ABOUT THE SPEAKER
Kwabena Boahen - Bioengineer
Kwabena Boahen wants to understand how brains work -- and to build a computer that works like the brain by reverse-engineering the nervous system. His group at Stanford is developing Neurogrid, a hardware platform that will emulate the cortex’s inner workings.

Why you should listen

Kwabena Boahen is the principal investigator at the Brains in Silicon lab at Stanford. He writes of himself:

Being a scientist at heart, I want to understand how cognition arises from neuronal properties. Being an engineer by training, I am using silicon integrated circuits to emulate the way neurons compute, linking the seemingly disparate fields of electronics and computer science with neurobiology and medicine.

My group's contributions to the field of neuromorphic engineering include a silicon retina that could be used to give the blind sight and a self-organizing chip that emulates the way the developing brain wires itself up. Our work is widely recognized, with over sixty publications, including a cover story in the May 2005 issue of Scientific American.

My current research interest is building a simulation platform that will enable the cortex's inner workings to be modeled in detail. While progress has been made linking neuronal properties to brain rhythms, the task of scaling up these models to link neuronal properties to cognition still remains. Making the supercomputer-performance required affordable is the goal of our Neurogrid project. It is at the vanguard of a profound shift in computing, away from the sequential, step-by-step Von Neumann machine towards a parallel, interconnected architecture more like the brain.

More profile about the speaker
Kwabena Boahen | Speaker | TED.com
TEDGlobal 2007

Kwabena Boahen: A computer that works like the brain

Квабена Боахен рассказывает о компьютере, который работает по принципу мозга

Filmed:
718,375 views

Исследователь Квабена Боахен ищет пути повторения в силиконе колоссальной вычислительной мощности человеческого мозга, поскольку изучение беспорядочных, характеризующихся высокой избыточностью процессов, протекающих в голове человека, даёт реальный толчок для создания небольшого, лёгкого и супер быстрого компьютера.
- Bioengineer
Kwabena Boahen wants to understand how brains work -- and to build a computer that works like the brain by reverse-engineering the nervous system. His group at Stanford is developing Neurogrid, a hardware platform that will emulate the cortex’s inner workings. Full bio

Double-click the English transcript below to play the video.

