TEDGlobal 2009
Henry Markram: A brain in a supercomputer
Henry Markram bygger en hjerne i en superdatamaskin
Filmed:
Readability: 3.8
1,469,354 views
Henry Markram mener at sinnets mysterier kan løses – snart. Mental sykdom, minner, persepsjon: alt er laget av nevroner og elektriske signaler, og han har tenkt å finne dem ved hjelp av en superdatamaskin som modellerer hjernens alle 100,000,000,000,000 synapser.
Henry Markram - Neuroscientist
Henry Markram is director of Blue Brain, a supercomputing project that can model components of the mammalian brain to precise cellular detail -- and simulate their activity in 3D. Soon he'll simulate a whole rat brain in real time. Full bio
Henry Markram is director of Blue Brain, a supercomputing project that can model components of the mammalian brain to precise cellular detail -- and simulate their activity in 3D. Soon he'll simulate a whole rat brain in real time. Full bio
Double-click the English transcript below to play the video.
00:18
Our mission is to build
0
0
3000
Vår oppgave er å bygge
00:21
a detailed, realistic
1
3000
2000
en detaljert, realistisk,
00:23
computer model of the human brain.
2
5000
2000
digital modell av den menneskelige hjerne.
00:25
And we've done, in the past four years,
3
7000
3000
Vi har i løpet av de siste fire år
00:28
a proof of concept
4
10000
2000
vist at det er mulig,
00:30
on a small part of the rodent brain,
5
12000
3000
ved å lage en liten del av en rottehjerne.
00:33
and with this proof of concept we are now scaling the project up
6
15000
3000
Når vi nå vet at det er mulig, skal vi skalere opp prosjektet
00:36
to reach the human brain.
7
18000
3000
til vi når en menneskehjerne.
00:39
Why are we doing this?
8
21000
2000
Hvorfor gjør vi dette?
00:41
There are three important reasons.
9
23000
2000
Det er tre viktige grunner:
00:43
The first is, it's essential for us to understand the human brain
10
25000
4000
For det første er det viktig for oss å forstå den menneskelige hjerne
00:47
if we do want to get along in society,
11
29000
2000
hvis vi ønsker å komme videre som samfunn,
00:49
and I think that it is a key step in evolution.
12
31000
4000
og jeg tror at det er et viktig steg i evolusjonen.
00:53
The second reason is,
13
35000
2000
Den andre grunnen er
00:55
we cannot keep doing animal experimentation forever,
14
37000
6000
at vi ikke kan gjøre dyreforsøk i all framtid,
01:01
and we have to embody all our data and all our knowledge
15
43000
4000
vi må materialisere alle våre data og all vår kunnskap,
01:05
into a working model.
16
47000
3000
til en fungerende modell.
01:08
It's like a Noah's Ark. It's like an archive.
17
50000
4000
Det er som en Noas Ark, som et arkiv.
01:12
And the third reason is that there are two billion people on the planet
18
54000
3000
Og den tredje grunnen er at det er to milliarder mennesker på jorda
01:15
that are affected by mental disorder,
19
57000
4000
som rammet av sinnslidelse.
01:19
and the drugs that are used today
20
61000
2000
Og de medikamentene som brukes i dag
01:21
are largely empirical.
21
63000
2000
er i stor grad empiriske.
01:23
I think that we can come up with very concrete solutions on
22
65000
3000
Jeg tror vi kan finne svært konkrete løsninger på
01:26
how to treat disorders.
23
68000
3000
hvordan vi kan behandle lidelser.
01:29
Now, even at this stage,
24
71000
3000
Nå, – selv på dette stadiet,
01:32
we can use the brain model
25
74000
2000
kan vi bruke hjernemodellen
01:34
to explore some fundamental questions
26
76000
3000
til å utforske noen grunnleggende spørsmål
01:37
about how the brain works.
27
79000
2000
om hvordan hjernen fungerer.
01:39
And here, at TED, for the first time,
28
81000
2000
Og her på TED, for første gang,
01:41
I'd like to share with you how we're addressing
29
83000
2000
vil jeg gjerne dele med dere hvordan vi tar for oss
01:43
one theory -- there are many theories --
30
85000
3000
én teori – det er mange teorier –
01:46
one theory of how the brain works.
31
88000
4000
én teori om hvordan hjernen fungerer.
