Kwabena Boahen: Making a computer that works like the brain

Kwabena Boahen sobre um computer que funciona como o cérebro

96,376 views

2008-07-30 ・ TED


New videos

Kwabena Boahen: Making a computer that works like the brain

Kwabena Boahen sobre um computer que funciona como o cérebro

96,376 views ・ 2008-07-30

TED


Por favor, clique duas vezes nas legendas em inglês abaixo para reproduzir o vídeo.

Tradutor: Cristiano Kruel Revisor: Marcos Vinícius Petri
00:18
I got my first computer when I was a teenager growing up in Accra,
0
18330
5000
Eu tive meu primeiro computador quando eu era um adolescente crescendo em Accra,
00:23
and it was a really cool device.
1
23330
3000
e era um dispositivo realmente legal.
00:26
You could play games with it. You could program it in BASIC.
2
26330
5000
Você podia jogar, você podia programar em BASIC.
00:31
And I was fascinated.
3
31330
2000
E eu estava fascinado.
00:33
So I went into the library to figure out how did this thing work.
4
33330
6000
Então eu fui a biblioteca para descobrir como aquela coisa funcionava.
00:39
I read about how the CPU is constantly shuffling data back and forth
5
39330
5000
Eu li sobre como a CPU fica constantemente enviando dados para lá e para cá
00:44
between the memory, the RAM and the ALU,
6
44330
4000
entre a memória, a RAM e a ALU,
00:48
the arithmetic and logic unit.
7
48330
2000
a unidade de lógica e aritmética.
00:50
And I thought to myself, this CPU really has to work like crazy
8
50330
4000
E eu pensei comigo, esta CPU realmente precisa trabalhar como louca
00:54
just to keep all this data moving through the system.
9
54330
4000
só para manter todos estes dados se movimentando pelo sistema.
00:58
But nobody was really worried about this.
10
58330
3000
Mas ninguém estava muito preocupado com isto.
01:01
When computers were first introduced,
11
61330
2000
Quando os computadores surgiram,
01:03
they were said to be a million times faster than neurons.
12
63330
3000
disseram que seriam milhões de vezes mais rápido que os neurônios.
01:06
People were really excited. They thought they would soon outstrip
13
66330
5000
As pessoas estavam realmente eufóricas, pensavam que logo ultrapassariam
01:11
the capacity of the brain.
14
71330
3000
a capacidade do cérebro.
01:14
This is a quote, actually, from Alan Turing:
15
74330
3000
Esta é uma sentença, na verdade, de Alan Turing:
01:17
"In 30 years, it will be as easy to ask a computer a question
16
77330
4000
"Em 30 anos, será mais fácil fazer uma pergunta a um computador,
01:21
as to ask a person."
17
81330
2000
que perguntar a uma pessoa."
01:23
This was in 1946. And now, in 2007, it's still not true.
18
83330
7000
Isto era 1946. E agora em 2007, ainda não é verdade.
01:30
And so, the question is, why aren't we really seeing
19
90330
4000
A pergunta é, porquê nós não estamos realmente vendo
01:34
this kind of power in computers that we see in the brain?
20
94330
4000
este tipo de poder nos computadores que nós vemos no cérebro?
01:38
What people didn't realize, and I'm just beginning to realize right now,
21
98330
4000
O que as pessoas não se dão conta, e eu estou começando apenas agora,
01:42
is that we pay a huge price for the speed
22
102330
2000
é que nós pagamos um preço enorme pela velocidade,
01:44
that we claim is a big advantage of these computers.
23
104330
4000
que nós entendemos ser esta a grande vantagem dos computadores.
01:48
Let's take a look at some numbers.
24
108330
2000
Vamos olhar alguns números.
01:50
This is Blue Gene, the fastest computer in the world.
25
110330
4000
Este é o Blue Gene, o computador mais rápido do mundo.
01:54
It's got 120,000 processors; they can basically process
26
114330
5000
Ele tem 120 mil processadores; eles podem basicamente processar
01:59
10 quadrillion bits of information per second.
27
119330
3000
10 quatrilhão de bits de informação por segundo.
02:02
That's 10 to the sixteenth. And they consume one and a half megawatts of power.
28
122330
7000
Isto é 10 elevado a 16a. E ele consome 1,5 megawatt de energia.
02:09
So that would be really great, if you could add that
29
129330
3000
Então, seria realmente legal, se você pudesse somar isto
02:12
to the production capacity in Tanzania.
30
132330
2000
a capacidade produtiva na Tanzânia.
02:14
It would really boost the economy.
31
134330
2000
Isto realmente alavancaria a economia.
