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.
Nossa missão é construir um modelo computacional detalhado e realista do cérebro humano. E, nos últimos quatro anos, nós fizemos uma prova de conceito, numa pequena parte de um cérebro de roedor, e com esta prova de conceito, estamos agora aumentando a escala do projeto para chegar ao cérebro humano.
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.
Porque estamos fazendo isto? Há três razões importantes. Primeiro, é essencial para nós entendermos o cérebro humano se queremos progredir na sociedade, e penso que isso é um passo fundamental na evolução. A segunda razão é que não podemos continuar fazendo experimentos com animais para sempre, e temos que incorporar todos os nossos dados e conhecimentos num modelo que funcione. É como a Arca de Noé. É como um arquivo. E a terceira razão é que existem dois bilhôes de pessoas no planeta afetadas por doenças mentais, e as drogas usadas hoje são geralmente empíricas. Acredito que poderemos obter soluções muito concretas sobre como tratar eestas doenças.
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.
Pois bem, mesmo neste estágio, podemos usar o modelo do cérebro para explorar algumas questões fundamentais sobre como o cérebro funciona. E aqui, no TED, pela primeira vez, Gostaria de compartilhar com vocês o modo como estamos abordando uma teoria -- existem várias teorias -- uma teoria de como o cérebro funciona. Asim, esta teoria é que o cérebro cria, constrói uma versão do universo. E projeta essa versão do universo, como uma bolha, ao redor de nós.
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.
Bem, é claro que este tem sido um tópico de debates filosóficos por séculos. Mas, pela primeira vez, nós podemos realmente tratar isto, através da simulação do cérebro, e perguntar questões muito sistemáticas e rigorosas, se esta teoria pode mesmo ser verdadeira. A razão pela qual a lua é enorme no horizonte é simplesmente porque nossa bolha de percepção não se estende até 380.000 quilômetros. Ela fica sem espaço. E então o que fazemos é comparar os prédios dentro da nossa bolha de percepção, e daí tomamos uma decisão. Tomamos a decisão de que ela é grande assim, apesar dela não ser grande assim,
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)
e o que isso ilustra é que decisões são os elementos fundamentais que sustentam nossa bolha de percepção. Elas a mantém viva. Sem decisões você não pode ver, não pode pensar, não pode sentir. E você pode pensar que os anestésicos funcionam colocando você numa espécie de sono profundo, o bloqueando seus receptores para você não sentir dor, mas na verdade a maioria dos anestésicos não funciona assim. O que eles fazem é introduzir um ruído no cérebro de modo que os neurônios não se entendam entre eles. Eles ficam confusos, e você não consegue tomar uma decisão. Então, enquanto você está tentando decidir, o que o médico, o cirurgião está fazendo enquanto eles está cortando seu corpo, ele já foi embora. Ele está em casa tomando chá. (Risos)
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.
Assim, quando você anda até a porta e a abre, o que você compulsoriamente precisa fazer para perceber é tomar decisões, milhares de decisões sobre o tamanho da sala, a parede, a altura, os objetos na sala. 99 por cento do que você vê não é o que vem através dos olhos. é o que você infere a propósito daquela sala. Portanto eu posso dizer, com alguma certeza, "Penso, logo existo." Mas não posso dizer, "Você pensa, logo você existe," porque você está dentro da minha bolha de percepção.
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.
Pois bem, nós podemos especular e filosofar sobre isto, mas realmente não precisamos fazer isso pelos próximos cem anos. Podemos fazer uma pergunta bem concreta. "O cérebro é capaz de construir uma percepção como essa?" Ele é capaz de fazer isso? Ele tem a substância para fazer isso? E isso é o que vou descrever para vocês hoje.
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.
Então, o universo precisou de 11 bilhões de anos para construir o cérebro. Precisou melhorá-lo um bocado. Precisou aumentar a parte frontal, para que você tivesse instintos, porque precisava se adaptar à vida na terra. Mas o verdadeiro grande passo foi o neocortex, É um novo cérebro. Você precisava dele. Os mamíferos precisavam dele porque eles tinham que lidar com coisas como o cuidado da prole, interações sociais, funções cognitivas complexas.
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.
Então, vocês podem pensar no neocortex realmente como a melhor solução hoje, do universo como nós o conhecemos. É o ápice, é o produto final que o universo produziu. Ele foi tão bem sucedido na evolução que do camundongo ao homem ele se expandiu cerca de mil vezes, em termos de número de neurônios, para produzir este quase assustador órgão, estrutura. E ele não se deteve em seu caminho evolutivo. De fato, o neocortex do cérebro humano está evoluindo numa velocidade enorme.
