Kwabena Boahen: Making a computer that works like the brain

Перекладач: Sergii Petrenko Утверджено: Oleksii Molchanovskyi

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

Я отримав свій перший комп'ютер, коли ще був підлітком і проживав у Аккрі,

and it was a really cool device.

і це був дійсно крутий пристрій.

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

На ньому можна було грати в комп'ютерні ігри, можна було програмувати на Бейсіку.

And I was fascinated.

Я був просто зачарований.

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

І я пішов у бібліотеку, щоб дізнатися, як працює ця річь.

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

Я прочитав про те, як процесор постійно переганяє дані туди-назад

between the memory, the RAM and the ALU,

поміж пам'ятю, ОЗУ та АЛУ,

the arithmetic and logic unit.

арифметико-логічним пристроєм.

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

І я подумав про себе, що цей ЦП насправді повинен працювати як скажений

just to keep all this data moving through the system.

для того, щоб передавати всі ці дані крізь систему.

But nobody was really worried about this.

Але ніхто особливо не переймався з цього приводу.

When computers were first introduced,

Коли комп'ютери вперше з'явились,

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

було сказано, що вони працюють в мільйон разів швидше за нейрони.

People were really excited. They thought they would soon outstrip

Люди були в захваті, вони думали, що скоро зможуть перевершити

the capacity of the brain.

можливості мозку.

This is a quote, actually, from Alan Turing:

Ось справжня цитата Алана Тюрінга:

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

"Через 30 років задати питання комп'ютеру буде так само просто,

as to ask a person."

як запитати людину."

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

Це було сказано в 1946 році. І зараз, в 2007, це все ще не так.

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

Питання полягає в тому, чому насправді ми не спостерігаємо

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

тієї продуктивності в комп'ютерах, яка притаманна мозку?

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

Чого люди не усвідомлювали, і я починаю усвідомлювати тільки зараз,

is that we pay a huge price for the speed

це те, що ми платимо величезну ціну за швидкість,

that we claim is a big advantage of these computers.

про яку ми заявляємо, як про велику перевагу комп'ютерів.

Let's take a look at some numbers.

Давайте поглянемо на деякі цифри.

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

Це Блакитний Джин, найшвидший у світі комп'ютер.

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

Він містить в собі 120,000 процесорів; вони по суті можуть оброблювати

10 quadrillion bits of information per second.

10 квадрильйонів біт інформації за секунду.

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

Це 10 в 16-тому ступені. І вони споживають півтора мегавати енергії.

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

Було б дуже добре, якщо б ви могли додати це

to the production capacity in Tanzania.

до виробничої потужності Танзанії.

It would really boost the economy.

Це в значній мірі підштовхнуло б економіку.

Just to go back to the States,

Повертаючись до Штатів,

if you translate the amount of power or electricity

якщо ви переведете кількість електроенергії,

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

яку використовує цей комп'ютер, у кількість домогосподарств у Штатах,

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

то ви отримаєте 1,200 домогосподарств у Сполучених Штатах.

That's how much power this computer uses.

Ось яку величезну енергію використовує цей комп'ютер.

Now, let's compare this with the brain.

А тепер, давайте співставимо це з мозком.

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

Ось зображення мозку подруги Рорі Сейреса.

Rory is a graduate student at Stanford.

Рорі - аспірант Стенфорду.

He studies the brain using MRI, and he claims that

Він вивчає мозок за допомогою МРТ, і він стверджує, що

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

це найпрекрасніший мозок, який йому коли-небуть доводилося сканувати.

(Laughter)

(Сміх)

So that's true love, right there.

Ось що значить справжнє кохання.

Now, how much computation does the brain do?

І так, який об'єм обчислень виконує мозок?

I estimate 10 to the 16 bits per second,

Я оцінюю цю величину в 10 у 16-тому ступені біт за секунду,

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

що насправді дуже близько до продуктивності Блакитного Джина.

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

І ось - питання. Питання полягає в наступному, скільки --

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

а вони виконують однаковий об'єм обчислень, однаковий об'єм даних --

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

питання полягає в тому, скільки саме електроенергії споживає мозок?

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

Насправді, саме стільки, скільки споживає ваш портативний комп'ютер:

it's just 10 watts.

всього 10 ват.

So what we are doing right now with computers

Те, що ми виконуємо за допомогою комп'ютерів,

with the energy consumed by 1,200 houses,

які споживають енергію співрозмірну з енергією, необхідною для 1,200 домогосподарств,

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

мозок виконує, споживаючи енергію співрозмірну з енергією, яка потрібна для роботи вашого портативного комп'ютера.

