Jeff Hawkins: How brain science will change computing

جف هاوکینز درخصوص اینکه علوم مغز چگونه رایانش را دگرگون خواهد ساخت.

Translator: Babak Mohit Reviewer: Maral Salehi

I do two things:

من دو کار انجام می‌دهم. رایانه‌های همراه طراحی می‌کنم و مغز را مطالعه می‌کنم.

I design mobile computers and I study brains.

Today's talk is about brains and -- (Audience member cheers)

و صحبت امروز درباره مغز است و،

Yay! I have a brain fan out there.

چه خوب، یک جائی آنجاها یک طرفدار مغز دارم.

(Laughter)

(خنده حضار)

من می‌خواهم، البته اگر تصویر اولم را این بالا داشته باشم،

If I could have my first slide,

و شما عنوان صحبت من و دو پيوند من را ببينید.

you'll see the title of my talk and my two affiliations.

So what I'm going to talk about is why we don't have a good brain theory,

خوب، چیزی که من می‌خواهم درباره آن صحبت کنم، این است که چرا ما یک نظریه خوب راجع به مغز نداریم،

why it is important that we should develop one

چرا مهم است که ما یک نظریه خوب ايجاد كنيم، و در این مورد چه می‌توانیم بکنیم.

and what we can do about it.

I'll try to do all that in 20 minutes.

و من سعی می‌کنم كه همه اینها را در بیست دقیقه انجام بدهم. من دو پيوند دارم.

I have two affiliations.

Most of you know me from my Palm and Handspring days,

بسیاری از شما مرا از روزهای پالم (Palm) و هنداسپرینگ (Hand Spring) می‌شناسید،

but I also run a nonprofit scientific research institute

اما علاوه بر آن، من یک مرکز تحقیق علمی غیرانتفاعی را هم اداره می‌کنم

called the Redwood Neuroscience Institute in Menlo Park.

که موئسسه علوم‌اعصاب ردوود (Redwood Neuroscience Institute) در ملنو پارک (Melno Park) است،

We study theoretical neuroscience and how the neocortex works.

و ما آنجا نظریه علوم‌اعصاب را مطالعه می‌کنیم،

و نحوه عمل نئوکورتکس (neocortex) را مطالعه می‌کنیم.

I'm going to talk all about that.

من می‌خواهم درباره اينها صحبت ‌کنم.

I have one slide on my other life, the computer life,

یک تصویر درباره زندگی دیگرم، زندگی رایانه‌ایم دارم، و آن اين تصویر است.

and that's this slide here.

These are some of the products I've worked on over the last 20 years,

اینها برخی از محصولاتی هستند که من در طی ۲۰ سال گذشته روی آنها کار کرده‌ام،

starting from the very original laptop

شروعش برمی‌گردد به رایانه‌های همراه خيلی اوليه و برخی از نخستين رايانه‌های صفحه‌تخت (tablet computers)

to some of the first tablet computers

and so on, ending up most recently with the Treo,

و مانند آنها، و پایانش همین اواخر به ترئو (Treo) می‌رسد،

and we're continuing to do this.

و ما داریم اینکار را ادامه می‌دهیم.

I've done this because I believe mobile computing

و من این کار را کرده‌ام چون واقعا اعتقاد دارم که رایانش همراه (mobile computing)

is the future of personal computing,

آیندۀ رایانه شخصی است، و من سعی می‌کنم که دنیا را

and I'm trying to make the world a little bit better

با کار کردن روی این چیزها، کمی بهتر كنم.

by working on these things.

But this was, I admit, all an accident.

اما، باید اعتراف کنم، که اين در کل یک اتفاق بود.

I really didn't want to do any of these products.

من واقعا نمی‌خواستم هیچ كدام از اینها را بسازم.

Very early in my career

و در همان آغاز کارم تصمیم گرفته بودم

I decided I was not going to be in the computer industry.

که در صنایع رایانه كار نكنم.

Before that, I just have to tell you

و قبل از اینکه به آن موضوع بپردازیم، بایست این را هم درباره

about this picture of Graffiti I picked off the web the other day.

این عکس طرح‌نوشت (graffiti) کوچکی که آنجاست بگويم كه چند روز پیش از روی اينترنت گرفتم.

I was looking for a picture for Graffiti that'll text input language.

بدنبال عکس یک طرح‌نوشت می‌گشتم، کمی زبان نوشتاری،

I found a website dedicated to teachers who want to make script-writing things

و وب‌سایتی را یافتم که تقدیم به معلمانی شده بود که می‌خواهند اینها را بسازند،

می‌دانید، همان چیزهای نوشتاری که در بالای تخته سیاه‌شان قرار دارد،

across the top of their blackboard,

and they had added Graffiti to it, and I'm sorry about that.

و آنها به آن نوشته طرح‌نوشت هم اضافه کردند، و من از این بابت متاسفم.

(Laughter)

(خنده حضار)

So what happened was,

خوب، ماجرا از اين قرار بود که، در زمان جوانی، هنگامی که دانشکده مهندسی

when I was young and got out of engineering school at Cornell in '79,

دانشگاه کورنل (Cornell) را در سال ۱۹۷۹ تمام کردم، تصمیم گرفتم -- رفتم که برای اینتل (Intel) کار کنم و

I went to work for Intel and was in the computer industry,

and three months into that, I fell in love with something else.

من در صنعت رایانه بودم -- و سه ماه گذشته بود،

اما عاشق چیز دیگری شدم، و به خودم گفتم: "من در اینجا شغل غلطی را انتخاب کردم،"

I said, "I made the wrong career choice here,"

and I fell in love with brains.

و عاشق مغز‌ شدم.

This is not a real brain.

این یک مغز واقعی نیست. عکس یکی از آنهاست، رسم خطوط آن.

This is a picture of one, a line drawing.

And I don't remember exactly how it happened,

و دقیقا هم یادم نمی‌آید که چگونه این اتفاق افتاد،

but I have one recollection, which was pretty strong in my mind.

اما یک چیز را دقیق به خاطر دارم، که خیلی هم در ذهنم قدرتمند بود.

In September of 1979,

در سپتامبر ۱۹۷۹، مجله ساینتیفیک آمریکن (Scientific American)

Scientific American came out with a single-topic issue about the brain.

با یک ویژه‌نامه اختصاصی درباره مغز منتشر شد. و خیلی خوب بود.

It was one of their best issues ever.

یکی از بهترین شماره‌هایش بود که تا بحال چاپ شده است. و آنها در آن مقاله راجع به نورون (سلول عصبی)

They talked about the neuron, development, disease, vision

و تکامل و بیماری‌ها و بینایی و همه آن چیزهائی که

and all the things you might want to know about brains.

ممکن است شما بخواهید در مورد مغز بدانید صحبت کردند. واقعا جذاب بود.

It was really quite impressive.

One might've had the impression we knew a lot about brains.

ممکن بود گمان می‌بردید که ما واقعا چیزهای زیادی درباره مغز می‌دانستیم.

But the last article in that issue was written by Francis Crick of DNA fame.

اما آخرین مقاله آن شماره توسط فرانسیس کریک (Francis Crick)، که با دی-ان-ای (DNA) معروف شد، نوشته شده بود.

Today is, I think, the 50th anniversary of the discovery of DNA.

امروز، گمان می‌کنم، پنجاهمین سالگرد کشف DNA است.

And he wrote a story basically saying, this is all well and good,

و او مقاله‌ای نوشت که اساسا می‌گفت،

خوب، همه اینها خوب و عالی است، اما می‌دانید[؟]،

but you know, we don't know diddly squat about brains,

ما پشیزی هم راجع به مغز نمی‌دانیم

and no one has a clue how they work,

و هیچ‌کسی هم سرنخی در این مورد که اینها چگونه کار می‌کنند ندارد،

so don't believe what anyone tells you.