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.
Se você der um "zoom" na superfície do neocortex, você vai descobrir que ela é feita de pequenos módulos, processadores G5, como num computador. Só que existe cerca de um milhão deles. Eles foram tão bem sucedidos na evolução que o que nós fizemos foi duplicá-los muitas e muitas vezes, e adicioná-los mais e mais ao cérebro até que ficamos sem espaço no crânio. Então o cérebro começou a se dobrar sobre si mesmo, e é por isso que o neocortex tem tantas convoluções. Nós estamos simplesmente adicionando colunas, de modo que tenhamos mais colunas neocorticais para executar funções mais complexas.
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.
Assim, vocês podem pensar no neocortex atualmente como um enorme piano de cauda, um piano de cauda com um milhão de teclas. Cada uma dessas colunas neocorticais produziria uma nota. Quando você a estimula; ela produz uma sinfonia. Mas não é apenas uma sinfonia da percepção. É uma sinfonia do seu universo, da sua realidade. Pois bem, é claro que levam anos para aprender como tornar-se um mestre num piano com um milhão de notas. É por isso que vocês precisam mandar suas crianças a boas escolas, esperamos, quem sabe, a Oxford. Mas isso não é só educação. É também genética. Você pode ter nascido com sorte, ou você sabe como dominar sua coluna neocortical, e você pode tocar uma sinfonia fantástica.
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.
De fato, existe uma nova teoria do autismo denominada teoria do "mundo intenso", a qual sugere que as colunas neocorticais são super-colunas. Elas são extremamente reativas, e elas são super plásticas, e por isso os autistas provavelmente são capazes de construir e aprender uma sinfonia que é inconcebível para nós. Mas você também é capaz de entender que se você tem uma doença em uma dessas colunas, essa nota vai estar desligada. A percepção, a sinfonia que você cria estará corrompida, e você terá sintomas de doença.
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?
Assim, o santo graal da neurociência é, na verdade, entender o projeto da coluna neocortical -- e isso não é apenas para a neurociência; é para talvez entender a percepção, entender a realidade, e quem sabe até entender também a realidade física. Assim, o que nós fizemos, durante os últimos 15 anos, foi dissecar o neocortex, sistematicamente. É meio parecido com estudar e catalogar um pedaço da floresta tropical. Quantas árvores ela tem? De que forma são as árvores? Quantas árvores de cada tipo você tem? Onde elas estão localizadas?
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.
Mas é um pouco mais do que catalogar porque você precisa realmente descrever e descobrir todas as regras de comunicação, as regras de conectividade, porque os neurônios não gostam de conectar-se simplesmente com qualquer outro neurônio. Eles escolhem muito cuidadosamente com quem se conectam. Também é mais do que catalogar porque você precisa construir modelos digitais tri-dimensionais deles. E nós fizemos isso para dezenas de milhares de neurônios, construímos modelos digitais dos diferentes tipos de neurônios que nós encontramos. E uma vez que você tenha isso, você realmente pode começar a construir a coluna neocortical.
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.
E aí nós as vamos enrolando e empilhando. Mas quando você faz isso, o que você vê é que os ramos se interceptam realmente em milhões de lugares e em cada uma dessas intersecções eles podem formar uma sinapse. E uma sinapse é um local de interações químicas onde eles se comunicam entre si. E essas sinapses juntas formam a rede ou circuito do cérebro. Pois bem, esse circuito, você também pode pensar nele como o tecido do cérebro. E quando você pensa no tecido do cérebro, a estrutura, como ela é feita? Qual é o padrão da tapeçaria? Vocês percebem que isto representa um desafio fundamental para qualquer teoria do cérebro, e especialmente para uma teoria que afirma que existe alguma realidade que emerge a partir desta tapeçaria, a partir desta particular tapeçaria com um padrão específico.
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.
O motivo é porque o mais importante segredo de projeto do cérebro é diversidade. Cada neuronio é diferente. É o mesmo que na floresta. Cada pinheiro é diferente. Você pode ter muitos tipos diferentes de árvores, mas cada pinheiro é diferente. E no cérebro é a mesma coisa. De modo que não existe nenhum neurônio no meu cérebro que seja o mesmo que outro, e não há nenhum neurônio no meu cérebro que seja o mesmo que o seu. E os seus neurônios não vão estar orientados e posicionados exatamente da mesma maneira. E você pode ter mais ou menos neurônios. Assim, é muito improvável que você tenha o mesmo tecido, os mesmos circuitos.
