
English: 
Transcriber: Zion Kim
Reviewer: Denise RQ
Great to be back on the TEDx stage.
It's been a little while.
No, I think a good theme for, at least,
the egghead crowd at this event,
seems to be life in a complex world.
And yet, all of us, speakers,
are really embedded
in a very simple world.
It's just a big red circle.
I think my theory
is they just put the circle here
to keep us from checking to see
if the letters are real.
They're probably holograms or something.
But a lot has happened
since I've been at TEDx.
For one thing, I've gone through puberty
(Laughter)
gotten some degrees and certifications,
I've learned a lot,
and Singularity University was really one
of the defining moments
of my life so far.

Turkish: 
Çeviri: Suleyman Cengiz
Gözden geçirme: Figen Ergürbüz
TEDx sahnesine dönmek
çok güzel. Bir süre geçti.
Hayır, en azından bu olaydaki
aydın kalabalığı için
karmaşık bir dünyadaki hayat
iyi bir tema gibi görünüyor.
Ve yine de, hepimiz, konuşmacılar,
çok basit bir dünyaya gömülmüşler.
Sadece büyük bir kırmızı daire.
Bence, teorim, harflerin
gerçek olup olmadığını
kontrol etmemizi engellemek için
çemberi buraya koyuyorlar.
Muhtemelen hologramlar falan.
Ancak TEDx'e katıldığımdan
beri çok şey oldu.
Birincisi, ergenlik geçirdim
(Kahkahalar)
bazı dereceler ve sertifikalar aldım,
çok şey öğrendim
ve Singularity Üniversitesi gerçekten
şu ana kadar hayatımın
belirleyici anlarından biriydi.

English: 
I switched from computer science
to neuroscience.
I sort of got this strong sense
that the next big thing
is going to come from brains somewhere,
and what I want to share with you
is kind of how that sense
has evolved over the last year.
I was at this big conference,
one of the biggest
academic conferences around
is called Society for Neuroscience.
Tens of thousands of researchers pack into
one of the five convention centers
in the country that can handle
that kind of crowd.
There's a huge, huge array
of panels and events,
but at the evenings,
groups of a dozen or so
get together around the table
and you get to have real discussions.
One of those discussions was about
modeling the brain large-scale,
ambitious things were saying,
"Let's go after an entire organism,
understand how it works."
That's what I'm planning to do.

Turkish: 
Bilgisayar bilimlerinden
sinir bilime geçtim.
Bir sonraki büyük şeyin
bir yerlerde beyinlerden geleceği
yönünde içimde güçlü bir his var
ve sizinle paylaşmak istediğim şey,
geçen yıl bu hissin
içimde nasıl oluştuğudur.
Büyük bir konferansdaydım,
en büyük akademik konferanslardan biri:
Sinir Bilimi Derneği.
On binlerce araştırmacı, ülkedeki
bu tür kalabalığı alabilecek
beş kongre merkezinden birinde yer alıyor.
Çok sayıda panel ve etkinlik var,
ancak akşamları
bir düzine kadar grup masanın
etrafında bir araya geliyor
ve gerçek tartışmalara tanık oluyorsunuz.
Bu tartışmalardan biri, beynin
büyük ölçekli modellenmesiydi.
İddialı şeyler söylendi:
"Bütün bir organizmanın peşinden
gidelim, nasıl çalıştığını anlayalım."
Ben de bunu yapmayı planlıyorum.

Turkish: 
Masadaki insanlardan biri de
eski kafalı bir sinir bilim uzmanı
ve elektrofizyologdu -
kendisinin söylemiyle.
Tarihi bir nota değindi, bizlerden
matematikle beyni anlamak isteyenler
için dikkatli olma uyarısı yaptı:
"Bilirsiniz, 20. yüzyılın muhtemelen
en büyüğü matematikçisi olan
John Von Neumann,
bir zamanlar şöyle demişti:
'Beyin matematik kullanmaz.
Orada çalışan daha
gizemli bir şeyler var.'
Bu yüzden alçakgönüllü,
genç çocuklar olarak
bu tür bir araştırmaya teşebbüs etmeyin."
Ben de karar verdim.
Anlarsınız, John Von Neumann
aslında benim için bir kahraman.
Ben bir bilgisayar bilimcisi iken,
hücresel otomasyon teorisinde
yaptığı şeyleri izleyen bir sürü iş yaptım
ve MIT kütüphanelerine gidip