02:16
Just to go back to the States,
32
136330
4000
Apenas voltando aos Estados Unidos,
02:20
if you translate the amount of power or electricity
33
140330
2000
se você traduzir a quantidade de energia ou eletricidade
02:22
this computer uses to the amount of households in the States,
34
142330
3000
que este computador utiliza em quantidade de casas na América,
02:25
you get 1,200 households in the U.S.
35
145330
4000
você chega a 1.200 casas nos EUA,
02:29
That's how much power this computer uses.
36
149330
2000
e isto é o quanto de energia este computador utiliza.
02:31
Now, let's compare this with the brain.
37
151330
3000
Agora, vamos comparar isto com o cérebro.
02:34
This is a picture of, actually Rory Sayres' girlfriend's brain.
38
154330
5000
Esta é a imagem do cérebro da namorada do Rory Sayres.
02:39
Rory is a graduate student at Stanford.
39
159330
2000
Rory é um estudante de graduação de Stanford.
02:41
He studies the brain using MRI, and he claims that
40
161330
4000
Ele estuda o cérebro utilizando o MRI, e afirma que
02:45
this is the most beautiful brain that he has ever scanned.
41
165330
3000
este é o cérebro mais lindo que já foi escaneado.
02:48
(Laughter)
42
168330
2000
(Risadas)
02:50
So that's true love, right there.
43
170330
3000
Então isto é o verdadeiro amor, aqui mesmo.
02:53
Now, how much computation does the brain do?
44
173330
3000
Agora, qual o poder de computação do cérebro?
02:56
I estimate 10 to the 16 bits per second,
45
176330
2000
Eu estimo que de 10 a 16 bits por segundo
02:58
which is actually about very similar to what Blue Gene does.
46
178330
4000
que é muito similar ao que faz o Blue Gene.
03:02
So that's the question. The question is, how much --
47
182330
2000
Então esta é a questão. A questão é - quanto --
03:04
they are doing a similar amount of processing, similar amount of data --
48
184330
3000
ambos processando quantidades similares, quantidade similar de dados --
03:07
the question is how much energy or electricity does the brain use?
49
187330
5000
a questão é quanta energia ou eletricidade o cérebro utiliza?
03:12
And it's actually as much as your laptop computer:
50
192330
3000
E isto é o mesmo que o seu computador laptop:
03:15
it's just 10 watts.
51
195330
2000
apenas 10 watts.
03:17
So what we are doing right now with computers
52
197330
3000
Então o que nós estamos fazendo agora com os computadores,
03:20
with the energy consumed by 1,200 houses,
53
200330
3000
com a energia consumida por 1.200 casas,
03:23
the brain is doing with the energy consumed by your laptop.
54
203330
5000
o cérebro está fazendo com a energia consumida pelo seu laptop.
03:28
So the question is, how is the brain able to achieve this kind of efficiency?
55
208330
3000
Então a questão é, como o cérebro consegue atingir este nível de eficiência?
03:31
And let me just summarize. So the bottom line:
56
211330
2000
Deixe-me resumir. A questão básica é a seguinte:
03:33
the brain processes information using 100,000 times less energy
57
213330
4000
o cérebro processa informação utilizando 100 mil vezes menos energia
03:37
than we do right now with this computer technology that we have.
58
217330
4000
que nós consumimos agora com esta tecnologia de computação que temos.
03:41
How is the brain able to do this?
59
221330
2000
Como o cérebro consegue fazer isto?
03:43
Let's just take a look about how the brain works,
60
223330
3000
Vamos dar uma olhada em como o cérebro funciona,
03:46
and then I'll compare that with how computers work.
61
226330
4000
e então eu vou comparar isto com o funcionamento dos computadores.
03:50
So, this clip is from the PBS series, "The Secret Life of the Brain."
62
230330
4000
Este clipe é da séria PBS, "A Vida Secreta do Cérebro."
03:54
It shows you these cells that process information.
63
234330
3000
Ela mostra estas células que processam informações.
03:57
They are called neurons.
64
237330
1000
Elas são chamadas de neurônios.
03:58
They send little pulses of electricity down their processes to each other,
65
238330
6000
Eles enviam pequenos pulsos elétricos processados para os outros,
04:04
and where they contact each other, those little pulses
66
244330
2000
e onde eles contatam os outros, estes pequenos pulsos
04:06
of electricity can jump from one neuron to the other.
67
246330
2000
de eletricidade podem pular de um neurônio para o outro.
04:08
That process is called a synapse.
68
248330
3000
Este processo é chamado de sinapse.
04:11
You've got this huge network of cells interacting with each other --
69
251330
2000
Você obtêm esta enorme rede de células interagindo com as outras,
04:13
about 100 million of them,
70
253330
2000
cerca de 100 milhões delas,
04:15
sending about 10 quadrillion of these pulses around every second.
71
255330
4000
enviando cerca de 10 quatrilhões destes pulsos por segundo.
