קואבנה בואהן על מחשב שעובד כמו המוח

קיבלתי את המחשב הראשון שלי כשהייתי נער מתבגר באקרה, וזה היה מכשיר מאוד מגניב יכולת לשחק איתו משחקים, יכולת לתכנת אותו ב"בייסיק". והייתי מרותק. אז הלכתי לספריה להבין איך הדבר הזה עובד. קראתי על איך המעבד מתמרן מידע הלוך ושוב כל הזמן בין הדיסק, הזיכרון וה ALU, יחידת העיבוד המתמטית. וחשבתי לעצמי, המעבד הזה צריך לעבוד כמו משוגע רק בשביל לשמור על כל המידע הזה זורם במערכת.

אבל אף אחד לא היה מודאג מזה. כשהמחשבים הוצגו לראשונה, נאמר שהם מהירים פי מיליון מניורונים. אנשים ממש התרגשו, הם חשבו שהם במהרה יתעלו על היכולת של המוח. זהו ציטוט, למען האמת, של אלן טיורינג: "בעוד 30 שנה, יהיה קל לשאול את המחשב שאלה כמו שקל לשאול אדם. זה היה ב-1946. והיום ב-2007, זה עדיין לא נכון. השאלה היא, למה אנחנו לא רואים במחשבים את אותה העוצמה שאנחנו רואים במוח?

מה שאנשים לא הבינו, ואני מתחיל להבין עכשיו, זה שאנחנו משלמים מכיר כבד בשביל המהירות, שאנחנו טוענים שהיא היתרון הגדול של המחשבים. בואו נסתכל על כמה מספרים. זהו בלו ג'ין (Blue Gene), המחשב המהיר בעולם. יש לו 120,000 מעבדים. הם יכולים בעיקרון לעבד 10 קואדריליון ביטים של מידע בשניה. זה 10 בחזקת 16. והם מכלים חצי מגה וואט של כוח. אז זה היה ממש נפלא אם יכולנו להוסיף את זה ליכולת הייצור של טנזניה. זה היה ממש מקפיץ את הכלכלה. אם נחזור לארה"ב, אם נתרגם את כמות הכוח או החשמל בהם המחשב הזה משתמש לכמות בתי אב בארה"ב, נקבל 1,200 בתי אב, זו כמות הכוח שהמחשב הזה צורך.

עכשיו, בואו נשווה את זה למוח. זו תמונה למעשה, של המוח של החברה של רורי סיירס. רורי הוא סטודנט לתואר מתקדם בסטנפורד. הוא חוקר את המוח באמצעות MRI, והוא טוען שזה המוח הכי יפה שהוא אי פעם סרק. (צחוק) אז זו אהבת אמת. עכשיו, כמה חישובים המוח עושה? אני מעריך ש-10 בחזקת 16 ביט לשניה שזה בעצם מאוד דומה למה שבלו ג'ין עושה אז זו השאלה. השאלה היא כמה -- הם מבצעים כמות חישובים זהה, כמות מידע זהה -- השאלה היא בכמה אנרגיה או חשמל משתמש המוח? ולמען האמת, היא כמו של המחשב הנייד שלכם. היא רק 10 וואט. אז מה שאנחנו עושים עכשיו עם מחשבים, עם אנרגיה זהה לזו של 1,200 בתים, המוח עושה בעזרת האנרגיה של המחשב הנייד שלכם.