پس گفته‌های هیچ‌کس را باور نکنيد.

This is a quote from that article, he says:

اين يك نقل قول مستقیم از آن مقاله است، او می‌گوید: "آن چه که فقدانش واضحا مشخص است،"

"What is conspicuously lacking" -- he's a very proper British gentleman --

او مرد بریتانیایی بسیار باوقاری بود پس، "آنچه که فقدانش واضحا مشخص است

"What is conspicuously lacking is a broad framework of ideas

چهارچوب گسترده‌ای از ایده‌ها است كه در آن بتوان این رويكرد‌های گوناگون را تفسیر کرد."

in which to interpret these different approaches."

I thought the word "framework" was great.

من فکر کردم که کلمه "چهارچوب" عالی است.

He didn't say we didn't have a theory.

او نمی‌گويد که ما حتی نظریه‌ای نداریم. او می‌گوید،

He says we don't even know how to begin to think about it.

ما حتی نمی‌دانیم که چطور شروع به فكر كردن درباره آن بكنيم --

ما حتی چهارچوبی نداریم.

We don't even have a framework.

ما در دوره پيش از نظریه هستیم اگر می‌خواهید توماس کوهن (Thomas Kuhn) را نقل کنید.

We are in the pre-paradigm days, if you want to use Thomas Kuhn.

و من عاشق آن شدم، و گفتم ببین،

So I fell in love with this.

I said, look: We have all this knowledge about brains -- how hard can it be?

ما همه این دانش راجع به مغز را داریم. چقدر این [موضوع] می‌تواند سخت باشد؟

It's something we can work on in my lifetime; I could make a difference.

و این چیزی است که می‌توانم در طول زندگیم بر رویش کار کنم. من احساس کردم که می‌توانم تأثیری بگذارم.

So I tried to get out of the computer business, into the brain business.

و تلاش کردم که از کسب و کار رایانه خارج بشوم، بروم به کسب و کار مغز.

First, I went to MIT, the AI lab was there.

در آغاز، به دانشگاه ام-آی‌-تی (MIT) رفتم، آزمایشگاه هوش مصنوعی آنجا بود،

I said, I want to build intelligent machines too,

و گفتم، خوب، من هم می‌خواهم ماشین‌های هوشمند بسازم،

but I want to study how brains work first.

اما راهی که می‌خواهم این کار را بکنم، این است که اول کارکرد مغز را مطالعه کنم.

And they said, "Oh, you don't need to do that.

و آنها گفتند، اوه، لازم نیست اين کار را بکنی.

You're just going to program computers, that's all.

ما فقط رایانه‌ها را برنامه‌ریزی می‌کنیم؛ این تنها کاری است که باید بکنبم.

I said, you really ought to study brains.

و من گفتم، نه، در واقع شما بايد مغز‌ها را مطالعه کنید. آنها گفتند، اوه، می‌دانی،

They said, "No, you're wrong."

I said, "No, you're wrong," and I didn't get in.

تو اشتباه می‌کنی. و من گفتم، نه، شما اشتباه می‌کنید، و من را نپذیرفتند.

(Laughter)

(خنده حضار)

I was a little disappointed -- pretty young --

ولی كمی دلگیر شدم -- خيلی جوان بودم -- اما دوباره

but I went back again a few years later,

چند سال بعد برگشتم و اینبار در کالیفرنیا، به دانشگاه برکلی (Berkeley) رفتم.

this time in California, and I went to Berkeley.

و با خودم گفتم اين‌بار از سمت زیست‌شناسی وارد می‌شوم.

And I said, I'll go in from the biological side.

So I got in the PhD program in biophysics.

و پذیرش گرفتم -- پذیرش دکترای PhD در رشته زیست-فیزیک، همه چیزم خوب بود،

I was like, I'm studying brains now. Well, I want to study theory.

حالا من مغزها را مطالعه می‌کردم، و گفتم که می‌خواهم نظريه بخوانم.

They said, "You can't study theory about brains.

آنها جواب دادند، اوه نه، تو نمی‌توانی نظریه در مورد مغز را مطالعه کنی.

You can't get funded for that.

این کاری نیست که به تو مربوط بشود. برای این موضوع پولی به تو نمی‌دهند.

And as a graduate student, you can't do that."

و به عنوان دانشجوی دكتری، نمی‌توانی آن كار را بكنی. خوب، گفتم، اوه خدای من.

So I said, oh my gosh.

I was depressed; I said, but I can make a difference in this field.

خيلی افسرده شدم. با خودم گفتم اما من می‌توانم دراین زمینه تاثیرگذار باشم.

پس کاری که کردم این بود که به صنعت رایانه برگشتم.

I went back in the computer industry

and said, I'll have to work here for a while.

و کفتم، خوب، باید مدتی کار کنم، مشغول باشم.

That's when I designed all those computer products.

و آن موقع بود که همه آن محصولات رایانه‌ای را طراحی کردم.

(Laughter)

(خنده حضار)

I said, I want to do this for four years, make some money,

و گفتم این کار را برای چهار سال انجام می‌دهم، یک کم پول در می‌آورم،

I was having a family, and I would mature a bit,

مثل این که صاحب خانواده شدم، کمی هم بالغ‌تر می‌شوم،

and maybe the business of neuroscience would mature a bit.

و شاید هم حرفه علوم‌اعصاب کمی بالغ‌تر بشود.

Well, it took longer than four years. It's been about 16 years.

خوب، این کار بیشتر از چهار سال طول کشید. تقریبا ۱۶ سال گذشته است.

But I'm doing it now, and I'm going to tell you about it.

ولی الان دارم این کار را انجام می‌دهم، و برای شما درباره آن می‌گویم.

So why should we have a good brain theory?

خوب چرا باید یک نظریه خوبی راجع به مغز داشته باشیم؟

Well, there's lots of reasons people do science.

خوب، دلایل زیادی وجود دارد که آدم‌ها به علم می‌پردازند.

The most basic one is, people like to know things.

یکی از دلايل-- يعنی پایه‌ای‌ترینش -- اين است که آدم‌ها دوست دارند از چيزها سر در بياورند.

We're curious, and we go out and get knowledge.

ما کنجکاو هستیم، و می‌رویم بيرون و اطلاعات كسب می‌كنيم، می‌دانید؟

Why do we study ants? It's interesting.

چرا ما مورچه‌ها را مطالعه می‌کنیم؟ خوب، چون جالب است.

Maybe we'll learn something useful, but it's interesting and fascinating.

شاید چیز واقعا مفیدی از آن ياد بگيريم، اما علت اينكه دنبالش می‌رويم این است كه موضوع جالب و جذابی است.

But sometimes a science has other attributes

اما گاهی اوقات، یک دانش ویژگی‌های دیگری هم دارد

which makes it really interesting.

که آن را خيلی، خيلی جالب می‌کند.

Sometimes a science will tell something about ourselves;

گاهی اوقات یک علم درباره خودمان چیزی می‌گوید،

it'll tell us who we are.

به ما می‌گوید که چه کسی هستیم.

Evolution did this and Copernicus did this,

به ندرت، می‌دانید، تکامل این کار را کرده و کوپرنیکوس (Copernicus) این کار را کرده،

where we have a new understanding of who we are.

که در آن ما درک جدیدی از آنچه هستیم داريم.

And after all, we are our brains. My brain is talking to your brain.

و از همه اینها که بگذریم، ما همان مغزمان هستیم. مغز من با مغز شما سخن می‌گوید.

Our bodies are hanging along for the ride,

بدن ما ملزومات اضافه است، اما مغز من است که با مغز شما سخن می‌گوید.

but my brain is talking to your brain.