English: 
And one of the people at the table
was this old-school neuroscientist
and electrophysiologist -
was what he called himself -
He had this sort of historical note,
he wanted to put out a caution
for those of us who would seek
to understand the brain with mathematics.
He said, "You know, John Von Neumann
the great mathematician,
arguably the greatest
of the 20th century, once said,
'The brain does not use mathematics.
There is something
more mysterious at work there.'
And so you should be humble,
young children,
and do not attempt this sort of research."
And so I decided ...
You know, John Von Neumann
is actually a personal hero of mine.
Back when I was a computer scientist,
I did a lot of work that followed up
from what he was doing
in cellular automata theory,
and so, I decided to go
to the MIT libraries

English: 
and check out the source
for this information.
And it's this adorable book,
it's called "The computer and the brain,"
and it was written in 1957
when knowledge about
both of those was sparse enough
that to claim some connection
was fairly radical.
I think it's really impressive
that he even thought of that.
And the relevant quote, amazingly enough -
here's what he actually said,
"The outward forms of our mathematics
are not absolutely relevant
from the point of view of evaluating
what the mathematical language truly used
by the central nervous system is.
The above remarks
about reliability and so forth
prove that whatever that system is,
it cannot fail to differ considerably
from what we consciously
and explicitly considered today
as mathematics,"

Turkish: 
bu bilgi için kaynak aramaya karar verdim.
İşte bu sevimli kitap,
adı "Bilgisayar ve beyin"
ve 1957'de yazılmıştı,
her ikisi hakkında da bilgi
birikiminin yeterince seyrek
ve bir bağlantıyı iddia etmenin
oldukça radikal olduğu zamanlar.
Bence bunu düşünmesi
bile gerçekten çok etkileyici.
Bununla ilgili olarak,
yeterince şaşırtıcı olan,
söyledikleri gerçekte şöyle:
"Matematiğimizin dış formları,
merkezi sinir sistemi tarafından
gerçekten kullanılan matematiksel dilin
ne olduğunu değerlendirmek
açısından kesinlikle alakalı değildir.
Güvenilirlik ve benzeri
konulardaki yukarıdaki ifadeler
bu sistemin, ne olursa olsun, günümüzde
bilinçli ve açıkça matematik olarak
düşünüdüğümüz şeyden belirgin
derecede farklılaşamayacağını kanıtlıyor."

Turkish: 
İşte, burada bitti.
Bundan sonra, bitiş tarihi
dışında hiçbir şey yok.
(Kahkahalar)
Kitabı yazarken John Von Neumann
aslında kemik kanseri
ve bitmemiş.
Bıraktığı yer burası
ve o yolun, sanırım, tekrar
düşünülmesi için tam zamanı.
Yaptığımız matematiğin neden
görevi yerine getirmek için
yeterli olmadığını açıklamak isterim.
Yapay zeka dünyasını yaşadığımız
şu günlerde o mottolardan biri:
"Zor şey kolay, kolay şeyse zordur."
Biliyorsunuz, eğer iyi bir satranç
oyunu istiyorsanız bu halledildi,
ancak bir şey içmek gibi
bir şey yapmak isterseniz
bir robot için bunu yapmak oldukça zor.

English: 
and there, that is the end.
There's nothing after this,
except the due date.
(Laughter)
John Von Neumann actually got bone cancer
while he was writing the manuscript,
and it is unfinished.
That is where he left it,
and that trail, I think, is ripe
to be taken back up again.
So, I want to explain why
the sort of mathematics that we do
seems to be not quite up to the task.
One of those mottoes that we have
in the AI world these days
is "the hard stuff is easy,
but the easy stuff is hard."
You know, if you want to play a good game
of chess, that's been solved,
but if you want to do
something like take a drink,
for a robot to do that,
that's a pretty hard problem.

