Kwabena Boahen: Making a computer that works like the brain

96,376 views ・ 2008-07-30

TED


Proszę kliknąć dwukrotnie na poniższe angielskie napisy, aby odtworzyć film.

Tłumaczenie: Marcin Krzaczkowski Korekta: Pawel Kalinowski
00:18
I got my first computer when I was a teenager growing up in Accra,
0
18330
5000
Dostałem mój pierwszy komputer, gdy byłem nastolatkiem dorastającym w Akrze
00:23
and it was a really cool device.
1
23330
3000
i było to naprawdę fajne urządzenie.
00:26
You could play games with it. You could program it in BASIC.
2
26330
5000
Można było na nim grać w gry, można było programować w BASIC-u.
00:31
And I was fascinated.
3
31330
2000
Byłem zafascynowany.
00:33
So I went into the library to figure out how did this thing work.
4
33330
6000
Poszedłem więc do biblioteki, żeby dowiedzieć się jak to działa.
00:39
I read about how the CPU is constantly shuffling data back and forth
5
39330
5000
Czytałem o tym, jak procesor nieustannie przerzuca dane w tę i z powrotem
00:44
between the memory, the RAM and the ALU,
6
44330
4000
między pamięcią -- RAM-em a ALU,
00:48
the arithmetic and logic unit.
7
48330
2000
jednostką arytmetyczno-logiczną.
00:50
And I thought to myself, this CPU really has to work like crazy
8
50330
4000
I pomyślałem sobie -- ten procesor musi naprawdę pracować jak szalony
00:54
just to keep all this data moving through the system.
9
54330
4000
tylko po to, żeby te wszystkie dane przemieszczać w komputerze.
00:58
But nobody was really worried about this.
10
58330
3000
Ale nikt się tym faktycznie nie przejmował.
01:01
When computers were first introduced,
11
61330
2000
Gdy pojawiły się pierwsze komputery
01:03
they were said to be a million times faster than neurons.
12
63330
3000
mówiono, że są milion razy szybsze niż neurony.
01:06
People were really excited. They thought they would soon outstrip
13
66330
5000
Ludzie byli naprawdę zachwyceni, sądzili że wkrótce prześcigną
01:11
the capacity of the brain.
14
71330
3000
możliwości mózgu.
01:14
This is a quote, actually, from Alan Turing:
15
74330
3000
To cytat z wypowiedzi Alana Turinga:
01:17
"In 30 years, it will be as easy to ask a computer a question
16
77330
4000
„Za 30 lat będzie tak samo łatwo zadać pytanie komputerowi,
01:21
as to ask a person."
17
81330
2000
jak zapytać o coś człowieka.”
01:23
This was in 1946. And now, in 2007, it's still not true.
18
83330
7000
Powiedział to w 1946 r. Teraz mamy rok 2007 i wciąż tak nie jest.
01:30
And so, the question is, why aren't we really seeing
19
90330
4000
Pytanie brzmi: dlaczego naprawdę nie pojawiła się
01:34
this kind of power in computers that we see in the brain?
20
94330
4000
w komputerach taka moc, jaka istnieje w mózgu?
01:38
What people didn't realize, and I'm just beginning to realize right now,
21
98330
4000
Ludzie nie zdawali sobie sprawy, a ja dopiero teraz zaczynam to dostrzegać,
01:42
is that we pay a huge price for the speed
22
102330
2000
że płacimy ogromną cenę za szybkość,
01:44
that we claim is a big advantage of these computers.
23
104330
4000
która ma być wielką zaletą tych komputerów.
01:48
Let's take a look at some numbers.
24
108330
2000
Przyjrzyjmy się pewnym liczbom.
01:50
This is Blue Gene, the fastest computer in the world.
25
110330
4000
To jest Blue Gene – najszybszy komputer na świecie.
01:54
It's got 120,000 processors; they can basically process
26
114330
5000
Ma 120 000 procesorów -- mogą one przetwarzać
01:59
10 quadrillion bits of information per second.
27
119330
3000
10 biliardów bitów informacji na sekundę.
02:02
That's 10 to the sixteenth. And they consume one and a half megawatts of power.
28
122330
7000
To jest 10 do potęgi 16. I zużywają półtora megawata energii.
02:09
So that would be really great, if you could add that
29
129330
3000
Byłoby wspaniale, gdyby można o tyle zwiększyć
02:12
to the production capacity in Tanzania.
30
132330
2000
moce produkcyjne w Tanzanii.
02:14
It would really boost the economy.
31
134330
2000
To by naprawdę rozpędziło gospodarkę.
02:16
Just to go back to the States,
32
136330
4000
Ale wróćmy do Stanów Zjednoczonych.
02:20
if you translate the amount of power or electricity
33
140330
2000
Jeśli przełożyć ilość prądu,
02:22
this computer uses to the amount of households in the States,
34
142330
3000
jaką zużywa ten komputer, na liczbę gospodarstw domowych w USA,
02:25
you get 1,200 households in the U.S.
