Jeff Hawkins: How brain science will change computing

Jeff Hawkins en "Cómo la ciencia del cerebro cambiará la computación."

207,857 views

2007-05-23 ・ TED


New videos

Jeff Hawkins: How brain science will change computing

Jeff Hawkins en "Cómo la ciencia del cerebro cambiará la computación."

207,857 views ・ 2007-05-23

TED


Haga doble clic en los subtítulos en inglés para reproducir el vídeo.

Traductor: John Walker Revisor: Lourdes Cahuich
00:25
I do two things:
0
25476
1151
Yo hago dos cosas, diseño computadora móviles y estudio cerebros.
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
Y la charla de hoy se trata de cerebros y,
00:31
Yay! I have a brain fan out there.
3
31747
1817
¡Si! En algún lugar tengo un fan de cerebros.
00:33
(Laughter)
4
33588
3147
(Risas)
Voy a, si me pueden poner la primera diapositiva,
00:36
If I could have my first slide,
5
36759
1555
y verán el titulo de mi platica y mis dos afiliaciones.
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
Así que de lo que voy a hablar, es el porqué no tenemos una buena teoría acerca del cerebro,
00:44
why it is important that we should develop one
8
44703
2277
porque es importante que desarrollemos una y qué podemos hacer al respecto.
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
Intentaré hacer eso en 20 minutos. Tengo dos afiliaciones.
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
La mayoría de ustedes me conocen por mis días de Palm y Handspring
00:54
but I also run a nonprofit scientific research institute
13
54090
2683
pero también administro un instituto de investigación científica sin fines de lucro.
00:56
called the Redwood Neuroscience Institute in Menlo Park.
14
56797
2632
llamado el Instituto Redwood de Neurociencia en Menlo Park,
00:59
We study theoretical neuroscience and how the neocortex works.
15
59453
3388
y estudiamos neurociencia teórica,
y estudiamos como funciona la neo-corteza.
01:02
I'm going to talk all about that.
16
62865
1598
Voy a hablar acerca de todo eso.
01:04
I have one slide on my other life, the computer life,
17
64487
2745
Tengo sólo una diapositiva sobre mi otra vida, las computadoras, y es ésta.
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
Estos son algunos de los productos que desarrollé en los últimos 20 años,
01:11
starting from the very original laptop
20
71873
1842
empezando desde la muy original laptop hasta algunas de las primeras computadoras de panel.
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
y así sucesivamente, hasta llegar recientemente al Treo.
01:17
and we're continuing to do this.
23
77872
1532
y continuamos haciendo ésto.
01:19
I've done this because I believe mobile computing
24
79428
2301
Y he hecho ésto porque realmente creo que la computación móvil
01:21
is the future of personal computing,
25
81753
1724
es el futuro de la computación personal, y estoy intentando hacer un mundo
01:23
and I'm trying to make the world a little bit better
26
83501
2454
un poco mejor, trabajando sobre estas cosas.
01:25
by working on these things.
27
85979
1296
01:27
But this was, I admit, all an accident.
28
87299
1874
Pero esto fue, tengo que admitir, un accidente.
01:29
I really didn't want to do any of these products.
29
89197
2308
Realmente no quise crear ninguno de estos productos
01:31
Very early in my career
30
91529
1382
y muy temprano en mi carrera decidí
01:32
I decided I was not going to be in the computer industry.
31
92935
2690
que no iba a estar en la industria de la computación.
01:35
Before that, I just have to tell you
32
95649
1721
Y antes de comentarles de todo eso, tengo que decirles
01:37
about this picture of Graffiti I picked off the web the other day.
33
97394
3108
que esta pequeña imagen de graffiti que saqué de la red el otro día.
01:40
I was looking for a picture for Graffiti that'll text input language.
34
100526
3253
Estaba buscando una imagen de graffiti, un pequeño lenguaje de entrada de texto,
01:43
I found a website dedicated to teachers who want to make script-writing things
35
103803
3689
y encontré el sitio web dedicado a maestros que quieren hacer estos,
texto escrito en la parte superior de sus pizarrones,
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
y le habían agregado graffiti, y lo lamento.
01:52
(Laughter)
38
112071
2247
(Risas)
01:54
So what happened was,
39
114342
1300
Así que lo que pasó fue, que cuando era joven y terminé la escuela de ingeniería,
01:55
when I was young and got out of engineering school at Cornell in '79,
40
115666
4899
Cornell en el 79, decidí, que trabajaría para Intel.
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
Yo estaba en la industria de las computadoras y a los tres meses de eso,
me enamoré de otra cosa y dije, "Me equivoque de carrera aquí,"
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
y me enamoré de los cerebros.
02:12
This is not a real brain.
45
132557
1533
Esto no es un cerebro de verdad. Esto es una imagen de uno en arte lineal.
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
Pero no recuerdo exactamente como sucedió,
02:19
but I have one recollection, which was pretty strong in my mind.
48
139000
3515
pero tengo un recuerdo, que es bastante fuerte en mi mente.
02:22
In September of 1979,
49
142539
1610
En septiembre 1979, Scientific American (Revista) publicó
02:24
Scientific American came out with a single-topic issue about the brain.
50
144173
3364
un número de un sólo tema acerca del cerebro. Y fue bastante bueno.
02:27
It was one of their best issues ever.
51
147561
1938
Fue uno de los mejores números publicados. Y escribieron sobre la neurona,
02:29
They talked about the neuron, development, disease, vision
52
149523
2947
el desarrollo, enfermedad, la visión y todas las cosas
02:32
and all the things you might want to know about brains.
53
152494
2596
que quisieras saber acerca de los cerebros. Esto fue bastante impresionante.
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
Podemos tener la impresión de que sabemos mucho acerca del cerebro.
02:39
But the last article in that issue was written by Francis Crick of DNA fame.
56
159436
4195
Pero el último articulo de ese numero fue escrito por Francis Crick de la fama ADN.
02:43
Today is, I think, the 50th anniversary of the discovery of DNA.
57
163655
3024
Hoy es, creo, el 50vo aniversario del descubrimiento del ADN.
02:46
And he wrote a story basically saying, this is all well and good,
58
166703
3075
El escribió una nota que básicamente decía,
bueno, que esto esta todo muy bien, pero saben que,
02:49
but you know, we don't know diddly squat about brains,
59
169802
2743
no sabemos nada del cerebro£
02:52
and no one has a clue how they work,
60
172569
1739
y nadie tiene idea de como funcionan estas cosas,
02:54
so don't believe what anyone tells you.
61
174332
1866
así que no crean nada de lo que les digan.
02:56
This is a quote from that article, he says:
62
176222
2165
Este es una cita de lo que decía el articulo. Dijo, "Lo que se carece evidentemente"
02:58
"What is conspicuously lacking" -- he's a very proper British gentleman --
63
178411
4293
es un educado caballero Ingles asi que, "Lo que se carece evidentemente
03:02
"What is conspicuously lacking is a broad framework of ideas
64
182728
2830
es un extenso marco de refrencia sobre el cual interpretar los diferentes enfoques."
