TED2003
Jeff Hawkins: How brain science will change computing
Джефф Хоукинс говорит о том, как наука о мозге изменит компьютеры.
Filmed:
Readability: 3.2
1,674,773 views
Джефф Хоукинс, создатель Treo, побуждает нас по-новому взглянуть на мозг и осознать его не как быстрый процессор, а как хранилище нашего опыта, позволяющего строить прогнозы будущего.
Jeff Hawkins - Computer designer, brain researcher
Jeff Hawkins pioneered the development of PDAs such as the Palm and Treo. Now he's trying to understand how the human brain really works, and adapt its method -- which he describes as a deep system for storing memory -- to create new kinds of computers and tools. Full bio
Jeff Hawkins pioneered the development of PDAs such as the Palm and Treo. Now he's trying to understand how the human brain really works, and adapt its method -- which he describes as a deep system for storing memory -- to create new kinds of computers and tools. Full bio
Double-click the English transcript below to play the video.
00:25
I do two things: I design mobile computers and I study brains.
0
0
3000
Я занимаюсь двумя вещами: я разрабатываю дизайн мобильных компьютеров и изучаю мозг.
00:29
And today's talk is about brains and,
1
4000
2000
Сегодняшнее выступление - про мозг, и,
00:31
yay, somewhere I have a brain fan out there.
2
6000
2000
ура, где-то там есть поклонник мозга!
00:33
(Laughter)
3
8000
2000
(Смех)
00:35
I'm going to, if I can have my first slide up here,
4
10000
2000
Я собираюсь, если получится включить первый слайд,
00:37
and you'll see the title of my talk and my two affiliations.
5
12000
4000
и вы увидите название моего выступления и организаций rjrjnjhsv я принадлежу.
00:41
So what I'm going to talk about is why we don't have a good brain theory,
6
16000
4000
Я собираюсь поговорить о том, почему у нас нет хорошей теории мозга,
00:45
why it is important that we should develop one and what we can do about it.
7
20000
3000
почему нам важно её разработать и что мы с этим сможем сделать.
00:48
And I'll try to do all that in 20 minutes. I have two affiliations.
8
23000
3000
И я попробую сделать это за 20 минут. Я работаю в двух компаниях.
00:51
Most of you know me from my Palm and Handspring days,
9
26000
3000
Большинство из вас знает меня по тем временам, когда я работал в Palm и Handspring,
00:54
but I also run a nonprofit scientific research institute
10
29000
3000
хотя я также возглавляю некоммерческий научно-исследовательский институт -
00:57
called the Redwood Neuroscience Institute in Menlo Park,
11
32000
2000
Редвудский неврологический институт в Менло-Парке,
00:59
and we study theoretical neuroscience,
12
34000
2000
мы изучаем теоретическую неврологию
01:01
and we study how the neocortex works.
13
36000
2000
и то, как работает неокортекс.
01:03
I'm going to talk all about that.
14
38000
2000
Я ещё буду говорить об этом.
01:05
I have one slide on my other life, the computer life, and that's the slide here.
15
40000
3000
У меня есть слайд о моей другой жизни, компьютерной жизни, вот он.
01:08
These are some of the products I've worked on over the last 20 years,
16
43000
3000
Вот некоторые из продуктов, над которыми я работал на протяжении последних 20 лет,
01:11
starting back from the very original laptop to some of the first tablet computers
17
46000
4000
от весьма оригинального лэптопа до первых планшетных компьютеров,
01:15
and so on, and ending up most recently with the Treo,
18
50000
2000
и так далее, заканчивая Treo,
01:17
and we're continuing to do this.
19
52000
2000
мы продолжаем работать в этом направлении.
01:19
And I've done this because I really believe that mobile computing
20
54000
2000
Я делал это, потому что верю, что мобильные компьютеры -
01:21
is the future of personal computing, and I'm trying to make the world
21
56000
3000
это будущее персональных компьютеров, и я пытаюсь сделать мир
01:24
a little bit better by working on these things.
22
59000
3000
чуточку лучше, работая над этим.
01:27
But this was, I have to admit, all an accident.
23
62000
2000
Но всё это было, должен признаться, случайностью.
01:29
I really didn't want to do any of these products
24
64000
2000
На самом деле я не планировал создавать ни одного из этих продуктов,
01:31
and very early in my career I decided
25
66000
2000
и в самом начале своей карьеры я решил,
01:33
I was not going to be in the computer industry.
26
68000
3000
что не собираюсь работать в компьютерной индустрии.
01:36
And before I tell you about that, I just have to tell you
27
71000
2000
И до того, как я расскажу вам об этом, я должен сказать -
01:38
this one little picture of graffiti there I picked off the web the other day.
28
73000
2000
это небольшое изображение Graffiti.
01:40
I was looking for a picture of graffiti, little text input language,
29
75000
3000
Я искал изображение Graffiti, небольшого языка текстового ввода,
01:43
and I found the website dedicated to teachers who want to make these,
30
78000
3000
и обнаружил сайт для учителей, желающих разместить
01:46
you know, the script writing things across the top of their blackboard,
31
81000
3000
над школьной доской таблички с рукописным алфавитом.
01:49
and they had added graffiti to it, and I'm sorry about that.
32
84000
3000
И они добавили к этому Graffiti, как мне не жаль.
01:52
(Laughter)
33
87000
2000
(Смех)
01:54
So what happened was, when I was young and got out of engineering school
34
89000
5000
Так вот, когда я был молод и закончил инженерное отделение
01:59
at Cornell in '79, I decided -- I went to work for Intel and
35
94000
4000
Корнелльского университета в 79-м, я пошёл на работу в Интел.
02:03
I was in the computer industry -- and three months into that,
36
98000
3000
Я работал в компьютерной индустрии и три месяца спустя
02:06
I fell in love with something else, and I said, "I made the wrong career choice here,"
37
101000
4000
я влюбился в кое-что другое и сказал: "я неправильно выбрал карьеру",
02:10
and I fell in love with brains.
38
105000
3000
я влюбился в мозг.
02:13
This is not a real brain. This is a picture of one, a line drawing.
39
108000
3000
Это не настоящий мозг, это карандашный рисунок.
02:16
But I don't remember exactly how it happened,
40
111000
3000
Я не помню точно, как это произошло,
02:19
but I have one recollection, which was pretty strong in my mind.
41
114000
3000
но у меня осталось одно довольно сильное воспоминание.
02:22
In September 1979, Scientific American came out
42
117000
3000
В сентябре 1979 года вышел номер Scientific American,
02:25
with a single topic issue about the brain. And it was quite good.
43
120000
3000
темой номера был мозг. И это было весьма неплохо.
02:28
It was one of the best issues ever. And they talked about the neuron
44
123000
3000
Это был один из самых лучших номеров. Там рассказывалось о нейронах,
02:31
and development and disease and vision and all the things
45
126000
2000
о развитии, болезнях, зрении и других вещах,
02:33
you might want to know about brains. It was really quite impressive.
46
128000
3000
которые было бы интересно знать про мозг. Это действительно было впечатляюще.
02:36
And one might have the impression that we really knew a lot about brains.
47
131000
3000
Могло остаться впечатление, что мы действительно много знаем о мозге.
02:39
But the last article in that issue was written by Francis Crick of DNA fame.
48
134000
4000
Но последняя статья того номера была написана Фрэнсисом Криком, одним из тех, кто открыл структуру ДНК.
02:43
Today is, I think, the 50th anniversary of the discovery of DNA.
49
138000
3000
Сегодня, я думаю, день пятидесятилетия открытия ДНК.
02:46
And he wrote a story basically saying,
50
141000
2000
И он написал статью, в которой говорилось,
02:48
well, this is all well and good, but you know what,
51
143000
3000
что это всё конечно хорошо, но знаете,
02:51
we don't know diddley squat about brains
52
146000
2000
мы ничего не знаем про мозг,
02:53
and no one has a clue how these things work,
53
148000
2000
никто не представляет, как это всё работает,
02:55
so don't believe what anyone tells you.
