Ich mache zwei Dinge. Ich entwerfe tragbare Computer und erforsche das Gehirn. Im heutigen Vortrag geht es um das Gehirn und, juhu, irgendwo da draußen ist ein Gehirnfan. (Lachen) Ich werde, kann ich meine erste Folie haben, und ihr werdet den Titel des Vortrags und meine zwei Leidenschaften sehen. Ich werde darüber sprechen warum wir keine gute Gehirntheorie haben, warum es wichtig ist, dass wir eine entwickeln und was wir dafür tun können. Ich werde all das in 20 Minuten versuchen. Ich habe zwei Leidenschaften. Die meisten von euch kennen mich aus meinen Palm und Handspring Tagen. aber ich leite außerdem ein gemeinnütziges Forschungsinstitut mit dem Namen Redwood Neuroscience Institute in Menlo Park und wir erforschen theoretische Neurowissenschaft. und wir erforschen die Funktionsweise des Neocortex. Darüber werde ich euch berichten.
I do two things: I design mobile computers and I study brains. Today's talk is about brains and -- (Audience member cheers) Yay! I have a brain fan out there. (Laughter) If I could have my first slide, you'll see the title of my talk and my two affiliations. So what I'm going to talk about is why we don't have a good brain theory, why it is important that we should develop one and what we can do about it. I'll try to do all that in 20 minutes. I have two affiliations. Most of you know me from my Palm and Handspring days, but I also run a nonprofit scientific research institute called the Redwood Neuroscience Institute in Menlo Park. We study theoretical neuroscience and how the neocortex works. I'm going to talk all about that. I have one slide on my other life, the computer life,
Ich habe eine Folie über den andren Teil meines Lebens, mein Computerleben, diese Folie. Dies sind einige der Produkte an denen ich in den letzten 20 Jahren gearbeitet habe, beginnend mit dem originalen Laptop, bis zu einigen der ersten Tablet-PCs usw. und schließlich mit dem Treo und wir arbeiten weiter an diesen Dingen. Ich habe dies getan, weil ich wirklich glaube das Mobile Computer die Zukunft des PCs sind und ich versuche die Welt ein bisschen besser zu machen, indem ich daran arbeite. All dies war zugegeben ein Zufall. Ich wollte diese Produkte nicht wirklich entwerfen und sehr früh in meiner Karriere entschied ich mich, dass ich nicht in der Computer Industrie sein werde.
and that's this slide here. These are some of the products I've worked on over the last 20 years, starting from the very original laptop to some of the first tablet computers and so on, ending up most recently with the Treo, and we're continuing to do this. I've done this because I believe mobile computing is the future of personal computing, and I'm trying to make the world a little bit better by working on these things. But this was, I admit, all an accident. I really didn't want to do any of these products. Very early in my career I decided I was not going to be in the computer industry.
Und bevor ich Ihnen davon erzähle, muss ich noch von diesem kleinen Graffiti Bild erzählen, dass ich im Web gefunden habe. Ich war auf der Suche nach einem Graffiti Bild, kleine Texteingabe-Sprache und fand diese Webseite die Lehrern gewidmet war, die diese machen wollten, diese Schriftzug-Dinger im oberen Teil ihrer Tafel, und sie hatten Graffiti hinzugefügt - und das tut mir leid.
Before that, I just have to tell you about this picture of Graffiti I picked off the web the other day. I was looking for a picture for Graffiti that'll text input language. I found a website dedicated to teachers who want to make script-writing things across the top of their blackboard, and they had added Graffiti to it, and I'm sorry about that.
(Lachten)
(Laughter)
Was also passiert ist, als ich jung war und mit der Ingenieurschule fertig war, 1979 in Cornell, entschied ich mich für Intel zu arbeiten. Ich war in der Computer Industrie und drei Monate danach, verliebte ich mich in etwas andres und sagte mir: "Ich habe die falsche Karriereentscheidung getroffen" ich verliebte mich in Gehirne. Dies ist kein echtes Gehirn. Es ist ein Bild von einem, eine Linien-Zeichnung. Ich erinnere mich nicht genau wie es passiert ist aber ich habe eine Erinnerung, die ziemlich stark in meiner Erinnerung ist. Im September 1979, wurde Scientific American veröffentlicht mit einer Ein-Themen Ausgabe über das Gehirn. Und sie war ziemlich gut. Es war eine der besten Ausgaben jemals. Sie sprachen über Neuronen und Entwicklung und Erkrankungen und Sehkraft und all diese Dinge die man über das Gehirn wissen möchte. Ich war wirklich erstaunt.
So what happened was, when I was young and got out of engineering school at Cornell in '79, I went to work for Intel and was in the computer industry, and three months into that, I fell in love with something else. I said, "I made the wrong career choice here," and I fell in love with brains. This is not a real brain. This is a picture of one, a line drawing. And I don't remember exactly how it happened, but I have one recollection, which was pretty strong in my mind. In September of 1979, Scientific American came out with a single-topic issue about the brain. It was one of their best issues ever. They talked about the neuron, development, disease, vision and all the things you might want to know about brains.
Man könnte denken, dass wir wirklich viel über Gehirne wissen. Aber der letzte Artikel in diese Ausgabe war von Francis Crick von DNA fame geschrieben. Heute ist glaube ich der 50. Geburtstag der Entdeckung von DNA. Er schrieb in der Geschichte im Prinzip, naja, das ist alles schön und gut, aber wissen sie was? Wir wissen rein gar nichts über das Gehirn, niemand hat auch nur eine Idee wie diese Dinge funktionieren also glaubt nicht was irgendjemand euch erzählt. In diesem Zitat von dem Artikel sagt er: "Was offensichtlich fehlt," er war ein richtiger britischer Gentleman, also "Was offensichtlich fehlt, ist ein breites Gerüst von Ideen mit denen wir diese verschiedenen Ansätze interpretieren können." Ich fand das Wort Gerüst großartig. Er sagte nicht wir haben nicht mal eine Theorie. Er sagt, wir haben noch nicht einmal angefangen darüber nachzudenken -- wir haben nicht mal ein Gerüst. Wir sind in den Vor-Paradigma Tagen wenn man Thomas Kuhn benutzen will. Ich verliebte mich also in das und sagte Wir haben all dies wissen über das Gehirn. Wie schwer kann es sein? Das ist etwas woran wir in unserer Lebenszeit arbeiten können. Ich glaubte ich kann einen Unterschied bewirken. und so versuchte ich aus dem Computergeschäft heraus, in das Gehirngeschäft zu kommen.