אז השאלה היא, איך המוח מצליח להגיע ליעילות כזו? ותנו לי רק לסכם. אז השורה האחרונה היא: המוח מעבד אינפורמציה בעזרת 100,000 פעמים פחות אנרגיה מאשר טכנולוגית המחשבים שאנחנו משתמשים בה כרגע איך המוח מסוגל לעשות זאת? בואו נסתכל על איך שהמוח עובד, ואז אני אשווה זאת עם איך שמחשבים עובדים. אז הקליפ הזה הוא מרשת PBS, "החיים הסודיים של המוח" הוא מראה לכם את התאים האלה שמעבדים אינפורמציה הם נקראים נוירונים. הם שולחים פעימות קטנות של חשמל חיבורים אחד לשני, ובחיבור ביניהם, הפעימות הקטנות האלה של חשמל יכולות לקפוץ מנוירון אחד לשני. חיבור זה נקרא סינפסה. יש לכם רשת ענקית של תאים המתקשרים אחד עם השני, בערך 100 מיליון, שולחים בערך 10 קוואדריליון פעימות בכל שניה. וזה בעיקרון מה שקורה במוח שלכם ברגע זה כשאתם צופים בזה.

איך זה משתווה לדרך בה מחשבים עובדים? במחשב יש לכם את כל המידע עוברים דרך המעבד המרכזי, וכל פיסת מידע בעיקרון צריכה לעבור דרך צוואר הבקבוק הזה. ואילו במוח, מה שיש הם הניורונים האלו והמידע בעצם זורם דרך רשת של קישורים בין הניורונים, אין צוואר בקבוק. זו באמת "עבודת רשת" (network) במלוא מובן המילה. הרשת עושה את העבודה. אם רק תסתכלו על שתי התמונות האלו, אלו המילים שקופצות לראש. זה טורי ונוקשה. כמו מכוניות בכביש מהיר -- הכל צריך לקרות בסדר נוקשה. לעומת זאת זה מקבילי וזורם. עיבוד מידע הוא מאוד דינמי וגמיש.

אז אני לא הראשון שהבין זאת. זהו ציטוט של בריאן אנו: "הבעיה עם מחשבים היא שאין בהם מספיק אפריקה." (צחוק) האמת שבריאן אמר את זה ב- 1995. ואף אחד לא הקשיב אז, אבל עכשיו אנשים מתחילים להקשיב בגלל שיש מולנו בעיה טכנולוגית לוחצת, ואני רק אסביר לכם את זה קצת בשקופיות הבאות.

זה -- זה בעצם שילוב מדהים בין הכלי שאנחנו משתמשים בו לחשב במחשבים, לבין הכלי שהמוח שלנו משתמש בו לחשב. הכלי שהמחשבים משתמשים בו נקרא טרנזיסטור. האלקטרודה הזאת, נקראת שער, שולטת בזרם החשמלי מהמקור לשפך, שתי האלקטרודות האלה. והזרם הזה, זרם חשמלי, נישא על ידי אלקטרונים, בדיוק כמו אצלכם בבית. ומה שיש לכם פה, כשאתם פותחים את השער, אתם מקבלים עליה בכמות הזרם, ואתם מקבלים זרם קבוע. וכשאתם סוגרים את השער, אין כלל זרם במכשיר. המחשב שלכם משתמש בנוכחות הזרם כדי לייצג אחד, ואת היעדר הזרם כדי לייצג אפס.

עכשיו, מה שקורה זה שככל שהטרנזיסטורים קטנים וקטנים, הם כבר לא מתנהגים ככה. בעצם, הם מתחילים להתנהג כמו הכלים בהם הנוירונים משתמשים כדי לחשב, שנקראים תעלות יונים. וזו מולקולת חלבון קטנה. אני מתכוון, לנוירונים יש כאלה באלפים. וזה יושב בממברנה של התא ויש בו נקבובית. ואלו יוני אשלגן בודדים, שזורמים דרך הנקבובית. עכשיו, הנקבובית הזו יכולה להיסגר ולהיפתח. אבל, כשהיא פתוחה, בגלל שהיונים האלו צריכים להסתדר בשורה ולזרום אחד אחד, אתם מקבלים אי סדר, חוסר יציבות - זרימת חשמל לא סדירה. וגם כשאתם סוגרים את הנקבובית -- מה שהנוירונים יכולים לעשות, הם יכולים לסגור ולפתוח את הנקבוביות האלה כדי לייצר פעילות חשמלית -- גם כשזה סגור, בגלל שהיונים האלו כל כך קטנים, הם יכולים להתגנב פנימה, כמה יכולים להתגנב פנימה כל פעם. אז כשהנקבובית פתוחה, אתם מקבלים קצת זרם מדי פעם. אלה האחדים שלכם, אבל אתם מקבלים כמה אפסים בכל זאת. וכשזה סגור, אתם מקבלים אפס, אבל אתם מקבלים קצת אחדים, אוקי.

