ABOUT THE SPEAKER
Gero Miesenboeck - Optogeneticist
Using light and a little genetic engineering -- optogenetics -- Gero Miesenboeck has developed a way to control how living nerve cells work, and advanced understanding of how the brain controls behavior.

Why you should listen

Gero Miesenboeck is pioneering the field of optogenetics: genetically modifying nerve cells to respond to light. By flashing light at a modified neuron in a living nervous system, Miesenboeck and his collaborators can mimic a brain impulse -- and then study what happens next. Optogenetics will allow ever more precise experiments on living brains, allowing us to gather better evidence on how electrical impulses on tissue translate into actual behavior and thoughts.

In one experiment, done at Yale, he and his team engineered fruit flies to be light-sensitive in the neural area responsible for escape response. Then the flies were beheaded; fruit flies can live for a day without their heads, but they don't move. When the modified cells were flashed with light, though, the headless flies flew. Miesenboeck had successfully simulated an order from a brain that wasn't even there anymore.

Miesenboeck's current research at Oxford's growing department of neurobiology focuses on the nerve cell networks that underpin what animals perceive, remember and do. In one recent experiment, he used optogenetics to implant an unpleasant memory in a fruit fly, causing it to "remember" to avoid a certain odor as it traveled around. He and his team were able, in fact, to find the fly's specific 12-neuron brain circuit that govern memory formation.

More profile about the speaker
Gero Miesenboeck | Speaker | TED.com
TEDGlobal 2010

Gero Miesenboeck: Re-engineering the brain

Gero Miesenboeck rediseña un cerebro

Filmed:
717,411 views

En la búsqueda de trazar un mapa del cerebro muchos científicos han intentado la tarea sumamente amedrentadora de grabar la actividad de cada neurona. Gero Miesenboeck trabaja al revés, manipulando neuronas específicas para descubrir exactamente cómo funcionan mediante una serie de experimentos imponentes que rediseñan la forma en que las moscas de la fruta perciben la luz.
- Optogeneticist
Using light and a little genetic engineering -- optogenetics -- Gero Miesenboeck has developed a way to control how living nerve cells work, and advanced understanding of how the brain controls behavior. Full bio

Double-click the English transcript below to play the video.

