Jeff Hawkins: How brain science will change computing

Translator: Giorgi Tskhadaia Reviewer: Levan Khomeriki

I do two things:

მე ორ სფეროში ვსაქმიანობ: ვაკეთებ მობილურ კომპიუტერებს და ვსწავლობ ადამიანის ტვინს.

I design mobile computers and I study brains.

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

და დღევანდელი ჩემი მოხსენება შეეხება ადამიანის ტვინს,

Yay! I have a brain fan out there.

ჰუჰ, აქ ვიღაც ტვინის ფანი ყოფილა .

(Laughter)

(სიცილი)

გაჩვენებთ ჩემს პირველ სლაიდს

If I could have my first slide,

და თქვენ ნახავთ ჩემი მოხსენების სათაურს და ჩემს ორ საქმიანობის სფეროს.

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,

მოკლედ, მინდა ვისაუბრო, თუ რატომ არ გვაქვს ტვინის ნორმალური თეორია,

why it is important that we should develop one

რატომ არის აუცილებელი, რომ განვავითაროთ ასეთი თეორია და რა უნდა გავაკეთოთ ამ სფეროში.

and what we can do about it.

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

ვეცდები ეს ყველაფერი 20 წუთში მოგახსენოთ. მე ორ ორგანიზაციას მივეკუთვნები

I have two affiliations.

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

უმეტესობა მიცნობთ Palm-დან და Handspring-დან,

but I also run a nonprofit scientific research institute

მაგრამ მე ასევე ვხელმძღვანელობ არაკომერციულ სამეცნიერო კვლევის ინსტიტუტს,

called the Redwood Neuroscience Institute in Menlo Park.

რომელსაც ჰქვია Redwood Neuroscience Institute მენლო პარკში,

We study theoretical neuroscience and how the neocortex works.

და ჩვენ ვსწავლობთ თეორიულ ნეირომეცნიერებას,

და ვსწავლობთ, თუ როგორ მუშაობს ნეოკორტექსი.

I'm going to talk all about that.

ახლა ამის შესახებ ვაპირებ საუბარს.

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

აქ ერთი სლაიდი მაქვს ჩემს მეორე ცხოვრებაზე, კომპიუტერულ ცხოვრებაზე.

and that's this slide here.

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

ეს არის რამდენიმე ის პროდუქტი, რომლებზეც ვმუშაობდი ბოლო 20 წლის განმავლობაში,

starting from the very original laptop

დაწყებული პირველი თაობის ლეპტოპით დამთავრებული პირველი პლანშეტური კომპიუტერით

to some of the first tablet computers

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

და ა.შ. სულ ბოლოს აღმოვჩნდი Treo-ში,

and we're continuing to do this.

და ჩვენ ვაგრძელებთ მსგავსი რამეების კეთებას.

I've done this because I believe mobile computing

მე ვაკეთებ ამას, რადგან ნამდვილად მჯერა, რომ მობილური კომპიუტერები

is the future of personal computing,

არის პერსონალური კომპიუტერების მომავალი, და ვცდილობ, რომ ამ საგნებზე მუშაობით

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

ეს სამყარო გავხადო თუნდაც ცოტათი უკეთესი.

by working on these things.

But this was, I admit, all an accident.

თუმცა ყველაფერი ეს, უნდა ვაღიარო, რომ შემთხვევითობა იყო.

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

მე სინამდვილეში არ მინდოდა გამეკეთებინა რომელიმე ეს პროდუქტი

Very early in my career

და ჩემი კარიერის ძალიან ადრეულ ეტაპზე მე გადავწყვიტე,

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

რომ არ ვიქნებოდი ჩაბმული კომპიუტერულ ინდუსტრიაში.

Before that, I just have to tell you

სანამ ამაზე მოგახსენებთ, მინდა ესეც გითხრათ:

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

მოკლედ, აქ მაქვს გრაფიტის პატარა სურათი, რომელიც ინტერნეტიდან ავიღე რამდენიმე დღის წინ.

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

ვეძებდი მცირე ტექსტის შემყვანი ენის ვიზუალურ სურათს, რომელსაც გრაფიტი ჰქვია

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

და ვიპოვე მასწავლებლების ვებსაიტი, რომლებსაც ამის გაკეთება უნდათ,

ანუ ამგვარი ხელნაწერის ამომცნობი რაღაცის დამატება დაფის ზედა ნაწილში,

across the top of their blackboard,

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

და მათ ამისთვის გრაფიტი გამოიყენეს, რის გამოც ძალიან ვწუხვარ.

(Laughter)

(სიცილი)

So what happened was,

მოკლედ, როცა ვიყავი ახალგაზრდა და დავამთავრე ინჟინერიის სკოლა,

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

კორნელში 1979 წელს, გადავწყვიტე, რომ მემუშავა "ინტელში".

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

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

მე უკვე სამი თვე ვიყავი ჩაბმული კომპიუტერულ ინდუსტრიაში

და უცბად შემიყვარდა სრულიად სხვა რამ და ვთქვი, რომ "მე გავაკეთე არასწორი კარიერული არჩევანი,"

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

and I fell in love with brains.

მე შემიყვარდა ტვინები.

This is not a real brain.

ეს ნამდვილი ტვინი არ არის. სურათია, ხაზებით დახატული.

This is a picture of one, a line drawing.

And I don't remember exactly how it happened,

ზუსტად არ მახსოვს, როგორ მოხდა

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

მაგრამ ერთი მოგონება მაქვს, რომელიც გონებაში მყარად აღმებეჭდა.

In September of 1979,

1979 წლის სექტემბეში, ჟურნალ "Scientific American"-ის ახალი ნომერი გამოვიდა,

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

რომელიც მთლიანად ეძღვენებოდა ტვინის თემას. მართლა კარგი ნომერი იყო.

It was one of their best issues ever.

უფრო სწორედ, ამ ჟურნალის ერთ-ერთი ყველაზე საუკეთესო ნომერი. და ისინი საუბრობდნენ ნეირონზე

They talked about the neuron, development, disease, vision

განვითარებაზე, დაავადებაზე, ხედვასა და ყველა იმ საკითხზე

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

რაც შეიძლება რომ გაინტერესებდეთ ტვინების შესახებ. ეს ყველაფერი ნამდვილად შთამბეჭდავი იყო.

It was really quite impressive.

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

ვიღაცას შეიძლება შეჰქმნოდა ისეთი შთაბეჭდილება, რომ ტვინების შესახებ ბევრი რამ ვიცით.

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

ერთ-ერთი სტატია იმ ნომერში იყო ფრენსის კრიკის, დნმ-ის აღმომჩენის.

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

დღეს, როგორც ვიცი, დნმ-ის აღმოჩენის 50-ე წლისთავია.

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

და ის წერდა,

რომ ეს ყველაფერი ძალიან კარგი და გასაგებია, მაგრამ იცით რა,

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

ჩვენ სინამდვილეში არაფერი ვიცით ტვინების შესახებ

and no one has a clue how they work,

და არავის წარმოდგენაც არ აქვს, თუ როგორ მუშაობენ ისინი,

so don't believe what anyone tells you.

