TED2003
Jeff Hawkins: How brain science will change computing
Jeff Hawkins nói về cách mà khoa học về bộ não thay đổi tin học
Filmed:
Readability: 3.2
1,674,773 views
Jeff Hawkins, người tạo ra máy Treo, hối thúc chúng ta nhìn bộ não ở một góc nhìn mới -- để thấy nó không phải là một bộ xử lý nhanh, mà là một hệ bộ nhớ chứa và chiếu lại các kinh nghiệm để giúp ta tiên đoán một cách thông minh cái gì sẽ xảy ra kế tiếp.
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
Tôi làm hai việc. Tôi thiết kế máy tính di động và tôi nghiên cứu não bộ.
00:29
And today's talk is about brains and,
1
4000
2000
Và buổi nói chuyện hôm nay là về bộ não và,
00:31
yay, somewhere I have a brain fan out there.
2
6000
2000
ê, ngoài kia có một fan của não kìa.
00:33
(Laughter)
3
8000
2000
(Cười)
00:35
I'm going to, if I can have my first slide up here,
4
10000
2000
Tôi sẽ, nếu chiếu được slide đầu tiên lên đây,
00:37
and you'll see the title of my talk and my two affiliations.
5
12000
4000
và bạn sẽ thấy tựa bài nói và hai chỗ mà tôi làm việc.
00:41
So what I'm going to talk about is why we don't have a good brain theory,
6
16000
4000
Thế thì tôi định bàn về tại sao ta không có một lý thuyết tốt về não bộ.
00:45
why it is important that we should develop one and what we can do about it.
7
20000
3000
Vì sao phát triển một lý thuyết như vậy quan trọng và ta có thể làm được gì.
00:48
And I'll try to do all that in 20 minutes. I have two affiliations.
8
23000
3000
Tôi sẽ thử giải thích trong vòng 20 phút tới. Tôi có 2 chỗ làm.
00:51
Most of you know me from my Palm and Handspring days,
9
26000
3000
Hầu hết các bạn biết tôi từ những ngày ở Palm và Handspring,
00:54
but I also run a nonprofit scientific research institute
10
29000
3000
nhưng tôi cũng điều hành một viện nghiên cứu phi lợi nhuận
00:57
called the Redwood Neuroscience Institute in Menlo Park,
11
32000
2000
gọi là Viện Khoa học Thần kinh Redwood ở Menlo Park,
00:59
and we study theoretical neuroscience,
12
34000
2000
và chúng tôi nghiên cứu khoa học thần kinh lý thuyết,
01:01
and we study how the neocortex works.
13
36000
2000
và bọn tôi nghiên cứu cách vỏ não (neocortex) hoạt động.
01:03
I'm going to talk all about that.
14
38000
2000
Tôi sẽ nói về cái đó.
01:05
I have one slide on my other life, the computer life, and that's the slide here.
15
40000
3000
Tôi có một slide về cuộc sống kia của tôi, cuộc đời máy tính, đó là slide này.
01:08
These are some of the products I've worked on over the last 20 years,
16
43000
3000
Đây là vài sản phẩm mà tôi đã làm trong 20 năm qua,
01:11
starting back from the very original laptop to some of the first tablet computers
17
46000
4000
bắt đầu từ chiếc laptop nguyên thủy nhất cho đến những máy tablet đầu tiên
01:15
and so on, and ending up most recently with the Treo,
18
50000
2000
và cứ thế, gần đây nhất là máy điện thoại Treo,
01:17
and we're continuing to do this.
19
52000
2000
và chúng tôi cứ tiếp tục làm chuyện này.
01:19
And I've done this because I really believe that mobile computing
20
54000
2000
Và tôi làm điều này bởi vì tôi thực sự tin rằng tính toán di động
01:21
is the future of personal computing, and I'm trying to make the world
21
56000
3000
là tương lai của tính toán cá nhân, và tôi cố làm cho thế giới
01:24
a little bit better by working on these things.
22
59000
3000
tốt hơn một chút bằng việc thực hiện những thứ này.
01:27
But this was, I have to admit, all an accident.
23
62000
2000
Nhưng phải thú nhận rằng chuyện này là tình cờ thôi.
01:29
I really didn't want to do any of these products
24
64000
2000
Thật ra tôi đâu có muốn làm bất kì sản phẩm nào
01:31
and very early in my career I decided
25
66000
2000
và khi bắt đầu sự nghiệp tôi đã quyết định
01:33
I was not going to be in the computer industry.
26
68000
3000
là sẽ không theo đuổi công nghiệp máy tính.
01:36
And before I tell you about that, I just have to tell you
27
71000
2000
Và trước khi tôi kể về chuyện đó, tôi chỉ phải nói với bạn
01:38
this one little picture of graffiti there I picked off the web the other day.
28
73000
2000
tấm hình nhỏ kia là một bức graffiti tôi lấy trên mạng hôm trước.
01:40
I was looking for a picture of graffiti, little text input language,
29
75000
3000
Tôi đang ngắm bức graffiti, dòng chữ nhỏ về ngôn ngữ nhập liệu
01:43
and I found the website dedicated to teachers who want to make these,
30
78000
3000
và tôi thấy một website ngợi khen những giáo viên muốn làm những thứ này,
01:46
you know, the script writing things across the top of their blackboard,
31
81000
3000
bạn biết đó, viết mã trên đầu bảng đen,
01:49
and they had added graffiti to it, and I'm sorry about that.
32
84000
3000
và họ đã thêm graffiti vô đó, và tôi xin lỗi về chuyện đó.
01:52
(Laughter)
33
87000
2000
(Cười)
01:54
So what happened was, when I was young and got out of engineering school
34
89000
5000
Chuyện xảy ra là, khi tôi còn trẻ và mới tốt nghiệp trường kĩ sư,
01:59
at Cornell in '79, I decided -- I went to work for Intel and
35
94000
4000
ở Cornell năm 79, tôi quyết định là đi làm cho Intel.
02:03
I was in the computer industry -- and three months into that,
36
98000
3000
Tôi làm trong ngành công nghiệp máy tính, và sau ba tháng,
02:06
I fell in love with something else, and I said, "I made the wrong career choice here,"
37
101000
4000
tôi xiêu lòng với một thứ khác, và tôi nói, "Mình chọn nghề sai rồi,"
02:10
and I fell in love with brains.
38
105000
3000
và tôi trở nên yêu bộ não.
02:13
This is not a real brain. This is a picture of one, a line drawing.
39
108000
3000
Đây không phải là não thật. Đây là bức tranh của não, vẽ theo nét.
02:16
But I don't remember exactly how it happened,
40
111000
3000
Nhưng tôi không còn nhớ chính xác nó xảy ra thế nào nữa,
02:19
but I have one recollection, which was pretty strong in my mind.
41
114000
3000
nhưng tôi có một hồi ức rất mạnh trong tâm trí.
02:22
In September 1979, Scientific American came out
42
117000
3000
Vào tháng 9 năm 1979, tờ Scientific America có ra một số
02:25
with a single topic issue about the brain. And it was quite good.
43
120000
3000
với một chủ đề duy nhất về bộ não. Và nó rất hay.
02:28
It was one of the best issues ever. And they talked about the neuron
44
123000
3000
Đó là một trong những số hay nhất từ trước tới giờ. Và họ đã bàn về neuron
02:31
and development and disease and vision and all the things
45
126000
2000
và sự phát triển, về bệnh tật, về tầm nhìn và mọi thứ
02:33
you might want to know about brains. It was really quite impressive.
46
128000
3000
mà bạn muốn biết về bộ não. Rất là ấn tượng.
02:36
And one might have the impression that we really knew a lot about brains.
47
131000
3000
Người ta thường hay có ấn tượng là chúng ta đã biết rất nhiều về não.
02:39
But the last article in that issue was written by Francis Crick of DNA fame.
48
134000
4000
Nhưng bài báo cuối của số đó do Francis Crick, người nổi tiếng nhờ DNA, viết.
02:43
Today is, I think, the 50th anniversary of the discovery of DNA.
49
138000
3000
Tôi nghĩ hôm này là ngày kỉ niệm 50 năm khám phá ra DNA.
02:46
And he wrote a story basically saying,
50
141000
2000
Và ông ấy đã viết một câu chuyện nói đơn giản rằng,
02:48
well, this is all well and good, but you know what,
51
143000
3000
à, thật ra thì hay đó, nhưng bạn biết gì không,
02:51
we don't know diddley squat about brains
52
146000
2000
là chúng ta không biết một chút gì về bộ não
02:53
and no one has a clue how these things work,
53
148000
2000
và không ai có ý niệm gì về cách nó hoạt động,
02:55
so don't believe what anyone tells you.
