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

תרגום: zeeva livshitz עריכה: Ido Dekkers

Creating intelligence on a computer.

יצירת אינטליגנציה במחשב.

This has been the Holy Grail for artificial intelligence

היתה הגביע הקדוש לבינה מלאכותית

for quite some time.

למשך זמן מה.

But how do we get there?

אבל איך נגיע לשם?

So we view ourselves as highly intelligent beings.

אנחנו רואים את עצמנו כיצורים תבוניים מאוד

So it's logical to study our own brains,

אז זה הגיוני לחקור את המוח שלנו,

the substrate of our cognition, for creating artificial intelligence.

תשתית ההכרה שלנו, ליצירת בינה מלאכותית.

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

תארו לעצמכם שהיינו יכולים לשכפל איך המוח שלנו עובד במחשב.

But now consider the journey that would be required.

אבל עכשיו תחשבו על המסע שיידרש.

The human brain contains 86 billion neurons.

המוח האנושי מכיל 86 מיליארד נוירונים.

Each is constantly communicating with thousands of others,

כל אחד מתקשר כל הזמן עם אלפי אחרים,

and each has individual characteristics of its own.

ולכל אחד יש מאפיינים אינדיבידואליים משלו.

Capturing the human brain on a computer

לכידת המוח האנושי במחשב

may simply be too big and too complex a problem

יכולה להיות פשוט בעיה גדולה ומורכבת מדי

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

כדי להתמודד עם הטכנולוגיה והידע שיש לנו היום.

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

אני מאמינה שאנחנו יכולים ללכוד מוח במחשב,

but we have to start smaller.

אבל אנחנו צריכים להתחיל בקטן יותר.

Much smaller.

קטן בהרבה.

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

בעיני, לחרקים האלה יש שלושה מהמוחות הכי מרתקים בעולם.

While they do not possess human-level intelligence,

בעוד שאין להם אינטליגנציה ברמה האנושית,

each is remarkable at a particular task.

כל אחד מהם מדהים במשימה מסוימת.

Think of them as highly trained specialists.

חישבו עליהם כעל מומחים מיומנים.

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

חיפושיות זבל אפריקאיות ממש טובות בגלגול כדורים גדולים בקווים ישרים.

(Laughter)

(צחוק)

Now, if you've ever made a snowman,

אם אי פעם יצרתם איש שלג,

you know that rolling a large ball is not easy.

אתם יודעים, שלגלגל כדור גדול זה לא קל.

Now picture trying to make that snowman

עכשיו דמיינו נסיון ליצור את איש השלג הזה

when the ball of snow is as big as you are

כאשר כדור השלג גדול כמוכם

and you're standing on your head.

ואתם עומדים על הראש.

(Laughter)

(צחוק)

Sahara desert ants are navigation specialists.

נמלים ממדבר סהרה הן מומחיות ניווט.

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

ייתכן שהם יצטרכו לשוטט למרחק גדול לחיפוש מזון.

But once they do find sustenance,

אבל ברגע שהם כן מוצאים מזון,

they know how to calculate the straightest path home.

הן יודעות לחשב את השביל הכי ישר הביתה.

And the dragonfly is a hunting specialist.

והשפירית היא מומחית ציד.

In the wild, dragonflies capture approximately 95 percent

בטבע, שפיריות לוכדות בערך 95 אחוז

of the prey they choose to go after.

של הטרף שהן בוחרות ללכת אחריו.

These insects are so good at their specialties

החרקים האלה כל כך טובים בהתמחויות שלהם

that neuroscientists such as myself study them as model systems

שמדעני מוח כמוני חוקרים אותם כמערכות מודל

to understand how animal nervous systems solve particular problems.

להבין איך מערכות העצבים של בעלי חיים פותרות בעיות מסוימות.

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

ובמחקר שלי, אני חוקרת מוחות כדי להביא את הפתרונות האלה,

the best that biology has to offer, to computers.

