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.
მე ორ სფეროში ვსაქმიანობ: ვაკეთებ მობილურ კომპიუტერებს და ვსწავლობ ადამიანის ტვინს. და დღევანდელი ჩემი მოხსენება შეეხება ადამიანის ტვინს, ჰუჰ, აქ ვიღაც ტვინის ფანი ყოფილა .
(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.
(სიცილი) გაჩვენებთ ჩემს პირველ სლაიდს და თქვენ ნახავთ ჩემი მოხსენების სათაურს და ჩემს ორ საქმიანობის სფეროს. მოკლედ, მინდა ვისაუბრო, თუ რატომ არ გვაქვს ტვინის ნორმალური თეორია, რატომ არის აუცილებელი, რომ განვავითაროთ ასეთი თეორია და რა უნდა გავაკეთოთ ამ სფეროში. ვეცდები ეს ყველაფერი 20 წუთში მოგახსენოთ. მე ორ ორგანიზაციას მივეკუთვნები უმეტესობა მიცნობთ Palm-დან და Handspring-დან, მაგრამ მე ასევე ვხელმძღვანელობ არაკომერციულ სამეცნიერო კვლევის ინსტიტუტს, რომელსაც ჰქვია Redwood Neuroscience Institute მენლო პარკში, და ჩვენ ვსწავლობთ თეორიულ ნეირომეცნიერებას, და ვსწავლობთ, თუ როგორ მუშაობს ნეოკორტექსი.
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.
ახლა ამის შესახებ ვაპირებ საუბარს. აქ ერთი სლაიდი მაქვს ჩემს მეორე ცხოვრებაზე, კომპიუტერულ ცხოვრებაზე. ეს არის რამდენიმე ის პროდუქტი, რომლებზეც ვმუშაობდი ბოლო 20 წლის განმავლობაში, დაწყებული პირველი თაობის ლეპტოპით დამთავრებული პირველი პლანშეტური კომპიუტერით და ა.შ. სულ ბოლოს აღმოვჩნდი Treo-ში, და ჩვენ ვაგრძელებთ მსგავსი რამეების კეთებას. მე ვაკეთებ ამას, რადგან ნამდვილად მჯერა, რომ მობილური კომპიუტერები არის პერსონალური კომპიუტერების მომავალი, და ვცდილობ, რომ ამ საგნებზე მუშაობით ეს სამყარო გავხადო თუნდაც ცოტათი უკეთესი. თუმცა ყველაფერი ეს, უნდა ვაღიარო, რომ შემთხვევითობა იყო. მე სინამდვილეში არ მინდოდა გამეკეთებინა რომელიმე ეს პროდუქტი და ჩემი კარიერის ძალიან ადრეულ ეტაპზე მე გადავწყვიტე, რომ არ ვიქნებოდი ჩაბმული კომპიუტერულ ინდუსტრიაში.
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.
სანამ ამაზე მოგახსენებთ, მინდა ესეც გითხრათ: მოკლედ, აქ მაქვს გრაფიტის პატარა სურათი, რომელიც ინტერნეტიდან ავიღე რამდენიმე დღის წინ. ვეძებდი მცირე ტექსტის შემყვანი ენის ვიზუალურ სურათს, რომელსაც გრაფიტი ჰქვია და ვიპოვე მასწავლებლების ვებსაიტი, რომლებსაც ამის გაკეთება უნდათ, ანუ ამგვარი ხელნაწერის ამომცნობი რაღაცის დამატება დაფის ზედა ნაწილში, და მათ ამისთვის გრაფიტი გამოიყენეს, რის გამოც ძალიან ვწუხვარ.
(Laughter)
(სიცილი)
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.
მოკლედ, როცა ვიყავი ახალგაზრდა და დავამთავრე ინჟინერიის სკოლა, კორნელში 1979 წელს, გადავწყვიტე, რომ მემუშავა "ინტელში". მე უკვე სამი თვე ვიყავი ჩაბმული კომპიუტერულ ინდუსტრიაში და უცბად შემიყვარდა სრულიად სხვა რამ და ვთქვი, რომ "მე გავაკეთე არასწორი კარიერული არჩევანი," მე შემიყვარდა ტვინები. ეს ნამდვილი ტვინი არ არის. სურათია, ხაზებით დახატული. ზუსტად არ მახსოვს, როგორ მოხდა მაგრამ ერთი მოგონება მაქვს, რომელიც გონებაში მყარად აღმებეჭდა. 1979 წლის სექტემბეში, ჟურნალ "Scientific American"-ის ახალი ნომერი გამოვიდა, რომელიც მთლიანად ეძღვენებოდა ტვინის თემას. მართლა კარგი ნომერი იყო. უფრო სწორედ, ამ ჟურნალის ერთ-ერთი ყველაზე საუკეთესო ნომერი. და ისინი საუბრობდნენ ნეირონზე განვითარებაზე, დაავადებაზე, ხედვასა და ყველა იმ საკითხზე რაც შეიძლება რომ გაინტერესებდეთ ტვინების შესახებ. ეს ყველაფერი ნამდვილად შთამბეჭდავი იყო. ვიღაცას შეიძლება შეჰქმნოდა ისეთი შთაბეჭდილება, რომ ტვინების შესახებ ბევრი რამ ვიცით.
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.
