Jeff Hawkins: How brain science will change computing

번역: Sunphil Ga 검토: Kahyun Kim

I do two things:

전 두 가지 일을 합니다. 모바일 컴퓨터 디자인을 하고 뇌 연구를 합니다.

I design mobile computers and I study brains.

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

오늘 강연은 뇌에 대해서, 그리고

Yay! I have a brain fan out there.

예, 뇌 팬이 어딘가에 있으시군요.

(Laughter)

(웃음)

저는, 여기에 제 첫번째 슬라이드가 뜬다면

If I could have my first slide,

제 강연의 제목과 저의 두가지 소속이 보이실 것입니다.

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,

이제 저는 왜 우리에게 뇌 이론이 없는지에 대해 말해보겠습니다,

why it is important that we should develop one

우리가 뇌 이론을 정립하는 게 왜 중요한 지와, 그걸 정립하기 위해서 무얼 할 수 있는지도요.

and what we can do about it.

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

이 모든 것을 20분 동안 강연하려 합니다. 전 소속이 두 곳입니다.

I have two affiliations.

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

많은 분들이 제가 팜, 그리고 핸드스프링에서 일하던 시절로부터 절 알고 계시지만

but I also run a nonprofit scientific research institute

저는 비영리 과학 연구소도 경영하고 있습니다.

called the Redwood Neuroscience Institute in Menlo Park.

멘로파크에 있는 레드우드 뇌과학 연구소-라는 곳입니다.

We study theoretical neuroscience and how the neocortex works.

여기선 이론적인 뇌과학과

대뇌 신피질이 어떻게 기능하는지에 대해 연구합니다.

I'm going to talk all about that.

이제 저는 이것들에 대해 말해보려 합니다.

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

또 하나의 슬라이드에는 저의 다른 삶에 관한 것입니다, 컴퓨터 삶이죠, 여기있는 슬라이드입니다.

and that's this slide here.

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

이 제품들은 제가 지난 20년동안 작업해온 것들입니다,

starting from the very original laptop

아주 최초의 랩탑에서부터 시작해서 초반의 태블릿 컴퓨터,

to some of the first tablet computers

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

다른 여러 제품들, 그리고 마지막에 있는 최근의 트레오까지 있죠.

and we're continuing to do this.

그리고 저희는 이 작업을 계속 이어가고 있습니다.

I've done this because I believe mobile computing

제가 이렇게 지금껏 연구해온 이유은 저는 정말 모바일 컴퓨팅이

is the future of personal computing,

개인용 컴퓨터의 미래라고 생각하기때문이죠,그래서 이런것을 개발함으로 이 세상을

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

조금더 살기 좋은 곳으로 만들어보려합니다.

by working on these things.

But this was, I admit, all an accident.

제가 인정하는 건. 이게 다 우연이였다는 것입니다.

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

저는 이런 제품 관련일을 할 생각이 없었습니다.

Very early in my career

게다가 막 경력이 시작할 때부터

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

컴퓨터 사업 쪽은 안 할거라고 결심했었습니다.

Before that, I just have to tell you

제가 여기에 대해서 더 말하기 전에 또 알려드릴게 있습니다.

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

이 그래피티 사진은 제가 어느 웹사이트에서 가져온 것입니다.

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

저는 그래피티 사진을 찾고 있었습니다, 조그마한 텍스트 입력 언어 같은 것이죠.

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

그러다 이런 것들을 직접 만들고 싶은 선생님들을 위한 웹사이트를 찾았습니다.

다들 아시는 칠판 위에 쓰는 스크립트 같은 것들 있잖아요, 그리고

across the top of their blackboard,

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

그들은 거기다 그래피티를 추가했던 것이였죠. 그리고 그게 참 유감이긴해요.

(Laughter)

(웃음)

So what happened was,

그래서 어떻게 됬냐면, 제가 젊고, 공대를 막 나왔을 때,

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

79년 코넬대에서였죠, 저는 인텔에 가 일하기로 결정했습니다.

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

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

컴퓨터 산업에 있었던 거죠. 그리고 삼개월이 지나

"경력 선택을 잘못했어" 라고 말하면서, 전 좀 다른것에 빠지게 됩니다

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

and I fell in love with brains.

뇌에 빠져버리게 된 것입니다.

This is not a real brain.

이건 진짜 뇌는 아닙니다. 뇌의 선화 그림이죠.

This is a picture of one, a line drawing.

And I don't remember exactly how it happened,

사실 제가 왜 뇌에 빠지게 됐는지 정확하게 다 기억나지는 않지만

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

아직도 제가 확실히 기억하고있는 딱 하나가 있습니다.

In September of 1979,

1979년 9월판 사이언티픽 아메리칸 (역자 주: 미국의 과학잡지) 이 나왔는데,

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

한 가지 주제만 다루는, 뇌에 관한 특별판이었어요. 내용이 꽤 괜찮았죠.

It was one of their best issues ever.

그 특별판은 그간 나온 것들 중 최고에 속했어요. 뉴런에 대한 기사도 있었고,

They talked about the neuron, development, disease, vision

발달과 질병 그리고 시각등을 다루는 등

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

뇌에 대해 알고 싶을만한 모든 것들을 기사로 실었습니다. 정말 인상적이였죠.

It was really quite impressive.

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

이걸 읽고 나면 사람들이, 아- 우리가 뇌에 대해서 정말 많은 걸 알고 있구나-하는 느낌을 받을 정도였죠.

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

이 이슈의 마지막 기사 글은 DNA로 명성이 있는 프랜시스 크릭이 쓴 내용입니다.

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

오늘이, 아마, DNA를 발견한지 50주년이 되죠.

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

한마디로 이런 내용이였습니다.

지금까지의 것들은 다 괜찮긴하지만, 우리는

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

뇌에 관하여 무지합니다 그리고

and no one has a clue how they work,

아무도 이게 어떻게 돌아가는지도 전혀 모르죠.

so don't believe what anyone tells you.

그러니 누가 뭐라고 하든 믿지마세요.

