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.
Yo hago dos cosas, diseño computadora móviles y estudio cerebros. Y la charla de hoy se trata de cerebros y, ¡Si! En algún lugar tengo un fan de cerebros.
(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.
(Risas) Voy a, si me pueden poner la primera diapositiva, y verán el titulo de mi platica y mis dos afiliaciones. Así que de lo que voy a hablar, es el porqué no tenemos una buena teoría acerca del cerebro, porque es importante que desarrollemos una y qué podemos hacer al respecto. Intentaré hacer eso en 20 minutos. Tengo dos afiliaciones. La mayoría de ustedes me conocen por mis días de Palm y Handspring pero también administro un instituto de investigación científica sin fines de lucro. llamado el Instituto Redwood de Neurociencia en Menlo Park, y estudiamos neurociencia teórica, y estudiamos como funciona la neo-corteza.
I have one slide on my other life, the computer life, 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.
Voy a hablar acerca de todo eso. Tengo sólo una diapositiva sobre mi otra vida, las computadoras, y es ésta. Estos son algunos de los productos que desarrollé en los últimos 20 años, empezando desde la muy original laptop hasta algunas de las primeras computadoras de panel. y así sucesivamente, hasta llegar recientemente al Treo. y continuamos haciendo ésto. Y he hecho ésto porque realmente creo que la computación móvil es el futuro de la computación personal, y estoy intentando hacer un mundo un poco mejor, trabajando sobre estas cosas. Pero esto fue, tengo que admitir, un accidente. Realmente no quise crear ninguno de estos productos y muy temprano en mi carrera decidí que no iba a estar en la industria de la computación.
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.
Y antes de comentarles de todo eso, tengo que decirles que esta pequeña imagen de graffiti que saqué de la red el otro día. Estaba buscando una imagen de graffiti, un pequeño lenguaje de entrada de texto, y encontré el sitio web dedicado a maestros que quieren hacer estos, texto escrito en la parte superior de sus pizarrones, y le habían agregado graffiti, y lo lamento.
(Laughter)
(Risas)
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. It was really quite impressive.
Así que lo que pasó fue, que cuando era joven y terminé la escuela de ingeniería, Cornell en el 79, decidí, que trabajaría para Intel. Yo estaba en la industria de las computadoras y a los tres meses de eso, me enamoré de otra cosa y dije, "Me equivoque de carrera aquí," y me enamoré de los cerebros. Esto no es un cerebro de verdad. Esto es una imagen de uno en arte lineal. Pero no recuerdo exactamente como sucedió, pero tengo un recuerdo, que es bastante fuerte en mi mente. En septiembre 1979, Scientific American (Revista) publicó un número de un sólo tema acerca del cerebro. Y fue bastante bueno. Fue uno de los mejores números publicados. Y escribieron sobre la neurona, el desarrollo, enfermedad, la visión y todas las cosas que quisieras saber acerca de los cerebros. Esto fue bastante impresionante. Podemos tener la impresión de que sabemos mucho acerca del cerebro.
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.
Pero el último articulo de ese numero fue escrito por Francis Crick de la fama ADN. Hoy es, creo, el 50vo aniversario del descubrimiento del ADN. El escribió una nota que básicamente decía, bueno, que esto esta todo muy bien, pero saben que, no sabemos nada del cerebro£ y nadie tiene idea de como funcionan estas cosas, así que no crean nada de lo que les digan. Este es una cita de lo que decía el articulo. Dijo, "Lo que se carece evidentemente" es un educado caballero Ingles asi que, "Lo que se carece evidentemente es un extenso marco de refrencia sobre el cual interpretar los diferentes enfoques." Yo pensé que "marco de referencia" era excelente. No dijo que no tenemos siquiera una teoría. Dice, ni siquiera sabemos como empezar a pensar en ello -- ni siquiera tenemos un marco de referencia. Estamos en los días del pre-paradigma si quieres usar a Thomas Kuhn. Así que me enamoré de esto y dije mira, Tenemos todo este conocimiento acerca de cerebros. ¿Qué tan difícil puede ser? Y esto es algo con lo que podemos trabajar durante mi vida. Sentí que podía hacer una diferencia, a si que intenté salirme del negocio del computo, y entrar al del cerebro.