ერთ-ერთი სტატია იმ ნომერში იყო ფრენსის კრიკის, დნმ-ის აღმომჩენის. დღეს, როგორც ვიცი, დნმ-ის აღმოჩენის 50-ე წლისთავია. და ის წერდა, რომ ეს ყველაფერი ძალიან კარგი და გასაგებია, მაგრამ იცით რა, ჩვენ სინამდვილეში არაფერი ვიცით ტვინების შესახებ და არავის წარმოდგენაც არ აქვს, თუ როგორ მუშაობენ ისინი, ამიტომ არ დაიჯეროთ, ამ საკითხზე რასაც გეტყვიან. აი, ციტატა იმ სტატიიდან. იგი ამბობდა, "რაც მხედველობიდან აშკარად გვაკლია," ის ნამდვილი ბრიტანელი ჯენტლმენია, "რაც მხედველობიდან აშკარად გვაკლია, არის ფართო ჩარჩო იდეებისა, რითაც შევძლებდით ამ სხვადასხვა მიდგომების ინტერპრეტირებას." მე ვიფიქრე, რომ სიტყვა "ჩარჩო" მართლაც დიდებული იყო. მან ის კი არ თქვა, ჩვენ თეორიაც კი არ გვაქვსო. მან თქვა, რომ ჩვენ ისიც კი არ ვიცით, როგორ დავიწყოთ ამაზე ფიქრიო - ჩვენ ჩარჩოც კი არ გვაქვსო. ჩვენ პრე-პარადიგმულ პერიოდში ვართ, თუ ტომას კუნის ლექსიკონს გამოვიყენებთ. მოკლედ, მე შემიყვარდა ეს ყველაფერი და ვთქვი, რომ თუ ამდენი ცოდნა გვაქვს ტვინებზე, რატომ უნდა იყოს ჩარჩოს შემუშავება რთული? ეს ის არის, რაზეც შეიძლება ვიმუშავოთ მთელი ცხოვრების მანძილზე. ვგრძნობდი, რომ შემეძლო გარდატეხა შემეტანა და ვეცადე, რომ გამოვსულიყავი კომპიუტერების ბიზნესიდან და შევსულიყავი ტვინის ბიზნესში.
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.
პირველად, მე მივედი მასაჩუსეტსის ტექნოლოგიურ ინსტიტუტში, სადაც იყო ხელოვნური ინტელექტის ლაბორატორია და ვუთხარი, რომ მე მინდა ჭკვიანი მანქანების შექმნაც. და ამისათვის თავპირველად უნდა შევისწავლო, თუ როგორ მუშაობს ტვინები. მათ მითხრეს, რომ უჰ, ამის გაკეთება არ გჭირდებაო. ჩვენ უბრალოდ გვინდა კომპიუტერების დაპროგრამირება, სულ ეს არის, რაც გვინდაო. და მე ვუთხარი, რომ არა, თქვენ აუცილებლად უნდა შეისწავლოთ ტვინები. მათ მითხრეს, რომ ვცდები. მე ვუთხარი, რომ მე კი არ ვცდები, თქვენ ცდებით-მეთქი და არაფერი გამოვიდა. (სიცილი)
(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.
ცოტა იმედგაცრუებული ვიყავი - საკმაოდ ახალგაზრდა, მაგრამ მაინც უკან დავბრუნდი რამდენიმე წლის შემდეგ, ამჯერად კალიფორნიაში, ბერკლიში. და ვთქვი, რომ ამ ყველაფერს მივუდგებოდი ბიოლოგიის კუთხიდან. დავიცავი სადოქტორო ბიოფიზიკაში და ყველაფერი კარგად მიდიოდა: ვსწავლობდი ტვინებს... მაგრამ შემდეგ ვთქვი, რომ მინდოდა მესწავლა თეორია. მათ მითხრეს, რომ ოჰ, არა, შენ ვერ შეისწავლი თეორიას ტვინების შესახებო. ამისთვის დაფინანსებას ვერ მიიღებო. და როგორც სადოქტოროს სტუდენტი, ამას ვერ იზამო. დეპრესიაში ჩავვარდი, მაგრამ ვთქვი, რომ ამ სფეროში გარდატეხის შეტანა შემიძლია-მეთქი. ავდექი და დავბრუნდი კომპიუტერულ ინდუსტრიაში და ვთქვი, რომ აქ ვიმუშავებდი რამდენიმე ხნის მანძილზე. ასე გავაკეთე ეს კომპიუტერული პროდუქტები.
(Laughter)
(სიცილი)
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.
ვთქვი, რომ ამ ყველაფერს გავაკეთებდი ოთხი წლის მანძილზე, გარკვეულ თანხას დავაგროვებდი, რადგან მყავდა ოჯახი, მოვმწიფდებოდი, და შესაძლოა ამასობაში ნეირომეცნიერების ბიზნესიც მომწიფებულიყო. სინამდვილეში, ამ ყველაფერში 4 წელზე მეტი დრო გავიდა, დაახლოებით 16 წელი. მაგრამ ტვინებზე უკვე ახლა ვმუშაობ, რაზეც უნდა მოგიყვეთ კიდეც. რატომ უნდა გვქონდეს ტვინების კარგი თეორია? არის ბევრი მიზეზია, რატომაც ადამიანები მისდევენ მეცნიერებას. პირველი და ყველაზე მთავარი, რომ ადამიანებს უყვართ რაღაცების ცოდნა. ჩვენ ვართ ცნობისმოყვარენი, გავდივართ და ვღებულობთ ცოდნას. რატომ ვსწავლობთ ჭიანჭველებს? იმიტომ, რომ საინტერესოა. შეიძლება აქედან რამე პრაქტიკულიც ვისწავლოთ, მაგრამ ეს ნამდვილად საინტერესო და შთამბეჭდავია. ხანდახან, მეცნიერებას აქვს სხვა მხარეებიც რაც ხდის მას ძალიან, ძალიან საინტერესოს.
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.
