Jeff Hawkins: How brain science will change computing

Jeff Hawkins über die Veränderungen die Gehirnforschung in der Informatik bringen wird.

207,857 views

2007-05-23 ・ TED


New videos

Jeff Hawkins: How brain science will change computing

Jeff Hawkins über die Veränderungen die Gehirnforschung in der Informatik bringen wird.

207,857 views ・ 2007-05-23

TED


Bitte doppelklicken Sie auf die englischen Untertitel unten, um das Video abzuspielen.

Übersetzung: Dominik Weickgenannt Lektorat: Stephan Ludwig Wirries
00:25
I do two things:
0
25476
1151
Ich mache zwei Dinge. Ich entwerfe tragbare Computer und erforsche das Gehirn.
00:26
I design mobile computers and I study brains.
1
26651
2118
00:28
Today's talk is about brains and -- (Audience member cheers)
2
28793
2930
Im heutigen Vortrag geht es um das Gehirn und,
00:31
Yay! I have a brain fan out there.
3
31747
1817
juhu, irgendwo da draußen ist ein Gehirnfan.
00:33
(Laughter)
4
33588
3147
(Lachen)
Ich werde, kann ich meine erste Folie haben,
00:36
If I could have my first slide,
5
36759
1555
und ihr werdet den Titel des Vortrags und meine zwei Leidenschaften sehen.
00:38
you'll see the title of my talk and my two affiliations.
6
38338
2849
00:41
So what I'm going to talk about is why we don't have a good brain theory,
7
41211
3468
Ich werde darüber sprechen warum wir keine gute Gehirntheorie haben,
00:44
why it is important that we should develop one
8
44703
2277
warum es wichtig ist, dass wir eine entwickeln und was wir dafür tun können.
00:47
and what we can do about it.
9
47004
1483
00:48
I'll try to do all that in 20 minutes.
10
48511
1824
Ich werde all das in 20 Minuten versuchen. Ich habe zwei Leidenschaften.
00:50
I have two affiliations.
11
50359
1151
00:51
Most of you know me from my Palm and Handspring days,
12
51534
2532
Die meisten von euch kennen mich aus meinen Palm und Handspring Tagen.
00:54
but I also run a nonprofit scientific research institute
13
54090
2683
aber ich leite außerdem ein gemeinnütziges Forschungsinstitut
00:56
called the Redwood Neuroscience Institute in Menlo Park.
14
56797
2632
mit dem Namen Redwood Neuroscience Institute in Menlo Park
00:59
We study theoretical neuroscience and how the neocortex works.
15
59453
3388
und wir erforschen theoretische Neurowissenschaft.
und wir erforschen die Funktionsweise des Neocortex.
01:02
I'm going to talk all about that.
16
62865
1598
Darüber werde ich euch berichten.
01:04
I have one slide on my other life, the computer life,
17
64487
2745
Ich habe eine Folie über den andren Teil meines Lebens, mein Computerleben, diese Folie.
01:07
and that's this slide here.
18
67256
1301
01:08
These are some of the products I've worked on over the last 20 years,
19
68581
3268
Dies sind einige der Produkte an denen ich in den letzten 20 Jahren gearbeitet habe,
01:11
starting from the very original laptop
20
71873
1842
beginnend mit dem originalen Laptop, bis zu einigen der ersten Tablet-PCs
01:13
to some of the first tablet computers
21
73739
1787
01:15
and so on, ending up most recently with the Treo,
22
75550
2298
usw. und schließlich mit dem Treo
01:17
and we're continuing to do this.
23
77872
1532
und wir arbeiten weiter an diesen Dingen.
01:19
I've done this because I believe mobile computing
24
79428
2301
Ich habe dies getan, weil ich wirklich glaube das Mobile Computer
01:21
is the future of personal computing,
25
81753
1724
die Zukunft des PCs sind und ich versuche die Welt
01:23
and I'm trying to make the world a little bit better
26
83501
2454
ein bisschen besser zu machen, indem ich daran arbeite.
01:25
by working on these things.
27
85979
1296
01:27
But this was, I admit, all an accident.
28
87299
1874
All dies war zugegeben ein Zufall.
01:29
I really didn't want to do any of these products.
29
89197
2308
Ich wollte diese Produkte nicht wirklich entwerfen
01:31
Very early in my career
30
91529
1382
und sehr früh in meiner Karriere entschied ich mich,
01:32
I decided I was not going to be in the computer industry.
31
92935
2690
dass ich nicht in der Computer Industrie sein werde.
01:35
Before that, I just have to tell you
32
95649
1721
Und bevor ich Ihnen davon erzähle, muss ich noch
01:37
about this picture of Graffiti I picked off the web the other day.
33
97394
3108
von diesem kleinen Graffiti Bild erzählen, dass ich im Web gefunden habe.
01:40
I was looking for a picture for Graffiti that'll text input language.
34
100526
3253
Ich war auf der Suche nach einem Graffiti Bild, kleine Texteingabe-Sprache
01:43
I found a website dedicated to teachers who want to make script-writing things
35
103803
3689
und fand diese Webseite die Lehrern gewidmet war, die diese machen wollten,
diese Schriftzug-Dinger im oberen Teil ihrer Tafel,
01:47
across the top of their blackboard,
36
107516
1674
01:49
and they had added Graffiti to it, and I'm sorry about that.
37
109214
2833
und sie hatten Graffiti hinzugefügt - und das tut mir leid.
01:52
(Laughter)
38
112071
2247
(Lachten)
01:54
So what happened was,
39
114342
1300
Was also passiert ist, als ich jung war und mit der Ingenieurschule fertig war,
01:55
when I was young and got out of engineering school at Cornell in '79,
40
115666
4899
1979 in Cornell, entschied ich mich für Intel zu arbeiten.
02:00
I went to work for Intel and was in the computer industry,
41
120589
3187
02:03
and three months into that, I fell in love with something else.
42
123800
3402
Ich war in der Computer Industrie und drei Monate danach,
verliebte ich mich in etwas andres und sagte mir: "Ich habe die falsche Karriereentscheidung getroffen"
02:07
I said, "I made the wrong career choice here,"
43
127226
3044
02:10
and I fell in love with brains.
44
130294
2239
ich verliebte mich in Gehirne.
02:12
This is not a real brain.
45
132557
1533
Dies ist kein echtes Gehirn. Es ist ein Bild von einem, eine Linien-Zeichnung.
02:14
This is a picture of one, a line drawing.
46
134114
2719
02:16
And I don't remember exactly how it happened,
47
136857
2119
Ich erinnere mich nicht genau wie es passiert ist
02:19
but I have one recollection, which was pretty strong in my mind.
48
139000
3515
aber ich habe eine Erinnerung, die ziemlich stark in meiner Erinnerung ist.
02:22
In September of 1979,
49
142539
1610
Im September 1979, wurde Scientific American veröffentlicht
02:24
Scientific American came out with a single-topic issue about the brain.
50
144173
3364
mit einer Ein-Themen Ausgabe über das Gehirn. Und sie war ziemlich gut.
02:27
It was one of their best issues ever.
51
147561
1938
Es war eine der besten Ausgaben jemals. Sie sprachen über Neuronen
02:29
They talked about the neuron, development, disease, vision
52
149523
2947
und Entwicklung und Erkrankungen und Sehkraft und all diese Dinge
02:32
and all the things you might want to know about brains.
53
152494
2596
die man über das Gehirn wissen möchte. Ich war wirklich erstaunt.
02:35
It was really quite impressive.
54
155114
1502
02:36
One might've had the impression we knew a lot about brains.
55
156640
2772
Man könnte denken, dass wir wirklich viel über Gehirne wissen.
02:39
But the last article in that issue was written by Francis Crick of DNA fame.
56
159436
4195
Aber der letzte Artikel in diese Ausgabe war von Francis Crick von DNA fame geschrieben.
02:43
Today is, I think, the 50th anniversary of the discovery of DNA.
57
163655
3024
Heute ist glaube ich der 50. Geburtstag der Entdeckung von DNA.
02:46
And he wrote a story basically saying, this is all well and good,
58
166703
3075
Er schrieb in der Geschichte im Prinzip,
naja, das ist alles schön und gut, aber wissen sie was?
02:49
but you know, we don't know diddly squat about brains,
59
169802
2743
Wir wissen rein gar nichts über das Gehirn,
02:52
and no one has a clue how they work,
60
172569
1739
niemand hat auch nur eine Idee wie diese Dinge funktionieren
02:54
so don't believe what anyone tells you.