54
150000
2000
так что не верьте ничему, что вам говорят.
02:57
This is a quote from that article. He said, "What is conspicuously lacking,"
55
152000
3000
Вот цитата из той статьи. Он сказал: "Чего, очевидно, недостаёт",
03:00
he's a very proper British gentleman so, "What is conspicuously lacking
56
155000
4000
он истинный британский джентльмен, "чего, очевидно, недостаёт,
03:04
is a broad framework of ideas in which to interpret these different approaches."
57
159000
3000
так это широкого каркаса идей, в рамках которой можно интерпретировать эти подходы".
03:07
I thought the word framework was great.
58
162000
2000
Я подумал, что слово каркас - замечательное.
03:09
He didn't say we didn't even have a theory. He says,
59
164000
2000
Он не сказал, что у нас нет теории. Он сказал,
03:11
we don't even know how to begin to think about it --
60
166000
2000
мы даже не знаем как начать думать об этом,
03:13
we don't even have a framework.
61
168000
2000
у нас нет даже каркаса.
03:15
We are in the pre-paradigm days, if you want to use Thomas Kuhn.
62
170000
3000
Мы находимся в допарадигмальном периоде в терминологии Томаса Куна.
03:18
And so I fell in love with this, and said look,
63
173000
3000
Итак, я влюбился в это и сказал, смотрите,
03:21
we have all this knowledge about brains. How hard can it be?
64
176000
3000
у нас есть все эти знания о мозге, насколько это может быть сложно?
03:24
And this is something we can work on my lifetime. I felt I could make a difference,
65
179000
3000
И это что-то, над чем можно проработать всю жизнь. Я почувствовал, что я могу что-то изменить,
03:27
and so I tried to get out of the computer business, into the brain business.
66
182000
4000
и я пытался уйти из компьютерного бизнеса в деятельность, связанную с мозгом.
03:31
First, I went to MIT, the AI lab was there,
67
186000
2000
Первым делом я пошёл в Массачусетский технологический институт, лабораторию искуственного интеллекта,
03:33
and I said, well, I want to build intelligent machines, too,
68
188000
2000
и я подумал, я также хочу конструировать умные машины,
03:35
but the way I want to do it is to study how brains work first.
69
190000
3000
но для начала мне нужно изучить как работает мозг.
03:38
And they said, oh, you don't need to do that.
70
193000
3000
Но мне сказали, что не нужно этого делать -
03:41
We're just going to program computers; that's all we need to do.
71
196000
2000
мы будем программировать, и это всё, что нам нужно делать.
03:43
And I said, no, you really ought to study brains. They said, oh, you know,
72
198000
3000
На что я ответил: нет, действительно нужно изучать мозг. Мне сказали: ты знаешь,
03:46
you're wrong. And I said, no, you're wrong, and I didn't get in.
73
201000
2000
ты не прав. Я ответил: нет, это вы не правы, и не поступил.
03:48
(Laughter)
74
203000
1000
(Смех)
03:50
But I was a little disappointed -- pretty young -- but I went back again
75
205000
2000
Я был несколько разочарован - но я был ещё довольно молод и попробовал снова,
03:52
a few years later and this time was in California, and I went to Berkeley.
76
207000
3000
через несколько лет, в это время я был в Калифорнии, я пошёл в Беркли.
03:55
And I said, I'll go in from the biological side.
77
210000
4000
Я сказал: попробую со стороны биологии.
03:59
So I got in -- in the Ph.D. program in biophysics, and I was, all right,
78
214000
3000
Я поступил - на программу PhD по направлению Биофизика, и,
04:02
I'm studying brains now, and I said, well, I want to study theory.
79
217000
3000
уже изучая мозг, сказал: я хочу изучать теорию.
04:05
And they said, oh no, you can't study theory about brains.
80
220000
2000
На что мне ответили: нет, ты не можешь изучать теорию о мозге.
04:07
That's not something you do. You can't get funded for that.
81
222000
2000
Так не делается. Под это не возможно получить финансирование.
04:09
And as a graduate student, you can't do that. So I said, oh my gosh.
82
224000
4000
Будучи аспирантом этого нельзя делать. Я подумал, боже мой.
04:13
I was very depressed. I said, but I can make a difference in this field.
83
228000
2000
Я был весьма подавлен. Я сказал: но я же могу что-то привнести в эту область!
04:15
So what I did is I went back in the computer industry
84
230000
3000
В результате я вернулся в компьютерную индустрию
04:18
and said, well, I'll have to work here for a while, do something.
85
233000
2000
и решил поработать здесь некоторое время.
04:20
That's when I designed all those computer products.
86
235000
3000
Именно тогда я и создал все эти продукты.
04:23
(Laughter)
87
238000
1000
(Смех)
04:24
And I said, I want to do this for four years, make some money,
88
239000
3000
Я подумал, что хочу позаниматься этим четыре года, заработать денег,
04:27
like I was having a family, and I would mature a bit,
89
242000
4000
завести семью, остепениться,
04:31
and maybe the business of neuroscience would mature a bit.
90
246000
3000
возможно и неврология за это время немного повзрослеет.
04:34
Well, it took longer than four years. It's been about 16 years.
91
249000
3000
Но потребовалось больше четырёх лет. Это заняло 16.
04:37
But I'm doing it now, and I'm going to tell you about it.
92
252000
2000
Но сейчас я этим занимаюсь, о чём вам сейчас и расскажу.
04:39
So why should we have a good brain theory?
93
254000
3000
Итак, зачем нам может понадобиться хорошая теория мозга?
04:42
Well, there's lots of reasons people do science.
94
257000
3000
Для того, чтобы заниматься наукой есть множество причин.
04:45
One is -- the most basic one is -- people like to know things.
95
260000
3000
Одна из них - самая основная - люди любят познавать.
04:48
We're curious, and we just go out and get knowledge, you know?
96
263000
2000
Мы любопытны, мы просто берём и получаем знания.
04:50
Why do we study ants? Well, it's interesting.
97
265000
2000
Почему мы изучаем муравьёв? Ну, это интересно.
04:52
Maybe we'll learn something really useful about it, but it's interesting and fascinating.
98
267000
3000
Возможно мы узнаем что-то по-настоящему полезное, но это просто интересно и захватывающе.
04:55
But sometimes, a science has some other attributes
99
270000
2000
Но временами, в науке появляются некоторые другие атрибуты,
04:57
which makes it really, really interesting.
100
272000
2000
делающие её весьма, весьма интересной.
04:59
Sometimes a science will tell something about ourselves,
101
274000
3000
Временами наука может рассказать нам что-то про нас самих,
05:02
it'll tell us who we are.
102
277000
1000
про то, кем мы являемся.
05:03
Rarely, you know: evolution did this and Copernicus did this,
103
278000
3000
Изредка, это делала теория эволюции, Коперник -
05:06
where we have a new understanding of who we are.
104
281000
2000
они создавали новое понимание того, кем мы являемся.
05:08
And after all, we are our brains. My brain is talking to your brain.
105
283000
4000
Но в конечном итоге мы - это наш мозг. Мой мозг разговаривает с вашим мозгом.
05:12
Our bodies are hanging along for the ride, but my brain is talking to your brain.
106
287000
3000
Наши тела здесь только за компанию, мой мозг разговаривает с вашим мозгом.
05:15
And if we want to understand who we are and how we feel and perceive,
107
290000
3000
И если мы хотим понять, кем мы являемся, как мы чувствуем и как воспринимаем,
05:18
we really understand what brains are.
108
293000
2000
мы должны понять, что из себя представляет мозг.