הכי טובים שלביולוגיה יש להציע, למחשבים.

So consider the dragonfly brain.

אז קחו בחשבון את מוח השפירית.

It has only on the order of one million neurons.

יש לה רק סדר גודל של מיליון נוירונים.

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

זה עדיין לא קל לפענח מעגל של אפילו מיליון נוירונים.

But given the choice

אבל בהינתן הבחירה

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

בין הניסיון להפריד בין המוח בן מיליון הנוירונים

versus the 86-billion-neuron brain,

לעומת המוח של 86 מיליארד נוירונים,

which would you choose to try first?

מה הייתם בוחרים לנסות קודם?

(Laughter)

(צחוק)

When studying these smaller insect brains,

כאשר חוקרים את מוחות החרקים הקטנים האלה,

the immediate goal is not human intelligence.

המטרה המיידית אינה אינטליגנציה אנושית.

We study these brains for what the insects do well.

אנחנו חוקרים את המוחות האלה על מה שהחרקים עושים טוב.

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

ובמקרה של השפירית, זה יירוט.

So when dragonflies are hunting,

אז כששפיריות צדות,

they do more than just fly straight at the prey.

הן עושות יותר מסתם לעוף ישר אל הטרף.

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

הן עפות בצורה כזו שהן יירטו אותו.

They aim for where the prey is going to be.

הן מכוונות לאן שהטרף הולך להיות.

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

ממש כמו שחקן כדורגל, שרץ ליירט מסירה.

To do this correctly,

כדי לעשות זאת נכון,

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

שפיריות צריכות לבצע את מה שידוע כשינוי קואורדינטות,

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

יוצאים ממסגרת ההתייחסות של העין, או מה שהשפירית רואה,

to the body's frame of reference,

למסגרת ההתייחסות של הגוף,

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

או איך השפירית צריכה להפנות את גופה כדי ליירט.

Coordinate transformations are a basic calculation

תיאום טרנספורמציות הן חישוב בסיסי

that animals need to perform to interact with the world.

שבעלי חיים צריכים לבצע כדי לקיים אינטראקציה עם העולם.

We do them instinctively every time we reach for something.

אנחנו עושים אותם באופן אינסטינקטיבי בכל פעם שאנחנו מושיטים למשהו.

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

כשאני מושיטה יד לחפץ ישר מולי,

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

היד שלי לוקחת מסלול שונה מאוד מאשר אם אני מסובבת את ראשי,

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

מסתכלת על אותו אובייקט כאשר הוא מופנה לצד אחד

and reach for it there.

ומכוונת להגיע אליו שם.

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

בשני המקרים העיניים שלי רואות את אותה תמונה של אותו אובייקט,

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

אבל המוח שלי שולח את זרועי במסלול שונה מאוד

based on the position of my neck.

על סמך תנוחת הצוואר שלי.

And dragonflies are fast.

ושפיריות הן מהירות.

This means they calculate fast.

זה אומר שהן מחשבות מהר.

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

ההשהיה, או הזמן שלוקח לשפירית להגיב

once it sees the prey turn,

ברגע שהיא רואה את הטרף מסתובב,

is about 50 milliseconds.

הוא בערך 50 אלפיות השנייה.

This latency is remarkable.

ההשהיה הזו מדהימה.

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

ראשית, זה רק חצי הזמן של מצמוץ עין אנושית.

But for another thing,

אבל לדבר אחר,

it suggests that dragonflies capture how to intercept

זה מציע ששפיריות תופסות כיצד ליירט

in only relatively or surprisingly few computational steps.

רק בצעדים חישוביים מעטים יחסית או מפתיעים.

So in the brain,

אז במוח,

a computational step is a single neuron

שלב חישובי הוא נוירון בודד

or a layer of neurons working in parallel.

או שכבה של נוירונים הפועלים במקביל.

It takes a single neuron about 10 milliseconds

לוקח לנוירון בודד בערך 10 אלפיות השנייה

to add up all its inputs and respond.

