حصلت على أول حاسوب عندما كنت مراهقا في أكرا ، وكان جهازا رائعا حقا. يمكنك أن نستعمله لتشغيل ألعاب، يمكنك برمجته باستعمال لغة الباسيك. وقد كنت مفتونا به. لذلك ذهبت إلى المكتبة لمعرفة كيف يعمل هذا الشيء. قرأت كيف تنقل وحدة المعالجة المركزية بشكل مستمر البيانات ذهابا وإيابا بين الذاكرة ، RAM و ALU ، وحدة العمليات الحسابية والمنطقية. وقلت لنفسي ، على وحدة المعالجة المركزية أن تعمل بجنون فقط للحفاظ على جميع هذه البيانات التي تمر عبر النظام.
I got my first computer when I was a teenager growing up in Accra, and it was a really cool device. You could play games with it. You could program it in BASIC. And I was fascinated. So I went into the library to figure out how did this thing work. I read about how the CPU is constantly shuffling data back and forth between the memory, the RAM and the ALU, the arithmetic and logic unit. And I thought to myself, this CPU really has to work like crazy just to keep all this data moving through the system.
ولكن لا أحد كان يشعر بالقلق ازاء هذا الواقع. عندما عرضت أجهزة الكمبيوتر لأول مرة ، قيل انها ستكون أسرع مليون مرة من الخلايا العصبية. و قد بهر الناس حقا، كانوا يعتقدون أنهم سوف يتجاوزون قريبا قدرة الدماغ. هذا اقتباس من آلان تورنج : "في غضون 30 سنة، سيكون من السهل أن نسأل جهاز كمبيوتر، كما نسأل أي شخص ". هذا كان في عام 1946. والآن في عام 2007 ، لا يزال هذا غير صحيح. والسؤال هو ، لماذا لا يمكننا رؤية هذه الدرجة من الطاقة في أجهزة الكمبيوتر كالتي نراها في الدماغ؟
But nobody was really worried about this. When computers were first introduced, they were said to be a million times faster than neurons. People were really excited. They thought they would soon outstrip the capacity of the brain. This is a quote, actually, from Alan Turing: "In 30 years, it will be as easy to ask a computer a question as to ask a person." This was in 1946. And now, in 2007, it's still not true. And so, the question is, why aren't we really seeing this kind of power in computers that we see in the brain?
ما لا يدركه الناس ، وما بدأت أدركه أنا للتو، هو أننا ندفع ثمنا كبيرا للسرعة ، وهو ما ندعي أنه الميزة الكبيرة لهذه الحواسيب. دعونا نلقي نظرة على بعض الأرقام. هذا هو بلو جين ، الكمبيوتر الأسرع في العالم. يحتوي على 120،000 معالجا؛ يمكنه عمليا معالجة 10 كدريليون بت من المعلومات في الثانية الواحدة. هذا يمثل 10 قوة 16. كما أنها تستهلك ميجاوات ونصف من الكهرباء سيكون عظيما حقا ، لو تمكنا من اضافة هذا لقدرة الإنتاج في تنزانيا. بالتأكيد سيعزز هذا الاقتصاد. بالعودة إلى الولايات المتحدة، اذا قارنا كمية الطاقة أو الكهرباء التي يستخدمها هذا الكمبيوتر بما تستهلكه الأسر في الولايات المتحدة ، تحصل على 1،200 أسرة في الولايات المتحدة ، هذا مدى القوة التي يستخدمها هذا الكمبيوتر.
What people didn't realize, and I'm just beginning to realize right now, is that we pay a huge price for the speed that we claim is a big advantage of these computers. Let's take a look at some numbers. This is Blue Gene, the fastest computer in the world. It's got 120,000 processors; they can basically process 10 quadrillion bits of information per second. That's 10 to the sixteenth. And they consume one and a half megawatts of power. So that would be really great, if you could add that to the production capacity in Tanzania. It would really boost the economy. Just to go back to the States, if you translate the amount of power or electricity this computer uses to the amount of households in the States, you get 1,200 households in the U.S. That's how much power this computer uses.
