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.
Tôi có cái máy tính đầu tiên khi tôi còn là một cậu bé lớn lên ở Accra, và nó thực sự là một thiết bị tuyệt vời. Bạn có thể chơi trò chơi điện tử, bạn có thể lập trình bằng BASIC. Và tôi đã bị mê hoặc. Vì thế tôi đã vào thư viện để tìm hiểu xem nó hoạt động thế nào. Tôi đọc xem làm thế nào mà CPU có thể truyền dữ liệu liên tục tới lui giữa bộ nhớ, RAM và ALU, (bộ phận tính toán số học và logic). Tôi tự nghĩ, chắc cái CPU này phải hoạt động như điên để tất cả dữ liệu lưu chuyển trong hệ thống.
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?
Nhưng chẳng ai thực sự quan tâm đến điều này. Khi máy tính được ra mắt lần đầu tiên, người ta nói rằng nó sẽ nhanh hơn nơ-ron hàng triệu lần. Người ta thật sự thích thú, họ nghĩ chúng sẽ bỏ xa khả năng của bộ não. Đây là một câu trích từ Alan Turing: "30 năm nữa, ta sẽ dễ dàng hỏi máy tính một câu hỏi, giống như hỏi một người vậy." Đó là năm 1946. Và bây giờ là 2007, nó vẫn chưa phải hiện thực. Vấn đề là tại sao chúng ta không thấy được cái khả năng này máy tính mà chúng ta thấy được trong não bộ?
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.
Điều chúng ta không thực sự nhận ra, và tôi mới chỉ mới nhận ra lúc này, đó là chúng ta phải trả giá đắt cho tốc độ, điều mà chúng ta cho rằng một sự tiến bộ lớn lao của những máy tính này. Nào chúng ta cùng nhìn vào một vài con số Đó là Blue Gene, máy tính nhanh nhất trên thế giới Nó có 120,000 bộ vi xử lý; về cơ bản nó có thể xử lý được 10 quadrillion bit thông tin trên 1 giây Đó là chừng 10 lũy thừa 16. Và nó tiêu thụ khoảng 1.5 mega oát điện. Điều đó có thể rất vĩ đại, nếu bạn có thể bổ sung nó vào tổng năng lực sản xuất của Tanzania. Nó thực sự sẽ thúc đẩy nền kinh tế Quay trở lại với nước Mỹ, nếu các bạn chuyển đổi lượng điện hoặc năng lượng này cho các hộ gia đình ở Mỹ Con số đó là 1200 hộ gia đình ở Mỹ Đó là lượng điện mà cái máy tính này sử dụng.
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.
Nào, bây giờ hãy so sánh với bộ não Đây là hình ảnh bộ não của bạn gái Rory Sayres Rory là một nghiên cứu sinh sau đại học ở Stanford Anh ấy nghiên cứu về bộ não bằng cách sử dụng MRI và anh cho rằng đây là bộ não đẹp nhất mà anh đã scan ( chụp ) được từ trước đến giờ ( Cười ) Đó là tình yêu đích thực, ngay đó Và bây giờ thử nghĩ xem công suất tính toán của bộ não là bao nhiêu? Tôi ước tính10 lũy thừa 16 bit trên 1 giây Điều đó cho thấy nó tương tự như máy Blue Gene Đó là câu hỏi. Câu hỏi là, bao nhiêu-- cả bộ não và Blue Gene thực hiện cùng một khối lượng tính toán và dữ liệu câu hỏi là bộ não tiêu tốn bao nhiêu năng lượng? Và thực tế là nó giống như chiếc laptop của bạn chỉ khoảng 10 oát Vậy hiện tại chúng ta đang làm gì với những chiếc máy tính tiêu tốn năng lượng bằng năng lượng dùng cho 1200 ngôi nhà. bộ não đang tiêu thụ năng lượng chỉ bằng chiếc laptop của bạn
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.
