Ασχολούμαι με δύο πράγματα. Σχεδιάζω φορητούς υπολογιστές και μελετάω εγκεφάλους. Η σημερινή ομιλία είναι για τους εγκεφάλους. Ω ένας θαυμαστής εγκεφάλων στο κοινό! (Γέλια) Πρόκειται -αν μπορώ να έχω την πρώτη εικόνα- βλέπετε τον τίτλο της ομιλίας μου και τις δύο προσχωρήσεις μου. Πρόκειται να αναλύσω γιατί δεν έχουμε μια καλή θεωρία για τον εγκέφαλο, γιατί είναι σημαντικό ν'αποκτήσουμε μία και τι μπορούμε να κάνουμε γι' αυτό. Θα προσπαθήσω να τα κάνω όλα αυτά σε 20 λεπτά. Έχω δύο προσχωρήσεις. Οι περισσότεροι με γνωρίζετε από την εποχή του Παλμ και του Χάντσπρινγκ, αλλά διευθύνω επίσης και ένα μη κερδοσκοπικό ινστιτούτο επιστημονικών ερευνών που ονομάζεται Ινστιτούτο Νευροεπιστήμης του Ρέντγουντ στο Πάρκο Μένλο, όπου μελετάμε θεωρητική νευροεπιστήμη, καθώς και πώς λειτουργεί ο νεοφλοιός. Θα σας μιλήσω γι' αυτό.
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,
Έχω μια εικόνα από την άλλη, την ηλεκτρονική ζωή μου, που είναι αυτή εδώ. Αυτά είναι μερικά από τα προϊόντα πάνω στα οποία έχω εργαστεί τα τελευταία 20 χρόνια, ξεκινώντας από το πρώτο λάπτοπ, μέχρι τους πρώτους υπολογιστές τάμπλετ μέχρι το πιο πρόσφατο: τον Τρίο, και συνεχίζουμε να το κάνουμε αυτό. Ασχολήθηκα με αυτό επειδή πιστεύω ότι η τεχνολογία φορητών υπολογιστών, είναι το μέλλον των προσωπικών υπολογιστών και προσπαθώ να κάνω τον κόσμο λίγο καλύτερο, μέσα από αυτό. Αν και πρέπει να παραδεχτώ πως όλα αυτά συνέβησαν τυχαία. Δεν ήθελα στην πραγματικότητα να σχεδιάσω κανένα από αυτά τα προϊόντα. και πολύ νωρίς στην καριέρα μου αποφάσισα ότι δεν θα ήμουν μέρος της βιομηχανίας υπολογιστών.
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.
Πριν σας μιλήσω γι' αυτό, πρέπει να σας πω, γι' αυτή τη μικρή εικόνα γκράφιτι που βρήκα στο ίντερνετ τις προάλλες. Έψαχνα για μια εικόνα γκράφιτι, γλώσσα εισαγωγής κειμένου, και βρήκα αυτή τη σελίδα, αφιερωμένη σε δασκάλους που θέλουν να κάνουν τέτοια, πραγματάκια κατά μήκος του επάνω μέρους του πίνακα, και είχαν προσθέσει γκράφιτι ...λυπάμαι γι' αυτό.
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.
(Γέλια)
(Laughter)
Όταν ήμουν νέος και αποφοίτησα από τη σχολή μηχανικών του Κορνέλ το '79, αποφάσισα να εργαστώ για την Ίντελ. Ήμουν στη βιομηχανία Η/Υ, τρεις μήνες, όταν ερωτεύτηκα κάτι άλλο και είπα μέσα μου "Διάλεξες λάθος καριέρα" ...ερωτεύτηκα τον εγκέφαλο. Αυτό δεν είναι αληθινός εγκέφαλος. Είναι μια εικόνα, ένα σκίτσο. Δε θυμάμαι ακριβώς πώς έγινε, αν και έχω μια ανάμνηση, που είναι αρκετά ισχυρή μέσα στο μυαλό μου. Το Σεπτέμβριο του 1979, το περιοδικό Σαϊεντίφικ Αμέρικαν κυκλοφόρησε με αφιέρωμα στον εγκέφαλο. Και ήταν αρκετά καλό. Ήταν ένα από τα καλύτερα τεύχη. Και έγραφε για τους νευρώνες και την ανάπτυξη, τις ασθένειες και την όραση και όλα όσα θα θέλατε να ξέρετε για τον εγκέφαλο. Ήταν πραγματικά εντυπωσιακό.
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.
Έτσι κάποιος μπορεί να έχει την εντύπωση ότι γνωρίζουμε πολλά για τον εγκέφαλο. Αλλά το τελευταίο άρθρο σε εκείνο το τεύχος, ήταν του Φράνσις Κρικ, γνωστού λόγω του DNA. Σήμερα νομίζω είναι η 50η επέτειος της ανακάλυψης του DNA. Και έγραψε βασικά μια ιστορία, λέγοντας: Καλά όλα αυτά, αλλά δεν γνωρίζουμε απολύτως τίποτα για τον εγκέφαλο και κανείς δεν έχει ιδέα πώς λειτουργεί, γι' αυτό μην πιστεύετε ό,τι σας λέει ο καθένας. Αυτή είναι μια παράθεση από το άρθρο. Είπε: "Αυτό που καταφανώς μας λείπει-" ήταν ένας πολύ καθωσπρέπει Βρετανός, λοιπόν, "Αυτό που καταφανώς μας λείπει-" "είναι ένα ευρύ πλαίσιο εργασίας ιδεών, στο οποίο να εξηγούμε όλες αυτές τις διαφορετικές προσεγγίσεις". Σκέφτηκα ότι η φράση "πλαίσιο εργασίας" ήταν σπουδαία. Δεν είπε ότι δεν έχουμε καν θεωρία, αλλά ότι δεν ξέρουμε καν από που ν' αρχίσουμε να σκεφτόμαστε για τον εγκέφαλο, δεν έχουμε καν πλαίσιο εργασίας. Βρισκόμαστε στις "προ-κατάθεσης επιστημονικού παραδείγματος" ημέρες κατά τον Tόμας Κουν. Έτσι ερωτεύτηκα, και σκέφτηκα ότι έχουμε όλη αυτή τη γνώση για τον εγκέφαλο. Πόσο δύσκολο μπορεί να είναι; Ήταν κάτι, με το οποίο μπορούσα να ασχοληθώ όλη μου τη ζωή. Ένιωσα ότι μπορούσα να κάνω τη διαφορά. Δοκίμασα ν' αφήσω τους υπολογιστές και να ασχοληθώ με τον εγκέφαλο.
