Kwabena Boahen: Making a computer that works like the brain

번역: hyuna choi 검토: Sunphil Ga

I got my first computer when I was a teenager growing up in Accra,

제가 처음으로 컴퓨터를 받은 것은 아크라에서 살고 있던 10대 때입니다.

and it was a really cool device.

컴퓨터는 정말 멋진 장치였죠.

You could play games with it. You could program it in BASIC.

게임을 하거나 BASIC을 이용해 프로그램을 만들 수도 있었습니다.

And I was fascinated.

저는 완전히 매혹되어

So I went into the library to figure out how did this thing work.

이 기계가 어떻게 작동하는지 알아보기 위해 도서관에 갔습니다.

I read about how the CPU is constantly shuffling data back and forth

저는 CPU가 기억장치 사이, RAM과 ALU: 산술 논리 장치) 사이에서,

between the memory, the RAM and the ALU,

어떻게 끊임없이 정보를

the arithmetic and logic unit.

앞, 뒤로 끌어내는지에 대해 읽었습니다.

And I thought to myself, this CPU really has to work like crazy

그리고, 저는 '시스템을 통하여 모든 자료들을 지속적으로 전달시키기 위해

just to keep all this data moving through the system.

이 CPU가 미친 것처럼 일해야 하는구나'생각했었죠.

But nobody was really worried about this.

하지만 아무도 이 점에 대해서 걱정하지 않더군요.

When computers were first introduced,

처음에 컴퓨터가 도입되었을 때

they were said to be a million times faster than neurons.

사람들은 컴퓨터가 신경세포 보다 백만 배는 빠르다고 말했습니다.

People were really excited. They thought they would soon outstrip

사람들은 굉장히 흥분해서, 그들이 곧 두뇌의 능력을

the capacity of the brain.

따라잡을 것이라고 생각했습니다.

This is a quote, actually, from Alan Turing:

여기 알란 튜링으로 부터 따온 말이 있습니다.

"In 30 years, it will be as easy to ask a computer a question

30년 안에, 컴퓨터에게 질문을 던지는 것이 사람에게 질문하는 것만큼

as to ask a person."

쉬워질 것이다."

This was in 1946. And now, in 2007, it's still not true.

2007년인 지금, 이것은 사실이 아니죠.

And so, the question is, why aren't we really seeing

문제는, 뇌에서 볼수 있는 이 능력들을 왜 우리는

this kind of power in computers that we see in the brain?

컴퓨터에서 볼 수 없는 것일까요?이죠.

What people didn't realize, and I'm just beginning to realize right now,

사람들이 깨닫지 못한 것은, 그리고 제가 이제 막 깨닫기 시작한 것은

is that we pay a huge price for the speed

우리가 컴퓨터의 큰 이점으로 꼽는 스피드를 위해

that we claim is a big advantage of these computers.

매우 큰 대가를 지불해야 한다는 점입니다.

Let's take a look at some numbers.

몇 가지 숫자들을 봅시다.

This is Blue Gene, the fastest computer in the world.

이것은 세계에서 가장 빠른 컴퓨터인 블루 진입니다.

It's got 120,000 processors; they can basically process

이것은 12만 개의 프로세서들로 구성되어 있고, 기본적으로

10 quadrillion bits of information per second.

1초에 만조 비트의 정보들을 처리할 수 있습니다.

That's 10 to the sixteenth. And they consume one and a half megawatts of power.

10의 16 제곱을 말이죠. 그리고 1.5 메가와트의 전력을 소비하죠.

So that would be really great, if you could add that

만일 그 전력을 탄자니아에서

to the production capacity in Tanzania.

물건을 생산하는 데 쓴다면 정말 굉장할 것입니다.

It would really boost the economy.

아마 경제를 엄청나게 신장시킬 수 있겠죠.

Just to go back to the States,

간략히 미국의 상황에 맞춰 생각해보죠.

if you translate the amount of power or electricity

만약 이 컴퓨터 전력 사용량을

this computer uses to the amount of households in the States,

미국의 가정집들 평균 사용량에 비교하면,

you get 1,200 households in the U.S.

약 1200 가구들이 소모하는 것과 비슷합니다.

That's how much power this computer uses.

