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. Eu projeto computadores portáteis e estudo cérebros E a palestra de hoje é sobre cérebros e, ei! temos um fã de cérebros ali.
(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) Eu vou, se eu puder ter meu primeiro slide ali, e vocês verão o título da minha palestra e minhas duas afiliações Vou falar sobre porque não temos uma boa teoria sobre o cérebro, Qual é a importância de desenvolvermos uma e o que podemos fazer a respeito Tentarei fazer isso tudo em 20 minutos. Tenho duas afiliações A maioria de vocês me conhece dos tempos de Palm e Handspring, mas eu também dirijo um instituto de pesquisa científica sem fins lucrativos chamado Redwood Neuroscience Institute, em Menlo Park e nós estudamos neurociência teórica e estudamos como o neocórtex funciona
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.
Falarei sobre isso Eu tenho um slide sobre minha outra vida, a vida com os computadores, e aqui está ele Estes são alguns dos produtos com que trabalhei nos últimos 20 anos, começando no próprio laptop original até os primeiros computadores tablet e assim foi, terminando recentemente no Treo, e continuamos a fazer isso Fiz isso porque realmente acredito que computação móvel® é o futuro da computação pessoal, e estou tentando fazer o mundo um pouquinho melhor trabalhando nessas coisas Mas isso foi, tenho que admitir, um acidente Eu realmente não queria fazer nenhum desses produtos e muito cedo na minha carreira eu decidi que eu não iria trabalhar na indústria da computação
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.
E antes de falar sobre isso, eu tenho que dizer que esta pequena figura de graffiti ali, eu peguei na internet outro dia quando estava procurando uma figura de grafitti, linguagem de entrada de texto, e achei este site dedicado a professores que querem fazer estas coisas, você sabe, estes scripts de escrever coisas em seus quadros negros, e eles adicionaram graffiti nisso, e eu estou chateado com isso½
(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.
Então o que aconteceu foi que quando eu era jovem e saí da escola de engenharia, Cornell em 79, eu decidi, e fui trabalhar para a Intel eu estava na indústria da computação, e três meses trabalhando nisso, eu me apaixonei por outra coisa, e eu pensei, "Fiz a escolha de carreira errada" eu me apaixonei por cérebros isto não é um cérebro real. É uma figura de um, um desenho Mas eu não me lembro exatamente como isso aconteceu, mas eu tenho uma lembrança, que era mutio forte na minha mente, Em setembro de 1979, Scientific American publicou uma edição inteira somente sobre este tópico. E era boa Foi uma das melhores edições da história. E eles falavam sobre o neurônio e desenvolvimento e doenças e visão e todas as coisas que você poderia querer saber sobre cérebros. Era realemente bem impressionante E você pode ficar com a impressão que a gente realmente sabia muito sobre cérebros
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.
Mas o último artigo daquela edição foi escrito por Francis Crick, famoso pela descoberta do DNA Hoje é, eu acho, o quinquagésimo aniversário da descoberta do DNA E ele escreveu dizendo basicamente que, bem, isto está tudo certo e bom, mas sabe de uma coisa, nós não sabemos quase nada sobre cérebros e ninguém tem a mínima idéia de como estas coisas funcionam, então não acredite em algo que disserem pra você Esta é uma citação daquele artigo. Ele disse, "O que está evidentemente faltando," ele é um verdadei cavalheiro britânico então, "O que está evidentemente faltando é um conjunto de idéias abrangente que permita interpretar estas diferentes abordagens." Eu adorei a expressão "conjunto de idéias" Ele não disse que não tínhamos uma teoria. Ele disse que nós não sabemos sequer como começar a pensar a respeito -- nós sequer temos uma estrutura Nós estamos nos dias pré-paradigma, se você quiser usar Thomas Kuhn E então eu me apaixonei por isso, e disse veja, nós temos todo este conhecimento sobre cérebros. Que dificuldade pode ser essa? E isso é algo que podemos trabalhar no meu tempo de vida. Senti que poderia fazer uma diferença, e então tentei sair do ramo da computação, entrar no ramo do cérebro
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.