03:05
in which to interpret these different approaches."
65
185582
2352
03:07
I thought the word "framework" was great.
66
187958
1968
Yo pensé que "marco de referencia" era excelente.
03:09
He didn't say we didn't have a theory.
67
189950
1817
No dijo que no tenemos siquiera una teoría. Dice,
03:11
He says we don't even know how to begin to think about it.
68
191791
2725
ni siquiera sabemos como empezar a pensar en ello --
ni siquiera tenemos un marco de referencia.
03:14
We don't even have a framework.
69
194540
1492
Estamos en los días del pre-paradigma si quieres usar a Thomas Kuhn.
03:16
We are in the pre-paradigm days, if you want to use Thomas Kuhn.
70
196056
3050
Así que me enamoré de esto y dije mira,
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
Tenemos todo este conocimiento acerca de cerebros. ¿Qué tan difícil puede ser?
03:24
It's something we can work on in my lifetime; I could make a difference.
73
204092
3438
Y esto es algo con lo que podemos trabajar durante mi vida. Sentí que podía hacer una diferencia,
03:27
So I tried to get out of the computer business, into the brain business.
74
207554
3619
a si que intenté salirme del negocio del computo, y entrar al del cerebro.
03:31
First, I went to MIT, the AI lab was there.
75
211197
2004
Primero, fuí a MIT, el laboratorio de inteligencia artificial estaba ahí,
03:33
I said, I want to build intelligent machines too,
76
213225
2395
y dije, bueno, también quiero crear máquinas inteligentes.
03:35
but I want to study how brains work first.
77
215644
2517
pero la manera que quiero hacerlo es estudiando cómo funciona el cerebro.
03:38
And they said, "Oh, you don't need to do that.
78
218185
2306
Ellos dijeron, no tienes que hacer eso.
03:40
You're just going to program computers, that's all.
79
220515
2390
Sólo vamos a programar computadoras, es todo lo que necesitamos hacer.
03:42
I said, you really ought to study brains.
80
222929
1963
Y yo dije, no, realmente deberían estudiar cerebros. ellos dijeron, sabes que,
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
estas mal. Y le dije no, ustedes están mal, y no me dejaron entrar.
03:48
(Laughter)
83
228642
1078
(Risas)
03:49
I was a little disappointed -- pretty young --
84
229744
2155
Pero estaba un poco decepcionado -- bastante joven, pero regrese
03:51
but I went back again a few years later,
85
231923
1936
unos años después en California y fui a Berkeley.
03:53
this time in California, and I went to Berkeley.
86
233883
2359
Y dije, llegaré por el lado biológico.
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
Así que entré - al doctorado en Biofísica, y pensé, bien,
04:01
I was like, I'm studying brains now. Well, I want to study theory.
89
241833
3410
Ya estoy estudiando cerebros, y dije, bien, quiero estudiar teoría.
04:05
They said, "You can't study theory about brains.
90
245267
2269
Y ellos dijeron, oh no, no se puede estudiar teoría de cerebros.
04:07
You can't get funded for that.
91
247560
1995
Eso no es algo que se hace. No te dan fondos para hacer eso.
04:09
And as a graduate student, you can't do that."
92
249579
2155
Y como graduado, no puedes hacer eso. Así que dije, rayos.
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
Estaba muy deprimido. Dije, pero puedo hacer una diferencia en este campo.
Así que lo que hice fue regresar a la industria de las computadoras
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
y dije, bueno, tendré que trabajar aquí un tiempo, hacer algo.
04:20
That's when I designed all those computer products.
97
260340
2393
Eso es cuando diseñe todos esos productos de computadora.
04:22
(Laughter)
98
262757
1301
(Risas)
04:24
I said, I want to do this for four years, make some money,
99
264082
2894
Y dije, quiero hacer esto cuatro años, ganar dinero,
04:27
I was having a family, and I would mature a bit,
100
267000
3976
estaba formando una familia y maduraría un poco,
04:31
and maybe the business of neuroscience would mature a bit.
101
271000
2816
y quizá el negocio de la neurociencia también maduraría un poco.
04:33
Well, it took longer than four years. It's been about 16 years.
102
273840
3001
Bueno, tomó mas de cuatro años. Van como 16 años.
04:36
But I'm doing it now, and I'm going to tell you about it.
103
276865
2716
Pero ya lo estoy haciendo, y les voy a platicar al respecto.
04:39
So why should we have a good brain theory?
104
279605
2286
Así que ¿Por qué debemos tener una buena teoría cerebral?
04:41
Well, there's lots of reasons people do science.
105
281915
3102
Pues hay muchas razones por las que las personas hacen ciencia.
04:45
The most basic one is, people like to know things.
106
285041
2917
Una es -- la más básica -- es que nos gusta saber las cosas.
04:47
We're curious, and we go out and get knowledge.
107
287982
2195
Somos curiosos, y salimos a buscar conocimiento, ¿cierto?
04:50
Why do we study ants? It's interesting.
108
290201
1866
¿Por qué estudiamos las hormigas? Pues, porque es interesante.
04:52
Maybe we'll learn something useful, but it's interesting and fascinating.
109
292091
3466
Quizá aprendamos algo realmente útil al respecto, pero es interesante y fascinante.
04:55
But sometimes a science has other attributes
110
295581
2057
Pero a veces, una ciencia tiene otros atributos
04:57
which makes it really interesting.
111
297662
1829
que lo hacer verdaderamente interesante.
04:59
Sometimes a science will tell something about ourselves;
112
299515
2627
A veces la ciencia nos dice algo al respecto de nosotros mismos,
05:02
it'll tell us who we are.
113
302166
1224
nos dice quienes somos.
05:03
Evolution did this and Copernicus did this,
114
303414
2752
Rara vez, tu sabes, la evolución hizo esto y Copernico hizo esto,
05:06
where we have a new understanding of who we are.
115
306190
2334
donde tenemos un nuevo entendimiento de que quienes somos.
05:08
And after all, we are our brains. My brain is talking to your brain.
116
308548
3428
Y finalmente, somos nuestros cerebros. Mi cerebro habla a tu cerebro.
05:12
Our bodies are hanging along for the ride,
117
312000
2030
Nuestros cuerpos están como pasajeros, pero mi cerebro habla con tu cerebro.
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
Y si queremos entender quienes somos y como nos sentimos y percibimos,
realmente entenderemos que son los cerebros.
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
Otra cosa es que a veces la ciencia
lleva a grandes beneficios para la sociedad y tecnología,
05:24
or businesses or whatever.
122
324398
1291
o negocios, o lo que sea que salga de ello. Y esta es una de ella también,
05:25
This is one, too, because when we understand how brains work,
123
325713
2878
porque cuando entendemos como funcionan los cerebros, vamos a poder
05:28
we'll be able to build intelligent machines.