الآن ، دعونا نقارن هذا مع الدماغ. هذه صورة دماغ صديقة روري سايرس . روري هو طالب دراسات عليا في جامعة ستانفورد. قام بدراسة الدماغ باستخدام التصوير بالرنين المغناطيسي ، ويدعي أن هذا هو أجمل دماغ قام بمسحه ضوئيا. (ضحك) هذا ما نسميه الحب الحقيقي. الآن ، كم يقدر عدد العمليات الحسابية التي يستطيع الدماغ القيام بها؟ اقدر هذا من 10 قوة 16 بت في الثانية و هذا في الواقع مشابه جدا لما يستطيع بلو جين القيام به. اذن هذا هو السؤال. السؤال هو ، كم -- علما انهم يستهلكون كمية مماثلة من الطاقة وكمية مماثلة من البيانات -- السؤال هو كم من الطاقة أو الكهرباء يستهلك الدماغ؟ انه في الواقع يستهلك نفس القدر الذي يستهلكه الكمبيوتر المحمول : فقط 10 واط. لذلك ما نقوم به الآن مع أجهزة الكمبيوتر ، مع الطاقة التي يستهلكها 1،200 منزل ، يقوم به الدماغ مستهلكا الطاقة التي يستهلكها جهاز كمبيوتر محمول.
Now, let's compare this with the brain. This is a picture of, actually Rory Sayres' girlfriend's brain. Rory is a graduate student at Stanford. He studies the brain using MRI, and he claims that this is the most beautiful brain that he has ever scanned. (Laughter) So that's true love, right there. Now, how much computation does the brain do? I estimate 10 to the 16 bits per second, which is actually about very similar to what Blue Gene does. So that's the question. The question is, how much -- they are doing a similar amount of processing, similar amount of data -- the question is how much energy or electricity does the brain use? And it's actually as much as your laptop computer: it's just 10 watts. So what we are doing right now with computers with the energy consumed by 1,200 houses, the brain is doing with the energy consumed by your laptop.
لذا فإن السؤال هو ، كيف يتمكن الدماغ من تحقيق هذا المستوى من الكفاءة؟ واسمحوا لي أن ألخص. بالنهاية اذن : يقوم الدماغ بمعالجة المعلومات باستخدام 100،000 مرة اقل من الطاقة مما نستطيع القيام به حاليا مع تكنولوجيا الكمبيوتر التي لدينا. كيف يمكن للدماغ أن يفعل بذلك؟ دعونا نلقي نظرة حول كيفية عمل الدماغ ، وبعد ذلك سوف نقارن ذلك مع كيفية عمل أجهزة الكمبيوتر. هذا مقطع من مسلسل تلفزيوني ، "الحياة السرية للدماغ". تبين لنا الخلايا التي تقوم بعملية معالجة المعلومات. وهي تسمى الخلايا العصبية. وهي ترسل نبضة صغيرة من الكهرباء لبعضهما البعض ، وحيث يتصل بعضها ببعض ، تتمكن هذه النبضات الكهربائية الصغيرة من القفز من خلية إلى أخرى. هذه العملية تسمى المشبك. و لدينا هذه الشبكة الهائلة من الخلايا التي تتفاعل مع بعضها البعض ، حوالي 100 مليون منهم ، تقوم بارسال نحو 10 كوادريليون من هذه النبضات كل ثانية. وهذا بالضبط ما يحدث في أدمغتكم حاليا بينما تشاهدون هذا.
So the question is, how is the brain able to achieve this kind of efficiency? And let me just summarize. So the bottom line: the brain processes information using 100,000 times less energy than we do right now with this computer technology that we have. How is the brain able to do this? Let's just take a look about how the brain works, and then I'll compare that with how computers work. So, this clip is from the PBS series, "The Secret Life of the Brain." It shows you these cells that process information. They are called neurons. They send little pulses of electricity down their processes to each other, and where they contact each other, those little pulses of electricity can jump from one neuron to the other. That process is called a synapse. You've got this huge network of cells interacting with each other -- about 100 million of them, sending about 10 quadrillion of these pulses around every second. And that's basically what's going on in your brain right now as you're watching this.