ხანდახან მეცნიერება შეიძლება იყოს რაღაც ჩვენ შესახებ, გვითხრას, თუ ვინ ვართ ჩვენ. მაგრამ იშვიათად; ეს შეძლო ევოლუციამ და კოპერნიკმა, მოგვცეს ჩვენი საკუთარი თავის ახალი გაგება. ბოლოსდაბოლოს, ჩვენ ყველანი ვართ ტვინები. ჩემი ტვინი ესაუბრება თქვენს ტვინს. ჩვენი სხეულები აქეთ-იქით დაბოდიალობენ, მაგრამ ჩემი ტვინი ესაუბრება თქვენს ტვინს. თუ გვსურს, რომ გავიგოთ, ვინ ვართ, როგორ ვგრძნობთ და აღვიქვამთ, ეს ნიშნავს იმას, რომ უნდა გავიგოთ, რა არის ტვინი. ხდება ისეც, რომ მეცნიერებას ზოგჯერ დიდი საზოგადოებრივი სარგებლობა და ტექნოლოგიები მოაქვს, ან ბიზნესები, ან რაც კი მისგან შეიძლება წარმოიქმნას. როდესაც ჩვენ გავიგებთ, როგორ მუშაობს ტვინი, ჩვენ ასევე შეგვეძლება ავაგოთ ჭკვიანი მანქანები, და ვფიქრობ, ზოგადად ეს მართლაც კარგი რამ იქნება და დიდ სარგებლობას მოუტანს ჩვენს საზოგადოებას როგორც ფუნდამენტალური ტექნოლოგია.
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.
მაშ, რატომ არ გვაქვს ტვინის ნორმალური თეორია? ადამიანები მასზე 100 წელი მუშაობდნენ. მოდით, ჯერ შევხედოთ როგორ გამოიყურება ჩვეულებრივი მეცნიერება. ეს არის ნორმალური მეცნიერება. ნორმალური მეცნიერება არის სათანადო ბალანსი თეორიასა და ექსპერიმენტებს შორის. ანუ თეორეტიკოსი ამბობს, რომ ესა და ეს პროცესი ხდება და ექსპერიმენტატორი ეუბნება, რომ არა, მართალი არ ხარ! და ესე ხდება წინ და უკან. ასე ხდება ფიზიკაში, გეოლოგიაში... მაგრამ თუ ნორმალური მეცნიერება ასეთია, მაშინ რა ხდება ნეირომეცნიერებაში? აი, რა ხდება ნეირომეცნიერებაში: ჩვენ გვაქვს ზღვა მასალა, მათ შორის ანატომიური, ფიზიოლოგიური და ქცევითი. ვერც კი წარმოიდგენთ, რამდენი დეტალი ვიცით ტვინების შესახებ. ამ წელს 28 000 ადამიანი დაესწრო ნეირომეცნიერების კონფერენციას, და თითოეული მათგანი აკეთებს კვლევას ტვინებზე. უამრავი მასალაა, მაგრამ არ არის თეორია. პატარა, მყიფე ყუთია ამ ყველაფრის თავზე. თეორიას არ უთამაშია რაიმე სახის წამყვანი როლი ნეირომეცნიერებაში.
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.
ეს ნამდვილი სირცხვილია. რატომ მოხდა ასე? თუ ჰკითხავთ ნეირომეცნიერებს, რატომ ხდება ასე, ისინი პირველ რიგში ამ ყველაფერს აღიარებენ. ისინი ასევე იტყვიან, რომ არსებობს რამდენიმე მიზეზი, რატომაც არ გვაქვს ტვინის ნორმალური თეორია. ზოგიერთი იტყვის, რომ არ არის საკმარისი ინფორმაცია, გვჭირდება მეტი ინფორმაციის მიღება; უამრავი რამეა, რაც არ ვიცით. მე ახლახანს გითხარით, რომ ინფორმაცია მართლა უამრავია. იმდენი ინფორმაცია გვაქვს, რომ არც კი ვიცით, როგორ მოვახდინოთ ორგანიზება. რას გვიზამს უფრო მეტი ინფორმაცია? შეიძლება აღმოვჩნდეთ იღბლიანები და რაღაც მაგიური რამ აღმოვაჩინოთ, მაგრამ მაინც არა მგონია. ეს ყველაფერი იმის სიმპტომი უფრო მგონია, რომ თეორია არ გვაქვს. ჩვენ არ გვჭირდება მეტი ინფორმაცია - ჩვენ გვჭირდება კარგი თეორია ამ ყველაფრის შესახებ.
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.
და კიდევ, ხანდახან ხალხი ამბობს ხოლმე, რომ ტვინები ძალიან რთული და კომპლექსურია, და მომდევნო 50 წელი გვჭირდება მათ გამოსაცნობად. კრისმაც კი თქვა ამაზე რაღაც გუშინ. ზუსტად აღარ მახსოვს, როგორ თქვი, კრის, მაგრამ მგონი დაახლოებით ის, რომ ტვინი ყველაზე უფრო რთული რამაა სამყაროშიო. არადა, ასე არ არის. შენ უფრო რთული მექანიზმი ხარ, ვიდრე შენი ტვინი. შენ გაქვს ტვინი. მართალია, ტვინი ძალიან რთულად გამოიყურება, მაგრამ საგნები რთულად გამოიყურებიან, სანამ არ ახსნი. ეს ყოველთვის ასე იყო. ამიტომ ყველას შეგვიძლია ვთქვათ, რომ ჩემს ნეოკორტექსს, რომელიც არის ტვინის ის ნაწილი, რომელიც მაინტერესებს, აქვს 30 მილიარდი უჯრედი. მაგრამ იცით რა? ის არის ძალიან, ძალიან რეგულარული. სინამდვილეში, ის ისე გამოიყურება, თითქოს ერთი და იგივე რამ ბევრჯერ მეორდებოდეს. ის არც ისე რთულია, როგორც ჩანს.
Some people say, brains can't understand brains. Very Zen-like. Woo.
ზოგიერთი ადამიანი ამბობს, რომ ტვინები ვერ ჩაწვდებიან ტვინებს. რაღაც ძენის ფილოსოფიასავით ჟღერს... ვუუუუ....
(Laughter)
(სიცილი)
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.
