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.
Robię dwie rzeczy. Projektuję mobilne komputery i badam mózgi. Dzisiejsza mowa jest na temat mózgów i, hurra, mam gdzieś tutaj fana mózgów.
(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.
(Śmiech) Jeśli mogę prosić o mój pierwszy slajd, zobaczycie tytuł mojej prezentacji i moje dwa powiązania. Będę więc mówił o tym, czemu nie mamy dobrej teorii na temat mózgu, czemu powinniśmy stworzyć takową i co możemy z tym zrobić. I spróbuję zrobić to wszystko w ciągu 20 minut. Mam dwa powiązania. Większość z was zna mnie z czasów moich Palm i Handspring, ale przewodzę też instytutowi naukowemu typu non-profit, którego nazwa brzmi "Instytut Neuronauk Redwood w Menlo Park", i tam prowadzimy badania nad teorią neuronauk, i badamy jak działa kora nowa (neokorteks).
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.
Będę mówił właśnie o tym. Mam jeden slajd o moim innym życiu, życiu komputerowym, i to jest ten slajd. To są niektóre produkty nad którymi pracowałem przez ponad 20 ostatnich lat, zaczynając od pierwszych laptopów, poprzez pierwsze komputery biurkowe i tak dalej, kończąc ostatnio na Treo, i kontynuujemy to. Robiłem to ponieważ szczerze wierzę, że mobilne komputery są przyszłością osobistej elektroniki i staram się uczynić świat odrobinę lepszym poprzez pracę nad nimi. Ale to wszystko, muszę się przyznać, stało się przypadkiem. Szczerze nie chciałem współtworzyć żadnego z tych produktów i bardzo wcześnie w swojej karierze postanowiłem że nie będę pracować w branży komputerowej.
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.
I nim opowiem wam o tym, muszę wam powiedzieć ten mały obraz graffiti który wziąłem z sieci pewnego dnia. Szukałem obrazu graffiti, wpisałem odpowiednią komendę i znalazłem stronę zadedykowaną nauczycielom, którzy chcą robić, wiecie co, te napisy umieszczane na górnej części tablicy szkolnej, i dodali do nich graffiti, przepraszam za to.
(Laughter)
(Śmiech)
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.
Więc kiedy byłem młodym absolwentem szkoły technicznej w Cornell w 1979 roku, postanowiłem, że będę pracował dla Intela. Po trzech miesiącach pracy w przemyśle komputerowym zafascynowało mnie coś innego, powiedziałem wtedy: "Wybrałem zły zawód", zafascynował mnie ludzki mózg. To nie jest prawdziwy mózg. To obraz jednego, rysunek kreską. Nie pamiętam dokładnie jak to się stało, ale mam jedno wspomnienie, które cały czas tkwi w mojej głowie. We wrześniu 1979 roku, wydanie magazynu Scientific American zostało w całości poświęcone mózgowi. To było całkiem udane wydanie. Jedno z najlepszych wyadań tego magazynu. I zawierało artykuły o neuronach, o rozwoju mózgu, o jego schorzeniach, o wzroku i o wszystkich tych rzeczach, o których chciałbyś wiedzieć w kontekście mózgu. To było naprawdę imponujące. To wszystko sprawiało wrażenie, że naprawdę dużo wiemy o mózgu.
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.
Ale ostatni artykuł napisany był przez Francisa Cricka, jednego z odkrywców DNA. Dziś przypada, o ile się nie mylę, 50-ta rocznica odkrycia DNA. Napisał artykuł, w którym stwierdził, że wszystko to wydaje się takie oczywiste, ale wiecie co, tak naprawdę wiemy bardzo mało o mózgu i nikt nie ma pojęcia jak mózg funkcjonuje, więc nie wierzcie w to, co mówią inni. Oto cytat z tego artykułu. Powiedział "Czego wyraźnie nam brakuje," jest bardzo poprawnym brytyjskim dżentelmenem, więc "Czego wyraźnie nam brakuje to szeroka struktura koncepcji, dzięki którym uporządkujemy różne podejścia do mózgu" Pomyślałem, że słowo struktura było świetnie dobrane. Nie powiedział, że nie mamy nawet teorii. Stwierdził, że nie wiemy nawet jak zacząć myśleć o mózgu -- nie mamy nawet struktury koncepcji. Obecnie znajdujemy się na etapie pre-paradygmatu jak to ujął Thomas Kuhn. Zafascynowało mnie to wszystko i pomyślałem, że mamy całą tą wiedzę na temat mózgu. Jak trudne to może być? To jest coś, czemu mogę poświęcić swoje życie. Czułem, że mogę coś zmienić, więc spróbowałem odejść z branży komputerowej i zająć się badaniem mózgu.
