Kwabena Boahen: Making a computer that works like the brain

المترجم: Mohamed Achraf BEN MOHAMED المدقّق: Anwar Dafa-Alla

I got my first computer when I was a teenager growing up in Accra,

حصلت على أول حاسوب عندما كنت مراهقا في أكرا ،

and it was a really cool device.

وكان جهازا رائعا حقا.

You could play games with it. You could program it in BASIC.

يمكنك أن نستعمله لتشغيل ألعاب، يمكنك برمجته باستعمال لغة الباسيك.

And I was fascinated.

وقد كنت مفتونا به.

So I went into the library to figure out how did this thing work.

لذلك ذهبت إلى المكتبة لمعرفة كيف يعمل هذا الشيء.

I read about how the CPU is constantly shuffling data back and forth

قرأت كيف تنقل وحدة المعالجة المركزية بشكل مستمر البيانات ذهابا وإيابا

between the memory, the RAM and the ALU,

بين الذاكرة ، RAM و ALU ،

the arithmetic and logic unit.

وحدة العمليات الحسابية والمنطقية.

And I thought to myself, this CPU really has to work like crazy

وقلت لنفسي ، على وحدة المعالجة المركزية أن تعمل بجنون

just to keep all this data moving through the system.

فقط للحفاظ على جميع هذه البيانات التي تمر عبر النظام.

But nobody was really worried about this.

ولكن لا أحد كان يشعر بالقلق ازاء هذا الواقع.

When computers were first introduced,

عندما عرضت أجهزة الكمبيوتر لأول مرة ،

they were said to be a million times faster than neurons.

قيل انها ستكون أسرع مليون مرة من الخلايا العصبية.

People were really excited. They thought they would soon outstrip

و قد بهر الناس حقا، كانوا يعتقدون أنهم سوف يتجاوزون قريبا

the capacity of the brain.

قدرة الدماغ.

This is a quote, actually, from Alan Turing:

هذا اقتباس من آلان تورنج :

"In 30 years, it will be as easy to ask a computer a question

"في غضون 30 سنة، سيكون من السهل أن نسأل جهاز كمبيوتر،

as to ask a person."

كما نسأل أي شخص ".

This was in 1946. And now, in 2007, it's still not true.

هذا كان في عام 1946. والآن في عام 2007 ، لا يزال هذا غير صحيح.

And so, the question is, why aren't we really seeing

والسؤال هو ، لماذا لا يمكننا رؤية

this kind of power in computers that we see in the brain?

هذه الدرجة من الطاقة في أجهزة الكمبيوتر كالتي نراها في الدماغ؟

What people didn't realize, and I'm just beginning to realize right now,

ما لا يدركه الناس ، وما بدأت أدركه أنا للتو،

is that we pay a huge price for the speed

هو أننا ندفع ثمنا كبيرا للسرعة ،

that we claim is a big advantage of these computers.

وهو ما ندعي أنه الميزة الكبيرة لهذه الحواسيب.

Let's take a look at some numbers.

دعونا نلقي نظرة على بعض الأرقام.

This is Blue Gene, the fastest computer in the world.

هذا هو بلو جين ، الكمبيوتر الأسرع في العالم.

It's got 120,000 processors; they can basically process

يحتوي على 120،000 معالجا؛ يمكنه عمليا معالجة

10 quadrillion bits of information per second.

10 كدريليون بت من المعلومات في الثانية الواحدة.

That's 10 to the sixteenth. And they consume one and a half megawatts of power.

هذا يمثل 10 قوة 16. كما أنها تستهلك ميجاوات ونصف من الكهرباء

So that would be really great, if you could add that

سيكون عظيما حقا ، لو تمكنا من اضافة هذا

to the production capacity in Tanzania.

لقدرة الإنتاج في تنزانيا.

It would really boost the economy.

بالتأكيد سيعزز هذا الاقتصاد.

Just to go back to the States,

بالعودة إلى الولايات المتحدة،

if you translate the amount of power or electricity

اذا قارنا كمية الطاقة أو الكهرباء

this computer uses to the amount of households in the States,

التي يستخدمها هذا الكمبيوتر بما تستهلكه الأسر في الولايات المتحدة ،

you get 1,200 households in the U.S.