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." I said, "No, you're wrong," and I didn't get in.
Primero, fuí a MIT, el laboratorio de inteligencia artificial estaba ahí, y dije, bueno, también quiero crear máquinas inteligentes. pero la manera que quiero hacerlo es estudiando cómo funciona el cerebro. Ellos dijeron, no tienes que hacer eso. Sólo vamos a programar computadoras, es todo lo que necesitamos hacer. Y yo dije, no, realmente deberían estudiar cerebros. ellos dijeron, sabes que, estas mal. Y le dije no, ustedes están mal, y no me dejaron entrar. (Risas)
(Laughter)
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.
Pero estaba un poco decepcionado -- bastante joven, pero regrese unos años después en California y fui a Berkeley. Y dije, llegaré por el lado biológico. Así que entré - al doctorado en Biofísica, y pensé, bien, Ya estoy estudiando cerebros, y dije, bien, quiero estudiar teoría. Y ellos dijeron, oh no, no se puede estudiar teoría de cerebros. Eso no es algo que se hace. No te dan fondos para hacer eso. Y como graduado, no puedes hacer eso. Así que dije, rayos. Estaba muy deprimido. Dije, pero puedo hacer una diferencia en este campo. Así que lo que hice fue regresar a la industria de las computadoras y dije, bueno, tendré que trabajar aquí un tiempo, hacer algo. Eso es cuando diseñe todos esos productos de computadora.
(Laughter)
(Risas)
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.
Y dije, quiero hacer esto cuatro años, ganar dinero, estaba formando una familia y maduraría un poco, y quizá el negocio de la neurociencia también maduraría un poco. Bueno, tomó mas de cuatro años. Van como 16 años. Pero ya lo estoy haciendo, y les voy a platicar al respecto. Así que ¿Por qué debemos tener una buena teoría cerebral? Pues hay muchas razones por las que las personas hacen ciencia. Una es -- la más básica -- es que nos gusta saber las cosas. Somos curiosos, y salimos a buscar conocimiento, ¿cierto? ¿Por qué estudiamos las hormigas? Pues, porque es interesante. Quizá aprendamos algo realmente útil al respecto, pero es interesante y fascinante. Pero a veces, una ciencia tiene otros atributos que lo hacer verdaderamente interesante.
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.
A veces la ciencia nos dice algo al respecto de nosotros mismos, nos dice quienes somos. Rara vez, tu sabes, la evolución hizo esto y Copernico hizo esto, donde tenemos un nuevo entendimiento de que quienes somos. Y finalmente, somos nuestros cerebros. Mi cerebro habla a tu cerebro. Nuestros cuerpos están como pasajeros, pero mi cerebro habla con tu cerebro. Y si queremos entender quienes somos y como nos sentimos y percibimos, realmente entenderemos que son los cerebros. Otra cosa es que a veces la ciencia lleva a grandes beneficios para la sociedad y tecnología, o negocios, o lo que sea que salga de ello. Y esta es una de ella también, porque cuando entendemos como funcionan los cerebros, vamos a poder construir máquinas inteligentes, y creo que en general eso es algo bueno, y va a tener beneficios tremendos para la sociedad como una tecnología fundamental
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. There's a little wimpy box on top there.
Entonces ¿Por qué no tenemos una buena teoría de cerebros? Y las personas llevan 100 años trabajando en ello. Bueno, primero observemos como es la ciencia normal. Esto es ciencia normal. La ciencia normal tiene un buen balance entre la teoría y la experimentación. Así que los teóricos dicen, buen, yo creo que esto es lo que está sucediendo, y los experimentales dicen, no, estas mal. Luego va y viene, sabes? Esto funciona en la física, en la geología. Pero esto es ciencia normal, ¿Cómo se ve la neurociencia? Así es como se ve la neurociencia. Tenemos esta montaña de datos, que son anatomía, fisiología y comportamiento. No puedes imaginarte cuanto detalle tenemos sobre los cerebros. Hubieron 28,000 personas que atendieron a la conferencia de neurociencia este año, y cada uno de ellos esta haciendo investigaciones sobre el cerebro. Son muchos datos. Pero no hay teoría. Hay este cuadro pequeña y débil encima. Y la teoría no ha jugado un rol significativo en la neurociencia.