124
328615
2064
construir máquinas inteligentes, y creo que en general eso es algo bueno,
05:30
That's a good thing on the whole,
125
330703
1698
05:32
with tremendous benefits to society,
126
332425
1858
y va a tener beneficios tremendos para la sociedad
05:34
just like a fundamental technology.
127
334307
1669
como una tecnología fundamental
05:36
So why don't we have a good theory of brains?
128
336000
2850
Entonces ¿Por qué no tenemos una buena teoría de cerebros?
05:38
People have been working on it for 100 years.
129
338874
2168
Y las personas llevan 100 años trabajando en ello.
05:41
Let's first take a look at what normal science looks like.
130
341066
2719
Bueno, primero observemos como es la ciencia normal.
05:43
This is normal science.
131
343809
1187
Esto es ciencia normal.
05:45
Normal science is a nice balance between theory and experimentalists.
132
345020
4074
La ciencia normal tiene un buen balance entre la teoría y la experimentación.
05:49
The theorist guy says, "I think this is what's going on,"
133
349118
2691
Así que los teóricos dicen, buen, yo creo que esto es lo que está sucediendo,
05:51
the experimentalist says, "You're wrong."
134
351833
1961
y los experimentales dicen, no, estas mal.
05:53
It goes back and forth, this works in physics, this in geology.
135
353818
3004
Luego va y viene, sabes?
Esto funciona en la física, en la geología. Pero esto es ciencia normal,
05:56
But if this is normal science, what does neuroscience look like?
136
356846
3009
¿Cómo se ve la neurociencia? Así es como se ve la neurociencia.
05:59
This is what neuroscience looks like.
137
359879
1795
Tenemos esta montaña de datos, que son anatomía, fisiología y comportamiento.
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
No puedes imaginarte cuanto detalle tenemos sobre los cerebros.
06:08
There were 28,000 people who went to the neuroscience conference this year,
141
368476
3592
Hubieron 28,000 personas que atendieron a la conferencia de neurociencia este año,
06:12
and every one of them is doing research in brains.
142
372092
2363
y cada uno de ellos esta haciendo investigaciones sobre el cerebro.
06:14
A lot of data, but no theory.
143
374479
1694
Son muchos datos. Pero no hay teoría. Hay este cuadro pequeña y débil encima.
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
Y la teoría no ha jugado un rol significativo en la neurociencia.
06:21
in the neurosciences.
146
381627
1429
06:23
And it's a real shame.
147
383080
1240
Y esto es una lastima. ¿Por qué a sucedido esto?
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
Si le preguntas a un neurocientífico, ¿Por qué es este estado?
06:28
first, they'll admit it.
150
388771
1246
En primera instancia lo admitirán. Pero si les preguntas, dirán,
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
bueno, hay varias razones por las que no tenemos una buena teoría del cerebro.
06:34
Some say we still don't have enough data,
153
394306
1969
Algunas personas dicen, bueno, aun no tenemos suficientes datos,
06:36
we need more information, there's all these things we don't know.
154
396299
3059
necesitamos obtener más información, hay todas estas cosas que sabemos.
06:39
Well, I just told you there's data coming out of your ears.
155
399382
2841
Bueno, acabo de decirte que hay datos saliendo hasta por las orejas.
06:42
We have so much information, we don't even know how to organize it.
156
402247
3164
Tenemos tanta información que no sabemos ni como empezar a organizarla.
06:45
What good is more going to do?
157
405435
1438
¿De qué nos va a servir mas información?
06:46
Maybe we'll be lucky and discover some magic thing, but I don't think so.
158
406897
3448
Quizá tengamos suerte y descubramos alguna solución mágica, pero lo dudo.
06:50
This is a symptom of the fact that we just don't have a theory.
159
410369
2973
Esto es realmente un síntoma del hecho de que no tenemos una teoría.
06:53
We don't need more data, we need a good theory.
160
413366
2610
No necesitamos mas datos -- necesitamos una buena teoría al respecto.
06:56
Another one is sometimes people say,
161
416000
1798
Otra es que a veces las personas dicen, es que, los cerebros son tan complejos,
06:57
"Brains are so complex, it'll take another 50 years."
162
417822
3154
que tomaría otros 50 años.
07:01
I even think Chris said something like this yesterday, something like,
163
421000
3354
Incluso creo que Chris, dijo algo así ayer.
No estoy seguro de lo que dijiste, Chris, pero fue algo como,
07:04
it's one of the most complicated things in the universe.
164
424378
2627
bueno, es una de las cosas mas complicadas en el universo. Eso no es verdad.
07:07
That's not true -- you're more complicated than your brain.
165
427029
2790
Tu eres mas complicado que tu cerebro. Tienes un cerebro.
07:09
You've got a brain.
166
429843
1151
También, aunque el cerbero se ve muy complicado,
07:11
And although the brain looks very complicated,
167
431018
2150
las cosas se ven complicadas hasta que las entiendes.
07:13
things look complicated until you understand them.
168
433192
2336
07:15
That's always been the case.
169
435552
1335
Ese siempre es el caso. Así que todos podemos decir, bueno,
07:16
So we can say, my neocortex, the part of the brain I'm interested in,
170
436911
3243
mi neo-corteza, que es la parte del cerebro en la que estoy interesada tiene 30 mil millones de células.
07:20
has 30 billion cells.
171
440178
1152
07:21
But, you know what? It's very, very regular.
172
441354
2432
Pero, ¿Sabes qué? Es muy, muy regular.
07:23
In fact, it looks like it's the same thing repeated over and over again.
173
443810
3394
Es más, parece ser lo mismo repetido una y otra vez.
07:27
It's not as complex as it looks. That's not the issue.
174
447228
2536
No es tan complejo como parece. Ese no es el tema.
07:29
Some people say, brains can't understand brains.
175
449788
2287
Algunas personas dicen, los cerebros no pueden entender cerebros.
07:32
Very Zen-like. Woo.
176
452099
1988
Se escucha muy Zen. Wow. Tu sabes --
07:34
(Laughter)
177
454111
2188
(Risas)
07:36
You know, it sounds good, but why? I mean, what's the point?
178
456323
2859
Se escucha bien, pero ¿Por qué? Es decir, ¿Cuál es el caso?
07:39
It's just a bunch of cells. You understand your liver.
179
459206
2569
Son sólo un montón de células. Entiendes tu hígado.
07:41
It's got a lot of cells in it too, right?
180
461799
1977
También tiene muchas células, ¿Verdad?
07:43
So, you know, I don't think there's anything to that.
181
463800
2494
Así que, tu sabes, no creo que tenga mucha validez eso.
07:46
And finally, some people say,
182
466318
2112
Finalmente, algunas personas dicen, bueno,
07:48
"I don't feel like a bunch of cells -- I'm conscious.
183
468454
2983
No me siento como un montón de células. Estoy conciente.
07:51
I've got this experience, I'm in the world.