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

Запитання полягає в наступному, як мозку вдається досягти такої ефективності?

And let me just summarize. So the bottom line:

Дозвольте мені підвести підсумки. І так, практичний результат:

the brain processes information using 100,000 times less energy

для обробки інформації мозок використовує в 100,000 разів менше енергії,

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

ніж комп'ютерна технологія, яку ми маємо саме зараз.

How is the brain able to do this?

Як мозку вдається досягнути такого результату?

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

Давайте подивимось, як працює мозок,

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

а потім я порівняю це з тим, як працюють комп'ютери.

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

Цей кліп узятий з PBS серій, "Таємне життя мозку."

It shows you these cells that process information.

У ньому показані клітини, які виконують обробку інформації.

They are called neurons.

Вони називаються нейронами.

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

По своїм відросткам вони посилають короткі електричні імпульси один одному,

and where they contact each other, those little pulses

і в місцях, де вони з'єднані, ці короткі електричні імпульси

of electricity can jump from one neuron to the other.

можуть перестрибувати з одного нейрона на інший.

That process is called a synapse.

Цей процес називається синапс.

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

У вас є ця величезна мережа клітин, які взаємодіють одна з одною -

about 100 million of them,

їх приблизно 100 мільйонів,

sending about 10 quadrillion of these pulses around every second.

посилаючи приблизно 10 квадрильйонів імпульсів в секунду.

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

І це по своїй суті те, що у вас відбувається у мозку прямо зараз, під час перегляду цієї лекції.

How does that compare with the way computers work?

Як це співвідноситься з тим, як працює комп'ютер?

In the computer, you have all the data

В комп'ютері всі дані

going through the central processing unit,

проходять через центральний процесор,

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

і по суті кожна порція даних повинна пройти через це вузьке місце,

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

в той же час у мозку є тільки нейрони

and the data just really flows through a network of connections

і дані просто проходять через мережу зв'язків

among the neurons. There's no bottleneck here.

між нейронами. Тут немає вузького місця.

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

Це насправді мережа в буквальному розумінні цього слова.

The net is doing the work in the brain.

Ця мережа і виконує всю роботу в мозку.

If you just look at these two pictures,

Якщо ви подивитесь на ці дві картинки,

these kind of words pop into your mind.

вам спадуть на думку саме ці слова.

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

Це послідовно і стійко -- це як рух машин на автостраді,

everything has to happen in lockstep --

все проходить у строго визначеному порядку --

whereas this is parallel and it's fluid.

в той час як все це відбувається паралельно і є потоком.

Information processing is very dynamic and adaptive.

Обробка інформації є дуже динамічною і адаптивною.

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

І я не перший, хто зрозумів це. Це цитата Брайана Іно:

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

"проблема комп'ютерів полягає в тому, що в них недостатньо Африки."

(Laughter)

(Сміх)

Brian actually said this in 1995.

Брайан сказав це в в 1995.

And nobody was listening then,

Тоді його ніхто не слухав,

but now people are beginning to listen

але зараз люди починають прислухатися до його слів,

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

тому що в цьому з'явилася необхідність, ми зіткнулися з технологічною проблемою.

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

І зараз я трішки познайомлю вас з нею на наступних слайдах.

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

Проблема в цьому -- дійсно можна прослідити наявну схожість

between the devices that we use to compute in computers,

між пристроями, які ми використовуємо для обчислень в комп'ютерах,

and the devices that our brains use to compute.

і пристроями, які наш мозок використовує для обчислень.

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

Пристрої, які використовуються в комп'ютерах, називаються транзисторами.

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

Ось цей електрод, який називається затвором, контролює протікання струму

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

від витоку до стоку -- ось ці два електроди.

And that current, electrical current,

І цей струм, електричний струм,

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

переноситься електронами, так само, як у вас удома, і тому подібне.

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

І що ви маєте тут: коли ви відчиняєте затвор,

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

відбувається посилення струму і врешті-решт ви отримуєте постійний струм.

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

І коли ви закриваєте затвор, струм перестає текти через пристрій.

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

Ваш комп'ютер використовує наявність струму для представлення одиниці

and the absence of current to represent a zero.

і відсутність струму для представлення нуля.

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

Зараз відбувається те, що транзистори стають все меншими і меншими і меншими,

they no longer behave like this.

і вони вже не поводяться таким чином.

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

Фактично, вони починають поводитись як пристрій, який нейрони використовують для обчислення,

which is called an ion channel.

що називається іонним каналом.

And this is a little protein molecule.

Ось маленька білкова молекула.

I mean, neurons have thousands of these.