01:50
So, this theory is that the brain
32
92000
4000
Denne teorien går ut på at hjernen
01:54
creates, builds, a version of the universe,
33
96000
6000
skaper – bygger – en versjon av universet,
02:00
and projects this version of the universe,
34
102000
3000
Og projiserer denne versjonen av universet
02:03
like a bubble, all around us.
35
105000
4000
som en boble, hele veien rundt oss.
02:07
Now, this is of course a topic of philosophical debate for centuries.
36
109000
4000
Dette vil selvsagt bli et tema for filosofisk debatt i århundrer.
02:11
But, for the first time, we can actually address this,
37
113000
3000
Men for første gang kan vi faktisk se på dette,
02:14
with brain simulation,
38
116000
2000
ved hjelp av hjernesimulering,
02:16
and ask very systematic and rigorous questions,
39
118000
4000
og stille veldig systematiske og grundige spørsmål
02:20
whether this theory could possibly be true.
40
122000
4000
om hvorvidt denne teorien kan være riktig.
02:24
The reason why the moon is huge on the horizon
41
126000
3000
Grunnen til at månen ser enorm ut i horisonten
02:27
is simply because our perceptual bubble
42
129000
3000
er rett og slett fordi vår perseptuelle boble
02:30
does not stretch out 380,000 kilometers.
43
132000
4000
ikke strekker seg 380.000 kilometer ut.
02:34
It runs out of space.
44
136000
2000
Det blir for lite plass,
02:36
And so what we do is we compare the buildings
45
138000
4000
så det vi gjør er å sammenligne bygningene
02:40
within our perceptual bubble,
46
142000
2000
innenfor vår perseptuelle boble,
02:42
and we make a decision.
47
144000
2000
og vi tar en beslutning.
02:44
We make a decision it's that big,
48
146000
2000
Vi tar en beslutning om at den er så stor,
02:46
even though it's not that big.
49
148000
2000
selv om den ikke er det,
02:48
And what that illustrates
50
150000
2000
og det illustrerer
02:50
is that decisions are the key things
51
152000
2000
at beslutninger er den viktigste støtten
02:52
that support our perceptual bubble. It keeps it alive.
52
154000
5000
for vår perseptuelle boble. Det holder den i live.
02:57
Without decisions you cannot see, you cannot think,
53
159000
2000
Uten beslutninger kan du ikke se, kan du ikke tenke,
02:59
you cannot feel.
54
161000
2000
kan du ikke føle.
03:01
And you may think that anesthetics work
55
163000
2000
Og du tror kanskje at bedøvelse fungerer
03:03
by sending you into some deep sleep,
56
165000
3000
ved at den sender deg inn i en slags dyp søvn,
03:06
or by blocking your receptors so that you don't feel pain,
57
168000
3000
eller blokkerer reseptorene slik at du ikke føler smerte?
03:09
but in fact most anesthetics don't work that way.
58
171000
3000
Men faktisk virker de fleste bedøvelser ikke slik.
03:12
What they do is they introduce a noise
59
174000
3000
Det de gjør er å skape en støy
03:15
into the brain so that the neurons cannot understand each other.
60
177000
3000
inne i hjernen, slik at nervecellene ikke kan forstå hverandre.
03:18
They are confused,
61
180000
2000
De er forvirret,
03:20
and you cannot make a decision.
62
182000
3000
og du kan ikke ta en beslutning.
03:23
So, while you're trying to make up your mind
63
185000
3000
Så før du klarer å gjøre deg opp en mening,
03:26
what the doctor, the surgeon, is doing
64
188000
2000
om hva legen, kirurgen, gjør mens han
03:28
while he's hacking away at your body, he's long gone.
65
190000
2000
skjærer løs på kroppen din, er han for lengst borte.
03:30
He's at home having tea.
66
192000
2000
Han sitter ved middagsbordet.
03:32
(Laughter)
67
194000
2000
(Latter)
03:34
So, when you walk up to a door and you open it,
68
196000
3000
Så, når du går bort til døren og åpner den,
03:37
what you compulsively have to do to perceive
69
199000
3000
må du, for å oppfatte hva du gjør,
03:40
is to make decisions,
70
202000
2000
ta beslutninger,
03:42
thousands of decisions about the size of the room,
71
204000
3000
tusenvis av beslutninger om størrelsen på rommet,
03:45
the walls, the height, the objects in this room.
72
207000
3000
veggen, høyden, objektene i dette rommet.
03:48
99 percent of what you see
73
210000
3000
99 prosent av det du ser
03:51
is not what comes in through the eyes.
74
213000
4000
kommer ikke inn gjennom øynene,
03:55
It is what you infer about that room.