61
174332
1866
also glaubt nicht was irgendjemand euch erzählt.
02:56
This is a quote from that article, he says:
62
176222
2165
In diesem Zitat von dem Artikel sagt er: "Was offensichtlich fehlt,"
02:58
"What is conspicuously lacking" -- he's a very proper British gentleman --
63
178411
4293
er war ein richtiger britischer Gentleman, also "Was offensichtlich fehlt,
03:02
"What is conspicuously lacking is a broad framework of ideas
64
182728
2830
ist ein breites Gerüst von Ideen mit denen wir diese verschiedenen Ansätze interpretieren können."
03:05
in which to interpret these different approaches."
65
185582
2352
03:07
I thought the word "framework" was great.
66
187958
1968
Ich fand das Wort Gerüst großartig.
03:09
He didn't say we didn't have a theory.
67
189950
1817
Er sagte nicht wir haben nicht mal eine Theorie. Er sagt,
03:11
He says we don't even know how to begin to think about it.
68
191791
2725
wir haben noch nicht einmal angefangen darüber nachzudenken --
wir haben nicht mal ein Gerüst.
03:14
We don't even have a framework.
69
194540
1492
Wir sind in den Vor-Paradigma Tagen wenn man Thomas Kuhn benutzen will.
03:16
We are in the pre-paradigm days, if you want to use Thomas Kuhn.
70
196056
3050
Ich verliebte mich also in das und sagte
03:19
So I fell in love with this.
71
199130
1339
03:20
I said, look: We have all this knowledge about brains -- how hard can it be?
72
200493
3575
Wir haben all dies wissen über das Gehirn. Wie schwer kann es sein?
03:24
It's something we can work on in my lifetime; I could make a difference.
73
204092
3438
Das ist etwas woran wir in unserer Lebenszeit arbeiten können. Ich glaubte ich kann einen Unterschied bewirken.
03:27
So I tried to get out of the computer business, into the brain business.
74
207554
3619
und so versuchte ich aus dem Computergeschäft heraus, in das Gehirngeschäft zu kommen.
03:31
First, I went to MIT, the AI lab was there.
75
211197
2004
Zuerst ging ich zum MIT, das KI Labor war dort,
03:33
I said, I want to build intelligent machines too,
76
213225
2395
und sagte, naja, ich will auch intelligente Maschinen bauen,
03:35
but I want to study how brains work first.
77
215644
2517
aber ich will es so tun, dass ich zuerst erforsche wie das Gehirn funktioniert.
03:38
And they said, "Oh, you don't need to do that.
78
218185
2306
Sie sagten, ach das brauchst du nicht zu tun.
03:40
You're just going to program computers, that's all.
79
220515
2390
Wir programmieren einfach Computer, das ist alles was wir tun müssen.
03:42
I said, you really ought to study brains.
80
222929
1963
Ich sagte, Nein, ihr solltet wirklich das Gehirn erforschen. Sie sagten, ach weißt du was,
03:44
They said, "No, you're wrong."
81
224916
1432
03:46
I said, "No, you're wrong," and I didn't get in.
82
226372
2246
du liegst falsch. Und ich sagte, nein, ihr liegt falsch und ich wurde nicht angenommen.
03:48
(Laughter)
83
228642
1078
(Lachen)
03:49
I was a little disappointed -- pretty young --
84
229744
2155
Ich war etwas enttäuscht -- ziemlich jung und ging zurück
03:51
but I went back again a few years later,
85
231923
1936
einige Jahre später und diesmal in Kalifornien ging ich nach Berkeley.
03:53
this time in California, and I went to Berkeley.
86
233883
2359
Ich sagte, ich gehe es von der biologischen Seite an.
03:56
And I said, I'll go in from the biological side.
87
236266
2430
03:58
So I got in the PhD program in biophysics.
88
238720
3089
Ich wurde also angenommen -- im Doktorantenprogramm in Biophysik und ich fand es OK.
04:01
I was like, I'm studying brains now. Well, I want to study theory.
89
241833
3410
Ich studiere jetzt das Gehirn und sagte, naja ich will Theorie studieren.
04:05
They said, "You can't study theory about brains.
90
245267
2269
Sie sagten, oh nein, du kannst keine Gehirntheorie erforschen.
04:07
You can't get funded for that.
91
247560
1995
Das ist nichts was man macht. Dafür gibt es keine Förderung.
04:09
And as a graduate student, you can't do that."
92
249579
2155
Als Master-Student/Doktorant, kannst du das nicht tun. Ich sagte, oh mein Gott,
04:11
So I said, oh my gosh.
93
251758
1218
04:13
I was depressed; I said, but I can make a difference in this field.
94
253000
3155
ich war sehr deprimiert. Ich sagte, aber ich kann in dem Feld einen Unterschied bewirken,
Also ging ich zurück in die Computerindustrie
04:16
I went back in the computer industry
95
256179
2008
04:18
and said, I'll have to work here for a while.
96
258211
2105
und sagte, naja dann muss ich wohl hier für eine Weile arbeiten, etwas machen.
04:20
That's when I designed all those computer products.
97
260340
2393
Das war als ich all diese Computer Produkte entwickelt habe.
04:22
(Laughter)
98
262757
1301
(Lachen)
04:24
I said, I want to do this for four years, make some money,
99
264082
2894
Ich sagte mir, ich will das für vier Jahre machen, etwas Geld verdienen,
04:27
I was having a family, and I would mature a bit,
100
267000
3976
eine Familie gründen, etwas reifen,
04:31
and maybe the business of neuroscience would mature a bit.
101
271000
2816
und vielleicht entwickelt sich das Gebiet der Neurowissenschaft etwas.
04:33
Well, it took longer than four years. It's been about 16 years.
102
273840
3001
Naja es dauert etwas länger als vier Jahre. es waren ungefähr 16.
04:36
But I'm doing it now, and I'm going to tell you about it.
103
276865
2716
Aber ich mache es jetzt und ich werde euch darüber berichten.
04:39
So why should we have a good brain theory?
104
279605
2286
Warum haben wir also keine gute Gehirntheorie?
04:41
Well, there's lots of reasons people do science.
105
281915
3102
Naja es gibt viele Gründe warum Menschen Wissenschaft betreiben.
04:45
The most basic one is, people like to know things.
106
285041
2917
Einer ist -- der natürlichste -- dass Menschen Dinge wissen wollen.
04:47
We're curious, and we go out and get knowledge.
107
287982
2195
Wir sind neugierig und wollen uns das Wissen aneignen, richtig?
04:50
Why do we study ants? It's interesting.
108
290201
1866
Warum studieren wir Ameisen? Naja, es ist interessant.
04:52
Maybe we'll learn something useful, but it's interesting and fascinating.
109
292091
3466
Vielleicht lernen wir etwas wirklich nützliches darüber aber es ist interessant und faszinierend.
04:55
But sometimes a science has other attributes
110
295581
2057
Aber manchmal hat Wissenschaft einige andere Eigenschaften,
04:57
which makes it really interesting.
111
297662
1829
die sie wirklich wirklich interessant machen.
04:59
Sometimes a science will tell something about ourselves;
112
299515
2627
Manchmal sagt uns die Wissenschaft etwas über uns selbst
05:02
it'll tell us who we are.
113
302166
1224
sie sagt uns wer wir sind.
05:03
Evolution did this and Copernicus did this,
114
303414
2752
Selten, aber z.B. hat die Evolution dies getan und Kopernikus
05:06
where we have a new understanding of who we are.
115
306190
2334
wir haben ein neues Verständnis davon erlangt wer wir sind.
05:08
And after all, we are our brains. My brain is talking to your brain.
116
308548
3428
Immerhin sind wir unser Gehirn. Mein Gehirn spricht gerade mit eurem Gehirn.
05:12
Our bodies are hanging along for the ride,
117
312000
2030
Unser Körper sitzt nur im gleichen Boot, aber das Gehirn redet mit eurem Gehirn.
05:14
but my brain is talking to your brain.
118
314054
1825
05:15
And if we want to understand who we are and how we feel and perceive,
119
315903
3248
Und wenn wir verstehen wollen wer wir sind, wie wir fühlen und wahrnehmen
müssen wir verstehen, was das Gehirn wirklich ist.
05:19
we need to understand brains.
120
319175
1391
05:20
Another thing is sometimes science leads to big societal benefits, technologies,
121
320590
3784
Noch ein Grund ist, dass Wissenschaft manchmal
zu wirklich großen sozialen Vorteilen oder Technologien,
05:24
or businesses or whatever.
