Kwabena Boahen : 像人脑那样工作的电脑

我成长在阿克拉（加纳首都），在我还是个少年的时候，我有了第一台电脑。 它真的是个很酷的玩意。 你可以用它来玩游戏，你可以用BASIC语言在上面编程。 我被它迷住了。 于是我跑去图书馆想要弄明白这东西究竟是怎么工作的。 我了解到CPU（中央处理器）是如何不断地让数据来回穿梭于 存储器--RAM (随机存取存储器)和 ALU -- 算术逻辑运算器。 我心想，CPU只有这样玩命地工作 才能让所有的数据在电脑系统中不停地运转呀。

但并没有人真正担心过这些。 当电脑首次问世时， 曾号称比人脑神经细胞快上一百万倍， 人们相当激动，他们以为电脑将很快就能超越 人脑。 Alan Turing 是这样说的： “不出30年，向电脑提问就会变得和向人提问一样的 简单。” 这句话是在1946年说的。现在都2007年了，还是没能兑现。 问题就在于，为什么我们不能真正地 让电脑具备人脑的功能呢？

过去大家都没意识到，而我也刚刚开始意识到的是 我们为了提升电脑的速度而付出了巨大的代价 这是因为速度被认为是电脑的一大优势。 让我们看一些数字。 这是Blue Gene，世上最快的电脑。 它拥有120，000个处理器；基本上它们每秒可以处理 一万兆位元的信息。 相当于10的16次方。并且它们还要消耗掉1.5兆瓦特的电力。 如果你能把这些能量用到 坦桑尼亚的生产力上的话，那就简直棒极了。 它肯定能振兴经济。 再回来看看美国， 如果你把这个电脑消耗的电能换算成 美国家庭的用电量， 那你会发现这相当于1200户美国家庭的用电量。 如此多的能量都被这个电脑消耗了。

现在，我们把这个电脑跟人脑做个比较， 这是Rory Sayres 女友的大脑图片， Rory 是斯坦佛大学的研究生， 他用MRI（核磁共振成像）研究大脑，他宣称 这是他扫描过的最美丽的人脑。 （笑声） 这就是真爱吧。 那么人脑究竟能计算多少呢？ 我估计是每秒10到16位元 这其实很接近Blue Gene (世界上最快的电脑）的运算能力了。 那么问题就在这儿。那就是—— 他们的计算量相似，处理的数据量相似—— 可是人脑耗用了多少电能呢？ 实际上就相当于你的笔记本电脑的用电量： 只有10瓦。 我们目前使用电脑做的事情 消耗着相当于1200户家庭的总用电量， 而人脑做下来却只需要相当于笔记本电脑的用电量。

那么问题是，大脑是怎么达到如此高效的？ 让我总结一下，这个结论是： 人脑用十万倍分之一的能量就处理了 我们目前的用电脑所处理的信息量。 人脑是怎么做到这点的呢？ 我们先看看人脑是如何工作的， 然后我同电脑是怎么工作的相比较。 这个视频片段，剪辑自PBS（公共电视网）的系列片：“神秘的大脑”。 它向你展示了这些处理信息的细胞。 这些细胞叫做神经元。 神经元之间在传送信息的过程中会发出微小的电脉冲， 神经元互相接触时，这些微小的电脉冲 能够从一个神经元跳到另一个神经元。 这个过程被称为神经突触。 人脑所拥有的由神经元相互交织而成的网络相当庞大， 其中有大概一亿个神经元， 每秒发送约十万亿个这样的脉冲。 你正观看这个片子的时候，你的大脑基本上就这样运转着。

怎么拿这个跟电脑的工作方式比较呢？ 电脑把所有数据 都通过中央处理器来处理， 任何数据都必须通过那个瓶颈。 然而在大脑中，你所拥有的是这些神经元， 数据是顺着连接神经元的网络流动 这里不存在瓶颈， 这是一个名副其实的网络， 就是这个网络担负着大脑的运转。 看看这两张图片， 你的脑海中会跳出这样的词， 这一幅连续又呆板：就像在高速路上的汽车—— 一切必须按部就班； 而这幅图平行而且有流动感， 其信息处理既非常活跃又很具适应性。

我并不是第一个有这样想法的人。Brian Eno如是说： “电脑的问题就在于它还不能大到足以装下整个非洲。” （笑声） Brian 说这话时是1995年 当时没有任何人听进去， 但现在人们开始当真了 因为我们正面临着一个急迫的技术问题 在下面几张幻灯片中我会带你们简略地了解一下这个问题：