This is a quote from that article, he says:

그 기사에서 발췌한 내용입니다. 그는 '현저하게 부족합니다" 라고 말했죠,

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

그 분은 품위있는 영국신사입니다, "현저하게 모자라고 있는것은

"What is conspicuously lacking is a broad framework of ideas

이런 다양한 접근법들을 그 테두리 안에서 해석하게 해 줄 폭 넓은 사고의 틀입니다."

in which to interpret these different approaches."

I thought the word "framework" was great.

전 틀,뼈대라는 단어가 멋지다고 생각했습니다.

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

그는 '우리는 이론이 없습니다'라고 말하지 않고,

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

'우리는 뇌에 관하여 어떻게 시작해야 하는지 조차 모르고있습니다 --

우리는 심지어 틀도 없죠'라고 말했습니다.

We don't even have a framework.

토마스 쿤을 응용하자면 우리는 패러다임의 이전 세상에 존재하고 있는거죠.

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

그래서 전 뇌에 푹 빠졌습니다. 그리고 말했죠, 이거 봐-

So I fell in love with this.

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

우린 뇌에 대해서 벌써 이만큼이나 지식을 갖고 있는데, 어려워 봤자 얼마나 어렵겠어?

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

이건 내 인생에 해 볼만한 것 같아. 전 무언가 해낼 수 있겠다는 생각이 들었죠.

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

그래서 전 컴퓨터 사업에서 벗어나서 뇌와 관련된 쪽으로 전환해 보려고 시도했어요.

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

처음에는 MIT로 갔죠. AI 연구소가 거기있었으니까요.

I said, I want to build intelligent machines too,

'나도 한번 지능형머신을 만들어 보고 싶어'하면서요.

but I want to study how brains work first.

하지만 전 뇌가 어떻게 작동하는지부터 공부하고 싶었어요.

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

그런데 거기서는, '아 그런건 몰라도 돼'

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

'그냥 우린 컴퓨터 프로그래밍만 할꺼야. 우린 그것만 하면 돼'

I said, you really ought to study brains.

전, '아니죠. 우린 뇌에대해서도 공부를 해야되요.'라고 했습니다.

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

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

'아니, 당신들이 틀렸다'고 했죠. 그리고 합격하지 못했습니다.

(Laughter)

(웃음)

I was a little disappointed -- pretty young --

전 조금 실망 실망했었습니다 - 꽤 어렸으니까요. 그렇지만 다시 돌아갔죠.

but I went back again a few years later,

몇년이 지나 이번엔 캘리포니아의 버클리로 갔습니다.

this time in California, and I went to Berkeley.

'이번엔 생물학쪽으로 한번 들어가보자'하면서요.

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

So I got in the PhD program in biophysics.

그래서 생물리학 박사과정으로 들어가게 됬어요. 전 '그래'

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

지금부터 뇌에 대해서 공부하는구나. 전 '이론을 공부해 보고 싶다' 고 했죠.

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

그러자 거기서, '아니, 뇌 이론은 안 되지' 그러는 거예요.

You can't get funded for that.

'그건 할 만한 게 못 돼. 연구비 지원도 못 받아'

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

대학원생으로서, 그럼 할 수가 없었죠. 전 '아, 이런.'

So I said, oh my gosh.

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

하고 낙담했었죠. '난 이 분야에서 독특하게 무언가 할 수 있는데' 했으니까요.

그래서 저는 다시 컴퓨터 산업 쪽으로 돌아가게 됩니다.

I went back in the computer industry

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

아 당분간은 뭔가 하면서 이 쪽에서 일해야겠구나' 하면서요.

That's when I designed all those computer products.

그랬던 그 때가, 바로 여기 보시는 모든 컴퓨터 제품들을 디자인했던 시기에요.

(Laughter)

(웃음)

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

전 그랬죠, '난 4년 동안 이렇게 하면서 돈도 벌고

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

가족도 갖고, 좀 성숙해지고 싶다고,

and maybe the business of neuroscience would mature a bit.

아마 뇌 과학쪽도 조금은 성숙해지겠지' 하면서요.

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

그런데 4년보다 더 걸리더라구요. 16년 정도가 됬어요.

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

그렇지만 지금은 하고 있습니다, 뇌에 관하여 이야기하죠.

So why should we have a good brain theory?

그러니깐 왜 우리가 좋은 뇌 이론을 가져야 하죠?

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

음, 사람들이 과학을 하는 이유는 다양합니다.

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

한 가지는-가장 기본적이기도 한데요- 우린 알아내고 싶어하기 때문입니다.

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

우리는 호기심이 가득해요. 그 호기심을 채우려고 나가서 지식을 얻죠, 그렇잖아요?

Why do we study ants? It's interesting.

왜 우리가 개미를 연구하죠? 그냥 재밌으니까요.

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

어쩌면 뭔가 유용한 걸 밝혀낼수도 있겠죠. 그래도 재밌고 신비합니다.

But sometimes a science has other attributes

그런데 때때로 과학에는 다른 특성들이 있습니다

which makes it really interesting.

아주 재미있게 만들어 주는 것들이죠.

Sometimes a science will tell something about ourselves;

과학은 우리 자신에 대해 무언가 알려주기도 하죠.

it'll tell us who we are.

우리가 누구인가에 대해서도.

Evolution did this and Copernicus did this,

드물게는, 여러분께서 알다시피 진화론과 코페르니쿠스가 했던 것처럼

where we have a new understanding of who we are.

우리 자신에 대해 새로운 발상을 하게 하죠.

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

결국에는 우리가 바로 뇌이니까요. 제 뇌가 여러분의 뇌에게 말하고 있는 것처럼 말이죠.

Our bodies are hanging along for the ride,

우리 몸은 뇌에 걸쳐져 있는 것 뿐이고, 제 뇌가 여러분 뇌에게 말하고 있는 것이죠.

but my brain is talking to your brain.

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

그리고 만약 우리가 우리 자신이 누군지, 어떻게 느끼고 지각하는 지 등을 알고 싶다면,

정말 뇌가 무엇인지를 이해해야 해요.

we need to understand brains.

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

또 한 가지는 때때로 과학은

사회적으로 큰 이익이나 기술이나 사업같은 쪽으로 우릴 이끌어 갈 때가 있어요

or businesses or whatever.

그리고 뇌과학 역시 그래요.

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

왜냐면 우리가 뇌가 어떻게 기능하는지 알게 되면

we'll be able to build intelligent machines.