122
324398
1291
oder Wirtschaften oder sonst etwas führen kann. Das wird diese auch
05:25
This is one, too, because when we understand how brains work,
123
325713
2878
weil wenn wir verstehen wie das Gehirn funktioniert, werden wir in der Lage sein
05:28
we'll be able to build intelligent machines.
124
328615
2064
intelligente Maschinen zu bauen und ich glaube das ist tatsächlich etwas Gutes
05:30
That's a good thing on the whole,
125
330703
1698
05:32
with tremendous benefits to society,
126
332425
1858
und ich glaube es wird enorme soziale Vorteile mit sich bringen
05:34
just like a fundamental technology.
127
334307
1669
genau wie jede fundamentale Technologie.
05:36
So why don't we have a good theory of brains?
128
336000
2850
Also, wieso haben wir keine sinnvolle Theorie vom Gehirn?
05:38
People have been working on it for 100 years.
129
338874
2168
Leute arbeiten seit 100 Jahren daran.
05:41
Let's first take a look at what normal science looks like.
130
341066
2719
Naja lasst uns zuerst einen Blick darauf werfen wie normale Wissenschaft aussieht.
05:43
This is normal science.
131
343809
1187
Das ist normale Wissenschaft.
05:45
Normal science is a nice balance between theory and experimentalists.
132
345020
4074
Normale Wissenschaft ist ein gutes Gleichgewicht aus Theorie und Experimenten.
05:49
The theorist guy says, "I think this is what's going on,"
133
349118
2691
Der Theoretiker sagt, naja ich glaube so funktioniert das
05:51
the experimentalist says, "You're wrong."
134
351833
1961
und der Experiment'ler sagt nein, du liegst falsch.
05:53
It goes back and forth, this works in physics, this in geology.
135
353818
3004
Und so geht das hin und her.
Es funktioniert in der Physik, in der Geologie. Wenn dies nun normale Wissenschaft ist
05:56
But if this is normal science, what does neuroscience look like?
136
356846
3009
wie sieht die Neurowissenschaft aus? So sieht die Neurowissenschaft aus.
05:59
This is what neuroscience looks like.
137
359879
1795
Wir haben diesen Berg an Daten bestehend aus Anatomie, Physiologie und Verhalten.
06:01
We have this mountain of data,
138
361698
1442
06:03
which is anatomy, physiology and behavior.
139
363164
2070
06:05
You can't imagine how much detail we know about brains.
140
365258
3194
Ihr könnt euch Vorstellen wie viel Details wir über das Gehirn wissen.
06:08
There were 28,000 people who went to the neuroscience conference this year,
141
368476
3592
Es waren 28.000 Leute bei der Neurowissenschafts Konferenz dieses Jahr,
06:12
and every one of them is doing research in brains.
142
372092
2363
und jeder davon betreibt Forschung über das Gehirn.
06:14
A lot of data, but no theory.
143
374479
1694
Eine Menge an Daten. Aber es gibt keine Theorie. Es ist dieser kleine kümmerliche Kasten da.
06:16
There's a little wimpy box on top there.
144
376197
2000
06:18
And theory has not played a role in any sort of grand way
145
378221
3382
Theorie hat bisher noch keine maßgebliche Rolle in der Neurowissenschaft gespielt.
06:21
in the neurosciences.
146
381627
1429
06:23
And it's a real shame.
147
383080
1240
Und das ist schade. Warum ist dies so?
06:24
Now, why has this come about?
148
384344
1391
06:25
If you ask neuroscientists why is this the state of affairs,
149
385759
2988
Wenn man einen Neurowissenschaftler fragt, warum ist das der Stand der Dinge?
06:28
first, they'll admit it.
150
388771
1246
Sie geben es zunächst zu. Wenn man aber fragt, sagen sie
06:30
But if you ask them, they say,
151
390041
1485
06:31
there's various reasons we don't have a good brain theory.
152
391550
2732
naja es gibt verschiedene Gründe, warum wir keine sinnvolle Gehirntheorie haben.
06:34
Some say we still don't have enough data,
153
394306
1969
Manche Leute sagen wir haben nicht genug Daten,
06:36
we need more information, there's all these things we don't know.
154
396299
3059
wir müssen mehr Informationen schaffen, es gibt all diese Sachen, die wir nicht wissen.
06:39
Well, I just told you there's data coming out of your ears.
155
399382
2841
Naja, ich habe euch gerade gesagt dass es so viele Daten gibt, dass sie uns aus den Ohren kommen.
06:42
We have so much information, we don't even know how to organize it.
156
402247
3164
Wir haben so viel Informationen, wir wissen nicht wie wir anfangen sollen sie zu organisieren.
06:45
What good is more going to do?
157
405435
1438
Was bringen uns da mehr Daten?
06:46
Maybe we'll be lucky and discover some magic thing, but I don't think so.
158
406897
3448
Vielleicht haben wir Glück und entdecken den magischen Baustein, aber ich glaube nicht daran.
06:50
This is a symptom of the fact that we just don't have a theory.
159
410369
2973
Es ist tatsächlich ein Symptom davon, dass wir keine Theorie haben.
06:53
We don't need more data, we need a good theory.
160
413366
2610
Wir brauchen nicht mehr Daten -- wir brauchen eine gute Theorie darüber.
06:56
Another one is sometimes people say,
161
416000
1798
Etwas anderes dass Leute manchmal sagen, naja das Gehirn ist so komplex,
06:57
"Brains are so complex, it'll take another 50 years."
162
417822
3154
das dauert nochmal 50 Jahre.
07:01
I even think Chris said something like this yesterday, something like,
163
421000
3354
Ich glaube sogar Chris hat so etwas gestern gesagt.
Ich bin mir nicht sicher was du gesagt hast Chris, aber etwas in die Richtung,
07:04
it's one of the most complicated things in the universe.
164
424378
2627
naja, es ist eines der komplexesten Dinge im Universum. Das stimmt nicht.
07:07
That's not true -- you're more complicated than your brain.
165
427029
2790
Du bist komplexer als dein Gehirn. Du hast ein Gehirn.
07:09
You've got a brain.
166
429843
1151
Und außerdem, obwohl das Gehirn sehr komplex aussieht,
07:11
And although the brain looks very complicated,
167
431018
2150
Dinge wirken komplex bis man sie versteht.
07:13
things look complicated until you understand them.
168
433192
2336
07:15
That's always been the case.
169
435552
1335
Das war schon immer so. Und alles was wir sagen können,
07:16
So we can say, my neocortex, the part of the brain I'm interested in,
170
436911
3243
mein Neokortex, ist der Teil des Gehirns der mich interessiert, hat 30 Milliarden Zellen.
07:20
has 30 billion cells.
171
440178
1152
07:21
But, you know what? It's very, very regular.
172
441354
2432
Aber wissen Sie was? Es ist extremst regelmäßig.
07:23
In fact, it looks like it's the same thing repeated over and over again.
173
443810
3394
Tatsächlich sieht es so aus, als wäre es das gleiche Ding, das sich immer und immer wieder wiederholt.
07:27
It's not as complex as it looks. That's not the issue.
174
447228
2536
Es ist nicht so complex wie es aussieht. Das ist nicht das Problem.
07:29
Some people say, brains can't understand brains.
175
449788
2287
Manche sagen, Gehirne können Gehirne nicht verstehen.
07:32
Very Zen-like. Woo.
176
452099
1988
Sehr Zen-artig. Whoo. Wissen Sie --
07:34
(Laughter)
177
454111
2188
(Lachen)
07:36
You know, it sounds good, but why? I mean, what's the point?
178
456323
2859
Es hört sich gut an, aber wieso? Ich meine warum?
07:39
It's just a bunch of cells. You understand your liver.
179
459206
2569
Es ist nur eine Menge von Zellen. Man versteht unsre Leber.
07:41
It's got a lot of cells in it too, right?
180
461799
1977
Sie hat auch eine Menge Zellen in sich, oder?
07:43
So, you know, I don't think there's anything to that.
181
463800
2494
Also glaube ich nicht, dass daran etwas Wahres ist.
07:46
And finally, some people say,
182
466318
2112
Schließlich sagen manche, naja
07:48
"I don't feel like a bunch of cells -- I'm conscious.
183
468454
2983
ich fühle mich nicht wie ein Haufen von Zellen. Ich bin bei Bewusstsein.
07:51
I've got this experience, I'm in the world.
184
471461
2069
Ich habe diese Erfahrung, ich bin in der Welt.
