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.
私が始めてコンピュータを手に入れたのは、アクラで育った10代のころでした。 それは本当にクールな機械でした。 ゲームで遊べ、BASIC言語でのプログラムもできる。 その魅力のとりこになった私は 図書館でコンピュータの仕組みを調べるようになりました。 CPUがメモリー(RAM)と演算回路(ALU)との間で 常にデータを出し入れしているということを 理解しました。 そして、データの移動を継続する、ただそれだけのために CPUが異常なほど稼動しなければいけないことに気づきました。
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?
このことを気にかけるのは、誰もいませんでした。 コンピュータがはじめて世に出たとき 神経細胞より100万倍速い、といわれていました。 人々は興奮し、コンピュータはすぐに人間の脳の限界を 超えるだろう、と考えていました。 アラン チューリングの言葉を引用します。 「今後30年のうちに、コンピュータは人間と同じくらい簡単に 質問に答えられるようになるでしょう」 1946年の言葉ですが、今、2007年時点では実現していません。 脳が持つこの種の力を コンピュータに見出せないのは、なぜでしょうか。
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.
あまり認識されてはいませんが、私が気づき始めていることがあります。 それは、我々が速度に非常に大きな対価を払っている、ということです。 コンピュータの大きな利点であるという、速度、に対してです。 いくつかの数字を見てみましょう。 これは世界最速のコンピュータであるブルー ジーンです。 12万個のプロセッサーを搭載しており、 1秒間に10の16乗ビットの情報を処理することができます。 消費する電力は1.5メガワットになります。 それだけの電力をタンザニアの工業生産に加えられたら どんなにすばらしいことでしょう。 きっと経済の起爆剤となるでしょうね。 話をアメリカに戻しましょう。 このコンピュータの消費する電力を アメリカの家庭の消費電力に換算すると 1200家庭分の消費電力となります。 このコンピュータがどれほどの電量を使うか、お分かりになったと思います。
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.
さて、脳と比べてみましょう。 これはロイ サイアズのガールフレンドの脳の写真です。 ロイはスタンフォードの大学院生で、 MRIを使い、脳の研究をしています。 彼が言うには、これまでスキャンした中でもっとも美しい脳だ、ということです。 (笑い) 真実の愛とはまさにこのことですね。 さて、脳はどれくらいの計算をおこなうのでしょうか。 1秒間に10の16乗ビット程度と試算されています。 ブルー ジーンとほぼ同じ数値です。 ここで問題です。 脳とブルー・ジーンは同程度のデータを処理します。 脳はどれほどの電力を消費するでしょうか。 1台のラップトップコンピュータと同じくらいです。 たった10ワットです。 1200家庭分ものエネルギーを費やし、コンピュータでやっていることは 脳を使えば ラップトップコンピュータを動かす程度のエネルギーでできるのです。
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.
では、脳はどうやって、この効率性を達成するのでしょうか。 まとめます。帰結はこうなります。 最先端のコンピュータの10万分の1のエネルギー消費で 脳は情報を処理することができる。 なぜ、脳はこういうことができるのでしょうか。 実際に脳の働きを見て、 コンピュータの動きと比較してみようと思います。 これはPBSシリーズ「脳の秘密」からの抜粋です。 情報を処理する細胞群が見えます。 神経細胞です。 神経細胞はお互いに微弱の電気信号を送りあいます。 一方のもつ電気信号は、対向しているもう一方に 飛び移ることができます。 このプロセスをシナプス、と呼びます。 互いに働きあう細胞は1億個あり、 毎秒10の16乗個の信号をやり取りしながら 巨大なネットワークを形成しています。 以上が、脳で行われている基本的なことです。
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.
コンピュータと比べるとどうでしょう。 コンピュータの場合、すべてのデータは 中央演算装置を通過します。 どのデータもここを通過するので、ボトルネックとなります。 それに比べ、脳には神経細胞があるため、 データは、その相互接続ネットワーク上を流るだけです。 そこにボトルネックはありません。 文字通り、ネットワークです。 脳ではネットワークが機能しているのです。 これら2枚の絵を見てください。 こんなことが思い浮かびます。 こちらは順序どおりで融通が利きません。 高速道路上の車のようです。 一方、こちらは同時進行で流動的です。 情報は動的かつ即応的に処理されます。
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.
過去にも同じ指摘はありました。ブライアン イーノの言葉を借りれば 「コンピュータが抱える問題、それはコンピュータのなかには十分なアフリカがないことである」 (笑い) ブライアンがこう言ったのは1995年のことでした。 当時は誰も聞く耳を持ちませんでしたが、 今、人々は耳を傾け始めています。 日々圧力を増す、技術的な問題に直面しているからです。 いくつかのスライドを見てみましょう。
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.
