Kwabena Boahen: Making a computer that works like the brain

Translator: Anton Hikov Reviewer: MaYoMo com

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

Получих първият си компютър, когато бях тийнейджър, докато израствах в Акра,

and it was a really cool device.

и той беше наистина страхотно устройство.

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

Можеше да играете игри на него, можеше да го програмирате на BASIC.

And I was fascinated.

И аз бях очарован.

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

Така че отидох в библиотеката за да разбера как работи това нещо.

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

Прочетох за това как процесорът постоянно размесва данни напред-назад,

between the memory, the RAM and the ALU,

между паметта, RAM и АЛУ,

the arithmetic and logic unit.

аритметическото и логическо устройство.

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

И аз си помислих, че този процесор наистина трябва да работи като луд,

just to keep all this data moving through the system.

само за да поддържа всички тези данни в движение през системата.

But nobody was really worried about this.

Но никой не беше много притеснен за това.

When computers were first introduced,

Когато компютрите бяха представени за първи път,

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

се смяташе, че са един милион пъти по-бързи от невроните.

People were really excited. They thought they would soon outstrip

Хората бяха много радостни, те смятаха, че скоро ще надминат

the capacity of the brain.

капацитета на мозъка.

This is a quote, actually, from Alan Turing:

Това е цитат, всъщност, от Алън Тюринг:

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

"След 30 години, ще бъде толкова лесно да зададете въпрос на компютър,

as to ask a person."

колкото да попитате човек."

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

Това беше през 1946 година. И сега, през 2007 г., това все още не е вярно.

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

Въпросът е, защо наистина не виждаме

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

тази мощност в компютрите, която виждаме в мозъка?

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

Това, което хората не осъзнават, и аз просто започвам да осъзнавам това в момента

is that we pay a huge price for the speed

е, че плащаме огромна цена за скоростта,

that we claim is a big advantage of these computers.

която твърдим, че е голямо предимство на тези компютри.

Let's take a look at some numbers.

Нека да разгледаме няколко числа.

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

Това е Blue Gene, най-бързият компютър в света.

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

Има 120 000 процесора, които могат да обработват, в основни линии,

10 quadrillion bits of information per second.

10 квадрилиона бита информация в секунда.

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

Това е 10 на 16-та. И те консумират един и половина мегавата мощност.

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

Така че ще бъде наистина чудесно, ако можете да добавите това

to the production capacity in Tanzania.

към производствения капацитет на Танзания.

It would really boost the economy.

Наистина ще стимулира икономиката.

Just to go back to the States,

Ако се върнем към Щатите,

if you translate the amount of power or electricity

ако съпоставите количеството мощност и електроенергия,

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

които този компютър използва, към броя на домакинствата в САЩ,

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

ще получите 1200 домакинства в САЩ,

That's how much power this computer uses.

толкова много енергия използва този компютър.

Now, let's compare this with the brain.

Сега, нека да сравним това с мозъка.

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

Това е снимка, всъщност от мозъка на приятелката на Рори Сейърс.

Rory is a graduate student at Stanford.

Рори е аспирант в Станфорд.

He studies the brain using MRI, and he claims that

Той изследва мозъка с МРТ и твърди, че

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

това е най-красивият мозък, който някога е сканирал.

(Laughter)

(Смях)

So that's true love, right there.

Така че това е истинска любов, точно там.

Now, how much computation does the brain do?

Колко изчисления прави мозъка?

I estimate 10 to the 16 bits per second,

Смятам, че около 10 на 16-та бита за секунда,

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

което всъщност е много подобно на това, което прави Blue Gene.

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

Така че това е въпросът. Въпросът е, колко --

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

те извършват подобно количество изчисления, подобен обем на данни --

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

въпросът е колко енергия и електричество използва мозъка?

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

И това е всъщност толкова, колкото вашия лаптоп компютър:

it's just 10 watts.

това са само 10 вата.

So what we are doing right now with computers

Така че това, което правим в момента с компютри,

with the energy consumed by 1,200 houses,

с енергията, консумирана от 1200 къщи,

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

мозъкът прави с енергията, консумирана от вашия лаптоп.

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

Така че въпросът е, как мозъкът може да постигне тази ефективност?