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.
Udałem się do MIT, gdzie zajmowano się badaniem sztucznej inteligencji i powiedziałem, że także chcę budować inteligentne maszyny, ale aby to robić chcę najpierw poznać funkcjonowanie ludzkiego mózgu. Odpowiedzieli, że nie jest to konieczne. Zamierzamy tylko programować komputery, to wszystko co musimy zrobić. Odpowiedziałem, że naprawdę powinni najpierw poznać mózg. Stwierdzili, że się mylę. A ja na to, że oni się mylą i ostatecznie nie dostałem pracy. (Śmiech)
(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.
Ale byłem trochę rozczarowany -- dosyć młody, ale spróbowałem jeszcze raz kilka lat później, tym razem w Kalifornii, udałem się do Berkeley. Powiedziałem sobie, że spróbuję poznać biologiczną stronę zagadnienia. Więc zdecydowałem się na studia doktoranckie z biofizyki, więc powiedziałem im, że chcę studiować teorię. Odpowiedzieli, że nie mogę studiować teorii na temat mózgu. To nie działa w ten sposób. Nie otrzymasz funduszy na ten cel. A jako absolwent nie możesz tego robić. Więc pomyślałem że to już koniec. Byłem bardzo załamany. Ale pomyślałem, że mogę dokonać zmian w tej dziedzinie. Więc wróciłem do branży komputerowej i powiedziałem, że muszę tu popracować przez jakiś czas. To właśnie wtedy zaprojektowałem wszystkie te urządzenia.
(Laughter)
(Śmiech)
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.
I pomyślałem, że chcę zająć się tym przez cztery lata, zarobić trochę pieniędzy, tak jakbym miał własną rodzinę i dojrzałbym odrobinę i może przez ten czas biznes neuronauk by dojrzał trochę. No, ale zajęło mi to dłużej niż cztery lata. To było około 16 lat. Ale teraz się tym zajmuję i chcę wam o tym opowiedzieć. Więc dlaczego powinniśmy mieć dobrą teorię mózgu? Istnieje wiele powodów, dla których ludzie zajmują się nauką. Pierwszym -- najbardziej oczywistym -- jest to, że ludzie lubią wiedzieć. Jesteśmy ciekawi świata, więc poznajemy go i zdobywamy wiedzę, prawda? Dlaczego studiujemy życie mrówek? Dlatego, że to ineteresujące. Może dowiemy się czegoś pożytecznego, ale to interesujące i fascynujące zajęcie. Ale czasem, nauka ma inne cechy, które sprawiają, że jest bardzo, bardzo interesująca.
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.
Czasami nauka powie nam coś o nas samych, odpowie na pytanie kim jesteśmy. Czasem takie odkrycia jak teoria ewolucji czy teoria Kopernika sprawiają, że na nowo odkrywamy kim jesteśmy. A tak naprawdę jesteśmy mózgami. Mój mózg mówi do twojego mózgu. Nasze ciała kroczą obok siebie, ale to mój mózg mówi do twojego mózgu. I jeśli chcemy zrozumieć kim jesteśmy, jak odczuwamy i postrzegamy, naprawdę powiniśmy zrozumieć czym jest mózg. Inną zaletą nauki jest czasem to, że prowadzi do naprawdę wielkich korzyści dla społeczeństwa i technologii, albo dla biznesu czy czegokolwiek innego. I to jest także ważne, ponieważ, kiedy zrozumiemy funkcjonowanie mózgu będziemy w stanie budować inteligentne maszyny i myślę, że to jest naprawdę wielką zaletą i że będzie to miało bardzo pozytywny wpływ na społeczeństwo tak jak dotychczasowy wpływ technologii.
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.