ამიტომ არ დაიჯეროთ, ამ საკითხზე რასაც გეტყვიან.

This is a quote from that article, he says:

აი, ციტატა იმ სტატიიდან. იგი ამბობდა, "რაც მხედველობიდან აშკარად გვაკლია,"

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

ის ნამდვილი ბრიტანელი ჯენტლმენია, "რაც მხედველობიდან აშკარად გვაკლია,

"What is conspicuously lacking is a broad framework of ideas

არის ფართო ჩარჩო იდეებისა, რითაც შევძლებდით ამ სხვადასხვა მიდგომების ინტერპრეტირებას."

in which to interpret these different approaches."

I thought the word "framework" was great.

მე ვიფიქრე, რომ სიტყვა "ჩარჩო" მართლაც დიდებული იყო.

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

მან ის კი არ თქვა, ჩვენ თეორიაც კი არ გვაქვსო. მან თქვა, რომ

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

ჩვენ ისიც კი არ ვიცით, როგორ დავიწყოთ ამაზე ფიქრიო -

ჩვენ ჩარჩოც კი არ გვაქვსო.

We don't even have a framework.

ჩვენ პრე-პარადიგმულ პერიოდში ვართ, თუ ტომას კუნის ლექსიკონს გამოვიყენებთ.

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

მოკლედ, მე შემიყვარდა ეს ყველაფერი და ვთქვი, რომ

So I fell in love with this.

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

თუ ამდენი ცოდნა გვაქვს ტვინებზე, რატომ უნდა იყოს ჩარჩოს შემუშავება რთული?

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

ეს ის არის, რაზეც შეიძლება ვიმუშავოთ მთელი ცხოვრების მანძილზე. ვგრძნობდი, რომ შემეძლო გარდატეხა შემეტანა

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

და ვეცადე, რომ გამოვსულიყავი კომპიუტერების ბიზნესიდან და შევსულიყავი ტვინის ბიზნესში.

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

პირველად, მე მივედი მასაჩუსეტსის ტექნოლოგიურ ინსტიტუტში, სადაც იყო ხელოვნური ინტელექტის ლაბორატორია

I said, I want to build intelligent machines too,

და ვუთხარი, რომ მე მინდა ჭკვიანი მანქანების შექმნაც.

but I want to study how brains work first.

და ამისათვის თავპირველად უნდა შევისწავლო, თუ როგორ მუშაობს ტვინები.

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

მათ მითხრეს, რომ უჰ, ამის გაკეთება არ გჭირდებაო.

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

ჩვენ უბრალოდ გვინდა კომპიუტერების დაპროგრამირება, სულ ეს არის, რაც გვინდაო.

I said, you really ought to study brains.

და მე ვუთხარი, რომ არა, თქვენ აუცილებლად უნდა შეისწავლოთ ტვინები. მათ მითხრეს, რომ ვცდები.

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

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

მე ვუთხარი, რომ მე კი არ ვცდები, თქვენ ცდებით-მეთქი და არაფერი გამოვიდა.

(Laughter)

(სიცილი)

I was a little disappointed -- pretty young --

ცოტა იმედგაცრუებული ვიყავი - საკმაოდ ახალგაზრდა, მაგრამ მაინც უკან დავბრუნდი

but I went back again a few years later,

რამდენიმე წლის შემდეგ, ამჯერად კალიფორნიაში, ბერკლიში.

this time in California, and I went to Berkeley.

და ვთქვი, რომ ამ ყველაფერს მივუდგებოდი ბიოლოგიის კუთხიდან.

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

So I got in the PhD program in biophysics.

დავიცავი სადოქტორო ბიოფიზიკაში და ყველაფერი კარგად მიდიოდა:

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

ვსწავლობდი ტვინებს... მაგრამ შემდეგ ვთქვი, რომ მინდოდა მესწავლა თეორია.

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

მათ მითხრეს, რომ ოჰ, არა, შენ ვერ შეისწავლი თეორიას ტვინების შესახებო.

You can't get funded for that.

ამისთვის დაფინანსებას ვერ მიიღებო.

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

და როგორც სადოქტოროს სტუდენტი, ამას ვერ იზამო.

So I said, oh my gosh.

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

დეპრესიაში ჩავვარდი, მაგრამ ვთქვი, რომ ამ სფეროში გარდატეხის შეტანა შემიძლია-მეთქი.

ავდექი და დავბრუნდი კომპიუტერულ ინდუსტრიაში

I went back in the computer industry

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

და ვთქვი, რომ აქ ვიმუშავებდი რამდენიმე ხნის მანძილზე.

That's when I designed all those computer products.

ასე გავაკეთე ეს კომპიუტერული პროდუქტები.

(Laughter)

(სიცილი)

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

ვთქვი, რომ ამ ყველაფერს გავაკეთებდი ოთხი წლის მანძილზე, გარკვეულ თანხას დავაგროვებდი,

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

რადგან მყავდა ოჯახი, მოვმწიფდებოდი,

and maybe the business of neuroscience would mature a bit.

და შესაძლოა ამასობაში ნეირომეცნიერების ბიზნესიც მომწიფებულიყო.

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

სინამდვილეში, ამ ყველაფერში 4 წელზე მეტი დრო გავიდა, დაახლოებით 16 წელი.

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

მაგრამ ტვინებზე უკვე ახლა ვმუშაობ, რაზეც უნდა მოგიყვეთ კიდეც.

So why should we have a good brain theory?

რატომ უნდა გვქონდეს ტვინების კარგი თეორია?

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

არის ბევრი მიზეზია, რატომაც ადამიანები მისდევენ მეცნიერებას.

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

პირველი და ყველაზე მთავარი, რომ ადამიანებს უყვართ რაღაცების ცოდნა.

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

ჩვენ ვართ ცნობისმოყვარენი, გავდივართ და ვღებულობთ ცოდნას.

Why do we study ants? It's interesting.

რატომ ვსწავლობთ ჭიანჭველებს? იმიტომ, რომ საინტერესოა.

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

შეიძლება აქედან რამე პრაქტიკულიც ვისწავლოთ, მაგრამ ეს ნამდვილად საინტერესო და შთამბეჭდავია.

But sometimes a science has other attributes

ხანდახან, მეცნიერებას აქვს სხვა მხარეებიც

which makes it really interesting.

რაც ხდის მას ძალიან, ძალიან საინტერესოს.

Sometimes a science will tell something about ourselves;

ხანდახან მეცნიერება შეიძლება იყოს რაღაც ჩვენ შესახებ,

it'll tell us who we are.

გვითხრას, თუ ვინ ვართ ჩვენ.

Evolution did this and Copernicus did this,

მაგრამ იშვიათად; ეს შეძლო ევოლუციამ და კოპერნიკმა,

where we have a new understanding of who we are.

მოგვცეს ჩვენი საკუთარი თავის ახალი გაგება.