75
217000
4000
det er du som bestemmer at rommet er slik.
03:59
So I can say, with some certainty,
76
221000
4000
Så jeg kan si, med en viss sikkerhet:
04:03
"I think, therefore I am."
77
225000
3000
"jeg tenker, derfor er jeg."
04:06
But I cannot say, "You think, therefore you are,"
78
228000
4000
Men jeg kan ikke si, "du tenker, derfor er du",
04:10
because "you" are within my perceptual bubble.
79
232000
5000
fordi du er innenfor min perseptuelle boble.
04:15
Now, we can speculate and philosophize this,
80
237000
3000
Nå kan vi spekulere og filosofere over dette,
04:18
but we don't actually have to for the next hundred years.
81
240000
3000
men vi trenger ikke å gjøre det i de neste hundre år.
04:21
We can ask a very concrete question.
82
243000
2000
Vi kan stille et meget konkret spørsmål:
04:23
"Can the brain build such a perception?"
83
245000
4000
Kan hjernen bygge en slik oppfatning?
04:27
Is it capable of doing it?
84
249000
2000
Er det i stand til gjøre det?
04:29
Does it have the substance to do it?
85
251000
2000
Har den det har stoffet som trengs for å gjøre det?
04:31
And that's what I'm going to describe to you today.
86
253000
3000
Det er det jeg skal beskrive for dere i dag.
04:34
So, it took the universe 11 billion years to build the brain.
87
256000
4000
Det tok altså universet 11 milliarder år å bygge hjernen.
04:38
It had to improve it a little bit.
88
260000
2000
Det måtte forbedre den litt.
04:40
It had to add to the frontal part, so that you would have instincts,
89
262000
3000
Det måtte legge til den frontale delen, slik at vi fikk instinkter,
04:43
because they had to cope on land.
90
265000
3000
fordi vi måtte overleve på land.
04:46
But the real big step was the neocortex.
91
268000
4000
Men det virkelig store skrittet var neokorteks.
04:50
It's a new brain. You needed it.
92
272000
2000
Det er en ny hjerne. Vi trengte den,
04:52
The mammals needed it
93
274000
2000
pattedyrene trengte den,
04:54
because they had to cope with parenthood,
94
276000
4000
fordi de måtte takle foreldrerollen,
04:58
social interactions,
95
280000
2000
sosiale interaksjoner,
05:00
complex cognitive functions.
96
282000
3000
komplekse kognitive funksjoner.
05:03
So, you can think of the neocortex
97
285000
2000
Dermed kan du faktisk se på neokorteks
05:05
actually as the ultimate solution today,
98
287000
5000
som den ultimate løsningen i dag,
05:10
of the universe as we know it.
99
292000
3000
av universet slik vi kjenner det.
05:13
It's the pinnacle, it's the final product
100
295000
2000
Det er høydepunktet, det er det endelige produktet
05:15
that the universe has produced.
101
297000
4000
som universet har laget
05:19
It was so successful in evolution
102
301000
2000
Den var så vellykket i evolusjonen
05:21
that from mouse to man it expanded
103
303000
2000
at fra mus til menneske økte
05:23
about a thousandfold in terms of the numbers of neurons,
104
305000
3000
den tusen ganger, i antall nerveceller,
05:26
to produce this almost frightening
105
308000
3000
og laget dette nesten skremmende
05:29
organ, structure.
106
311000
3000
organet, denne strukturen.
05:32
And it has not stopped its evolutionary path.
107
314000
3000
Og evolusjonen har ikke stoppet ennå.
05:35
In fact, the neocortex in the human brain
108
317000
2000
Faktisk utvikler neokorteks i den menneskelige hjerne
05:37
is evolving at an enormous speed.
109
319000
3000
seg i en enorm hastighet.
05:40
If you zoom into the surface of the neocortex,
110
322000
2000
Hvis du zoomer inn på overflaten av neokorteks,
05:42
you discover that it's made up of little modules,
111
324000
3000
vil du se at den er bygget opp av små moduler,
05:45
G5 processors, like in a computer.
112
327000
2000
G5-prosessorer, som i en datamaskin.
05:47
But there are about a million of them.
113
329000
3000
Men det er omtrent en million av dem.
05:50
They were so successful in evolution
114
332000
2000
De var så vellykket i evolusjonen
05:52
that what we did was to duplicate them
115
334000
2000
at de ble kopiert igjen og igjen,
05:54
over and over and add more and more of them to the brain
116
336000
2000
og fylte opp hjernen med fler og fler
05:56
until we ran out of space in the skull.