00:18
I got my first computerкомпьютер when I was a teenagerподросток growingрост up in AccraАкра,
0
0
5000
Я получил свой первый компьютер,
когда был ещё подростком и жил в Аккре,
00:23
and it was a really coolкруто deviceустройство.
1
5000
3000
и это была реально крутая машина.
00:26
You could playиграть gamesигры with it. You could programпрограмма it in BASICБейсик.
2
8000
5000
На нем можно было играть в компьютерные игры,
можно было программировать на Бейсике.
00:31
And I was fascinatedочарованный.
3
13000
2000
Я был просто очарован.
00:33
So I wentотправился into the libraryбиблиотека to figureфигура out how did this thing work.
4
15000
6000
И пошёл в библиотеку, чтобы выяснить,
как эта штука работает.
00:39
I readчитать about how the CPUЦПУ is constantlyпостоянно shufflingшарканье dataданные back and forthвперед
5
21000
5000
Я прочёл о том, как центральный процессор
постоянно пересылает туда-обратно данные,
00:44
betweenмежду the memoryПамять, the RAMОЗУ and the ALUALU,
6
26000
4000
которыми обмениваются память, ОЗУ и АЛУ,
00:48
the arithmeticарифметика and logicлогика unitЕд. изм.
7
30000
2000
арифметическо-логическое устройство.
00:50
And I thought to myselfсебя, this CPUЦПУ really has to work like crazyпсих
8
32000
4000
И я подумал про себя, что этот ЦП должен
работать просто как сумасшедший только для того,
00:54
just to keep all this dataданные movingперемещение throughчерез the systemсистема.
9
36000
4000
чтобы поддерживать передачу
по системе всех этих данных.
00:58
But nobodyникто was really worriedволновался about this.
10
40000
3000
Но никого это особо не волновало.
01:01
When computersкомпьютеры were first introducedвведены,
11
43000
2000
Когда компьютеры впервые появились, было сказано,
01:03
they were said to be a millionмиллиона timesраз fasterБыстрее than neuronsнейроны.
12
45000
3000
что они функционируют в миллион раз быстрее,
чем нейроны.
01:06
People were really excitedв восторге. They thought they would soonскоро outstripопережать
13
48000
5000
И люди были полны энтузиазма, они думали,
01:11
the capacityвместимость of the brainголовной мозг.
14
53000
3000
что вскоре смогут превзойти
возможности человеческого мозга.
01:14
This is a quoteкотировка, actuallyна самом деле, from AlanАлан TuringТьюринг:
15
56000
3000
Вот подлинная цитата из Алана Тюринга:
01:17
"In 30 yearsлет, it will be as easyлегко to askпросить a computerкомпьютер a questionвопрос
16
59000
4000
«Через 30 лет задать вопрос компьютеру
будет так же просто,
01:21
as to askпросить a personчеловек."
17
63000
2000
как задать вопрос человеку».
01:23
This was in 1946. And now, in 2007, it's still not trueправда.
18
65000
7000
Это было сказано в 1946 году.
И сейчас, в 2007, это всё ещё не так.
01:30
And so, the questionвопрос is, why aren'tне we really seeingвидя
19
72000
4000
Вопрос состоит в том, почему мы не получаем
01:34
this kindсвоего рода of powerмощность in computersкомпьютеры that we see in the brainголовной мозг?
20
76000
4000
от компьютеров той производительности,
которую демонстрирует мозг?
01:38
What people didn't realizeпонимать, and I'm just beginningначало to realizeпонимать right now,
21
80000
4000
Чего люди не осознавали, и что я сам
начинаю понимать только сейчас,
01:42
is that we payплатить a hugeогромный priceцена for the speedскорость
22
84000
2000
так это то, что мы платим
огромную цену за эту скорость,
01:44
that we claimЗапрос is a bigбольшой advantageпреимущество of these computersкомпьютеры.
23
86000
4000
которую мы декларировали
как огромное преимущество компьютеров.
01:48
Let's take a look at some numbersчисел.
24
90000
2000
Давайте взглянем на некоторые цифры.
01:50
This is Blueсиний GeneГен, the fastestбыстрый computerкомпьютер in the worldМир.
25
92000
4000
Это Blue Gene, самый быстрый компьютер в мире.
01:54
It's got 120,000 processorsпроцессоры; they can basicallyв основном processобработать
26
96000
5000
Он содержит 120 000 процессоров,
которые в штатном режиме могут обрабатывать
01:59
10 quadrillionквадрильон bitsбиты of informationИнформация perв secondвторой.
27
101000
3000
10 квадриллионов бит информации в секунду.
02:02
That's 10 to the sixteenthшестнадцатый. And they consumeпотреблять one and a halfполовина megawattsмегаватта of powerмощность.
28
104000
7000
Это 10 в 16-й степени. И они потребляют
мощность в полтора мегаватта.
02:09
So that would be really great, if you could addДобавить that
29
111000
3000
Было бы просто великолепно,
если бы мы могли увеличить на этот объем
02:12
to the productionпроизводство capacityвместимость in TanzaniaТанзания.
30
114000
2000
производство электроэнергии в Танзании.
02:14
It would really boostувеличение the economyэкономика.
31
116000
2000
Это был бы просто экономический взрыв.
02:16
Just to go back to the Statesсостояния,
32
118000
4000
Если вернуться к Соединённым Штатам,
02:20
if you translateпереведите the amountколичество of powerмощность or electricityэлектричество
33
122000
2000
и перевести количество электрической энергии,
02:22
this computerкомпьютер usesиспользования to the amountколичество of householdsдомохозяйства in the Statesсостояния,
34
124000
3000
которое потребляет этот компьютер,
в количество домохозяйств в Штатах,
02:25
you get 1,200 householdsдомохозяйства in the U.S.
35
127000
4000
мы получим 1 200 домохозяйств в США.
02:29
That's how much powerмощность this computerкомпьютер usesиспользования.
36
131000
2000
Именно такое количество электроэнергии
потребляет этот компьютер.
02:31
Now, let's compareсравнить this with the brainголовной мозг.
37
133000
3000
Теперь давайте сравним это с мозгом.
02:34
This is a pictureкартина of, actuallyна самом деле RoryРори Sayres'Сейрс girlfriend'sподруга brainголовной мозг.
38
136000
5000
Вот изображение мозга девушки Рори Сэйреса.
02:39
RoryРори is a graduateвыпускник studentстудент at StanfordStanford.
39
141000
2000
Рори — аспирант в Стэнфорде.
02:41
He studiesисследования the brainголовной мозг usingс помощью MRIМРТ, and he claimsтребования that
40
143000
4000
Он изучает мозг при помощи МРТ, и он утверждает,
02:45
this is the mostбольшинство beautifulкрасивая brainголовной мозг that he has ever scannedсканируется.
41
147000
3000
что это самый красивый мозг,
который ему когда-либо приходилось сканировать.
02:48
(LaughterСмех)
42
150000
2000
(Смех)
02:50
So that's trueправда love, right there.
43
152000
3000
Вот что значит подлинная любовь.
02:53
Now, how much computationвычисление does the brainголовной мозг do?
44
155000
3000
Итак, какой объем вычислений выполняет мозг?
02:56
I estimateоценить 10 to the 16 bitsбиты perв secondвторой,
45
158000
2000
Я оцениваю эту величину
в 10 в 16-й степени бит в секунду,
02:58
whichкоторый is actuallyна самом деле about very similarаналогичный to what Blueсиний GeneГен does.
46
160000
4000
что примерно соответствует
производительности Blue Gene.
03:02
So that's the questionвопрос. The questionвопрос is, how much --
47
164000
2000
И вот — вопрос.
Вопрос состоит в том, сколько —
03:04
they are doing a similarаналогичный amountколичество of processingобработка, similarаналогичный amountколичество of dataданные --
48
166000
3000
они выполняют аналогичный объем обработки,
одинаковый объем данных —
03:07
the questionвопрос is how much energyэнергия or electricityэлектричество does the brainголовной мозг use?
49
169000
5000
вопрос состоит в том,
сколько электрической энергии потребляет мозг?
03:12
And it's actuallyна самом деле as much as your laptopпортативный компьютер computerкомпьютер:
50
174000
3000
Реально — столько же,
сколько ваш портативный компьютер:
03:15
it's just 10 wattsВт.
51
177000
2000
всего лишь 10 ватт.