Primeiro, fui ao MIT, o laboratório de AI (Inteligência Artificial) era lá e eu disse, bem, eu também quero construir máquinas que sejam inteligentes mas a maneira que quero fazer isso é estudar primeiro como os cérebros funcionam E eles disseram, ah, você não precisa fazer isso Nós iremos apenas programar computadores, é tudo que precisamos fazer E eu disse, não, você realmente tem que estudar cérebros. Ele disseram, ah, você sabe você está errado. E eu disse não, vocês estão errados, e então eu não entrei. (risos)
(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.
Mas eu estava um pouco decepcionado -- muito jovem, mas eu fui mais uma vez alguns anos depois e desta vez na California, e fui a Berkeley E disse, eu vou entrar pelo lado biológico Então entrei -- no programa de Doutorado em biofísica, e eu estava bem, Estou estudando cérebros agora, e pensei, bem, eu quero estudar teoria e eles disseram, ah não, você não pode estudar teoria sobre cérebros ninguém faz isso. Não existe financiamento para fazer isso E como estudante de pós-graduação, você não pode fazer isso. Então eu disse meu deus Eu estava muito deprimido. Eu disse, mas eu posso fazer uma diferença nesse ramo Então o que fiz foi voltar para a indústria da computação e disse, bem, eu terei que trabalhar aqui por um tempo, fazer alguma coisa Foi aí que inventei todos aqueles produtos de computação
(Laughter)
(risos)
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.
Pensei, quero fazer isso por quatro anos, ganhar um pouco de dinheiro, eu estava começando uma família, e eu amadureceria um pouco, e talvez os negócios da neurociência amadurecessem um pouco Bem, demorou mais de quatro anos, foi por volta de dezesseis anos Mas estou fazendo agora, e vou contar a vocês como. Então porque devemos ter uma boa teoria sobre o cérebro? Bem, ha muitas razões pelas quais as pessoas fazem ciência Uma é -- a mais básica de todas-- que as pessoas gostam conhecer coisas Somos curiosos, então saimos por aí juntando conhecimento. porque estudamos formigas? Bem, é interessante Talvez aprendamos algo realmente útil com isso, mas é interessante e fascinante Mas as vezes, a ciência tem outros atributos que a fazem realmente muito interessante
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.
As vezes uma ciência nos dirá coisas sobre nós mesmos ela nos diz quem somos Raramente, você sabe, a evolução fez isso e Copérnico fez isso, onde temos um novo entendimento de quem somos E afinal de contas, nós somos nosso cérebro. Meu cérebro está falando com o seu cérebro Nossos corpos estão juntos para o passeio, mas meu cérebro está falando com o seu cérebro E se queremos entender quem somos e como nos sentimos e percebemos o mundo, nós realmente temos que entender o que nossos cérebros são Outra coisa, as vezes a ciência leva a verdadeiras melhoras sociais e tecnológicas, ou negócios, ou outras coisas quaisquer que surgem dela. E isto é uma também,™ porque quando entendermos como nossos cérebros funcionam, seremos capazes de construir máquinas inteligentes, e acho que isto é verdadeiramente bom como um todo e trará tremendos benefícios para a sociedade 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 não temos uma boa teoria sobre cérebros? E há pessoas trabalhando sobre isso há mais de 100 anos Bem, vamos primeiro observar como se parece a ciência normal Esta é a ciência normal A ciência normal é um bom equilíbrio entre teoria e experimentalistas Os teóricos dizem, bem, acho que é isto que está acontecendo, e o experimentalista diz, não, você está errado E isto vai e volta. Isto funciona na física. Funciona na geologia. Mas se isto é ciência normal, como se parece a neurociência? A neurociência parece com isso Nós temos esta enorme montanha de dados, que é anatomia, fisiologia e comportamento Você não pode imaginar quantos detalhes sabemos sobre cérebros Havia 28.000 pessoas na conferência de neurociências este ano e todas estão fazendo pesquisas sobre cérebros Muitos dados. Mas não há nenhuma teoria. Há uma caixinha pequena e frágil ali em cima E a teoria não desempenhou nenhum papel importante na neurociência.