تحصل على 1،200 أسرة في الولايات المتحدة ،

That's how much power this computer uses.

هذا مدى القوة التي يستخدمها هذا الكمبيوتر.

Now, let's compare this with the brain.

الآن ، دعونا نقارن هذا مع الدماغ.

This is a picture of, actually Rory Sayres' girlfriend's brain.

هذه صورة دماغ صديقة روري سايرس .

Rory is a graduate student at Stanford.

روري هو طالب دراسات عليا في جامعة ستانفورد.

He studies the brain using MRI, and he claims that

قام بدراسة الدماغ باستخدام التصوير بالرنين المغناطيسي ، ويدعي أن

this is the most beautiful brain that he has ever scanned.

هذا هو أجمل دماغ قام بمسحه ضوئيا.

(Laughter)

(ضحك)

So that's true love, right there.

هذا ما نسميه الحب الحقيقي.

Now, how much computation does the brain do?

الآن ، كم يقدر عدد العمليات الحسابية التي يستطيع الدماغ القيام بها؟

I estimate 10 to the 16 bits per second,

اقدر هذا من 10 قوة 16 بت في الثانية

which is actually about very similar to what Blue Gene does.

و هذا في الواقع مشابه جدا لما يستطيع بلو جين القيام به.

So that's the question. The question is, how much --

اذن هذا هو السؤال. السؤال هو ، كم --

they are doing a similar amount of processing, similar amount of data --

علما انهم يستهلكون كمية مماثلة من الطاقة وكمية مماثلة من البيانات --

the question is how much energy or electricity does the brain use?

السؤال هو كم من الطاقة أو الكهرباء يستهلك الدماغ؟

And it's actually as much as your laptop computer:

انه في الواقع يستهلك نفس القدر الذي يستهلكه الكمبيوتر المحمول :

it's just 10 watts.

فقط 10 واط.

So what we are doing right now with computers

لذلك ما نقوم به الآن مع أجهزة الكمبيوتر ،

with the energy consumed by 1,200 houses,

مع الطاقة التي يستهلكها 1،200 منزل ،

the brain is doing with the energy consumed by your laptop.

يقوم به الدماغ مستهلكا الطاقة التي يستهلكها جهاز كمبيوتر محمول.

So the question is, how is the brain able to achieve this kind of efficiency?

لذا فإن السؤال هو ، كيف يتمكن الدماغ من تحقيق هذا المستوى من الكفاءة؟

And let me just summarize. So the bottom line:

واسمحوا لي أن ألخص. بالنهاية اذن :

the brain processes information using 100,000 times less energy

يقوم الدماغ بمعالجة المعلومات باستخدام 100،000 مرة اقل من الطاقة

than we do right now with this computer technology that we have.

مما نستطيع القيام به حاليا مع تكنولوجيا الكمبيوتر التي لدينا.

How is the brain able to do this?

كيف يمكن للدماغ أن يفعل بذلك؟

Let's just take a look about how the brain works,

دعونا نلقي نظرة حول كيفية عمل الدماغ ،

and then I'll compare that with how computers work.

وبعد ذلك سوف نقارن ذلك مع كيفية عمل أجهزة الكمبيوتر.

So, this clip is from the PBS series, "The Secret Life of the Brain."

هذا مقطع من مسلسل تلفزيوني ، "الحياة السرية للدماغ".

It shows you these cells that process information.

تبين لنا الخلايا التي تقوم بعملية معالجة المعلومات.

They are called neurons.

وهي تسمى الخلايا العصبية.

They send little pulses of electricity down their processes to each other,

وهي ترسل نبضة صغيرة من الكهرباء لبعضهما البعض ،

and where they contact each other, those little pulses

وحيث يتصل بعضها ببعض ، تتمكن هذه النبضات الكهربائية الصغيرة

of electricity can jump from one neuron to the other.

من القفز من خلية إلى أخرى.

That process is called a synapse.

هذه العملية تسمى المشبك.

You've got this huge network of cells interacting with each other --

و لدينا هذه الشبكة الهائلة من الخلايا التي تتفاعل مع بعضها البعض ،

about 100 million of them,

حوالي 100 مليون منهم ،

sending about 10 quadrillion of these pulses around every second.

تقوم بارسال نحو 10 كوادريليون من هذه النبضات كل ثانية.