117
338000
3000
til det ikke var mer plass i skallen.
05:59
And the brain started to fold in on itself,
118
341000
2000
Da begynte hjernen å folde seg,
06:01
and that's why the neocortex is so highly convoluted.
119
343000
3000
og det er derfor neokorteks er så sammenrullet.
06:04
We're just packing in columns,
120
346000
2000
Vi bare stapper inn kolonner,
06:06
so that we'd have more neocortical columns
121
348000
3000
slik at neokorteks får fler kolonner
06:09
to perform more complex functions.
122
351000
3000
til å utføre mer komplekse funksjoner.
06:12
So you can think of the neocortex actually as
123
354000
2000
Så du kan faktisk tenke deg neokorteks som
06:14
a massive grand piano,
124
356000
2000
et massivt flygel,
06:16
a million-key grand piano.
125
358000
3000
et flygel med en million tangenter.
06:19
Each of these neocortical columns
126
361000
2000
Hver av disse neokortikale kolonnene
06:21
would produce a note.
127
363000
2000
lager en tone.
06:23
You stimulate it; it produces a symphony.
128
365000
3000
Hvis du stimulerer den, lager den en symfoni.
06:26
But it's not just a symphony of perception.
129
368000
3000
Men det er ikke bare en symfoni av persepsjon.
06:29
It's a symphony of your universe, your reality.
130
371000
3000
Det er en symfoni av universet ditt, din virkelighet.
06:32
Now, of course it takes years to learn how
131
374000
3000
Det tar selvfølgelig årevis lære hvordan
06:35
to master a grand piano with a million keys.
132
377000
3000
man mestrer et flygel med en million tangenter.
06:38
That's why you have to send your kids to good schools,
133
380000
2000
Derfor må du sende barna dine til gode skoler,
06:40
hopefully eventually to Oxford.
134
382000
2000
forhåpentligvis etter hvert til Oxford.
06:42
But it's not only education.
135
384000
3000
Men det er ikke bare utdanning.
06:45
It's also genetics.
136
387000
2000
Det er også genetikk.
06:47
You may be born lucky,
137
389000
2000
Du kan være født heldig,
06:49
where you know how to master your neocortical column,
138
391000
4000
eller så vet du hvordan du kan mestre din neokortikale kolonne
06:53
and you can play a fantastic symphony.
139
395000
2000
og du kan spille en fantastisk symfoni.
06:55
In fact, there is a new theory of autism
140
397000
3000
Faktisk er det en ny teori om autisme
06:58
called the "intense world" theory,
141
400000
2000
kalt "den intense verden"-teorien,
07:00
which suggests that the neocortical columns are super-columns.
142
402000
4000
som antyder at de neokortikale kolonnene er superkolonner.
07:04
They are highly reactive, and they are super-plastic,
143
406000
4000
De er svært reaktive, og de er superplastiske,
07:08
and so the autists are probably capable of
144
410000
3000
så autistene er sannsynligvis i stand til
07:11
building and learning a symphony
145
413000
2000
å bygge og lære en symfoni
07:13
which is unthinkable for us.
146
415000
2000
som er utenkelig for oss.
07:15
But you can also understand
147
417000
2000
Men du skjønner også
07:17
that if you have a disease
148
419000
2000
at hvis du har en sykdom
07:19
within one of these columns,
149
421000
2000
innenfor en av disse kolonnene,
07:21
the note is going to be off.
150
423000
2000
vil tonen være slått av.
07:23
The perception, the symphony that you create
151
425000
2000
Oppfatningen, symfonien som du skaper
07:25
is going to be corrupted,
152
427000
2000
vil være ødelagt,
07:27
and you will have symptoms of disease.
153
429000
3000
og du får symptomer på sykdom.
07:30
So, the Holy Grail for neuroscience
154
432000
4000
Så den hellige gral for nevrovitenskap
07:34
is really to understand the design of the neocoritical column --
155
436000
4000
er å virkelig forstå utformingen av den neokortikale kolonnen –
07:38
and it's not just for neuroscience;
156
440000
2000
og det er ikke bare for nevrovitenskapen;
07:40
it's perhaps to understand perception, to understand reality,
157
442000
3000
kanskje også for å forstå persepsjon, å forstå virkeligheten,
07:43
and perhaps to even also understand physical reality.
158
445000
4000
kanskje til og med forstå den fysiske virkeligheten?