184
471461
2069
Tengo esta experiencia, estoy en el mundo.
07:53
I can't be just a bunch of cells."
185
473554
1910
No puedo ser sólo un montón de células. Bueno,
07:55
Well, people used to believe there was a life force to be living,
186
475488
3223
las personas antes creían que había una fuerza vital para pode vivir,
07:58
and we now know that's really not true at all.
187
478735
2409
y sabemos que eso no es realmente cierto para nada.
08:01
And there's really no evidence,
188
481168
1898
Y no hay evidencia que diga, bueno, a demás de que las personas
08:03
other than that people just disbelieve that cells can do what they do.
189
483090
3374
simplemente no creen que las células hacen lo que hacen.
08:06
So some people have fallen into the pit of metaphysical dualism,
190
486488
3041
Así que, si las personas han caído en el pozo del dualismo metafísico,
08:09
some really smart people, too, but we can reject all that.
191
489553
2730
algunas personas muy inteligentes, pero podemos rechazar todo eso.
08:12
(Laughter)
192
492307
2895
(Risas)
No, no te voy a decir que hay algo mas,
08:15
No, there's something else,
193
495226
1741
08:16
something really fundamental, and it is:
194
496991
1985
y realmente es fundamental y esto es lo que es:
08:19
another reason why we don't have a good brain theory
195
499000
2451
hay otra razón por la que no tenemos una buena teoría del cerebro,
08:21
is because we have an intuitive, strongly held but incorrect assumption
196
501475
5535
y es porque tenemos una intuitiva, y fuerte,
pero incorrecta suposición que nos ha prevenido de ver la respuesta.
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
Hay algo que creemos que simplemente, es obvio, pero esta mal.
08:32
Now, there's a history of this in science and before I tell you what it is,
199
512982
3566
Hay una historia al respecto en la ciencia y antes que te diga cual es,
08:36
I'll tell you about the history of it in science.
200
516572
2299
Te voy a contar un poco al respecto de la historia de ello en la ciencia.
08:38
Look at other scientific revolutions --
201
518895
1910
Si observas otras revoluciones científicas,
08:40
the solar system, that's Copernicus,
202
520829
1879
y en este caso, estoy hablando del sistema solar, ése es Copernico,
08:42
Darwin's evolution, and tectonic plates, that's Wegener.
203
522732
2819
La evolución de Darwin, las placas tectónicas, ése es Wegner.
Y todos tienen mucho en común con la ciencia cerebral.
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
Antes que nada, tenían muchos datos inexplicables. Muchos.
08:51
But it got more manageable once they had a theory.
206
531068
2794
Pero se volvió mucho más manejable una vez que tuvieron una teoría.
08:53
The best minds were stumped -- really smart people.
207
533886
2807
Las mejores mentes estaban atoradas, personas muy, muy inteligentes.
08:56
We're not smarter now than they were then;
208
536717
2004
No somos mas inteligentes hoy de lo que ellos eran en ese entonces.
08:58
it just turns out it's really hard to think of things,
209
538745
2527
Simplemente resulta que es muy difícil pensar en las cosas,
09:01
but once you've thought of them, it's easy to understand.
210
541296
2676
pero una vez que las has razonado, es fácil de entender.
09:03
My daughters understood these three theories,
211
543996
2106
Mis hijas entendieron estas tres teorías
en su marco de referencia básica para cuando estaban en el Jardín de Niños.
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
Y ahora no es tan difícil, aquí hay una manzana, aquí una naranja,
09:11
the Earth goes around, that kind of stuff.
214
551958
2018
la tierra gira, y ese tipo de cosas.
09:14
Another thing is the answer was there all along,
215
554000
2586
Finalmente, otra cosa es que la respuesta siempre estuvo allí,
09:16
but we kind of ignored it because of this obvious thing.
216
556610
2779
pero la ignoramos por ser obvia, y ese es el punto.
09:19
It was an intuitive, strongly held belief that was wrong.
217
559413
2850
Era una creencia intuitiva que estaba incorrecta.
09:22
In the case of the solar system,
218
562287
1690
En el caso del Sistema Solar, la idea de que la tierra esta girando
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
y la superficie de la Tierra va como a mil kilómetros por hora,
09:28
and it's going through the solar system at a million miles an hour --
221
568000
3249
y que la Tierra va por el Sistema Solar a un millón de kilómetros por hora.
09:31
this is lunacy; we all know the Earth isn't moving.
222
571273
2476
Es una locura. Todos sabemos que la Tierra no se esta moviendo.
09:33
Do you feel like you're moving a thousand miles an hour?
223
573773
2877
¿Tu sientes que te estas moviendo a miles de kilómetros por hora?
Por supuesto que no. Hubo alguien que dijo,
09:36
If you said Earth was spinning around in space and was huge --
224
576674
2919
que estaba girando en el espacio y que es inmenso,
09:39
they would lock you up, that's what they did back then.
225
579617
2591
te encerrarían, y eso es lo que hacían en ese entonces.
(Risas)
09:42
So it was intuitive and obvious. Now, what about evolution?
226
582232
3275
Así que fue intuitivo y obvio. ¿Y que tal la evolución?
09:45
Evolution, same thing.
227
585531
1154
La evolución es lo mimo. Le enseñamos a nuestros hijos, pues, a Biblia dice,
09:46
We taught our kids the Bible says God created all these species,
228
586709
3080
que Dios creo a todas las especies, gatos son gatos, perros son perros,
09:49
cats are cats; dogs are dogs; people are people; plants are plants;
229
589813
3143
personas son personas, plantas son plantas, no cambian.
09:52
they don't change.
230
592980
1241
Noé los puso en el Arca en ese orden, blah, blah, blah. Y tu sabes,
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
el hecho es que, si crees en la evolución, todos tenemos un ancestro en común,
10:00
We all have a common ancestor with the plant in the lobby!
233
600337
3282
y todo tenemos tenemos como ancestro común con la planta en la recepción.
10:03
This is what evolution tells us. And it's true. It's kind of unbelievable.
234
603643
3686
Esto es lo que nos dice la evolución. Y es verdad. Es un poco increíble.
10:07
And the same thing about tectonic plates.
235
607353
2557
Y es lo mismo con las placas tectónicas
10:09
All the mountains and the continents
236
609934
1722
Todas las montañas y los continentes están como que flotando
10:11
are kind of floating around on top of the Earth.
237
611680
2344
encima de la Tierra. Esto como que no tiene sentido.
10:14
It doesn't make any sense.
238
614048
1246
10:15
So what is the intuitive, but incorrect assumption,
239
615318
4601
Así que ¿Cuál es la intuitiva pero incorrecta suposición,
10:19
that's kept us from understanding brains?
240
619943
1967
que ha evitado que entendamos el cerebro?
10:21
I'll tell you. It'll seem obvious that it's correct. That's the point.
241
621934
3293
Ahora te lo voy a decir, y va a parecer tan obvio que es correcto,
y ese el el punto, ¿No? Entonces voy a tener que hacer un argumento
10:25
Then I'll make an argument why you're incorrect on the other assumption.