35
145330
4000
otrzymamy 1 200 takich gospodarstw.
02:29
That's how much power this computer uses.
36
149330
2000
Tyle energii zużywa ten komputer.
02:31
Now, let's compare this with the brain.
37
151330
3000
Teraz porównajmy to z mózgiem.
02:34
This is a picture of, actually Rory Sayres' girlfriend's brain.
38
154330
5000
To jest obraz mózgu -- tak dokładnie to należącego do dziewczyny Rory'ego Sayresa.
02:39
Rory is a graduate student at Stanford.
39
159330
2000
Rory jest doktorantem w Stanford.
02:41
He studies the brain using MRI, and he claims that
40
161330
4000
Bada mózg przy użyciu MRI i twierdzi, że
02:45
this is the most beautiful brain that he has ever scanned.
41
165330
3000
to najpiękniejszy mózg, jaki kiedykolwiek skanował.
02:48
(Laughter)
42
168330
2000
(Śmiech)
02:50
So that's true love, right there.
43
170330
3000
I to właśnie jest prawdziwa miłość.
02:53
Now, how much computation does the brain do?
44
173330
3000
A więc -- ile obliczeń wykonuje mózg?
02:56
I estimate 10 to the 16 bits per second,
45
176330
2000
Oszacowałem, że jakieś 10 do potęgi 16 na sekundę,
02:58
which is actually about very similar to what Blue Gene does.
46
178330
4000
czyli dość podobną liczbę do Blue Gene.
03:02
So that's the question. The question is, how much --
47
182330
2000
Pojawia się więc pytanie. Oto pytanie, ile --
03:04
they are doing a similar amount of processing, similar amount of data --
48
184330
3000
a wykonują podobną ilość obliczeń, przetwarzają podobną ilość danych --
03:07
the question is how much energy or electricity does the brain use?
49
187330
5000
pytanie brzmi: ile energii czy prądu zużywa mózg?
03:12
And it's actually as much as your laptop computer:
50
192330
3000
Zużywa jej w rzeczywistości tyle, ile laptop:
03:15
it's just 10 watts.
51
195330
2000
tylko 10 watów.
03:17
So what we are doing right now with computers
52
197330
3000
Tak więc to, co robimy obecnie na komputerach,
03:20
with the energy consumed by 1,200 houses,
53
200330
3000
wykorzystując energię w ilości zużywanej przez 1 200 domów,
03:23
the brain is doing with the energy consumed by your laptop.
54
203330
5000
mózg wykonuje, wykorzystując ilość energii używaną przez laptopa.
03:28
So the question is, how is the brain able to achieve this kind of efficiency?
55
208330
3000
Tak więc mamy pytanie -- jak mózg osiąga taką wydajność?
03:31
And let me just summarize. So the bottom line:
56
211330
2000
Krótkie podsumowanie. Najważniejsza informacja:
03:33
the brain processes information using 100,000 times less energy
57
213330
4000
mózg przetwarza informacje zużywając 100 tysięcy razy mniej energii
03:37
than we do right now with this computer technology that we have.
58
217330
4000
niż komputery, jakie obecnie mamy.
03:41
How is the brain able to do this?
59
221330
2000
Jak mózg jest w stanie tego dokonać?
03:43
Let's just take a look about how the brain works,
60
223330
3000
Przyjrzyjmy się temu, jak działa mózg,
03:46
and then I'll compare that with how computers work.
61
226330
4000
a następnie porównam to ze sposobem działania komputerów.
03:50
So, this clip is from the PBS series, "The Secret Life of the Brain."
62
230330
4000
To jest fragment z serialu telewizji PBS „Sekretne życie mózgu”.
03:54
It shows you these cells that process information.
63
234330
3000
Widać tu komórki przetwarzające informacje.
03:57
They are called neurons.
64
237330
1000
To neurony.
03:58
They send little pulses of electricity down their processes to each other,
65
238330
6000
Przesyłają przez swoje wypustki małe impulsy elektryczne do siebie nawzajem,
04:04
and where they contact each other, those little pulses
66
244330
2000
a gdy się ze sobą kontaktują, te małe impulsy
04:06
of electricity can jump from one neuron to the other.
67
246330
2000
elektryczne przeskakują z jednego neuronu do drugiego.
04:08
That process is called a synapse.
68
248330
3000
Ta wypustka to synapsa.
04:11
You've got this huge network of cells interacting with each other --
69
251330
2000
Mamy wielką sieć komórek kontaktujących się ze sobą.
04:13
about 100 million of them,
70
253330
2000
Jest ich około 100 milionów.
04:15
sending about 10 quadrillion of these pulses around every second.
71
255330
4000
Wysyłają około 10 biliardów takich impulsów w każdej sekundzie.
04:19
And that's basically what's going on in your brain right now as you're watching this.
72
259330
6000
I właśnie teraz, gdy mnie oglądacie, to dzieje się w waszych mózgach.