05:20
Another thing is sometimes science
109
295000
2000
Ещё одно: наука временами
05:22
leads to really big societal benefits and technologies,
110
297000
2000
приводит к большой социальной пользе, к созданию технологий,
05:24
or businesses, or whatever, that come out of it. And this is one, too,
111
299000
2000
бизнесов и прочего. И это тоже важно,
05:26
because when we understand how brains work, we're going to be able
112
301000
3000
так как когда мы поймём, как работает мозг, мы сможем
05:29
to build intelligent machines, and I think that's actually a good thing on the whole,
113
304000
3000
строить интеллектуальные машины, я думаю, что в целом это хорошее явление,
05:32
and it's going to have tremendous benefits to society,
114
307000
2000
которое принесёт огромную пользу обществу,
05:34
just like a fundamental technology.
115
309000
2000
по аналогии с фундаментальными технологиями.
05:36
So why don't we have a good theory of brains?
116
311000
2000
Итак, почему же у нас нет хорошей теории мозга?
05:38
And people have been working on it for 100 years.
117
313000
3000
Люди ведь работали над ней на протяжении ста лет.
05:41
Well, let's first take a look at what normal science looks like.
118
316000
2000
Давайте сначала взглянем на то, как выглядит нормальная наука.
05:43
This is normal science.
119
318000
2000
Это нормальная наука.
05:45
Normal science is a nice balance between theory and experimentalists.
120
320000
4000
Нормальная наука - это хороший баланс между теорией и экспериментом.
05:49
And so the theorist guys say, well, I think this is what's going on,
121
324000
2000
Теоретики говорят, что происходит одно,
05:51
and the experimentalist says, no, you're wrong.
122
326000
2000
а экспериментаторы - что происходит другое.
05:53
And it goes back and forth, you know?
123
328000
2000
И так повторяется снова и снова.
05:55
This works in physics. This works in geology. But if this is normal science,
124
330000
2000
Так происходит в физике. Так происходит в геологии. Но если это норма для науки,
05:57
what does neuroscience look like? This is what neuroscience looks like.
125
332000
3000
какая ситуация в нейронауке? Вот как это выглядит:
06:00
We have this mountain of data, which is anatomy, physiology and behavior.
126
335000
5000
у нас есть гора данных - из анатомии, физиологии и бихевиоральной науки.
06:05
You can't imagine how much detail we know about brains.
127
340000
3000
Вы не можете себе представить как много мы знаем о мозге.
06:08
There were 28,000 people who went to the neuroscience conference this year,
128
343000
4000
В этом году на конференцию по нейронауке приехало 28 тысяч человек,
06:12
and every one of them is doing research in brains.
129
347000
2000
каждый из который исследует мозг.
06:14
A lot of data. But there's no theory. There's a little, wimpy box on top there.
130
349000
4000
Большое количество данных. Но теории нет. Есть маленький неуверенный прямоугольник, расположенный сверху.
06:18
And theory has not played a role in any sort of grand way in the neurosciences.
131
353000
5000
Теория не сыграла большой роли в науках о мозге.
06:23
And it's a real shame. Now why has this come about?
132
358000
3000
И это постыдно. Итак, почему же это произошло?
06:26
If you ask neuroscientists, why is this the state of affair,
133
361000
2000
Если спросить нейробиологов, чем вызвана такая ситуация,
06:28
they'll first of all admit it. But if you ask them, they'll say,
134
363000
3000
они прежде всего согласятся с существованием проблемы. Но они ответят,
06:31
well, there's various reasons we don't have a good brain theory.
135
366000
3000
что есть различные причины того, что у нас нет хорошей теории мозга.
06:34
Some people say, well, we don't still have enough data,
136
369000
2000
Некоторые скажут, что нам до сих пор не хватает данных,
06:36
we need to get more information, there's all these things we don't know.
137
371000
3000
мы должны собрать больше информации, есть множество вещей, которых мы пока не понимаем.
06:39
Well, I just told you there's so much data coming out your ears.
138
374000
3000
Ну, я только что рассказал вам, что последние годы генерировались большие объёмы данных.
06:42
We have so much information, we don't even know how to begin to organize it.
139
377000
3000
У нас столько информации, что мы даже не знаем, как начать её систематизировать.
06:45
What good is more going to do?
140
380000
2000
Чем помогут дополнительные данные?
06:47
Maybe we'll be lucky and discover some magic thing, but I don't think so.
141
382000
3000
Возможно нам посчатсливится обнаружить нечто чудесное, но я так не думаю.
06:50
This is actually a symptom of the fact that we just don't have a theory.
142
385000
3000
На самом деле это просто индикатор отсутствия теории.
06:53
We don't need more data -- we need a good theory about it.
143
388000
3000
Мы не нуждаемся в дополнительных данных, нам требуется хорошая теория.
06:56
Another one is sometimes people say, well, brains are so complex,
144
391000
3000
В качестве другой причины иногда приводят то, что мозг столь сложен,
06:59
it'll take another 50 years.
145
394000
2000
что построение теории займёт ещё 50 лет.
07:01
I even think Chris said something like this yesterday.
146
396000
2000
Я даже думаю Крис вчера говорил что-то об этом.
07:03
I'm not sure what you said, Chris, but something like,
147
398000
2000
Не уверен, что именно ты сказал, Крис, но что-то вроде того,
07:05
well, it's one of the most complicated things in the universe. That's not true.
148
400000
3000
что мозг - одна из сложнейших систем во вселенной. Но это не верно.
07:08
You're more complicated than your brain. You've got a brain.
149
403000
2000
Вы сложнее, чем ваш мозг. У вас есть мозг.
07:10
And it's also, although the brain looks very complicated,
150
405000
2000
Также, несмотря на то, что мозг выглядит сложным,
07:12
things look complicated until you understand them.
151
407000
3000
всё выглядит сложным до той поры, пока мы этого не понимаем.
07:15
That's always been the case. And so all we can say, well,
152
410000
3000
Так всегда было. И всё что мы можем сказать, это
07:18
my neocortex, which is the part of the brain I'm interested in, has 30 billion cells.
153
413000
4000
что неокортекс - интересующая меня область мозга - состоит из 30 миллиардов клеток.
07:22
But, you know what? It's very, very regular.
154
417000
2000
Но знаете что? Он очень, очень однородный.
07:24
In fact, it looks like it's the same thing repeated over and over and over again.
155
419000
3000
На практике выглядит, что это одно и то же, повторенное много-много раз.
07:27
It's not as complex as it looks. That's not the issue.
156
422000
3000
Он не настолько сложен, как кажется. Проблема не в этом.
07:30
Some people say, brains can't understand brains.
157
425000
2000
Кто-то скажет, что мозг не способен понять сам себя.
07:32
Very Zen-like. Whoo. (Laughter)
158
427000
3000
Очень в духе философии дзен. Вы знаете -
07:35
You know,
159
430000
1000
(Смех)
07:36
it sounds good, but why? I mean, what's the point?
160
431000
3000
Это звучит хорошо, но почему? Я имею в виду - в чём смысл?
07:39
It's just a bunch of cells. You understand your liver.
161
434000
3000
Это лишь набор клеток. Вы понимаете, как работает ваша печень.
07:42
It's got a lot of cells in it too, right?
162
437000
2000
В ней ведь тоже множество клеток, так?
07:44
So, you know, I don't think there's anything to that.
163
439000
2000
Так что я не думаю, что проблема в этом.
07:46
And finally, some people say, well, you know,
164
441000
2000
И, последнее, некоторые говорят, знаете,
07:48
I don't feel like a bunch of cells, you know. I'm conscious.
165
443000
4000
я не чувствую, что я лишь набор клеток. У меня есть сознание.
07:52
I've got this experience, I'm in the world, you know.
166
447000
2000
У меня есть опыт, я живу в этом мире.