242
625251
3434
de porque es incorrecta la otra suposición.
10:28
The intuitive but obvious thing is:
243
628709
1682
La cosa intuitiva pero obvia es que de alguna manera la inteligencia
10:30
somehow, intelligence is defined by behavior;
244
630415
2314
es definida por el comportamiento,
10:32
we're intelligent because of how we do things
245
632753
2350
que somos inteligentes por la manera en que hacemos las cosas
10:35
and how we behave intelligently.
246
635127
1572
y la manera en que actuamos con inteligencia, y te voy a decir que eso esta mal.
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
Lo que es inteligencia esta definido por la predicción.
10:40
I'm going to work you through this in a few slides,
249
640781
2415
Y voy a llevarte a esto en unas pocas diapositivas,
10:43
and give you an example of what this means.
250
643220
2094
darte un ejemplo de lo que esto significa. Aquí hay un sistema.
10:45
Here's a system.
251
645338
1301
10:46
Engineers and scientists like to look at systems like this.
252
646663
2908
A los ingenieros les gusta ver a los sistemas de esta manera.
10:49
They say, we have a thing in a box. We have its inputs and outputs.
253
649595
3163
Dicen, bueno, tenemos esto en una caja y tenemos sus entradas y salidas.
10:52
The AI people said, the thing in the box is a programmable computer,
254
652782
3240
Los de IA dicen, bueno la caja es una computadora programable
10:56
because it's equivalent to a brain.
255
656046
1679
porque es el equivalente a un cerebro, le daremos entradas
10:57
We'll feed it some inputs and get it to do something, have some behavior.
256
657749
3506
y haremos que haga algo, tenga un comportamiento.
Y Alan Turing definió la prueba de Turing, que esencialmente dice,
11:01
Alan Turing defined the Turing test, which essentially says,
257
661279
2822
sabremos que algo es inteligente si actúa idéntico a un humano,
11:04
we'll know if something's intelligent if it behaves identical to a human --
258
664125
3553
Una métrica de comportamiento de lo que es la inteligencia es,
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
y esto se a pegado en nuestra mente por mucho tiempo.
11:12
Reality, though -- I call it real intelligence.
261
672000
2392
Pero la realidad, yo le llamo inteligencia real.
11:14
Real intelligence is built on something else.
262
674416
2175
La inteligencia real esta construida con algo mas.
11:16
We experience the world through a sequence of patterns,
263
676615
3214
Experimentamos el mundo por una secuencia de los patrones, y los almacenamos,
11:19
and we store them, and we recall them.
264
679853
2149
y los recordamos. Cuando los recordamos, los comparamos
11:22
When we recall them, we match them up against reality,
265
682026
2545
contra la realidad, y estamos haciendo predicciones todo el tiempo.
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 una métrica eterna. Hay una métrica eterna cuando decimos,
11:29
saying, do we understand the world, am I making predictions, and so on.
268
689852
3342
¿Entendemos el mundo? ¿Estoy haciendo predicciones? Etc...
11:33
You're all being intelligent now, but you're not doing anything.
269
693218
3002
Todos están siendo inteligentes en este momento y no están haciendo nada.
Quizá te estés rascando, o escarbandote la nariz,
11:36
Maybe you're scratching yourself, but you're not doing anything.
270
696244
3002
No lo se, pero no estas haciendo nada en este momento,
11:39
But you're being intelligent; you're understanding what I'm saying.
271
699270
3156
pero estas siendo inteligente, entiendes lo que estoy diciendo.
11:42
Because you're intelligent and you speak English,
272
702450
2295
Porque eres inteligente y puedes hablar Español,
11:44
you know the word at the end of this
273
704769
1751
sabes cuál es la palabra al final de este -- (silencio)
enunciado.
11:46
sentence.
274
706544
1159
11:47
The word came to you; you make these predictions all the time.
275
707727
3152
La palabra te llego, y estas haciendo estas predicciones todo el tiempo.
11:50
What I'm saying is,
276
710903
1699
Y luego, lo que esto diciendo es,
11:52
the internal prediction is the output in the neocortex,
277
712626
2631
que esa eterna predicción es el resultado de la neo-corteza.
Y de alguna manera, la predicción nos lleva a comportamiento inteligente.
11:55
and somehow, prediction leads to intelligent behavior.
278
715281
2541
11:57
Here's how that happens:
279
717846
1151
y así es que sucede. Empecemos con un cerebro sin inteligencia.
11:59
Let's start with a non-intelligent brain.
280
719021
1955
Bueno yo discuto un cerebro no inteligente, obtenemos un cerebro viejo,
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
y vamos a decir que no es de un mamífero, como un reptil,
12:06
say, an alligator; we have an alligator.
283
726928
1985
así que diré, un lagarto, tenemos un lagarto.
12:08
And the alligator has some very sophisticated senses.
284
728937
3371
Y el lagarto tiene unos sentidos muy sofisticados.
12:12
It's got good eyes and ears and touch senses and so on,
285
732332
3206
Tiene buenos ojos y oídos y sentido del tacto y así sucesivamente
12:15
a mouth and a nose.
286
735562
1469
una boca y una nariz. Y tiene un comportamiento muy complejo.
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
Puede correr y ocultarse. Tiene temores y emociones. Te puede comer, sabes.
12:23
It can attack. It can do all kinds of stuff.
289
743000
3590
Puede atacar. Puede hacer muchas cosas.
12:27
But we don't consider the alligator very intelligent,
290
747193
2856
Pero no consideramos al lagarto muy inteligente, no como un humano al menos.
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
Pero ya tiene todo este comportamiento complejo.
12:34
Now in evolution, what happened?
293
754510
1801
Ahora, en la evolución, ¿Qué sucedió?
12:36
First thing that happened in evolution with mammals
294
756335
2385
Lo primero que paso en la evolución con los mamiferos
12:38
is we started to develop a thing called the neocortex.
295
758744
2531
es que empezamos a desarrollar la neo-corteza.
12:41
I'm going to represent the neocortex by this box on top of the old brain.
296
761299
3793
Y voy a representar a la neo-corteza aquí,
por esta caja que se encuentra encima del cerebro viejo.
12:45
Neocortex means "new layer." It's a new layer on top of your brain.
297
765116
3353
Neo-corteza significa nueva capa. Es una nueva capa sobre tu cerebro.
12:48
It's the wrinkly thing on the top of your head
298
768493
2343
Si no lo sabes es esa cosa arrugada en la parte superior de tu cabeza que,
12:50
that got wrinkly because it got shoved in there and doesn't fit.
299
770860
3084
se arrugo porque fue retacada ahí y no cabe.
12:53
(Laughter)
300
773968
1008
(Risas)
12:55
Literally, it's about the size of a table napkin
301
775000
2242
No, en serio, es lo que es. Tiene el tamaño de una servilleta de mesa.
