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.
Am primit primul meu calculator pe vremea când eram adolescent în Accra, și era un aparat foarte ca lumea. Puteai să te joci, puteai să îl programezi în BASIC. Și am fost fascinat. Așa că m-am dus la bibliotecă pentru a îmi da seama cum funcționează. Am citit despre modul în care procesorul transferă în mod constant datele între memorie, RAM și ALU, unitatea aritmetică și logică. Și îmi spuneam, procesorul ăsta muncește ca un nebun doar pentru a menține aceste în mișcare prin sistem.
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?
Dar nimeni nu era prea îngrijorat despre asta. Când calculatoarele au apărut prima dată, se spunea despre ele că sunt de un milion de ori mai rapide decât neuronii. Lumea era entuziastă, se credea că se va putea în curând depăși capacitatea creierului. Acesta este un citat, de fapt, din Alan Turing: „În 30 de ani, va fi la fel de ușor să pui o întrebare unui calculator, ca unei persoane.” Asta era în 1946. Și acum în 2007, tot nu este adevărat. Întrebarea este, de ce nu întrezărim cu adevărat acest fel de putere în calculatoare, așa cum o putem vedea în creier?
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.
Ceea ce oamenii nu realizează, și acum încep să îmi dau seama de asta, este că plătim un preț uriaș pentru viteza, pe care susținem că ar fi un mare avantaj al acestor calculatoare. Haideți să privim niște numere. Acesta este Blue Gene, cel mai rapid calculator din lume. Are 120,000 de procesoare; ele pot procesa în mare 10 quadrilioane de biți de informație pe secundă. Asta înseamnă 10 la puterea 16. Și consumă un megawatt și jumătate. Asta ar fi cu adevărat grozav, dacă s-ar putea adăuga asta capacității de producție din Tanzania. Ar propulsa cu adevărat economia. Dar să ne întoarcem la Statele Unite, dacă ați putea echivala cantitatea de energie sau de electricitate pe care acest calculator o folosește, cu un număr de gospodării din SUA, veți obține 1200 de gospodării din SUA. atât de multă energie consumă acest calculator.
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.
Acum, să-l comparăm cu creierul. Aceasta este de fapt o imagine a prietenei lui Rory Sayres. Rory este un student la Stanford. Studiază creierul folosind MRI, și susține că acesta este cel mai frumos creier pe care l-a scanat vreodată. (Râsete) Avem iubire adevărată aici. Acum, câte calcule poate face creierul? Eu estimez că 10 la puterea 16 biți pe secundă ceea ce este de fapt foarte similar calculatorului Blue Gene. Așadar, asta e întrebarea. Întrebarea este, cât de mult -- realizează o cantitate similară de procesare și de date -- întrebarea este cât de multă energie sau electricitate folosește creierul? Și folosește de fapt cam la fel de mult ca laptopul dvs. : doar 10 wați. Deci ceea ce facem noi în momentul actual cu calculatoarele, cu energia consumată de 1200 de case, creierul face cu energia consumată de laptopul dvs.
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.
Așadar întrebarea este, cum reușește creierul să atingă acest nivel de eficiență? Permiteți-mi să fac rezumatul. Concluzia este că: creierul procesează informație folosind de 100,000 de ori mai puțină energie decât consumăm în acest moment cu această tehnologie pe care o avem. Cum reușește creierul să facă asta? Haideți să privim cum funcționează creierul, și după aceea voi compara asta cu funcționarea calculatoarelor. Acesta este un clip din seria PBS, „Viața secretă a creierului”. Vă arată aceste celule care procesează informație. Se numesc neuroni. Ei trimit mici impulsuri de electricitate și în locul unde există contact între ei, acele mici impulsuri de electricitate pot sări de la un neuron la altul. Acest proces este numit sinapsă. Avem această uriașă rețea de celule care interacționează între ele, cam 100 de milioane, trimițând cam 10 la puterea 16 de astfel de impulsuri în fiecare secundă. Și asta este în mare ce se întâmpla în creierul dvs. chiar acum când priviți asta.
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.