这个——实际上它是个真正非凡的聚合体 算是介于用电脑来计算的装置 和用人脑来计算的装置之间。 电脑用的装置我们称之为晶体管。 这儿是电极，称为闸极，控制着从源极流向汲极的电流 就是这两个电极。 而那电流，电流是由电子传送的， 就如同你房子里的电流一样，诸如此类。 这里你要明白的是，当你打开闸极时， 电流量会增加，并且是股稳定电流。 当你关掉闸极时，就没有任何电流流过这个装置了。 我们用“一”来代表你的电脑有电流， 而用“零”来代表电脑无电流。

现在的情况是当晶体管变得越来越小越来越小的话， 它们就不会再像这样运转了， 事实上，它们会开始像神经元用来计算的装置那样来运作， 这种装置被称作离子通道 这是个小小的蛋白质分子。 我的意思是，神经元有成千上万个这样的分子。 而它就分布在细胞膜中并且自身还带了个小孔， 而这些是单独的钾离子， 在小孔中穿来过去。 现在，这个孔是能开能闭的， 但是，当它打开时，由于这些离子必须排成一行 一个一个地穿过小孔，因此产生零星的，而非稳定的—— 一股断断续续的电流。 甚至当小孔闭合的时候——神经元做得到这点的， 它们可以通过开关这些小孔来产生电活动—— 甚至当孔闭合时，由于这些离子如此之小， 它们实际上可以偷偷地穿过，其中一些还可以同时偷偷地穿过。 所以你得出的结论就是当小孔张开时， 有时候会产生一些电流 这些就是“一”，但你也会额外得到些“零”； 而当小孔闭合时，你则得到个“零”， 但你也能得到些额外的“一”，是的。

现在，这一原理正开始运用于晶体管， 而发生的原因就在于，在2007年， 我们目前使用的技术，晶体管的大小足以使 好几个电子能同时穿过通道，而且是并排地。 事实上，大概有12个电子都可以这样穿过去。 这意味着一个晶体管就相当于 12个并列的离子通道。 在几年时间内，到2015，我们会把晶体管体积缩得非常小， 这正是英特尔所致力于的事业：不断地往芯片上 或是你的记忆棒上添加更多的核，这样就使它们能有1G的内存 ——而以前才256MB。 晶体管变得越来越小才使这一切得以实现 而技术更是得益于此

但现在的情况是到2015年，晶体管将变得如此之小， 以至于它一次只能让一个电子 通过通道， 相当于一个单离子通道， 因此就会开始出现像在单离子通道里发生的那种交通堵塞， 电流会随机地时断时续， 甚至在它理应通电的时候 而那也就意味着你的电脑将会把 它的“一”和“零”们搞混淆，那么你这台机器就完蛋了。

所以，我们现在还处于 尚不真正清楚如何使用这类装置来运算的阶段 而我们目前知道的唯一一件事，唯一 能用这类装置来进行运算的是我们人类的大脑

好吧，所以说电脑是从内存中中挑取特定的一项数据 把它传送给处理器或是ALU， 然后再将运算结果送还给内存。 就是这着重标出的红色路线。 人脑工作的方式，用上了你能有的所有神经元。 它们呈现信息的方式是 把数据粉碎成很小的碎片 并用脉冲和不同的神经元来表达。 而所有的数据碎片 都分散在这网络中。 而你处理数据得到结果的方式则是 将这一种活动模式转化成一种新的活动模式， 仅仅就是让它在网络中流过而已。 这样你就建立起这些连接， 仅仅让输入模式流动 就能产生输出模式

现在你看到的是一堆多余的连接 所以如果这块信息碎片，或这块信息碎片被损毁的话 它就不会在这儿显示出来了，这两份信息可以 通过这些多余的连接来激活缺失的部分信息 所以即使你用的是这么些蹩脚的装置 有时会在你想要个一的时候给你个零 网络中的重复性 实际上却能恢复那些缺失的信息。 它令大脑自然而然地强大。 你这里所拥有的是一个只能存储本地数据的系统 而且很脆弱，因为它的每一个步骤都必须是准确无误的 否则你就会丢失数据。然而大脑系统 以分散的方式存储数据，且强大无比。

我想讨论的基本问题是我的梦想， 那就是建造一个像大脑那样工作的电脑。 过去数年来我们一直在为此而努力。 而现在我将向你们展示一个我们设计的 模拟视网膜的系统 这一模拟系统就是覆盖在你眼球内部的一层大脑 实际上我们做的这一模拟系统并不像做电脑系统那样编程， 事实上，这一小片大脑的 运作过程非常类似于 电脑从因特网上获取视频流的 过程。 人们想要压缩信息—— 人们只想发送新发生改变的图像，诸如此类—— 而那就是你的眼球如何 能把所有捕捉到的信息传送到你的视神经 再传送给大脑的其余部分