كيف يمكن أن نقارن بين هذا وطريقة عمل أجهزة الكمبيوتر ؟ في جهاز الكمبيوتر كل البيانات تمر عبر وحدة المعالجة المركزية ، وأي جزء من البيانات عليها المرور عبر عنق الزجاجة. في حين أنه في الدماغ ، لديك هذه الخلايا العصبية و البيانات تتدفق خلال شبكة اتصالات عبر الخلايا العصبية ، ولا مكان لأي اختناق هناك. انها حقا شبكة بالمعنى الحرفي للكلمة. الشبكة تقوم بالعمل في الدماغ. اذا ألقينا نظرة على هذين الصورتين ، يخطر ببالك هذا النوع من الكلمات. هذا متسلسل وهو جامد : انها تشبه سيارات على الطريق السريع -- كل شيء يجب أن يحدث بدون تفكير. في حين أن هذا متوازي و سلس. معالجة المعلومات حيوية جدا وقابلة للتكيف.
How does that compare with the way computers work? In the computer, you have all the data going through the central processing unit, and any piece of data basically has to go through that bottleneck, whereas in the brain, what you have is these neurons, and the data just really flows through a network of connections among the neurons. There's no bottleneck here. It's really a network in the literal sense of the word. The net is doing the work in the brain. If you just look at these two pictures, these kind of words pop into your mind. This is serial and it's rigid -- it's like cars on a freeway, everything has to happen in lockstep -- whereas this is parallel and it's fluid. Information processing is very dynamic and adaptive.
لست أول من اكتشف هذا. هذا اقتباس من براين إينو : "المشكلة مع أجهزة الكمبيوتر هو أنها لا تشبه افريقيا كثيرا". (ضحك) قال بريان هذا في عام 1995. ولا أحد كان يستمع لذلك ، ولكن الآن بدأ الناس بالاستماع لان هناك مشكلة تكنولوجية ملحة نواجهها الآن. وسأبين لكم ذلك من خلال بعض الشرائح القليلة القادمة.
So I'm not the first to figure this out. This is a quote from Brian Eno: "the problem with computers is that there is not enough Africa in them." (Laughter) Brian actually said this in 1995. And nobody was listening then, but now people are beginning to listen because there's a pressing, technological problem that we face. And I'll just take you through that a little bit in the next few slides.
هذا -- انه يمثل حقا هذا التقارب الملحوظ بين الأجهزة التي نستخدمها لحساب في أجهزة الكمبيوتر ، والأجهزة التي تستخدمها أدمغتنا للحساب. الأجهزة التي تستخدمها أجهزة الكمبيوتر هي ما يسمى جهاز الترانزستور. هذا القطب هنا ، يدعا البوابة ، للتحكم في التدفق من المصدر الى المسرب ، وهذين القطبين. هذا التيار الكهربائي ، تحمله الالكترونات ، تماما كما في بيتك ، وهلم جرا. وهنا ، عندما تفتح البوابة ، يمكنك الحصول على زيادة في كمية التدفق ، ويمكنك الحصول على تدفق مستمر. وعندما تقوم بإيقاف تشغيل البوابة ، لن يكون هناك تتدفق من خلال الجهاز. الكمبيوتر يستخدم وجود هذا التدفق ليمثل الرقم واحد، وعدم وجوده لتمثيل الرقم صفر.
This is -- it's actually really this remarkable convergence between the devices that we use to compute in computers, and the devices that our brains use to compute. The devices that computers use are what's called a transistor. This electrode here, called the gate, controls the flow of current from the source to the drain -- these two electrodes. And that current, electrical current, is carried by electrons, just like in your house and so on. And what you have here is, when you actually turn on the gate, you get an increase in the amount of current, and you get a steady flow of current. And when you turn off the gate, there's no current flowing through the device. Your computer uses this presence of current to represent a one, and the absence of current to represent a zero.