Я маю на увазі те, що в нейронах їх тисячі.

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

Вона знаходиться в мембрані клітини і в ній є пора.

And these are individual potassium ions

А ось тут знаходяться окремі іони калія,

that are flowing through that pore.

які проходять через цю пору.

Now, this pore can open and close.

Ця пора може відкриватись і закриватись.

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

Але коли вона відкрита, тому що іони повинні вишикуватись в лінію

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

і проходити через неї по одному, ми отримаємо щось на зразок спорадичного, а не постійного потоку --

it's a sporadic flow of current.

це спорадичний струм.

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

І якщо закрити цю пору, що можуть зробити нейрони,

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

вони можуть відкривати і закривати ці пори для того, щоб генерувати електричну активність -

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

навіть якщо пора закрита, оскільки іони дуже малі,

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

то вони можуть пройти крізь неї, за один раз можуть пройти декілька.

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

І так, ми маємо те, що коли пора відкрита,

you get some current sometimes.

час від часу ми маємо деякий струм.

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

Ось наші одиниці, але в них є декілька нулів.

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

І коли вона закрита, ми маємо нуль,

but you have a few ones thrown in.

але є і декілька одиниць.

Now, this is starting to happen in transistors.

Зараз ми починаємо спостерігати це в транзисторах.

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

І причиною цьому є те, що на даний момент, у 2007 --

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

що в технології, яку ми використовуємо, транзистор достатньо великий для того,

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

щоб декілька електронів могли пройти крізь канал одночасно, поруч.

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

Фактично, приблизно 12 електронів можуть пройти у такий спосіб.

And that means that a transistor corresponds

І це означає, що транзистор відповідає

to about 12 ion channels in parallel.

приблизно 12-ти паралельним іонним каналам.

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

Через декілька років, до 2015, ми значно зменшимо транзистори.

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

Це те, що робить Інтел для того, щоб додати більше ядер у чіп.

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

Або карти пам'яті, які ви зараз маєте, можуть містити один гігабайт

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

даних - раніше це було 256 мегабайт.

Transistors are getting smaller to allow this to happen,

Транзистори стають все меншими, дозволяючи це реалізувати,

and technology has really benefitted from that.

і технологія дійсно виграла від цього.

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

Зараз все йде до того, що транзистори до 2015 стануть настільки малими,

that it corresponds to only one electron at a time

що лише один електрон в один момент часу

can flow through that channel,

зможе пройти через канал,

and that corresponds to a single ion channel.

що відповідає одиничному іонному каналу.

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

І з'являються ті ж затори, які спостерігаються в іонному каналі.

The current will turn on and off at random,

Струм буде вмикатися і вимикатися випадково,

even when it's supposed to be on.

навіть тоді, коли він повинен бути увімкненим.

And that means your computer is going to get

І це означає, що ваш комп'ютер буде отримувати

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

одиниці і нулі в змішаному вигляді, що призведе до краху вашої машини.

So, we are at the stage where we

Зараз ми знаходимося на тій стадії, коли ми

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

насправді не знаємо як саме виконувати обчислення за допомогою цих пристроїв.

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

І лише єдина річ, єдиний пристрій, який ми знаємо сьогодні,

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

і який може виконувати обчислення за допомогою такого типу елементів - це мозок.

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

Отже, комп'ютер вибирає конкретний елемент даних з пам'яті,

it sends it into the processor or the ALU,

відправляє його в процесор або АЛУ,

and then it puts the result back into memory.

а потім він відсилає результат назад у пам'ять.

That's the red path that's highlighted.

Це позначено красним, виділені зв'язки.

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

Як працює мозок, я вам розповів. У вас є всі ці нейрони.

And the way they represent information is

Вони представляють інформацію наступним чином:

they break up that data into little pieces

розділяють дані на маленькі частини,

that are represented by pulses and different neurons.

представлені у вигляді імпульсів та окремих нейронів.

So you have all these pieces of data

Таким чином, ви маєте всі ці дані,

distributed throughout the network.

розподілені в мережі.

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

І далі процес обробки даних для отримання результату наступний:

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

ви трансформуєте цю модель активності в нову модель активності

just by it flowing through the network.

по мірі того, як вона проходить крізь мережу.

So you set up these connections

Ви встановлюєте зв'язки

such that the input pattern just flows

таким чином, щоб вхідна модель проходила по ним

and generates the output pattern.

і генерувала вихідну модель.

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

Ось тут ви бачите, що є ці надлишкові зв'язки.

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

Тому, якщо ось ця частина даних або ця частина даних буде пошкоджена,

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

це ніяк не відобразиться тут, ці дві частини можуть активувати відсутню частину

with these redundant connections.

