 과정을 실행합니다
11:14
do when they stream video over the Internet.
196
656000
4000
인터넷에서 비디오를 재생시킬 때 말입니다.
11:18
They want to compress the information --
197
660000
1000
정보를 압축하기를 원하죠 --
11:19
they just want to send the changes, what's new in the image, and so on --
198
661000
4000
그리고 변화를 보내고 싶어합니다, 이미지와 같은 새로운 것들을 말이죠.
11:23
and that is how your eyeball
199
665000
3000
그리고 안구가 작동하는 방법은
11:26
is able to squeeze all that information down to your optic nerve,
200
668000
3000
모든정보를 압축하여 시신경에 내려보내거나,
11:29
to send to the rest of the brain.
201
671000
2000
뇌로 보내고 저장하는 것입니다.
11:31
Instead of doing this in software, or doing those kinds of algorithms,
202
673000
3000
소프트웨어나 이런 알고리즘을 작동시키는 것 대신에
11:34
we went and talked to neurobiologists
203
676000
3000
신경생물학자에게 가서 이야기 했습니다
11:37
who have actually reverse engineered that piece of brain that's called the retina.
204
679000
4000
망막이라는 불리는 뇌의 부분을 역행하며 디자인해 온 사람들입니다.
11:41
And they figured out all the different cells,
205
683000
2000
그들은 다른 세포들을 알아냈고,
11:43
and they figured out the network, and we just took that network
206
685000
3000
네트워크를 알아냈습니다. 우리는 그 네트워크를 사용했고,
11:46
and we used it as the blueprint for the design of a silicon chip.
207
688000
4000
이것을 실리콘칩 디자인을 위한 청사진으로 사용했습니다.
11:50
So now the neurons are represented by little nodes or circuits on the chip,
208
692000
6000
그래서 지금 이 뉴런들은 칩의 작은 집합점 혹은 회로를 통해 표현됩니다.
11:56
and the connections among the neurons are represented, actually modeled by transistors.
209
698000
5000
그리고 뉴런 사이의 이런 접속들은 트랜지스터에 의하여 만들어집니다.
12:01
And these transistors are behaving essentially
210
703000
2000
그리고 이런 트랜지스터들은 필수적으로 작동하죠,
12:03
just like ion channels behave in the brain.
211
705000
3000
마치 뇌의 이온채널처럼 말입니다.
12:06
It will give you the same kind of robust architecture that I described.
212
708000
5000
제가 설명했던 강인한 구조와 같은구조를 보여드리겠습니다.
12:11
Here is actually what our artificial eye looks like.
213
713000
4000
여기 우리의 인공 눈과 같은 것이 있습니다
12:15
The retina chip that we designed sits behind this lens here.
214
717000
5000
우리가 디자인한 이 레티나칩은 여기 이 렌즈의 뒤에 있습니다.
12:20
And the chip -- I'm going to show you a video
215
722000
2000
그리고 이 칩에 관한 비디오 한편을 보여드리겠습니다.
12:22
that the silicon retina put out of its output
216
724000
3000
실리콘 레티나는 이 칩을 디잔인한
12:25
when it was looking at Kareem Zaghloul,
217
727000
3000
케림 제그홀 학생을 보았을 때,
12:28
who's the student who designed this chip.
218
730000
2000
이 시각 정보의 출력을 내보냅니다
12:30
Let me explain what you're going to see, OK,
219
732000
2000
여러분께서 이제 보시게 될 것에 대해 설명해 드리겠습니다.
12:32
because it's putting out different kinds of information,
220
734000
3000
왜냐하면 레티나는 다른 종류의 정보를 출력하기 때문이죠,
12:35
it's not as straightforward as a camera.
221
737000
2000
이것은 카메라처럼 간단하지 않습니다.
12:37
The retina chip extracts four different kinds of information.
