Kwabena Boahen sobre um computer que funciona como o cérebro

Eu tive meu primeiro computador quando eu era um adolescente crescendo em Accra, e era um dispositivo realmente legal. Você podia jogar, você podia programar em BASIC. E eu estava fascinado. Então eu fui a biblioteca para descobrir como aquela coisa funcionava. Eu li sobre como a CPU fica constantemente enviando dados para lá e para cá entre a memória, a RAM e a ALU, a unidade de lógica e aritmética. E eu pensei comigo, esta CPU realmente precisa trabalhar como louca só para manter todos estes dados se movimentando pelo sistema.

Mas ninguém estava muito preocupado com isto. Quando os computadores surgiram, disseram que seriam milhões de vezes mais rápido que os neurônios. As pessoas estavam realmente eufóricas, pensavam que logo ultrapassariam a capacidade do cérebro. Esta é uma sentença, na verdade, de Alan Turing: "Em 30 anos, será mais fácil fazer uma pergunta a um computador, que perguntar a uma pessoa." Isto era 1946. E agora em 2007, ainda não é verdade. A pergunta é, porquê nós não estamos realmente vendo este tipo de poder nos computadores que nós vemos no cérebro?

O que as pessoas não se dão conta, e eu estou começando apenas agora, é que nós pagamos um preço enorme pela velocidade, que nós entendemos ser esta a grande vantagem dos computadores. Vamos olhar alguns números. Este é o Blue Gene, o computador mais rápido do mundo. Ele tem 120 mil processadores; eles podem basicamente processar 10 quatrilhão de bits de informação por segundo. Isto é 10 elevado a 16a. E ele consome 1,5 megawatt de energia. Então, seria realmente legal, se você pudesse somar isto a capacidade produtiva na Tanzânia. Isto realmente alavancaria a economia. Apenas voltando aos Estados Unidos, se você traduzir a quantidade de energia ou eletricidade que este computador utiliza em quantidade de casas na América, você chega a 1.200 casas nos EUA, e isto é o quanto de energia este computador utiliza.

Agora, vamos comparar isto com o cérebro. Esta é a imagem do cérebro da namorada do Rory Sayres. Rory é um estudante de graduação de Stanford. Ele estuda o cérebro utilizando o MRI, e afirma que este é o cérebro mais lindo que já foi escaneado. (Risadas) Então isto é o verdadeiro amor, aqui mesmo. Agora, qual o poder de computação do cérebro? Eu estimo que de 10 a 16 bits por segundo que é muito similar ao que faz o Blue Gene. Então esta é a questão. A questão é - quanto -- ambos processando quantidades similares, quantidade similar de dados -- a questão é quanta energia ou eletricidade o cérebro utiliza? E isto é o mesmo que o seu computador laptop: apenas 10 watts. Então o que nós estamos fazendo agora com os computadores, com a energia consumida por 1.200 casas, o cérebro está fazendo com a energia consumida pelo seu laptop.

Então a questão é, como o cérebro consegue atingir este nível de eficiência? Deixe-me resumir. A questão básica é a seguinte: o cérebro processa informação utilizando 100 mil vezes menos energia que nós consumimos agora com esta tecnologia de computação que temos. Como o cérebro consegue fazer isto? Vamos dar uma olhada em como o cérebro funciona, e então eu vou comparar isto com o funcionamento dos computadores. Este clipe é da séria PBS, "A Vida Secreta do Cérebro." Ela mostra estas células que processam informações. Elas são chamadas de neurônios. Eles enviam pequenos pulsos elétricos processados para os outros, e onde eles contatam os outros, estes pequenos pulsos de eletricidade podem pular de um neurônio para o outro. Este processo é chamado de sinapse. Você obtêm esta enorme rede de células interagindo com as outras, cerca de 100 milhões delas, enviando cerca de 10 quatrilhões destes pulsos por segundo. E isto é basicamente o que ocorre no seu cérebro neste momento.