Turkish: 
Bunu kolayca yapmayı başardık.
Olan şey şu: Fincana bakıyorsunuz ve onu
ağzınıza doğru ilerletirken izliyorsunuz,
aynı zamanda beyninizde
bardağı tutan bir modeliniz var
ve içmenin ne olması
gerektiği konsepti var.
Yaptığınız şeyin aslında ne olduğu
konusunda bunun bir etkisi var,
ancak düşünceniz önde görünüyor.
Neredeyse ters nedenselliğe benziyor;
Sanki gelecekte olan biten,
ne yaptığınızı etkiliyor gibi.
çünkü düşünmek üzeresiniz, düşünüyorsunuz,
"Nerdeyse olacak olan şey,
yüzüme çarpmak üzere.
Dursam iyi olacak."
Gelecekteki bir şeyin, bugünkü
durumu etkilemesi gibi,
yani neredeyse beyniniz
zamanda geri gidiyor gibi,
"Hayır, bunu yapma. Dur!
Burada dur." diyor sanki.
Bunu modellemek gerçekten zor,
çünkü fiziksel sistemleri modellemede,
daima Richard [March]'ın
söylediği şeye uyarız:

English: 
We managed to do it pretty easily.
What's going on is there's you
looking at the cup and tracking it
as you're moving it towards your mouth,
but also, inside your brain
there is a model of you holding the cup
and some kind of concept
of what drinking is supposed to be,
and that has an effect
on what it is that you actually do,
but your thinking ahead appear.
And so, it's almost like
reverse causality,
it's almost like what's happening
in the future is affecting what you do
because your're thinking ahead, you think,
"Well, what's about to happen
is it about to splash in my face.
Oh, I'd better stop now."
This something from the future
is sort of affecting the present
so it's almost like your brain
is traveling back in time,
saying, "No, don't do that.
Stop! Stop there."
And this is really hard to model,
because in modeling physical systems,
we always take to
what Richard [March] say,

English: 
"Well, time instant one, two, three, four-
each one depending rigidly on the last,"
and you can sort of imagine it
in this continuous way,
but it's ... we can do these things
in simple cases, like for instance,
if you have a thermostat.
You want to anticipate what's going on
when you turn on the heater
or when you turn off the heater,
that the temperature is going to dip down.
And there's some wind outside,
you don't know how windy it is,
how fast temperature is going to dip down,
but it's pretty easy;
you just have some wine,
you call your set point
when you get below that,
you turn the heater on,
and when you go sufficiently far above it,
you turn the heater off,
and you can analyze this
in a purely rigid sense.
It's trying to keep it;
you can just look at this line and say,
"Well, it's staying near the dashed line.
I can understand what's going on."
But in a biological network,
it's not that you're trying
to keep something near a line,
you're trying to keep it
near some multi-dimensional,
abstract, manifold surface.

Turkish: 
"Zaman anı bir, iki, üç, dört -
her biri sonuncuya sıkıca bağlı,"
ve bunu sürekli bir şekilde
hayal edebiliyorsunuz,
ancak ... basit bir durumda,
örneğin bir termostatınız varsa
bunları yapabilirsiniz.
Isıtıcıyı açtığınızda veya kapattığınızda
neler olacağını tahmin
etmek mi istiyorsun,
sıcaklık çıkıp inecektir.
Dışarısı biraz rüzgarlı,
ne kadar olduğunu,
sıcaklık ne kadar iner
çıkar bilmiyorsunuz,
ama oldukça kolay;
sadece biraz içki alın,
aşağı düştüğünde sıcaklığınız
asıl noktaya yükselir,
yani ısıtıcıyı açarsınız,
eğer aşırı yükselirse
ısıtıcıyı kapatırsınız
ve bunu tamamen sıkı bir
şekilde analiz edebilirsiniz.
Tutmaya çalışıyor;
sadece şu çizgiye bakıp
şunları söyleyebilirsiniz:
"Kesik çizginin yakınında.
Neler olduğunu anlayabiliyorum."
Ancak biyolojik bir ağda,
bir çizginin yakınında bir
şeyler tutmaya çalışmıyorsunuz,
çok boyutlu, soyut,
çok yönlü bir yüzeyin yakınında
tutmaya çalışıyorsunuz.

