Kwabena Boahen : un ordinateur qui fonctionne comme le cerveau

J'ai eu mon premier ordinateur quand j'étais adolescent et que je grandissais à Accra, et c'était vraiment une belle machine. On pouvait jouer avec ou le programmer en BASIC Et j'étais fasciné. Donc je suis allé à la bibliothèque pour comprendre comment cette chose marchait. J'ai lu sur le processeur qui fait constamment aller et venir les données entre la memoire, la RAM et l'UAL, l'unité arithmétique et logique. Et je me suis dit que le processeur devait vraiment travailler comme un fou simplement pour que toutes ces données bougent à travers le système.

Mais personne ne s'inquiétait vraiment de ça. Quand les ordinateurs ont commencé à être connus, Ils disaient qu'ils étaient un million de fois plus rapide que les neurones. Les gens étaient vraiment excités, ils pensaient qu'on allait bientôt dépasser les capacités du cerveau. Une citation d'Alan Turing: "Dans 30 ans, ce sera aussi facile de poser une question à un ordinateur, que d'en poser une à une personne." C'était en 1946. Et maintenant en 2007, ce n'est toujours pas le cas. Mais pourquoi donc on ne voit pas encore la même puissance dans les ordinateurs que l'on voit dans le cerveau ?

Ce que les gens ne réalisent pas, et que je commence à réaliser maintenant, c'est que nous avons payé le prix fort pour la vitesse, que l'on disait être un gros avantage pour ces ordinateurs. Regardons ces quelques chiffres. C'est Blue Gene, l'ordinateur le plus rapide au monde. Il a 120 000 coeurs qui peuvent traiter 10 millions de milliards d'information par seconde. C'est 10 puissance 16. Et ça consomme un demi mégawatt. Donc ça serait vraiment génial, si on pouvait les ajouter à la production électrique de la Tanzanie. ça boosterait vraiment l'économie. Pour revenir aux U.S.A, si on traduit la quantité d'énergie électrique que cet ordinateur utilise en nombre de foyers américains, ça donne 1 200 ménages, Voilà pour l'énergie qu'utilise cet ordinateur.

Maintenant, comparons le avec le cerveau. Voici une image du cerveau de la petite amie de Rory Sayres. Rory est un étudiant de troisième cycle à Stanford. Il étudie le cerveau par IRM et il prétend que c'est le plus beau cerveau qu'il ait jamais scanné. (Rires) Ca, c'est vraiment de l'Amour. Alors, à quelle vitesse calcule le cerveau ? Je l'estime à 10 puissance 16 bits par seconde ce qui est en fait très proche de ce que fait Blue Gene. Donc, la vraie question, c'est combien -- Ils calculent autant, une quantité similaire de donnée -- La question c'est quelle énergie, combien d'électricité est ce que le cerveau utilise ? Et en fait, c'est autant que votre ordinateur portable : seulement 10 watts. Donc, ce que nous faisons actuellement avec les ordinateurs avec l'énergie consommée par 1 200 maisons, le cerveau le fait avec l'énergie consommée par votre PC portable.

Alors, comment est ce que le cerveau peut être aussi efficace ? Et laisser moi résumer, voici les faits : le cerveau fonctionne en utilisant 100 000 fois moins d'énergie que ce que nous faisons maintenant avec notre technologie informatique. Comment le cerveau peut il faire cela ? Regardons juste comment le cerveau fonctionne, et après on va comparer ça à comment les ordinateurs fonctionnent. Ce clip vient de la série PBS, "La vie secrète du Cerveau". Qui vous monte ces cellules qui traitent l'information. Ce sont les neurones. Ils s'envoient des petites impulsions électriques et à l'endroit où ils se touchent, ces petites impulsions électriques peuvent sauter d'un neurone à un autre. On appelle ça une synapse. On a cet énorme réseau de cellules qui interagissent ensemble, environ 100 million, qui envoient environ 10 million de milliard d'impulsions par seconde. Et c'est exactement ce qui se passe dans votre cerveau maintenant alors que vous me regardez.