04:19
And that's basically what's going on in your brain right now as you're watching this.
72
259330
6000
E isto é basicamente o que ocorre no seu cérebro neste momento.
04:25
How does that compare with the way computers work?
73
265330
2000
Como comparar isto com o modo que o computador funciona?
04:27
In the computer, you have all the data
74
267330
2000
No computador você tem todos os dados
04:29
going through the central processing unit,
75
269330
2000
passando por uma unidade central de processamento,
04:31
and any piece of data basically has to go through that bottleneck,
76
271330
3000
e qualquer porção de dado deve necessariamente passar pelo gargalo.
04:34
whereas in the brain, what you have is these neurons,
77
274330
4000
Enquanto no cérebro, o que existe são estes neurônios
04:38
and the data just really flows through a network of connections
78
278330
4000
e o dado apenas flui através da rede de conexões
04:42
among the neurons. There's no bottleneck here.
79
282330
2000
entre os neurônios, não existe um gargalo.
04:44
It's really a network in the literal sense of the word.
80
284330
4000
É realmente a rede no sentido literal da palavra.
04:48
The net is doing the work in the brain.
81
288330
4000
A rede esta fazendo o trabalho no cérebro.
04:52
If you just look at these two pictures,
82
292330
2000
Se você observar estas duas imagens,
04:54
these kind of words pop into your mind.
83
294330
2000
estes tipos de palavras pipocam na sua cabeça.
04:56
This is serial and it's rigid -- it's like cars on a freeway,
84
296330
4000
Isto é serial e é rígido: como carros na autoestrada --
05:00
everything has to happen in lockstep --
85
300330
3000
tudo precisa acontecer em sincronia.
05:03
whereas this is parallel and it's fluid.
86
303330
2000
Enquanto esta é paralela e é fluída.
05:05
Information processing is very dynamic and adaptive.
87
305330
3000
Processamento de informações é muito dinâmico e adaptativo.
05:08
So I'm not the first to figure this out. This is a quote from Brian Eno:
88
308330
4000
Eu não sou o primeiro a me dar conta disto. Esta é uma frase de Brian Eno:
05:12
"the problem with computers is that there is not enough Africa in them."
89
312330
4000
"O problema com os computadores é que não tem tanta Africa neles."
05:16
(Laughter)
90
316330
6000
(Risadas)
05:22
Brian actually said this in 1995.
91
322330
3000
Brian disse isto em 1995.
05:25
And nobody was listening then,
92
325330
3000
E ninguém esta prestando atenção,
05:28
but now people are beginning to listen
93
328330
2000
mas agora as pessoas estão começando a escutar
05:30
because there's a pressing, technological problem that we face.
94
330330
5000
porque estão pressionadas, existem problemas tecnológicos que precisamos resolver.
05:35
And I'll just take you through that a little bit in the next few slides.
95
335330
5000
Eu vou guiá-los um pouco por isto nos próximos slides.
05:40
This is -- it's actually really this remarkable convergence
96
340330
4000
Existe - na verdade esta notável convergência
05:44
between the devices that we use to compute in computers,
97
344330
5000
entre os dispositivos que nós utilizamos para computar em computadores,
05:49
and the devices that our brains use to compute.
98
349330
4000
e os dispositivos que nossos cérebros utilizam para computar.
05:53
The devices that computers use are what's called a transistor.
99
353330
4000
Os dispositivos que os computadores usam são chamados de transistor.
05:57
This electrode here, called the gate, controls the flow of current
100
357330
4000
Este eletrodo aqui, chamado de portão, controla o fluxo da corrente
06:01
from the source to the drain -- these two electrodes.
101
361330
3000
da origem até o dreno, estes dois eletrodos.
06:04
And that current, electrical current,
102
364330
2000
E esta corrente, corrente elétrica,
06:06
is carried by electrons, just like in your house and so on.
103
366330
6000
é transportada por elétrons, assim como na sua casa e assim por diante.
06:12
And what you have here is, when you actually turn on the gate,
104
372330
5000
E o que temos aqui, quando você liga o portão,
06:17
you get an increase in the amount of current, and you get a steady flow of current.
105
377330
4000
você aumenta o volume da corrente, e obtêm um fluxo constante de corrente.
06:21
And when you turn off the gate, there's no current flowing through the device.
106
381330
4000
E quando você desliga o portão, não existe mais corrente fluindo pelo dispositivo.
06:25
Your computer uses this presence of current to represent a one,
107
385330
5000
Seu computador usa esta presença de corrente para representar um UM (1),
06:30
and the absence of current to represent a zero.
108
390330
4000
e a ausência de corrente para representar um ZERO (0).
06:34
Now, what's happening is that as transistors are getting smaller and smaller and smaller,
109
394330
6000
Agora, o que acontece é que como os transistores estão ficando menores, e menores, e menores,
06:40
they no longer behave like this.