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.
Πρώτα πήγα στο MIT, στο εργαστήριο τεχνητής νοημοσύνης, και τους είπα πως θέλω να κατασκευάσω κι εγώ έξυπνες μηχανές, αλλά να το κάνω με τρόπο, ώστε να καταλάβω πρώτα πώς λειτουργεί ο εγκέφαλος. Και εκείνοι μου είπαν "Μα δε χρειάζεται να το κάνεις αυτό". "Θα προγραμματίζουμε υπολογιστές, αυτό χρειάζεται μόνο να κάνουμε". Και εγώ είπα "όχι, θα έπρεπε να μελετάτε τον εγκέφαλο". Εκείνοι απάντησαν ότι κάνω λάθος. Και εγώ είπα "όχι εσείς κάνετε λάθος" και δεν μπήκα στο πρόγραμμα.
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."
(Γέλια)
I said, "No, you're wrong," and I didn't get in.
(Laughter)
Αλλά απογοητεύτηκα, ήμουν πολύ νέος, αν και ξαναγύρισα λίγα χρόνια αργότερα, αυτή τη φορά στην Καλιφόρνια και πήγα στο Μπέρκλεϊ. Και είπα να το πιάσω από τη βιολογική πλευρά. Έτσι μπήκα στο διδακτορικό πρόγραμμα της Βιοφυσικής και ήμουν καλά. Μελετούσα τον εγκέφαλο τώρα και σκέφτηκα πως ήθελα να μελετήσω τη θεωρία του. Και εκείνοι είπαν "όχι, δε μπορείς να μελετήσεις θεωρία που να αφορά τον εγκέφαλο". "Δεν είναι κάτι που μπορείς να κάνεις. Δε μπορείς να πάρεις επιδότηση γι' αυτό". "Σαν μεταπτυχιακός φοιτητής, δε μπορείς να ασχοληθείς μ' αυτό". Έτσι σκέφτηκα "Ω, Θεέ μου!" Ήμουν πολύ απογοητευμένος. Σκέφτηκα οτι μπορούσα να κάνω τη διαφορά σε αυτόν τον τομέα. Έτσι, αυτό που έκανα ήταν να γυρίσω πίσω στην βιομηχανία υπολογιστών και είπα ότι έπρεπε να εργαστώ εκεί για λίγο καιρό, να κάνω κάτι. Τότε ήταν που σχεδίασα όλα αυτά τα προϊόντα υπολογιστών.
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.
(Γέλια)
(Laughter)
Είπα πως αυτή θα ήταν η ασχολία μου για τέσσερα χρόνια, ώστε να βγάλω κάποια χρήματα, αφού ετοίμαζα οικογένεια και ήθελα να ωριμάσω λίγο, και ίσως να ωρίμαζε στο μεταξύ και η Νευροεπιστήμη. Ε, λοιπόν μου πήρε πάνω από τέσσερα χρόνια. Πέρασαν σχεδόν 16. Αλλά τώρα ασχολούμαι με αυτό και θα σας το περιγράψω. Γιατί λοιπόν χρειαζόμαστε μια καλή θεωρία για τον εγκέφαλο; Υπάρχουν πολλοί λόγοι που οι άνθρωποι ασχολούνται με τις επιστήμες. Ένας από αυτούς -ο βασικότερος- είναι ότι οι άνθρωποι θέλουν να μαθαίνουν πράγματα. Είμαστε περίεργοι και συλλέγουμε γνώσεις. Γιατί μελετάμε τα μυρμήγκια; Μα γιατί έχει ενδιαφέρον. Ίσως μάθουμε κάτι χρήσιμο, αλλά είναι κυρίως ενδιαφέρον και γοητευτικό. Μερικές φορές όμως, η επιστήμη έχει και άλλα χαρακτηριστικά που την κάνουν ιδιαίτερα ενδιαφέρουσα.
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.