00:15
I have a doppelgangerdoppelganger.
0
0
3000
Tengo un doble.
00:18
(LaughterRisa)
1
3000
3000
(Risas)
00:21
DrDr. GeroGero is a brilliantbrillante
2
6000
3000
El Dr. Gero es un científico
00:24
but slightlyligeramente madenojado scientistcientífico
3
9000
2000
brillante pero un poco loco
00:26
in the "DragonballEsfera del dragón Z: AndroidAndroide SagaSaga."
4
11000
3000
de la "Saga Androids" de Dragon Ball Z.
00:29
If you look very carefullycuidadosamente,
5
14000
2000
Si miran con cuidado,
00:31
you see that his skullcráneo has been replacedreemplazado
6
16000
3000
se ve que su cráneo ha sido sustituido
00:34
with a transparenttransparente PlexiglasPlexiglás domeHazme
7
19000
2000
por una cúpula transparente de plexiglás
00:36
so that the workingsfuncionamiento of his braincerebro can be observedobservado
8
21000
3000
así que el funcionamiento de su cerebro se puede observar
00:39
and alsoademás controlledrevisado with lightligero.
9
24000
3000
y controlar con luz.
00:42
That's exactlyexactamente what I do --
10
27000
2000
Eso es exactamente lo que hago...
00:44
opticalóptico mindmente controlcontrolar.
11
29000
2000
control óptico de la mente.
00:46
(LaughterRisa)
12
31000
2000
(Risas)
00:48
But in contrastcontraste to my evilmal twingemelo
13
33000
2000
Pero a diferencia de mi gemelo malvado,
00:50
who lustslujuria after worldmundo dominationdominación,
14
35000
3000
que quiere dominar el mundo,
00:53
my motivesmotivos are not sinistersiniestro.
15
38000
3000
mis motivos no son siniestros.
00:56
I controlcontrolar the braincerebro
16
41000
2000
Yo controlo el cerebro
00:58
in orderorden to understandentender how it workstrabajos.
17
43000
2000
para entender cómo funciona.
01:00
Now wait a minuteminuto, you maymayo say,
18
45000
2000
Y Uds dirán: espere un minuto,
01:02
how can you go straightDerecho to controllingcontrolador the braincerebro
19
47000
3000
¿cómo puede controlar el cerebro...
01:05
withoutsin understandingcomprensión it first?
20
50000
2000
...sin entenderlo primero?
01:07
Isn't that puttingponiendo the cartcarro before the horsecaballo?
21
52000
3000
¿No es poner el carro delante del caballo?
01:11
ManyMuchos neuroscientistsneurocientíficos agreede acuerdo with this viewver
22
56000
3000
Muchos neurocientíficos piensan lo mismo,
01:14
and think that understandingcomprensión will come
23
59000
3000
que la comprensión vendrá
01:17
from more detaileddetallado observationobservación and analysisanálisis.
24
62000
3000
de una observación y un análisis más detallados.
01:20
They say, "If we could recordgrabar the activityactividad of our neuronsneuronas,
25
65000
4000
Dicen: "Si pudiéramos registrar la actividad neuronal...
01:24
we would understandentender the braincerebro."
26
69000
3000
...entenderíamos al cerebro".
01:27
But think for a momentmomento what that meansmedio.
27
72000
3000
Pero piensen un momento lo que eso significa.
01:30
Even if we could measuremedida
28
75000
2000
Aún si pudiéramos medir
01:32
what everycada cellcelda is doing at all timesveces,
29
77000
2000
lo hace cada célula en todo momento,
01:34
we would still have to make sensesentido
30
79000
2000
todavía tendría que darle sentido
01:36
of the recordedgrabado activityactividad patternspatrones,
31
81000
2000
a los patrones de actividad registrados
01:38
and that's so difficultdifícil,
32
83000
2000
y eso es muy difícil;
01:40
chancesposibilidades are we'llbien understandentender these patternspatrones
33
85000
2000
lo más probable es que entendamos tan poco
01:42
just as little as the brainssesos that produceProduce them.
34
87000
3000
estos patrones como al cerebro que los produce.
01:45
Take a look at what braincerebro activityactividad mightpodría look like.
35
90000
3000
Miren cómo se vería la actividad cerebral.
01:48
In this simulationsimulación, eachcada blacknegro dotpunto
36
93000
2000
En esta simulación, cada punto negro
01:50
is one nervenervio cellcelda.
37
95000
2000
es una célula nerviosa.
01:52
The dotpunto is visiblevisible
38
97000
2000
El punto es visible
01:54
whenevercuando a cellcelda firesincendios an electricaleléctrico impulseimpulso.
39
99000
2000
cada vez que una célula dispara un impulso eléctrico.
01:56
There's 10,000 neuronsneuronas here.
40
101000
2000
Hay 10.000 neuronas aquí.
01:58
So you're looking at roughlyaproximadamente one percentpor ciento
41
103000
2000
Estamos mirando cerca de un 1%
02:00
of the braincerebro of a cockroachcucaracha.
42
105000
3000
del cerebro de una cucaracha.
02:04
Your brainssesos are about 100 millionmillón timesveces
43
109000
3000
Nuestros cerebros son unos 100 millones de veces
02:07
more complicatedComplicado.
44
112000
2000
más complicados.
02:09
SomewhereAlgun lado, in a patternpatrón like this,
45
114000
2000
En algún punto es un patrón como este,
02:11
is you,
46
116000
2000
eres tú,
02:13
your perceptionspercepciones,
47
118000
2000
tus percepciones,
02:15
your emotionsemociones, your memoriesrecuerdos,
48
120000
3000
tus emociones, tus recuerdos,
02:18
your plansplanes for the futurefuturo.
49
123000
2000
tus planes para el futuro.
02:20
But we don't know where,
50
125000
2000
Pero no sabemos dónde,
02:22
sinceya que we don't know how to readleer the patternpatrón.
51
127000
3000
dado que no conocemos cómo leer el patrón.
02:25
We don't understandentender the codecódigo used by the braincerebro.
52
130000
3000
No entendemos el código que usa el cerebro.
02:28
To make progressProgreso,
53
133000
2000
Para avanzar
02:30
we need to breakdescanso the codecódigo.
54
135000
2000
tenemos que descifrar el código.
02:32
But how?
55
137000
2000
Pero, ¿cómo?
02:35
An experiencedexperimentado code-breakerdescifrador de códigos will tell you
56
140000
2000
Un desencriptador con experiencia les dirá
02:37
that in orderorden to figurefigura out what the symbolssímbolos in a codecódigo mean,
57
142000
3000
que para descubrir qué significan los símbolos de un código
02:40
it's essentialesencial to be ablepoder to playjugar with them,
58
145000
3000
es esencial poder jugar con ellos,
02:43
to rearrangearreglar de nuevo them at will.
59
148000
2000
reacomodarlos a voluntad.
02:45
So in this situationsituación too,
60
150000
2000
Así que en esta situación también,
02:47
to decodedescodificar the informationinformación
61
152000
2000
para decodificar la información
02:49
containedcontenido in patternspatrones like this,
62
154000
2000
contenida en los patrones de este tipo,
02:51
watchingacecho alonesolo won'tcostumbre do.
63
156000
2000
con sólo mirar no basta;
02:53
We need to rearrangearreglar de nuevo the patternpatrón.
64
158000
2000
tenemos que reacomodar el patrón.
02:55
In other wordspalabras,
65
160000
2000
En otras palabras,
02:57
insteaden lugar of recordinggrabación the activityactividad of neuronsneuronas,
66
162000
2000
en vez de grabar la actividad neuronal
02:59
we need to controlcontrolar it.
67
164000
2000
tenemos que controlarla.
03:01
It's not essentialesencial that we can controlcontrolar
68
166000
2000
No es esencial que podamos controlar
03:03
the activityactividad of all neuronsneuronas in the braincerebro, just some.
69
168000
3000
la actividad de todas las neuronas del cerebro, sólo algunas.
03:06
The more targetedapuntado our interventionsintervenciones, the better.
70
171000
2000
Cuanto más orientadas nuestras intervenciones, mejor.
03:08
And I'll showespectáculo you in a momentmomento
71
173000
2000
En un momento les voy a mostrar
03:10
how we can achievelograr the necessarynecesario precisionprecisión.
72
175000
3000
cómo alcanzar la precisión necesaria.
03:13
And sinceya que I'm realisticrealista, rathermás bien than grandiosegrandioso,
73
178000
3000
Y como soy realista, más que ambicioso,
03:16
I don't claimReclamación that the abilitycapacidad to controlcontrolar the functionfunción of the nervousnervioso systemsistema