110
400330
2000
eles não se comportam mais assim.
06:42
In fact, they are starting to behave like the device that neurons use to compute,
111
402330
5000
De fato, eles estão começando a se comportar como o dispositivo que os neurônios utilizam para computar,
06:47
which is called an ion channel.
112
407330
2000
que é chamado de um canal iônico.
06:49
And this is a little protein molecule.
113
409330
2000
E isto é uma pequena molécula de proteína.
06:51
I mean, neurons have thousands of these.
114
411330
4000
Eu quero dizer, neurônios possuem milhares destas.
06:55
And it sits in the membrane of the cell and it's got a pore in it.
115
415330
4000
E isto reside na membrana da célula e possui um poro na mesma.
06:59
And these are individual potassium ions
116
419330
3000
E estas são íons de potássio individuais,
07:02
that are flowing through that pore.
117
422330
2000
que estão fluindo através do poro.
07:04
Now, this pore can open and close.
118
424330
2000
Agora, este poro pode abrir e fechar.
07:06
But, when it's open, because these ions have to line up
119
426330
5000
Mas, quando está aberto, porque estes íons precisam se alinhar
07:11
and flow through, one at a time, you get a kind of sporadic, not steady --
120
431330
5000
e passar um por vez, você obtêm um tipo esporádico, não constante --
07:16
it's a sporadic flow of current.
121
436330
3000
é um fluxo esporádico de corrente.
07:19
And even when you close the pore -- which neurons can do,
122
439330
3000
E mesmo quando você fecha o poro -- o que os neurônios podem fazer,
07:22
they can open and close these pores to generate electrical activity --
123
442330
5000
eles podem abrir e fechar estes poros para gerar atividade elétrica --
07:27
even when it's closed, because these ions are so small,
124
447330
3000
mesmo quando fechado, porque estes íons são tão pequenos,
07:30
they can actually sneak through, a few can sneak through at a time.
125
450330
3000
eles podem esgueirar-se, alguns poucos podem passar de uma vez.
07:33
So, what you have is that when the pore is open,
126
453330
3000
Então o que você obtêm quando o poro está aberto,
07:36
you get some current sometimes.
127
456330
2000
é que você tem algum tipo de corrente algumas vezes.
07:38
These are your ones, but you've got a few zeros thrown in.
128
458330
3000
Estes são os seus UNS (1), mas você tem alguns ZEROS (0) passando.
07:41
And when it's closed, you have a zero,
129
461330
4000
E quando está fechado, você tem um ZERO (0),
07:45
but you have a few ones thrown in.
130
465330
3000
mas você tem alguns UNS passando, OK.
07:48
Now, this is starting to happen in transistors.
131
468330
3000
Agora, isto está começando acontecer nos transistores.
07:51
And the reason why that's happening is that, right now, in 2007 --
132
471330
5000
E a razão porque isto esta acontecendo é que, agora em 2007,
07:56
the technology that we are using -- a transistor is big enough
133
476330
4000
a tecnologia que estamos utilizando, um transistor é tão grande
08:00
that several electrons can flow through the channel simultaneously, side by side.
134
480330
5000
que muitos elétrons podem passar pelo canal simultaneamente, lado a lado.
08:05
In fact, there's about 12 electrons can all be flowing this way.
135
485330
4000
De fato, cerca de 12 elétrons podem passar desta maneira.
08:09
And that means that a transistor corresponds
136
489330
2000
E isto significa que um transistor corresponde
08:11
to about 12 ion channels in parallel.
137
491330
3000
a cerca de 12 canais de íons em paralelo.
08:14
Now, in a few years time, by 2015, we will shrink transistors so much.
138
494330
5000
Agora, em poucos anos, em 2015, nós iremos encolher muito os transistores.
08:19
This is what Intel does to keep adding more cores onto the chip.
139
499330
5000
Isto é o que a Intel faz para manter adicionando mais núcleos no chip.
08:24
Or your memory sticks that you have now can carry one gigabyte
140
504330
3000
ou no seu pente de memória para que você consiga colocar um gigabyte
08:27
of stuff on them -- before, it was 256.
141
507330
2000
de coisas nele -- antes era apenas 256Kb.
08:29
Transistors are getting smaller to allow this to happen,
142
509330
3000
Os transistores estão ficando menores para permitir que isto aconteça,
08:32
and technology has really benefitted from that.
143
512330
3000
e a tecnologia tem realmente se beneficiado disto.
08:35
But what's happening now is that in 2015, the transistor is going to become so small,
144
515330
5000
Mas o que está acontecendo agora é que em 2015, o transistor ficará tão pequeno,
08:40
that it corresponds to only one electron at a time
145
520330
3000
que significa que apenas um elétron por vez
08:43
can flow through that channel,
146
523330
2000
poderá passar pelo canal,
08:45
and that corresponds to a single ion channel.