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

ბოლოსდაბოლოს, ჩვენ ყველანი ვართ ტვინები. ჩემი ტვინი ესაუბრება თქვენს ტვინს.

Our bodies are hanging along for the ride,

ჩვენი სხეულები აქეთ-იქით დაბოდიალობენ, მაგრამ ჩემი ტვინი ესაუბრება თქვენს ტვინს.

but my brain is talking to your brain.

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

თუ გვსურს, რომ გავიგოთ, ვინ ვართ, როგორ ვგრძნობთ და აღვიქვამთ,

ეს ნიშნავს იმას, რომ უნდა გავიგოთ, რა არის ტვინი.

we need to understand brains.

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

ხდება ისეც, რომ მეცნიერებას ზოგჯერ

დიდი საზოგადოებრივი სარგებლობა და ტექნოლოგიები მოაქვს,

or businesses or whatever.

ან ბიზნესები, ან რაც კი მისგან შეიძლება წარმოიქმნას.

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

როდესაც ჩვენ გავიგებთ, როგორ მუშაობს ტვინი, ჩვენ ასევე შეგვეძლება

we'll be able to build intelligent machines.

ავაგოთ ჭკვიანი მანქანები, და ვფიქრობ, ზოგადად ეს მართლაც კარგი რამ იქნება

That's a good thing on the whole,

with tremendous benefits to society,

და დიდ სარგებლობას მოუტანს ჩვენს საზოგადოებას

just like a fundamental technology.

როგორც ფუნდამენტალური ტექნოლოგია.

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

მაშ, რატომ არ გვაქვს ტვინის ნორმალური თეორია?

People have been working on it for 100 years.

ადამიანები მასზე 100 წელი მუშაობდნენ.

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

მოდით, ჯერ შევხედოთ როგორ გამოიყურება ჩვეულებრივი მეცნიერება.

This is normal science.

ეს არის ნორმალური მეცნიერება.

Normal science is a nice balance between theory and experimentalists.

ნორმალური მეცნიერება არის სათანადო ბალანსი თეორიასა და ექსპერიმენტებს შორის.

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

ანუ თეორეტიკოსი ამბობს, რომ ესა და ეს პროცესი ხდება

the experimentalist says, "You're wrong."

და ექსპერიმენტატორი ეუბნება, რომ არა, მართალი არ ხარ!

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

და ესე ხდება წინ და უკან.

ასე ხდება ფიზიკაში, გეოლოგიაში... მაგრამ თუ ნორმალური მეცნიერება ასეთია,

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

მაშინ რა ხდება ნეირომეცნიერებაში? აი, რა ხდება ნეირომეცნიერებაში:

This is what neuroscience looks like.

ჩვენ გვაქვს ზღვა მასალა, მათ შორის ანატომიური, ფიზიოლოგიური და ქცევითი.

We have this mountain of data,

which is anatomy, physiology and behavior.

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

ვერც კი წარმოიდგენთ, რამდენი დეტალი ვიცით ტვინების შესახებ.

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

ამ წელს 28 000 ადამიანი დაესწრო ნეირომეცნიერების კონფერენციას,

and every one of them is doing research in brains.

და თითოეული მათგანი აკეთებს კვლევას ტვინებზე.

A lot of data, but no theory.

უამრავი მასალაა, მაგრამ არ არის თეორია. პატარა, მყიფე ყუთია ამ ყველაფრის თავზე.

There's a little wimpy box on top there.

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

თეორიას არ უთამაშია რაიმე სახის წამყვანი როლი ნეირომეცნიერებაში.

in the neurosciences.

And it's a real shame.

ეს ნამდვილი სირცხვილია. რატომ მოხდა ასე?

Now, why has this come about?

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

თუ ჰკითხავთ ნეირომეცნიერებს, რატომ ხდება ასე, ისინი

first, they'll admit it.

პირველ რიგში ამ ყველაფერს აღიარებენ. ისინი ასევე იტყვიან, რომ

But if you ask them, they say,

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

არსებობს რამდენიმე მიზეზი, რატომაც არ გვაქვს ტვინის ნორმალური თეორია.

Some say we still don't have enough data,

ზოგიერთი იტყვის, რომ არ არის საკმარისი ინფორმაცია,

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

გვჭირდება მეტი ინფორმაციის მიღება; უამრავი რამეა, რაც არ ვიცით.

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

მე ახლახანს გითხარით, რომ ინფორმაცია მართლა უამრავია.

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

იმდენი ინფორმაცია გვაქვს, რომ არც კი ვიცით, როგორ მოვახდინოთ ორგანიზება.

What good is more going to do?

რას გვიზამს უფრო მეტი ინფორმაცია?

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

შეიძლება აღმოვჩნდეთ იღბლიანები და რაღაც მაგიური რამ აღმოვაჩინოთ, მაგრამ მაინც არა მგონია.

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

ეს ყველაფერი იმის სიმპტომი უფრო მგონია, რომ თეორია არ გვაქვს.

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

ჩვენ არ გვჭირდება მეტი ინფორმაცია - ჩვენ გვჭირდება კარგი თეორია ამ ყველაფრის შესახებ.

Another one is sometimes people say,

და კიდევ, ხანდახან ხალხი ამბობს ხოლმე, რომ ტვინები ძალიან რთული და კომპლექსურია,

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

და მომდევნო 50 წელი გვჭირდება მათ გამოსაცნობად.

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

კრისმაც კი თქვა ამაზე რაღაც გუშინ.

ზუსტად აღარ მახსოვს, როგორ თქვი, კრის, მაგრამ მგონი დაახლოებით ის, რომ

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

ტვინი ყველაზე უფრო რთული რამაა სამყაროშიო. არადა, ასე არ არის.

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

შენ უფრო რთული მექანიზმი ხარ, ვიდრე შენი ტვინი. შენ გაქვს ტვინი.

You've got a brain.

მართალია, ტვინი ძალიან რთულად გამოიყურება,

And although the brain looks very complicated,

მაგრამ საგნები რთულად გამოიყურებიან, სანამ არ ახსნი.

things look complicated until you understand them.

That's always been the case.

ეს ყოველთვის ასე იყო. ამიტომ ყველას შეგვიძლია ვთქვათ, რომ

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

ჩემს ნეოკორტექსს, რომელიც არის ტვინის ის ნაწილი, რომელიც მაინტერესებს, აქვს 30 მილიარდი უჯრედი.

has 30 billion cells.

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

მაგრამ იცით რა? ის არის ძალიან, ძალიან რეგულარული.

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

სინამდვილეში, ის ისე გამოიყურება, თითქოს ერთი და იგივე რამ ბევრჯერ მეორდებოდეს.

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

ის არც ისე რთულია, როგორც ჩანს.

Some people say, brains can't understand brains.

ზოგიერთი ადამიანი ამბობს, რომ ტვინები ვერ ჩაწვდებიან ტვინებს.

Very Zen-like. Woo.

რაღაც ძენის ფილოსოფიასავით ჟღერს... ვუუუუ....

(Laughter)

(სიცილი)

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

კარგად ჟღერს, მაგრამ რატომ? რას გულისხმობს?

