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.
Eu faço duas coisas. Desenho computadores portáteis e estudo cérebros. A apresentação de hoje é sobre cérebros e eu tenho um admirador de cérebros por ai algures.
(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.
(Risos) Podem pôr o meu primeiro slide aqui, para verem o título da minha palestra e as minhas duas afiliações. Vou dizer porque é que não temos uma boa teoria do cérebro, porque é importante desenvolver uma e o que podemos fazer para isso. Vou tentar fazer isso tudo em 20 minutos. Tenho duas afiliações. Muitos de vocês conhece-me dos meus dias de Palm e de Handspring, e dirijo um instituto científico sem fins lucrativos, o Instituto Redwood Neuroscience em Menlo Park, e estudamos neurociência teórica. Estudamos o funcionamento do neocórtex.
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.
Vou falar sobre isso tudo. Tenho aqui um slide da minha outra vida, a vida dos computadores. Estes são alguns dos produtos em que trabalhei nos últimos 20 anos, a começar no primeiro portátil original até alguns dos primeiros "tablets" e por ai fora, acabando no Treo recentemente, e continuamos a fazer isto. Fiz isto porque acredito que os computadores móveis são o futuro dos computadores pessoais, e estou a tentar fazer o mundo melhor trabalhando nestas coisas. Mas tenho de confessar, foi um acidente. Eu nunca quis fazer nenhum destes produtos e muito cedo na minha carreira decidi que não iria para a indústria dos computadores.
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.
Antes de falar disso, tenho de falar-vos desta imagem de graffiti que copiei da Internet. Procurava uma imagem de graffiti, linguagem de entrada de texto, e encontrei um sitio Internet dedicado a professores , que querem escrever coisas por cima do quadro negro, e eles também usaram graffiti, e peço desculpa por isso.
(Laughter)
(Risos)
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.
Quando eu era novo e saí da escola de engenharia, Cornell em 79, decidi que ia trabalhar para a Intel. Já estava na indústria dos computadores há três meses, apaixonei-me por outra coisa, e disse: "Escolhi a carreira errada" e apaixonei-me por cérebros. Isto não é um cérebro verdadeiro. É o desenho de um cérebro. Não me lembro exatamente como começou, mas tenho uma recordação, bastante forte na minha mente. Em setembro de 1979, o Scientific American saiu apenas com um tema sobre o cérebro, que era bastante bom. Foi um dos melhores números de sempre. Falava do neurónio, de desenvolvimento, de doença e visão e de tudo sobre cérebros. Foi realmente impressionante.
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.
Ficávamos com a impressão de saber muito sobre cérebros. O último artigo desse número foi escrito por Francis Crick, famoso pelo ADN. Hoje é o 50.º aniversário da descoberta do ADN. Ele escreveu uma história dizendo: "Isto é tudo bem e bom, mas sabem uma coisa? "não sabemos patavina sobre cérebros "e ninguém tem uma pista de como funciona essa coisa, "por isso não acreditem em tudo o que vos dizem". "O que manifestamente nos falta — ele é um verdadeiro "gentleman" britânico — "é um bom enquadramento de ideias "para podermos interpretar essas diferentes abordagens." Achei ótima a palavra "enquadramento". Não disse que não tínhamos uma teoria. Disse que não sabemos como pensar nisso nem sequer temos um "enquadramento". Estamos nos dias de pré-paradigma para parafrasear Thomas Kuhn. Eu apaixonei-me por isto, e disse: "Temos todo este conhecimento sobre cérebros. Será assim tão difícil?" É uma coisa que pode funcionar no meu tempo de vida. Achei que podia fazer uma diferença,
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.
e assim tentei passar dos computadores para o negócio dos cérebros. Fui ao MIT, ao laboratório de IA, e disse: "Também quero construir máquinas inteligentes, mas primeiro tenho que estudar o funcionamento do cérebro. Eles responderam: "Não é necessário fazer isso. Nós aqui só programamos computadores, é o suficiente". E eu: "Não, deviam estudar o cérebro. E eles: "Estás errado". E eu: "Vocês é que estão" e não entrei no laboratório.
(Laughter)
(Risos)
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.