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.
Assim, como é possível que nós criemos uma realidade de modo que possamos ao menos entendermos um ao outro? Bem, não precisamos especular. Nós podemos agora observar todos os 10 milhões de sinapses. Nós podemos observar o tecido. E nós podemos mudar os neurônios. Podemos usar diferentes neurônios com diferentes variações. Podemos colocá-los em lugares diferentes, orientá-los em posições diferentes. Podemos usar um número maior ou menor deles. E quando fazemos isso o que descobrimos é que o circuito efetivamente muda. Mas o padrão de como o circuito é projetado não muda. Assim, o tecido do cérebro, mesmo que seu cérebro seja menor, maior, tenha diferentes tipos de neurônios, diferentes morfologias de neurônios, nós realmente compartilhamos o mesmo tecido. E nós pensamos que isto é específico para cada espécie animal, o que pode explicar porque não conseguimos nos comunicar entre espécies.
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.
Então, vamos colocá-lo a funcionar. Mas para conseguir isso, o que você precisa é fazer que ele se torne vivo. Nós fazemos que ele se torne vivo com equações, uma porção de matemática. E, de fato, as equações que mostram os neurônios como geradores elétricos foram descobertas por dois cientistas de Cambridge, contemplados com o Prêmio Nobel. Assim, nós temos a matemática para fazer os neurônios ganharem vida. Também temos a matemática para descrever como os neurônios coletam informação, e como eles criam uma pequena faísca elétrica para se comunicarem um com o outro. E quando eles chegam à sinapse, o que eles fazem é, efetivamente, literalmente, dar um choque na sinapse. É como um choque elétrico que libera as substâncias quìmicas dessas sinapses.
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.
E nós temos a matemática para descrever este processo. Assim nós somos capazes de descrever a comunicação entre os neurônios. Existe literalmente apenas um punhado de equações que você precisa para simular a atividade do neocortex. Mas o que você precisa mesmo é um computador muito grande. De fato você precisa um laptop para fazer todos os cálculos para um único neurônio. Portanto você precisa 10.000 laptops. Assim, para onde você vai? Você vai para a IBM, e consegue um supercomputador, porque eles precisaram pegar 10.000 laptops e colocá-los no tamanho de uma geladeira. Assim nós ficamos com este supercomputador Blue Gene. Nós carregamos nele todos os neurônios, cada um em seu processador, e o ativamos, para ver o que acontece. Tome o tapete mágico para um passeio.
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.
Aqui nós o ativamos. E isto nos dá um primeiro vislumbre do que está acontecendo no seu cérebro quando há uma estimulação. É a primeira visão. Pois bem, quando você olha para isso pela primeira vez, você pensa, "Meu deus. Como é que a realidade está saindo disso aí?" Mas, na verdade, você pode começar, mesmo que ainda não tenhamos treinado esta coluna neocortical a criar uma realidade específica. Mas nós podemos perguntar, "Onde está a rosa?" Podemos perguntar, "Onde ela está aí dentro, se nós a estimulamos com uma imagem?" Onde está ela no interior do neocortex? Afinal ela tem que estar nele se nós o estimulamos com isso.
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.
Daí, o modo como podemos ver isso é ignorar os neurônios, ignorar as sinapses, e observar apenas a crua atividade elétrica. Porque isso é o que ela está criando. Ela está criando padrões elétricos. Então, quando fizemos isso, finalmente, pela primeira vez, vimos estas estruturas fantasmagóricas: objetos elétricos aparecendo dentro da coluna neocortical. E são estes objetos elétricos que estão guardando toda a informação sobre o que o estimulou. E quando damos um zoom nisto, é como um verdadeiro universo.
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)
Assim, o próximo passo é simplesmente tomar essas coordenadas do cérebro e projetá-las no espaço de percepção. E se você fizer isso, será capaz de penetrar no interior da realidade que é criada por esta máquina, por este pedaço de cérebro. Assim, resumindo, Eu penso que o universo pode ter -- é possível -- evoluído um cérebro para ver a si mesmo, o que pode ser o primeiro passo para tornar-se consciente de si mesmo. Muito ainda resta a ser feito para verificar estas histórias, e testar quaisquer outras teorias. Mas espero que vocês estejam pelo menos parcialmente convencidos de que não é impossível construir um cérebro. Nós somos capazes de fazê-lo num prazo de 10 anos, e se formos bem sucedidos, enviaremos ao TED, daqui a 10 anos, um holograma para falar com vocês. Muito obrigado. (Aplausos)