How close are we to uploading our minds? - Michael S.A. Graziano

Translator: Sanda Aung Reviewer: Myo Aung

Imagine a future where nobody dies—

ဘယ်သူမှမသေတဲ့ အနာဂတ်မျိုးကို မြင်ယောင်ကြည့်ပါ—

instead, our minds are uploaded to a digital world.

အဲဒီအစား ကျုပ်တို့ရဲ့ အသိစိတ်တွေကို ဒီဂျစ်တယ်ကမ္ဘာဆီကို အပ်လုပ်လုပ်ကြတယ်။

They might live on in a realistic, simulated environment with avatar bodies,

သူတို့ဟာ လက်တွေ့ ကိုယ်ပွားတွေ နေထိုင်ကြတဲ့ ပတ်ဝန်းကျင် အတုထဲမှာ နေထိုင်လျက်

and could still call in and contribute to the biological world.

ဇီဝဗေဒကမ္ဘာဆီကို ခေါ်ဆိုနိုင်ပြီး ပံ့ပိုးပေးချင် ပေးနိုင်ကြဦးမှာပါ။

Mind uploading has powerful appeal—

အသိစိတ်ကို အပ်လုဒ်လုပ်ခြင်းဟာ အားတက်ဖွယ် ကောင်းတယ်လို့ ထင်ရပေမဲ့—

but what would it actually take to scan a person’s brain and upload their mind?

လူရဲ့ ဦးနှောက်ကို စကင်ဖတ်ပြီး ထိုသူရဲ့ အသိ စိတ်ကို ဘယ်လိုများ အပ်လုဒ် လုပ်နိုင်မလဲ။

The main challenges are scanning a brain in enough detail to capture the mind

အဓိကစိန်ခေါ်မှုက အသိစိတ်ကို လုံလောက်စွာ အသေးစိတ် စကင်ဖတ်ပြီး အသိစိတ်ကို ဖမ်းယူပြီး

and perfectly recreating that detail artificially.

အဲဒီ အသေးစိတ်တွေကို ပြန်ပြီး အတုအဖြစ် ပြည့်စုံစွာ ဖန်တီးပေးဖို့ပါပဲ။

But first, we have to know what to scan.

ပထမအချက်အနေနဲ့ ဘာတွေကို စကင် လုပ်ရမှာကို သိဖို့ လိုအပ်ပါတယ်။

The human brain contains about 86 billion neurons,

လူ့ဦးနှောက်ထဲတွင် အာရုံခံဆဲလ် ၈၆ ဘီလီယံခန့် ရှိပါတယ်၊

connected by at least a hundred trillion synapses.

၎င်းတို့ဟာ အနည်းဆုံးအားဖြင့် synapse တွေ အနည်းဆုံး ထရီလီယံ တစ်ရာနဲ့ ဆက်နွှယ်နေတယ်။

The pattern of connectivity among the brain’s neurons,

ဦးနှောက်ထဲက အာရုံခံဆဲလ်များ အကြားက ဆက်သွယ်မှုကို၊ တနည်းအားဖြင့်

that is, all of the neurons and all their connections to each other,

၎င်းတို့ အချင်းအချင်း အကြားက ဆက်သွယ်မှု ပုံစံကို

connectome လို့ ခေါ်ဝေါ်ကြပါတယ်။

is called the connectome.

ကျုပ်တို့ဟာ connectome ရဲ့ မြေပုံကို ရေးဆွဲနိုင်စွမ်း မရှိကြတဲ့ အပြင်၊

We haven’t yet mapped the connectome,

and there’s also a lot more to neural signaling.

အာရုံကြောတွေရဲ့ အချက်ပြမှုကိုလည်း အတော်လေ့လာဖို့ လိုအပ်ပါသေးတယ်။

There are hundreds, possibly thousands of different kinds of connections,

အခု ကြည့်ရတဲ့ အတိုင်းဆိုရင်၊ ဆက်သွယ်ရေး အမျိုအစားတွေ ဒါမှမဟုတ်

or synapses.

synapse တွေဟာ ထောင်ပေါင်းများစွာ ရှိနိုင်ကြပါတယ်။

Each functions in a slightly different way.

တစ်ခုချင်းစီ လုပ်ကိုင်ပုံ မသိမသာ ကွဲပြားကြပါတယ်။

Some work faster, some slower.