Fiquei um pouco desapontado — era bastante novo. Voltei uns anos depois, desta vez na Califórnia, e fui a Berkeley. E disse: "Vou para a secção de biologia". Entrei no programa PhD de Biofísica, e tudo bem, estou a estudar cérebros, e disse: "Quero estudar a teoria. E eles: "Não podes estudar teoria sobre cérebros. "Não se arranja financiamento para isso. "E como aluno universitário, não podes fazer isso". Eu fiquei muito deprimido. Eu podia fazer a diferença nesta área. Por isso, voltei para a indústria dos computadores e disse: "Vou ter de trabalhar nisto por uns tempos". Foi quando desenhei todos aqueles produtos. (Risos)
(Laughter)
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.
Queria fazer isso durante quatro anos, ganhar algum dinheiro, — estava a formar uma família — e ganhar alguma maturidade, e talvez a neurociência também amadurecesse um pouco. Demorou mais de quatro anos. Foram cerca de 16 anos. Estou a fazê-lo agora, e vou falar-vos disso. Porque é que deveríamos ter uma boa teoria do cérebro? Há muitas razões pelas quais as pessoas fazem ciência. A mais básica é que as pessoas gostam de saber coisas. Somos curiosos, e por isso procuramos conhecimento. Porque estudamos formigas? É interessante. Talvez venha a ser útil, mas é interessante e fascinante. Mas por vezes, a ciência tem outros atributos que a tornam muito interessante. Por vezes, uma ciência diz-nos algo sobre nós próprios,
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.
diz-nos quem nós somos. Raramente a evolução fez isso e Copérnico fez isso, temos uma nova compreensão de quem somos. Nós somos os nossos cérebros. O meu cérebro está a falar ao vosso cérebro. Os nossos corpos passeiam juntos, mas é o meu cérebro que fala com o vosso. Se queremos entender quem somos, como sentimos e entendemos, temos que perceber o que é o cérebro. Por vezes, a ciência leva-nos a grandes benefícios sociais e tecnológicos, ou negócios, ou o que quer que saia dela. Quando entendermos como funciona o cérebro, poderemos construir máquinas inteligentes, o que é uma coisa que vai trazer benefícios enormes para a sociedade tal como uma tecnologia fundamental.
So why don't we have a good theory of brains? People have been working on it for 100 years. Let's first take a look at what normal science looks like. This is normal science. Normal science is a nice balance between theory and experimentalists. The theorist guy says, "I think this is what's going on," the experimentalist says, "You're wrong." It goes back and forth, this works in physics, this in geology. But if this is normal science, what does neuroscience look like? This is what neuroscience looks like. We have this mountain of data, which is anatomy, physiology and behavior. You can't imagine how much detail we know about brains. There were 28,000 people who went to the neuroscience conference this year, and every one of them is doing research in brains. A lot of data, but no theory. There's a little wimpy box on top there.
Então, porque é que não temos uma teoria do cérebro? As pessoas trabalham nisso há já 100 anos. Primeiro, vamos ver o que é a ciência normal. Isto é ciência normal. Ciência normal é um bom equilíbrio entre teoria e experimentalismo. O teórico diz: "Acho que isto é o que se passa", e o experimentalista diz: "Não. Estás errado". E anda de um lado para o outro. Isto funciona na física, na geologia. Mas o que se passa na neurociência? É isto que se passa na neurociência. Temos esta montanha de dados — anatomia, fisiologia e comportamento. Nem imaginam o detalhe do que sabemos sobre cérebros. Havia 28 000 pessoas na conferência de neurociência este ano. e estão todos a fazer investigação em cérebros. Muitos dados. Mas não há teoria. Há ali em cima uma caixa minúscula.
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.
E a teoria ainda não teve um papel importante na neurociência. E é pena. Porque é que isto acontece? Perguntamos aos neurocientistas: "Porque é que assim é?" Eles começam por admiti-lo, mas dizem: "Há várias razões para não haver uma boa teoria do cérebro. Alguns dizem: "Não temos dados suficientes. "Precisamos de mais informação, há muita coisa que não sabemos. Acabei de vos dizer que já temos dados até mais não. Temos tanta informação que nem sabemos por onde começar. O que ganhamos em ter mais informação? Podemos ter sorte e descobrir alguma coisa mágica, mas não me parece. Isto é um sintoma de que não temos nenhuma teoria. Não precisamos de mais dados, precisamos de uma teoria.
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.