Comment comparer cela à la façon de travailler des ordinateurs ? Dans l'ordinateur, on a toutes les données qui passent par le processeur central, et chaque bout de donnée doit absolument passer par ce goulot d'étranglement Alors que dans le cerveau, on a ces neurones et les données circulent librement à travers ce réseau de connections parmi les neurones, il n'y a pas de goulot d'étranglement ici. C'est vraiment un réseau au sens littéral du terme. C'est le réseau qui fait le travail dans un cerveau. Si vous regardez simplement ces deux images, voici les mots qui vous viennent à l'esprit. L'ordinateur est séquentiel et rigide, c'est comme des voitures sur l'autoroute -- tout doit se faire dans un ordre précis. Alors que le cerveau est asynchrone et fluide. Le traitement de l'information est dynamique et adaptable.

Et je ne suis pas le premier à le dire. Voici une citation de Brian Eno : "Le problème avec les ordinateurs, c'est qu'il n'y a pas assez d'Afrique en eux." (Rires) En fait, Brian a dit ça en 1995. Et personne ne l'écoutait, mais maintenant les gens commencent à écouter car nous sommes confrontés à un problème technologique urgent. Et je vais vous l'expliquer dans les prochaines diapos.

C'est -- Il y a vraiment une convergence remarquable entre les éléments utilisées pour calculer dans les ordinateurs, et les éléments utilisés par notre cerveau pour calculer. Les éléments de base utilisés par les ordinateurs sont appelés les transistors. Cette électrode ici, appelée un pont, contrôle le flux de courant de l'entrée à la sortie, ces deux électrodes. Et le courant, un courant éléctrique est transporté par des électrons, exactement comme dans votre maison, etc. Et voici ce qui se passe : quand on active le pont, on obtient une augmentation de la quantité de courant, il y a un flux constant de courant. Et quand on désactive le pont, le courant ne passe plus. Votre ordinateur utilise la présence de courant pour réprésenter un un, et l'absence de courant pour représenter un zéro.

Mais maintenant, ce qui se passe, c'est que les transistors sont vraiment de plus en plus petits. Ils ne se comportent plus comme ça. En fait, Ils commencent à se comporter comme ce que les neurones utilisent pour calculer, ce qu'on appelle les canaux ioniques. Et ça c'est une petite molécule de protéine. Les neurones en ont des miliers comme ça. Et ils se trouvent dans la membrane de la cellule, et il y a un pore dedans. Et ça ce sont plusieurs ions potassium, qui passent à travers ce pore. Et ce pore peut s'ouvrir et se fermer. Mais, quand c'est ouvert, comme ces ions doivent être alignés et ils circulent un par un, on a un courant irrégulier, pas constant -- C'est un flux de courant sporadique. Et même avec le pore fermé, ce que les neurones peuvent faire Ils ouvrent et ferment ces pores pour générer l'activité électrique -- et même quand c'est fermé, comme ces ions sont si petits, ils peuvent se faufiler à travers, quelques uns peuvent passer. Et au final, quand un pore est ouvert, On a du courant de temps en temps. Ce sont les "un", mais il y a quelques zéros à l'intérieur. Et quand c'est fermé, vous avez un zéro, mais il y a quelques un dedans, OK.

Et maintenant, ça commence à arriver aussi aux transistors. Et la raison pour laquelle ça arrive, c'est que, en ce moment même en 2007, la technologie utilisée, un transistor est assez gros pour que plusieurs électrons puissent couler ensemble à travers le canal, côte à côte. En fait, il y a environ 12 électrons qui peuvent traverser en même temps. Et cela signifie qu'un transistor correspond à environ 12 canaux ioniques en parallèle. Mais dans quelques années, vers 2015, nous allons tellement rétrécir les transistors. C'est ce que fait Intel en ajoutant toujours plus de coeurs sur les puces, et nos clés USB actuelles peuvent stocker un gigabyte de données. Avant, c'était 256. Les transistors sont de plus en plus petits pour permettre tout cela, et la technologie a vraiment profité de ça.