07:53
I can't be just a bunch of cells."
185
473554
1910
Ich kann nicht nur ein Ansammlung von Zellen sein. Naja
07:55
Well, people used to believe there was a life force to be living,
186
475488
3223
Menschen glaubten es benötigt einer Lebenskraft um lebendig zu sein
07:58
and we now know that's really not true at all.
187
478735
2409
und wir wissen, dass dies nicht im Geringsten wahr ist.
08:01
And there's really no evidence,
188
481168
1898
Es gibt keinen Beweis dafür, aber naja andere Leute
08:03
other than that people just disbelieve that cells can do what they do.
189
483090
3374
haben einfach geglaubt, dass Zellen das tun, was sie tun.
08:06
So some people have fallen into the pit of metaphysical dualism,
190
486488
3041
Und wenn Leute in die Grube des metaphysischen Dualismus gefallen sind
08:09
some really smart people, too, but we can reject all that.
191
489553
2730
und viele schlaue Leute sind dies, aber wir können das alles ignorieren.
08:12
(Laughter)
192
492307
2895
(Lachen)
Ich sage euch, es gibt etwas anderes,
08:15
No, there's something else,
193
495226
1741
08:16
something really fundamental, and it is:
194
496991
1985
es ist wirklich fundamental und es ist was es ist.
08:19
another reason why we don't have a good brain theory
195
499000
2451
Es gibt einen weiteren Grund, warum wir keine sinnvolle Gehirntheorie haben
08:21
is because we have an intuitive, strongly held but incorrect assumption
196
501475
5535
und der ist dass wir gefühlsmäßige, stark verwurzelte,
aber falsche Vorstellungen haben, die uns davon abhalten die Antwort zu sehen.
08:27
that has prevented us from seeing the answer.
197
507034
2112
08:29
There's something we believe that just, it's obvious, but it's wrong.
198
509170
3788
Es gibt etwas das wir glauben, es ist offensichtlich, aber falsch.
08:32
Now, there's a history of this in science and before I tell you what it is,
199
512982
3566
Davon gibt es eine Historie in der Wissenschaft, aber zuvor sage ich Ihnen was es ist.
08:36
I'll tell you about the history of it in science.
200
516572
2299
Ich werde Ihnen ein wenig über die Geschichte davon in der Wissenschaft erzählen.
08:38
Look at other scientific revolutions --
201
518895
1910
Wenn man auf einige der wissenschaftlichen Revolutionen schaut
08:40
the solar system, that's Copernicus,
202
520829
1879
in diesem Fall rede ich vom Solar System von Kopernikus,
08:42
Darwin's evolution, and tectonic plates, that's Wegener.
203
522732
2819
Darwins Evolution und tektonischen Platten von Wegener.
All diese Dinge haben einiges Gemeinsam mit der Gehirnforschung.
08:46
They all have a lot in common with brain science.
204
526059
2295
08:48
First, they had a lot of unexplained data. A lot of it.
205
528378
2666
Zunächsteinmal hatten sie viele Daten ohne Erklärungen. Viel davon.
08:51
But it got more manageable once they had a theory.
206
531068
2794
Aber es wurde überschaubarer, als sie eine Theorie hatten.
08:53
The best minds were stumped -- really smart people.
207
533886
2807
Die besten Geister waren verblüfft, wirklich wirklich intelligente Leute.
08:56
We're not smarter now than they were then;
208
536717
2004
Wir sind heute nicht schlauer als sie damals waren.
08:58
it just turns out it's really hard to think of things,
209
538745
2527
Es stellt sich nur heraus, dass es wirklich schwer ist sich Dinge einfallen zu lassen
09:01
but once you've thought of them, it's easy to understand.
210
541296
2676
aber sobald einem etwas eingefallen ist, sind sie sogar einfach zu verstehen.
09:03
My daughters understood these three theories,
211
543996
2106
Meine Töchter verstanden diese drei Theorien
in ihren Grundzügen als sie im Kindergarten waren.
09:06
in their basic framework, in kindergarten.
212
546126
2518
09:08
It's not that hard -- here's the apple, here's the orange,
213
548668
3266
Jetzt ist es nicht mehr so schwer, das ist der Apfel, das die Orange
09:11
the Earth goes around, that kind of stuff.
214
551958
2018
die Erde geht im Kreis, die Art von Dingen.
09:14
Another thing is the answer was there all along,
215
554000
2586
Letztlich, ist es auch noch so, dass die Antwort die ganze Zeit da war
09:16
but we kind of ignored it because of this obvious thing.
216
556610
2779
aber wir haben sie ignoriert wegen diesem offensichtlichen Ding und das ist der Punkt.
09:19
It was an intuitive, strongly held belief that was wrong.
217
559413
2850
Es war ein intuitiver, stark verwurzelter Glaube der falsch war.
09:22
In the case of the solar system,
218
562287
1690
Im Fall des Solarsystems, der Glaube dass die Erde sich dreht
09:24
the idea that the Earth is spinning,
219
564001
1760
09:25
the surface is going a thousand miles an hour,
220
565785
2191
und die Oberfläche der Erde sich mit ca. Tausend Meilen pro Stunde bewegt
09:28
and it's going through the solar system at a million miles an hour --
221
568000
3249
und die Erde sich mit ca. einer Million Meilen pro Stunde durch das Solarsystem bewegt.
09:31
this is lunacy; we all know the Earth isn't moving.
222
571273
2476
Das ist Verrückt. Wir alle wissen, dass die Erde sich nicht bewegt.
09:33
Do you feel like you're moving a thousand miles an hour?
223
573773
2877
Fühlt es sich für dich an, als ob die Erde sich mit Tausend Meilen pro Stunde bewegt?
Natürlich nicht. Sie wissen jemand der sagt,
09:36
If you said Earth was spinning around in space and was huge --
224
576674
2919
naja, sie dreht sich im Weltall und ist so groß ist,
09:39
they would lock you up, that's what they did back then.
225
579617
2591
würden sie dich einsperren und das ist was man damals gemacht hat.
(Lachen)
09:42
So it was intuitive and obvious. Now, what about evolution?
226
582232
3275
Es war also intuitiv und offensichtlich. Was ist mit Evolution?
09:45
Evolution, same thing.
227
585531
1154
Evolution war das Gleiche. Wir lehrten unsere Kinder, die Bibel sagt,
09:46
We taught our kids the Bible says God created all these species,
228
586709
3080
Gott hat all diese Spezies kreiert, Katzen sind Katzen, Hunde sind Hunde,
09:49
cats are cats; dogs are dogs; people are people; plants are plants;
229
589813
3143
Menschen sind Menschen, Pflanzen sind Pflanzen und sie verändern sich nicht.
09:52
they don't change.
230
592980
1241
Noah hat sie alle in der Reihenfolge auf die Arche geleitet, blah blah blah. Und,
09:54
Noah put them on the ark in that order, blah, blah.
231
594245
2649
09:56
The fact is, if you believe in evolution, we all have a common ancestor.
232
596918
3395
Fakt ist, wenn man an Evolution glaubt, haben wir alle einen gemeinsamen Vorfahren
10:00
We all have a common ancestor with the plant in the lobby!
233
600337
3282
und wir haben alle einen gemeinsamen Vorfahren mit der Pflanze in der Lobby.
10:03
This is what evolution tells us. And it's true. It's kind of unbelievable.
234
603643
3686
Das ist es was Evolution uns sagt. Und es ist wahr. Es ist fast Unvorstellbar.
10:07
And the same thing about tectonic plates.
235
607353
2557
Das Gleiche gilt für Tektonische Platten, wissen Sie?
10:09
All the mountains and the continents
236
609934
1722
All die Hügel und Kontinente treiben quasi
10:11
are kind of floating around on top of the Earth.
237
611680
2344
auf der Erde. Es macht irgendwie keinen Sinn.
10:14
It doesn't make any sense.
238
614048
1246
10:15
So what is the intuitive, but incorrect assumption,
239
615318
4601
Was ist also die intuitive aber falsche Annahme
10:19
that's kept us from understanding brains?
240
619943
1967
die uns davon abhält das Gehirn zu verstehen?
10:21
I'll tell you. It'll seem obvious that it's correct. That's the point.
241
621934
3293
Ich werde es euch sagen und es wird offensichtlich sein, dass es stimmt
und das ist der Punkt, richtig? Dann werde ich argumentieren müssen,
10:25
Then I'll make an argument why you're incorrect on the other assumption.
242
625251
3434
warum Sie falsch liegen über die andere Annahme.
