but the truth is it's nothing like the brains found in nature or in our skulls.

しかし、実際のところ、自然界や頭蓋骨の中にある脳とは全く違うのです。

CPUs are great at performing precise calculations with huge numbers,

CPUは膨大な数字を使って精密な計算をするのが得意です。

but when it comes to learning and abstraction, the thinky meat between our ears has the CPU licked.

しかし、学習や抽象化に関しては、耳の間の薄っぺらい肉がCPUを舐めています。

An emerging field of artificial intelligence called neuromorphic computing is attempting to mimic how the neurons in our own brains work,

ニューロモーフィック・コンピューティングと呼ばれる人工知能の新興分野は、私たち自身の脳のニューロンがどのように機能するかを模倣しようとしています。

and researchers from Intel and IBM are making true silicon brains a reality.

とインテルやIBMの研究者たちが、真のシリコン脳を実現しています。

Now, it's easy to get a little lost in the terminology here because another technology on the forefront of AI is called deep learning,

さて、ここでちょっと用語に迷いがちなのが、AIの最前線にあるもう一つの技術がディープラーニングと呼ばれるものだからです。

and one of the most advanced approaches relies on something called a neural network.

そして、最も先進的なアプローチの一つは、ニューラルネットワークと呼ばれるものに依存しています。

Neural networks are a software approach that mimic how brains work.

ニューラルネットワークは、脳がどのように働くかを模倣するソフトウェアアプローチです。

A neural network changes when it's shown lots and lots of examples of what it's supposed to learn,

ニューラルネットワークは、学習することになっている例をたくさん、たくさん見せられると変化します。

but it may need to see thousands to millions of examples to achieve the desired results,

しかし、望ましい結果を得るためには、数千から数百万の例を見る必要があるかもしれません。

like how to tell the difference between a chihuahua and a blueberry muffin.

チワワとブルーベリーマフィンの見分け方のように

Clearly that's not how we learn.

明らかにそれは学習方法ではありません。

I don't need to see millions of pictures of a dog before I know what a dog is.

犬の写真を何百万枚も見る必要はない

But if you want to send me pictures of your dog I am on Twitter.

でも、犬の写真を送りたい方はツイッターにいます。

So, to solve this, researchers from IBM and Intel are trying to mimic brains at a hardware level too.

そこで、これを解決するために、IBMとインテルの研究者たちは、ハードウェアレベルでも脳を模倣しようとしています。

IBM revealed their brain inspired chip called TrueNorth in 2014,

IBMは2014年にTrueNorthと呼ばれる脳にインスパイアされたチップを明らかにした。

while Intel's chip called Loihi was introduced in 2017.

インテルのロイヒと呼ばれるチップが2017年に登場したのに対して

The two neuromorphic chips use the same silicon transistors commonly found in conventional chips,

2つのニューロモーフィック・チップは、従来のチップによく見られるシリコン・トランジスタと同じものを使用しています。

but they're arranged to interconnect more like neurons.

しかし、それらは神経細胞のように相互に接続するように配置されています。

TrueNorth's one million neurons are connected by 256 million synapses,

トゥルーノースの100万のニューロンは、2億5,600万のシナプスによって接続されています。

while Loihi's 130,000 neurons are each capable of communicating with thousands of others for a total of over 130 million synapses.

一方、ロイヒの13万個のニューロンは、それぞれが数千人の他の人と通信することができ、合計で1億3千万個以上のシナプスがあります。

TrueNorth and Loihi also combined into one chip two aspects of computers that are normally separate: memory and computation.

TrueNorthとLoihiはまた、通常は別々のコンピュータの2つの側面、すなわちメモリと計算を1つのチップに結合しました。

In a typical computer like you have at home, the CPU handles computation and shuffles data back and forth from the Random Access Memory, or RAM.

家庭にあるような一般的なコンピュータでは、CPUが計算を処理し、ランダムアクセスメモリ（RAM）からデータを前後にシャッフルしています。

But this separation slows things down and draws more power, and it's not how things work in our own brains.

しかし、この分離は物事を遅くし、より多くの力を引き寄せ、自分の頭の中で物事がどう動くかということではありません。

In another drastic departure from standard chips, TrueNorth and Loihi do not use a clock to update information across the system in a synchronized manner.