07:54
I can't be just a bunch of cells. Well, you know,
167
449000
2000
Я не могу быть просто набором клеток. Ну вы понимаете,
07:56
people used to believe there was a life force to be living,
168
451000
3000
люди привыкли верить, что есть некая жизненная сила, являющаяся источником жизни,
07:59
and we now know that's really not true at all.
169
454000
2000
но мы знаем, что это совершенно не верно.
08:01
And there's really no evidence that says -- well, other than people
170
456000
3000
Нет никаких свидетельств, есть только люди,
08:04
just have disbelief that cells can do what they do.
171
459000
2000
которые не верят, что клетки могут выполнять эти функции.
08:06
And so, if some people have fallen into the pit of metaphysical dualism,
172
461000
3000
И несмотря на то, что некоторые люди скатились к метафизическому дуализму,
08:09
some really smart people, too, but we can reject all that.
173
464000
3000
в том числе некоторые по-настоящему умные люди, мы можем отвергнуть это.
08:12
(Laughter)
174
467000
2000
(Смех)
08:14
No, I'm going to tell you there's something else,
175
469000
3000
Нет, там существует что-то другое,
08:17
and it's really fundamental, and this is what it is:
176
472000
2000
и это по-настоящему фундаментально:
08:19
there's another reason why we don't have a good brain theory,
177
474000
2000
есть ещё одна причина, почему у нас нет хорошей теории мозга -
08:21
and it's because we have an intuitive, strongly-held,
178
476000
3000
у нас есть интуитивное и неверное допущение,
08:24
but incorrect assumption that has prevented us from seeing the answer.
179
479000
5000
которому мы очень доверяем, но которое мешает нам увидеть ответ.
08:29
There's something we believe that just, it's obvious, but it's wrong.
180
484000
3000
Есть нечто, во что мы верим, что очевидно, но ошибочно.
08:32
Now, there's a history of this in science and before I tell you what it is,
181
487000
4000
В науке есть целая история подобных явлений, о которой я поговорю,
08:36
I'm going to tell you a bit about the history of it in science.
182
491000
2000
прежде чем рассказать об этом допущении.
08:38
You look at some other scientific revolutions,
183
493000
2000
Если посмотреть на другие революции в науке,
08:40
and this case, I'm talking about the solar system, that's Copernicus,
184
495000
2000
в данном случае я говорю о солнечной системе, Копернике,
08:42
Darwin's evolution, and tectonic plates, that's Wegener.
185
497000
3000
Теории эволюции Дарвина, тектонических плитах - это Вегенер.
08:45
They all have a lot in common with brain science.
186
500000
3000
У всех у них много общего с наукой о мозге.
08:48
First of all, they had a lot of unexplained data. A lot of it.
187
503000
3000
Во-первых, во всех этих областях есть множество необъяснённых данных. Множество.
08:51
But it got more manageable once they had a theory.
188
506000
3000
Но они стали намного более управляемыми, когда появилась теория.
08:54
The best minds were stumped -- really, really smart people.
189
509000
3000
Лучшие умы были поставлены в тупик, весьма, весьма умные люди.
08:57
We're not smarter now than they were then.
190
512000
2000
Мы сейчас не умнее, чем они были тогда.
08:59
It just turns out it's really hard to think of things,
191
514000
2000
Оказывается, по-настоящему сложно думать о чём-то,
09:01
but once you've thought of them, it's kind of easy to understand it.
192
516000
2000
но когда нечто обдумано, его достаточно просто понять.
09:03
My daughters understood these three theories
193
518000
2000
Мои дочери поняли эти три теории,
09:05
in their basic framework by the time they were in kindergarten.
194
520000
3000
в общих чертах, ещё будучи в детском саду.
09:08
And now it's not that hard, you know, here's the apple, here's the orange,
195
523000
3000
Сейчас это не так сложно, знаете - вот яблоко, вот апельсин,
09:11
you know, the Earth goes around, that kind of stuff.
196
526000
3000
земля обращается вокруг и всё такое прочее.
09:14
Finally, another thing is the answer was there all along,
197
529000
2000
И последнее, ответ всегда был здесь,
09:16
but we kind of ignored it because of this obvious thing, and that's the thing.
198
531000
3000
мы просто его игнорировали из-за этого очевидного допущения.
09:19
It was an intuitive, strong-held belief that was wrong.
199
534000
3000
Ошибка была в интуитивном допущении, которому очень доверяли.
09:22
In the case of the solar system, the idea that the Earth is spinning
200
537000
3000
В случае с солнечной системой, идея заключалась в том, что Земля вращается,
09:25
and the surface of the Earth is going like a thousand miles an hour,
201
540000
3000
её поверхность движется со скоростью более полутора тысяч километров в час,
09:28
and the Earth is going through the solar system about a million miles an hour.
202
543000
3000
а сама Земля летит сквозь солнечную систему со скоростью более миллиона километров в час.
09:31
This is lunacy. We all know the Earth isn't moving.
203
546000
2000
Это безумие. Мы ведь все знаем, что Земля не двигается.
09:33
Do you feel like you're moving a thousand miles an hour?
204
548000
2000
Вы чувствуете, что движетесь со скоростью в полторы тысячи километров в час?
09:35
Of course not. You know, and someone who said,
205
550000
2000
Конечно нет. И тот, кто скажет, что
09:37
well, it was spinning around in space and it's so huge,
206
552000
2000
она вращается в космосе, таком большом,
09:39
they would lock you up, and that's what they did back then.
207
554000
2000
будет изолирован - так раньше и делали.
09:41
(Laughter)
208
556000
1000
(Смех)
09:42
So it was intuitive and obvious. Now what about evolution?
209
557000
3000
Это было интуитивно и очевидно. Что же с эволюцией?
09:45
Evolution's the same thing. We taught our kids, well, the Bible says,
210
560000
3000
Эволюция - то же самое. Мы говорили своим детям, ну, в библии говорится,
09:48
you know, God created all these species, cats are cats, dogs are dogs,
211
563000
2000
что бог создал все эти виды, кошки это кошки, собаки это собаки,
09:50
people are people, plants are plants, they don't change.
212
565000
3000
люди это люди, растения это растения, это неизменно.
09:53
Noah put them on the Ark in that order, blah, blah, blah. And, you know,
213
568000
4000
Ной разместил их на своём ковчеге в определённом порядке и т.п. И вы знаете,
09:57
the fact is, if you believe in evolution, we all have a common ancestor,
214
572000
4000
на самом деле, если вы верите в теорию эволюции, у нас у всей есть общий предок,
10:01
and we all have a common ancestry with the plant in the lobby.
215
576000
3000
у нас общее происхождение от того растения в фойе.
10:04
This is what evolution tells us. And, it's true. It's kind of unbelievable.
216
579000
3000
Вот о чём говорит эволюция. И это правда. Это невероятно.
10:07
And the same thing about tectonic plates, you know?
217
582000
3000
То же самое с тектоническими плитами.
10:10
All the mountains and the continents are kind of floating around
218
585000
2000
Все горы и континенты плавают туда-сюда
10:12
on top of the Earth, you know? It's like, it doesn't make any sense.
219
587000
4000
по поверхности Земли. Это полная бессмыслица.
10:16
So what is the intuitive, but incorrect assumption,
220
591000
4000
Итак, какое интуитивное, но неверное допущение
10:20
that's kept us from understanding brains?
221
595000
2000
мешало нам понять мозг?
10:22
Now I'm going to tell it to you, and it's going to seem obvious that that is correct,
222
597000
2000
Сейчас я нём расскажу, и покажется очевидным, что оно верно,
10:24
and that's the point, right? Then I'm going to have to make an argument
223
599000
2000
ведь в этом же смысл, так? После чего я объясню,
10:26
why you're incorrect about the other assumption.
224
601000
2000
почему вы не правы.