03:17
So what we are doing right now with computersкомпьютеры
52
179000
3000
Итак, те задачи, которые мы сейчас
решаем при помощи компьютеров,
03:20
with the energyэнергия consumedпотребляются by 1,200 housesдома,
53
182000
3000
потребляющих энергию,
которой хватило бы на 1 200 домов,
03:23
the brainголовной мозг is doing with the energyэнергия consumedпотребляются by your laptopпортативный компьютер.
54
185000
5000
мозг решает, используя количество энергии,
потребляемое вашим ноутбуком.
03:28
So the questionвопрос is, how is the brainголовной мозг ableв состоянии to achieveдостигать this kindсвоего рода of efficiencyэффективность?
55
190000
3000
Вопрос состоит в том, как мозгу удаётся
достичь такого уровня производительности?
03:31
And let me just summarizeподведем итог. So the bottomдно lineлиния:
56
193000
2000
Давайте подведём итог. Нижняя кривая:
03:33
the brainголовной мозг processesпроцессы informationИнформация usingс помощью 100,000 timesраз lessМеньше energyэнергия
57
195000
4000
мозг обрабатывает информацию,
используя в 100 000 раз меньше энергии,
03:37
than we do right now with this computerкомпьютер technologyтехнологии that we have.
58
199000
4000
чем мы с имеющимися компьютерными технологиями.
03:41
How is the brainголовной мозг ableв состоянии to do this?
59
203000
2000
Как мозгу удаётся добиться такого результата?
03:43
Let's just take a look about how the brainголовной мозг worksработает,
60
205000
3000
Давайте рассмотрим кратко, как функционирует мозг,
03:46
and then I'll compareсравнить that with how computersкомпьютеры work.
61
208000
4000
а затем сравним это с тем, как работает компьютер.
03:50
So, this clipклип is from the PBSPBS seriesсерии, "The Secretсекрет Life of the BrainГоловной мозг."
62
212000
4000
Это клип взят из сериала PBS «Тайная жизнь мозга».
03:54
It showsшоу you these cellsячейки that processобработать informationИнформация.
63
216000
3000
В нем показаны клетки,
которые выполняют обработку информации.
03:57
They are calledназывается neuronsнейроны.
64
219000
1000
Они называются нейронами.
03:58
They sendОтправить little pulsesимпульсы of electricityэлектричество down theirих processesпроцессы to eachкаждый other,
65
220000
6000
Через отростки они посылают друг другу
слабые электрические импульсы,
04:04
and where they contactконтакт eachкаждый other, those little pulsesимпульсы
66
226000
2000
и там, где отростки соприкасаются
друг с другом, эти слабые импульсы
04:06
of electricityэлектричество can jumpПрыгать from one neuronнейрон to the other.
67
228000
2000
электричества могут перейти
от одного нейрона к другому.
04:08
That processобработать is calledназывается a synapseсинапс.
68
230000
3000
Этот процесс называется синапс.
04:11
You've got this hugeогромный networkсеть of cellsячейки interactingвзаимодействующий with eachкаждый other --
69
233000
2000
У вас есть эта огромная сеть
взаимодействующих друг с другом клеток,
04:13
about 100 millionмиллиона of them,
70
235000
2000
их примерно 100 миллионов,
04:15
sendingотправка about 10 quadrillionквадрильон of these pulsesимпульсы around everyкаждый secondвторой.
71
237000
4000
которые посылают 10 квадриллионов
таких импульсов каждую секунду.
04:19
And that's basicallyв основном what's going on in your brainголовной мозг right now as you're watchingнаблюдение this.
72
241000
6000
И это, в сущности, то, что происходит
в вашем мозгу сейчас, когда вы слушаете эту лекцию.
04:25
How does that compareсравнить with the way computersкомпьютеры work?
73
247000
2000
Как это соотносится с тем, как работает компьютер?
04:27
In the computerкомпьютер, you have all the dataданные
74
249000
2000
В компьютере все данные
04:29
going throughчерез the centralцентральный processingобработка unitЕд. изм,
75
251000
2000
проходят через центральный процессор,
поэтому любая часть данных
04:31
and any pieceкусок of dataданные basicallyв основном has to go throughчерез that bottleneckгорлышко бутылки,
76
253000
3000
изначально вынуждена пройти
через это «бутылочное горлышко».
04:34
whereasв то время как in the brainголовной мозг, what you have is these neuronsнейроны,
77
256000
4000
В то же время, в мозгу есть только эти нейроны
04:38
and the dataданные just really flowsпотоки throughчерез a networkсеть of connectionsсвязи
78
260000
4000
и поток данных просто проходит
через сеть, образованную связями
04:42
amongсреди the neuronsнейроны. There's no bottleneckгорлышко бутылки here.
79
264000
2000
между нейронами,
поэтому здесь просто нет узкого места.
04:44
It's really a networkсеть in the literalбуквальный senseсмысл of the wordслово.
80
266000
4000
Это действительно сеть
в буквальном смысле этого слова.
04:48
The netсеть is doing the work in the brainголовной мозг.
81
270000
4000
Эта сеть и выполняет всю работу мозга.
04:52
If you just look at these two picturesкартинки,
82
274000
2000
Если вы просто посмотрите на эти две картинки,
04:54
these kindсвоего рода of wordsслова popпоп into your mindразум.
83
276000
2000
вам на ум придут именно такие слова.
04:56
This is serialпоследовательный and it's rigidжесткий -- it's like carsлегковые автомобили on a freewayАвтострада,
84
278000
4000
Это — последовательная передача данных
и такая система не гибкая:
как движение машин на автостраде —
05:00
everything has to happenслучаться in lockstepLockstep --
85
282000
3000
всё происходит в строго установленном порядке.
05:03
whereasв то время как this is parallelпараллельно and it's fluidжидкость.
86
285000
2000
Тогда как это — система параллельной передачи
и она напоминает поток.
05:05
InformationИнформация processingобработка is very dynamicдинамический and adaptiveадаптивный.
87
287000
3000
Обработка информации
очень динамичная и адаптивная.
05:08
So I'm not the first to figureфигура this out. This is a quoteкотировка from BrianБрайан EnoEno:
88
290000
4000
И я не первый, кто понял это.
Вот цитата из Брайана Эно:
05:12
"the problemпроблема with computersкомпьютеры is that there is not enoughдостаточно AfricaАфрика in them."
89
294000
4000
«Проблема компьютеров состоит в том,
что в них недостаточно Африки».
05:16
(LaughterСмех)
90
298000
6000
(Смех)
05:22
BrianБрайан actuallyна самом деле said this in 1995.
91
304000
3000
Брайан сказал это в 1995 году.
05:25
And nobodyникто was listeningпрослушивание then,
92
307000
3000
Тогда его никто не слушал,
05:28
but now people are beginningначало to listen
93
310000
2000
но сейчас люди начинают прислушиваться к его словам,
05:30
because there's a pressingпрессование, technologicalтехнологический problemпроблема that we faceлицо.
94
312000
5000
потому что появилась необходимость,
мы столкнулись с технологической проблемой.
05:35
And I'll just take you throughчерез that a little bitнемного in the nextследующий fewмало slidesслайды.
95
317000
5000
Я немного познакомлю вас с ней
в нескольких следующих слайдах.
05:40
This is -- it's actuallyна самом деле really this remarkableзамечательный convergenceконвергенция
96
322000
4000
Проблема в этом — действительно прослеживается
заметное сходство между устройствами,
05:44
betweenмежду the devicesприборы that we use to computeвычисление in computersкомпьютеры,
97
326000
5000
которые мы используем
для выполнения вычислений в компьютерах,
05:49
and the devicesприборы that our brainsмозги use to computeвычисление.
98
331000
4000
и теми элементами,
которые используются для этой цели мозгом.
05:53
The devicesприборы that computersкомпьютеры use are what's calledназывается a transistorтранзистор.
99
335000
4000
В компьютерах используется то,
что называется транзистором.
05:57
This electrodeэлектрод here, calledназывается the gateВорота, controlsуправления the flowтечь of currentтекущий
