Kwabena Boahen: Making a computer that works like the brain

Kwabena Boahen'ın Beyin gibi çalışan bir bilgisayar hakkında konuşması

Çeviri: Oguz Tanridag Gözden geçirme: Sancak Gülgen

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

İlk bilgisayarımı gençliğimde, Accra'da büyürken aldım.

and it was a really cool device.

ve gerçekten çok hoş bir cihazdı.

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

Onunla oyun oynayabilir, onu BASIC dilinde programlayabilirdiniz.

And I was fascinated.

Ve gerçekten etkilenmiştim.

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

Bu yüzden bu şeyin nasıl çalıştığını öğrenmek için kütüphaneye gittim.

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

İşlemcinin (CPU) verileri bellek (RAM) ve

between the memory, the RAM and the ALU,

aritmetik mantık birimi (ALU) arasında

the arithmetic and logic unit.

nasıl sürekli ileri geri aktardığını okudum.

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

Ve kendi kendime düşündüm ki, bu CPU, tüm bu veriyi

just to keep all this data moving through the system.

sistemin orasından orasına taşımak için gerçekten deli gibi çalışıyor olmalı

But nobody was really worried about this.

Ancak bunun hakkında pek endişe eden de yoktu.

When computers were first introduced,

Bilgisayarlar ilk çıktığında,

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

sinirlerden milyon kat hızlı oldukları söylenmişti.

People were really excited. They thought they would soon outstrip

İnsanlar etkilenmişti, yakında beynin kapasitesini

the capacity of the brain.

geçeceklerini düşündüler.

This is a quote, actually, from Alan Turing:

Alan Turing'den bir söz:

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

"30 yıl içerisinde, bilgisayara bir soru sormak,

as to ask a person."

insana soru sormak kadar kolay olacak."

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

Bu 1946 yılındaydı. Şimdi 2007 yılındayız, söz hala doğru değil.

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

Soru şu, beyinde gördüğümüz ölçekteki güçleri

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

neden bilgisayarda göremiyoruz?

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

İnsanların fark edemediği, benim ise şimdilerde fark etmeye başladığım şey,

is that we pay a huge price for the speed

bu bilgisayarların büyük avatajı olan hız için

that we claim is a big advantage of these computers.

büyük bir bedel ödüyor olmamız.

Let's take a look at some numbers.

Haydi biraz da bazı verilere bakalım.

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

Bu, Blue Gene, dünyadaki en hızlı bilgisayar.

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

120,000 işlemciye sahip. Saniyede 10 katrilyon

10 quadrillion bits of information per second.

bit bilgi işleyebilmekte.

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

Bu 10 üzeri 16 demek. Ve bir buçuk megawatt güç harcıyor.

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

Eğer bu miktarı Tanzanya'nın üretim kapasitesine

to the production capacity in Tanzania.

ekleyebilseydiniz harika olurdu.

It would really boost the economy.

Ekonomiyi cidden canlandırırdı.

Just to go back to the States,

Amerika'ya dönelim,

if you translate the amount of power or electricity

Eğer bu bilgisayarın kullandığı elektrik enerjisi miktarını

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

ABD'deki evlerin güç tüketimine oranlayacak olursanız,

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

1200 ev gibi bir rakam elde edersiniz.

That's how much power this computer uses.

İşte bu bilgisayarın tükettiği güç miktarı.

Now, let's compare this with the brain.

Şimdi, bunu beyinle karşılaştıralım.

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

Bu, Rory Sayres'in kız arkadaşının beyninin fotoğrafı.

Rory is a graduate student at Stanford.

Rory, Stanford'da bir yüksek lisans öğrencisi.

He studies the brain using MRI, and he claims that

Beyin üzerinde MRI kullanarak çalışmalar yapıyor ve iddia ediyor ki

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

bu şimdiye kadar tarattığı en güzel beyin.

(Laughter)

(Gülüşmeler)

So that's true love, right there.

İşte bu gerçek aşk, tam burada.

Now, how much computation does the brain do?

Şimdi, beyin ne kadar hesaplama yapıyor?

I estimate 10 to the 16 bits per second,

Yaklaşık olarak saniyede 10 üzeri 16 bit,

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

aslında Blue Gene'in yaptığına çok yakın.