10:28
The intuitive but obvious thing is:
243
628709
1682
Die intuitive und offensichtliche Sache ist, dass Intelligenz irgendwie
10:30
somehow, intelligence is defined by behavior;
244
630415
2314
durch Verhalten definiert ist
10:32
we're intelligent because of how we do things
245
632753
2350
und das wir intelligent sind wegen der Art, in der wir etwas tun
10:35
and how we behave intelligently.
246
635127
1572
und die Art wie wir uns intelligent Verhalten und ich werde Ihnen sagen, dass Sie falsch liegen.
10:36
And I'm going to tell you that's wrong.
247
636723
1879
10:38
Intelligence is defined by prediction.
248
638626
2131
Es ist so, dass Intelligenz durch Vorhersage definiert ist.
10:40
I'm going to work you through this in a few slides,
249
640781
2415
Ich werde Sie durch dies in ein paar Folien leiten,
10:43
and give you an example of what this means.
250
643220
2094
werde ein Beispiel bringen, was dies bedeutet. Hier ist ein System,
10:45
Here's a system.
251
645338
1301
10:46
Engineers and scientists like to look at systems like this.
252
646663
2908
Ingenieure mögen es, sich Systeme so anzuschauen. Wissenschaftler schauen sich Systeme so an.
10:49
They say, we have a thing in a box. We have its inputs and outputs.
253
649595
3163
Sie sagen, naja wir haben dieses Ding in einer Box und wir haben Inputs und Outputs.
10:52
The AI people said, the thing in the box is a programmable computer,
254
652782
3240
die KI Leute sagen, naja, das Ding in der Box ist ein programmierbarer Computer
10:56
because it's equivalent to a brain.
255
656046
1679
weil das das Äquivalent zu einem Gehirn ist und wir füttern es mit Inputs
10:57
We'll feed it some inputs and get it to do something, have some behavior.
256
657749
3506
wir bringen es dazu etwas zu tun, haben ein gewisses Verhalten.
Alan Turing hat den Turing-Test definiert, der im Prinzip sagt,
11:01
Alan Turing defined the Turing test, which essentially says,
257
661279
2822
wenn sich etwas Intelligent ist, verhält es sich Intelligent für Menschen.
11:04
we'll know if something's intelligent if it behaves identical to a human --
258
664125
3553
Ein Verhaltensmaßstab davon was Intelligenz ist
11:07
a behavioral metric of what intelligence is
259
667702
2106
11:09
that has stuck in our minds for a long time.
260
669832
2144
und dieser ist in unserem Verstand seit einiger Zeit verankert.
11:12
Reality, though -- I call it real intelligence.
261
672000
2392
In Realität jedoch nenne ich es wirklich Intelligenz.
11:14
Real intelligence is built on something else.
262
674416
2175
Wirklich Intelligenz ist auf etwas anderem Aufgebaut.
11:16
We experience the world through a sequence of patterns,
263
676615
3214
Wir nehmen die Welt über eine Abfolge von Mustern wahr, speichern diese
11:19
and we store them, and we recall them.
264
679853
2149
und rufen sie ab. Wenn wir sie abrufen, gleichen wir diese gegen
11:22
When we recall them, we match them up against reality,
265
682026
2545
die Realität ab und wir machen kontinuierlich Voraussagen.
11:24
and we're making predictions all the time.
266
684595
2251
11:26
It's an internal metric; there's an internal metric about us,
267
686870
2958
Es ist eine ewige Metrik. Es gibt eine ewige Metrik in der wir uns quasi sagen,
11:29
saying, do we understand the world, am I making predictions, and so on.
268
689852
3342
verstehen wir diese Welt? Mach ich Voraussagen? Und so weiter.
11:33
You're all being intelligent now, but you're not doing anything.
269
693218
3002
Sie sind alle Intelligent in diesem Moment, aber Sie machen nichts.
Sie kratzen sich vielleicht, oder bohren in der Nase,
11:36
Maybe you're scratching yourself, but you're not doing anything.
270
696244
3002
Ich weiß nicht, aber Sie machen gerade nichts,
11:39
But you're being intelligent; you're understanding what I'm saying.
271
699270
3156
aber Sie sind Intelligent, Sie verstehen was ich sage.
11:42
Because you're intelligent and you speak English,
272
702450
2295
Weil Sie Intelligent sind und Sie englisch sprechen
11:44
you know the word at the end of this
273
704769
1751
wissen Sie was das Wort am Ende diese Satzes -- (Stille)
ist.
11:46
sentence.
274
706544
1159
11:47
The word came to you; you make these predictions all the time.
275
707727
3152
Das Wort kam in Sie, und sie machen diese Voraussagen die ganze Zeit.
11:50
What I'm saying is,
276
710903
1699
Was ich sage ist,
11:52
the internal prediction is the output in the neocortex,
277
712626
2631
dass die ewige Voraussage der Output des Neocortexes ist.
Und das irgendwie, Voraussage zu Intelligentem Verhalten führt.
11:55
and somehow, prediction leads to intelligent behavior.
278
715281
2541
11:57
Here's how that happens:
279
717846
1151
Dies geschieht folgendermaßen. Lassen Sie uns mit dem nicht-intelligenten Gehirn anfangen.
11:59
Let's start with a non-intelligent brain.
280
719021
1955
Ich argumentiere ein nicht-intelligentes Gehirn, wir haben dieses alte Gehirn bekommen
12:01
I'll argue a non-intelligent brain, we'll call it an old brain.
281
721000
3009
12:04
And we'll say it's a non-mammal, like a reptile,
282
724033
2871
und wir sagen es ist wie ein Nicht-Säugetier, wie ein Reptil,
12:06
say, an alligator; we have an alligator.
283
726928
1985
ich sage also, ein Alligator, wir haben einen Alligator.
12:08
And the alligator has some very sophisticated senses.
284
728937
3371
Und dieser Alligator hat einige sehr gefestigte Sinne.
12:12
It's got good eyes and ears and touch senses and so on,
285
732332
3206
Er hat gute Augen und Ohren und Tastsinne usw.
12:15
a mouth and a nose.
286
735562
1469
einen Mund und eine Nase. Er hat sehr komplexes Verhalten.
12:17
It has very complex behavior.
287
737055
1991
12:19
It can run and hide. It has fears and emotions. It can eat you.
288
739070
3906
Er kann rennen und sich verstecken. Er hat Ängste und Emotionen. Er kann Sie essen.
12:23
It can attack. It can do all kinds of stuff.
289
743000
3590
Er kann angreifen. Er kann alles Mögliche machen.
12:27
But we don't consider the alligator very intelligent,
290
747193
2856
Aber wir betrachten den Alligator nicht als sehr intelligent, nicht in einer menschlichen Art.
12:30
not in a human sort of way.
291
750073
1676
12:31
But it has all this complex behavior already.
292
751773
2356
Aber er hat bereits all dieses komplexe Verhalten
12:34
Now in evolution, what happened?
293
754510
1801
Was ist in der Evolution nun passiert?
12:36
First thing that happened in evolution with mammals
294
756335
2385
Das Erste was in der Evolution von Säugetieren passiert ist
12:38
is we started to develop a thing called the neocortex.
295
758744
2531
dass wir dieses Ding mit dem Namen Neocortex entwickelt haben.
12:41
I'm going to represent the neocortex by this box on top of the old brain.
296
761299
3793
Ich werde den Neocortex hier durch diese Box repräsentieren
die auf dem alten Gehirn sitzt.
12:45
Neocortex means "new layer." It's a new layer on top of your brain.
297
765116
3353
Neocortex bedeutet eine neue Schicht. Es ist eine neue Schicht oben auf dem Gehirn.
12:48
It's the wrinkly thing on the top of your head
298
768493
2343
Wenn Sie es nicht kennen, dass ist das faltige Ding oben in Ihrem Kopf,
12:50
that got wrinkly because it got shoved in there and doesn't fit.
299
770860
3084
das faltig ist, weil es hineingestopft ist und nicht passt.
12:53
(Laughter)
300
773968
1008
(Lachen)
12:55
Literally, it's about the size of a table napkin
301
775000
2242
Nein im Ernst, das ist was es ist. Es ist ungefähr die Größe einer Serviette.
12:57
and doesn't fit, so it's wrinkly.
302
777266
1574
Und es passt nicht, also wird es faltig. Schauen Sie sich an wie ich das gezeichnet hab.
12:58
Now, look at how I've drawn this.
303
778864
1745
13:00
The old brain is still there.
