کامپیوتری که مانند مغز کار می‌کند
متن سخنرانی :
هنگامی که نوجوان بودم اولین کامپیوترمرا در آکرا(پایتخت غنا) گرفتم، و دستگاه بسیار جذابی بود. می‌توانستید با آن بازی کنید. می‌توانستید به زبان پایه آن را برنامه‌‌ریزی کنید. و من مجذوب آن شده بودم. پس به کتابخانه رفتم تا بفهمم کامپیوترچگونه کار می‌کند. من خواندم که پردازنده چگونه داده‌ها رادایما به این سو و آن سو جابجا می‌کند. بین حافظه داخلی، واحد RAM و واحد ALU، واحد حسابی و منطقی. و با خودم فکر کردم، این پردازندهباید دیوانه وار کار کند تا همه این داده‌ها را درون سیستمجابجا کند.اما هیچکس نگران این موضوع نبود. هنگامی که کامپیوتر‌هابرای اولین بار معرفی شدند، گفته شد که میلیون‌ها بار سریع تر ازنورون‌ها هستند. مردم هیجان‌زده بودند.فکر می‌کردند که به زودی می‌توانند از ظرفیت مغز پیشی بگیرند. این درواقع، یک نقل قول، ازآلان تورینگ است: «در ۳۰ سال آینده، سوال پرسیدناز یک کامپیوتر آسان‌تر از انسان خواهد بود.» این مربوط به سال ۱۹۴۶ بود. و الاندر ۲۰۰۷، همچنان این حرف درست نیست. پس، سوال این است که،چرا ما واقعا قدرتی را که در مغز می‌بینیم، در کامپیوترها نمی‌بینیم؟
چیزی که مردم آن را درک نکردند،و من تازه شروع به فهمیدن آن کردم، این است که ما هزینه زیادیبرای سرعت می‌پردازیم که ادعا می‌کنیم مزیتی بزرگبرای این کامپیوترها است. بیایید نگاهی به ارقام بیندازیم. این بلوجین است، سریع ترینکامپیوتر در دنیا. ۱۲۰ هزار پردازنده دارد که می‌توانند ده کوادریلیون بیت اطلاعات را درثانیهپردازش کنند. که برابر ۱۰ به توان ۱۶است. همچنینآنها یک ونیم مگاوات برق مصرف می‌کنند. پس بسیار عالی خواهد بود، اگر می‌توانستیم آن را به ظرفیت تولید تانزانیا اضافه کنیم. این کامپیوتر می‌تواند اقتصاد را جلو ببرد. حالا برگردیم به ایالات‌ها، اگرشما مقدار انرژی یا الکتریسیته مصرفیرایانه‌ها را به به میزان خانواده‌هادر ایالت‌ها تبدیل کنید، مصرف الکتریسته آن برابر ۱۲۰۰خانوار را خواهید داشت. این مقدار برقی است که این رایانه‌استفاده می‌کند.
حالا بیایید این را با مغز مقایسه کنیم. این تصویر، درواقع مغز دوست دخترروری سایرس است روری دانش آموخته استانسفورد است او مغز را با استفاده از MRI مطالعه می‌کندو او ادعا می‌کند که این زیباترین مغزی است که او تا بهحال اسکن کرده است (خنده حضار) این یک عشق حقیقی است، درست اینجا. مغز چه مقدار محاسبه انجام می‌دهد؟ تخمین می‌زنم که ده تا شانزده بایت در ثانیه، که در واقع شبیه به کاری است کهبلو جین انجام می‌دهد. خب سوال این است چه مقدار-- پردازش مشابه را انجام می‌دهند؟مقدار اطلاعات مشابه -- سوال این است مغز چه مقدار انرژییا الکتریسیته استفاده می‌کند؟ در واقع به اندازه لب‌تاپ شماست. فقط ده وات است، آنچه که امروزه با کامپیوترهاانجام می‌دهیم با انرژی که توسط ۱٫۲۰۰ خانه‌ها مصرف شده، مغز با انرژی که توسط لپ‌تاب‌تان مصرف می کرد انجام می‌دهد.
