Are Insect Brains the Secret to Great AI? | Frances S. Chance | TED

Translator: Artin Niasti Reviewer: Simin Kazemi

Creating intelligence on a computer.

ایجاد هوش در کامپیوتر

This has been the Holy Grail for artificial intelligence

برای مدت مدیدی هدف غایی هوش مصنوعی بوده است.

for quite some time.

But how do we get there?

اما چطور می‌توانیم به این هدف برسیم؟

So we view ourselves as highly intelligent beings.

ما خود را به‌عنوان موجوداتی بسیار هوشمند تصور می‌کنیم.

So it's logical to study our own brains,

پس منطقی است که مغز خودمان،

the substrate of our cognition, for creating artificial intelligence.

بستر شناختمان، را برای ایجاد هوش مصنوعی مطالعه کنیم.

Imagine if we could replicate how our own brains work on a computer.

تصور کنید می‌توانستیم سازوکار مغز خودمان را بر روی کامپیوتر پیاده کنیم.

But now consider the journey that would be required.

حالا به مسیری که برای این کار می‌بایست طی کنیم فکر کنید.

The human brain contains 86 billion neurons.

مغز انسان دارای ۸۶میلیارد نورون است.

Each is constantly communicating with thousands of others,

هر یک از آن‌ها دائماً با هزاران نورون دیگر در ارتباط است

and each has individual characteristics of its own.

و هر یک ویژگی‌های خاص خود را دارد.

Capturing the human brain on a computer

کار بازتولید مغز انسان بر روی کامپیوتر

may simply be too big and too complex a problem

شاید اصلاً بزرگ‌تر و پیچیده‌تر از آن باشد

to tackle with the technology and the knowledge that we have today.

که بشود با فناوری و دانش امروز از عهده‌ی آن برآمد.

I believe that we can capture a brain on a computer,

من اعتقاد دارم پیاده‌سازی مغز بر روی کامپیوتر شدنی است،

but we have to start smaller.

ولی اول باید با طرح‌های کوچک‌تر شروع کنیم.

Much smaller.

خیلی کوچک‌تر.

These insects have three of the most fascinating brains in the world to me.

از نظر من، این سه حشره شگفت‌انگیزترین مغزهای دنیا را دارند.

While they do not possess human-level intelligence,

با این که هوش انسان را ندارند،

each is remarkable at a particular task.

هر کدام در کار خاصی برجسته‌اند.

Think of them as highly trained specialists.

آن‌ها را مانند متخصصان بسیار آموزش‌دیده تصور کنید.

African dung beetles are really good at rolling large balls in straight lines.

سرگین‌غلتان‌های آفریقایی در غلتاندن گلوله‌های بزرگ در مسیر مستقیم تبحر دارند.

(Laughter)

(خنده‌ی حضار)

Now, if you've ever made a snowman,

اگر آدم برفی ساخته باشید

you know that rolling a large ball is not easy.

می‌دانید که غلتاندن یک گلوله بزرگ آسان نیست.

Now picture trying to make that snowman

حالا تصور کنید آدم برفی را

when the ball of snow is as big as you are

با گلوله‌ی برفی‌ای می‌سازید که به بزرگی خودتان است،

and you're standing on your head.

در حالی که روی سرتان ایستاده‌اید.

(Laughter)

(خنده‌ی حضار)

Sahara desert ants are navigation specialists.

مورچه‌های بیابانی صحرای آفریقا متخصصان مسیریابی هستند.

They might have to wander a considerable distance to forage for food.

آن‌ها گاهی ناچارند سرگردان، فواصل زیادی را برای یافتن غذا بپیمایند.

But once they do find sustenance,

اما بعد از یافتن آذوقه،

they know how to calculate the straightest path home.

می‌توانند نزدیک‌ترین مسیر به سمت خانه را محاسبه کنند.

And the dragonfly is a hunting specialist.

سنجاقک هم متخصص شکار است.

