TEDGlobal 2007
Kwabena Boahen: A computer that works like the brain
Kwabena Boahen nói về chiếc máy tính làm việc giống như não bộ
Filmed:
Readability: 4.2
718,375 views
Nhà nghiên cứu Kwabena Boahen đang tìm kiếm các cách để bắt chước năng lực tính toán siêu việt của bộ não bằng các thiết bị silicon - bởi lẽ các quá trình hỗn độn, dư thừa trong đầu chúng ta thực ra lại tạo ra một máy tính siêu nhanh, nhỏ và nhẹ.
Kwabena Boahen - Bioengineer
Kwabena Boahen wants to understand how brains work -- and to build a computer that works like the brain by reverse-engineering the nervous system. His group at Stanford is developing Neurogrid, a hardware platform that will emulate the cortex’s inner workings. Full bio
Kwabena Boahen wants to understand how brains work -- and to build a computer that works like the brain by reverse-engineering the nervous system. His group at Stanford is developing Neurogrid, a hardware platform that will emulate the cortex’s inner workings. Full bio
Double-click the English transcript below to play the video.
00:18
I got my first computer when I was a teenager growing up in Accra,
0
0
5000
Tôi có cái máy tính đầu tiên khi tôi còn là một cậu bé lớn lên ở Accra,
00:23
and it was a really cool device.
1
5000
3000
và nó thực sự là một thiết bị tuyệt vời.
00:26
You could play games with it. You could program it in BASIC.
2
8000
5000
Bạn có thể chơi trò chơi điện tử, bạn có thể lập trình bằng BASIC.
00:31
And I was fascinated.
3
13000
2000
Và tôi đã bị mê hoặc.
00:33
So I went into the library to figure out how did this thing work.
4
15000
6000
Vì thế tôi đã vào thư viện để tìm hiểu xem nó hoạt động thế nào.
00:39
I read about how the CPU is constantly shuffling data back and forth
5
21000
5000
Tôi đọc xem làm thế nào mà CPU có thể truyền dữ liệu liên tục tới lui
00:44
between the memory, the RAM and the ALU,
6
26000
4000
giữa bộ nhớ, RAM và ALU,
00:48
the arithmetic and logic unit.
7
30000
2000
(bộ phận tính toán số học và logic).
00:50
And I thought to myself, this CPU really has to work like crazy
8
32000
4000
Tôi tự nghĩ, chắc cái CPU này phải hoạt động như điên
00:54
just to keep all this data moving through the system.
9
36000
4000
để tất cả dữ liệu lưu chuyển trong hệ thống.
00:58
But nobody was really worried about this.
10
40000
3000
Nhưng chẳng ai thực sự quan tâm đến điều này.
01:01
When computers were first introduced,
11
43000
2000
Khi máy tính được ra mắt lần đầu tiên,
01:03
they were said to be a million times faster than neurons.
12
45000
3000
người ta nói rằng nó sẽ nhanh hơn nơ-ron hàng triệu lần.
01:06
People were really excited. They thought they would soon outstrip
13
48000
5000
Người ta thật sự thích thú, họ nghĩ chúng sẽ bỏ xa
01:11
the capacity of the brain.
14
53000
3000
khả năng của bộ não.
01:14
This is a quote, actually, from Alan Turing:
15
56000
3000
Đây là một câu trích từ Alan Turing:
01:17
"In 30 years, it will be as easy to ask a computer a question
16
59000
4000
"30 năm nữa, ta sẽ dễ dàng hỏi máy tính một câu hỏi,
01:21
as to ask a person."
17
63000
2000
giống như hỏi một người vậy."
01:23
This was in 1946. And now, in 2007, it's still not true.
18
65000
7000
Đó là năm 1946. Và bây giờ là 2007, nó vẫn chưa phải hiện thực.
01:30
And so, the question is, why aren't we really seeing
19
72000
4000
Vấn đề là tại sao chúng ta không thấy được
01:34
this kind of power in computers that we see in the brain?
20
76000
4000
cái khả năng này máy tính mà chúng ta thấy được trong não bộ?
01:38
What people didn't realize, and I'm just beginning to realize right now,
21
80000
4000
Điều chúng ta không thực sự nhận ra, và tôi mới chỉ mới nhận ra lúc này,
01:42
is that we pay a huge price for the speed
22
84000
2000
đó là chúng ta phải trả giá đắt cho tốc độ,
01:44
that we claim is a big advantage of these computers.
23
86000
4000
điều mà chúng ta cho rằng một sự tiến bộ lớn lao của những máy tính này.
01:48
Let's take a look at some numbers.
24
90000
2000
Nào chúng ta cùng nhìn vào một vài con số
01:50
This is Blue Gene, the fastest computer in the world.
25
92000
4000
Đó là Blue Gene, máy tính nhanh nhất trên thế giới
01:54
It's got 120,000 processors; they can basically process
26
96000
5000
Nó có 120,000 bộ vi xử lý; về cơ bản nó có thể xử lý được
01:59
10 quadrillion bits of information per second.
27
101000
3000
10 quadrillion bit thông tin trên 1 giây
02:02
That's 10 to the sixteenth. And they consume one and a half megawatts of power.
28
104000
7000
Đó là chừng 10 lũy thừa 16. Và nó tiêu thụ khoảng 1.5 mega oát điện.
02:09
So that would be really great, if you could add that
29
111000
3000
Điều đó có thể rất vĩ đại, nếu bạn có thể bổ sung nó
02:12
to the production capacity in Tanzania.
30
114000
2000
vào tổng năng lực sản xuất của Tanzania.