Więc dlaczego nie mamy dobrej teorii mózgu? Prace nad taką teorią trwają już od 100 lat. A więc, spójrzmy najpierw na to, jak wygląda normalna nauka. To jest normalna nauka. Normalna nauka jest harmonią pomiędzy teorią, a eksperymentatorami. A więc, teoretycy mówią, ok, myślę - stanie się tak a nie inaczej, a na to eksperymentatorzy odpowiadają, nie, mylicie się. I tak w kółko, wiecie co mam na myśli? Sprawdza się to w fizyce. Sprawdza w geologii. Ale jeśli to jest normalna nauka, to jak wygląda neuronauka? Oto jak wygląda neuronauka. Zawiera mnóstwo informacji z anatomii, fizjologii i nauce o zachowaniu. Nie potraficie sobie wyobrazić jak wiele informacji mamy o mózgu. Naliczyliśmy 28,000 uczestników na tegorocznej konferencji dotyczącej neuronauki i każdy z tych uczestników zajmuje się badaniami mózgu. Mnóstwo informacji. Ale nie istnieje jeszcze jedna teoria. Jest tam tylko małe, pole na górze. I teoria nie miała żadnego wielkiego wpływu na rozwój neuronauk.
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.
To naprawdę wielki wstyd. Więc dlaczego tak się dzieje? Jeśli zapytasz neuronaukowców dlaczego tak właśnie jest? Przede wszystkiem zgodzą się z tym. Ale, jeśli ich zapytasz to odpowiedzą, że istnieje wiele powodów, dla których nie dysponujemy dobrą teorią mózgu. Niektórzy powiedzą, że nie dysponujemy jeszcze wystarczającą ilością informacji, że musimy zdobyć ich więcej, zbyt wiele jeszcze nie wiemy. Ale przecież powiedziałem wam, że mamy tak wiele informacji na temat mózgu. Mamy tak dużo informacji; nie wiemy jak zacząć organizować te wszystkie dane. Co dobrego możemy jeszcze zrobić? Może będziemy mieli szczęście i odkryjemy magiczną formułę, ale nie sądzę. To tak naprawdę symptom tego, że nie posiadamy jeszcze teorii dot. mózgu. Nie potrzebujemy jeszcze więcej informacji -- potrzebujemy dobrej teorii.
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.
Czasem ludzie twierdzą, że mózg jest tak skomplikowanym organem, że poznanie go zajmie jeszcze 50 lat. Myślę, że Chris powiedział nawet coś podobnego wczoraj. Nie jestem pewien co powiedziałeś Chris, ale to było coś takiego, że mózg jest najbardziej skomplikowaną strukturą we wszechświecie. Nie zgadzam się z tym. Myślę, że jesteś bardziej skomplikowany niż twój mózg. Masz mózg. I pomimo tego, że mózg wydaje się być skomplikowanym organem, to myślę, że rzeczy pozostają skomplikowane, dopóty dopóki ich nie zrozumiemy. Zawsze tak było. Więc wszystko co możemy powiedzieć, to że kora nowa, będąca częścią mózgu, którą się interesuję, ma 30 miliardów komórek. Ale wiecie co? Ta część mózgu jest bardzo, bardzo regularna. Wyglądem przypomina powtarzającą się strukturę. Nie jest tak skomplikowana jak się wydaje. To nie jest sedno sprawy.
Some people say, brains can't understand brains. Very Zen-like. Woo.
Niektórzy mówią, że mózg nie może zwyczajnie zrozumieć mózgu. To trochę w stylu zen. Uuuuu. Wiecie o co mi chodzi --
(Laughter)
(Śmiech)
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.
Brzmi całkiem dobrze, ale dlaczego? Jaki to ma sens? To przecież tylko zlepek komórek. Rozumiesz działanie swojej wątroby. Także składa się z wielu komórek, prawda? Myślę więc, że to nie ma wielkiego znaczenia. I na koniec, niektórzy mówią, że nie jestem tylko zlepkiem komórek. Mam przecież świadomość. Doświadczam życia, jestem na świecie. Nie mogę być tylko zlepkiem komórek. No tak, ludzie wierzyli kiedyś, że istnieje pewna siła, sprawiająca, że żyjemy i wiemy dziś, że to wcale nie jest prawda. I naprawdę nie ma dowodów, które potwierdzają, no może poza ludźmi którzy zwyczajnie nie wierzą w to, że komórki potrafią to co potrafią. I tak jeśli niektórzy ludzie wpadli w pułapkę metafizycznego dualizmu, niektórzy mądrzy ludzie także, to możemy się tym nie przejmować.