Cum se poate compara asta cu modul în care funcționează calculatoarele? În calculator avem toate datele ce trec prin unitatea centrală de procesare și orice bucată de informație trebuie să treacă efectiv prin acest proces. Pe când în creier, acem acești neuroni iar datele curg doar printr-o rețea de conexiuni între neuroni, nu există CPU aici. Este efectiv o rețea în sensul literal al cuvântului. Această rețea face treaba în creier. Dacă priviți aceste două imagini, astfel de cuvinte vă pot veni în minte. Acesta este serial și este rigid: ca niște mașini pe autostradă -- totul trebuie să se întâmple asemănător unui marș, una câte una, În timp ce acesta este paralel și este fluid. Procesarea informației este foarte dinamică și adaptativă.
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.
Și nu sunt primul care realizează asta. Acesta este un citat din Brian Eno: „Problema cu calculatoarele este nu există destulă Africa în ele”. (Râsete) Brian a spus asta de fapt în 1995. Și nimeni nu asculta atunci, dar acum oamenii au început să asculte pentru că avem de-a face cu problemă tehnologică apăsătoare. Și vă voi arăta câte ceva despre asta în următoarele câteva slide-uri.
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.
Este realmente această remarcabilă convergență între dispozitivele pe care le folosim noi pentru procesare în calculatoare, și dispozitivele pe care le folosește creierul nostru pentru a procesa. Dispozitivele pe care un calculator le folosește sunt numite tranzistori. Electrodul de aici, numit electrodul poartă, controlează fluxul de curent dinspre sursă spre ieșire, acești doi electrozi. Și acest curent, curent electric, este transportat prin electroni, la fel ca în casa dvs. și așa mai departe. Și ceea ce avem aici, când se pornește efectiv electrodul poartă, este o creștere a cantității de curent, și apare un flux stabil de curent. Și când se oprește acest electron poartă, nu mai există curent prin dispozitiv. Calculatorul dvs. folosește această prezență a curentului pentru a reprezenta pe unu iar absența curentului pentru a reprezenta un zero.
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.
Acum, ce se întâmplă este că pe măsură ce tranzistorii devin din ce în ce mai mici, încep să nu se mai comporte așa. De fapt, ei încep să se comporte ca dispozitivul pe care neuronii îl folosesc pentru procesare, care este numit canal ionic. Și acesta este o mică proteină. Vreau să spun, neuronii au mii din acestea. Și sunt poziționați în membrana celulei și au un por în mijlocul lor. Și aceștia sunt ioni individuali de potasiu, care trec prin acest por. Acest por se poate deschide sau închide. Dar, atunci când este deschis, datorită acestor ioni care trebuie să se alinieze și să treacă doar câte unul, apare un fel de curgere sporadică și nu stabilă -- este o curgere sporadică de curent. Și chiar atunci când închizi porul -- lucru pe care neuronii îl pot face, ei pot deschide și închide acești pori pentru a genera activitate electrică -- și chiar când e închis, pentru că ionii sunt atât de mici, încă se pot efectiv strecura, câțiva se mai pot strecura câteodată. Deci ceea ce se întâmplă este că atunci când porul este deschis, poate primi niște curent câteodată. Și aceștia sunt 1, dar mai sunt și câțiva 0 prezenți. Și atunci când este închis, este un 0. dar mai sunt și câțiva 1 prezenți, OK.
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.
Acum asta începe să se petreacă în tranzistori. Și motivul pentru care asta se întâmplă, este că acum în 2007, tehnologia pe care o folosim, un tranzistor este destul de mare încât mai mulți electroni pot trece prin canal simultan, unul lângă altul. De fapt, sunt în jur de 12 electroni care pot trece pe această cale, Și asta înseamnă că un tranzistor corespunde unui număr de 12 canale ionice aflate în paralel. Acum, peste câțiva ani, în 2015, vom micșora atât de mult tranzistorii. Acesta este motivul pentru care Intel tot adaugă mai multe nuclee pe un singur cip, sau pe stick-uri de memorie pe care le aveți acum și care pot transporta 1GB de lucruri pe ele -- înainte se putea 256 Tranzistorii devin din ce în ce mai mici pentru a permite acest lucru, iar tehnologia a beneficiat cu adevărat din acest lucru.
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.