取代了用软件或者做各种各样的算法来做这一系统 我们去问了神经生物学家 他们用反工程法解析了被称作视网膜的那片大脑。 而且他们分析出所有不同的细胞 还分析出其网络，我们只是拿着那个网络 用它作为设计硅片的蓝图。 现在硅片上的小结点或电路代表神经元， 神经元之间的连接实际上由晶体管模拟 这些晶体管的运作模式基本上 就如同大脑中的离子通道的运作模式。 这是同我描述过的一样的强大结构。

这就是我们的人造眼睛的样子。 我们设计的视网膜硅片安置在这里的镜片后。 而这硅片——我将给你们看一段视频 是这个硅片视网膜的输出 当它看着Kareem Zaghloul 的时候， Kareem是设计这块硅片的学生。 让我解释一下你将看见什么，好吗？ 由于输出各种不同信息 它不像相机那么简单。 视网膜硅片摄取四种不同的信息。 它摄取黑色对比区域， 在视频上表现为红色。 它也摄取白色或亮色对比区域， 在视频上显示为绿色。

这是Kareem的黑眼睛 而这儿是你所看见的白色背景。 然后硅片也摄取物体的运动。 当Kareem把头转向右边， 你能看见那儿的蓝色活动区域， 它代表图像中对比加强的区域， 这一区域由暗变明。 而且你也看见这块黄色活动区域， 它代表对比逐渐减弱区域， 这一区域由亮变暗。 而这四种信息类型—— 你的视神经约有一百万根神经纤维， 这些神经纤维中的90万根 传送这四种信息。 所以我们真正地复制了视神经上的那类信号。

你这里所注意到的是这些 从视网膜硅片的输出信息所摄取的快照是非常分散的。 在背景中并非到处都是亮色调的绿色， 仅仅在边缘如此，等等。 而这同你所看见的一样 当人们压缩视频后发送：他们想把它做得很分散， 因为文件更小了。而这就是视网膜所做的一切 仅仅用电路就做到了，而且这个神经网络是如何 在那儿相互作用的，我们都在硅片上捕捉到了。

但是我要说的是，看这里。 这样的图像将看上去像那些图像, 但在这儿我将向你们演示我们能重组图像, 所以，你知道，你们几乎可以在那幅顶部图像分辨出Kareem. 瞧，就是这个。 是的，这就是我的想法。 当你站着不动时，你只看见明暗对比。 但是当你前后移动时， 视网膜就摄取到这些变化。 那就是为什么，当你坐在这儿， 在你的背后发生变化时，你也能知道， 你只要需要看一眼。 这些细胞探测到变化 你就把注意力转向它。 这对你发现 想对你偷偷摸摸的家伙非常重要。

让我这么说吧，作为这次演讲的结束，这就是 当你把非洲放入一架钢琴会发生的一切，好吧。 这是一架已被改装的钢鼓， 而那是你把非洲放入钢琴所发生的事情。 而我想让大家所做的是把非洲放入一台电脑， 变出一种新电脑 这种电脑将产生思想，具有想象力，充满创造力，以及诸如此类的能力。 谢谢诸位。 （掌声）

Chris Anderson:Kwabena, 有一个问题问你， 你是否想过，在你正从事的工作 非洲的未来，和这次大会—— 在它们之间我们可以获得什么联系，如果有的话？

Kwabena Boahen:是的，正如我一开始所说的， 我在阿克拉长大，在青少年时期有了第一台电脑。 我的本能反应是这种做法是错误的。 这是一种非常不理性的力量，非常不雅。 我不认为我会有如此的反应， 如果我从小读着所有这些科幻小说， 听着有关星球大战中的机器人RD2D2，不管你怎么称呼它，只是--你知道的， 认同对电脑的这种炒作。 我是从一个不同的视角接触电脑的， 我正是带这这个不同的视角 来承受这个问题。 而且我认为非洲许许多多人有这种不同的观点， 而且我认为这将影响到技术。 影响到技术的发展的方向。 而且我认为你们将能目睹，利用那种新灌输的思想， 来创造新事物， 因为你们来自于一个不同的背景。 我觉得我们可以像其他任何人一样贡献自己的力量，构筑自己的梦想。

Chris Anderson:谢谢，Kwabena,这真的很有意思。 谢谢。

（掌声）