12:57
and doesn't fit, so it's wrinkly.
302
777266
1574
Y no cabe, asi que se arruga. Ahora ve lo que he dibujado, esto aquí.
12:58
Now, look at how I've drawn this.
303
778864
1745
13:00
The old brain is still there.
304
780633
1386
El cerebro viejo sigue ahi. Aún tienes ese cerebro de lagarto.
13:02
You still have that alligator brain. You do. It's your emotional brain.
305
782043
3655
Ahí esta. Es tu cerebro emocional.
13:05
It's all those gut reactions you have.
306
785722
2730
Es todas esas cosas, y reacciones espontaneas que tienes.
13:08
On top of it, we have this memory system called the neocortex.
307
788476
3270
Encima de ello, tenemos este sistema de memoria llamado la neo-corteza.
13:11
And the memory system is sitting over the sensory part of the brain.
308
791770
4294
Y el sistema de memoria esta sobre la parte sensorial del cerebro.
13:16
So as the sensory input comes in and feeds from the old brain,
309
796088
3055
Así que conforme entra la parte sensorial y alimenta desde el viejo cerebro,
13:19
it also goes up into the neocortex.
310
799167
2154
También sube a la neo-corteza. Y la neo-corteza es simplemente memorización.
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
Esta ahí diciendo, ah, voy a memorizar todas las cosas que suceden,
13:26
where I've been, people I've seen, things I've heard, and so on.
313
806867
3019
dónde he estado, personas que he visto, cosas que he escuchado, así sucesivamente.
13:29
And in the future, when it sees something similar to that again,
314
809910
3362
Y en el futuro, cuando ve algo similar a eso de nuevo,
13:33
in a similar environment, or the exact same environment,
315
813296
2635
en un ambiente similar, o el mismo ambiente,
13:35
it'll start playing it back: "Oh, I've been here before,"
316
815955
3555
lo reproduce. Empieza a reproducirlo.
Oh, ya he estado aquí antes. Y cuando he estado aquí antes,
13:39
and when you were here before, this happened next.
317
819534
2364
esto sucedió después. Te permite predecir el futuro.
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
Te permite; literalmente retroalimenta las señales a tu cerebro,
13:47
they'll let you see what's going to happen next,
320
827092
2265
te permiten ver qué es lo que sucederá después,
13:49
will let you hear the word "sentence" before I said it.
321
829381
2595
te permitirá escuchar la palabra enunciado aun antes que lo dijera.
13:52
And it's this feeding back into the old brain
322
832000
3185
Y es esta retroalimentación al cerebro viejo
13:55
that will allow you to make more intelligent decisions.
323
835209
2577
que te permite tomar decisiones más inteligentes.
13:57
This is the most important slide of my talk, so I'll dwell on it a little.
324
837810
3489
Ésta es la mas importante diapositiva de mi platica, así que haré hincapié en ella.
14:01
And all the time you say, "Oh, I can predict things,"
325
841323
3575
Así que, todo el tiempo dices, oh, puedo predecir cosas.
14:04
so if you're a rat and you go through a maze, and you learn the maze,
326
844922
3360
Y si eres una rata puedes recorrer un laberinto, y luego te lo puedes aprender,
14:08
next time you're in one, you have the same behavior.
327
848306
2439
la próxima vez que estés en el laberinto, tendrás el mismo comportamiento,
14:10
But suddenly, you're smarter; you say, "I recognize this maze,
328
850769
2991
pero repentinamente, eres mas inteligente
porque dices, oh, reconozco este laberinto, y sé en que dirección ir,
14:13
I know which way to go; I've been here before; I can envision the future."
329
853784
3542
He estado aquí antes, y puedo visualizar el futuro. Y eso es lo que está haciendo.
14:17
That's what it's doing.
330
857350
1168
14:18
This is true for all mammals --
331
858542
2840
En humanos, por cierto, esto es verdad en todos los mamíferos,
14:21
in humans, it got a lot worse.
332
861406
2031
esto es verdad para otros mamíferos, y en humanos, se puso peor.
14:23
Humans actually developed the front of the neocortex,
333
863461
2587
En humanos, desarrollamos la parte frontal de la neo-corteza.
14:26
called the anterior part of the neocortex.
334
866072
2221
llamada la parte anterior de la neocorteza. Y la naturaleza hizo un pequeño truco.
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
Copió la parte posterior, la de atrás, que es sensorial,
14:32
and put it in the front.
337
872490
1151
y la puso en el frente
14:33
Humans uniquely have the same mechanism on the front,
338
873665
2480
Los humanos tenemos de manera única el mismo mecanismo al frente,
14:36
but we use it for motor control.
339
876169
1554
pero o usamos para control motriz.
14:37
So we're now able to do very sophisticated motor planning, things like that.
340
877747
3581
Así que ahora podemos hacer planeación motriz muy sofisticada, y cosas así.
14:41
I don't have time to explain, but to understand how a brain works,
341
881352
3126
No tengo tiempo de entrar en detalle, pero si quieres entender como funciona el cerebro,
14:44
you have to understand how the first part of the mammalian neocortex works,
342
884502
3537
tienes que entender cómo funciona la primera parte de la neo-corteza del mamífero,
cómo es que almacenamos patrones y hacemos predicciones.
14:48
how it is we store patterns and make predictions.
343
888063
2293
Así que permítem dar algunos ejemplos de predicciones.
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
Ya dije la palabra enunciados. En música,
14:54
In music, if you've heard a song before,
346
894292
3206
si has escuchado una canción antes, si escuchaste a Jill cantar esas canciones antes,
14:57
when you hear it, the next note pops into your head already --
347
897522
2909
cuando las cante, la siguiente nota salta a nuestra cabeza de antemano --
15:00
you anticipate it.
348
900455
1151
lo anticipas conforme sigues adelante. Si fuese un álbum musical.
15:01
With an album, at the end of a song, the next song pops into your head.
349
901630
3354
al final de una canción, la siguiente canción te llega a la mente.
15:05
It happens all the time, you make predictions.
350
905008
2305
Y estas cosas suceden todo el tiempo. Estás haciendo predicciones.
15:07
I have this thing called the "altered door" thought experiment.
351
907337
3039
Yo tengo esta cosa llamada el experimento de la puerta alterada.
15:10
It says, you have a door at home;
352
910400
2829
Y el experimento de la puerta alterada dice, tienes una puerta en casa,
15:13
when you're here, I'm changing it --
353
913253
1755
y cuando estas aqui, yo estoy cambiándolo, tengo un señor
15:15
I've got a guy back at your house right now, moving the door around,
354
915032
3196
en tu casa en este momento moviendo la puerta,
15:18
moving your doorknob over two inches.
355
918252
1769
y va a tomar la perilla y la moverá dos pulgadas.
15:20
When you go home tonight, you'll put your hand out, reach for the doorknob,
356
920045
3584
Y cuando llegues a casa esta noche vas a extender tu mano,
y vas a extender tu mano hacia la perilla y vas a notar
15:23
notice it's in the wrong spot
357
923653
1514
que esta en el lugar equivocado, y dirás, oye, algo paso.