And if we want to understand who we are and how we feel and perceive,

و اگر بخواهیم که دریابیم که چه کسی هستیم و چگونه حس و درک می‌کنیم،

در واقع درمی‌یابیم که مغز چیست.

we need to understand brains.

Another thing is sometimes science leads to big societal benefits, technologies,

چیز دیگر این است که گاهی اوقات علم

موجب منافع اجتماعی عظيم و فن‌آوری‌ها،

or businesses or whatever.

یا حرفه‌هائی، یا هر چیز دیگری که از آنها بر بیاید می‌شود. و این نیز، [یکی از آن موارد است]،

This is one, too, because when we understand how brains work,

چون هنگامی که درک کنیم که کارکرد مغز چگونه است، ما قادر خواهیم بود

we'll be able to build intelligent machines.

ماشین‌های هوشمند بسازیم، و من فکر می‌کنم که در واقع کلا چیز خوبی خواهد بود،

That's a good thing on the whole,

with tremendous benefits to society,

و این منافع بسیار عظیمی برای جامعه خواهد داشت،

just like a fundamental technology.

مانند یک فن‌آوری‌ بنیادین.

So why don't we have a good theory of brains?

بنابراین چرا ما نظریه خوبی راجع به مغز نداریم؟

People have been working on it for 100 years.

در حالی كه انسان‌ها ۱۰۰ سال است که روی این موضوع کار کرده‌اند؟

Let's first take a look at what normal science looks like.

خوب، در ابتدا بیائید نگاهی بیندازیم به اینکه دانش بهنجار چگونه است.

This is normal science.

دانش بهنجار اینگونه است.

Normal science is a nice balance between theory and experimentalists.

دانش بهنجار، تعادل خوبی است میان نظریه و آزمایشگران.

The theorist guy says, "I think this is what's going on,"

و لذا نظریه‌پرداز می‌گوید، خوب، من فکر می‌کنم این چیزی است که دارد اتفاق می‌افتد،

the experimentalist says, "You're wrong."

و از آن سوی آزمایشگر می‌گوید، نه، شما اشتباه می‌کنید.

It goes back and forth, this works in physics, this in geology.

و این تبادل ادامه پیدا می‌کند، می‌دانید؟

در فیزیک این به کار می‌آید. در زمین‌شناسی به کار می‌آید، پس اگر این دانش بهنجار است،

But if this is normal science, what does neuroscience look like?

علوم‌اعصاب چگونه است؟ علوم‌اعصاب این‌گونه است.

This is what neuroscience looks like.

ما این کوه داده‌ها را داریم، شامل کالبد‌شناسی (آناتومی)، تن‌کرد‌شناسی (فیزیولوژی) و رفتار.

We have this mountain of data,

which is anatomy, physiology and behavior.

You can't imagine how much detail we know about brains.

نمی‌توانید تصور کنید که تا چه اندازه جزئیات راجع به مغز می‌دانیم.

There were 28,000 people who went to the neuroscience conference this year,

۲۸ هزار نفر در هم‌آیش امسال علوم‌اعصاب شرکت کردند.

and every one of them is doing research in brains.

و تک‌تک آنها روی مغز‌ها تحقيق می‌کنند.

A lot of data, but no theory.

مقدار زیادی داده. ولی هیچ‌گونه نظریه‌ای نیست. آن جعبه کوچک، فسقلی، در آن بالا هست.

There's a little wimpy box on top there.

And theory has not played a role in any sort of grand way

و نظریه هیچ‌گونه نقش عمده‌ای در علوم‌اعصاب بازی نکرده است.

in the neurosciences.

And it's a real shame.

و این واقعا موجب شرمندگی است. حالا چرا این‌گونه پیش رفته است؟

Now, why has this come about?

If you ask neuroscientists why is this the state of affairs,

اگر از دانشمندان علوم‌اعصاب بپرسید، چرا وضعیت اینگونه است؟

first, they'll admit it.

اول آنها به اين اعتراف می‌کنند. ولی اگر از آنها بپرسید، می‌گویند،

But if you ask them, they say,

there's various reasons we don't have a good brain theory.

خوب، علل متنوعی وجود دارد که نظریه مغزی خوبی نداریم.

Some say we still don't have enough data,

بعضی‌ها می‌گویند، خوب، هنوز به اندازه کافی داده نداریم،

we need more information, there's all these things we don't know.

اطلاعات بیشتر لازم داریم، این همه چیز وجود دارد که هنوز نمی‌دانیم.

Well, I just told you there's data coming out of your ears.

خوب، من الان به شما گفتم که آن قدر داده وجود دارد که دارد از گوش‌هایمان بیرون می‌ریزد.

We have so much information, we don't even know how to organize it.

ما آن‌قدر اطلاعات داریم كه نمی‌دانیم چگونه شروع کنیم به منظم کردنشان.

What good is more going to do?

[اطلاعات] بیشتر چه کمکی می‌تواند بکند؟

Maybe we'll be lucky and discover some magic thing, but I don't think so.

شاید خوش اقبال باشیم و یک چیز جادوئی کشف کنیم،‌ ولی من گمان نمی‌کنم.

This is a symptom of the fact that we just don't have a theory.

این در واقع فقط نشانه این واقعیت است که ما نظریه نداریم.

We don't need more data, we need a good theory.

ما به داده‌های بیشتر نیاز نداریم -- ما به يك نظریه خوب نیازمندیم.

Another one is sometimes people say,

بعضی‌های دیگر می‌گویند، خوب، مغز خیلی پیچیده است،

"Brains are so complex, it'll take another 50 years."

این موضوع ۵۰ سال دیگر طول می‌کشد.

I even think Chris said something like this yesterday, something like,

حتی فکر می‌کنم که کریس (Chris) هم دیروز يک چنين حرفی زد.

کریس، مطمئن نیستم که دقیقا چه گفتی، اما چیزی شبیه این بود،

it's one of the most complicated things in the universe.

که خوب، این یکی از پیچیده‌ترین موضوعات جهان است. این درست نیست.

That's not true -- you're more complicated than your brain.

شما از مغزتان پیچیده‌تر هستید. شما صاحب مغز هستید.

You've got a brain.

و نيز، هرچند مغز بسیار پیچیده به نظر می‌رسد،

And although the brain looks very complicated,

اما هرچيزی تا وقتی که آن را نفهمیم پیچیده به نظر می‌آید.

things look complicated until you understand them.

That's always been the case.

و همیشه هم همینطور بوده. بنابراين، تنها چيزی كه می‌توانیم بگوئیم، اين است كه خوب،

So we can say, my neocortex, the part of the brain I'm interested in,

نئوکورتکس من، که بخش مورد علاقه من در مغز است، ۳۰ میلیارد سلول دارد.

has 30 billion cells.

But, you know what? It's very, very regular.

اما میدانید چیست؟ این خيلی، خيلی عادی است.

In fact, it looks like it's the same thing repeated over and over again.

در واقع، مثل این است که همان چیز بارها و بارها و بار‌ها تکرار شده.

It's not as complex as it looks. That's not the issue.

به اندازه‌ای که به نظر می‌رسه پیچیده نیست. مساله این نیست.

Some people say, brains can't understand brains.

بعضی‌ها می‌گویند، مغز نمی‌تواند مغز را بفهمد.

Very Zen-like. Woo.

این دیگر خیلی ذن مانند و عرفانی است. هوه. می‌دانید--

(Laughter)

(خنده حضار)

You know, it sounds good, but why? I mean, what's the point?

می‌تواند جالب باشد. اما چرا؟ منظورم این است، نکته‌تان چیست؟

It's just a bunch of cells. You understand your liver.

فقط یک مشت سلول است. شما کبد خود را درک می‌کنید.

It's got a lot of cells in it too, right?

آن هم تعداد زیادی سلول دارد، درسته؟

So, you know, I don't think there's anything to that.