خب سوال این است که مغز چطور به این میزان کارآمدی دست پیدا می‌کند؟ واجازه دهید در یک خط خلاصه کنم: مغز اطلاعات را ۱۰۰،۰۰۰بار با انرژی کمتر از تکنولوژی رایانه‌هایی که داریم پردازش می‌کند. مغز چگونه قادر به انجام این کار است؟ بیاید راجع به این که مغز چطور کار می‌کندنگاهی بکنیم. ومن کار آن را با عملکرد مغز مقایسه خواهم کرد. خب این کلیپی از مجموعه‌ي PBSاز "زندگی پنهانی مغز" است. به شما سلول‌ها را نشان می‌دهدکه اطلاعات را پردازش می‌کنند. آنها را نورون می‌نامند. آنها مقداری جریان الکتریسیته ضعیف را برایپردازش به همدیگر می‌فرستند، و جایی که با هم تماس پیدا می‌کنند، آن جریان الکتریسیته می‌تواند از نورون دیگربه دیگری منتقل شوند. این فرایند سیناپس نامیده می‌شود. شما این شبکه عظیمی ازسلول‌ها را در ارتباط با یکدیگر-- در مورد ۱۰۰ میلیون از آنها دارید، که حدود ده کوادریلیون را درهر ثانیه می‌فرستد. و اساسا در مغزتان در حال انجام است،الان که این را می‌بینید.
حال چگونه با کار رایانه‌ها مقایسه می‌شود؟ در رایانه‌ها شما اطلاعاتی دارید که از میان یک بخش پردازشگر عبور می‌کند، و هر قسمت از داده‌ها اساسا باید ازآن گلوگاه عبور کند، درحالی که در مغز آنچه دارید در سلول‌های عصبی است، و داده‌ها فقط از طریق یک شبکه از ارتباطات بین نورون جریان می‌یابد،اینجا گذرگاهی نیست. این واقعا یک شبکه به معنای واقعی کلمه است. شبکه کار را در مغز انجام می‌دهد. اگر شما به این دو تصویر نگاه کنید، این نوع از لغات به ذهن شما خطور می‌کند. این سریال است و سخت است--شبیه ماشین در بزرگراه است. همه چیز باید مرحله به مرحله اتفاق بیفتد-- در حالی که موازی است و روان. پردازش اطلاعات بسیار پویا و انطباقی است.
خب من اولین نفر نیستم که این را فهمیده استاین یک نقل قول از براون انو است: «مشکل رایانه‌ها این است که به اندازه کافی در آنها افریقایی نیست.» (خنده حضار) براون درواقع در سال ۱۹۹۵ این را گفت. و هیچ کس گوش نمی‌داد، اما حالا افراد شروع به گوش دادن می‌کنند زیرا یک مشکل فشرده و فنی وجود داردکه ما با آن مواجه هستیم. که فقط دراسلایدهای بعدی تعداد کمی ازآن را می‌گویم.
در واقع -- این همگرایی قابل توجه بین دستگاه‌هایی است که برای محاسبه کردن در رایانه استفاده می‌کنیم، و وسیله‌هایی که مغز ما برای محاسبه کردناستفاده می‌کند. دستگاه‌هایی که کامپیوتر استفاده می‌کنندهمان چیزی است که ترانزیستور نامیده می‌شود. الکترودی که اینجاست دریچه نامیده می‌شودجریان را از منبع به این دو الکترود کنترل می‌کند. و این جریان، جریان الکتریکی توسط الکترون‌ها حمل می‌شود،.درست در منزلشما و به همین ترتیب. و چیزی که شما اینجا دارید وقتی که دریچه را باز میکنید، شما مقدار جریان را افزایش می‌دهید،و جریان دایمی پایدار را دریافت میکنید. و وقتی دریچه را می‌بندید،جریانی در داخل دستگاه وجود ندارد. رایانه شما از این حضور جریان براینشان دادن یک استفاده می‌کند، و فقدان جریان صفر را نشان می‌دهد.
آنچه که اتفاق می‌افتد این است که همان طور که ترانزیستورها کوچکتر می‌شوند، دیگر این چنین رفتار نمی‌کنند. در واقع، آنها مانند دستگاهی که نورون‌هابرای محاسبه استفاده می‌کنند رفتار می‌کنند، که کانال یون نامیده می‌شود. این مقدار کمی مولکول پروتئین است. منظورم این است که نورون‌ها هزاران برابر این را دارند. و آن در غشای سلول قرار می‌گیردو در آن منافذ ایجاد می‌کند. واین یون‌های پتاسیم تکی هستند که از طریق منفذ در عبور هستند، حالا این منافذ می‌تواند باز یا بسته شود اما زمانی که باز است چون که این یون‌هاباید در خطوط قرار بگیرند واز آن عبور کنند هربار به نوعی پراکندهدارید نه دائم -- این یک جریان پراکنده است. و حتی زمانی که منفذ را می‌بندید --که نورون‌ها می‌توانند انجام دهند، آنها می‌توانند این دریچه‌ها را باز یا ببندند تا فعالیت الکتریکی تولید کنند. حتی زمانی که بسته می‌شود به علت اینکه یون‌ها بسیارکوچک هستند، آنها می‌توانند درواقع مخفیانه حرکت کنند.تعداد کمی می‌توانند عبور کنند. خب چیزی که شما دارید این است که زمانی که دریچه‌ها باز هستند، شما گاهی اوقات تعدادی جریان خواهید داشت. اینها یک‌های شما هستند، اما شما صفرها رابیرون انداختید. اما زمانی که بسته می‌شوند، شما صفر را دارید، اما تعداد کمی یک به بیرون دادید.