It was really quite impressive. One might've had the impression we knew a lot about brains. But the last article in that issue was written by Francis Crick of DNA fame. Today is, I think, the 50th anniversary of the discovery of DNA. And he wrote a story basically saying, this is all well and good, but you know, we don't know diddly squat about brains, and no one has a clue how they work, so don't believe what anyone tells you. This is a quote from that article, he says: "What is conspicuously lacking" -- he's a very proper British gentleman -- "What is conspicuously lacking is a broad framework of ideas in which to interpret these different approaches." I thought the word "framework" was great. He didn't say we didn't have a theory. He says we don't even know how to begin to think about it. We don't even have a framework. We are in the pre-paradigm days, if you want to use Thomas Kuhn. So I fell in love with this. I said, look: We have all this knowledge about brains -- how hard can it be? It's something we can work on in my lifetime; I could make a difference. So I tried to get out of the computer business, into the brain business.
Zuerst ging ich zum MIT, das KI Labor war dort, und sagte, naja, ich will auch intelligente Maschinen bauen, aber ich will es so tun, dass ich zuerst erforsche wie das Gehirn funktioniert. Sie sagten, ach das brauchst du nicht zu tun. Wir programmieren einfach Computer, das ist alles was wir tun müssen. Ich sagte, Nein, ihr solltet wirklich das Gehirn erforschen. Sie sagten, ach weißt du was, du liegst falsch. Und ich sagte, nein, ihr liegt falsch und ich wurde nicht angenommen.
First, I went to MIT, the AI lab was there. I said, I want to build intelligent machines too, but I want to study how brains work first. And they said, "Oh, you don't need to do that. You're just going to program computers, that's all. I said, you really ought to study brains. They said, "No, you're wrong."
(Lachen)
I said, "No, you're wrong," and I didn't get in.
(Laughter)
Ich war etwas enttäuscht -- ziemlich jung und ging zurück einige Jahre später und diesmal in Kalifornien ging ich nach Berkeley. Ich sagte, ich gehe es von der biologischen Seite an. Ich wurde also angenommen -- im Doktorantenprogramm in Biophysik und ich fand es OK. Ich studiere jetzt das Gehirn und sagte, naja ich will Theorie studieren. Sie sagten, oh nein, du kannst keine Gehirntheorie erforschen. Das ist nichts was man macht. Dafür gibt es keine Förderung. Als Master-Student/Doktorant, kannst du das nicht tun. Ich sagte, oh mein Gott, ich war sehr deprimiert. Ich sagte, aber ich kann in dem Feld einen Unterschied bewirken, Also ging ich zurück in die Computerindustrie und sagte, naja dann muss ich wohl hier für eine Weile arbeiten, etwas machen. Das war als ich all diese Computer Produkte entwickelt habe.
I was a little disappointed -- pretty young -- but I went back again a few years later, this time in California, and I went to Berkeley. And I said, I'll go in from the biological side. So I got in the PhD program in biophysics. I was like, I'm studying brains now. Well, I want to study theory. They said, "You can't study theory about brains. You can't get funded for that. And as a graduate student, you can't do that." So I said, oh my gosh. I was depressed; I said, but I can make a difference in this field. I went back in the computer industry and said, I'll have to work here for a while. That's when I designed all those computer products.
(Lachen)
(Laughter)
Ich sagte mir, ich will das für vier Jahre machen, etwas Geld verdienen, eine Familie gründen, etwas reifen, und vielleicht entwickelt sich das Gebiet der Neurowissenschaft etwas. Naja es dauert etwas länger als vier Jahre. es waren ungefähr 16. Aber ich mache es jetzt und ich werde euch darüber berichten. Warum haben wir also keine gute Gehirntheorie? Naja es gibt viele Gründe warum Menschen Wissenschaft betreiben. Einer ist -- der natürlichste -- dass Menschen Dinge wissen wollen. Wir sind neugierig und wollen uns das Wissen aneignen, richtig? Warum studieren wir Ameisen? Naja, es ist interessant. Vielleicht lernen wir etwas wirklich nützliches darüber aber es ist interessant und faszinierend. Aber manchmal hat Wissenschaft einige andere Eigenschaften, die sie wirklich wirklich interessant machen.
I said, I want to do this for four years, make some money, I was having a family, and I would mature a bit, and maybe the business of neuroscience would mature a bit. Well, it took longer than four years. It's been about 16 years. But I'm doing it now, and I'm going to tell you about it. So why should we have a good brain theory? Well, there's lots of reasons people do science. The most basic one is, people like to know things. We're curious, and we go out and get knowledge. Why do we study ants? It's interesting. Maybe we'll learn something useful, but it's interesting and fascinating. But sometimes a science has other attributes which makes it really interesting.
Manchmal sagt uns die Wissenschaft etwas über uns selbst sie sagt uns wer wir sind. Selten, aber z.B. hat die Evolution dies getan und Kopernikus wir haben ein neues Verständnis davon erlangt wer wir sind. Immerhin sind wir unser Gehirn. Mein Gehirn spricht gerade mit eurem Gehirn. Unser Körper sitzt nur im gleichen Boot, aber das Gehirn redet mit eurem Gehirn. Und wenn wir verstehen wollen wer wir sind, wie wir fühlen und wahrnehmen müssen wir verstehen, was das Gehirn wirklich ist. Noch ein Grund ist, dass Wissenschaft manchmal zu wirklich großen sozialen Vorteilen oder Technologien, oder Wirtschaften oder sonst etwas führen kann. Das wird diese auch weil wenn wir verstehen wie das Gehirn funktioniert, werden wir in der Lage sein intelligente Maschinen zu bauen und ich glaube das ist tatsächlich etwas Gutes und ich glaube es wird enorme soziale Vorteile mit sich bringen genau wie jede fundamentale Technologie.
Sometimes a science will tell something about ourselves; it'll tell us who we are. Evolution did this and Copernicus did this, where we have a new understanding of who we are. And after all, we are our brains. My brain is talking to your brain. Our bodies are hanging along for the ride, but my brain is talking to your brain. And if we want to understand who we are and how we feel and perceive, we need to understand brains. Another thing is sometimes science leads to big societal benefits, technologies, or businesses or whatever. This is one, too, because when we understand how brains work, we'll be able to build intelligent machines. That's a good thing on the whole, with tremendous benefits to society, just like a fundamental technology.