(Laughter)
(Śmiech)
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.
Zamierzam wam powiedzieć, że jest coś jeszcze, i to jest naprawdę istotne, to jest to: istnieje kolejny powód, dla którego nie dysponujemy dobrą teorią mózgu, i to dlatego, że jest w nas intuicyjne, głęboko zakorzenione, ale nieprawdziwe założenie, które nie pozwala nam dostrzec prawdy. Jest coś w co wierzymy, że jest oczywiste, ale zarazem jest złe. Istnieje to w historii nauki i zanim powiem wam, co to jest, zamierzam opowiedzieć wam trochę o historii tego w nauce. Patrzycie na kilka innych naukowych rewolucji, w tym przypadku mówię o systemie słonecznym, mówię o Koperniku, teoria ewolucji Darwina oraz płyty tektoniczne, mam na myśli Wegenera. Wszyscy oni mają wiele wspólnego z nauką o mózgu.
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.
Przede wszystkim, wszyscy mieli mnóstwo niewyjaśnionych danych. Mnóstwo. Ale stały się one bardziej zrozumiałe, kiedy stworzyli teorię. Najlepsze umysły miały z tym kłopot, naprawdę, bardzo mądrzy ludzie. Nie jesteśmy dziś wcale mądrzejsi od nich. Okazuje się, że jest naprawdę trudno myśleć o zjawiskach, ale poznając je stopniowo jesteśmy w stanie je łatwiej zrozumieć. Moje córki zrozumiały te trzy naukowe teorie, w ramach ogólnych, będąc jeszcze w przedszkolu. Teraz nie jest tak trudno, sami wiecie, tutaj jest jabłko, tutaj jest pomarańcza, Ziemia krąży wokół Słońca, tego typu rzeczy.
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.
Wreszcie, prawdą jest to, że odpowiedzi na te pytania zawsze tam były, ale ignorowaliśmy je, ponieważ były zbyt oczywiste, i w tym właśnie był problem. To te intuicyjne, głęboko zakorzenione przekonanie było złe. W przypadku systemu słonecznego,to pomysł, że Ziemia wiruje a powierzchnia planety pędzi z prędkością tysiąca mil na godzinę, i że Ziemia pędzi z prędkością miliona mil na godzinę przez system słoneczny. To obłęd. Wszycy wiemy, że Ziemia się nie rusza. Czy czujesz, że Ziemia porusza się z prędkością tysiąca mil na godzinę? Oczywiście, że nie. Widzicie, a ktoś kto stwierdził, że kręci się wokół własnej osi w przestrzeni i jest ogromna, mógł zostać zamknięty w więzieniu, tak się właśnie działo w tamtych czasach.
So it was intuitive and obvious. Now, what about evolution?
(Śmiech) Więc to było intuicyjne i oczywiste myślenie. A jak to było z teorią ewolucji?
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.
Z teorią ewolucji było podobnie. Uczyliśmy nasze dzieci, Biblia mówi, że Bóg stworzył wszystkie gatunki zwierząt, koty są kotami, psy psami, ludzie są ludźmi, rośliny roślinami, nie zmieniają się. Noe zamknął je wszystkie w arce na rozkaz Pana, bla, bla, bla. I wiecie co, faktem jest, że jeśli wierzycie w ewolucje, to wszyscy mamy tego samego przodka, i wszyscy mamy wspólnego przodka wliczając tę roślinkę w korytarzu. Tak mówi nam teoria ewolucji. I to jest prawda. To wydaje się nieprawdopodobne. To samo dotyczy teorii plyt tektonicznych, wiecie? Wszystkie góry i kontynenty w pewien sposób unoszą się na powierzchni Ziemi, prawda? To wydaje się bezsensowne.
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.