컴퓨터 한 대가 그 정도의 전력을 이용하는 거죠.

Now, let's compare this with the brain.

이제, 두뇌를 생각해봅시다.

This is a picture of, actually Rory Sayres' girlfriend's brain.

이 사진은 로리 사이어스(Rory Sayres)의 여자친구 뇌를 보여주고 있습니다.

Rory is a graduate student at Stanford.

로리는 스탠포드의 대학원생인데

He studies the brain using MRI, and he claims that

MRI를 이용해 두뇌를 연구하고 있죠, 그는

this is the most beautiful brain that he has ever scanned.

이 사진이 지금까지 스캔한 두뇌 중 가장 아름다운 뇌라고 주장했죠.

(Laughter)

(웃음)

So that's true love, right there.

바로 그 곳에 진정한 사랑이 있네요.

Now, how much computation does the brain do?

자, 두뇌는 얼마나 많은 계산 활동을 할까요?

I estimate 10 to the 16 bits per second,

1초에 10의 16제곱 비트 정도일 것이라고 예상합니다.

which is actually about very similar to what Blue Gene does.

블루 진의 수행 속도와 비슷한 수준이죠.

So that's the question. The question is, how much --

질문은, 뇌가 얼마나 많이,

they are doing a similar amount of processing, similar amount of data --

비슷한 양의 정보 처리를 수행하기 위해 --

the question is how much energy or electricity does the brain use?

즉, 두뇌는 얼마나 많은 양의 에너지 전력을 소모할까요?

And it's actually as much as your laptop computer:

실제로, 여러분의 노트북 컴퓨터 전력량 과 같죠:

it's just 10 watts.

10 와트 입니다.

So what we are doing right now with computers

다시 말해 1200 가구의 전력 소모량으로

with the energy consumed by 1,200 houses,

블루진 컴퓨터를 구동할 때

the brain is doing with the energy consumed by your laptop.

두뇌는 단지 노트북 정도의 에너지로 비슷한 일을 수행합니다.

So the question is, how is the brain able to achieve this kind of efficiency?

이제 다음 질문입니다. 어떻게 두뇌는 이렇게 뛰어난 효율성을 달성한 걸까요?

And let me just summarize. So the bottom line:

제가 한 번 요약해보죠. 다음 줄입니다:

the brain processes information using 100,000 times less energy

두뇌는 우리가 현재 가지고 있는 기술로 만든 컴퓨터에서 소모하는 에너지보다

than we do right now with this computer technology that we have.

10만 배나 적은 에너지로 정보를 처리합니다.

How is the brain able to do this?

두뇌가 어떻게 그럴 수 있을까요?

Let's just take a look about how the brain works,

두뇌가 어떻게 작동하는지를 먼저 살펴봅시다.

and then I'll compare that with how computers work.

그리고 이 작동을 컴퓨터의 작동 방식과 비교해봅시다.

So, this clip is from the PBS series, "The Secret Life of the Brain."

이것은 PBS(Public Broadcasting Service) 시리즈인 "두뇌의 비밀스런 삶"에서 가져온 것입니다.

It shows you these cells that process information.

지금 정보를 처리하는 세포들을 보여주고 있죠.

They are called neurons.

그 세포들은 신경세포(뉴런)라고 불립니다.

They send little pulses of electricity down their processes to each other,

이 세포들은 매우 작은 전기적 신호를 서로에게 보내고

and where they contact each other, those little pulses

서로 인접한 부분에서 이 작은 신호는

of electricity can jump from one neuron to the other.

한 신경세포에서 다른 신경세포로 옮겨갑니다.

That process is called a synapse.

이 과정을 시냅스라고 부릅니다.

You've got this huge network of cells interacting with each other --

이런 방식으로 서로 상호작용하는, 약 1 억 개에 달하는 세포들은

about 100 million of them,

거대한 네트워크를 형성하고,

sending about 10 quadrillion of these pulses around every second.

1 초에 만조 번 정도의 이 전기적 신호를 방출합니다.

And that's basically what's going on in your brain right now as you're watching this.

지금 보시는 것처럼 이것이 뇌에서 기본적으로 일어나고 있는 현상입니다.

How does that compare with the way computers work?