04:25
How does that compare with the way computers work?
73
265330
2000
Jak to się ma do sposobu działania komputerów?
04:27
In the computer, you have all the data
74
267330
2000
W komputerze wszystkie dane
04:29
going through the central processing unit,
75
269330
2000
przechodzą przez procesor
04:31
and any piece of data basically has to go through that bottleneck,
76
271330
3000
i każda informacja musi przejść przez to wąskie gardło.
04:34
whereas in the brain, what you have is these neurons,
77
274330
4000
Podczas gdy w mózgu mamy neurony,
04:38
and the data just really flows through a network of connections
78
278330
4000
a dane po prostu płyną przez sieć połączeń
04:42
among the neurons. There's no bottleneck here.
79
282330
2000
między neuronami -- nie ma tu żadnego wąskiego gardła.
04:44
It's really a network in the literal sense of the word.
80
284330
4000
To naprawdę sieć w dosłownym znaczeniu.
04:48
The net is doing the work in the brain.
81
288330
4000
W mózgu sieć wykonuje pracę.
04:52
If you just look at these two pictures,
82
292330
2000
Jeśli tylko spojrzycie na te dwa obrazki,
04:54
these kind of words pop into your mind.
83
294330
2000
pomyślicie sobie:
04:56
This is serial and it's rigid -- it's like cars on a freeway,
84
296330
4000
To jest szeregowe i nieelastyczne: jak samochody na autostradzie --
05:00
everything has to happen in lockstep --
85
300330
3000
wszystko musi przebiegać krok po kroku.
05:03
whereas this is parallel and it's fluid.
86
303330
2000
Natomiast to jest równoległe i płynne.
05:05
Information processing is very dynamic and adaptive.
87
305330
3000
Przetwarzanie informacji jest bardzo dynamiczne i zdolne do adaptacji.
05:08
So I'm not the first to figure this out. This is a quote from Brian Eno:
88
308330
4000
Nie ja pierwszy to zauważyłem. Zacytuję Briana Eno:
05:12
"the problem with computers is that there is not enough Africa in them."
89
312330
4000
„Problem z komputerami polega na tym, że za mało w nich Afryki.”
05:16
(Laughter)
90
316330
6000
(Śmiech)
05:22
Brian actually said this in 1995.
91
322330
3000
Brian naprawdę powiedział to w 1995 r.
05:25
And nobody was listening then,
92
325330
3000
I nikt tego wtedy nie słuchał,
05:28
but now people are beginning to listen
93
328330
2000
ale teraz ludzie zaczęli słuchać,
05:30
because there's a pressing, technological problem that we face.
94
330330
5000
ponieważ mamy palący problem techniczny.
05:35
And I'll just take you through that a little bit in the next few slides.
95
335330
5000
Przedstawię to wam krótko na kilku następnych slajdach.
05:40
This is -- it's actually really this remarkable convergence
96
340330
4000
To jest -- naprawdę istnieje znacząca zbieżność pomiędzy
05:44
between the devices that we use to compute in computers,
97
344330
5000
urządzeniami wykonującymi obliczenia w komputerach
05:49
and the devices that our brains use to compute.
98
349330
4000
i urządzeniami wykonującymi obliczenia w naszych mózgach.
05:53
The devices that computers use are what's called a transistor.
99
353330
4000
Urządzenia wykorzystywane w komputerach to tranzystory.
05:57
This electrode here, called the gate, controls the flow of current
100
357330
4000
Ta elektroda -- nazywana bramką -- steruje przepływem prądu
06:01
from the source to the drain -- these two electrodes.
101
361330
3000
ze źródła do drenu -- to te dwie elektrody.
06:04
And that current, electrical current,
102
364330
2000
A ten prąd, prąd elektryczny,
06:06
is carried by electrons, just like in your house and so on.
103
366330
6000
jest przenoszony przez elektrony, tak jak [w instalacjach] w waszych domach, itp.
06:12
And what you have here is, when you actually turn on the gate,
104
372330
5000
I działa to tak: gdy włączymy bramkę,
06:17
you get an increase in the amount of current, and you get a steady flow of current.
105
377330
4000
prąd wzrasta i mamy stały jego przepływ.
06:21
And when you turn off the gate, there's no current flowing through the device.
106
381330
4000
A gdy wyłączymy bramkę, przez urządzenie nie płynie prąd.
06:25
Your computer uses this presence of current to represent a one,
107
385330
5000
Komputery używają obecności prądu jako reprezentacji jedynki
06:30
and the absence of current to represent a zero.
108
390330
4000
a braku prądu jako reprezentacji zera.
06:34
Now, what's happening is that as transistors are getting smaller and smaller and smaller,
109
394330
6000
Teraz, gdy tranzystory stają się coraz mniejsze i mniejsze,
06:40
they no longer behave like this.
110
400330
2000
przestają się tak zachowywać.