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.
Y esto es una lastima. ¿Por qué a sucedido esto? Si le preguntas a un neurocientífico, ¿Por qué es este estado? En primera instancia lo admitirán. Pero si les preguntas, dirán, bueno, hay varias razones por las que no tenemos una buena teoría del cerebro. Algunas personas dicen, bueno, aun no tenemos suficientes datos, necesitamos obtener más información, hay todas estas cosas que sabemos. Bueno, acabo de decirte que hay datos saliendo hasta por las orejas. Tenemos tanta información que no sabemos ni como empezar a organizarla. ¿De qué nos va a servir mas información? Quizá tengamos suerte y descubramos alguna solución mágica, pero lo dudo. Esto es realmente un síntoma del hecho de que no tenemos una teoría. No necesitamos mas datos -- necesitamos una buena teoría al respecto.
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.
Otra es que a veces las personas dicen, es que, los cerebros son tan complejos, que tomaría otros 50 años. Incluso creo que Chris, dijo algo así ayer. No estoy seguro de lo que dijiste, Chris, pero fue algo como, bueno, es una de las cosas mas complicadas en el universo. Eso no es verdad. Tu eres mas complicado que tu cerebro. Tienes un cerebro. También, aunque el cerbero se ve muy complicado, las cosas se ven complicadas hasta que las entiendes. Ese siempre es el caso. Así que todos podemos decir, bueno, mi neo-corteza, que es la parte del cerebro en la que estoy interesada tiene 30 mil millones de células. Pero, ¿Sabes qué? Es muy, muy regular. Es más, parece ser lo mismo repetido una y otra vez. No es tan complejo como parece. Ese no es el tema.
Some people say, brains can't understand brains. Very Zen-like. Woo.
Algunas personas dicen, los cerebros no pueden entender cerebros. Se escucha muy Zen. Wow. Tu sabes --
(Laughter)
(Risas)
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.
Se escucha bien, pero ¿Por qué? Es decir, ¿Cuál es el caso? Son sólo un montón de células. Entiendes tu hígado. También tiene muchas células, ¿Verdad? Así que, tu sabes, no creo que tenga mucha validez eso. Finalmente, algunas personas dicen, bueno, No me siento como un montón de células. Estoy conciente. Tengo esta experiencia, estoy en el mundo. No puedo ser sólo un montón de células. Bueno, las personas antes creían que había una fuerza vital para pode vivir, y sabemos que eso no es realmente cierto para nada. Y no hay evidencia que diga, bueno, a demás de que las personas simplemente no creen que las células hacen lo que hacen. Así que, si las personas han caído en el pozo del dualismo metafísico, algunas personas muy inteligentes, pero podemos rechazar todo eso.
(Laughter)
(Risas)
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.
No, no te voy a decir que hay algo mas, y realmente es fundamental y esto es lo que es: hay otra razón por la que no tenemos una buena teoría del cerebro, y es porque tenemos una intuitiva, y fuerte, pero incorrecta suposición que nos ha prevenido de ver la respuesta. Hay algo que creemos que simplemente, es obvio, pero esta mal. Hay una historia al respecto en la ciencia y antes que te diga cual es, Te voy a contar un poco al respecto de la historia de ello en la ciencia. Si observas otras revoluciones científicas, y en este caso, estoy hablando del sistema solar, ése es Copernico, La evolución de Darwin, las placas tectónicas, ése es Wegner. Y todos tienen mucho en común con la ciencia cerebral.
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.