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 é realmente uma vergonha. Agora, como isso aconteceu? Se você perguntar a neurocientistas, porque as coisas estão assim? Eles irão primeiramente admitir. Mas se você perguntar a eles, eles dirão, bem, há várias razões para não termos uma boa teoria sobre cérebros. Algumas pessoas dizem, bem, nós ainda não temos dados suficientes, precisamos de mais informação, há muitas coisas que não sabemos Bem, eu acabei de contar a vocês quantos dados são descobertos todos os anos Temos tanta informação; não sabemos como começar a organizá-la Qual o benefício de mais informações? Talvez sejamos sortudos e podemos descobrir algo mágico, mas não acredito nisso É na verdade um sintoma do fato de que não temos uma boa teoria Não precisamos de mais dados -- precisamos de uma boa teoria sobre isso
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.
Outra razão é, as vezes as pessoas dizem, bem, cérebros são tão complexos, demorará mais 50 anos Eu inclusive acho que Chris disse algo assim ontem Não tenho certeza do que você disse Chris, mas algo parecido, bem, é uma das coisas mais complexas do universo. Isto não é verdade. Você é mais complicado que seu cérebro. Você tem um cérebro E também, embora o cérebro pareça muito complicado, as coisas parecem complicadas até você as entender Sempre foi assim. E então tudo que podemos dizer, bem, meu neocórtex, a parte do cérebro que me interessa, tem 30 bilhões de células Mas, sabe de uma coisa? Ele é muito, muito regular Na verdade, ele parece a mesma coisa repetida muitas e muitas vezes Não é tão complexo quanto parece. Esta não é a questão
Some people say, brains can't understand brains. Very Zen-like. Woo.
Algumas pessoas dizem, cérebros não podem entender cérebros Muito zen. Uau, você sabe --
(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 porque? Qual é o sentido? è apenas um monte de células. Você entende seu fígado E também há um monte de células, certo? Então, não acho que seja por aí E por último, algumas pessoas dizem, sabe, Eu não me sinto um monte de células. Eu sou consciente Eu tenho esta experiência, estou no mundo, sabe. Eu não posso ser apenas um monte de células. Bem, você sabe, pessoas costumavam crer que havia uma força da vida, e nós sabemos agora que isto não é verdade E realmente não há evidência que diga, bem, outras pessoas apenas creram que células não podem fazer o que fazem E então, se algumas pessoas caíram no abismo do dualismo metafísico, algumas 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, eu irei mostrar a vocês que há algo mais, e que é realmente fundamental, e é isto: Há outra razão porque não temos uma boa teoria do cérebro, e é porque nós temos uma intuição muito forte e arraigada, mas uma suposição incorreta que nos impediu de ver a resposta. Há algo em que acreditamos que é óbvio, mas está errado Há um caso destes na ciência e antes de contá-lo Vou falar um pouco sobre a história da ciência Consider algumas outras revoluções científicas, e neste caso, estou falando do sistema solar, isto é Copérnico, A revolução de Darwin, e as placas tectônicas, isto é Wegener Elas todas têm muito em comum com a neurociência
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.
Em primeiro lugar, eles tinham um monte de dados não explicados. Um monte. Mas se tornou mais manejável quando desenvolveram uma teoria As melhores mentes estavam travadas, pessoas realmente espertas Não somos mais espertos do que eram antes apenas ocorre que é realmente muito difícil pensar sobre as coisas, mas uma vez que você pensou sobre elas, é mais fácil entender Minhas filhas entenderam todas estas três teorias em seus aspectos gerais, na época do jardim da infância E agora não é tão difícil, você sabe, aqui está a maçã, aqui está a laranja, sabe, a Terra gira por aí, este tipo de coisa.