Μερικές φορές η επιστήμη μας λέει πράγματα για τον εαυτό μας, μας λέει ποιοι είμαστε. Σπάνια συμβαίνει, το έκανε η εξέλιξη και ο Κοπέρνικος, όπου αποκτήσαμε μια νέα κατανόηση του ποιοι είμαστε. Έπειτα, ό,τι είμαστε είναι το μυαλό μας. Ο εγκέφαλός μου μιλάει στους δικούς σας. Τα κορμιά μας, είναι παρόντα, αλλά ο εγκέφαλός μου είναι που μιλάει στον δικό σας. Και αν θέλουμε να κατανοήσουμε ποιοι είμαστε, πώς νιώθουμε και αντιλαμβανόμαστε, πρέπει να κατανοήσουμε τι είναι ο εγκέφαλος. Μια άλλη παράμετρος είναι ότι μερικές φορές η επιστήμη οδηγεί σε μεγάλα κοινωνικά και τεχνολογικά, ή επαγγελματικά οφέλη, ή οτιδήποτε μπορεί να προέρθει από αυτά. Όταν καταλάβουμε πώς λειτουργεί ο εγκέφαλος, θα είμαστε σε θέση να φτιάξουμε έξυπνες μηχανές και αυτό πιστεύω οτι είναι καλό σε γενικές γραμμές, και θα έχει φοβερά οφέλη για την κοινωνία όπως μία θεμελιώδης τεχνολογία.
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.
Άρα γιατί δεν έχουμε μια καλή θεωρία για τον εγκέφαλο; Οι άνθρωποι εργάζονται πάνω σ' αυτό εδώ και 100 χρόνια. Ας πάρουμε πρώτα μια ιδέα για το πώς λειτουργεί η κλασική επιστήμη. Αυτή είναι η κλασική επιστήμη: Η καλή ισορροπία μεταξύ της θεωρίας και του πειραματισμού. Έτσι οι θεωρητικοί λένε: "Πιστεύω οτι έτσι συμβαίνει αυτό". και οι πειραματιστές λένε: "Όχι, έχεις άδικο". Και αυτό επαναλαμβάνεται συνεχώς. Λειτουργεί στη Φυσική. Λειτουργεί στη Γεωλογία. Αλλά εάν είναι έτσι η κλασική επιστήμη, πώς είναι η Νευροεπιστήμη; Ορίστε πώς είναι: Έχουμε ένα βουνό δεδομένων, από την Ανατομία, τη Φυσιολογία και τις Συμπεριφορικές Επιστήμες. Δε μπορείτε να φανταστείτε πόσες λεπτομέρειες γνωρίζουμε για τον εγκέφαλο. Περίπου 28.000 άνθρωποι παρευρέθησαν στο Συνέδριο Νευροεπιστημών φέτος, και ο καθένας από αυτούς ερευνά τον εγκέφαλο. Πολλά δεδομένα. Αλλά δεν υπάρχει καμία θεωρία και
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.
καμία θεωρία δεν έχει παίξει σημαντικό ρόλο στις Νευροεπιστήμες.
There's a little wimpy box on top there.
Είναι κρίμα. Γιατί όμως συμβαίνει αυτό; Εάν ρωτήσετε γιατί συμβαίνει αυτό τους Νευροεπιστήμονες, εκ πρώτης, δε θα το αρνηθούν, αλλά αν πραγματικά τους ρωτήσετε, θα σας πουν ότι υπάρχουν διάφοροι λόγοι που εξηγούν γιατί δεν υπάρχει μια καλή θεωρία για τον εγκέφαλο. Μερικοί λένε ότι δεν έχουμε ακόμη αρκετά στοιχεία, ότι χρειαζόμαστε περισσότερες πληροφορίες και ότι υπάρχουν πολλά που δε γνωρίζουμε. Σας είπα ήδη ότι έχουμε τόσα πολλά δεδομένα που ξεχειλίζουν απ' τ' αυτιά μας. Έχουμε τόσες πληροφορίες που δε ξέρουμε από που ν' αρχίσουμε να τις οργανώνουμε. Τι θα μας προσφέρουν ακόμα περισσότερες πληροφορίες; Ίσως σταθούμε τυχεροί και ανακαλύψουμε κάτι μαγικό, αλλά δεν το πιστεύω. Αυτό δεν είναι παρά ένα σύμπτωμα του γεγονότος ότι δεν έχουμε θεωρία. Δε χρειαζόμαστε περισσότερα δεδομένα. Χρειαζόμαστε μια καλή θεωρία γι' αυτά.
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.
Άλλοι πάλι λένε ότι ο εγκέφαλος είναι τόσο περίπλοκος, ώστε θα χρειαστούν άλλα 50 χρόνια. Νομίζω ότι ο Κρις είπε κάτι αντίστοιχο, χτες. Δε θυμάμαι τι ακριβώς είπες Κρις αλλά νομίζω είπες ότι είναι ένα από τα πιο περίπλοκα πράγματα στο Σύμπαν. Αυτό δεν είναι αλήθεια. Είστε πιο περίπλοκοι από τον εγκέφαλό σας. Έχετε έναν εγκέφαλο. Παρόλο που μοιάζει περίπλοκος, τα πράγματα μοιάζουν περίπλοκα μέχρι να τα καταλάβεις. Πάντα έτσι ήταν. Αυτό που μπορούμε να πούμε είναι... Ο νεοφλοιός είναι το τμήμα του εγκεφάλου που με ενδιαφέρει και έχει 30 εκατομμύρια κύτταρα. Αλλά ξέρετε κάτι; Είναι πολύ συμμετρικός. Στην πραγματικότητα μοιάζει να είναι το ίδιο πράγμα που επαναλαμβάνεται, ξανά και ξανά. Δεν είναι τόσο σύνθετο όσο φαίνεται. Δεν είναι αυτό το πρόβλημα.
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.