지능형 머신을 만들 수 있습니다, 전체적으로 보아 사실상 잘 된 일이죠.

That's a good thing on the whole,

with tremendous benefits to society,

사회에 엄청난 이익을 가져올 것입니다.

just like a fundamental technology.

근본적인 기술처럼 말이죠.

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

그럼 왜 우린 좋은 뇌 이론이 없을까요?

People have been working on it for 100 years.

사람들이 100년씩이나 연구해오고 있는데도 말입니다.

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

그럼, 우선 전형적 과학은 어떤 식인지 살펴볼까요.

This is normal science.

이것이 전형적인 과학입니다.

Normal science is a nice balance between theory and experimentalists.

보통의 과학은 이론과 실험이 적절한 평형을 이루죠.

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

이론을 공부하는 사람은, '그래, 이건 이런 원리인거 같아'하죠.

the experimentalist says, "You're wrong."

그리고 실험하는 사람은, '아니, 그건 틀렸어'

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

알다시피, 그러면서 주거니 받거니 하는거죠.

이건 물리, 지질학에서 통합니다. 이게 전형적 과학이라면,

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

뇌과학은 어떻게 생겼을까요? 이게 뇌과학의 모습입니다.

This is what neuroscience looks like.

우리는 산더미처럼 쌓인 데이터가 있습니다. 해부학, 생리학, 행동학같은.

We have this mountain of data,

which is anatomy, physiology and behavior.

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

우리가 뇌에 대해서 얼마나 세세하게 알고있는지 아마 상상도 못하실 것입니다

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

올해 뇌과학 컨퍼런스에 28,000명이 모였어요.

and every one of them is doing research in brains.

그리고 그 한 사람 한 사람이 모두 뇌에 관한 연구를 하고있죠.

A lot of data, but no theory.

많은 자료가 있는데 이론은 없습니다. 아주 조금 있죠,

There's a little wimpy box on top there.

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

이론은 뇌과학에서 중대한 방법으로서 제 역할도 못하고 있습니다.

in the neurosciences.

And it's a real shame.

이건 정말 안 된 일이에요. 자, 그럼 왜 이런 현상이 나타나는 걸까요?

Now, why has this come about?

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

뇌과학자들에게 왜 이런 상태냐고 묻는다면

first, they'll admit it.

우선 인정은 할 것입니다. 그리고 그들은 말하겠죠,

But if you ask them, they say,

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

"음, 왜 만족스런 뇌 이론이 없는지에 대한 이유는 많죠."

Some say we still don't have enough data,

어떤 사람은, '아직도 자료가 충분치 않아요,'

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

'더 많은 지식이 필요해요, 우리가 모르는게 이렇게 많은데요'

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

그런데 제가 방금 자료는 넘쳐나고 있다는 걸 말씀드렸죠.

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

우리는 자료가 너무 많습니다. 어디서부터 정리해야 될 지 모를 정도이죠.

What good is more going to do?

더 많아진다 한들 무슨 도움이 될까요?

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

아주 운이 좋으면 마술같은 것을 발견할 수도 있겠죠. 가능성은 낮지만요.

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

이게 사실 우리가 이론이 없다는 것에 대한 반증입니다.

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

우리는 데이터가 더 필요한 게 아니에요. 뇌에 대한 좋은 이론이 필요한 거죠.

Another one is sometimes people say,

또 다른 사실 하나는, 사람들이 가끔 이렇게 얘기합니다. '뇌라는 건 너무 복잡해-

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

50년은 더 걸릴거야.' 라고 말이죠.

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

심지어 크리스도 어제 이런식으로 이야기 했었죠.

크리스 씨가 한말이 무엇인지 정확히 생각이 나지 않지만,

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

아마 뇌가 우주에서 제일 복잡한 것이라는 설명이였죠. 그러데 그건 사실이 아닙니다.

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

여러분들이 여러분의 뇌보다 복잡하죠. 뇌를 갖고 계시잖아요.

You've got a brain.

뇌는 보기에는 복잡해 보여도요

And although the brain looks very complicated,

이해하기 전까진 다 복잡해 보이는 법이죠.

things look complicated until you understand them.

That's always been the case.

지금껏 다 그랬듯요. 우리는, 음,

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

신피질, 제가 흥미를 가지는 이 부분은 300억개의 세포로 되어있다고 말할 수 있습니다

has 30 billion cells.

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

그러데 알고계시나요? 이 피질은 아주 일정하다는 것이죠.

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

실제로, 똑같은 것이 계속 반복되는 것처럼 보이죠.

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

뇌는 보이는 것만큼 복잡하지가 않다는 겁니다. 그래서 복잡함-은 이슈가 되지 않아요.

Some people say, brains can't understand brains.

어떤 사람은, 뇌가 뇌를 이해할 수는 없을 것이라고 합니다.

Very Zen-like. Woo.

오오. 꼭 도에 관한 것 (zen=선,禪)같지 않나요.

(Laughter)

(웃음)

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

멋있게 들리죠, 근데 왜죠? 그러니까 무슨 뜻인 것이죠?

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

그냥 세포 뭉텅이죠. 여러분들, 간에 대해서 다 이해하시잖아요.

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

간도 세포가 많은데요, 그렇죠?

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

그럼 이건 아닌거 같네요.

And finally, some people say,

마지막으로, 몇몇의 사람들은 말하죠,

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

'난 내가 세포 뭉텅이 같진 않아, 알다시피, 난 의식하고 있잖아.

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

알다시피, 난 경험도 쌓았고, 이 세상에 있는데,

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

세포 뭉텅이일수가 없지. 안 그래?'

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

옛날엔 살아가게 하는 생명의 힘(life force)의 존재를 믿었습니다.

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

그리고 지금은 그건 전혀 사실이 아닌 것을 알고있죠.

And there's really no evidence,

믿고 있지 않는 사람들 빼고는 딱히 증거는 없습니다.

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

그들은 세포들이 그런식의 제 역할을 할 수 있다는 것을 못 믿죠.

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

몇몇의 사람들이 형이상학적인 이원론에 빠져있다면,

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

똑똑한 사람들도 마찬가지죠. 하지만 우린 이런 것을 다 거부할 수 있습니다.