Więc czym jest to intuicyjne ale niepoprawne założenie, które powstrzymywało nas od zrozumienia mózgu? Teraz zamierzam wam o tym powiedzieć, i prawdziwość okaże się oczywista, i o to właśnie chodzi, prawda? Później będę musiał wyjaśnić dlaczego mylicie się opierając na innym założeniu. Intuicyjne ale oczywiste założenie mówi, że w jakiś sposób inteligencja definiowana jest poprzez zachowanie, że jesteśmy inteligentni ponieważ robimy coś w taki a nie inny sposób, czyniąc tak postępujemy inteligentnie, ale zamierzam wam powiedzieć, że to błąd. Mamy tutaj do czynienia z inteligencją opartą na umiejętności przewidywania. Zamierzam wam to zaprezentować z pomocą kilku slajdów,
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.
dać wam przykład co to oznacza. Oto system. Inżynierowie lubią patrzeć na takie systemy. Naukowcy także je lubią. Mówią tak, mamy coś w pudełku, które posiada wejścia i wyjścia. Badacze sztucznej inteligencji uznają, że tym czymś w środku pudełka jest komputer, który można programować ponieważ jest odpowiednikiem mózgu człowieka, więc wprowadzimy kilka danych i sprawimy, że zacznie coś robić, zacznie funkcjonować. Alan Turing jest twórcą testu Turinga, który wyjaśnia nam, że możemy uznać maszynę za inteligentną tylko wtedy, gdy zachowuje się tak samo jak człowiek. To miara behawioralna tego czym jest inteligencja, i przez wieki zakorzeniła się ona w naszych umysłach.
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.
W rzeczywistości jednak, nazywam to rzeczywistą inteligencją. Rzeczywista inteligencja zbudowana jest na czymś innym. Doświadczamy nasz świat poprzez sekwencję zdarzeń, gromadzimy je, by później je przywołać. I kiedy je przywołujemy, dopasowujemy je do rzeczywistości, dokonując przy tym ciągłego przewidywania zdarzeń. To jest taka wieczna miara. Istnieje w nas nieustannie pytająca wieczna miara, czy rozumiemy świat? Czy przewiduję co nastąpi? I tak dalej. Wszyscy jesteście już inteligentni, nawet nie robiąc nic w tej chwili. Może się drapiesz, a może dłubiesz w nosie, nie wiem co robisz, ale nie robisz niczego w tej chwili, ale jesteś inteligentny, rozumiesz co do ciebie mówię. Ponieważ jesteś inteligentny i mówisz po angielsku, wiesz jakie słowo jest na końcu tego -- (cisza) zdania.
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.
Słowo dotarło do ciebie, a ty ciągle przewidujesz co nastąpi. Mam na myśli to, że wieczne przewidywanie to wyjście kory nowej. I, że w pewien sposób, przewidywanie prowadzi do inteligentnego zachowania. A oto jak to się dzieje. Zacznijmy od nie-inteligentnego mózgu. Zajmiemy się nie-inteligentym mózgiem, pozostawimy pień mózgu, i można powiedzieć, że nie będzie to mózg ssaka, bardziej gada, więc powiedzmy, że to będzie aligator. Aligator posiada pewne bardzo wyrafinowane zmysły. Posiada dobry wzrok i słuch oraz zmysł dotyku i dalej pysk i nos. Charakteryzuje się bardzo złożonym zachowaniem. Potrafi biegać i chować się. Okazuje strach i emocje. Może cię zjeść. Potrafi atakować. Potrafi wiele innych rzeczy. Ale z ludzkiego punktu widzenia nie uważamy aligatora za bardzo inteligentnego.
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.
Ale posiada on przecież złożony system zachowania. Więc co się stało w trakcie ewolucji? Ważną zmianą w procesie ewolucji ssaków było wykształcenie się części nazywanej korą nową. I zamierzam wam zaprezentować jak wygląda kora nowa. to ten kwadrat na rysuku umieszczony nad pniem mózgu. Kora nowa oznacza nową warstwę. Nową warstwę okalającą twój mózg. Jeśli nie wiesz jak wygląda, to jest to pomarszczona masa w górnej części głowy, jest pomarszczona ponieważ została tam wetknięta i nie pasuje.
(Laughter)
(Śmiech)
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.