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

İşte soru bu. Soru: ne kadar --

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

benzer miktarda işlem yapıyorlar, benzer miktarda veri var --

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

soru: "beyin ne kadar enerji veya elektrik tüketiyor?".

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

Ve aslında sadece dizüstü bilgisayarınız kadar:

it's just 10 watts.

Sadece 10 watt.

So what we are doing right now with computers

O zaman bizim şu anda bilgisayarlarla

with the energy consumed by 1,200 houses,

1200 evin tükettiği enerjiyi tüketerek yaptığımız işi

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

beyin, dizüstü bilgisayarınız kadar enerji tüketerek yapıyor.

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

Şu halde soru şu, beyin, bu denli verimliliği nasıl elde ediyor?

And let me just summarize. So the bottom line:

Ve özetlememe izin verin.

the brain processes information using 100,000 times less energy

Beyin bilgiyi, halihazırdaki bilgisayar teknolojisine gore

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

100,000 kat daha az enerji harcayarak işliyor.

How is the brain able to do this?

Peki beyin bunu nasıl başarıyor?

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

Haydi beynin nasıl çalıştığına bir bakalım,

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

ve bilgisayarların nasıl çalıştığıyla karşılaştıralım.

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

Bu kısa film "Beynin Gizli Hayatı" isimli PBS belgeselinden.

It shows you these cells that process information.

Bilgi işleyen hücreleri gösteriyor.

They are called neurons.

Bunlara "nöron" denir.

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

İşlem sırasında birbirlerine küçük elektrik atımları gönderirler,

and where they contact each other, those little pulses

ve birbirlerine dokundukları yerlerde bu küçük elektrik atımları,

of electricity can jump from one neuron to the other.

bir nörondan diğerine atlar.

That process is called a synapse.

Bu işleme "sinaps" denir.

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

Yani elimizde birbirleriyle saniyede yaklaşık 10 katrilyon atım göndererek

about 100 million of them,

haberleşen 100 milyon kadar hücreden oluşan

sending about 10 quadrillion of these pulses around every second.

devasa bir ağ var.

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

Ve siz bu konuşmayı izlerken beyninizde olup biten de bu.

How does that compare with the way computers work?

Şimdi bunu bilgisayarların nasıl çalıştığıyla karşılaştıralım.

In the computer, you have all the data

Bilgisayardda bütün bilgi

going through the central processing unit,

işlemciden (CPU) geçer,

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

ve her veri parçası bu darboğazdan geçmek zorundadır.

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

Beyinde ise nöronlar var ve veriler

and the data just really flows through a network of connections

bu nöronlar arasındaki bağlantı ağı içinde akar,

among the neurons. There's no bottleneck here.

burada bir darboğaz yok.

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

Bu kelimenin tam anlamıyla bir "ağ"dır

The net is doing the work in the brain.

Beyinde işleri bu ağ halleder.

If you just look at these two pictures,

Bu iki resme bakarsanız,

these kind of words pop into your mind.

aklınıza iki kelime gelir.

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

Bu "seri ve katı": otoyoldaki arabalar gibi --

everything has to happen in lockstep --

herşey sırayla olmalı.

whereas this is parallel and it's fluid.

Bu ise paralel ve akıcı.

Information processing is very dynamic and adaptive.

Bilgi işleme oldukça dinamik ve adaptif.

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

Tabi ki bunu tek farkeden ben değilim: Brian Eno'dan bir alıntı:

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

"Bilgisayarların sorunu, içlerinde yeterince Afrika olmaması."

(Laughter)

(Gülüşmeler)

Brian actually said this in 1995.

Brian bunu 1995'te söyledi.

And nobody was listening then,

O zamanlarda dinleyen yoktu,

but now people are beginning to listen

ama şimdi dinlemeye başlıyorlar,

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

çünkü karşımızda acil, teknolojik bir problem var

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

Sıradaki bir kaç slaytta size biraz bundan bahsedeceğim.

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

Bu -- bilgisayarlarda hesap yapmak için kullandığımız araçlarla,

between the devices that we use to compute in computers,

beynimizin hesap yapmak için kullandığı araçların

and the devices that our brains use to compute.