And that's basically what's going on in your brain right now as you're watching this.

وهذا بالضبط ما يحدث في أدمغتكم حاليا بينما تشاهدون هذا.

How does that compare with the way computers work?

كيف يمكن أن نقارن بين هذا وطريقة عمل أجهزة الكمبيوتر ؟

In the computer, you have all the data

في جهاز الكمبيوتر كل البيانات

going through the central processing unit,

تمر عبر وحدة المعالجة المركزية ،

and any piece of data basically has to go through that bottleneck,

وأي جزء من البيانات عليها المرور عبر عنق الزجاجة.

whereas in the brain, what you have is these neurons,

في حين أنه في الدماغ ، لديك هذه الخلايا العصبية

and the data just really flows through a network of connections

و البيانات تتدفق خلال شبكة اتصالات

among the neurons. There's no bottleneck here.

عبر الخلايا العصبية ، ولا مكان لأي اختناق هناك.

It's really a network in the literal sense of the word.

انها حقا شبكة بالمعنى الحرفي للكلمة.

The net is doing the work in the brain.

الشبكة تقوم بالعمل في الدماغ.

If you just look at these two pictures,

اذا ألقينا نظرة على هذين الصورتين ،

these kind of words pop into your mind.

يخطر ببالك هذا النوع من الكلمات.

This is serial and it's rigid -- it's like cars on a freeway,

هذا متسلسل وهو جامد : انها تشبه سيارات على الطريق السريع --

everything has to happen in lockstep --

كل شيء يجب أن يحدث بدون تفكير.

whereas this is parallel and it's fluid.

في حين أن هذا متوازي و سلس.

Information processing is very dynamic and adaptive.

معالجة المعلومات حيوية جدا وقابلة للتكيف.

So I'm not the first to figure this out. This is a quote from Brian Eno:

لست أول من اكتشف هذا. هذا اقتباس من براين إينو :

"the problem with computers is that there is not enough Africa in them."

"المشكلة مع أجهزة الكمبيوتر هو أنها لا تشبه افريقيا كثيرا".

(Laughter)

(ضحك)

Brian actually said this in 1995.

قال بريان هذا في عام 1995.

And nobody was listening then,

ولا أحد كان يستمع لذلك ،

but now people are beginning to listen

ولكن الآن بدأ الناس بالاستماع

because there's a pressing, technological problem that we face.

لان هناك مشكلة تكنولوجية ملحة نواجهها الآن.

And I'll just take you through that a little bit in the next few slides.

وسأبين لكم ذلك من خلال بعض الشرائح القليلة القادمة.

This is -- it's actually really this remarkable convergence

هذا -- انه يمثل حقا هذا التقارب الملحوظ

between the devices that we use to compute in computers,

بين الأجهزة التي نستخدمها لحساب في أجهزة الكمبيوتر ،

and the devices that our brains use to compute.

والأجهزة التي تستخدمها أدمغتنا للحساب.

The devices that computers use are what's called a transistor.

الأجهزة التي تستخدمها أجهزة الكمبيوتر هي ما يسمى جهاز الترانزستور.

This electrode here, called the gate, controls the flow of current

هذا القطب هنا ، يدعا البوابة ، للتحكم في التدفق

from the source to the drain -- these two electrodes.

من المصدر الى المسرب ، وهذين القطبين.

And that current, electrical current,

هذا التيار الكهربائي ،

is carried by electrons, just like in your house and so on.

تحمله الالكترونات ، تماما كما في بيتك ، وهلم جرا.

And what you have here is, when you actually turn on the gate,

وهنا ، عندما تفتح البوابة ،

you get an increase in the amount of current, and you get a steady flow of current.

يمكنك الحصول على زيادة في كمية التدفق ، ويمكنك الحصول على تدفق مستمر.

And when you turn off the gate, there's no current flowing through the device.

وعندما تقوم بإيقاف تشغيل البوابة ، لن يكون هناك تتدفق من خلال الجهاز.

Your computer uses this presence of current to represent a one,

الكمبيوتر يستخدم وجود هذا التدفق ليمثل الرقم واحد،

and the absence of current to represent a zero.

وعدم وجوده لتمثيل الرقم صفر.