Câu hỏi là làm thế nào mà bộ não có thể đạt được sự hiệu quả đó Hãy để tôi tóm tắt một chút. bộ não xử lý thông tin trong khi sử dụng năng lượng ít hơn một nghìn lần so với các máy tính được chế tạo bởi các công nghệ hiện nay. Làm thế nào để bộ não có thể thực hiện được điều đó? Hãy cùng nhìn vào cách mà bộ não làm việc và so sánh với cách mà các máy tính làm việc Đây là clip trong chuỗi chương trình PBS, "Đời sống bí ẩn của bộ não" Nó cho bạn thấy các tế bào xử lý thông tin Chúng được gọi là các nơ-ron Chúng truyền các xung điện nhỏ mà chúng cần xử lý cho nhau Và tại nơi chúng liên lạc với nhau, các xung điện này có thể nhảy từ nơ-ron này sang các nơ-ron khác Nơi đó gọi là các khớp thần kinh ( synapse) Có một mạng lưới khổng lồ các tế bào tương tác lẫn nhau khoảng 100 triệu tế bào chúng gửi đi khoảng 10 triệu lũy thừa 4 các xung điện mỗi giây Và đó là nhữg gì đang xảy ra ở bên não của bạn khi bạn đang xem clip này
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.
Làm thế nào để so sánh với cách mà máy tính làm việc? Trong máy tính, tất cả dữ liệu chạy qua bộ xử lý trung tâm ( CPU) và từng phần của dữ liệu đều phải đi qua nút cổ chai đó Trong khi đó trong bộ não là những nơ-ron và dữ liệu thực tế chảy qua một mạng lưới các kết nối giữa các nơ-ron. Không có nút cổ chai nào ở đây Nó thực sự là một mạng lưới theo nghĩa đen Một mạng lưới làm việc bên trong bộ não Nếu các bạn nhìn vào 2 bức ảnh này 2 loại từ in sâu vào tâm trí bạn Cái này thì tuần tự và cứng nhắc, giống như chiếc ô tô đi trên 1 xa lộ duy nhất mọi thứ phải xảy ra ngay sau đó Trong khi cái này thì là song song và linh hoạt hơn Việc xử lý thông tin là động và có tính thích ứng cao
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.
Tôi không phải là người đầu tiên chỉ ra điều này. Đó là trích dẫn của Brian Eno "Vấn đề với các máy tính là không có đủ cả một châu Phi ở bên trong chúng" Cười Brian thực sự đã nói câu này vào năm 1995 Và lúc đó không ai nghe điều đó nhưng rồi mọi người cũng bắt đầu lắng nghe bởi vấn đề công nghệ mà chúng ta phải đối mặt là rất cấp bách Hãy để tôi dẫn các bạn đi thêm một chút trong vài slide tiếp theo
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.
Đây thực sự là một sự hội tụ đáng nhớ giữa các thiết bị mà chúng ta dùng để tính toán trong máy tính và các thiết bị ( sinh học ) mà bộ não của chúng ta sử dụng để tính toán Các thiết bị mà máy tính dùng để tính toán được gọi là transitor Tại đây có các điện cực gọi là các cổng, chúng điều khiển sự ra vào của các dòng điện từ nguồn điện tới các ống dẫn-chúng là một cặp điện cực và các dòng điện mang theo electrons như dòng điện ở nhà các bạn vv.. Và điều gì xảy ra khi bạn ( bật ) mở các cổng này bạn làm tăng cường độ dòng điện và bạn sẽ có một dòng điện ổn định Khi bạn đóng các cổng, sẽ không còn dòng điện nào chảy qua các thiết bị nữa Máy tính của bạn sử dụng trạng thái tồn tại của dòng điện để biểu diễn "một", 1 Và sự vắng mặt của dòng điện biểu diễn "không", 0
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.