02:14
It would really boost the economy.
31
116000
2000
Nó thực sự sẽ thúc đẩy nền kinh tế
02:16
Just to go back to the States,
32
118000
4000
Quay trở lại với nước Mỹ,
02:20
if you translate the amount of power or electricity
33
122000
2000
nếu các bạn chuyển đổi lượng điện hoặc năng lượng này
02:22
this computer uses to the amount of households in the States,
34
124000
3000
cho các hộ gia đình ở Mỹ
02:25
you get 1,200 households in the U.S.
35
127000
4000
Con số đó là 1200 hộ gia đình ở Mỹ
02:29
That's how much power this computer uses.
36
131000
2000
Đó là lượng điện mà cái máy tính này sử dụng.
02:31
Now, let's compare this with the brain.
37
133000
3000
Nào, bây giờ hãy so sánh với bộ não
02:34
This is a picture of, actually Rory Sayres' girlfriend's brain.
38
136000
5000
Đây là hình ảnh bộ não của bạn gái Rory Sayres
02:39
Rory is a graduate student at Stanford.
39
141000
2000
Rory là một nghiên cứu sinh sau đại học ở Stanford
02:41
He studies the brain using MRI, and he claims that
40
143000
4000
Anh ấy nghiên cứu về bộ não bằng cách sử dụng MRI và anh cho rằng
02:45
this is the most beautiful brain that he has ever scanned.
41
147000
3000
đây là bộ não đẹp nhất mà anh đã scan ( chụp ) được từ trước đến giờ
02:48
(Laughter)
42
150000
2000
( Cười )
02:50
So that's true love, right there.
43
152000
3000
Đó là tình yêu đích thực, ngay đó
02:53
Now, how much computation does the brain do?
44
155000
3000
Và bây giờ thử nghĩ xem công suất tính toán của bộ não là bao nhiêu?
02:56
I estimate 10 to the 16 bits per second,
45
158000
2000
Tôi ước tính10 lũy thừa 16 bit trên 1 giây
02:58
which is actually about very similar to what Blue Gene does.
46
160000
4000
Điều đó cho thấy nó tương tự như máy Blue Gene
03:02
So that's the question. The question is, how much --
47
164000
2000
Đó là câu hỏi. Câu hỏi là, bao nhiêu--
03:04
they are doing a similar amount of processing, similar amount of data --
48
166000
3000
cả bộ não và Blue Gene thực hiện cùng một khối lượng tính toán và dữ liệu
03:07
the question is how much energy or electricity does the brain use?
49
169000
5000
câu hỏi là bộ não tiêu tốn bao nhiêu năng lượng?
03:12
And it's actually as much as your laptop computer:
50
174000
3000
Và thực tế là nó giống như chiếc laptop của bạn
03:15
it's just 10 watts.
51
177000
2000
chỉ khoảng 10 oát
03:17
So what we are doing right now with computers
52
179000
3000
Vậy hiện tại chúng ta đang làm gì với những chiếc máy tính
03:20
with the energy consumed by 1,200 houses,
53
182000
3000
tiêu tốn năng lượng bằng năng lượng dùng cho 1200 ngôi nhà.
03:23
the brain is doing with the energy consumed by your laptop.
54
185000
5000
bộ não đang tiêu thụ năng lượng chỉ bằng chiếc laptop của bạn
03:28
So the question is, how is the brain able to achieve this kind of efficiency?
55
190000
3000
Câu hỏi là làm thế nào mà bộ não có thể đạt được sự hiệu quả đó
03:31
And let me just summarize. So the bottom line:
56
193000
2000
Hãy để tôi tóm tắt một chút.
03:33
the brain processes information using 100,000 times less energy
57
195000
4000
bộ não xử lý thông tin trong khi sử dụng năng lượng ít hơn một nghìn lần
03:37
than we do right now with this computer technology that we have.
58
199000
4000
so với các máy tính được chế tạo bởi các công nghệ hiện nay.
03:41
How is the brain able to do this?
59
203000
2000
Làm thế nào để bộ não có thể thực hiện được điều đó?
03:43
Let's just take a look about how the brain works,
60
205000
3000
Hãy cùng nhìn vào cách mà bộ não làm việc
03:46
and then I'll compare that with how computers work.
61
208000
4000
và so sánh với cách mà các máy tính làm việc
03:50
So, this clip is from the PBS series, "The Secret Life of the Brain."
62
212000
4000
Đây là clip trong chuỗi chương trình PBS, "Đời sống bí ẩn của bộ não"
03:54
It shows you these cells that process information.
63
216000
3000
Nó cho bạn thấy các tế bào xử lý thông tin
03:57
They are called neurons.
64
219000
1000
Chúng được gọi là các nơ-ron
03:58
They send little pulses of electricity down their processes to each other,
65
220000
6000
Chúng truyền các xung điện nhỏ mà chúng cần xử lý cho nhau
04:04
and where they contact each other, those little pulses
66
226000
2000
Và tại nơi chúng liên lạc với nhau, các xung điện này
04:06
of electricity can jump from one neuron to the other.
67
228000
2000
có thể nhảy từ nơ-ron này sang các nơ-ron khác
04:08
That process is called a synapse.
68
230000
3000
Nơi đó gọi là các khớp thần kinh ( synapse)
04:11
You've got this huge network of cells interacting with each other --
69
233000
2000
Có một mạng lưới khổng lồ các tế bào tương tác lẫn nhau
04:13
about 100 million of them,
70
235000
2000
khoảng 100 triệu tế bào
04:15
sending about 10 quadrillion of these pulses around every second.