304
780633
1386
Das alte Gehirn ist immer noch da. Sie haben immernoch dieses Alligator-Gehirn.
13:02
You still have that alligator brain. You do. It's your emotional brain.
305
782043
3655
Sie haben es. Es ist ihr emotionales Gehirn.
13:05
It's all those gut reactions you have.
306
785722
2730
Es ist all dass und all die Reaktionen aus dem Bauch heraus die sie haben.
13:08
On top of it, we have this memory system called the neocortex.
307
788476
3270
Darüber haben wir dieses Speichersystem mit dem Namen Neocortex.
13:11
And the memory system is sitting over the sensory part of the brain.
308
791770
4294
Und dieses Speichersystem sitzt über dem sensorischen Teil des Gehirns.
13:16
So as the sensory input comes in and feeds from the old brain,
309
796088
3055
Und wenn der sensorische Input hereinkommt und das alte Gehirn füttert,
13:19
it also goes up into the neocortex.
310
799167
2154
geht es auch in den Neocortex. Und der Neocortex speichert nur.
13:21
And the neocortex is just memorizing.
311
801345
1913
13:23
It's sitting there saying, I'm going to memorize all the things going on:
312
803282
3561
Er sitzt herum und sagt, "Hey, ich werde all die Dinge die passieren speichern,
13:26
where I've been, people I've seen, things I've heard, and so on.
313
806867
3019
wo ich war, Leute die ich gesehen hab, Dinge die ich gehört habe usw.
13:29
And in the future, when it sees something similar to that again,
314
809910
3362
Und in der Zukunft wenn es etwas Ähnliches sieht,
13:33
in a similar environment, or the exact same environment,
315
813296
2635
in einer ähnlichen Umgebung oder der exakt gleichen Umgebung,
13:35
it'll start playing it back: "Oh, I've been here before,"
316
815955
3555
spielt es das wieder ab. Es wird anfangen es abzuspielen.
"Oh, hier war ich schon mal. Und als ich hier war
13:39
and when you were here before, this happened next.
317
819534
2364
ist das als nächstes passiert." Es erlaubt Ihnen die Zukunft vorauszusagen.
13:41
It allows you to predict the future.
318
821922
1726
13:43
It literally feeds back the signals into your brain;
319
823672
3396
Es erlaubt ihnen, im wörtlichen Sinne, es leitet die Signale zurück an das Gehirn
13:47
they'll let you see what's going to happen next,
320
827092
2265
es sagt Ihnen was als nächstes passieren wird,
13:49
will let you hear the word "sentence" before I said it.
321
829381
2595
es wird Sie das Wort "ist" hören lassen, bevor ich es gesagt habe.
13:52
And it's this feeding back into the old brain
322
832000
3185
Und es ist dieses zurückleiten ins alte Gehirn
13:55
that will allow you to make more intelligent decisions.
323
835209
2577
das einem erlaubt intelligentere Entscheidungen zu treffen.
13:57
This is the most important slide of my talk, so I'll dwell on it a little.
324
837810
3489
Das ist die wichtigste Folie meiner Rede, also werde ich etwas verweilen.
14:01
And all the time you say, "Oh, I can predict things,"
325
841323
3575
Also sagt man die ganze Zeit "Oh, ich kann Dinge voraussagen."
14:04
so if you're a rat and you go through a maze, and you learn the maze,
326
844922
3360
Wenn man eine Ratte ist, geht man durch ein Labyrinth und lernt dieses
14:08
next time you're in one, you have the same behavior.
327
848306
2439
und beim nächsten Mal in der man durch das Labyrinth geht, hat man das gleiche Verhalten
14:10
But suddenly, you're smarter; you say, "I recognize this maze,
328
850769
2991
aber ist plötzlich schlauer
weil man sagt "Hey, ich erkenne dieses Labyrinth, ich kenne den Weg,
14:13
I know which way to go; I've been here before; I can envision the future."
329
853784
3542
ich war hier schon mal, ich kann die mir die Zukunft vorstellen."
14:17
That's what it's doing.
330
857350
1168
14:18
This is true for all mammals --
331
858542
2840
In Menschen, und das trifft nebenbei für alle Säugetiere zu,
14:21
in humans, it got a lot worse.
332
861406
2031
es ist wahr für andere Säugetiere und in Menschen, wurde es schlimmer.
14:23
Humans actually developed the front of the neocortex,
333
863461
2587
In Menschen haben wir den frontalen Teil des Neocortexes entwickelt
14:26
called the anterior part of the neocortex.
334
866072
2221
mit dem Namen anteriorer Teil des Neocortex. Die Natur hat diesen kleinen Trick angewandt.
14:28
And nature did a little trick.
335
868317
1438
14:29
It copied the posterior, the back part, which is sensory,
336
869779
2687
Es hat den posterioren Teil, den hinteren Teil, der sensorisch ist, kopiert
14:32
and put it in the front.
337
872490
1151
und nach vorne getan.
14:33
Humans uniquely have the same mechanism on the front,
338
873665
2480
Und Menschen haben diesen gleichen Mechanismus als einzige vorne,
14:36
but we use it for motor control.
339
876169
1554
und wir nutzen ihn für Motorik.
14:37
So we're now able to do very sophisticated motor planning, things like that.
340
877747
3581
Jetzt sind wir also in der Lage sehr anspruchsvolle motorische Planung, Dinge wie das, zu tun.
14:41
I don't have time to explain, but to understand how a brain works,
341
881352
3126
Ich habe keine Zeit ins Detail zu gehen, aber wenn man verstehen will, wie das Gehirn funktioniert
14:44
you have to understand how the first part of the mammalian neocortex works,
342
884502
3537
muss man verstehen, wie der erste Teil des Säugetier-Neocortex funktioniert
und wie wir Muster speichern und Voraussagen machen.
14:48
how it is we store patterns and make predictions.
343
888063
2293
Lasst mich ein paar Beispiele von Voraussagen geben.
14:50
Let me give you a few examples of predictions.
344
890380
2188
14:52
I already said the word "sentence."
345
892592
1676
Ich hab das Satzbeispiel bereits gemacht. In der Musik
14:54
In music, if you've heard a song before,
346
894292
3206
haben Sie das Lied bereits gehört, wenn sie Jill das Lied schon einmal singen hören haben,
14:57
when you hear it, the next note pops into your head already --
347
897522
2909
kommt Ihnen die nächste Note bereits ins Gehirn wenn sie singt --
15:00
you anticipate it.
348
900455
1151
sie antizipieren während des Prozesses. Wenn es ein Album von Musik ist
15:01
With an album, at the end of a song, the next song pops into your head.
349
901630
3354
kommt ihnen das nächste Lied bereits in den Kopf beim Ende des vorherigen.
15:05
It happens all the time, you make predictions.
350
905008
2305
All diese Dinge passieren die ganze Zeit. Sie machen diese Voraussagen.
15:07
I have this thing called the "altered door" thought experiment.
351
907337
3039
Ich habe dieses Ding mit dem Namen "Veränderte Tür Gedanken Experiment."
15:10
It says, you have a door at home;
352
910400
2829
Und das "Veränderte Tür Gedanken Experiment" sagt, dass sie zuhause eine Tür haben
15:13
when you're here, I'm changing it --
353
913253
1755
und während Sie hier sind, verändere ich sie. Ich habe diesen Typen
15:15
I've got a guy back at your house right now, moving the door around,
354
915032
3196
in Ihren Häusern in diesem Moment, der Türen austauscht
15:18
moving your doorknob over two inches.
355
918252
1769
und er wird Ihre Türgriffe nehmen und sie zwei Zoll versetzen.
15:20
When you go home tonight, you'll put your hand out, reach for the doorknob,
356
920045
3584
Und wenn Sie nach Hause gehen und ihre Hand ausstecken
und nach dem Türgriff greifen werden Sie bemerken
15:23
notice it's in the wrong spot
357
923653
1514
dass er am falschen Platz ist, und sagen "Woho, etwas ist passiert."
15:25
and go, "Whoa, something happened."
358
925191
1687
15:26
It may take a second, but something happened.
359
926902
2101
Sie werden vielleicht eine Sekunde brauchen um herauszufinden was, aber etwas ist passiert.
15:29
I can change your doorknob in other ways --
360
929027
2003
Ich könnte den Türgriff auf andere Arten verändern.
15:31
make it larger, smaller, change its brass to silver, make it a lever,
361
931054
3241
Ich könnte ihn kleiner oder größer machen, ich könnte Messing durch Silber ersetzen,
ich könnte einen Hebel daraus machen. Ich kann Ihre Türen verändern, Farben verändern,
15:34
I can change the door; put colors on, put windows in.