100
339000
4000
Вот этот электрод, называемый затвором,
контролирует протекание тока
06:01
from the sourceисточник to the drainистощать -- these two electrodesэлектроды.
101
343000
3000
от истока к стоку, вот эти два электрода.
06:04
And that currentтекущий, electricalэлектрический currentтекущий,
102
346000
2000
И этот поток, электрический ток,
переносится электронами,
06:06
is carriedосуществляется by electronsэлектроны, just like in your houseдом and so on.
103
348000
6000
точно так же, как у вас дома, ну и всё такое.
06:12
And what you have here is, when you actuallyна самом деле turnочередь on the gateВорота,
104
354000
5000
А в нашем случае происходит так:
когда вы открываете затвор,
06:17
you get an increaseувеличение in the amountколичество of currentтекущий, and you get a steadyнеуклонный flowтечь of currentтекущий.
105
359000
4000
ток увеличивается,
и вы получаете устойчивое протекание тока.
06:21
And when you turnочередь off the gateВорота, there's no currentтекущий flowingтекущий throughчерез the deviceустройство.
106
363000
4000
А когда вы закрываете затвор,
ток через устройство не протекает.
06:25
Your computerкомпьютер usesиспользования this presenceприсутствие of currentтекущий to representпредставлять a one,
107
367000
5000
В компьютере наличие тока
используется для обозначения единицы,
06:30
and the absenceотсутствие of currentтекущий to representпредставлять a zeroнуль.
108
372000
4000
а его отсутствие — для обозначения нуля.
06:34
Now, what's happeningпроисходит is that as transistorsтранзисторы are gettingполучение smallerменьше and smallerменьше and smallerменьше,
109
376000
6000
Сейчас же происходит вот что:
транзисторы становятся меньше и меньше и меньше,
06:40
they no longerдольше behaveвести себя like this.
110
382000
2000
и они уже не ведут себя подобным образом.
06:42
In factфакт, they are startingначало to behaveвести себя like the deviceустройство that neuronsнейроны use to computeвычисление,
111
384000
5000
Фактически, они начинают вести себя так же, как
элемент, который нейроны используют для вычислений,
06:47
whichкоторый is calledназывается an ionион channelканал.
112
389000
2000
он называется ионный канал.
06:49
And this is a little proteinбелок moleculeмолекула.
113
391000
2000
Вот маленькая молекула протеина.
06:51
I mean, neuronsнейроны have thousandsтысячи of these.
114
393000
4000
Я хотел сказать, в нейронах их тысячи.
06:55
And it sitsсидит in the membraneмембрана of the cellклетка and it's got a poreпоры in it.
115
397000
4000
Она находится в клеточной мембране и в ней есть по́ра.
06:59
And these are individualиндивидуальный potassiumкалий ionsионы
116
401000
3000
А вот это — отдельные ионы калия,
07:02
that are flowingтекущий throughчерез that poreпоры.
117
404000
2000
которые проходят через это отверстие.
07:04
Now, this poreпоры can openоткрытый and closeЗакрыть.
118
406000
2000
Так вот, эта по́ра может открываться и закрываться.
07:06
But, when it's openоткрытый, because these ionsионы have to lineлиния up
119
408000
5000
Но, когда она открыта, поскольку ионы вынуждены
выстроиться в очередь и проходить по одному,
07:11
and flowтечь throughчерез, one at a time, you get a kindсвоего рода of sporadicспорадический, not steadyнеуклонный --
120
413000
5000
мы получим нечто вроде спорадичного,
а не постоянного потока —
07:16
it's a sporadicспорадический flowтечь of currentтекущий.
121
418000
3000
это спорадичное протекание электрического тока.
07:19
And even when you closeЗакрыть the poreпоры -- whichкоторый neuronsнейроны can do,
122
421000
3000
А если закрыть это отверстие —
нейроны могут делать это,
07:22
they can openоткрытый and closeЗакрыть these poresпоры to generateгенерировать electricalэлектрический activityМероприятия --
123
424000
5000
они могут открывать и закрывать эти поры,
чтобы генерировать электрическую активность —
07:27
even when it's closedзакрыто, because these ionsионы are so smallмаленький,
124
429000
3000
даже если отверстие закрыто,
поскольку ионы крайне малы,
07:30
they can actuallyна самом деле sneakябеда throughчерез, a fewмало can sneakябеда throughчерез at a time.
125
432000
3000
они могут «пробраться» внутрь,
за один раз могут пройти несколько штук.
07:33
So, what you have is that when the poreпоры is openоткрытый,
126
435000
3000
В итоге мы имеем следующее: когда по́ра открыта,
07:36
you get some currentтекущий sometimesиногда.
127
438000
2000
время от времени проходит некоторый ток.
07:38
These are your onesте,, but you've got a fewмало zerosнули thrownвыброшены in.
128
440000
3000
Вот наша единица, но в неё попали несколько нулей.
07:41
And when it's closedзакрыто, you have a zeroнуль,
129
443000
4000
А когда по́ра закрыта, мы получаем ноль,
07:45
but you have a fewмало onesте, thrownвыброшены in.
130
447000
3000
но в него попали несколько единиц, ну, ладно.
07:48
Now, this is startingначало to happenслучаться in transistorsтранзисторы.
131
450000
3000
Сейчас этот эффект начинает
наблюдаться и в транзисторах.
07:51
And the reasonпричина why that's happeningпроисходит is that, right now, in 2007 --
132
453000
5000
И причина, по которой это происходит,
состоит в том, что сейчас, в 2007 году,
07:56
the technologyтехнологии that we are usingс помощью -- a transistorтранзистор is bigбольшой enoughдостаточно
133
458000
4000
по технологии, которую мы используем,
транзистор достаточно большой,
08:00
that severalнесколько electronsэлектроны can flowтечь throughчерез the channelканал simultaneouslyодновременно, sideбоковая сторона by sideбоковая сторона.
134
462000
5000
чтобы несколько электронов могли
пройти сквозь канал одновременно, рядом.
08:05
In factфакт, there's about 12 electronsэлектроны can all be flowingтекущий this way.
135
467000
4000
Фактически, таким способом
могут пройти примерно 12 электронов.
08:09
And that meansозначает that a transistorтранзистор correspondsсоответствует
136
471000
2000
И это означает, что транзистор соответствует
08:11
to about 12 ionион channelsканалы in parallelпараллельно.
137
473000
3000
примерно 12 ионным каналам,
расположенным параллельно.
08:14
Now, in a fewмало yearsлет time, by 2015, we will shrinkсокращаться transistorsтранзисторы so much.
138
476000
5000
Но через несколько лет, к 2015 году,
мы существенно уменьшим размеры транзистора.
08:19
This is what IntelIntel does to keep addingдобавление more coresядра ontoна the chipчип.
139
481000
5000
Именно это делает компания Intel,
чтобы постоянно увеличивать число ядер в чипе.
08:24
Or your memoryПамять sticksпалочки that you have now can carryнести one gigabyteгигабайт
140
486000
3000
Стоящие у вас микросхемы памяти
могут хранить один гигабайт данных —
08:27
of stuffматериал on them -- before, it was 256.
141
489000
2000
раньше это было 256 мегабайт.
08:29
TransistorsТранзисторы are gettingполучение smallerменьше to allowпозволять this to happenслучаться,
142
491000
3000
Чтобы получить такой результат
транзисторы делаются всё меньше,
08:32
and technologyтехнологии has really benefittedизвлекли выгоду from that.
143
494000
3000
и это дало существенные
технологические преимущества.
08:35
But what's happeningпроисходит now is that in 2015, the transistorтранзистор is going to becomeстали so smallмаленький,
144
497000
5000
Но сейчас всё идёт к тому, что в 2015 году
транзистор станет настолько маленьким,
08:40
that it correspondsсоответствует to only one electronэлектрон at a time
145
502000
3000
что за один раз всего один электрон
08:43
can flowтечь throughчерез that channelканал,
146
505000
2000
сможет пройти через канал,
08:45
and that correspondsсоответствует to a singleОдин ionион channelканал.