Μερικοί πιστεύουν ότι οι εγκέφαλοι δεν μπορούν να καταλάβουν εγκεφάλους. Πολύ Ζεν ακούγεται αυτό. (Γέλια) Ακούγεται καλό, αλλά γιατί; Ποιο το νόημα; Είναι ένα μάτσο κύτταρα. Καταλαβαίνουμε το συκώτι μας έχει κι αυτό πολλά κύτταρα επίσης, σωστά; Έτσι δεν πιστεύω ότι υπάρχει ουσία σ' αυτή την πίστη. Τέλος, κάποιοι λένε: "Δεν αισθάνομαι σαν ένα μάτσο κυττάρων. Έχω συνείδηση-" "-έχω εμπειρίες, ζω μέσα στον κόσμο.-" "-Δε μπορεί να είμαι ένα μάτσο κύτταρα". Οι άνθρωποι πίστευαν κάποτε ότι υπήρχε μια ζωτική ορμή αν και πλεον γνωρίζουμε ότι αυτό δεν είναι αλήθεια. Και δεν υπάρχει καμία ένδειξη που να λέει... ...άλλοι άνθρωποι πιστεύουν ότι τα κύτταρα μπορούν να κάνουν ό,τι κάνουν. Έτσι, κάποιοι έχουν πέσει στο λάκκο του μεταφυσικού δυισμού, μερικοί πολύ έξυπνοι άνθρωποι επίσης, αλλά μπορούμε να τα απορρίψουμε όλ' αυτά.
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.
(Γέλια)
(Laughter)
Όχι, θα σας πω ότι υπάρχει κάτι άλλο και είναι βασικό και είναι το ακόλουθο: Υπάρχει κι άλλος λόγος που δεν έχουμε μια καλή θεωρία για τον εγκέφαλο, επειδή έχουμε δημιουργήσει μια διαισθητική, ισχυρή αλλά λανθασμένη υπόθεση η οποία μας έχει εμποδίσει από το να δούμε την απάντηση. Υπάρχει κάτι που πιστεύουμε ότι είναι προφανές, αλλά κάνουμε λάθος. Υπάρχει προϊστορία με αυτό στην επιστήμη, αλλά πριν σας πω τι είναι, θα σας μιλήσω λίγο για την ιστορία του στην επιστήμη. Βλέπουμε κάποιες άλλες επιστημονικές επαναστάσεις, και μιλάω για το ηλιακό σύστημα, αυτό είναι Κοπέρνικος, τη Δαρβινική εξέλιξη, τις τεκτονικές πλάκες του Βέγκενερ. Όλοι έχουν πολλά κοινά με τη Νευροφυσιολογία.
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.
Πρώτ' απ' όλα, είχαν όλοι πολλά ανεξήγητα δεδομένα. Πολλά. Αλλά έγινε ευκολότερο, μόλις απέκτησαν θεωρία. Τα καλύτερα μυαλά είχαν μπερδευτεί, πραγματικά πολύ ευφυείς άνθρωποι. Δεν είμαστε εξυπνότεροι σήμερα απ' όσο ήταν εκείνοι. Είναι τελικά δύσκολο να σκεφτείς ένα πράγμα, αλλά όταν το σκεφτείς είναι τελικά εύκολο να το κατανοήσεις. Οι κόρες μου κατάλαβαν αυτές τις 3 θεωρίες στο βασικό τους πλαίσιο από τότε που ήταν στο νηπιαγωγείο. Δεν είναι πολύ δύσκολο, εδώ είναι το μήλο, εδώ το πορτοκάλι, η γη γυρίζει, τέτοια πράγματα.
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.
Τέλος, η απάντηση ήταν μπροστά μας από την αρχή, αλλά την αγνοήσαμε επειδή ήταν προφανής, αυτό είναι το θέμα. Ήταν μια διαισθητική, ισχυρή πίστη, αλλά ήταν λανθασμένη. Στην περίπτωση του ηλιακού συστήματος, η ιδέα ότι η Γη γυρίζει και η επιφάνειά της κινείται με χίλια χιλιόμετρα την ώρα, και η Γη περνάει μέσα από το ηλιακό σύστημα περίπου ένα εκατομμύριο μίλια την ώρα. Αυτό είναι μια τρέλα. Όλοι ξέρουμε ότι η Γη δεν κινείται. Νιώθετε να κινήστε με χίλια μίλια την ώρα; Όχι βέβαια. Αν κάποιος έλεγε ότι η Γη γυρίζει μέσα στο σύμπαν και είναι τόσο μεγάλη, θα τον έκλειναν στο τρελοκομείο και αυτό έκαναν τότε.
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.
(Γέλια) Έτσι ήταν διαισθητικό και προφανές. Τι γίνεται τώρα με την εξέλιξη; Είναι το ίδιο πράγμα. Διδάξαμε στα παιδιά μας, δηλαδή η Βίβλος λέει, ότι ο Θεός δημιούργησε όλα τα είδη, οι γάτες είναι γάτες, οι σκύλοι είναι σκύλοι, οι άνθρωποι είναι άνθρωποι, τα φυτά είναι φυτά και δεν αλλάζουν. Ο Νώε τα έβαλε στην κιβωτό με αυτή τη σειρά και μπλά μπλά μπλά. Το θέμα είναι ότι αν πιστεύετε στην εξέλιξη, έχουμε όλοι τον ίδιο πρόγονο, και κοινή γενεαλογία με το φυτό στο διάδρομο. Αυτό μας λέει η εξέλιξη. Και είναι αλήθεια. Είναι απίστευτο. Το ίδιο και με τις τεκτονικές πλάκες. Όλοι οι λόφοι και οι ήπειροι επιπλέουν στην επιφάνεια της γης, είναι σαν...δε βγαίνει νόημα.
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.