တချို့က မြန်ပြီ၊ တချို့က နှေးကြတယ်။

Some grow or shrink rapidly in the process of learning;

အချို့က သင်ယူရေး ဖြစ်စဉ်အတွင်း တမဟုတ်ချင်း ကြီးထွား ဒါမှမဟုတ် ကျုံ့သွားနိုင်တယ်၊

some are more stable over time.

အချို့ကျတော့ အချိန်အတော်ကြာ တည်ငြိမ်စွာ ရှိတတ်ကြတယ်။

And beyond the trillions of precise, 1-to-1 connections between neurons,

ပြီးတော့ အာရုံခံဆဲလ်တွေအကြား ၁ ခုနဲ့ ၁ ခု ဆက်သွယ်မှုတွေ ရှိကြတဲ့ အပြင်

some neurons also spray out neurotransmitters

အချို့သော အာရုံခံဆဲလ်တွေဟာ အခြား အာရုံခံဆဲလ်တွေ တစ်ပုံကြီး တချိန်တည်း

that affect many other neurons at once.

သက်ရောက်မှုရှိတဲ့ အာရုံထုတ်လွှင့်မှုကို ပြုလုပ်နိုင်သေးတယ်။

All of these different kinds of interactions

လူတစ်ယောက်ရဲ့ အသိစိတ်ကို ကူးယူနိုင်ဖို့အတွက်

would need to be mapped in order to copy a person’s mind.

အဲဒီလို ပြန်လှန်တုံ့ပြန်မှုများကို မြေပုံဖေါ်ထုတ်ပေးရန် လိုအပ်ပါတယ်။

There are also a lot of influences on neural signaling

ပြီးတော့ ကျုပ်တို့ သိရှိတာ အားနည်း ဒါမှမဟုတ် ရှာမတွေ့ရသေးတဲ့

that are poorly understood or undiscovered.

အာရုံကြော အချက်ပြမှု အပေါ် သက်ရောက်မှုတွေ အများအအများ ရှိကြပါသေးတယ်။

To name just one example,

ဥပမာတစ်ခုတည်းကို ဖေါ်ပြပေးပါရစေ။

patterns of activity between neurons

အာရုံခံဆဲလ်တွေအကြား လှုပ်ရှားမှုပုံစံများကို

are likely influenced by a type of cell called glia.

glia လို့ခေါ်တဲ့ ဆဲလ်အမျိုးအစားက လွှမ်းမိုးပုံရတယ်။

Glia surround neurons and, according to some scientists,

သိပ္ပံပညာရှင်တချို့တို့က Glia ဟာ အာရုံခံ ဆဲလ်ကို ဝန်းရံထားပြီး အရေအတွက်အရ

may even outnumber them by as many as ten to one.

၎င်းတို့ထက် အရေအတွက် ဆယ်ဆ ပိုများတယ်လို့ ယူဆကြတယ်။

Glia were once thought to be purely for structural support,

တစ်ချိန်တုန်းက Glia တွေဟာ ဖွဲ့စည်းမှုကို ပံ့ပိုးဖို့ သက်သက်လို့ ထင်ခဲ့ကြပေမဲ့၊

and their functions are still poorly understood,

၎င်းတို့ လုပ်ဆောင်ပုံ ကောင်းကောင်း နားလည် မရသေးပေမဲ့၊

but at least some of them can generate their own signals

၎င်းတို့ထဲက တချို့က ကိုယ်ပိုင် အချက်ပြမှုများကို ထုတ်လွှင့်နိုင်ပြီး

အချက်အလက်များ စီမံဆ​ောင်ရွက်ပုံ အကျိုးအသက်ရောက်နိုင်ကြတယ်။

that influence information processing.

Our understanding of the brain isn’t good enough to determine

ဦးနှောက်ကို ကျွန်ုပ်တို့ သိရှိကြတာ မလုံလောက်သေးလို့

what we’d need to scan in order to replicate the mind,

အသိစိတ်ကို ပွားယူရန် ဘာတွေ စကင်ဖတ်ဖို့ လိုအပ်တာ ကျုပ်တို့ မသေချာပေမဲ့၊

but assuming our knowledge does advance to that point,

ကျုပ်တို့ရဲ့ အသိပညာက အဲဒီလိုအဆင့်ကို ရောက်ရှိသွားပြီလို့ ယူဆရင်

how would we scan it?