(Laughter)

(웃음)

또 다른 게 있다는 것을 알려드리겠습니다,

No, there's something else,

something really fundamental, and it is:

정말 기본적인 것입니다, 바로 이것이죠:

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

좋은 뇌 이론이 없는 또 다른 이유가 있습니다.

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

우리를 강하게 사로잡는 직감을 가지고 있기 때문이죠,

하지만 이 부정확한 가정은 우리가 바른 답을 볼 수 없도록 막아왔습니다.

that has prevented us from seeing the answer.

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

말하자면, 우리가 믿는 무언가가 있다고 합시다. 아주 분명한 것 같은데, 사실은 그게 틀린- 그런 경우에요.

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

자, 뭔지 여러분께 말씀 드리기 전에- 지금까지 과학에서는 이런 경우가 쭉 있어 왔습니다.

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

과학 안에서의 그 역사에 대해서 조금 말씀드리기로 하죠.

Look at other scientific revolutions --

(뇌과학이 아닌 분야에서의) 다른 과학적 진화들을 한 번 생각해 보세요

the solar system, that's Copernicus,

예를 들자면 태양계 이론 같은 걸 말하는 겁니다, 이건 코페르니쿠스였구요-

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

다윈의 진화론, 그리고 또 판 구조론, 이건 베게너였죠.

모두 뇌과학과 많은 공통점이 있습니다.

They all have a lot in common with brain science.

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

첫 번째로, 앞에 언급한 케이스들 모두 설명되지 않은 데이터만 많이 있었습니다.

But it got more manageable once they had a theory.

하지만 일단 이론이 나오고 나서부터는 그 데이터들을 다루기가 쉬워졌었죠.

The best minds were stumped -- really smart people.

최고의 학자들도 (이론이 나오기 전까진) 그렇게 막혔었어요. 정말, 정말 똑똑한 사람들이었는데도요.

We're not smarter now than they were then;

우리는 그들보다 똑똑하지 않습니다.

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

결국 이런 이론들을 생각해내는 게 정말 어렵다고 판명된 겁니다.

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

그렇지만 한 번 생각해 내고 나면, 그 다음엔 이해하기가 꽤 쉬운 거죠.

My daughters understood these three theories,

저의 딸들은 이 세 개의 이론을 이해했습니다

유치원에 들어갈 무렵에는 벌써 그 이론들의 기본적인 틀은 다 이해했어요.

in their basic framework, in kindergarten.

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

어려운 것들이 아니거든요, 알다시피, 여기 사과, 오렌지가 있고,

the Earth goes around, that kind of stuff.

알다시피, 지구가 태양 주위를 돈다는 이론 같은 것들이죠.

Another thing is the answer was there all along,

그리고 또 하나 짚고 넘어갈 건, 그 답이 언제나 거기 있었다는 사실입니다.

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

그렇지만 우린 그걸 무시해오곤 했어요, 왜냐하면 너무 당연하고-

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

직관적이고, 그래서 우리를 강하게 지배해 온 그 틀린 믿음 때문에요.

In the case of the solar system,

태양계를 예로 들어보자면, 기본 개념은 그거죠- 지구가 회전하고,

the idea that the Earth is spinning,

the surface is going a thousand miles an hour,

지구의 표면이 한시간에 천 마일정도 움직이며,

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

그리고 지구가 시간 당 백만 마일 정도의 속도로 태양계 안을 돈다, 라는 거에요.

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

말이 안 되는 것이죠. 모두 지구가 움직이지 않는다는 것을 알고 있습니다.

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

한 시간에 지구가 천 마일 정도 움직이는 것이 느껴지나요?

당연히 그렇게 느껴지지 않잖아요. 안그래요? (그 당시에) 누군가가 이렇게 말했다고 합시다,

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

음, 지구는 우주를 돌아, 그리고 매우 크지,

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

그런 말을 했다면, 당신은 아마 감옥에 갇힐 거에요. 당시에는 그렇게 감금을 했었구요.

(웃음)

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

그래요, 그건 직관적이고 너무 당연했거든요. 그럼 진화는 어떨까요?

Evolution, same thing.

진화론도 똑같아요. 우리는 아이들한테 이렇게 가르쳤어요, 음, 성경에 따르면,

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

신이 모든 종을 창조했단 말입니다. 그래서, 고양이는 고양이이고- 개는 개이고,

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

사람은 사람이고 식물은 식물이에요, 바뀌거나 하지 않습니다.

they don't change.

그리고 노아가 모든 종들을 그 순서대로 방주에 실었고 어쩌구 저쩌구- 아시다시피 말이에요-

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.

하지만 사실은, 만약 여러분들이 진화론을 믿는다면요, 우린 다 같은 조상을 가지고 있다는 것입니다.

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

말하자면 로비에 놓여있는 식물과 우리는 다 같은 조상한테서 진화해 온 거라는 겁니다.

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

이것이 진화론이 우리에게 말하는 것입니다. 그리고, 이것은 믿기 힘들지만, 사실이죠.

And the same thing about tectonic plates.

그리고 지각판에 대한 것도 똑같은 이야기에요, 그렇죠?

All the mountains and the continents

모든 산들, 그리고 대륙은 모두 지구 상단에 떠있는 상태이죠,

are kind of floating around on top of the Earth.

그렇죠? 이것은 마치, 말이 안 되는 것 같습니다.

It doesn't make any sense.

So what is the intuitive, but incorrect assumption,

그럼 대체 어떤, 직관적이기는 하지만 부정확한 가정이 (앞의 경우들처럼)

that's kept us from understanding brains?

우리가 뇌를 이해하는 걸 방해하고 있는 걸까요?

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

이제 여러분께 그게 무언지에 대해서 말씀드릴거에요. 들어보시면, 그게 정확하다는 건 아주 분명할 겁니다.

그게 핵심이에요, 그렇죠? 그런 다음에, 저는 왜 여러분들이 다른 가정에 대해서

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

틀렸는지에 대해서 반론을 해야할 거에요.

The intuitive but obvious thing is:

직관적이고 분명한 (그렇지만 틀린) 가정은 이겁니다, 어쨌든 지성은

somehow, intelligence is defined by behavior;

행동을 통해서 정의된다는 가정이에요.

we're intelligent because of how we do things

우리가 무언가를 해 내는 방법들, 우리가 영리하게 행동하는 그 방법들이

and how we behave intelligently.