And let me just summarize. So the bottom line:

И нека само да обобщя. Въпросът е:

the brain processes information using 100,000 times less energy

мозъкът обработва информация, използвайки 100 000 пъти по-малко енергия,

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

отколкото ние правим сега с тази компютърна технология, която имаме.

How is the brain able to do this?

Как мозъкът успява да направи това?

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

Нека просто да погледнем как работи мозъкът,

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

и после аз ще го сравня с това как работят компютрите.

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

Този клип е от PBS сериала "Тайният живот на мозъка."

It shows you these cells that process information.

Показва ви тези клетки, които обработват информация.

They are called neurons.

Наричат се неврони.

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

Те изпращат малки импулси от електроенергия по техните процеси един на друг,

and where they contact each other, those little pulses

и когато се свързват помежду си, тези малки импулси

of electricity can jump from one neuron to the other.

от електроенергия могат да скочат от един неврон на друг.

That process is called a synapse.

Този процес се нарича синапс.

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

Имате тази огромна мрежа от клетки, които общуват една с друга,

about 100 million of them,

около 100 милиона от тях,

sending about 10 quadrillion of these pulses around every second.

изпращащи около 10 квадрилиона от тези импулси на всяка секунда.

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

И това в основни линии е, което се случва в мозъка ви точно сега, докато гледате това.

How does that compare with the way computers work?

Как се сравнява това с начина, по който работят компютрите?

In the computer, you have all the data

В компютъра имате всички данни,

going through the central processing unit,

които преминават през централния процесор,

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

и в основни линии, всяка частица от данни трябва да премине през това стеснение.

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

Докато в мозъка, това което имате са тези неврони

and the data just really flows through a network of connections

и данните просто наистина текат през мрежа от връзки

among the neurons. There's no bottleneck here.

между невроните, тук няма пречка.

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

Това е наистина една мрежа, в буквалния смисъл на думата.

The net is doing the work in the brain.

Мрежата върши работата в мозъка.

If you just look at these two pictures,

Ако просто погледнете тези две снимки,

these kind of words pop into your mind.

тези думи се появяват в съзнанието ви.

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

Това е последователно и е устойчиво: Това е като коли на магистралата --

everything has to happen in lockstep --

всичко трябва да се случи последователно.

whereas this is parallel and it's fluid.

Докато това е паралелно и е флуидно.

Information processing is very dynamic and adaptive.

Обработката на информацията е много динамична и адаптивна.

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

Аз не съм първият, който е разбрал това. Това е цитат от Брайън Ено:

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

"Проблемът с компютрите е, че няма достатъчно от Африка в тях."

(Laughter)

(Смях)

Brian actually said this in 1995.

Брайън всъщност каза това през 1995 година.

And nobody was listening then,

Тогава никой не слушаше,

but now people are beginning to listen

но сега хората започват да слушат,

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

защото има належащ технологичен проблем, пред който сме изправени.

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

И аз просто ще ви преведа през това през следващите няколко слайда.

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

Това е -- това е всъщност наистина това забележително събиране

between the devices that we use to compute in computers,

между устройствата, които ние използваме за да изчисляваме в компютрите,

and the devices that our brains use to compute.

и устройствата, които използват нашите мозъци за да изчисляват.

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

Устройствата, които използват компютрите се наричат транзистори.

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

Този електрод тук, наречен гейт, контролира потока на ток

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

от сорс към дрейн, тези два електрода.

And that current, electrical current,

И този ток, електрически ток,

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

се пренася от електроните, също както в дома ви, и така нататък.

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

И това, което имате тук е, когато всъщност отворите гейта,

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

получавате увеличение в количеството на ток и получавате постоянен поток на ток.

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

И когато затворите гейта, няма ток течащ през устройството.

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

Вашият компютър използва това наличие на ток за да представи единица,

and the absence of current to represent a zero.

и липсата на ток за да представи нула.

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

Сега, това което се случва е, че когато транзисторите стават все по-малки, и по-малки, и по-малки,

they no longer behave like this.

те вече не се държат по този начин.

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

В действителност, те започват да се държат като устройството, което невроните използват за изчисляване,

which is called an ion channel.

което се нарича йонен канал.

And this is a little protein molecule.

И това е малка молекула белтък.

I mean, neurons have thousands of these.

Искам да кажа, невроните имат хиляди от тях.