עכשיו, זה מתחיל לקרות בטרנזיסטורים. והסיבה שהדבר הזה קורה, היא שעכשיו בשנת 2007, הטכנולוגיה בה אנחנו משתמשים, הטרנזיסטור גדול מספיק שכמה אלקטרונים יכולים לזרום דרך התעלה בו זמנית, אחד לצד השני. למעשה, יש בערך 12 אלקטרונים שיכולים לזרום בכיוון זה. וזה אומר שהטרנזיסטור מתאים לבערך 12 ערוצי יונים במקביל. עכשיו, בעוד כמה שנים, עד 2015, אנחנו נכווץ את הטרנזיסטורים כל כך. זה מה שאינטל עושה כדי להמשיך להוסיף ליבות על השבב, או כרטיסי הזיכרון שיש לכם עכשיו שיכולים לאחסן ג'יגה בייט אחד של נתונים עליהם -- לפני שזה היה 256. טרנסיזטורים נעשים קטנים יותר, ומאפשרים לזה לקרות, והטכנולוגיה ממש הרוויחה מזה.

אבל מה שקורה עכשיו זה שעד 2015, הטרנזיסטורים עומדים להיות כל כך קטנים, שהם יתאימו לאלקטרון אחד בלבד בכל זמן שזורם דרך התעלה, וזה מתאים לתעלת יונים אחת. ואתם מתחילים לקבל את אותם פקקי תנועה שיש לכם בתעלות היונים, הזרם ידלק ויכבה רנדומלית אפילו כשהוא אמור להיות דולק. וזה אומר שהמחשב שלכם הולך לקבל בלבול של אחדים ואפסים, וזה הולך לגרום למכונה שלכם לקרוס.

אז, אנחנו בשלב בו אנחנו לא באמת יודעים לחשב עם כלים מסוג כזה. והסוג היחיד, הדבר שאנחנו מכירים כרגע, שיודע לחשב בעזרת כלים כאלה, הוא המוח.

אוקי, אז מחשב שולך פיסת מידע מסויימת מהזיכרון, הוא שולח את זה למעבד או ל ALU, ואז הוא מכניס את התוצאות חזרה לזיכרון. זה הנתיב האדום המודגש. הדרך בה מוחות פועלים, יש לכם את כל הניורונים האלה. והדרך בה הם מייצגים מידע הוא שהם מפרקים את המידע לחתיכות קטנות שמיוצגות על ידי פולסים וניורונים שונים. אז יש לכם את כל פיסות המידע הזה מפוזרות בכל ברשת. ואז הדרך שאתם מעבדים מידע כדי לקבל תוצאה היא שאתם מתרגמים את התבנית הזו של פעילות לתבנית חדשה של פעילות, רק על ידי כך שהיא זורמת ברשת. אז אתם מייצרים את הקשרים האלה, כך שהמידע הניכנס רק זורם ויוצר את תבנית היציאה.

מה שאתם רואים כאן זה שיש את הקשרים העודפים. כך שאם פיסת מידע זו או פיסת מידע זו נעלמת היא לא מופיעה כאן, שתי פיסות אלה יכולות לשחזר את החלק החסר בעזרת הקשרים העודפים. אז גם אם אתם הולכים לכלים הדפוקים האלה בהם אתם לפעמים רוצים אחד ומקבלים אפס, יש עודפים במערכת שיכולים לשחזר את המידע החסר. זה עושה את המוח חסין מטבעו. מה שיש לכם פה היא מערכת בה אתם מאחסנים מידע מקומי. והיא שברירית, כי כל אחד מהשלבים צריך להיות מושלם, אחרת אתם מאבדים את המידע. לעומת זאת במוח, יש לכם מערכת שמאכסנת מידע בצורה מפוזרת, והיא חסינה.