사람을 지적으로 만든다는 가정인데, 이제 저는 그런 생각들이 틀렸다고 말씀드리려고 합니다.

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

Intelligence is defined by prediction.

이 지성은 예측에 의하여 증명됩니다.

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

여기 몇몇의 슬라이드를 통하여 여러분께 설명하고자 합니다,

and give you an example of what this means.

지성에 대한 예가 있습니다, 여기 한 체계가 있습니다.

Here's a system.

Engineers and scientists like to look at systems like this.

기술자들은 이와 같은 체계를 보기를 선호하죠. 과학자들 역시 그렇습니다.

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

그 사람들은 그렇게 얘기해요, 여기 박스안에 뭔가 들어 있어요. 그리고 그 입력물과 출력물들도 여기 있구요.

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

그럼 AI 연구자들은 얘기하겠죠, '박스 안에 든 그건 프로그래밍 가능한 컴퓨터입니다.' 라구요.

because it's equivalent to a brain.

왜냐면 그게 뇌와 동일한 것 같거든요. 우리가 어떤 입력값을 주고,

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

그걸로 하여금 뭔가를 하게 시키고, 그럼 그 결과로 행동을 얻어내는 거에요.

그리고 앨런 튜링이 튜링 테스트라는 걸 정의했는데요, 기본적으로 이런 말입니다-

Alan Turing defined the Turing test, which essentially says,

'어떤 것이 지성을 가졌고 인간과 동일한 행동을 한다면 우리는 어떤 행동으로 지성을 측정할 지에 대해서 알게 될 것이다.'

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

말하자면 지성을 측정하는 건 행동이라는 것이죠.

a behavioral metric of what intelligence is

that has stuck in our minds for a long time.

그리고 이 말은 오랫동안 우리의 마음에 남아있죠.

Reality, though -- I call it real intelligence.

하지만 현실은 말입니다, 저는 이걸 진짜 지성이라고 부르는데요-

Real intelligence is built on something else.

진짜 지성은 다른 것이죠.

We experience the world through a sequence of patterns,

우리는 패턴의 일치를 통하여 경험하며, 그것들을 저장하고,

and we store them, and we recall them.

상기합니다. 이것들을 상기할 때, 우리는 실제에 대항하여 맞춰 봅니다.

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

그리고 언제나 예측을 하죠.

and we're making predictions all the time.

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

끊임없는 측량이에요. 우리 자신에 대한 끊임없는 측량 이라는 거죠, 말하자면

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

우리가 세상을 이해할 수 있을까? 내가 지금 예측하고 있나? 기타 등등.

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

여러분은 모두 영리해지고 있습니다, 하지만 아무것도 하지 않고있죠.

아마 지금 어딜 긁고 있거나, 코를 후비고 있거나 그럴지도 몰라요-

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

모르죠, 하지만 여러분은 지금 당장 아무것도 하고 있지 않습니다,

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

하지만 영리해지고 있습니다, 제가 하는 말을 이해하고 있으시죠.

Because you're intelligent and you speak English,

영리하시니까요 그리고 영어를 말하실 수 있죠,

you know the word at the end of this

여러분들은 지금 제가 하는 말 마지막에 올 단어가- (침묵)

'문장' 이라는 걸 알아요.

sentence.

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

단어들이 그냥 떠오르는 거에요. 그리고 여러분들은 이런 종류의 예측을 항상 하고 있다는거죠.

What I'm saying is,

다음으로 제가 말하려 하는 것은,

the internal prediction is the output in the neocortex,

그 끊임없는 예측이라는 것이 대뇌 신피질이 내어놓는 출력물이라는 겁니다.

어찌되었든, 예측은 지적인 행동으로 이끕니다.

and somehow, prediction leads to intelligent behavior.

Here's how that happens:

어떻게 발생하는지, 여기 보시죠. 영리하지 않은 뇌로 시작하겠습니다.

Let's start with a non-intelligent brain.

영리하지 않은 뇌를 논하죠, 오래된(진화가 덜 된) 뇌가 있습니다,

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,

포유류가 아닌 것이라고 합시다, 파충류로 하죠-

say, an alligator; we have an alligator.

악어라고 합시다, 그래요 여기 악어 한 마리가 있습니다.

And the alligator has some very sophisticated senses.

악어는 매우 복잡한 감각을 가지고 있습니다.

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

매우 좋은 눈, 귀, 그리고 접촉 감각 기타 등등

a mouth and a nose.

입 그리고 코. 매우 복잡한 행동 양식이 있습니다. 알다시피

It has very complex behavior.

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

달릴 수도 있고 숨을 수도있죠. 공포와 같은 감정도 있죠. 심지어 여러분을 먹을 수도 있습니다

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

공격도 할 수 있구요- 악어는 정말 온갖 걸 다 할 수 있습니다.

But we don't consider the alligator very intelligent,

하지만 우리는 악어를 인간처럼 영리하다고 생각하지 않죠.

not in a human sort of way.

But it has all this complex behavior already.

하지만 이미 악어는 모든 복잡한 행동 양식을 가지고 있습니다.

Now in evolution, what happened?

자, 진화론에서, 무슨 일이 발생했을까요?

First thing that happened in evolution with mammals

포유류의 진화에서 가장 먼저 일어났던 것은,

is we started to develop a thing called the neocortex.

아마 신피질(대뇌)이라 불리는 곳이 가장 먼저 발달하기 시작했습니다.

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

그리고 저는 오래된 뇌의 상단 부분에 붙어있는 이 박스로

신피질에 관하여 설명하고자 합니다.

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

신피질은 새로운 층을 뜻하죠. 뇌의 상단 위에 있는 새로운 층인 것이죠.

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

만약 여러분께서 신피질을 몰랐다면, 이것은 그저 머리 위에 있는 주름입니다,

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

주름졌죠 왜냐하면 뇌에 구겨넣어졌고 맞지가 않았기 때문이죠.

(Laughter)

(웃음)

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

아닙니다, 정말 그래요. 신피질이라는 게 테이블 냅킨 정도 크기거든요.