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

უჯრედების რაღაც ნაკრებია. ჩვენ კარგად გვესმის ჩვენი ღვიძლის.

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

ისიც უჯრედების ნაკრებია, არა?

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

ასე რომ, მე არ ვფიქრობ, რომ აქ რამე პრობლემაა.

And finally, some people say,

და ბოლოს, ზოგიერთი ადამიანი ამბობს, რომ იცით რა,

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

მე არ განვიხილავ ჩემს თავს, როგორც უჯრედების გროვას. მე ვარ ცნობიერი.

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

მე მაქვს გამოცდილება, ვარსებობ სამყაროში...

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

მე ვერ ვიქნები უჯრედების გროვა.

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

მაგრამ ხალხს სჯეროდა, რომ არსებობდა სიცოცხლის ძალა

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

და ახლა ჩვენ ყველამ ვიცით, რომ ეს მართალი არ არის.

And there's really no evidence,

და არ არსებობს მტკიცება, გარდა იმ ადამიანებისა, რომლებიც

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

ამბობენ, რომ უჯრედებს შეუძლიათ აკეთონ ის, რასაც აკეთებენ.

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

თუ ზოგიერთი ადამიანი ჩავარდა ამ მეტაფიზიკური დუალიზმის ორმოში,

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

ზოგიერთი ნამდვილად ჭკვიანი ადამიანი, ჩვენ შეგვიძლია რომ ამას უბრალოდ ყურადღება არ მივაქციოთ.

(Laughter)

(სიცილი)

მე მინდა გითხრათ, რომ რაღაც სხვა მიზეზია,

No, there's something else,

something really fundamental, and it is:

უფრო ფუნდამენტური მიზეზი,

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

თუ რატომ არ გვაქვს ტვინის კარგი თეორია,

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

ეს იმიტომ არის, რომ ჩვენ გვაქვს ინტუიტური, მყარი,

მაგრამ არასწორი რწმენა, რომელიც ხელს გვიშლის პასუხის დანახვაში.

that has prevented us from seeing the answer.

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

არსებობს რაღაც, რისიც გვჯერა, რომ ჭეშმარიტებაა, მაგრამ სინამდვილეში ასე არ არის.

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

მსგავსი ისტორიები მეცნიერებაში არსებობს და სანამ გეტყოდეთ ეს რა არის,

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

გეტყვით ამ ისტორიებზე.

Look at other scientific revolutions --

შეხედეთ სხვა სამეცნიერო რევოლუციებს,

the solar system, that's Copernicus,

ამ შემთხვევაში, მაგალითად, მზის სისტემის შესახებ, კოპერნიკის,

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

ან დარვინის ევოლუციას, ან ვეგენერის ტექტონიკურ ფილებს.

მათ ბევრი საერთო აქვთ ტვინის მეცნიერებასთან.

They all have a lot in common with brain science.

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

პირველ რიგში, ისინი შეიცავდნენ ძალიან ბევრ ამოუხსნელ ინფორმაციას, ძალიან ბევრს...

But it got more manageable once they had a theory.

მაგრამ ეს ინფორმაცია გახდა ადვილად ორგანიზებადი, როდესაც მათ მოიგონეს თეორია.

The best minds were stumped -- really smart people.

საუკეთესო გონების მქონე ადამიანები დაბნეულები იყვნენ, ნამდვილად ძალიან ჭკვიანი ადამიანები,

We're not smarter now than they were then;

ჩვენ არ ვართ მათზე უფრო ჭკვიანები, ვიდრე ისინი მაშინ იყვნენ.

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

უბრალოდ, როგორც ჩანს, რთულია საგნებზე ფიქრი,

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

მაგრამ როდესაც მოიფიქრებ, უკვე ადვილი ხდება მისი გაგება.

My daughters understood these three theories,

ეს სამი თეორია ჩემმა ქალიშვილებმა გაიგეს

მაშინ, როდესაც ისინი ჯერ კიდევ იყვნენ საბავშო ბაღში.

in their basic framework, in kindergarten.

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

და ახლა არც ისე რთულია. აი გაქვს ვაშლი, ან ფორთოხალი,

the Earth goes around, that kind of stuff.

და დედამიწა ბრუნავს თავისი ღერძის გარშემო და ა.შ.

Another thing is the answer was there all along,

პასუხი ყოველთვის არსებობდა,

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

უბრალოდ ჩვენ იგნორირებას ვუწევდით ამ აშკარა პასუხს.

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

ჩვენ ვინარჩუნებდით ინტუიტურ, მყარ რწმენას, რომელიც იყო მცდარი.

In the case of the solar system,

მზის სისტემის შემთხვევაში, ეს არის იდეა, რომ დედამიწა ბრუნავს

the idea that the Earth is spinning,

the surface is going a thousand miles an hour,

და დედამიწის ზედაპირი საათში ათას მილს გადის,

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

და რომ დედამიწა მზის სისტემაში საათში მილიონ მილს გადის.

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

ეს ხო სიგიჟეა. ჩვენ ყველამ ვიცით, რომ დედამიწა არ ბრუნავს.

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

რა, გრძნობთ, რომ საათში ათასობით მილს გავდივართ?

რა თქმა უნდა, არა. ვინმეს რომ ეთქვა,

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

რომ ის ბრუნავს თავის თავის გარშემო სივრცეში და ის ძალიან დიდია,

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

ალბათ დაგამწყვევდნენ, და იმ დროში მართლაც ასეც შვრებოდნენ.

(სიცილი)

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

ანუ მათ ჰქონდათ ინტუიტური და ცხადი რწმენა. ახლა რაც შეეხება ევოლუციას.

Evolution, same thing.

ევოლუციაც მსგავსი ისტორიაა. ჩვენ ჩვენს შვილებს ვასწავლეთ, რომ ბიბლია როგორც ამბობს,

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

ღმერთმა შექმნა ყველა არსება, კატები არიან კატები, ძაღლები არიან ძაღლები,

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

ადამიანები არიან ადამიანები, მცენარეები არიან მცენარეები, ისინი არ იცვლებიან.

they don't change.

ნოემ ჩასვა ისინი კიდობანში , ბლაბლაბლაბლა....იცით დანარჩენი.

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.

ფაქტი ის არის, რომ თუ გჯერა ევოლუციის, ჩვენ ყველას გვყავს საერთო წინაპარი,

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

ჩვენ და დერეფანში დარგულ მცენარეს ერთი წინაპარი გვყავს.

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

ევოლუცია ამას გვეუბნება. და ეს სიმართლეა, თუმცა დაუჯერებელია.

And the same thing about tectonic plates.

იგივე შეიძლება ითქვას ტექტონიკურ ფილებზეც.

All the mountains and the continents

ყველა მთა და კონტინენტი დაფარფატებს

are kind of floating around on top of the Earth.

დედამიწაზე. ისე ჩანს თითქოს უაზრობაა.

It doesn't make any sense.