In the wild, dragonflies capture approximately 95 percent

در طبیعت، سنجاقک‌ها حدود ۹۵درصد از

of the prey they choose to go after.

اهدافشان را با موفقیت شکار می‌کنند.

These insects are so good at their specialties

این حشرات به‌قدری در کارکردهای ویژه‌ی خود خوب هستند

that neuroscientists such as myself study them as model systems

که عصب‌پژوهانی مثل من، روی آن‌ها به‌عنوان سیستم‌های مدل تحقیق می‌کنند

to understand how animal nervous systems solve particular problems.

تا درک کنند دستگاه‌های عصبی حیوانات چگونه مسئله‌های مشخصی را حل می‌کنند.

And in my own research, I study brains to bring these solutions,

من بر روی مغزها تحقیق می‌کنم تا بتوانم این راه‌حل‌ها را،

the best that biology has to offer, to computers.

که بهترین راه‌حل‌های دنیای طبیعی هستند، به کامپیوترها منتقل کنم.

So consider the dragonfly brain.

مغز سنجاقک را در نظر بگیرید.

It has only on the order of one million neurons.

تعداد نورون‌های آن فقط در حدود یک‌میلیون است.

Now, it's still not easy to unravel a circuit of even one million neurons.

البته از هم بازکردنِ یک مدار یک‌میلیون‌نورونی هم آسان نیست.

But given the choice

اما اگر قرار بود بین تلاش برای تجزیه و تحلیل یک مغز یک‌میلیون‌نورونی

between trying to tease apart the one-million-neuron brain

versus the 86-billion-neuron brain,

و یک مغز ۸۶میلیارد نورونی انتخاب کنید،

which would you choose to try first?

شما اول کدام را انتخاب می‌کردید؟

(Laughter)

(خنده‌ی حضار)

When studying these smaller insect brains,

در تحقیق روی این مغزهای کوچک‌تر حشرات،

the immediate goal is not human intelligence.

هدف اولیه هوش انسانی نیست.

We study these brains for what the insects do well.

ما این مغزها را بر اساس هر کاری که حشرات در آن خوب هستند، بررسی می‌کنیم.

And in the case of the dragonfly, that's interception.

در مورد سنجاقک، توانایی رهگیری آن قابل توجه است.

So when dragonflies are hunting,

موقع شکار، سنجاقک‌ها فقط با پرواز مستقیم به‌سمت طعمه آن را شکار نمی‌کنند.

they do more than just fly straight at the prey.

آن‌ها طوری پرواز می‌کنند که بتوانند رهگیری‌اش می‌کنند.

They fly in such a way that they will intercept it.

They aim for where the prey is going to be.

سنجاقک نقطه‌ای که شکار خواهد بود را نشانه می‌گیرد.

Much like a soccer player, running to intercept a pass.

مثل بازیکن فوتبالی که به‌دنبال قطع‌کردن پاس حریف است.

To do this correctly,

برای اجرای موفق این عمل،

dragonflies need to perform what is known as a coordinate transformation,

سنجاقک باید کاری انجام دهد که به آن انتقال مختصات می‌گوییم،

going from the eye’s frame of reference, or what the dragonfly sees,

یعنی از چارچوب مرجع چشم، یعنی چیزی که سنجاقک می‌بیند،

to the body's frame of reference,

برود به چارچوب مرجع بدن،

or how the dragonfly needs to turn its body to intercept.

یعنی چگونه باید بدنش را برای رهگیری بچرخاند.

Coordinate transformations are a basic calculation

انتقال مختصات محاسبه‌ی پایه‌ای است

that animals need to perform to interact with the world.

که حیوانات برای تعامل با جهان به آن نیاز دارند.

We do them instinctively every time we reach for something.

هرگاه برای برداشتن چیزی دست دراز می‌کنیم این محاسبات را غریزی انجام می‌دهیم.