Another thing is the answer was there all along, but we kind of ignored it because of this obvious thing. It was an intuitive, strongly held belief that was wrong. In the case of the solar system, the idea that the Earth is spinning, the surface is going a thousand miles an hour, and it's going through the solar system at a million miles an hour -- this is lunacy; we all know the Earth isn't moving. Do you feel like you're moving a thousand miles an hour? If you said Earth was spinning around in space and was huge -- they would lock you up, that's what they did back then.
Finalmente, outro ponto é que a resposta esteve aí o tempo todo, mas nós meio que a ignorávamos por causa destas coisas óbvias, e este é o ponto Era uma intuição, uma crença muito forte e arraigada, que estava errada No caso do sistema solar, a idéia que a Terra está girando e que a superfície está viajando a 1000 milhas por hora, e de que a Terra esta passeando pelo sistema solar mais ou menos a um milhão de milhas por hora Isto é coisa de lunático. Todos sabemos que a Terra não está se movendo Você sente que está se movendo a 1000 milhas por hora? Claro que não. E se alguém dissesse, bem, ela está viajando no espaço e é tão gigante, eles te prenderiam, e foi o que fizeram no passado
So it was intuitive and obvious. Now, what about evolution?
(risos) Então era intuitivo e óbvio. Agora, 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.
A Evolução é a mesma coisa. Ensinamos nossos filhos, bem, a Bíblia diz, você sabe, Deus criou todas as espécies, gatos são gatos, cachorros são cachorros, pessoas são pessoas, plantas são plantas, eles não mudam. Noé os colocou na arca naquela ordem, blablabla. E, você sabe, o fato é que, se você acredita na evolução, nós todos temos um ancestral comum, e todos temos um ancestral comum com a planta que está na recepção É isto que a evolução nos diz. E isto é verdade. É quase impossível acreditar E a mesma coisa sobre placas tectônicas, sabe? Todas as montanhas e continentes estão meio que flutuando por aí no topo da terra, sabe? Não faz nenhum sentido
So what is the intuitive, but incorrect assumption, that's kept us from understanding brains? I'll tell you. It'll seem obvious that it's correct. That's the point. Then I'll make an argument why you're incorrect on the other assumption. The intuitive but obvious thing is: somehow, intelligence is defined by behavior; we're intelligent because of how we do things and how we behave intelligently. And I'm going to tell you that's wrong. Intelligence is defined by prediction.
Então qual é a suposição intuitiva incorreta que nos impede de entendermos os cérebros? Agora vou falar sobre isso, e irá parecer óbvio que está correto, e este é o ponto, certo? Então terei que argumentar porque você está errado sobre a outra suposição A coisa intuitiva e óbvia é que de alguma maneira a inteligência é definida pelo comportamento, que nós somos inteligentes por causa da maneira como fazemos as coisas e a maneira que nos comportamos inteligentemente, mas eu direi a vocês que isso está errado O que ocorre é que inteligência é definida por predição E irei mostrar isso através de alguns slides aqui,
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.
Darei um exemplo do que isso significa. Aqui temos um sistema Engenheiros olham para sistemas assim. Cientistas gostam de olhar sistemas dessa maneira Eles dizem, bem, nós temos uma coisa na caixa, e temos as entradas e saídas da caixa As pessoas da IA diziam, bem, a coisa na caixa é um computador programável porque isso é equivalente a um cérebro, e nós daremos algumas informações de entrada e nós faremos com que faça alguma coisa, que tenha algum comportamento E Alan Turing definiu o teste de Turing, que diz, em sua essência, que saberemos que alguma coisa é inteligente se ela se comportar de maneira idêntica a um ser humano Uma medida métrica do que é inteligência e isto está enraizado em nossas mentes por 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.
