Unsere Mission ist es, ein detailiertes und realistisches Computermodell des menschlichen Hirns zu bauen. Und in den letzten vier Jahren haben wir die Durchführbarkeit in einem kleinen Teil des Hirnes bei Nagetieren nachgewiesen, und mit diesem Machbarkeitsnachweis wollen wir das Projekt auf das menschliche Gehirn ausweiten.
Our mission is to build a detailed, realistic computer model of the human brain. And we've done, in the past four years, a proof of concept on a small part of the rodent brain, and with this proof of concept we are now scaling the project up to reach the human brain.
Warum wir das machen? Es gibt drei wichtige Gründe. Zum Ersten, es ist unerlässlich das menschliche Gehirn zu verstehen, wenn wir als Gesellschaft zurechtkommen wollen, und ich denke das ist ein wichtiger Schritt in Evolution. Zum Zweiten, wir können Tierversuche nicht ewig durchführen, und wir müssen all unsere Daten und all unser Wissen in ein funktionierendes Modell einbauen. Es ist wie Noah's Arche. Es ist wie ein Archiv. Der dritte Grund ist, dass es zwei Billionen Leute auf diesem Planeten gibt, die an einer psychischen Störung leiden, und die Medikamente die heutzutage verwendet werden, basieren grösstenteils auf Erhebungen. Ich denke, wir können ganz konkrete Lösungen schaffen, wie Störungen zu behandeln sind.
Why are we doing this? There are three important reasons. The first is, it's essential for us to understand the human brain if we do want to get along in society, and I think that it is a key step in evolution. The second reason is, we cannot keep doing animal experimentation forever, and we have to embody all our data and all our knowledge into a working model. It's like a Noah's Ark. It's like an archive. And the third reason is that there are two billion people on the planet that are affected by mental disorder, and the drugs that are used today are largely empirical. I think that we can come up with very concrete solutions on how to treat disorders.
Nun, sogar in diesem Stadium, lässt sich das Hirn Modell dazu verwenden fundamentale Fragen zu beantworten, wie das Gehirn funktioniert. Und hier, bei TED, zum ersten Mal möchte ich euch mitteilen wie wir eine Theorie -- es gibt viele Theorien -- addressieren, eine Theorie, wie das Gehirn funktioniert. Nun, diese Theorie besagt, dass das Gehirn eine Version des Universum kreiert, erbaut. Und diese Version des Universums projiziert es, wie eine Seifenblase, um uns herum.
Now, even at this stage, we can use the brain model to explore some fundamental questions about how the brain works. And here, at TED, for the first time, I'd like to share with you how we're addressing one theory -- there are many theories -- one theory of how the brain works. So, this theory is that the brain creates, builds, a version of the universe, and projects this version of the universe, like a bubble, all around us.
Natürlich ist das eine philosophische Debatte für Jahrhunderte. Aber zum ersten Mal können wir dies mit Gehirnsimulation wirklich addressieren, und sehr systematische und rigorose Fragen stellen, ob diese Theorie möglicherweise wahr sein könnte. Der Grund, warum der Mond so gross am Horizont erscheint, ist schlichtwegs dass unsere Wahrnehmungs Seifenblase sich nicht auf 380,000 Kilometer ausweitet. Ihr geht der Platz aus. Was wir also machen, ist die Strukturen in unserer Wahrnehmungs Seifenblase zu vergleichen, und wir treffen eine Entscheidung. Wir entscheiden, dass er gross ist, obwohl er nicht so gross ist,
Now, this is of course a topic of philosophical debate for centuries. But, for the first time, we can actually address this, with brain simulation, and ask very systematic and rigorous questions, whether this theory could possibly be true. The reason why the moon is huge on the horizon is simply because our perceptual bubble does not stretch out 380,000 kilometers. It runs out of space. And so what we do is we compare the buildings within our perceptual bubble, and we make a decision. We make a decision it's that big, even though it's not that big.