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

맞지가 않습니다, 그래서 모두 주름졌죠. 여기를 제가 어떻게 그렸는지 보세요.

Now, look at how I've drawn this.

The old brain is still there.

여전히 이곳에 오래된 뇌가 있습니다. 여러분은 여전히 오래된 뇌를 가지고 있습니다.

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

정말이죠. 이것은 여러분의 감정 뇌입니다.,

It's all those gut reactions you have.

그 모든 감정들이 여기 있는거에요, 여러분들이 갖고 있는 본능적인 반응들도 다 여기 있죠.

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

그리고 윗 부분은, 신피질이랑 불리는 기억 체계입니다.

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

기억 체계는 뇌의 감각 중추 위에 놓여있습니다.

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

오래된 부분의 뇌로부터 감각 입력이 들어오면,

it also goes up into the neocortex.

이 정보는 신피질로 이동합니다. 신피질은 그저 기억하죠.

And the neocortex is just memorizing.

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

신피질에 정착해 말합니다, '아, 진행 되고 있는 모든 것을 외울거야,

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

내가 갔던 곳들, 본 사람들, 그리고 들었던 것들 등등.

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

미래에, 뇌가 이와 비슷한 것을 보았을 때,

in a similar environment, or the exact same environment,

비슷한 환경, 혹은 똑같은 환경에 처하게 되면

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

뇌가 그 정보들을 다시 재생할거에요. 다시 상기하기 시작할 겁니다.

'오, 전에 여기 왔었지.' 그리고 여러분이 전에 이곳에 왔을 때,

and when you were here before, this happened next.

상기하죠. 뇌는 여러분이 미래를 예측하게 이끌죠.

It allows you to predict the future.

It literally feeds back the signals into your brain;

뇌가 그렇게 예측하게 해주는 겁니다, 말 그대로 신호를 뇌에다 다시 입력해 주는 거죠.

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

뇌는 여러분이 다음에 무엇이 일어날지 알게 만들죠,

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

제가 말하기 전에 단어를 듣게하죠, 그리고

And it's this feeding back into the old brain

이 오래된 뇌에 재입력하는 일련의 과정이

that will allow you to make more intelligent decisions.

여러분이 더욱더 현명한 결정을 하게 이끌죠.

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

이 말은 저의 강연에서 가장 중요한 부분입니다. 그래서 조금 더 설명하려합니다.

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

그래서, 여러분들은 늘 그렇게 말합니다, '오, 나는 모든 걸 예측할 수 있어' 라고 말이에요.

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

만약 여러분이 생쥐이고 미로를 통과한다면, 이후 미로를 배운다면,

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

다음에 미로에 있을 때, 여러분은 같은 행동을 보이죠,

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

하지만 갑자기, 똑똑해지죠

여러분은 말하죠, '아, 이 미로 알아, 나가는 방법을 알지,

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

예전에 이곳에 와 본 적이 있어. 미로를 통과하는 걸 마음에 떠올릴 수 있지' 이것이 뇌가 하는 것입니다

That's what it's doing.

This is true for all mammals --

사람들한테 있어서, 아, 사실 이건 모든 포유동물들한테 해당되는 건데요,

in humans, it got a lot worse.

다른 포유류에게도 모두 사실인데 사람들의 경우에 훨씬 심합니다.

Humans actually developed the front of the neocortex,

인간은 전두엽 부분의 신피질을 발달시켰습니다

called the anterior part of the neocortex.

전전두 신피질이라 불리 곳이죠. 자연의 작은 변화(속임수)가 있었습니다.

And nature did a little trick.

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

이것은 감각을 당담하고 있는 뒷 부분, 후두엽을 복사 했죠

and put it in the front.

그리고 전두엽에 놓였죠.

Humans uniquely have the same mechanism on the front,

인간은 전두엽에 유일하게 같은 방법을 가지고 있습니다,

but we use it for motor control.

하지만 이것을 운동 조절을 위해 사용하죠.

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

그래서 우리는 매우 세밀한 동작을 계획할 수 있는 것입니다. 이렇게 말이죠.

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

이 부분에 대해서 모두 설명할 시간이 없지만, 여러분께서 뇌가 어떻게 작동하는지 알고 싶다면,

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

우선 포유류의 신피질이 어떻게 작동하는지, 그리고

그리고 우리가 패턴을 어떻게 저장하고 예측을 하는지 이해해야 합니다.

how it is we store patterns and make predictions.

그래서 저는 몇가지 예측의 예를 보여드리겠습니다.

Let me give you a few examples of predictions.

I already said the word "sentence."

저는 이미 단어 문장에 대해 말했습니다. 음악에서,

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

예전에 음악을 들었거나, 질이 예전에 노래 부르는 것을 들었다면,

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

그녀가 그 노래를 부를 때, 다음 음정은 이미 머릿 속에 떠올라요.

you anticipate it.

들으면서 동시에 다음 파트를 예측하는 겁니다. 만약에 이게 음반으로 묶인 음악이라면

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

한 앨범이 끝나는 순간에 다음 노래가 여러분의 머리에 떠오르죠.

It happens all the time, you make predictions.

그리고 이런 현상은 계속 일어납니다. 여러분은 예측하고 계신 것입니다.

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

저는 이것을 바뀐 문 인지 실험이라고 부르죠.

It says, you have a door at home;

이 실험은 이렇죠, 여러분의 집에 문이 있습니다,

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

여러분이 여기 있을 때, 저는 문을 바꿉니다, 저는 지금 당장

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

누구를 하나 여러분 집에 보내요, 그럼 그 사람이 문을 돌려놓을 거에요-

moving your doorknob over two inches.

그리고 그 사람은 문 손잡이를 2인치 정도 옮겨놓을 겁니다.

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

그리고 오늘밤 여러분이 집으로 갔을 때, 손잡이에 손을 갖다대려 하겠죠,

손잡이 쪽으로 뻗겠죠 그리고 알아차릴 것입니다

notice it's in the wrong spot

잘못 되었다고, 그리고 깨닫을 것입니다, '우와, 뭔가 변했네'

and go, "Whoa, something happened."

It may take a second, but something happened.

대체 무슨 일이 있었는지 알아내는 데는 좀 걸릴 수도 있겠지만, 뭔가 변했다는 건 바로 알아차릴겁니다.