147
507000
2000
а это соответствует единичному ионному каналу.
08:47
And you startНачало havingимеющий the sameодна и та же kindсвоего рода of trafficтрафик jamsджемы that you have in the ionион channelканал.
148
509000
4000
И появятся те же заторы,
которые наблюдаются в ионном канале,
08:51
The currentтекущий will turnочередь on and off at randomслучайный,
149
513000
3000
ток будет появляться и исчезать случайным образом,
08:54
even when it's supposedпредполагаемый to be on.
150
516000
2000
даже тогда, когда он должен быть постоянным.
08:56
And that meansозначает your computerкомпьютер is going to get
151
518000
2000
А это означает, что ваш компьютер будет получать
08:58
its onesте, and zerosнули mixedсмешанный up, and that's going to crashавария your machineмашина.
152
520000
4000
нули и единицы вперемешку,
и вашей машине придёт конец.
09:02
So, we are at the stageсцена where we
153
524000
4000
Итак, мы сейчас находимся на той стадии,
когда мы на самом деле не знаем,
09:06
don't really know how to computeвычисление with these kindsвиды of devicesприборы.
154
528000
3000
как выполнять вычисления
при помощи подобных устройств.
09:09
And the only kindсвоего рода of thing -- the only thing we know right now
155
531000
3000
И единственный тип, единственное устройство,
известное в настоящее время,
09:12
that can computeвычисление with these kindsвиды of devicesприборы are the brainголовной мозг.
156
534000
3000
которое может выполнять вычисления
при помощи подобных элементов, это — мозг.
09:15
OK, so a computerкомпьютер picksкирки a specificконкретный itemпункт of dataданные from memoryПамять,
157
537000
4000
Итак, компьютер извлекает
определённую единицу данных из памяти
09:19
it sendsпосылает it into the processorпроцессор or the ALUALU,
158
541000
3000
и пересылает её в процессор или АЛУ,
09:22
and then it putsпуты the resultрезультат back into memoryПамять.
159
544000
2000
а затем записывает результат обратно в память.
09:24
That's the redкрасный pathдорожка that's highlightedвыделены.
160
546000
2000
Это обозначенные красным, выделенные связи.
09:26
The way brainsмозги work, I told you all, you have got all these neuronsнейроны.
161
548000
4000
При работе мозга задействованы все эти нейроны.
09:30
And the way they representпредставлять informationИнформация is
162
552000
2000
И способ представления информации таков:
09:32
they breakломать up that dataданные into little piecesкуски
163
554000
2000
все данные разбиваются на небольшие элементы,
09:34
that are representedпредставленный by pulsesимпульсы and differentдругой neuronsнейроны.
164
556000
3000
которые представляются
в виде импульсов на разных нейронах.
09:37
So you have all these piecesкуски of dataданные
165
559000
2000
Таким образом, все эти элементы данных оказываются
09:39
distributedраспределенный throughoutна протяжении the networkсеть.
166
561000
2000
распределёнными по сети.
09:41
And then the way that you processобработать that dataданные to get a resultрезультат
167
563000
3000
И далее способ обработки данных
для получения результата таков:
09:44
is that you translateпереведите this patternшаблон of activityМероприятия into a newновый patternшаблон of activityМероприятия,
168
566000
4000
эта картина активности
трансформируется в новую картину активности
09:48
just by it flowingтекущий throughчерез the networkсеть.
169
570000
3000
просто в процессе прохождения по сети.
09:51
So you setзадавать up these connectionsсвязи
170
573000
2000
Итак, вы просто устанавливаете эти связи
09:53
suchтакие that the inputвход patternшаблон just flowsпотоки
171
575000
3000
таким образом,
что некая исходная структура проходит по ним
09:56
and generatesгенерирует the outputвывод patternшаблон.
172
578000
2000
и в результате получаем новую, конечную структуру.
09:58
What you see here is that there's these redundantизбыточный connectionsсвязи.
173
580000
4000
Вы здесь видите, что есть избыточные соединения.
10:02
So if this pieceкусок of dataданные or this pieceкусок of the dataданные getsполучает clobberedзатерт,
174
584000
4000
Поэтому, если эта часть данных
или эта часть данных будет повреждена,
10:06
it doesn't showпоказать up over here, these two piecesкуски can activateактивировать the missingотсутствует partчасть
175
588000
5000
это не проявится здесь, эти два участка
могут активировать недостающую часть
10:11
with these redundantизбыточный connectionsсвязи.
176
593000
2000
вот этими избыточными связями.
10:13
So even when you go to these crappyдерьмовый devicesприборы
177
595000
2000
Поэтому, даже если мы имеем дело
с этими паршивыми элементами,
10:15
where sometimesиногда you want a one and you get a zeroнуль, and it doesn't showпоказать up,
178
597000
3000
в которых время от времени
получаем ноль вместо единицы,
10:18
there's redundancyизбыточность in the networkсеть
179
600000
2000
в сети имеется избыточность,
10:20
that can actuallyна самом деле recoverоправляться the missingотсутствует informationИнформация.
180
602000
3000
которая позволяет
восстановить недостающую информацию.
10:23
It makesмарки the brainголовной мозг inherentlyпо существу robustкрепкий.
181
605000
3000
Это делает работу мозга изначально надёжной.
10:26
What you have here is a systemсистема where you storeмагазин dataданные locallyв местном масштабе.
182
608000
3000
Здесь мы имеем систему,
в которой данные хранятся локально.
10:29
And it's brittleломкий, because eachкаждый of these stepsмеры has to be flawlessбезупречный,
183
611000
4000
И она ненадёжна, поскольку должна
безупречно функционировать на каждом этапе,
10:33
otherwiseв противном случае you loseпотерять that dataданные, whereasв то время как in the brainголовной мозг, you have a systemсистема
184
615000
3000
иначе данные будут потеряны.
В то же время мозг представляет собой систему,
10:36
that storesмагазины dataданные in a distributedраспределенный way, and it's robustкрепкий.
185
618000
4000
в которой данные хранятся
распределённо, и это — надёжная система.
10:40
What I want to basicallyв основном talk about is my dreamмечта,
186
622000
4000
Главное, о чем я хотел рассказать,
это моя мечта создать компьютер,
10:44
whichкоторый is to buildстроить a computerкомпьютер that worksработает like the brainголовной мозг.
187
626000
3000
который работает по принципу мозга.
10:47
This is something that we'veмы в been workingза работой on for the last coupleпара of yearsлет.
188
629000
4000
Это то, над чем мы работаем последние несколько лет.
10:51
And I'm going to showпоказать you a systemсистема that we designedпредназначенный
189
633000
3000
И я хочу показать вам систему,
10:54
to modelмодель the retinaсетчатка,
190
636000
3000
которую мы создали для моделирования сетчатки глаза.
10:57
whichкоторый is a pieceкусок of brainголовной мозг that linesлинии the insideвнутри of your eyeballглазное яблоко.
191
639000
5000
Это — часть мозга, расположенная
сразу за внутренней частью глазного яблока.
11:02
We didn't do this by actuallyна самом деле writingписьмо codeкод, like you do in a computerкомпьютер.
192
644000
6000
Для этого мы не писали программ,
как это обычно делается при работе на компьютере.
11:08
In factфакт, the processingобработка that happensпроисходит
193
650000
3000
Фактически процессы, которые протекают
11:11
in that little pieceкусок of brainголовной мозг is very similarаналогичный
194
653000
2000
в этом небольшом участке мозга,
11:13
to the kindсвоего рода of processingобработка that computersкомпьютеры
195
655000
1000
очень напоминают процессы,
протекающие в компьютерах
11:14
do when they streamпоток videoвидео over the Internetинтернет.
196
656000
4000
