Kwabena Boahen: Making a computer that works like the brain

Vertaald door: Rik Delaet Nagekeken door: Els De Keyser

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

Ik kreeg mijn eerste computer toen ik een tiener was in Accra.

and it was a really cool device.

Een echt cool apparaat.

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

Je kon er spelletjes op spelen en programmeren in BASIC.

And I was fascinated.

Ik was gefascineerd.

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

Ik ging naar de bibliotheek om erachter te komen hoe dit ding werkte.

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

Ik las hoe de CPU constant gegevens heen en weer schoof

between the memory, the RAM and the ALU,

tussen geheugen, RAM en de ALU,

the arithmetic and logic unit.

de rekenkundige en logische eenheid.

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

Ik vond dat die CPU als een gek moest werken

just to keep all this data moving through the system.

alleen maar om al die gegevens rond te sturen in het systeem.

But nobody was really worried about this.

Maar niemand maakte zich daar druk over.

When computers were first introduced,

Toen computers voor het eerst werden geïntroduceerd,

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

werd gezegd dat ze een miljoen keer sneller waren dan neuronen.

People were really excited. They thought they would soon outstrip

De mensen waren er erg enthousiast over. Ze dachten dat ze spoedig

the capacity of the brain.

de capaciteit van de hersenen zouden overtreffen.

This is a quote, actually, from Alan Turing:

Dit is een citaat van Alan Turing:

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

'Over 30 jaar zal het net zo eenvoudig zijn om aan een computer een vraag te stellen

as to ask a person."

als aan een persoon.'

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

Dat was in 1946. In 2007 is het nog steeds niet waar.

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

Waarom kunnen computers

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

nog altijd niet wat hersenen kunnen?

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

Wat mensen niet beseften en ik begin het nu pas te beseffen,

is that we pay a huge price for the speed

is dat we een enorme prijs betalen voor de snelheid

that we claim is a big advantage of these computers.

waarvan we beweren dat ze een groot voordeel is van deze computers.

Let's take a look at some numbers.

Laten we eens wat getallen bekijken.

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

Dit is Blue Gene, de snelste computer ter wereld.

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

Hij heeft 120.000 processors. Hij kan in principe

10 quadrillion bits of information per second.

10 biljard bits aan informatie per seconde verwerken.

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

Dat is 10 tot de 16e. Ze verbruiken een vermogen van anderhalf megawatt.

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

Het zou echt geweldig zijn als je dat al zou kunnen toevoegen

to the production capacity in Tanzania.

aan de productiecapaciteit van Tanzania.

It would really boost the economy.

Het zou de economie echt stimuleren.

Just to go back to the States,

In de Verenigde Staten

if you translate the amount of power or electricity

zou dat al genoeg zijn

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

om 1.200 huishoudens

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

van stroom te voorzien.

That's how much power this computer uses.

Zoveel vermogen verbruikt deze computer.

Now, let's compare this with the brain.

Laten we dit eens vergelijken met de hersenen.

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

Dit is een foto van de hersenen van Rory Sayres' vriendin.

Rory is a graduate student at Stanford.

Rory is afgestudeerd aan Stanford.

He studies the brain using MRI, and he claims that

Hij bestudeert de hersenen met behulp van MRI en beweert dat

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

dit is de mooiste hersenen zijn die hij ooit heeft gescand.

(Laughter)

(Gelach)

So that's true love, right there.

Dat is echte liefde.

Now, how much computation does the brain do?

Hoeveel berekeningen doen deze hersenen?

I estimate 10 to the 16 bits per second,

Ik schat 10 tot de 16 bits per seconde.

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

Vergelijkbaar met wat Blue Gene doet.

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

Hoeveel verbruiken de hersenen nu

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

voor het verwerken

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

van een vergelijkbare hoeveelheid data?

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

Ongeveer zoveel als je schootcomputer:

it's just 10 watts.

slechts 10 watt.

So what we are doing right now with computers

Terwijl computers

with the energy consumed by 1,200 houses,

een vermogen van 1.200 huizen verbruiken,

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

doet het brein hetzelfde met het verbruik van een laptop.

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

Hoe slaagt het brein erin om dit soort van efficiëntie te bereiken?