10:28
The intuitive but obvious thing is that somehow intelligence
225
603000
3000
Интуитивно и очевидно, что каким-то образом интеллект
10:31
is defined by behavior,
226
606000
2000
определяется поведением,
10:33
that we are intelligent because of the way that we do things
227
608000
2000
что мы разумны по причине того, как мы делаем что-то,
10:35
and the way we behave intelligently, and I'm going to tell you that's wrong.
228
610000
3000
и того, что наше поведение разумно, и я скажу вам, что это не верно.
10:38
What it is is intelligence is defined by prediction.
229
613000
2000
Разумность определяется способностью прогнозировать.
10:40
And I'm going to work you through this in a few slides here,
230
615000
3000
Сейчас я покажу это на нескольких слайдах,
10:43
give you an example of what this means. Here's a system.
231
618000
4000
приведу пример того, что это значит. Вот система.
10:47
Engineers like to look at systems like this. Scientists like to look at systems like this.
232
622000
3000
Инженеры смотрят на системы таким образом, учёные смотрят на системы таким образом.
10:50
They say, well, we have a thing in a box, and we have its inputs and its outputs.
233
625000
3000
Они говорят, итак, у нас есть нечто внутри ящика, у которого есть свой ввод и вывод.
10:53
The AI people said, well, the thing in the box is a programmable computer
234
628000
3000
Специалисты по искусственному интеллекту говорили, что внутри ящика находится программируемый компьютер,
10:56
because that's equivalent to a brain, and we'll feed it some inputs
235
631000
2000
т.к. это эквивалентно мозгу, мы подадим что-то на ввод,
10:58
and we'll get it to do something, have some behavior.
236
633000
2000
заставим его сделать что-то, проявить какое-то поведение.
11:00
And Alan Turing defined the Turing test, which is essentially saying,
237
635000
3000
Алан Тьюринг придумал тест Тьюринга, который по сути утверждал,
11:03
we'll know if something's intelligent if it behaves identical to a human.
238
638000
3000
что мы поймём, что нечто разумно, если его поведение идентично человеческому.
11:06
A behavioral metric of what intelligence is,
239
641000
3000
Это поведенческий тест разумности,
11:09
and this has stuck in our minds for a long period of time.
240
644000
3000
надолго застрявший в наших умах.
11:12
Reality though, I call it real intelligence.
241
647000
2000
В действительности же - я называю это настоящим интеллектом -
11:14
Real intelligence is built on something else.
242
649000
2000
настоящий интеллект имеет иную базу.
11:16
We experience the world through a sequence of patterns, and we store them,
243
651000
4000
Мы ощущаем мир через последовательность шаблонов, мы их сохраняем
11:20
and we recall them. And when we recall them, we match them up
244
655000
3000
и потом вспоминаем. И когда мы их вспоминаем, мы сопоставляем их
11:23
against reality, and we're making predictions all the time.
245
658000
4000
с действительностью, постоянно строим прогнозы.
11:27
It's an eternal metric. There's an eternal metric about us sort of saying,
246
662000
3000
Это неизменный тест. Существует неизменный тест, позволяющий определить,
11:30
do we understand the world? Am I making predictions? And so on.
247
665000
3000
понимаем ли мы мир? Строю ли я прогнозы? И так далее.
11:33
You're all being intelligent right now, but you're not doing anything.
248
668000
2000
Вы все сейчас разумны, хотя вы ничего не делаете.
11:35
Maybe you're scratching yourself, or picking your nose,
249
670000
2000
Может быть вы чешетесь или ковыряете в носу,
11:37
I don't know, but you're not doing anything right now,
250
672000
2000
не знаю, но вы ничего не делаете,
11:39
but you're being intelligent; you're understanding what I'm saying.
251
674000
3000
при этом будучи разумными, понимая, что я говорю.
11:42
Because you're intelligent and you speak English,
252
677000
2000
Из-за того, что вы разумны и говорите по-английски,
11:44
you know what word is at the end of this -- (Silence)
253
679000
1000
вы знаете, какое слово будет стоять в конце этого - (пауза)
11:45
sentence.
254
680000
2000
предложения.
11:47
The word came into you, and you're making these predictions all the time.
255
682000
3000
Слово появилось у вас в голове, вы строите подобные прогнозы постоянно.
11:50
And then, what I'm saying is,
256
685000
2000
И я говорю,
11:52
is that the eternal prediction is the output in the neocortex.
257
687000
2000
что постоянное прогнозирование - продукт неокортекса.
11:54
And that somehow, prediction leads to intelligent behavior.
258
689000
3000
И что прогнозирование каким-то образом ведёт к разумному поведению.
11:57
And here's how that happens. Let's start with a non-intelligent brain.
259
692000
3000
Вот как это происходит. Давайте начнём с неразумного мозга.
12:00
Well I'll argue a non-intelligent brain, we got hold of an old brain,
260
695000
4000
Я утверждаю, что неразумный мозг, у нас есть старый мозг,
12:04
and we're going to say it's like a non-mammal, like a reptile,
261
699000
3000
скажем не млекопитающего, рептилии,
12:07
so I'll say, an alligator; we have an alligator.
262
702000
2000
к примеру возьмём аллигатора.
12:09
And the alligator has some very sophisticated senses.
263
704000
3000
Аллигатор обладает высокоразвитыми чувствами:
12:12
It's got good eyes and ears and touch senses and so on,
264
707000
3000
зрением, слухом, тактильными ощущениями,
12:15
a mouth and a nose. It has very complex behavior.
265
710000
4000
вкусом, обонянием. Это очень сложное поведение.
12:19
It can run and hide. It has fears and emotions. It can eat you, you know.
266
714000
4000
Он умеет убегать и прятаться. У него есть страхи и эмоции. Он может вас, знаете ли, съесть.
12:23
It can attack. It can do all kinds of stuff.
267
718000
4000
Он умеет атаковать. Он умеет делать много чего.
12:27
But we don't consider the alligator very intelligent, not like in a human sort of way.
268
722000
5000
Но мы не считаем аллигатора очень интеллектуальным, в человеческом понимании слова.
12:32
But it has all this complex behavior already.
269
727000
2000
Но у него и так очень сложное поведение.
12:34
Now, in evolution, what happened?
270
729000
2000
Так что же произошло в эволюции?
12:36
First thing that happened in evolution with mammals,
271
731000
3000
Первое, что случилось в эволюции млекопитающих,
12:39
we started to develop a thing called the neocortex.
272
734000
2000
у них начал развиваться неокортекс.
12:41
And I'm going to represent the neocortex here,
273
736000
2000
Здесь неокортекс изображён
12:43
by this box that's sticking on top of the old brain.
274
738000
2000
в виде прямоугольника поверх старого мозга.
12:45
Neocortex means new layer. It is a new layer on top of your brain.
275
740000
3000
Неокортекс - это новый слой. Новый слой поверх мозга.
12:48
If you don't know it, it's the wrinkly thing on the top of your head that,
276
743000
3000
Для тех кто не знает, это складчатая штука в верху головы,
12:51
it's got wrinkly because it got shoved in there and doesn't fit.
277
746000
3000
складки образовались когда в голову пытались запихнуть нечто, и оно туда не поместилось.
12:54
(Laughter)
278
749000
1000
(Смех)
12:55
No, really, that's what it is. It's about the size of a table napkin.
279
750000
2000
Нет, действительно, это так и есть. Она размером со скатерть.
12:57
And it doesn't fit, so it gets all wrinkly. Now look at how I've drawn this here.
280
752000
3000
И она не влезает, поэтому и появляются складки. Теперь посмотрите, как я нарисовал это здесь.
13:00
The old brain is still there. You still have that alligator brain.
281
755000
4000
Старый мозг всё ещё здесь. У вас до сих пор мозг аллигатора.
13:04
You do. It's your emotional brain.
282
759000
2000
Правда. Это ваш эмоциональный мозг.
13:06
It's all those things, and all those gut reactions you have.