מה שאני רוצה בעצם לדבר עליו הוא החלום שלי, שהוא לבנות מחשב שעובד כמו המוח. זה משהו שאנחנו עובדים עליו במשך השנתיים האחרונות. ואני עומד להראות לכם מערכת שתיכננו למדל את הרשתית, שהיא חלק מהמוח שמכסה את פנים גלגל העין. לא עשינו זאת בעזרת כתיבת קוד, כמו שאתם עושים במחשב. למעשה, התהליך שמתרחש בחלק המוח הקטן הזה מאוד דומה לסוג החישובים שעושים מחשבים כשהם שולחים וידאו דרך האינטרנט. הם רוצים לכווץ את המידע -- הם רק רוצים לשלוח את השינויים המתחדשים בתמונה וכך הלאה -- וככה גלגל העין שלכם מסוגל לכווץ את כל האינפורמציה הזאת אל עצב הראייה, כדי לשלוח אותה אל שאר המוח.

במקום לעשות זאת בעזרת תוכנה, או לעשות את הסוגים האלה של אלגוריתמים, הלכנו ודיברנו עם נוירו-ביולוגים שבעצם ביצעו הנדסה הפוכה לחלק הזה של המוח שנקרא רשתית. והפ פיענחו את כל התאים השונים, והם פיענחו את הרשת, ואנחנו פשוט לקחנו את הרשת הזאת והשתמשנו בה כתשתית לעיצוב של שבב סיליקון. אז עכשיו הנוירונים מיוצגים על ידי צמתים או מעגלים על השבב, והקישורים בין הנוירונים בעצם ממודלים על ידי טרנזיסטורים והטרנזיסטורים האלה מתנהגים בעצם בדיוק כמו שתעלות היונים מתנהגות במוח. זה יתן לכם בדיוק את אותו סוג של ארכיטקטורה חסינה שתיארתי.

כך למעשה נראית העין המלאכותית שלנו. שבב הרשתית שעיצבנו יושב מאחורי העדשה הזו פה. והשבב -- אני עומד להראות לכם וידאו שרשתית הסיליקון הוציאה בפלט כשהיא הסתכלה על קארים זאגול, שהוא הסטודנט שעיצב את השבב הזה. תנו לי להסביר מה אתם עובדים לראות, אוקי. כי זה מוציא סוגים שונים של מידע, זה לא ישיר כמו מצלמה. שבב רשתית מחלץ ארבע סוגים של מידע. הוא מחלץ אזורים עם ניגודיות כהה, שיופיעו על הוידאו באדום. והוא מחלץ אזורים לבנים או בעלי ניגודיות בהירה, שיופיעו בוידאו בירוק.

אלו הן העיניים הכהות של קארים וזה הרקע הלבן שאתם רואים כאן. ואז הוא גם מחלץ תנועה. כשקארים מזיז את ראשו לימין, אתם תראו את הפעילות הכחולה פה, זה מייצג אזורים בהם הניגודיות גדלה בתמונה, זה היכן שזה משתנה מכהה לבהיר. ואתם גם רואים את הפעילות הצהובה הזאת, שמייצגת אזורים בהם הניגודיות קטנה, זה משתנה מבהיר לכהה. וארבעה סוגי מידע אלה -- בעצב הראייה שלכם יש בערך מיליון סיבים, ו-900,000 מתוך הסיבים האלה שולחים את ארבע הסוגים האלה של אינפורמציה. אז אנחנו למעשה משכפלים את האותות שיש לכם בעצב הראיה.