71
237000
4000
chúng gửi đi khoảng 10 triệu lũy thừa 4 các xung điện mỗi giây
04:19
And that's basically what's going on in your brain right now as you're watching this.
72
241000
6000
Và đó là nhữg gì đang xảy ra ở bên não của bạn khi bạn đang xem clip này
04:25
How does that compare with the way computers work?
73
247000
2000
Làm thế nào để so sánh với cách mà máy tính làm việc?
04:27
In the computer, you have all the data
74
249000
2000
Trong máy tính, tất cả dữ liệu
04:29
going through the central processing unit,
75
251000
2000
chạy qua bộ xử lý trung tâm ( CPU)
04:31
and any piece of data basically has to go through that bottleneck,
76
253000
3000
và từng phần của dữ liệu đều phải đi qua nút cổ chai đó
04:34
whereas in the brain, what you have is these neurons,
77
256000
4000
Trong khi đó trong bộ não là những nơ-ron
04:38
and the data just really flows through a network of connections
78
260000
4000
và dữ liệu thực tế chảy qua một mạng lưới các kết nối
04:42
among the neurons. There's no bottleneck here.
79
264000
2000
giữa các nơ-ron. Không có nút cổ chai nào ở đây
04:44
It's really a network in the literal sense of the word.
80
266000
4000
Nó thực sự là một mạng lưới theo nghĩa đen
04:48
The net is doing the work in the brain.
81
270000
4000
Một mạng lưới làm việc bên trong bộ não
04:52
If you just look at these two pictures,
82
274000
2000
Nếu các bạn nhìn vào 2 bức ảnh này
04:54
these kind of words pop into your mind.
83
276000
2000
2 loại từ in sâu vào tâm trí bạn
04:56
This is serial and it's rigid -- it's like cars on a freeway,
84
278000
4000
Cái này thì tuần tự và cứng nhắc, giống như chiếc ô tô đi trên 1 xa lộ duy nhất
05:00
everything has to happen in lockstep --
85
282000
3000
mọi thứ phải xảy ra ngay sau đó
05:03
whereas this is parallel and it's fluid.
86
285000
2000
Trong khi cái này thì là song song và linh hoạt hơn
05:05
Information processing is very dynamic and adaptive.
87
287000
3000
Việc xử lý thông tin là động và có tính thích ứng cao
05:08
So I'm not the first to figure this out. This is a quote from Brian Eno:
88
290000
4000
Tôi không phải là người đầu tiên chỉ ra điều này. Đó là trích dẫn của Brian Eno
05:12
"the problem with computers is that there is not enough Africa in them."
89
294000
4000
"Vấn đề với các máy tính là không có đủ cả một châu Phi ở bên trong chúng"
05:16
(Laughter)
90
298000
6000
Cười
05:22
Brian actually said this in 1995.
91
304000
3000
Brian thực sự đã nói câu này vào năm 1995
05:25
And nobody was listening then,
92
307000
3000
Và lúc đó không ai nghe điều đó
05:28
but now people are beginning to listen
93
310000
2000
nhưng rồi mọi người cũng bắt đầu lắng nghe
05:30
because there's a pressing, technological problem that we face.
94
312000
5000
bởi vấn đề công nghệ mà chúng ta phải đối mặt là rất cấp bách
05:35
And I'll just take you through that a little bit in the next few slides.
95
317000
5000
Hãy để tôi dẫn các bạn đi thêm một chút trong vài slide tiếp theo
05:40
This is -- it's actually really this remarkable convergence
96
322000
4000
Đây thực sự là một sự hội tụ đáng nhớ
05:44
between the devices that we use to compute in computers,
97
326000
5000
giữa các thiết bị mà chúng ta dùng để tính toán trong máy tính
05:49
and the devices that our brains use to compute.
98
331000
4000
và các thiết bị ( sinh học ) mà bộ não của chúng ta sử dụng để tính toán
05:53
The devices that computers use are what's called a transistor.
99
335000
4000
Các thiết bị mà máy tính dùng để tính toán được gọi là transitor
05:57
This electrode here, called the gate, controls the flow of current
100
339000
4000
Tại đây có các điện cực gọi là các cổng, chúng điều khiển sự ra vào của các dòng điện
06:01
from the source to the drain -- these two electrodes.
101
343000
3000
từ nguồn điện tới các ống dẫn-chúng là một cặp điện cực
06:04
And that current, electrical current,
102
346000
2000
và các dòng điện
06:06
is carried by electrons, just like in your house and so on.
103
348000
6000
mang theo electrons như dòng điện ở nhà các bạn vv..
06:12
And what you have here is, when you actually turn on the gate,
104
354000
5000
Và điều gì xảy ra khi bạn ( bật ) mở các cổng này
06:17
you get an increase in the amount of current, and you get a steady flow of current.
105
359000
4000
bạn làm tăng cường độ dòng điện và bạn sẽ có một dòng điện ổn định
06:21
And when you turn off the gate, there's no current flowing through the device.
106
363000
4000
Khi bạn đóng các cổng, sẽ không còn dòng điện nào chảy qua các thiết bị nữa
06:25
Your computer uses this presence of current to represent a one,
107
367000
5000
Máy tính của bạn sử dụng trạng thái tồn tại của dòng điện để biểu diễn "một", 1
06:30
and the absence of current to represent a zero.
108
372000
4000
Và sự vắng mặt của dòng điện biểu diễn "không", 0
06:34
Now, what's happening is that as transistors are getting smaller and smaller and smaller,
109
376000
6000
Một thực tế đang diễn ra là các transistor càng ngày càng trở nên nhỏ hơn
06:40
they no longer behave like this.