Como comparar isto com o modo que o computador funciona? No computador você tem todos os dados passando por uma unidade central de processamento, e qualquer porção de dado deve necessariamente passar pelo gargalo. Enquanto no cérebro, o que existe são estes neurônios e o dado apenas flui através da rede de conexões entre os neurônios, não existe um gargalo. É realmente a rede no sentido literal da palavra. A rede esta fazendo o trabalho no cérebro. Se você observar estas duas imagens, estes tipos de palavras pipocam na sua cabeça. Isto é serial e é rígido: como carros na autoestrada -- tudo precisa acontecer em sincronia. Enquanto esta é paralela e é fluída. Processamento de informações é muito dinâmico e adaptativo.

Eu não sou o primeiro a me dar conta disto. Esta é uma frase de Brian Eno: "O problema com os computadores é que não tem tanta Africa neles." (Risadas) Brian disse isto em 1995. E ninguém esta prestando atenção, mas agora as pessoas estão começando a escutar porque estão pressionadas, existem problemas tecnológicos que precisamos resolver. Eu vou guiá-los um pouco por isto nos próximos slides.

Existe - na verdade esta notável convergência entre os dispositivos que nós utilizamos para computar em computadores, e os dispositivos que nossos cérebros utilizam para computar. Os dispositivos que os computadores usam são chamados de transistor. Este eletrodo aqui, chamado de portão, controla o fluxo da corrente da origem até o dreno, estes dois eletrodos. E esta corrente, corrente elétrica, é transportada por elétrons, assim como na sua casa e assim por diante. E o que temos aqui, quando você liga o portão, você aumenta o volume da corrente, e obtêm um fluxo constante de corrente. E quando você desliga o portão, não existe mais corrente fluindo pelo dispositivo. Seu computador usa esta presença de corrente para representar um UM (1), e a ausência de corrente para representar um ZERO (0).

Agora, o que acontece é que como os transistores estão ficando menores, e menores, e menores, eles não se comportam mais assim. De fato, eles estão começando a se comportar como o dispositivo que os neurônios utilizam para computar, que é chamado de um canal iônico. E isto é uma pequena molécula de proteína. Eu quero dizer, neurônios possuem milhares destas. E isto reside na membrana da célula e possui um poro na mesma. E estas são íons de potássio individuais, que estão fluindo através do poro. Agora, este poro pode abrir e fechar. Mas, quando está aberto, porque estes íons precisam se alinhar e passar um por vez, você obtêm um tipo esporádico, não constante -- é um fluxo esporádico de corrente. E mesmo quando você fecha o poro -- o que os neurônios podem fazer, eles podem abrir e fechar estes poros para gerar atividade elétrica -- mesmo quando fechado, porque estes íons são tão pequenos, eles podem esgueirar-se, alguns poucos podem passar de uma vez. Então o que você obtêm quando o poro está aberto, é que você tem algum tipo de corrente algumas vezes. Estes são os seus UNS (1), mas você tem alguns ZEROS (0) passando. E quando está fechado, você tem um ZERO (0), mas você tem alguns UNS passando, OK.

Agora, isto está começando acontecer nos transistores. E a razão porque isto esta acontecendo é que, agora em 2007, a tecnologia que estamos utilizando, um transistor é tão grande que muitos elétrons podem passar pelo canal simultaneamente, lado a lado. De fato, cerca de 12 elétrons podem passar desta maneira. E isto significa que um transistor corresponde a cerca de 12 canais de íons em paralelo. Agora, em poucos anos, em 2015, nós iremos encolher muito os transistores. Isto é o que a Intel faz para manter adicionando mais núcleos no chip. ou no seu pente de memória para que você consiga colocar um gigabyte de coisas nele -- antes era apenas 256Kb. Os transistores estão ficando menores para permitir que isto aconteça, e a tecnologia tem realmente se beneficiado disto.