222
739000
3000
레티나 칩은 네 가지 종류의 정보를 추출합니다
12:40
It extracts regions with dark contrast,
223
742000
3000
먼저 대조적으로 어두운 부분을 추출하고,
12:43
which will show up on the video as red.
224
745000
3000
비디오에서는 빨간색으로 보일 것 입니다.
12:46
And it extracts regions with white or light contrast,
225
748000
4000
그리고 대조적으로 밝은 부분을 추출합니다,
12:50
which will show up on the video as green.
226
752000
2000
비디오에서 초록색으로 보이는 부분입니다.
12:52
This is Kareem's dark eyes
227
754000
2000
이것은 케림의 검은눈인데
12:54
and that's the white background that you see here.
228
756000
3000
여기 보이는대로 하얀 배경입니다.
12:57
And then it also extracts movement.
229
759000
2000
이것은 움직임도 추출합니다.
12:59
When Kareem moves his head to the right,
230
761000
2000
케림이 머리를 오른쪽으로 움직일 때
13:01
you will see this blue activity there;
231
763000
2000
파란색으로 활성이 나타나는 것을 볼 수 있습니다.
13:03
it represents regions where the contrast is increasing in the image,
232
765000
3000
이것은 이미지의 대조가 증가하는 부분을 나타냅니다.
13:06
that's where it's going from dark to light.
233
768000
3000
어두운 부분에서 밝은 부분으로 변합니다.
13:09
And you also see this yellow activity,
234
771000
2000
또 노란색 활성화를 보실 수 있습니다,
13:11
which represents regions where contrast is decreasing;
235
773000
4000
이것은 대조가 감소하는 것을 나타냅니다.
13:15
it's going from light to dark.
236
777000
2000
밝은 부분에서 어두운 부분으로 변합니다.
13:17
And these four types of information --
237
779000
3000
그리고 이런 4가지 종류의 정보들은 -
13:20
your optic nerve has about a million fibers in it,
238
782000
4000
약 일만 개의 신경섬유와
13:24
and 900,000 of those fibers
239
786000
3000
900,000 개의 이런 신경섬유로 구성된 시신경이
13:27
send these four types of information.
240
789000
2000
보내는 정보들입니다.
13:29
So we are really duplicating the kind of signals that you have on the optic nerve.
241
791000
4000
이제 우리는 시신경에 있는 신호들을 쉽게 복제할 수 있습니다.
13:33
What you notice here is that these snapshots
242
795000
3000
여기서 주목할 것은 이 사진들 입니다.
13:36
taken from the output of the retina chip are very sparse, right?
243
798000
4000
레티나 칩으로부터 얻어지는 정보는 매우 희박합니다.
13:40
It doesn't light up green everywhere in the background,
244
802000
2000
배경 부분들은 초록색으로 나타나지 않습니다,
13:42
only on the edges, and then in the hair, and so on.
245
804000
3000
오직 가장자리 등등에서만 초록색으로 나타나죠.
13:45
And this is the same thing you see
246
807000
1000
여러분의 시각과 비슷하게 말입니다.
13:46
when people compress video to send: they want to make it very sparse,
247
808000
4000
사람들이 비디오 전송을 위해 압축할 때: 그들은 아주 작게 만들고 싶어하죠,
13:50
because that file is smaller. And this is what the retina is doing,
248
812000
3000
왜냐하면 그 파일이 작기 때문입니다. 바로 이것이 레티나가 하는 일 입니다.
13:53
and it's doing it just with the circuitry, and how this network of neurons
249
815000
4000
이것은 그저 회로와 함께 작동하며, 이 뉴런 네트워크가 작동하는 방법은
13:57
that are interacting in there, which we've captured on the chip.
250
819000
3000
우리가 칩에 캡쳐해뒀던 곳과 맞물립니다.
14:00
But the point that I want to make -- I'll show you up here.
251
822000
3000
그러나 제가 강조하고 싶은 것은 다음의 것들입니다.
14:03
So this image here is going to look like these ones,
252
825000
3000
여기, 이 이미지는 이것과 같은 것처럼 보입니다.