이런 과정을 컴퓨터의 작동 방식과 어떻게 비교할 수 있을까요?

In the computer, you have all the data

중앙 처리장치를 거쳐서

going through the central processing unit,

모든 정보가 저장되어 있는 컴퓨터에서는,

and any piece of data basically has to go through that bottleneck,

어떤 정보라도 이 좁은 관문을 반드시 통과해야 합니다.

whereas in the brain, what you have is these neurons,

반면, 여러분이 가지고 있는 뇌의 이 신경세포들에서는

and the data just really flows through a network of connections

이 정보들이 그저 신경세포들 사이에 연결되어 있는 네트워크들을 통해 흘러갑니다.

among the neurons. There's no bottleneck here.

뇌에서는 중앙처리 장치와 같은 좁은 관문이 존재하지 않죠.

It's really a network in the literal sense of the word.

그것은 문자 그대로 네트워크(복잡한 연결망)입니다.

The net is doing the work in the brain.

그 연결망들이 두뇌 안에서 정보들을 처리합니다.

If you just look at these two pictures,

다음의 두 사진들을 바라보기만 해도

these kind of words pop into your mind.

다음의 단어들이 여러분의 마음 속에 떠오릅니다.

This is serial and it's rigid -- it's like cars on a freeway,

이것은 매우 연쇄적이고 견고합니다: 마치 고속도로 위의 차들처럼요.

everything has to happen in lockstep --

모든 것이 정확히 같은 방식으로 발생하죠.

whereas this is parallel and it's fluid.

반면에 이것은 병렬적이고 또 유동적입니다.

Information processing is very dynamic and adaptive.

정보 처리는 매우 역동적이고 적응적입니다.

So I'm not the first to figure this out. This is a quote from Brian Eno:

제가 이것을 처음 알아낸 사람은 아닙니다. 여기, 브라이언 에노의 따온 말입니다:

"the problem with computers is that there is not enough Africa in them."

"컴퓨터의 문제점은 그 안에 아프리카 인(새로운 선견)들이 부족하다는 것입니다."

(Laughter)

(웃음)

Brian actually said this in 1995.

브라이언이 이 얘길 한 것은 1995년입니다.

And nobody was listening then,

그 때는 아무도 그 말을 귀담아 듣지 않았죠.

but now people are beginning to listen

하지만 지금, 사람들이 이 얘기에 귀 기울이기 시작했습니다.

because there's a pressing, technological problem that we face.

긴급한 기술적 문제점들에 우리가 직면하고 있기 때문이죠.

And I'll just take you through that a little bit in the next few slides.

다음 슬라이드들에서 그 문제점들을 몇 가지 보여드리겠습니다.

This is -- it's actually really this remarkable convergence

실제로, 이것은 정말로 놀라운 기술의 융합입니다,

between the devices that we use to compute in computers,

즉, 컴퓨터가 계산을 수행하도록 하기 위해 사용하는 장치와

and the devices that our brains use to compute.

뇌가 계산을 수행하기 위해 사용하는 장치 사이의 융합인 것이죠.

The devices that computers use are what's called a transistor.

컴퓨터가 사용하는 이 장치를 트랜지스터라고 합니다.

This electrode here, called the gate, controls the flow of current

여기 이 게이트라고 불리는 전극은 소스가 배수로로 가기 까지

from the source to the drain -- these two electrodes.

전류의 흐름을 조절합니다.

And that current, electrical current,

그리고 그 전류는

is carried by electrons, just like in your house and so on.

여러분의 집이나 다른 곳에서와 마찬가지로 전자에 의에 옮겨집니다.

And what you have here is, when you actually turn on the gate,

이제 여기에서,게이트를 열면,

you get an increase in the amount of current, and you get a steady flow of current.

여러분은 새로 들어오는 전류만큼 증가된 전류를 지속적으로 얻게 됩니다.

And when you turn off the gate, there's no current flowing through the device.

반대로 게이트를 닫을 때면, 장치를 통하는 전류가 없게 되는 것이죠.

Your computer uses this presence of current to represent a one,

여러분의 컴퓨터는 전류가 존재하는 것을 1로 나타냅니다.

and the absence of current to represent a zero.

그리고 전류가 없는 것을 0으로 나타내죠.