And let me just summarize. So the bottom line:

Laat het me even samenvatten. Om het kort te zeggen:

the brain processes information using 100,000 times less energy

hersenen verwerken informatie op een 100.000 keer

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

zuiniger manier dan onze computers.

How is the brain able to do this?

Hoe kan dat?

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

Laten we eens kijken hoe het brein werkt

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

en dan vergelijk ik dat met hoe computers werken.

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

Deze clip uit de PBS-serie 'Het Geheime Leven van het Brein'

It shows you these cells that process information.

toont jullie deze cellen die informatie verwerken.

They are called neurons.

Ze heten neuronen.

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

Ze sturen kleine elektrische impulsen naar elkaar

and where they contact each other, those little pulses

en waar ze met elkaar in contact staan, springen die kleine pulsen

of electricity can jump from one neuron to the other.

van de ene zenuwcel naar de andere.

That process is called a synapse.

Dat proces heet een synaps.

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

In dit enorme netwerk van met elkaar inter-agerende cellen

about 100 million of them,

zitten er ongeveer 100 miljoen.

sending about 10 quadrillion of these pulses around every second.

Ze verzenden elke seconde ongeveer tien biljard van deze pulsen.

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

Dat is nu gaande in je hersenen terwijl je dit bekijkt.

How does that compare with the way computers work?

Hoe werkt dat vergeleken met de manier waarop computers werken?

In the computer, you have all the data

In de computer moeten alle gegevens

going through the central processing unit,

de centrale verwerkingseenheid passeren.

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

Elk stukje informatie moet in principe door die flessenhals.

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

In de hersenen heb je deze neuronen

and the data just really flows through a network of connections

en de data stromen gewoon door een netwerk van verbindingen

among the neurons. There's no bottleneck here.

tussen de neuronen. Geen flessenhals hier.

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

Het is echt een netwerk in de letterlijke zin van het woord.

The net is doing the work in the brain.

Dat net doet het werk in de hersenen.

If you just look at these two pictures,

Als je kijkt naar deze twee foto's

these kind of words pop into your mind.

kom je op dit soort ideeën.

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

Dit is serieel en stijf: het is net als auto's op een snelweg -

everything has to happen in lockstep --

alles moet ordelijk gebeuren.

whereas this is parallel and it's fluid.

Maar hier is het parallel en in vochtig midden.

Information processing is very dynamic and adaptive.

Informatieverwerking is erg dynamisch en adaptief.

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

Ik ben niet de eerste om op dat idee te komen. Dit is een citaat van Brian Eno:

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

'Het probleem met computers is dat ze niet genoeg Afrika in zich hebben.'

(Laughter)

(Gelach)

Brian actually said this in 1995.

Brian zei dit in 1995.

And nobody was listening then,

Niemand luisterde er toe naar,

but now people are beginning to listen

maar nu beginnen mensen ernaar te luisteren

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

want er is een dringend technisch probleem waarmee we worden geconfronteerd.

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

Daar gaan de volgende paar dia's over.

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

Er is een opmerkelijke convergentie

between the devices that we use to compute in computers,

tussen de apparaten die we gebruiken om te rekenen in computers

and the devices that our brains use to compute.

en de apparaten die onze hersenen daarvoor gebruiken.

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

In computers heten die transistors.

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

Deze elektrode hier, de 'gate', controleert de stroom

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

van de 'source' naar de 'drain', deze twee elektroden.

And that current, electrical current,

Een stroom

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

van elektronen, net als in jullie huis enzovoort.

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

Als je de spanning op de gate verhoogt,

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

neemt de hoeveelheid stroom toe. Je krijgt een gestage stroom.

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

Als je de gate uitschakelt, gaat er geen stroom meer door het apparaat.

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

Voor de computer betekent deze stroom een één

and the absence of current to represent a zero.

en de afwezigheid ervan een nul.

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

Als transistors kleiner en kleiner worden,

they no longer behave like this.

gaan ze zich anders gedragen.

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

Ze gaan zich gedragen als het systeem dat neuronen gebruiken om te rekenen.

which is called an ion channel.

Het wordt een ionkanaal genoemd.

And this is a little protein molecule.

Het is een klein eiwitmolecuul.

I mean, neurons have thousands of these.

In neuronen zitten er duizenden.

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

Ze bevinden zich in het celmembraan en ze omgeven een porie.

And these are individual potassium ions

Hier zie je kaliumionen

that are flowing through that pore.

door die poriën gaan.

