Kwabena Boahen over een computer die werkt zoals de hersenen

Ik kreeg mijn eerste computer toen ik een tiener was in Accra. Een echt cool apparaat. Je kon er spelletjes op spelen en programmeren in BASIC. Ik was gefascineerd. Ik ging naar de bibliotheek om erachter te komen hoe dit ding werkte. Ik las hoe de CPU constant gegevens heen en weer schoof tussen geheugen, RAM en de ALU, de rekenkundige en logische eenheid. Ik vond dat die CPU als een gek moest werken alleen maar om al die gegevens rond te sturen in het systeem.

Maar niemand maakte zich daar druk over. Toen computers voor het eerst werden geïntroduceerd, werd gezegd dat ze een miljoen keer sneller waren dan neuronen. De mensen waren er erg enthousiast over. Ze dachten dat ze spoedig de capaciteit van de hersenen zouden overtreffen. Dit is een citaat van Alan Turing: 'Over 30 jaar zal het net zo eenvoudig zijn om aan een computer een vraag te stellen als aan een persoon.' Dat was in 1946. In 2007 is het nog steeds niet waar. Waarom kunnen computers nog altijd niet wat hersenen kunnen?

Wat mensen niet beseften en ik begin het nu pas te beseffen, is dat we een enorme prijs betalen voor de snelheid waarvan we beweren dat ze een groot voordeel is van deze computers. Laten we eens wat getallen bekijken. Dit is Blue Gene, de snelste computer ter wereld. Hij heeft 120.000 processors. Hij kan in principe 10 biljard bits aan informatie per seconde verwerken. Dat is 10 tot de 16e. Ze verbruiken een vermogen van anderhalf megawatt. Het zou echt geweldig zijn als je dat al zou kunnen toevoegen aan de productiecapaciteit van Tanzania. Het zou de economie echt stimuleren. In de Verenigde Staten zou dat al genoeg zijn om 1.200 huishoudens van stroom te voorzien. Zoveel vermogen verbruikt deze computer.

Laten we dit eens vergelijken met de hersenen. Dit is een foto van de hersenen van Rory Sayres' vriendin. Rory is afgestudeerd aan Stanford. Hij bestudeert de hersenen met behulp van MRI en beweert dat dit is de mooiste hersenen zijn die hij ooit heeft gescand. (Gelach) Dat is echte liefde. Hoeveel berekeningen doen deze hersenen? Ik schat 10 tot de 16 bits per seconde. Vergelijkbaar met wat Blue Gene doet. Hoeveel verbruiken de hersenen nu voor het verwerken van een vergelijkbare hoeveelheid data? Ongeveer zoveel als je schootcomputer: slechts 10 watt. Terwijl computers een vermogen van 1.200 huizen verbruiken, doet het brein hetzelfde met het verbruik van een laptop.

Hoe slaagt het brein erin om dit soort van efficiëntie te bereiken? Laat het me even samenvatten. Om het kort te zeggen: hersenen verwerken informatie op een 100.000 keer zuiniger manier dan onze computers. Hoe kan dat? Laten we eens kijken hoe het brein werkt en dan vergelijk ik dat met hoe computers werken. Deze clip uit de PBS-serie 'Het Geheime Leven van het Brein' toont jullie deze cellen die informatie verwerken. Ze heten neuronen. Ze sturen kleine elektrische impulsen naar elkaar en waar ze met elkaar in contact staan, springen die kleine pulsen van de ene zenuwcel naar de andere. Dat proces heet een synaps. In dit enorme netwerk van met elkaar inter-agerende cellen zitten er ongeveer 100 miljoen. Ze verzenden elke seconde ongeveer tien biljard van deze pulsen. Dat is nu gaande in je hersenen terwijl je dit bekijkt.

Hoe werkt dat vergeleken met de manier waarop computers werken? In de computer moeten alle gegevens de centrale verwerkingseenheid passeren. Elk stukje informatie moet in principe door die flessenhals. In de hersenen heb je deze neuronen en de data stromen gewoon door een netwerk van verbindingen tussen de neuronen. Geen flessenhals hier. Het is echt een netwerk in de letterlijke zin van het woord. Dat net doet het werk in de hersenen. Als je kijkt naar deze twee foto's kom je op dit soort ideeën. Dit is serieel en stijf: het is net als auto's op een snelweg - alles moet ordelijk gebeuren. Maar hier is het parallel en in vochtig midden. Informatieverwerking is erg dynamisch en adaptief.

Ik ben niet de eerste om op dat idee te komen. Dit is een citaat van Brian Eno: 'Het probleem met computers is dat ze niet genoeg Afrika in zich hebben.' (Gelach) Brian zei dit in 1995. Niemand luisterde er toe naar, maar nu beginnen mensen ernaar te luisteren want er is een dringend technisch probleem waarmee we worden geconfronteerd. Daar gaan de volgende paar dia's over.

