Куабена Боахен за компютър, който работи като мозъка

Получих първият си компютър, когато бях тийнейджър, докато израствах в Акра, и той беше наистина страхотно устройство. Можеше да играете игри на него, можеше да го програмирате на BASIC. И аз бях очарован. Така че отидох в библиотеката за да разбера как работи това нещо. Прочетох за това как процесорът постоянно размесва данни напред-назад, между паметта, RAM и АЛУ, аритметическото и логическо устройство. И аз си помислих, че този процесор наистина трябва да работи като луд, само за да поддържа всички тези данни в движение през системата.

Но никой не беше много притеснен за това. Когато компютрите бяха представени за първи път, се смяташе, че са един милион пъти по-бързи от невроните. Хората бяха много радостни, те смятаха, че скоро ще надминат капацитета на мозъка. Това е цитат, всъщност, от Алън Тюринг: "След 30 години, ще бъде толкова лесно да зададете въпрос на компютър, колкото да попитате човек." Това беше през 1946 година. И сега, през 2007 г., това все още не е вярно. Въпросът е, защо наистина не виждаме тази мощност в компютрите, която виждаме в мозъка?

Това, което хората не осъзнават, и аз просто започвам да осъзнавам това в момента е, че плащаме огромна цена за скоростта, която твърдим, че е голямо предимство на тези компютри. Нека да разгледаме няколко числа. Това е Blue Gene, най-бързият компютър в света. Има 120 000 процесора, които могат да обработват, в основни линии, 10 квадрилиона бита информация в секунда. Това е 10 на 16-та. И те консумират един и половина мегавата мощност. Така че ще бъде наистина чудесно, ако можете да добавите това към производствения капацитет на Танзания. Наистина ще стимулира икономиката. Ако се върнем към Щатите, ако съпоставите количеството мощност и електроенергия, които този компютър използва, към броя на домакинствата в САЩ, ще получите 1200 домакинства в САЩ, толкова много енергия използва този компютър.

Сега, нека да сравним това с мозъка. Това е снимка, всъщност от мозъка на приятелката на Рори Сейърс. Рори е аспирант в Станфорд. Той изследва мозъка с МРТ и твърди, че това е най-красивият мозък, който някога е сканирал. (Смях) Така че това е истинска любов, точно там. Колко изчисления прави мозъка? Смятам, че около 10 на 16-та бита за секунда, което всъщност е много подобно на това, което прави Blue Gene. Така че това е въпросът. Въпросът е, колко -- те извършват подобно количество изчисления, подобен обем на данни -- въпросът е колко енергия и електричество използва мозъка? И това е всъщност толкова, колкото вашия лаптоп компютър: това са само 10 вата. Така че това, което правим в момента с компютри, с енергията, консумирана от 1200 къщи, мозъкът прави с енергията, консумирана от вашия лаптоп.

Така че въпросът е, как мозъкът може да постигне тази ефективност? И нека само да обобщя. Въпросът е: мозъкът обработва информация, използвайки 100 000 пъти по-малко енергия, отколкото ние правим сега с тази компютърна технология, която имаме. Как мозъкът успява да направи това? Нека просто да погледнем как работи мозъкът, и после аз ще го сравня с това как работят компютрите. Този клип е от PBS сериала "Тайният живот на мозъка." Показва ви тези клетки, които обработват информация. Наричат се неврони. Те изпращат малки импулси от електроенергия по техните процеси един на друг, и когато се свързват помежду си, тези малки импулси от електроенергия могат да скочат от един неврон на друг. Този процес се нарича синапс. Имате тази огромна мрежа от клетки, които общуват една с друга, около 100 милиона от тях, изпращащи около 10 квадрилиона от тези импулси на всяка секунда. И това в основни линии е, което се случва в мозъка ви точно сега, докато гледате това.

Как се сравнява това с начина, по който работят компютрите? В компютъра имате всички данни, които преминават през централния процесор, и в основни линии, всяка частица от данни трябва да премине през това стеснение. Докато в мозъка, това което имате са тези неврони и данните просто наистина текат през мрежа от връзки между невроните, тук няма пречка. Това е наистина една мрежа, в буквалния смисъл на думата. Мрежата върши работата в мозъка. Ако просто погледнете тези две снимки, тези думи се появяват в съзнанието ви. Това е последователно и е устойчиво: Това е като коли на магистралата -- всичко трябва да се случи последователно. Докато това е паралелно и е флуидно. Обработката на информацията е много динамична и адаптивна.

Аз не съм първият, който е разбрал това. Това е цитат от Брайън Ено: "Проблемът с компютрите е, че няма достатъчно от Африка в тях." (Смях) Брайън всъщност каза това през 1995 година. Тогава никой не слушаше, но сега хората започват да слушат, защото има належащ технологичен проблем, пред който сме изправени. И аз просто ще ви преведа през това през следващите няколко слайда.