Dar ceea ce se întâmplă acum este că în 2015, tranzistorul va deveni atât de mic, încât va corespunde unui singur electron care va trece prin acel canal, iar asta corespunde unui singur canal ionic. Și începem să observăm aceleași tipuri de ambuteiaje prezente într-un canal ionic. Curentul va fi pornit sau oprit în mod aleator, chiar și atunci când ar trebui să fie doar pornit. Și asta înseamnă că uneori calculatorul dvs. va confunda între 0 și 1, și asta va duce la prăbușirea calculatorului dvs.
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.
Așadar suntem la stadiul în care nu prea știm cum să procesăm cu astfel de dispozitive. Și singurul lucru, singurul pe care îl cunoaștem acum, care poate procesa cu acest fel de dispozitive, este creierul.
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.
Ok, deci un computer alege un item specific de informație din memorie, îl trimite procesorului sau către ALU, și apoi scrie rezultatul înapoi în memorie. Ăsta este calea roșie care este subliniată. Modul cum creierul funcționează, avem toti acești neuroni. Și modalitatea prin care ei reprezintă informația este de a descompune informația în bucăți mici care sunt reprezentate de către pulsuri și diferiți neuroni. Așadar avem toate aceste bucăți de informație distribuite prin toată rețeaua. Și pe urmă modul prin care se procesează informația pentru a obține un rezultat este că se traduce acest tipar de activitate într-un nou tipar de activitate, doar parcurgând această rețea. Deci stabilești aceste conexiuni, încât pattern-ul de intrare să treacă prin ele și să se genereze pattern-ul de ieșire.
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.
Ceea ce puteți vedea aici sunt aceste conexiuni redundante. Așa că dacă această parte a informației sau această parte sunt distruse, nu se va simți aici, aceste două părți vor putea activa partea care lipsește cu ajutorul acestor conexiuni redundante. Și deci chiar și când priviți aceste dispozitive de neîncredere când câteodată vreți un 1 și obțineți un 0, există redundanță în rețea care poate de fapt să recupereze informația lipsă. Asta face creierul în mod inerent robust. Ceea ce avem aici este un sistem care stochează datele local. Și este fragil, pentru că la fiecare dintre acești pași trebuie să se comporte perfect, altminteri va pierde datele. Pe când în creier, avem un sistem care stochează datele într-un mod distribuit, și este robust.
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.
Ceea ce aș vrea să vorbesc despre, este în mare, visul meu, care constă în a construi un calculator care funcționează precum creierul. Aceasta este ceva la care am lucrat de-a lungul ultimilor ani. Și am să vă arăt un sistem pe care l-am proiectat pentru a modela retina, care este o porțiune a creierului care se întinde pe interiorul globului dvs. ocular. Nu am realizat asta prin a scrie coduri, așa cum se procedează într-un calculator. De fapt, procesarea care are loc în acea mică porțiune din creier este foarte similară modului de procesare pe care calculatoarele o efectuează când emit fișiere video pe Internet. Ele vor să comprime informația -- ele vor să trimită doar schimbările, ce e nou într-o imagine, ș.a.m.d. -- și așa globul dvs. ocular este capabil să comprime atât de multă informație de-a lungul nervului optic pentru a trimite spre restul creierului.
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.
În loc de a realiza asta prin software, sau prin diferiți algoritmi, am fost și am discutat cu neurobiologi care au realizat efectiv o inginerie inversă a acelei porțiuni din creier numită retină. Și au putut diferenția toate tipurile de celule, și au evidențiat rețeaua, iar noi am luat pur și simplu acea rețea și am folosit-o ca tipar pentru design-ul unui cip din silicon. Și deci acum neuronii sunt reprezentați de mici noduri sau circuite pe cip, și conexiunile dintre neuroni sunt de fapt modelate prin tranzistori Și acești tranzistori se comportă în mod esențial la fel cum canalele ionice se comportă în creier. Oferă același tip de arhitectură robustă pe care am descris-o.
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.
Iată cum arată ochiul nostru artificial. Cipul retinei pe care l-am proiectat se află în spatele acestei lentile. Și cipul -- Am să vă arăt un filmuleț despre ce a scos retina din siliciu prin output atunci când privea spre Kareem Zaghloul, studentul care a proiectat acest cip. Dați-mi voie să vă explic ceea ce veți vedea, OK. Pentru că scoate diferite tipuri de informație, nu este la fel simplă precum o cameră video. Cipul-retină extrage patru tipuri diferite de informație. Poate extrage regiuni cu contrast ridicat, care vor apărea în video ca fiind roșii. Și extrage și regiuni cu contrast deschis sau alb, care vor apărea în video ca fiind verzi.