283
761000
3000
Это все эмоции и чувства, которые вы испытываете.
13:09
And on top of it, we have this memory system called the neocortex.
284
764000
3000
А поверх него у нас расположена система памяти под названием неокортекс.
13:12
And the memory system is sitting over the sensory part of the brain.
285
767000
4000
Эта система памяти находится над сенсорным участком мозга.
13:16
And so as the sensory input comes in and feeds from the old brain,
286
771000
3000
Таким образом сенсорный ввод поступает из старого мозга
13:19
it also goes up into the neocortex. And the neocortex is just memorizing.
287
774000
4000
вверх в неокортекс. А неокортекс просто запоминает.
13:23
It's sitting there saying, ah, I'm going to memorize all the things that are going on:
288
778000
4000
Он как будто говорит: окей, я запомню всё, что происходит,
13:27
where I've been, people I've seen, things I've heard, and so on.
289
782000
2000
где я был, каких людей видел, что слышал и так далее.
13:29
And in the future, when it sees something similar to that again,
290
784000
4000
А в будущем, когда он увидит что-то похожее,
13:33
so in a similar environment, or the exact same environment,
291
788000
3000
в похожей или такой же среде,
13:36
it'll play it back. It'll start playing it back.
292
791000
2000
он воспроизведёт свои воспоминания.
13:38
Oh, I've been here before. And when you've been here before,
293
793000
2000
О, я уже был здесь. И, когда вы были здесь,
13:40
this happened next. It allows you to predict the future.
294
795000
3000
вот что произошло. Этот механизм позволяет вам прогнозировать будущее.
13:43
It allows you to, literally it feeds back the signals into your brain;
295
798000
4000
Он позволяет вам, фигурально говоря, он воспроизводит сигналы внутри вашего мозга,
13:47
they'll let you see what's going to happen next,
296
802000
2000
позволяющие вам увидеть, что произойдёт дальше,
13:49
will let you hear the word "sentence" before I said it.
297
804000
3000
услышать слово "предложение" до того, как я его произнёс.
13:52
And it's this feeding back into the old brain
298
807000
3000
Это воспроизведение сигналов в старом мозгу
13:55
that'll allow you to make very more intelligent decisions.
299
810000
3000
как раз и позволяет вам принимать более разумные решения.
13:58
This is the most important slide of my talk, so I'll dwell on it a little bit.
300
813000
3000
Это наиболее важный слайд моего выступления, так что я на нём немного задержусь.
14:01
And so, all the time you say, oh, I can predict the things.
301
816000
4000
Итак, вы каждый раз говорите "я могу прогнозировать".
14:05
And if you're a rat and you go through a maze, and then you learn the maze,
302
820000
3000
Если вы крыса, пробирающаяся через лабиринт, и когда вы запоминаете лабиринт,
14:08
the next time you're in a maze, you have the same behavior,
303
823000
2000
то в следующий раз, когда вы там, ваше поведение будет тем же самым,
14:10
but all of a sudden, you're smarter
304
825000
2000
совершенно внезапно вы станете умнее,
14:12
because you say, oh, I recognize this maze, I know which way to go,
305
827000
3000
говоря себе "я узнаю этот лабиринт, я знаю, куда идти,
14:15
I've been here before, I can envision the future. And that's what it's doing.
306
830000
3000
я был здесь раньше, я могу предвидеть будущее". Вот что происходит.
14:18
In humans -- by the way, this is true for all mammals;
307
833000
3000
У людей - кстати, это верно для всех млекопитающих -
14:21
it's true for other mammals -- and in humans, it got a lot worse.
308
836000
2000
а у людей всё намного хуже.
14:23
In humans, we actually developed the front part of the neocortex
309
838000
3000
У людей развилась передняя часть неокортекса.
14:26
called the anterior part of the neocortex. And nature did a little trick.
310
841000
4000
Природа проделала небольшой трюк:
14:30
It copied the posterior part, the back part, which is sensory,
311
845000
2000
она скопировала заднюю часть, сенсорную,
14:32
and put it in the front part.
312
847000
2000
и поместила её в переднюю.
14:34
And humans uniquely have the same mechanism on the front,
313
849000
2000
У человека появился уникальный механизм в передней части мозга,
14:36
but we use it for motor control.
314
851000
2000
который используется для управления моторными функциями.
14:38
So we are now able to make very sophisticated motor planning, things like that.
315
853000
3000
Так что теперь мы можем выполнять весьма тонкие моторные задачи и так далее.
14:41
I don't have time to get into all this, but if you want to understand how a brain works,
316
856000
3000
У меня нет времени, чтобы вдаваться в детали, но если вы хотите понять как работает мозг,
14:44
you have to understand how the first part of the mammalian neocortex works,
317
859000
3000
нужно разобраться, как работает первая часть неокортекса млекопитающих,
14:47
how it is we store patterns and make predictions.
318
862000
2000
каким образом мы запоминаем шаблоны и строим прогнозы.
14:49
So let me give you a few examples of predictions.
319
864000
3000
Так что позвольте мне привести несколько примеров прогнозов.
14:52
I already said the word "sentence." In music,
320
867000
2000
Я уже произнёс слово "предложение". В музыке,
14:54
if you've heard a song before, if you heard Jill sing those songs before,
321
869000
3000
если вы уже слышали какую-то песню, если вы слышали песни, которую недавно исполняла Джилл,
14:57
when she sings them, the next note pops into your head already --
322
872000
3000
когда она их поёт, следующая нота появляется в вашей голове -
15:00
you anticipate it as you're going. If it was an album of music,
323
875000
2000
вы ожидаете её. Если бы это был музыкальный альбом,
15:02
the end of one album, the next song pops into your head.
324
877000
3000
по окончании одной песни следующая песня возникала бы у вас в голове.
15:05
And these things happen all the time. You're making these predictions.
325
880000
2000
Это происходит постоянно. Вы строите такие прогнозы.
15:07
I have this thing called the altered door thought experiment.
326
882000
3000
Я придумал такой мыслительный эксперимент - изменённая дверь.
15:10
And the altered door thought experiment says, you have a door at home,
327
885000
3000
В этом эксперименте у вас есть дверь - дома,
15:13
and when you're here, I'm changing it, I've got a guy
328
888000
3000
и пока вы находитесь здесь, я её меняю, у меня есть человек,
15:16
back at your house right now, moving the door around,
329
891000
2000
который находится сейчас у вас дома и передвигает вашу дверь,
15:18
and they're going to take your doorknob and move it over two inches.
330
893000
2000
он передвинет вашу дверную ручку на пять сантиметров.
15:20
And when you go home tonight, you're going to put your hand out there,
331
895000
2000
И когда вы вернётесь домой, вы протянете руку,
15:22
and you're going to reach for the doorknob and you're going to notice
332
897000
2000
потянетесь за дверной ручкой и заметите,
15:24
it's in the wrong spot, and you'll go, whoa, something happened.
333
899000
3000
что она не на том месте, и вы подумаете "что-то произошло".
15:27
It may take a second to figure out what it was, but something happened.
334
902000
2000
На это может потребоваться одна секунда, чтобы понять что именно, но вы это заметите.
15:29
Now I could change your doorknob in other ways.
335
904000
2000
Также я мог бы поменять вашу дверную ручку по-другому.
15:31
I can make it larger or smaller, I can change its brass to silver,
336
906000
2000
Я мог бы сделать её больше или меньше, я мог бы сделать её бронзовой или серебряной,
15:33
I could make it a lever. I can change your door, put colors on;
337
908000
2000
я мог бы изменить её форму. Я могу поменять вашу дверь, перекрасить её,
15:35
I can put windows in. I can change a thousand things about your door,
338
910000
3000
вставить в неё окошко. Я могу изменить множество деталей,
15:38
and in the two seconds you take to open your door,
339
913000
2000
и в течение двух секунд, которые требуются вам, чтобы открыть дверь,
15:40
you're going to notice that something has changed.