Antes que nada, tenían muchos datos inexplicables. Muchos. Pero se volvió mucho más manejable una vez que tuvieron una teoría. Las mejores mentes estaban atoradas, personas muy, muy inteligentes. No somos mas inteligentes hoy de lo que ellos eran en ese entonces. Simplemente resulta que es muy difícil pensar en las cosas, pero una vez que las has razonado, es fácil de entender. Mis hijas entendieron estas tres teorías en su marco de referencia básica para cuando estaban en el Jardín de Niños. Y ahora no es tan difícil, aquí hay una manzana, aquí una naranja, la tierra gira, y ese tipo de cosas.
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.
Finalmente, otra cosa es que la respuesta siempre estuvo allí, pero la ignoramos por ser obvia, y ese es el punto. Era una creencia intuitiva que estaba incorrecta. En el caso del Sistema Solar, la idea de que la tierra esta girando y la superficie de la Tierra va como a mil kilómetros por hora, y que la Tierra va por el Sistema Solar a un millón de kilómetros por hora. Es una locura. Todos sabemos que la Tierra no se esta moviendo. ¿Tu sientes que te estas moviendo a miles de kilómetros por hora? Por supuesto que no. Hubo alguien que dijo, que estaba girando en el espacio y que es inmenso, te encerrarían, y eso es lo que hacían en ese entonces.
So it was intuitive and obvious. Now, what about evolution?
(Risas) Así que fue intuitivo y obvio. ¿Y que tal la evolución?
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.
La evolución es lo mimo. Le enseñamos a nuestros hijos, pues, a Biblia dice, que Dios creo a todas las especies, gatos son gatos, perros son perros, personas son personas, plantas son plantas, no cambian. Noé los puso en el Arca en ese orden, blah, blah, blah. Y tu sabes, el hecho es que, si crees en la evolución, todos tenemos un ancestro en común, y todo tenemos tenemos como ancestro común con la planta en la recepción. Esto es lo que nos dice la evolución. Y es verdad. Es un poco increíble. Y es lo mismo con las placas tectónicas Todas las montañas y los continentes están como que flotando encima de la Tierra. Esto como que no tiene sentido.
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. Intelligence is defined by prediction.
Así que ¿Cuál es la intuitiva pero incorrecta suposición, que ha evitado que entendamos el cerebro? Ahora te lo voy a decir, y va a parecer tan obvio que es correcto, y ese el el punto, ¿No? Entonces voy a tener que hacer un argumento de porque es incorrecta la otra suposición. La cosa intuitiva pero obvia es que de alguna manera la inteligencia es definida por el comportamiento, que somos inteligentes por la manera en que hacemos las cosas y la manera en que actuamos con inteligencia, y te voy a decir que eso esta mal. Lo que es inteligencia esta definido por la predicción. Y voy a llevarte a esto en unas pocas diapositivas,
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.
darte un ejemplo de lo que esto significa. Aquí hay un sistema. A los ingenieros les gusta ver a los sistemas de esta manera. Dicen, bueno, tenemos esto en una caja y tenemos sus entradas y salidas. Los de IA dicen, bueno la caja es una computadora programable porque es el equivalente a un cerebro, le daremos entradas y haremos que haga algo, tenga un comportamiento. Y Alan Turing definió la prueba de Turing, que esencialmente dice, sabremos que algo es inteligente si actúa idéntico a un humano, Una métrica de comportamiento de lo que es la inteligencia es, y esto se a pegado en nuestra mente por mucho tiempo.
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.
Pero la realidad, yo le llamo inteligencia real. La inteligencia real esta construida con algo mas. Experimentamos el mundo por una secuencia de los patrones, y los almacenamos, y los recordamos. Cuando los recordamos, los comparamos contra la realidad, y estamos haciendo predicciones todo el tiempo. Es una métrica eterna. Hay una métrica eterna cuando decimos, ¿Entendemos el mundo? ¿Estoy haciendo predicciones? Etc... Todos están siendo inteligentes en este momento y no están haciendo nada. Quizá te estés rascando, o escarbandote la nariz, No lo se, pero no estas haciendo nada en este momento, pero estas siendo inteligente, entiendes lo que estoy diciendo. Porque eres inteligente y puedes hablar Español, sabes cuál es la palabra al final de este -- (silencio) enunciado.