Naprawdę, tak właśnie wygląda. Ma wielkość stołowej serwety. I nie mieści się w głowie, więc stąd ta pomarszczona struktura. Spójrzcie jak to narysowałem. Pień mózgu ciągle tam jest. Wciąż macie mózg aligatora. Naprawdę. To twoja część mózgu odpowiedzialna za emocje. Wywodzą się z niego wszystkie wasze emocje i instynkt. A na jego zewnętrznej stronie znajduje się system pamięci zwany korą nową. System pamięci mieści się nad częścią mózgu odpowiedzialną za zmysły. Tak więc, kiedy impuls dociera do pnia mózgu, dostaje się dalej do kory nowej. A kora nowa zapamiętuje informacje. Czeka tam sobie i mówi, ach, zamierzam zapamiętać wszystkie te informacje, miejsca, w których byłem, ludzi, których widziałem,rzeczy, które słyszałem itd. A w przyszłości, kiedy zobaczy coś podobnego, w podobnym lub w identycznym otoczeniu, odtworzy te wspomnienia. Zacznie je odtwarzać. Och, byłem już tu kiedyś. Znam tą sytuację z doświadczenia wiem co wydarzy się dalej. To pozwala ci przewidywać następstwa. To pozwala ci, dosłownie następuje sprzężenie zwrotne w twoim mózgu, wspomnienia pozwolą ci przewidzieć co stanie się dalej, pozwolą ci usłyszeć słowo, zanim je wypowiem. I to sprzężenie zwrotne w twoim mózgu, pozwoli ci podjąć bardziej inteligentne decyzje
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.
To najważniejszy slajd mojego wykładu, więc zamierzam się na niim skupić. A więc, cały czas mówisz, och, potrafię przewidzieć co nastąpi. Jeśli byłbyś szczurem, który biegnie przez labirynt odkrywając właściwą drogę, będąc w tym labiryncie ponownie, twoje postępowanie byłoby takie same, ale nagle, stałbyś się mądrzejszy ponieważ pomyślałbyś, och, rozpoznaję ten labirynt, wiem którędy pójść, znam to miejsce, potrafię przewidywać. I to właśnie czynisz. U ludzi, przy okazji, potrafią to wszystkie ssaki, inne ssaki także to robią, a u ludzi jest to jeszcze bardziej rozwinięte. U ludzi wykształciła się przednia część kory nowej nazywana przednią częścią kory nowej (anterior neocortex). Natura dokonała małej sztuczki Mianowicie skopiowała tylną część mózgu, kontrolującą zmysły i umieściła ją w przedniej jego części. Ludzie jako jedyni posiadają ten sam mechanizm w przedniej części mózgu, ale używamy go do kontroli ośrodka ruchu.
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.
Więc dzięki temu możemy wykonywać bardzo skomplikowane ruchy. Nie mam czasu, aby to wytłumaczyć, ale jeśli chcecie zrozumieć, jak działa mózg, to musicie zrozumieć, jak działa pierwsza część kory nowej u ssaków, w jaki sposób zapamiętujemy sekwencje i potrafimy przewidywać. Więc pozwólcie mi przedstawić kilka przykładów umiejętności przewidywania. Wspomniałem już o zgadywaniu wyrazu w zdaniu. W muzyce, jeśli słyszałeś piosenkę wcześniej, jeśli słuchałeś Jill śpiewającą wcześniej te piosenki, to kiedy śpiewa je, następna nuta sama pojawia się w twojej głowie -- spodziewasz się, że się pojawią. Jeśli słuchasz całego albumu, po każdej piosence spodziewasz się następnej piosenki w kolejności. To dzieje się cały czas. Cały czas przewidujesz co nastąpi.
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.
Czasem przeprowadzam eksperyment zwany zamianą drzwi. Ten eksperyment myślowy wygląda tak: przypuśćmy, że masz drzwi w domu i kiedy ty przebywasz tutaj, ja zmieniam ustawienie drzwi, mój pomocnik który jest w twoim domu, przesuwa drzwi, zmienia położenie klamki przesuwając ją o dwa cale. Kiedy wrócisz wieczorem do domu, odruchowo wyciągniesz rękę starając się chwycić klamkę i zauważysz, że jest w niewłaściwym miejscu, wtedy zdasz sobie sprawę, że coś się stało. Może to potrwać kilka sekund zanim się zorientujesz, ale wiesz, że coś jest nie tak. Mogę zmienić położenie klamki w jeszcze inny sposób. Mogę ją powiększyć albo zmniejszyć, mosiądz zamienić na srebro, mogę ją wymienić na dźwignię. Mogę zmienić twoje drzwi, zmienić ich kolor, mogę wmontować w nie małe okienka. Mogę zmienić tysiące szczegółów, ale za każdym razem kiedy będziesz je otwierał, wystarczą ci dwie sekundy, aby zorientować się, że coś się zmieniło.