54
150000
2000
vậy thì đừng có tin những gì người khác nói với bạn.
02:57
This is a quote from that article. He said, "What is conspicuously lacking,"
55
152000
3000
Đây là câu trích trong bài viết đó. Ông ấy nói, "Cái đang thiếu rõ ràng nhất,"
03:00
he's a very proper British gentleman so, "What is conspicuously lacking
56
155000
4000
ông ấy là đúng là một quý ông Anh quốc đích thực nên mới nói, "Cái đang thiếu rõ ràng nhất
03:04
is a broad framework of ideas in which to interpret these different approaches."
57
159000
3000
là một cơ cấu khái quát của các ý tưởng để diễn giải các cách tiếp cận khác nhau."
03:07
I thought the word framework was great.
58
162000
2000
Tôi nghĩ rằng dùng từ "cơ cấu" là rất hay.
03:09
He didn't say we didn't even have a theory. He says,
59
164000
2000
Ông ấy không nói là chúng ta thậm chí còn không có một lý thuyết.
03:11
we don't even know how to begin to think about it --
60
166000
2000
Ông nói là chúng ta thậm chí còn không biết bắt đầu nghĩ về nó như thế nào --
03:13
we don't even have a framework.
61
168000
2000
chúng ta còn chưa có một cơ cấu.
03:15
We are in the pre-paradigm days, if you want to use Thomas Kuhn.
62
170000
3000
Ta đang ở trong những ngày của tiền mô thức (pre-paradigm) nếu nói theo Thomas Kuhn.
03:18
And so I fell in love with this, and said look,
63
173000
3000
Và tôi phải lòng với chuyện này, và tự nói với mình rằng nhìn xem
03:21
we have all this knowledge about brains. How hard can it be?
64
176000
3000
ta đã có tất cả các kiến thức này về não. Còn có thể khó như thế nào nữa?
03:24
And this is something we can work on my lifetime. I felt I could make a difference,
65
179000
3000
Và đây là thứ mà tôi có thể làm cả đời. Tôi cảm thấy rằng mình có thể tạo sự khác biệt,
03:27
and so I tried to get out of the computer business, into the brain business.
66
182000
4000
và tôi cố rời bỏ máy tính để theo đuổi bộ não.
03:31
First, I went to MIT, the AI lab was there,
67
186000
2000
Đầu tiên tôi đến MIT, lab về trí tuệ nhân tạo ở đó,
03:33
and I said, well, I want to build intelligent machines, too,
68
188000
2000
và tôi nói là tôi cũng muốn tạo các máy móc thông minh,
03:35
but the way I want to do it is to study how brains work first.
69
190000
3000
nhưng cách tôi muốn làm là tìm hiểu cách bộ não hoạt động trước.
03:38
And they said, oh, you don't need to do that.
70
193000
3000
Và họ nói là, ồ, anh không cần làm vậy đâu.
03:41
We're just going to program computers; that's all we need to do.
71
196000
2000
Chúng ta chỉ lập trình máy tính, đó là mọi thứ cần làm.
03:43
And I said, no, you really ought to study brains. They said, oh, you know,
72
198000
3000
Và tôi nói, không, các anh phải tìm hiểu về não. Họ nói là, ồ, anh biết không,
03:46
you're wrong. And I said, no, you're wrong, and I didn't get in.
73
201000
2000
anh sai rồi. Và tôi nói, không, các anh mới sai, và tôi đã không được nhận.
03:48
(Laughter)
74
203000
1000
(Cười)
03:50
But I was a little disappointed -- pretty young -- but I went back again
75
205000
2000
Nhưng tôi hơi thất vọng -- còn trẻ mà, nhưng tôi quay lại lần nữa
03:52
a few years later and this time was in California, and I went to Berkeley.
76
207000
3000
vào vài năm sau và lần này thì ở California, tôi tới Berkeley.
03:55
And I said, I'll go in from the biological side.
77
210000
4000
Và tôi nói là tôi sẽ đi theo hướng sinh học.
03:59
So I got in -- in the Ph.D. program in biophysics, and I was, all right,
78
214000
3000
Thế là tôi được nhận vào chương trình tiến sĩ ngành lý sinh, tôi xem như ổn.
04:02
I'm studying brains now, and I said, well, I want to study theory.
79
217000
3000
Giờ tôi học về não, và tôi nói, được rồi, tôi muốn nghiên cứu lý thuyết.
04:05
And they said, oh no, you can't study theory about brains.
80
220000
2000
Và họ nói, không được, anh không nghiên cứu lý thuyết về não được.
04:07
That's not something you do. You can't get funded for that.
81
222000
2000
Đó không phải thứ anh cần làm. Anh không được tài trợ đâu.
04:09
And as a graduate student, you can't do that. So I said, oh my gosh.
82
224000
4000
Nếu là nghiên cứu sinh, anh không thể làm chuyện đó. Thế là tôi nói, trời ơi.
04:13
I was very depressed. I said, but I can make a difference in this field.
83
228000
2000
Tôi rất buồn phiền. Tôi nói là nhưng tôi có thể tạo ra sự khác biệt cho ngành này.
04:15
So what I did is I went back in the computer industry
84
230000
3000
Thế là tôi quay trở lại ngành máy tính
04:18
and said, well, I'll have to work here for a while, do something.
85
233000
2000
và tự nói là mình sẽ phải làm ở đây một thời gian, làm cái gì đó.
04:20
That's when I designed all those computer products.
86
235000
3000
Đó là lúc tôi thiết kế tất cả những sản phẩm máy tính đó.
04:23
(Laughter)
87
238000
1000
(Cười)
04:24
And I said, I want to do this for four years, make some money,
88
239000
3000
Tôi nói là tôi muốn làm chuyện này 4 năm thôi, kiếm chút tiền,
04:27
like I was having a family, and I would mature a bit,
89
242000
4000
cứ như là đang có gia đình, rồi tôi sẽ trưởng thành hơn,
04:31
and maybe the business of neuroscience would mature a bit.
90
246000
3000
và biết đâu ngành khoa học thần kinh sẽ trưởng thành hơn một chút.
04:34
Well, it took longer than four years. It's been about 16 years.
91
249000
3000
Chà, mất hơn 4 năm đó. Khoảng chừng 16 năm.
04:37
But I'm doing it now, and I'm going to tell you about it.
92
252000
2000
Nhưng giờ tôi đang làm chuyện đó, và tôi sẽ nói cho các bạn về nó.
04:39
So why should we have a good brain theory?
93
254000
3000
Thế thì tại sao chúng ta nên có một lý thuyết về não tốt?
04:42
Well, there's lots of reasons people do science.
94
257000
3000
Ồ, có nhiều lý do người ta làm khoa học.
04:45
One is -- the most basic one is -- people like to know things.
95
260000
3000
Lý do cơ bản nhất là người ta muốn hiểu biết.
04:48
We're curious, and we just go out and get knowledge, you know?
96
263000
2000
Chúng ta tò mò, và chúng ta bước ra ngoài để tìm hiểu?
04:50
Why do we study ants? Well, it's interesting.
97
265000
2000
Tại sao chúng ta lại nghiên cứu về kiến? Ồ, vì nó thú vị.
04:52
Maybe we'll learn something really useful about it, but it's interesting and fascinating.
98
267000
3000
Có thể ta sẽ biết được cái gì đó hữu dụng về nó, nhưng nó thú vị và quyến rũ.
04:55
But sometimes, a science has some other attributes
99
270000
2000
Nhưng đôi khi, một ngành khoa học có những thuộc tính khác
04:57
which makes it really, really interesting.
100
272000
2000
làm cho nó rất là thú vị.
04:59
Sometimes a science will tell something about ourselves,
101
274000
3000
Đôi khi một ngành khoa học chỉ ra điều gì đó về bản thân chúng ta,
05:02
it'll tell us who we are.
102
277000
1000
nó nói chúng ta là ai.
05:03
Rarely, you know: evolution did this and Copernicus did this,
103
278000
3000
Thỉnh thoảng có chuyện như thuyết tiến hóa nói thế này hay Copernicus nói thế kia
05:06
where we have a new understanding of who we are.
104
281000
2000
để giúp ta hiểu được chúng ta là ai.
05:08
And after all, we are our brains. My brain is talking to your brain.
105
283000
4000
Suy cho cùng, chúng ta chính là bộ não. Não tôi đang nói chuyện với não bạn.
05:12
Our bodies are hanging along for the ride, but my brain is talking to your brain.
106
287000
3000
Cơ thể chỉ là đi kèm mà thôi, nhưng não tôi đang nói chuyện với não bạn.