06:42
In fact, they are starting to behave like the device that neurons use to compute,
111
402330
5000
Zaczynają zachowywać się jak mechanizm wykorzystywany do obliczeń w neuronach,
06:47
which is called an ion channel.
112
407330
2000
nazywany kanałem jonowym.
06:49
And this is a little protein molecule.
113
409330
2000
Jest to mała cząsteczka białka.
06:51
I mean, neurons have thousands of these.
114
411330
4000
To znaczy -- neurony zawierają ich tysiące.
06:55
And it sits in the membrane of the cell and it's got a pore in it.
115
415330
4000
Znajduje się on w błonie komórkowej i ma w sobie otwór.
06:59
And these are individual potassium ions
116
419330
3000
A to są pojedyncze jony potasowe
07:02
that are flowing through that pore.
117
422330
2000
przepływające przez ten otwór.
07:04
Now, this pore can open and close.
118
424330
2000
Ten otwór może zamykać się i otwierać.
07:06
But, when it's open, because these ions have to line up
119
426330
5000
Ale gdy jest otwarty -- dlatego że te jony muszą być ustawione w szeregu
07:11
and flow through, one at a time, you get a kind of sporadic, not steady --
120
431330
5000
i przepływać pojedynczo -- mamy przerywany, a nie stały --
07:16
it's a sporadic flow of current.
121
436330
3000
nieregularny przepływ prądu.
07:19
And even when you close the pore -- which neurons can do,
122
439330
3000
A gdy otwór zostanie zamknięty -- co neurony mogą robić,
07:22
they can open and close these pores to generate electrical activity --
123
442330
5000
mogą otwierać i zamykać te otwory, by powodować aktywność elektryczną –
07:27
even when it's closed, because these ions are so small,
124
447330
3000
nawet gdy jest zamknięty, ponieważ te jony są tak małe,
07:30
they can actually sneak through, a few can sneak through at a time.
125
450330
3000
mogą się przecisnąć; kilka może się przedostać co jakiś czas.
07:33
So, what you have is that when the pore is open,
126
453330
3000
Tak więc gdy otwór jest otwarty,
07:36
you get some current sometimes.
127
456330
2000
czasem płynie jakiś prąd.
07:38
These are your ones, but you've got a few zeros thrown in.
128
458330
3000
To są nasze jedynki, ale pojawia się tam też trochę zer.
07:41
And when it's closed, you have a zero,
129
461330
4000
A gdy jest zamknięty, mamy zero,
07:45
but you have a few ones thrown in.
130
465330
3000
ale pojawia się też trochę jedynek.
07:48
Now, this is starting to happen in transistors.
131
468330
3000
Tak zaczyna się dziać również w przypadku tranzystorów.
07:51
And the reason why that's happening is that, right now, in 2007 --
132
471330
5000
A powodem tego jest to, że teraz, w roku 2007
07:56
the technology that we are using -- a transistor is big enough
133
476330
4000
używana przez nas technologia czyni tranzystor dostatecznie dużym,
08:00
that several electrons can flow through the channel simultaneously, side by side.
134
480330
5000
żeby kilka elektronów mogło płynąć przez kanał jednocześnie, obok siebie.
08:05
In fact, there's about 12 electrons can all be flowing this way.
135
485330
4000
W rzeczywistości około 12 elektronów może płynąć w taki sposób.
08:09
And that means that a transistor corresponds
136
489330
2000
Znaczy to, że tranzystor jest odpowiednikiem
08:11
to about 12 ion channels in parallel.
137
491330
3000
około 12 równoległych kanałów jonowych.
08:14
Now, in a few years time, by 2015, we will shrink transistors so much.
138
494330
5000
Za kilka lat, do roku 2015 tranzystory będą znacznie mniejsze.
08:19
This is what Intel does to keep adding more cores onto the chip.
139
499330
5000
Nad tym pracuje Intel, żeby móc dodawać coraz więcej rdzeni do procesorów;
08:24
Or your memory sticks that you have now can carry one gigabyte
140
504330
3000
również popularne pendrive'y mieszczą dziś jeden gigabajt
08:27
of stuff on them -- before, it was 256.
141
507330
2000
zawartości -- wcześniej było to 256 MB.
08:29
Transistors are getting smaller to allow this to happen,
142
509330
3000
Aby to umożliwić tranzystory stają się coraz mniejsze,
08:32
and technology has really benefitted from that.
143
512330
3000
a technika na tym naprawdę korzysta.
08:35
But what's happening now is that in 2015, the transistor is going to become so small,
144
515330
5000
Ale doprowadzi to do tego, że w 2015. tranzystory będą tak małe,
08:40
that it corresponds to only one electron at a time
145
520330
3000
że tylko jeden elektron na raz
08:43
can flow through that channel,
146
523330
2000
będzie mógł przepłynąć przez kanał,
08:45
and that corresponds to a single ion channel.
147
525330
2000
a to odpowiada pojedynczemu kanałowi jonowemu.