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.
La palabra te llego, y estas haciendo estas predicciones todo el tiempo. Y luego, lo que esto diciendo es, que esa eterna predicción es el resultado de la neo-corteza. Y de alguna manera, la predicción nos lleva a comportamiento inteligente. y así es que sucede. Empecemos con un cerebro sin inteligencia. Bueno yo discuto un cerebro no inteligente, obtenemos un cerebro viejo, y vamos a decir que no es de un mamífero, como un reptil, así que diré, un lagarto, tenemos un lagarto. Y el lagarto tiene unos sentidos muy sofisticados. Tiene buenos ojos y oídos y sentido del tacto y así sucesivamente una boca y una nariz. Y tiene un comportamiento muy complejo. Puede correr y ocultarse. Tiene temores y emociones. Te puede comer, sabes. Puede atacar. Puede hacer muchas cosas. Pero no consideramos al lagarto muy inteligente, no como un humano al menos.
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.
Pero ya tiene todo este comportamiento complejo. Ahora, en la evolución, ¿Qué sucedió? Lo primero que paso en la evolución con los mamiferos es que empezamos a desarrollar la neo-corteza. Y voy a representar a la neo-corteza aquí, por esta caja que se encuentra encima del cerebro viejo. Neo-corteza significa nueva capa. Es una nueva capa sobre tu cerebro. Si no lo sabes es esa cosa arrugada en la parte superior de tu cabeza que, se arrugo porque fue retacada ahí y no cabe.
(Laughter)
(Risas)
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.
No, en serio, es lo que es. Tiene el tamaño de una servilleta de mesa. Y no cabe, asi que se arruga. Ahora ve lo que he dibujado, esto aquí. El cerebro viejo sigue ahi. Aún tienes ese cerebro de lagarto. Ahí esta. Es tu cerebro emocional. Es todas esas cosas, y reacciones espontaneas que tienes. Encima de ello, tenemos este sistema de memoria llamado la neo-corteza. Y el sistema de memoria esta sobre la parte sensorial del cerebro. Así que conforme entra la parte sensorial y alimenta desde el viejo cerebro, También sube a la neo-corteza. Y la neo-corteza es simplemente memorización. Esta ahí diciendo, ah, voy a memorizar todas las cosas que suceden, dónde he estado, personas que he visto, cosas que he escuchado, así sucesivamente. Y en el futuro, cuando ve algo similar a eso de nuevo, en un ambiente similar, o el mismo ambiente, lo reproduce. Empieza a reproducirlo. Oh, ya he estado aquí antes. Y cuando he estado aquí antes, esto sucedió después. Te permite predecir el futuro. Te permite; literalmente retroalimenta las señales a tu cerebro, te permiten ver qué es lo que sucederá después, te permitirá escuchar la palabra enunciado aun antes que lo dijera. Y es esta retroalimentación al cerebro viejo que te permite tomar decisiones más inteligentes.
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.
Ésta es la mas importante diapositiva de mi platica, así que haré hincapié en ella. Así que, todo el tiempo dices, oh, puedo predecir cosas. Y si eres una rata puedes recorrer un laberinto, y luego te lo puedes aprender, la próxima vez que estés en el laberinto, tendrás el mismo comportamiento, pero repentinamente, eres mas inteligente porque dices, oh, reconozco este laberinto, y sé en que dirección ir, He estado aquí antes, y puedo visualizar el futuro. Y eso es lo que está haciendo. En humanos, por cierto, esto es verdad en todos los mamíferos, esto es verdad para otros mamíferos, y en humanos, se puso peor. En humanos, desarrollamos la parte frontal de la neo-corteza. llamada la parte anterior de la neocorteza. Y la naturaleza hizo un pequeño truco. Copió la parte posterior, la de atrás, que es sensorial, y la puso en el frente Los humanos tenemos de manera única el mismo mecanismo al frente, pero o usamos para control motriz.
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.