Turkish: 
Üstelik ani vurum katarları
ve kimyasal gradyanlar var,
her şey garip kalıplarla bağlantılıdır.
Sinyallerin neye yaradığını
anlatan güzel etiketleriniz yok;
çok fazla veri alırsınız ve kimse
bununla ne yapacağınızı bilmiyor.
Bu, diğer, çok karmaşık,
çok vücutlu sisteme benzer gibi görünüyor
ki gök cisimlerinin
hareketleri denen bu şeyin
matematiğini anlamak biraz zaman alır.
Bir süre sadece güneş, ay ve gezegenlerdi
ve halledebilirdiniz -
bir tıkla -
astronominin spirograph
modeli olarak adlandırdığım şeyle.
Daireler içinde daireler var,
bu daireler içinde daireler var
ve onları yeterince döndürüyorsunuz
ve elbette Dünya da merkezde.
Şeylerin nerede hareket
ettiğini görüyorsunuz:

English: 
And there are spike trains,
and there are chemical gradients,
and everything is connected
in weird patterns.
You don't have these nice labels
for what any of the signals are;
you just get lots of data,
and nobody knows what to do with it.
It sort of seems like there's an analogy
to this other, very complicated
many-body system
that it took a while to figure out
the mathematics of,
namely the motions of celestial bodies.
For a while, they were just the Sun,
and the Moon, and the planets
and you could get by -
click -
with what I call
the spirograph model of astronomy.
We have circles within circles,
and circles within those circles,
and you spin them out enough,
and, of course,
the Earth is in the center.
And you see where the things move:

English: 
here's the planets that follow
this trajectory for some reason.
And after a while, we got the idea
that maybe planets should just go
in regular circles,
and maybe they go around the Sun,
but that still wasn't really enough.
I mean, then, you still ...
It's a little bit simpler,
but you still use some corrections -
they are called epicycles.
And whenever you start to see
this kind of thing
in another scientific field
as a common thing, you say,
"Uh-oh! lt looks like
you're adding epicycles,"
and they say, "Well, OK.
Maybe this isn't really
what's going on after all."
We've definitely gotten
to the point in neuroscience
for there's a lots of epicycles.
Try to take a physical neural network
with hundreds of thousands of neurons
and sample ten of them and make a guess
as to what's going on in the whole thing.
It's basically like looking
at the Solar System
without seeing most of the planets,
or, in particular, the closer analogy
is we don't see Jupiter's moons just yet.

Turkish: 
İşte bu yörüngeyi bir sebeple
takip eden gezegenler.
Bir süre sonra, gezegenlerin
sadece çemberlerde ilerleyebileceğini
ve Güneşin etrafında
gidebileceğini düşündük, ama bu
gerçekten yeterli değildi.
Demek istediğim, yine de ...
Bu biraz daha basit,
ancak yine de bazı düzeltmeler
kullanıyorsunuz -dış çember deniyor.
bu tür şeyleri başka bir bilim
dalında ortak bir şey olarak
görmeye başlayınca şöyle diyorsunuz:
"Ah-oh! Dış çemberler ekliyor gibisiniz."
ve onlar da, "Peki, tamam.
Belki de bu, gerçekten
neticede olup biten şey değildir."
Sinir bilimde kesinlikle
temel noktaya ulaştık,
Çünkü çok fazla dış çember var.
Yüz binlerce nöronlu fiziksel bir sinir
ağını düşünün ve on tanesini örnekleyin
ve bütünde neler olup bittiğini
tahmin etmeye çalışın.
Temel olarak Güneş
Sistemi'ne gezegenlerin
çoğunu görmeden bakmak gibi bir şey
ya da özel olarak, yakın bir benzetimle
Jüpiter'in aylarını henüz görmüyoruz.