الآن ، ما يحدث هو أنه يتم الحصول على ترانزستورات أصغر وأصغر وأصغر ، لذلك لم تعد تتصرف على هذا النحو. في الواقع ، أنها بدأت تتصرف مثل الخلايا العصبية، وهو ما يسمى قناة الأيون. وهذا جزء صغير من البروتين. يعني ، الخلايا العصبية لديها الآلاف منها. وهي توجد في غشاء الخلية ، وبينهما مسام. وهذه ايونات بوتاسيوم الفردية ، التي تتدفق من خلال تلك المسام. الآن ، يمكن لهذه المسام أن تفتح وتغلق. ولكن ، عندما يكون مفتوحا ، وذلك لأن هذه الأيونات يجب أن تصطف وتتدفق واحدة بعد الاخرى، يمكنك الحصول على نوع متفرق ، وغير ثابت -- انه تدفق متفرق للكهرباء. وحتى عند إغلاق المسام -- وهو ما يمكن للخلايا العصبية أن تفعله ، يمكنهم فتح وإغلاق هذه المسامات لتوليد النشاط الكهربائي -- حتى عندما تكون مغلقة، وذلك لأن هذه الأيونات صغيرة للغاية ، يمكنهم فعليا عن طريق التسلل ، عدد قليل يمكنه التسلل عبرها في وقت واحد. ما نحصل عليه هو أنه عندما يتم فتح المسام ، يمكنك الحصول أحيانا على بعض التدفق. هذه بعض منها، ولكننا حصلنا على بعض الأصفار. وعندما تكون مغلقة ، نحصل على الصفر ، ولكن لديك عدد قليل منها، حسنا.
Now, what's happening is that as transistors are getting smaller and smaller and smaller, they no longer behave like this. In fact, they are starting to behave like the device that neurons use to compute, which is called an ion channel. And this is a little protein molecule. I mean, neurons have thousands of these. And it sits in the membrane of the cell and it's got a pore in it. And these are individual potassium ions that are flowing through that pore. Now, this pore can open and close. But, when it's open, because these ions have to line up and flow through, one at a time, you get a kind of sporadic, not steady -- it's a sporadic flow of current. And even when you close the pore -- which neurons can do, they can open and close these pores to generate electrical activity -- even when it's closed, because these ions are so small, they can actually sneak through, a few can sneak through at a time. So, what you have is that when the pore is open, you get some current sometimes. These are your ones, but you've got a few zeros thrown in. And when it's closed, you have a zero, but you have a few ones thrown in.
الآن، بدأ يحدث هذا في الترانزستورات. والسبب في ذلك هو أنه، الى حد الآن في عام 2007 ، بالنسبة للتكنولوجيا التي نستخدمها ، الترانزستور هي كبيرة بما يكفي للسماح للإلكترونات أن تتدفق عبر القناة في وقت واحد ، جنبا الى جنب. في الواقع ، هناك حوالي 12 إلكترونا يمكنها أن تتدفق بهذه الطريقة. وهذا يعني أن الترانزستور يقابل نحو 12 قناة أيون متوازية. الآن،و في غضون سنوات قليلة، بحلول عام 2015،سوف تتقلص الترانزستورات كثيرا. هذا ما تفعله إنتل لإضافة المزيد من النوى في الشريحة ، أو عصي الذاكرة التي لديك الآن يمكن أن تخزن واحد غيغابايت من الاشياء عليها -- في الماضي كانت سعتها 256. الترانزستورات صارت أصغر فأصغر للسماح لهذا أن يحدث ، والتكنولوجيا قد استفادت من ذلك حقا.
Now, this is starting to happen in transistors. And the reason why that's happening is that, right now, in 2007 -- the technology that we are using -- a transistor is big enough that several electrons can flow through the channel simultaneously, side by side. In fact, there's about 12 electrons can all be flowing this way. And that means that a transistor corresponds to about 12 ion channels in parallel. Now, in a few years time, by 2015, we will shrink transistors so much. This is what Intel does to keep adding more cores onto the chip. Or your memory sticks that you have now can carry one gigabyte of stuff on them -- before, it was 256. Transistors are getting smaller to allow this to happen, and technology has really benefitted from that.