Às vezes diz-se: "O cérebro é tão complexo, que vai levar outros 50 anos. Acho que o Chris disse algo semelhante ontem. Não sei bem, Chris, mas foi algo assim: "É uma das coisas mais complicadas do universo". Não é verdade. Nós somos mais complicados que o cérebro. E mesmo que o cérebro pareça muito complicado, as coisas parecem complicadas até as percebermos. Foi sempre assim. Assim, só podemos dizer: "O meu neocórtex, a parte do cérebro que me interessa, "tem 30 mil milhões de células". Mas, sabem? É muito, muito regular. De facto, parece a mesma coisa repetida vezes sem conta. Não é tão complexo como parece. Isso não é problema.
Some people say, brains can't understand brains. Very Zen-like. Woo.
Outros dizem: "O cérebro não pode entender o cérebro". Muito Zen. Uau!
(Laughter)
(Risos)
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.
Soa bem, mas porquê? Qual é o objetivo? É apenas um conjunto de células. Entendemos o fígado. E tem muitas células, não tem? Portanto, acho que o problema não é esse. Finalmente, alguns dizem; "Não me sinto um conjunto de células. "Tenho consciência. "Tenho esta experiência, estou no mundo. "Não posso ser apenas um conjunto de células. "As pessoas pensavam que existia uma força viva para se estar vivo, e agora sabemos que isso não é verdade. Não há provas que o digam, fora as pessoas que não acreditam que as células possam fazer o que fazem. Se alguém caiu no abismo do dualismo metafisico, são pessoas muito espertas também, mas podemos rejeitar tudo isso.
(Laughter)
(Risos)
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.
Não, vou dizer-vos que há outra coisa que é fundamental, e é isto: há outra razão para não temos uma boa teoria do cérebro, e é porque temos um assunção intuitiva e forte mas incorreta, que nos impede de ver a resposta. Há coisas que acreditamos estarem certas, mas estão erradas. Há uma história semelhante na ciência que vos vou contra. vou contar essa história na ciência. Vejamos outras revoluções cientificas, — o sistema solar e de Copérnico, a evolução de Darwin e as placas tectónicas, de Wegener. Têm muito em comum com a ciência do cérebro.
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.
Primeiro, tinham muitos dados sem explicação. Muitos. Mas ficaram mais compreensíveis, logo que se elaborou uma teoria. As melhores cabeças estavam bloqueadas, pessoas muito inteligentes. Não somos mais espertos do que eles eram. É difícil pensar numa coisa, mas uma vez bem pensado, é mais fácil entendê-la. As minhas filhas entenderam estas três teorias, em linhas gerais, quando andavam no infantário. E agora não é muito difícil, aqui está a maçã, aqui está a laranja, a terra gira, e isso tudo.
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. So it was intuitive and obvious. Now, what about evolution?
Outra coisa é que a resposta esteve lá o tempo todo, mas foi ignorada por razões óbvias, é a realidade. Por uma forte convicção intuitiva de que estava errada. No caso do sistema solar, a ideia de que a Terra está a girar que a sua superfície se desloca a milhares de km por hora, e se desloca pelo sistema solar a um milhão de km por hora. É de lunático. Sabemos que ela não se move. Sentem que estão a viajar a milhares de km/h? Não. Se alguém dissesse que estava a girar no espaço, que é enorme, trancavam-na, foi o que fizeram naquela época. (Risos) Portanto, era intuitivo e óbvio. E quanto à evolução?
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.
É a mesma coisa. Ensinamos aos nossos filhos. A Bíblia diz que Deus criou todas as espécies, gatos, cães, pessoas, plantas, eles não mudam. Noé pô-los na Arca por aquela ordem, blá, blá, blá. O facto é que, se acreditam na evolução, que todos temos um antepassado comum, e todos temos um antepassado comum com a planta ali à entrada. Isto é o que a evolução nos diz. É verdade. É mais ou menos inacreditável. O mesmo sobre as placas tectónicas. Todas as montanhas e continentes estão a flutuar por cima da terra. É assim, não faz sentido nenhum.
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.
Portanto, qual é a intuição, mas uma assunção incorreta, que nos impediu de entender o cérebro? Vai parecer óbvio que está correto, e é esse o objetivo. Vou ter de explicar porque é que estavam errados sobre a outra assunção. A coisa intuitiva mas óbvia é que, de certa forma, a inteligência é definida pelo comportamento, que somos inteligentes porque fazemos coisas mas vou provar que isso está errado. A inteligência é definida pela previsão. Vou mostrar-vos alguns slides, para dar um exemplo do que isto significa.