לחבר את כל הקלטים שלו ולהגיב.

The 50-millisecond response time

זמן תגובה של 50 אלפיות השנייה

means that once the dragonfly sees its prey turn,

אומר שכששפירית רואה את הטרף שלה מסתובב,

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

יש רק זמן אולי לארבעה שלבים חישוביים אלה

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

או ארבע שכבות של נוירונים, עובדים ברצף, אחד אחרי השני,

to calculate how the dragonfly needs to turn.

לחשב איך השפירית צריכה להסתובב.

In other words, if I want to study

במילים אחרות, אם אני רוצה ללמוד

how the dragonfly does coordinate transformations,

איך השפירית מתאמת טרנספורמציות,

the neural circuit that I need to understand,

המעגל העצבי שאני צריכה להבין,

the neural circuit that I need to study,

המעגל העצבי שאני צריכה לחקור,

can have at most four layers of neurons.

יכולות להיות לו לכל היותר ארבע שכבות של נוירונים.

Each layer may have many neurons,

בכל שכבה עשויים להיות נוירונים רבים,

but this is a small neural circuit.

אבל זה מעגל עצבי קטן.

Small enough that we can identify it

קטן מספיק כדי שנוכל לזהות אותו

and study it with the tools that are available today.

ולחקור אותו עם הכלים שזמינים היום.

And this is what I'm trying to do.

וזה מה שאני מנסה לעשות.

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

בניתי מודל של מה שאני מאמינה שהוא המעגל העצבי

that calculates how the dragonfly should turn.

שמחשב איך השפירית צריכה להסתובב.

And here is the cool result.

והנה התוצאה המגניבה.

In the model,

בדגם,

dragonflies do coordinate transformations in only one computational step,

שפיריות אכן מתאמות טרנספורמציות רק בשלב חישובי אחד,

one layer of neurons.

שכבה אחת של נוירונים.

This is something we can test and understand.

זה משהו שאנחנו יכולים לבדוק ולהבין.

In a computer simulation,

בהדמיית מחשב,

I can predict the activities of individual neurons

אני יכולה לחזות את הפעילויות של נוירונים בודדים

while the dragonfly is hunting.

בזמן שהשפירית צדה.

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

למשל, כאן אני חוזה את פוטנציאל הפעולה, או ההבזקים,

that are fired by one of these neurons

שנורים על ידי אחד מהנוירונים האלה

when the dragonfly sees the prey move.

כשהשפירית רואה את הטרף זז.

To test the model, my collaborators and I

כדי לבדוק את המודל, השותפים שלי ואני

are now comparing these predicted neural responses

משווים עכשיו את אלה שחזו תגובות עצביות

with responses of neurons recorded in living dragonfly brains.

עם תגובות של נוירונים שמתועדות במוחות שפיריות חיות.

These are ongoing experiments

אלה הם ניסויים מתמשכים

in which we put living dragonflies in virtual reality.

שבהם אנו שמים שפיריות חיות במציאות מדומה.

(Laughter)

(צחוק)

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

עכשיו, זה לא מעשי לשים משקפי VR על שפירית.

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

אז במקום זה, אנחנו מראים לשפירית סרטים של מטרות נעות,

while an electrode records activity patterns of individual neurons

בזמן שאלקטרודה מתעדת פעילות דפוסים של נוירונים בודדים

in the brain.

במוח.

Yeah, he likes the movies.

כן, היא אוהבת את הסרטים.

If the responses that we record in the brain

אם התגובות שאנו רושמים במוח

match those predicted by the model,

מתאימות לאלה שחזה המודל,

we will have identified which neurons are responsible

נזהה אילו תאי עצב אחראים

for coordinate transformations.

להתאמות טרנספורמציות.

The next step will be to understand the specifics

השלב הבא יהיה להבין את הפרטים

of how these neurons work together to do the calculation.