အဲဒါ ကျုပ်တို့ ဘယ်လို စကင်ဖတ်ကြမလဲ။

Currently, we can accurately scan a living human brain

လောလောဆယ်မှာ ကျုပ်တို့ဟာ သက်ရှိလူသားရဲ့ ဦးနှောက်ကို

with resolutions of about half a millimeter

မီလီမီတာဝက် တိကျမှုဖြင့် ကျုပ်တို့ရဲ့

using our best non-invasive scanning method, MRI.

ထိုးဖောက်ရန် မလိုအပ်တဲ့ စကင်ဖတ်နည်း MRI ကို သုံးပြီး ပြုလုပ်နိုင်ကြတယ်။

To detect a synapse, we’ll need to scan at a resolution of about a micron—

synapse တစ်ခုကို တိုင်းကြည့်ရန် ကျုပ်တို့ တစ် micron တိကျမှုဖြင့် စကင်ဖတ်ရန် လိုတယ်။

a thousandth of a millimeter.

တစ်မီလီမီတာရဲ့ ထောင်ပုံတစ်ပုံ တိကျမှုပါ။

To distinguish the kind of synapse and precisely how strong each synapse is,

synapse ရဲ့ အမျိုးအစားကို ပြီးတော့ synaps တစ်ခုချင်းရဲ့ စွမ်းအားကို ခွဲခြားသိရှိရန်

we’ll need even better resolution.

ကျုပ်တို့ဟာ ပိုပြီး တိကျစွ တိုင်းထွာဖို့ လိုပါမယ်။

MRI depends on powerful magnetic fields.

MRI ဟာ အစွမ်းထက်တဲ့ သံလိုက်စက်ကွင်းတွေကို အားကိုးရပါတယ်။

synapse တစ်ခုချင်း အသေးစိတ် စကင်ဖတ်ဖို့ လိုတဲ့ တိကျမှုအတွက်

Scanning at the resolution required

to determine the details of individual synapses

လိုအပ်မယ့် စက်ကွင်း စွမ်းအားဟာဖြင့်

would requires a field strength high enough to cook a person’s tissues.

လူသားရဲ့ တစ်ရှူးများကို ချက်ပြုတ်နိုင် လောက်အောင်ကို အားကောင်းရမှာ ဖြစ်ပါတယ်။

So this kind of leap in resolution

ဒါကြောင့်မို့လို့ တိကျမှုကို ဒီလိုမြင့်မားစွာ လိုအပ်ချက်က

would require fundamentally new scanning technology.

အခြေခံအားဖြင့် လုံးဝအသစ်ဖြစ်တဲ့ စကင်ဖတ်နည်းကို တောင်းဆိုပါလိမ့်မယ်။

It would be more feasible to scan a dead brain using an electron microscope,

အီလက်ထရွန်နစ် အဏုကြည့်မှန်ပြောင်းဖြင့် လူသေရဲ့ ဦးနှောက်ကို စကင်ဖတ်ရနိုင်ပေမဲ့၊

but even that technology is nowhere near good enough–

အဲဒီနည်းပညာဟာ သိပ်အသုံးမဝင်တဲ့အပြင်

and requires killing the subject first.

လေ့လာမယ့်သူကို အရင်သတ်ပစ်ရန် လိုပါသေးတယ်။

Assuming we eventually understand the brain well enough to know what to scan

ကျုပ်တို့ နောက်ဆုံးမှာ ဘာတွေ စကင်ဖတ်ဖို့ လိုအပ်ကြောင်း ဦးနှောက်ကို နားလည်ကြလို့

and develop the technology to safely scan at that resolution,

အဲဒီလိုပြတ်သားမှုဖြင့် ဘေးကင်းစွာ စကင်ဒီလုပ်တတ်လာကြပြီ ဆိုတောင်

the next challenge would be to recreate that information digitally.

နောက် စိန်ခေါ်မှုက အဲဒီအချက်အလက်တွေကို ဒီဂျစ်တယ်နည်းဖြင် ပြန်လည်ဖန်တီးဖို့ပါပဲ။

The main obstacles to doing so are computing power and storage space,

အဲဒါ ပြုလုပ်နိုင်ဖို့ အဓိက အတားအဆီးက ကွန် ပျူတာရဲ့ တွက်စွမ်းနဲ့ သိုလှောင်ထားဖို့ပါ၊

အဲဒီ နှစ်ခုစလုံး နှစ်တိုင်း ပိုပိုတိုးတက် လာနေကြတာ အမှန်ပါပဲ။

both of which are improving every year.

We’re actually much closer to attaining this technological capacity

တကယ်တော့ ကျုပ်တို့ဟာ အဲဒီလို နည်းပညာတွေကို ရယူဖို့ နီးစပ်နိုင်ပေမဲ့၊

than we are to understanding or scanning our own minds.