Entretanto a realidade, eu a chamo de inteligência real Inteligencia real é feita de outra coisa Nós experimentamos o mundo através de uma sequência de padrões, e nós os armazenamos e nós os evocamos. E quando os evocamos, nós os comparamos com a realidade, e nós estamos fazendo predições todo o tempo É uma métrica eterna. Tem uma métrica eterna sobre nós, como que dizendo, entendemos o mundo? Estou fazendo predições? E por aí vai Você está sendo inteligente neste exato momento, mas você não está fazendo nada Talvez você esteja se coçando, ou cutucando o nariz, Eu não sei, mas você não esta fazendo alguma coisa neste exato momento, mas você esta sendo inteligente, você está compreendendo o que estou dizendo Porque você é inteligente e fala Inglês você sabe qual palavra está no fim desta -- (silêncio) frase
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.
A palavra veio a você, e você está fazendo estas predições o tempo todo E então, o que estou dizendo é que, esta eterna predição é a saída do neocórtex E que de alguma maneira, predição leva a comportamento inteligente E é assim que ocorre. Vamos começar com um cérebro não inteligente Bem, vou argumentar que um cérebro não-inteligente, nós temos um cérebro antigo, e nós diremos que é tipo um não mamífero, como um réptil, então vou dizer, temos um crocodilo E o crocodilo tem alguns sentidos muito sofisticados Tem bons olhos e ouvidos e sensação de tato etc uma boca e um nariz. Tem comportamentos bem complexos Pode correr e se esconder. Tem medos e emoções. Ele pode te comer, você sabe. Pode te atacar. Pode fazer todos os tipos de coisas Mas nós não consideramos o crocodilo muito inteligente
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 ele já tem todos estes comportamentos complexos Agora, na evolução, o que ocorreu? A primeira coisa que ocorreu na evolução com os mamíferos, nós começamos a desenvolver uma coisa chamada neocórtex e vou representar o neocórtex aqui por este quadrado em cima do cérebro antigo Neocórtex significa nova camada. é uma nova camada no topo do seu cérebro Se você não o conhece, ele é a coisa enrugada no topo da sua cabeça, que se tornou enrugado porque foi apertado e não cabe ali
(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.
Não, sério, é isso mesmo. Tem o tamanho de um guardanapo de mesa E não cabe, então fica todo enrugado. Agora vejam como desenhei isso aqui O cérebro antigo ainda está lá. Você ainda tem um cérebro de crocodilo Você tem mesmo. É o seu cérebro emocional É todas essas coisas, e todas aqueles instintos viscerais que você tem E no topo dele, nós temos este sistema de memória chamado neocórtex E o sistema de memória esta sentado em cima da parte sensorial do cérebro E então conforme as entradas sensoriais chegam do cérebro antigo elas também sobem até o neocórtex. E o neocórtex está apenas memorizando Ele está lá dizendo, ah, vou memorizar todas esta coisas que estão acontecendo, onde estive, pessoas que vi, coisas que ouvi, etc E no futuro, quando ele vê algo similar àquilo de novo, ou seja, em um ambiente semelhante, ou no mesmo exato ambiente, ele irá recordar. Ele irá tocar aquilo de novo Oh, estive aqui antes. E quando você já esteve aqui antes, aquilo aconteceu em seguida. Ele te permite predizer o futuro Ele te permite, literalmente, realimentar os sinais para seu cérebro, ele te permite ver o que irá acontecer em seguida, te permitirá ouvir a palavra "frase" antes que eu a diga E ele está enviando isso de volta ao cérebro antigo te permitindo fazer decisões 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 minha palestra, então vou demorar um pouco aqui E então, toda vez que você diz, oh, posso prever coisas E se você é um rato e você vai por um labirinto, e então você aprende o labirinto, a próxima vez que você estiver no labirinto, você tem o mesmo comportamento, mas de repente, você está mais esperto porque você diz, oh, reconheço este labirinto, eu sei que caminho tomar, estive aqui antes, posso predizer o futuro. E é isso que está acontecendo Em humanos, aliás, isto também é verdade para todos os mamíferos, é verdade para outros mamíferos, e em humanos, se tornou bem pior Em humanos, nós desenvolvemos a parte frontal do neocórtex chamada parte anterior do neocórtex. E a natureza fez um pequeno truque Ela copiou a parte posterior, a parte de trás, que é sensorial, e colocou na parte da frente E humanos são únicos por ter o mesmo mecanismo na frente, mas nós o usamos para controle 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.