08:47
And you start having the same kind of traffic jams that you have in the ion channel.
148
527330
4000
I będziemy mieli takie same zatory, jakie występują w kanale jonowym,
08:51
The current will turn on and off at random,
149
531330
3000
prąd będzie się włączać i wyłączać losowo,
08:54
even when it's supposed to be on.
150
534330
2000
nawet gdy ma być włączony.
08:56
And that means your computer is going to get
151
536330
2000
A to znaczy, że w komputerze
08:58
its ones and zeros mixed up, and that's going to crash your machine.
152
538330
4000
jedynki i zera będą się mieszać -- no i komputer się zawiesi.
09:02
So, we are at the stage where we
153
542330
4000
Tak więc, jesteśmy na etapie, gdy
09:06
don't really know how to compute with these kinds of devices.
154
546330
3000
naprawdę nie wiemy jak prowadzić obliczenia przy użyciu takich urządzeń.
09:09
And the only kind of thing -- the only thing we know right now
155
549330
3000
I jedyny dziś znany nam mechanizm,
09:12
that can compute with these kinds of devices are the brain.
156
552330
3000
który potrafi prowadzić obliczenia przy użyciu takich urządzeń to mózg.
09:15
OK, so a computer picks a specific item of data from memory,
157
555330
4000
OK. Więc komputer bierze określoną daną z pamięci,
09:19
it sends it into the processor or the ALU,
158
559330
3000
wysyła ją do procesora, czyli jednostki arytmetyczno-logicznej,
09:22
and then it puts the result back into memory.
159
562330
2000
a potem wstawia ją z powrotem do pamięci.
09:24
That's the red path that's highlighted.
160
564330
2000
To ta ścieżka wyróżniona na czerwono.
09:26
The way brains work, I told you all, you have got all these neurons.
161
566330
4000
Mózg działa w taki sposób, że mamy te wszystkie neurony,
09:30
And the way they represent information is
162
570330
2000
a one przekazują informacje przez
09:32
they break up that data into little pieces
163
572330
2000
podzielenie danych na małe kawałeczki,
09:34
that are represented by pulses and different neurons.
164
574330
3000
których reprezentacją są impulsy i różne neurony.
09:37
So you have all these pieces of data
165
577330
2000
Mamy więc te wszystkie kawałeczki danych
09:39
distributed throughout the network.
166
579330
2000
rozsyłane przez sieć.
09:41
And then the way that you process that data to get a result
167
581330
3000
A przetwarzanie tych danych w celu otrzymania wyników polega na
09:44
is that you translate this pattern of activity into a new pattern of activity,
168
584330
4000
przetłumaczeniu tego wzorca aktywności na nowy wzorzec aktywności,
09:48
just by it flowing through the network.
169
588330
3000
po prostu przepuszczając dane przez sieć.
09:51
So you set up these connections
170
591330
2000
Mamy więc takie połączenia,
09:53
such that the input pattern just flows
171
593330
3000
dzięki którym wzorzec wejściowy po prostu przepływa
09:56
and generates the output pattern.
172
596330
2000
i generuje wzorzec wyjściowy.
09:58
What you see here is that there's these redundant connections.
173
598330
4000
Widzimy tu, że mamy nadmiarowe połączenia.
10:02
So if this piece of data or this piece of the data gets clobbered,
174
602330
4000
Więc jeśli ten lub tamten fragment danych gdzieś utknie
10:06
it doesn't show up over here, these two pieces can activate the missing part
175
606330
5000
i nie dotrze do celu, te dwa fragmenty mogą aktywować brakującą część
10:11
with these redundant connections.
176
611330
2000
dzięki połączeniom nadmiarowym.
10:13
So even when you go to these crappy devices
177
613330
2000
Więc nawet gdy korzystamy z takich kiepskich urządzeń,
10:15
where sometimes you want a one and you get a zero, and it doesn't show up,
178
615330
3000
w których czasem chcemy jedynkę, a dostajemy zero,
10:18
there's redundancy in the network
179
618330
2000
mamy nadmiarowość sieci,
10:20
that can actually recover the missing information.
180
620330
3000
która pozwala odzyskać brakujące informacje.
10:23
It makes the brain inherently robust.
181
623330
3000
Wbudowuje to w mózg niezawodność.
10:26
What you have here is a system where you store data locally.
182
626330
3000
Tu mamy system, w którym dane są przechowywane lokalnie.
10:29
And it's brittle, because each of these steps has to be flawless,
183
629330
4000
Jest on delikatny, ponieważ każdy z kroków musi być bezbłędny --
10:33
otherwise you lose that data, whereas in the brain, you have a system
184
633330
3000
inaczej stracimy dane. Natomiast w mózgu mamy system
10:36
that stores data in a distributed way, and it's robust.
185
636330
4000
rozproszonego przechowywania danych -- i jest on niezawodny.
10:40
What I want to basically talk about is my dream,
186
640330
4000
Chcę opowiedzieć, najprościej mówiąc, o moim marzeniu,
10:44
which is to build a computer that works like the brain.