Así que ahora podemos hacer planeación motriz muy sofisticada, y cosas así. No tengo tiempo de entrar en detalle, pero si quieres entender como funciona el cerebro, tienes que entender cómo funciona la primera parte de la neo-corteza del mamífero, cómo es que almacenamos patrones y hacemos predicciones. Así que permítem dar algunos ejemplos de predicciones. Ya dije la palabra enunciados. En música, si has escuchado una canción antes, si escuchaste a Jill cantar esas canciones antes, cuando las cante, la siguiente nota salta a nuestra cabeza de antemano -- lo anticipas conforme sigues adelante. Si fuese un álbum musical. al final de una canción, la siguiente canción te llega a la mente. Y estas cosas suceden todo el tiempo. Estás haciendo predicciones.
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.
Yo tengo esta cosa llamada el experimento de la puerta alterada. Y el experimento de la puerta alterada dice, tienes una puerta en casa, y cuando estas aqui, yo estoy cambiándolo, tengo un señor en tu casa en este momento moviendo la puerta, y va a tomar la perilla y la moverá dos pulgadas. Y cuando llegues a casa esta noche vas a extender tu mano, y vas a extender tu mano hacia la perilla y vas a notar que esta en el lugar equivocado, y dirás, oye, algo paso. Puede que te tome un segundo averiguar que fue, pero algo paso. Ahora podira cambiar tu puerta en otras maneras. Puedo hacerla más grande o chica, puedo cambiarla de bronce a plata, Puedo poner una palanca. Puedo cambiar tu puerta, ponerle colores, Puedo ponerle ventanas. Puedo cambiar miles de cosas de tu puerta, y en los dos segundos que te toma abrir tu puerta, vas a notar que algo ha cambiado
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!"
Ahora, la manera ingenieril de aproximar esto, la manera IA de aproximarlo, es construir una base de datos de puertas. Tiene todos los atributos de puertas. Y conforme te acercas a la puerta,recorremos lista una por una. Puerta, puerta, puerta, tu sabes, color, tu sabes lo que digo. No hacemos eso. Tu cerebro no hace eso. Lo que tu cerebro esta haciendo es predicciones constantes todo el tiempo acerca de lo que va a pasar en tu ambiente. Conforme pongo mi mano en esta mesa, espero sentir que se detenga. Cuando camino, cada paso, si fallo por 5 milímetros, Yo sabre que algo ha cambiado. Estas constantemente haciendo predicciones acerca de tu entorno. Hablaré brevemente acerca de la visión. Esta es la imagen de una mujer. Y cuando ves a las personas, tus ojos están analizando puntos de dos a 3 veces por segundo. No estas consciente de eso, pero tus ojos siempre están en movimiento. Así que cuando ves la cara de alguien, comúnmente recorres de ojo a ojo a ojo a nariz a boca. Ahora, cuando tus ojos se mueven de ojo a ojo, si hubiera algo diferente ahí como una nariz, verías una nariz donde se supone debe haber un ojo,
(Laughter)
y dirías, mierda, tu sabes --
"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.
(Risas) Hay algo mal con esta persona. Y es porque estas haciendo una predicción. No es como si vieras y dijeras, ¿Qué estoy viendo? Una nariz, esta bien. No, tienes una expectativa de lo que vas a ver.
(Risas)
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.
En cada momento. Y finalmente, pensemos acerca de cómo probamos la inteligencia. La probamos por medio de la predicción. ¿Cuál es la siguiente palabra en este, tu sabes? Esto es a esto como esto es a esto. ¿Cuál es el siguiente número en este enunciado? Aquí hay tres vistas de un objeto. ¿Cuál es la cuarta? Así es como lo probamos. Se trata de predicciones. Así que ¿Cuál es la receta para una teoría del cerebro?
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.
Antes que nada, tenemos que tener el marco de referencia correcto. Y el marco es un marco de memoria, no un marco de comportamiento o cómputo. Es un marco de memoria. ¿Cómo almacenas y recuerdas estas secuencias o patrones? Son patrones espacio-temporales. Entonces, si en ese marco, tomas un montón de teóricos.
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.