Então agora somos capazes de fazer planejamento motor muito sofisticado, coisas assim Não tenho tempo para me aprofundar em tudo isso, mas se você quer entender como um cérebro funciona, você tem que entender como a primeira parte do neocórtex dos mamíferos funciona como ele armazena padrões e faz predições Então deixe-me dar uns exemplos de predições Eu já disse a palavra "frase". Em múscia, se você já ouviu uma música antes, se você ouviu Jill cantar aquelas músicas antes, quando ela canta essas músicas, a próxima nota aparece de repente na sua cabeça você antecipa enquanto ouve. Se fosse um álbum de música, o fim de um álbum, a próxima música aparece de repente na sua cabeça. E estas coisas acontecem o tempo todo. Você está fazendo estas predições
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 tenho esta coisa chamada o experimento mental da porta alterada E este experimento mental da porta alterada diz, você tem uma porta em casa, e enquanto você está aqui, eu estou modificando sua porta, tenho um cara lá na sua casa, neste exato momento, mexendo na porta, e ele irá pegar a maçaneta e mover algumas polegadas E quando você for para casa hoje a noite, você irá colocar a mão na porta, e irá esticá-la para pegar na maçaneta e você irá notar que está no lugar errado, e você dirá, uau, algo aconteceu Pode demorar um segundo para perceber o que foi, mas algo aconteceu Eu poderia mudar sua maçaneta de outras maneiras Posso fazê-la maior ou menor, posso trocar de latão para prata Posso fazer um alavanca. Posso mudar sua porta, colocar cores Posso colocar janelas nela. Posso mudar milhares de coisas sobre sua porta, e em dois segundos que você leva para abrir sua porta, você irá notar que algo aconteceu
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!"
Agora, a abordagem do engenheiro para isso, IA aborda isso, construindo uma base de dados sobre a porta. Tem todos os atributos da porta E quando você vai até a porta, você sabe, vamos conferir item por item Porta, porta, porta, você sabe, sabe o que estou dizendo Nós não fazemos isso. seu cérebro não faz isso O que seu cérebro esta fazendo são constantes predições, todo o tempo sobre o que está prestes a acontecer no ambiente Quando coloco minha mão nesta mesa, espero senti-la parar Quando ando, a cada passo, se erro por um oitavo de polegada, Saberei que algo mudou Você está constantemente prevendo coisas sobre seu ambiente Vou falar rapidamente sobre visão. Esta é uma imagem de uma mulher E quando você olha para uma pessoa, seus olhos param por duas ou três vezes por segundo Você não tem consciência disso, mas seus olhos estão sempre se movendo E então quando você olha para o rosto de alguém, você iria tipicamente de olho para olho para olho para nariz para boca Agora, quando você vai de olho para olho, se houver algo diferente como um nariz, você veria um nariz onde esperava ver um olho,
(Laughter)
e você dirá, que merda, você sabe --
"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.
(risos) Há algo errado com esta pessoa E isto é porque você está fazendo predições Não é que você olha ali e diz, o que estou vendo agora? Um nariz, isto está certo. Não, você tem uma expectativa do que você irá 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.
A cada momento. E finalmente, vamos pensar como testamos inteligência Nós testamos por predição. Qual a próxima palavra nesta, você sabe? Isto é para isto, é isto. Qual o próximo número nesta sentença? Aqui há três visões de um objeto Qual é a quarta visão? É assim que testamos. É tudo sobre predições então qual a receita para uma teoria do cérebro?
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.