بنابراین، می‌دانید، من فکر نمیکنم چیزی در این باشد.

And finally, some people say,

و سرانجام، بعضی‌ها می‌گویند، خوب، می‌دانید،

"I don't feel like a bunch of cells -- I'm conscious.

من احساس نمی‌کنم که تنها یک مشت سلول باشم، می‌دانید. من آگاه هستم.

I've got this experience, I'm in the world.

من این تجربه را دارم، می‌دانید، من در این جهان هستم.

I can't be just a bunch of cells."

من نمی‌توانم تنها یک مشت سلول باشم. ولی، میدانید،

Well, people used to believe there was a life force to be living,

مردم این باور را داشتند که يك نیروی حیاتی برای زنده ماندن لازم است.

and we now know that's really not true at all.

و حالا ما می‌دانیم که این فکر واقعا به هیچ عنوان درست نيست.

And there's really no evidence,

و هیچ شاهدی هم وجود ندارد که این را تائيد كند -- خوب، البته غیر از [گفته‌های] افرادی

other than that people just disbelieve that cells can do what they do.

که باور نمی‌كنند که سلول‌ها می‌توانند کار‌هائی را بکنند كه می‌کنند.

So some people have fallen into the pit of metaphysical dualism,

و خوب، اگر بعضی از آدم‌ها داخل این چالش دوگانگی متافیزیکی افتاده‌اند،

some really smart people, too, but we can reject all that.

حتی بعضی از آدم‌های خیلی باهوش، با اين حال ما می‌توانیم همه آن را رد کنیم.

(Laughter)

(خنده حضار)

خیر، من به شما می‌گویم که چیز دیگری وجود دارد،

No, there's something else,

something really fundamental, and it is:

که واقعا بنیادی است، و آن این است که:

another reason why we don't have a good brain theory

دلیل دیگری هم برای اینکه چرا یک نظریه خوب مغزی نداریم هست،

is because we have an intuitive, strongly held but incorrect assumption

و آن دليل اين است که ما یک فرض حسی، سرسختی داریم،

که غلط است و مانع از آن شده است كه پاسخ را ببينيم.

that has prevented us from seeing the answer.

There's something we believe that just, it's obvious, but it's wrong.

چیزی وجود دارد که ما به آن اعتقاد داریم که فقط بديهی است، ولی غلط است.

Now, there's a history of this in science and before I tell you what it is,

حالا، یک تاریخچه‌ای از این [مسائل] در علم وجود دارد و قبل از این که به شما بگویم که آن چیست،

I'll tell you about the history of it in science.

کمی به شما در مورد تاريخچه این [مسئله] در علم می‌گویم.

Look at other scientific revolutions --

شما نگاهی به بعضی از انقلاب‌های علمی دیگر بیندازید،

the solar system, that's Copernicus,

در این مورد، من درباره منظومه شمسی صحبت می‌کنم، از کوپرنیکوس،

Darwin's evolution, and tectonic plates, that's Wegener.

از تکامل داروینی، و صفحات زمین‌شناسی، که از وگنر(Wegener) است.

همه آنها با علوم مغز مشترکات زیادی دارند.

They all have a lot in common with brain science.

First, they had a lot of unexplained data. A lot of it.

اولا، همه آنها داده‌های تعریف نشده زیادی داشتند. خیلی زیاد.

But it got more manageable once they had a theory.

اما همه آنها از وقتی كه نظريه‌دار شدند قابل اداره کردن شد.

The best minds were stumped -- really smart people.

بهترین ذهن‌ها گیج شده بودند -- آدم‌های خیلی، خیلی باهوش.

We're not smarter now than they were then;

و ما الان از آنها که در آن زمان بودند باهوش‌تر نیستیم.

it just turns out it's really hard to think of things,

قثط این گونه است که اندیشیدن به مسائل واقعا دشوار است،

but once you've thought of them, it's easy to understand.

اما وقتی به آنها اندیشیدید، درک آن آسان می‌شود.

My daughters understood these three theories,

دختران من این سه نظریه را

در چهارچوب ساده آن در دورانی که در کودکستان بودند می‌فهمیدند.

in their basic framework, in kindergarten.

It's not that hard -- here's the apple, here's the orange,

و حالا آن‌ قدر هم سخت نیست، می‌دانید، این یک سیب است، این یک پرتقال است،

the Earth goes around, that kind of stuff.

می‌دانید، زمین می‌چرخد، این جور چیزها.

Another thing is the answer was there all along,

در نهایت، پاسخ چیز دیگری است که تمام مدت آنجا بوده،

but we kind of ignored it because of this obvious thing.

ولی ما به آن بی‌اعتنا بودیم به خاطر همين چیز بديهی، و نکته اصلی همين است.

It was an intuitive, strongly held belief that was wrong.

یک باور حسی، منسجمی بوده که نادرست بوده.

In the case of the solar system,

در مورد منظومه شمسی، این نظر که زمین در حال چرخیدن می‌باشد

the idea that the Earth is spinning,

the surface is going a thousand miles an hour,

و اینکه سطح زمین با سرعتی در حدود هزار مایل در ساعت در حرکت می‌باشد،

and it's going through the solar system at a million miles an hour --

و اینکه زمین با سرعتی حدود یک میلیون مایل در ساعت در منظومه شمسی حرکت می‌کند.

this is lunacy; we all know the Earth isn't moving.

این دیوانگی است. همه ما می‌دانیم که زمین حرکت نمی‌کند.

Do you feel like you're moving a thousand miles an hour?

آیا شما سرعت چند هزار مایل در ساعت را حس می‌کنید؟

معلوم است که نه. می‌دانید، و اگر کسی می‌گفت،

If you said Earth was spinning around in space and was huge --

خوب، زمین در فضا به‌ دور خود می‌چرخد و [زمین] بسیار عظیم است،

they would lock you up, that's what they did back then.

او را می‌انداختند زندان، و این کار را آن قدیم‌ها می‌کردند.

(خنده حضار)

So it was intuitive and obvious. Now, what about evolution?

خوب حسی و بديهی بود. حالا تکامل چطور؟

Evolution, same thing.

تکامل هم همین‌طور است. ما به بچه‌هایمان یاد می‌دادیم، که، خوب، انجیل می‌گوید،

We taught our kids the Bible says God created all these species,

می‌دانید، خدا همه گونه‌ها را آفریده، گربه‌ها گربه‌اند، سگ‌ها سگ هستند،

cats are cats; dogs are dogs; people are people; plants are plants;

انسان‌ها انسانند، گیاهان گیاه‌اند، آنها عوض نمی‌شوند.

they don't change.

نوح آنها را به آن ترتیب سوار کشتی‌ کرد، و، و، و. و می‌دانید،

Noah put them on the ark in that order, blah, blah.

The fact is, if you believe in evolution, we all have a common ancestor.

اگر به تکامل اعتقاد دارید، حقیقت این است که، ما جد مشترکی داریم،

We all have a common ancestor with the plant in the lobby!

و همه ما با گیاهی که در راهرو هم هست جد مشترکی داریم.

This is what evolution tells us. And it's true. It's kind of unbelievable.

این چیزی است که تکامل به ما می‌گوید. و درست است. یک جوری هم غیرقابل باور است.

And the same thing about tectonic plates.

و همین چیز در مورد صفحات زمين، می‌دانید؟

All the mountains and the continents

تمام کوه‌ها و قاره‌ها یک جوری

are kind of floating around on top of the Earth.

روی زمین شناورند، می‌دانید؟ مثل این است که منطقی نیست.

It doesn't make any sense.

So what is the intuitive, but incorrect assumption,

حالا آن پیش‌فرض منطقی،‌ ولی نادرستی که،

that's kept us from understanding brains?

جلوی درک ما از مغز را گرفته است چیست؟

I'll tell you. It'll seem obvious that it's correct. That's the point.