When I reach for an object straight in front of me,

وقتی من دستم را به‌سمت شیئی که روبرویم است دراز می‌کنم،

my arm takes a very different trajectory than if I turn my head,

بازوهای من مسیر متفاوتی را طی می‌کنند در مقایسه با حالتی که

look at that same object when it is off to one side

همان جسم در سمت چپ یا راست من است و سرم را به آن سمت می‌گردانم.

and reach for it there.

In both cases, my eyes see the same image of that object,

در هر دو حالت، چشم‌های من تصویر مشابهی از شیء را دریافت می‌کنند.

but my brain is sending my arm on a very different trajectory

اما مغز من، براساس موقعیت گردنم، بازویم را به مسیر کاملاً متفاوتی هدایت می‌کند.

based on the position of my neck.

And dragonflies are fast.

و سنجاقک‌ها سریع هستند.

This means they calculate fast.

این یعنی محاسباتشان هم سریع است.

The latency, or the time it takes for a dragonfly to respond

تأخیر زمانی یعنی زمانی که طول می‌کشد تا سنجاقک واکنش دهد

once it sees the prey turn,

به محض این که چرخیدن شکار را می‌بیند،

is about 50 milliseconds.

در حدود ۵۰ میلی‌ثانیه است.

This latency is remarkable.

این میزان تأخیر، جالب‌توجه است.

For one thing, it's only half the time of a human eye blink.

از طرفی، این مدت فقط نصف مدت‌زمان یک بار پلک‌زدن انسان است.

But for another thing,

از طرف دیگر،

it suggests that dragonflies capture how to intercept

این موضوع به ما نشان می‌دهد که چگونه سنجاقک‌ها هدف خود را

in only relatively or surprisingly few computational steps.

با گام‌های محاسباتی نسبتاً کم یا به‌طور شگفت‌انگیزی کم رهگیری می‌کنند.

So in the brain,

پس در مغز

a computational step is a single neuron

هر گام محاسباتی عبارت است از یک نورون

or a layer of neurons working in parallel.

یا یک لایه از نورون‌ها که با هم کار می‌کنند.

It takes a single neuron about 10 milliseconds

برای یک نورون، تقریباً ۱۰ میلی‌ثانیه طول می‌کشد که

to add up all its inputs and respond.

تمام ورودی‌ها را تجمیع کند و واکنش دهد.

The 50-millisecond response time

سرعت واکنش ۵۰میلی‌ثانیه‌ای

means that once the dragonfly sees its prey turn,

یعنی وقتی سنجاقک می‌بیند که شکار چرخید،

there's only time for maybe four of these computational steps

فقط به اندازه‌ی چهار تا از این گام‌های محاسباتی زمان هست

or four layers of neurons, working in sequence, one after the other,

یا به‌اندازه‌ی یک زنجیره از چهار لایه نورون که در پی هم کار می‌کنند،

to calculate how the dragonfly needs to turn.

تا محاسبه کند که چگونه باید بچرخد.

In other words, if I want to study

به بیانی دیگر، اگر بخواهم تحقیق کنم

how the dragonfly does coordinate transformations,

که سنجاقک چگونه انتقال مختصات‌ها را محاسبه می‌کند،

the neural circuit that I need to understand,

مدار عصبی‌ای که باید درک کنم،

the neural circuit that I need to study,

مدار عصبی‌ای که باید روی آن تحقیق کنم،

can have at most four layers of neurons.

حداکثر می‌تواند چهار لایه نورون داشته باشد.

Each layer may have many neurons,

هر لایه ممکن است دارای نورون‌های متعددی باشد.

but this is a small neural circuit.

ولی این یک مدار عصبی کوچک است.

Small enough that we can identify it

آن‌قدر کوچک که می‌توانیم با ابزارهای امروز آن را شناسایی و مطالعه کنیم.

and study it with the tools that are available today.

And this is what I'm trying to do.

و این کاری است که من سعی دارم انجام بدهم.

I have built a model of what I believe is the neural circuit

من یک مدل ساخته‌ام که بر اساس تصورم از مدار عصبی‌ای است

that calculates how the dragonfly should turn.