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!"
Więc zarówno inżynierowie, jak i badacze sztucznej inteligencji byliby skłonni do stworzenia bazy danych tych drzwi. Bazy zawierającej wszystkie informacje. I kiedy podchodziłbyś do tych drzwi, informacje te zostałyby ci przedstawione. Drzwi, drzwi, drzwi, np. ich kolor, wiecie co mam na myśli. Ale to nie działa w ten sposób. Twój mózg nie działa w ten sposób. Mianowicie twój mózg przez cały czas przewiduje co wydarzy się w twoim najbliższym otoczeniu. Kładąc swoją dłoń na tym stole spodziewam się, że za chwilę dotknie jego powierzchni. Jeśli stawiając równe kroki pomylę się o mały kawałek to zorientuję się, że coś się zmieniło. Ciągle przewidujesz, co wydarzy się w twoim najbliższym otoczeniu. Opowiem o tym krótko. Oto obraz przedstwiający kobietę. Kiedy przyglądacie się drugiej osobie, wasze oczy zatrzymuja się od dwóch do trzech razy w ciągu sekundy na danym punkcie. Nie zdajecie sobie z tego sprawy, ale wasze oczy ciągle się poruszają. I kiedy patrzysz na czyjąś twarz, to zwykle przesuwasz wzrok z jednego oka na drugie, dalej na nos i usta. Kiedy przesuwasz wzrok z jednego oka na drugie i zamiast oka napotkasz tam nos, to okaże się, że tam gdzie powinno być oko zobaczysz nos,
(Laughter)
i pomyślisz, co jest grane --
"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.
(Śmiech) Coś jest nie tak z tym człowiekiem. Dzieje się tak dlatego, że przewidujesz. Nie dzieje się tak, że patrząc tam zadajesz sobie pytanie co widzisz? Widzę nos, w porządku. Nie, ty zwyczajnie masz oczekiwanie w stosunku do tego co tam zobaczysz.
(Śmiech)
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.
Ciągle przewidujemy. I na koniec, pomyślmy o tym, jak badamy inteligencję. Badamy ją poprzez przewidywanie rozwiązań. Jakie jest następne słowo? To pasuje do tego, jako to do tego. Jaki jest kolejny numer w tym zdaniu? Spójrz na trzy kształty brył. Która bryła będzie czwarta? Tak badamy inteligencję. Przewidujemy rozwiązania. Więc jaki jest przepis na teorię mózgu?
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.
Po pierwsze, musimy dysponować odpowiednią strukturą. Tą strukturą jest struktura pamięci, nie struktura obliczeniowa czy struktura zachowania. To struktura pamięci. W jaki sposób zapamiętujesz i przypominasz sobie sekwencje i wzory? To wzorce czasowo-przestrzenne Dysponując taką strukturą angażujesz do pomocy kilku teoretyków.
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.
Biolodzy z reguły nie są dobrymi teoretykami. Nie zawsze jest to prawdą, ale z reguły w biologii liczy się praktyka. Więc doszedłem do wniosku, że najlepiej współpracować z fizykami, inżynierami i matematykami, którzy skłonni są myśleć algorytmicznie. Muszą się jednak oni najpierw nauczyć anatomii oraz fizjologii. Stworzenie teorii mózgu wymaga użycia odpowiednich terminów anatomicznych. Każdy kto przedstawi swoją teorię funkcjonowania mózgu i nie będzie w stanie w sposób precyzyjny wytłumaczyć jak mózg pracuje i jak działa w nim cała struktura, poniesie klęskę. Właśnie tworzeniem takiej precyzyjnej teorii zajmujemy się w Instytucie Neuronauki w Redwood.