این شروع در ترانزیستور اتفاق می‌افتد. و دلیل اتفاق این است کهاکنون در سال۲۰۰۷ -- تکنولوژی که ما استفاده می‌کنیم -- یکترانزیستور به اندازه کافی بزرگ است که چند الکترون می‌توانند از طریق کانالهمزمان کنار هم جریان داشته باشند. حدود ۱۲ میلیون الکترون هست که همهمی‌توانند به این طریق جریان داشته باشند. و به این معنی است که یک ترانزیستور به طور موازی به ۱۲کانال یونی متصل است. حالا در چند سال گذشته تا ۲۰۱۵ترانزیستورها را خیلی کم خواهیم کرد. این همان چیزی است که اینتل برای اضافه کردنهسته‌های بیشتر به تراشه ادامه می‌دهد. یا حافظه شما نگه می‌دارد که اکنونمی‌توانید یک گیگابایت اطلاعاتی را در مورد آنها حمل کنید --قبلا، ۲۵۶ بود. ترانزیستورها کوچکتر می‌شوند تا ایناتفاق بیفتد. و فناوری واقعا از آن سود برده است.
اما آنچه که الان درحال وقوع است این است کهدر ۲۰۱۵ ترانزیستورها دارند کوچکتر شوند، که تنها یک الکترون در یک زمان می‌تواند از طریق آن کانال جریان یابد، وآن پاسخگوی کانال یونی منفرد است. و شما این چنین فشردگی ترافیکی که درکانال یونی هست را دارید. جریان به طور دلخواه باز و بسته خواهد شد. حتی هنگامی که قرار است روشن باشد. و بدین معنی است که کامپیوتر شما صفر و یک را همزمان دارد و می‌خواهدماشین شما را خراب کند.
پس ما در مرحله‌ای هستیم که واقعا نمی‌دانیم که چگونه این نوعوسیله‌ها را محاسبه کنیم. و تنها چیزی که الان می‌دانیم -- که می‌توانند این نوع از وسیله‌ها رامحاسبه کنند مغزها هستند
خب کامپیوتر بخش‌های خاصی از اطلاعات رااز حافظه انتخاب می‌کند، وآن را به پردازشگرALU ارسال می‌کند، و اطلاعات را به حافظه بر می‌گرداند. آن مسیر قرمز رنگ و سایه روشن است. راهی که مغزها کار می‌کنند، من به همهشما گفتم، همه شما این نورون‌ها را دارید. و راهی که اطلاعات را نمایش می‌دهند،این است داده را به تکه‌های کوچک تجزیه می‌کنند که توسط پالس‌ها ونورون‌های مختلفنمایش داده می‌شود. پس شما همه این قسمت‌های داده‌ها را ازطریق شبکه توزیع میکنید. و سپس راهی که شما داده‌ها راپردازش میکنید که به نتیجه برسید این است که شما این الگوهای فعالیت رابه الگوهای فعالیت جدید ترجمه کنید. از راه شبکه جاری کنید. پس شما این ارتباطات را راه‌اندازی میکنید به طوری که الگوی ورودی فقط جریان می‌یابد و الگوی خروجی تولید می‌شود.