So what is the intuitive, but incorrect assumption,

ასე რომ, რა არის ის ინტუიტური, მაგრამ არასწორი რწმენა,

that's kept us from understanding brains?

რომელიც ხელს გვიშლიდა ტვინების გააზრებაში?

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

ახლა მე ამას გეტყვით, და თქვენ მოგეჩვენებათ, რომ ეს იმდენად ცხადია, რომ სწორია.

და მიზანიც ეს არის, არა? შემდეგ მე წამოვაყენებ ჩემს არგუმენტს,

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

თუ რატომ ცდებით თქვენ.

The intuitive but obvious thing is:

ინტიუტური, მაგრამ აშკარა "სიმართლე" ის არის, რომ თითქოს ჭკუა

somehow, intelligence is defined by behavior;

განისაზღვრება ქცევით.

we're intelligent because of how we do things

ჩვენ ვართ ჭკვიანები იმიტომ, რომ რაღაც წესით ვაკეთებთ რაღაცებს...

and how we behave intelligently.

და ვიქცევით ჭკვიანურად. სინამდვილეში, ეს ტყუილია.

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

Intelligence is defined by prediction.

სინამდვილეში, ჭკუა განისაზღვრება პროგნოზირებით.

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

ამაზე მოგახსენებთ რამდენიმე სლაიდის დახმარებით,

and give you an example of what this means.

მაგალითს მოგცემთ, თუ რას ვგულისხმობ. აი, აქ არის სისტემა.

Here's a system.

Engineers and scientists like to look at systems like this.

ინჟინრებს უყვართ ამგვარ სისტემებზე დაკვირვება. მეცნიერებს უყვართ ამგვარ სისტემებზე დაკვირვება.

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

ისინი ამბობენ, რომ ჩვენ გვაქვს საგანი ყუთში, და გვაქვს მის შიგნით შემავალი და გარეთ გამომავალი საგნები.

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

ხელოვნური ინტელექტის (AI) მკვლევარებმა თქვეს, რომ ეს საგანი ყუთში არის პროგრამირებადი კომპიუტერი

because it's equivalent to a brain.

რადგან იგი ექვივალენტურია ტვინის, და ჩვენ გამოვკვებავთ მას შიგ შემავალი ინფორმაციით.

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

ჩვენ მას ვაიძულებთ გააკეთოს რამე, ჰქონდეს გარკვეული ქცევა.

ალან ტურინგმა შეადგინა ტურინგის ტესტი, რომელიც გულისხმობს, რომ

Alan Turing defined the Turing test, which essentially says,

ჩვენ ვიგებთ რაღაცის ჭკუას იმგვარად, რომ ვადარებთ მას ადამიანს.

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

ეს არის ჭკუის ბიჰევიორული საზომი,

a behavioral metric of what intelligence is

that has stuck in our minds for a long time.

რომელიც ჩვენს გონებაში დიდი ხნით იყო აღბეჭდილი.

Reality, though -- I call it real intelligence.

რეალობა კი, მე ვეძახი მას რეალურ ჭკუას

Real intelligence is built on something else.

რეალური ჭკუა დაფუძნებულია სრულიად სხვა რამეზე.

We experience the world through a sequence of patterns,

ჩვენ სამყაროს განვიცდით შაბლონების თანმიმდევრობით და ჩვენ მათ ვინახავთ,

and we store them, and we recall them.

შემდეგ ჩვენ მათ ვიხსენებთ. როდესაც ვიხსენებთ, ჩვენ მათ ვაწყვილებთ რეალობასთან

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

და ჩვენ ვახდენთ პროგნოზირებას.

and we're making predictions all the time.

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

ეს არის მუდმივი საზომი. ეს არის მუდმივი საზომი, რომელიც გვეკითხება:

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

ვიგებთ სამყაროს? ვაკეთებ პროგნოზირებას? და ა.შ.

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

თქვენ ამ წუთას იქცევით ჭკვიანურად, მაგრამ თქვენ არ აკეთებთ არაფერს.

შეიძლება იფხანთ თქვენს სხეულს, ან ცხვირში იქექებით,

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

არ ვიცი, მაგრამ ახლა არაფერს აკეთებთ.

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

მაგრამ თქვენ ხართ ჭკვიანები, თქვენ იგებთ, რასაც ვამბობ.

Because you're intelligent and you speak English,

იმიტომ, რომ თქვენ ხართ ჭკვიანები და საუბრობთ ინგლისურად,

you know the word at the end of this

თქვენ იცით, თუ რა იქნება ბოლოში ამ -- (სიჩუმე)

წინადადების.

sentence.

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

ეს სიტყვა უცბად მოგივიდათ თავში. ამგვარ წინასწარგათვლებს გამუდმებით აკეთებთ.

What I'm saying is,

მე ვამბობ, რომ

the internal prediction is the output in the neocortex,

ეს გამუდმებითი პროგნოზირება არის ნეოკორტექსიდან გამომავალი.

რაღაცნაირად პროგნოზირებას მივყავართ აზრიან მოქმედებამდე.

and somehow, prediction leads to intelligent behavior.

Here's how that happens:

გეტყვით, როგორ ხდება. ჯერ დავიწყოთ განუვითარებელი ტვინით.

Let's start with a non-intelligent brain.

ავიღოთ ძველი ტვინი

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,

მოდი ეს არ იყოს ძუძუმწოვრის ტვინი, არამედ იყოს რეპტილიის,

say, an alligator; we have an alligator.

მაგალითად, ალიგატორის. იყოს ეს ალიგატორის ტვინი.

And the alligator has some very sophisticated senses.

ალიგატორის ტვინს აქვს ძალიან დახვეწილი სენსორები.

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

მას აქვს კარგი თვალები, ყურები და შეხების შეგრძნებები

a mouth and a nose.

პირი და ცხვირი. მას აქვს ძალიან კომპლექსური ქცევა.

It has very complex behavior.

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

მას შეუძლია გაიქცეს და დაიმალოს. აქვს შიშები და ემოციები. მას შეუძლია ასევე შეგჭამოთ.

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

მას შეუძლია თავს დაგესხათ. მოკლედ, გააკეთოს სხვადასხვა მოქმედება

But we don't consider the alligator very intelligent,

თუმცა ჩვენ არ ვთვლით, რომ ალიგატორი ძალიან ჭკვიანია, ადამიანური გაგებით ჭკვიანი.

not in a human sort of way.

But it has all this complex behavior already.

ამავე დროს, მას აქვს კომპლექსური და რთული ქცევები.

Now in evolution, what happened?

რა მოხდა ევოლუციის დროს?

First thing that happened in evolution with mammals

პირველი, რაც მოხდა ძუძუმწოვრების ევოლუციაში,

is we started to develop a thing called the neocortex.

ჩვენ განგვივითარდა რაღაც, რომელსაც ჰქვია ნეოკორტექსი.

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

ახლავე განახებთ ნეოკორტექსის სურათს,

აი, ეს ყუთი, რომელიც ძველი ტვინის თავზეა დამაგრებული.

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

ნეოკორტექსი ახალი ფენაა. ეს არის ახალი ფენა თქვენს ტვინზე.