標準的なチップからのもう一つの抜本的な出発点として、TrueNorthとLoihiは、システム全体の情報を同期して更新するためにクロックを使用していません。

Instead, the neurons in the chip fire independently, and the timing of these spikes of activity can be used as another way to encode information.

その代わりに、チップ内のニューロンは独立して発火し、これらの活動のスパイクのタイミングは、情報を符号化する別の方法として使用することができます。

All of these tweaks to how information is moved around means neuromorphic chips can learn quickly and use far less energy than a conventional CPU.

情報がどのように移動されるかについてのこれらの調整はすべて、ニューロモーフィック・チップが素早く学習し、従来のCPUよりもはるかに少ないエネルギーで使用できることを意味します。

Best of all though, is the problems they can solve as a result of their novel design.

しかし、何よりも優れているのは、彼らが斬新なデザインの結果として解決できる問題です。

Problems like constraint satisfaction, where several solutions could exist but only one of them fits the constraints.

制約条件の充足のような問題で、複数の解が存在する可能性がありますが、そのうちの1つだけが制約条件に適合します。

Think Sudoku puzzles.

数独のパズルを考えてみてください。

Neuromorphic computers can also be used for optimization tasks, like the famous traveling salesman problem

ニューロモーフィックコンピュータは、有名な巡回セールスマン問題のような最適化タスクにも使用することができます。

where finding the best route to take from millions of options can be very challenging, even for a supercomputer.

何百万もの選択肢の中から最適なルートを見つけることは、スパコンであっても非常に困難なことです。

Since Loihi is a research chip that was never intended for mass production, there aren't many of them for researchers to work with.

ロイヒは量産を目的とした研究用チップではないので、研究者が一緒に仕事をすることはあまりありません。

Still, Intel wired together 768 of them to create Pohoiki Springs, a computer that's the size of 5 servers and boasts 100 million neurons.

それでもインテルは768個を配線して、サーバー5台分の大きさで1億個のニューロンを誇るコンピューター「ポホイキ・スプリングス」を作りました。

That's in league with the brain size of a small mammal.

小型哺乳類の脳の大きさと同列だな。

And yet, despite its size and complexity, it needed under 500 watts of power to operate.

そしてまだ、その大きさと複雑さにもかかわらず、それは動作するために500ワット以下の電力を必要としました。

By contrast, the overkill gaming PC sitting next to me can use up to twice that much power, and it still isn't as “smart” as a squirrel.

対照的に、私の隣に座っているオーバーキルゲーミングPCは、最大でその2倍の電力を使用することができますが、それでもリスのように「スマート」ではありません。

Neuromorphic computers are not poised to completely replace conventional ones any time soon.

ニューロモーフィック・コンピュータは、従来のコンピュータに完全に取って代わる準備ができているわけではありません。

Remember that because this kind of hardware is just emerging, software that can make the best use of it needs time to develop.

この手のハードは出てきたばかりなので、それを生かせるソフトは開発に時間がかかることを覚えておいてください。

Still, it's something to look forward to.

それでも楽しみなものです。

As the technology matures we'll be able to crack bigger and tougher problems that were previously beyond our grasp with our current CPU "brains."

技術が成熟するにつれ、現在のCPUの "頭脳 "では把握できなかった、より大きく、より困難な問題を解決することができるようになるでしょう。

While our brains are more adaptable than a conventional CPU,

私たちの脳は従来のCPUよりも順応性が高いとはいえ

our data processing speed is estimated to be a paltry 120 bits per second.

当社のデータ処理速度は、1秒あたり120ビットと推定されています。

If you want to know more about neural networks, check out Maren's video on how robots teach themselves here!

ニューラルネットワークについてもっと知りたい方は、ロボットがどのように自分自身を教えるかについてのマレンのビデオをここでチェックしてみてください。

If you like this video be sure to let us know in the comments, or subscribe!

このビデオのような場合は、コメントでお知らせするか、購読するようにしてください。

Then we know you really like us.

あなたが本当に私たちのことを好きなのは分かっています。

Thanks for watching and I'll see you next time on Seeker!

ご覧いただきありがとうございました！次回はシーカーでお会いしましょう