07:47
So, what we did was, for the past 15 years,
159
449000
3000
Så det vi gjorde gjennom de siste 15 årene
07:50
was to dissect out the neocortex, systematically.
160
452000
4000
var å dissekere neokorteks, systematisk.
07:54
It's a bit like going and cataloging a piece of the rainforest.
161
456000
4000
Det er litt som å katalogisere en del av regnskogen.
07:58
How many trees does it have?
162
460000
2000
Hvor mange trær er det?
08:00
What shapes are the trees?
163
462000
2000
Hvilken form har de?
08:02
How many of each type of tree do you have? Where are they positioned?
164
464000
3000
Hvor mange av hver art, og hvor er de plassert?
08:05
But it's a bit more than cataloging because you actually have to
165
467000
2000
Men det er mer enn katalogisering, fordi du faktisk
08:07
describe and discover all the rules of communication,
166
469000
4000
må beskrive og oppdage alle kommunikasjonsregler,
08:11
the rules of connectivity,
167
473000
2000
og hvordan de er koblet sammen,
08:13
because the neurons don't just like to connect with any neuron.
168
475000
3000
for nervecellene kobler seg ikke sammen på måfå.
08:16
They choose very carefully who they connect with.
169
478000
3000
De velger nøye hvem de knytter seg til.
08:19
It's also more than cataloging
170
481000
3000
Det er også mer enn katalogisering,
08:22
because you actually have to build three-dimensional
171
484000
2000
fordi du faktisk må bygge tredimensjonale
08:24
digital models of them.
172
486000
2000
digitale modeller av dem.
08:26
And we did that for tens of thousands of neurons,
173
488000
2000
Og det gjorde vi for titusener av nerveceller,
08:28
built digital models of all the different types
174
490000
3000
bygget digitale modeller for de ulike typene
08:31
of neurons we came across.
175
493000
2000
nevroner vi kom over.
08:33
And once you have that, you can actually
176
495000
2000
Og når du har gjort det, kan du faktisk
08:35
begin to build the neocortical column.
177
497000
4000
begynne å bygge den neokortikale kolonnen.
08:39
And here we're coiling them up.
178
501000
3000
Og her kveiler vi dem opp.
08:42
But as you do this, what you see
179
504000
3000
Men mens du gjør dette, ser du
08:45
is that the branches intersect
180
507000
2000
at greinene krysser hverandre
08:47
actually in millions of locations,
181
509000
3000
på millioner av steder.
08:50
and at each of these intersections
182
512000
3000
og i hvert slikt kryss
08:53
they can form a synapse.
183
515000
2000
kan de kan danne en synapse.
08:55
And a synapse is a chemical location
184
517000
2000
Og en synapse er et kjemisk sted
08:57
where they communicate with each other.
185
519000
3000
der de kommuniserer med hverandre.
09:00
And these synapses together
186
522000
2000
Og disse synapser utgjør
09:02
form the network
187
524000
2000
til sammen nettverket,
09:04
or the circuit of the brain.
188
526000
3000
eller strømkretsen i hjernen.
09:07
Now, the circuit, you could also think of as
189
529000
4000
Nå er det slik at du også kan se på strømkretsen
09:11
the fabric of the brain.
190
533000
2000
som selve sammensetningen, stoffet i hjernen.
09:13
And when you think of the fabric of the brain,
191
535000
3000
Og når du tenker på stoffet i hjernen,
09:16
the structure, how is it built? What is the pattern of the carpet?
192
538000
4000
strukturen, hvordan er den bygd? Hvordan er mønsteret til teppet?
09:20
You realize that this poses
193
542000
2000
Da innser du at dette utgjør
09:22
a fundamental challenge to any theory of the brain,
194
544000
4000
en grunnleggende utfordring for enhver teori om hjernen,
09:26
and especially to a theory that says
195
548000
2000
og spesielt for en teori som sier
09:28
that there is some reality that emerges
196
550000
2000
at det kommer en virkelighet ut
09:30
out of this carpet, out of this particular carpet
197
552000
3000
av dette teppet, av dette spesielle teppet
09:33
with a particular pattern.
198
555000
2000
med et bestemt mønster.
09:35
The reason is because the most important design secret of the brain
199
557000
3000
Årsaken er at den viktigste designhemmeligheten i hjernen
09:38
is diversity.
200
560000
2000
er mangfold.
09:40
Every neuron is different.
201
562000
2000
Hvert nevron er forskjellig
09:42
It's the same in the forest. Every pine tree is different.