74
181000
3000
no afirmo que la capacidad de controlar la función del sistema nervioso
03:19
will at onceuna vez unraveldesenmarañar all its mysteriesmisterios.
75
184000
3000
desentrañe de una vez todos sus misterios.
03:22
But we'llbien certainlyciertamente learnaprender a lot.
76
187000
3000
Pero sin duda vamos a aprender mucho.
03:27
Now, I'm by no meansmedio
77
192000
2000
Ahora, de ninguna manera soy
03:29
the first personpersona to realizedarse cuenta de
78
194000
2000
la primera persona en darse cuenta
03:31
how powerfulpoderoso a toolherramienta interventionintervención is.
79
196000
3000
qué herramienta poderosa es la intervención.
03:34
The historyhistoria of attemptsintentos
80
199000
2000
La historia de los intentos
03:36
to tinkergitano with the functionfunción of the nervousnervioso systemsistema
81
201000
2000
de jugar con la función del sistema nervioso
03:38
is long and illustriousilustre.
82
203000
2000
es larga e ilustre.
03:40
It datesfechas back at leastmenos 200 yearsaños,
83
205000
3000
Su origen se remonta al menos 200 años,
03:43
to Galvani'sGalvani famousfamoso experimentsexperimentos
84
208000
2000
a los famosos experimentos de Galvani
03:45
in the latetarde 18thth centurysiglo and beyondmás allá.
85
210000
3000
de fines del siglo XVIII y más allá.
03:49
GalvaniGalvani showedmostró that a frog'srana legspiernas twitchedcrispado
86
214000
3000
Galvani demostró que las patas de una rana se movían
03:52
when he connectedconectado the lumbarlumbar nervenervio
87
217000
2000
cuando él conectaba el nervio lumbar
03:54
to a sourcefuente of electricaleléctrico currentcorriente.
88
219000
3000
a una fuente de corriente eléctrica.
03:57
This experimentexperimentar revealedrevelado the first, and perhapsquizás mostmás fundamentalfundamental,
89
222000
3000
Este experimento reveló la primera, y tal vez fundamental,
04:00
nuggetpepita of the neuralneural codecódigo:
90
225000
2000
pista del código neuronal:
04:02
that informationinformación is writtenescrito in the formformar
91
227000
2000
que la información está escrita en forma
04:04
of electricaleléctrico impulsesimpulsos.
92
229000
3000
de impulsos eléctricos.
04:08
Galvani'sGalvani approachenfoque
93
233000
2000
El enfoque de Galvani,
04:10
of probingsondeo the nervousnervioso systemsistema with electrodeselectrodos
94
235000
2000
de sondear el sistema nervioso con electrodos,
04:12
has remainedse mantuvo state-of-the-artlo último untilhasta todayhoy,
95
237000
3000
sigue siendo la norma hoy en día,
04:15
despiteA pesar de a numbernúmero of drawbacksinconvenientes.
96
240000
3000
a pesar de una serie de inconvenientes.
04:18
StickingPega wiresalambres into the braincerebro is obviouslyobviamente rathermás bien crudecrudo.
97
243000
3000
Poner cables en el cerebro obviamente es más bien tosco.
04:21
It's harddifícil to do in animalsanimales that runcorrer around,
98
246000
2000
Es difícil de hacer en animales en movimiento
04:23
and there is a physicalfísico limitlímite
99
248000
2000
y hay un límite físico
04:25
to the numbernúmero of wiresalambres
100
250000
2000
de la cantidad de cables
04:27
that can be insertedinsertado simultaneouslysimultaneamente.
101
252000
3000
que se pueden insertar de forma simultánea.
04:30
So around the turngiro of the last centurysiglo,
102
255000
2000
Así que a fines del siglo pasado,
04:32
I startedempezado to think,
103
257000
2000
empecé a pensar
04:34
"Wouldn'tNo lo haría it be wonderfulmaravilloso if one could take this logiclógica
104
259000
3000
que sería maravilloso tomar esta lógica
04:37
and turngiro it upsideboca arriba down?"
105
262000
2000
y poder revertirla.
04:39
So insteaden lugar of insertinginsertando a wirecable
106
264000
2000
Así, en vez de insertar un cable
04:41
into one spotlugar of the braincerebro,
107
266000
3000
en un solo lugar del cerebro,
04:44
re-engineerreingeniería the braincerebro itselfsí mismo
108
269000
2000
mejor rediseñar el propio cerebro
04:46
so that some of its neuralneural elementselementos
109
271000
3000
para que algunos de sus elementos neurales
04:49
becomevolverse responsivesensible to diffuselydifusamente broadcastemisión signalsseñales
110
274000
3000
sean sensibles a señales de transmisión difusa,
04:52
suchtal as a flashdestello of lightligero.
111
277000
3000
como un destello de luz.
04:55
SuchTal an approachenfoque would literallyliteralmente, in a flashdestello of lightligero,
112
280000
3000
Un enfoque tal superaría, en un destello de luz,
04:58
overcomesuperar manymuchos of the obstaclesobstáculos to discoverydescubrimiento.
113
283000
3000
muchos de los obstáculos para el descubrimiento.
05:01
First, it's clearlyclaramente a non-invasiveno invasivo,
114
286000
3000
En primer lugar, es claramente una forma
05:04
wirelessinalámbrico formformar of communicationcomunicación.
115
289000
3000
de comunicación inalámbrica, no invasiva.
05:07
And secondsegundo, just as in a radioradio broadcastemisión,
116
292000
2000
En segundo lugar, como en un programa de radio,
05:09
you can communicatecomunicar with manymuchos receiversreceptores at onceuna vez.
117
294000
3000
uno puede comunicarse con muchos receptores a la vez.
05:12
You don't need to know where these receiversreceptores are,
118
297000
3000
No es necesario saber dónde están estos receptores.
05:15
and it doesn't matterimportar if these receiversreceptores movemovimiento --
119
300000
2000
Y no importa si estos receptores se mueven;
05:17
just think of the stereoestéreo in your carcoche.
120
302000
3000
basta pensar en el estéreo del coche.
05:20
It getsse pone even better,
121
305000
3000
Se pone aún mejor,
05:23
for it turnsvueltas out that we can fabricatefabricar the receiversreceptores
122
308000
3000
pues resulta que podemos fabricar los receptores
05:26
out of materialsmateriales that are encodedcodificado in DNAADN.
123
311000
3000
a partir de materiales codificados en el ADN.
05:29
So eachcada nervenervio cellcelda
124
314000
2000
Así, cada célula nerviosa
05:31
with the right geneticgenético makeupmaquillaje
125
316000
2000
con la estructura genética correcta
05:33
will spontaneouslyespontáneamente produceProduce a receiverreceptor
126
318000
3000
producirá de forma espontánea un receptor
05:36
that allowspermite us to controlcontrolar its functionfunción.
127
321000
3000
que nos permitirá controlar su función.
05:39
I hopeesperanza you'lltu vas a appreciateapreciar
128
324000
2000
Espero que aprecien
05:41
the beautifulhermosa simplicitysencillez
129
326000
2000
la hermosa sencillez
05:43
of this conceptconcepto.
130
328000
2000
de este concepto.
05:45
There's no high-techalta tecnología gizmosartilugios here,
131
330000
2000
Aquí no hay artilugios de alta tecnología,
05:47
just biologybiología revealedrevelado throughmediante biologybiología.
132
332000
3000
sólo biología revelada con biología.
05:51
Now let's take a look at these miraculousmilagroso receiversreceptores up closecerca.
133
336000
3000
Ahora miremos de cerca a estos receptores milagrosos.
05:54
As we zoomenfocar in on one of these purplepúrpura neuronsneuronas,
134
339000
3000
A medida que nos acercamos a estas neuronas púrpura
05:57
we see that its outerexterior membranemembrana
135
342000
2000
vemos que su membrana exterior
05:59
is studdedtachonado with microscopicmicroscópico poresporos.
136
344000
2000
está salpicada de poros microscópicos.
06:01
PoresPoros like these conductconducta electricaleléctrico currentcorriente
137
346000
2000
Poros como estos conducen la corriente eléctrica
06:03
and are responsibleresponsable
138
348000
2000
y son responsables
06:05
for all the communicationcomunicación in the nervousnervioso systemsistema.
139
350000
2000
de toda la comunicación en el sistema nervioso.
06:07
But these poresporos here are specialespecial.
140
352000
2000