Now, what's happening is that as transistors are getting smaller and smaller and smaller,

이제, 다음으로 트랜지스터가 점점 더 작아지고 또 작아지면,

they no longer behave like this.

이제 더이상 이런 식으로 작동하지 않습니다.

In fact, they are starting to behave like the device that neurons use to compute,

실제로 그것들은 신경세포가 계산을 수행하는 장치와 비슷하게

which is called an ion channel.

행동하기 시작했습니다, 이온 채널이라고 하죠.

And this is a little protein molecule.

이것은 작은 단백질 분자입니다.

I mean, neurons have thousands of these.

신경세포는 수천개의 이온 채널들을 가지고 있죠.

And it sits in the membrane of the cell and it's got a pore in it.

이것들은 세포막에 끼어있으면서 구멍을 만듭니다.

And these are individual potassium ions

이것들은 각각의 칼륨 이온들입니다.

that are flowing through that pore.

이온 채널의 구멍을 통해 흐르고 있습니다.

Now, this pore can open and close.

이 구멍은 열렸다 닫혔다 하죠.

But, when it's open, because these ions have to line up

그런데 이온들이 구멍 안에서 일렬로 늘어서야만 하기 때문에 한 번 열렸을 때

and flow through, one at a time, you get a kind of sporadic, not steady --

하나씩만 통과하게 됩니다. 따라서 지속적이지 않고 산발적이죠.

it's a sporadic flow of current.

전류가 산발적이라는 의미입니다.

And even when you close the pore -- which neurons can do,

심지어 이 구멍이 닫혔을 때 -- 신경세포가 하는 일이죠,

they can open and close these pores to generate electrical activity --

신경세포들은 전기적 활성을 만들어내기 위해 이 구멍들을 열었다 닫았다 하죠.

even when it's closed, because these ions are so small,

아무튼, 이 구멍이 닫혔을 때, 이온들은 매우 작기 때문에

they can actually sneak through, a few can sneak through at a time.

새어나갈 수 있습니다. 한 번에 아주 조금씩이요.

So, what you have is that when the pore is open,

따라서 구멍이 열렸을 때에는

you get some current sometimes.

가끔씩 전류를 받을 수 있고,

These are your ones, but you've got a few zeros thrown in.

이때 1을 볼 수 있죠. 하지만 가끔 0을 보여줍니다.

And when it's closed, you have a zero,

반대로 구멍이 닫혔을 때는, 0을 받습니다.

but you have a few ones thrown in.

하지만 가끔 1을 얻겠죠.

Now, this is starting to happen in transistors.

이것이 현재 트랜지스터에서 일어나기 시작한 일입니다.

And the reason why that's happening is that, right now, in 2007 --

이 현상이 일어난 이유는, 2007년 현재,

the technology that we are using -- a transistor is big enough

우리가 이용하고 있는 기술에서 트랜지스터가 충분히 크고

that several electrons can flow through the channel simultaneously, side by side.

몇 개의 전자들이 함께 채널을 동시에 지나갈 수 있기 때문입니다.

In fact, there's about 12 electrons can all be flowing this way.

사실, 12개의 전자들이 이런 식으로 한 번에 지나갈 수 있습니다.

And that means that a transistor corresponds

이것은 트랜지스터가 약 12개의 이온 채널들이

to about 12 ion channels in parallel.

병렬로 있는 것과 비슷하다는 것을 의미합니다.

Now, in a few years time, by 2015, we will shrink transistors so much.

이제, 몇 년이 지나 2015년 쯤이면 우리는 트랜지스터를 매우 작게 줄일 것입니다.

This is what Intel does to keep adding more cores onto the chip.

이 것은 인텔이 계속 해서 더 많은 코어들을 칩에 추가 하거나, 혹은

Or your memory sticks that you have now can carry one gigabyte

메모리 스틱을 위한 작업이죠, 이전에 256메가 크기였던 이것이

of stuff on them -- before, it was 256.

1기가 크기의 자료를 전달 할 수 있습니다.

Transistors are getting smaller to allow this to happen,

트랜지스터는 이 일이 일어나도록 하기 위해서 더 작아지고 있습니다.

and technology has really benefitted from that.

그리고 기술은 그 과정에서 크게 발전하고 있죠.