340
915000
3000
вы заметите, что что-то произошло.
15:43
Now, the engineering approach to this, the AI approach to this,
341
918000
2000
Инженерный подход к проблеме, подход со стороны искусственного интеллекта, -
15:45
is to build a door database. It has all the door attributes.
342
920000
3000
построить базу данных дверей. У неё есть все атрибуты дверей.
15:48
And as you go up to the door, you know, let's check them off one at time.
343
923000
3000
И когда вы подходите к двери - нужно проверить их все.
15:51
Door, door, door, you know, color, you know what I'm saying.
344
926000
2000
Дверь, дверь, дверь, знаете, цвет, ну вы меня понимаете.
15:53
We don't do that. Your brain doesn't do that.
345
928000
2000
Мы этого не делаем. Наш мозг этого не делает.
15:55
What your brain is doing is making constant predictions all the time
346
930000
2000
Что наш мозг делает, так это постоянно строит прогнозы
15:57
about what is going to happen in your environment.
347
932000
2000
того, что произойдёт в текущей обстановке.
15:59
As I put my hand on this table, I expect to feel it stop.
348
934000
3000
Когда я кладу свою руку на этот стол, я ожидаю, что она остановится.
16:02
When I walk, every step, if I missed it by an eighth of an inch,
349
937000
3000
Когда я иду, делаю шаг, если я ошибся на треть сантиметра,
16:05
I'll know something has changed.
350
940000
2000
я знаю, что что-то изменилось.
16:07
You're constantly making predictions about your environment.
351
942000
2000
Вы постоянно прогнозируете окружающую обстановку.
16:09
I'll talk about vision here briefly. This is a picture of a woman.
352
944000
3000
Здесь я кратко упомяну зрение. Вот изображение женщины.
16:12
And when you look at people, your eyes are caught
353
947000
2000
Когда вы смотрите на людей, ваши глаза двигаются
16:14
over at two to three times a second.
354
949000
1000
от двух до трёх раз в секунду.
16:15
You're not aware of this, but your eyes are always moving.
355
950000
2000
Вы этого не осознаёте, но ваши глаза постоянно двигаются.
16:17
And so when you look at someone's face,
356
952000
2000
И когда вы смотрите на чьё-либо лицо,
16:19
you'd typically go from eye to eye to eye to nose to mouth.
357
954000
2000
вы бросаете взгляд на глаз, потом на другой, снова на глаз, на нос, на рот.
16:21
Now, when your eye moves from eye to eye,
358
956000
2000
Теперь, когда ваш глаз двигается от глаза к глазу,
16:23
if there was something else there like, a nose,
359
958000
2000
если там оказывается что-то не то, например нос,
16:25
you'd see a nose where an eye is supposed to be,
360
960000
2000
вы видите нос там, где должен быть глаз,
16:27
and you'd go, oh shit, you know --
361
962000
3000
и вы думаете "о чёрт,
16:30
(Laughter)
362
965000
1000
(Смех)
16:31
There's something wrong about this person.
363
966000
2000
что-то не так с этим человеком".
16:33
And that's because you're making a prediction.
364
968000
2000
И это происходит потому, что вы прогнозируете.
16:35
It's not like you just look over there and say, what am I seeing now?
365
970000
2000
Вы не смотрите туда и говорите: "так, что я сейчас вижу?"
16:37
A nose, that's okay. No, you have an expectation of what you're going to see.
366
972000
3000
Нос, порядок. Нет, вы ожидаете то, что собираетесь увидеть.
16:40
(Laughter)
367
975000
1000
(Смех)
16:41
Every single moment. And finally, let's think about how we test intelligence.
368
976000
4000
В каждый момент времени. И последнее, давайте подумаем, как мы тестируем интеллект.
16:45
We test it by prediction. What is the next word in this, you know?
369
980000
3000
Мы тестируем его по прогнозированию. Какое следующее слово в этом, понимаете?
16:48
This is to this as this is to this. What is the next number in this sentence?
370
983000
3000
Это относится к тому так же, как это к этому. Какое следующее число в этом предложении?
16:51
Here's three visions of an object.
371
986000
2000
Вот три ракурса одного объекта.
16:53
What's the fourth one? That's how we test it. It's all about prediction.
372
988000
4000
Каков четвёртый? Вот так мы это её проверяем. Разумность подразумевает прогнозирование.
16:57
So what is the recipe for brain theory?
373
992000
3000
Так какой же рецепт теории мозга?
17:00
First of all, we have to have the right framework.
374
995000
3000
Во-первых, нам нужна подходящая система взглядов.
17:03
And the framework is a memory framework,
375
998000
2000
Система взглядов на память,
17:05
not a computation or behavior framework. It's a memory framework.
376
1000000
2000
не вычисления или поведение.
17:07
How do you store and recall these sequences or patterns? It's spatio-temporal patterns.
377
1002000
4000
Как вы запоминаете и вспоминаете эти последовательности или паттерны? Это пространственно-временные паттерны.
17:11
Then, if in that framework, you take a bunch of theoreticians.
378
1006000
3000
Потом, в рамках этой системы взглядов понадобится набор теоретиков.
17:14
Now biologists generally are not good theoreticians.
379
1009000
2000
Биологи обыкновенно не являются хорошими теоретиками.
17:16
It's not always true, but in general, there's not a good history of theory in biology.
380
1011000
4000
Это не всегда верно, но обычно, биология не может похвастать своими теориями.
17:20
So I found the best people to work with are physicists,
381
1015000
3000
Так что я обнаружил, что лучше всего работать с физиками,
17:23
engineers and mathematicians, who tend to think algorithmically.
382
1018000
3000
инженерами и математиками, которые думают алгоритмично.
17:26
Then they have to learn the anatomy, and they've got to learn the physiology.
383
1021000
3000
Им приходится изучить анатомию и физиологию.
17:29
You have to make these theories very realistic in anatomical terms.
384
1024000
4000
Эти теории должны быть весьма реалистичными в терминах анатомии.
17:33
Anyone who gets up and tells you their theory about how the brain works
385
1028000
4000
Любой, рассказывающий свою теорию о том, как работает мозг,
17:37
and doesn't tell you exactly how it's working in the brain
386
1032000
2000
и не говорящий о том, как конкретно это работает в мозгу,
17:39
and how the wiring works in the brain, it is not a theory.
387
1034000
2000
как выстраиваются связи в мозгу, не обладает теорией.
17:41
And that's what we're doing at the Redwood Neuroscience Institute.
388
1036000
3000
Вот что мы делаем в Редвудском институте неврологии.
17:44
I would love to have more time to tell you we're making fantastic progress in this thing,
389
1039000
4000
Я бы очень хотел, чтобы у меня было больше времени на рассказ о том, как фантастически продвинулись мы в этой области,
17:48
and I expect to be back up on this stage,
390
1043000
2000
и я ожидаю появиться на этой сцене снова,
17:50
maybe this will be some other time in the not too distant future and tell you about it.
391
1045000
2000
возможно в другой раз в не столь отдалённом будущем, и рассказать вам об этом.
17:52
I'm really, really excited. This is not going to take 50 years at all.
392
1047000
3000
Я очень, очень взволнован. Это вовсе не потребует пятидесяти лет.
17:55
So what will brain theory look like?
393
1050000
2000
Так как будет выглядеть теория мозга?
17:57
First of all, it's going to be a theory about memory.
394
1052000
2000
Во-первых, это будет теория памяти.
17:59
Not like computer memory. It's not at all like computer memory.
395
1054000
3000
Не памяти наподобие компьютерной. Это вовсе не похоже на компьютерную память.
18:02
It's very, very different. And it's a memory of these very
396
1057000
2000
Она совсем, совсем другая. Это память
18:04
high-dimensional patterns, like the things that come from your eyes.