Em primeiro lugar, temos de ter um quadro de referência correto E a estrutura é uma estrutura de memória Não é de computação ou de comportamento, é uma estrutura de memória Como se armazena e recupera estas sequências de padrões. São padrões espaço-temporais Então, se nesta estrutura, você pega um bando 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.
Bem, biólogos geralmente não são bons teóricos Não é sempre verdade, mas em geral, não há uma boa história teórica na biologia Então descobri que as melhores pessoas para trabalhar são os físicos enegenheiros e matemáticos, que tendem a pensar de modo algorítmico. Então eles devem aprender a anatomia, e devem aprender a fisiologia É necessário criar estas teorias de modo realista em relação à anatomia Qualquer um que te diz uma teoria de como o cérebro funciona e não te diz exatamente como ela está funcionando no cérebro e como as conexões funcionam no cérebro, não é uma teoria E é isto que estamos fazendo no Redwood Neuroscience Institute™
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.
Eu adoraria ter mais tempo para lhes contar o grande progresso que estamos conseguindo e espero voltar a este palco, talvez isto seja em outro momento num futuro não muito distante e falarei sobre isso Estou muito, muito empolgado. Isto não demorará mais 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.
E como será a teoria do cérebro? Em primeiro lugar, será uma teoria sobre memória Não como memória de computador É muito, muito diferente. E é uma memória destes padrões com muitas dimensões, como as coisas que vêm de seus olhos É também uma sequência de memórias Você não pode lembrar nada fora de uma sequência Uma música tem de ser ouvida como uma sequência no tempo e você tem de repeti-la de novo ao longo do tempo E estas sequências são evocadas de maneira auto-associativa, então se vejo algo Eu escuto algo, me lembra disso, e então isso se repete automaticamente É uma repetição automática. E a predição dos futuros sinais de entrada é a saída desejada½ E como disse, a teoria deve ser biologicamente correta Tem de ser testável, e você deve ser capaz de contruir isso Se você não construir, você não entendeu. Então, em mais um slide,
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.
Qual será o resultado disso? Iremos construir máquinas inteligentes? Absolutamente. E será diferente de como as pessoas pensam Não ha dúvidas de que irá ocorrer, na minha cabeça. Em primeiro lugar, será construído em silício A mesma técnica que usamos para construir memórias de computador, podemos usar aqui Mas serão tipos muito diferentes de memória E iremos ligar estas memórias a sensores e os sensores vão experimentar dados do mundo real, em tempo real, e estas coisas irão aprender sobre o 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.
Mas é muito improvável que as primeiras coisas que você verá sejam robôs Não que robôs não sejam úteis e que pessoas não possam construí-los Mas a parte da robótica é a mais difícil. É o cérebro antigo. Isto é realmente difícil O cérebro novo é na verdade mais fácil que o antigo Então as primeiras coisas que faremos são as que não precisam de muita robótica Então você não verá o C-3PO Você verá mais coisas como, sabe, carros inteligentes½ que realmente entendem o trânsito e o que é dirigir e que aprenderam que certos carros com pisca-pisca ligado por um minuto provavelmente não irá virar, coisas assim
(Laughter)
(risos)
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.
Também podemos fazer sistemas de segurança inteligentes Qualquer lugar que nós estejamos basicamente usando nosso cérebro, mas não muita mecânica Estas são as coisas que vão acontecer antes Mas enfim, o mundo é o limite aqui Eu não sei como isso irá terminar Eu conheço muita gente que inventou o microprocessador e se você falar com eles, eles sabiam que o que estavam fazendo era realmente significante mas não sabiam exatamente o que iria acontecer Não podiam antecipar telefones celulares e a internet e este tipo de coisa eles apenas sabiam, ei, que eles iriam construir calculadoras e controladores de semáforos. Mas será grande Com a ciência do cérebro e estas memórias, será da mesma maneira, Haverá tecnologias fundamentais, que levarão a mudanças inimagináveis nos próximos 100 anos E estou muito empolgado sobre como iremos usar isso na ciência Então acho meu tempo já acabou, eu acabei, vou encerrar minha palestra aqui.