05:15
And if we want to understand who we are and how we feel and perceive,
107
290000
3000
Và nếu ta muốn hiểu được ta là ai và ta cảm xúc và nhận thức thế nào,
05:18
we really understand what brains are.
108
293000
2000
ta sẽ thật sự hiểu được bộ não là gì.
05:20
Another thing is sometimes science
109
295000
2000
Còn một chuyện khác là đôi khi khoa học
05:22
leads to really big societal benefits and technologies,
110
297000
2000
dẫn đến những lợi ích lớn cho xã hội, công nghệ,
05:24
or businesses, or whatever, that come out of it. And this is one, too,
111
299000
2000
hay là việc kinh doanh, thứ gì cũng được. Và đây cũng là một lợi ích
05:26
because when we understand how brains work, we're going to be able
112
301000
3000
bởi vì khi ta hiểu được cách não hoạt động, ta sẽ có thể
05:29
to build intelligent machines, and I think that's actually a good thing on the whole,
113
304000
3000
tạo nên các máy móc thông minh, và tôi nghĩ là điều đó rất tốt cho mọi thứ,
05:32
and it's going to have tremendous benefits to society,
114
307000
2000
và nó sẽ có lợi ích cực lớn cho xã hội
05:34
just like a fundamental technology.
115
309000
2000
như là một công nghệ cơ bản.
05:36
So why don't we have a good theory of brains?
116
311000
2000
Thế thì tại sao chúng không có một lý thuyết tốt cho bộ não?
05:38
And people have been working on it for 100 years.
117
313000
3000
Và con người đã nghiên cứu nó trong 100 năm qua.
05:41
Well, let's first take a look at what normal science looks like.
118
316000
2000
Trước tiên hãy xem khoa học thông thường trông như thế nào.
05:43
This is normal science.
119
318000
2000
Đây là khoa học thông thường.
05:45
Normal science is a nice balance between theory and experimentalists.
120
320000
4000
Khoa học thông thường là một sự cân bằng khéo léo giữa lý thuyết và thực nghiệm.
05:49
And so the theorist guys say, well, I think this is what's going on,
121
324000
2000
Và khi người làm lý thuyết nói, ồ, tôi nghĩ nó diễn ra thế này,
05:51
and the experimentalist says, no, you're wrong.
122
326000
2000
và người làm thực nghiệm nói, không, anh sai rồi.
05:53
And it goes back and forth, you know?
123
328000
2000
Và nó cứ qua lại như vậy, bạn thấy không?
05:55
This works in physics. This works in geology. But if this is normal science,
124
330000
2000
Cách này phù hợp cho vật lý, cho địa lý. Nhưng nếu đó là khoa học thông thường,
05:57
what does neuroscience look like? This is what neuroscience looks like.
125
332000
3000
còn khoa học thần kinh thì như thế nào? Khoa học thần kình như thế này.
06:00
We have this mountain of data, which is anatomy, physiology and behavior.
126
335000
5000
Chúng ta có một núi dữ liệu, bao gồm giải phẫu học, sinh lý học và hành vi.
06:05
You can't imagine how much detail we know about brains.
127
340000
3000
Bạn không thể tưởng tượng bao nhiêu chi tiết có được về bộ não.
06:08
There were 28,000 people who went to the neuroscience conference this year,
128
343000
4000
Có 28.000 người đến dự hội nghị về khoa học thần kinh năm nay,
06:12
and every one of them is doing research in brains.
129
347000
2000
và mỗi người đều làm nghiên cứu về não.
06:14
A lot of data. But there's no theory. There's a little, wimpy box on top there.
130
349000
4000
Rất nhiều dữ liệu. Nhưng không có lý thuyết.
06:18
And theory has not played a role in any sort of grand way in the neurosciences.
131
353000
5000
Và lý thuyết chưa hề có vai trò chủ đạo nào trong khoa học thần kinh.
06:23
And it's a real shame. Now why has this come about?
132
358000
3000
Thật đáng xấu hổ. Nhưng tại sao lại như vậy?
06:26
If you ask neuroscientists, why is this the state of affair,
133
361000
2000
Nếu bạn hỏi một nhà thần kinh học, tại sao lại như thế?
06:28
they'll first of all admit it. But if you ask them, they'll say,
134
363000
3000
Trước tiên họ sẽ thú thật là vậy. Nhưng rồi họ sẽ nói,
06:31
well, there's various reasons we don't have a good brain theory.
135
366000
3000
ồ, có nhiều lý do chúng tôi không có được một lý thuyết về não tốt.
06:34
Some people say, well, we don't still have enough data,
136
369000
2000
Vài người sẽ nói, ồ, chúng tôi chưa có đủ dữ liệu,
06:36
we need to get more information, there's all these things we don't know.
137
371000
3000
cần có thêm thông tin, còn rất nhiều thứ chưa biết.
06:39
Well, I just told you there's so much data coming out your ears.
138
374000
3000
Vậy thì tôi mới nói với bạn rằng có quá nhiều dữ liệu được tạo ra.
06:42
We have so much information, we don't even know how to begin to organize it.
139
377000
3000
Chúng ta có quá nhiều thông tin; chúng ta không biết bắt đầu tổ chức thế nào.
06:45
What good is more going to do?
140
380000
2000
Vậy thì có nhiều hơn lợi ích chỗ nào?
06:47
Maybe we'll be lucky and discover some magic thing, but I don't think so.
141
382000
3000
Có thể chúng ta sẽ may mắn khám phá ra điều gì đó kỳ diệu, nhưng tôi không nghĩ vậy.
06:50
This is actually a symptom of the fact that we just don't have a theory.
142
385000
3000
Đây thật sự là triệu chứng của việc chúng ta không có một lý thuyết.
06:53
We don't need more data -- we need a good theory about it.
143
388000
3000
Chúng ta không cần thêm dữ liệu -- mà cần một lý thuyết tốt về dữ liệu đó.
06:56
Another one is sometimes people say, well, brains are so complex,
144
391000
3000
Đôi khi người ta còn nói là bộ não quá phức tạp,
06:59
it'll take another 50 years.
145
394000
2000
cần thêm 50 năm nữa.
07:01
I even think Chris said something like this yesterday.
146
396000
2000
Tôi thậm chí còn nghĩ là Chris đã nói cái gì giống vậy ngày hôm qua.
07:03
I'm not sure what you said, Chris, but something like,
147
398000
2000
Tôi không chắc anh đã nói gì, Chris, nhưng kiểu như là,
07:05
well, it's one of the most complicated things in the universe. That's not true.
148
400000
3000
ồ, nó là thứ phức tạp nhất của vũ trụ. Điều đó không đúng.
07:08
You're more complicated than your brain. You've got a brain.
149
403000
2000
Bạn còn phức tạp hơn não của bạn. Bạn sở hữu một bộ não mà.
07:10
And it's also, although the brain looks very complicated,
150
405000
2000
Và mặc dù bộ não nhìn rất phức tạp,
07:12
things look complicated until you understand them.
151
407000
3000
mọi thứ còn phức tạp cho đến lúc nào bạn hiểu chúng.
07:15
That's always been the case. And so all we can say, well,
152
410000
3000
Luôn luôn là như vậy. Vậy thì tất cả những gì ta có thể nói
07:18
my neocortex, which is the part of the brain I'm interested in, has 30 billion cells.
153
413000
4000
là lớp vỏ não của tôi, phần não mà tôi quan tâm đến, có 30 tỉ tế bào.
07:22
But, you know what? It's very, very regular.
154
417000
2000
Nhưng bạn biết gì không? Điều này rất phổ biến.
07:24
In fact, it looks like it's the same thing repeated over and over and over again.
155
419000
3000
Sự thật là nó cứ như được lặp đi lặp lại nhiều lần vậy.
07:27
It's not as complex as it looks. That's not the issue.
156
422000
3000
Nó không phức tạp như nhìn thế đâu. Đó không phải là vấn đề.
07:30
Some people say, brains can't understand brains.
157
425000
2000
Có người nói là bộ não không thể hiểu được bộ não.
07:32
Very Zen-like. Whoo. (Laughter)
158
427000
3000
Như là công án thiền. Bạn biết đấy--
07:35
You know,
159
430000
1000
(Cười)
07:36
it sounds good, but why? I mean, what's the point?
160
431000
3000
Nghe hay đây, nhưng tại sao? Ý tôi là mục đích là gì?
07:39
It's just a bunch of cells. You understand your liver.
161
434000
3000
Nó chỉ là một mớ tế bào. Bạn hiểu được lá gan của mình.