Turkish: 
Gerçekten neler olup bittiğinin
ipucunu Galileo'ya veren buydu.
Sadece şeylerin çemberlerde
hareket etmesi değil.
Sadece geometri değil,
geometriden daha fazlası var.
Kalkülüs var.
Gerçekten de matematiğin
bütün bir dalını oluşturdu;
sayılar var ve sayılar cebire götürüyor,
geometri var ve geometri
trigonometriye götürüyor,
sonra kalkülüs var, seni
diferensiyel denklemlere götürüyor
ve o da seni, herhangi şekillerin
hacimlerini hesaplamaya götürüyor.
Temel olarak, mühendislerin
yaptığı her şey
buna dayanıyor.
Onu destekleyecek hiçbir kanıt
olmadan tahmin ettiğim şey -
ama büyük bir aşama, provokatif
bir iddiaya gidiyorum -
Beyni incelediğimizde
ve neler olduğunu ayrıntılı
olarak anladığımızda,
geriye dönüp baktığımızda,
yeni bir tür matematiği icat ettiğimizi
öğreneceğiz, kalkülüs kadar
ve akıl almaz şekilde güçlü;

English: 
And that's what really gave Galileo
the clue of what's actually going on.
It's not just that things
are moving in circles.
It's not just geometry,
there's more to it than geometry.
There's calculus.
And it really spawned
a whole branch of mathematics;
there is numbers,
and numbers get you algebra,
and there's geometry
which gets you trigonometry,
and then there's calculus
which gets you differential equations,
and it gets you computing volumes
of arbitrary shapes,
and basically, all of the things
that engineers do
rely on that.
What I am anticipating,
without any real evidence to back it up -
but it's a big stage,
I'm going to make a provocative claim -
when we study the brain
and really understand
in detail what's going on,
we're going to find out in retrospect
that we've invented a new kind of math,
something that is as powerful as calculus
and as inconceivable;

Turkish: 
kalkülüsün bilinmesinden 50 yıl önce
logaritmayı icat eden John Napier'e,
eğer diğer bir 50 yılda bilinen
her şeye hâkim olacak
tamamen yeni bir matematik alanı
olup olmayacağını sorsaydınız
muhtemelen hayır derdi.
Önce biraz aptalca gibi görünüyor, ancak
işaretlerin orada olduğunu düşünüyorum.
ve tarihsel olarak, gördük ki
- bu durumda, en azından -
işler gerçekten
karmaşıklaşmaya başladığında
Aynı zamanda, neler olup bittiğine
bakmak için daha doğru
yollar ediniyorsanız,
keşfedemeyebileceğiniz
çok derin bir şey var.
İşte nörobilimde olan şey
gerçekten bu çizgide:
yaşarken beynin
tüm bölgesindeki nöronlara bakabilen
araçlar bulmaya başlıyoruz
ve bu yapılması gereken standart
şey - connectomics adı altında -

English: 
if you would ask John Napier,
who invented the logarithm
50 years before calculus was known,
if there would be a completely
new field of mathematics
that would dominate everything
that was known in another 50 years,
he probably would have said no.
So it seems a little silly in advance,
but I think the signs are there,
and historically, we've seen -
in this case, at least-
when things start
getting really complicated
and at the same time, you're getting
more and more accurate ways
of looking at what's going on,
there is something very profound
that you might not be able to discover.
And what's going on in neuroscience
really is along those lines:
we're starting to get tools
that can look into all of the neurons
in a region of brain while it's living,
and it's kind of a standard thing to do -
going by the name of connectomics -

Turkish: 
bir beyin almak ve yaptığın
ilk şey onu öldürmek,
sonra onu kesip kalıntıları görüntülersin
ve bundan bir şeyler anlamaya çalışırsın.
Kesinlikle orada
öğrenilebilecek şeyler var,
ancak hesaplamanın gücünü sağlayan
dinamikleri anlamayacaksın.
Ölü bir beyni araştıramazsın
ve tepki vermesini bekleyemezsin
ve nasıl cevap vereceği
konusunda teorini test edemezsin.
Ancak artık ölü beyinlerde bir şeyler
yapmak zorunda kalmadığınız
bir teknolojiye sahibiz.
Aslında yaşayan tüm beyinleri
ışık dalgaları ile sorgulayabilirsiniz.
Çok gençken düşünürdüm
ve ilkin lazerleri öğrendim,
iki lazer kesiştiğinizde olan
şeyin özel bir şey olduğunu,
orada havanın çok ısınacağını
ya da böyle bir şey.
Sonra lazerleri daha çok inceledim,
"Tamam, sanırım lazerler
birbirlerinin içinden geçiyorlar."
ancak sonra lazerler hakkında
daha fazlasını öğrendiğinde,