Also, wieso haben wir keine sinnvolle Theorie vom Gehirn? Leute arbeiten seit 100 Jahren daran. Naja lasst uns zuerst einen Blick darauf werfen wie normale Wissenschaft aussieht. Das ist normale Wissenschaft. Normale Wissenschaft ist ein gutes Gleichgewicht aus Theorie und Experimenten. Der Theoretiker sagt, naja ich glaube so funktioniert das und der Experiment'ler sagt nein, du liegst falsch. Und so geht das hin und her. Es funktioniert in der Physik, in der Geologie. Wenn dies nun normale Wissenschaft ist wie sieht die Neurowissenschaft aus? So sieht die Neurowissenschaft aus. Wir haben diesen Berg an Daten bestehend aus Anatomie, Physiologie und Verhalten. Ihr könnt euch Vorstellen wie viel Details wir über das Gehirn wissen. Es waren 28.000 Leute bei der Neurowissenschafts Konferenz dieses Jahr, und jeder davon betreibt Forschung über das Gehirn. Eine Menge an Daten. Aber es gibt keine Theorie. Es ist dieser kleine kümmerliche Kasten da.
So why don't we have a good theory of brains? People have been working on it for 100 years. Let's first take a look at what normal science looks like. This is normal science. Normal science is a nice balance between theory and experimentalists. The theorist guy says, "I think this is what's going on," the experimentalist says, "You're wrong." It goes back and forth, this works in physics, this in geology. But if this is normal science, what does neuroscience look like? This is what neuroscience looks like. We have this mountain of data, which is anatomy, physiology and behavior. You can't imagine how much detail we know about brains. There were 28,000 people who went to the neuroscience conference this year, and every one of them is doing research in brains. A lot of data, but no theory.
Theorie hat bisher noch keine maßgebliche Rolle in der Neurowissenschaft gespielt.
There's a little wimpy box on top there.
Und das ist schade. Warum ist dies so? Wenn man einen Neurowissenschaftler fragt, warum ist das der Stand der Dinge? Sie geben es zunächst zu. Wenn man aber fragt, sagen sie naja es gibt verschiedene Gründe, warum wir keine sinnvolle Gehirntheorie haben. Manche Leute sagen wir haben nicht genug Daten, wir müssen mehr Informationen schaffen, es gibt all diese Sachen, die wir nicht wissen. Naja, ich habe euch gerade gesagt dass es so viele Daten gibt, dass sie uns aus den Ohren kommen. Wir haben so viel Informationen, wir wissen nicht wie wir anfangen sollen sie zu organisieren. Was bringen uns da mehr Daten? Vielleicht haben wir Glück und entdecken den magischen Baustein, aber ich glaube nicht daran. Es ist tatsächlich ein Symptom davon, dass wir keine Theorie haben. Wir brauchen nicht mehr Daten -- wir brauchen eine gute Theorie darüber.
And theory has not played a role in any sort of grand way in the neurosciences. And it's a real shame. Now, why has this come about? If you ask neuroscientists why is this the state of affairs, first, they'll admit it. But if you ask them, they say, there's various reasons we don't have a good brain theory. Some say we still don't have enough data, we need more information, there's all these things we don't know. Well, I just told you there's data coming out of your ears. We have so much information, we don't even know how to organize it. What good is more going to do? Maybe we'll be lucky and discover some magic thing, but I don't think so. This is a symptom of the fact that we just don't have a theory. We don't need more data, we need a good theory.
Etwas anderes dass Leute manchmal sagen, naja das Gehirn ist so komplex, das dauert nochmal 50 Jahre. Ich glaube sogar Chris hat so etwas gestern gesagt. Ich bin mir nicht sicher was du gesagt hast Chris, aber etwas in die Richtung, naja, es ist eines der komplexesten Dinge im Universum. Das stimmt nicht. Du bist komplexer als dein Gehirn. Du hast ein Gehirn. Und außerdem, obwohl das Gehirn sehr komplex aussieht, Dinge wirken komplex bis man sie versteht. Das war schon immer so. Und alles was wir sagen können, mein Neokortex, ist der Teil des Gehirns der mich interessiert, hat 30 Milliarden Zellen. Aber wissen Sie was? Es ist extremst regelmäßig. Tatsächlich sieht es so aus, als wäre es das gleiche Ding, das sich immer und immer wieder wiederholt. Es ist nicht so complex wie es aussieht. Das ist nicht das Problem.
Another one is sometimes people say, "Brains are so complex, it'll take another 50 years." I even think Chris said something like this yesterday, something like, it's one of the most complicated things in the universe. That's not true -- you're more complicated than your brain. You've got a brain. And although the brain looks very complicated, things look complicated until you understand them. That's always been the case. So we can say, my neocortex, the part of the brain I'm interested in, has 30 billion cells. But, you know what? It's very, very regular. In fact, it looks like it's the same thing repeated over and over again. It's not as complex as it looks. That's not the issue.
Manche sagen, Gehirne können Gehirne nicht verstehen. Sehr Zen-artig. Whoo. Wissen Sie -- (Lachen) Es hört sich gut an, aber wieso? Ich meine warum? Es ist nur eine Menge von Zellen. Man versteht unsre Leber. Sie hat auch eine Menge Zellen in sich, oder? Also glaube ich nicht, dass daran etwas Wahres ist. Schließlich sagen manche, naja ich fühle mich nicht wie ein Haufen von Zellen. Ich bin bei Bewusstsein. Ich habe diese Erfahrung, ich bin in der Welt. Ich kann nicht nur ein Ansammlung von Zellen sein. Naja Menschen glaubten es benötigt einer Lebenskraft um lebendig zu sein und wir wissen, dass dies nicht im Geringsten wahr ist. Es gibt keinen Beweis dafür, aber naja andere Leute haben einfach geglaubt, dass Zellen das tun, was sie tun. Und wenn Leute in die Grube des metaphysischen Dualismus gefallen sind und viele schlaue Leute sind dies, aber wir können das alles ignorieren.