Er is een opmerkelijke convergentie tussen de apparaten die we gebruiken om te rekenen in computers en de apparaten die onze hersenen daarvoor gebruiken. In computers heten die transistors. Deze elektrode hier, de 'gate', controleert de stroom van de 'source' naar de 'drain', deze twee elektroden. Een stroom van elektronen, net als in jullie huis enzovoort. Als je de spanning op de gate verhoogt, neemt de hoeveelheid stroom toe. Je krijgt een gestage stroom. Als je de gate uitschakelt, gaat er geen stroom meer door het apparaat. Voor de computer betekent deze stroom een één en de afwezigheid ervan een nul.

Als transistors kleiner en kleiner worden, gaan ze zich anders gedragen. Ze gaan zich gedragen als het systeem dat neuronen gebruiken om te rekenen. Het wordt een ionkanaal genoemd. Het is een klein eiwitmolecuul. In neuronen zitten er duizenden. Ze bevinden zich in het celmembraan en ze omgeven een porie. Hier zie je kaliumionen door die poriën gaan. Deze poriën kunnen open en dicht. Als ze open zijn, omdat deze ionen in de rij moeten staan om er een voor een door te gaan, krijg je een sporadische, geen constante, af en toe onderbroken stroom. Zelfs als de porie dicht is - neuronen kunnen ze openen en sluiten om elektrische activiteit te genereren - zelfs wanneer ze gesloten is, kunnen af en toe een paar ionen erdoor sluipen, omdat ze zo klein zijn. Wanneer de porie open is, krijg je een soms wat stroom, een één. Dit zijn de énen met af en toe een paar nullen. Als ze gesloten is, heb je een nul, maar ook weer met wat énen ertussen.

Dit zie je nu ook al bij transistors. Dat gebeurt nu in 2007, omdat met de huidige technologie een transistor groot genoeg is om meerdere elektronen naast elkaar tegelijk door het kanaal te laten stromen. In feite zijn er ongeveer 12 elektronen waarmee dat kan. Dat betekent dat een transistor overeenkomt met ongeveer 12 parallelle ionkanalen. Binnen een paar jaar tijd, in 2015, zullen we nog veel kleinere transistors maken. Dit is wat Intel doet om meer eenheden op een chip te krijgen, bijvoorbeeld op je geheugensticks van één gigabyte. Vroeger konden daar slechts 256 Kilobytes op. Transistors werden steeds kleiner en de technologie deed er haar voordeel mee.

Maar in 2015 gaat de transistor zo klein worden, dat er slechts één elektron per keer via dat kanaal kan passeren. Dat komt overeen met één enkel ionkanaal. Je gaat dan hetzelfde soort files krijgen als in het ionkanaal. De stroom zal op willekeurige wijze aan- en uitgaan zelfs als het aan zou moeten zijn. Dat betekent dat in je computer de enen en nullen door elkaar gaan geraken en dat je machine gaat crashen.

We weten nog niet echt hoe we moeten gaan rekenen met dit soort apparaten. Het enige ding dat daarmee overweg kan, zijn de hersenen.

Een computer kiest een specifiek item van gegevens uit het geheugen, stuurt het door de processor of het ALU en zet dan de resultaten terug in het geheugen. Dat is het rode gemarkeerde pad. De hersenen doen het met al deze neuronen. Zij breken hun informatie op in kleine stukjes die worden vertegenwoordigd door pulsen en verschillende neuronen. Al die stukjes gegevens zitten verspreid over het hele netwerk. Het proces om van die gegevens naar een resultaat te gaan, komt erop neer dat je dit patroon van activiteit vertaalt naar een nieuw patroon van activiteit door het door het netwerk te laten stromen. Je stelt deze verbindingen zodanig in dat het inputpatroon vanzelf door het stromen het outputpatroon genereert.

Je ziet hier deze redundante verbindingen. Als het een of andere stuk gegevens er de brui aan geeft en hier niet komt opdagen, kunnen deze twee stukken het ontbrekende deel activeren met deze redundante verbindingen. Dus zelfs wanneer je met gebrekkige apparaten zit waar je soms een één wil en een nul krijgt, kan redundantie in het netwerk de ontbrekende informatie herstellen. Het maakt de hersenen inherent robuust. De huidige computer is een systeem waarbij je gegevens lokaal opslaat. Het is broos want elk van deze stappen moet foutloos verlopen anders verlies je die gegevens. In de hersenen heb je een systeem waar gegevens gedistribueerd worden opgeslagen. Dat is robuust.

Ik wil het nu hebben over mijn droom: een computer bouwen die werkt als de hersenen. Hier zijn we al paar jaar mee bezig. We hebben een systeem ontworpen dat het netvlies modelleert. Het netvlies is een stukje hersenen dat de binnenkant van je oogbol bedekt. We hebben dit niet gedaan door code te schrijven zoals in een computer. Wat in dat kleine stukje hersenen gebeurt, is zeer vergelijkbaar met de werking van computers als ze video streamen via het internet. Om de informatie te comprimeren, versturen ze alleen maar wat er nieuw is in het beeld. Dat is hoe je oogbal in staat is om al die informatie door je oogzenuw te persen en naar de rest van de hersenen te sturen.