187
644330
3000
którym jest zbudowanie komputera pracującego jak mózg.
10:47
This is something that we've been working on for the last couple of years.
188
647330
4000
Pracujemy nad tym od kilku lat.
10:51
And I'm going to show you a system that we designed
189
651330
3000
Pokażę wam system, który zaprojektowaliśmy
10:54
to model the retina,
190
654330
3000
jako model siatkówki,
10:57
which is a piece of brain that lines the inside of your eyeball.
191
657330
5000
która jest częścią mózgu znajdującą się wewnątrz gałki ocznej.
11:02
We didn't do this by actually writing code, like you do in a computer.
192
662330
6000
Nie stworzyliśmy tego pisząc kod -- jak to się robi na komputerze.
11:08
In fact, the processing that happens
193
668330
3000
W rzeczywistości przetwarzanie, które odbywa się
11:11
in that little piece of brain is very similar
194
671330
2000
w tym małym kawałku mózgu bardzo przypomina
11:13
to the kind of processing that computers
195
673330
1000
przetwarzanie, które komputery
11:14
do when they stream video over the Internet.
196
674330
4000
wykonują na potrzeby przesyłania strumieniowego wideo przez internet.
11:18
They want to compress the information --
197
678330
1000
Muszą skompresować informacje --
11:19
they just want to send the changes, what's new in the image, and so on --
198
679330
4000
chcą przesyłać tylko zmiany, nowe elementy obrazu i tak dalej --
11:23
and that is how your eyeball
199
683330
3000
i w taki sposób twoje oko
11:26
is able to squeeze all that information down to your optic nerve,
200
686330
3000
może upchnąć wszystkie te informacje do nerwu wzrokowego,
11:29
to send to the rest of the brain.
201
689330
2000
aby wysłać je dalej do mózgu.
11:31
Instead of doing this in software, or doing those kinds of algorithms,
202
691330
3000
Zamiast użyć do tego oprogramowania i stosować odpowiednie algorytmy,
11:34
we went and talked to neurobiologists
203
694330
3000
przedyskutowaliśmy to z neurobiologami,
11:37
who have actually reverse engineered that piece of brain that's called the retina.
204
697330
4000
którzy technicznie rozpracowali dla nas ten fragment mózgu -- siatkówki.
11:41
And they figured out all the different cells,
205
701330
2000
Rozpisali wszystkie rodzaje komórek,
11:43
and they figured out the network, and we just took that network
206
703330
3000
rozpracowali budowę sieci, a my zwyczajnie wzięliśmy tę sieć
11:46
and we used it as the blueprint for the design of a silicon chip.
207
706330
4000
i użyliśmy jej jako schematu konstrukcji układu krzemowego.
11:50
So now the neurons are represented by little nodes or circuits on the chip,
208
710330
6000
Teraz więc odpowiednikiem neuronów są małe węzły lub obwody w tym czipie,
11:56
and the connections among the neurons are represented, actually modeled by transistors.
209
716330
5000
a połączenia między neuronami są odwzorowane przez tranzystory.
12:01
And these transistors are behaving essentially
210
721330
2000
I te tranzystory zachowują się w istocie
12:03
just like ion channels behave in the brain.
211
723330
3000
tak, jak kanały jonowe w mózgu.
12:06
It will give you the same kind of robust architecture that I described.
212
726330
5000
Daje to taką samą niezawodną architekturę, jaką opisałem wcześniej.
12:11
Here is actually what our artificial eye looks like.
213
731330
4000
Oto jak wygląda nasze sztuczne oko.
12:15
The retina chip that we designed sits behind this lens here.
214
735330
5000
Zaprojektowany przez nas czip siatkówki znajduje się za tym obiektywem.
12:20
And the chip -- I'm going to show you a video
215
740330
2000
I ten czip... Pokażę wam nagranie wideo
12:22
that the silicon retina put out of its output
216
742330
3000
z wyjścia wygenerowanego przez krzemową siatkówkę,
12:25
when it was looking at Kareem Zaghloul,
217
745330
3000
patrzącej na Kareema Zaghloula,
12:28
who's the student who designed this chip.
218
748330
2000
studenta, który zaprojektował ten układ.
12:30
Let me explain what you're going to see, OK,
219
750330
2000
Wyjaśnię co tu zobaczycie, OK?
12:32
because it's putting out different kinds of information,
220
752330
3000
Ponieważ generowane są tu różne rodzaje informacji,
12:35
it's not as straightforward as a camera.
221
755330
2000
nie jest to tak czytelne i oczywiste jak w przypadku kamery.
12:37
The retina chip extracts four different kinds of information.
222
757330
3000
Czip siatkówki wydobywa cztery różne rodzaje informacji.
12:40
It extracts regions with dark contrast,
223
760330
3000
Wydobywa obszary ciemne,
12:43
which will show up on the video as red.