Some people say, brains can't understand brains. Very Zen-like. Woo. (Laughter) You know, it sounds good, but why? I mean, what's the point? It's just a bunch of cells. You understand your liver. It's got a lot of cells in it too, right? So, you know, I don't think there's anything to that. And finally, some people say, "I don't feel like a bunch of cells -- I'm conscious. I've got this experience, I'm in the world. I can't be just a bunch of cells." Well, people used to believe there was a life force to be living, and we now know that's really not true at all. And there's really no evidence, other than that people just disbelieve that cells can do what they do. So some people have fallen into the pit of metaphysical dualism, some really smart people, too, but we can reject all that.
(Lachen)
(Laughter)
Ich sage euch, es gibt etwas anderes, es ist wirklich fundamental und es ist was es ist. Es gibt einen weiteren Grund, warum wir keine sinnvolle Gehirntheorie haben und der ist dass wir gefühlsmäßige, stark verwurzelte, aber falsche Vorstellungen haben, die uns davon abhalten die Antwort zu sehen. Es gibt etwas das wir glauben, es ist offensichtlich, aber falsch. Davon gibt es eine Historie in der Wissenschaft, aber zuvor sage ich Ihnen was es ist. Ich werde Ihnen ein wenig über die Geschichte davon in der Wissenschaft erzählen. Wenn man auf einige der wissenschaftlichen Revolutionen schaut in diesem Fall rede ich vom Solar System von Kopernikus, Darwins Evolution und tektonischen Platten von Wegener. All diese Dinge haben einiges Gemeinsam mit der Gehirnforschung.
No, there's something else, something really fundamental, and it is: another reason why we don't have a good brain theory is because we have an intuitive, strongly held but incorrect assumption that has prevented us from seeing the answer. There's something we believe that just, it's obvious, but it's wrong. Now, there's a history of this in science and before I tell you what it is, I'll tell you about the history of it in science. Look at other scientific revolutions -- the solar system, that's Copernicus, Darwin's evolution, and tectonic plates, that's Wegener. They all have a lot in common with brain science.
Zunächsteinmal hatten sie viele Daten ohne Erklärungen. Viel davon. Aber es wurde überschaubarer, als sie eine Theorie hatten. Die besten Geister waren verblüfft, wirklich wirklich intelligente Leute. Wir sind heute nicht schlauer als sie damals waren. Es stellt sich nur heraus, dass es wirklich schwer ist sich Dinge einfallen zu lassen aber sobald einem etwas eingefallen ist, sind sie sogar einfach zu verstehen. Meine Töchter verstanden diese drei Theorien in ihren Grundzügen als sie im Kindergarten waren. Jetzt ist es nicht mehr so schwer, das ist der Apfel, das die Orange die Erde geht im Kreis, die Art von Dingen.
First, they had a lot of unexplained data. A lot of it. But it got more manageable once they had a theory. The best minds were stumped -- really smart people. We're not smarter now than they were then; it just turns out it's really hard to think of things, but once you've thought of them, it's easy to understand. My daughters understood these three theories, in their basic framework, in kindergarten. It's not that hard -- here's the apple, here's the orange, the Earth goes around, that kind of stuff.
Letztlich, ist es auch noch so, dass die Antwort die ganze Zeit da war aber wir haben sie ignoriert wegen diesem offensichtlichen Ding und das ist der Punkt. Es war ein intuitiver, stark verwurzelter Glaube der falsch war. Im Fall des Solarsystems, der Glaube dass die Erde sich dreht und die Oberfläche der Erde sich mit ca. Tausend Meilen pro Stunde bewegt und die Erde sich mit ca. einer Million Meilen pro Stunde durch das Solarsystem bewegt. Das ist Verrückt. Wir alle wissen, dass die Erde sich nicht bewegt. Fühlt es sich für dich an, als ob die Erde sich mit Tausend Meilen pro Stunde bewegt? Natürlich nicht. Sie wissen jemand der sagt, naja, sie dreht sich im Weltall und ist so groß ist, würden sie dich einsperren und das ist was man damals gemacht hat.
Another thing is the answer was there all along, but we kind of ignored it because of this obvious thing. It was an intuitive, strongly held belief that was wrong. In the case of the solar system, the idea that the Earth is spinning, the surface is going a thousand miles an hour, and it's going through the solar system at a million miles an hour -- this is lunacy; we all know the Earth isn't moving. Do you feel like you're moving a thousand miles an hour? If you said Earth was spinning around in space and was huge -- they would lock you up, that's what they did back then.
(Lachen) Es war also intuitiv und offensichtlich. Was ist mit Evolution? Evolution war das Gleiche. Wir lehrten unsere Kinder, die Bibel sagt, Gott hat all diese Spezies kreiert, Katzen sind Katzen, Hunde sind Hunde, Menschen sind Menschen, Pflanzen sind Pflanzen und sie verändern sich nicht. Noah hat sie alle in der Reihenfolge auf die Arche geleitet, blah blah blah. Und, Fakt ist, wenn man an Evolution glaubt, haben wir alle einen gemeinsamen Vorfahren und wir haben alle einen gemeinsamen Vorfahren mit der Pflanze in der Lobby. Das ist es was Evolution uns sagt. Und es ist wahr. Es ist fast Unvorstellbar. Das Gleiche gilt für Tektonische Platten, wissen Sie? All die Hügel und Kontinente treiben quasi auf der Erde. Es macht irgendwie keinen Sinn.
So it was intuitive and obvious. Now, what about evolution? Evolution, same thing. We taught our kids the Bible says God created all these species, cats are cats; dogs are dogs; people are people; plants are plants; they don't change. Noah put them on the ark in that order, blah, blah. The fact is, if you believe in evolution, we all have a common ancestor. We all have a common ancestor with the plant in the lobby! This is what evolution tells us. And it's true. It's kind of unbelievable. And the same thing about tectonic plates. All the mountains and the continents are kind of floating around on top of the Earth. It doesn't make any sense.
Was ist also die intuitive aber falsche Annahme die uns davon abhält das Gehirn zu verstehen? Ich werde es euch sagen und es wird offensichtlich sein, dass es stimmt und das ist der Punkt, richtig? Dann werde ich argumentieren müssen, warum Sie falsch liegen über die andere Annahme. Die intuitive und offensichtliche Sache ist, dass Intelligenz irgendwie durch Verhalten definiert ist und das wir intelligent sind wegen der Art, in der wir etwas tun und die Art wie wir uns intelligent Verhalten und ich werde Ihnen sagen, dass Sie falsch liegen. Es ist so, dass Intelligenz durch Vorhersage definiert ist.