14:06
but here I'll show you that we can reconstruct the image,
253
828000
2000
그러나 여기서, 인간이 이미지를 재구성할 수 있다는 것을 보여드리겠습니다.
14:08
so, you know, you can almost recognize Kareem in that top part there.
254
830000
5000
여러분도 알다시피, 케림은 여기 제일 높이 있다고 인식하고 있습니다.
14:13
And so, here you go.
255
835000
2000
보시죠.
14:24
Yes, so that's the idea.
256
846000
3000
그래요, 그것이 바로 이 아이디어입니다.
14:27
When you stand still, you just see the light and dark contrasts.
257
849000
2000
여전히 서 있을 때, 여러분은 오직 밝고, 어두운 대조만을 볼 뿐 입니다.
14:29
But when it's moving back and forth,
258
851000
2000
그러나 이것이 앞, 뒤로 움직일 때
14:31
the retina picks up these changes.
259
853000
3000
레티나는 이런 변화들을 알아챕니다.
14:34
And that's why, you know, when you're sitting here
260
856000
1000
그리고 이러한 이유로, 여러분께서 여기 쭈욱 서 있다가,
14:35
and something happens in your background,
261
857000
2000
배경에 뭔가가 일어날 때,
14:37
you merely move your eyes to it.
262
859000
2000
그저 여러분의 시선은 그곳에 이동하죠.
14:39
There are these cells that detect change
263
861000
2000
여기 변화를 감지하는 세포들이 있습니다.
14:41
and you move your attention to it.
264
863000
2000
이제 여러분의 집중을 이곳에 옮겨보죠.
14:43
So those are very important for catching somebody
265
865000
2000
이것들은 여러분을 덮치려 하는 누군가를
14:45
who's trying to sneak up on you.
266
867000
2000
알아채는 데 매우 중요합니다.
14:47
Let me just end by saying that this is what happens
267
869000
3000
저는 아프리카인들이 피아노에 관심을 가질 때 있었던 일을
14:50
when you put Africa in a piano, OK.
268
872000
3000
전하면 끝내고자 합니다.
14:53
This is a steel drum here that has been modified,
269
875000
3000
이 피아노는 강철드럼을 수리해서 만들었죠.
14:56
and that's what happens when you put Africa in a piano.
270
878000
3000
강철드럼은 아프리카에서 피아노가 될 수 있습니다.
14:59
And what I would like us to do is put Africa in the computer,
271
881000
4000
제가 하고자 하는 것은 아프리카인들이 컴퓨터 영역에 나아가게하고
15:03
and come up with a new kind of computer
272
885000
2000
새로운 종류의 컴퓨터를 따르는 것입니다,
15:05
that will generate thought, imagination, be creative and things like that.
273
887000
3000
이것은 생각, 상상력, 창조적인 아이디디어 같은 것들을 양산할 것입니다.
15:08
Thank you.
274
890000
2000
감사합니다.
15:10
(Applause)
275
892000
2000
(박수)
15:12
Chris Anderson: Question for you, Kwabena.
276
894000
2000
크리스 앤더슨: 질문이 있습니다. 콰베나 씨.
15:14
Do you put together in your mind the work you're doing,
277
896000
4000
당신이 하고 있는 일을 마음속에 함께 염두하고 있나요?
15:18
the future of Africa, this conference --
278
900000
3000
아프리카의 미래, 이 컨퍼런스와 같은 것을요 -
15:21
what connections can we make, if any, between them?
279
903000
3000
이것들 사이에서 우리가 만들어낼 수 있는 연관성은 무엇일까요?
15:24
Kwabena Boahen: Yes, like I said at the beginning,
280
906000
2000
K B: 예, 제가 시작할 때 말씀드린 것과 같습니다.
15:26
I got my first computer when I was a teenager, growing up in Accra.
281
908000
4000
저는 10대때 처음으로 컴퓨터를 가졌어요, 아크라에서.