I can change your doorknob in other ways --

지금 저는 여러분의 문 손잡이를 여러 방법으로 바꿀 수 있습니다.

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

크게 혹은 작게 만들거나 동색에서 은색으로 바꿀 수 있죠,

레버형 손잡이로 바꿔 놓을 수도 있고, 문을 바꿀 수도 있어요- 색을 칠한다거나,

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

창문을 넣을 수도 있습니다. 문에 관하여 천가지쯤은 바꿀 수 있습니다,

I can change a thousand things about your door

그리고 잠깐동안 여러분이 문을 열었을 때,

and in the two seconds you take to open it,

뭔가 바뀌었다는 것을 눈치 채실 것입니다.

you'll notice something has changed.

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

자, 이 현상에대한 엔지니어적인 접근 방법, 예를 들자면 AI 적인 접근방법은

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

문에 관한 데이터 베이스를 구축하는 겁니다. 이 데이터베이스는 문에 대한 모든 특성을 포함하는 거죠.

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

여러분이 문에 다가설 때, 한 번에 그것들을 검사합니다.

door, door, color ...

'문, 문, 문, 색깔', 무슨 말인지 아시죠.

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

우리는 그렇게 하지 않습니다. 여러분의 뇌는 그렇게 하지 않죠.

Your brain is making constant predictions all the time

뇌가 하는 것은 항상 끊임없이 예측하는 것입니다

about what will happen in your environment.

지금 환경에서 무엇이 벌어질지 말입니다.

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

제가 이 테이블에 손을 얹을 때, 저는 손이 멈추는 걸 느끼기를 기대합니다.

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

제가 걸을 때, 매 걸음 마다- 만약 1/8 인치 정도 놓쳤다면

I'll know something has changed.

뭔가 바뀌었다는 것을 느끼게 됩니다.

You're constantly making predictions about your environment.

여러분은 끊임없이 주어진 환경에 대하여 예측합니다.

I'll talk about vision, briefly.

간략하게 시각에 대해서 말하죠. 여성 사진입니다.

This is a picture of a woman.

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

여러분이 사람을 볼 때, 여러분의 눈은 사로잡힙니다

일초에 두번에서 세번정도 말이죠.

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

이것에 대하여 인지 할 수 없지만 눈은 항상 움직이고 있습니다.

그래서 어떤이의 얼굴을 보았을 떄,

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

일반적으로 눈에서 눈으로 눈에서 코로 입으로 이동하죠.

When your eye moves from eye to eye,

지금, 여러분의 시선이 눈에서 눈으로 움직일 때,

if there was something else there like a nose,

만약 눈에 코와 같은게 있다면

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

여러분은 눈이 있어야 될 코를 보실 것입니다

'오 이런',이런 반응을 보이시겠죠, 알다시피 --

(Laughter)

"There's something wrong about this person."

(웃음)

이 사람, 무언가 잘못됐다-라고 느끼겠죠.

That's because you're making a prediction.

왜냐하면 여러분이 예측했기 때문입니다.

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

시선을 그 쪽으로 향해서 보면서 내가 지금 무얼 보고 있는걸까-하고 말하는 그런 상황이 아닌거죠.

코, 괜찮습니다, 아니죠, 여러분은 보는 것에 대하여 예측을 합니다..

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

(웃음)

Every single moment.

매순간 말입니다. 그리고 마지막으로, 어떻게 지성을 검사하는지 생각해봅시다.

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

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

우리는 예측으로 검사하죠. 알디시피, 문제에 대한 다음 단어는, 아시겠죠?

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

이 문장에서 다음 숫자는?

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

여기 사물에 대한 세가지 시각이 있습니다.

네번째는 무엇일까요? 우리가 검사하는 방법입니다. 예측이죠.

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

So what is the recipe for brain theory?

뇌 이론을 위한 방안은 무엇일까요?

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

무엇보다도, 우리는 옳은 틀을 만들어야 합니다.

And the framework is a memory framework,

그리고 이 틀은 기억의 틀입니다,

not a computational or behavior framework,

행동의 틀 혹은 계산의 틀이 아니죠. 기억의 틀이죠.

it's a memory framework.

How do you store and recall these sequences of patterns?

여러분들은 어떻게 이 패턴과 그 순서들을 저장하고 상기하나요? 이건 시공간의 패턴인겁니다.

It's spatiotemporal patterns.

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

만약 여러분이 기억의 틀에서 이론가들을 받아들인다면,

biologists generally are not good theoreticians.

생물학자들은 일반적으로 좋지 않은 선택이죠.

항상 옳지는 않습니다만, 일반적으로 생물학 쪽에서 좋은 이론이 나온 경우는 잘 없습니다.

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,

그래서 저는 같이 일할 가장 적합한 물리학자들을 찾았습니다

engineers and mathematicians,

문제 해결 절차 및 방법을 생각하는 기술자 그리고 수학자들을 말이죠.

who tend to think algorithmically.

Then they have to learn the anatomy and the physiology.

이후 그들은 해부학을 배워야합니다, 그리고 생리학을 배워야 하죠.

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

이 이론들을 해부학적 관점에서도 사실적일 수 있도록 만들어야 하거든요.

누군가가 일어나서 여러분에게 뇌의 작용에 대해서 이론을 말하는데

Anyone who tells you their theory about how the brain works

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

뇌 안에서 어떻게 그 이론이 작동하는지에 대해서 말해주지 않는다면

and how the wiring works --

그리고 뇌 내의 연결망들이 어떻게 작동하는 지 정확히 말해주지 않는다면, 그건 이론이 아니죠.

it's not a theory.

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

이것이 우리가 레드우드 뇌과학 연구소에서 연구하는 것입니다.

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

이론 창안에 대해서 우리 연구진들이 얼마나 대단한 진척을 보이고 있는 지에 대해서 더 말할 시간이 있었으면 좋겠습니다.

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

그리고 언젠가는 이 무대에 또 돌아오기를 기대합니다.

아마 지금이 아닌 다른 강연에서 말씀 드리게 되겠지만, 그게 그리 먼 미래는 아닐 것입니다.

to tell you about it.

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

저는 정말로 흥분됩니다. 이 연구는 전혀 50년이 걸리지 않을 것입니다.