07:42
It's got a lot of cells in it too, right?
162
437000
2000
Nó cũng có nhiều tế bào phải không?
07:44
So, you know, I don't think there's anything to that.
163
439000
2000
Nên bạn biết đó, tôi không nghĩ có gì phức tạp cả.
07:46
And finally, some people say, well, you know,
164
441000
2000
Và cuối cùng, có những người nói là
07:48
I don't feel like a bunch of cells, you know. I'm conscious.
165
443000
4000
Tôi không cảm thấy như là một mớ tế bào. Tôi tỉnh táo.
07:52
I've got this experience, I'm in the world, you know.
166
447000
2000
Tôi có kinh nghiệm, tôi sống trong thế giới.
07:54
I can't be just a bunch of cells. Well, you know,
167
449000
2000
Tôi không thể là một mớ tế bào đâu. Ồ, bạn biết không,
07:56
people used to believe there was a life force to be living,
168
451000
3000
người ta đã thường tin rằng có một năng lực tinh thần để ta tồn tại,
07:59
and we now know that's really not true at all.
169
454000
2000
và giờ thì ta biết chuyện đó hoàn toàn không đúng.
08:01
And there's really no evidence that says -- well, other than people
170
456000
3000
Và thật ra không có bằng chứng gì ngoài việc người ta
08:04
just have disbelief that cells can do what they do.
171
459000
2000
chỉ không tin rằng tế bào có thể hoạt động theo cách của nó.
08:06
And so, if some people have fallen into the pit of metaphysical dualism,
172
461000
3000
Thế thì nếu ai đó đã rơi vào bẫy của thuyết nhị nguyên siêu hình,
08:09
some really smart people, too, but we can reject all that.
173
464000
3000
những người giỏi lắm đấy, nhưng ta có thể bác bỏ mọi thứ đó.
08:12
(Laughter)
174
467000
2000
(Cười)
08:14
No, I'm going to tell you there's something else,
175
469000
3000
Không, tôi sắp nói cho bạn là có một thứ khác,
08:17
and it's really fundamental, and this is what it is:
176
472000
2000
và nó rất là cơ bản, nó là thế này:
08:19
there's another reason why we don't have a good brain theory,
177
474000
2000
có một lý do khác tại sao chúng ta không có một lý thuyết về não tốt,
08:21
and it's because we have an intuitive, strongly-held,
178
476000
3000
đó là vì chúng ta có một sự thừa nhận rất vững chắc bằng trực giác
08:24
but incorrect assumption that has prevented us from seeing the answer.
179
479000
5000
nhưng lại không chính xác đã ngăn cản chũng ta thấy được câu trả lời.
08:29
There's something we believe that just, it's obvious, but it's wrong.
180
484000
3000
Có một thứ mà ta tin tưởng nhưng rõ ràng là sai lầm.
08:32
Now, there's a history of this in science and before I tell you what it is,
181
487000
4000
Bây giờ, có cả một lịch sử về nó trong khoa học và trước khi tôi nói nó là gì,
08:36
I'm going to tell you a bit about the history of it in science.
182
491000
2000
tôi sẽ nói một chút về lịch sử của nó.
08:38
You look at some other scientific revolutions,
183
493000
2000
Bạn hãy nhìn về các cuộc cách mạng khoa học khác,
08:40
and this case, I'm talking about the solar system, that's Copernicus,
184
495000
2000
và trong trường hợp này, tôi nói về hệ mặt trời, đó là Copernicus,
08:42
Darwin's evolution, and tectonic plates, that's Wegener.
185
497000
3000
thuyết tiến hóa Darwin, về đĩa kiến tạo, đó là Wegener.
08:45
They all have a lot in common with brain science.
186
500000
3000
Chúng có nhiều điểm chung với khoa học não bộ.
08:48
First of all, they had a lot of unexplained data. A lot of it.
187
503000
3000
Đầu tiên là chúng có nhiều dữ liệu chưa giải thích. Rất là nhiều.
08:51
But it got more manageable once they had a theory.
188
506000
3000
Nhưng nó trở nên dễ quản lý hơn khi đã có một lý thuyết.
08:54
The best minds were stumped -- really, really smart people.
189
509000
3000
Những trí tuệ xuất sắc nhất đã chịu thua, những người sáng láng nhất.
08:57
We're not smarter now than they were then.
190
512000
2000
Chúng ta giờ không thông minh hơn họ ngày xưa đâu.
08:59
It just turns out it's really hard to think of things,
191
514000
2000
Nó chỉ là rất khó để suy nghĩ về những thứ đó,
09:01
but once you've thought of them, it's kind of easy to understand it.
192
516000
2000
nhưng một khi bạn đã nghĩ rồi, khá dễ để hiểu được nó.
09:03
My daughters understood these three theories
193
518000
2000
Các con gái tôi hiểu ba lý thuyết này
09:05
in their basic framework by the time they were in kindergarten.
194
520000
3000
về mặt cơ bản trước khi chúng vào mẫu giáo.
09:08
And now it's not that hard, you know, here's the apple, here's the orange,
195
523000
3000
Và không có gì khó cả, bạn biết đấy, đây trái táo, đây là trái cam,
09:11
you know, the Earth goes around, that kind of stuff.
196
526000
3000
trái đất thì hình cầu, đại loại như vậy.
09:14
Finally, another thing is the answer was there all along,
197
529000
2000
Cuối cùng, còn một điều nữa là câu trả lời luôn nằm sẵn,
09:16
but we kind of ignored it because of this obvious thing, and that's the thing.
198
531000
3000
nhưng ta dường như lờ nó đi chính vì cái điều rõ ràng đó.
09:19
It was an intuitive, strong-held belief that was wrong.
199
534000
3000
Đó chính là niềm tin trực giác vững chắc nhưng sai lầm.
09:22
In the case of the solar system, the idea that the Earth is spinning
200
537000
3000
Đối với hệ mặt trời, ý tưởng trái đất xoay vòng
09:25
and the surface of the Earth is going like a thousand miles an hour,
201
540000
3000
và bề mặt trái đất có vận tốc như là một ngàn dặm một giờ,
09:28
and the Earth is going through the solar system about a million miles an hour.
202
543000
3000
và trái đất đi trong hệ mặt trời khoảng một triệu dặm một giờ.
09:31
This is lunacy. We all know the Earth isn't moving.
203
546000
2000
Điên rồ quá. Ai cũng biết là trái đất không có dịch chuyển.
09:33
Do you feel like you're moving a thousand miles an hour?
204
548000
2000
Bạn có cảm thấy là mình đang đi một ngàn dặm một giờ không?
09:35
Of course not. You know, and someone who said,
205
550000
2000
Dĩ nhiên là không. Bạn biết là nếu có ai từng nói
09:37
well, it was spinning around in space and it's so huge,
206
552000
2000
là trái đất đang quay trong không gian và nó rất là lớn,
09:39
they would lock you up, and that's what they did back then.
207
554000
2000
người ta sẽ nhốt bạn lại, ngày xưa họ làm vậy đó.
09:41
(Laughter)
208
556000
1000
(Cười)
09:42
So it was intuitive and obvious. Now what about evolution?
209
557000
3000
Vật thì nó rất trực giác và rõ ràng. Thế còn thuyết tiến hóa thì sao?
09:45
Evolution's the same thing. We taught our kids, well, the Bible says,
210
560000
3000
Cũng vậy thôi. Chúng ta đã dạy trẻ con là Kinh thánh nói rằng,
09:48
you know, God created all these species, cats are cats, dogs are dogs,
211
563000
2000
Chúa tạo ra mọi giống loài, mèo là mèo, chó là chó,
09:50
people are people, plants are plants, they don't change.
212
565000
3000
người là người, cây cỏ là cây cỏ, chúng không hề thay đổi.
09:53
Noah put them on the Ark in that order, blah, blah, blah. And, you know,
213
568000
4000
Noah đưa chúng lên tàu theo trật tự đó, đại loại thế. Và bạn biết chứ,
09:57
the fact is, if you believe in evolution, we all have a common ancestor,
214
572000
4000
sự thật là nếu bạn tin vào thuyết tiến hóa, chúng ta đều có chung ông tổ,
10:01
and we all have a common ancestry with the plant in the lobby.
215
576000
3000
có cùng một tổ tiên với cái cây ngoài hành lang.
10:04
This is what evolution tells us. And, it's true. It's kind of unbelievable.
216
579000
3000
Đó là điều mà thuyết tiến hóa dạy ta. Và đó là sự thật. Không thể tin được.
10:07
And the same thing about tectonic plates, you know?
217
582000
3000
Đĩa kiến tạo thì cũng vậy thôi.