önemli bir yakınsaması.

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

Bilgisayarların kullandığı araçlara "transistör" deniyor.

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

Buradaki, "kapı" adı verilen elektrot,

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

"kaynak"tan "toplayıcı"ya giden akımı kontrol eder.

And that current, electrical current,

Ve bu akım, elektrik akımı,

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

evinizin içinde olduğu gibi, elektronlar tarafından taşınır.

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

Burada gördüğümüz ise, "kapı"yı açtığınızda,

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

akım miktarında bir artış görürsünüz, sabit bir akım vardır.

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

"Kapı"yı kapattığınızda ise cihazdan geçen bir akım yoktur.

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

Bilgisayar, akımın olduğu durumu bir "1",

and the absence of current to represent a zero.

olmadığı durumu ise bir 0 (sıfır) göstermek için kullanır.

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

Bugünlerde olan şu: transistörler gittikçe küçülüyor, küçülüyor, küçülüyorlar.

they no longer behave like this.

Ve artık bu şekilde davranmıyorlar.

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

Aslında, yavaş yavaş nöronların hesap yapmak için kullandıkları cihaza benziyorlar,

which is called an ion channel.

buna "iyon kanalı" deniyor.

And this is a little protein molecule.

Ve bu, küçük bir protein molekülü.

I mean, neurons have thousands of these.

Nöronlarda bundan binlerce var.

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

Hücre zarında duruyor ve ortasında bir gözeneği var.

And these are individual potassium ions

Bunlar da o gözenekten geçen

that are flowing through that pore.

potasyum iyonları.

Now, this pore can open and close.

Şimdi, bu gözenek açılıp kapanabiliyor.

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

Ama, açık olduğu zaman, bu iyonlar sıraya dizilip,

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

her seferinde bir tanesi geçebileceği için, dağınık

it's a sporadic flow of current.

düzensiz bir akış var.

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

Gözeneği kapatsanız bile -- ki nöronlar bunu yapıyorlar,

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

elektrik aktivitesi yaratmak için bu gözenekler açılıp kapatılır.

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

kapalı olsa bile, bu iyonlar çok küçük oldukları için,

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

bir seferde bir kaç tanesi aradan geçebilir.

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

Yani elimizde şu var: Gözenek açık olduğu zaman,

you get some current sometimes.

düzensiz de olsa bir akım var.

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

Bu sizin "1"iniz, ama aralara serpiştirilmiş "0"lar da var.

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

Kapalı olduğu zaman da "0" demek,

but you have a few ones thrown in.

ama aralarda "1"ler de var, tamam.

Now, this is starting to happen in transistors.

Şimdi, aynı şey transistörlerde de olmaya başlıyor.

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

Bunun olmasının sebebi de, şu an, 2007'de,

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

elemizdeki teknolojiyle ürettiğimiz transistörler,

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

içinden çok sayıda elektronun yan yana geçebileceği kadar büyükler.

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

Aslında, yaklaşık 12 elektron transistörden bu şekilde geçebiliyor.

And that means that a transistor corresponds

Bu da, bir transistörün, 12 paralel iyon kanalına

to about 12 ion channels in parallel.

denk geldiği anlamına geliyor.

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

Şimdi, bir kaç sene içinde, 2015'e kadar, transistörleri çok küçülteceğiz.

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

Intel, yongalarına (mikro çip) daha fazla çekirdek eklemek için bunu yapıyor.

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

Hafıza çubuklarınızda 1 gigabayt veri taşıyabiliyorsunuz,

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

eskiden bu 256 megabayttı.

Transistors are getting smaller to allow this to happen,

Bunun olabilmesi için transistörler gittikçe küçülüyor,

and technology has really benefitted from that.

ve teknoloji bundan gerçekten de faydalandı.

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

Fakat 2015 yılında, transistörler o kadar küçülmüş olacak ki,

that it corresponds to only one electron at a time

kanaldan aynı anda sadece

can flow through that channel,

bir elektron geçebilecek,

and that corresponds to a single ion channel.

ve bu da

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

Ve iyon kanalında meydana gelene benzer trafik sıkışıklıkları görmeye başlıyorsunuz,

The current will turn on and off at random,

akım açık olması gerekirken bile,

even when it's supposed to be on.

raslantısal bir şekilde açılıp kapanacak.