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.
Isto é um sistema. Os engenheiros e os cientistas gostam de desenhar os sistemas assim. Dizem: "Temos uma coisa numa caixa, com entradas e saídas. As pessoas da IA dizem: "Na caixa está um computador programável equivalente a um cérebro, fornecemos-lhe informações para ele ter algum tipo de comportamento. Alan Turing definiu o teste Turing, que diz que uma coisa é inteligente se o seu comportamento for idêntico ao comportamento humano. Uma medida comportamental do que é a inteligência. Isto ficou encaixado na nossa mente durante muito tempo.
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.
Eu falo da "inteligência real". A inteligência real é feita de outra coisa. Experimentamos o mundo através de uma sequência de padrões que guardamos e recordamos. Quando as chamamos, comparamo-las com a realidade, e fazemos previsões o tempo todo. É uma medida eternal que existe em nós e podemos dizer: "Entendo o mundo? "Estarei a fazer previsões?" Etc. Vocês estão a ser inteligentes, e não estão a fazer nada. Podem estar a coçar-se, a meter o dedo no nariz. Não estão a fazer nada neste momento, mas estão a entender o que eu digo. Como são inteligentes e falam inglês, sabem que palavra existe no fim desta... ... frase. A palavra surgiu-vos, e vocês estão sempre a fazer estas previsões.
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.
O que quero dizer é que a previsão eterna é a saída do neocórtex. De certa forma, a predição leva ao comportamento inteligente. É assim que acontece. Comecemos com um cérebro não inteligente. Eu digo que é um cérebro não inteligente, porque é um cérebro velho, vamos dizer que não é de mamífero, mas de um réptil, portanto digamos, de crocodilo. O crocodilo tem sentidos muito sofisticados. Tem bons olhos e ouvidos e tacto e outros, uma boca e um nariz. Tem um comportamento muito complexo. Pode correr e esconder-se. Tem medos e emoções. Pode comer-nos, pode atacar. Pode fazer muitos tipos de coisas. Mas não consideramos o crocodilo muito inteligente, como um ser humano.
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.
Mas tem todo este comportamento complexo. Durante a evolução, o que aconteceu? Na evolução dos mamíferos, começámos por desenvolver o neocórtex. Vou representar o neocórtex aqui, com esta caixa por cima do velho cérebro. Neocórtex significa nova camada. É uma nova camada por cima do cérebro. É aquela coisa enrugada, no alto da cabeça, enrugada porque foi enfiada ali dentro mas não cabe lá.
(Laughter)
(Risos)
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.
É mesmo. Tem o tamanho de uma toalha de mesa. Não cabe, fica enrugada. Agora olhem como desenhei isto aqui. O velho cérebro ainda ali está. Ainda temos o cérebro de crocodilo. Temos. É o cérebro emocional. É todas aquelas reações viscerais que temos. Por cima dele, temos este sistema de memória chamado neocórtex. O sistema de memória assenta sobre a parte sensorial do cérebro. Portanto, tal como as entradas sensoriais alimentam o velho cérebro, também vão para cima para o neocórtex. E o neocórtex está só a memorizar. Está ali apenas a memorizar todas as coisas que se passam, "onde estive, pessoas que vi, coisas que ouvi", etc. No futuro, quando vê qualquer coisa semelhante outra vez, num contexto semelhante, ou exatamente no mesmo contexto, volta a passá-lo outra vez. "Já aqui estive antes, e depois disso aconteceu isto a seguir". Permite-nos prever o futuro. Permite-nos, literalmente reinjectar os sinais no cérebro, que vos permitem ver o que vai acontecer a seguir, ouvir a palavra, antes de eu a dizer. É esta realimentação no velho cérebro que nos permite tomar decisões muito mais inteligentes.
This is the most important slide of my talk, so I'll dwell on it a little. And all the time you say, "Oh, I can predict things," so if you're a rat and you go through a maze, and you learn the maze, next time you're in one, you have the same behavior. But suddenly, you're smarter; you say, "I recognize this maze, I know which way to go; I've been here before; I can envision the future." That's what it's doing. This is true for all mammals -- in humans, it got a lot worse. Humans actually developed the front of the neocortex, called the anterior part of the neocortex. And nature did a little trick. It copied the posterior, the back part, which is sensory, and put it in the front. Humans uniquely have the same mechanism on the front, but we use it for motor control.