כיצד נוירונים אלה פועלים יחד לעשות את החישוב.

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

אבל ככה אנחנו מתחילים להבין איך מוחות עושים

or primitive calculations.

חישובים בסיסיים או פרימיטיבים.

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

חישובים שאני רואה בהם אבני בניין לפונקציות מורכבות יותר,

not only for interception but also for cognition.

לא רק ליירוט אלא גם להכרה.

The way that these neurons compute may be different from anything

הדרך שבה נוירונים אלה מחשבים עשויה להיות שונה מכל דבר

that exists on a computer today.

שקיים היום במחשב.

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

ומטרת העבודה הזו היא לעשות יותר מסתם לכתוב קוד

that replicates the activity patterns of neurons.

שמשכפל את הפעילות של דפוסים של נוירונים.

We aim to build a computer chip

אנו שואפים לבנות שבב מחשב

that not only does the same things as biological brains

שלא רק עושה את אותם הדברים כמוחות ביולוגיים

but does them in the same way as biological brains.

אבל עושה אותם באותו אופן כמוחות ביולוגיים.

This could lead to drones driven by computers

זה עשוי להוביל לרחפנים מונעים על ידי מחשבים

the same size of the dragonfly's brain

באותו גודל של מוחה של השפירית

that captures some targets and avoid others.

שלוכדים כמה מטרות ונמנעים מאחרות.

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

אישית, אני מקווה לצבא קטן של אלה

to defend my backyard from mosquitoes in the summer.

להגן על החצר האחורית שלי מפני יתושים בקיץ.

(Laughter)

(צחוק)

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

ניתן להחליף את ה-GPS בטלפון שלכם במכשיר ניווט חדש

based on dung beetles or ants

שמבוסס על חיפושיות זבל או נמלים

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

שיכול להדריך אתכם לדרך הישרה או הקלה הביתה.

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

ומה יהיו דרישות החשמל של המכשירים האלה?

As small as it is --

קטן ככל שיהיה --

Or, sorry -- as large as it is,

או, סליחה - גדול ככל שיהיה,

the human brain is estimated to have the same power requirements

ההערכה היא שלמוח האנושי יש את אותן דרישות הספק

as a 20-watt light bulb.

כמו נורת 20 וואט.

Imagine if all brain-inspired computers

תארו לעצמכם אם לכל המחשבים בהשראת המוח

had the same extremely low-power requirements.

היו אותן דרישות הספק נמוכות מאוד.

Your smartphone or your smartwatch probably needs charging every day.

הטלפון החכם, או השעון החכם שלכם כנראה צריכים טעינה כל יום.

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

המכשיר החדש שלכם בהשראת המוח עשוי להזדקק לטעינה רק כל כמה חודשים,

or maybe even every few years.

או אולי אפילו כל כמה שנים.

The famous physicist, Richard Feynman, once said,

הפיזיקאי המפורסם, ריצ’רד פיינמן, אמר פעם,

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

“מה שאני לא יכול ליצור, אני לא מבין.”

What I see in insect nervous systems

מה שאני רואה במערכות העצבים של חרקים

is an opportunity to understand brains

זו הזדמנות להבין מוחות

through the creation of computers that work as brains do.

באמצעות יצירת מחשבים שעובדים כמו שהמוח עובד.

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

ויצירת המחשבים האלה לא יהיה רק לידע.

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

יש פוטנציאל להשפעה ממשית על המכשירים שלכם, כלי הרכב שלכם,

maybe even artificial intelligences.

אולי אפילו אינטליגנציות מלאכותיות.

So next time you see an insect,

אז בפעם הבאה שתראו חרק,

consider that these tiny brains can lead to remarkable computers.

קחו בחשבון שהמוחות הזעירים האלה יכולים להוביל למחשבים יוצאי דופן.

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

ותחשבו על הפוטנציאל שהם מציעים לנו לעתיד.

Thank you.

תודה.

(Applause)

(מחיאות כפיים)