So what is the intuitive, but incorrect assumption, that's kept us from understanding brains? I'll tell you. It'll seem obvious that it's correct. That's the point. Then I'll make an argument why you're incorrect on the other assumption. The intuitive but obvious thing is: somehow, intelligence is defined by behavior; we're intelligent because of how we do things and how we behave intelligently. And I'm going to tell you that's wrong.
Ich werde Sie durch dies in ein paar Folien leiten, werde ein Beispiel bringen, was dies bedeutet. Hier ist ein System, Ingenieure mögen es, sich Systeme so anzuschauen. Wissenschaftler schauen sich Systeme so an. Sie sagen, naja wir haben dieses Ding in einer Box und wir haben Inputs und Outputs. die KI Leute sagen, naja, das Ding in der Box ist ein programmierbarer Computer weil das das Äquivalent zu einem Gehirn ist und wir füttern es mit Inputs wir bringen es dazu etwas zu tun, haben ein gewisses Verhalten. Alan Turing hat den Turing-Test definiert, der im Prinzip sagt, wenn sich etwas Intelligent ist, verhält es sich Intelligent für Menschen. Ein Verhaltensmaßstab davon was Intelligenz ist und dieser ist in unserem Verstand seit einiger Zeit verankert.
Intelligence is defined by prediction. I'm going to work you through this in a few slides, and give you an example of what this means. Here's a system. Engineers and scientists like to look at systems like this. They say, we have a thing in a box. We have its inputs and outputs. The AI people said, the thing in the box is a programmable computer, because it's equivalent to a brain. We'll feed it some inputs and get it to do something, have some behavior. Alan Turing defined the Turing test, which essentially says, we'll know if something's intelligent if it behaves identical to a human -- a behavioral metric of what intelligence is that has stuck in our minds for a long time.
In Realität jedoch nenne ich es wirklich Intelligenz. Wirklich Intelligenz ist auf etwas anderem Aufgebaut. Wir nehmen die Welt über eine Abfolge von Mustern wahr, speichern diese und rufen sie ab. Wenn wir sie abrufen, gleichen wir diese gegen die Realität ab und wir machen kontinuierlich Voraussagen. Es ist eine ewige Metrik. Es gibt eine ewige Metrik in der wir uns quasi sagen, verstehen wir diese Welt? Mach ich Voraussagen? Und so weiter. Sie sind alle Intelligent in diesem Moment, aber Sie machen nichts. Sie kratzen sich vielleicht, oder bohren in der Nase, Ich weiß nicht, aber Sie machen gerade nichts, aber Sie sind Intelligent, Sie verstehen was ich sage. Weil Sie Intelligent sind und Sie englisch sprechen wissen Sie was das Wort am Ende diese Satzes -- (Stille) ist.
Reality, though -- I call it real intelligence. Real intelligence is built on something else. We experience the world through a sequence of patterns, and we store them, and we recall them. When we recall them, we match them up against reality, and we're making predictions all the time. It's an internal metric; there's an internal metric about us, saying, do we understand the world, am I making predictions, and so on. You're all being intelligent now, but you're not doing anything. Maybe you're scratching yourself, but you're not doing anything. But you're being intelligent; you're understanding what I'm saying. Because you're intelligent and you speak English, you know the word at the end of this sentence.
Das Wort kam in Sie, und sie machen diese Voraussagen die ganze Zeit. Was ich sage ist, dass die ewige Voraussage der Output des Neocortexes ist. Und das irgendwie, Voraussage zu Intelligentem Verhalten führt. Dies geschieht folgendermaßen. Lassen Sie uns mit dem nicht-intelligenten Gehirn anfangen. Ich argumentiere ein nicht-intelligentes Gehirn, wir haben dieses alte Gehirn bekommen und wir sagen es ist wie ein Nicht-Säugetier, wie ein Reptil, ich sage also, ein Alligator, wir haben einen Alligator. Und dieser Alligator hat einige sehr gefestigte Sinne. Er hat gute Augen und Ohren und Tastsinne usw. einen Mund und eine Nase. Er hat sehr komplexes Verhalten. Er kann rennen und sich verstecken. Er hat Ängste und Emotionen. Er kann Sie essen. Er kann angreifen. Er kann alles Mögliche machen. Aber wir betrachten den Alligator nicht als sehr intelligent, nicht in einer menschlichen Art.
The word came to you; you make these predictions all the time. What I'm saying is, the internal prediction is the output in the neocortex, and somehow, prediction leads to intelligent behavior. Here's how that happens: Let's start with a non-intelligent brain. I'll argue a non-intelligent brain, we'll call it an old brain. And we'll say it's a non-mammal, like a reptile, say, an alligator; we have an alligator. And the alligator has some very sophisticated senses. It's got good eyes and ears and touch senses and so on, a mouth and a nose. It has very complex behavior. It can run and hide. It has fears and emotions. It can eat you. It can attack. It can do all kinds of stuff. But we don't consider the alligator very intelligent, not in a human sort of way.
Aber er hat bereits all dieses komplexe Verhalten Was ist in der Evolution nun passiert? Das Erste was in der Evolution von Säugetieren passiert ist dass wir dieses Ding mit dem Namen Neocortex entwickelt haben. Ich werde den Neocortex hier durch diese Box repräsentieren die auf dem alten Gehirn sitzt. Neocortex bedeutet eine neue Schicht. Es ist eine neue Schicht oben auf dem Gehirn. Wenn Sie es nicht kennen, dass ist das faltige Ding oben in Ihrem Kopf, das faltig ist, weil es hineingestopft ist und nicht passt.
But it has all this complex behavior already. Now in evolution, what happened? First thing that happened in evolution with mammals is we started to develop a thing called the neocortex. I'm going to represent the neocortex by this box on top of the old brain. Neocortex means "new layer." It's a new layer on top of your brain. It's the wrinkly thing on the top of your head that got wrinkly because it got shoved in there and doesn't fit.