And that means your computer is going to get

Bu yüzden bilgisayarınız "1" ve "0"larını karıştıracak,

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

ve bu da çakılmasına sebep olacak.

So, we are at the stage where we

Şimdi, bu türden cihazlarla nasıl

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

hesap yapacağımızı bilemediğimiz bir noktadayız.

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

Ve bu türden cihazlarla hesap yapabilen, hesap yapabildiğini bildiğimiz,

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

tek şey beyin.

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

Tamam,o halde bilgisayar bellekten bir veri parçası alıyor,

it sends it into the processor or the ALU,

onu işlemciye ya da ALU'ya gönderiyor,

and then it puts the result back into memory.

ve sonra da sonucu belleğe geri koyuyor.

That's the red path that's highlighted.

Beliren kırmızı renkli yol şeklinde.

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

Beyinlerin çalışmasında, bütün bu nöronlara sahipsiniz.

And the way they represent information is

Ve onların bilgiyi temsil etme şekli

they break up that data into little pieces

verileri kısa bölümler ve farklı nöronlar tarafından

that are represented by pulses and different neurons.

temsil edilecek şekilde ufak parçalar haline getirmek.

So you have all these pieces of data

Böylece şebekenin tamamına dağıtılmış

distributed throughout the network.

bütün veri bölümlerine sahipsiniz.

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

Ve sonra verilerin işlenmesiyle hedefe ulaşmada izlenecek yol,

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

sizin şebekenin içindeki akışı sağlamanız yoluyla

just by it flowing through the network.

bu aktivite biçimini yeni bir aktivite biçimine dönüştürmektir.

So you set up these connections

Ve bağlantıları kurarsınız,

such that the input pattern just flows

giriş paterni ilerler

and generates the output pattern.

ve çıkış paterni oluşur.

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

Burada gördüğünüz (yine) bu fazla sayıdaki bağlantıların varlığıdır.

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

Bir kez bu data parçası ya da şu data parçası işlenirse

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

kendini burada göstermezl, diğer bağlantıların yardımıyla

with these redundant connections.

bu iki parça ortada görünmeyen parçayı aktive eder.

So even when you go to these crappy devices

Böylece bazen bir koyup ta sıfır aldığınız

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

işe yaramaz aletlerle çalışsanız bile

there's redundancy in the network

şebekede fazladan varolan güç

that can actually recover the missing information.

kaybolan bilgiyi hakikaten geri getirir.

It makes the brain inherently robust.

Bu beyni doğal açıdan güçlü kılar.

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

Burada verileri bölgesel olarak depolayan bir sisteminiz var.

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

Ve bu sistem hassastır, çünkü bu basamaklardan her biri kusursuz olmalıdır,

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

aksi taktirde veriyi kaybedersiniz. Halbuki beyinde verileri

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

dağınık biçimde depolayan bir sisteme sahipsiniz, ve o sağlamdır.

What I want to basically talk about is my dream,

Benim esas olarak anlatmak istediğim şey

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

beyin gibi çalışan bir bilgisayar yapma hayalim.

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

Bu son iki yıldır üzerinde çalıştığımız bir şey.

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

Ve size retinayı modellemek için geliştirdiğimiz

to model the retina,

bir sistem göstermek istiyorum.

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

Bu da göz kürenizin içine doğru uzanan bir parçacık beyin.

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

Biz bunu bilgisayarda yapıdığı gibi bir kodlama yazarak yapmadık.

In fact, the processing that happens

Esasında, bu ufak beyin parçasındaki işlemleme

in that little piece of brain is very similar

bilgisayarların internet üzerinden

to the kind of processing that computers

video göndermelerine

do when they stream video over the Internet.

çok benzer bir işlemlemedir.

They want to compress the information --

Bilgileri sıkıştırma yoluyla--

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

görüntüde yeni olana ait değişikliklerin gönderilmesi--

and that is how your eyeball

ve bu da beyne gönderilecek bilginin

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

önce göz kürelerinizin içinden sıkışmış olarak

to send to the rest of the brain.

görme sinirine aktarılması gibi bir işleme benzer.