110
382000
2000
và nó đã không hoạt động như thế này nữa
06:42
In fact, they are starting to behave like the device that neurons use to compute,
111
384000
5000
Thực tế nó bắt đầu hoạt động giống như một thiết bị ( sinh học ) mà các nơ-ron sử dụng để tính toán
06:47
which is called an ion channel.
112
389000
2000
Nó được gọi là một kênh ion
06:49
And this is a little protein molecule.
113
391000
2000
Nó đơn giản chỉ là một tế bào protein nhỏ
06:51
I mean, neurons have thousands of these.
114
393000
4000
Tôi muốn nói là nơ-ron có hàng ngàn những tế bào như vậy
06:55
And it sits in the membrane of the cell and it's got a pore in it.
115
397000
4000
Và chúng nằm trên một màng các tế bào và có một khe trong chúng
06:59
And these are individual potassium ions
116
401000
3000
Chúng là nhưng ion kali đơn
07:02
that are flowing through that pore.
117
404000
2000
chảy theo những khe này
07:04
Now, this pore can open and close.
118
406000
2000
Các khe có thể đóng và mở
07:06
But, when it's open, because these ions have to line up
119
408000
5000
Khi chúng mở, vì các ion đi theo hàng
07:11
and flow through, one at a time, you get a kind of sporadic, not steady --
120
413000
5000
chúng chảy qua cổng rời rạc từng hạt một không ổn định
07:16
it's a sporadic flow of current.
121
418000
3000
Đó là dòng điện rời rạc
07:19
And even when you close the pore -- which neurons can do,
122
421000
3000
Khi bạn đóng các khe, việc mà các nơ-ron có thể làm
07:22
they can open and close these pores to generate electrical activity --
123
424000
5000
chúng có thể mở và đóng các khe để sinh ra các hoạt động điện
07:27
even when it's closed, because these ions are so small,
124
429000
3000
và khi nó bị đóng, do các ion rất nhỏ
07:30
they can actually sneak through, a few can sneak through at a time.
125
432000
3000
chúng có thể lọt qua, vài ion trong số chúng có thể lọt qua cùng 1 lúc
07:33
So, what you have is that when the pore is open,
126
435000
3000
khi các khe mở
07:36
you get some current sometimes.
127
438000
2000
thỉnh thoảng bạn sẽ nhận được dòng điện
07:38
These are your ones, but you've got a few zeros thrown in.
128
440000
3000
Đây là những bit 1 mà bạn có,nhưng cũng có thể có một vài bit 0 đi kèm
07:41
And when it's closed, you have a zero,
129
443000
4000
Và khi nó đóng, bạn có bit 0
07:45
but you have a few ones thrown in.
130
447000
3000
và cũng có thể có vài bit 1 đi kèm
07:48
Now, this is starting to happen in transistors.
131
450000
3000
Điều này đang xảy ra với các transistor
07:51
And the reason why that's happening is that, right now, in 2007 --
132
453000
5000
Và đó là lý do tại sao nó xảy ra, ngay lúc này, năm 2007
07:56
the technology that we are using -- a transistor is big enough
133
458000
4000
công nghệ mà chúng ta đang sử dụng, một transistor là đủ
08:00
that several electrons can flow through the channel simultaneously, side by side.
134
462000
5000
một vài electrons có thể lưu thông qua kênh cùng lúc hoặc nối tiếp nhau
08:05
In fact, there's about 12 electrons can all be flowing this way.
135
467000
4000
Sự thật là có khoảng 12 electrons có thể cùng được lưu thông trên kênh này
08:09
And that means that a transistor corresponds
136
471000
2000
Và điều đó có nghĩa là một transistor tương ứng
08:11
to about 12 ion channels in parallel.
137
473000
3000
với khoảng 12 kênh ion song song với nhau
08:14
Now, in a few years time, by 2015, we will shrink transistors so much.
138
476000
5000
Vài năm nữa, vào năm 2015 chúng ta sẽ thu nhỏ các transistor rất nhiều
08:19
This is what Intel does to keep adding more cores onto the chip.
139
481000
5000
Đây là những gì mà Intel đang làm để cố gắng tăng thêm nhiều nhân trên chip
08:24
Or your memory sticks that you have now can carry one gigabyte
140
486000
3000
Và thẻ nhớ của chúng ta ngày nay đã có thể chứa tới một gigabyte
08:27
of stuff on them -- before, it was 256.
141
489000
2000
dữ liệu, trong khi trước đó chúng chỉ có 256 byte
08:29
Transistors are getting smaller to allow this to happen,
142
491000
3000
Transistor đang ngày càng nhỏ hơn và nó cho phép điều đó xảy ra
08:32
and technology has really benefitted from that.
143
494000
3000
và công nghệ này thực sự mang lại lợi ích lớn
08:35
But what's happening now is that in 2015, the transistor is going to become so small,
144
497000
5000
Nhưng điều gì sẽ xảy ra vào năm 2015 khi mà các transistor đang càng trở nên nhỏ hơn
08:40
that it corresponds to only one electron at a time
145
502000
3000
nó chỉ tương ứng với 1 electron tại 1 thời điểm
08:43
can flow through that channel,
146
505000
2000
có thể truyền qua kênh
08:45
and that corresponds to a single ion channel.
147
507000
2000
và tương ứng với nó là một kênh ion
08:47
And you start having the same kind of traffic jams that you have in the ion channel.