But what's happening now is that in 2015, the transistor is going to become so small,

하지만 현재 진행하고 있는 연구는 2015년에, 트랜지스터를 정말 작게 만들 것입니다,

that it corresponds to only one electron at a time

이 기기는 한 번에 오직 한 전자에 응답하며,

can flow through that channel,

채널을 통해 흐를 수 있습니다,

and that corresponds to a single ion channel.

즉, 하나의 이온 채널에 응답하는 것이죠.

And you start having the same kind of traffic jams that you have in the ion channel.

그럼 여러분은 이온채널에서 일어났던 것과 비슷한 교통 체증을 보게 될 겁니다.

The current will turn on and off at random,

전류가 임의로 흘렀다 꺼졌다 하겠죠.

even when it's supposed to be on.

계속 흘러야 하는 상황에서 말입니다.

And that means your computer is going to get

이것은 여러분의 컴퓨터가

its ones and zeros mixed up, and that's going to crash your machine.

1과 0들이 뒤섞여서 기기를 손상 시킬 수 있다 것을 의미합니다.

So, we are at the stage where we

이처럼, 우리는 지금 이런 종류의 장치들을

don't really know how to compute with these kinds of devices.

어떻게 운영시켜야 할지 모르는 단계에 와있습니다.

And the only kind of thing -- the only thing we know right now

우리가 여기서 알고 있는 정확한 단 한 가지는

that can compute with these kinds of devices are the brain.

이런 식으로 계산을 수행하는 장치가 바로 우리의 뇌라는 것입니다.

OK, so a computer picks a specific item of data from memory,

좋아요, 컴퓨터는 메모리로부터 특정한 자료를 고릅니다.

it sends it into the processor or the ALU,

그리고는 그것을 프로세서나 산술 논리 장치( arithmetic logic unit )로 보냅니다.

and then it puts the result back into memory.

그리고 결과를 다시 메모리로 돌려 보냅니다.

That's the red path that's highlighted.

빨간색 경로는 강조된 것입니다.

The way brains work, I told you all, you have got all these neurons.

이런 식으로 뇌가 작동하고, 여러분 모두 이런 뉴런들을 가지고 있습니다.

And the way they represent information is

이것들이 정보를 표현하는 방법은

they break up that data into little pieces

데이터를 작은 조각들로 나누는 것입니다.

that are represented by pulses and different neurons.

그것들은 전기적 신호와 다른 신경들로 표현됩니다.

So you have all these pieces of data

이렇게 여러분은 네트워크를 통하여 전달 된

distributed throughout the network.

모든 데이터 조각을 가지게 됩니다.

And then the way that you process that data to get a result

그리고 자료가 결과를 얻는 방법은

is that you translate this pattern of activity into a new pattern of activity,

이런 활동패턴을 새로운 활동패턴으로 번역하는 것입니다.

just by it flowing through the network.

단지 네트워크를 통한 흐름으로 말이죠.

So you set up these connections

그러면 이런 접속들이 만들어지면,

such that the input pattern just flows

입력값이 흐르고

and generates the output pattern.

출력패턴을 발생합니다.

What you see here is that there's these redundant connections.

지금, 여기보이는 것은 많은 접속들 입니다.

So if this piece of data or this piece of the data gets clobbered,

만약 이 정보 조각이나 혹은 이 자료 조각이 손상을 입는다면,

it doesn't show up over here, these two pieces can activate the missing part

여기서 보이지 않지만, 이 두 조각들은 그 잃은 부분들을 활성화 시킬 수 있습니다.

with these redundant connections.

이런 많은 접속부와 함께 말이죠.

So even when you go to these crappy devices

그래서 심지어 엉터리 장치들을 사용할 때

where sometimes you want a one and you get a zero, and it doesn't show up,

때때로 1을 원하는데 0을 얻게되는

there's redundancy in the network

네트워크에는 여분이 있기 때문에

that can actually recover the missing information.

잃어버린 정보를 회복할 수 있습니다.

It makes the brain inherently robust.

이것은 뇌를 본질적으로 강하게 만듭니다.

What you have here is a system where you store data locally.

여기있는 것은 데이터를 지역적으로 저장하는 장치입니다.