10:10
All the mountains and the continents are kind of floating around
218
585000
2000
Tất cả núi non và đại lục đều nổi trên bề mặt
10:12
on top of the Earth, you know? It's like, it doesn't make any sense.
219
587000
4000
của địa cầu. Thấy không, nó không có nghĩa gì hết.
10:16
So what is the intuitive, but incorrect assumption,
220
591000
4000
Nó là sự thừa nhận trực giác nhưng không chính xác,
10:20
that's kept us from understanding brains?
221
595000
2000
đã khiến chúng ta không hiểu được bộ não?
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
Giờ tôi sắp nói với bạn, và nó trông đương nhiên đến mức là chính xác,
10:24
and that's the point, right? Then I'm going to have to make an argument
223
599000
2000
và là điểm cốt yếu, phải không? Thế thì tôi sẽ phản biện rằng
10:26
why you're incorrect about the other assumption.
224
601000
2000
tại sao bạn đã sai về các thừa nhận khác.
10:28
The intuitive but obvious thing is that somehow intelligence
225
603000
3000
Cái trực giác và đương nhiên là bằng cách nào đó trí thông minh
10:31
is defined by behavior,
226
606000
2000
được định nghĩa bằng hành vi,
10:33
that we are intelligent because of the way that we do things
227
608000
2000
rằng chúng ta thông minh là vì cách chúng ta làm việc và cư xử
10:35
and the way we behave intelligently, and I'm going to tell you that's wrong.
228
610000
3000
một cách thông minh, tôi sẽ nói với bạn như vậy là sai.
10:38
What it is is intelligence is defined by prediction.
229
613000
2000
Trí thông minh được định nghĩa bằng khả năng tiên đoán.
10:40
And I'm going to work you through this in a few slides here,
230
615000
3000
Và tôi sẽ chỉ cho bạn trong mấy slide sắp tới,
10:43
give you an example of what this means. Here's a system.
231
618000
4000
cho bạn một ví dụ điều đó nghĩa là gì. Đây là một hệ thống.
10:47
Engineers like to look at systems like this. Scientists like to look at systems like this.
232
622000
3000
Các kĩ sư thích quan sát các hệ thống thế này. Khoa học gia cũng vậy.
10:50
They say, well, we have a thing in a box, and we have its inputs and its outputs.
233
625000
3000
Họ nói rằng chúng ta có một thứ trong cái hộp, chúng ta có dữ liệu và kết quả.
10:53
The AI people said, well, the thing in the box is a programmable computer
234
628000
3000
Người làm trí tuệ nhân tạo nói vật trong hộp là một máy tính đã được lập trình
10:56
because that's equivalent to a brain, and we'll feed it some inputs
235
631000
2000
vì nó tương đương với một bộ não, ta sẽ cấp cho nó vài dữ liệu
10:58
and we'll get it to do something, have some behavior.
236
633000
2000
bắt nó làm gì đó, có được hành vi nào đó.
11:00
And Alan Turing defined the Turing test, which is essentially saying,
237
635000
3000
Và Alan Turing định nghĩa bài test Turing, về cơ bản nói rằng,
11:03
we'll know if something's intelligent if it behaves identical to a human.
238
638000
3000
chúng ta biết được thứ gì đó thông minh nếu nó cư xử như con người.
11:06
A behavioral metric of what intelligence is,
239
641000
3000
Đó là thước đo sự thông minh, và nó đã
11:09
and this has stuck in our minds for a long period of time.
240
644000
3000
tồn tại trong đầu chúng ta rất lâu.
11:12
Reality though, I call it real intelligence.
241
647000
2000
Nhưng trong thực tế tôi gọi nó là trí thông mình thật.
11:14
Real intelligence is built on something else.
242
649000
2000
Trí thông minh thật được tạo nên từ những thứ khác.
11:16
We experience the world through a sequence of patterns, and we store them,
243
651000
4000
Chúng ta trải nghiệm thế giới qua một chuỗi các mẫu hình, và ta lưu chúng lại,
11:20
and we recall them. And when we recall them, we match them up
244
655000
3000
và nhớ lại chúng. Khi nhớ lại, ta so sánh chúng với thực tế
11:23
against reality, and we're making predictions all the time.
245
658000
4000
và chúng ta luôn tiên đoán.
11:27
It's an eternal metric. There's an eternal metric about us sort of saying,
246
662000
3000
Đó là thước đo vĩnh viễn. Một thước đo của chúng ta để nói là
11:30
do we understand the world? Am I making predictions? And so on.
247
665000
3000
chúng ta có hiểu thế giới không. Tôi có đang dự đoán không? Cứ như thế.
11:33
You're all being intelligent right now, but you're not doing anything.
248
668000
2000
Bạn đang thông minh ngay lúc này, nhưng bạn không làm gì cả.
11:35
Maybe you're scratching yourself, or picking your nose,
249
670000
2000
Có thể bạn đang gãi, hoặc đang móc mũi,
11:37
I don't know, but you're not doing anything right now,
250
672000
2000
Tôi không biết, nhưng bạn không làm gì hết lúc này,
11:39
but you're being intelligent; you're understanding what I'm saying.
251
674000
3000
nhưng bạn vẫn thông minh, bạn hiểu tôi đang nói gì.
11:42
Because you're intelligent and you speak English,
252
677000
2000
Chính vì bạn thông minh và biết tiếng Anh,
11:44
you know what word is at the end of this -- (Silence)
253
679000
1000
bạn biết cái từ ở cuối của cái -- (Yên lặng)
11:45
sentence.
254
680000
2000
câu này.
11:47
The word came into you, and you're making these predictions all the time.
255
682000
3000
Từ đó đến với bạn, và bạn luôn luôn tiên đoán.
11:50
And then, what I'm saying is,
256
685000
2000
Thế thì cái tôi đang nói là
11:52
is that the eternal prediction is the output in the neocortex.
257
687000
2000
khả năng tiên đoán vĩnh viễn là kết quả trong vỏ não.
11:54
And that somehow, prediction leads to intelligent behavior.
258
689000
3000
Và bằng cách nào đó, sự tiên đoán dẫn tới ứng xử thông minh.
11:57
And here's how that happens. Let's start with a non-intelligent brain.
259
692000
3000
Cách nó làm là thế này. Hãy thử với một bộ não không thông minh.
12:00
Well I'll argue a non-intelligent brain, we got hold of an old brain,
260
695000
4000
Tôi sẽ lý luận với bộ não không thông minh, lấy một bộ não xưa cũ,
12:04
and we're going to say it's like a non-mammal, like a reptile,
261
699000
3000
không phải của loài có vú, lấy của bò sát vậy,
12:07
so I'll say, an alligator; we have an alligator.
262
702000
2000
chẳng hạn như cá sấu. Ta có một con cá sấu.
12:09
And the alligator has some very sophisticated senses.
263
704000
3000
Con cá sấu có vài cơ quan cảm thụ rất phức tạp.
12:12
It's got good eyes and ears and touch senses and so on,
264
707000
3000
Nó có mắt tốt và tai và cơ quan cảm giác,
12:15
a mouth and a nose. It has very complex behavior.
265
710000
4000
miệng và mũi. Nó có hành xử rất phức tạp.
12:19
It can run and hide. It has fears and emotions. It can eat you, you know.
266
714000
4000
Nó có thể chạy và trốn. Nó biết sợ và biết cảm xúc. Nó có thể ăn thịt bạn.
12:23
It can attack. It can do all kinds of stuff.
267
718000
4000
Nó có thể tấn công. Làm được mọi thứ.
12:27
But we don't consider the alligator very intelligent, not like in a human sort of way.
268
722000
5000
Nhưng ta không xem con cá sấu thông minh lắm, không như con người.
12:32
But it has all this complex behavior already.
269
727000
2000
Nhưng hành xử của nó đã phức tạp rồi.
12:34
Now, in evolution, what happened?
270
729000
2000
Thế thì trong quá trình tiến hóa, cái gì đã xảy ra?
12:36
First thing that happened in evolution with mammals,
271
731000
3000
Đầu tiên là với loài có vú,
12:39
we started to develop a thing called the neocortex.
272
734000
2000
ta bắt đầu phát triển cái gọi là vỏ não.
12:41
And I'm going to represent the neocortex here,
273
736000
2000
Tôi sẽ đại diện vỏ não
12:43
by this box that's sticking on top of the old brain.
274
738000
2000
bằng cái hộp chui ra khỏi phần đầu của não cũ.
12:45
Neocortex means new layer. It is a new layer on top of your brain.
275
740000
3000
Võ nào là một lớp mới nằm trên não của bạn.