Mas o que está acontecendo agora é que em 2015, o transistor ficará tão pequeno, que significa que apenas um elétron por vez poderá passar pelo canal, e isto corresponde a apenas um único canal de íon. E você começa a ter o mesmo tipo de engarrafamento que você tem no canal de íon, a corrente vai ligar e desligar aleatoriamente, mesmo quando deveria estar ligada. E isto significa que seu computador vai obter seus UNs e ZEROs embaralhados, e isto não vai deixar sua máquina funcionar.

Então, estamos no estágio onde nós não sabemos realmente como computar com estes tipos de dispositivos. E o único tipo de coisa, a única coisa que sabemos neste momento, que pode computar com estes tipos de dispositivos, são os cérebros.

OK, então o computador pega um item específico de dado da memória, e envia para o processador ou a ALU, e então coloca o resultado de volta na memória. Isto é o caminho vermelho que está destacado. A maneira como os cérebros funcionam, você necessita todos estes neurônios. E a maneira como eles representam informação é que eles quebram os dados em pequenos pedaços que são representados por pulsos e diferentes neurônios. Então você tem todos estes pedaços de dados distribuídos através da rede. E então a maneira que você processa os dados para obter o resultado é que você traduz este padrão de atividade e um novo padrão de atividade, apenas navegando através da rede. Então você define estas conexões, de tal maneira que o padrão de entrada apenas flui e gera o padrão de saída.

O que você vê aqui é que existem estas conexões redundantes. Então se o pedaço de dado ou este pedado de dado é substituído, não aparece aqui, estes dois pedaços podem ativar a parte perdida com estas conexões redundantes. Então mesmo quando você vai até estes dispositivos assustadores onde algumas vezes você deseja um UM e você recebe um ZERO, existe redundância na rede que pode recuperar a informação perdida. Isto torna o cérebro inerentemente robusto. O que você tem aqui é um sistema onde você armazena dados localmente. E é frágil, porque cada um destes passos precisa ser perfeito, senão você perde seu dado. Enquanto no cérebro, você tem um sistema que armazena dados de maneira distribuída, e robusta.

O que eu basicamente quero contar é sobre meu sonho, que é construir um computador que funciona como o cérebro. Isto é algo que temos trabalhado nos últimos dois anos. E eu vou mostrar a vocês um sistema que nós desenhamos para modelar a retina, que é um pedaço do cérebro que vai dentro do seu globo ocular. Nós não fizemos isto escrevendo código, como você faz em um computador. De fato, o processamento que acontece neste pequeno pedaço de cérebro é muito similar ao tipo de processamento que os computadores fazem quando enviam video pela Internet. Eles querem comprimir a informação -- eles apenas querem enviar as mudanças do que é novo na imagem e assim por diante -- e isto é como o seu globo ocular consegue comprimir toda a informação e enviar pelo seu nervo ótico, para enviar para o resto do seu cérebro.

Ao invés de fazer isto em software, ou com estes tipos de algoritmos, nós fomos conversar com neurobiologistas que fizeram engenharia reversa neste pedaço de cérebro chamado retina. E eles descobriram todas diferentes células, e descobriram a rede, e nós apenas pegamos esta rede e utilizamos ela como um modelo para desenhar um chip de silício. Agora os neurônios estão representados por pequenos nodos ou circuitos no chip, e as conexões entre os neurônios estão modeladas por transistores e estes transistores estão se comportando essencialmente como os canais de íons se comportam no cérebro. Isto provê o mesmo tipo de arquitetura robusta que eu descrevi.

Aqui esta o que nosso olho artificial se parece. O chip retina que desenhamos fica aqui atrás das lentes. E o chip -- eu vou mostrar a vocês um vídeo que a retina de silício gera como saída quando esta olhando para Kareem Zaghloul, que é o estudante quem desenhou o chip. Deixe-me explicar o que você irá ver, OK. Como ele está gerando diferentes tipos de informação, não é simples como uma câmera. O chip retina extrai quatro tipos diferentes de informação. Ele extrai regiões com contrastes escuros, que será apresentado no vídeo como vermelho. E extrai regiões com branco e contraste claro, que será apresentado no vídeo como verde.