147
525330
2000
e isto corresponde a apenas um único canal de íon.
08:47
And you start having the same kind of traffic jams that you have in the ion channel.
148
527330
4000
E você começa a ter o mesmo tipo de engarrafamento que você tem no canal de íon,
08:51
The current will turn on and off at random,
149
531330
3000
a corrente vai ligar e desligar aleatoriamente,
08:54
even when it's supposed to be on.
150
534330
2000
mesmo quando deveria estar ligada.
08:56
And that means your computer is going to get
151
536330
2000
E isto significa que seu computador vai obter
08:58
its ones and zeros mixed up, and that's going to crash your machine.
152
538330
4000
seus UNs e ZEROs embaralhados, e isto não vai deixar sua máquina funcionar.
09:02
So, we are at the stage where we
153
542330
4000
Então, estamos no estágio onde nós
09:06
don't really know how to compute with these kinds of devices.
154
546330
3000
não sabemos realmente como computar com estes tipos de dispositivos.
09:09
And the only kind of thing -- the only thing we know right now
155
549330
3000
E o único tipo de coisa, a única coisa que sabemos neste momento,
09:12
that can compute with these kinds of devices are the brain.
156
552330
3000
que pode computar com estes tipos de dispositivos, são os cérebros.
09:15
OK, so a computer picks a specific item of data from memory,
157
555330
4000
OK, então o computador pega um item específico de dado da memória,
09:19
it sends it into the processor or the ALU,
158
559330
3000
e envia para o processador ou a ALU,
09:22
and then it puts the result back into memory.
159
562330
2000
e então coloca o resultado de volta na memória.
09:24
That's the red path that's highlighted.
160
564330
2000
Isto é o caminho vermelho que está destacado.
09:26
The way brains work, I told you all, you have got all these neurons.
161
566330
4000
A maneira como os cérebros funcionam, você necessita todos estes neurônios.
09:30
And the way they represent information is
162
570330
2000
E a maneira como eles representam informação é
09:32
they break up that data into little pieces
163
572330
2000
que eles quebram os dados em pequenos pedaços
09:34
that are represented by pulses and different neurons.
164
574330
3000
que são representados por pulsos e diferentes neurônios.
09:37
So you have all these pieces of data
165
577330
2000
Então você tem todos estes pedaços de dados
09:39
distributed throughout the network.
166
579330
2000
distribuídos através da rede.
09:41
And then the way that you process that data to get a result
167
581330
3000
E então a maneira que você processa os dados para obter o resultado
09:44
is that you translate this pattern of activity into a new pattern of activity,
168
584330
4000
é que você traduz este padrão de atividade e um novo padrão de atividade,
09:48
just by it flowing through the network.
169
588330
3000
apenas navegando através da rede.
09:51
So you set up these connections
170
591330
2000
Então você define estas conexões,
09:53
such that the input pattern just flows
171
593330
3000
de tal maneira que o padrão de entrada apenas flui
09:56
and generates the output pattern.
172
596330
2000
e gera o padrão de saída.
09:58
What you see here is that there's these redundant connections.
173
598330
4000
O que você vê aqui é que existem estas conexões redundantes.
10:02
So if this piece of data or this piece of the data gets clobbered,
174
602330
4000
Então se o pedaço de dado ou este pedado de dado é substituído,
10:06
it doesn't show up over here, these two pieces can activate the missing part
175
606330
5000
não aparece aqui, estes dois pedaços podem ativar a parte perdida
10:11
with these redundant connections.
176
611330
2000
com estas conexões redundantes.
10:13
So even when you go to these crappy devices
177
613330
2000
Então mesmo quando você vai até estes dispositivos assustadores
10:15
where sometimes you want a one and you get a zero, and it doesn't show up,
178
615330
3000
onde algumas vezes você deseja um UM e você recebe um ZERO,
10:18
there's redundancy in the network
179
618330
2000
existe redundância na rede
10:20
that can actually recover the missing information.
180
620330
3000
que pode recuperar a informação perdida.
10:23
It makes the brain inherently robust.
181
623330
3000
Isto torna o cérebro inerentemente robusto.
10:26
What you have here is a system where you store data locally.
182
626330
3000
O que você tem aqui é um sistema onde você armazena dados localmente.
10:29
And it's brittle, because each of these steps has to be flawless,
183
629330
4000
E é frágil, porque cada um destes passos precisa ser perfeito,
10:33
otherwise you lose that data, whereas in the brain, you have a system
184
633330
3000
senão você perde seu dado. Enquanto no cérebro, você tem um sistema
10:36
that stores data in a distributed way, and it's robust.