12:48
If you don't know it, it's the wrinkly thing on the top of your head that,
276
743000
3000
Nếu bạn chưa biết, nó là thứ nhăn nheo ở trên đầu bạn,
12:51
it's got wrinkly because it got shoved in there and doesn't fit.
277
746000
3000
nó nhăn bởi vì bị nhét vô mà không vừa.
12:54
(Laughter)
278
749000
1000
(Cười)
12:55
No, really, that's what it is. It's about the size of a table napkin.
279
750000
2000
Không thật ra nó là vậy. Nó có cỡ một tấm khăn ăn.
12:57
And it doesn't fit, so it gets all wrinkly. Now look at how I've drawn this here.
280
752000
3000
Và nó không vừa nên bị nhăn. Giờ hãy nhìn xem tôi vẽ.
13:00
The old brain is still there. You still have that alligator brain.
281
755000
4000
Bộ não cũ vấn đó. Bạn vẫn có não của con cá sấu.
13:04
You do. It's your emotional brain.
282
759000
2000
Đúng vậy. Đó là não dành cho cảm xúc.
13:06
It's all those things, and all those gut reactions you have.
283
761000
3000
Đó dành cho những phản ứng bản năng của bạn.
13:09
And on top of it, we have this memory system called the neocortex.
284
764000
3000
Và bên trên nó, ta có hệ thống bộ nhớ được gọi là vỏ não.
13:12
And the memory system is sitting over the sensory part of the brain.
285
767000
4000
Và hệ thống bộ nhớ nằm bên trên phần cảm nhận của não.
13:16
And so as the sensory input comes in and feeds from the old brain,
286
771000
3000
Và khi các dữ liệu cảm nhận đến với bộ não cũ,
13:19
it also goes up into the neocortex. And the neocortex is just memorizing.
287
774000
4000
nó cũng đến vỏ não. Và vỏ não chỉ ghi nhớ lại.
13:23
It's sitting there saying, ah, I'm going to memorize all the things that are going on:
288
778000
4000
Nó ngồi đó và nói là, việc của mình là nhớ hết những gì diễn ra.
13:27
where I've been, people I've seen, things I've heard, and so on.
289
782000
2000
mình đã ở đâu, gặp ai, nghe thấy gì, cứ như vậy.
13:29
And in the future, when it sees something similar to that again,
290
784000
4000
Và trong tương lai, khi nó thấy thứ gì tương tự lần nữa,
13:33
so in a similar environment, or the exact same environment,
291
788000
3000
trong một môi trường tương tự, hay đúng là môi trường cũ,
13:36
it'll play it back. It'll start playing it back.
292
791000
2000
nó sẽ gợi lại. Nó bắt đầu gợi lại.
13:38
Oh, I've been here before. And when you've been here before,
293
793000
2000
À, tôi đã từng ở đây. Và anh cũng ở đây khi trước,
13:40
this happened next. It allows you to predict the future.
294
795000
3000
có chuyện này đã xảy ra. Nó cho phép bạn tiên đoán tương lai.
13:43
It allows you to, literally it feeds back the signals into your brain;
295
798000
4000
Nó cho phép bạn, theo đúng nghĩa đen là đưa lại tín hiệu vào não bạn,
13:47
they'll let you see what's going to happen next,
296
802000
2000
nó cho phép bạn thấy được cái gì sắp xảy ra,
13:49
will let you hear the word "sentence" before I said it.
297
804000
3000
sẽ cho bạn nghe được từ "câu" trước khi tôi nói ra.
13:52
And it's this feeding back into the old brain
298
807000
3000
Và nó gửi thông tin đến bộ não cũ
13:55
that'll allow you to make very more intelligent decisions.
299
810000
3000
để cho bạn có thể quyết định thông minh hơn.
13:58
This is the most important slide of my talk, so I'll dwell on it a little bit.
300
813000
3000
Đây là slide quan trọng nhất của buổi nói chuyện, nên tôi dừng ở đây lâu một chút.
14:01
And so, all the time you say, oh, I can predict the things.
301
816000
4000
Vậy thì bạn luôn có thể nói là, ồ, tôi có thể tiên đoán sự vật.
14:05
And if you're a rat and you go through a maze, and then you learn the maze,
302
820000
3000
Nếu bạn là một con chuột đi trong mê cung, bạn sẽ học được mê cung,
14:08
the next time you're in a maze, you have the same behavior,
303
823000
2000
lần kế tiếp bạn đến mê cung, bạn sẽ cư xử y hệt,
14:10
but all of a sudden, you're smarter
304
825000
2000
nhưng đột nhiên, bạn sẽ thông minh hơn
14:12
because you say, oh, I recognize this maze, I know which way to go,
305
827000
3000
vì bạn sẽ nói, à, tôi nhận ra mê cung này, tôi biết đi thế nào,
14:15
I've been here before, I can envision the future. And that's what it's doing.
306
830000
3000
tôi đã từng ở đây, tôi có thể thấy được tương lai. Đó là cái xảy ra
14:18
In humans -- by the way, this is true for all mammals;
307
833000
3000
cho con người và cũng đúng cho mọi loài có vú,
14:21
it's true for other mammals -- and in humans, it got a lot worse.
308
836000
2000
nó đúng cho các loài có vú, và ở con người, nó tệ hơn nhiều.
14:23
In humans, we actually developed the front part of the neocortex
309
838000
3000
Ở con người, chúng ta thật ra phát triển phần trước của vỏ não.
14:26
called the anterior part of the neocortex. And nature did a little trick.
310
841000
4000
Và tự nhiên đã có một mẹo.
14:30
It copied the posterior part, the back part, which is sensory,
311
845000
2000
Nó chép lại phần sau, là phần cảm giác,
14:32
and put it in the front part.
312
847000
2000
và đưa lên phía trước.
14:34
And humans uniquely have the same mechanism on the front,
313
849000
2000
Nên chỉ độc nhất con người có cơ chế hệt như vậy ở phía trước,
14:36
but we use it for motor control.
314
851000
2000
nhưng ta dùng nó để điều khiển chuyển động (motor control)
14:38
So we are now able to make very sophisticated motor planning, things like that.
315
853000
3000
Nên ta có thể tạo các chuyển động phức tạp. Tôi không có thời gian
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
để nói về mọi thứ, nhưng nếu bạn muốn hiểu cách não hoạt động,
14:44
you have to understand how the first part of the mammalian neocortex works,
317
859000
3000
bạn phải hiểu cách phần đầu của vỏ não của động vật có vú hoạt động,
14:47
how it is we store patterns and make predictions.
318
862000
2000
cách chúng ta lưu lại mẫu hình và tiên đoán.
14:49
So let me give you a few examples of predictions.
319
864000
3000
Vậy để tôi cho bạn vài ví dụ về tiên đoán.
14:52
I already said the word "sentence." In music,
320
867000
2000
Tôi đã nói từ "câu". Trong âm nhạc,
14:54
if you've heard a song before, if you heard Jill sing those songs before,
321
869000
3000
nếu bạn đã nghe một bài hát trước kia, nếu đã nghe Jill hát những bài đó,
14:57
when she sings them, the next note pops into your head already --
322
872000
3000
khi cô ấy hát, nốt kế tiếp sẽ bật lên trong đầu bạn --
15:00
you anticipate it as you're going. If it was an album of music,
323
875000
2000
bạn mong đợi nó. Nếu nó là một album,
15:02
the end of one album, the next song pops into your head.
324
877000
3000
thì hết một album, bài kế tiếp bật lên trong đầu bạn.
15:05
And these things happen all the time. You're making these predictions.
325
880000
2000
Và những chuyện này luôn xảy ra. Bạn làm ra các dự đoán.
15:07
I have this thing called the altered door thought experiment.
326
882000
3000
Tôi có cái gọi là thí nghiệm trong đầu "cửa bị sửa" (thought experiment).
15:10
And the altered door thought experiment says, you have a door at home,
327
885000
3000
Thí nghiệm này nói là, bạn có một cái cửa ở nhà,
15:13
and when you're here, I'm changing it, I've got a guy
328
888000
3000
khi bạn đang ở đây, tôi đổi nó đi, tôi có người
15:16
back at your house right now, moving the door around,
329
891000
2000
ở nhà bạn ngay lúc này, dịch cái cửa sang chỗ khác,
15:18
and they're going to take your doorknob and move it over two inches.
330
893000
2000
họ lấy tay cầm và dịch nó đi 2 inch.
15:20
And when you go home tonight, you're going to put your hand out there,
331
895000
2000
Và khi tối nay bạn về nhà, bạn đưa tay lên,
15:22
and you're going to reach for the doorknob and you're going to notice
332
897000
2000
với tới tay cầm và bạn sẽ nhận thấy là
15:24
it's in the wrong spot, and you'll go, whoa, something happened.