ولكن ما يحدث الآن هو أن في عام 2015 ، الترانزستور ستصبح صغيرة بدرجة ، أنه يمكن لإلكترون واحد أن يتدفق من خلال هذه القناة ، وهذا ما يمثل قناة أيون واحدة. ويصبح لديك نفس النوع من الاختناقات المرورية التي لديك في قناة الأيون ، الحالية سوف تشتغل وتتوقف عشوائيا ، حتى عندما كان من المفترض أن تشتغل. ويعني ذلك أن جهاز الكمبيوتر الخاص بك ستصبح والآحاد والأصفار فيه مختلطة ، وهذا سوف يحطم الجهاز.
But what's happening now is that in 2015, the transistor is going to become so small, that it corresponds to only one electron at a time can flow through that channel, and that corresponds to a single ion channel. And you start having the same kind of traffic jams that you have in the ion channel. The current will turn on and off at random, even when it's supposed to be on. And that means your computer is going to get its ones and zeros mixed up, and that's going to crash your machine.
لذلك ، ونحن في مرحلة لا يمكننا فيها أن نعرف حقا كيف نشغل هذا النوع من الأجهزة. والشيء الوحيد الذي نعرفه الى حد الآن ، و الذي يمكنه أن يشتغل مع هذا النوع من الأجهزة ، هو الدماغ.
So, we are at the stage where we don't really know how to compute with these kinds of devices. And the only kind of thing -- the only thing we know right now that can compute with these kinds of devices are the brain.
حسنا ، فجهاز الكمبيوتر يختار عنصر معين من البيانات من الذاكرة ، ويرسلها الى المعالج أو للوحدة الحسابية و المنطقية ، ومن ثم يعيد النتيجة إلى الذاكرة. هذا هو مسار هذا الضوء الأحمر. طريقة عمل الدماغ ، لدينا كل هذه الخلايا العصبية. والطريقة التي تعرض بها المعلومات يتم تقسيم تلك البيانات إلى قطع صغيرة والتي تمثلها مختلف النبضات والخلايا العصبية. بحيث يكون لديك كل هذه القطع من البيانات موزعة على جميع أنحاء الشبكة. ومن ثم الطريقة التي يمكنك معالجة تلك البيانات للحصول على نتيجة هو بترجمة هذا النمط من النشاط إلى نمط جديد من النشاط ، انه فقط من خلال تدفقه عبر الشبكة. لذلك تنشئ هذه الاتصالات ، مثل تدفق نمط الإدخال ويولد نمط الانتاج.
OK, so a computer picks a specific item of data from memory, it sends it into the processor or the ALU, and then it puts the result back into memory. That's the red path that's highlighted. The way brains work, I told you all, you have got all these neurons. And the way they represent information is they break up that data into little pieces that are represented by pulses and different neurons. So you have all these pieces of data distributed throughout the network. And then the way that you process that data to get a result is that you translate this pattern of activity into a new pattern of activity, just by it flowing through the network. So you set up these connections such that the input pattern just flows and generates the output pattern.
ما نراه هنا هو ان هناك وصلات متكررة . حتى إذا فقد جزء من هذه البيانات أو قطعة من البيانات ، فلن يظهر ذلك هنا ، يمكن لهذه القطع استحداث الجزء المفقود مع هذه الوصلات المتكررة حتى عندما تتعامل مع هذه الأجهزة في بعض الأحيان ، حيث تريد الرقم واحد وتحصل على الصفر ، هناك تكرار في الشبكة يجعل من الممكن من استعادة المعلومات المفقودة. وهذا يجعل الدماغ بطبيعته قويا. ما لدينا هنا هو نظام حيث يتم تخزين البيانات محليا. وهذا نظام هش، وذلك لأن كل خطوة من هذه الخطوات يجب أن تكون خالية من العيوب ، وإلا ستفقد البيانات. في حين أنه في الدماغ ، لدينا نظام يقوم بتخزين البيانات عن طريق توزيعها ، وهذا نظام قوي.