202
564000
2000
Det er akkurat som i skogen. Alle furutrær er forskjellige.
09:44
You may have many different types of trees,
203
566000
2000
Du kan ha mange forskjellige treslag,
09:46
but every pine tree is different. And in the brain it's the same.
204
568000
3000
men alle furutrær er ulike. Og slik er det i hjernen også.
09:49
So there is no neuron in my brain that is the same as another,
205
571000
3000
Så det er ingen nevroner i hjernen min som er like,
09:52
and there is no neuron in my brain that is the same as in yours.
206
574000
3000
og ingen nevroner i min hjerne som er lik noen i din.
09:55
And your neurons are not going to be oriented and positioned
207
577000
3000
Og alle nevronene er ikke orientert og plassert
09:58
in exactly the same way.
208
580000
2000
på nøyaktig samme måte.
10:00
And you may have more or less neurons.
209
582000
2000
Og du kan ha flere eller færre nerveceller.
10:02
So it's very unlikely
210
584000
2000
Derfor er det svært usannsynlig
10:04
that you got the same fabric, the same circuitry.
211
586000
4000
at du har samme stoff, samme strømkrets.
10:08
So, how could we possibly create a reality
212
590000
2000
Så, hvordan er det mulig at vi kan lage en virkelighet
10:10
that we can even understand each other?
213
592000
3000
slik at vi i det hele tatt kan forstå hverandre?
10:13
Well, we don't have to speculate.
214
595000
2000
Vel, vi behøver ikke å spekulere.
10:15
We can look at all 10 million synapses now.
215
597000
3000
Vi kan studere alle 10 millioner synapser.
10:18
We can look at the fabric. And we can change neurons.
216
600000
3000
Vi kan se på stoffet, og vi kan endre nerveceller.
10:21
We can use different neurons with different variations.
217
603000
2000
Vi kan bruke ulike nerveceller i ulike varianter.
10:23
We can position them in different places,
218
605000
2000
Vi kan plassere dem på forskjellige steder,
10:25
orient them in different places.
219
607000
2000
orientere dem på forskjellige måter.
10:27
We can use less or more of them.
220
609000
2000
Vi kan aktivere flere eller færre av dem.
10:29
And when we do that
221
611000
2000
Og når vi gjør det,
10:31
what we discovered is that the circuitry does change.
222
613000
3000
oppdager vi at kretsene endres.
10:34
But the pattern of how the circuitry is designed does not.
223
616000
7000
Men mønsteret for kretsenes utforming endres ikke.
10:41
So, the fabric of the brain,
224
623000
2000
Så stoffet i hjernen –
10:43
even though your brain may be smaller, bigger,
225
625000
2000
uansett om hjernen din er mindre, større,
10:45
it may have different types of neurons,
226
627000
3000
har forskjellige typer nerveceller,
10:48
different morphologies of neurons,
227
630000
2000
har nevroner med forskjellig morfologi –
10:50
we actually do share
228
632000
3000
uansett alt dette
10:53
the same fabric.
229
635000
2000
har vi samme hjernestoff.
10:55
And we think this is species-specific,
230
637000
2000
Og vi tror at dette er artsspesifikt,
10:57
which means that that could explain
231
639000
2000
noe som kan forklare
10:59
why we can't communicate across species.
232
641000
2000
hvorfor vi ikke kan kommunisere på tvers av arter.
11:01
So, let's switch it on. But to do it, what you have to do
233
643000
3000
Så la oss slå den på. Men for å gjøre det, må du
11:04
is you have to make this come alive.
234
646000
2000
få den til å bli levende.
11:06
We make it come alive
235
648000
2000
Vi gjør den levende
11:08
with equations, a lot of mathematics.
236
650000
2000
med likninger, mye matematikk.
11:10
And, in fact, the equations that make neurons into electrical generators
237
652000
4000
Og faktisk, likningene som gjør nervecellene til elektriske dynamoer
11:14
were discovered by two Cambridge Nobel Laureates.
238
656000
3000
ble oppdaget av to Cambridge nobelprisvinnere.
11:17
So, we have the mathematics to make neurons come alive.
239
659000
3000
Så det er matematikk som gir nervecellene liv.
11:20
We also have the mathematics to describe
240
662000
2000
Vi bruker også matematikk for å beskrive
11:22
how neurons collect information,
241
664000
3000
hvordan nervecellene samler informasjon,
11:25
and how they create a little lightning bolt
242
667000
3000
og hvordan de lager et lite lynglimt
11:28
to communicate with each other.