Mais ce qui se passe, c'est qu'en 2015, les transistors seront devenus tellement petits, qu'ils ne correspondent qu'à un seul électron à la fois pouvant traverser ce canal, et ça correspond à un seul canal ionique. Et on commence à avoir le même type d'embouteillages que l'on a dans les canaux ioniques, le courant va s'activer et se désactiver au hasard, même quand il est censé être activé. Et ça veut dire que votre ordinateur va avoir ses un et ses zéros mixés, et ça va faire planter votre machine.

Donc, voilà où nous en sommes. Nous ne savons pas vraiment calculer avec ce genre de matériel. Et la seule chose que nous connaissons en ce moment, qui peut calculer avec ce matériel, c'est le cerveau.

OK, donc un ordinateur prend une donnée spécifique dans la mémoire, l'envoie dans le processeur ou dans l'unité logique, et ensuite, il remet le résultat dans la mémoire. C'est le chemin rouge qui est surligné. La façon de travailler du cerveau, vous avez tous ces neurones. Et leur façon de représenter l'information est Ils divisent les données en petits morceaux qui sont représentés par des impulsions et des neurones différents. Donc on a tous ces bouts de donnée répartis au sein du réseau. Et puis la façon dont vous travaillez les données pour avoir un résultat c'est que vous traduisez ce modèle d'activité en un nouveau modèle, juste en le faisant passer à travers le réseau. Donc vous fixez ces connections afin que l'influx coule à travers le réseau et génère le modèle final.

Ce que vous voyez ici, c'est qu'il y a des connections redondantes. Donc, si un bout de donnée ou un autre est abîmé, ça n'a aucun effet, ces deux parties peuvent activer la partie manquante grâce à ces connections redondantes. Donc même avec un matériel nul avec un zéro alors que l'on veut un un, la redondance dans le réseau permet de retrouver l'information manquante. Cela rend le cerveau robuste par nature. Ce que vous avez ici, c'est un système où les données sont stockées localement. Et c'est fragile, parce que chacune de ces étapes doit être parfaite, ou sinon on perd des données. Alors que dans le cerveau, on a un système qui stocke les données de façon distribuée, et c'est solide.

Ce que je veux partager, c'est mon rêve qui est de construire un ordinateur qui fonctionne comme le cerveau. Nous avons travaillé sur le sujet depuis une vingtaine d'années. Et je vais vous montrer le système que nous avons conçu pour modéliser la rétine, qui est une partie du cerveau qui tapisse l'intérieur de vos yeux. Nous ne l'avons pas fait en écrivant du code, comme on fait dans un ordinateur. En fait, le processus qui se déroule dans ce morceau de cerveau est très similaire au type de processus que les ordinateurs utilisent quand ils font du streaming vidéo sur internet. Ils veulent compresser l'information -- Ils veulent envoyer uniquement les changements, ce qui est nouveau dans l'image et le son-- et c'est la façon dont votre œil peut faire passer toute cette information dans le nerf optique, pour l'envoyer au reste du cerveau.

Au lieu de faire ça par le logiciel, ou avec ces types d'algorithmes, nous sommes allés parler aux neurobiologistes qui ont étudié le fonctionnement de cette partie du cerveau, la rétine. Et ils ont compris le rôle de chaque cellule, et ils ont compris le réseau, et nous avons juste pris ce réseau et nous l'avons pris comme modèle pour le design d'une puce en silicone. Et donc les neurones sont représentés par des petits noeud ou des circuits sur la puce, et les connections entre les neurones sont pour l'instant modelées par des transistors. Et ces transistors se comportent exactement comme les canaux ioniques dans le cerveau. Et ça va donner le même type d'architecture que j'ai décris.

Voici à quoi ressemble notre oeil artificiel. La puce de rétine que l'on a conçue est derrière la lentille, ici. Et la puce -- Je vais vous montrer une vidéo que la puce de silicone a produit quand elle regardait Kareem Zaghloul, qui est l'étudiant qui a conçu cette puce. Laissez moi vous expliquer ce que vous allez voir, d'accord ? Parce que ça mélange différents types d'information et ce n'est pas aussi direct qu'un camera. La puce de rétine extrait cinq types d'information différents. Elle extrait les régions avec un contraste foncé, qui sera montré en rouge sur la vidéo. Et elle extrait les régions avec les contrastes blancs ou clairs, qui seront montrés en vert sur la vidéo.