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

თუ არ იცით, რაზე ვამბობ. ეს არის ნაოჭებიანი ფენა თქვენს თავში,

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

ის გახდა ნაოჭებიანი იმიტომ, რომ თავის ქალაში ვერ ეტეოდა და ჩაიხვია.

(Laughter)

(სიცილი)

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

არა, მართლა, მართლა ესეა. ის დაახლოებით მაგიდის ხელსახოცის ზომაა.

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

მაგრამ ის არ ეტევა თავის ქალაში და ამიტომ გახდა ნაოჭიანი. შეხედეთ, როგორ დავხატე:

Now, look at how I've drawn this.

The old brain is still there.

ძველი ტვინი კვლავ ადგილზეა. ეს კვლავ ალიგატორის ტვინია.

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

თქვენ შენარჩუნებული გაქვთ ეს ტვინი, ეს თქვენი ემოციონალური ტვინია.

It's all those gut reactions you have.

ემოციური რეაქციები აქედან მოდის

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

და მის თავზე ჩვენ გვაქვს მახსოვრობის სისტემა, რომელსაც ნეოკორტექსი ჰქვია.

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

ეს მახსოვრობის სისტემა ტვინის გრძნობითი ნაწილის თავზეა,

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

ანუ გრძნობითი იმპულსი გამოდის ძველი ტვინიდან

it also goes up into the neocortex.

და შედის ნეოკორტექსში. ნეოკორტექსი მას იმახსოვრებს.

And the neocortex is just memorizing.

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

იმახსოვრებს ყველაფერს, რაც ხდება,

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

სად ვიყავი, ვინ ვნახე, რა გავიგე და ა.შ.

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

მომავალში, როცა ხედავ რამე მსგავსს, უკვე განცდილს

in a similar environment, or the exact same environment,

იმავე გარემოში, ან ზუსტად იმავე გარემოში,

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

ის ახვევს უკან გამოცდილებას, ანუ იხსენებს.

ოჰ, მე აქ უკვე ვიყავი. როცა აქ ვიყავი,

and when you were here before, this happened next.

შემდეგ ეს მოხდა. ასე ის გაძლევთ მომავლის პროგნოზირების უნარს.

It allows you to predict the future.

It literally feeds back the signals into your brain;

ის უკუსიგნალებს აწვდის თქვენს ტვინს,

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

რომელიც გაძლევთ საშუალებას გაიგოთ, შემდეგ რა მოხდება,

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

მაგალითად, გაიგოთ სიტყვა "წინადადება", ვიდრე მე მას წარმოვთქვამდე.

And it's this feeding back into the old brain

ეს უკუსიგნალი ძველ ტვინში

that will allow you to make more intelligent decisions.

გვაძლევს საშუალებას, რომ მივიღოთ ჭკვიანური გადაწყვეტილებები.

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

ეს ჩემი მოხსენების ყველაზე მნიშვნელოვანი სლაიდია, ამიტომ, მასზე ცოტა ხნით კიდევ გავჩერდები.

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

ანუ ყოველთვის, როცა ამბობ, რომ შეგიძლია მოვლენების პროგნოზირება,

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

თუ ხარ თაგვი, გაივლი ლაბირინთში და დაიმახსოვრებ ამ ლაბირინთს.

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

მომავალში როცა ლაბირინთში მოხვდები და არ იცი როგორ მოიქცე,

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

უცბად გაგახსენდება,

რომ უი, მე ვიცი ეს ლაბირინთი, ვიცი რა გზით უნდა წავიდე.

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

მე აქ უკვე ვიყავი, მე შემიძლია მომავალი ქცევის გათვლა. ეს მექანიზმი სწორედ ასე მუშაობს.

That's what it's doing.

This is true for all mammals --

ეს ასე მუშაობს ადამიანებში და ყველა ძუძუმწოვარში,

in humans, it got a lot worse.

თუმცა ადამიანების შემთხვევაში საქმე უფრო რთულადაა.

Humans actually developed the front of the neocortex,

ადამიანებს განუვითარდათ ნეოკორტექსის წინა ნაწილი,

called the anterior part of the neocortex.

რომელსაც ჰქვია ნეოკორტექსის ფრონტალური ნაწილი. ბუნებამ პატარა ოინი ჩაგვიტარა.

And nature did a little trick.

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

მან ტვინის უკანა ნაწილის წინ კოპირება მოახდინა. უკანა ნაწილი გრძნობითია

and put it in the front.

და ეს ნაწილი ჩასვა წინაც.

Humans uniquely have the same mechanism on the front,

ამიტომ, მხოლოდ ადამიანებს აქვთ იგივე მექანიზმი ტვინის ფრონტალურ ნაწილშიც,

but we use it for motor control.

რომელსაც ვიყენებთ მოტორული კონტროლისთვის,

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

ანუ ჩვენ გვაქვს უნარი განვახორციელოთ დახვეწილი მოტორული დაგეგმარება.

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

დრო არ მაქვს ამაში ჩასაღრმავებლად, მაგრამ თუ გვინდა რომ გავიგოთ, როგორ მუშაობს ტვინი,

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

უნდა გავიგოთ, ძუძუმწოვრების ნეოკორტექსის პირველი ნაწილი როგორ მუშაობს,

როგორ ვინახავთ მაგალითებს და ვაკეთებთ პროგნოზირებას.

how it is we store patterns and make predictions.

მოდით, პროგნოზირების რამდენიმე შემთხვევას გეტყვით.

Let me give you a few examples of predictions.

I already said the word "sentence."

უკვე გითხარით სიტყვა "წინადადება". მუსიკაში

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

თუ სიმღერა უკვე მოსმენილი გაქვთ, მაგალითად, თუ ჯილის მიერ ნამღერი სიმღერები უკვე მოგისმენია,

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

როდესაც ის კვლავ დაიწყებს მათ მღერას, შემდეგი ნოტი უკვე თავისით ამოგიხტებათ ტვინში.

you anticipate it.

თქვენ ახდენთ იმის წინასწარმეტყველებას, თუ რას იზამს ის. მაგალითად, როდესაც მუსიკალურ ალბომს

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

უსმენთ, შემდეგი სიმღერა ალბომის მიმდევრობაში თავისით გახსენდებათ.

It happens all the time, you make predictions.

ასეთი რამეები გამუდმებით ხდება. თქვენ ახდენთ პროგნოზირებას.

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

მე მაქვს ერთი ექსპერიმენტი, რომელსაც ჰქვია შეცვლილი კარის ექსპერიმენტი.

It says, you have a door at home;

ამ ექსპერიმენტის მიხედვით, თქვენი სახლის კარს

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

მე ახლა, როდესაც თქვენ აქ იმყოფებით, შევცვლი. გავაგზავნი ვინმეს

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

ვინც თქვენს სახლში კარებს გამოგიცვლით.

moving your doorknob over two inches.

ისინი თქვენს სახელურს ორი ინჩის იქით გადაადგილებენ.