(Lachen)
(Laughter)
Nein im Ernst, das ist was es ist. Es ist ungefähr die Größe einer Serviette. Und es passt nicht, also wird es faltig. Schauen Sie sich an wie ich das gezeichnet hab. Das alte Gehirn ist immer noch da. Sie haben immernoch dieses Alligator-Gehirn. Sie haben es. Es ist ihr emotionales Gehirn. Es ist all dass und all die Reaktionen aus dem Bauch heraus die sie haben. Darüber haben wir dieses Speichersystem mit dem Namen Neocortex. Und dieses Speichersystem sitzt über dem sensorischen Teil des Gehirns. Und wenn der sensorische Input hereinkommt und das alte Gehirn füttert, geht es auch in den Neocortex. Und der Neocortex speichert nur. Er sitzt herum und sagt, "Hey, ich werde all die Dinge die passieren speichern, wo ich war, Leute die ich gesehen hab, Dinge die ich gehört habe usw. Und in der Zukunft wenn es etwas Ähnliches sieht, in einer ähnlichen Umgebung oder der exakt gleichen Umgebung, spielt es das wieder ab. Es wird anfangen es abzuspielen. "Oh, hier war ich schon mal. Und als ich hier war ist das als nächstes passiert." Es erlaubt Ihnen die Zukunft vorauszusagen. Es erlaubt ihnen, im wörtlichen Sinne, es leitet die Signale zurück an das Gehirn es sagt Ihnen was als nächstes passieren wird, es wird Sie das Wort "ist" hören lassen, bevor ich es gesagt habe. Und es ist dieses zurückleiten ins alte Gehirn das einem erlaubt intelligentere Entscheidungen zu treffen.
Literally, it's about the size of a table napkin and doesn't fit, so it's wrinkly. Now, look at how I've drawn this. The old brain is still there. You still have that alligator brain. You do. It's your emotional brain. It's all those gut reactions you have. On top of it, we have this memory system called the neocortex. And the memory system is sitting over the sensory part of the brain. So as the sensory input comes in and feeds from the old brain, it also goes up into the neocortex. And the neocortex is just memorizing. It's sitting there saying, I'm going to memorize all the things going on: where I've been, people I've seen, things I've heard, and so on. And in the future, when it sees something similar to that again, in a similar environment, or the exact same environment, it'll start playing it back: "Oh, I've been here before," and when you were here before, this happened next. It allows you to predict the future. It literally feeds back the signals into your brain; they'll let you see what's going to happen next, will let you hear the word "sentence" before I said it. And it's this feeding back into the old brain that will allow you to make more intelligent decisions.
Das ist die wichtigste Folie meiner Rede, also werde ich etwas verweilen. Also sagt man die ganze Zeit "Oh, ich kann Dinge voraussagen." Wenn man eine Ratte ist, geht man durch ein Labyrinth und lernt dieses und beim nächsten Mal in der man durch das Labyrinth geht, hat man das gleiche Verhalten aber ist plötzlich schlauer weil man sagt "Hey, ich erkenne dieses Labyrinth, ich kenne den Weg, ich war hier schon mal, ich kann die mir die Zukunft vorstellen." In Menschen, und das trifft nebenbei für alle Säugetiere zu, es ist wahr für andere Säugetiere und in Menschen, wurde es schlimmer. In Menschen haben wir den frontalen Teil des Neocortexes entwickelt mit dem Namen anteriorer Teil des Neocortex. Die Natur hat diesen kleinen Trick angewandt. Es hat den posterioren Teil, den hinteren Teil, der sensorisch ist, kopiert und nach vorne getan. Und Menschen haben diesen gleichen Mechanismus als einzige vorne, und wir nutzen ihn für Motorik.
This is the most important slide of my talk, so I'll dwell on it a little. And all the time you say, "Oh, I can predict things," so if you're a rat and you go through a maze, and you learn the maze, next time you're in one, you have the same behavior. But suddenly, you're smarter; you say, "I recognize this maze, I know which way to go; I've been here before; I can envision the future." That's what it's doing. This is true for all mammals -- in humans, it got a lot worse. Humans actually developed the front of the neocortex, called the anterior part of the neocortex. And nature did a little trick. It copied the posterior, the back part, which is sensory, and put it in the front. Humans uniquely have the same mechanism on the front, but we use it for motor control.
Jetzt sind wir also in der Lage sehr anspruchsvolle motorische Planung, Dinge wie das, zu tun. Ich habe keine Zeit ins Detail zu gehen, aber wenn man verstehen will, wie das Gehirn funktioniert muss man verstehen, wie der erste Teil des Säugetier-Neocortex funktioniert und wie wir Muster speichern und Voraussagen machen. Lasst mich ein paar Beispiele von Voraussagen geben. Ich hab das Satzbeispiel bereits gemacht. In der Musik haben Sie das Lied bereits gehört, wenn sie Jill das Lied schon einmal singen hören haben, kommt Ihnen die nächste Note bereits ins Gehirn wenn sie singt -- sie antizipieren während des Prozesses. Wenn es ein Album von Musik ist kommt ihnen das nächste Lied bereits in den Kopf beim Ende des vorherigen. All diese Dinge passieren die ganze Zeit. Sie machen diese Voraussagen.
So we're now able to do very sophisticated motor planning, things like that. I don't have time to explain, but to understand how a brain works, you have to understand how the first part of the mammalian neocortex works, how it is we store patterns and make predictions. Let me give you a few examples of predictions. I already said the word "sentence." In music, if you've heard a song before, when you hear it, the next note pops into your head already -- you anticipate it. With an album, at the end of a song, the next song pops into your head. It happens all the time, you make predictions.
Ich habe dieses Ding mit dem Namen "Veränderte Tür Gedanken Experiment." Und das "Veränderte Tür Gedanken Experiment" sagt, dass sie zuhause eine Tür haben und während Sie hier sind, verändere ich sie. Ich habe diesen Typen in Ihren Häusern in diesem Moment, der Türen austauscht und er wird Ihre Türgriffe nehmen und sie zwei Zoll versetzen. Und wenn Sie nach Hause gehen und ihre Hand ausstecken und nach dem Türgriff greifen werden Sie bemerken dass er am falschen Platz ist, und sagen "Woho, etwas ist passiert." Sie werden vielleicht eine Sekunde brauchen um herauszufinden was, aber etwas ist passiert. Ich könnte den Türgriff auf andere Arten verändern. Ich könnte ihn kleiner oder größer machen, ich könnte Messing durch Silber ersetzen, ich könnte einen Hebel daraus machen. Ich kann Ihre Türen verändern, Farben verändern, ich kann Fenster hinein setzen. Ich kann Tausend Dinge mit Ihrer Tür machen und in den zwei Sekunden, die Sie benötigen die Tür zu öffnen, werden Sie bemerken dass etwas sich verändert hat.