Έτσι ποια είναι η διαισθητική αλλά λανθασμένη υπόθεση, που μας εμπόδισε να κατανοήσουμε τον εγκέφαλο; Θα σας πω τώρα και θα σας φανεί προφανές ότι αυτό είναι το σωστό, και αυτό είναι το ζητούμενο, σωστά; Μετά θα πρέπει να φτιάξω ένα επιχείρημα γιατί ήταν λάθος η προηγούμενη υπόθεση. Το διαισθητικό αλλά προφανές είναι ότι με κάποιο τρόπο η ευφυΐα καθορίζεται από τη συμπεριφορά, ότι δηλαδή είμαστε έξυπνοι, εξ' αιτίας του τρόπου που κάνουμε πράγματα και του τρόπου που αντιδρούμε έξυπνα και θα σας πω ότι αυτό είναι λάθος. Στην πραγματικότητα, η ευφυΐα καθορίζεται από την πρόβλεψη.
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.
Και θα σας το εξηγήσω αυτό με μερικές εικόνες, δίνοντάς σας παραδείγματα του τι σημαίνει. Εδώ έχουμε ένα σύστημα. Οι μηχανικοί αρέσκονται να μελετούν συστήματα σαν αυτό. Το ίδιο και οι επιστήμονες. Λένε ότι έχουμε ένα πράγμα μέσα σε ένα κουτί και έχουμε τα εισαγόμενα και τα εξαγόμενα δεδομένα του. Οι ειδικοί της Τεχνητής Νοημοσύνης, πιστεύουν πως μέσα στο κουτί υπάρχει ένας προγραμματιζόμενος υπολογιστής επειδή αυτή είναι η αντιστοιχία με τον εγκέφαλο, τον οποίο θα τροφοδοτήσουμε με δεδομένα και θα τον βάλουμε να κάνει κάτι, να έχει συμπεριφορά. Ο Άλαν Τιούρινγκ, καθόρισε το Τεστ Τιούρινγκ το οποίο ουσιαστικά λέει ότι ξέρουμε εάν κάτι είναι ευφυές, εάν συμπεριφέρεται το ίδιο με έναν άνθρωπο. Αυτό είναι το μετρικό σύστημα της ευφυΐας. Η Συμπεριφορά. Και αυτό είχε κολλήσει στο μυαλό μας, για πάρα πολύ καιρό.
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.
Η πραγματικότητα όμως είναι αυτό που ονομάζω, αληθινή ευφυΐα. Η πραγματική ευφυΐα δημιουργείται από κάτι άλλο. Βιώνουμε τον κόσμο μέσα από μια ακολουθία μοτίβων, τα αποθηκεύουμε, και τα ανακαλούμε. Και όταν τα ανακαλούμε τα συγκρίνουμε με την πραγματικότητα κι έτσι κάνουμε προβλέψεις όλη την ώρα. Είναι ένα αέναο μετρικό σύστημα. Υπάρχει ένα αέναο μετρικό σύστημα μέσα μας. Καταλαβαίνουμε τον κόσμο; Κάνουμε προβλέψεις; Και πάει λέγοντας. Είστε έξυπνοι αυτοί τη στιγμή, χωρίς να κάνετε τίποτα. Ίσως ξύνεστε ή πειράζετε τη μύτη σας, δε ξέρω, πάντως δε κάνετε κάτι τώρα, αλλά είστε ευφυείς, καταλαβαίνετε αυτά που λέω. Επειδή είστε έξυπνοι και μιλάτε Αγγλικά, ξέρετε ποια λέξη είναι στο τέλος αυτής της -- [σιωπή] πρότασης.
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.
Η λέξη σας ήρθε αυτόματα και τέτοιες προβλέψεις, κάνετε όλη την ώρα. Αυτό που λέω είναι, ότι η αέναη πρόβλεψη είναι το εξαγόμενο δεδομένο του νεοφλοιού. Και πως με κάποιο τρόπο η πρόβλεψη, οδηγεί σε ευφυή συμπεριφορά. Ορίστε πως γίνεται αυτό. Ας ξεκινήσουμε με έναν μη ευφυή εγκέφαλο. Θα αμφισβητήσω το "μη-ευφυής", ας ξεκινήσουμε με έναν παλαιό εγκέφαλο, και ας πούμε ότι δεν μοιάζει με εγκέφαλο θηλαστικού, αλλά ερπετού, ας πούμε, ένας κροκόδειλος, έχουμε έναν κροκόδειλο. Και ο κροκόδειλος έχει μερικές πολύ σύνθετες αισθήσεις. Έχει καλά μάτια και αυτιά και αφή κτλ, ένα στόμα και μια μύτη. Έχει μια περίπλοκη συμπεριφορά. Μπορεί να τρέχει και να κρύβεται. Έχει φόβους και συναισθήματα. Μπορεί να σας φάει... Μπορεί να επιτεθεί. Μπορεί να κάνει ένα σωρό πράγματα. Αλλά δεν θεωρούμε τον κροκόδειλο ευφυή, με την ανθρώπινη έννοια.
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.
Έχει όμως ήδη όλη αυτή τη σύνθετη συμπεριφορά. Τώρα, με την εξέλιξη, τι έγινε; Το πρώτο πράγμα που έγινε με την εξέλιξη στα θηλαστικά είναι ότι δημιουργήθηκε αυτό που ονομάζουμε νεοφλοιό. Θα αναπαραστήσω εδώ το νεοφλοιό, με αυτό το κουτί που στέκεται επάνω στον παλαιό εγκέφαλο. Νεοφλοιός, σημαίνει νέο στρώμα. Είναι ένα νέο στρώμα, επάνω στον εγκέφαλό σας. Εάν δε το ξέρετε, είναι ένα τσαλακωμένο πράμα στην κορυφή του κεφαλιού σας, το οποίο τσαλακώθηκε επειδή στριμώχτηκε εκεί μέσα και δε χωράει καλά.