15:25
and go, "Whoa, something happened."
358
925191
1687
15:26
It may take a second, but something happened.
359
926902
2101
Puede que te tome un segundo averiguar que fue, pero algo paso.
15:29
I can change your doorknob in other ways --
360
929027
2003
Ahora podira cambiar tu puerta en otras maneras.
15:31
make it larger, smaller, change its brass to silver, make it a lever,
361
931054
3241
Puedo hacerla más grande o chica, puedo cambiarla de bronce a plata,
Puedo poner una palanca. Puedo cambiar tu puerta, ponerle colores,
15:34
I can change the door; put colors on, put windows in.
362
934319
2576
Puedo ponerle ventanas. Puedo cambiar miles de cosas de tu puerta,
15:36
I can change a thousand things about your door
363
936919
2151
y en los dos segundos que te toma abrir tu puerta,
15:39
and in the two seconds you take to open it,
364
939094
2008
vas a notar que algo ha cambiado
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
Ahora, la manera ingenieril de aproximar esto, la manera IA de aproximarlo,
15:45
is to build a door database with all the door attributes.
367
945480
2675
es construir una base de datos de puertas. Tiene todos los atributos de puertas.
15:48
And as you go up to the door, we check them off one at time:
368
948179
2819
Y conforme te acercas a la puerta,recorremos lista una por una.
15:51
door, door, color ...
369
951022
1346
Puerta, puerta, puerta, tu sabes, color, tu sabes lo que digo.
15:52
We don't do that. Your brain doesn't do that.
370
952392
2100
No hacemos eso. Tu cerebro no hace eso.
15:54
Your brain is making constant predictions all the time
371
954516
2540
Lo que tu cerebro esta haciendo es predicciones constantes todo el tiempo
15:57
about what will happen in your environment.
372
957080
2034
acerca de lo que va a pasar en tu ambiente.
15:59
As I put my hand on this table, I expect to feel it stop.
373
959138
2746
Conforme pongo mi mano en esta mesa, espero sentir que se detenga.
16:01
When I walk, every step, if I missed it by an eighth of an inch,
374
961908
3019
Cuando camino, cada paso, si fallo por 5 milímetros,
16:04
I'll know something has changed.
375
964951
1533
Yo sabre que algo ha cambiado.
16:06
You're constantly making predictions about your environment.
376
966508
2820
Estas constantemente haciendo predicciones acerca de tu entorno.
16:09
I'll talk about vision, briefly.
377
969352
1593
Hablaré brevemente acerca de la visión. Esta es la imagen de una mujer.
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
Y cuando ves a las personas, tus ojos están analizando
puntos de dos a 3 veces por segundo.
16:15
We're not aware of it, but our eyes are always moving.
380
975890
2529
No estas consciente de eso, pero tus ojos siempre están en movimiento.
Así que cuando ves la cara de alguien,
16:18
When we look at a face, we typically go from eye to eye to nose to mouth.
381
978443
3435
comúnmente recorres de ojo a ojo a ojo a nariz a boca.
16:21
When your eye moves from eye to eye,
382
981902
1869
Ahora, cuando tus ojos se mueven de ojo a ojo,
16:23
if there was something else there like a nose,
383
983795
2158
si hubiera algo diferente ahí como una nariz,
16:25
you'd see a nose where an eye is supposed to be and go, "Oh, shit!"
384
985977
3546
verías una nariz donde se supone debe haber un ojo,
y dirías, mierda, tu sabes --
16:29
(Laughter)
385
989547
1396
16:30
"There's something wrong about this person."
386
990967
2109
(Risas)
Hay algo mal con esta persona.
16:33
That's because you're making a prediction.
387
993100
2005
Y es porque estas haciendo una predicción.
16:35
It's not like you just look over and say, "What am I seeing? A nose? OK."
388
995129
3439
No es como si vieras y dijeras, ¿Qué estoy viendo?
Una nariz, esta bien. No, tienes una expectativa de lo que vas a ver.
16:38
No, you have an expectation of what you're going to see.
389
998592
2634
(Risas)
16:41
Every single moment.
390
1001250
1151
En cada momento. Y finalmente, pensemos acerca de cómo probamos la inteligencia.
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
La probamos por medio de la predicción. ¿Cuál es la siguiente palabra en este, tu sabes?
16:48
This is to this as this is to this. What is the next number in this sentence?
393
1008183
3627
Esto es a esto como esto es a esto. ¿Cuál es el siguiente número en este enunciado?
16:51
Here's three visions of an object. What's the fourth one?
394
1011834
2690
Aquí hay tres vistas de un objeto.
¿Cuál es la cuarta? Así es como lo probamos. Se trata de predicciones.
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
Así que ¿Cuál es la receta para una teoría del cerebro?
17:00
First of all, we have to have the right framework.
397
1020219
2366
Antes que nada, tenemos que tener el marco de referencia correcto.
17:02
And the framework is a memory framework,
398
1022609
1913
Y el marco es un marco de memoria,
17:04
not a computational or behavior framework,
399
1024546
2024
no un marco de comportamiento o cómputo. Es un marco de memoria.
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
¿Cómo almacenas y recuerdas estas secuencias o patrones? Son patrones espacio-temporales.
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
Entonces, si en ese marco, tomas un montón de teóricos.
17:14
biologists generally are not good theoreticians.
404
1034927
2246
Los biólogos por lo general no son buenos teóricos.
No siempre es verdad, pero en general, no hay buena historia de teoría en la biología.
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
Así que encontré que es mejor trabajar con físicos,
17:23
engineers and mathematicians,
407
1043348
1383
ingenieros y matemáticos, que tienden a pensar de manera algorítmica,
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
Entonces ellos tiene que aprender la anatomía y luego aprender la fisiología.
17:29
You have to make these theories very realistic in anatomical terms.
410
1049763
4496
Tienes que hacer que estas teorías sean muy realistas en términos anatómicos.
Cualquiera que se pone de pie y te cuenta su teoría de como funciona el cerebro
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
y no te dice exactamente como funciona dentro del cerebro
17:39
and how the wiring works --
413
1059193
1303
y como funciona el cableado dentro del cerebro, no es una teoría.
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
Y eso es lo que estamos haciendo en el Instituto Redwood Neuroscience.
17:44
I'd love to tell you we're making fantastic progress in this thing,
416
1064668
3308
Me encantaría tener mas tiempo para contarte del avance fantástico que tenemos en ello,
17:48
and I expect to be back on this stage sometime in the not too distant future,
417
1068000
3662
y espero estar de regreso en este estrado,
quizá esto será en un futuro no muy lejano para que te cuente al respecto.
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
Estoy muy, muy emocionado. Esto no va a tomar 50 años.
17:55
What will brain theory look like?
420
1075492
1578
Así que ¿Cómo será la teoría cerebral?