при пересылке видео по Internet.
11:18
They want to compressкомпресс the informationИнформация --
197
660000
1000
Они стремятся сжать информацию —
11:19
they just want to sendОтправить the changesизменения, what's newновый in the imageобраз, and so on --
198
661000
4000
стремятся передавать
только изменения, только новую часть изображения —
11:23
and that is how your eyeballглазное яблоко
199
665000
3000
и именно таким образом глазному яблоку
11:26
is ableв состоянии to squeezeвыжимать all that informationИнформация down to your opticоптический nerveнерв,
200
668000
3000
удаётся «втиснуть»
всю информацию в зрительный нерв
11:29
to sendОтправить to the restотдых of the brainголовной мозг.
201
671000
2000
для пересылки её в другие участки мозга.
11:31
InsteadВместо of doing this in softwareпрограммного обеспечения, or doing those kindsвиды of algorithmsалгоритмы,
202
673000
3000
Вместо того, чтобы писать программы
или разрабатывать соответствующие алгоритмы,
11:34
we wentотправился and talkedговорили to neurobiologistsнейробиологов
203
676000
3000
мы отправились на беседу к нейробиологам,
11:37
who have actuallyна самом деле reverseзадний ход engineeredинженерии that pieceкусок of brainголовной мозг that's calledназывается the retinaсетчатка.
204
679000
4000
которые фактически в обратном порядке
спроектировали модель
этого участка мозга, называемого сетчаткой.
11:41
And they figuredфигурный out all the differentдругой cellsячейки,
205
683000
2000
Они изучили все разнообразные типы клеток,
11:43
and they figuredфигурный out the networkсеть, and we just tookвзял that networkсеть
206
685000
3000
они изучили структуру нейронной сети,
а мы просто взяли эту сеть
11:46
and we used it as the blueprintплан for the designдизайн of a siliconкремний chipчип.
207
688000
4000
и использовали её
как схему для создания силиконового чипа.
11:50
So now the neuronsнейроны are representedпредставленный by little nodesузлы or circuitsсхемы on the chipчип,
208
692000
6000
В этом чипе нейроны
представлены небольшими узлами или цепями,
11:56
and the connectionsсвязи amongсреди the neuronsнейроны are representedпредставленный, actuallyна самом деле modeledсмоделирован by transistorsтранзисторы.
209
698000
5000
а связи между нейронами
моделируются транзисторами.
12:01
And these transistorsтранзисторы are behavingвести essentiallyпо существу
210
703000
2000
И эти транзисторы ведут себя практически так же,
12:03
just like ionион channelsканалы behaveвести себя in the brainголовной мозг.
211
705000
3000
как ионные каналы в мозгу.
12:06
It will give you the sameодна и та же kindсвоего рода of robustкрепкий architectureархитектура that I describedописано.
212
708000
5000
Я покажу вам такую же
надёжную архитектуру, как та, что я описывал.
12:11
Here is actuallyна самом деле what our artificialискусственный eyeглаз looksвыглядит like.
213
713000
4000
Вот как реально выглядит наш искусственный глаз.
12:15
The retinaсетчатка chipчип that we designedпредназначенный sitsсидит behindза this lensобъектив here.
214
717000
5000
Созданный нами моделирующий сетчатку чип
установлен позади этой линзы.
12:20
And the chipчип -- I'm going to showпоказать you a videoвидео
215
722000
2000
И этот чип — я покажу вам видео,
12:22
that the siliconкремний retinaсетчатка put out of its outputвывод
216
724000
3000
в котором было заснято изображение,
полученное на силиконовой сетчатке
12:25
when it was looking at KareemКарима ZaghloulZaghloul,
217
727000
3000
в то время, когда чип «рассматривал» Карима Заглоу,
12:28
who'sкто the studentстудент who designedпредназначенный this chipчип.
218
730000
2000
студента, который его сконструировал.
12:30
Let me explainобъяснять what you're going to see, OK,
219
732000
2000
Позвольте, я объясню вам,
что вы сейчас увидите. Хорошо?
12:32
because it's puttingсдачи out differentдругой kindsвиды of informationИнформация,
220
734000
3000
Поскольку чип выдаёт информацию разного рода,
12:35
it's not as straightforwardпростой as a cameraкамера.
221
737000
2000
он не настолько прямолинеен, как камера.
12:37
The retinaсетчатка chipчип extractsэкстракты four4 differentдругой kindsвиды of informationИнформация.
222
739000
3000
Чип, моделирующий сетчатку,
выделяет четыре различных типа информации.
12:40
It extractsэкстракты regionsрайоны with darkтемно contrastконтрастировать,
223
742000
3000
Он выделяет области с тёмной контрастностью,
12:43
whichкоторый will showпоказать up on the videoвидео as redкрасный.
224
745000
3000
которые на видео показаны красным цветом.
12:46
And it extractsэкстракты regionsрайоны with whiteбелый or lightлегкий contrastконтрастировать,
225
748000
4000
И он выделяет области
с белой или светлой контрастностью,
12:50
whichкоторый will showпоказать up on the videoвидео as greenзеленый.
226
752000
2000
которые на видео показаны зелёным цветом.
12:52
This is Kareem'sКарима-х darkтемно eyesглаза
227
754000
2000
Вот — тёмные глаза Карима,
12:54
and that's the whiteбелый backgroundзадний план that you see here.
228
756000
3000
а вот — светлый фон, который вы видите здесь.
12:57
And then it alsoтакже extractsэкстракты movementдвижение.
229
759000
2000
А затем он также выделяет движение.
12:59
When KareemКарима movesдвижется his headглава to the right,
230
761000
2000
Когда Карим двигает головой вправо,
13:01
you will see this blueсиний activityМероприятия there;
231
763000
2000
вы видите активизацию синего цвета,
13:03
it representsпредставляет regionsрайоны where the contrastконтрастировать is increasingповышение in the imageобраз,
232
765000
3000
он представляет области изображения,
в которых контрастность увеличивается,
13:06
that's where it's going from darkтемно to lightлегкий.
233
768000
3000
где есть переход от тёмного к светлому.
13:09
And you alsoтакже see this yellowжелтый activityМероприятия,
234
771000
2000
И вы также видите это
увеличение активности жёлтого цвета,
13:11
whichкоторый representsпредставляет regionsрайоны where contrastконтрастировать is decreasingубывающий;
235
773000
4000
он представляет области,
в которых контрастность уменьшается,
13:15
it's going from lightлегкий to darkтемно.
236
777000
2000
переходит от высокой к низкой.
13:17
And these four4 typesтипы of informationИнформация --
237
779000
3000
И эти четыре типа информации —
13:20
your opticоптический nerveнерв has about a millionмиллиона fibersволокна in it,
238
782000
4000
ваш зрительный нерв
содержит около миллиона волокон,
13:24
and 900,000 of those fibersволокна
239
786000
3000
и 900 000 из этих волокон
13:27
sendОтправить these four4 typesтипы of informationИнформация.
240
789000
2000
передают эти четыре вида информации.
13:29
So we are really duplicatingкопировальный the kindсвоего рода of signalsсигналы that you have on the opticоптический nerveнерв.
241
791000
4000
Таким образом, мы действительно дублируем типы
сигналов, которые поступают на зрительный нерв.
13:33
What you noticeуведомление here is that these snapshotsмоментальные снимки
242
795000
3000
Здесь явно заметно, что эти снимки,
13:36
takenвзятый from the outputвывод of the retinaсетчатка chipчип are very sparseредкий, right?
243
798000
4000
сделанные на выходе
моделирующего сетчатку чипа, весьма разреженные.
13:40
It doesn't lightлегкий up greenзеленый everywhereвезде in the backgroundзадний план,
244
802000
2000
Зелёный цвет не заполняет полностью весь фон,
13:42
only on the edgesкрая, and then in the hairволосы, and so on.
245
804000
3000
а расположен только по контуру и т.д.
13:45
And this is the sameодна и та же thing you see
246
807000
1000
То же самое вы увидите и в том случае,
13:46