und was das illustriert, ist, dass unsere Entscheidungen das Fundament sind, die unsere Wahrnehmungs Seifenblase unterstützen. Sie halten sie am Leben. Ohne Entscheidungen kannst du nicht sehen, kannst du nicht denken, kannst du nicht fühlen. Und du magst denken, dass Betäubungsmittel dadurch funktionieren, dass du in Tiefschlaf versetzt wirst, oder dass deine Rezeptoren geblockt werden, damit du keinen Schmerz fühlst, aber tatsächlich funktionieren die meisten Betäubungsmittel nicht so. Was sie machen ist, ein Störsignal in das Hirn zu senden, so dass Neuronen einander nicht mehr verstehen können. Sie sind verwirrt, und du kannst keine Entscheidung treffen. Während du versuchst zu begreifen, was der Doktor, Chirurg macht, während er sich an deinem Körper zu schaffen macht, ist er bereits weg. Er ist zuhause und trinkt Tee. (Gelächter)
And what that illustrates is that decisions are the key things that support our perceptual bubble. It keeps it alive. Without decisions you cannot see, you cannot think, you cannot feel. And you may think that anesthetics work by sending you into some deep sleep, or by blocking your receptors so that you don't feel pain, but in fact most anesthetics don't work that way. What they do is they introduce a noise into the brain so that the neurons cannot understand each other. They are confused, and you cannot make a decision. So, while you're trying to make up your mind what the doctor, the surgeon, is doing while he's hacking away at your body, he's long gone. He's at home having tea. (Laughter)
Also, wenn du auf eine Türe zugehst, und sie öffnest, musst du zwingendermassen, um wahrzunehmen zu können, Entscheidungen treffen, tausende Entscheidungen über die Grösse des Raumes, die Wand, die Höhe, die Objekte in dem Raum. 99 Prozent von dem was du siehst kommt nicht durch das Auge. Es basiert auf deiner Schlussfolgerung vom Raum. Also kann ich mit gewisser Sicherheit sagen, dass "Ich denke, also bin ich." Aber ich kann nicht sagen, "Du bist, also bist du," weil "du" existierst innerhalb meiner Wahrnehmungs Seifenblase.
So, when you walk up to a door and you open it, what you compulsively have to do to perceive is to make decisions, thousands of decisions about the size of the room, the walls, the height, the objects in this room. 99 percent of what you see is not what comes in through the eyes. It is what you infer about that room. So I can say, with some certainty, "I think, therefore I am." But I cannot say, "You think, therefore you are," because "you" are within my perceptual bubble.
Nun, wir können darüber spekulieren und philosophieren, aber das müssen wir für die nächsten hundert Jahre eigentlich nicht. Wir können eine sehr konkrete Frage stellen. "Kann das Gehirn eine solche Wahrnehmung kreieren?" "Ist es imstande das zu tun?" "Hat es die Fähigkeit das zu tun?" Und das ist was ich euch heute beschreiben werde.
Now, we can speculate and philosophize this, but we don't actually have to for the next hundred years. We can ask a very concrete question. "Can the brain build such a perception?" Is it capable of doing it? Does it have the substance to do it? And that's what I'm going to describe to you today.
Das Universum brauchte 11 Billionen Jahre um das Gehirn zu erschaffen. Es musste sich etwas verbessern. Es musste den vorderen Teil hinzufügen, damit man Instinkte hat, weil man auf dem Land zurechtkommen mussten. Der wirklich grosse Schritt war der Neocortex. Es war ein neues Gehirn. Man hat es gebraucht. Säugetiere brauchten es, weil sie Elternschaft bewältigen mussten, soziale Interaktionen, komplexe kognitive Funktionen.
So, it took the universe 11 billion years to build the brain. It had to improve it a little bit. It had to add to the frontal part, so that you would have instincts, because they had to cope on land. But the real big step was the neocortex. It's a new brain. You needed it. The mammals needed it because they had to cope with parenthood, social interactions, complex cognitive functions.
Entsprechend kann man sich den Neocortex als die ultimative Lösung des uns bekannten Universums vorstellen. Es ist der Höhepunkt, das Endprodukt, dass das Universum produziert hat. Es war so erfolgreich in Evolution, dass es sich von der Maus zum Mensch um ein Tausendfaches ausweitete, was die Nummern von Neuronen angeht, und dieses fast furchterregende Organ, diese Struktur entwickelte. Und die Entwicklung stoppt damit nicht. Tatsächlich entwickelt sich der Neocortex im menschlichen Hirn mit enormer Geschwindigkeit.