حالا به شما می‌گویم، و به نظر بدیهی خواهد آمد که آن درست است،

و نکته همین جا است، درست؟ بعدش باید بحثی را پیش بکشم

Then I'll make an argument why you're incorrect on the other assumption.

که چرا آن یکی ‌فرضيه نادرست است.

The intuitive but obvious thing is:

نکنه منطقی ولی واضح این است که هوش به نحوی

somehow, intelligence is defined by behavior;

به وسیله رفتار تعریف می‌شود،

we're intelligent because of how we do things

که ما به خاطر نحوه انجام کارهایمان،

and how we behave intelligently.

و نحوه رفتار هوشمندانه‌مان باهوش هستیم، و من به شما می‌گویم که این نادرست است.

And I'm going to tell you that's wrong.

Intelligence is defined by prediction.

آن چیزی که هست این است که هوش است با پیش‌بینی تعریف می‌شود.

I'm going to work you through this in a few slides,

و من با شما روی این موضوع در این چند تصویر کار می‌کنم،

and give you an example of what this means.

و نمونه‌هائی به شما می‌دهم که این به چه معناست. در اینجا یک سامانه (سیستم) داریم.

Here's a system.

Engineers and scientists like to look at systems like this.

مهندس‌ها دوست دارند که به سامانه‌ها این‌گونه نگاه کنند. دانشمندان دوست دارند که به سامانه‌ها این‌گونه نگاه کنند.

They say, we have a thing in a box. We have its inputs and outputs.

آنها می‌گویند، خوب، ما یک چیز درون جعبه داریم، و درون‌رو و برون‌داد آن را هم داریم.

The AI people said, the thing in the box is a programmable computer,

آدم‌های [رشته] هوش‌مصنوعی می‌گفتند، خوب، آن چیز درون جعبه یک رایانه قابل برنامه‌ریزی است.

because it's equivalent to a brain.

چون معادل یک مغز است، و ما به آن مقداری درون‌داد می‌دهیم

We'll feed it some inputs and get it to do something, have some behavior.

و آن را وادار می‌کنیم کاری انجام بدهد، رفتاری داشته باشد.

و آلن تورینگ (Alan Turing) آزمایش تورینگ را تعریف کرد، که در اساس می‌گوید:

Alan Turing defined the Turing test, which essentially says,

ما چیزی را هوشمند می‌دانیم كه مثل یک انسان رفتار کند.

we'll know if something's intelligent if it behaves identical to a human --

یک معيارِ رفتاریِ از اینکه هوش چیست،

a behavioral metric of what intelligence is

that has stuck in our minds for a long time.

و مدت زیادی است كه این در ذهن ما گیر کرده است.

Reality, though -- I call it real intelligence.

در حقیقت اما، چیزیه که من به آن هوش واقعی می‌گویم.

Real intelligence is built on something else.

هوش واقعی بر مبنای چیز دیگری ساخته شده است.

We experience the world through a sequence of patterns,

ما دنیا را از طریق یک سلسله الگو‌هائی تجربه می‌کنیم، و آنها را ذخیره می‌کنیم،

and we store them, and we recall them.

و آنها را بازیابی می‌کنیم. و وقتی آنها را بازیابی می‌کنیم، آنها را

When we recall them, we match them up against reality,

با واقعیت تطبیق می‌دهیم، و دائما در حال پیش‌بینی هستیم.

and we're making predictions all the time.

It's an internal metric; there's an internal metric about us,

این یک معيار دائمی است. یک معيار دائمی در مورد ما که به نحوی می‌گوید،

saying, do we understand the world, am I making predictions, and so on.

آیا ما دنیا را می‌فهمیم؟ آیا من پیش‌بینی‌ می‌کنم؟ و غیره.

You're all being intelligent now, but you're not doing anything.

شما همگی الان هوشمند هستید،‌ ولی در حال انجام كاری نيستيد.

شاید دارید خودتان را می‌خارید، یا دماغ‌تان را تمیز می‌کنید،

Maybe you're scratching yourself, but you're not doing anything.

من نمی‌دانم، ولی کاری الان انجام نمی‌دهید،

But you're being intelligent; you're understanding what I'm saying.

ولی شما هوشمند هستيد، شما می‌فهمید من چه می‌گویم.

Because you're intelligent and you speak English,

چون‌ که شما هوشمند هستید و انگلیسی صحبت می‌کنید،

you know the word at the end of this

شما می‌دانید چه کلمه‌ای در پایان این -- (سکوت)

«جمله» است.

sentence.

The word came to you; you make these predictions all the time.

این کلمه به ذهن شما آمد، و شما دائما این پیش‌بینی‌ها را انجام می‌دهید.

What I'm saying is,

و پس آنچه که من می‌گویم این است که،

the internal prediction is the output in the neocortex,

این پیش‌بینی دائمی محصول و برون‌‌داد نئوکورتکس است.

و به نحوی، پیش‌بینی منجر به رفتار هوشمندانه می‌شود.

and somehow, prediction leads to intelligent behavior.

Here's how that happens:

و این‌گونه اتفاق می‌افتد. بیائید با یک مغز غیرهوشمند شروع کنیم.

Let's start with a non-intelligent brain.

خوب من در باره یک مغز غیرهوشمند بحث می‌کنم، ما یک مغز قدیمی را پیدا کردیم،

I'll argue a non-intelligent brain, we'll call it an old brain.

And we'll say it's a non-mammal, like a reptile,

و ما می‌گوئیم که شبیه مغز یک غیر پستاندار است، مثلا یک خزنده،

say, an alligator; we have an alligator.

پس من می‌گویم، یک تمساح، ما یک تمساح داریم.

And the alligator has some very sophisticated senses.

و این تمساح يكسری حس‌های بسیار پیچیده‌ای دارد.

It's got good eyes and ears and touch senses and so on,

چشمان خوب، گوش‌ها، حس لامسه دارد، و غیره

a mouth and a nose.

يك دهان و يك دماغ. رفتار بسیار پیچیده‌ای دارد.

It has very complex behavior.

It can run and hide. It has fears and emotions. It can eat you.

می‌تواند فرار کند و پنهان شود. ترس و عاطفه دارد. می‌تواند شما را بخورد، می‌دانید.

It can attack. It can do all kinds of stuff.

می‌تواند حمله کند. کلی کار می‌تواند بکند.

But we don't consider the alligator very intelligent,

اما ما تمساح را خيلی هوشمند نمی‌دانیم، نه به گونه انسانی.

not in a human sort of way.

But it has all this complex behavior already.

اما تمساح همه این رفتارهای پیچیده را دارد.

Now in evolution, what happened?

حال، در تکامل، چه اتفاقی افتاده است؟

First thing that happened in evolution with mammals

اولین چیزی که در تکامل پستانداران اتفاق افتاد اين بود كه،

is we started to develop a thing called the neocortex.

ما شروع كردیم به توسعه چیزی به نام نئوکورتکس.

I'm going to represent the neocortex by this box on top of the old brain.

و من اینجا این لایه نئوکورتکس را نمایش می‌دهم،

به وسیله این جعبه که در بالای مغز قدیمی چسپیده است.

Neocortex means "new layer." It's a new layer on top of your brain.

نئوکورتکس به معنی لایه نوین است. آن لایه‌ نوینی است که در بالای مغز شما قرار گرفته است.

It's the wrinkly thing on the top of your head

اگر آن را نمی‌شناسید، آن چیز چروکیده‌ای است که بر روی سر شما قرار گرفته،

that got wrinkly because it got shoved in there and doesn't fit.

چروکیده شده چون داخل آنجا چپانده شده و جا نمی‌شود.