Estes são os olhos escuros do Kareem e este é o fundo branco que você vê aqui. E isto também extrai os movimentos. Quando Kareem movimenta sua cabeça para a direita, você verá esta atividade azul aqui, isto representa regiões onde o contraste esta aumentando na imagem, é onde vamos do escuro para o claro. E você também vê esta atividade amarela, que representa regiões onde o contraste esta diminuindo, indo do claro para o escuro. E estes quatro tipos de informação -- seu nervo ótico possui um milhão de fibras, e 900.000 destas fibras envia estes quatro tipos de informação. Então nós estamos duplicando os tipos de sinais que você tem no seu nervo ótico.

O que você nota aqui é que estas imagens instantâneas obtidas na saída do chip retina são muito esparsas. Isto não fica verde a toda hora no fundo, somente nas bordas, e assim por diante. E esta é a mesma coisa que você vê quando as pessoas comprimem video para enviar: querem torná-la esparsa, porque o arquivo é menor. E isto é o que a retina esta fazendo, e esta fazendo apenas com o circuito, e como esta rede de neurônios que esta interagindo, a qual nós capturamos no chip.

Mas o ponto que eu quero destacar, eu vou mostrar aqui. Esta imagem aqui vai parecer como estas, mas aqui vou mostrar que podemos reconstruir a imagem, então, você sabe, você pode quase reconhecer o Kareem nesta parte de cima. Aqui está. Sim, esta é a ideia. Se você ficar parado, você apenas vê os contrastes claros e escuros. Mas quando esta se movendo para frente e para trás, a retina detecta estas mudanças. E isto é porque, você sabe, quando você esta sentado e alguma coisa acontece atrás você simplesmente move seus olhos para lá. Existem estas células que detectam a mudança e você direciona sua atenção para lá. Estas são coisas importantes para pegar alguém que está tentando se aproximar de você.

Deixe-me terminar dizendo que isto é o que acontece quando você coloca a Africa em um piano, OK. Isto aqui é um tambor de metal que foi modificado, e isto é o que acontece quando você coloca a Africa em um piano. E o que eu gostaria que fizéssemos, é colocar a Africa no computador, e criar um novo tipo de computador que irá gerar pensamento, imaginação, ser criativo e coisas assim. Obrigado. (Aplausos)

Chris Anderson: Uma pergunta para você, Kwabena. Você consegue se dar conta do trabalho que esta fazendo, o futuro da Africa, esta conferência -- que conexões podemos fazer, se alguma, entre tudo isto?

Kwabena Boahen: Sim, como eu disse no início. Eu tive meu primeiro computador ainda adolescente em Accra. E eu tive esta reação instintiva que era a maneira errada de fazer. Era força bruta, nada elegante. Eu não acredito que teria tido aquela reação, se tivesse crescido lendo ficção científica, ouvindo sobre RD2D2, ou sei lá como é chamado, e apenas -- você sabe, comprando esta moda sobre computadores. Eu estava entrando nisto vindo de uma perspectiva diferente, onde eu estava trazendo uma diferente perspectiva para pressionar o problema. E eu acho que muitas pessoas na Africa tem esta perspectiva diferente, e eu acho que isto irá impactar a tecnologia. E isto irá impactar como isto irá evoluir. E eu penso que você poderá ver, usar esta infusão, para criar coisas novas, porque você está vindo de uma perspectiva diferente. Eu penso que nós podemos contribuir, nós podemos sonhar como qualquer um.

Chris Anderson: Obrigado Kwabena, isto foi realmente interessante Obrigado.

(Aplausos)