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

И тя седи в мембраната на клетката, и има пора в нея.

And these are individual potassium ions

А това са индивидуални йони калий,

that are flowing through that pore.

които се вливат към тази пора.

Now, this pore can open and close.

Сега, тази пора може да се отваря и затваря.

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

Но, когато е отворена, понеже тези йони трябва да се подредят

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

и да преминат един по един, вие получавате спорадичен, а не постоянен --

it's a sporadic flow of current.

това е спорадичен поток на ток.

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

И дори когато затворите порите -- което невроните могат да направят,

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

те могат да се отварят и затварят тези пори, за да генерират електрическа активност --

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

дори когато е затворена, тъй като тези йони са толкова малки,

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

те могат всъщност да се промъкнат, няколко могат да се промъкнат.

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

Така че това, което имаме е, че когато пората е отворена,

you get some current sometimes.

понякога имаме ток.

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

Това са вашите единици, но има и няколко подхвърлени нули.

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

И когато е затворена, имате нула,

but you have a few ones thrown in.

но имате и няколко подхвърлени единици, нали.

Now, this is starting to happen in transistors.

Сега, това започва да се случва в транзисторите.

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

И причината защо това се случва е, че точно сега през 2007 г.,

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

технологията, която използваме, един транзистор е достатъчно голям,

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

че няколко електрона могат да преминават през канала едновременно, едни до други.

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

В действителност, около 12 електрони могат да бъдат прекарани по този начин.

And that means that a transistor corresponds

А това означава, че един транзистор съответства

to about 12 ion channels in parallel.

на около 12 паралелни йонни канала.

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

До няколко години, до 2015 г., ние ще намалим транзисторите толкова много.

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

Това е, което Intel прави, за да добавя още ядра върху чипа,

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

така че картата с памет, която имате сега, може да съдържа един гигабайт

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

неща на нея - преди беше 256.

Transistors are getting smaller to allow this to happen,

Транзистори стават все по-малки, за да позволят това да се случи,

and technology has really benefitted from that.

и технологията наистина се възползва от това.

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

Но това, което се случва е, че през 2015 г., транзисторът ще стане толкова малък,

that it corresponds to only one electron at a time

че ще съответства само на един електрон в даден момент,

can flow through that channel,

който може да преминава през този канал,

and that corresponds to a single ion channel.

и това съответства на един йонен канал.

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

И ще започнете да имате същия вид задръствания, които имате в йонните канали,

The current will turn on and off at random,

токът ще се включва и изключва на случаен принцип,

even when it's supposed to be on.

дори когато трябва да бъде включен.

And that means your computer is going to get

А това означава, че компютърът ви ще получи

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

неговите единици и нули разбъркани, и ще забие вашата машина.

So, we are at the stage where we

Така че, ние сме на етап, когато

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

не знаем как да изчисляваме с този вид устройства.

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

И единственото нещо, което знаем в момента,

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

което може да изчислява с тези устройства е мозъка.

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

Добре, компютърът взема специфичен елемент от данни от паметта,

it sends it into the processor or the ALU,

изпраща го към процесора, или АЛУ,

and then it puts the result back into memory.

и след това поставя резултата обратно в паметта.

That's the red path that's highlighted.

Това е червения път, който е маркиран.

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

Начинът, по който мозъка работи е, че имате всички тези неврони.

And the way they represent information is

И начина, по който те представят информацията е,

they break up that data into little pieces

че разбиват данните на малки частици,

that are represented by pulses and different neurons.

които са представени от импулси и различни неврони.

So you have all these pieces of data

Така че имате всички тези частици данни,

distributed throughout the network.

разпределени в цялата мрежа.

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

И след това начина, по който се обработват данните, за да се получи резултат

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

е, че се превежда този модел на дейност в един нов модел на дейност,

just by it flowing through the network.

само като преминава през мрежата.

So you set up these connections

Така настройвате тези връзки,

such that the input pattern just flows

така че въведения модел просто преминава

and generates the output pattern.

и генерира изходния модел.

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

Това, което виждате тук е, че има тези излишни връзки.

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

Така че, ако тази част от данните, или тази част от данните се ударят,

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

това не се показва тук, тези две парчета могат да активират липсващата част

with these redundant connections.

с тези излишни връзки.