And it's brittle, because each of these steps has to be flawless,

이것은 부서지기 쉽습니다. 왜냐하면 이런 각 과정들이 완벽해야하기 때문입니다.

otherwise you lose that data, whereas in the brain, you have a system

그렇지 않으면 정보를 잃게 됩니다. 반면에 뇌는 분산된 정보를 저장하는

that stores data in a distributed way, and it's robust.

강력한 하나의 시스템이 있습니다.

What I want to basically talk about is my dream,

이제, 근복적으로 저는 저의 꿈의 관해 말하고자 합니다,

which is to build a computer that works like the brain.

뇌와 같이 작동하는 컴퓨터를 만드는 것이지요.

This is something that we've been working on for the last couple of years.

이 연구는 우리가 지난 몇 년 간 해왔던 것 입니다.

And I'm going to show you a system that we designed

우리 연구진이 디자인한 시스템을 보여드리겠습니다

to model the retina,

망막(눈)모델 입니다.

which is a piece of brain that lines the inside of your eyeball.

이것은 뇌의 부분인데 안구 안쪽과 연결되어 있습니다.

We didn't do this by actually writing code, like you do in a computer.

컴퓨터처럼 실제로 코드를 작성하지는 않습니다.

In fact, the processing that happens

하지만, 그 과정은 뇌의 작은 부분에서

in that little piece of brain is very similar

일어나는데, 컴퓨터가 하는 것과 유사하죠.

to the kind of processing that computers

컴퓨터는 이와 같은 처리 과정을 실행합니다

do when they stream video over the Internet.

인터넷에서 비디오를 재생시킬 때 말입니다.

They want to compress the information --

정보를 압축하기를 원하죠 --

they just want to send the changes, what's new in the image, and so on --

그리고 변화를 보내고 싶어합니다, 이미지와 같은 새로운 것들을 말이죠.

and that is how your eyeball

그리고 안구가 작동하는 방법은

is able to squeeze all that information down to your optic nerve,

모든정보를 압축하여 시신경에 내려보내거나,

to send to the rest of the brain.

뇌로 보내고 저장하는 것입니다.

Instead of doing this in software, or doing those kinds of algorithms,

소프트웨어나 이런 알고리즘을 작동시키는 것 대신에

we went and talked to neurobiologists

신경생물학자에게 가서 이야기 했습니다

who have actually reverse engineered that piece of brain that's called the retina.

망막이라는 불리는 뇌의 부분을 역행하며 디자인해 온 사람들입니다.

And they figured out all the different cells,

그들은 다른 세포들을 알아냈고,

and they figured out the network, and we just took that network

네트워크를 알아냈습니다. 우리는 그 네트워크를 사용했고,

and we used it as the blueprint for the design of a silicon chip.

이것을 실리콘칩 디자인을 위한 청사진으로 사용했습니다.

So now the neurons are represented by little nodes or circuits on the chip,

그래서 지금 이 뉴런들은 칩의 작은 집합점 혹은 회로를 통해 표현됩니다.

and the connections among the neurons are represented, actually modeled by transistors.

그리고 뉴런 사이의 이런 접속들은 트랜지스터에 의하여 만들어집니다.

And these transistors are behaving essentially

그리고 이런 트랜지스터들은 필수적으로 작동하죠,

just like ion channels behave in the brain.

마치 뇌의 이온채널처럼 말입니다.

It will give you the same kind of robust architecture that I described.

제가 설명했던 강인한 구조와 같은구조를 보여드리겠습니다.

Here is actually what our artificial eye looks like.

여기 우리의 인공 눈과 같은 것이 있습니다

The retina chip that we designed sits behind this lens here.

우리가 디자인한 이 레티나칩은 여기 이 렌즈의 뒤에 있습니다.

And the chip -- I'm going to show you a video

그리고 이 칩에 관한 비디오 한편을 보여드리겠습니다.

that the silicon retina put out of its output

실리콘 레티나는 이 칩을 디잔인한

when it was looking at Kareem Zaghloul,

케림 제그홀 학생을 보았을 때,

who's the student who designed this chip.