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

როდესაც დღეს საღამოს სახლში მიხვალთ, თქვენ თქვენს ხელს წაიღებთ იქ,

სადაც სახელური გეგულებათ, და უცბად შეამჩნევთ, რომ

notice it's in the wrong spot

არასწორად წაიღეთ ხელი, და იტყვით, რომ ვა, რაღაც მოხდა.

and go, "Whoa, something happened."

It may take a second, but something happened.

რამდენიმე წამი წაიღებს იმის გააზრებას, თუ რა მოხდა.

I can change your doorknob in other ways --

თქვენი სახელურის შეცვლა კიდევ სხვანაირად შემიძლია.

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

მას გავხდი უფრო დიდს ან პატარას. თუ იყო ბრინჯაოსი, გავხდი ვერცხლისას.

ან გავხდი მას ჩამკეტს. გადავღებავ თქვენს კარს,

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

დავაყანებ მასზე ფანჯრებს. ათასი რამის შეცვლა შემიძლია თქვენს კარებზე,

I can change a thousand things about your door

და იმ ორ წამში, რაც კარის გაღებას სჭირდება,

and in the two seconds you take to open it,

თქვენ გაიაზრებთ, რომ რაღაც შეიცვალა.

you'll notice something has changed.

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

ინჟინერული მიდგომა, AI (ხელოვნური ინტელექტის) მიდგომა იქნება

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

კარიბების საინფორმაციო საცავის შექმნა. მასში იქნება კარების ყველა ატრიბუტი.

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

როდესაც საკუთარი სახლის კარს მიუახლოვდები, საცავი შეამოწმებს მას:

door, door, color ...

კარები, კარები კარები, ფერი... და ა.შ. ხვდებით ალბათ, რასაც ვგულიხმობ.

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

ჩვენ ამას არ ვაკეთებთ. ჩვენი ტვინი ამას არ აკეთებს.

Your brain is making constant predictions all the time

ჩვენი ტვინი უბრალოდ ახდენს მუდმივ პროგნოზირებას

about what will happen in your environment.

ანუ იმის გათვლას, თუ რა მოხდება მოცემულ გარემოში.

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

როდესაც ჩემს ხელს ამ მაგიდაზე ვდებ, ჩემი მოლოდინი არის, რომ ის გაჩერდება.

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

როდესაც დავდივარ, თუ ინჩის მეოთხედით ავაცილე,

I'll know something has changed.

ვხვდები, რომ რაღაც იცვლება.

You're constantly making predictions about your environment.

ჩვენ ყოველთვის ვაკეთებთ წინასწარმეტყველებებს გარემოში.

I'll talk about vision, briefly.

მოკლედ ვისაუბროთ ხედვის უნარზე. აქ მაქვს ქალის სურათი

This is a picture of a woman.

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

როდესაც ხალხს უყურებთ, თქვენი თვალი მოძრაობს

ორ-სამჯერ წამში.

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

თქვენ ამას ვერ ხვდებით, მაგრამ თქვენი თვალები მუდმივად მოძრაობენ.

როდესაც ვიღაცას თვალებში უყურებთ,

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

ჩვეულებრივ, ჯერ თვალიდან იწყებთ, შემდეგ ცხვირი, პირი...

When your eye moves from eye to eye,

როდესაც თვალიდან თვალზე გადადიხარ

if there was something else there like a nose,

და ხედავ რაღაცას , რაც ჰგავს ცხვირს,

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

ხედავ ცხვირს იქ, სადაც წესით თვალი უნდა იყოს,

ამბობ, ოჰ, ჯანდაბა...

(Laughter)

"There's something wrong about this person."

(სიცილი)

ამ ტიპს რაღაც სჭირს.

That's because you're making a prediction.

ეს იმიტომ ხდება, რომ შენ ახდენ წინასწარგანსაზღვრას,

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

ისე არ ხდება, რომ უბრალოდ შეხედავ ვინმეს და იტყვი, "ვა რას ვხედავ?"

"ცხვირია, მერე რა..." არა, თქვენ გაქვთ მოლოდინი, რომ იმ ადგილას რაღაც დაგხვდებათ.

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

(სიცილი)

Every single moment.

და ბოლოს, მოდი შევხედოთ იმასაც, რანაირად ვსაზღვრავთ ჭკუას.

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

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

ჩვენ ვსაზღვრავთ მას პროგნოზირებას უნარით. რა იქნება შემდეგი სიტყვა?

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

ეს მოდის ამის შემდეგ და ეს ამის შემდეგ... რა იქნება შემდეგი ციფრი ამ წინადადებაში?

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

აქ არის ობიექტის სამი ხედვა.

რა არის მეოთხე? მეოთხე არის ის, თუ რანაირად ვახდენთ მის "დატესტვას", როგორ ვახდენთ წინასწარგანსაზღვრას, წინასწარმეტყველებას.

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

So what is the recipe for brain theory?

რა იქნება ტვინის თეორიის რეცეპტი?

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

პირველ რიგში, უნდა გვქონდეს შესაბამისი ჩარჩო.

And the framework is a memory framework,

ეს ჩარჩო არის მეხსიერების ჩარჩო,

not a computational or behavior framework,

და არა გამოთვლითი ან ქცევითი ჩართო. ეს არის მეხსიერების ჩარჩო.

it's a memory framework.

How do you store and recall these sequences of patterns?

როგორ ინახავ და იხსენებ ამ მოდელების შაბლონებს? ეს სივრცით-დროითი შაბლონებია.

It's spatiotemporal patterns.

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

სწორედ ამ ჩარჩოში სამუშაოდ უნდა მოვაქციოთ რამდენიმე კარგი თეორეტიკოსი.

biologists generally are not good theoreticians.

ბიოლოგები არც ისე კარგი თეორეტიკოსები არიან.

ეს ყოველთვის ასე არ არის, მაგრამ ზოგადად, ბიოლოგიაში თეორიის სანიმუშო ისტორია არ აქვთ.

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,

საუკეთესო ხალხი, ვისთანაც ვმუშაობ, არიან ფიზიკოსები,

engineers and mathematicians,

ინჟინრები და მათემატიკოსები, რომლებიც ფიქრობენ ალგორითმულად.

who tend to think algorithmically.

Then they have to learn the anatomy and the physiology.

მათ სჭირდებათ ანატომიის და ფიზიოლოგიის შესწავლა.

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

ეს თეორიები ანატომიური თვალსაზრისით რეალისტური უნდა იყოს.

ვინმე როცა ადგება და გიყვება, თავის თეორიას, როგორ მუშაობს ტვინი,

Anyone who tells you their theory about how the brain works

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

და არ გიყვება ზუსტად თუ რა პროცესები ხდება ტვინში

and how the wiring works --

კარგ თეორიას ვერ აყალიბებს.

it's not a theory.

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

ამას ვაკეთებთ რედვუდის ნეირომეცნიერების ინსტიტუტში.