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.
Chciałbym mieć więcej czasu i opowiedzieć wam o postępach w tej dziedzinie, i spodziewam się kiedyś wrócić na tę scenę, być może uda nam się spotkać jeszcze raz w najbliższym czasie i opowiedzieć o tym. To takie ekscytujące. Stworzenie teorii mózgu nie zajmie nam wcale 50 lat.
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.
Więc jak będzie wyglądać teoria mózgu? Przede wszystkim, będzie to teoria dotycząca pamięci. Nie takiej jak pamięć komputera. To zupełnie inny rodzaj pamięci. Bardzo się od niej różni. Zawiera ona te wszystkie zaawansowane informacje, takie jak te, które pochodzą z oka. To także pamięć sekwencyjna. Nie możesz uczyć się, czy przypominać coś bez sekwencyjności zapamiętywania. Piosenka musi być zapamiętana sekwencyjnie w określonym czasie, i przywołujesz ją także w sposób sekwencyjny. Sekwencyjnośc zapamiętywania jest automatycznie odtwarzana, jeśli widzę coś lub słyszę, następuje automatyczny proces przypominania zdarzenia. To automatyczne odtwarzanie. Przewidywanie zdarzeń staje się możliwe. Wspomniałem, że teoria musi być biologicznie poprawna, musi być sprawdzalna oraz możliwa do stworzenia. Jeśli jej nie zbudujesz to zwyczajnie jej nie zrozumiesz. Jeszcze jeden slajd.
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.
Jakie będą tego konsekwencje? Czy naprawdę zbudujemy inteligentne maszyny? Oczywiście, że tak. I będzie to wyglądało inaczej, niż myślą o tym ludzie. Nie mam wątpliwości, że to się stanie. Przede wszystkim zaczniemy budowę sztucznego umysłu wykorzystując silikon. Taką samą technikę wykorzystujemy do budowy pamięci komputerów, możemy to także wykorzystać tutaj. Ale to bardzo odmienne rodzaje pamięci. Zamierzamy połączyć tę pamięć z sensorami, które zaczną egzystować w świecie realnym dostarczając rzeczywistych danych i będą się uczyć o swoim środowisku.
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.
Myśle, że to mało prawdopodobne, że ujrzycie najpierw roboty. Nie znaczy to, że roboty nie są przydatne lub, że nie potrafimy ich konstruować. Ale stworzenie pewnej części robota jest najtrudniejsze. To tzw. stary mózg. To naprawdę trudne. Nowy mózg można skonstruować łatwiej niż stary mózg. Przede wszystkim zamierzamy się zająć tym co nie wymaga dużo robotyki. Więc nie zobaczycie od razu robota C-3PO. Prędzej doczekacie się takich udogodnień jak inteligentne samochody, które rozumieją, czym jest korek i czym jest jazda i które rozpoznają samochody z włączonym przez pół minuty kierunkowskazem lecz niekoniecznie wykonujących manewr skręcania.
(Laughter)
(Śmiech)
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.
Potrafimy także stworzyć inteligentne systemy zabezpieczające. Wszędzie tam, gdzie używamy swojego umysłu, jednocześnie nie stosując zaawansowanej mechaniki. Właśnie takich rzeczy możemy spodziewać się najpierw. Ale ostatecznie, to czas pokaże co się stanie. Nie wiem co przyniosą te zmiany. Znam wielu ludzi, którzy byli współtwórcami mikroprocesora i rozmawiając z nimi dowiesz się, że mieli świadomość, że tworzą coś znaczącego, ale nie wiedzieli jakie będą tego konsekwencje. Nie potrafili sobie wyobrazić rozwoju telefonii komórkowej i Internetu, i tego typu rzeczy. Wiedzieli na przykład, jak zbudować kalkulatory albo system sygnalizacji świetlnej. Ale to będzie coś wielkiego. W ten sam sposób, nauka o mózgu i tych wspomnieniach stanie się podstawową technologią, która doprowadzi do niesamowitych zmian w następnym stuleciu. Najberdziej mnie interesuje jak zostaną te zmiany wykorzystane w nauce. Myślę, że to cały mój czas, skończyłem, to koniec mojego wykładu właśnie teraz.