So even when you go to these crappy devices

Така че дори и когато използвате тези некачествени устройства,

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

при които понякога искате единица, а получавате нула,

there's redundancy in the network

има взаимозаменяемост в мрежата,

that can actually recover the missing information.

която може да възстанови липсващата информация.

It makes the brain inherently robust.

Това прави мозъкът по своята същност здрав.

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

Това, което имаме тук е система, в която данните се съхраняват локално.

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

И тя е крехка, тъй като на всяка от тези стъпки трябва да бъде безупречна,

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

в противен случай ще загубите тези данни. Докато в мозъка имате система,

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

която съхранява данните по разпръснат начин, и тя е здрава.

What I want to basically talk about is my dream,

Това, за което искам да говоря, е моята мечта,

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

която е да изградя компютър, който работи като мозъка.

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

Това е нещо над което работим през последните няколко години.

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

Ще ви покажа една система, която разработихме

to model the retina,

по образец на ретината,

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

която е част от мозъка, очертаваща вътрешността на окото ви.

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

Ние не направихме това пишейки код, както вие правите на компютър.

In fact, the processing that happens

В действителност, обработката, която се случва

in that little piece of brain is very similar

в тази малка част на мозъка е много подобна

to the kind of processing that computers

на обработката, която компютрите

do when they stream video over the Internet.

правят, когато пренасят видео през интернет.

They want to compress the information --

Те искат да компресират информацията --

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

те просто искат да изпратите промените, какво се е променило в образа и т.н. --

and that is how your eyeball

и това е начина, по който очната ябълка

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

е в състояние да компресира цялата тази информация до вашия зрителен нерв,

to send to the rest of the brain.

за да я изпрати до останалата част на мозъка.

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

Вместо да направим това със софтуер, или да направим този вид алгоритми,

we went and talked to neurobiologists

ние отидохме да говорим с невробиолози,

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

които всъщност бяха разкодирали тази част от мозъка наречена ретина.

And they figured out all the different cells,

И те измислиха всички различни клетки,

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

измислиха мрежата, а ние просто взехме тази мрежа

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

и я използвахме като шаблон за проектирането на един силициев чип.

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

Така че сега невроните са представени като малки възли или платки в чипа,

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

и връзките между невроните всъщност са моделирани от транзистори.

And these transistors are behaving essentially

И тези транзистори се държат по същество,

just like ion channels behave in the brain.

точно както йонните канали се държат в мозъка.

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

Ще ви дам същия вид устойчива архитектура, която описах.

Here is actually what our artificial eye looks like.

Тук всъщност, така изглежда изкуственото ни око.

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

Ретината чип, който ние проектирахме, стои зад тези лещи тук.

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

И чипът - ще ви покажа видео,

that the silicon retina put out of its output

което силициевата ретината изкара като резултат,

when it was looking at Kareem Zaghloul,

докато гледаше Карим Заглул,

who's the student who designed this chip.

който е студента, проектирал този чип.

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

Нека да ви обясня какво ще видите.

because it's putting out different kinds of information,

Понеже това извежда различни видове информация,

it's not as straightforward as a camera.

не е толкова просто както камера.

The retina chip extracts four different kinds of information.

Ретината чип извежда четири различни видове информация.

It extracts regions with dark contrast,

Тя извежда регионите с тъмни контрасти,

which will show up on the video as red.

които ще се появят на видеото в червено.

And it extracts regions with white or light contrast,

Тя извежда регионите с бял или светъл контраст,

which will show up on the video as green.

които ще се появят на видеото в зелено.

This is Kareem's dark eyes

Това са тъмните очи на Карим

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

и това е белият фон, който виждате тук.

And then it also extracts movement.

Освен това също извлича движение.

When Kareem moves his head to the right,

Когато Карим движи главата си надясно,

you will see this blue activity there;

ще видите тази синя дейност там,

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

тя представя региони, в които контраста на изображението се увеличава,

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

това е, където се променя от тъмно към светло.

And you also see this yellow activity,

И вие също виждате тази жълта дейност,

which represents regions where contrast is decreasing;

която представя региони, в които намалява контраста,

it's going from light to dark.

променя се от светло до тъмно.

And these four types of information --

И тези четири вида информация --

your optic nerve has about a million fibers in it,

вашият зрителен нерв има около един милион влакна в него,

and 900,000 of those fibers

и 900 000 от тези влакна

send these four types of information.