What you see here is that there's these redundant connections. So if this piece of data or this piece of the data gets clobbered, it doesn't show up over here, these two pieces can activate the missing part with these redundant connections. So even when you go to these crappy devices where sometimes you want a one and you get a zero, and it doesn't show up, there's redundancy in the network that can actually recover the missing information. It makes the brain inherently robust. What you have here is a system where you store data locally. And it's brittle, because each of these steps has to be flawless, otherwise you lose that data, whereas in the brain, you have a system that stores data in a distributed way, and it's robust.
ما أريد أن أتحدث عنه بالأساس هو حلمي ، المتمثل في بناء جهاز كمبيوتر يعمل مثل الدماغ. هذا ما كنا نعمل على تحقيقه في العامين الماضيين. وسأبين لكم النظام الذي صممناه كنموذج لشبكية العين ، وهي تمثل قطعة من الدماغ داخل مقلة العين. نحن لم نقم بذلك من خلال كتابة برنامج ، كما نفعل في جهاز الكمبيوتر. في الواقع ، المعالجة التي تحدث في تلك القطعة الصغيرة من الدماغ هي مشابهة جدا للمعالجة التي تقوم بها أجهزة الكمبيوتر عندما تبث الفيديو عبر الإنترنت. انها تعمل على ضغط المعلومات -- انها تقوم فقط بارسال التغييرات ما هو جديد في الصورة ، وهلم جرا -- وهذه هي الطريقة التي تمكن المقلة. من ضغط كل تلك المعلومات إلى العصب البصري ، لترسل إلى بقية المخ.
What I want to basically talk about is my dream, which is to build a computer that works like the brain. This is something that we've been working on for the last couple of years. And I'm going to show you a system that we designed to model the retina, which is a piece of brain that lines the inside of your eyeball. We didn't do this by actually writing code, like you do in a computer. In fact, the processing that happens in that little piece of brain is very similar to the kind of processing that computers do when they stream video over the Internet. They want to compress the information -- they just want to send the changes, what's new in the image, and so on -- and that is how your eyeball is able to squeeze all that information down to your optic nerve, to send to the rest of the brain.
بدلا من القيام بذلك في البرنامج ، أو كتابة تلك الأنواع من الخوارزميات ، ذهبنا وتحدثنا مع مختصين في البيولوجيا العصبية الذين قاموا بهندسة عكسية لهذه القطعة من الدماغ والتي تسمى شبكية العين. واكتشفوا جميع انواع الخلايا ، واكتشفوا الشبكة ، نحن فقط قمنا بأخذ تلك الشبكة واستخدمناها كمخطط لتصميم رقاقة السيليكون. الآن الخلايا العصبية يتم تمثيلها بعقد أو دوائر على الرقاقة ، والاتصالات بين الخلايا العصبية تتم عن طريق الترانزستورات وهذه الترانزيستورات تتصرف أساسا تماما مثلما تتصرف القنوات الأيونية في الدماغ. سوف أقدم نفس النوع من البناء القوي الذي وصفته.
Instead of doing this in software, or doing those kinds of algorithms, we went and talked to neurobiologists who have actually reverse engineered that piece of brain that's called the retina. And they figured out all the different cells, and they figured out the network, and we just took that network and we used it as the blueprint for the design of a silicon chip. So now the neurons are represented by little nodes or circuits on the chip, and the connections among the neurons are represented, actually modeled by transistors. And these transistors are behaving essentially just like ion channels behave in the brain. It will give you the same kind of robust architecture that I described.
هذا ما تبدوا عليه العين الاصطناعية. رقاقة الشبكية التي قمنا بتصميمها مكانها وراء هذه العدسة هنا. ورقاقة – سأعرض عليكم شريط فيديو شبكية العين السيليكونية تعطينا النتيجة عندما كانت تنظر ألى كريم زغلول ، وهو الطالب الذي صمم هذه الشريحة. اسمحوا لي أن أشرح ما سوف ترون. لأنها ستعرض أنواع مختلفة من المعلومات ، انها ليست ببساطة الكاميرا. رقاقة شبكية العين تستخرج أربعة أنواع مختلفة من المعلومات. تستخرج مناطق داكنة ، والتي سوف تظهر في شريط الفيديو باللون الاحمر. تستخرج مناطق فاتحة ، والتي سوف تظهر في شريط الفيديو باللون الاخضر
Here is actually what our artificial eye looks like. The retina chip that we designed sits behind this lens here. And the chip -- I'm going to show you a video that the silicon retina put out of its output when it was looking at Kareem Zaghloul, who's the student who designed this chip. Let me explain what you're going to see, OK, because it's putting out different kinds of information, it's not as straightforward as a camera. The retina chip extracts four different kinds of information. It extracts regions with dark contrast, which will show up on the video as red. And it extracts regions with white or light contrast, which will show up on the video as green.