(Laughter)

(خنده حضار)

Literally, it's about the size of a table napkin

نه، واقعا، این چیزی است که هست. تقریبا به اندازه یک دستمال رومیزی است.

and doesn't fit, so it's wrinkly.

و جا نمی‌شود. برای همین همه‌اش چروکیده شده. حالا نگاه کنید چگونه من این را اینجا کشیده‌ام.

Now, look at how I've drawn this.

The old brain is still there.

مغز قدیمی هنوز همان‌جا است. هنوز شما آن مغز تمساحی‌تان را دارید.

You still have that alligator brain. You do. It's your emotional brain.

داریدش. مغز عاطفی شما است.

It's all those gut reactions you have.

تمام آن چیز‌ها است، تمام آن واکنش‌های اولیه‌ای که دارید.

On top of it, we have this memory system called the neocortex.

و بر فراز آن، ما این سامانه حافظه‌ به نام نئوکورتکس را هم در اختیار داریم.

And the memory system is sitting over the sensory part of the brain.

و سامانه حافظه بر فراز قسمت حسی مغز نشسته است.

So as the sensory input comes in and feeds from the old brain,

و لذا همانطور كه درون‌رو‌های حسی وارد می‌شوند و از مغز قدیمی تغذيه می‌شوند،

it also goes up into the neocortex.

و همچنين می‌روند بالا به نئوکورتکس. و نئوکورتکس فقط در حال به خاطر سپردن است.

And the neocortex is just memorizing.

It's sitting there saying, I'm going to memorize all the things going on:

آنجا نشسته و می‌گوید، آها، من همه چیزهائی که اتفاق می‌افتند را به خاطر می‌سپارم.

where I've been, people I've seen, things I've heard, and so on.

جاهائی که بودم، مردمی که دیدم، چیزهائی که شنیدم، و غیره.

And in the future, when it sees something similar to that again,

و در آینده، وقتی چیزی مشابه آن را دوباره ببیند،

in a similar environment, or the exact same environment,

در محیط مشابه، یا در محیط دقیقا یکسان،

it'll start playing it back: "Oh, I've been here before,"

آن را بازپخش می‌کند. شروع به بازپخش آن می‌کند.

آها، من قبلا هم اینجا بوده‌ام. و وقتی بار قبل اینجا بودی،

and when you were here before, this happened next.

بعدش این اتفاق افتاد. این به شما اجازه می‌دهد درباره آینده پیش‌بینی کنید.

It allows you to predict the future.

It literally feeds back the signals into your brain;

به شما اجازه می‌دهد که، واقعا علائم را به مغز باز‌خوران می‌كند؛

they'll let you see what's going to happen next,

و اینها به شما اجازه می‌دهند که بدانيد بعدش چه اتفاقی می‌افتد.

will let you hear the word "sentence" before I said it.

اجازه می‌دهد که کلمه «جمله» را قبل از آنکه من آن را بگویم بشنوید.

And it's this feeding back into the old brain

و این بازخوران‌ به مغز قدیم

that will allow you to make more intelligent decisions.

به شما امکان می‌دهد تا تصمیمات بسیار هوشمندانه‌تری بگیرید.

This is the most important slide of my talk, so I'll dwell on it a little.

این مهم‌ترین تصویر صحبت من است، پس کمی روی آن تاکید می‌کنم.

And all the time you say, "Oh, I can predict things,"

و لذا، شما همواره می‌گوئید که، آها، من می‌توانم چیز‌ها را پیش‌بینی کنم.

so if you're a rat and you go through a maze, and you learn the maze,

و اگر شما موش باشید و از یک معمای پر پیچ و خم رد بشوید، و بعد آن معما را ياد می‌گيريد،

next time you're in one, you have the same behavior.

بار بعدی که در یک معما باشید، رفتار مشابهی خواهید داشت،

But suddenly, you're smarter; you say, "I recognize this maze,

ولی ناگهان،‌ شما با‌هوش‌تر هستید

چون شما می‌گوئید، آها، این معما را می‌شناسم، می‌دانم از کدام طرف بروم،

I know which way to go; I've been here before; I can envision the future."

قبلا هم اینجا بوده‌ام، من می‌توانم آینده را ببینم. و این چیزی است که [مغز] انجام می‌دهد.

That's what it's doing.

This is true for all mammals --

در انسان‌ها -- در ضمن، این موضوع در مورد همه پستانداران صادق است؛

in humans, it got a lot worse.

برای بقیه پستانداران هم درست است -- و در انسان‌ها، بسیار شدیدتر است.

Humans actually developed the front of the neocortex,

در انسان‌ها، در واقع بخش پیشینی نئوکورتکس گسترش يافته است

called the anterior part of the neocortex.

که آن را بخش قدامی نئوکورتکس می‌نامند. و طبیعت نیز کلک کوچکی زد.

And nature did a little trick.

It copied the posterior, the back part, which is sensory,

بخش خلفی را، بخش عقب، که بخش حسی است را، یکسان‌سازی کرد

and put it in the front.

و آن را در بخش جلویی قرار داد.

Humans uniquely have the same mechanism on the front,

و انسان‌ها منحصرا همان کارکرد را در بخش جلویی مغزشان هم دارند،

but we use it for motor control.

اما ما از آن برای تنظیم حرکت استفاده می‌کنیم.

So we're now able to do very sophisticated motor planning, things like that.

پس ما حالا قادر هستیم تا طرح حرکات بسیار پیچیده را ایجاد کنیم، و چیز‌هائی از این قبیل.

I don't have time to explain, but to understand how a brain works,

فعلا زمان آن را ندارم تا به همه این بپردازم، اما اگر می‌خواهید بفهميد که مغز چگونه کار می‌کند،

you have to understand how the first part of the mammalian neocortex works,

ابتدا باید دریابید که نخستین بخش نئوکورتکس پستاندارن چگونه کار می‌کند،

و چگونه ما الگوها را ذخیره می‌کنیم و پیش‌بینی می‌کنیم.

how it is we store patterns and make predictions.

پس بگذارید چند نمونه از پیش‌بینی‌ها را به شما ارائه بدهم.

Let me give you a few examples of predictions.

I already said the word "sentence."

قبلا کلمه «جمله» را گفتم. در موسیقی،

In music, if you've heard a song before,

اگر قبلا آهنگی را شنیده باشید، اگر شنیده باشید که جیل (Jill) قبلا آن آوازها را خوانده باشد،

when you hear it, the next note pops into your head already --

وقتی او آن آوازها می‌خواند، نت بعدی بلافاصله به ذهنتان می‌آید --

you anticipate it.

شما همان‌طور که می‌شنوید پیش‌بینی می‌کنید. اگر یک آلبوم موسيقی بود،

With an album, at the end of a song, the next song pops into your head.

در پایان آلبوم اول، آهنگ بعدی به ذهنتان می‌آید.

It happens all the time, you make predictions.

و این چیزها همیشه اتفاق می‌افتد. شما این حدس‌ها را می‌زنید.

I have this thing called the "altered door" thought experiment.

من این چیز را دارم که اسم آن آزمایش تفکر تغییر درب است.

It says, you have a door at home;

و آزمایش آزمایش تفکر تغییر درب می‌گوید، شما یک درب در خانه دارید،

when you're here, I'm changing it --

وقتی که اینجا هستید، تغییرش می‌دهم، یک آدمی را داریم،

I've got a guy back at your house right now, moving the door around,

که الان در خانه شماست، و مشغول جا‌به‌جا کردن درب است،

moving your doorknob over two inches.

و آنها دسته درب را بر‌ می‌دارند و دو اینچ آن را جا‌به‌جا می‌کنند.

When you go home tonight, you'll put your hand out, reach for the doorknob,

و وقتی که شما امشب به خانه می‌روید، شما دستتان را در می‌آورید،

و به سوی دسته درب دراز می‌کنید و متوجه می‌شوید

notice it's in the wrong spot

که جای آن غلط است، و می‌گوئید، وای، اتفاقی افتاده است.

and go, "Whoa, something happened."