224
763330
3000
widoczne na wideo jako czerwone.
12:46
And it extracts regions with white or light contrast,
225
766330
4000
Wydobywa obszary białe lub jasne,
12:50
which will show up on the video as green.
226
770330
2000
widoczne na wideo jako zielone.
12:52
This is Kareem's dark eyes
227
772330
2000
To są ciemne oczy Kareema,
12:54
and that's the white background that you see here.
228
774330
3000
a to jest białe tło, które widać też tutaj.
12:57
And then it also extracts movement.
229
777330
2000
Ponadto wydobywa ruch.
12:59
When Kareem moves his head to the right,
230
779330
2000
Gdy Kareem przesuwa głowę w prawo,
13:01
you will see this blue activity there;
231
781330
2000
widać tam niebieską aktywność,
13:03
it represents regions where the contrast is increasing in the image,
232
783330
3000
reprezentuje to obszary, gdzie kontrast obrazu wzrasta,
13:06
that's where it's going from dark to light.
233
786330
3000
czyli zmieniające się z ciemnych w jasne.
13:09
And you also see this yellow activity,
234
789330
2000
Widzimy też tutaj żółtą aktywność,
13:11
which represents regions where contrast is decreasing;
235
791330
4000
reprezentującą obszary zmniejszającego się kontrastu,
13:15
it's going from light to dark.
236
795330
2000
zmieniające się z jasnych w ciemne.
13:17
And these four types of information --
237
797330
3000
To właśnie te cztery rodzaje informacji --
13:20
your optic nerve has about a million fibers in it,
238
800330
4000
nerw wzrokowy jest złożony z około miliona włókien,
13:24
and 900,000 of those fibers
239
804330
3000
a 900 000 z tych włókien
13:27
send these four types of information.
240
807330
2000
przesyła te cztery rodzaje informacji.
13:29
So we are really duplicating the kind of signals that you have on the optic nerve.
241
809330
4000
Powielamy więc rodzaje sygnałów, które mamy w nerwie wzrokowym.
13:33
What you notice here is that these snapshots
242
813330
3000
Widzicie tu, że te ujęcia migawkowe
13:36
taken from the output of the retina chip are very sparse, right?
243
816330
4000
z wyjścia czipu siatkówki są bardzo słabo wypełnione.
13:40
It doesn't light up green everywhere in the background,
244
820330
2000
Zielony nie pojawia się na całym tle,
13:42
only on the edges, and then in the hair, and so on.
245
822330
3000
a jedynie na brzegach i tak dalej.
13:45
And this is the same thing you see
246
825330
1000
To samo zauważycie
13:46
when people compress video to send: they want to make it very sparse,
247
826330
4000
w przypadku kompresji wideo: musi być bardzo słabo wypełnione,
13:50
because that file is smaller. And this is what the retina is doing,
248
830330
3000
żeby plik był mniejszy. I tak działa siatkówka,
13:53
and it's doing it just with the circuitry, and how this network of neurons
249
833330
4000
i robi to jedynie przy użyciu obwodów i tej sieci neuronów
13:57
that are interacting in there, which we've captured on the chip.
250
837330
3000
kontaktujących się ze sobą, którą odwzorowaliśmy w czipie.
14:00
But the point that I want to make -- I'll show you up here.
251
840330
3000
Ale co chcę podkreślić... pokażę tutaj.
14:03
So this image here is going to look like these ones,
252
843330
3000
Ten obraz będzie wyglądać jak tamte,
14:06
but here I'll show you that we can reconstruct the image,
253
846330
2000
ale pokaże wam, że możemy zrekonstruować obraz,
14:08
so, you know, you can almost recognize Kareem in that top part there.
254
848330
5000
dzięki czemu można niemalże rozpoznać Kareema tam na górze.
14:13
And so, here you go.
255
853330
2000
Popatrzmy.
14:24
Yes, so that's the idea.
256
864330
3000
Taka właśnie jest ogólna idea.
14:27
When you stand still, you just see the light and dark contrasts.
257
867330
2000
Gdy nie ma ruchu, widzimy tylko jasne i ciemne obszary.
14:29
But when it's moving back and forth,
258
869330
2000
Ale gdy się coś porusza,
14:31
the retina picks up these changes.
259
871330
3000
siatkówka wyłapuje te zmiany.
14:34
And that's why, you know, when you're sitting here
260
874330
1000
I dlatego, gdy tu siedzicie
14:35
and something happens in your background,
261
875330
2000
i coś dzieje się w tle,
14:37
you merely move your eyes to it.
262
877330
2000
jedynie zwracacie oczy w tym kierunku.
14:39
There are these cells that detect change
263
879330
2000
Mamy komórki wykrywające zmianę
14:41
and you move your attention to it.
264
881330
2000
i kierujemy na nią uwagę.
14:43
So those are very important for catching somebody
265
883330
2000
To bardzo ważne, żeby zareagować,
14:45
who's trying to sneak up on you.