که محاسبه می‌کند سنجاقک چگونه بچرخد.

And here is the cool result.

و این نتیجه‌ی جالبی است که گرفتم.

In the model,

در این مدل،

dragonflies do coordinate transformations in only one computational step,

سنجاقک‌ها انتقال مختصات را فقط در یک گام محاسباتی و یک لایه نورون انجام می‌دهند.

one layer of neurons.

This is something we can test and understand.

این چیزی است که قابل تست و قابل درک است.

In a computer simulation,

در یک شبیه‌سازی کامپیوتری، من می‌توانم فعالیت‌های هر نورون را

I can predict the activities of individual neurons

while the dragonfly is hunting.

موقعی که سنجاقک دارد شکار می‌کند، پیش‌بینی کنم.

For example, here I am predicting the action potentials, or the spikes,

برای مثال، در اینجا پتانسیل عمل یا جهش‌هایی را پیش‌بینی می‌کنم

that are fired by one of these neurons

که یکی از این نورون‌های سنجاقک پس از دیدن حرکت شکار منتشر می‌کند.

when the dragonfly sees the prey move.

To test the model, my collaborators and I

برای آزمودن مدل، من و همکارانم

are now comparing these predicted neural responses

هم اکنون داریم این پاسخ‌های عصبی فرضی را مقایسه می‌کنیم با

with responses of neurons recorded in living dragonfly brains.

پاسخ‌های ضبط شده از نورون‌های مغز سنجاقک زنده.

These are ongoing experiments

در این آزمایشات ادامه‌دار، ما سنجاقک‌های زنده را در واقعیت مجازی قرار می‌دهیم.

in which we put living dragonflies in virtual reality.

(Laughter)

(خنده‌ی حضار)

Now, it's not practical to put VR goggles on a dragonfly.

البته گذاشتن عینک واقعیت مجازی روی سر سنجاقک عملی نیست.

So instead, we show movies of moving targets to the dragonfly,

در عوض، به سنجاقک فیلم‌های اهداف متحرک را نشان می‌دهیم.

while an electrode records activity patterns of individual neurons

و همزمان یک الکترود الگوهای فعالیت نورون‌های واحد در مغز را ثبت می‌کند.

in the brain.

Yeah, he likes the movies.

بله فیلم‌ها را دوست دارد.

If the responses that we record in the brain

اگر پاسخ‌هایی که از مغز ثبت می‌شود

match those predicted by the model,

با پاسخ‌های مدل همخوانی داشته باشند،

we will have identified which neurons are responsible

ما نورون‌های مسئول انتقال مختصات را پیدا کرده‌ایم.

for coordinate transformations.

The next step will be to understand the specifics

گام بعدی، شناخت جزئیات دقیق از

of how these neurons work together to do the calculation.

چگونگی همکاری این نورون‌ها با هم برای انجام این محاسبات است.

But this is how we begin to understand how brains do basic

اما این نقطه‌ی شروعی است برای درک این که مغزها چگونه محاسبات ساده

or primitive calculations.

یا ابتدایی را انجام می‌دهند.

Calculations that I regard as building blocks for more complex functions,

محاسباتی که از دید من، واحدهای سازنده برای کارکردهای پیچیده‌تر هستند،

not only for interception but also for cognition.

یعنی نه فقط برای رهگیری، بلکه برای شناخت هم هستند.

The way that these neurons compute may be different from anything

سازوکار محاسبه‌ای که این نورون‌ها دارند ممکن است با هر چیزی فرق داشته باشد که

that exists on a computer today.

در کامپیوترهای امروزی وجود دارد.

And the goal of this work is to do more than just write code

هدف این پژوهش صرفاً نوشتن کدی نیست که

that replicates the activity patterns of neurons.

الگوی فعالیت نورون‌ها را شبیه‌سازی کند.