It may take a second, but something happened.

ممکن است ثانیه‌ای طول بکشد تا متوجه بشويد که چه اتفاقی افتاده، اما اتفاقی افتاده است.

I can change your doorknob in other ways --

حال من می‌توانم حلقه درب را به طریق دیگری تغییر بدهم.

make it larger, smaller, change its brass to silver, make it a lever,

می‌توانستم بزرگتر یا کوچکترش کنم. می‌توانم جنسش را از مفرق به نقره تغییر بدهم،

می‌توانستم آن را به یک دسته تغییر بدهم. می‌‌توانم درب خانه‌تان را تغییر بدهم، رنگش کنم،

I can change the door; put colors on, put windows in.

روی آن پنجره بگذارم. می‌توانم هزاران تغییر روی درب ایجاد کنم،

I can change a thousand things about your door

و در همان دو ثانیه‌ای که طول می‌کشد تا درب را باز کنید،

and in the two seconds you take to open it,

شما پی خواهید برد که اینجا چیزی تغییر کرده است.

you'll notice something has changed.

Now, the engineering approach, the AI approach to this,

حال، رویکرد مهندسی به این، رویکرد هوش مصنوعی به این،

is to build a door database with all the door attributes.

ساخت پایگاه ‌داده درب است. تمام ویژگی‌های درب را داراست.

And as you go up to the door, we check them off one at time:

و هنگامی که به درب می‌رسید، می‌دانید، تمام ویژگی‌ها را تک‌تک بررسی می‌کند.

door, door, color ...

درب، درب، درب، می‌دانید، رنگ، می‌دانید که چه می‌گویم.

We don't do that. Your brain doesn't do that.

ما آن کار را نمی‌کنیم. مغز شما آن کار را نمی‌کند.

Your brain is making constant predictions all the time

آنچه مغز شما انجام می‌دهد این است که همواره به طور دائم مشغول پیش‌بینی کردن

about what will happen in your environment.

در مورد این است که در محیط اطراف شما چه اتفاقاتی خواهد افتاد.

As I put my hand on this table, I expect to feel it stop.

در حالی که دستم را روی این میز می‌گذارم، انتظار دارم حس کنم که آن متوقف شده.

When I walk, every step, if I missed it by an eighth of an inch,

هنگام راه رفتن، در هر گام، اگر یک هشتم اینچ اشتباه شود،

I'll know something has changed.

می‌فهمم چیزی تغییر کرده.

You're constantly making predictions about your environment.

شما همواره در حال پیش‌بینی کردن محیط هستید.

I'll talk about vision, briefly.

به طور مختصر راجع به بینائی صحبت می‌کنم. این تصویر یک زن است.

This is a picture of a woman.

When we look at people, our eyes saccade over two to three times a second.

هنگامی که به انسان‌ها نگاه می‌کنید، چشمان‌تان خیره می‌شوند

برای دو یا سه بار در ثانیه.

We're not aware of it, but our eyes are always moving.

شما به این آگاه نیستید، اما چشمانتان همواره در حال حرکت هستند.

و پس وقتی به چهره کسی نگاه می‌کنید،

When we look at a face, we typically go from eye to eye to nose to mouth.

شما بطور معمول از چشم به چشم به چشم به دماغ به دهان می‌روید.

When your eye moves from eye to eye,

حالا، هنگامی که چشمتان از چشم به چشم حرکت می‌کند،

if there was something else there like a nose,

اگر چیز دیگری آنجا باشد مثلا، یک دماغ،

you'd see a nose where an eye is supposed to be and go, "Oh, shit!"

و شما در جائی که قرار است چشم باشد دماغ را ببینید،

و شما می‌گوئید، ای وای، می‌دانید--

(Laughter)

"There's something wrong about this person."

(خنده حضار)

این آدم یک چیزش اشتباه است.

That's because you're making a prediction.

و این به آن دلیل است که شما دارید یک پیش‌بینی می‌کنید.

It's not like you just look over and say, "What am I seeing? A nose? OK."

مثلا این جور نیست که شما نگاه کنید و بگوئید، من الان چه دارم می‌بینم؟

یک بینی، که درست است. نه، شما انتظاری از آنچه که خواهید دید دارید.

No, you have an expectation of what you're going to see.

(خنده حضار)

Every single moment.

در هر لحظه. و در پایان، به این بی‌اندیشیم که چطور ما هوشمندی را می‌سنجيم.

And finally, let's think about how we test intelligence.

We test it by prediction: What is the next word in this ...?

ما با پیش‌بینی آن را می‌سنجیم. لغت بعدی در این‌جا چیست، می‌دانید؟

This is to this as this is to this. What is the next number in this sentence?

این به این مانند آن به آن. عدد بعدی این جمله چیست؟

Here's three visions of an object. What's the fourth one?

این سه نما از یک شی است.

نمای چهارم آن چیست؟ این است نحوه سنجش ما. همه‌اش راجع به پیش‌بینی است.

That's how we test it. It's all about prediction.

So what is the recipe for brain theory?

پس راه‌کار برای نظریه مغز چیست؟

First of all, we have to have the right framework.

اول از همه، ما باید چهارچوب درستی داشته باشیم.

And the framework is a memory framework,

و این چهارچوب یک چهارچوب حافظه است،

not a computational or behavior framework,

نه یک چهارچوب محاسباتی یا رفتاری. این یک چهار چوب حافظه است.

it's a memory framework.

How do you store and recall these sequences of patterns?

چطور شما این مراحل یا الگوها را ذخیره و یا فراخوانی می‌کنید؟ اینها الگوهای فضائی-زمانی هستند.

It's spatiotemporal patterns.

Then, if in that framework, you take a bunch of theoreticians --

سپس، اگر در آن چهارچوب، یک تعدادی نظریه‌پرداز را بگیرید.

biologists generally are not good theoreticians.

حالا زیست‌شناسان کلا نظریه‌پردازان خوبی نیستند.

این همیشه درست نیست، ولی کلا، تاریخچه خوبی از نطریه در زیست‌شناسی موجود نیست.

Not always, but generally, there's not a good history of theory in biology.

I've found the best people to work with are physicists,

پس من به این نتیجه رسیده‌ام که بهترین آدم‌های برای این کار فیزیک‌دان‌ها هستند،

engineers and mathematicians,

مهندس‌ها و ریاضی‌دان‌ها، که گرایش به تفکر الگوریتمی دارند.

who tend to think algorithmically.

Then they have to learn the anatomy and the physiology.

آنها باید کالبد‌شناسی یاد بگیرند، و آنها باید تن‌کرد‌شناسی یاد بگیرند.

You have to make these theories very realistic in anatomical terms.

این نظریه‌ها باید خیلی واقع‌گرایانه از دیدگاه کالبدشناسی تولید شوند.

هر کسی که بلند شود و به شما نظریه خودش را در مورد نحوه کارکرد مغز بگوید

Anyone who tells you their theory about how the brain works

and doesn't tell you exactly how it's working

و به شما نگوید که آن دقیقا چگونه در مغز کار می‌کند

and how the wiring works --

و چگونه مدار آن در مغز کار می‌کند، آن یک نظریه نیست.

it's not a theory.

And that's what we do at the Redwood Neuroscience Institute.

و این کاری است که ما در موئسسه علوم‌اعصاب ردوود به آن مشغول هستیم.

I'd love to tell you we're making fantastic progress in this thing,

من دوست داشتم که وقت بیشتری می‌داشتم که به شما بگویم که ما پیش‌رفت خارق‌العاده‌ای در این زمینه داشته‌ایم،

and I expect to be back on this stage sometime in the not too distant future,

و من انتظار دارم که مجددا به روی این صحنه بيایم،

شاید این در وقت دیگری در آینده نه چندان دور باشد که به شما در مورد آن بگویم.

to tell you about it.