So, you can think of the neocortex actually as the ultimate solution today, of the universe as we know it. It's the pinnacle, it's the final product that the universe has produced. It was so successful in evolution that from mouse to man it expanded about a thousandfold in terms of the numbers of neurons, to produce this almost frightening organ, structure. And it has not stopped its evolutionary path. In fact, the neocortex in the human brain is evolving at an enormous speed.
Wenn man die Oberfläche des Neocortex näher beobachtet, entdreckt man, dass es aus lauter kleinen Komponenten besteht. G5 Prozessoren, wie in einem Computer. Aber hier befinden sich ungefähr eine Million davon. Sie waren so erfolgreich in ihrer Entwicklung, dass wir sie dupliziert haben, immer und immer wieder, und sie dem Gehirn hinzugefügt haben bis wir keinen Platz mehr im Schädel hatten. Das Gehirn fing an sich zu falten, weshalb der Neocortex so verschachtelt ist. Wir packen sie nur in Säulen, so dass wir mehr neokortikalen Säulen besitzen, um komplexere Funktionen durchzuführen.
If you zoom into the surface of the neocortex, you discover that it's made up of little modules, G5 processors, like in a computer. But there are about a million of them. They were so successful in evolution that what we did was to duplicate them over and over and add more and more of them to the brain until we ran out of space in the skull. And the brain started to fold in on itself, and that's why the neocortex is so highly convoluted. We're just packing in columns, so that we'd have more neocortical columns to perform more complex functions.
Entsprechend kann man sich den Neocortex als einen grossen Flügel, ein Millionen-tastigen Flügel vorstellen. Jede dieser neokortikalen Säulen würde eine Note produzieren. Man stimuliert es; es kreiert eine Symphonie. Aber es ist nicht nur eine Symphonie der Wahrnehmung. Es ist die Symphonie eines Universums, deiner Realität. Nun, natürlich dauert es Jahre zu lernen, wie man einen Flügel mit Millionen Tasten meistert. Das ist der Grund warum man seine Kinder an gute Schulen schickt, hoffentlich schlussendlich nach Oxford. Aber es kommt nicht nur auf die Bildung darauf an. Auch auf die Genetik. Man mag mit Glück geboren sein, oder wissen, wie man seine neokortikale Säule meistern kann, und kann eine fantastische Symphonie spielen.
So you can think of the neocortex actually as a massive grand piano, a million-key grand piano. Each of these neocortical columns would produce a note. You stimulate it; it produces a symphony. But it's not just a symphony of perception. It's a symphony of your universe, your reality. Now, of course it takes years to learn how to master a grand piano with a million keys. That's why you have to send your kids to good schools, hopefully eventually to Oxford. But it's not only education. It's also genetics. You may be born lucky, where you know how to master your neocortical column, and you can play a fantastic symphony.
Tatsächlich gibt es eine neue Theorie über Autismus, auch die "Intense World" Theorie genannt, welche suggeriert, dass die neokortikalen Säulen, Super-Säulen sind. Sie sind höchst reaktiv und äusserst formbar, und so haben Autisten möglicherweise die Fähigkeit Symphonien zu erbauen und zu lernen, welche für uns undenkbar sind. Aber man kann auch verstehen, dass wenn sich eine Krankheit innerhalb dieser Säulen befindet, die Noten falsch sein werden. Die Wahrnehmung, die Symphonie die man kreiert, wird verfälscht, und man weist Symptome einer Krankheit auf.
In fact, there is a new theory of autism called the "intense world" theory, which suggests that the neocortical columns are super-columns. They are highly reactive, and they are super-plastic, and so the autists are probably capable of building and learning a symphony which is unthinkable for us. But you can also understand that if you have a disease within one of these columns, the note is going to be off. The perception, the symphony that you create is going to be corrupted, and you will have symptoms of disease.
Deshalb ist der Heilige Gral der Neurowissenschaft, das Design der neokortikalen Säulen wirklich zu verstehen -- und dies nicht nur für die Neurowissenschaft; vielleicht ermöglicht es Wahrnehmung und die Realität zu verstehen, und vielleicht sogar eine physikalische Realität. So, was wir für die letzten 15 Jahre gemacht haben, war es, den Neocortex systematisch zerlegen. Es ist ähnlich wie ein Stück des Regenwaldes zu katalogisieren. Wieviele Bäume gibt es? Welche Form haben die Bäume? Wieviele pro Typus Baum gibt es? Wo sind sie positioniert?