266
885330
2000
gdy ktoś się do nas skrada.
14:47
Let me just end by saying that this is what happens
267
887330
3000
Zakończę stwierdzeniem, że takie rzeczy dzieją się,
14:50
when you put Africa in a piano, OK.
268
890330
3000
gdy włożymy Afrykę do fortepianu, OK?
14:53
This is a steel drum here that has been modified,
269
893330
3000
To jest bęben stalowy, steel pan, po przeróbce.
14:56
and that's what happens when you put Africa in a piano.
270
896330
3000
Takie rzeczy się dzieją, gdy włożycie Afrykę do fortepianu.
14:59
And what I would like us to do is put Africa in the computer,
271
899330
4000
A ja chciałbym, abyśmy włożyli Afrykę do komputera
15:03
and come up with a new kind of computer
272
903330
2000
i stworzyli nowy rodzaj komputera,
15:05
that will generate thought, imagination, be creative and things like that.
273
905330
3000
który będzie generować myśli, wyobraźnię, kreatywność itp.
15:08
Thank you.
274
908330
2000
Dziękuję.
15:10
(Applause)
275
910330
2000
(Oklaski)
15:12
Chris Anderson: Question for you, Kwabena.
276
912330
2000
Chris Anderson: Kwabena, mam do ciebie pytanie.
15:14
Do you put together in your mind the work you're doing,
277
914330
4000
Czy widzisz związki między twoją pracą,
15:18
the future of Africa, this conference --
278
918330
3000
przyszłością Afryki, tą konferencją --
15:21
what connections can we make, if any, between them?
279
921330
3000
jak, i czy, moglibyśmy to ze sobą połączyć?
15:24
Kwabena Boahen: Yes, like I said at the beginning,
280
924330
2000
Kwabena Boahen: Tak. Jak powiedziałem na początku.
15:26
I got my first computer when I was a teenager, growing up in Accra.
281
926330
4000
Dostałem mój pierwszy komputer, gdy byłem nastolatkiem dorastającym w Akrze.
15:30
And I had this gut reaction that this was the wrong way to do it.
282
930330
4000
I miałem to wewnętrzne poczucie, że to nie tak trzeba robić.
15:34
It was very brute force; it was very inelegant.
283
934330
3000
To była zdecydowanie metoda siłowa, bardzo nieelegancki sposób.
15:37
I don't think that I would've had that reaction,
284
937330
2000
Nie sądzę, że tak bym czuł,
15:39
if I'd grown up reading all this science fiction,
285
939330
3000
gdybym dorastał czytając science fiction,
15:42
hearing about RD2D2, whatever it was called, and just -- you know,
286
942330
4000
słysząc o RD2D2, czy jak się nazywa, i po prostu -- wiecie --
15:46
buying into this hype about computers.
287
946330
1000
kupując cały ten zachwyt komputerami.
15:47
I was coming at it from a different perspective,
288
947330
2000
Patrzyłem na to z innej perspektywy,
15:49
where I was bringing that different perspective
289
949330
2000
podszedłem z tą inną perspektywą
15:51
to bear on the problem.
290
951330
2000
do rozwiązywania tego problemu.
15:53
And I think a lot of people in Africa have this different perspective,
291
953330
3000
Myślę, że dużo ludzi w Afryce ma tę inną perspektywę
15:56
and I think that's going to impact technology.
292
956330
2000
i sądzę, że to wpłynie na technikę.
15:58
And that's going to impact how it's going to evolve.
293
958330
2000
I wpłynie na drogę jej rozwoju.
16:00
And I think you're going to be able to see, use that infusion,
294
960330
2000
I myślę, że zobaczycie, użyjecie tego zastrzyku,
16:02
to come up with new things,
295
962330
2000
aby stworzyć nowe rzeczy,
16:04
because you're coming from a different perspective.
296
964330
3000
ponieważ przychodzicie z innej perspektywy.
16:07
I think we can contribute. We can dream like everybody else.
297
967330
4000
Myślę, że możemy coś dodać, możemy marzyć jak wszyscy.
16:11
CA: Thanks Kwabena, that was really interesting.
298
971330
2000
Chris Anderson: Dziękuję, Kwabena, to bardzo interesujące.
16:13
Thank you.
299
973330
1000
Dziękuję.
16:14
(Applause)
300
974330
2000
(Oklaski)
O tej stronie

Na tej stronie poznasz filmy z YouTube, które są przydatne do nauki języka angielskiego. Zobaczysz lekcje angielskiego prowadzone przez najlepszych nauczycieli z całego świata. Kliknij dwukrotnie na angielskie napisy wyświetlane na stronie każdego filmu, aby odtworzyć film od tego miejsca. Napisy przewijają się synchronicznie z odtwarzaniem filmu. Jeśli masz jakieś uwagi lub prośby, skontaktuj się z nami za pomocą formularza kontaktowego.

https://forms.gle/WvT1wiN1qDtmnspy7