Now, what's happening is that as transistors are getting smaller and smaller and smaller,

الآن ، ما يحدث هو أنه يتم الحصول على ترانزستورات أصغر وأصغر وأصغر ،

they no longer behave like this.

لذلك لم تعد تتصرف على هذا النحو.

In fact, they are starting to behave like the device that neurons use to compute,

في الواقع ، أنها بدأت تتصرف مثل الخلايا العصبية،

which is called an ion channel.

وهو ما يسمى قناة الأيون.

And this is a little protein molecule.

وهذا جزء صغير من البروتين.

I mean, neurons have thousands of these.

يعني ، الخلايا العصبية لديها الآلاف منها.

And it sits in the membrane of the cell and it's got a pore in it.

وهي توجد في غشاء الخلية ، وبينهما مسام.

And these are individual potassium ions

وهذه ايونات بوتاسيوم الفردية ،

that are flowing through that pore.

التي تتدفق من خلال تلك المسام.

Now, this pore can open and close.

الآن ، يمكن لهذه المسام أن تفتح وتغلق.

But, when it's open, because these ions have to line up

ولكن ، عندما يكون مفتوحا ، وذلك لأن هذه الأيونات يجب أن تصطف

and flow through, one at a time, you get a kind of sporadic, not steady --

وتتدفق واحدة بعد الاخرى، يمكنك الحصول على نوع متفرق ، وغير ثابت --

it's a sporadic flow of current.

انه تدفق متفرق للكهرباء.

And even when you close the pore -- which neurons can do,

وحتى عند إغلاق المسام -- وهو ما يمكن للخلايا العصبية أن تفعله ،

they can open and close these pores to generate electrical activity --

يمكنهم فتح وإغلاق هذه المسامات لتوليد النشاط الكهربائي --

even when it's closed, because these ions are so small,

حتى عندما تكون مغلقة، وذلك لأن هذه الأيونات صغيرة للغاية ،

they can actually sneak through, a few can sneak through at a time.

يمكنهم فعليا عن طريق التسلل ، عدد قليل يمكنه التسلل عبرها في وقت واحد.

So, what you have is that when the pore is open,

ما نحصل عليه هو أنه عندما يتم فتح المسام ،

you get some current sometimes.

يمكنك الحصول أحيانا على بعض التدفق.

These are your ones, but you've got a few zeros thrown in.

هذه بعض منها، ولكننا حصلنا على بعض الأصفار.

And when it's closed, you have a zero,

وعندما تكون مغلقة ، نحصل على الصفر ،

but you have a few ones thrown in.

ولكن لديك عدد قليل منها، حسنا.

Now, this is starting to happen in transistors.

الآن، بدأ يحدث هذا في الترانزستورات.

And the reason why that's happening is that, right now, in 2007 --

والسبب في ذلك هو أنه، الى حد الآن في عام 2007 ،

the technology that we are using -- a transistor is big enough

بالنسبة للتكنولوجيا التي نستخدمها ، الترانزستور هي كبيرة بما يكفي

that several electrons can flow through the channel simultaneously, side by side.

للسماح للإلكترونات أن تتدفق عبر القناة في وقت واحد ، جنبا الى جنب.

In fact, there's about 12 electrons can all be flowing this way.

في الواقع ، هناك حوالي 12 إلكترونا يمكنها أن تتدفق بهذه الطريقة.

And that means that a transistor corresponds

وهذا يعني أن الترانزستور يقابل

to about 12 ion channels in parallel.

نحو 12 قناة أيون متوازية.

Now, in a few years time, by 2015, we will shrink transistors so much.

الآن،و في غضون سنوات قليلة، بحلول عام 2015،سوف تتقلص الترانزستورات كثيرا.

This is what Intel does to keep adding more cores onto the chip.

هذا ما تفعله إنتل لإضافة المزيد من النوى في الشريحة ،

Or your memory sticks that you have now can carry one gigabyte

أو عصي الذاكرة التي لديك الآن يمكن أن تخزن واحد غيغابايت

of stuff on them -- before, it was 256.

من الاشياء عليها -- في الماضي كانت سعتها 256.

Transistors are getting smaller to allow this to happen,

الترانزستورات صارت أصغر فأصغر للسماح لهذا أن يحدث ،

and technology has really benefitted from that.

والتكنولوجيا قد استفادت من ذلك حقا.