So, the Holy Grail for neuroscience is really to understand the design of the neocoritical column -- and it's not just for neuroscience; it's perhaps to understand perception, to understand reality, and perhaps to even also understand physical reality. So, what we did was, for the past 15 years, was to dissect out the neocortex, systematically. It's a bit like going and cataloging a piece of the rainforest. How many trees does it have? What shapes are the trees? How many of each type of tree do you have? Where are they positioned?
Es ist ein bisschen mehr als Katalogisieren, da man eigentlich alle Regeln der Kommunikation beschreiben und entdecken muss, die Regeln der Konnektivität, weil die Neuronen nicht nur mit irgendeinem Neuron verknüpfen wollen. Sie wählen sehr sorgfältig aus, mit wem sie sich verknüpfen. Es ist auch mehr als Katalogisieren, weil man ein drei-dimensionales digitales Modell von ihnen bauen muss. Und das machten wir für Tausende von Neuronen, bauten digitale Modelle für alle verschiedenen Typen von Neuronen welche wir antrafen. Und sobald man das hat, kann man beginnen eine neokortikale Kolumne zu kreieren.
But it's a bit more than cataloging because you actually have to describe and discover all the rules of communication, the rules of connectivity, because the neurons don't just like to connect with any neuron. They choose very carefully who they connect with. It's also more than cataloging because you actually have to build three-dimensional digital models of them. And we did that for tens of thousands of neurons, built digital models of all the different types of neurons we came across. And once you have that, you can actually begin to build the neocortical column.
Und hier wickeln wir sie auf. Aber während man das macht, sieht man, dass die Äste sich in Millionen von Orten überschneiden, und an jeder dieser Überschneidung können sie eine Synapse formen. Und eine Synapse ist ein chemischer Ort an welchem sie miteinander kommunizieren. Und diese Synapsen miteinander vom Netzwerk oder Schaltkreis des Hirns. Nun, diesen Schaltkreis kann man sich auch als als Gewebe des Hirns vorstellen. Und wenn man sich das Gewebe des Hirns vorstellt, die Struktur, wie ist es gebaut? Was ist das Muster des "Teppichs"? Man realisiert, dass dies eine fundamentale Herausforderung an jede Theorie des Hirns ist, und insbesondere an eine Theorie die besagt, dass eine Art Realität aus diesem "Teppich" hervorgeht, aus diesem bestimmten "Teppich" mit einem bestimmten Muster.
And here we're coiling them up. But as you do this, what you see is that the branches intersect actually in millions of locations, and at each of these intersections they can form a synapse. And a synapse is a chemical location where they communicate with each other. And these synapses together form the network or the circuit of the brain. Now, the circuit, you could also think of as the fabric of the brain. And when you think of the fabric of the brain, the structure, how is it built? What is the pattern of the carpet? You realize that this poses a fundamental challenge to any theory of the brain, and especially to a theory that says that there is some reality that emerges out of this carpet, out of this particular carpet with a particular pattern.
Der Grund ist, weil das wichtigste Design Geheimnis des Hirns Vielfältigkeit ist. Jedes Neuron ist verschieden. Es ist das gleiche wie in einem Wald. Jede Kiefer ist anders. Man hat vielleicht viele verschiedene Arten von Bäumen, aber jede Kiefer ist anders. Und im Gehirn ist es das gleiche. Also ist kein Neuron in meinem Gehirn gleich wie ein weiteres, und es es gibt kein Neuron in meinem Hirn, dass gleich ist wie in eurem. Und eure Neuronen sind nicht in exakt gleicher Weise auf genau gleiche Art und Weise orientiert und positioniert. Und ihr habt möglicherweise mehr oder weniger Neuronen. Entsprechend ist sehr unwahrscheinlich, dass ihr das gleiche Gewebe habt, die gleichen Schaltkreise.
The reason is because the most important design secret of the brain is diversity. Every neuron is different. It's the same in the forest. Every pine tree is different. You may have many different types of trees, but every pine tree is different. And in the brain it's the same. So there is no neuron in my brain that is the same as another, and there is no neuron in my brain that is the same as in yours. And your neurons are not going to be oriented and positioned in exactly the same way. And you may have more or less neurons. So it's very unlikely that you got the same fabric, the same circuitry.