Pero estos poros de aquí son especiales.
06:09
They are coupledacoplado to lightligero receptorsreceptores
141
354000
2000
Están acoplados a receptores de luz
06:11
similarsimilar to the onesunos in your eyesojos.
142
356000
3000
similares a los de los ojos.
06:14
WheneverCuando a flashdestello of lightligero hitsgolpes the receptorreceptor,
143
359000
2000
Cada vez que un rayo de luz incide en el receptor,
06:16
the poreporo opensabre, an electricaleléctrico currentcorriente is switchedcambiado on,
144
361000
3000
se abre el poro, se enciende la corriente eléctrica,
06:19
and the neuronneurona firesincendios electricaleléctrico impulsesimpulsos.
145
364000
3000
y la neurona dispara impulsos eléctricos.
06:22
Because the light-activatedactivado por la luz poreporo is encodedcodificado in DNAADN,
146
367000
3000
Debido a que el poro está codificado en el ADN,
06:25
we can achievelograr incredibleincreíble precisionprecisión.
147
370000
3000
podemos lograr una precisión increíble.
06:28
This is because,
148
373000
2000
Esto se debe a que,
06:30
althougha pesar de que eachcada cellcelda in our bodiescuerpos
149
375000
2000
aunque cada célula de nuestro cuerpo
06:32
containscontiene the samemismo setconjunto of genesgenes,
150
377000
2000
contiene el mismo conjunto de genes,
06:34
differentdiferente mixesmezclas of genesgenes get turnedconvertido on and off
151
379000
2000
se activan y desactivan distintas combinaciones de genes
06:36
in differentdiferente cellsCélulas.
152
381000
2000
en células diferentes.
06:38
You can exploitexplotar this to make sure
153
383000
2000
Esto se puede aprovechar para asegurarse
06:40
that only some neuronsneuronas
154
385000
2000
de que sólo algunas neuronas
06:42
containContiene our light-activatedactivado por la luz poreporo and othersotros don't.
155
387000
3000
contengan poros fotosensibles y otras no.
06:45
So in this cartoondibujos animados, the bluishazulado whiteblanco cellcelda
156
390000
2000
En esta lámina la célula blanco-azulada
06:47
in the upper-leftarriba a la izquierda corneresquina
157
392000
2000
de la esquina superior izquierda
06:49
does not respondresponder to lightligero
158
394000
2000
no responde a la luz
06:51
because it lackscarece the light-activatedactivado por la luz poreporo.
159
396000
3000
porque carece de poros fotosensibles.
06:54
The approachenfoque workstrabajos so well
160
399000
2000
El método funciona tan bien
06:56
that we can writeescribir purelypuramente artificialartificial messagesmensajes
161
401000
2000
que se puede escribir mensajes puramente artificiales
06:58
directlydirectamente to the braincerebro.
162
403000
2000
directamente en el cerebro.
07:00
In this exampleejemplo, eachcada electricaleléctrico impulseimpulso,
163
405000
2000
En este ejemplo cada impuso eléctrico,
07:02
eachcada deflectiondesviación on the tracerastro,
164
407000
3000
cada desviación de la traza,
07:05
is causedcausado by a briefbreve pulselegumbres of lightligero.
165
410000
3000
es causado por un breve pulso de luz.
07:08
And the approachenfoque, of coursecurso, alsoademás workstrabajos
166
413000
2000
Y el enfoque también funciona
07:10
in movingemocionante, behavingcomportarse animalsanimales.
167
415000
3000
en animales en movimiento.
07:13
This is the first ever suchtal experimentexperimentar,
168
418000
2000
Este es el primer experimento en su tipo,
07:15
sortordenar of the opticalóptico equivalentequivalente of Galvani'sGalvani.
169
420000
3000
una especie de equivalente óptico del de Galvani.
07:18
It was donehecho sixseis or sevensiete yearsaños agohace
170
423000
2000
Fue hecho hace 6 ó 7 años por mi, en ese entonces,
07:20
by my then graduategraduado studentestudiante, SusanaSusana LimaLima.
171
425000
3000
estudiante de posgrado Susana Lima.
07:23
SusanaSusana had engineereddiseñado the fruitFruta flymosca on the left
172
428000
3000
Susana diseñó la mosca de la fruta de la izquierda
07:26
so that just two out of the 200,000 cellsCélulas in its braincerebro
173
431000
4000
para que sólo 2 de las 200.000 células del cerebro
07:30
expressedexpresado the light-activatedactivado por la luz poreporo.
174
435000
3000
expresaran el poro fotosensible.
07:33
You're familiarfamiliar with these cellsCélulas
175
438000
2000
Uds conocen bien estas células
07:35
because they are the onesunos that frustratefrustrar you
176
440000
2000
porque son las que los frustran
07:37
when you try to swataplastar the flymosca.
177
442000
2000
cuando intentan aplastar la mosca.
07:39
They trainedentrenado the escapeescapar reflexreflejo that makeshace the flymosca jumpsaltar into the airaire
178
444000
3000
Entrenan el reflejo de escape que las hace saltar por el aire
07:42
and flymosca away whenevercuando you movemovimiento your handmano in positionposición.
179
447000
3000
y volar cada vez que uno mueve la mano de su dirección.
07:46
And you can see here that the flashdestello of lightligero has exactlyexactamente the samemismo effectefecto.
180
451000
3000
Y aquí pueden ver que el destello de luz tiene exactamente el mismo efecto.
07:49
The animalanimal jumpssaltos, it spreadsdiferenciales its wingsalas, it vibratesvibra them,
181
454000
3000
El animal salta, despliega sus alas, las hace vibrar,
07:52
but it can't actuallyactualmente take off
182
457000
2000
pero no puede despegar
07:54
because the flymosca is sandwichedintercalado betweenEntre two glassvaso platesplatos.
183
459000
3000
porque la mosca está atrapada entre dos placas de vidrio.
07:58
Now to make sure that this was no reactionreacción of the flymosca
184
463000
2000
Para asegurarnos de que no se trataba de la reacción de la mosca
08:00
to a flashdestello it could see,
185
465000
3000
a un destello que podía ver
08:03
SusanaSusana did a simplesencillo
186
468000
2000
Susana realizó un experimento
08:05
but brutallybrutalmente effectiveeficaz experimentexperimentar.
187
470000
2000
simple pero brutalmente eficaz.
08:07
She cutcortar the headscabezas off of her fliesmoscas.
188
472000
3000
Decapitó a sus moscas.
08:11
These headlesssin cabeza bodiescuerpos can livevivir for about a day,
189
476000
3000
Estos cuerpos decapitados pueden vivir un día,
08:14
but they don't do much.
190
479000
2000
pero no hacen mucho.
08:16
They just standestar around
191
481000
3000
Sólo se pasean
08:19
and groomnovio excessivelyexcesivamente.
192
484000
3000
y se pavonean en exceso.
08:22
So it seemsparece that the only traitrasgo that survivesSobrevive decapitationdecapitación is vanityvanidad.
193
487000
3000
Parece que el único rasgo que sobrevive a la decapitación es la vanidad.
08:25
(LaughterRisa)
194
490000
3000
(Risas)
08:30
AnywayDe todas formas, as you'lltu vas a see in a momentmomento,
195
495000
2000
De todos modos, como veremos en un momento,
08:32
SusanaSusana was ablepoder to turngiro on the flightvuelo motormotor
196
497000
3000
Susana pudo encender el motor de vuelo
08:35
of what's the equivalentequivalente of the spinalespinal cordcable of these fliesmoscas
197
500000
3000
del equivalente de la columna vertebral de estas moscas
08:38
and get some of the headlesssin cabeza bodiescuerpos
198
503000
2000
y hacer que algunos cuerpos decapitados
08:40
to actuallyactualmente take off and flymosca away.
199
505000
3000
realmente despegaran y volaran.
08:47
They didn't get very farlejos, obviouslyobviamente.
200
512000
2000
No llegaron muy lejos, obviamente.
08:50
SinceYa que we tooktomó these first stepspasos,
201
515000
2000
Desde que dimos estos primeros pasos
08:52
the fieldcampo of optogeneticsoptogenética has explodedexplotó.
202
517000
3000
el campo de la opto genética se ha disparado.
08:55
And there are now hundredscientos of labslaboratorios
203
520000
2000
Ahora hay cientos de laboratorios
08:57
usingutilizando these approachesenfoques.
204
522000
2000
que usan estos enfoques.
08:59