კარგად ჟღერს, მაგრამ რატომ? რას გულისხმობს? უჯრედების რაღაც ნაკრებია. ჩვენ კარგად გვესმის ჩვენი ღვიძლის. ისიც უჯრედების ნაკრებია, არა? ასე რომ, მე არ ვფიქრობ, რომ აქ რამე პრობლემაა. და ბოლოს, ზოგიერთი ადამიანი ამბობს, რომ იცით რა, მე არ განვიხილავ ჩემს თავს, როგორც უჯრედების გროვას. მე ვარ ცნობიერი. მე მაქვს გამოცდილება, ვარსებობ სამყაროში... მე ვერ ვიქნები უჯრედების გროვა. მაგრამ ხალხს სჯეროდა, რომ არსებობდა სიცოცხლის ძალა და ახლა ჩვენ ყველამ ვიცით, რომ ეს მართალი არ არის. და არ არსებობს მტკიცება, გარდა იმ ადამიანებისა, რომლებიც ამბობენ, რომ უჯრედებს შეუძლიათ აკეთონ ის, რასაც აკეთებენ. თუ ზოგიერთი ადამიანი ჩავარდა ამ მეტაფიზიკური დუალიზმის ორმოში, ზოგიერთი ნამდვილად ჭკვიანი ადამიანი, ჩვენ შეგვიძლია რომ ამას უბრალოდ ყურადღება არ მივაქციოთ.
(Laughter)
(სიცილი)
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.
მე მინდა გითხრათ, რომ რაღაც სხვა მიზეზია, უფრო ფუნდამენტური მიზეზი, თუ რატომ არ გვაქვს ტვინის კარგი თეორია, ეს იმიტომ არის, რომ ჩვენ გვაქვს ინტუიტური, მყარი, მაგრამ არასწორი რწმენა, რომელიც ხელს გვიშლის პასუხის დანახვაში. არსებობს რაღაც, რისიც გვჯერა, რომ ჭეშმარიტებაა, მაგრამ სინამდვილეში ასე არ არის. მსგავსი ისტორიები მეცნიერებაში არსებობს და სანამ გეტყოდეთ ეს რა არის, გეტყვით ამ ისტორიებზე. შეხედეთ სხვა სამეცნიერო რევოლუციებს, ამ შემთხვევაში, მაგალითად, მზის სისტემის შესახებ, კოპერნიკის, ან დარვინის ევოლუციას, ან ვეგენერის ტექტონიკურ ფილებს. მათ ბევრი საერთო აქვთ ტვინის მეცნიერებასთან.
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.
პირველ რიგში, ისინი შეიცავდნენ ძალიან ბევრ ამოუხსნელ ინფორმაციას, ძალიან ბევრს... მაგრამ ეს ინფორმაცია გახდა ადვილად ორგანიზებადი, როდესაც მათ მოიგონეს თეორია. საუკეთესო გონების მქონე ადამიანები დაბნეულები იყვნენ, ნამდვილად ძალიან ჭკვიანი ადამიანები, ჩვენ არ ვართ მათზე უფრო ჭკვიანები, ვიდრე ისინი მაშინ იყვნენ. უბრალოდ, როგორც ჩანს, რთულია საგნებზე ფიქრი, მაგრამ როდესაც მოიფიქრებ, უკვე ადვილი ხდება მისი გაგება. ეს სამი თეორია ჩემმა ქალიშვილებმა გაიგეს მაშინ, როდესაც ისინი ჯერ კიდევ იყვნენ საბავშო ბაღში. და ახლა არც ისე რთულია. აი გაქვს ვაშლი, ან ფორთოხალი, და დედამიწა ბრუნავს თავისი ღერძის გარშემო და ა.შ.
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.
პასუხი ყოველთვის არსებობდა, უბრალოდ ჩვენ იგნორირებას ვუწევდით ამ აშკარა პასუხს. ჩვენ ვინარჩუნებდით ინტუიტურ, მყარ რწმენას, რომელიც იყო მცდარი. მზის სისტემის შემთხვევაში, ეს არის იდეა, რომ დედამიწა ბრუნავს და დედამიწის ზედაპირი საათში ათას მილს გადის, და რომ დედამიწა მზის სისტემაში საათში მილიონ მილს გადის. ეს ხო სიგიჟეა. ჩვენ ყველამ ვიცით, რომ დედამიწა არ ბრუნავს. რა, გრძნობთ, რომ საათში ათასობით მილს გავდივართ? რა თქმა უნდა, არა. ვინმეს რომ ეთქვა, რომ ის ბრუნავს თავის თავის გარშემო სივრცეში და ის ძალიან დიდია, ალბათ დაგამწყვევდნენ, და იმ დროში მართლაც ასეც შვრებოდნენ.
So it was intuitive and obvious. Now, what about evolution?
(სიცილი) ანუ მათ ჰქონდათ ინტუიტური და ცხადი რწმენა. ახლა რაც შეეხება ევოლუციას.
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.
ევოლუციაც მსგავსი ისტორიაა. ჩვენ ჩვენს შვილებს ვასწავლეთ, რომ ბიბლია როგორც ამბობს, ღმერთმა შექმნა ყველა არსება, კატები არიან კატები, ძაღლები არიან ძაღლები, ადამიანები არიან ადამიანები, მცენარეები არიან მცენარეები, ისინი არ იცვლებიან. ნოემ ჩასვა ისინი კიდობანში , ბლაბლაბლაბლა....იცით დანარჩენი. ფაქტი ის არის, რომ თუ გჯერა ევოლუციის, ჩვენ ყველას გვყავს საერთო წინაპარი, ჩვენ და დერეფანში დარგულ მცენარეს ერთი წინაპარი გვყავს. ევოლუცია ამას გვეუბნება. და ეს სიმართლეა, თუმცა დაუჯერებელია. იგივე შეიძლება ითქვას ტექტონიკურ ფილებზეც. ყველა მთა და კონტინენტი დაფარფატებს დედამიწაზე. ისე ჩანს თითქოს უაზრობაა.