In plaats van dit te doen met software of met algoritmen, gingen we spreken met neurobiologen. die het netvlies 'reverse engineered' hebben. Ze hebben alle verschillende cellen en het netwerk geanalyseerd. Wij hebben dat netwerk gebruikt als blauwdruk voor het ontwerp van een siliciumchip. De neuronen worden vertegenwoordigd door kleine knooppunten of circuits op de chip en de verbindingen tussen de neuronen zijn eigenlijk gemodelleerd door transistors. Deze transistors gedragen zich net als de ionkanalen in de hersenen. Daardoor krijg je dezelfde soort van robuuste architectuur die ik heb beschreven.

Hier is hoe ons kunstoog eruit ziet. De netvlies-chip die we hebben ontworpen, zit achter deze lens hier. Ik ga jullie een video laten zien van wat het siliciumnetvlies produceert als het kijkt naar Kareem Zaghloul. Dat is de student die deze chip ontwierp. Laat me even uitleggen wat je gaat zien. Dit produceert verschillende soorten informatie. Het is niet zo eenvoudig als een camera. De netvlies-chip haalt vier verschillende soorten informatie op. Hij haalt de gebieden met donkere contrasten eruit. Die verschijnen op de video als rood. Hij haalt ook de gebieden met wit of met licht contrast eruit. Dit wordt op de video als groen weergegeven.

Dit zijn de donkere ogen van Kareem en dat is de witte achtergrond die je hier ziet. Ook beweging wordt eruit gehaald. Als Kareem zijn hoofd naar rechts beweegt, zien jullie die blauwe activiteit daar. Dat vertegenwoordigt de gebieden waar het contrast toeneemt, waar het van donker naar licht gaat. Deze gele activiteit geeft aan waar het contrast afneemt, waar het van licht naar donker gaat. Je oogzenuw bevat ongeveer een miljoen vezels en 900.000 van deze vezels sturen deze vier soorten informatie door. We dupliceren dus echt een soort signalen als die van de oogzenuw.

Je merkt dat deze snapshots genomen van de output van de netvlies-chip zeer schaars zijn. Het licht niet overal groen op in de achtergrond, alleen aan de randen enzovoort. Dat zie je ook als mensen video comprimeren om te verzenden: ze willen het heel schaars maken want dan is dat bestand kleiner. Dat doet het netvlies ook. Alleen maar met de circuits. Dit netwerk van neuronen met dit soort interactie hebben we gemodelleerd op de chip.

Maar het punt dat ik wil maken, zal ik je hier laten zien. Dit beeld hier lijkt op dit. Maar als we het beeld hier reconstrueren, kan je in dat bovenste gedeelte Kareem bijna herkennen. Ziezo. Dat is het idee. Als het stilstaat, zie je alleen de licht-en-donkercontrasten. Maar als het heen en weer beweegt, dan registreert het netvlies deze veranderingen. Als je hier zit en er gebeurt iets op de achtergrond, wend je alleen maar je ogen ernaartoe. Deze cellen detecteren verandering en dat trekt je aandacht. Dat is zeer belangrijk als iemand je probeert te besluipen.

Laat me eindigen met te zeggen dat dit is wat je krijgt als je Afrika in een piano stopt. Dit is een gewijzigde steel drum of met andere woorden: Afrika in een piano. Ik wil Afrika in de computer krijgen om met een nieuw soort computer te komen. Een die zal denken, verbeelding genereren, creatief zijn en dat soort dingen. Dank je. (Applaus)

Chris Anderson: Een vraag voor jou, Kwabena. Heeft het werk dat je doet, de toekomst van Afrika, deze conferentie voor jou allemaal met elkaar te maken? Welke verbindingen kunnen we eventueel daartussen leggen?

Kwabena Boahen: Ja, zoals ik al in het begin zei. Ik kreeg mijn eerste computer toen ik een tiener was in Accra. Ik had een buikgevoel dat dit de verkeerde manier was om het te doen. Het was brute kracht, niet erg elegant. Ik denk niet dat ik die reactie zou hebben gehad als ik was opgegroeid met al die science fiction-literatuur, over RD2D2, of hoe hij ook mag heten, en mee te lopen in deze hype over computers. Ik kwam vanuit een ander perspectief, ik keek vanuit een ander perspectief naar het probleem. Ik denk dat veel mensen in Afrika het vanuit deze andere invalshoek bekijken en ik denk dat dat impact gaat hebben op de technologie. Het gaat de ontwikkeling ervan beïnvloeden. Die instroom gaat ervoor zorgen dat er nieuwe dingen zullen komen omdat je het benadert vanuit een ander perspectief. Ik denk dat we een bijdrage kunnen leveren, we kunnen dromen net als iedereen.

Chris Anderson: Bedankt Kwabena, dat was echt interessant. Dank je.

(Applaus)