15:30
And I had this gut reaction that this was the wrong way to do it.
282
912000
4000
그리고 이것을 하는 방법이 잘못 되어 있다고 직감을 받았습니다.
15:34
It was very brute force; it was very inelegant.
283
916000
3000
매우 억지 같았고, 우아하지 않았죠.
15:37
I don't think that I would've had that reaction,
284
919000
2000
저는 제가 그 반응을 했을 것이라고 생각하지 않습니다.
15:39
if I'd grown up reading all this science fiction,
285
921000
3000
알다시피 이 과장된 컴퓨터를 구입하면서,
15:42
hearing about RD2D2, whatever it was called, and just -- you know,
286
924000
4000
만약 제가 RD2D2를 들으며, 뭐라고 부르든 간에
15:46
buying into this hype about computers.
287
928000
1000
공상과학 소설을 읽으며 자랐다면 말이죠.
15:47
I was coming at it from a different perspective,
288
929000
2000
저는 이것을 다른관점으로 접급했습니다,
15:49
where I was bringing that different perspective
289
931000
2000
그 문제들을 해결하기 위해
15:51
to bear on the problem.
290
933000
2000
다른 관점을 가져왔었죠.
15:53
And I think a lot of people in Africa have this different perspective,
291
935000
3000
저는 아프리카의 많은 사람들이 다른 관점을 가지고 있다고 생각합니다.
15:56
and I think that's going to impact technology.
292
938000
2000
그리고 저는 그것이 강력한 기술이 되며,
15:58
And that's going to impact how it's going to evolve.
293
940000
2000
기술의 진화 과정에 영향을 미칠 것이라 생각합니다.
16:00
And I think you're going to be able to see, use that infusion,
294
942000
2000
저는 여러분께서 그 영향을 보실 수 있고, 새로운 것들을 따르도록
16:02
to come up with new things,
295
944000
2000
고취시킬 수 있다고 생각합니다.
16:04
because you're coming from a different perspective.
296
946000
3000
왜냐하면 우리는 모두 다른 관점을 가지고 있기 때문입니다.
16:07
I think we can contribute. We can dream like everybody else.
297
949000
4000
저는 우리가 기여하고, 다른 사람처럼 꿈을 꿀 수 있다고 생각합니다.
16:11
CA: Thanks Kwabena, that was really interesting.
298
953000
2000
C A: 콰베나씨, 감사합니다. 정말 흥미로운 강연이였습니다.
16:13
Thank you.
299
955000
1000
감사합니다.
16:14
(Applause)
300
956000
2000
(박수)
ABOUT THE SPEAKER
Kwabena Boahen - BioengineerKwabena Boahen wants to understand how brains work -- and to build a computer that works like the brain by reverse-engineering the nervous system. His group at Stanford is developing Neurogrid, a hardware platform that will emulate the cortex’s inner workings.
Why you should listen
Kwabena Boahen is the principal investigator at the Brains in Silicon lab at Stanford. He writes of himself:
Being a scientist at heart, I want to understand how cognition arises from neuronal properties. Being an engineer by training, I am using silicon integrated circuits to emulate the way neurons compute, linking the seemingly disparate fields of electronics and computer science with neurobiology and medicine.
My group's contributions to the field of neuromorphic engineering include a silicon retina that could be used to give the blind sight and a self-organizing chip that emulates the way the developing brain wires itself up. Our work is widely recognized, with over sixty publications, including a cover story in the May 2005 issue of Scientific American.
My current research interest is building a simulation platform that will enable the cortex's inner workings to be modeled in detail. While progress has been made linking neuronal properties to brain rhythms, the task of scaling up these models to link neuronal properties to cognition still remains. Making the supercomputer-performance required affordable is the goal of our Neurogrid project. It is at the vanguard of a profound shift in computing, away from the sequential, step-by-step Von Neumann machine towards a parallel, interconnected architecture more like the brain.
Kwabena Boahen | Speaker | TED.com