Това е -- това е всъщност наистина това забележително събиране между устройствата, които ние използваме за да изчисляваме в компютрите, и устройствата, които използват нашите мозъци за да изчисляват. Устройствата, които използват компютрите се наричат транзистори. Този електрод тук, наречен гейт, контролира потока на ток от сорс към дрейн, тези два електрода. И този ток, електрически ток, се пренася от електроните, също както в дома ви, и така нататък. И това, което имате тук е, когато всъщност отворите гейта, получавате увеличение в количеството на ток и получавате постоянен поток на ток. И когато затворите гейта, няма ток течащ през устройството. Вашият компютър използва това наличие на ток за да представи единица, и липсата на ток за да представи нула.

Сега, това което се случва е, че когато транзисторите стават все по-малки, и по-малки, и по-малки, те вече не се държат по този начин. В действителност, те започват да се държат като устройството, което невроните използват за изчисляване, което се нарича йонен канал. И това е малка молекула белтък. Искам да кажа, невроните имат хиляди от тях. И тя седи в мембраната на клетката, и има пора в нея. А това са индивидуални йони калий, които се вливат към тази пора. Сега, тази пора може да се отваря и затваря. Но, когато е отворена, понеже тези йони трябва да се подредят и да преминат един по един, вие получавате спорадичен, а не постоянен -- това е спорадичен поток на ток. И дори когато затворите порите -- което невроните могат да направят, те могат да се отварят и затварят тези пори, за да генерират електрическа активност -- дори когато е затворена, тъй като тези йони са толкова малки, те могат всъщност да се промъкнат, няколко могат да се промъкнат. Така че това, което имаме е, че когато пората е отворена, понякога имаме ток. Това са вашите единици, но има и няколко подхвърлени нули. И когато е затворена, имате нула, но имате и няколко подхвърлени единици, нали.

Сега, това започва да се случва в транзисторите. И причината защо това се случва е, че точно сега през 2007 г., технологията, която използваме, един транзистор е достатъчно голям, че няколко електрона могат да преминават през канала едновременно, едни до други. В действителност, около 12 електрони могат да бъдат прекарани по този начин. А това означава, че един транзистор съответства на около 12 паралелни йонни канала. До няколко години, до 2015 г., ние ще намалим транзисторите толкова много. Това е, което Intel прави, за да добавя още ядра върху чипа, така че картата с памет, която имате сега, може да съдържа един гигабайт неща на нея - преди беше 256. Транзистори стават все по-малки, за да позволят това да се случи, и технологията наистина се възползва от това.

Но това, което се случва е, че през 2015 г., транзисторът ще стане толкова малък, че ще съответства само на един електрон в даден момент, който може да преминава през този канал, и това съответства на един йонен канал. И ще започнете да имате същия вид задръствания, които имате в йонните канали, токът ще се включва и изключва на случаен принцип, дори когато трябва да бъде включен. А това означава, че компютърът ви ще получи неговите единици и нули разбъркани, и ще забие вашата машина.

Така че, ние сме на етап, когато не знаем как да изчисляваме с този вид устройства. И единственото нещо, което знаем в момента, което може да изчислява с тези устройства е мозъка.

Добре, компютърът взема специфичен елемент от данни от паметта, изпраща го към процесора, или АЛУ, и след това поставя резултата обратно в паметта. Това е червения път, който е маркиран. Начинът, по който мозъка работи е, че имате всички тези неврони. И начина, по който те представят информацията е, че разбиват данните на малки частици, които са представени от импулси и различни неврони. Така че имате всички тези частици данни, разпределени в цялата мрежа. И след това начина, по който се обработват данните, за да се получи резултат е, че се превежда този модел на дейност в един нов модел на дейност, само като преминава през мрежата. Така настройвате тези връзки, така че въведения модел просто преминава и генерира изходния модел.

Това, което виждате тук е, че има тези излишни връзки. Така че, ако тази част от данните, или тази част от данните се ударят, това не се показва тук, тези две парчета могат да активират липсващата част с тези излишни връзки. Така че дори и когато използвате тези некачествени устройства, при които понякога искате единица, а получавате нула, има взаимозаменяемост в мрежата, която може да възстанови липсващата информация. Това прави мозъкът по своята същност здрав. Това, което имаме тук е система, в която данните се съхраняват локално. И тя е крехка, тъй като на всяка от тези стъпки трябва да бъде безупречна, в противен случай ще загубите тези данни. Докато в мозъка имате система, която съхранява данните по разпръснат начин, и тя е здрава.

Това, за което искам да говоря, е моята мечта, която е да изградя компютър, който работи като мозъка. Това е нещо над което работим през последните няколко години. Ще ви покажа една система, която разработихме по образец на ретината, която е част от мозъка, очертаваща вътрешността на окото ви. Ние не направихме това пишейки код, както вие правите на компютър. В действителност, обработката, която се случва в тази малка част на мозъка е много подобна на обработката, която компютрите правят, когато пренасят видео през интернет. Те искат да компресират информацията -- те просто искат да изпратите промените, какво се е променило в образа и т.н. -- и това е начина, по който очната ябълка е в състояние да компресира цялата тази информация до вашия зрителен нерв, за да я изпрати до останалата част на мозъка.