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

Bunları yazılım olarak hazırlamak ya da bir takım algoritmalar yapmak yerine,

we went and talked to neurobiologists

nörobiyologlara gittik ve onlarla konuştuk

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

ki onlar esasında retina denilen beyin parçasında bu mühendisliği sanki

And they figured out all the different cells,

tersinden yapan ve bütün farklı hücreleri de belirleyen kişiler oluyorlar,

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

ve şebekeyi ortaya koydular, biz bu şebekeyi aldık

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

ve bir silikon çipin tasarımında plan olarak kullandık.

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

Böylelikle artık nöronlar çipin üzerinde ufak nodlar ya da çevrimler halinde temsil ediliyorlar,

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

ve nöronların arasındaki bağlantılar transistörler tarafından modelleniyorlar.

And these transistors are behaving essentially

Ve bu transistörler beyinde iyon kanalları

just like ion channels behave in the brain.

nasıl davranıyorsa öyle davranıyorlar.

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

Ve o tanımladığımla aynı özellikleri gösteren güvenli bir yapılanma verecek.

Here is actually what our artificial eye looks like.

Burada bizim yapay gözün neye benzediği görülüyor.

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

Tasarladığımız retina çipi burada lensin arkasında görülüyor.

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

Ve çip-- size bir video göstereceğim

that the silicon retina put out of its output

silikon retina

when it was looking at Kareem Zaghloul,

bu çipi tasarlayan öğrenci Karem Zaghloul'a baktığı zaman

who's the student who designed this chip.

kendi çıktısını bozarak değiştiriyor.

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

Ne göreceksiniz açıklayayım, Pekala.

because it's putting out different kinds of information,

Farklı bilgilerle çıktısını değiştirdiği için

it's not as straightforward as a camera.

o sadece bir kamera gibi kaydetmiyor.

The retina chip extracts four different kinds of information.

Çip retina dört farklı türden bilgiyi ayırıp çıkarıyor.

It extracts regions with dark contrast,

koyu renkli alanları ayırıyor,

which will show up on the video as red.

ki bunlar videoda kırmızı olarak görünecek.

And it extracts regions with white or light contrast,

Ve beyaz ya da açık renkli alanları ayırıyor,

which will show up on the video as green.

ki videoda yeşil olarak görünecek.

This is Kareem's dark eyes

Bu Kareem'in koyu renkli gözleri

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

ve burada görmüş olduğunuz da beyaz zemin.

And then it also extracts movement.

Ve (üçüncü olarak) harekete duyarlıdır.

When Kareem moves his head to the right,

Kareem başını sağa doğru çevirdiği zaman

you will see this blue activity there;

mavi aktiviteyi görmüş olacaksınız.

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

bu, görüntüde kontrastın

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

koyudan açığa doğru arttığı alanları temsil ediyor.

And you also see this yellow activity,

Ve aynı zamanda kontrastın

which represents regions where contrast is decreasing;

açıktan koyuya doğru azaldığı bölgeleri

it's going from light to dark.

temsil eden sarı aktiviteyi göreceksiniz.

And these four types of information --

Ve bunlar bilginin dört tipi olmuş oluyor --

your optic nerve has about a million fibers in it,

optik siniriniz içinde bir milyon kadar life sahiptir,

and 900,000 of those fibers

ve bu liflerin 900,000 'i

send these four types of information.

bu dört çeşit bilgiyi iletir.

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

Böylece biz gerçekten optik sinirinizdeki sinyallerin kopyasını yapmış oluyoruz.

What you notice here is that these snapshots

Burada retina çipin çıktısından alınan

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

ardısıra görüntülerin çok dağınık olduğunu farkediyorsunuz.

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

Zeminin her yerinde yeşil renk parlamıyor,

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

sadece kenarlarda, ve bu böyle devam ediyor.

And this is the same thing you see

İnsanlar göndermek için videoyu sıkıştırdıkları zaman

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

bakın aynı şeyi görüyorsunuz : dosya küçük olduğundan

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

dağınık yapmak istiyorlar.. Ve bu da retinanın yaptığı gibi bir iş,

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

ve onu bir devre içinde yapıyor, ve orada nöronlar şebeke içinde

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

nasıl bir iletişime geçiyorlarsa, biz bunu çip üzerinde başardık.