I have this thing called the "altered door" thought experiment. It says, you have a door at home; when you're here, I'm changing it -- I've got a guy back at your house right now, moving the door around, moving your doorknob over two inches. When you go home tonight, you'll put your hand out, reach for the doorknob, notice it's in the wrong spot and go, "Whoa, something happened." It may take a second, but something happened. I can change your doorknob in other ways -- make it larger, smaller, change its brass to silver, make it a lever, I can change the door; put colors on, put windows in. I can change a thousand things about your door and in the two seconds you take to open it, you'll notice something has changed.
Der Ingenieursansatz ist, KI geht dies an durch eine Baue-eine-Tür-Datenbank. Sie hat all die Tür-Attribute. Und wenn man zur Tür geht, werden diese Punkt für Punkt überprüft. Tür, Tür, Tür, Farbe, Sie wissen was ich meine. Das machen wir nicht. Das Gehirn tut dies nicht. Was Ihr Gehirn macht, ist dass es konstant Voraussagen darüber macht, was als nächstes in Ihrer Umgebung passieren wird. Wenn ich meine Hand auf den Tisch lege, erwarte ich zu Fühlen, dass sie anhält. Wenn ich laufe, jede Stufe, wenn ich sie nur ein achtel eines Zoll verpasse weiß ich dass sich etwas verändert hat. Wir machen konstant Voraussagen über unsere Umgebung. Ich werde kurz auf Sehkraft eingehen. Das ist das Bild einer Frau. Und wenn wir Leute anschauen, bewegen sich Ihre Augen zwei bis drei Mal pro Sekunde. Sie sind sich dessen nicht bewusst, aber Ihre Augen bewegen sich konstant. Und wenn Sie jemandem ins Gesicht schauen, gehen Sie normalerweise von Auge zu Auge zu Auge zur Nase zum Mund. Wenn Ihr Auge von Auge zu Auge geht und da ist plötzlich etwas anderes wie z.B. eine Nase, sehen Sie eine Nase wo ein Auge sein sollte und sagen "Ach du scheiße..." (Lachen) Da stimmt etwas nicht mit dieser Person. Das liegt daran, dass wir konstant Voraussagen machen. Es ist nicht so, dass sie da hin schauen und sagen "Was sehe ich jetzt? Eine Nase, das ist OK." Nein, sie haben Erwartungen davon was sie sehen werden.
Now, the engineering approach, the AI approach to this, is to build a door database with all the door attributes. And as you go up to the door, we check them off one at time: door, door, color ... We don't do that. Your brain doesn't do that. Your brain is making constant predictions all the time about what will happen in your environment. As I put my hand on this table, I expect to feel it stop. When I walk, every step, if I missed it by an eighth of an inch, I'll know something has changed. You're constantly making predictions about your environment. I'll talk about vision, briefly. This is a picture of a woman. When we look at people, our eyes saccade over two to three times a second. We're not aware of it, but our eyes are always moving. When we look at a face, we typically go from eye to eye to nose to mouth. When your eye moves from eye to eye, if there was something else there like a nose, you'd see a nose where an eye is supposed to be and go, "Oh, shit!" (Laughter) "There's something wrong about this person." That's because you're making a prediction. It's not like you just look over and say, "What am I seeing? A nose? OK." No, you have an expectation of what you're going to see.
(Lachen)
In jedem Moment. Schließlich, lassen Sie uns darüber nachdenken wie wir Intelligenz testen. Wir testen sie durch Voraussagen. Was ist das nächste Wort hier, verstehen sie? Das ist zu dem wie das zu dem. Was ist die nächste Nummer in diesem Satz? Ich habe drei Visionen eines Objekts. Was ist die vierte? Das ist wie wir es testen. Es geht nur um Voraussagen. Was ist also das Rezept für eine Gehirntheorie?
Every single moment. And finally, let's think about how we test intelligence. We test it by prediction: What is the next word in this ...? This is to this as this is to this. What is the next number in this sentence? Here's three visions of an object. What's the fourth one? That's how we test it. It's all about prediction.
Zunächst einmal brauchen wir das richtige Gerüst. Das Gerüst ist ein Gedächtnisgerüst nicht ein Berechnungs- oder Verhaltensgerüst. Es ist ein Gedächtnisgerüst. Wie speichert und ruft man all diese Sequenzen oder Muster ab? Es sind räumlich-zeitliche Muster. Wenn man in diesem Gerüst ist, nimmt man einige Theoretiker.
So what is the recipe for brain theory? First of all, we have to have the right framework. And the framework is a memory framework, not a computational or behavior framework, it's a memory framework. How do you store and recall these sequences of patterns? It's spatiotemporal patterns.
Biologen sind generell keine guten Theoretiker. Das stimmt nicht immer, aber ist gewöhnlich, Biologie hat keine gute Historie von Theorien. Die Leute mit denen man am besten arbeiten kann sind Physiker, Ingenieure und Mathematiker, die dazu tendieren algorithmisch zu denken. Sie müssen dann die Anatomie lernen und müssen die Physiologie lernen. Man muss diese Theorien sehr realistisch aus anatomischer Sicht machen. Jeder der daherkommt und Ihnen von der Theorie erzählt wie das Gehirn funktioniert und nicht genau sagt, wie es im Gehirn funktioniert und wie die Verdrahtung im Gehirn ist, hat keine Theorie. Das ist es, was wir am Redwood Neuroscience Institut machen. Ich wünschte ich hätte mehr Zeit Ihnen von den fantastischen Fortschritten zu erzählen die wir hier machen und ich erwarte wieder zurück auf dieser Bühne zu sein vielleicht wird dies in der nicht zu entfernten Zukunft sein und Ihnen davon erzählen. Ich bin wirklich wirklich gespannt. Es wird sicher keine 50 Jahre dauern.