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.
ასე რომ, რა არის ის ინტუიტური, მაგრამ არასწორი რწმენა, რომელიც ხელს გვიშლიდა ტვინების გააზრებაში? ახლა მე ამას გეტყვით, და თქვენ მოგეჩვენებათ, რომ ეს იმდენად ცხადია, რომ სწორია. და მიზანიც ეს არის, არა? შემდეგ მე წამოვაყენებ ჩემს არგუმენტს, თუ რატომ ცდებით თქვენ. ინტიუტური, მაგრამ აშკარა "სიმართლე" ის არის, რომ თითქოს ჭკუა განისაზღვრება ქცევით. ჩვენ ვართ ჭკვიანები იმიტომ, რომ რაღაც წესით ვაკეთებთ რაღაცებს... და ვიქცევით ჭკვიანურად. სინამდვილეში, ეს ტყუილია. სინამდვილეში, ჭკუა განისაზღვრება პროგნოზირებით. ამაზე მოგახსენებთ რამდენიმე სლაიდის დახმარებით,
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.
მაგალითს მოგცემთ, თუ რას ვგულისხმობ. აი, აქ არის სისტემა. ინჟინრებს უყვართ ამგვარ სისტემებზე დაკვირვება. მეცნიერებს უყვართ ამგვარ სისტემებზე დაკვირვება. ისინი ამბობენ, რომ ჩვენ გვაქვს საგანი ყუთში, და გვაქვს მის შიგნით შემავალი და გარეთ გამომავალი საგნები. ხელოვნური ინტელექტის (AI) მკვლევარებმა თქვეს, რომ ეს საგანი ყუთში არის პროგრამირებადი კომპიუტერი რადგან იგი ექვივალენტურია ტვინის, და ჩვენ გამოვკვებავთ მას შიგ შემავალი ინფორმაციით. ჩვენ მას ვაიძულებთ გააკეთოს რამე, ჰქონდეს გარკვეული ქცევა. ალან ტურინგმა შეადგინა ტურინგის ტესტი, რომელიც გულისხმობს, რომ ჩვენ ვიგებთ რაღაცის ჭკუას იმგვარად, რომ ვადარებთ მას ადამიანს. ეს არის ჭკუის ბიჰევიორული საზომი, რომელიც ჩვენს გონებაში დიდი ხნით იყო აღბეჭდილი.
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.
რეალობა კი, მე ვეძახი მას რეალურ ჭკუას რეალური ჭკუა დაფუძნებულია სრულიად სხვა რამეზე. ჩვენ სამყაროს განვიცდით შაბლონების თანმიმდევრობით და ჩვენ მათ ვინახავთ, შემდეგ ჩვენ მათ ვიხსენებთ. როდესაც ვიხსენებთ, ჩვენ მათ ვაწყვილებთ რეალობასთან და ჩვენ ვახდენთ პროგნოზირებას. ეს არის მუდმივი საზომი. ეს არის მუდმივი საზომი, რომელიც გვეკითხება: ვიგებთ სამყაროს? ვაკეთებ პროგნოზირებას? და ა.შ. თქვენ ამ წუთას იქცევით ჭკვიანურად, მაგრამ თქვენ არ აკეთებთ არაფერს. შეიძლება იფხანთ თქვენს სხეულს, ან ცხვირში იქექებით, არ ვიცი, მაგრამ ახლა არაფერს აკეთებთ. მაგრამ თქვენ ხართ ჭკვიანები, თქვენ იგებთ, რასაც ვამბობ. იმიტომ, რომ თქვენ ხართ ჭკვიანები და საუბრობთ ინგლისურად, თქვენ იცით, თუ რა იქნება ბოლოში ამ -- (სიჩუმე) წინადადების.
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.
ეს სიტყვა უცბად მოგივიდათ თავში. ამგვარ წინასწარგათვლებს გამუდმებით აკეთებთ. მე ვამბობ, რომ ეს გამუდმებითი პროგნოზირება არის ნეოკორტექსიდან გამომავალი. რაღაცნაირად პროგნოზირებას მივყავართ აზრიან მოქმედებამდე. გეტყვით, როგორ ხდება. ჯერ დავიწყოთ განუვითარებელი ტვინით. ავიღოთ ძველი ტვინი მოდი ეს არ იყოს ძუძუმწოვრის ტვინი, არამედ იყოს რეპტილიის, მაგალითად, ალიგატორის. იყოს ეს ალიგატორის ტვინი. ალიგატორის ტვინს აქვს ძალიან დახვეწილი სენსორები. მას აქვს კარგი თვალები, ყურები და შეხების შეგრძნებები პირი და ცხვირი. მას აქვს ძალიან კომპლექსური ქცევა. მას შეუძლია გაიქცეს და დაიმალოს. აქვს შიშები და ემოციები. მას შეუძლია ასევე შეგჭამოთ. მას შეუძლია თავს დაგესხათ. მოკლედ, გააკეთოს სხვადასხვა მოქმედება თუმცა ჩვენ არ ვთვლით, რომ ალიგატორი ძალიან ჭკვიანია, ადამიანური გაგებით ჭკვიანი.
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.
ამავე დროს, მას აქვს კომპლექსური და რთული ქცევები. რა მოხდა ევოლუციის დროს? პირველი, რაც მოხდა ძუძუმწოვრების ევოლუციაში, ჩვენ განგვივითარდა რაღაც, რომელსაც ჰქვია ნეოკორტექსი. ახლავე განახებთ ნეოკორტექსის სურათს, აი, ეს ყუთი, რომელიც ძველი ტვინის თავზეა დამაგრებული. ნეოკორტექსი ახალი ფენაა. ეს არის ახალი ფენა თქვენს ტვინზე. თუ არ იცით, რაზე ვამბობ. ეს არის ნაოჭებიანი ფენა თქვენს თავში, ის გახდა ნაოჭებიანი იმიტომ, რომ თავის ქალაში ვერ ეტეოდა და ჩაიხვია.