Este é o slide mais importante da palestra, vou insistir nele mais um pouco. Por isso estamos sempre a dizer: "Eu consigo prever as coisas. Um rato que atravessa um labirinto e aprende o caminho, quando volta ao labirinto, tem o mesmo comportamento. Mas nós somos mais espertos, porque dizemos: "Reconheço este labirinto, sei qual o caminho a seguir". "Já aqui estive, posso prever o futuro". É o que estamos a fazer. Isto é verdade para todos os mamíferos, mas nos seres humanos, tornou-se muito pior. Nós desenvolvemos a parte frontal do neocórtex — chamada a parte anterior do noecórtex — e a natureza fez um pequeno truque. Copiou a parte posterior, que é sensorial, e pô-la na parte frontal. Só os seres humanos têm o mesmo mecanismo na frente, mas utilizamo-lo para o controlo motor.
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.
Agora podemos planear movimentos muito sofisticados. Não posso entrar em detalhe mas, para entender como funciona o cérebro, têm de entender como funciona a primeira parte do neocórtex de um mamífero, como guardamos sequências e fazemos previsões. Vou dar alguns exemplos de previsões. Já disse a palavra "frase". Na música, se já ouviram Jill a cantar uma canção, quando ela a canta, a nota seguinte aparece na vossa cabeça. Vocês vão prevendo as notas. Num álbum de música, no fim de uma canção, a canção seguinte aparece na nossa cabeça. Estão sempre a acontecer, estas previsões.
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.
Eu falo da "experiência do pensamento da porta alterada". É o seguinte: vocês têm uma porta em casa. Enquanto estão aqui eu mudo-a. Há alguém na vossa casa neste momento, a mudar a porta. Vai mudar o puxador da porta dois centímetros. Quando forem para casa hoje, vão pôr ali a mão, chegam ao puxador da porta e notam que está no sítio errado. E dizem: "Uau! O que é que aconteceu?" Pode demorar a perceber, mas dão fé. Eu podia mudar o puxador da porta, fazê-lo maior ou menor, mudar o material para prata, fazer uma alavanca. colori-la, pôr-lhe janelas, mudar centenas de coisas na porta. Nos dois segundos que levam a abrir a porta, vão notar que algo mudou.
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!"
A abordagem a isto da engenharia, da IA, é construir uma base de dados de portas, com todos os seus atributos. Quando chegam à porta, vamos verificá-las todas, uma de cada vez. Porta, porta, porta... O nosso cérebro não faz isso. O nosso cérebro está sempre a fazer previsões. sobre o que vai acontecer no nosso contexto. Quando ponho a minha mão na mesa, espero senti-la parar. Ao andar, por cada passo, se falho apenas um oitavo de centímetro, noto que alguma coisa mudou. Estamos sempre a fazer previsões no nosso meio ambiente. Vou falar da visão. Isto é uma imagem de uma mulher. Ao olhamos para uma pessoa, os olhos são apanhados duas a três vezes por segundo. Não reparamos, mas os olhos estão sempre a mexer. Vamos de olho para olho, para olho, para nariz, para a boca. Quando os vossos olhos vão de olho para olho, se estivesse ali outra coisa, como o nariz, se vissem um nariz onde devia estar um olho, vocês diriam: "M... "
(Laughter)
(Risos)
"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.
Há algo de errado com esta pessoa. Isto porque estão a fazer uma previsão. Não disseram: "O que estou a ver agora? Um nariz, está certo". Não, vocês têm uma expetativa do que vão ver.
(Risos)
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.
Sempre. Pensemos agora como testamos a inteligência. Testamo-la por previsão. Qual é a palavra seguinte aqui? Isto está para isto como isto está para isto. Qual é o próximo número nesta frase? Aqui estão três perspetivas de um objeto. Qual é a quarta? É assim que a testamos. É tudo sobre previsão.
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.
Portanto qual é a receita para uma teoria do cérebro? Em primeiro lugar, temos de ter o "framework" certo, um "framework" de memória, não um "framework" de computação ou comportamento. Como guardam e chamam todas estas sequências de padrões? São sequências espácio-temporais. Depois, é preciso um grupo de teóricos.