Nun, wie könnten wir möglicherweise eine Realität kreieren, so dass wir einander verstehen können? Wir müssen nicht spekulieren. Wir können nun 10 Millionen Synapsen betrachten. Wir können das Gewebe betrachten. Und wir können Neuronen verändern. Wir können verschiedene Neuronen mit verschiedenen Variationen verwenden. Wir können sie in verschiedenen Orten platzieren, in verschiedenen Orten orientieren. Wir können mehr von ihnen verwenden, oder weniger. Und wenn wir das machen, was wir entdeckt haben, ist, dass der Schaltkreis sich verändert. Aber das Muster wie die Schaltkreise gestaltet sind, nicht. Also, das Gewebe des Hirns, auch wenn eure Gehirne ein bisschen kleiner, grösser sind, vielleicht haben sie andere Arten von Neuronen, andere Morphologien von Neuronen, tatsächlich teilen wir das gleiche Gewebe. Und wir denken dass dies Spezien-spezifisch ist, was heisst, dass wir auch erklären könnten, warum wir nicht über Spezies hinweg kommunizieren können.
So, how could we possibly create a reality that we can even understand each other? Well, we don't have to speculate. We can look at all 10 million synapses now. We can look at the fabric. And we can change neurons. We can use different neurons with different variations. We can position them in different places, orient them in different places. We can use less or more of them. And when we do that what we discovered is that the circuitry does change. But the pattern of how the circuitry is designed does not. So, the fabric of the brain, even though your brain may be smaller, bigger, it may have different types of neurons, different morphologies of neurons, we actually do share the same fabric. And we think this is species-specific, which means that that could explain why we can't communicate across species.
Nun, schalten wir es ein. Aber um das zu tun, was man machen muss, ist es, dies zum Leben zu erwecken. Wir erwecken es zum Leben mit Gleichungen und viel Mathematik. Und diese Gleichungen, die Neuronen in elektrische Generatoren verwandeln, wurden von zwei Cambridge Nobel Preisträgern entdeckt. Nun, wir haben die Mathematik um die Neuronen zum Leben zu erwecken. Wir haben auch die Mathematik um zu beschreiben, wie Neuronen Informationen sammeln, und wie sie kleine Blitze generieren, um miteinander zu kommunizieren. Und wenn sie zur Synapse gelangen, was sie sehr effektiv machen, ist es, im wahrsten Sinne des Wortes, die Synapse zu schocken. Es ist wie ein elektrischer Schock, welcher Chemikalien von der Synapse freigibt.
So, let's switch it on. But to do it, what you have to do is you have to make this come alive. We make it come alive with equations, a lot of mathematics. And, in fact, the equations that make neurons into electrical generators were discovered by two Cambridge Nobel Laureates. So, we have the mathematics to make neurons come alive. We also have the mathematics to describe how neurons collect information, and how they create a little lightning bolt to communicate with each other. And when they get to the synapse, what they do is they effectively, literally, shock the synapse. It's like electrical shock that releases the chemicals from these synapses.
Und wir haben die Mathematik um diesen Prozess zu beschreiben. Und so können wir die Kommunikation zwischen den Neuronen beschreiben. Es gibt buchstäblich nur eine Handvoll Gleichungen die benötigt werden, um die Aktivität des Neocortex zu simulieren. Aber was man braucht, ist ein sehr grosser Computer. In der Tat braucht man einen Laptop, der alle Berechnungen für nur ein Neuron durchführt. Entsprechend braucht man 10,000 Laptops. Wohin geht man dann? Man geht zu IBM, und man bekommt einen Super-Computer, weil sie wissen wie man 10,000 Laptops in die Grösse eines Kühlschranks verwandeln kann. Nun haben wir diesen "Blue Gene" Super-Computer. Wir können all diese Neuronen hochladen, jedes Einzelne in seinen eigenen Prozessor, es aktivieren, und beobachten, was passiert. Eine Runde mit dem "magischen Teppich" drehen.