Một thực tế đang diễn ra là các transistor càng ngày càng trở nên nhỏ hơn và nó đã không hoạt động như thế này nữa Thực tế nó bắt đầu hoạt động giống như một thiết bị ( sinh học ) mà các nơ-ron sử dụng để tính toán Nó được gọi là một kênh ion Nó đơn giản chỉ là một tế bào protein nhỏ Tôi muốn nói là nơ-ron có hàng ngàn những tế bào như vậy Và chúng nằm trên một màng các tế bào và có một khe trong chúng Chúng là nhưng ion kali đơn chảy theo những khe này Các khe có thể đóng và mở Khi chúng mở, vì các ion đi theo hàng chúng chảy qua cổng rời rạc từng hạt một không ổn định Đó là dòng điện rời rạc Khi bạn đóng các khe, việc mà các nơ-ron có thể làm chúng có thể mở và đóng các khe để sinh ra các hoạt động điện và khi nó bị đóng, do các ion rất nhỏ chúng có thể lọt qua, vài ion trong số chúng có thể lọt qua cùng 1 lúc khi các khe mở thỉnh thoảng bạn sẽ nhận được dòng điện Đây là những bit 1 mà bạn có,nhưng cũng có thể có một vài bit 0 đi kèm Và khi nó đóng, bạn có bit 0 và cũng có thể có vài bit 1 đi kèm
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.
Điều này đang xảy ra với các transistor Và đó là lý do tại sao nó xảy ra, ngay lúc này, năm 2007 công nghệ mà chúng ta đang sử dụng, một transistor là đủ một vài electrons có thể lưu thông qua kênh cùng lúc hoặc nối tiếp nhau Sự thật là có khoảng 12 electrons có thể cùng được lưu thông trên kênh này Và điều đó có nghĩa là một transistor tương ứng với khoảng 12 kênh ion song song với nhau Vài năm nữa, vào năm 2015 chúng ta sẽ thu nhỏ các transistor rất nhiều Đây là những gì mà Intel đang làm để cố gắng tăng thêm nhiều nhân trên chip Và thẻ nhớ của chúng ta ngày nay đã có thể chứa tới một gigabyte dữ liệu, trong khi trước đó chúng chỉ có 256 byte Transistor đang ngày càng nhỏ hơn và nó cho phép điều đó xảy ra và công nghệ này thực sự mang lại lợi ích lớn
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.
Nhưng điều gì sẽ xảy ra vào năm 2015 khi mà các transistor đang càng trở nên nhỏ hơn nó chỉ tương ứng với 1 electron tại 1 thời điểm có thể truyền qua kênh và tương ứng với nó là một kênh ion Bắt đầu xảy ra tắc nghẽn giao thông trong kênh ion Dòng chảy hiện tại bị bật và tắt một cách ngẫu nhiên ngay cả khi nó cần phải được bật lên. Điều đó có nghĩa là máy tính của bạn sẽ nhận về những bit 0 và 1 lẫn lộn với nhau, nó có thể dẫn tới làm hỏng máy của bạn
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.
Vì vậy, chúng ta đang ở giai đoạn mà chúng ta không thực sự biết làm thế nào để tính toán với các thiết bị loại này. Và thứ duy nhất mà chúng ta biết ngay bây giờ có thể tính toán với các thiết bị kiểu như bộ não
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.
Do đó, một máy tính chọn một mục cụ thể của dữ liệu từ bộ nhớ, nó sẽ gửi nó vào bộ vi xử lý hoặc ALU, và sau đó nó sẽ trả kết quả trở lại vào bộ nhớ. Trên hình là con đường màu đỏ đã được làm nổi bật Cách bộ não làm việc, như tôi đã nói với các bạn, các bạn có tất cả những nơ-ron Và cách mà chúng biểu diễn thông tin là chúng phá vỡ thông tin thành các mảnh nhỏ các mảnh này được biểu diễn bởi các xung và các nơ-ron khác Như thế bạn có tất cả các phần của dữ liệu được phân tán thông qua một mạng lưới Và cách mà bạn xử lý dữ liệu để lấy kết quả là việc bạn dịch một mô hình này sang một mô hình khác chỉ bằng cách chảy qua mạng xử lý Vì vậy, bạn thiết lập các kết nối từ dòng dữ liệu đầu vào và sinh ra dòng các dữ liệu đầu ra
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.