And we'venosotros tenemos come a long way
205
524000
2000
Y hemos recorrido un largo camino
09:01
sinceya que Galvani'sGalvani and Susana'sSusana first successeséxitos
206
526000
3000
desde los primeros éxitos de Galvani y Susana
09:04
in makingfabricación animalsanimales twitchcontracción nerviosa or jumpsaltar.
207
529000
2000
en hacer mover a los animales.
09:06
We can now actuallyactualmente interfereinterferir with theirsu psychologypsicología
208
531000
3000
Ahora podemos interferir con su psicología
09:09
in rathermás bien profoundprofundo waysformas,
209
534000
2000
de maneras más profundas
09:11
as I'll showespectáculo you in my last exampleejemplo,
210
536000
2000
como les mostraré en mi último ejemplo,
09:13
whichcual is directeddirigido at a familiarfamiliar questionpregunta.
211
538000
3000
que apunta a una cuestión familiar.
09:16
Life is a stringcuerda of choiceselecciones
212
541000
3000
La vida es una serie de opciones
09:19
creatingcreando a constantconstante pressurepresión to decidedecidir what to do nextsiguiente.
213
544000
3000
que crean una presión constante para decidir qué hacer a continuación.
09:23
We copecapa pluvial with this pressurepresión by havingteniendo brainssesos,
214
548000
3000
Hacemos frente a esa presión con el cerebro
09:26
and withindentro our brainssesos, decision-makingToma de decisiones centerscentros
215
551000
3000
y dentro del cerebro, con los centros de toma de decisiones
09:29
that I've calledllamado here the "ActorActor."
216
554000
3000
que aquí he llamado el Actor.
09:33
The ActorActor implementsimplementos a policypolítica that takes into accountcuenta
217
558000
3000
El Actor implementa una política que tiene en cuenta
09:36
the stateestado of the environmentambiente
218
561000
2000
el estado del entorno
09:38
and the contextcontexto in whichcual we operatefuncionar.
219
563000
3000
y el contexto en el que operamos.
09:41
Our actionscomportamiento changecambio the environmentambiente, or contextcontexto,
220
566000
3000
Nuestras acciones cambian al medio ambiente o contexto,
09:44
and these changescambios are then fedalimentado back into the decisiondecisión looplazo.
221
569000
3000
y estos cambios retroalimentan luego el circuito de decisión.
09:48
Now to put some neurobiologicalneurobiológico meatcarne
222
573000
3000
Para poner un poco de carne neurobiológica
09:51
on this abstractabstracto modelmodelo,
223
576000
2000
en este modelo abstracto,
09:53
we constructedconstruido a simplesencillo one-dimensionalunidimensional worldmundo
224
578000
2000
construimos un mundo simple unidimensional
09:55
for our favoritefavorito subjecttema, fruitFruta fliesmoscas.
225
580000
3000
para nuestro sujeto favorito, la mosca de la fruta.
09:58
EachCada chambercámara in these two verticalvertical stackspilas
226
583000
2000
Cada cámara en estas dos pilas verticales
10:00
containscontiene one flymosca.
227
585000
2000
contiene una mosca.
10:02
The left and the right halvesmitades of the chambercámara
228
587000
3000
La mitad izquierda y la derecha de la cámara
10:05
are filledlleno with two differentdiferente odorsolores,
229
590000
2000
se llenan con dos olores diferentes,
10:07
and a securityseguridad cameracámara watchesrelojes
230
592000
2000
y una cámara de seguridad mira
10:09
as the fliesmoscas pacepaso up and down betweenEntre them.
231
594000
3000
cómo las moscas se pasean entre ellas.
10:12
Here'sAquí está some suchtal CCTVCCTV footagedistancia en pies.
232
597000
2000
Aquí hay algunas tomas del CCTV.
10:14
WheneverCuando a flymosca reachesalcanza the midpointpunto medio of the chambercámara
233
599000
3000
Cada vez que una mosca llega al medio de la cámara
10:17
where the two odorolor streamsarroyos meetreunirse,
234
602000
2000
donde se juntan los dos olores
10:19
it has to make a decisiondecisión.
235
604000
2000
tiene que tomar una decisión.
10:21
It has to decidedecidir whethersi to turngiro around
236
606000
2000
Tiene que decidir si dar la vuelta
10:23
and staypermanecer in the samemismo odorolor,
237
608000
2000
y quedarse en el mismo olor,
10:25
or whethersi to crosscruzar the midlinelínea media
238
610000
2000
o si cruzar la línea del medio
10:27
and try something newnuevo.
239
612000
2000
y probar algo nuevo.
10:29
These decisionsdecisiones are clearlyclaramente a reflectionreflexión
240
614000
3000
Estas decisiones son claramente un reflejo
10:32
of the Actor'sActor policypolítica.
241
617000
3000
de la política del Actor.
10:36
Now for an intelligentinteligente beingsiendo like our flymosca,
242
621000
3000
Para un ser inteligente como nuestra mosca,
10:39
this policypolítica is not writtenescrito in stonepiedra
243
624000
3000
esta política no es algo rígido,
10:42
but rathermás bien changescambios as the animalanimal learnsaprende from experienceexperiencia.
244
627000
3000
sino que cambia a medida que el animal aprende de la experiencia.
10:45
We can incorporateincorporar suchtal an elementelemento
245
630000
2000
Podemos incorporar un elemento tal
10:47
of adaptiveadaptado intelligenceinteligencia into our modelmodelo
246
632000
3000
de inteligencia de adaptación al modelo
10:50
by assumingasumiendo that the fly'smosca braincerebro
247
635000
2000
suponiendo que el cerebro de la mosca
10:52
containscontiene not only an ActorActor,
248
637000
2000
contiene no sólo un Actor,
10:54
but a differentdiferente groupgrupo of cellsCélulas,
249
639000
2000
sino un grupo diferente de células,
10:56
a "CriticCrítico," that providesproporciona a runningcorriendo commentarycomentario
250
641000
3000
una Crítica, que ofrece comentarios continuos
10:59
on the Actor'sActor choiceselecciones.
251
644000
2000
sobre la elección del Actor.
11:01
You can think of this naggingpersistente innerinterior voicevoz
252
646000
3000
Puede pensarse esta voz interior incesante
11:04
as sortordenar of the brain'ssesos equivalentequivalente
253
649000
2000
como un equivalente cerebral
11:06
of the Catholiccatólico ChurchIglesia,
254
651000
2000
de la Iglesia Católica
11:08
if you're an Austrianaustriaco like me,
255
653000
3000
para un austríaco como yo,
11:11
or the super-egosuperego, if you're Freudianfreudiano,
256
656000
3000
o del superego para los freudianos,
11:14
or your mothermadre, if you're Jewishjudío.
257
659000
2000
o de la madre para los judíos.
11:16
(LaughterRisa)
258
661000
4000
(Risas)
11:20
Now obviouslyobviamente,
259
665000
2000
Ahora, obviamente,
11:22
the CriticCrítico is a keyllave ingredientingrediente
260
667000
3000
la Crítica es un ingrediente clave
11:25
in what makeshace us intelligentinteligente.
261
670000
2000
de lo que nos hace inteligentes.
11:27
So we setconjunto out to identifyidentificar
262
672000
2000
Así, nos propusimos identificar
11:29
the cellsCélulas in the fly'smosca braincerebro
263
674000
2000
las células del cerebro de la mosca
11:31
that playedjugó the rolepapel of the CriticCrítico.
264
676000
2000
que desempeñaban el papel de la Crítica.
11:33
And the logiclógica of our experimentexperimentar was simplesencillo.
265
678000
3000
Y la lógica de nuestro experimento era sencilla.
11:36
We thought if we could use our opticalóptico remoteremoto controlcontrolar
266
681000
3000
Si podíamos usar nuestro control remoto óptico
11:39
to activateactivar the cellsCélulas of the CriticCrítico,
267
684000
3000
para activar las células de la Crítica,
11:42
we should be ablepoder, artificiallyartificialmente, to nagrocín the ActorActor
268
687000
3000
podríamos, artificialmente, fastidiar al Actor
11:45
into changingcambiando its policypolítica.
269
690000
2000
para que cambie su política.
11:47
In other wordspalabras,
270
692000
2000
En otras palabras,
11:49
the flymosca should learnaprender from mistakeserrores
271
694000
2000
la mosca debería aprender de los errores
11:51
that it thought it had madehecho
272
696000
2000