But what's happening now is that in 2015, the transistor is going to become so small,

ولكن ما يحدث الآن هو أن في عام 2015 ، الترانزستور ستصبح صغيرة بدرجة ،

that it corresponds to only one electron at a time

أنه يمكن لإلكترون واحد

can flow through that channel,

أن يتدفق من خلال هذه القناة ،

and that corresponds to a single ion channel.

وهذا ما يمثل قناة أيون واحدة.

And you start having the same kind of traffic jams that you have in the ion channel.

ويصبح لديك نفس النوع من الاختناقات المرورية التي لديك في قناة الأيون ،

The current will turn on and off at random,

الحالية سوف تشتغل وتتوقف عشوائيا ،

even when it's supposed to be on.

حتى عندما كان من المفترض أن تشتغل.

And that means your computer is going to get

ويعني ذلك أن جهاز الكمبيوتر الخاص بك ستصبح

its ones and zeros mixed up, and that's going to crash your machine.

والآحاد والأصفار فيه مختلطة ، وهذا سوف يحطم الجهاز.

So, we are at the stage where we

لذلك ، ونحن في مرحلة لا يمكننا فيها

don't really know how to compute with these kinds of devices.

أن نعرف حقا كيف نشغل هذا النوع من الأجهزة.

And the only kind of thing -- the only thing we know right now

والشيء الوحيد الذي نعرفه الى حد الآن ،

that can compute with these kinds of devices are the brain.

و الذي يمكنه أن يشتغل مع هذا النوع من الأجهزة ، هو الدماغ.

OK, so a computer picks a specific item of data from memory,

حسنا ، فجهاز الكمبيوتر يختار عنصر معين من البيانات من الذاكرة ،

it sends it into the processor or the ALU,

ويرسلها الى المعالج أو للوحدة الحسابية و المنطقية ،

and then it puts the result back into memory.

ومن ثم يعيد النتيجة إلى الذاكرة.

That's the red path that's highlighted.

هذا هو مسار هذا الضوء الأحمر.

The way brains work, I told you all, you have got all these neurons.

طريقة عمل الدماغ ، لدينا كل هذه الخلايا العصبية.

And the way they represent information is

والطريقة التي تعرض بها المعلومات

they break up that data into little pieces

يتم تقسيم تلك البيانات إلى قطع صغيرة

that are represented by pulses and different neurons.

والتي تمثلها مختلف النبضات والخلايا العصبية.

So you have all these pieces of data

بحيث يكون لديك كل هذه القطع من البيانات

distributed throughout the network.

موزعة على جميع أنحاء الشبكة.

And then the way that you process that data to get a result

ومن ثم الطريقة التي يمكنك معالجة تلك البيانات للحصول على نتيجة

is that you translate this pattern of activity into a new pattern of activity,

هو بترجمة هذا النمط من النشاط إلى نمط جديد من النشاط ،

just by it flowing through the network.

انه فقط من خلال تدفقه عبر الشبكة.

So you set up these connections

لذلك تنشئ هذه الاتصالات ،

such that the input pattern just flows

مثل تدفق نمط الإدخال

and generates the output pattern.

ويولد نمط الانتاج.

What you see here is that there's these redundant connections.

ما نراه هنا هو ان هناك وصلات متكررة .

So if this piece of data or this piece of the data gets clobbered,

حتى إذا فقد جزء من هذه البيانات أو قطعة من البيانات ،

it doesn't show up over here, these two pieces can activate the missing part

فلن يظهر ذلك هنا ، يمكن لهذه القطع استحداث الجزء المفقود

with these redundant connections.

مع هذه الوصلات المتكررة

So even when you go to these crappy devices

حتى عندما تتعامل مع هذه الأجهزة

where sometimes you want a one and you get a zero, and it doesn't show up,

في بعض الأحيان ، حيث تريد الرقم واحد وتحصل على الصفر ،

there's redundancy in the network

هناك تكرار في الشبكة

that can actually recover the missing information.

يجعل من الممكن من استعادة المعلومات المفقودة.

It makes the brain inherently robust.

وهذا يجعل الدماغ بطبيعته قويا.

What you have here is a system where you store data locally.

ما لدينا هنا هو نظام حيث يتم تخزين البيانات محليا.