هذه عيون كريم الداكنة وهذه هي الخلفية البيضاء التي نراها هنا. ومن ثم فإنها أيضا تستخرج الحركة. عندما يحرك كريم رأسه إلى اليمين ، سنرى هذا النشاط الأزرق هناك ، انها تمثل المناطق التي يزيد فيها النقيض في الصورة ، ذلك حيث انه سيمر من الداكن الى الفاتح. ونرى أيضا هذا النشاط الأصفر ، وهي تمثل المناطق التي يتناقص فيها النقيض في الصورة ، انه سيكون من الفاتح إلى الغامق. وهذه الأنواع الأربعة من المعلومات -- لدى العصب البصري نحو مليون من الألياف منها ، و900،000 من تلك الألياف ترسل هذه الأنواع الأربعة من المعلومات. لذلك نحن نكرر هذا النوع من الاشارات التي لدينا في العصب البصري.
This is Kareem's dark eyes and that's the white background that you see here. And then it also extracts movement. When Kareem moves his head to the right, you will see this blue activity there; it represents regions where the contrast is increasing in the image, that's where it's going from dark to light. And you also see this yellow activity, which represents regions where contrast is decreasing; it's going from light to dark. And these four types of information -- your optic nerve has about a million fibers in it, and 900,000 of those fibers send these four types of information. So we are really duplicating the kind of signals that you have on the optic nerve.
ما نلاحظه في هذه اللقطات المأخوذة من عمل رقاقة الشبكية هي ضئيلة جدا. هي لا تلون بالأخضر كل مكان في الخلفية ، فقط على الحواف ، وهلم جرا. وهذا نفس الشيء الذي نشاهده عندما نضغط الفيديو بقصد إرسالها : نريد جعلها ضئيلة جدا ، لأن هذا الملف هو أصغر. وهذا ما تقوم به في شبكية العين ، وانها تفعل ذلك فقط مع الدوائر ، وكيف أن هذه الشبكة من الخلايا العصبية التي هي في التفاعل هناك ، والتي قمنا بامساكها على الرقاقة.
What you notice here is that these snapshots taken from the output of the retina chip are very sparse, right? It doesn't light up green everywhere in the background, only on the edges, and then in the hair, and so on. And this is the same thing you see when people compress video to send: they want to make it very sparse, because that file is smaller. And this is what the retina is doing, and it's doing it just with the circuitry, and how this network of neurons that are interacting in there, which we've captured on the chip.
ولكن النقطة التي أريد أن أذكرها ، سأريكم هنا. فهذه الصورة هنا سوف تبدو مثل هذه هنا ، ولكن هنا سأريكم أنه بامكاننا إعادة بناء الصورة ، لذلك، كما تعلمون، يمكنكم تقريبا التعرف على كريم في ذلك الجزء العلوي هناك. هذا هو. نعم ، اذا هذه هي الفكرة. عندما نتوقف عن الحركة ، ترى فقط تناقض الضوء والظلام . ولكن عندما تتحرك ذهابا وإيابا ، شبكية العين تلتقط هذه التغيرات. ولهذا السبب ، وكما تعلمون ، اذا كنت جالسا هنا ويحدث شيء ما خلفك ، فستوجه نظرك مباشرة نحوه. توجد هذه الخلايا الحساسة للتغيير وهي تقوم بتوجيه انتباهكم نحوه. لذلك فهي مهمة جدا لاصطياد شخص ما يحاول التسلل نحوك.