Những gì bạn thấy ở đây là có những kết nối dự phòng Vì vậy nếu mảng dữ liệu này bị hủy chúng không thể hiện ở đây, hai mảng dữ liệu có thể kích hoạt những phần bị thiếu với những kết nối dự phòng Ngay cả khi bạn làm việc với các thiết bị dỏm Nơi thỉng thoảng bạn muốn lấy bit 1 nhưng lại lấy về bit 0, chúng không thể hiện có sự dự phòng ở trong mạng Mạng nơ-ron thực sự có khả năng khôi phục các thông tin bị thiếu Nó làm cho bộ não thực sự mạnh mẽ Những gì bạn có là một hệ thống, nơi lưu trữ những dữ liệu cục bộ và nó rất dễ bị tổn thương, bởi vì mỗi bước cần được xử lý thật hoàn hảo nếu không bạn sẽ mất dữ liệu, trong khi đó bộ não của bạn là một hệ thống lưu trữ dữ liệu một cách phân tán, điều đó làm cho nó thực sự mạnh mẽ
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.
Điều tôi muốn nói một cách cơ bản nhất về giấc mơ của tôi đó là chế tạo một máy tính làm việc giống như bộ não Đây là một vài thứ mà chúng tôi đã làm việc trong vài năm qua Và sắp sửa trình bày cho các bạn thấy một hệ thống mà chúng tôi đã thiết kế để mô hình hóa võng mạc Tại võng mạc có đường nối giữa khu vực xử lý của não với nhãn cầu Chúng tôi không viết code giống như các bạn làm với máy tính Thực tế thì quá trình xử lý xảy ra trong các phần nhỏ của bộ não tương tự như quá trình xử lý trong máy tính khi chúng truyền các dòng dữ liệu video qua internet Chúng muốn nén thông tin chúng chỉ gửi những gì thay đổi, những hình ảnh mới và hơn nữa và đó là cách mà nhãn cầu của bạn có thể nén toàn bộ thông tin vào các nơ-ron thần kinh thị giác để gửi đến các phần còn lại của bộ não
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.
Thay vì làm việc với các thuật toán như trong các phần mềm chúng tới đã tới nói chuyện với các chuyên gia sinh học thần kinh những người thực sự đã đảo ngược thiết kế của võng mạc Và họ đã tìm ra tất cả các tế bào khác nhau họ khám phá ra mạng lưới, và chúng tôi lấy mạng đó và sử dụng nó như bản kế hoạch cho việc thiết kế một chip silicon Giờ thì các nơ-ron được biểu diễn bởi các nút hoặc mạch trên chip và các kết nối giữa các tế bào thần kinh được biểu diễn, thực tế được mô hình hóa bởi các transitor Và các transistor hành động giống như các kênh ion ở trong não Nó cung cấp cho bạn một kiến trúc mạnh mẽ như tôi đã mô tả
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.
Đây thực sự là những thứ mà đôi mắt nhân tạo của chúng ta nhìn thấy Các chip võng mạc mà chúng tôi thiết kế được đặt sau thấu kính này. Tôi sẽ cho các bạn xem một video mà võng mạc silicon xuất ra các kết quả đầu ra của nó Khi nhìn vào Kareem Zaghloul Người đã thiết kế con chip này Để tôi giải thích về những cái mà chúng ta đang xem, OK Bởi vì nó đưa ra các loại thông tin khác nhau Nó không phải đơn giản chỉ như một chiếc máy ảnh Chip võng mạc bóc tách 4 loại thông tin khác nhau Nó bóc tách các vùng với độ tương phản tối chúng được hiển thị trên video với màu đỏ Và khi nó bóc tách dữ liệu trên vùng màu trắng và tương phản sáng chúng được biểu diễn là màu xanh trên video
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.
Đây là đôi mắt tối của Kareem và cái nền trắng mà bạn thấy ở đây Con chip cũng bóc tách các thông tin về chuyển động Khi Kareem di chuyển đầu về phía bên phải các bạn sẽ thấy vùng hoạt động màu xanh ở đây chúng biểu diễn cho vùng mà tại đó sự tương phản đang tăng lên ở trong hình ảnh nó đang di chuyển từ vùng tối sang sáng Và các bạn cũng thấy ở đây vùng chuyển động màu vàng Chúng biểu diễn cho các vùng tại đó độ tương phản đang giảm đi Chúng chuyển dần từ sáng sang tối Và có bốn loại thông tin Thần kinh thị giác của bạn có khoảng một triệu sợi như vậy bên trong khoảng 900.000 sợi trong số chúng lưu chuyển 4 loại thông tin khác nhau Vì vậy chúng ta thực sự đang nhân bản các loại tín hiệu trên các dây thần kinh thị giác
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.