And it's brittle, because each of these steps has to be flawless,

وهذا نظام هش، وذلك لأن كل خطوة من هذه الخطوات يجب أن تكون خالية من العيوب ،

otherwise you lose that data, whereas in the brain, you have a system

وإلا ستفقد البيانات. في حين أنه في الدماغ ، لدينا نظام

that stores data in a distributed way, and it's robust.

يقوم بتخزين البيانات عن طريق توزيعها ، وهذا نظام قوي.

What I want to basically talk about is my dream,

ما أريد أن أتحدث عنه بالأساس هو حلمي ،

which is to build a computer that works like the brain.

المتمثل في بناء جهاز كمبيوتر يعمل مثل الدماغ.

This is something that we've been working on for the last couple of years.

هذا ما كنا نعمل على تحقيقه في العامين الماضيين.

And I'm going to show you a system that we designed

وسأبين لكم النظام الذي صممناه

to model the retina,

كنموذج لشبكية العين ،

which is a piece of brain that lines the inside of your eyeball.

وهي تمثل قطعة من الدماغ داخل مقلة العين.

We didn't do this by actually writing code, like you do in a computer.

نحن لم نقم بذلك من خلال كتابة برنامج ، كما نفعل في جهاز الكمبيوتر.

In fact, the processing that happens

في الواقع ، المعالجة التي تحدث

in that little piece of brain is very similar

في تلك القطعة الصغيرة من الدماغ هي مشابهة جدا

to the kind of processing that computers

للمعالجة التي تقوم بها أجهزة الكمبيوتر

do when they stream video over the Internet.

عندما تبث الفيديو عبر الإنترنت.

They want to compress the information --

انها تعمل على ضغط المعلومات --

they just want to send the changes, what's new in the image, and so on --

انها تقوم فقط بارسال التغييرات ما هو جديد في الصورة ، وهلم جرا --

and that is how your eyeball

وهذه هي الطريقة التي تمكن المقلة.

is able to squeeze all that information down to your optic nerve,

من ضغط كل تلك المعلومات إلى العصب البصري ،

to send to the rest of the brain.

لترسل إلى بقية المخ.

Instead of doing this in software, or doing those kinds of algorithms,

بدلا من القيام بذلك في البرنامج ، أو كتابة تلك الأنواع من الخوارزميات ،

we went and talked to neurobiologists

ذهبنا وتحدثنا مع مختصين في البيولوجيا العصبية

who have actually reverse engineered that piece of brain that's called the retina.

الذين قاموا بهندسة عكسية لهذه القطعة من الدماغ والتي تسمى شبكية العين.

And they figured out all the different cells,

واكتشفوا جميع انواع الخلايا ،

and they figured out the network, and we just took that network

واكتشفوا الشبكة ، نحن فقط قمنا بأخذ تلك الشبكة

and we used it as the blueprint for the design of a silicon chip.

واستخدمناها كمخطط لتصميم رقاقة السيليكون.

So now the neurons are represented by little nodes or circuits on the chip,

الآن الخلايا العصبية يتم تمثيلها بعقد أو دوائر على الرقاقة ،

and the connections among the neurons are represented, actually modeled by transistors.

والاتصالات بين الخلايا العصبية تتم عن طريق الترانزستورات

And these transistors are behaving essentially

وهذه الترانزيستورات تتصرف أساسا

just like ion channels behave in the brain.

تماما مثلما تتصرف القنوات الأيونية في الدماغ.

It will give you the same kind of robust architecture that I described.

سوف أقدم نفس النوع من البناء القوي الذي وصفته.

Here is actually what our artificial eye looks like.

هذا ما تبدوا عليه العين الاصطناعية.

The retina chip that we designed sits behind this lens here.

رقاقة الشبكية التي قمنا بتصميمها مكانها وراء هذه العدسة هنا.

And the chip -- I'm going to show you a video

ورقاقة – سأعرض عليكم شريط فيديو

that the silicon retina put out of its output

شبكية العين السيليكونية تعطينا النتيجة

when it was looking at Kareem Zaghloul,

عندما كانت تنظر ألى كريم زغلول ،

who's the student who designed this chip.

وهو الطالب الذي صمم هذه الشريحة.