185
636330
4000
que armazena dados de maneira distribuída, e robusta.
10:40
What I want to basically talk about is my dream,
186
640330
4000
O que eu basicamente quero contar é sobre meu sonho,
10:44
which is to build a computer that works like the brain.
187
644330
3000
que é construir um computador que funciona como o cérebro.
10:47
This is something that we've been working on for the last couple of years.
188
647330
4000
Isto é algo que temos trabalhado nos últimos dois anos.
10:51
And I'm going to show you a system that we designed
189
651330
3000
E eu vou mostrar a vocês um sistema que nós desenhamos
10:54
to model the retina,
190
654330
3000
para modelar a retina,
10:57
which is a piece of brain that lines the inside of your eyeball.
191
657330
5000
que é um pedaço do cérebro que vai dentro do seu globo ocular.
11:02
We didn't do this by actually writing code, like you do in a computer.
192
662330
6000
Nós não fizemos isto escrevendo código, como você faz em um computador.
11:08
In fact, the processing that happens
193
668330
3000
De fato, o processamento que acontece
11:11
in that little piece of brain is very similar
194
671330
2000
neste pequeno pedaço de cérebro é muito similar
11:13
to the kind of processing that computers
195
673330
1000
ao tipo de processamento que os computadores
11:14
do when they stream video over the Internet.
196
674330
4000
fazem quando enviam video pela Internet.
11:18
They want to compress the information --
197
678330
1000
Eles querem comprimir a informação --
11:19
they just want to send the changes, what's new in the image, and so on --
198
679330
4000
eles apenas querem enviar as mudanças do que é novo na imagem e assim por diante --
11:23
and that is how your eyeball
199
683330
3000
e isto é como o seu globo ocular
11:26
is able to squeeze all that information down to your optic nerve,
200
686330
3000
consegue comprimir toda a informação e enviar pelo seu nervo ótico,
11:29
to send to the rest of the brain.
201
689330
2000
para enviar para o resto do seu cérebro.
11:31
Instead of doing this in software, or doing those kinds of algorithms,
202
691330
3000
Ao invés de fazer isto em software, ou com estes tipos de algoritmos,
11:34
we went and talked to neurobiologists
203
694330
3000
nós fomos conversar com neurobiologistas
11:37
who have actually reverse engineered that piece of brain that's called the retina.
204
697330
4000
que fizeram engenharia reversa neste pedaço de cérebro chamado retina.
11:41
And they figured out all the different cells,
205
701330
2000
E eles descobriram todas diferentes células,
11:43
and they figured out the network, and we just took that network
206
703330
3000
e descobriram a rede, e nós apenas pegamos esta rede
11:46
and we used it as the blueprint for the design of a silicon chip.
207
706330
4000
e utilizamos ela como um modelo para desenhar um chip de silício.
11:50
So now the neurons are represented by little nodes or circuits on the chip,
208
710330
6000
Agora os neurônios estão representados por pequenos nodos ou circuitos no chip,
11:56
and the connections among the neurons are represented, actually modeled by transistors.
209
716330
5000
e as conexões entre os neurônios estão modeladas por transistores
12:01
And these transistors are behaving essentially
210
721330
2000
e estes transistores estão se comportando essencialmente
12:03
just like ion channels behave in the brain.
211
723330
3000
como os canais de íons se comportam no cérebro.
12:06
It will give you the same kind of robust architecture that I described.
212
726330
5000
Isto provê o mesmo tipo de arquitetura robusta que eu descrevi.
12:11
Here is actually what our artificial eye looks like.
213
731330
4000
Aqui esta o que nosso olho artificial se parece.
12:15
The retina chip that we designed sits behind this lens here.
214
735330
5000
O chip retina que desenhamos fica aqui atrás das lentes.
12:20
And the chip -- I'm going to show you a video
215
740330
2000
E o chip -- eu vou mostrar a vocês um vídeo
12:22
that the silicon retina put out of its output
216
742330
3000
que a retina de silício gera como saída
12:25
when it was looking at Kareem Zaghloul,
217
745330
3000
quando esta olhando para Kareem Zaghloul,
12:28
who's the student who designed this chip.
218
748330
2000
que é o estudante quem desenhou o chip.
12:30
Let me explain what you're going to see, OK,
219
750330
2000
Deixe-me explicar o que você irá ver, OK.
12:32
because it's putting out different kinds of information,
220
752330
3000
Como ele está gerando diferentes tipos de informação,
12:35
it's not as straightforward as a camera.
221
755330
2000
não é simples como uma câmera.
12:37
The retina chip extracts four different kinds of information.
222
757330
3000
O chip retina extrai quatro tipos diferentes de informação.
12:40
It extracts regions with dark contrast,
223
760330
3000
Ele extrai regiões com contrastes escuros,
12:43
which will show up on the video as red.