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.
(Γέλια)
(Laughter)
Όχι στ' αλήθεια, αυτό συνέβη. Είναι σε μέγεθος, περίπου όσο ένα τραπεζομάντηλο. Και δε χωράει, έτσι τσαλακώθηκε. Τώρα κοιτάξτε πώς το έχω ζωγραφίσει αυτό. Ο παλαιός εγκέφαλος είναι ακόμα εκεί. Έχετε ακόμη τον ερπετικό εγκέφαλο. Είναι ο συναισθηματικός σας εγκέφαλος. Είναι όλες εκείνες οι ενδόμυχες αντιδράσεις σας. Και επάνω από αυτόν, έχουμε ένα μνημονικό σύστημα που ονομάζεται Νεοφλοιός. και το μνημονικό σύστημα, βρίσκεται επάνω από το αισθητηριακό κομμάτι του εγκεφάλου. Έτσι καθώς εισέρχονται τα αισθητηριακά δεδομένα και τροφοδοτούν τον παλαιό εγκέφαλο, πηγαίνουν και στο νεοφλοιό. Και ο νεοφλοιός απλά απομνημονεύει. Κάθεται εκεί λέγοντας "Α, θα απομνημονεύσω κάθε τι που συμβαίνει", "πού πήγα, τους ανθρώπους που συνάντησα, αυτά που άκουσα", κτλ. Και στο μέλλον, όταν δει κάτι παρόμοιο με αυτό που έχει απομνημονεύσει, σε ένα παρόμοιο περιβάλλον, ή και στο ίδιο, θα το αναπαράγει, σαν ηχογράφηση. "Έχω ξαναβρεθεί εδώ". Και όταν έχετε ξαναβρεθεί κάπου, ξέρετε τι ακολούθησε. Σας επιτρέπει να προβλέπετε το μέλλον. Σας επιτρέπει να το κάνετε αυτό, κυριολεκτικά, επανατροφοδοτεί τον εγκέφαλο με τα ίδια σήματα. Σας επιτρέπει να δείτε αυτό που θα ακολουθήσει, σας επιτρέπει να ακούτε τη επόμενη λέξη της φράσης, πριν εγώ την πω. Και είναι αυτή η επανατροφοδότηση στον παλαιό εγκέφαλο που σας επιτρέπει να παίρνετε ευφυείς αποφάσεις.
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.
Αυτή είναι η σημαντικότερη εικόνα της ομιλίας μου, έτσι ας σταθούμε λίγο εδώ. Κάθε λεπτό μπορείτε να προβλέπετε. Αν ήσασταν ποντικός και περνούσατε μέσα από ένα λαβύρινθο και μαθαίνατε τη διαδρομή, την επόμενη φορά που θα βρισκόσασταν στον ίδιο λαβύρινθο και είχατε την ίδια συμπεριφορά, έξαφνα θα ήσασταν εξυπνότερος, επειδή θα λέγατε "αναγνωρίζω αυτό το λαβύρινθο και ξέρω από που πρέπει να πάω" "Έχω ξαναβρεθεί εδώ, μπορώ να οραματιστώ το μέλλον". Και αυτό συμβαίνει. Στους ανθρώπους, αν και αυτό ισχύει για κάθε θηλαστικό, στον άνθρωπο είναι ακόμη χειρότερα. Στους ανθρώπους αναπτύχθηκε το μπροστινό κομμάτι του νεοφλοιού που ονομάζεται πρόσθιο και η φύση έκανε ένα μικρό κόλπο. Αντέγραψε το οπίσθιο μέρος που είναι αισθητηριακό, και το τοποθέτησε στο πρόσθιο κομμάτι. Έτσι οι άνθρωποι έχουμε με μοναδικό τρόπο τον ίδιο μηχανισμό μπροστά αλλά τον χρησιμοποιούμε για μηχανικό έλεγχο.
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.
Έτσι είμαστε σε θέση να κάνουμε σύνθετους μηχανικούς προγραμματισμούς. Δεν έχω χρόνο για να μιλήσω για όλ' αυτά, αλλά αν θέλετε να καταλάβετε πώς λειτουργεί ο εγκέφαλος, πρέπει να κατανοήσετε πώς λειτουργεί το πρώτο κομμάτι του νεοφλοιού των θηλαστικών, πώς αποθηκεύει μοτίβα και κάνει προβλέψεις. Να σας δώσω μερικά παραδείγματα τέτοιων προβλέψεων. Σας είπα ήδη για την επόμενη λέξη στην πρόταση. Στη μουσική, εάν έχετε ξανακούσει ένα τραγούδι, εάν έχετε ξανακούσει τη Τζιλ να τραγουδά όταν τραγουδάει, η επόμενη νότα πετάγεται ήδη μέσα στο κεφάλι σας. Την προβλέπετε. Εάν μιλάμε για ένα άλμπουμ μουσικής, στο τέλος ενός τραγουδιού, το επόμενο έρχεται στο μυαλό σας. Και αυτά συμβαίνουν όλη την ώρα. Κάνετε αυτές τις προβλέψεις.
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.