これは、コンピュータで計算に使われる仕組みと 脳が計算に使う仕組みとの 特筆すべき相似点です。 コンピュータが使う装置は、いわゆるトランジスタです。 この電極は、ゲート電極といいます。 ソースとドレイン2つの電極間の電流を制御します。 電流は 電子によって運ばれます。 実際にゲート電極に電圧をかけると、流れる電流が増え、 安定した電流を得ることができます。 ゲート電極に電圧をかけるのをやめると、電流の流れは止まります。 コンピュータでは、電流が流れていれば"1"を 電流が流れていなければ、"0"を利用します。
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.
では、トランジスタがより小さく、小さく、さらに小さくなっていくとどんなことが起こるでしょうか。 トランジスタの動きが変わります。 神経細胞が計算するときに利用する物質である イオンチャンネルのように振舞いはじめます。 イオンチャンネルは小さなタンパク質分子です。 神経細胞には数千のイオンチャンネルがあります。 イオンチャンネルは細胞膜に存在し、その中に小さな穴を持っています。 これらはその小さな穴を通じて流れる カリウムイオンです。 イオンチャンネルの穴は開いたり閉じたりします。 開いているとき、イオンは一つづつ流れてきます。 そのため、散発の、安定してない 電流を得ることになります。 神経細胞は電気を発生させるために穴を開閉することができますが、 穴が閉じたときでさえ イオンはとても小さいので、そこをすり抜けることができます 2~3個のイオンは一度にすり抜けることができるのです。 穴が開いているときと同じで 時折、いくばくかの電流を得ることができます。 いくつか"0"が追加されます 閉じているときは"0"一つになります。 しかしながら、いくつかの"1"も追加されます。
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.
これがトランジスタで起こり始めていることです。 そして、このことが起こる理由は、 我々が利用している技術、トランジスタが小さくなり、 複数の電子が同時並行にチャンネルを流れることができるようになったためです。 実際、約12個の電子がこのように流れることができます。 このことはトランジスタが 並列した約12個のイオンチャンネルに相当することを意味します。 2015年ころまでにはトランジスタは今よりももっと小さくなっているでしょう。 これはインテルがチップにより多くのコアを追加し続けている理由であり、 あなた方が持ち歩くメモリースティックの容量が以前の256メガバイトから 現在の1ギガバイトになった理由でもあります。 トランジスタの小型化がこのことを実現可能にしており、 テクノロジーはそのことから本当に恩恵を受けています。
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.
今起こっていることは、トランジスタがとても小型化している2015年には 一度に一つの電子がチャンネルを通過するのと 同等になります。 イオンチャンネル一つと同じです。 イオンチャンネルで起こるのと同じような交通渋滞が発生し始め、 電流は流れたり、流れなくなったりするでしょう。 常に流れていることが想定されるときでもです。 このことはコンピュータが "1"と"0"を混乱することにつながり、マシンをクラッシュしてしまうことになります。
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.
我々はこのような粗悪デバイスを利用した計算処理の方法を よく知らない、という段階にいます。 我々が今知っているのは、 これらのデバイスで計算処理を行えるのは脳である、ということだけです。
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.
コンピュータはメモリーからあるデータを取り出し、 プロセッサーかALUに送ります。 そして、結果をメモリーに戻し入れます。 赤の経路です。 こちらは脳の働きです。神経細胞が存在します。 情報をあらわすのに、 データを断片化します。 データの断片は違う神経細胞とパルスによって提示されます。 これらのデータの断片すべては ネットワークを通じて配布されます。 結果を得るためにデータを処理する方法は この活動パターンを新たな活動パターンに変換することです。 ただネットワークを流れることによって実現されます。 これらの接続を準備すれば 入力されたパターンは単に流れ 出力パターンになります。
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.
これをみれば、冗長された接続がることがわかります。 データのこの断片、あるいはこちらの断片が壊れたとしても、 ここには現れませんが、、これらの2つの断片はもう一方を これらの冗長の接続を通じて活性化することができます。 "1"が欲しいのに"0"を得るような 粗悪なデバイスの上でも ネットワークには冗長性があり、 紛失した情報を復旧することができます。 これが脳を本質的に堅牢なものにしています。 データを一か所ににためるシステムは、もろいです。 それぞれの段階が完璧でないとデータを紛失してしまいます。 一方、脳は 分散したやり方でデータを保存し、堅牢です。
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.
このような脳のように働くことのできるコンピュータを作ることが 私の夢です。 このことにここ数年取り組んでいます。 では、我々が設計したシステムをお見せします。 網膜をモデル化するために設計しました。 網膜は眼球の内側を覆う脳の一部です。 我々はコンピュータでやるようにコードを書くことでは実装しませんでした。 現実には、脳の小さな部分で起こる処理は コンピュータがインターネット上で ビデオストリームを流すときに行う 処理ととても似ています。 コンピュータは情報を圧縮しようとします。 画像におこった新たな変化を送信したいのです。 そして、このやりかたで、眼球は視神経を通じ すべての情報を抽出することができます。 それらは、脳のほかの部分に送られます。
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.