Ce sont les yeux foncés de Kareem et ça, c'est l'arrière plan blanc que vous voyez ici. Et ensuite, ça extrait aussi le mouvement. Quand Kareem bouge sa tête vers la droite, vous allez voir cette activité bleue ici, ça représente les régions où le contraste augmente dans l'image, c'est là où ça passe du foncé au clair. Et vous voyez aussi cette activité jaune, qui représente les régions où le contraste décroit, ça passe du clair au foncé. Et ces cinq types d'information -- votre nerf optique comporte environ un million de fibres, et 900 000 de ces fibres envoient ces cinq types d'information. Donc on a vraiment copié le type de signal que l'on a dans le nerf optique.

Vous pouvez remarquer que ces captures d'écran prises à la sortie de la puce rétinienne sont très clairsemées. Ca ne s'affiche pas en vert partout sur l'arrière plan, seulement sur les bords, etc. Et c'est la même chose que l'on voit quand les gens compressent la vidéo pour l'envoyer : ils veulent la rendre très clairsemée, parce que le fichier est plus petit. Et c'est ce que la rétine fait, et elle le fait seulement avec le circuit, et la façon dont ce réseau de neurone qui interagissent dedans, que nous avons capturés dans la puce.

Mais le point que je veux faire, je vais vous le montrer ici. Donc cette image va paraitre comme celles-ci, mais ici, je vais vous montrer que l'on peut reconstruire l'image, pour que l'on puisse presque reconnaitre Kareem dans la partie du haut. On y va. Voilà, c'est ça l'idée. Quand vous restez immobile, on voit juste ces contrastes clairs et foncés. Mais quand ça fait un mouvement de va et vient, la rétine détecte ces changements. Et c'est pourquoi, vous savez, quand on est là et que quelque chose se passe dans l'arrière plan, vous déplacez à peine vos yeux. Ce sont les petites cellules qui détectent le changement et votre attention se porte sur lui. Donc c'est très important pour attraper quelqu'un qui s'approche furtivement.

Laissez moi juste finir en vous montrant ce qui se passe quand on met l'Afrique dans un piano, OK. C'est un tambour en métal qui a été modifié, et c'est ce qui arrive quand on met l'Afrique dans un piano. Et ce que je voudrait que l'on fasse, c'est de mettre l'Afrique dans un ordinateur, et de créer un nouveau type d'ordinateur qui va générer de la pensée, de l'imagination, qui sera créatif, et caetera. Merci. (Applaudissements)

Chris Anderson : J'ai une question pour vous, Kwabena. Est ce que vous associez dans votre esprit le travail que vous faites et l'avenir de l'Afrique, cette conférence -- quelles connections peut t'on faire entre ces choses ?

Kwabena Boahen : Oui, comme je l'ai dit au début. J'ai eu mon premier ordinateur quand j'étais adolescent à Accra. Et j'ai eu cette réaction instinctive que c'était la mauvaise façon de faire. C'était une démarche de force brute, pas du tout élégante. Je ne pense pas que j'aurais eu cette réaction, si je n'avais pas grandi en lisant toute cette science-fiction, qui parlait de RD2D2, peu importe comment on l'appelle, et juste -- vous savez et été complètement fasciné par tout ce battage sur les ordinateurs. Je m'en suis approché avec une perspective différente, où j'utilisais cette perspective différente pour résoudre le problème. Et je pense que beaucoup d'Africains ont ce point de vue différent, et je pense que ça aura un impact sur la technologie. Et que ça va modifier son évolution. Et je pense qu'on va bientôt pouvoir utiliser cette contribution pour arriver à de nouvelles choses, parce que nous venons d'un horizon différent. Je pense que nous pouvons contribuer, que nous pouvons rêver comme n'importe qui d'autre.

Chris Anderson : Merci Kwabena, c'était vraiment intéressant. Merci.

(Applaudissements)