397
1059000
3000
шаблонов высокого порядка, тех, которые создаются вашим зрением.
18:07
It's also memory of sequences.
398
1062000
2000
Также это память последовательностей.
18:09
You cannot learn or recall anything outside of a sequence.
399
1064000
2000
Вы не можете выучить либо вспомнить что-либо за пределами последовательности.
18:11
A song must be heard in sequence over time,
400
1066000
3000
Песню нужно слушать в определённой последовательности во времени,
18:14
and you must play it back in sequence over time.
401
1069000
3000
так же, как и проигрывать.
18:17
And these sequences are auto-associatively recalled, so if I see something,
402
1072000
3000
И эти последовательности всплывают в памяти автоматически-ассоциативно, если я что-то вижу,
18:20
I hear something, it reminds me of it, and then it plays back automatically.
403
1075000
3000
что-то слышу, оно мне напоминает об этом, и следом автоматически воспроизводится.
18:23
It's an automatic playback. And prediction of future inputs is the desired output.
404
1078000
4000
Это автоматическое воспроизведение. И прогнозирование будущих входящих данных - это предпочтительный вывод.
18:27
And as I said, the theory must be biologically accurate,
405
1082000
3000
И как я говорил, теория должна быть точной биологически,
18:30
it must be testable, and you must be able to build it.
406
1085000
2000
она должна быть проверяемой, и должна быть возможность её реализовать на практике.
18:32
If you don't build it, you don't understand it. So, one more slide here.
407
1087000
4000
Если вы не можете практически реализовать теорию, вы её не понимаете. Итак, ещё один слайд.
18:36
What is this going to result in? Are we going to really build intelligent machines?
408
1091000
4000
К чему это приведёт? Построим ли мы разумные машины?
18:40
Absolutely. And it's going to be different than people think.
409
1095000
4000
Безусловно. И это будет сделано по-другому, нежели люди думают.
18:44
No doubt that it's going to happen, in my mind.
410
1099000
3000
В том, что это произойдёт, у меня нет никаких сомнений.
18:47
First of all, it's going to be built up, we're going to build the stuff out of silicon.
411
1102000
4000
Во-первых, они будут построены, и будут построены на основе кремния.
18:51
The same techniques we use for building silicon computer memories,
412
1106000
3000
Здесь мы сможем использовать те же технологии, что мы используем для
18:54
we can use for here.
413
1109000
1000
построения компьютерной памяти.
18:55
But they're very different types of memories.
414
1110000
2000
Но это совершенно различные типы памяти.
18:57
And we're going to attach these memories to sensors,
415
1112000
2000
И мы подключим её к сенсорам,
18:59
and the sensors will experience real-live, real-world data,
416
1114000
3000
и сенсоры будут получать данные в реальном времени, из реального мира,
19:02
and these things are going to learn about their environment.
417
1117000
2000
эти создания будут познавать свою окружающую среду.
19:04
Now it's very unlikely the first things you're going to see are like robots.
418
1119000
3000
Очень маловероятно, что первое, что вы увидите, будет похоже на роботов.
19:07
Not that robots aren't useful and people can build robots.
419
1122000
3000
Не так чтобы роботы не были полезны, люди могут конструировать роботов.
19:10
But the robotics part is the hardest part. That's the old brain. That's really hard.
420
1125000
4000
Но робототехника - наиболее сложная часть. Это старый мозг. Это действительно сложно.
19:14
The new brain is actually kind of easier than the old brain.
421
1129000
2000
Новый мозг проще старого.
19:16
So the first thing we're going to do are the things that don't require a lot of robotics.
422
1131000
3000
Так что первое, что мы сделаем, не будет требовать значительного использования робототехники.
19:19
So you're not going to see C-3PO.
423
1134000
2000
Так что вы не увидите Си-3 Пи О.
19:21
You're going to more see things like, you know, intelligent cars
424
1136000
2000
Вы увидите больше вещей наподобие умных машин,
19:23
that really understand what traffic is and what driving is
425
1138000
3000
которые понимают, что такое трафик и что такое вождение,
19:26
and have learned that certain types of cars with the blinkers on for half a minute
426
1141000
3000
и которые выучили, что есть такой тип машин с включёнными уже полминуты поворотниками,
19:29
probably aren't going to turn, things like that.
427
1144000
2000
которые скорее всего не собираются поворачивать, и тому подобное.
19:31
(Laughter)
428
1146000
1000
(Смех)
19:32
We can also do intelligent security systems.
429
1147000
2000
Мы также можем строить интеллектуальные системы безопасности.
19:34
Anywhere where we're basically using our brain, but not doing a lot of mechanics.
430
1149000
4000
Что угодно, где мы используем мозг, но не выполняем большого числа механических действий.
19:38
Those are the things that are going to happen first.
431
1153000
2000
Это произойдёт в первую очередь.
19:40
But ultimately, the world's the limit here.
432
1155000
2000
Но в конечном итоге предела не существует.
19:42
I don't know how this is going to turn out.
433
1157000
2000
Я не знаю, чем это обернётся,
19:44
I know a lot of people who invented the microprocessor
434
1159000
2000
Я знаю многих людей, которые изобрели микропроцессор,
19:46
and if you talk to them, they knew what they were doing was really significant,
435
1161000
5000
они знали, что делают что-то действительно важное,
19:51
but they didn't really know what was going to happen.
436
1166000
3000
но не знали, что произойдёт в результате.
19:54
They couldn't anticipate cell phones and the Internet and all this kind of stuff.
437
1169000
5000
Они не могли предвидеть сотовых телефонов, сети Интернет и прочего.
19:59
They just knew like, hey, they were going to build calculators
438
1174000
2000
Они лишь знали, что будут строить калькуляторы
20:01
and traffic light controllers. But it's going to be big.
439
1176000
2000
и системы контроля за переключателями сфетофоров. Последствия этих исследований будут большими.
20:03
In the same way, this is like brain science and these memories
440
1178000
3000
Точно так же, наука о мозге и памяти
20:06
are going to be a very fundamental technology, and it's going to lead
441
1181000
3000
станет основной технологией, и это приведёт
20:09
to very unbelievable changes in the next 100 years.
442
1184000
3000
к самым невероятным преобразованиям в течение следующих ста лет.
20:12
And I'm most excited about how we're going to use them in science.
443
1187000
4000
И больше всего меня волнует, как мы их используем в науке.
20:16
So I think that's all my time, I'm over it, and I'm going to end my talk
444
1191000
3000
Думаю моё время вышло, на этом я и закончу
20:19
right there.
445
1194000
1000
своё выступление.
ABOUT THE SPEAKER
Jeff Hawkins - Computer designer, brain researcherJeff Hawkins pioneered the development of PDAs such as the Palm and Treo. Now he's trying to understand how the human brain really works, and adapt its method -- which he describes as a deep system for storing memory -- to create new kinds of computers and tools.
Why you should listen
Jeff Hawkins' Palm PDA became such a widely used productivity tool during the 1990s that some fanatical users claimed it replaced their brains. But Hawkins' deepest interest was in the brain itself. So after the success of the Palm and Treo, which he brought to market at Handspring, Hawkins delved into brain research at the Redwood Center for Theoretical Neuroscience in Berkeley, Calif., and a new company called Numenta.
Hawkins' dual goal is to achieve an understanding of how the human brain actually works -- and then develop software to mimic its functionality, delivering true artificial intelligence. In his book On Intelligence (2004) he lays out his compelling, controversial theory: Contrary to popular AI wisdom, the human neocortex doesn't work like a processor; rather, it relies on a memory system that stores and plays back experiences to help us predict, intelligently, what will happen next. He thinks that "hierarchical temporal memory" computer platforms, which mimic this functionality (and which Numenta might pioneer), could enable groundbreaking new applications that could powerfully extend human intelligence.
Jeff Hawkins | Speaker | TED.com