333
899000
3000
nó không đúng chỗ, bạn sẽ nói, chà, có gì xảy ra đây.
15:27
It may take a second to figure out what it was, but something happened.
334
902000
2000
Chắc mất chừng một giây để hiểu được, nhưng có gì đó đã xảy ra.
15:29
Now I could change your doorknob in other ways.
335
904000
2000
Giờ tôi có thế đổi tay cầm theo cách khác.
15:31
I can make it larger or smaller, I can change its brass to silver,
336
906000
2000
Làm cho nó lớn lên hay nhỏ đi, đổi từ bằng đồng sang bằng bạc,
15:33
I could make it a lever. I can change your door, put colors on;
337
908000
2000
Tôi có thể chuyển nó thành cái cần. Có thể đổi cửa, sơn màu lên,
15:35
I can put windows in. I can change a thousand things about your door,
338
910000
3000
Có thể đặt cửa sổ. Tôi có thể đổi hàng ngàn thứ với cái cửa của bạn,
15:38
and in the two seconds you take to open your door,
339
913000
2000
và chỉ trong 2 giây bạn mở cửa,
15:40
you're going to notice that something has changed.
340
915000
3000
bạn sẽ nhận ra có gì đó thay đổi.
15:43
Now, the engineering approach to this, the AI approach to this,
341
918000
2000
Giờ thì, cách tiếp cận kĩ thuật, cách tiếp cận thông minh nhân tạo với vấn đề này,
15:45
is to build a door database. It has all the door attributes.
342
920000
3000
là tạo nên một cơ sơ dữ liệu cửa. Nó có tất cả các thuộc tính của cái cửa.
15:48
And as you go up to the door, you know, let's check them off one at time.
343
923000
3000
Và bạn sẽ đến bên cái cửa, bạn biết đó, hãy kiểm tra mỗi lần một thứ.
15:51
Door, door, door, you know, color, you know what I'm saying.
344
926000
2000
Cửa, cửa, cửa, bạn biết chứ, màu sắc, bạn biết tôi muốn nói gì.
15:53
We don't do that. Your brain doesn't do that.
345
928000
2000
Chúng ta không làm chuyện đó. Não của bạn không làm chuyện đó.
15:55
What your brain is doing is making constant predictions all the time
346
930000
2000
Cái não làm là luôn tiên đoán ngay lập tức
15:57
about what is going to happen in your environment.
347
932000
2000
cái gì sắp xảy ra trong môi trường của bạn.
15:59
As I put my hand on this table, I expect to feel it stop.
348
934000
3000
Nếu tôi để tay lên ban, tôi mong là nó sẽ ngừng lại.
16:02
When I walk, every step, if I missed it by an eighth of an inch,
349
937000
3000
Khi tôi đi mỗi bước, nếu tôi lỡ khoảng 1/8 inch,
16:05
I'll know something has changed.
350
940000
2000
tôi biết là có gì đã thay đổi.
16:07
You're constantly making predictions about your environment.
351
942000
2000
Bạn liên tục dự đoán về môi trường của mình.
16:09
I'll talk about vision here briefly. This is a picture of a woman.
352
944000
3000
Tôi sẽ nói về tầm nhìn một chút. Đây là hình của một người phụ nữ.
16:12
And when you look at people, your eyes are caught
353
947000
2000
Và khi bạn nhìn con người, mắt bạn sẽ chuyên động
16:14
over at two to three times a second.
354
949000
1000
2 đến 3 lần trong một giây.
16:15
You're not aware of this, but your eyes are always moving.
355
950000
2000
Bạn không ý thức được chuyện này, nhưng mắt bạn luôn dịch chuyển.
16:17
And so when you look at someone's face,
356
952000
2000
Khi bạn nhìn mặt ai đó,
16:19
you'd typically go from eye to eye to eye to nose to mouth.
357
954000
2000
một cách đặc trưng, bạn sẽ đi từ mắt sang mắt rồi mũi rồi miệng.
16:21
Now, when your eye moves from eye to eye,
358
956000
2000
Nếu bạn chuyển từ mắt sang mắt,
16:23
if there was something else there like, a nose,
359
958000
2000
mà có cái gì đó ở đó như là một cái mũi,
16:25
you'd see a nose where an eye is supposed to be,
360
960000
2000
bạn thấy cái mũi thay vì phải là con mắt,
16:27
and you'd go, oh shit, you know --
361
962000
3000
bạn sẽ thốt lên, chết rồi --
16:30
(Laughter)
362
965000
1000
(Cười)
16:31
There's something wrong about this person.
363
966000
2000
Người này có gì đó kì quặc.
16:33
And that's because you're making a prediction.
364
968000
2000
Đó là vì bạn đang tiên đoán.
16:35
It's not like you just look over there and say, what am I seeing now?
365
970000
2000
Nó không phải là bạn nhìn qua rồi nói, tôi thấy gì đây?
16:37
A nose, that's okay. No, you have an expectation of what you're going to see.
366
972000
3000
Mũi hả, cũng ok. Không, bạn mong đợi cái bạn sắp thấy.
16:40
(Laughter)
367
975000
1000
(Cười)
16:41
Every single moment. And finally, let's think about how we test intelligence.
368
976000
4000
Trong mỗi khoảng khắc. Và cuối cùng, hãy nghĩ về cách ta kiểm tra trí thông minh.
16:45
We test it by prediction. What is the next word in this, you know?
369
980000
3000
Ta kiểm tra nó bằng sự tiên đoán. Từ kế tiếp ở đây là gì?
16:48
This is to this as this is to this. What is the next number in this sentence?
370
983000
3000
Cái này ứng với cái này cũng như cái này với cái kia. Số kế tiếp là gì trong câu này?
16:51
Here's three visions of an object.
371
986000
2000
Đây là ba hình hiển thị của một đối tượng.
16:53
What's the fourth one? That's how we test it. It's all about prediction.
372
988000
4000
Thế thì cái thứ tư là gì? Đó là cách chúng ta kiểm tra nó. Toàn là về tiên đoán.
16:57
So what is the recipe for brain theory?
373
992000
3000
Vậy thì công thức cho lý thuyết não là gì?
17:00
First of all, we have to have the right framework.
374
995000
3000
Đầu tiên, chúng ta phải có cơ cấu đúng.
17:03
And the framework is a memory framework,
375
998000
2000
Và đó là cơ cấu bộ nhớ,
17:05
not a computation or behavior framework. It's a memory framework.
376
1000000
2000
không phải là cơ cấu hành xử hay tính toán. Đó là cơ cấu bộ nhớ.
17:07
How do you store and recall these sequences or patterns? It's spatio-temporal patterns.
377
1002000
4000
Làm thế nào mà bạn lưu và gợi lại các chuỗi hay mẫu hình này? Đó là mẫu không và thời gian.
17:11
Then, if in that framework, you take a bunch of theoreticians.
378
1006000
3000
Rồi thì trong cơ cấu đó, bạn dùng một nhóm các nhà lý thuyết.
17:14
Now biologists generally are not good theoreticians.
379
1009000
2000
Nhà sinh học thường không phải là nhà lý thuyết giỏi.
17:16
It's not always true, but in general, there's not a good history of theory in biology.
380
1011000
4000
Không phải luôn là vậy, nhưng thường hay vậy, không có một lịch sử hay về lý thuyết trong sinh học.
17:20
So I found the best people to work with are physicists,
381
1015000
3000
Cho nên tôi thấy những người tốt nhất là nhà vật lý,
17:23
engineers and mathematicians, who tend to think algorithmically.
382
1018000
3000
kĩ sư và toán học, nhưng người hay nghĩ theo thuật toán.
17:26
Then they have to learn the anatomy, and they've got to learn the physiology.
383
1021000
3000
Rồi thì họ phải học về giải phẫu học, về sinh lý học.
17:29
You have to make these theories very realistic in anatomical terms.
384
1024000
4000
Bạn phải làm cho các lý thuyết này thật thực tế theo nghĩa giải phẫu học.
17:33
Anyone who gets up and tells you their theory about how the brain works
385
1028000
4000
Ai mà đứng lên nói với bạn lý thuyết về não
17:37
and doesn't tell you exactly how it's working in the brain
386
1032000
2000
mà không nói được chính xác nó hoạt động trong não thế nào
17:39
and how the wiring works in the brain, it is not a theory.
387
1034000
2000
và cách nó kết nối trong não, thì đó không phải là lý thuyết.