We aim to build a computer chip

ما قصد داریم تراشه‌ی کامپیوتری‌ای بسازیم

that not only does the same things as biological brains

که نه‌تنها همان کارهای یک مغز طبیعی را انجام می‌دهد،

but does them in the same way as biological brains.

بلکه آن را به همان شیوه‌ی مغز طبیعی هم انجام می‌دهد.

This could lead to drones driven by computers

این موضوع می‌تواند به پهپادهایی منتهی شود که

با کامپیوترهایی در اندازه‌ی مغز سنجاقک کنترل می‌شوند

the same size of the dragonfly's brain

that captures some targets and avoid others.

که بعضی چیزها را هدف گرفته و از برخی دیگر دوری می‌کنند.

Personally, I'm hoping for a small army of these

شخصاً امیدوارم ارتش کوچکی از آن‌ها را

to defend my backyard from mosquitoes in the summer.

برای دفاع از حیاط پشتی‌ام در تابستان در مقابل پشه‌ها داشته باشم.

(Laughter)

(خنده‌ی حضار)

The GPS on your phone could be replaced by a new navigation device

جی‌پی‌اس تلفن شما می‌تواند با مسیریاب جدیدی جایگزین شود

based on dung beetles or ants

که بر پایه‌ی سرگین‌غلتان یا مورچه است

that could guide you to the straight or the easy path home.

که می‌تواند مسیر مستقیم یا آسان به خانه‌تان را نشانتان دهد.

And what would the power requirements of these devices be like?

اما مصرف انرژی چنین وسیله‌ای چقدر است؟

As small as it is --

با همه‌ی کوچکی

Or, sorry -- as large as it is,

یا... ببخشید، با تمام بزرگی،

the human brain is estimated to have the same power requirements

نیاز انرژی مغز انسان به‌طور تخمینی با یک لامپ ۲۰ وات برابر است.

as a 20-watt light bulb.

Imagine if all brain-inspired computers

تصور کنید اگر همه‌ی کامپیوترهای بر پایه‌ی مغز

had the same extremely low-power requirements.

مانند مغز مصرف انرژی بسیار پایینی داشتند.

Your smartphone or your smartwatch probably needs charging every day.

گوشی یا ساعت هوشمند شما احتمالاً باید هر روز شارژ شود.

Your new brain-inspired device might only need charging every few months,

اما دستگاه جدیدتان که بر پایه‌ی مغز است شاید فقط باید هر چند ماه یک بار شارژ شود

or maybe even every few years.

یا حتی هر چند سال یک بار.

The famous physicist, Richard Feynman, once said,

فیزیک‌دان مشهور، ریچارد فاینمن، می‌گوید:

"What I cannot create, I do not understand."

«آنچه را که نتوانم خلق کنم، نمی‌توانم درک کنم.»

What I see in insect nervous systems

چیزی که من در دستگاه عصبی حشرات می‌بینم،

is an opportunity to understand brains

فرصتی است برای درک مغز

through the creation of computers that work as brains do.

به‌وسیله‌ی ساختن کامپیوترهایی که مانند مغز کار می‌کنند.

And creation of these computers will not just be for knowledge.

و ساخت این کامپیوترها، فقط برای افزایش دانش ما نخواهد بود،

There's potential for real impact on your devices, your vehicles,

ممکن است فرصت‌ها و تغییرات زیادی برای دستگاه‌های شخصی و وسایل نقلیه

maybe even artificial intelligences.

و حتی هوش مصنوعی ایجاد کند.

So next time you see an insect,

پس دفعه‌ی بعدی که یک حشره می‌بینید،

consider that these tiny brains can lead to remarkable computers.

به یاد داشته باشید که این مغزهای کوچک

ممکن است ما را به کامپیوترهایی فوق‌العاده برسانند.

And think of the potential that they offer us for the future.

و به امکانات بالقوه‌ای که این حشرات برای آینده‌ی ما به همراه دارند فکر کنید.

Thank you.

ممنونم.

(Applause)

(تشویق)