آنچه در اینجا می‌بینید این است کهاین اتصالات بیش از حد وجود دارد. بنابراین اگر این قطعه داده یا اینقطعه از داده‌ها خراب شود، آن را در اینجا نشان نمی‌دهد، این دو قطعهمی‌تواند بخش گمشده را با این اتصالات بیرونی فعال کند. پس حتی زمانی که به سمت این دستگاه‌هایجادویی می‌روید که در آن گاهی اوقات یک را می‌خواهیدوچیزی دریافت نمی‌کنید. افزونگی در شبکه وجود دارد. که در واقع می‌تواند اطلاعات ازدست رفته رابازیابی کند. این مغز به طور ذاتی قوی است. آنچه اینجا دارید سیستمی است کهداده‌ها را به صورت محلی ذخیره میکنید. و شکننده است زیرا هر یک از این مراحلباید بی‌عیب و نقص باشد. در غیر این صورت اطلاعات را از دستمی‌دهید، در حالی که در مغز، سیستمی دارید که داده‌ها را به صورتتوزیع شده ذخیره می‌کند و قدرتمند است.
انچه که اساسا می‌خواهم راجع به آن صحبت کنمرویای من است، که ساختن کامپیوتری است که مانند مغزکار کند. این چیزی است که طی چند سال گذشته روی آنکار کرده‌ایم. و قصد دارم به شما سیستمی که برای طراحی شبکیه طراحی کرده‌ایم را نشان دهم. که قطعه‌ای از مغز است که در داخل چشمقرار دارد. ما این کار را با نوشتن کد انجام ندادیم مثلچیزی که شما در کامپیوتر انجام می‌دهید. درحقیقت پردازش‌هایی که در آن قسمت کوچکی از مغز اتفاق می‌افتد بسیار شبیهنوع پردازش کامپیوتری است که هنگام پخش ویدئو در اینترنت انجام می‌شود. آنها قصد فشرده سازی اطلاعات را دارند -- آنها فقط می‌خواهند تغییرات را ارسال کنند،آنچه که جدید است در این تصویرو -- و این است که چشمان شما قادر به گنجاندن تمام اطلاعات به عصببینایی شما است، برای ارسال به بقیه مغز.
به جای انجام این کار در نرم افزار یا انجاماین نوع الگوریتم‌ها، ما رفتیم و با متخصصان نوروفیزیولوژیصحبت کردیم که در واقع معکوس آن قسمت از مغز را که شبکیه نامیده می‌شود، طراحی کرده‌اند. و آنها همه سلول‌های مختلف را تشخیص دادند، شبکه را تشخیص دادند، و ما فقط آنشبکه را گرفتیم و از طرح آن برای طراحی یک سیلیکوناستفاده کردیم. پس در حال حاضر نورون‌ها توسط گره‌ها یا مدارهای کوچک روی تراشه نشان داده می‌شوند، وارتباطات میان نورون‌ها نشان داده، درواقع با ترانزیستورها نمایش داده شده است. واین ترانزیستورها اساسا درست مثل رفتار کانال‌های یونی در مغز رفتار می‌کنند. این به شما یک نوع از معماری قوی را که منشرح دادم نشان می‌دهد.
اینجا درواقع چشمان مصنوعی ما به نظرمی‌رسد. تراشه شبکیه‌ای که ما طراحی کردیم در پشتاین لنز قرار دارد. و تراشه -- من می‌خواهم به شماویدیویی نشان دهم که شبکیه سیلیکونی خروجی خود را هنگامی که به کریم زاقلول نگاه می‌کرده منتشر کرده، دانش‌آموزی است که این تراشه را طراحی کرده است. بگذارید توضیح دهم که چه چیزیرا می‌بینید، زیرا اطلاعات مختلفی را در اختیار شماقرار می‌دهد، این به عنوان نگاه مستقیم به دوربین نیست. تراشه شبکیه چهار نوع اطلاعات مختلفرا استخراج می‌کند. این مناطق را با تضاد تیرهاستخراج می‌کند، که در ویدیو به صورت قرمز نشان دادهخواهد شد. و مناطق را با تضاد سفید یا روشنیاستخراج می‌کند، که در ویدیو به صورت سبز نمایشداده خواهد شد.
اینها چشمان تیره کریم هستند و این زمینه سفید که در اینجامشاهده میکنید. وسپس آن حرکت را استخراج می‌کند. وقتی کریم سر خود را به راستحرکت می‌دهد، شما این فعالیت آبی را در آنجاخواهید دید. آن مناطقی را نشان می‌دهد که در آنتضاد رنگی در تصویر افزایش می‌یابد. آن جایی است که از تیرگی به روشنی می‌رود. و همچنین این فعالیت زرد را می‌بینید، که نشان دهنده مناطقی است که تضاددر حال کاهش است؛ از روشنی به تیرگی می‌رود. و این چهار نوع اطلاعات عصب بینایی شما -- حدود یک میلیون الیاف در آن وجود دارد، و ۹۰۰٫۰۰۰ آن الیاف‌ها این چهار نوع اطلاعات را ارسال می‌کنند. بنابراین ما واقعا نوع سیگنال‌هایی را کهشما بر روی عصب بینایی دارید کپی می‌کنیم.