17:41
And that's what we're doing at the Redwood Neuroscience Institute.
388
1036000
3000
Và đó là việc chúng tôi đang là ở viện khoa học thần kinh Redwood.
17:44
I would love to have more time to tell you we're making fantastic progress in this thing,
389
1039000
4000
Tôi rất muốn có thêm thời gian để nói rằng chúng tôi đang tiến những bước tuyệt vời,
17:48
and I expect to be back up on this stage,
390
1043000
2000
và mong rằng sẽ có dịp quay lại sân khấu này,
17:50
maybe this will be some other time in the not too distant future and tell you about it.
391
1045000
2000
chắc sẽ có dịp khác không lâu để kể với các bạn.
17:52
I'm really, really excited. This is not going to take 50 years at all.
392
1047000
3000
Tôi rất là háo hức. Sẽ không mất đến 50 năm đâu.
17:55
So what will brain theory look like?
393
1050000
2000
Thế thì lý thuyết về não nó như thế nào?
17:57
First of all, it's going to be a theory about memory.
394
1052000
2000
Trước hết, nó sẽ là lý thuyết về bộ nhớ.
17:59
Not like computer memory. It's not at all like computer memory.
395
1054000
3000
Hầu như không như bộ nhớ máy tính đâu.
18:02
It's very, very different. And it's a memory of these very
396
1057000
2000
Nó rất là khác. Và nó là bộ nhớ của các khuôn mẫu
18:04
high-dimensional patterns, like the things that come from your eyes.
397
1059000
3000
nhiều chiều, như những thứ đi từ mắt của bạn.
18:07
It's also memory of sequences.
398
1062000
2000
Nó cũng là bộ nhớ của các chuỗi.
18:09
You cannot learn or recall anything outside of a sequence.
399
1064000
2000
Bạn không thể học hay gợi lại cái gì ở ngoài một chuỗi.
18:11
A song must be heard in sequence over time,
400
1066000
3000
Một bài hát phải được nghe theo trình tự thời gian,
18:14
and you must play it back in sequence over time.
401
1069000
3000
và được chơi lại theo trình tự thời gian.
18:17
And these sequences are auto-associatively recalled, so if I see something,
402
1072000
3000
Và các chuỗi này được gọi lại một cách liên đới tự động, nên nếu tôi thấy gì đó,
18:20
I hear something, it reminds me of it, and then it plays back automatically.
403
1075000
3000
tôi nghe gì đó, nó gợi cho tôi về nó, và tự động trở lại.
18:23
It's an automatic playback. And prediction of future inputs is the desired output.
404
1078000
4000
Đó là quá trình trở lại tự động. Và tiên đoán dữ liệu tương lại là kết quả mong muốn.
18:27
And as I said, the theory must be biologically accurate,
405
1082000
3000
Và khi tôi nói, lý thuyết phải chính xác về mặt sinh học,
18:30
it must be testable, and you must be able to build it.
406
1085000
2000
nó phải có thể kiểm chứng, và bạn phải biết cách xây dựng nó.
18:32
If you don't build it, you don't understand it. So, one more slide here.
407
1087000
4000
Nếu bạn không xây dựng nó, bạn không hiểu nó. Thế thì, thêm một slide nữa nhé.
18:36
What is this going to result in? Are we going to really build intelligent machines?
408
1091000
4000
Vậy kết quả của việc này là gì? Có phải ta sẽ thật sự tạo nên các máy thông minh?
18:40
Absolutely. And it's going to be different than people think.
409
1095000
4000
Đương nhiên vậy. Và nó sẽ khác với cái mọi người nghĩ.
18:44
No doubt that it's going to happen, in my mind.
410
1099000
3000
Không nghi ngờ gì nó sẽ xảy ra, theo suy nghĩ của tôi.
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
Đâu tiên, chúng tôi sẽ tạo nó từ silicon.
18:51
The same techniques we use for building silicon computer memories,
412
1106000
3000
Cùng một kĩ thuật mà chúng tôi dùng để tạo bộ nhớ silicon của máy tính,
18:54
we can use for here.
413
1109000
1000
ta có thể dùng được ở đây.
18:55
But they're very different types of memories.
414
1110000
2000
Nhưng chúng là loại bộ nhớ rất khác.
18:57
And we're going to attach these memories to sensors,
415
1112000
2000
Và chúng tôi sẽ gắn các bộ nhớ này vào các cảm biến,
18:59
and the sensors will experience real-live, real-world data,
416
1114000
3000
và các cảm biến sẽ cảm nhận dữ liệu của thế giới thật,
19:02
and these things are going to learn about their environment.
417
1117000
2000
những thứ này sẽ học về môi trường của chúng.
19:04
Now it's very unlikely the first things you're going to see are like robots.
418
1119000
3000
Nhiều phần những thứ đầu tiên bạn thấy sẽ không phải là robot.
19:07
Not that robots aren't useful and people can build robots.
419
1122000
3000
Không phải là robot vô dụng và người ta có thể tạo được robot.
19:10
But the robotics part is the hardest part. That's the old brain. That's really hard.
420
1125000
4000
Nhưng robot là phần khó nhất. Đó là não cũ, là cái khó nhất.
19:14
The new brain is actually kind of easier than the old brain.
421
1129000
2000
Bộ não mới thật ra dễ hơn não cũ.
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
Nên việc đầu tiên chúng tôi làm là những thứ không đòi hỏi nhiều về robot.
19:19
So you're not going to see C-3PO.
423
1134000
2000
Nên bạn sẽ không thấy C-3PO đâu.
19:21
You're going to more see things like, you know, intelligent cars
424
1136000
2000
Bạn sẽ thấy nhiều thứ như xe hơi thông minh
19:23
that really understand what traffic is and what driving is
425
1138000
3000
thật sự hiểu được giao thông và lái xe là gì
19:26
and have learned that certain types of cars with the blinkers on for half a minute
426
1141000
3000
và đã học được rằng những xe chớp đèn trong hơn nửa phút
19:29
probably aren't going to turn, things like that.
427
1144000
2000
chắc là sẽ không quẹo đâu, những thứ như vậy đó.
19:31
(Laughter)
428
1146000
1000
(Cười)
19:32
We can also do intelligent security systems.
429
1147000
2000
Ta cũng có thể tạo ra các hệ thống an ninh thông minh.
19:34
Anywhere where we're basically using our brain, but not doing a lot of mechanics.
430
1149000
4000
Ở bất kì nơi nào mà ta đơn giản là dùng bộ não, nhưng không động chân động tay.
19:38
Those are the things that are going to happen first.
431
1153000
2000
Đó là những thứ sẽ xảy ra trước.
19:40
But ultimately, the world's the limit here.
432
1155000
2000
Nhưng cuối cùng, thế giới chính là giới hạn.
19:42
I don't know how this is going to turn out.
433
1157000
2000
Tôi không biết nó sẽ trở nên thế nào.
19:44
I know a lot of people who invented the microprocessor
434
1159000
2000
Tôi biết nhiều người đã đầu tư vào bộ vi xử lý
19:46
and if you talk to them, they knew what they were doing was really significant,
435
1161000
5000
và nếu bạn nói chuyện với họ, họ đã biết rằng cái họ làm rất quan trọng,
19:51
but they didn't really know what was going to happen.
436
1166000
3000
nhưng họ thật ra đã không biết cái gì sẽ xảy ra.
19:54
They couldn't anticipate cell phones and the Internet and all this kind of stuff.
437
1169000
5000
Họ không chờ đợi điện thoại di động, internet hay những thứ khác.
19:59
They just knew like, hey, they were going to build calculators
438
1174000
2000
Họ chỉ biết là, ờ, phải tạo nên máy tính
20:01
and traffic light controllers. But it's going to be big.
439
1176000
2000
và bộ điều khiển tín hiệu giao thông. Nhưng rồi nó sẽ phát triển lớn lắm.
20:03
In the same way, this is like brain science and these memories
440
1178000
3000
Cũng hệt như vậy, đây là khoa học về não vào bộ nhớ
20:06
are going to be a very fundamental technology, and it's going to lead
441
1181000
3000
sẽ trở thành công nghệ cơ bản, và sẽ dẫn đến
20:09
to very unbelievable changes in the next 100 years.
442
1184000
3000
nhưng thay đổi không thể tin được trong 100 năm nữa.
20:12
And I'm most excited about how we're going to use them in science.
443
1187000
4000
Và tôi háo hức nhất về cách chúng ta sẽ dùng chúng trong khoa học.
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
Tôi nghĩ là hết giờ rồi, tôi xong rồi và xin dừng bài nói
20:19
right there.
445
1194000
1000
ở đây.
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