And we've got the mathematics to describe this process. So we can describe the communication between the neurons. There literally are only a handful of equations that you need to simulate the activity of the neocortex. But what you do need is a very big computer. And in fact you need one laptop to do all the calculations just for one neuron. So you need 10,000 laptops. So where do you go? You go to IBM, and you get a supercomputer, because they know how to take 10,000 laptops and put it into the size of a refrigerator. So now we have this Blue Gene supercomputer. We can load up all the neurons, each one on to its processor, and fire it up, and see what happens. Take the magic carpet for a ride.
Hier aktivieren wir es. Und das gibt uns einen flüchtigen Eindruck davon, was in eurem Hirn vor sich geht wenn eine Stimulation erfolgt. Das ist die erste Betrachtung. Nun, wenn man das das erste Mal sieht, fragt man sich, "Oh mein Gott. Wie kann aus dem Realität hervorkommen?" Aber, tatsächlich, kann man anfangen, obwohl wir diese neokortikale Kolumne nicht trainiert haben, eine spezifische Realität zu kreieren. Aber wir können fragen, "Wo ist die Rose?" Wir können fragen, "Wo befindet sie sich, wenn wir ihn mit einem Bild stimulieren?" Wo ist sie innerhalb des Neocortex? Schlussendlich muss sie dort sein, wenn wir ihn damit stimuliert haben.
Here we activate it. And this gives the first glimpse of what is happening in your brain when there is a stimulation. It's the first view. Now, when you look at that the first time, you think, "My god. How is reality coming out of that?" But, in fact, you can start, even though we haven't trained this neocortical column to create a specific reality. But we can ask, "Where is the rose?" We can ask, "Where is it inside, if we stimulate it with a picture?" Where is it inside the neocortex? Ultimately it's got to be there if we stimulated it with it.
Die Art und Weise wie wir das betrachten können, ist es, die Neuronen zu ignorieren, die Synapsen zu ignorieren, und nur die raue elektrische Aktivität zu betrachten. Weil das ist, was wir kreieren. Es ist das Kreieren elektrischer Muster. Wenn wir dies machen, haben wir in der Tat, zum ersten Mal diese Geist-ähnlichen Strukturen gesehen: elektrische Objekte, welche innerhalb der neokortikalen Kolumne erscheinen. Und es sind diese elektrischen Objekte, die all die Informationen über die entsprechenden Stimuli beinhalten. Und wenn wir näher reinzommen, ist es wie ein wahrhaftes Universum.
So, the way that we can look at that is to ignore the neurons, ignore the synapses, and look just at the raw electrical activity. Because that is what it's creating. It's creating electrical patterns. So when we did this, we indeed, for the first time, saw these ghost-like structures: electrical objects appearing within the neocortical column. And it's these electrical objects that are holding all the information about whatever stimulated it. And then when we zoomed into this, it's like a veritable universe.
Der nächste Schritt ist es, diese Hirn Koordinaten zu nehmen, und sie in wahrnehmbaren Raum zu projizieren. Und wenn man das macht, wird es möglich sein, in eine Realität zu schreiten, die von dieser Maschine, diesem Stück Hirn kreiert wurde. So, zusammenfassend, Ich denke, dass dieses Universum möglicherweise -- es ist möglich -- ein Gehirn entwickelt hat, um sich selber zu betrachten, was vielleicht ein erster Schritt ist, um sich selber wahrzunehmen. Es gibt noch viel zu tun, um diese Theorien zu testen, und andere Theorien zu testen. Aber ich hoffe, dass ihr zumindest teilweise davon überzeugt seid, dass es nicht unmöglich ist, ein Gehirn zu bauen. Wir können es innert 10 Jahre erreichen, und wenn wir Erfolg haben, werden wir in 10 Jahren, ein Hologramm zu TED schicken, um mit euch zu reden. Danke. (Applaus)
So the next step is just to take these brain coordinates and to project them into perceptual space. And if you do that, you will be able to step inside the reality that is created by this machine, by this piece of the brain. So, in summary, I think that the universe may have -- it's possible -- evolved a brain to see itself, which may be a first step in becoming aware of itself. There is a lot more to do to test these theories, and to test any other theories. But I hope that you are at least partly convinced that it is not impossible to build a brain. We can do it within 10 years, and if we do succeed, we will send to TED, in 10 years, a hologram to talk to you. Thank you. (Applause)