148
509000
4000
Bắt đầu xảy ra tắc nghẽn giao thông trong kênh ion
08:51
The current will turn on and off at random,
149
513000
3000
Dòng chảy hiện tại bị bật và tắt một cách ngẫu nhiên
08:54
even when it's supposed to be on.
150
516000
2000
ngay cả khi nó cần phải được bật lên.
08:56
And that means your computer is going to get
151
518000
2000
Điều đó có nghĩa là máy tính của bạn sẽ nhận về
08:58
its ones and zeros mixed up, and that's going to crash your machine.
152
520000
4000
những bit 0 và 1 lẫn lộn với nhau, nó có thể dẫn tới làm hỏng máy của bạn
09:02
So, we are at the stage where we
153
524000
4000
Vì vậy, chúng ta đang ở giai đoạn
09:06
don't really know how to compute with these kinds of devices.
154
528000
3000
mà chúng ta không thực sự biết làm thế nào để tính toán với các thiết bị loại này.
09:09
And the only kind of thing -- the only thing we know right now
155
531000
3000
Và thứ duy nhất mà chúng ta biết ngay bây giờ
09:12
that can compute with these kinds of devices are the brain.
156
534000
3000
có thể tính toán với các thiết bị kiểu như bộ não
09:15
OK, so a computer picks a specific item of data from memory,
157
537000
4000
Do đó, một máy tính chọn một mục cụ thể của dữ liệu từ bộ nhớ,
09:19
it sends it into the processor or the ALU,
158
541000
3000
nó sẽ gửi nó vào bộ vi xử lý hoặc ALU,
09:22
and then it puts the result back into memory.
159
544000
2000
và sau đó nó sẽ trả kết quả trở lại vào bộ nhớ.
09:24
That's the red path that's highlighted.
160
546000
2000
Trên hình là con đường màu đỏ đã được làm nổi bật
09:26
The way brains work, I told you all, you have got all these neurons.
161
548000
4000
Cách bộ não làm việc, như tôi đã nói với các bạn, các bạn có tất cả những nơ-ron
09:30
And the way they represent information is
162
552000
2000
Và cách mà chúng biểu diễn thông tin là
09:32
they break up that data into little pieces
163
554000
2000
chúng phá vỡ thông tin thành các mảnh nhỏ
09:34
that are represented by pulses and different neurons.
164
556000
3000
các mảnh này được biểu diễn bởi các xung và các nơ-ron khác
09:37
So you have all these pieces of data
165
559000
2000
Như thế bạn có tất cả các phần của dữ liệu
09:39
distributed throughout the network.
166
561000
2000
được phân tán thông qua một mạng lưới
09:41
And then the way that you process that data to get a result
167
563000
3000
Và cách mà bạn xử lý dữ liệu để lấy kết quả
09:44
is that you translate this pattern of activity into a new pattern of activity,
168
566000
4000
là việc bạn dịch một mô hình này sang một mô hình khác
09:48
just by it flowing through the network.
169
570000
3000
chỉ bằng cách chảy qua mạng xử lý
09:51
So you set up these connections
170
573000
2000
Vì vậy, bạn thiết lập các kết nối
09:53
such that the input pattern just flows
171
575000
3000
từ dòng dữ liệu đầu vào
09:56
and generates the output pattern.
172
578000
2000
và sinh ra dòng các dữ liệu đầu ra
09:58
What you see here is that there's these redundant connections.
173
580000
4000
Những gì bạn thấy ở đây là có những kết nối dự phòng
10:02
So if this piece of data or this piece of the data gets clobbered,
174
584000
4000
Vì vậy nếu mảng dữ liệu này bị hủy
10:06
it doesn't show up over here, these two pieces can activate the missing part
175
588000
5000
chúng không thể hiện ở đây, hai mảng dữ liệu có thể kích hoạt những phần bị thiếu
10:11
with these redundant connections.
176
593000
2000
với những kết nối dự phòng
10:13
So even when you go to these crappy devices
177
595000
2000
Ngay cả khi bạn làm việc với các thiết bị dỏm
10:15
where sometimes you want a one and you get a zero, and it doesn't show up,
178
597000
3000
Nơi thỉng thoảng bạn muốn lấy bit 1 nhưng lại lấy về bit 0, chúng không thể hiện
10:18
there's redundancy in the network
179
600000
2000
có sự dự phòng ở trong mạng
10:20
that can actually recover the missing information.
180
602000
3000
Mạng nơ-ron thực sự có khả năng khôi phục các thông tin bị thiếu
10:23
It makes the brain inherently robust.
181
605000
3000
Nó làm cho bộ não thực sự mạnh mẽ
10:26
What you have here is a system where you store data locally.
182
608000
3000
Những gì bạn có là một hệ thống, nơi lưu trữ những dữ liệu cục bộ
10:29
And it's brittle, because each of these steps has to be flawless,
183
611000
4000
và nó rất dễ bị tổn thương, bởi vì mỗi bước cần được xử lý thật hoàn hảo
10:33
otherwise you lose that data, whereas in the brain, you have a system
184
615000
3000
nếu không bạn sẽ mất dữ liệu, trong khi đó bộ não của bạn là một hệ thống
10:36
that stores data in a distributed way, and it's robust.
185
618000
4000
lưu trữ dữ liệu một cách phân tán, điều đó làm cho nó thực sự mạnh mẽ
10:40
What I want to basically talk about is my dream,
186
622000
4000
Điều tôi muốn nói một cách cơ bản nhất về giấc mơ của tôi
10:44
which is to build a computer that works like the brain.
187
626000
3000
đó là chế tạo một máy tính làm việc giống như bộ não
10:47
This is something that we've been working on for the last couple of years.