מה שאתם שמים אליו לב כאן הוא שהתמונות שנלקחו מהפלט של שבב הרשתית הן מאוד דלילות. זה לא צבוע בירוק בכל מקום ברקע, אלא רק בקצוות, וכך הלאה. וזה אותו הדבר שאתם רואים כשאנשים מכווצים וידאו לשליחה: הם רוצים לעשות אות זה מאוד דליל, כיוון שהקובץ הזה קטן יותר. וזה מה שהרשתית עושה, והיא עושה זאת רק באמצעות המעגלים, ואיך שהרשת הזאת של ניורונים שמתקשרים שם בפנים, שאנחנו תפסנו על השבב.

אבל הנקודה שאני רוצה להעביר, אני אראה לכם כאן למעלה. אז התמונה הזו כאן עומדת להיראות כמו אלה, אבל כאן אני אראה לכם שאנחנו יכולים להרכיב מחדש את התמונה, אז, אתם יודעים, אתם כמעט יכולים לזהות את קארים בחלק העליון הזה שם. הנה. כן, אז זה הרעיון. כשאתם לא זזים, אתם רק רואים את הניגודיות הכהה והבהירה. אבל כשאתם זזים הלוך ושוב, הרשתית קולטת את השינויים האלה. וזו הסיבה, אתם יודעים, כשאתם יושבים כאן ומשהו קורה ברקע שלכם, אתם רק מזיזים את העיניים אליו. יש את התאים האלה שמזהים שינויים ואתם מסיטים את תשומת הלב שלכם לזה. אז אלו מאוד חשובים בשביל לתפוס מישהו שמנסה להתגנב מאחוריכם.

תנו לי רק לסיים ולהגיד לכם שזה מה שקורה כשאתה מכניס את אפריקה לפסנתר, אוקי. זהו תוף ברזל כאן שעבר שינוי, וזה מה שקורה כשאתה מכניס את אפריקה לפסנתר. ומה שאני הייתי רוצה שנעשה, זה להכניס את אפריקה למחשב, ולהמציא סוג חדש של מחשב שייצר מחשבות, דמיון, יצירתיות ודברים כאלה. תודה. (מחיאות כפיים)

כריס אנדרסון: שאלה אלייך, קוואבנה. האם אתה מחבר בדמיונך את העבודה שאתה עושה, העתיד של אפריקה, הכנס הזה -- איזה קישורים אנחנו יכולים לעשות, אם בכלל, ביניהם?

קוואבנה בואהן: כן. כמו שאמרתי בהתחלה. קיבלתי את המחשב הראשון שלי כשהייתי נער מתבגר באקרה. והייתה לי תחושת בטן שזו לא הדרך הנכונה לעשות זאת. זה היה מאוד כוחני, זה היה מאוד לא אלגנטי. אני לא חושב שהיתה לי התגובה הזאת, אם הייתי גדל בקריאת כל המדע הבדיוני הזה, שומע על RD2D2, איך שלא קראו לזה, ורק -- אתה יודע, נשאב לתוך ההגזמה הזאת על מחשבים. אני הסתכלתי על זה מפרספקטיבה אחרת, והבאתי את הפרספקטיבה האחרת הזאת להתבוננות על הבעיה. ואני חושב שלהרבה אנשים באפריקה יש את הפרספקטיבה האחרת הזאת, ואני חושב שזה הולך להשפיע על הטכנולוגיה. וזה הולך להשפיע על צורת ההתפתחות שלה. ואני חושב שאתם תוכלו לראות, להשתמש בהיתוך הזה, כדי להמציא דברים חדשים, כי אתם מגיעים מפרספקטיבה אחרת. אני חושב שאנחנו יכולים לתרום, אנחנו יכולים לחלום כמו כל אחד אחר.

כריס אנדרסון: תודה קוואבנה, זה היה מאוד מעניין. תודה לך.

(מחיאות כפיים)