изпращат тези четири типа информация.

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

Така че ние наистина дублираме вида сигнали, които имате в зрителния нерв.

What you notice here is that these snapshots

Това, което може да забележите тук е, че тези снимки,

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

направени от информацията от ретината чип са твърде оскъдни.

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

Зелено не е достатъчно светло навсякъде в обкръжението,

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

само по ръбовете, и така нататък.

And this is the same thing you see

И това е същото нещо, което може да забележите,

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

когато хората компресират видео за да го изпратят: те искат да го направят много оскъдно,

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

защото така файлът ще бъде по-малък. И това е, което прави и ретината,

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

и я прави само с платките, и как тази мрежа от неврони,

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

които си взаимодействат там, които уловихме на чипа.

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

Но това, което искам да обясня, ще ви го покажа тук.

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

Така, тази снимка тук ще изглежда като тези,

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

но тук ще ви покажа, че ние можем да възстановим изображението,

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

така че, знаете ли, да можете почти да разпознаете Карим в горната част там.

And so, here you go.

Ето ви.

Yes, so that's the idea.

Да, така че това е идеята.

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

Когато стоите на едно място, просто виждате светли и тъмни контрасти.

But when it's moving back and forth,

Но когато това се движи напред-назад,

the retina picks up these changes.

ретината долавя тези промени.

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

И затова, знаете ли, когато седите тук

and something happens in your background,

и нещо се случва наоколо,

you merely move your eyes to it.

вие едва придвижвате очите си към него.

There are these cells that detect change

Там са тези клетки, които откриват промяната

and you move your attention to it.

и вие прехвърляте вниманието си към нея.

So those are very important for catching somebody

Така че, тези клетки са много важни за улавяне на някой,

who's trying to sneak up on you.

който се опитва да се промъкне до вас.

Let me just end by saying that this is what happens

Позволете ми да завърша, като кажа, че това се случва,

when you put Africa in a piano, OK.

когато поставите Африка в пиано, нали.

This is a steel drum here that has been modified,

Това е стоманен барабан, който е бил променен,

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

и това се случва, когато поставите Африка в пиано.

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

А това, което искам да направим, е да поставим Африка в компютъра,

and come up with a new kind of computer

и да стигнем до нов вид компютър,

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

който ще генерира размисъл, въображение, ще бъде креативен, и такива неща.

Thank you.

Благодаря ви.

(Applause)

(Ръкопляскания)

Chris Anderson: Question for you, Kwabena.

Крис Андерсън: Имам въпрос за теб, Куабена.

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

Дали поставяш в съзнанието си работата, която вършиш,

the future of Africa, this conference --

бъдещето на Африка, тази конференция --

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

какви връзки можем да направим, ако има такава, между тях?

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

Куабена Боахен: Да, както казах в началото.

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

Получих първият си компютър, когато бях тийнейджър, растейки в Акра.

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

И аз имах тази инстинктивна реакция, че това беше грешния начин, по който да се направи.

It was very brute force; it was very inelegant.

Това беше много груба сила, беше много неелегантно.

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

Не мисля, че щях да имам тази реакция,

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

ако бях израстнал, четейки цялата тази научна фантастика,

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

слушайки за RD2D2, както там се нарича, и просто -- знаете ли,

buying into this hype about computers.

да повярвам на тази възхвала на компютрите.

I was coming at it from a different perspective,

Аз идвах към това от различна гледна точка,

where I was bringing that different perspective

където пренесох тази различна гледна точка,

to bear on the problem.

да се справя с проблема.

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

И мисля, че много хора в Африка имат тази различна гледна точка,

and I think that's going to impact technology.

и мисля, че това ще окаже въздействие на технологията.

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

И това ще се отрази на това, как тя ще се развива.

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

И мисля, че вие ще започнете да виждате, да използвате тази смес,

to come up with new things,

за да излезете с нови неща,

because you're coming from a different perspective.

понеже вие идвате от различна гледна точка.

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

Мисля, че ние можем да допринесем, можем да мечтаем като всички останали.

CA: Thanks Kwabena, that was really interesting.

Крис Андерсън: Благодаря Квабена, това беше наистина интересно.

Thank you.

Благодаря.

(Applause)

(Ръкопляскания)