이 시각 정보의 출력을 내보냅니다

Let me explain what you're going to see, OK,

여러분께서 이제 보시게 될 것에 대해 설명해 드리겠습니다.

because it's putting out different kinds of information,

왜냐하면 레티나는 다른 종류의 정보를 출력하기 때문이죠,

it's not as straightforward as a camera.

이것은 카메라처럼 간단하지 않습니다.

The retina chip extracts four different kinds of information.

레티나 칩은 네 가지 종류의 정보를 추출합니다

It extracts regions with dark contrast,

먼저 대조적으로 어두운 부분을 추출하고,

which will show up on the video as red.

비디오에서는 빨간색으로 보일 것 입니다.

And it extracts regions with white or light contrast,

그리고 대조적으로 밝은 부분을 추출합니다,

which will show up on the video as green.

비디오에서 초록색으로 보이는 부분입니다.

This is Kareem's dark eyes

이것은 케림의 검은눈인데

and that's the white background that you see here.

여기 보이는대로 하얀 배경입니다.

And then it also extracts movement.

이것은 움직임도 추출합니다.

When Kareem moves his head to the right,

케림이 머리를 오른쪽으로 움직일 때

you will see this blue activity there;

파란색으로 활성이 나타나는 것을 볼 수 있습니다.

it represents regions where the contrast is increasing in the image,

이것은 이미지의 대조가 증가하는 부분을 나타냅니다.

that's where it's going from dark to light.

어두운 부분에서 밝은 부분으로 변합니다.

And you also see this yellow activity,

또 노란색 활성화를 보실 수 있습니다,

which represents regions where contrast is decreasing;

이것은 대조가 감소하는 것을 나타냅니다.

it's going from light to dark.

밝은 부분에서 어두운 부분으로 변합니다.

And these four types of information --

그리고 이런 4가지 종류의 정보들은 -

your optic nerve has about a million fibers in it,

약 일만 개의 신경섬유와

and 900,000 of those fibers

900,000 개의 이런 신경섬유로 구성된 시신경이

send these four types of information.

보내는 정보들입니다.

So we are really duplicating the kind of signals that you have on the optic nerve.

이제 우리는 시신경에 있는 신호들을 쉽게 복제할 수 있습니다.

What you notice here is that these snapshots

여기서 주목할 것은 이 사진들 입니다.

taken from the output of the retina chip are very sparse, right?

레티나 칩으로부터 얻어지는 정보는 매우 희박합니다.

It doesn't light up green everywhere in the background,

배경 부분들은 초록색으로 나타나지 않습니다,

only on the edges, and then in the hair, and so on.

오직 가장자리 등등에서만 초록색으로 나타나죠.

And this is the same thing you see

여러분의 시각과 비슷하게 말입니다.

when people compress video to send: they want to make it very sparse,

사람들이 비디오 전송을 위해 압축할 때: 그들은 아주 작게 만들고 싶어하죠,

because that file is smaller. And this is what the retina is doing,

왜냐하면 그 파일이 작기 때문입니다. 바로 이것이 레티나가 하는 일 입니다.

and it's doing it just with the circuitry, and how this network of neurons

이것은 그저 회로와 함께 작동하며, 이 뉴런 네트워크가 작동하는 방법은

that are interacting in there, which we've captured on the chip.

우리가 칩에 캡쳐해뒀던 곳과 맞물립니다.

But the point that I want to make -- I'll show you up here.

그러나 제가 강조하고 싶은 것은 다음의 것들입니다.

So this image here is going to look like these ones,

여기, 이 이미지는 이것과 같은 것처럼 보입니다.

but here I'll show you that we can reconstruct the image,

그러나 여기서, 인간이 이미지를 재구성할 수 있다는 것을 보여드리겠습니다.

so, you know, you can almost recognize Kareem in that top part there.

여러분도 알다시피, 케림은 여기 제일 높이 있다고 인식하고 있습니다.

And so, here you go.

보시죠.

Yes, so that's the idea.

그래요, 그것이 바로 이 아이디어입니다.

When you stand still, you just see the light and dark contrasts.

여전히 서 있을 때, 여러분은 오직 밝고, 어두운 대조만을 볼 뿐 입니다.

But when it's moving back and forth,

그러나 이것이 앞, 뒤로 움직일 때

the retina picks up these changes.

레티나는 이런 변화들을 알아챕니다.