243
670000
2000
for å kommunisere med hverandre.
11:30
And when they get to the synapse,
244
672000
2000
Og når de kommer til synapsen
11:32
what they do is they effectively,
245
674000
2000
vil de faktisk,
11:34
literally, shock the synapse.
246
676000
3000
bokstavelig talt gi den et sjokk.
11:37
It's like electrical shock
247
679000
2000
Det er som elektrisk støt
11:39
that releases the chemicals from these synapses.
248
681000
3000
som frigjør kjemikalier fra disse synapsene.
11:42
And we've got the mathematics to describe this process.
249
684000
3000
Og vi har matematikken til å beskrive denne prosessen.
11:45
So we can describe the communication between the neurons.
250
687000
4000
Så vi kan beskrive kommunikasjonen mellom nervecellene.
11:49
There literally are only a handful
251
691000
3000
Det er bokstavelig talt bare en håndfull
11:52
of equations that you need to simulate
252
694000
2000
likninger du trenger for å simulere
11:54
the activity of the neocortex.
253
696000
2000
aktiviteten til neokorteks.
11:56
But what you do need is a very big computer.
254
698000
3000
Men det du vil trenge er en veldig stor datamaskin.
11:59
And in fact you need one laptop
255
701000
2000
Du behøver faktisk en bærbar PC
12:01
to do all the calculations just for one neuron.
256
703000
3000
for å gjøre beregningene for et enkelt nevron.
12:04
So you need 10,000 laptops.
257
706000
2000
Du må altså ha 10.000 bærbare datamaskiner.
12:06
So where do you go? You go to IBM,
258
708000
2000
Så hva gjør du? Du går til IBM,
12:08
and you get a supercomputer, because they know how to take
259
710000
2000
og får en superdatamaskin, fordi de mtte ta
12:10
10,000 laptops and put it into the size of a refrigerator.
260
712000
4000
10.000 laptoper og pakke dem sammen til en størrelse som et kjøleskap.
12:14
So now we have this Blue Gene supercomputer.
261
716000
3000
Så nå har vi superdatamaskinen Blue Gene.
12:17
We can load up all the neurons,
262
719000
2000
Vi kan laste opp alle nervecellene,
12:19
each one on to its processor,
263
721000
2000
hver på sin prosessor,
12:21
and fire it up, and see what happens.
264
723000
4000
starte opp, og se hva som skjer.
12:25
Take the magic carpet for a ride.
265
727000
3000
- Ta en tur på det magiske teppet.
12:28
Here we activate it. And this gives the first glimpse
266
730000
3000
Her har vi aktivert den. Og vi får et første glimt
12:31
of what is happening in your brain
267
733000
2000
av hva som skjer i hjernen din
12:33
when there is a stimulation.
268
735000
2000
når den får en stimulering.
12:35
It's the first view.
269
737000
2000
Det er den første visningen,
12:37
Now, when you look at that the first time, you think,
270
739000
2000
og når du ser på den for første gang, tenker du:
12:39
"My god. How is reality coming out of that?"
271
741000
5000
"Herre Gud! Kan det skapes virkelighet ut av det der?"
12:44
But, in fact, you can start,
272
746000
3000
Men det er faktisk mulig –
12:47
even though we haven't trained this neocortical column
273
749000
4000
– selv om vi ikke har trent denne neokortikale kolonnen –
12:51
to create a specific reality.
274
753000
2000
– å skape en bestemt virkelighet.
12:53
But we can ask, "Where is the rose?"
275
755000
4000
Men vi kan spørre: "Hvor er rosen?"
12:57
We can ask, "Where is it inside,
276
759000
2000
Vi kan spørre: "Hvor er den inni der",
12:59
if we stimulate it with a picture?"
277
761000
3000
hvis vi stimulerer den med et bilde?
13:02
Where is it inside the neocortex?
278
764000
2000
Hvor er den inne i neokorteks?
13:04
Ultimately it's got to be there if we stimulated it with it.
279
766000
4000
Til syvende og sist må den være der hvis vi stimulerer den med det.
13:08
So, the way that we can look at that
280
770000
2000
Vi kan se slik på det:
13:10
is to ignore the neurons, ignore the synapses,
281
772000
3000
glem nervecellene, glem synapsene,
13:13
and look just at the raw electrical activity.
282
775000
2000
se bare på den elektriske aktiviteten.
13:15
Because that is what it's creating.