Let me explain what you're going to see, OK,

اسمحوا لي أن أشرح ما سوف ترون.

because it's putting out different kinds of information,

لأنها ستعرض أنواع مختلفة من المعلومات ،

it's not as straightforward as a camera.

انها ليست ببساطة الكاميرا.

The retina chip extracts four different kinds of information.

رقاقة شبكية العين تستخرج أربعة أنواع مختلفة من المعلومات.

It extracts regions with dark contrast,

تستخرج مناطق داكنة ،

which will show up on the video as red.

والتي سوف تظهر في شريط الفيديو باللون الاحمر.

And it extracts regions with white or light contrast,

تستخرج مناطق فاتحة ،

which will show up on the video as green.

والتي سوف تظهر في شريط الفيديو باللون الاخضر

This is Kareem's dark eyes

هذه عيون كريم الداكنة

and that's the white background that you see here.

وهذه هي الخلفية البيضاء التي نراها هنا.

And then it also extracts movement.

ومن ثم فإنها أيضا تستخرج الحركة.

When Kareem moves his head to the right,

عندما يحرك كريم رأسه إلى اليمين ،

you will see this blue activity there;

سنرى هذا النشاط الأزرق هناك ،

it represents regions where the contrast is increasing in the image,

انها تمثل المناطق التي يزيد فيها النقيض في الصورة ،

that's where it's going from dark to light.

ذلك حيث انه سيمر من الداكن الى الفاتح.

And you also see this yellow activity,

ونرى أيضا هذا النشاط الأصفر ،

which represents regions where contrast is decreasing;

وهي تمثل المناطق التي يتناقص فيها النقيض في الصورة ،

it's going from light to dark.

انه سيكون من الفاتح إلى الغامق.

And these four types of information --

وهذه الأنواع الأربعة من المعلومات --

your optic nerve has about a million fibers in it,

لدى العصب البصري نحو مليون من الألياف منها ،

and 900,000 of those fibers

و900،000 من تلك الألياف

send these four types of information.

ترسل هذه الأنواع الأربعة من المعلومات.

So we are really duplicating the kind of signals that you have on the optic nerve.

لذلك نحن نكرر هذا النوع من الاشارات التي لدينا في العصب البصري.

What you notice here is that these snapshots

ما نلاحظه في هذه اللقطات

taken from the output of the retina chip are very sparse, right?

المأخوذة من عمل رقاقة الشبكية هي ضئيلة جدا.

It doesn't light up green everywhere in the background,

هي لا تلون بالأخضر كل مكان في الخلفية ،

only on the edges, and then in the hair, and so on.

فقط على الحواف ، وهلم جرا.

And this is the same thing you see

وهذا نفس الشيء الذي نشاهده

when people compress video to send: they want to make it very sparse,

عندما نضغط الفيديو بقصد إرسالها : نريد جعلها ضئيلة جدا ،

because that file is smaller. And this is what the retina is doing,

لأن هذا الملف هو أصغر. وهذا ما تقوم به في شبكية العين ،

and it's doing it just with the circuitry, and how this network of neurons

وانها تفعل ذلك فقط مع الدوائر ، وكيف أن هذه الشبكة من الخلايا العصبية

that are interacting in there, which we've captured on the chip.

التي هي في التفاعل هناك ، والتي قمنا بامساكها على الرقاقة.

But the point that I want to make -- I'll show you up here.

ولكن النقطة التي أريد أن أذكرها ، سأريكم هنا.

So this image here is going to look like these ones,

فهذه الصورة هنا سوف تبدو مثل هذه هنا ،

but here I'll show you that we can reconstruct the image,

ولكن هنا سأريكم أنه بامكاننا إعادة بناء الصورة ،

so, you know, you can almost recognize Kareem in that top part there.

لذلك، كما تعلمون، يمكنكم تقريبا التعرف على كريم في ذلك الجزء العلوي هناك.

And so, here you go.

هذا هو.

Yes, so that's the idea.

نعم ، اذا هذه هي الفكرة.

When you stand still, you just see the light and dark contrasts.

عندما نتوقف عن الحركة ، ترى فقط تناقض الضوء والظلام .

But when it's moving back and forth,

ولكن عندما تتحرك ذهابا وإيابا ،

the retina picks up these changes.

شبكية العين تلتقط هذه التغيرات.