I'm really excited; this is not going to take 50 years.

من خیلی، خیلی هیجان زده‌‌ام. این اصلا قرار نیست ۵۰ سال طول بکشد.

What will brain theory look like?

پس نطریه مغزی چه شکلی خواهد داشت؟

First of all, it's going to be about memory.

اولا، یک نظریه در مورد حافظه خواهد بود.

Not like computer memory -- not at all like computer memory.

نه مانند حافظه رایانه. اصلا مانند حافظه رایانه نیست.

It's very different.

خیلی، خیلی متفاوت است. و حافطه‌ای است از این

It's a memory of very high-dimensional patterns,

الگو‌های چند بُعدی، مانند چیز‌هائی که از چشم‌تان می‌آید.

like the things that come from your eyes.

It's also memory of sequences:

همچنین این یک حافظه متوالی است.

you cannot learn or recall anything outside of a sequence.

شما هیچ چیزی را خارج از توالی نمی‌توانید یاد بگیرید.

A song must be heard in sequence over time,

یک آهنگ باید در یک توالی در طول زمان شنیده شود،

and you must play it back in sequence over time.

و شما باید آن را در یک توالی در طول زمان باز‌پخش کنید.

And these sequences are auto-associatively recalled,

و این توالی‌ها به صوت مرتبط و خودکار باز‌یابی می‌شوند، بنابراین اگر من چیزی را ببینم،

so if I see something, I hear something, it reminds me of it,

چیزی را بشنوم، من را به یاد همان چیز می‌اندازد، و بعد به صورت خودکار بازپخش می‌شود.

and it plays back automatically.

It's an automatic playback.

این یک بازپخش خودکار است. و پیش‌بینی درون‌‌روهای آینده، برون‌داد مطلوب است.

And prediction of future inputs is the desired output.

And as I said, the theory must be biologically accurate,

و همان‌طور که گفتم، نظریه باید از لحاظ زیست‌شناختی درست باشد،

it must be testable and you must be able to build it.

و باید قابل آزمایش باشد، و شما باید توانائی ساخت آن را داشته باشید.

If you don't build it, you don't understand it.

اگر آن را نسازید، آن را درک نمی‌کنید. خوب، یک تصویر دیگر داريم.

One more slide.

What is this going to result in?

این به چه نتیجه‌ای میرسد؟ آیا ما واقعا ماشین‌های هوشمند خواهیم ساخت؟

Are we going to really build intelligent machines?

قطعا. و این با چیزی که مردم به آن فکر می‌کنند متفاوت خواهد بود.

Absolutely. And it's going to be different than people think.

در نظر من، بدون شک این اتفاق خواهد افتاد.

No doubt that it's going to happen, in my mind.

First of all, we're going to build this stuff out of silicon.

اولا، این ساخته خواهد شد، ما این چیز‌ها را از سیلیکون خواهیم ساخت.

The same techniques we use to build silicon computer memories,

همون فنونی که ما برای ساختن حافظه‌های سیلیکونی رایانه به کار می‌بریم،

we can use here.

در این‌جا می‌توانیم از آنها استفاده کنیم.

But they're very different types of memories.

ولی این نوع متفاوتی از حافظه است.

And we'll attach these memories to sensors,

و ما این حافظه‌ها را به گیرنده‌های حسی وصل می‌کنیم،

and the sensors will experience real-live, real-world data,

و این گیرنده‌های حسی داده زنده-حقیقی، و دنیای-حقیقی را تجربه خواهند کرد،

and learn about their environment.

و این چیز‌ها را در مورد محیط‌شان یاد خواهند گرفت.

Now, it's very unlikely the first things you'll see are like robots.

حالا احتمالش خیلی کم خواهد بود که چیز‌های اولیه‌ای که می‌بینید مانند آدم مصنوعی (روبوت) باشند.

Not that robots aren't useful; people can build robots.

نه اينكه آدم مصنوعی‌ها مفید نیستند و انسان‌ها می‌توانند آدم مصنوعی‌ بسازند.

But the robotics part is the hardest part. That's old brain. That's really hard.

ولی قسمت علم آدم مصنوعی (روبوتیکس) سخت‌ترین قسمت این است. این مغز قدیمی است. آن واقعا سخت است.

The new brain is easier than the old brain.

در واقع مغز جدید تا حدی راحت‌تر از مغز قدیم است.

So first we'll do things that don't require a lot of robotics.

پس اولین کاری که ما خواهیم کرد چیز‌هائی خواهد بود که نیاز زیادی به علم آدم مصنوعی نخواهد داشت.

So you're not going to see C-3PO.

پس شما [آدم مصنوعی] سی-۳-پی-او را نخواهید دید.

You're going to see things more like intelligent cars

شما بیشتر چیز‌هائی مانند، می‌دانید، خودرو هوشمند را خواهید دید

that really understand what traffic is, what driving is

که واقعا مفهوم ترافیک را درک می‌کنند و این‌که رانندگی چیست

and have learned that cars with the blinkers on for half a minute

و آموخته‌اند که بعضی از خودروها که چراغ‌ راهنمای‌شان برای نیم دقیقه روشن مانده

probably aren't going to turn.

احتمالا نخواهند پیچید، و چیزهائی از این قبیل.

(Laughter)

(خنده حضار)

We can also do intelligent security systems.

ما همچنین می‌توانیم سامانه‌های امنیتی هوشمند بسازیم.

Anytime we're basically using our brain but not doing a lot of mechanics --

هر جائی که اساسا ما از مغزمان استفاده می‌کنیم، ولی خیلی کار حرکتی نمی‌کنیم.

those are the things that will happen first.

اینها چیز‌هائی است که اول اتفاق خواهد افتاد.

But ultimately, the world's the limit.

ولی در نهایت، در اینجا دنیا محدوده ما است.

I don't know how this will turn out.

من نمی‌دانم این به چه نحوی در خواهد آمد.

I know a lot of people who invented the microprocessor.

من یک تعداد زیادی از افرادی را که ریزپردازش‌گر (microprocessor) را ساختند را می‌شناسم.

And if you talk to them,

و اگر با آنها گفت‌وگو کنید، آنها می‌دانستند کاری که دارند می‌کنند خیلی موثر است،

they knew what they were doing was really significant,

but they didn't really know what was going to happen.

ولی واقعا نمی‌دانستند که چه اتفاقی خواهد افتاد.

They couldn't anticipate cell phones and the Internet

آنها نمی‌توانستند پیش‌بینی تلفن همراه و اینترنت و تمام این‌گونه چیز‌ها را بکنند.

and all this kind of stuff.

They just knew like, "We're going to build calculators

آنها فقط مثلا می‌دانستند که، آهای، ما ماشین‌حساب

and traffic-light controllers.

و تنظیم‌گر چراغ راهنمائی می‌سازیم. ولی این عظيم خواهد بود.

But it's going to be big!"

In the same way, brain science and these memories

به همون نحو، این مانند علوم مغزی است و این حافظه‌ها

are going to be a very fundamental technology,

یک فن‌آوری بنیادین خواهند بود، و منجر به

and it will lead to unbelievable changes in the next 100 years.

تغییرات خیلی غیر‌قابل باوری در ۱۰۰ سال آینده خواهند شد.

And I'm most excited about how we're going to use them in science.

و من بیشترین هیجان را از بابت این دارم که از آنها چگونه در علم استفاده خواهیم کرد.

So I think that's all my time -- I'm over,

خوب، فکر می‌کنم زمان من تمام شده است، من آن را تمام كردم، و صحبتم را

and I'm going to end my talk right there.

در همین‌جا به پایان می‌رسانم.