Έχω επίσης, αυτό που ονομάζω "πείραμα της αλλαγμένης πόρτας". Το οποίο λέει ότι έχετε μια πόρτα σπίτι σας, και την ώρα που είστε εδώ, εγώ την αλλάζω. Έχω στείλει κάποιον στο σπίτι σας, τούτη τη στιγμή, που μετακινεί την πόρτα σας, και θα πάρει το πόμολο και θα το μετακινήσει δύο ίντσες περίπου. Και όταν επιστρέψετε σπίτι απόψε, θα απλώσετε το χέρι σας να πιάσετε το πόμολο και θα προσέξετε ότι είναι σε λάθος μέρος και θα καταλάβετε ότι κάτι έγινε. Μπορεί να σας πάρει ένα δευτερόλεπτο να βρείτε τι έγινε, αλλά σίγουρα κάτι έγινε. Θα μπορούσα να αλλάξω το πόμολο με πολλούς άλλους τρόπους. Να το κάνω μεγαλύτερο ή μικρότερο, από μπρούτζινο σε ασημένιο, θα μπορούσα να βάλω ένα μοχλό, να αλλάξω όλη την πόρτα με χρώματα, να της βάλω παράθυρα. Μπορώ να αλλάξω χιλιάδες πράγματα στην πόρτα σας, και μέσα στα δύο δευτερόλεπτα που χρειάζεστε για να ανοίξετε την πόρτα, θα αντιληφθείτε ότι κάτι έχει αλλάξει.
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.
Τώρα η μηχανολογική προσέγγιση σε αυτό, η Τεχνητή Νοημοσύνη, δημιουργεί μια βάση δεδομένων με όλες τις πιθανές τροποποιήσεις. Και θα έπρεπε να τα τσεκάρετε ένα-ένα πλησιάζοντας την πόρτα σας. Αυτό, εκείνο το άλλο, το χρώμα... Δε το κάνουμε αυτό. Ο εγκέφαλός σας, δε το κάνει αυτό. Ο εγκέφαλος διαρκώς κάνει προβλέψεις για το τι πρόκειται να συμβεί στο περιβάλλον σας. Καθώς βάζω το χέρι μου πάνω στο τραπέζι, περιμένω να το νιώσω να σταματά. Όταν περπατώ, εάν χάσω το βηματισμό μου κατά ένα όγδοο της ίντσας, θα ξέρω ότι κάτι άλλαξε. Συνεχώς κάνετε προβλέψεις για το περιβάλλον σας. Θα μιλήσω τώρα σύντομα για την όραση. Αυτή είναι η εικόνα μιας γυναίκας. Όταν κοιτάζετε ανθρώπους τα μάτια σας πιάνονται δύο με τρεις φορές το δευτερόλεπτο. Δε το καταλαβαίνετε, αλλά τα μάτια σας, συνεχώς κινούνται. Έτσι όταν κοιτάζετε κάποιον στο πρόσωπο, συνήθως πηγαίνετε από το ένα μάτι στο άλλο, στη μύτη, στο στόμα. Όταν τα μάτια σας κινούνται από μάτι σε μάτι, εάν υπήρχε κάτι άλλο εκεί, όπως μια μύτη, θα βλέπατε μια μύτη εκεί που θα έπρεπε να υπάρχει ένα μάτι, και αυτό θα σας εξέπληττε: (Γέλια) "Κάτι δεν πάει καλά μ' αυτόν τον άνθρωπο." Αυτό συμβαίνει επειδή κάνετε μια πρόβλεψη. Δεν είναι ότι κοιτάζετε και σκέφτεστε "Τι βλέπω τώρα;" "Α, είναι μια μύτη, εντάξει". -Όχι, έχετε συγκεκριμένη προσδοκία γι' αυτό που θα δείτε.
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.
(Γέλια)
Αυτό συμβαίνει κάθε στιγμή. Τέλος, ας σκεφτούμε πώς ελέγχουμε την ευφυΐα. Την ελέγχουμε με την πρόβλεψη: Ποια είναι η επόμενη λέξη εδώ αυτό είναι για εκείνο, ότι αυτό για το άλλο. Ποιος είναι ο επόμενος αριθμός; Βλέπουμε τρεις πλευρές ενός αντικειμένου. Ποιά είναι η τέταρτη. Έτσι την ελέγχουμε. Αφορά την πρόβλεψη. Ποια είναι λοιπόν η συνταγή για μια θεωρία που αφορά τον εγκέφαλο;
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.
Πρωτίστως χρειαζόμαστε το κατάλληλο πλαίσιο εργασίας. Αυτό το πλαίσιο είναι πλαίσιο μνήμης, δεν είναι υπολογισμός ή συμπεριφορά. Είναι μνήμη. Πώς αποθηκεύονται και ανακαλώνται αυτές οι αλληλουχίες μοτίβων. Είναι χωροχρονικά μοτίβα. Έπειτα μέσα σε αυτό το πλαίσιο βάζεις ένα μάτσο θεωρητικούς.
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.
Οι βιολόγοι δεν είναι καλοί θεωρητικοί. Δεν είναι πάντα αλήθεια, αλλά κατά κανόνα, δεν υπάρχει καλό ιστορικό θεωρίας στο χώρο της βιολογίας. Βρήκα πως οι καταλληλότεροι είναι οι φυσικοί, οι μηχανικοί και οι μαθηματικοί, που τείνουν να σκέφτονται αλγοριθμικά. Έπειτα πρέπει να μάθουν ανατομία και φυσιολογία. Πρέπει αυτές οι θεωρίες να γίνουν πολύ ρεαλιστικές από άποψη ανατομίας. Όποιος σας πει μια θεωρία για τη λειτουργία του εγκεφάλου και δε σας πει επακριβώς πώς λειτουργεί στον εγκέφαλο και πως λειτουργούν οι συνδέσεις στον εγκέφαλο, δεν είναι αυτή θεωρία. Αυτό κάνουμε στο Ινστιτούτο Νευροανατομίας του Ρέντγουντ. Θα ήθελα να είχα περισσότερο χρόνο να σας πω για τις φανταστικές προόδους που γίνονται, και ελπίζω να βρεθώ ξανά σ' αυτή τη σκηνή, κάποια στιγμή στο όχι και τόσο μακρινό μέλλον, να σας μιλήσω για όλα αυτά. Είναι στ' αλήθεια ενθουσιασμένος. Δεν πρόκειται να χρειαστούν άλλα 50 χρόνια.