Now, this pore can open and close.

Deze poriën kunnen open en dicht.

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

Als ze open zijn, omdat deze ionen in de rij moeten staan

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

om er een voor een door te gaan, krijg je een sporadische, geen constante,

it's a sporadic flow of current.

af en toe onderbroken stroom.

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

Zelfs als de porie dicht is - neuronen kunnen

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

ze openen en sluiten om elektrische activiteit te genereren -

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

zelfs wanneer ze gesloten is, kunnen af en toe een paar ionen

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

erdoor sluipen, omdat ze zo klein zijn.

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

Wanneer de porie open is,

you get some current sometimes.

krijg je een soms wat stroom, een één.

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

Dit zijn de énen met af en toe een paar nullen.

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

Als ze gesloten is, heb je een nul,

but you have a few ones thrown in.

maar ook weer met wat énen ertussen.

Now, this is starting to happen in transistors.

Dit zie je nu ook al bij transistors.

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

Dat gebeurt nu in 2007,

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

omdat met de huidige technologie een transistor groot genoeg is

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

om meerdere elektronen naast elkaar tegelijk door het kanaal te laten stromen.

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

In feite zijn er ongeveer 12 elektronen waarmee dat kan.

And that means that a transistor corresponds

Dat betekent dat een transistor overeenkomt

to about 12 ion channels in parallel.

met ongeveer 12 parallelle ionkanalen.

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

Binnen een paar jaar tijd, in 2015, zullen we nog veel kleinere transistors maken.

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

Dit is wat Intel doet om meer eenheden op een chip te krijgen,

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

bijvoorbeeld op je geheugensticks van één gigabyte.

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

Vroeger konden daar slechts 256 Kilobytes op.

Transistors are getting smaller to allow this to happen,

Transistors werden steeds kleiner

and technology has really benefitted from that.

en de technologie deed er haar voordeel mee.

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

Maar in 2015 gaat de transistor zo klein worden,

that it corresponds to only one electron at a time

dat er slechts één elektron per keer

can flow through that channel,

via dat kanaal kan passeren.

and that corresponds to a single ion channel.

Dat komt overeen met één enkel ionkanaal.

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

Je gaat dan hetzelfde soort files krijgen als in het ionkanaal.

The current will turn on and off at random,

De stroom zal op willekeurige wijze aan- en uitgaan

even when it's supposed to be on.

zelfs als het aan zou moeten zijn.

And that means your computer is going to get

Dat betekent dat in je computer

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

de enen en nullen door elkaar gaan geraken en dat je machine gaat crashen.

So, we are at the stage where we

We weten nog niet echt

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

hoe we moeten gaan rekenen met dit soort apparaten.

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

Het enige ding dat

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

daarmee overweg kan, zijn de hersenen.

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

Een computer kiest een specifiek item van gegevens uit het geheugen,

it sends it into the processor or the ALU,

stuurt het door de processor of het ALU

and then it puts the result back into memory.

en zet dan de resultaten terug in het geheugen.

That's the red path that's highlighted.

Dat is het rode gemarkeerde pad.

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

De hersenen doen het met al deze neuronen.

And the way they represent information is

Zij breken hun informatie op

they break up that data into little pieces

in kleine stukjes

that are represented by pulses and different neurons.

die worden vertegenwoordigd door pulsen en verschillende neuronen.

So you have all these pieces of data

Al die stukjes gegevens

distributed throughout the network.

zitten verspreid over het hele netwerk.

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

Het proces om van die gegevens naar een resultaat te gaan,

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

komt erop neer dat je dit patroon van activiteit vertaalt naar een nieuw patroon van activiteit

just by it flowing through the network.

door het door het netwerk te laten stromen.

So you set up these connections

Je stelt deze verbindingen

such that the input pattern just flows

zodanig in dat het inputpatroon vanzelf

and generates the output pattern.

door het stromen het outputpatroon genereert.

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

Je ziet hier deze redundante verbindingen.

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

Als het een of andere stuk gegevens er de brui aan geeft

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

en hier niet komt opdagen, kunnen deze twee stukken het ontbrekende deel activeren

with these redundant connections.

met deze redundante verbindingen.