224
763330
3000
que será apresentado no vídeo como vermelho.
12:46
And it extracts regions with white or light contrast,
225
766330
4000
E extrai regiões com branco e contraste claro,
12:50
which will show up on the video as green.
226
770330
2000
que será apresentado no vídeo como verde.
12:52
This is Kareem's dark eyes
227
772330
2000
Estes são os olhos escuros do Kareem
12:54
and that's the white background that you see here.
228
774330
3000
e este é o fundo branco que você vê aqui.
12:57
And then it also extracts movement.
229
777330
2000
E isto também extrai os movimentos.
12:59
When Kareem moves his head to the right,
230
779330
2000
Quando Kareem movimenta sua cabeça para a direita,
13:01
you will see this blue activity there;
231
781330
2000
você verá esta atividade azul aqui,
13:03
it represents regions where the contrast is increasing in the image,
232
783330
3000
isto representa regiões onde o contraste esta aumentando na imagem,
13:06
that's where it's going from dark to light.
233
786330
3000
é onde vamos do escuro para o claro.
13:09
And you also see this yellow activity,
234
789330
2000
E você também vê esta atividade amarela,
13:11
which represents regions where contrast is decreasing;
235
791330
4000
que representa regiões onde o contraste esta diminuindo,
13:15
it's going from light to dark.
236
795330
2000
indo do claro para o escuro.
13:17
And these four types of information --
237
797330
3000
E estes quatro tipos de informação --
13:20
your optic nerve has about a million fibers in it,
238
800330
4000
seu nervo ótico possui um milhão de fibras,
13:24
and 900,000 of those fibers
239
804330
3000
e 900.000 destas fibras
13:27
send these four types of information.
240
807330
2000
envia estes quatro tipos de informação.
13:29
So we are really duplicating the kind of signals that you have on the optic nerve.
241
809330
4000
Então nós estamos duplicando os tipos de sinais que você tem no seu nervo ótico.
13:33
What you notice here is that these snapshots
242
813330
3000
O que você nota aqui é que estas imagens instantâneas
13:36
taken from the output of the retina chip are very sparse, right?
243
816330
4000
obtidas na saída do chip retina são muito esparsas.
13:40
It doesn't light up green everywhere in the background,
244
820330
2000
Isto não fica verde a toda hora no fundo,
13:42
only on the edges, and then in the hair, and so on.
245
822330
3000
somente nas bordas, e assim por diante.
13:45
And this is the same thing you see
246
825330
1000
E esta é a mesma coisa que você vê
13:46
when people compress video to send: they want to make it very sparse,
247
826330
4000
quando as pessoas comprimem video para enviar: querem torná-la esparsa,
13:50
because that file is smaller. And this is what the retina is doing,
248
830330
3000
porque o arquivo é menor. E isto é o que a retina esta fazendo,
13:53
and it's doing it just with the circuitry, and how this network of neurons
249
833330
4000
e esta fazendo apenas com o circuito, e como esta rede de neurônios
13:57
that are interacting in there, which we've captured on the chip.
250
837330
3000
que esta interagindo, a qual nós capturamos no chip.
14:00
But the point that I want to make -- I'll show you up here.
251
840330
3000
Mas o ponto que eu quero destacar, eu vou mostrar aqui.
14:03
So this image here is going to look like these ones,
252
843330
3000
Esta imagem aqui vai parecer como estas,
14:06
but here I'll show you that we can reconstruct the image,
253
846330
2000
mas aqui vou mostrar que podemos reconstruir a imagem,
14:08
so, you know, you can almost recognize Kareem in that top part there.
254
848330
5000
então, você sabe, você pode quase reconhecer o Kareem nesta parte de cima.
14:13
And so, here you go.
255
853330
2000
Aqui está.
14:24
Yes, so that's the idea.
256
864330
3000
Sim, esta é a ideia.
14:27
When you stand still, you just see the light and dark contrasts.
257
867330
2000
Se você ficar parado, você apenas vê os contrastes claros e escuros.
14:29
But when it's moving back and forth,
258
869330
2000
Mas quando esta se movendo para frente e para trás,
14:31
the retina picks up these changes.
259
871330
3000
a retina detecta estas mudanças.
14:34
And that's why, you know, when you're sitting here
260
874330
1000
E isto é porque, você sabe, quando você esta sentado
14:35
and something happens in your background,
261
875330
2000
e alguma coisa acontece atrás
14:37
you merely move your eyes to it.
262
877330
2000
você simplesmente move seus olhos para lá.
14:39
There are these cells that detect change
263
879330
2000
Existem estas células que detectam a mudança
14:41
and you move your attention to it.
264
881330
2000
e você direciona sua atenção para lá.