283
777000
2000
Fordi det er den som blir lagd.
13:17
It's creating electrical patterns.
284
779000
2000
Den skaper elektriske mønstre.
13:19
So when we did this,
285
781000
2000
Så når vi gjorde dette,
13:21
we indeed, for the first time,
286
783000
2000
så vi faktisk for første gang,
13:23
saw these ghost-like structures:
287
785000
3000
disse spøkelseslignende strukturene:
13:26
electrical objects appearing
288
788000
3000
elektriske objekter som viste seg
13:29
within the neocortical column.
289
791000
3000
innenfor den neokortikale kolonnen.
13:32
And it's these electrical objects
290
794000
3000
Og det er disse elektriske gjenstandene
13:35
that are holding all the information about
291
797000
3000
som inneholder all informasjon om
13:38
whatever stimulated it.
292
800000
3000
hva det var som stimulerte den.
13:41
And then when we zoomed into this,
293
803000
2000
Og når vi zoomet oss innover,
13:43
it's like a veritable universe.
294
805000
4000
var det som et veritabelt univers.
13:47
So the next step
295
809000
2000
Så neste steg
13:49
is just to take these brain coordinates
296
811000
4000
er bare å ta disse hjernekoordinatene
13:53
and to project them into perceptual space.
297
815000
4000
og projisere dem i det perseptuelle rom.
13:57
And if you do that,
298
819000
2000
Og hvis du gjør det,
13:59
you will be able to step inside
299
821000
2000
kan du gå inn i
14:01
the reality that is created
300
823000
2000
den virkeligheten som er skapt
14:03
by this machine,
301
825000
2000
av denne maskinen,
14:05
by this piece of the brain.
302
827000
3000
av denne hjernebiten.
14:08
So, in summary,
303
830000
2000
Så oppsummert:
14:10
I think that the universe may have --
304
832000
2000
Jeg tror at universet kan –
14:12
it's possible --
305
834000
2000
– det er mulig –
14:14
evolved a brain to see itself,
306
836000
3000
– ha utviklet en hjerne som kan se seg selv,
14:17
which may be a first step in becoming aware of itself.
307
839000
5000
som kan være et første skritt mot å bli klar over selv.
14:22
There is a lot more to do to test these theories,
308
844000
2000
Det er mye mer å gjøre for å teste disse teoriene,
14:24
and to test any other theories.
309
846000
3000
og å teste alle andre teorier.
14:27
But I hope that you are at least partly convinced
310
849000
3000
Men jeg håper at dere i det minste er delvis overbevist
14:30
that it is not impossible to build a brain.
311
852000
3000
om at det ikke er umulig å bygge en hjerne.
14:33
We can do it within 10 years,
312
855000
2000
Vi kan gjøre det innen 10 år,
14:35
and if we do succeed,
313
857000
2000
og hvis vi lykkes,
14:37
we will send to TED, in 10 years,
314
859000
2000
skal vi om 10 år sende
14:39
a hologram to talk to you. Thank you.
315
861000
3000
et hologram som kan snakke til dere her på TED. Takk.
14:42
(Applause)
316
864000
6000
(Applaus)
ABOUT THE SPEAKER
Henry Markram - NeuroscientistHenry Markram is director of Blue Brain, a supercomputing project that can model components of the mammalian brain to precise cellular detail -- and simulate their activity in 3D. Soon he'll simulate a whole rat brain in real time.
Why you should listen
In the microscopic, yet-uncharted circuitry of the cortex, Henry Markram is perhaps the most ambitious -- and our most promising -- frontiersman. Backed by the extraordinary power of the IBM Blue Gene supercomputing architecture, which can perform hundreds of trillions of calculations per second, he's using complex models to precisely simulate the neocortical column (and its tens of millions of neural connections) in 3D.
Though the aim of Blue Brain research is mainly biomedical, it has been edging up on some deep, contentious philosophical questions about the mind -- "Can a robot think?" and "Can consciousness be reduced to mechanical components?" -- the consequence of which Markram is well aware: Asked by Seed Magazine what a simulation of a full brain might do, he answered, "Everything. I mean everything" -- with a grin.
Now, with a successful proof-of-concept for simulation in hand (the project's first phase was completed in 2007), Markram is looking toward a future where brains might be modeled even down to the molecular and genetic level. Computing power marching rightward and up along the graph of Moore's Law, Markram is sure to be at the forefront as answers to the mysteries of cognition emerge.
Henry Markram | Speaker | TED.com