when people compressкомпресс videoвидео to sendОтправить: they want to make it very sparseредкий,
247
808000
4000
когда люди сжимают видео для пересылки:
они стараются сделать его очень разреженным,
13:50
because that fileфайл is smallerменьше. And this is what the retinaсетчатка is doing,
248
812000
3000
поскольку такой файл занимает меньше места.
И именно это делает сетчатка,
13:53
and it's doing it just with the circuitryсхема, and how this networkсеть of neuronsнейроны
249
815000
4000
и она проделывает это с помощью
одной лишь своей структуры, как эта сеть нейронов,
13:57
that are interactingвзаимодействующий in there, whichкоторый we'veмы в capturedзахваченный on the chipчип.
250
819000
3000
взаимодействующих на этом участке,
которую мы повторили в нашем чипе.
14:00
But the pointточка that I want to make -- I'll showпоказать you up here.
251
822000
3000
Но главное, что я хотел доказать,
я продемонстрирую вам сейчас.
14:03
So this imageобраз here is going to look like these onesте,,
252
825000
3000
Итак, вот это изображение
скоро будет выглядеть так же, как и эти,
14:06
but here I'll showпоказать you that we can reconstructреконструировать the imageобраз,
253
828000
2000
но здесь я покажу вам,
что мы можем реконструировать изображение,
14:08
so, you know, you can almostпочти recognizeпризнать KareemКарима in that topВверх partчасть there.
254
830000
5000
вот, вы видите, уже почти можно
узнать Карима на этом верхнем участке.
14:13
And so, here you go.
255
835000
2000
Вот, получилось.
14:24
Yes, so that's the ideaидея.
256
846000
3000
Да, и в этом идея.
14:27
When you standстоять still, you just see the lightлегкий and darkтемно contrastsконтрасты.
257
849000
2000
Когда вы стоите неподвижно
вы видите только светлые и тёмные контрасты.
14:29
But when it's movingперемещение back and forthвперед,
258
851000
2000
Но когда есть движение взад и вперёд,
14:31
the retinaсетчатка picksкирки up these changesизменения.
259
853000
3000
сетчатка воспринимает эти изменения.
14:34
And that's why, you know, when you're sittingсидящий here
260
856000
1000
И именно поэтому, вы знаете, когда вы здесь сидите
14:35
and something happensпроисходит in your backgroundзадний план,
261
857000
2000
и что-то происходит в вашем поле зрения,
14:37
you merelyпросто moveпереехать your eyesглаза to it.
262
859000
2000
вы просто переводите взгляд.
14:39
There are these cellsячейки that detectобнаружить changeизменение
263
861000
2000
Есть специальные клетки,
которые фиксируют изменения,
14:41
and you moveпереехать your attentionвнимание to it.
264
863000
2000
и вы переносите внимание в эту зону.
14:43
So those are very importantважный for catchingпривлекательный somebodyкто-то
265
865000
2000
Поэтому эти клетки очень важны, чтобы заметить того,
14:45
who'sкто tryingпытаясь to sneakябеда up on you.
266
867000
2000
кто пытается подкрасться к вам незамеченным.
14:47
Let me just endконец by sayingпоговорка that this is what happensпроисходит
267
869000
3000
Позвольте мне в завершение
рассказать о том, что получится,
14:50
when you put AfricaАфрика in a pianoпианино, OK.
268
872000
3000
если добавить Африку в фортепиано. Ладно?
14:53
This is a steelстали drumбарабан here that has been modifiedмодифицированный,
269
875000
3000
Это стальной барабан, который несколько видоизменен,
14:56
and that's what happensпроисходит when you put AfricaАфрика in a pianoпианино.
270
878000
3000
и это именно то, что происходит,
если добавить Африку в фортепиано.
14:59
And what I would like us to do is put AfricaАфрика in the computerкомпьютер,
271
881000
4000
И я бы очень хотел,
чтобы мы добавили Африку в компьютер,
15:03
and come up with a newновый kindсвоего рода of computerкомпьютер
272
885000
2000
и создали новый тип компьютера,
15:05
that will generateгенерировать thought, imaginationвоображение, be creativeтворческий and things like that.
273
887000
3000
который будет мыслить, фантазировать,
обладать творческими способностями и т.п.
15:08
Thank you.
274
890000
2000
Благодарю за внимание.
15:10
(ApplauseАплодисменты)
275
892000
2000
(Аплодисменты)
15:12
ChrisКрис AndersonАндерсон: QuestionВопрос for you, KwabenaKwabena.
276
894000
2000
Крис Андерсон: Вопрос к вам, Квабена.
15:14
Do you put togetherвместе in your mindразум the work you're doing,
277
896000
4000
Вы как-то связываете работу, которую вы выполняете,
15:18
the futureбудущее of AfricaАфрика, this conferenceконференция --
278
900000
3000
будущее Африки, эту конференцию —
15:21
what connectionsсвязи can we make, if any, betweenмежду them?
279
903000
3000
какую связь можно установить между ними,
если таковая вообще существует?
15:24
KwabenaKwabena BoahenBoahen: Yes, like I said at the beginningначало,
280
906000
2000
Квабена Боахен: Да, как я сказал вначале,
15:26
I got my first computerкомпьютер when I was a teenagerподросток, growingрост up in AccraАкра.
281
908000
4000
я получил мой первый компьютер,
когда был подростком и жил в Аккре.
15:30
And I had this gutпотрошить reactionреакция that this was the wrongнеправильно way to do it.
282
912000
4000
И у меня создалось вполне правильное впечатление,
что нельзя конструировать таким образом.
15:34
It was very bruteскотина forceсила; it was very inelegantбезвкусный.
283
916000
3000
Это было просто использование грубой силы,
совершенно топорное решение.
15:37
I don't think that I would'veбы уже had that reactionреакция,
284
919000
2000
Я думаю, я бы не отреагировал подобным образом,
15:39
if I'd grownвзрослый up readingчтение all this scienceнаука fictionфантастика,
285
921000
3000
если бы рос на всей этой научной фантастике,
15:42
hearingслух about RDRD2D2, whateverбез разницы it was calledназывается, and just -- you know,
286
924000
4000
на разговорах про RD2D2, или как он там называется,
и — ну, сами знаете —
15:46
buyingпокупка into this hypeобман about computersкомпьютеры.
287
928000
1000
покупаясь на всю эту
бесконечную рекламу компьютеров.
15:47
I was comingприход at it from a differentдругой perspectiveперспективы,
288
929000
2000
Я подошёл к этому с другой точки зрения.
15:49
where I was bringingприведение that differentдругой perspectiveперспективы
289
931000
2000
и я привнёс эту другую точку зрения
15:51
to bearмедведь on the problemпроблема.
290
933000
2000
в решение данной проблемы.
15:53
And I think a lot of people in AfricaАфрика have this differentдругой perspectiveперспективы,
291
935000
3000
И я думаю, что масса людей в Африке
имеют эту другую точку зрения,
15:56
and I think that's going to impactвлияние technologyтехнологии.
292
938000
2000
и я считаю, это даст толчок
в развитии новых технологий.
15:58
And that's going to impactвлияние how it's going to evolveэволюционировать.
293
940000
2000
И это даст толчок
для нового подхода к пути их развития.
16:00
And I think you're going to be ableв состоянии to see, use that infusionвливание,
294
942000
2000
И я думаю, вскоре вы сможете
увидеть и использовать этот вклад
16:02
to come up with newновый things,
295
944000
2000
для создания принципиально новых вещей,
16:04
because you're comingприход from a differentдругой perspectiveперспективы.
296
946000
3000
поскольку вы подойдёте
к решению задачи с иной точки зрения.
16:07
I think we can contributeделать вклад. We can dreamмечта like everybodyвсе elseеще.
297
949000
4000
Я думаю, мы можем
внести свой вклад, мы тоже умеем мечтать.
16:11
CAКалифорния: Thanksблагодаря KwabenaKwabena, that was really interestingинтересно.
298
953000
2000
Крис Андерсон:
Благодарю Вас, Квабена, было очень интересно.
16:13
Thank you.
299
955000
1000
Спасибо.
16:14
(ApplauseАплодисменты)
300
956000
2000
(Аплодисменты)
Translated by Vlasov Alex
Reviewed by Aliaksandr Autayeu