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

Ama ben göstermek istediğim noktayı size burada göstereceğim.

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

Buradaki görüntü diğerlerine benzeyecek,

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

ama burada size göstermek istediğim şey bunu yeniden yapılandırabilmemiz,

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

Kareem'i üst bölümde herhalde tanıyacaksınız.

And so, here you go.

İşte böyle.

Yes, so that's the idea.

Evet, aynı zamanda fikri de.

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

Biraz devam ederseniz açık ve koyu kontrastları da göreceksiniz.

But when it's moving back and forth,

Ama öne ve arkaya hareket ettiği zaman,

the retina picks up these changes.

retina bu değişimleri de yakalar.

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

Ve bilirsiniz ki, burada oturduğunuz zaman

and something happens in your background,

sizin zemininizde bir şeyler olursa,

you merely move your eyes to it.

sadece ona doğru gözlerinizi hareket ettirirsiniz.

There are these cells that detect change

Değişimi belirleyen hücreler vardır

and you move your attention to it.

ve siz dikkatinizin yönünü ona doğru değiştirirsiniz.

So those are very important for catching somebody

Ve bunlar size gizlice yaklaşmak isteyenleri

who's trying to sneak up on you.

farketmeniz için çok önemlidir.

Let me just end by saying that this is what happens

Bitirirken söylemek isterim ki,

when you put Africa in a piano, OK.

Afrika'yı piyano içine koyarsanız, bu gerçekleşir.

This is a steel drum here that has been modified,

Bu bir geliştirilmiş çelikten davul

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

ve bu da Afrika'yı piyano içine koyduğunuz zaman olan.

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

Ve bizlerin yapmasını istediğim şey Afrika'yı bilgisayar içine koyup,

and come up with a new kind of computer

düşünce, hayal üreten, yaratıcı olan ve

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

bu gibi şeyleri yapan yeni tür bir bilgisayarla ortaya çıkmak.

Thank you.

Teşekkür ederim

(Applause)

(Alkışlar)

Chris Anderson: Question for you, Kwabena.

Chris Anderson : Sana bir soru, Kwabena.

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

Zihninde, yaptığın çalışmaları,

the future of Africa, this conference --

Afrika'nın geleceğini, bu konferansı--

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

biraraya koysan ne tür bağlantılar yapabiliriz, eğer varsa,aralarında?

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

Kwabena Boahen : Evet, başlangıçta da söylediğim gibi.

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

İlk bilgisayarımı gençliğimde, Accra'da büyürken aldım.

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

Ve bunu yapmamın doğru olmadığını belirten acımasız bir tepki aldım.

It was very brute force; it was very inelegant.

acımasızca ve düşüncesizceydi.

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

Eğer bütün bu bilim kurguyu okuyarak,

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

RD2D''yi duyarak ve ne denilirse denilsin--size kalmış--

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

bilgisayarlar hakkındaki ucuz reklamlardan etkilenerek

buying into this hype about computers.

büyümüş olsaydım bu tür bir tepkiyi almazdım.

I was coming at it from a different perspective,

Ben farklı bir görüş açısından geliyordum,

where I was bringing that different perspective

bu görüş açısını problemin

to bear on the problem.

çözümü için getiriyordum.

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

Ve bana göre Afrika'daki bir çok insan bu farklı görüş açısına sahip

and I think that's going to impact technology.

ve bunun teknolojiyi etkileyeceğini düşünüyorum.

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

Ve bu etkilenme onun nasıl gelişeceği doğrultusunda olacak.

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

Ve bu etkileşimin

to come up with new things,

yeni sonuçlara yol açacağını görebileceksiniz.

because you're coming from a different perspective.

çünkü siz farklı bir görüş açısından geliyorsunuz.

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

Biz de herkes gibi katkıda bulunabiliriz, hayal edebiliriz.

CA: Thanks Kwabena, that was really interesting.

Chris Anderson: Teşekkürler Kwabena, gerçekten çok ilginçti.

Thank you.

Teşekkür ederim.

(Applause)

(Alkışlar)