これをソフトウェアやアルゴリズムで実装する代わりに、 我々は神経生物学者と話をしました。 彼らは網膜の働きをリバースエンジニアリングしています。 彼らが発見していた すべての細胞とそのネットワークを シリコンチップの設計をするための青写真として利用しました。 いま、神経細胞はチップ上の小さなノードや回路によって表現されています。 また、神経細胞のつながりは、トランジスタによってモデル化されています。 これらのトランジスタの振る舞いは 脳でイオンチャンネルが振舞うのと似ています。 私がこれまで説明したのと同じような堅牢な構造を得ることになるでしょう。
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.
実際に我々が作成した人工の眼がこれです。 我々の設計した網膜チップがこのレンズの背後に設置されています。 今からビデオでお見せするのは、 このシリコン製網膜チップが何かを生み出すところです。 人工の眼でカリーム ザフロルを見てみます。 カリームはこのチップを設計した学生です。 では説明させてください。 異なる種類の情報が出力されます。 カメラのようにそのまま映し出されるのではありません。 網膜チップは4つの異なる種類の情報を出力します。 暗い部分の出力、 これは赤く映し出されてきます。 そして白あるいは明るい部分、 これは緑で映し出されます。
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.
これはカリームの瞳の部分です。 眼の白い部分はここになります。 さらに、動き、についても出力します。 カリームが頭を右へ動かすと、 ここに青の動きが見られます。 画像の中でコントラストが増幅しているところがあります。 それは明るくなってくる部分です。 黄色の動きもあります。 コントラストが減少している部分であり、 暗くなっていく部分をあらわします。 これら4つの情報は 100万本ほどある視神経のうち 90万本を通じて 送り出されます。 我々は視神経に流れるのと同じような信号を複製しています。
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.
これらは網膜チップからの出力のスナップショットですが、 色がとてもまばらです。 背景のどこでも緑というわけではありません、 端などに限られています。 このことは人々がビデオ画像を伝送する際、圧縮するのと同じです。 ファイルを小さくするために、なるべく情報を詰め込みません。 これが網膜が神経回路を通じて行っていることで、 神経細胞のネットワークが相互に伝達するやり方を 網膜チップ上で再現しました。
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.
しかし、私が強調したいこと、それをお見せします。 この画像はこれらに似ています しかし、イメージを再構築できることを示します。 上部におおよそカリームを認識することができます。 ではいきましょう。 そうです、これがアイデアです。 そのままでいるとき、明暗のコントラストを見るだけです。 しかし、前後に動くとき、 網膜は変化した部分について取り出します。 ここに座っていて 背後で何かが起こったとき ほとんど眼を動かさないのは、そのためです。 変化を検知する細胞があり、 そこに注意を払うのです。 誰かがあなたにこっそり近づこうとしているのに気づくことは とても重要です。
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)
最後に言わせてください。 ピアノにアフリカを加えれば、 鉄のドラムになります。 ピアノにアフリカを加えれば、これが起こります。 私がやりたいのは、コンピュータにアフリカを加えることです。 自ら思想し、想像し、創造するような 新しい種類のコンピュータになるはずです。 ありがとうございました。 (拍手)
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?
クリス・アンダーソン: クァベナ、質問があります。 あなたの取り組み、アフリカの将来、このカンファレンス、 あなたの中では一つになっているのでしょうか。 我々はそれらをどう結びつけることができるでしょう。
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.
クァベナ・ボアヘン: はい、最初に言ったように 私が始めてコンピュータを持ったのは、アクラで10代のころでした。 コンピュータの仕組みが間違っていると、本当に感じました。 とても力ずくで、洗練されていませんでした。 このようは反応をしていたとは思います。仮に サイエンスフィクションを読み、 RD2D2について聞き、 コンピュータについての誇大表現を鵜呑みをして育ったとしても。 私は違った見方でら近づいていったのです。 この問題とかかわるのに 異なる見方をしたのです。 アフリカの多くの人々はこの違った見方を持っていると思います。 そして、それがテクノロジーにインパクトを与えるはずだと。 進化の過程にインパクトを与えるでしょう。 これらが与えられることで、 新しいことに出会えるでしょう。 違った見方で近寄ってくるのですから。 我々は貢献でき、皆と同じように夢を見ることができると思います。
CA: Thanks Kwabena, that was really interesting. Thank you.
クリス・アンダーソン: クァベナ、ありがとうございます。とても興味深かったです。 ありがとうございます。
(Applause)
(拍手)