So even when you go to these crappy devices

Dus zelfs wanneer je met gebrekkige apparaten zit

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

waar je soms een één wil en een nul krijgt,

there's redundancy in the network

kan redundantie in het netwerk

that can actually recover the missing information.

de ontbrekende informatie herstellen.

It makes the brain inherently robust.

Het maakt de hersenen inherent robuust.

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

De huidige computer is een systeem waarbij je gegevens lokaal opslaat.

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

Het is broos want elk van deze stappen moet foutloos verlopen

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

anders verlies je die gegevens. In de hersenen heb je een systeem

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

waar gegevens gedistribueerd worden opgeslagen. Dat is robuust.

What I want to basically talk about is my dream,

Ik wil het nu hebben over mijn droom:

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

een computer bouwen die werkt als de hersenen.

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

Hier zijn we al paar jaar mee bezig.

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

We hebben een systeem ontworpen

to model the retina,

dat het netvlies modelleert.

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

Het netvlies is een stukje hersenen dat de binnenkant van je oogbol bedekt.

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

We hebben dit niet gedaan door code te schrijven zoals in een computer.

In fact, the processing that happens

Wat in dat kleine stukje hersenen gebeurt,

in that little piece of brain is very similar

is zeer vergelijkbaar

to the kind of processing that computers

met de werking van computers

do when they stream video over the Internet.

als ze video streamen via het internet.

They want to compress the information --

Om de informatie te comprimeren,

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

versturen ze alleen maar wat er nieuw is in het beeld.

and that is how your eyeball

Dat is hoe je oogbal

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

in staat is om al die informatie door je oogzenuw te persen en

to send to the rest of the brain.

naar de rest van de hersenen te sturen.

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

In plaats van dit te doen met software of met algoritmen,

we went and talked to neurobiologists

gingen we spreken met neurobiologen.

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

die het netvlies 'reverse engineered' hebben.

And they figured out all the different cells,

Ze hebben alle verschillende cellen

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

en het netwerk geanalyseerd. Wij hebben dat netwerk

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

gebruikt als blauwdruk voor het ontwerp van een siliciumchip.

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

De neuronen worden vertegenwoordigd door kleine knooppunten of circuits op de chip

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

en de verbindingen tussen de neuronen zijn eigenlijk gemodelleerd door transistors.

And these transistors are behaving essentially

Deze transistors gedragen zich

just like ion channels behave in the brain.

net als de ionkanalen in de hersenen.

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

Daardoor krijg je dezelfde soort van robuuste architectuur die ik heb beschreven.

Here is actually what our artificial eye looks like.

Hier is hoe ons kunstoog eruit ziet.

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

De netvlies-chip die we hebben ontworpen, zit achter deze lens hier.

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

Ik ga jullie een video laten zien van wat

that the silicon retina put out of its output

het siliciumnetvlies produceert

when it was looking at Kareem Zaghloul,

als het kijkt naar Kareem Zaghloul.

who's the student who designed this chip.

Dat is de student die deze chip ontwierp.

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

Laat me even uitleggen wat je gaat zien.

because it's putting out different kinds of information,

Dit produceert verschillende soorten informatie.

it's not as straightforward as a camera.

Het is niet zo eenvoudig als een camera.

The retina chip extracts four different kinds of information.

De netvlies-chip haalt vier verschillende soorten informatie op.

It extracts regions with dark contrast,

Hij haalt de gebieden met donkere contrasten eruit.

which will show up on the video as red.

Die verschijnen op de video als rood.

And it extracts regions with white or light contrast,

Hij haalt ook de gebieden met wit of met licht contrast eruit.

which will show up on the video as green.

Dit wordt op de video als groen weergegeven.

This is Kareem's dark eyes

Dit zijn de donkere ogen van Kareem

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

en dat is de witte achtergrond die je hier ziet.

And then it also extracts movement.

Ook beweging wordt eruit gehaald.

When Kareem moves his head to the right,

Als Kareem zijn hoofd naar rechts beweegt,

you will see this blue activity there;

zien jullie die blauwe activiteit daar.

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

Dat vertegenwoordigt de gebieden waar het contrast toeneemt,

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

waar het van donker naar licht gaat.

And you also see this yellow activity,

Deze gele activiteit geeft aan

which represents regions where contrast is decreasing;

waar het contrast afneemt,

it's going from light to dark.

waar het van licht naar donker gaat.