que pensara que había cometido,
11:53
but, in realityrealidad, it had not madehecho.
273
698000
3000
pero que en realidad no cometió.
11:56
So we bredcriado fliesmoscas
274
701000
2000
Así que criamos moscas
11:58
whosecuyo brainssesos were more or lessMenos randomlyal azar pepperedsalpicado
275
703000
3000
cuyos cerebros fueron salpicados más o menos al azar
12:01
with cellsCélulas that were lightligero addressabledireccionable.
276
706000
2000
con células direccionables por la luz.
12:03
And then we tooktomó these fliesmoscas
277
708000
2000
Y luego tomamos estas moscas
12:05
and allowedpermitido them to make choiceselecciones.
278
710000
2000
y les permitimos tomar decisiones.
12:07
And whenevercuando they madehecho one of the two choiceselecciones,
279
712000
2000
Y cada vez que elegían una de las dos opciones,
12:09
choseElegir one odorolor,
280
714000
2000
elegían un olor,
12:11
in this casecaso the blueazul one over the orangenaranja one,
281
716000
2000
en este caso el azul sobre el naranja,
12:13
we switchedcambiado on the lightsluces.
282
718000
2000
encendíamos las luces.
12:15
If the CriticCrítico was amongentre the opticallyópticamente activatedactivado cellsCélulas,
283
720000
3000
Si la Crítica estaba entre las células ópticamente activas,
12:18
the resultresultado of this interventionintervención
284
723000
2000
el resultado de esta intervención
12:20
should be a changecambio in policypolítica.
285
725000
3000
debía ser un cambio de política.
12:23
The flymosca should learnaprender to avoidevitar
286
728000
2000
La mosca debía aprender a evitar
12:25
the opticallyópticamente reinforcedreforzado odorolor.
287
730000
2000
el olor ópticamente reforzado.
12:27
Here'sAquí está what happenedsucedió in two instancesinstancias:
288
732000
3000
Esto es lo que sucedió en dos casos.
12:30
We're comparingcomparando two strainsson of fliesmoscas,
289
735000
3000
Estamos comparando dos cepas de moscas,
12:33
eachcada of them havingteniendo
290
738000
2000
cada una con
12:35
about 100 light-addressabledireccionable a la luz cellsCélulas in theirsu brainssesos,
291
740000
2000
unas 100 células direccionables en sus cerebros,
12:37
shownmostrado here in greenverde on the left and on the right.
292
742000
3000
mostradas aquí en verde a izquierda y derecha.
12:40
What's commoncomún amongentre these groupsgrupos of cellsCélulas
293
745000
3000
Lo común entre estos grupos de células
12:43
is that they all produceProduce the neurotransmitterneurotransmisor dopaminedopamina.
294
748000
3000
es que todas producen el neurotransmisor dopamina.
12:46
But the identitiesidentidades of the individualindividual
295
751000
2000
Pero la identidad de las neuronas
12:48
dopamine-producingproducción de dopamina neuronsneuronas
296
753000
2000
individuales productoras de dopamina
12:50
are clearlyclaramente largelyen gran parte differentdiferente on the left and on the right.
297
755000
3000
son muy diferentes a la izquierda y a la derecha.
12:53
OpticallyÓpticamente activatingactivando
298
758000
2000
La activación óptica
12:55
these hundredcien or so cellsCélulas
299
760000
2000
de estas cientos de células
12:57
into two strainsson of fliesmoscas
300
762000
2000
en dos cepas de moscas,
12:59
has dramaticallydramáticamente differentdiferente consequencesConsecuencias.
301
764000
2000
tienen consecuencias radicalmente diferentes.
13:01
If you look first at the behaviorcomportamiento
302
766000
2000
Si miran primero el comportamiento
13:03
of the flymosca on the right,
303
768000
2000
de la mosca de la derecha
13:05
you can see that whenevercuando it reachesalcanza the midpointpunto medio of the chambercámara
304
770000
3000
se puede ver que cada vez que llega al medio de la cámara
13:08
where the two odorsolores meetreunirse,
305
773000
2000
donde se encuentran los dos olores,
13:10
it marchesmarchas straightDerecho throughmediante, as it did before.
306
775000
3000
sigue derecho como lo hacía antes.
13:13
Its behaviorcomportamiento is completelycompletamente unchangedsin alterar.
307
778000
2000
Su comportamiento no cambia.
13:15
But the behaviorcomportamiento of the flymosca on the left is very differentdiferente.
308
780000
3000
Pero el comportamiento de la mosca de la izquierda es muy diferente.
13:18
WheneverCuando it comesproviene up to the midpointpunto medio,
309
783000
3000
Cada vez que llega al medio,
13:21
it pausespausas,
310
786000
2000
se detiene
13:23
it carefullycuidadosamente scansescaneos the odorolor interfaceinterfaz
311
788000
2000
analiza con cuidado la interfaz de olor,
13:25
as if it was sniffingoliendo out its environmentambiente,
312
790000
2000
como si estuviera olfateando su entorno,
13:27
and then it turnsvueltas around.
313
792000
2000
y luego da la vuelta.
13:29
This meansmedio that the policypolítica that the ActorActor implementsimplementos
314
794000
3000
Esto significa que la política que implementa el Actor
13:32
now includesincluye an instructioninstrucción to avoidevitar the odorolor
315
797000
2000
ahora incluye una instrucción para evitar el olor
13:34
that's in the right halfmitad of the chambercámara.
316
799000
3000
que está en la mitad derecha de la cámara.
13:37
This meansmedio that the CriticCrítico
317
802000
2000
Esto significa que la Crítica
13:39
mustdebe have spokenhablado in that animalanimal,
318
804000
2000
debe haber hablado a ese animal,
13:41
and that the CriticCrítico mustdebe be containedcontenido
319
806000
2000
y que la Crítica debe estar contenida
13:43
amongentre the dopamine-producingproducción de dopamina neuronsneuronas on the left,
320
808000
3000
entre las neuronas productoras de dopamina de la izquierda,
13:46
but not amongentre the dopaminedopamina producingproductor neuronsneuronas on the right.
321
811000
3000
pero no en las productoras de dopamina de la derecha.
13:49
ThroughMediante manymuchos suchtal experimentsexperimentos,
322
814000
3000
A través de muchos experimentos,
13:52
we were ablepoder to narrowestrecho down
323
817000
2000
pudimos reducir
13:54
the identityidentidad of the CriticCrítico
324
819000
2000
la identidad de la Crítica
13:56
to just 12 cellsCélulas.
325
821000
2000
a sólo 12 células.
13:58
These 12 cellsCélulas, as shownmostrado here in greenverde,
326
823000
3000
Estas 12 células, como mostramos en verde,
14:01
sendenviar the outputsalida to a braincerebro structureestructura
327
826000
2000
envían el resultado a una estructura cerebral
14:03
calledllamado the "mushroomseta bodycuerpo,"
328
828000
2000
llamada cuerpo de hongo
14:05
whichcual is shownmostrado here in graygris.
329
830000
2000
que está aquí en gris.
14:07
We know from our formalformal modelmodelo
330
832000
2000
Sabemos por nuestro modelo formal
14:09
that the braincerebro structureestructura
331
834000
2000
que la estructura del cerebro
14:11
at the receivingrecepción endfin of the Critic'sCrítica commentarycomentario is the ActorActor.
332
836000
3000
en el extremo receptor de los comentarios de la Crítica es el Actor.
14:14
So this anatomyanatomía suggestssugiere
333
839000
2000
Esta anatomía sugiere
14:16
that the mushroomseta bodiescuerpos have something to do
334
841000
3000
que los cuerpos de hongos tienen algo que ver
14:19
with actionacción choiceelección.
335
844000
2000
con la elección de la acción.
14:21
BasedBasado on everything we know about the mushroomseta bodiescuerpos,
336
846000
2000
En base a todo lo que sabemos sobre los cuerpos de hongos,
14:23
this makeshace perfectPerfecto sensesentido.
337
848000
2000
esto tiene mucho sentido.
14:25
In facthecho, it makeshace so much sensesentido
338
850000
2000
De hecho, tiene tanto sentido
14:27
that we can constructconstruir an electronicelectrónico toyjuguete circuitcircuito
339
852000
3000
que podemos construir un circuito electrónico de juguete
14:30
that simulatessimula the behaviorcomportamiento of the flymosca.