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.
Aceștia sunt ochii negrii ai lui Kareem Și acesta este fundalul alb pe care îl vedeți aici. Și poate extrage și informații despre mișcare. Atunci când Kareem își mută capul către dreapta, Veți vedea această activitate în albastru, reprezintă regiuni unde contrastul este crescut în imagine, acolo unde se trece de la întunecat la lumină. Și veți vedea de asemenea și această activitate galbenă, Care reprezintă zone unde contrastul descrește, trece de la luminos la întunecat. Și aceste patru tipuri de informație -- nervul dvs. optic are cam un milion de fibre în el, iar 900,000 dintre acestea trimit aceste patru tipuri de informație. Așadar noi de fapt duplicăm genul de semnale pe care le aveți în nervul optic.
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.
Ceea ce observați aici este că aceste imagini realizate la ieșirea din cipul retinei sunt foarte împrăștiate. Nu se aprinde verde peste tot prin fundal, ci doar pe muchii, ș.a.m.d. Și acesta este același lucru pe care îl vedeți atunci când oamenii comprimă video pentru a îl trimite: ei vor să îl facă foarte dispersat, pentru că așa fișierul este mai mic. Și asta este ceea ce face retina, și o face doar prin circuite, și prin modul cum această rețea de neuroni care interacționează acolo, pe care am reușit să o capturăm pe cip.
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.
Dar punctul la care vreau să ajung, vă voi arăta aici, Această imagine de aici va arăta ca acestea, dar aici vă voi arăta că putem reconstrui imaginea, pentru ca aproape să puteți să îl recunoașteți pe Kareem în partea de sus. Iată. Da, deci asta e ideea. În momentul când stați pe loc, puteți vedea doar contrastele ridicate sau scăzute. Dar când se mișcă înainte și înapoi, retina înregistrează aceste schimbări. Și din acest motiv, în momentul când stați aici și ceva se întâmplă în fundal, vă mișcați pur și simplu privirea în acea direcție. Acestea sunt celulele care detectează mișcarea și vă direcționați atenția către ea. Așadar acestea sunt foarte importante pentru a prinde pe cineva care încearcă să se furișeze pe lângă dvs.
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)
Dați-mi voie să închei prin a spune că asta este ceea ce se întâmplă atunci când puneți Africa într-un pian. Asta este o tobă din oțel care a fost modificată, și asta se întâmplă când puneți Africa într-un pian. Și ceea ce aș vrea să realizăm, este să puntem Africa și într-un calculator, și să venim cu un nou tip de calculator care poate genera gânduri, imaginație, să fie creativ și alte lucruri asemănătoare. Vă mulțumesc. (Aplauze)
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?
Chris Anderson: O întrebare pentru tine, Kwabena. Pui laolaltă în mintea ta munca pe care o faci, viitorul Africii, această conferință -- ce legături putem face, dacă există, între ele?
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.
Kwabena Boahen: Da, așa cum am spus și la început, Am primit primul calculator pe vremea când eram adolescent, în Accra. Și aveam această presimțire că acesta era modul greșit de îl produce. Consta prea mult în forță brută, și nu era elegant deloc. Nu cred că aș fi avut reacția aceea, Dacă în timp ce creșteam citeam science-fiction, Să fi auzit despre RD2D2, sau cum era numit, și să fi intrat în această strategie de consum a calculatoarelor. Eu am venit cu o altă perspectivă, Și am adus această nouă perspectivă, pentru a putea trata problema altfel. Și cred că mulți oameni din Africa au această perspectivă diferită, și cred că asta va avea un impact asupra tehnologiei. Și asta va avea un impact asupra evoluției sale. Și cred că veți fi capabili să vedeți, folosiți această infuzie, pentru a veni cu lucruri noi, pentru că veniți dintr-o perspectivă diferită. Eu cred că putem contribui, putem visa ca oricine altcineva.
CA: Thanks Kwabena, that was really interesting. Thank you.
Chris Anderson: Îți mulțumim, Kwabena, a fost foarte interesant. Vă mulțumesc.
(Applause)
(Aplauze)