188
629000
4000
Đây là một vài thứ mà chúng tôi đã làm việc trong vài năm qua
10:51
And I'm going to show you a system that we designed
189
633000
3000
Và sắp sửa trình bày cho các bạn thấy một hệ thống mà chúng tôi đã thiết kế
10:54
to model the retina,
190
636000
3000
để mô hình hóa võng mạc
10:57
which is a piece of brain that lines the inside of your eyeball.
191
639000
5000
Tại võng mạc có đường nối giữa khu vực xử lý của não với nhãn cầu
11:02
We didn't do this by actually writing code, like you do in a computer.
192
644000
6000
Chúng tôi không viết code giống như các bạn làm với máy tính
11:08
In fact, the processing that happens
193
650000
3000
Thực tế thì quá trình xử lý xảy ra
11:11
in that little piece of brain is very similar
194
653000
2000
trong các phần nhỏ của bộ não tương tự như
11:13
to the kind of processing that computers
195
655000
1000
quá trình xử lý trong máy tính
11:14
do when they stream video over the Internet.
196
656000
4000
khi chúng truyền các dòng dữ liệu video qua internet
11:18
They want to compress the information --
197
660000
1000
Chúng muốn nén thông tin
11:19
they just want to send the changes, what's new in the image, and so on --
198
661000
4000
chúng chỉ gửi những gì thay đổi, những hình ảnh mới và hơn nữa
11:23
and that is how your eyeball
199
665000
3000
và đó là cách mà nhãn cầu của bạn
11:26
is able to squeeze all that information down to your optic nerve,
200
668000
3000
có thể nén toàn bộ thông tin vào các nơ-ron thần kinh thị giác
11:29
to send to the rest of the brain.
201
671000
2000
để gửi đến các phần còn lại của bộ não
11:31
Instead of doing this in software, or doing those kinds of algorithms,
202
673000
3000
Thay vì làm việc với các thuật toán như trong các phần mềm
11:34
we went and talked to neurobiologists
203
676000
3000
chúng tới đã tới nói chuyện với các chuyên gia sinh học thần kinh
11:37
who have actually reverse engineered that piece of brain that's called the retina.
204
679000
4000
những người thực sự đã đảo ngược thiết kế của võng mạc
11:41
And they figured out all the different cells,
205
683000
2000
Và họ đã tìm ra tất cả các tế bào khác nhau
11:43
and they figured out the network, and we just took that network
206
685000
3000
họ khám phá ra mạng lưới, và chúng tôi lấy mạng đó
11:46
and we used it as the blueprint for the design of a silicon chip.
207
688000
4000
và sử dụng nó như bản kế hoạch cho việc thiết kế một chip silicon
11:50
So now the neurons are represented by little nodes or circuits on the chip,
208
692000
6000
Giờ thì các nơ-ron được biểu diễn bởi các nút hoặc mạch trên chip
11:56
and the connections among the neurons are represented, actually modeled by transistors.
209
698000
5000
và các kết nối giữa các tế bào thần kinh được biểu diễn, thực tế được mô hình hóa bởi các transitor
12:01
And these transistors are behaving essentially
210
703000
2000
Và các transistor hành động
12:03
just like ion channels behave in the brain.
211
705000
3000
giống như các kênh ion ở trong não
12:06
It will give you the same kind of robust architecture that I described.
212
708000
5000
Nó cung cấp cho bạn một kiến trúc mạnh mẽ như tôi đã mô tả
12:11
Here is actually what our artificial eye looks like.
213
713000
4000
Đây thực sự là những thứ mà đôi mắt nhân tạo của chúng ta nhìn thấy
12:15
The retina chip that we designed sits behind this lens here.
214
717000
5000
Các chip võng mạc mà chúng tôi thiết kế được đặt sau thấu kính này.
12:20
And the chip -- I'm going to show you a video
215
722000
2000
Tôi sẽ cho các bạn xem một video
12:22
that the silicon retina put out of its output
216
724000
3000
mà võng mạc silicon xuất ra các kết quả đầu ra của nó
12:25
when it was looking at Kareem Zaghloul,
217
727000
3000
Khi nhìn vào Kareem Zaghloul
12:28
who's the student who designed this chip.
218
730000
2000
Người đã thiết kế con chip này
12:30
Let me explain what you're going to see, OK,
219
732000
2000
Để tôi giải thích về những cái mà chúng ta đang xem, OK
12:32
because it's putting out different kinds of information,
220
734000
3000
Bởi vì nó đưa ra các loại thông tin khác nhau
12:35
it's not as straightforward as a camera.
221
737000
2000
Nó không phải đơn giản chỉ như một chiếc máy ảnh
12:37
The retina chip extracts four different kinds of information.
222
739000
3000
Chip võng mạc bóc tách 4 loại thông tin khác nhau
12:40
It extracts regions with dark contrast,
223
742000
3000
Nó bóc tách các vùng với độ tương phản tối
12:43
which will show up on the video as red.
224
745000
3000
chúng được hiển thị trên video với màu đỏ
12:46
And it extracts regions with white or light contrast,
225
748000
4000
Và khi nó bóc tách dữ liệu trên vùng màu trắng và tương phản sáng
12:50
which will show up on the video as green.
226
752000
2000
chúng được biểu diễn là màu xanh trên video
12:52
This is Kareem's dark eyes
227
754000
2000
Đây là đôi mắt tối của Kareem
12:54
and that's the white background that you see here.
228
756000
3000
và cái nền trắng mà bạn thấy ở đây
12:57
And then it also extracts movement.