And these four types of information --

Je oogzenuw bevat ongeveer

your optic nerve has about a million fibers in it,

een miljoen vezels

and 900,000 of those fibers

en 900.000 van deze vezels

send these four types of information.

sturen deze vier soorten informatie door.

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

We dupliceren dus echt een soort signalen als die van de oogzenuw.

What you notice here is that these snapshots

Je merkt dat deze snapshots

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

genomen van de output van de netvlies-chip zeer schaars zijn.

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

Het licht niet overal groen op in de achtergrond,

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

alleen aan de randen enzovoort.

And this is the same thing you see

Dat zie je ook

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

als mensen video comprimeren om te verzenden: ze willen het heel schaars maken

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

want dan is dat bestand kleiner. Dat doet het netvlies ook.

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

Alleen maar met de circuits. Dit netwerk van neuronen

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

met dit soort interactie hebben we gemodelleerd op de chip.

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

Maar het punt dat ik wil maken, zal ik je hier laten zien.

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

Dit beeld hier lijkt op dit.

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

Maar als we het beeld hier reconstrueren,

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

kan je in dat bovenste gedeelte Kareem bijna herkennen.

And so, here you go.

Ziezo.

Yes, so that's the idea.

Dat is het idee.

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

Als het stilstaat, zie je alleen de licht-en-donkercontrasten.

But when it's moving back and forth,

Maar als het heen en weer beweegt,

the retina picks up these changes.

dan registreert het netvlies deze veranderingen.

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

Als je hier zit

and something happens in your background,

en er gebeurt iets op de achtergrond,

you merely move your eyes to it.

wend je alleen maar je ogen ernaartoe.

There are these cells that detect change

Deze cellen detecteren verandering

and you move your attention to it.

en dat trekt je aandacht.

So those are very important for catching somebody

Dat is zeer belangrijk

who's trying to sneak up on you.

als iemand je probeert te besluipen.

Let me just end by saying that this is what happens

Laat me eindigen met te zeggen dat dit is wat je krijgt

when you put Africa in a piano, OK.

als je Afrika in een piano stopt.

This is a steel drum here that has been modified,

Dit is een gewijzigde steel drum

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

of met andere woorden: Afrika in een piano.

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

Ik wil Afrika in de computer krijgen

and come up with a new kind of computer

om met een nieuw soort computer te komen.

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

Een die zal denken, verbeelding genereren, creatief zijn en dat soort dingen.

Thank you.

Dank je.

(Applause)

(Applaus)

Chris Anderson: Question for you, Kwabena.

Chris Anderson: Een vraag voor jou, Kwabena.

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

Heeft het werk dat je doet, de toekomst van Afrika,

the future of Africa, this conference --

deze conferentie voor jou allemaal met elkaar te maken?

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

Welke verbindingen kunnen we eventueel daartussen leggen?

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

Kwabena Boahen: Ja, zoals ik al in het begin zei.

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

Ik kreeg mijn eerste computer toen ik een tiener was in Accra.

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

Ik had een buikgevoel dat dit de verkeerde manier was om het te doen.

It was very brute force; it was very inelegant.

Het was brute kracht, niet erg elegant.

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

Ik denk niet dat ik die reactie zou hebben gehad

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

als ik was opgegroeid met al die science fiction-literatuur,

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

over RD2D2, of hoe hij ook mag heten, en

buying into this hype about computers.

mee te lopen in deze hype over computers.

I was coming at it from a different perspective,

Ik kwam vanuit een ander perspectief,

where I was bringing that different perspective

ik keek vanuit een ander perspectief

to bear on the problem.

naar het probleem.

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

Ik denk dat veel mensen in Afrika het vanuit deze andere invalshoek bekijken

and I think that's going to impact technology.

en ik denk dat dat impact gaat hebben op de technologie.

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

Het gaat de ontwikkeling ervan beïnvloeden.

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

Die instroom gaat ervoor zorgen

to come up with new things,

dat er nieuwe dingen zullen komen

because you're coming from a different perspective.

omdat je het benadert vanuit een ander perspectief.

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

Ik denk dat we een bijdrage kunnen leveren, we kunnen dromen net als iedereen.

CA: Thanks Kwabena, that was really interesting.

Chris Anderson: Bedankt Kwabena, dat was echt interessant.

Thank you.

Dank je.

(Applause)

(Applaus)