14:43
So those are very important for catching somebody
265
883330
2000
Estas são coisas importantes para pegar alguém
14:45
who's trying to sneak up on you.
266
885330
2000
que está tentando se aproximar de você.
14:47
Let me just end by saying that this is what happens
267
887330
3000
Deixe-me terminar dizendo que isto é o que acontece
14:50
when you put Africa in a piano, OK.
268
890330
3000
quando você coloca a Africa em um piano, OK.
14:53
This is a steel drum here that has been modified,
269
893330
3000
Isto aqui é um tambor de metal que foi modificado,
14:56
and that's what happens when you put Africa in a piano.
270
896330
3000
e isto é o que acontece quando você coloca a Africa em um piano.
14:59
And what I would like us to do is put Africa in the computer,
271
899330
4000
E o que eu gostaria que fizéssemos, é colocar a Africa no computador,
15:03
and come up with a new kind of computer
272
903330
2000
e criar um novo tipo de computador
15:05
that will generate thought, imagination, be creative and things like that.
273
905330
3000
que irá gerar pensamento, imaginação, ser criativo e coisas assim.
15:08
Thank you.
274
908330
2000
Obrigado.
15:10
(Applause)
275
910330
2000
(Aplausos)
15:12
Chris Anderson: Question for you, Kwabena.
276
912330
2000
Chris Anderson: Uma pergunta para você, Kwabena.
15:14
Do you put together in your mind the work you're doing,
277
914330
4000
Você consegue se dar conta do trabalho que esta fazendo,
15:18
the future of Africa, this conference --
278
918330
3000
o futuro da Africa, esta conferência --
15:21
what connections can we make, if any, between them?
279
921330
3000
que conexões podemos fazer, se alguma, entre tudo isto?
15:24
Kwabena Boahen: Yes, like I said at the beginning,
280
924330
2000
Kwabena Boahen: Sim, como eu disse no início.
15:26
I got my first computer when I was a teenager, growing up in Accra.
281
926330
4000
Eu tive meu primeiro computador ainda adolescente em Accra.
15:30
And I had this gut reaction that this was the wrong way to do it.
282
930330
4000
E eu tive esta reação instintiva que era a maneira errada de fazer.
15:34
It was very brute force; it was very inelegant.
283
934330
3000
Era força bruta, nada elegante.
15:37
I don't think that I would've had that reaction,
284
937330
2000
Eu não acredito que teria tido aquela reação,
15:39
if I'd grown up reading all this science fiction,
285
939330
3000
se tivesse crescido lendo ficção científica,
15:42
hearing about RD2D2, whatever it was called, and just -- you know,
286
942330
4000
ouvindo sobre RD2D2, ou sei lá como é chamado, e apenas -- você sabe,
15:46
buying into this hype about computers.
287
946330
1000
comprando esta moda sobre computadores.
15:47
I was coming at it from a different perspective,
288
947330
2000
Eu estava entrando nisto vindo de uma perspectiva diferente,
15:49
where I was bringing that different perspective
289
949330
2000
onde eu estava trazendo uma diferente perspectiva
15:51
to bear on the problem.
290
951330
2000
para pressionar o problema.
15:53
And I think a lot of people in Africa have this different perspective,
291
953330
3000
E eu acho que muitas pessoas na Africa tem esta perspectiva diferente,
15:56
and I think that's going to impact technology.
292
956330
2000
e eu acho que isto irá impactar a tecnologia.
15:58
And that's going to impact how it's going to evolve.
293
958330
2000
E isto irá impactar como isto irá evoluir.
16:00
And I think you're going to be able to see, use that infusion,
294
960330
2000
E eu penso que você poderá ver, usar esta infusão,
16:02
to come up with new things,
295
962330
2000
para criar coisas novas,
16:04
because you're coming from a different perspective.
296
964330
3000
porque você está vindo de uma perspectiva diferente.
16:07
I think we can contribute. We can dream like everybody else.
297
967330
4000
Eu penso que nós podemos contribuir, nós podemos sonhar como qualquer um.
16:11
CA: Thanks Kwabena, that was really interesting.
298
971330
2000
Chris Anderson: Obrigado Kwabena, isto foi realmente interessante
16:13
Thank you.
299
973330
1000
Obrigado.
16:14
(Applause)
300
974330
2000
(Aplausos)
Sobre este site

Este site apresentará a você vídeos do YouTube que são úteis para o aprendizado do inglês. Você verá aulas de inglês ministradas por professores de primeira linha de todo o mundo. Clique duas vezes nas legendas em inglês exibidas em cada página de vídeo para reproduzir o vídeo a partir daí. As legendas rolarão em sincronia com a reprodução do vídeo. Se você tiver algum comentário ou solicitação, por favor, entre em contato conosco usando este formulário de contato.

https://forms.gle/WvT1wiN1qDtmnspy7