362
934319
2576
ich kann Fenster hinein setzen. Ich kann Tausend Dinge mit Ihrer Tür machen
15:36
I can change a thousand things about your door
363
936919
2151
und in den zwei Sekunden, die Sie benötigen die Tür zu öffnen,
15:39
and in the two seconds you take to open it,
364
939094
2008
werden Sie bemerken dass etwas sich verändert hat.
15:41
you'll notice something has changed.
365
941126
1722
15:42
Now, the engineering approach, the AI approach to this,
366
942872
2584
Der Ingenieursansatz ist, KI geht dies an
15:45
is to build a door database with all the door attributes.
367
945480
2675
durch eine Baue-eine-Tür-Datenbank. Sie hat all die Tür-Attribute.
15:48
And as you go up to the door, we check them off one at time:
368
948179
2819
Und wenn man zur Tür geht, werden diese Punkt für Punkt überprüft.
15:51
door, door, color ...
369
951022
1346
Tür, Tür, Tür, Farbe, Sie wissen was ich meine.
15:52
We don't do that. Your brain doesn't do that.
370
952392
2100
Das machen wir nicht. Das Gehirn tut dies nicht.
15:54
Your brain is making constant predictions all the time
371
954516
2540
Was Ihr Gehirn macht, ist dass es konstant Voraussagen darüber macht,
15:57
about what will happen in your environment.
372
957080
2034
was als nächstes in Ihrer Umgebung passieren wird.
15:59
As I put my hand on this table, I expect to feel it stop.
373
959138
2746
Wenn ich meine Hand auf den Tisch lege, erwarte ich zu Fühlen, dass sie anhält.
16:01
When I walk, every step, if I missed it by an eighth of an inch,
374
961908
3019
Wenn ich laufe, jede Stufe, wenn ich sie nur ein achtel eines Zoll verpasse
16:04
I'll know something has changed.
375
964951
1533
weiß ich dass sich etwas verändert hat.
16:06
You're constantly making predictions about your environment.
376
966508
2820
Wir machen konstant Voraussagen über unsere Umgebung.
16:09
I'll talk about vision, briefly.
377
969352
1593
Ich werde kurz auf Sehkraft eingehen. Das ist das Bild einer Frau.
16:10
This is a picture of a woman.
378
970969
1383
16:12
When we look at people, our eyes saccade over two to three times a second.
379
972376
3490
Und wenn wir Leute anschauen, bewegen sich Ihre Augen
zwei bis drei Mal pro Sekunde.
16:15
We're not aware of it, but our eyes are always moving.
380
975890
2529
Sie sind sich dessen nicht bewusst, aber Ihre Augen bewegen sich konstant.
Und wenn Sie jemandem ins Gesicht schauen,
16:18
When we look at a face, we typically go from eye to eye to nose to mouth.
381
978443
3435
gehen Sie normalerweise von Auge zu Auge zu Auge zur Nase zum Mund.
16:21
When your eye moves from eye to eye,
382
981902
1869
Wenn Ihr Auge von Auge zu Auge geht
16:23
if there was something else there like a nose,
383
983795
2158
und da ist plötzlich etwas anderes wie z.B. eine Nase,
16:25
you'd see a nose where an eye is supposed to be and go, "Oh, shit!"
384
985977
3546
sehen Sie eine Nase wo ein Auge sein sollte
und sagen "Ach du scheiße..."
16:29
(Laughter)
385
989547
1396
16:30
"There's something wrong about this person."
386
990967
2109
(Lachen)
Da stimmt etwas nicht mit dieser Person.
16:33
That's because you're making a prediction.
387
993100
2005
Das liegt daran, dass wir konstant Voraussagen machen.
16:35
It's not like you just look over and say, "What am I seeing? A nose? OK."
388
995129
3439
Es ist nicht so, dass sie da hin schauen und sagen "Was sehe ich jetzt?
Eine Nase, das ist OK." Nein, sie haben Erwartungen davon was sie sehen werden.
16:38
No, you have an expectation of what you're going to see.
389
998592
2634
(Lachen)
16:41
Every single moment.
390
1001250
1151
In jedem Moment. Schließlich, lassen Sie uns darüber nachdenken wie wir Intelligenz testen.
16:42
And finally, let's think about how we test intelligence.
391
1002425
2629
16:45
We test it by prediction: What is the next word in this ...?
392
1005078
3081
Wir testen sie durch Voraussagen. Was ist das nächste Wort hier, verstehen sie?
16:48
This is to this as this is to this. What is the next number in this sentence?
393
1008183
3627
Das ist zu dem wie das zu dem. Was ist die nächste Nummer in diesem Satz?
16:51
Here's three visions of an object. What's the fourth one?
394
1011834
2690
Ich habe drei Visionen eines Objekts.
Was ist die vierte? Das ist wie wir es testen. Es geht nur um Voraussagen.
16:54
That's how we test it. It's all about prediction.
395
1014548
2504
16:57
So what is the recipe for brain theory?
396
1017573
2194
Was ist also das Rezept für eine Gehirntheorie?
17:00
First of all, we have to have the right framework.
397
1020219
2366
Zunächst einmal brauchen wir das richtige Gerüst.
17:02
And the framework is a memory framework,
398
1022609
1913
Das Gerüst ist ein Gedächtnisgerüst
17:04
not a computational or behavior framework,
399
1024546
2024
nicht ein Berechnungs- oder Verhaltensgerüst. Es ist ein Gedächtnisgerüst.
17:06
it's a memory framework.
400
1026594
1163
17:07
How do you store and recall these sequences of patterns?
401
1027781
2623
Wie speichert und ruft man all diese Sequenzen oder Muster ab? Es sind räumlich-zeitliche Muster.
17:10
It's spatiotemporal patterns.
402
1030428
1442
17:11
Then, if in that framework, you take a bunch of theoreticians --
403
1031894
3009
Wenn man in diesem Gerüst ist, nimmt man einige Theoretiker.
17:14
biologists generally are not good theoreticians.
404
1034927
2246
Biologen sind generell keine guten Theoretiker.
Das stimmt nicht immer, aber ist gewöhnlich, Biologie hat keine gute Historie von Theorien.
17:17
Not always, but generally, there's not a good history of theory in biology.
405
1037197
3529
17:20
I've found the best people to work with are physicists,
406
1040750
2574
Die Leute mit denen man am besten arbeiten kann sind Physiker,
17:23
engineers and mathematicians,
407
1043348
1383
Ingenieure und Mathematiker, die dazu tendieren algorithmisch zu denken.
17:24
who tend to think algorithmically.
408
1044755
1696
17:26
Then they have to learn the anatomy and the physiology.
409
1046475
3264
Sie müssen dann die Anatomie lernen und müssen die Physiologie lernen.
17:29
You have to make these theories very realistic in anatomical terms.
410
1049763
4496
Man muss diese Theorien sehr realistisch aus anatomischer Sicht machen.
Jeder der daherkommt und Ihnen von der Theorie erzählt wie das Gehirn funktioniert
17:34
Anyone who tells you their theory about how the brain works
411
1054283
2765
17:37
and doesn't tell you exactly how it's working
412
1057072
2097
und nicht genau sagt, wie es im Gehirn funktioniert
17:39
and how the wiring works --
413
1059193
1303
und wie die Verdrahtung im Gehirn ist, hat keine Theorie.
17:40
it's not a theory.
414
1060520
1267
17:41
And that's what we do at the Redwood Neuroscience Institute.
415
1061811
2833
Das ist es, was wir am Redwood Neuroscience Institut machen.
17:44
I'd love to tell you we're making fantastic progress in this thing,
416
1064668
3308
Ich wünschte ich hätte mehr Zeit Ihnen von den fantastischen Fortschritten zu erzählen die wir hier machen
17:48
and I expect to be back on this stage sometime in the not too distant future,
417
1068000
3662
und ich erwarte wieder zurück auf dieser Bühne zu sein
vielleicht wird dies in der nicht zu entfernten Zukunft sein und Ihnen davon erzählen.
17:51
to tell you about it.
418
1071686
1164
17:52
I'm really excited; this is not going to take 50 years.
419
1072874
2594
Ich bin wirklich wirklich gespannt. Es wird sicher keine 50 Jahre dauern.
17:55
What will brain theory look like?
420
1075492
1578
Also, wie wird also eine Gehirntheorie aussehen?
17:57
First of all, it's going to be about memory.