340
855000
3000
que simule el comportamiento de la mosca.
14:33
In this electronicelectrónico toyjuguete circuitcircuito,
341
858000
3000
En este circuito electrónico de juguete
14:36
the mushroomseta bodycuerpo neuronsneuronas are symbolizedsimbolizado
342
861000
2000
las neuronas del cuerpo de hongo son simbolizadas
14:38
by the verticalvertical bankbanco of blueazul LEDsLED
343
863000
3000
por la hilera vertical de LED azul
14:41
in the centercentrar of the boardtablero.
344
866000
3000
del centro del tablero.
14:44
These LED'sLED's are wiredcableado to sensorssensores
345
869000
2000
Estos LEDs están conectados a sensores
14:46
that detectdetectar the presencepresencia of odorousoloroso moleculesmoléculas in the airaire.
346
871000
3000
que detectan la presencia de moléculas de olor en el aire.
14:50
EachCada odorolor activatesactiva a differentdiferente combinationcombinación of sensorssensores,
347
875000
3000
Cada olor activa una combinación diferente de sensores,
14:53
whichcual in turngiro activatesactiva
348
878000
2000
que a su vez activa
14:55
a differentdiferente odorolor detectordetector in the mushroomseta bodycuerpo.
349
880000
3000
un detector de olores diferente en el cuerpo de hongo.
14:58
So the pilotpiloto in the cockpitcabina of the flymosca,
350
883000
2000
Así que el piloto en la cabina de la mosca,
15:00
the ActorActor,
351
885000
2000
el Actor,
15:02
can tell whichcual odorolor is presentpresente
352
887000
2000
puede decir qué olor está presente
15:04
simplysimplemente by looking at whichcual of the blueazul LEDsLED lightsluces up.
353
889000
4000
simplemente mirando qué luz del LED azul está encendida.
15:09
What the ActorActor does with this informationinformación
354
894000
2000
Lo que hace el actor con esta información
15:11
dependsdepende on its policypolítica,
355
896000
2000
depende de su política
15:13
whichcual is storedalmacenado in the strengthsfortalezas of the connectionconexión,
356
898000
2000
que se almacena en los puntos fuertes de la conexión,
15:15
betweenEntre the odorolor detectorsdetectores
357
900000
2000
entre los detectores de olores
15:17
and the motorsmotores
358
902000
2000
y los motores
15:19
that powerpoder the fly'smosca evasiveevasivo actionscomportamiento.
359
904000
2000
que alimentan las acciones evasivas de la mosca.
15:22
If the connectionconexión is weakdébiles, the motorsmotores will staypermanecer off
360
907000
2000
Si la conexión es débil, los motores se quedarán apagados
15:24
and the flymosca will continuecontinuar straightDerecho on its coursecurso.
361
909000
3000
y la mosca seguirá derecho en su curso.
15:27
If the connectionconexión is strongfuerte, the motorsmotores will turngiro on
362
912000
3000
Si la conexión es fuerte, los motores se encenderán
15:30
and the flymosca will initiateiniciado a turngiro.
363
915000
3000
y la mosca iniciará un giro.
15:33
Now considerconsiderar a situationsituación
364
918000
2000
Consideren ahora una situación
15:35
in whichcual the motorsmotores staypermanecer off,
365
920000
2000
con los motores apagados,
15:37
the flymosca continuescontinúa on its pathcamino
366
922000
3000
la mosca sigue su camino
15:40
and it sufferssufre some painfuldoloroso consequenceconsecuencia
367
925000
2000
y sufre una consecuencia dolorosa
15:42
suchtal as gettingconsiguiendo zappedzapped.
368
927000
2000
cercana a la muerte.
15:44
In a situationsituación like this,
369
929000
2000
En una situación como esa
15:46
we would expectesperar the CriticCrítico to speakhablar up
370
931000
2000
esperaríamos que la Crítica se expida
15:48
and to tell the ActorActor
371
933000
2000
y le diga al Actor
15:50
to changecambio its policypolítica.
372
935000
2000
que cambie de política.
15:52
We have createdcreado suchtal a situationsituación, artificiallyartificialmente,
373
937000
3000
Hemos creado tal situación de manera artificial
15:55
by turningtorneado on the criticcrítico with a flashdestello of lightligero.
374
940000
3000
activando la Crítica con un destello de luz.
15:58
That causedcausado a strengtheningfortalecimiento of the connectionsconexiones
375
943000
3000
Eso provocó un refuerzo de las conexiones
16:01
betweenEntre the currentlyactualmente activeactivo odorolor detectordetector
376
946000
3000
entre el detector de olores activo actual
16:04
and the motorsmotores.
377
949000
2000
y los motores.
16:06
So the nextsiguiente time
378
951000
2000
Así, la próxima vez
16:08
the flymosca findsencuentra itselfsí mismo facingfrente a the samemismo odorolor again,
379
953000
3000
que la mosca se encuentra ante el mismo olor de nuevo,
16:11
the connectionconexión is strongfuerte enoughsuficiente to turngiro on the motorsmotores
380
956000
3000
la conexión es lo suficientemente fuerte como para encender los motores
16:14
and to triggerdesencadenar an evasiveevasivo maneuvermaniobra.
381
959000
3000
y disparar una maniobra evasiva.
16:19
I don't know about you,
382
964000
3000
No se ustedes
16:22
but I find it exhilaratingestimulante to see
383
967000
3000
pero a mí me resulta emocionante ver
16:25
how vaguevago psychologicalpsicológico notionsnociones
384
970000
3000
cómo nociones psicológicas vagas
16:28
evaporateevaporar and give risesubir
385
973000
2000
se evaporan y dan lugar
16:30
to a physicalfísico, mechanisticmecánico understandingcomprensión of the mindmente,
386
975000
3000
a una comprensión física, mecánica, de la mente
16:33
even if it's the mindmente of the flymosca.
387
978000
3000
incluso si es la mente de una mosca.
16:36
This is one piecepieza of good newsNoticias.
388
981000
3000
Esta es una buena noticia.
16:39
The other piecepieza of good newsNoticias,
389
984000
2000
La otra buena noticia,
16:41
for a scientistcientífico at leastmenos,
390
986000
2000
al menos para un científico,
16:43
is that much remainspermanece to be discovereddescubierto.
391
988000
3000
es que aún queda mucho por descubrir.
16:46
In the experimentsexperimentos I told you about,
392
991000
2000
En los experimentos que les conté
16:48
we have liftedlevantado the identityidentidad of the CriticCrítico,
393
993000
3000
hemos revelado la identidad de la Crítica,
16:51
but we still have no ideaidea
394
996000
2000
pero todavía no tenemos idea de
16:53
how the CriticCrítico does its jobtrabajo.
395
998000
2000
cómo hace su trabajo la Crítica.
16:55
Come to think of it, knowingconocimiento when you're wrongincorrecto
396
1000000
2000
Si lo pensamos, saber cuándo uno se equivoca
16:57
withoutsin a teacherprofesor, or your mothermadre, tellingnarración you,
397
1002000
3000
sin un maestro, o una madre que nos lo diga,
17:00
is a very harddifícil problemproblema.
398
1005000
2000
es un problema muy difícil.
17:02
There are some ideasideas in computercomputadora scienceciencia
399
1007000
2000
Hay algunas ideas en ciencias de la computación
17:04
and in artificialartificial intelligenceinteligencia
400
1009000
2000
y en la inteligencia artificial
17:06
as to how this mightpodría be donehecho,
401
1011000
2000
de cómo podría hacerse
17:08
but we still haven'tno tiene solvedresuelto
402
1013000
2000
pero todavía no hemos resuelto
17:10
a singlesoltero exampleejemplo
403
1015000
2000
un ejemplo simple
17:12
of how intelligentinteligente behaviorcomportamiento
404
1017000
3000
de cómo el comportamiento inteligente
17:15
springsmuelles from the physicalfísico interactionsinteracciones
405
1020000
2000
surge de las interacciones físicas
17:17
in livingvivo matterimportar.
406
1022000
2000
en la materia viva.
17:19
I think we'llbien get there in the not too distantdistante futurefuturo.
407
1024000
3000
Creo que lo haremos en un futuro no muy lejano.
17:22
Thank you.
408
1027000
2000
Gracias.
17:24
(ApplauseAplausos)
409
1029000
4000
(Aplausos)
Translated by Sebastian Betti
Reviewed by Eduardo Sierra