Then, if in that framework, you take a bunch of theoreticians -- biologists generally are not good theoreticians. Not always, but generally, there's not a good history of theory in biology. I've found the best people to work with are physicists, engineers and mathematicians, who tend to think algorithmically. Then they have to learn the anatomy and the physiology. You have to make these theories very realistic in anatomical terms. Anyone who tells you their theory about how the brain works and doesn't tell you exactly how it's working and how the wiring works -- it's not a theory.
Os biólogos geralmente não são bons teóricos. Nem sempre, mas em geral, não há grande história de teoria em biologia. Acho que as melhores pessoas com quem trabalhar são os físicos, engenheiros e matemáticos, com tendência a pensar algoritmicamente. Temos de aprender anatomia e fisiologia. Temos de fazer teorias muito realistas em termos anatómicos. Alguém que fala da sua teoria sobre o funcionamento do cérebro mas não diz o que se passa dentro do cérebro e como funcionam as ligações, isso não é nenhuma teoria. É o que estamos a fazer no Instituto Redwood Neuroscience.
And that's what we do at the Redwood Neuroscience Institute. I'd love to tell you we're making fantastic progress in this thing, and I expect to be back on this stage sometime in the not too distant future, to tell you about it. I'm really excited; this is not going to take 50 years.
Adorava poder dizer que estamos a fazer progressos fantásticos. Espero voltar a este palco, talvez num futuro próximo, e falar-vos sobre isso. Estou muito entusiasmado. Isto não vai levar 50 anos.
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.
Então, como é uma teoria do cérebro? Vai ser uma teoria sobre a memória. Não como memória de computador, não tem nada a ver com isso. É uma memória desses padrões multidimensão, como o que nos chega dos nossos olhos. É também memória de sequências. Não podem aprender ou lembrar nada fora de uma sequência. Uma canção tem de ser ouvida numa sequência através do tempo, e vocês têm de a relembrar numa sequência através do tempo. Essas sequências são chamadas por autoassociatividade, se eu vir ou ouvir algo, lembra-me algo, e é reproduzido automaticamente. É uma reprodução automática. A predição da entrada futura é a saída desejada. Como eu disse, a teoria tem de ser biologicamente exata, tem de ser testável, e têm de poder construí-la Se não a construírem, não a compreendem. Por isso, mais um slide aqui.
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.
Em que é que isto vai resultar? Vamos mesmo construir máquinas inteligentes? Absolutamente. E vai ser diferente do que as pessoas pensam. Quanto a mim, não há dúvida de que vai acontecer. Em primeiro lugar, vamos construí-las de silício. Podemos usar as mesmas técnicas que usamos para construir memórias de computador, Mas são tipos de memória muito diferentes. Vamos ligar essas memórias a sensores, e os sensores vão receber dados reais em tempo real, e estas coisas vão aprender sobre o seu meio ambiente.
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.
É pouco provável que as primeiras coisas que vamos ver sejam como robôs. Os robôs são úteis, as pessoas podem fazer robôs. Mas a parte robótica é o mais difícil. É o cérebro antigo. O novo cérebro é mais fácil que o antigo. Portanto, a primeira coisa a fazer é o que não necessita de robótica. Por isso não vão ver o C-3PO. Vão ver coisas como carros inteligentes que percebem o que é o tráfego e o que é conduzir, que aprenderam que carros que têm o pisca ligado há mais de 30 segundos provavelmente não vão virar, coisas dessas.
(Laughter)
Também podemos fazer sistemas de segurança inteligentes.
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.
Tudo em que utilizamos o cérebro, mas sem fazer muita mecânica. São as coisas que vão aparecer primeiro. Mas o limite aqui é o mundo. Não sei o que é que isto vai dar. Conheço muitas pessoas que inventaram o microprocessador. Eles sabiam que o que estavam a fazer era realmente significativo, mas não sabiam realmente o que iria acontecer. Não podiam prever telefones portáteis, a Internet e todo este tipo de coisas. Só sabiam que iam construir calculadoras e controladores de semáforos. Mas está a ser enorme. Isto é como a ciência do cérebro. Estas memórias vão ser uma tecnologia fundamental, que vai levar-nos a mudanças incríveis nos próximos 100 anos. Estou mais entusiasmado como vamos utilizá-las em ciência. Acho que o meu tempo já acabou e vou acabar a minha palestra aqui mesmo.