And that's why, you know, when you're sitting here

ولهذا السبب ، وكما تعلمون ، اذا كنت جالسا هنا

and something happens in your background,

ويحدث شيء ما خلفك ،

you merely move your eyes to it.

فستوجه نظرك مباشرة نحوه.

There are these cells that detect change

توجد هذه الخلايا الحساسة للتغيير

and you move your attention to it.

وهي تقوم بتوجيه انتباهكم نحوه.

So those are very important for catching somebody

لذلك فهي مهمة جدا لاصطياد شخص ما

who's trying to sneak up on you.

يحاول التسلل نحوك.

Let me just end by saying that this is what happens

اسمحوا لي أن أنهي كلامي بالقول إن هذا هو ما يحدث

when you put Africa in a piano, OK.

عند نقحم افريقيا في بيانو ، موافق.

This is a steel drum here that has been modified,

تم تعديل هذا البرميل الصلب هنا ،

and that's what happens when you put Africa in a piano.

وهذا ما يحدث عند وضع افريقيا في البيانو.

And what I would like us to do is put Africa in the computer,

وما أود أن نقوم به ، هو وضع أفريقيا في الكمبيوتر ،

and come up with a new kind of computer

والتوصل الى نوع جديد من الكمبيوتر

that will generate thought, imagination, be creative and things like that.

من شأن هذا أن يولد الفكر والخيال ، أن تكون خلاقة واشياء من هذا القبيل.

Thank you.

شكرا لكم.

(Applause)

(تصفيق).

Chris Anderson: Question for you, Kwabena.

كريس اندرسون : لدي سؤال لك ، كوابينا.

Do you put together in your mind the work you're doing,

هل وضعت في تفكيرك و فيما تفعلونه ،

the future of Africa, this conference --

مستقبل أفريقيا ، وهذا المؤتمر --

what connections can we make, if any, between them?

هل يمكن ايجاد صلات ، إن وجدت ، بينهما؟

Kwabena Boahen: Yes, like I said at the beginning,

كوابينا بواهن : نعم ، وكما قلت في البداية.

I got my first computer when I was a teenager, growing up in Accra.

حصلت على أول حاسوب لي عندما كنت مراهقا يافعا، في أكرا.

And I had this gut reaction that this was the wrong way to do it.

وكان لدي رد فعل غريزي بأن هذه طريقة خاطئة لتحقيق ذلك.

It was very brute force; it was very inelegant.

كان عبارة عن القوة الغاشمة ، ولم يكن ذلك أنيقا بالمرة.

I don't think that I would've had that reaction,

لا أعتقد أنني كنت سأقوم برد الفعل هذا ،

if I'd grown up reading all this science fiction,

إذا كنت قرأت كل هذا الخيال العلمي في صغري ،

hearing about RD2D2, whatever it was called, and just -- you know,

نسمع عن RD2D2 ، أيا كان اسمه ، وفقط -- كما تعلمون ،

buying into this hype about computers.

الشراء في هذا الضجيج أجهزة الكمبيوتر.

I was coming at it from a different perspective,

كنت قادما اليها من منظور مختلف ،

where I was bringing that different perspective

و كان لدي وجهة نظر مختلفة

to bear on the problem.

للتعاطي مع المشكلة.

And I think a lot of people in Africa have this different perspective,

واعتقد ان الكثير من الناس في أفريقيا لديهم وجهة النظر المختلفة هذه ،

and I think that's going to impact technology.

والتي أعتقد أنها سيكون لها أثر على التكنولوجيا.

And that's going to impact how it's going to evolve.

وسيكون لها تأثير على كيفية تطور الامور.

And I think you're going to be able to see, use that infusion,

واعتقد انك ستكون قادرا على رؤية ، واستخدام هذا التسريب ،

to come up with new things,

لتكتشف أشياء جديدة ،

because you're coming from a different perspective.

لأنك قادم من منظور مختلف.

I think we can contribute. We can dream like everybody else.

وأعتقد أننا يمكننا أن تساهم ، يمكننا أن نحلم مثل أي شخص آخر.

CA: Thanks Kwabena, that was really interesting.

كريس اندرسون : شكرا كوابينا ، كان هذا مثيرا للاهتمام حقا.

Thank you.

شكرا لك.

(Applause)

(تصفيق).