229
759000
2000
Con chip cũng bóc tách các thông tin về chuyển động
12:59
When Kareem moves his head to the right,
230
761000
2000
Khi Kareem di chuyển đầu về phía bên phải
13:01
you will see this blue activity there;
231
763000
2000
các bạn sẽ thấy vùng hoạt động màu xanh ở đây
13:03
it represents regions where the contrast is increasing in the image,
232
765000
3000
chúng biểu diễn cho vùng mà tại đó sự tương phản đang tăng lên ở trong hình ảnh
13:06
that's where it's going from dark to light.
233
768000
3000
nó đang di chuyển từ vùng tối sang sáng
13:09
And you also see this yellow activity,
234
771000
2000
Và các bạn cũng thấy ở đây vùng chuyển động màu vàng
13:11
which represents regions where contrast is decreasing;
235
773000
4000
Chúng biểu diễn cho các vùng tại đó độ tương phản đang giảm đi
13:15
it's going from light to dark.
236
777000
2000
Chúng chuyển dần từ sáng sang tối
13:17
And these four types of information --
237
779000
3000
Và có bốn loại thông tin
13:20
your optic nerve has about a million fibers in it,
238
782000
4000
Thần kinh thị giác của bạn có khoảng một triệu sợi như vậy bên trong
13:24
and 900,000 of those fibers
239
786000
3000
khoảng 900.000 sợi trong số chúng
13:27
send these four types of information.
240
789000
2000
lưu chuyển 4 loại thông tin khác nhau
13:29
So we are really duplicating the kind of signals that you have on the optic nerve.
241
791000
4000
Vì vậy chúng ta thực sự đang nhân bản các loại tín hiệu trên các dây thần kinh thị giác
13:33
What you notice here is that these snapshots
242
795000
3000
Những gì bạn chú ý ở đây là những khoảnh khắc được lưu lại trên ảnh ( snapshots)
13:36
taken from the output of the retina chip are very sparse, right?
243
798000
4000
được lấy ra từ đầu ra của các chip võng mạc, chúng rất rời rạc
13:40
It doesn't light up green everywhere in the background,
244
802000
2000
Nó không chuyển sang màu xanh ở mội chỗ trên nền
13:42
only on the edges, and then in the hair, and so on.
245
804000
3000
chỉ có trên các cạnh và trên tóc vv..
13:45
And this is the same thing you see
246
807000
1000
và đây cũng là thứ mà bạn thấy
13:46
when people compress video to send: they want to make it very sparse,
247
808000
4000
Khi con người nén dữ liệu và gửi đi, họ muốn làm cho nó nhẹ hơn, rời rạc hơn
13:50
because that file is smaller. And this is what the retina is doing,
248
812000
3000
bởi vì kích thước file sẽ nhỏ hơn, và đó cũng là điều mà võng mạc làm
13:53
and it's doing it just with the circuitry, and how this network of neurons
249
815000
4000
và nó thực hiện điều đó bằng mạch thần kinh, và làm thế nào mạng nơ-ron
13:57
that are interacting in there, which we've captured on the chip.
250
819000
3000
nơi các tương tác thông tin xảy ra và được chúng tôi mô phỏng lại trên các con chip
14:00
But the point that I want to make -- I'll show you up here.
251
822000
3000
Có một điểm mà tôi muốn làm, tôi sẽ trình bày ngay đây
14:03
So this image here is going to look like these ones,
252
825000
3000
Những hình ảnh ở đây trông giống như những cái này
14:06
but here I'll show you that we can reconstruct the image,
253
828000
2000
Nhưng ở đây tôi sẽ cho các bạn thấy chúng tôi có thể tái tạo lại hình ảnh
14:08
so, you know, you can almost recognize Kareem in that top part there.
254
830000
5000
và như các bạn biết, bạn có thể nhận ra Kareem ở phần trên kia
14:13
And so, here you go.
255
835000
2000
Và đây, các bạn đã thấy
14:24
Yes, so that's the idea.
256
846000
3000
Vâng, ý tưởng là như vậy
14:27
When you stand still, you just see the light and dark contrasts.
257
849000
2000
Khi bạn đứng đó, bạn sẽ chỉ nhìn thấy sự tương phản giữa sáng và tối
14:29
But when it's moving back and forth,
258
851000
2000
Nhưng khi di chuyển tiến lùi
14:31
the retina picks up these changes.
259
853000
3000
Võng mạc sẽ thu nhận những thay đổi
14:34
And that's why, you know, when you're sitting here
260
856000
1000
Và đó là lý do tại sao khi chúng ta ngồi đây
14:35
and something happens in your background,
261
857000
2000
Có vài điều xảy ra phía đằng sau các bạn
14:37
you merely move your eyes to it.
262
859000
2000
Bạn chỉ đơn thuần di chuyển mắt của mình
14:39
There are these cells that detect change
263
861000
2000
Và có những tế bào tự động phát hiện ra những thay đổi
14:41
and you move your attention to it.
264
863000
2000
Và bạn di chuyển sự chú ý của mình theo nó
14:43
So those are very important for catching somebody
265
865000
2000
Những điều này rất quan trọng khi muốn thu nhận hình ảnh của ai đó
14:45
who's trying to sneak up on you.
266
867000
2000
Những người đang cố gắng lẩn trốn bạn
14:47
Let me just end by saying that this is what happens
267
869000
3000
Hãy để tôi kết thúc bằng cách nói về điều đang xảy ra
14:50
when you put Africa in a piano, OK.
268
872000
3000
khi bạn đặt Châu Phi vào một chiếc dương cầm. OK
14:53
This is a steel drum here that has been modified,
269
875000
3000
Đây là một cái trống thép đã được sửa đổi
14:56
and that's what happens when you put Africa in a piano.