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.
Πώς θα είναι αυτή η θεωρία; Θα είναι μια θεωρία για τη μνήμη. Όχι σαν τη μνήμη του υπολογιστή. Δεν μοιάζει καθόλου με αυτή τη μνήμη. Είναι πολύ-πολύ διαφορετική. Είναι η μνήμη αυτών των πολυδιάστατων μοτίβων, σαν αυτά που προέρχονται από τα μάτια σας. Είναι επίσης μια μνήμη αλληλουχιών. Δε μπορείτε να μάθετε ή να θυμηθείτε οτιδήποτε έξω από μια αλληλουχία. Ένα τραγούδι πρέπει να ακούγεται σε αλληλουχία στο χρόνο, και πρέπει να αναπαράγεται σε αλληλουχία στο χρόνο. Αυτές οι αλληλουχίες είναι αυτό-συσχετιζόμενα ανακληθείσες, έτσι αν δω κάτι, ή ακούσω κάτι, να μου το θυμίσουν και να αναπαράγεται αυτόματα. Είναι αυτόματη αναπαραγωγή. Και οι μελλοντικές προβλέψεις είναι το επιθυμητό εξαγόμενο δεδομένο. Όπως είπα, η θεωρία πρέπει να είναι βιολογικά ακριβής, πειραματικά ελέγξιμη και να μπορεί να κατασκευαστεί. Εάν δεν κατασκευαστεί, δε μπορεί να γίνει κατανοητή. Άλλη μια εικόνα εδώ.
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.
Τι αποτέλεσμα θα έχει αυτό; Πρόκειται πράγματι να κατασκευάσουμε έξυπνες μηχανές; Αναμφίβολα. Και θα είναι διαφορετικές απ' ότι πιστεύει ο κόσμος. Δεν υπάρχει καμία αμφιβολία στο μυαλό μου, ότι αυτό πρόκειται να συμβεί. Πρώτα θα κατασκευαστεί από σιλικόνη. Η ίδια τεχνική που χρησιμοποιούμε για να κατασκευάσουμε μνήμες υπολογιστών, μπορεί να χρησιμοποιηθεί κι εδώ. Αλλά είναι πολύ διαφορετικά είδη μνήμης. Θα συνδέσουμε αυτές τις μνήμες πάνω σε αισθητήρες, και οι αισθητήρες θα δέχονται ζωντανά, αληθινά δεδομένα, έτσι θα μάθουν για το περιβάλλον τους.
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.
Είναι αμφίβολο αν τα πρώτα που θα δείτε θα μοιάζουν με ρομπότ. Όχι ότι δεν είναι χρήσιμα τα ρομπότ και δε μπορούμε να τα κατασκευάσουμε. Αλλά το κομμάτι της ρομποτικής είναι το δυσκολότερο. Είναι ο παλαιός εγκέφαλος. Ο νέος εγκέφαλος είναι ευκολότερο να κατασκευαστεί. Τα πρώτα που θα φτιάξουμε δε θα απαιτούν πολλά στοιχεία ρομποτικής. Δε πρόκειται να δείτε τον C-3PO. Θα δείτε πράγματα όπως έξυπνα αυτοκίνητα που καταλαβαίνουν την κίνηση και την οδήγηση και έχουν μάθει οτι συγκεκριμένοι τύποι αυτοκινήτων με τα φλας αναμμένα για μισό λεπτό ...μάλλον δε θα στρίψουν, τέτοια πράγματα.
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.
(Γέλια)
(Laughter)
Μπορούμε επίσης να φτιάξουμε έξυπνα συστήματα ασφαλείας. Οπουδήποτε χρησιμοποιούμε τον εγκέφαλό μας, χωρίς ιδιαίτερη μηχανική εφαρμογή. Αυτά θα συμβούν πρώτα. Αλλά εν τέλει, η ανθρωπότητα είναι το όριο εδώ. Δε ξέρω ποια θα είναι η έκβαση. Ξέρω πολλούς από τους εφευρέτες των μικροεπεξεργαστών αν συζητήσετε μαζί τους, ήξεραν πως αυτό που έφτιαχναν ήταν σημαντικό, αλλά δεν ήξεραν τι επρόκειτο να συμβεί. Δε μπορούσαν να προβλέψουν τα κινητά τηλέφωνα, το ίντερνετ και όλα αυτά τα πράγματα. Αυτοί ήξεραν πως έφτιαχναν υπολογιστές και ελεγκτές φωτεινών σηματοδοτών. -Θα είναι κάτι μεγάλο. Με τον ίδιο τρόπο είναι σαν την Νευροεπιστήμη και αυτές οι μνήμες θα αποτελέσουν θεμελιώδη τεχνολογία, που θα ηγηθεί απίστευτων αλλαγών τα επόμενα 100 χρόνια. Είμαι ενθουσιασμένος για τη χρήση που θα κάνουμε στις επιστήμες. Νομίζω πως δεν έχω άλλο χρόνο, θα τελειώσω την ομιλία μου εδώ. -
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.