آنچه در اینجا متوجه شده‌اید این است کهاین عکس‌های فوری از خروجی تراشه شبکیه بسیار پراکنده هستند.درسته؟ این سبز در همه جا در پس زمینه روشن نیست، فقط در لبه ها وسپس در مو وغیره. واین همان چیزی است که می‌بینید وقتی مردم ویدیو رابرای ارسال فشرده می‌کنندمی‌خواهند آن را بسیار پراکنده کنند، زیرا این فایل کوچکتر است و چیزی است کهشبکیه انجام می‌دهد. و آن را فقط با مدار انجام می‌دهد، و چگونهاین شبکه اعصاب که در آن تعامل دارند که ما در تراشهبه دست آوردیم.
اما نکته‌ای که می‌خواهم اشاره کنم --من اینجا را نشان می‌دهم. بنابراین این تصویر در اینجا بهنظر می‌رسد مانند این یکی باشد، اما در اینجا من به شما نشان خواهم دادمی‌توانیم تصویر را بازسازی کنیم، خب می‌دانید، می‌توانید تقریبا کریم را در قسمت بالای آن ببینید. وخب این هم از این. خُب، این یک ایده است. وقتی هنوز ایستاده‌اید فقط تضاد روشنیوتیرگی را می‌بینید. اما وقتی به عقب و جلو حرکت می‌کند، شبکیه این تغییرات را بر می‌دارد. و می‌دانید چرا هنگامی که در اینجانشسته‌اید و چیزی در پس زمینه شما اتفاق می‌افتد، شما صرفا چشم خود را به سمتش حرکت می‌دهید. سلولهایی هستند که تغییر را تشخیص می‌دهند و شما توجه خود را به آن منتقل میکنید. بنابراین آنها برای گرفتن کسی که سعی در دزدیدن شما دارد بسیار مهم هستند.
اجازه دهید بحثم را با این گذاره تمام کنمکه این چیزی است که اتفاق می‌افتد زمانی که شما آفریقا را در یکپیانو قرار دهید خب. این یک درام استیل است که اصلاح شده است. این چیزی است که زمانی که شما آفریقا را درپیانو قرار دهید اتفاق می‌افتد. و آنچه مایلم انجام دهیم این است کهآفریقا را در زمره تولید رایانه قرار دهیم، و با نوع جدیدی از کامپیوتر که تفکر، تصور، خلاقیتو چیزهایی مثل آن را شامل شود. متشکرم. (تشویق)
کریس اندرسون: یه سوال کوابنا. آیا کارهایی را انجام می‌دهید که درذهن دارید، آینده آفریقا، این همایش -- چه ارتباطاتی می‌توانیم بین آنهاایجاد کنیم؟
کوابنا بوهن: بله همانطور که در ابتدا گفتم من اولین رایانه‌ام را در نوجواندر اکرا گرفتم و این واکنش احساسی راداشتم که کار اشتباهی بود. روش احساس بسیار قدرتمند و ناهنجاری بود. من فکر نمی‌کنم که این واکنش را داشتم، اگر با خواندن همه تخیلات علمی، شنیدن راجع به RD2D2 بزرگ می‌شدم. هرآنچهکه نامیده می‌شود و شما می‌دانید، اعتیاد به مواد مخدر در مورد کامپیوترها من از دیدگاه متفاوت به آن رسیدم، جایی که این دیدگاه متفاوت رابه وجود آوردم تا مشکل را برطرف کنم. و فکر می‌کنم بسیاری از مردم در آفریقااین دیدگاه متفاوت را دارند، و فکر می‌کنم این فناوری راتحت‌تاثیر قرار می‌دهد. وآن را تحت تاثیر قرار می‌دهدتا چگونگی تکامل آن را تغییر دهد. فکر می‌کنم شما می توانید ببینید، با کمک آن تزریق چیزهای جدیدی می‌آید، زیرا شما از زاویه دیگری نگاه میکنید. فکر می‌کنم می‌توانیم کمک کنیم.می‌توانیم مثل هر کس دیگری آرزو کنیم.
ک ا: ممنونم کوابنا. خیلی جالب بود.
متشکرم.
(تشویق)