Những gì bạn chú ý ở đây là những khoảnh khắc được lưu lại trên ảnh ( snapshots) được lấy ra từ đầu ra của các chip võng mạc, chúng rất rời rạc Nó không chuyển sang màu xanh ở mội chỗ trên nền chỉ có trên các cạnh và trên tóc vv.. và đây cũng là thứ mà bạn thấy Khi con người nén dữ liệu và gửi đi, họ muốn làm cho nó nhẹ hơn, rời rạc hơn bởi vì kích thước file sẽ nhỏ hơn, và đó cũng là điều mà võng mạc làm và nó thực hiện điều đó bằng mạch thần kinh, và làm thế nào mạng nơ-ron nơi các tương tác thông tin xảy ra và được chúng tôi mô phỏng lại trên các con chip
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.
Có một điểm mà tôi muốn làm, tôi sẽ trình bày ngay đây Những hình ảnh ở đây trông giống như những cái này Nhưng ở đây tôi sẽ cho các bạn thấy chúng tôi có thể tái tạo lại hình ảnh và như các bạn biết, bạn có thể nhận ra Kareem ở phần trên kia Và đây, các bạn đã thấy Vâng, ý tưởng là như vậy Khi bạn đứng đó, bạn sẽ chỉ nhìn thấy sự tương phản giữa sáng và tối Nhưng khi di chuyển tiến lùi Võng mạc sẽ thu nhận những thay đổi Và đó là lý do tại sao khi chúng ta ngồi đây Có vài điều xảy ra phía đằng sau các bạn Bạn chỉ đơn thuần di chuyển mắt của mình Và có những tế bào tự động phát hiện ra những thay đổi Và bạn di chuyển sự chú ý của mình theo nó Những điều này rất quan trọng khi muốn thu nhận hình ảnh của ai đó Những người đang cố gắng lẩn trốn bạn
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)
Hãy để tôi kết thúc bằng cách nói về điều đang xảy ra khi bạn đặt Châu Phi vào một chiếc dương cầm. OK Đây là một cái trống thép đã được sửa đổi và đó là điều xảy ra khi bạn đặt Châu Phi lên một chiếc piano và cái tôi muốn chúng ta làm là đưa Châu Phi vào trong máy tính và tiến tới phát triển một loại máy tính mới có thể suy nghĩ, tưởng tượng và sáng tạo ra những thứ như thế này Cảm ơn Vỗ tay
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?
Một câu hỏi cho anh, Kwabena Anh có đặt trong tâm trí mình công việc của anh đang làm tương lai của Châu Phi và buổi hội thảo này có sự kết nối nào chúng ta có thể tạo ra, nếu có thể , giữa chúng?
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.
Vâng, giống như tôi nói lúc đầu Tôi có chiếc máy tính đầu tiên lúc tôi còn là một cậu bé, trưởng thành ở Châu Phi Và tôi đã có một phản ứng cho rằng đây là con đường sai lầm để làm điều đó Nó rất thô sơ, không hề tính tế chút nào Tôi không nghĩ rằng tôi đã có phản ứng đó Nếu tôi muốn lên để đọc các sách khoa học viễn tưởng nghe nói về RD2D2, hoặc bất cứ thứ gì có thể gọi tên, các bạn biết đấy tin vào các quảng cáo về những chiếc máy tính Tôi đã tiếp cận từ 1 góc độ khác, nơi tôi đã mang theo quan điểm khác đó để theo đuổi vấn đề này Và tôi nghĩ rằng có rất nhiều người ở Châu Phi có những quan điểm rất khác và tôi nghĩ nó đang tác động tới công nghệ Và nó đang tác động tới các phương tiện làm thay đổi cuộc sống Và tôi nghĩ có thể các bạn đang bắt đầu được chứng kiến những điều mới đang đến vì chúng ta đang đến từ những góc độ khác nhau Tôi khi chúng ta có thể đóng góp. Chúng ta có thể mơ ước giống như mọi người khác
CA: Thanks Kwabena, that was really interesting. Thank you.
Cảm ơn Kwabena, thât sự rất thú vị Xin cảm ơn
(Applause)
Cười