What will brain theory look like?

그럼, 뇌이론은 대략 어떤 모습을 띠게 될까요?

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

무엇보다도, 기억에 대한 이론이 될 것입니다.

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

컴퓨터 메모리 같은 것이 아닙니다. 컴퓨터 메모리와는 전혀 다르죠.

It's very different.

매우 다른 것이죠. 그리고 매우 고차원적인

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

패턴의 기억입니다, 눈에서 온 것과 같은 것이죠.

like the things that come from your eyes.

It's also memory of sequences:

그리고 또, 일정 순서 (시퀀스)에 대한 기억입니다.

you cannot learn or recall anything outside of a sequence.

여러분들은 순서(시퀀스)에 어긋난 것들을 학습하거나 상기할 수 없습니다.

A song must be heard in sequence over time,

노래가 있다면, 그 노래는 시간 순서에 맞게 들려야 합니다.

and you must play it back in sequence over time.

그리고 여러분들은 그 시간 순서에 맞게 상기해야 하구요.

And these sequences are auto-associatively recalled,

그리고 이 순서들은 자동적으로 연동돼서 떠오릅니다. 그래서 만약 제가 무언가를 보거나,

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

무언가를 듣거나 할 때, 그 순서를 떠오르게 만들고 자동으로 기억에서 불러와서 재생하는 거죠.

and it plays back automatically.

It's an automatic playback.

자동 재생인 셈이죠. 그리고 앞으로 들어올 입력값에 대해 제대로 예측하는 게 바람직한 출력값이 되는겁니다.

And prediction of future inputs is the desired output.

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

제가 말한 것처럼, 이론은 생물학적으로 정확해야 합니다,

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

실험 가능해야하고, 직접 구현할 수 있어야 합니다.

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

만약 직접 만들어 구현하지 못한다면, 여러분들은 그걸 이해할 수 없을겁니다. 여기 슬라이드가 한 장 더 있는데요-

One more slide.

What is this going to result in?

결과가 어떻게 될까요? 우리는 정말로 지성을 가진 기계를 만들까요?

Are we going to really build intelligent machines?

물론입니다. 그리고, 그 기계들은 지금 사람들이 생각하고 있는 형태랑은 다를 겁니다.

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

저는 이것 (지성을 가진 기계를 개발하는 것)이 꼭 일어날 거라는 데 대해서 추호의 의심도 없습니다.

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

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

첫째로, 우리는 실리콘을 이용해서 그것들을 만들 겁니다.

The same techniques we use to build silicon computer memories,

실리콘 재질의 컴퓨터 메모리를 만드는 데 사용한 바로 그 기술들을-

we can use here.

여기에 사용할 수 있습니다

But they're very different types of memories.

하지만 그것들은 아주 다른 종류의 메모리입니다.

And we'll attach these memories to sensors,

그리고 우리는 이 메모리들을 센서에다 부착할 것이고-

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

센서는 실물, 실제정보를 경험할 것입니다,

and learn about their environment.

그리고 이것들은 그들의 환경에 대해서 학습할 것입니다.

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

첫번째로 보게 될 제품은 로봇과 같지 않을 것입니다.

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

로봇은 유용합니다 그리고 사람들은 로봇을 만들 수 있습니다.

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

하지만 로봇 부분은 가장 어려은 부부입니다. 오래 된 뇌 부분이죠. 이 부분은 정말로 어렵죠.

The new brain is easier than the old brain.

새로운 뇌는 사실상 오래된 뇌보다는 쉽습니다.

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

그래서 우리가 처음으로 하게 되는 것은 많은 로봇을 요구하지 않는 것입니다.

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

이렇게 여러분은 C-3PO를 보지 못할 것입니다.

You're going to see things more like intelligent cars

알다시피, 지능을 가진 차들같은 것을 좀 더 볼 수 있을 것입니다

that really understand what traffic is, what driving is

정말로 교통과 운전에 대해서 이해하는 것들이죠

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

그리고 30초 씩이나 깜빡이를 켜고 있는 차들은

probably aren't going to turn.

아마도 턴을 하지 않을 것이라는 사실을 이미 학습한, 그런 류의 지능 말이죠.

(Laughter)

(웃음)

We can also do intelligent security systems.

지능적인 보안 체계를 만들 수도 있을 것입니다.

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

어떤 분야가 되었건 사람이 뇌를 사용하지만 기계적인 것들을 크게 담당하지 않는 분야들-

those are the things that will happen first.

그 분야들이 가장 먼저 지능적인 기계들을 적용할 분야가 될 것입니다.

But ultimately, the world's the limit.

하지만 결국은 여기까지가 한계입니다.

I don't know how this will turn out.

저는 이것이 어떻게 발전해 나갈지 모릅니다.

I know a lot of people who invented the microprocessor.

저는 마이크로프로세서를 발명한 많은 사람들을 알고 있습니다.

And if you talk to them,

그 사람들이랑 이야기 해 보면 말이죠, 그들은 자신들이 하고 있는 일이 정말 중요하다는 걸 알고 있었습니다.

they knew what they were doing was really significant,

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

그게 어떤 효과를 가질지는 정확히 모르고 있었지만요.

They couldn't anticipate cell phones and the Internet

그 사람들은 당시에 휴대폰이나 인터넷 같은 많은 것들을 예측할 수 없었습니다.

and all this kind of stuff.

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

그들은 단지 계산기, 신호등 불 조절 같은 것을

and traffic-light controllers.

만들게 될 거라는 걸 알고 있었죠. 하지만 결국은 엄청난 효과를 가지고 왔거든요.

But it's going to be big!"

In the same way, brain science and these memories

똑같은 방식으로, 뇌과학과 이런 메모리칩들이

are going to be a very fundamental technology,

앞으로 아주 근본적인 기술이 될 것입니다. 그리고 앞으로

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

향후 100년간의 믿을 수 없는 변화들을 이 기술이 이끌어 갈 겁니다.

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

저는 과학에서 우리가 이것들을 어떻게 사용할지 정말로 기대됩니다.

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

제 할당 시간이 끝난 것 같네요, 좀 넘어갔어요, 그럼 여기서 이만 제 강의를

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

마치겠습니다.