270
878000
3000
và đó là điều xảy ra khi bạn đặt Châu Phi lên một chiếc piano
14:59
And what I would like us to do is put Africa in the computer,
271
881000
4000
và cái tôi muốn chúng ta làm là đưa Châu Phi vào trong máy tính
15:03
and come up with a new kind of computer
272
885000
2000
và tiến tới phát triển một loại máy tính mới
15:05
that will generate thought, imagination, be creative and things like that.
273
887000
3000
có thể suy nghĩ, tưởng tượng và sáng tạo ra những thứ như thế này
15:08
Thank you.
274
890000
2000
Cảm ơn
15:10
(Applause)
275
892000
2000
Vỗ tay
15:12
Chris Anderson: Question for you, Kwabena.
276
894000
2000
Một câu hỏi cho anh, Kwabena
15:14
Do you put together in your mind the work you're doing,
277
896000
4000
Anh có đặt trong tâm trí mình công việc của anh đang làm
15:18
the future of Africa, this conference --
278
900000
3000
tương lai của Châu Phi và buổi hội thảo này
15:21
what connections can we make, if any, between them?
279
903000
3000
có sự kết nối nào chúng ta có thể tạo ra, nếu có thể , giữa chúng?
15:24
Kwabena Boahen: Yes, like I said at the beginning,
280
906000
2000
Vâng, giống như tôi nói lúc đầu
15:26
I got my first computer when I was a teenager, growing up in Accra.
281
908000
4000
Tôi có chiếc máy tính đầu tiên lúc tôi còn là một cậu bé, trưởng thành ở Châu Phi
15:30
And I had this gut reaction that this was the wrong way to do it.
282
912000
4000
Và tôi đã có một phản ứng cho rằng đây là con đường sai lầm để làm điều đó
15:34
It was very brute force; it was very inelegant.
283
916000
3000
Nó rất thô sơ, không hề tính tế chút nào
15:37
I don't think that I would've had that reaction,
284
919000
2000
Tôi không nghĩ rằng tôi đã có phản ứng đó
15:39
if I'd grown up reading all this science fiction,
285
921000
3000
Nếu tôi muốn lên để đọc các sách khoa học viễn tưởng
15:42
hearing about RD2D2, whatever it was called, and just -- you know,
286
924000
4000
nghe nói về RD2D2, hoặc bất cứ thứ gì có thể gọi tên, các bạn biết đấy
15:46
buying into this hype about computers.
287
928000
1000
tin vào các quảng cáo về những chiếc máy tính
15:47
I was coming at it from a different perspective,
288
929000
2000
Tôi đã tiếp cận từ 1 góc độ khác,
15:49
where I was bringing that different perspective
289
931000
2000
nơi tôi đã mang theo quan điểm khác đó
15:51
to bear on the problem.
290
933000
2000
để theo đuổi vấn đề này
15:53
And I think a lot of people in Africa have this different perspective,
291
935000
3000
Và tôi nghĩ rằng có rất nhiều người ở Châu Phi có những quan điểm rất khác
15:56
and I think that's going to impact technology.
292
938000
2000
và tôi nghĩ nó đang tác động tới công nghệ
15:58
And that's going to impact how it's going to evolve.
293
940000
2000
Và nó đang tác động tới các phương tiện làm thay đổi cuộc sống
16:00
And I think you're going to be able to see, use that infusion,
294
942000
2000
Và tôi nghĩ có thể các bạn đang bắt đầu được chứng kiến
16:02
to come up with new things,
295
944000
2000
những điều mới đang đến
16:04
because you're coming from a different perspective.
296
946000
3000
vì chúng ta đang đến từ những góc độ khác nhau
16:07
I think we can contribute. We can dream like everybody else.
297
949000
4000
Tôi khi chúng ta có thể đóng góp. Chúng ta có thể mơ ước giống như mọi người khác
16:11
CA: Thanks Kwabena, that was really interesting.
298
953000
2000
Cảm ơn Kwabena, thât sự rất thú vị
16:13
Thank you.
299
955000
1000
Xin cảm ơn
16:14
(Applause)
300
956000
2000
Cười
ABOUT THE SPEAKER
Kwabena Boahen - BioengineerKwabena Boahen wants to understand how brains work -- and to build a computer that works like the brain by reverse-engineering the nervous system. His group at Stanford is developing Neurogrid, a hardware platform that will emulate the cortex’s inner workings.
Why you should listen
Kwabena Boahen is the principal investigator at the Brains in Silicon lab at Stanford. He writes of himself:
Being a scientist at heart, I want to understand how cognition arises from neuronal properties. Being an engineer by training, I am using silicon integrated circuits to emulate the way neurons compute, linking the seemingly disparate fields of electronics and computer science with neurobiology and medicine.
My group's contributions to the field of neuromorphic engineering include a silicon retina that could be used to give the blind sight and a self-organizing chip that emulates the way the developing brain wires itself up. Our work is widely recognized, with over sixty publications, including a cover story in the May 2005 issue of Scientific American.
My current research interest is building a simulation platform that will enable the cortex's inner workings to be modeled in detail. While progress has been made linking neuronal properties to brain rhythms, the task of scaling up these models to link neuronal properties to cognition still remains. Making the supercomputer-performance required affordable is the goal of our Neurogrid project. It is at the vanguard of a profound shift in computing, away from the sequential, step-by-step Von Neumann machine towards a parallel, interconnected architecture more like the brain.
Kwabena Boahen | Speaker | TED.com