17:57
First of all, it's going to be about memory.
421
1077094
2055
Antes que nada, tiene que ser una teoría respecto a la memoria.
17:59
Not like computer memory -- not at all like computer memory.
422
1079173
2822
No como la memoria de computadora. No es nada como la memoria de computadora.
18:02
It's very different.
423
1082019
1151
Es muy distinta. Y es una memoria de estos
18:03
It's a memory of very high-dimensional patterns,
424
1083194
2257
patrones dimensionales, como las cosas que vienen de tus ojos.
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 también memoria de secuencias.
18:08
you cannot learn or recall anything outside of a sequence.
427
1088922
2730
No puedes aprender o recordar algo fuera de secuencia.
18:11
A song must be heard in sequence over time,
428
1091676
2837
Una canción debe ser escuchada en secuencia en el tiempo,
18:14
and you must play it back in sequence over time.
429
1094537
2351
y debes reproducirla en secuencia en el tiempo.
18:16
And these sequences are auto-associatively recalled,
430
1096912
2449
Y estas secuencias son recordadas auto-asociadas, así que si veo algo,
18:19
so if I see something, I hear something, it reminds me of it,
431
1099385
2873
Escucho algo, me recuerda a ello, y se reproduce automáticamente.
18:22
and it plays back automatically.
432
1102282
1533
18:23
It's an automatic playback.
433
1103839
1294
Es una reproducción automática. La predicción del futuro gestiona el resultado deseado.
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
Y como dije, la teoría debe ser biológicamente acertada,
18:30
it must be testable and you must be able to build it.
436
1110373
2484
debe ser comprobable, y debes poderlo reconstruir.
18:32
If you don't build it, you don't understand it.
437
1112881
2211
Si no lo construyes, no lo entiendes. Así que una diapositiva mas aquí.
18:35
One more slide.
438
1115116
1532
18:36
What is this going to result in?
439
1116672
2309
¿En qué va a resultar esto? ¿Realmente vamos a construir maquinas inteligentes?
18:39
Are we going to really build intelligent machines?
440
1119005
2348
Por supuesto. Y va a ser diferente de como creen las personas.
18:41
Absolutely. And it's going to be different than people think.
441
1121377
3798
No hay duda alguna en mi mente de que va a suceder.
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
Antes que nada, va a escalarse, vamos a construirlo de silicio.
18:51
The same techniques we use to build silicon computer memories,
444
1131064
2912
Las mismas técnicas que usamos para construir memorias de computadora de silicio,
18:54
we can use here.
445
1134000
1151
las podemos usar para esto.
18:55
But they're very different types of memories.
446
1135175
2109
Pero son memorias muy distintas.
18:57
And we'll attach these memories to sensors,
447
1137308
2023
Y vamos a conectar esas memorias a sensores,
18:59
and the sensors will experience real-live, real-world data,
448
1139355
2777
y a los sensores los expondremos a datos de la vida real,
19:02
and learn about their environment.
449
1142156
1752
y estas cosas van a aprender de su entorno.
19:03
Now, it's very unlikely the first things you'll see are like robots.
450
1143932
3445
Ahora es muy poco probable que las primeras cosas que veas sean como robots.
19:07
Not that robots aren't useful; people can build robots.
451
1147401
2575
No que los robots no sean útiles y las personas pueden construir robots.
19:10
But the robotics part is the hardest part. That's old brain. That's really hard.
452
1150000
3767
Pero la parte robótica es la parte más difícil. Es el cerebro antiguo. Eso es realmente difícil.
19:13
The new brain is easier than the old brain.
453
1153791
2007
El nuevo cerebro es realmente más fácil que el cerebro viejo.
19:15
So first we'll do things that don't require a lot of robotics.
454
1155822
3082
Así que lo primero que vamos a hacer son aquellas que no requieren mucha robótica.
19:18
So you're not going to see C-3PO.
455
1158928
2179
Asi que no veras a C-3PO.
19:21
You're going to see things more like intelligent cars
456
1161131
2485
Verás cosas como autos inteligentes
19:23
that really understand what traffic is, what driving is
457
1163640
2808
que realmente entienden lo que es el tráfico y lo que es manejar
19:26
and have learned that cars with the blinkers on for half a minute
458
1166472
3278
y han aprendido que cierto tipo de auto con la direccional encendida por medio minuto
19:29
probably aren't going to turn.
459
1169774
1574
probablemente no van a dar vuelta, cosas así.
19:31
(Laughter)
460
1171372
1291
(Risas)
19:32
We can also do intelligent security systems.
461
1172687
2064
También podemos hacer sistemas de seguridad inteligentes.
19:34
Anytime we're basically using our brain but not doing a lot of mechanics --
462
1174775
3573
Donde sea que estemos usando nuestro cerebro, pero no haya mucha mecánica.
19:38
those are the things that will happen first.
463
1178372
2059
Éstas son las cosas que van a suceder primero.
19:40
But ultimately, the world's the limit.
464
1180455
1820
Pero en última instancia, el mundo es nuestro limite.
19:42
I don't know how this will turn out.
465
1182299
1732
No se como vaya a salir esto.
19:44
I know a lot of people who invented the microprocessor.
466
1184055
2591
Conozco muchas personas que inventaron el microprocesador
19:46
And if you talk to them,
467
1186670
2164
y si hablas con ellos, sabían que lo que hacían era muy significativo,
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
pero ellos no sabían realmente lo que iba a pasar.
19:53
They couldn't anticipate cell phones and the Internet
470
1193981
2768
No podían anticipar celulares y el Internet y ese tipo de cosas.
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
Simplemente sabían que, oye, vamos a construir calculadoras
20:01
and traffic-light controllers.
473
1201177
1440
y controladores de semáforos. Pero va a ser grande.
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
De la misma manera, es como la ciencia del cerebro y estas memorias
20:06
are going to be a very fundamental technology,
476
1206329
2225
van a ser una tecnologia fundamental, y nos va a llevar
20:08
and it will lead to unbelievable changes in the next 100 years.
477
1208578
3442
a cambios increíbles en los próximos 100 años.
20:12
And I'm most excited about how we're going to use them in science.
478
1212044
3405
Y estoy muy emocionado de como vamos a usarlos en la ciencia.
20:15
So I think that's all my time -- I'm over,
479
1215473
2837
Así que creo que es todo mi tiempo, ya me pase, voy a terminar mi platica
20:18
and I'm going to end my talk right there.
480
1218334
2277
ahí mismo.
Acerca de este sitio web

Este sitio le presentará vídeos de YouTube útiles para aprender inglés. Verá lecciones de inglés impartidas por profesores de primera categoría de todo el mundo. Haz doble clic en los subtítulos en inglés que aparecen en cada página de vídeo para reproducir el vídeo desde allí. Los subtítulos se desplazan en sincronía con la reproducción del vídeo. Si tiene algún comentario o petición, póngase en contacto con nosotros mediante este formulario de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7