▲Back to top

ABOUT THE SPEAKER
Gero Miesenboeck - Optogeneticist
Using light and a little genetic engineering -- optogenetics -- Gero Miesenboeck has developed a way to control how living nerve cells work, and advanced understanding of how the brain controls behavior.

Why you should listen

Gero Miesenboeck is pioneering the field of optogenetics: genetically modifying nerve cells to respond to light. By flashing light at a modified neuron in a living nervous system, Miesenboeck and his collaborators can mimic a brain impulse -- and then study what happens next. Optogenetics will allow ever more precise experiments on living brains, allowing us to gather better evidence on how electrical impulses on tissue translate into actual behavior and thoughts.

In one experiment, done at Yale, he and his team engineered fruit flies to be light-sensitive in the neural area responsible for escape response. Then the flies were beheaded; fruit flies can live for a day without their heads, but they don't move. When the modified cells were flashed with light, though, the headless flies flew. Miesenboeck had successfully simulated an order from a brain that wasn't even there anymore.

Miesenboeck's current research at Oxford's growing department of neurobiology focuses on the nerve cell networks that underpin what animals perceive, remember and do. In one recent experiment, he used optogenetics to implant an unpleasant memory in a fruit fly, causing it to "remember" to avoid a certain odor as it traveled around. He and his team were able, in fact, to find the fly's specific 12-neuron brain circuit that govern memory formation.

More profile about the speaker
Gero Miesenboeck | Speaker | TED.com