(Laughter)
(სიცილი)
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.
არა, მართლა, მართლა ესეა. ის დაახლოებით მაგიდის ხელსახოცის ზომაა. მაგრამ ის არ ეტევა თავის ქალაში და ამიტომ გახდა ნაოჭიანი. შეხედეთ, როგორ დავხატე: ძველი ტვინი კვლავ ადგილზეა. ეს კვლავ ალიგატორის ტვინია. თქვენ შენარჩუნებული გაქვთ ეს ტვინი, ეს თქვენი ემოციონალური ტვინია. ემოციური რეაქციები აქედან მოდის და მის თავზე ჩვენ გვაქვს მახსოვრობის სისტემა, რომელსაც ნეოკორტექსი ჰქვია. ეს მახსოვრობის სისტემა ტვინის გრძნობითი ნაწილის თავზეა, ანუ გრძნობითი იმპულსი გამოდის ძველი ტვინიდან და შედის ნეოკორტექსში. ნეოკორტექსი მას იმახსოვრებს. იმახსოვრებს ყველაფერს, რაც ხდება, სად ვიყავი, ვინ ვნახე, რა გავიგე და ა.შ. მომავალში, როცა ხედავ რამე მსგავსს, უკვე განცდილს იმავე გარემოში, ან ზუსტად იმავე გარემოში, ის ახვევს უკან გამოცდილებას, ანუ იხსენებს. ოჰ, მე აქ უკვე ვიყავი. როცა აქ ვიყავი, შემდეგ ეს მოხდა. ასე ის გაძლევთ მომავლის პროგნოზირების უნარს. ის უკუსიგნალებს აწვდის თქვენს ტვინს, რომელიც გაძლევთ საშუალებას გაიგოთ, შემდეგ რა მოხდება, მაგალითად, გაიგოთ სიტყვა "წინადადება", ვიდრე მე მას წარმოვთქვამდე. ეს უკუსიგნალი ძველ ტვინში გვაძლევს საშუალებას, რომ მივიღოთ ჭკვიანური გადაწყვეტილებები.
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.
ეს ჩემი მოხსენების ყველაზე მნიშვნელოვანი სლაიდია, ამიტომ, მასზე ცოტა ხნით კიდევ გავჩერდები. ანუ ყოველთვის, როცა ამბობ, რომ შეგიძლია მოვლენების პროგნოზირება, თუ ხარ თაგვი, გაივლი ლაბირინთში და დაიმახსოვრებ ამ ლაბირინთს. მომავალში როცა ლაბირინთში მოხვდები და არ იცი როგორ მოიქცე, უცბად გაგახსენდება, რომ უი, მე ვიცი ეს ლაბირინთი, ვიცი რა გზით უნდა წავიდე. მე აქ უკვე ვიყავი, მე შემიძლია მომავალი ქცევის გათვლა. ეს მექანიზმი სწორედ ასე მუშაობს. ეს ასე მუშაობს ადამიანებში და ყველა ძუძუმწოვარში, თუმცა ადამიანების შემთხვევაში საქმე უფრო რთულადაა. ადამიანებს განუვითარდათ ნეოკორტექსის წინა ნაწილი, რომელსაც ჰქვია ნეოკორტექსის ფრონტალური ნაწილი. ბუნებამ პატარა ოინი ჩაგვიტარა. მან ტვინის უკანა ნაწილის წინ კოპირება მოახდინა. უკანა ნაწილი გრძნობითია და ეს ნაწილი ჩასვა წინაც. ამიტომ, მხოლოდ ადამიანებს აქვთ იგივე მექანიზმი ტვინის ფრონტალურ ნაწილშიც, რომელსაც ვიყენებთ მოტორული კონტროლისთვის,
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.
ანუ ჩვენ გვაქვს უნარი განვახორციელოთ დახვეწილი მოტორული დაგეგმარება. დრო არ მაქვს ამაში ჩასაღრმავებლად, მაგრამ თუ გვინდა რომ გავიგოთ, როგორ მუშაობს ტვინი, უნდა გავიგოთ, ძუძუმწოვრების ნეოკორტექსის პირველი ნაწილი როგორ მუშაობს, როგორ ვინახავთ მაგალითებს და ვაკეთებთ პროგნოზირებას. მოდით, პროგნოზირების რამდენიმე შემთხვევას გეტყვით. უკვე გითხარით სიტყვა "წინადადება". მუსიკაში თუ სიმღერა უკვე მოსმენილი გაქვთ, მაგალითად, თუ ჯილის მიერ ნამღერი სიმღერები უკვე მოგისმენია, როდესაც ის კვლავ დაიწყებს მათ მღერას, შემდეგი ნოტი უკვე თავისით ამოგიხტებათ ტვინში. თქვენ ახდენთ იმის წინასწარმეტყველებას, თუ რას იზამს ის. მაგალითად, როდესაც მუსიკალურ ალბომს უსმენთ, შემდეგი სიმღერა ალბომის მიმდევრობაში თავისით გახსენდებათ. ასეთი რამეები გამუდმებით ხდება. თქვენ ახდენთ პროგნოზირებას.
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.