English: 
to take a brain,
and the first thing you do is kill it,
then you slice it up,
and then you image the remains,
and you try and figure
something out from that.
There's definitely things
that can be learned there,
but you're not going
to understand the dynamics
which are what power the computation.
You can't probe a dead brain
and expected it to respond
and test your theory
about how it would respond.
But we are now getting the technology
where you don't have to do
things in dead brains.
You can actually probe living brains
with light waves of all things.
You know, I used to think,
when I was very young,
and I first learned about lasers,
that something special what happened,
if you intersect two lasers,
that the air there would heat up a lot,
or something like that;
and then I learned more about lasers,
"OK, I guess lasers
just go past away each other,"
but then, when you learn
even more about lasers,

Turkish: 
Orada özel bir şeyler
olabileceğini farkedersin,
eğer iki foton moleküler
uyarılma zaman skalasında
tam aynı anda ulaşırlarsa.
Yani, yeterince iyi lazerlere sahipsen
bunu gerçekten yapabilirdin,
ve bunu bir beyin içinde yapabilirsin
ve bu beyne nöronun aktif olmasına
neden olacak molekülleri koyabilirsin,
aynı anda iki lazer ateşlediğinizde.
Gelecekte yaşıyoruz dostlarım!
(Kahkahalar)
Ayrıca neler olup
bittiğini okuyabilirsiniz,
çünkü beyne floresan haberciler koyabilir
ve böylece iki lazeri üzerine
ateşlediğinizde aktif olacaktır,
nöron zaten aktifse,
o zaman aydınlanacak ve
siz de ona bakabileceksiniz.
Richard Feynman'ın dediği
gibi: "Altta bol yer var."
Tüm bu temel biyolojik sorular
sonunda lanet şeylere bakarak çözülebilir.
İşte bu noktaya geliyoruz,
sadece bu şeylere bakmak
çok fazla teknoloji gerektiriyor.

English: 
you realize that something special
can happen there
if two photons arrive
at exactly the same instant
on molecular excitation timescales.
And so, if you have fancy-enough lasers,
you could actually do that,
and you can do it inside of a brain
and you can put molecules into that brain
that will cause the neuron to be active
when you fire
two lasers at it simultaneously.
We are living in the future, my friends!
(Laughter)
And you can also read what's going on
because you can put fluorescent reporters
into the brain
and so when you fire
two lasers at it, it will activate
if the neuron is already active,
and it will light up,
and you could look at it.
It's like Richard Feynman said
in "There's plenty of room at the bottom."
All of these fundamental
biological questions
can eventually be addressed
by just looking at the damn things.
And we're getting to that point,
it takes a lot of technology
to just look at things.

Turkish: 
Jüpiter'in uydularına bakmak için
çok güçlü bir teleskop gerekti
ve bir takım yörüngeler
bulunduğu anlaşıldı,
sadece çemberlerle ilgili olmayan,
birbiri etrafında dönen iki şeyle ilgili.
Bence, anca optik seviyesine
geçmeye başlıyoruz,
geçersek, dış mekana karşılık
iç mekanda bakabilir
ve oradaki işleyen
derin ilkeleri görebiliriz.
Bu kitap o ve bu fotoğrafı bu sabah aldım.
Son sayfa hala yazılmamış,
ancak yazmaya hazır bir kalem var,
yani heyecan verici zamanlar
ve ilerledikçe onu takip
edeceğinizi umuyorum.
Teşekkürler
(Alkışlar)

English: 
It took a very powerful telescope
to look at Jupiter's moons
and understand that there were
some orbits happening
that it wasn't just about circles,
but it was about two things
orbiting each other.
And I think we're just starting
to get to the level of optics
if you will, on inner space
as opposed to outer space
that we can look in and see
the profound principles
that are at work there.
So this is that book,
and I took this photo this morning.
The last page is still unwritten,
but there is a pen there,
ready to write it,
so it's exciting times
and I hope you will follow it
as it progresses.
Thank you.
(Applause)