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

მეტი დრო რომ მქონდეს, სიამოვნებით მოგიყვებით ფანტასტიურ პროგრესზე, რაც ჩვენს საქმეში გვაქვს,

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

და მე ვიმედოვნებ, რომ ამ სცენაზე კვლავ დავბრუნდები,

იმედია არც ის შორეულ მომავალში.

to tell you about it.

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

მე ნამდვილად ძალიან აღტყინებული ვარ. ეს არ წაიღებს 50 წელს.

What will brain theory look like?

როგორი იქნება ტვინის თეორია?

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

პირველ რიგში, ეს იქნება თეორია მეხსიერების შესახებ,

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

არა როგორც კომპიეტული მეხსიერების. ეს სრულებითაც არ ჰგავს კომპიუტერულ მეხსიერებას.

It's very different.

ის ძალიან, ძალიან განსხვავებულია.ეს არის ამ მაღალი განზომილებების

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

შაბლონების მეხსიერება, რაღაცების რაც შენში შენი თვალებიდან შედის.

like the things that come from your eyes.

It's also memory of sequences:

ეს არის ასევე მიმდევრობების მეხსიერება.

you cannot learn or recall anything outside of a sequence.

თქვენ ვერ ისწავლით ან გაიხსნებთ რამეს მიმდევრობების გარეშე.

A song must be heard in sequence over time,

სიმღერას უსმენთ რაღაც მიმდევრობით დროში

and you must play it back in sequence over time.

და ის უნდა გადაახვიოთ ასევე რაღაც მიმდევრობით.

And these sequences are auto-associatively recalled,

და ეს მიმდევრობები ავტო-ასოციაციურად გვახსენდება, ანუ თუ ვხედავ რამეს,

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

ან თუ ვისმენ რამეს, რაც რაღაცას მაგონებს, ავტომატურად ეხვევა ჩემი მეხსიერება უკან.

and it plays back automatically.

It's an automatic playback.

ეს ავტომატური გადახვევაა. მომავალი მიღებული ინფორმაციის პროგნოზირება სასურველი შედეგია.

And prediction of future inputs is the desired output.

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

როგორც ვთქვი, თეორია უნდა იყოს ბიოლოგიურად გამართული

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

და შეიძლებოდეს მისი გამოცდა, ასევე მისი აშენებაც.

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

თუ მას ვერ ააშენებ, მაშინ ვერც გაიგებ. აი, კიდევ ერთი სლაიდიც.

One more slide.

What is this going to result in?

რა იქნება შედეგი? ჩვენ ნამდვილად ვაპირებთ ჭკვიანი მანქანების შექმნას?

Are we going to really build intelligent machines?

დიახ, აბსოლუტურად ასეა. და ისინი არ იქნებიან ისეთი, როგორიც ხალხს წარმოუდგენია.

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

ეს ნამდვილად მოხდება.

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

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

პირველ რიგში, ჩვენ შევქმნით მას სილიკონისგან,

The same techniques we use to build silicon computer memories,

იგივე ტექნიკით, რასაც ვხმარობთ კომპიუტერების სილიკონის მეხსიერების შექმნაში.

we can use here.

მისი გამოყენება აქაც შეიძლება.

But they're very different types of memories.

ეს იქნება განსხვავებული ტიპის მეხსიერებები.

And we'll attach these memories to sensors,

ამ მეხსიერებებს მივაბამთ სენსორებს

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

და სენსორები განიცდიან რეალური ცხოვრების ფაქტებს,

and learn about their environment.

და ისინი დაიწყებენ საკუთარი გარემოს შესწავლას.

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

ეს არ ნიშნავს იმას, რომ პირველი რასაც დაინახავთ, რობოტები იქნება.

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

არა იმიტომ, რომ რობოტები არიან გამოუსადეგარნი ან იმიტომ, რომ ადამიანები ვერ შექმნიან რობოტებს.

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

რობოტიკის ნაწილი ყველაზე რთულია. ეს ჩვენი საწყისი, "ძველი" ტვინია, რისი აგებაც ძალიან რთულია.

The new brain is easier than the old brain.

ახალი ტვინის აგება უფრო ადვილია, ვიდრე ძველის.

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

პირველ რიგში რასაც გავაკეთებთ არის ის, რაც მოითხოვს ნაკლებ რობოტიკას.

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

ანუ თქვენ ვერ იხილავთ C-3PO-ს.

You're going to see things more like intelligent cars

თქვენ უფრო იხილავთ ისეთ საგნებს, როგორიცაა მაგალითად ჭკვიანი მანქანები,

that really understand what traffic is, what driving is

რომლებმაც იციან, თუ რა არის საცობი და რას ნიშნავს სიარული,

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

და ისწავლიან, რომ ზოგიერთი ტიპის მანქანას ფანრები ნახევარი წუთით თუ აქვთ ანთებული

probably aren't going to turn.

ესე იგი მობრუნებას არ აპირებს და ა.შ.

(Laughter)

(სიცილი)

We can also do intelligent security systems.

ჩვენ ასევე შეგვიძლია დაცვის სისტემების შექმნა.

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

ასეთ რამეებს გამოვიყენებთ ნებისმიერ სფეროში, სადაც ჯერ კიდევ ვიყენებთ ჩვენს ტვინს და არ ვიყენებთ საკმარის მექანიკას.

those are the things that will happen first.

ეს ისეთი რამეებია, რაც მალე მოხდება.

But ultimately, the world's the limit.

სამყაროს აქვს რაღაც ზღვარი.

I don't know how this will turn out.

მე არ ვიცი რაში გადაიზრდება ეს ყველაფერი.

I know a lot of people who invented the microprocessor.

მე ვიცი ბევრი ადამიანი, ვინც შექმნა მიკროპროცესორი,

And if you talk to them,

და თუ თქვენ მათ დაელაპარაკებით, ისინი გეტყვიან, რომ აკეთებდნენ რაღაც მნიშვნელოვანს,

they knew what they were doing was really significant,

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

მაგრამ ზუსტად რა მოხდებოდა, არავინ იცოდა.

They couldn't anticipate cell phones and the Internet

ისინი ვერ წარმოიდგენდნენ მობილურ ტელეფონებს, ინტერნეტს და ა.შ.

and all this kind of stuff.

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

მათ იცოდნენ, რომ შექმნიდნენ კალკულატორებს

and traffic-light controllers.

და საცობის შუქნიშნის კონტროლიორებს. ისინი ვერ წარმოიდგენდნენ, რომ რაღაც დიდს ქმნიდნენ.

But it's going to be big!"

In the same way, brain science and these memories

იგივე გზით, ტვინის მეცნიერება და მეხსიერებები

are going to be a very fundamental technology,

იქნება ფუნდამენტური ტექნოლოგია, რომელიც მომდევნო 100 წლის მანძილზე

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

წარმოუდგენელ ცვლილებებამდე მიგვიყვანს.

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

და მე ყველაზე მეტად აღტყნიებული ვარ, თუ როგორ გამოვიყენებთ მათ მეცნიერებაში.

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

ვფიქრობ, რომ ჩემი საუბრის დრო ამოიწურა

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

და მე ამით დავამთავრებ.