Los biólogos por lo general no son buenos teóricos. No siempre es verdad, pero en general, no hay buena historia de teoría en la biología. Así que encontré que es mejor trabajar con físicos, ingenieros y matemáticos, que tienden a pensar de manera algorítmica, Entonces ellos tiene que aprender la anatomía y luego aprender la fisiología. Tienes que hacer que estas teorías sean muy realistas en términos anatómicos. Cualquiera que se pone de pie y te cuenta su teoría de como funciona el cerebro y no te dice exactamente como funciona dentro del cerebro y como funciona el cableado dentro del cerebro, no es una teoría. Y eso es lo que estamos haciendo en el Instituto Redwood Neuroscience.
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.
Me encantaría tener mas tiempo para contarte del avance fantástico que tenemos en ello, y espero estar de regreso en este estrado, quizá esto será en un futuro no muy lejano para que te cuente al respecto. Estoy muy, muy emocionado. Esto no va a tomar 50 años.
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.
Así que ¿Cómo será la teoría cerebral? Antes que nada, tiene que ser una teoría respecto a la memoria. No como la memoria de computadora. No es nada como la memoria de computadora. Es muy distinta. Y es una memoria de estos patrones dimensionales, como las cosas que vienen de tus ojos. Es también memoria de secuencias. No puedes aprender o recordar algo fuera de secuencia. Una canción debe ser escuchada en secuencia en el tiempo, y debes reproducirla en secuencia en el tiempo. Y estas secuencias son recordadas auto-asociadas, así que si veo algo, Escucho algo, me recuerda a ello, y se reproduce automáticamente. Es una reproducción automática. La predicción del futuro gestiona el resultado deseado. Y como dije, la teoría debe ser biológicamente acertada, debe ser comprobable, y debes poderlo reconstruir. Si no lo construyes, no lo entiendes. Así que una diapositiva mas aquí.
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.
¿En qué va a resultar esto? ¿Realmente vamos a construir maquinas inteligentes? Por supuesto. Y va a ser diferente de como creen las personas. No hay duda alguna en mi mente de que va a suceder. Antes que nada, va a escalarse, vamos a construirlo de silicio. Las mismas técnicas que usamos para construir memorias de computadora de silicio, las podemos usar para esto. Pero son memorias muy distintas. Y vamos a conectar esas memorias a sensores, y a los sensores los expondremos a datos de la vida real, y estas cosas van a aprender de su entorno.
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.
Ahora es muy poco probable que las primeras cosas que veas sean como robots. No que los robots no sean útiles y las personas pueden construir robots. Pero la parte robótica es la parte más difícil. Es el cerebro antiguo. Eso es realmente difícil. El nuevo cerebro es realmente más fácil que el cerebro viejo. Así que lo primero que vamos a hacer son aquellas que no requieren mucha robótica. Asi que no veras a C-3PO. Verás cosas como autos inteligentes que realmente entienden lo que es el tráfico y lo que es manejar y han aprendido que cierto tipo de auto con la direccional encendida por medio minuto probablemente no van a dar vuelta, cosas así.
(Laughter)
(Risas)
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.
También podemos hacer sistemas de seguridad inteligentes. Donde sea que estemos usando nuestro cerebro, pero no haya mucha mecánica. Éstas son las cosas que van a suceder primero. Pero en última instancia, el mundo es nuestro limite. No se como vaya a salir esto. Conozco muchas personas que inventaron el microprocesador y si hablas con ellos, sabían que lo que hacían era muy significativo, pero ellos no sabían realmente lo que iba a pasar. No podían anticipar celulares y el Internet y ese tipo de cosas. Simplemente sabían que, oye, vamos a construir calculadoras y controladores de semáforos. Pero va a ser grande. De la misma manera, es como la ciencia del cerebro y estas memorias van a ser una tecnologia fundamental, y nos va a llevar a cambios increíbles en los próximos 100 años. Y estoy muy emocionado de como vamos a usarlos en la ciencia. Así que creo que es todo mi tiempo, ya me pase, voy a terminar mi platica ahí mismo.