მე მაქვს ერთი ექსპერიმენტი, რომელსაც ჰქვია შეცვლილი კარის ექსპერიმენტი. ამ ექსპერიმენტის მიხედვით, თქვენი სახლის კარს მე ახლა, როდესაც თქვენ აქ იმყოფებით, შევცვლი. გავაგზავნი ვინმეს ვინც თქვენს სახლში კარებს გამოგიცვლით. ისინი თქვენს სახელურს ორი ინჩის იქით გადაადგილებენ. როდესაც დღეს საღამოს სახლში მიხვალთ, თქვენ თქვენს ხელს წაიღებთ იქ, სადაც სახელური გეგულებათ, და უცბად შეამჩნევთ, რომ არასწორად წაიღეთ ხელი, და იტყვით, რომ ვა, რაღაც მოხდა. რამდენიმე წამი წაიღებს იმის გააზრებას, თუ რა მოხდა. თქვენი სახელურის შეცვლა კიდევ სხვანაირად შემიძლია. მას გავხდი უფრო დიდს ან პატარას. თუ იყო ბრინჯაოსი, გავხდი ვერცხლისას. ან გავხდი მას ჩამკეტს. გადავღებავ თქვენს კარს, დავაყანებ მასზე ფანჯრებს. ათასი რამის შეცვლა შემიძლია თქვენს კარებზე, და იმ ორ წამში, რაც კარის გაღებას სჭირდება, თქვენ გაიაზრებთ, რომ რაღაც შეიცვალა.
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!"
ინჟინერული მიდგომა, AI (ხელოვნური ინტელექტის) მიდგომა იქნება კარიბების საინფორმაციო საცავის შექმნა. მასში იქნება კარების ყველა ატრიბუტი. როდესაც საკუთარი სახლის კარს მიუახლოვდები, საცავი შეამოწმებს მას: კარები, კარები კარები, ფერი... და ა.შ. ხვდებით ალბათ, რასაც ვგულიხმობ. ჩვენ ამას არ ვაკეთებთ. ჩვენი ტვინი ამას არ აკეთებს. ჩვენი ტვინი უბრალოდ ახდენს მუდმივ პროგნოზირებას ანუ იმის გათვლას, თუ რა მოხდება მოცემულ გარემოში. როდესაც ჩემს ხელს ამ მაგიდაზე ვდებ, ჩემი მოლოდინი არის, რომ ის გაჩერდება. როდესაც დავდივარ, თუ ინჩის მეოთხედით ავაცილე, ვხვდები, რომ რაღაც იცვლება. ჩვენ ყოველთვის ვაკეთებთ წინასწარმეტყველებებს გარემოში. მოკლედ ვისაუბროთ ხედვის უნარზე. აქ მაქვს ქალის სურათი როდესაც ხალხს უყურებთ, თქვენი თვალი მოძრაობს ორ-სამჯერ წამში. თქვენ ამას ვერ ხვდებით, მაგრამ თქვენი თვალები მუდმივად მოძრაობენ. როდესაც ვიღაცას თვალებში უყურებთ, ჩვეულებრივ, ჯერ თვალიდან იწყებთ, შემდეგ ცხვირი, პირი... როდესაც თვალიდან თვალზე გადადიხარ და ხედავ რაღაცას , რაც ჰგავს ცხვირს, ხედავ ცხვირს იქ, სადაც წესით თვალი უნდა იყოს,
(Laughter)
ამბობ, ოჰ, ჯანდაბა...
"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.
(სიცილი) ამ ტიპს რაღაც სჭირს. ეს იმიტომ ხდება, რომ შენ ახდენ წინასწარგანსაზღვრას, ისე არ ხდება, რომ უბრალოდ შეხედავ ვინმეს და იტყვი, "ვა რას ვხედავ?" "ცხვირია, მერე რა..." არა, თქვენ გაქვთ მოლოდინი, რომ იმ ადგილას რაღაც დაგხვდებათ.
(სიცილი)
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.
და ბოლოს, მოდი შევხედოთ იმასაც, რანაირად ვსაზღვრავთ ჭკუას. ჩვენ ვსაზღვრავთ მას პროგნოზირებას უნარით. რა იქნება შემდეგი სიტყვა? ეს მოდის ამის შემდეგ და ეს ამის შემდეგ... რა იქნება შემდეგი ციფრი ამ წინადადებაში? აქ არის ობიექტის სამი ხედვა. რა არის მეოთხე? მეოთხე არის ის, თუ რანაირად ვახდენთ მის "დატესტვას", როგორ ვახდენთ წინასწარგანსაზღვრას, წინასწარმეტყველებას. რა იქნება ტვინის თეორიის რეცეპტი?
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.
პირველ რიგში, უნდა გვქონდეს შესაბამისი ჩარჩო. ეს ჩარჩო არის მეხსიერების ჩარჩო, და არა გამოთვლითი ან ქცევითი ჩართო. ეს არის მეხსიერების ჩარჩო. როგორ ინახავ და იხსენებ ამ მოდელების შაბლონებს? ეს სივრცით-დროითი შაბლონებია. სწორედ ამ ჩარჩოში სამუშაოდ უნდა მოვაქციოთ რამდენიმე კარგი თეორეტიკოსი.
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.
ბიოლოგები არც ისე კარგი თეორეტიკოსები არიან. ეს ყოველთვის ასე არ არის, მაგრამ ზოგადად, ბიოლოგიაში თეორიის სანიმუშო ისტორია არ აქვთ. საუკეთესო ხალხი, ვისთანაც ვმუშაობ, არიან ფიზიკოსები, ინჟინრები და მათემატიკოსები, რომლებიც ფიქრობენ ალგორითმულად. მათ სჭირდებათ ანატომიის და ფიზიოლოგიის შესწავლა. ეს თეორიები ანატომიური თვალსაზრისით რეალისტური უნდა იყოს. ვინმე როცა ადგება და გიყვება, თავის თეორიას, როგორ მუშაობს ტვინი, და არ გიყვება ზუსტად თუ რა პროცესები ხდება ტვინში კარგ თეორიას ვერ აყალიბებს. ამას ვაკეთებთ რედვუდის ნეირომეცნიერების ინსტიტუტში.