ကျုပ်တို့ရဲ့ အသိစိတ်ကို နားလည်ဖို့နဲ့ စကင် ဖတ်ဖို့ကတော့ ဝေးနေတုန်းပါပဲ။

Artificial neural networks already run our internet search engines,

အာရုံကြောကွန်ယက် အတုတွေဟာ အင်တာနက် ရှာဖွေရေးအင်ဂျင်တွေကို စီစဉ်ပေးလျက်

digital assistants, self-driving cars, Wall Street trading algorithms,

ဒီဂျီတယ် ကူညီပေးသူ၊ ယာဉ်မောင်းမဲ့ ကားတွေ၊ Wall Street ကုန်သွယ်ရေး စက်တွေ၊

နှင့် စမတ်ဖုန်းတွေကို သုံးနေကြပါပြီ။

and smart phones.

Nobody has yet built an artificial network with 86 billion neurons,

ဘယ်သူမှာမှ အာရုံခံဆဲလ် ၈၆ ဘီလီယံပါတဲ့ ကွန်ယက်အတုကို မဆောက်လုပ်နိုင်သေးပေမဲ့၊

but as computing technology improves,

ကွန်ပျူတာနည်းပညာတွေ တိုးတက်လာနေတာနဲ့အမျှ

it may be possible to keep track of such massive data sets.

အဲဒီလို ကြီးမလားလှတဲ့ ဒေတာတွေကို ​ခြေရာခံ သိမ်းဆည်းရနိုင်ဖွယ် ရှိပါတယ်။

At every step in the scanning and uploading process,

စကင်ဖတ်ခြင်းနဲ့ အပ်လုဒ် လုပ်ပေးတဲ့ အဆင့်တိုင်းတွင်

we’d have to be certain we were capturing all the necessary information accurately—

ကျုပ်တို့ဟာ လိုအပ်တဲ့ အချက်အလက်အားလုံးကို တိကျစွာ ဖမ်းယူနိုင်တာ သေချာရပါမယ်—

or there’s no telling what ruined version of a mind might emerge.

အဲဒီလိုသာမဟုတ်ရင် ပျက်စီးနေတဲ့ အသိစိတ်ကို ရရှိလာကြမှာ စိုးရိမ်ရပါတယ်။

အသိစိတ်ကို အပ်လုဒ် လုပ်ရေးကို သီအိုရီအရ လုပ်လို့ ရနိုင်ပေမဲ့၊

While mind uploading is theoretically possible,

အုဒီလို လုပ်ကိုင်ဖို့ ကျုပ်တို့ လက်တွေ့ လုပ်ကိုင်နိုင်ကြမယ့်

we’re likely hundreds of years away

from the technology and scientific understanding

နည်းပညာတွေနဲ့ သိပ္ပံနည်းကျ နားလည်ဖို့ကို ကျတော့

that would make it a reality.

နှစ်ပေါင်း ရာနဲ့ချီ စောင့်စားကြရဖို့ ရှိပါတယ်။

And that reality would come with ethical and philosophical considerations:

ပြီးတော့ အဲဒီလိုအရှိတရားနဲ့အတူ လူ့ကျင့်ဝတ်နှင့် ဒသနိက စဉ်းစားစရာတွေ၊

အဲဒီလို အသိစိတ် အပ်လုဒ်လုပ်ရေးကို ဘယ်သူတွေကို လုပ်ပိုင်ခွင့် ရှိကြမှာလဲ။

who would have access to mind uploading?

What rights would be accorded to uploaded minds?

အပ်လုဒ် လုပ်ပေးတဲ့ အသိစိတ်ထံမှာ ဘယ်လို လုပ်ပိုင်ခွင့်တွေ ရှိကြမလဲ။

How could this technology be abused?

ဒီလိုနည်းပညာကို တစ်ဦးဦးက အလွဲသုံးစားလုပ်နိုင်မှာလား။

Even if we can eventually upload our minds,

ကျုပ်တို့က နောက်ဆုံးမှာ ကျုပ်တို့ရဲ့ အသိ စိတ်တွေကို အပ်လုဒ် လုပ်နိုင်တောင်မှ၊

whether we should remains an open question.

ကျုပ်တို့ ဆက်ပြီး ရှိနေသင့်လား ဆိုတာ မေးစရာ ဖြစ်ပါတယ်။