But the point that I want to make -- I'll show you up here. So this image here is going to look like these ones, but here I'll show you that we can reconstruct the image, so, you know, you can almost recognize Kareem in that top part there. And so, here you go. Yes, so that's the idea. When you stand still, you just see the light and dark contrasts. But when it's moving back and forth, the retina picks up these changes. And that's why, you know, when you're sitting here and something happens in your background, you merely move your eyes to it. There are these cells that detect change and you move your attention to it. So those are very important for catching somebody who's trying to sneak up on you.
اسمحوا لي أن أنهي كلامي بالقول إن هذا هو ما يحدث عند نقحم افريقيا في بيانو ، موافق. تم تعديل هذا البرميل الصلب هنا ، وهذا ما يحدث عند وضع افريقيا في البيانو. وما أود أن نقوم به ، هو وضع أفريقيا في الكمبيوتر ، والتوصل الى نوع جديد من الكمبيوتر من شأن هذا أن يولد الفكر والخيال ، أن تكون خلاقة واشياء من هذا القبيل. شكرا لكم. (تصفيق).
Let me just end by saying that this is what happens when you put Africa in a piano, OK. This is a steel drum here that has been modified, and that's what happens when you put Africa in a piano. And what I would like us to do is put Africa in the computer, and come up with a new kind of computer that will generate thought, imagination, be creative and things like that. Thank you. (Applause)
كريس اندرسون : لدي سؤال لك ، كوابينا. هل وضعت في تفكيرك و فيما تفعلونه ، مستقبل أفريقيا ، وهذا المؤتمر -- هل يمكن ايجاد صلات ، إن وجدت ، بينهما؟
Chris Anderson: Question for you, Kwabena. Do you put together in your mind the work you're doing, the future of Africa, this conference -- what connections can we make, if any, between them?
كوابينا بواهن : نعم ، وكما قلت في البداية. حصلت على أول حاسوب لي عندما كنت مراهقا يافعا، في أكرا. وكان لدي رد فعل غريزي بأن هذه طريقة خاطئة لتحقيق ذلك. كان عبارة عن القوة الغاشمة ، ولم يكن ذلك أنيقا بالمرة. لا أعتقد أنني كنت سأقوم برد الفعل هذا ، إذا كنت قرأت كل هذا الخيال العلمي في صغري ، نسمع عن RD2D2 ، أيا كان اسمه ، وفقط -- كما تعلمون ، الشراء في هذا الضجيج أجهزة الكمبيوتر. كنت قادما اليها من منظور مختلف ، و كان لدي وجهة نظر مختلفة للتعاطي مع المشكلة. واعتقد ان الكثير من الناس في أفريقيا لديهم وجهة النظر المختلفة هذه ، والتي أعتقد أنها سيكون لها أثر على التكنولوجيا. وسيكون لها تأثير على كيفية تطور الامور. واعتقد انك ستكون قادرا على رؤية ، واستخدام هذا التسريب ، لتكتشف أشياء جديدة ، لأنك قادم من منظور مختلف. وأعتقد أننا يمكننا أن تساهم ، يمكننا أن نحلم مثل أي شخص آخر.
Kwabena Boahen: Yes, like I said at the beginning, I got my first computer when I was a teenager, growing up in Accra. And I had this gut reaction that this was the wrong way to do it. It was very brute force; it was very inelegant. I don't think that I would've had that reaction, if I'd grown up reading all this science fiction, hearing about RD2D2, whatever it was called, and just -- you know, buying into this hype about computers. I was coming at it from a different perspective, where I was bringing that different perspective to bear on the problem. And I think a lot of people in Africa have this different perspective, and I think that's going to impact technology. And that's going to impact how it's going to evolve. And I think you're going to be able to see, use that infusion, to come up with new things, because you're coming from a different perspective. I think we can contribute. We can dream like everybody else.
كريس اندرسون : شكرا كوابينا ، كان هذا مثيرا للاهتمام حقا. شكرا لك.
CA: Thanks Kwabena, that was really interesting. Thank you.
(تصفيق).
(Applause)