Then, if in that framework, you take a bunch of theoreticians -- biologists generally are not good theoreticians. Not always, but generally, there's not a good history of theory in biology. I've found the best people to work with are physicists, engineers and mathematicians, who tend to think algorithmically. Then they have to learn the anatomy and the physiology. You have to make these theories very realistic in anatomical terms. Anyone who tells you their theory about how the brain works and doesn't tell you exactly how it's working and how the wiring works -- it's not a theory. And that's what we do at the Redwood Neuroscience Institute. I'd love to tell you we're making fantastic progress in this thing, and I expect to be back on this stage sometime in the not too distant future, to tell you about it. I'm really excited; this is not going to take 50 years.
Also, wie wird also eine Gehirntheorie aussehen? Zunächst einmal wird es eine Theorie über das Gedächtnis sein. Nicht wie ein Computerspeicher. Nicht im Geringsten wie ein Computerspeicher. Es ist extrem verschieden. Es ist ein Speicher aus all diesen viel-dimensionalen Mustern, wie die Dinge die von Ihren Augen kommen. Es ist ein Gedächtnis von Mustern. Man kann nichts außerhalb von Abfolgen lernen oder wiedergeben. Ein Lied muss in Sequenz gehört werden über eine Zeit und man muss es wiederholt in Sequenz über einen Zeitraum abspielen. Und all diese Sequenzen sind auto-assoziativ abgerufen, wenn ich also etwas sehe oder ich etwas höre, erinnert es mich daran und wird automatisch wiedergegeben. Es ist eine automatische Wiedergabe. Eine voraussage von zukünftigen Inputs ist der erwünschte Output. Und wie ich sagte, die Theorie muss biologisch akkurat sein sie muss testbar sein und man muss in der Lage sein sie zu bauen. Wenn man sie nicht bauen kann, versteht man sie nicht. Eine Folie noch.
What will brain theory look like? First of all, it's going to be about memory. Not like computer memory -- not at all like computer memory. It's very different. It's a memory of very high-dimensional patterns, like the things that come from your eyes. It's also memory of sequences: you cannot learn or recall anything outside of a sequence. A song must be heard in sequence over time, and you must play it back in sequence over time. And these sequences are auto-associatively recalled, so if I see something, I hear something, it reminds me of it, and it plays back automatically. It's an automatic playback. And prediction of future inputs is the desired output. And as I said, the theory must be biologically accurate, it must be testable and you must be able to build it. If you don't build it, you don't understand it.
Was wird das Resultat dessen sein? Werden wir wirklich intelligente Maschinen bauen? Absolut. Und es wird anders sein als sich die Leute das vorstellen. Es gibt in meinem Verständnis keinen Zweifel, dass dies passieren wird. Zuerst werden wir sie bauen und wir werden sie aus Silikon bauen. Die gleichen Techniken die wir nutzen um Silikon Computerspeicher zu bauen können wir hier nutzen. Aber es wird eine extrem andere Art von Speicher sein. Und wir werden diese Speicher an Sensoren anbauen und diese Sensoren werden reale, wirkliche Welt Daten erleben und diese Dinge werden über ihre Umgebung lernen.
One more slide. What is this going to result in? Are we going to really build intelligent machines? Absolutely. And it's going to be different than people think. No doubt that it's going to happen, in my mind. First of all, we're going to build this stuff out of silicon. The same techniques we use to build silicon computer memories, we can use here. But they're very different types of memories. And we'll attach these memories to sensors, and the sensors will experience real-live, real-world data, and learn about their environment.
Es ist sehr unwahrscheinlich, dass das erste was wir sehen werden Roboter sin. Nicht, dass Roboter nicht nützlich sind und Menschen können Roboter bauen. Aber Robotik ist der schwierigste Teil. Das ist das alte Gehirn. Das ist wirklich schwer. Das neue Gehirn ist tatsächlich einfacher als das alte Gehirn. Die ersten Dinge die passieren werden sind, die, die nicht viel Robotik benötigen. Sie werden also keinen C-3PO sehen. Sie werden eher Dinge wie intelligente Autos sehen die wirklich verstehen was Verkehr ist und was Fahren ist und werden gelernt haben, dass manche Autos mit Blinkern, die über eine halbe Minute an sind, wahrscheinlich nicht abbiegen werden, Dinge wie das.
Now, it's very unlikely the first things you'll see are like robots. Not that robots aren't useful; people can build robots. But the robotics part is the hardest part. That's old brain. That's really hard. The new brain is easier than the old brain. So first we'll do things that don't require a lot of robotics. So you're not going to see C-3PO. You're going to see things more like intelligent cars that really understand what traffic is, what driving is and have learned that cars with the blinkers on for half a minute probably aren't going to turn.
(Lachen)
(Laughter)
Wir können auch intelligente Sicherheitssysteme machen. Überall wo wir im Prinzip das Gehirn nutzen, aber nicht viel Mechanik. Das sind die Dinge, die zuerst kommen werden. Aber ultimativ gibt es keine Grenzen. Ich weiß nicht, wie sich das entwickeln wird. Ich kenne viele der Leute, die Mikroprozessoren erfunden haben und wenn man mit ihnen gesprochen hat, wussten sie, dass sie etwas wirklich Bedeutsames tun aber sie wussten nicht wirklich was passieren wird. Sie konnten nicht das Handy, das Internet usw. antizipieren. Sie wussten nur, dass sie Taschenrechner und Ampel-Kontroller bauen werden. Aber dieses Ding wird groß. Ebenso wird Gehirnwissenschaft und diese Speicher eine sehr fundamentale Technologie sein und wird zu unglaublichen Veränderungen in den nächsten 100 Jahren führen. Und ich bin am meisten gespannt wie wir diese in der Wissenschaft nutzen werden. Ich glaube das war all meine Zeit, ich bin Fertig und werde meine Rede hier beenden.
We can also do intelligent security systems. Anytime we're basically using our brain but not doing a lot of mechanics -- those are the things that will happen first. But ultimately, the world's the limit. I don't know how this will turn out. I know a lot of people who invented the microprocessor. And if you talk to them, they knew what they were doing was really significant, but they didn't really know what was going to happen. They couldn't anticipate cell phones and the Internet and all this kind of stuff. They just knew like, "We're going to build calculators and traffic-light controllers. But it's going to be big!" In the same way, brain science and these memories are going to be a very fundamental technology, and it will lead to unbelievable changes in the next 100 years. And I'm most excited about how we're going to use them in science. So I think that's all my time -- I'm over, and I'm going to end my talk right there.