цими надлишковими зв'язками.

So even when you go to these crappy devices

Таким чином, навіть якщо ви маєте справу з цими паршивими пристроями,

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

в яких інколи ви отримуєте нуль замість одиниці,

there's redundancy in the network

в мережі наявна ця надлишковість,

that can actually recover the missing information.

яка насправді може відновити відсутню інформацію.

It makes the brain inherently robust.

По суті, це робить роботу мозку надійною.

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

Те, що ви маєте тут - це система, де ви зберігаєте дані локально.

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

І вона тендітна, тому що кожен з цих кроків повинен бути бездоганним,

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

в іншому випадку ви втратите дані. В той же час, мозок представляє собою систему,

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

яка зберігає дані розподілено, і це надійно.

What I want to basically talk about is my dream,

Головне, про що я хочу розповісти, це моя мрія

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

створити комп'ютер, який працює як мозок.

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

Це те, над чим ми працюємо останні пару років.

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

І зараз я вам покажу систему, яку ми спроектували

to model the retina,

для моделювання сітківки ока,

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

яка є частиною мозку, що розміщується всередині очного яблука.

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

Для цього ми не пишемо код, як це робиться в комп'ютерах.

In fact, the processing that happens

Фактично процеси, які протікають

in that little piece of brain is very similar

в маленькій частині мозку, дуже схожі

to the kind of processing that computers

на процеси, які відбуваються в комп'ютерах

do when they stream video over the Internet.

при передачі потокового відео через інтернет.

They want to compress the information --

Вони намагаються стиснути інформацію --

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

вони намагаються передати тільки зміни, те що нове в зображенні, і так далі --

and that is how your eyeball

це те, як ваше очне яблуко

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

здатне втиснути всю інформацію в оптичний нерв,

to send to the rest of the brain.

щоб відіслати в інші ділянки мозку.

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

Замість того, щоб писати програми або розроблювати відповідні алгоритми,

we went and talked to neurobiologists

ми відправились на розмову з нейробіологами,

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

які фактично в зворотньому порядку спроектували цю частину мозку, яка називається сітківка.

And they figured out all the different cells,

Вони дослідили всю різноманітність клітин,

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

дослідили мережу, і ми просто взяли цю мережу

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

і використовуємо її як схему для створення кремнієвої мікросхеми.

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

Таким чином зараз нейрони представлені невеликими вузлами або ланцюгами на мікросхемі,

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

а зв'язки між нейронами моделюються транзисторами.

And these transistors are behaving essentially

І ці транзистори ведуть себе так само,

just like ion channels behave in the brain.

як іонні канали в мозку.

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

Це дасть вам таку ж надійну архітектуру, яку я описав.

Here is actually what our artificial eye looks like.

Це те, як насправді виглядає наше штучний око.

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

Розроблена нами мікросхема, яка моделює сітківку, встановлена позаду цієї лінзи.

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

І ця мікросхема -- я покажу вам відео,

that the silicon retina put out of its output

отримане на кремнієвій сітківці,

when it was looking at Kareem Zaghloul,

коли вона розглядала Керіма Заглоу,

who's the student who designed this chip.

студента, який сконструював цю мікросхему.

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

Дозвольте мені пояснити, що ви зараз побачите, добре?

because it's putting out different kinds of information,

Тому що він видає різні типи інформації,

it's not as straightforward as a camera.

це не так просто як камера.

The retina chip extracts four different kinds of information.

Мікросхема, яка моделює сітківку, виділяє чотири різних види інформації.

It extracts regions with dark contrast,

Вона виділяє області з темною контрастністю,

which will show up on the video as red.

які будуть показані на відео червоним кольором.

And it extracts regions with white or light contrast,

І вона виділяє області з білою або світлою контрастністю,

which will show up on the video as green.

які будуть показані на відео зеленим кольором.

This is Kareem's dark eyes

Це темні очі Керіма,

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

а це - білий фон, який ви бачите тут.

And then it also extracts movement.

І потім вона також виділяє рухи.

When Kareem moves his head to the right,

Коли Керім рухає свою голову вправо,

you will see this blue activity there;

ви будете спостерігати активність блакитного кольору;

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

вона представляє області на зображенні, де контраст збільшується,

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

тобто переходить від темної до світлої.

And you also see this yellow activity,

І ви також бачите цю активність жовтого кольору,

which represents regions where contrast is decreasing;

яка представляє області, де контраст зменшується;

it's going from light to dark.

тобто переходить зі світлого в темний.