And that's why, you know, when you're sitting here

그리고 이러한 이유로, 여러분께서 여기 쭈욱 서 있다가,

and something happens in your background,

배경에 뭔가가 일어날 때,

you merely move your eyes to it.

그저 여러분의 시선은 그곳에 이동하죠.

There are these cells that detect change

여기 변화를 감지하는 세포들이 있습니다.

and you move your attention to it.

이제 여러분의 집중을 이곳에 옮겨보죠.

So those are very important for catching somebody

이것들은 여러분을 덮치려 하는 누군가를

who's trying to sneak up on you.

알아채는 데 매우 중요합니다.

Let me just end by saying that this is what happens

저는 아프리카인들이 피아노에 관심을 가질 때 있었던 일을

when you put Africa in a piano, OK.

전하면 끝내고자 합니다.

This is a steel drum here that has been modified,

이 피아노는 강철드럼을 수리해서 만들었죠.

and that's what happens when you put Africa in a piano.

강철드럼은 아프리카에서 피아노가 될 수 있습니다.

And what I would like us to do is put Africa in the computer,

제가 하고자 하는 것은 아프리카인들이 컴퓨터 영역에 나아가게하고

and come up with a new kind of computer

새로운 종류의 컴퓨터를 따르는 것입니다,

that will generate thought, imagination, be creative and things like that.

이것은 생각, 상상력, 창조적인 아이디디어 같은 것들을 양산할 것입니다.

Thank you.

감사합니다.

(Applause)

(박수)

Chris Anderson: Question for you, Kwabena.

크리스 앤더슨: 질문이 있습니다. 콰베나 씨.

Do you put together in your mind the work you're doing,

당신이 하고 있는 일을 마음속에 함께 염두하고 있나요?

the future of Africa, this conference --

아프리카의 미래, 이 컨퍼런스와 같은 것을요 -

what connections can we make, if any, between them?

이것들 사이에서 우리가 만들어낼 수 있는 연관성은 무엇일까요?

Kwabena Boahen: Yes, like I said at the beginning,

K B: 예, 제가 시작할 때 말씀드린 것과 같습니다.

I got my first computer when I was a teenager, growing up in Accra.

저는 10대때 처음으로 컴퓨터를 가졌어요, 아크라에서.

And I had this gut reaction that this was the wrong way to do it.

그리고 이것을 하는 방법이 잘못 되어 있다고 직감을 받았습니다.

It was very brute force; it was very inelegant.

매우 억지 같았고, 우아하지 않았죠.

I don't think that I would've had that reaction,

저는 제가 그 반응을 했을 것이라고 생각하지 않습니다.

if I'd grown up reading all this science fiction,

알다시피 이 과장된 컴퓨터를 구입하면서,

hearing about RD2D2, whatever it was called, and just -- you know,

만약 제가 RD2D2를 들으며, 뭐라고 부르든 간에

buying into this hype about computers.

공상과학 소설을 읽으며 자랐다면 말이죠.

I was coming at it from a different perspective,

저는 이것을 다른관점으로 접급했습니다,

where I was bringing that different perspective

그 문제들을 해결하기 위해

to bear on the problem.

다른 관점을 가져왔었죠.

And I think a lot of people in Africa have this different perspective,

저는 아프리카의 많은 사람들이 다른 관점을 가지고 있다고 생각합니다.

and I think that's going to impact technology.

그리고 저는 그것이 강력한 기술이 되며,

And that's going to impact how it's going to evolve.

기술의 진화 과정에 영향을 미칠 것이라 생각합니다.

And I think you're going to be able to see, use that infusion,

저는 여러분께서 그 영향을 보실 수 있고, 새로운 것들을 따르도록

to come up with new things,

고취시킬 수 있다고 생각합니다.

because you're coming from a different perspective.

왜냐하면 우리는 모두 다른 관점을 가지고 있기 때문입니다.

I think we can contribute. We can dream like everybody else.

저는 우리가 기여하고, 다른 사람처럼 꿈을 꿀 수 있다고 생각합니다.

CA: Thanks Kwabena, that was really interesting.

C A: 콰베나씨, 감사합니다. 정말 흥미로운 강연이였습니다.

Thank you.

감사합니다.

(Applause)

(박수)