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.
მეტი დრო რომ მქონდეს, სიამოვნებით მოგიყვებით ფანტასტიურ პროგრესზე, რაც ჩვენს საქმეში გვაქვს, და მე ვიმედოვნებ, რომ ამ სცენაზე კვლავ დავბრუნდები, იმედია არც ის შორეულ მომავალში. მე ნამდვილად ძალიან აღტყინებული ვარ. ეს არ წაიღებს 50 წელს.
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.
როგორი იქნება ტვინის თეორია? პირველ რიგში, ეს იქნება თეორია მეხსიერების შესახებ, არა როგორც კომპიეტული მეხსიერების. ეს სრულებითაც არ ჰგავს კომპიუტერულ მეხსიერებას. ის ძალიან, ძალიან განსხვავებულია.ეს არის ამ მაღალი განზომილებების შაბლონების მეხსიერება, რაღაცების რაც შენში შენი თვალებიდან შედის. ეს არის ასევე მიმდევრობების მეხსიერება. თქვენ ვერ ისწავლით ან გაიხსნებთ რამეს მიმდევრობების გარეშე. სიმღერას უსმენთ რაღაც მიმდევრობით დროში და ის უნდა გადაახვიოთ ასევე რაღაც მიმდევრობით. და ეს მიმდევრობები ავტო-ასოციაციურად გვახსენდება, ანუ თუ ვხედავ რამეს, ან თუ ვისმენ რამეს, რაც რაღაცას მაგონებს, ავტომატურად ეხვევა ჩემი მეხსიერება უკან. ეს ავტომატური გადახვევაა. მომავალი მიღებული ინფორმაციის პროგნოზირება სასურველი შედეგია. როგორც ვთქვი, თეორია უნდა იყოს ბიოლოგიურად გამართული და შეიძლებოდეს მისი გამოცდა, ასევე მისი აშენებაც. თუ მას ვერ ააშენებ, მაშინ ვერც გაიგებ. აი, კიდევ ერთი სლაიდიც.
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.
რა იქნება შედეგი? ჩვენ ნამდვილად ვაპირებთ ჭკვიანი მანქანების შექმნას? დიახ, აბსოლუტურად ასეა. და ისინი არ იქნებიან ისეთი, როგორიც ხალხს წარმოუდგენია. ეს ნამდვილად მოხდება. პირველ რიგში, ჩვენ შევქმნით მას სილიკონისგან, იგივე ტექნიკით, რასაც ვხმარობთ კომპიუტერების სილიკონის მეხსიერების შექმნაში. მისი გამოყენება აქაც შეიძლება. ეს იქნება განსხვავებული ტიპის მეხსიერებები. ამ მეხსიერებებს მივაბამთ სენსორებს და სენსორები განიცდიან რეალური ცხოვრების ფაქტებს, და ისინი დაიწყებენ საკუთარი გარემოს შესწავლას.
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.
ეს არ ნიშნავს იმას, რომ პირველი რასაც დაინახავთ, რობოტები იქნება. არა იმიტომ, რომ რობოტები არიან გამოუსადეგარნი ან იმიტომ, რომ ადამიანები ვერ შექმნიან რობოტებს. რობოტიკის ნაწილი ყველაზე რთულია. ეს ჩვენი საწყისი, "ძველი" ტვინია, რისი აგებაც ძალიან რთულია. ახალი ტვინის აგება უფრო ადვილია, ვიდრე ძველის. პირველ რიგში რასაც გავაკეთებთ არის ის, რაც მოითხოვს ნაკლებ რობოტიკას. ანუ თქვენ ვერ იხილავთ C-3PO-ს. თქვენ უფრო იხილავთ ისეთ საგნებს, როგორიცაა მაგალითად ჭკვიანი მანქანები, რომლებმაც იციან, თუ რა არის საცობი და რას ნიშნავს სიარული, და ისწავლიან, რომ ზოგიერთი ტიპის მანქანას ფანრები ნახევარი წუთით თუ აქვთ ანთებული ესე იგი მობრუნებას არ აპირებს და ა.შ.
(Laughter)
(სიცილი)
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.
ჩვენ ასევე შეგვიძლია დაცვის სისტემების შექმნა. ასეთ რამეებს გამოვიყენებთ ნებისმიერ სფეროში, სადაც ჯერ კიდევ ვიყენებთ ჩვენს ტვინს და არ ვიყენებთ საკმარის მექანიკას. ეს ისეთი რამეებია, რაც მალე მოხდება. სამყაროს აქვს რაღაც ზღვარი. მე არ ვიცი რაში გადაიზრდება ეს ყველაფერი. მე ვიცი ბევრი ადამიანი, ვინც შექმნა მიკროპროცესორი, და თუ თქვენ მათ დაელაპარაკებით, ისინი გეტყვიან, რომ აკეთებდნენ რაღაც მნიშვნელოვანს, მაგრამ ზუსტად რა მოხდებოდა, არავინ იცოდა. ისინი ვერ წარმოიდგენდნენ მობილურ ტელეფონებს, ინტერნეტს და ა.შ. მათ იცოდნენ, რომ შექმნიდნენ კალკულატორებს და საცობის შუქნიშნის კონტროლიორებს. ისინი ვერ წარმოიდგენდნენ, რომ რაღაც დიდს ქმნიდნენ. იგივე გზით, ტვინის მეცნიერება და მეხსიერებები იქნება ფუნდამენტური ტექნოლოგია, რომელიც მომდევნო 100 წლის მანძილზე წარმოუდგენელ ცვლილებებამდე მიგვიყვანს. და მე ყველაზე მეტად აღტყნიებული ვარ, თუ როგორ გამოვიყენებთ მათ მეცნიერებაში. ვფიქრობ, რომ ჩემი საუბრის დრო ამოიწურა და მე ამით დავამთავრებ.