And these four types of information --

І ці чотири типа інформації --

your optic nerve has about a million fibers in it,

ваш зоровий нерв містить близько мільйона волокон,

and 900,000 of those fibers

900 000 з яких

send these four types of information.

передають ці чотири типа інформації.

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

Таким чином, ми насправді дублюємо типи сигналів, які надходять до зорового нерву.

What you notice here is that these snapshots

Що ви можете відмітити тут це те, що знімки,

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

отримані на виході сітківки, що моделюється мікросхемою, дуже розсіяні, чи не так?

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

Зелений колір не засвітлює все на задньому фоні,

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

тільки по краях, на волоссі і так далі.

And this is the same thing you see

Це те ж саме, що ви спостерігаєте,

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

коли люди стискають відео для того, щоб його передати: вони хочуть зробити його розсіяним,

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

тому що такий файл має менший розмір. І саме це робить сітківка,

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

і вона робить це за допомогою лише однієї структури, як мережа нейронів,

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

які взаємодіють на цій ділянці, яку ми відтворили в наші мікросхемі.

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

Але головне, що я хочу показати, я продемонструю вам зараз.

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

І так, ось це зображення скоро буде виглядати так же, як ці,

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

але тут я покажу вам, що ми можемо реконструювати зображення,

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

ось, бачите, вже можна розпізнати Керіма в цій верхній частині.

And so, here you go.

Ось, вийшло.

Yes, so that's the idea.

Так, в цьому і є ідея.

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

Коли ви стоїте непохитно, то ви бачите тільки світлі і темні контрасти.

But when it's moving back and forth,

Але коли є рух назад і вперед,

the retina picks up these changes.

сітківка сприймає ці зміни.

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

Тому, ви знаєте, коли ви сидите тут

and something happens in your background,

і щось трапляється в вашому полі зору,

you merely move your eyes to it.

ви просто переводите погляд.

There are these cells that detect change

Є клітини, які фіксують зміни

and you move your attention to it.

і ви переводите вашу увагу на них.

So those are very important for catching somebody

Тому ці клітини дуже важливі для того, щоб помітити

who's trying to sneak up on you.

хто намагається підкрастися до вас.

Let me just end by saying that this is what happens

Дозвольте мені на завершення сказати, що буде,

when you put Africa in a piano, OK.

коли додати Африку в фортепіано. Гаразд.

This is a steel drum here that has been modified,

Це сталевий барабан, який був модернізований,

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

і це те, що виходить, якщо додати Африку в фортепіано.

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

І я б дуже хотів. щоб ми додали Африку в комп'ютер

and come up with a new kind of computer

і отримали новий тип комп'ютера,

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

який буде генерувати думки, уявлення, мати творчі здібності і т.д.

Thank you.

Дякую!

(Applause)

(Аплодисменти)

Chris Anderson: Question for you, Kwabena.

Кріс Андерсон: питання до тебе, Квабена.

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

Ви якось пов'язуєте разом в своєму розумінні те, що ви робите,

the future of Africa, this conference --

майбутнє Африки, цю конференцію --

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

які зв'язки можна встановити між ними, якщо є такі?

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

Квабена Боахен: Так, як я сказав на початку,

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

Я отримав свій перший комп'ютер, коли я був підлітком і проживав у Аккрі.

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

І в мене склалося таке враження, що це був хибний шлях конструювати таким чином.

It was very brute force; it was very inelegant.

Це було просто використання грубої сили; це було дуже не елегантно.

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

Я думаю, я б не відреагував подібним чином,

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

якщо б зростав би читаючи всю цю наукову фантастику,

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

слухаючи про RD2D2, або як він там називався, ну і, самі знаєте,

buying into this hype about computers.

довіряючи цьому галасу про комп'ютери.

I was coming at it from a different perspective,

Я підійшов до цього з іншої точки зору,

where I was bringing that different perspective

і привніс цю іншу точку зору

to bear on the problem.

для вирішення даної проблеми.

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

І я думаю багато людей в Африці мають цю іншу точку зору,

and I think that's going to impact technology.

і я думаю, це вплине на розвиток технологій.

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

І це вплине на шляхи їх розвитку.

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

І я думаю скоро ви матимете можливість побачити, використати цей внесок

to come up with new things,

для створення нових речей,

because you're coming from a different perspective.

тому що ви матимете іншу точку зору.

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

Я думаю ми можемо внести свій внесок. Ми можемо мріяти як і всі інші.

CA: Thanks Kwabena, that was really interesting.

Кріс Андерсон: Дякую Квабена, це було дійсно цікаво.

Thank you.

Дякую.

(Applause)

(Аплодисменти)