421
1077094
2055
Zunächst einmal wird es eine Theorie über das Gedächtnis sein.
17:59
Not like computer memory -- not at all like computer memory.
422
1079173
2822
Nicht wie ein Computerspeicher. Nicht im Geringsten wie ein Computerspeicher.
18:02
It's very different.
423
1082019
1151
Es ist extrem verschieden. Es ist ein Speicher aus all diesen
18:03
It's a memory of very high-dimensional patterns,
424
1083194
2257
viel-dimensionalen Mustern, wie die Dinge die von Ihren Augen kommen.
18:05
like the things that come from your eyes.
425
1085475
1962
18:07
It's also memory of sequences:
426
1087461
1437
Es ist ein Gedächtnis von Mustern.
18:08
you cannot learn or recall anything outside of a sequence.
427
1088922
2730
Man kann nichts außerhalb von Abfolgen lernen oder wiedergeben.
18:11
A song must be heard in sequence over time,
428
1091676
2837
Ein Lied muss in Sequenz gehört werden über eine Zeit
18:14
and you must play it back in sequence over time.
429
1094537
2351
und man muss es wiederholt in Sequenz über einen Zeitraum abspielen.
18:16
And these sequences are auto-associatively recalled,
430
1096912
2449
Und all diese Sequenzen sind auto-assoziativ abgerufen, wenn ich also etwas sehe
18:19
so if I see something, I hear something, it reminds me of it,
431
1099385
2873
oder ich etwas höre, erinnert es mich daran und wird automatisch wiedergegeben.
18:22
and it plays back automatically.
432
1102282
1533
18:23
It's an automatic playback.
433
1103839
1294
Es ist eine automatische Wiedergabe. Eine voraussage von zukünftigen Inputs ist der erwünschte Output.
18:25
And prediction of future inputs is the desired output.
434
1105157
2548
18:27
And as I said, the theory must be biologically accurate,
435
1107729
2620
Und wie ich sagte, die Theorie muss biologisch akkurat sein
18:30
it must be testable and you must be able to build it.
436
1110373
2484
sie muss testbar sein und man muss in der Lage sein sie zu bauen.
18:32
If you don't build it, you don't understand it.
437
1112881
2211
Wenn man sie nicht bauen kann, versteht man sie nicht. Eine Folie noch.
18:35
One more slide.
438
1115116
1532
18:36
What is this going to result in?
439
1116672
2309
Was wird das Resultat dessen sein? Werden wir wirklich intelligente Maschinen bauen?
18:39
Are we going to really build intelligent machines?
440
1119005
2348
Absolut. Und es wird anders sein als sich die Leute das vorstellen.
18:41
Absolutely. And it's going to be different than people think.
441
1121377
3798
Es gibt in meinem Verständnis keinen Zweifel, dass dies passieren wird.
18:45
No doubt that it's going to happen, in my mind.
442
1125508
2392
18:47
First of all, we're going to build this stuff out of silicon.
443
1127924
3116
Zuerst werden wir sie bauen und wir werden sie aus Silikon bauen.
18:51
The same techniques we use to build silicon computer memories,
444
1131064
2912
Die gleichen Techniken die wir nutzen um Silikon Computerspeicher zu bauen
18:54
we can use here.
445
1134000
1151
können wir hier nutzen.
18:55
But they're very different types of memories.
446
1135175
2109
Aber es wird eine extrem andere Art von Speicher sein.
18:57
And we'll attach these memories to sensors,
447
1137308
2023
Und wir werden diese Speicher an Sensoren anbauen
18:59
and the sensors will experience real-live, real-world data,
448
1139355
2777
und diese Sensoren werden reale, wirkliche Welt Daten erleben
19:02
and learn about their environment.
449
1142156
1752
und diese Dinge werden über ihre Umgebung lernen.
19:03
Now, it's very unlikely the first things you'll see are like robots.
450
1143932
3445
Es ist sehr unwahrscheinlich, dass das erste was wir sehen werden Roboter sin.
19:07
Not that robots aren't useful; people can build robots.
451
1147401
2575
Nicht, dass Roboter nicht nützlich sind und Menschen können Roboter bauen.
19:10
But the robotics part is the hardest part. That's old brain. That's really hard.
452
1150000
3767
Aber Robotik ist der schwierigste Teil. Das ist das alte Gehirn. Das ist wirklich schwer.
19:13
The new brain is easier than the old brain.
453
1153791
2007
Das neue Gehirn ist tatsächlich einfacher als das alte Gehirn.
19:15
So first we'll do things that don't require a lot of robotics.
454
1155822
3082
Die ersten Dinge die passieren werden sind, die, die nicht viel Robotik benötigen.
19:18
So you're not going to see C-3PO.
455
1158928
2179
Sie werden also keinen C-3PO sehen.
19:21
You're going to see things more like intelligent cars
456
1161131
2485
Sie werden eher Dinge wie intelligente Autos sehen
19:23
that really understand what traffic is, what driving is
457
1163640
2808
die wirklich verstehen was Verkehr ist und was Fahren ist
19:26
and have learned that cars with the blinkers on for half a minute
458
1166472
3278
und werden gelernt haben, dass manche Autos mit Blinkern, die über eine halbe Minute an sind,
19:29
probably aren't going to turn.
459
1169774
1574
wahrscheinlich nicht abbiegen werden, Dinge wie das.
19:31
(Laughter)
460
1171372
1291
(Lachen)
19:32
We can also do intelligent security systems.
461
1172687
2064
Wir können auch intelligente Sicherheitssysteme machen.
19:34
Anytime we're basically using our brain but not doing a lot of mechanics --
462
1174775
3573
Überall wo wir im Prinzip das Gehirn nutzen, aber nicht viel Mechanik.
19:38
those are the things that will happen first.
463
1178372
2059
Das sind die Dinge, die zuerst kommen werden.
19:40
But ultimately, the world's the limit.
464
1180455
1820
Aber ultimativ gibt es keine Grenzen.
19:42
I don't know how this will turn out.
465
1182299
1732
Ich weiß nicht, wie sich das entwickeln wird.
19:44
I know a lot of people who invented the microprocessor.
466
1184055
2591
Ich kenne viele der Leute, die Mikroprozessoren erfunden haben
19:46
And if you talk to them,
467
1186670
2164
und wenn man mit ihnen gesprochen hat, wussten sie, dass sie etwas wirklich Bedeutsames tun
19:48
they knew what they were doing was really significant,
468
1188858
2575
19:51
but they didn't really know what was going to happen.
469
1191457
2500
aber sie wussten nicht wirklich was passieren wird.
19:53
They couldn't anticipate cell phones and the Internet
470
1193981
2768
Sie konnten nicht das Handy, das Internet usw. antizipieren.
19:56
and all this kind of stuff.
471
1196773
1735
19:58
They just knew like, "We're going to build calculators
472
1198532
2621
Sie wussten nur, dass sie Taschenrechner und
20:01
and traffic-light controllers.
473
1201177
1440
Ampel-Kontroller bauen werden. Aber dieses Ding wird groß.
20:02
But it's going to be big!"
474
1202641
1299
20:03
In the same way, brain science and these memories
475
1203964
2341
Ebenso wird Gehirnwissenschaft und diese Speicher
20:06
are going to be a very fundamental technology,
476
1206329
2225
eine sehr fundamentale Technologie sein und wird zu
20:08
and it will lead to unbelievable changes in the next 100 years.
477
1208578
3442
unglaublichen Veränderungen in den nächsten 100 Jahren führen.
20:12
And I'm most excited about how we're going to use them in science.
478
1212044
3405
Und ich bin am meisten gespannt wie wir diese in der Wissenschaft nutzen werden.
20:15
So I think that's all my time -- I'm over,
479
1215473
2837
Ich glaube das war all meine Zeit, ich bin Fertig und werde meine Rede
20:18
and I'm going to end my talk right there.
480
1218334
2277
hier beenden.
Über diese Website

Auf dieser Seite finden Sie YouTube-Videos, die zum Englischlernen nützlich sind. Sie sehen Englischlektionen, die von hochkarätigen Lehrern aus der ganzen Welt unterrichtet werden. Doppelklicken Sie auf die englischen Untertitel, die auf jeder Videoseite angezeigt werden, um das Video von dort aus abzuspielen. Die Untertitel laufen synchron mit der Videowiedergabe. Wenn Sie irgendwelche Kommentare oder Wünsche haben, kontaktieren Sie uns bitte über dieses Kontaktformular.

https://forms.gle/WvT1wiN1qDtmnspy7