Вместо да направим това със софтуер, или да направим този вид алгоритми, ние отидохме да говорим с невробиолози, които всъщност бяха разкодирали тази част от мозъка наречена ретина. И те измислиха всички различни клетки, измислиха мрежата, а ние просто взехме тази мрежа и я използвахме като шаблон за проектирането на един силициев чип. Така че сега невроните са представени като малки възли или платки в чипа, и връзките между невроните всъщност са моделирани от транзистори. И тези транзистори се държат по същество, точно както йонните канали се държат в мозъка. Ще ви дам същия вид устойчива архитектура, която описах.

Тук всъщност, така изглежда изкуственото ни око. Ретината чип, който ние проектирахме, стои зад тези лещи тук. И чипът - ще ви покажа видео, което силициевата ретината изкара като резултат, докато гледаше Карим Заглул, който е студента, проектирал този чип. Нека да ви обясня какво ще видите. Понеже това извежда различни видове информация, не е толкова просто както камера. Ретината чип извежда четири различни видове информация. Тя извежда регионите с тъмни контрасти, които ще се появят на видеото в червено. Тя извежда регионите с бял или светъл контраст, които ще се появят на видеото в зелено.

Това са тъмните очи на Карим и това е белият фон, който виждате тук. Освен това също извлича движение. Когато Карим движи главата си надясно, ще видите тази синя дейност там, тя представя региони, в които контраста на изображението се увеличава, това е, където се променя от тъмно към светло. И вие също виждате тази жълта дейност, която представя региони, в които намалява контраста, променя се от светло до тъмно. И тези четири вида информация -- вашият зрителен нерв има около един милион влакна в него, и 900 000 от тези влакна изпращат тези четири типа информация. Така че ние наистина дублираме вида сигнали, които имате в зрителния нерв.

Това, което може да забележите тук е, че тези снимки, направени от информацията от ретината чип са твърде оскъдни. Зелено не е достатъчно светло навсякъде в обкръжението, само по ръбовете, и така нататък. И това е същото нещо, което може да забележите, когато хората компресират видео за да го изпратят: те искат да го направят много оскъдно, защото така файлът ще бъде по-малък. И това е, което прави и ретината, и я прави само с платките, и как тази мрежа от неврони, които си взаимодействат там, които уловихме на чипа.

Но това, което искам да обясня, ще ви го покажа тук. Така, тази снимка тук ще изглежда като тези, но тук ще ви покажа, че ние можем да възстановим изображението, така че, знаете ли, да можете почти да разпознаете Карим в горната част там. Ето ви. Да, така че това е идеята. Когато стоите на едно място, просто виждате светли и тъмни контрасти. Но когато това се движи напред-назад, ретината долавя тези промени. И затова, знаете ли, когато седите тук и нещо се случва наоколо, вие едва придвижвате очите си към него. Там са тези клетки, които откриват промяната и вие прехвърляте вниманието си към нея. Така че, тези клетки са много важни за улавяне на някой, който се опитва да се промъкне до вас.

Позволете ми да завърша, като кажа, че това се случва, когато поставите Африка в пиано, нали. Това е стоманен барабан, който е бил променен, и това се случва, когато поставите Африка в пиано. А това, което искам да направим, е да поставим Африка в компютъра, и да стигнем до нов вид компютър, който ще генерира размисъл, въображение, ще бъде креативен, и такива неща. Благодаря ви. (Ръкопляскания)

Крис Андерсън: Имам въпрос за теб, Куабена. Дали поставяш в съзнанието си работата, която вършиш, бъдещето на Африка, тази конференция -- какви връзки можем да направим, ако има такава, между тях?

Куабена Боахен: Да, както казах в началото. Получих първият си компютър, когато бях тийнейджър, растейки в Акра. И аз имах тази инстинктивна реакция, че това беше грешния начин, по който да се направи. Това беше много груба сила, беше много неелегантно. Не мисля, че щях да имам тази реакция, ако бях израстнал, четейки цялата тази научна фантастика, слушайки за RD2D2, както там се нарича, и просто -- знаете ли, да повярвам на тази възхвала на компютрите. Аз идвах към това от различна гледна точка, където пренесох тази различна гледна точка, да се справя с проблема. И мисля, че много хора в Африка имат тази различна гледна точка, и мисля, че това ще окаже въздействие на технологията. И това ще се отрази на това, как тя ще се развива. И мисля, че вие ще започнете да виждате, да използвате тази смес, за да излезете с нови неща, понеже вие идвате от различна гледна точка. Мисля, че ние можем да допринесем, можем да мечтаем като всички останали.

Крис Андерсън: Благодаря Квабена, това беше наистина интересно. Благодаря.

(Ръкопляскания)