▲Back to top

ABOUT THE SPEAKER
Kwabena Boahen - Bioengineer
Kwabena Boahen wants to understand how brains work -- and to build a computer that works like the brain by reverse-engineering the nervous system. His group at Stanford is developing Neurogrid, a hardware platform that will emulate the cortex’s inner workings.

Why you should listen

Kwabena Boahen is the principal investigator at the Brains in Silicon lab at Stanford. He writes of himself:

Being a scientist at heart, I want to understand how cognition arises from neuronal properties. Being an engineer by training, I am using silicon integrated circuits to emulate the way neurons compute, linking the seemingly disparate fields of electronics and computer science with neurobiology and medicine.

My group's contributions to the field of neuromorphic engineering include a silicon retina that could be used to give the blind sight and a self-organizing chip that emulates the way the developing brain wires itself up. Our work is widely recognized, with over sixty publications, including a cover story in the May 2005 issue of Scientific American.

My current research interest is building a simulation platform that will enable the cortex's inner workings to be modeled in detail. While progress has been made linking neuronal properties to brain rhythms, the task of scaling up these models to link neuronal properties to cognition still remains. Making the supercomputer-performance required affordable is the goal of our Neurogrid project. It is at the vanguard of a profound shift in computing, away from the sequential, step-by-step Von Neumann machine towards a parallel, interconnected architecture more like the brain.

More profile about the speaker
Kwabena Boahen | Speaker | TED.com