TEDGlobal 2010
Sebastian Seung: I am my connectome
سباستین سونگ: من یعنی کانکتوم من
Filmed:
Readability: 4.4
1,131,223 views
سباستین سونگ در حال انجام پروژه ای بسیار بلندپروازانه است که هدف آن ارائه مدلی از مغز بر پایه نقشه اتصالات میان تک تک نورون هاست. او این نقشه را "کانکتوم" مینامد، ماهیتی که برای هر کس به اندازه ژنوم او شخصی است -- و شناخت آن میتواند راههای تازه ای را در شناخت مغز و اندیشه ما بگشاید.
Sebastian Seung - Computational neuroscientist
Sebastian Seung is a leader in the new field of connectomics, currently the hottest space in neuroscience, which studies, in once-impossible detail, the wiring of the brain. Full bio
Sebastian Seung is a leader in the new field of connectomics, currently the hottest space in neuroscience, which studies, in once-impossible detail, the wiring of the brain. Full bio
Double-click the English transcript below to play the video.
00:17
We live in in a remarkable time,
0
2000
3000
ما در زمانه فوق العاده ای زندگی میکنیم،
00:20
the age of genomics.
1
5000
3000
عصر ژنومیکس.
00:23
Your genome is the entire sequence of your DNA.
2
8000
3000
ژنوم شما تمام توالی دی. ان. ای. شماست.
00:26
Your sequence and mine are slightly different.
3
11000
3000
توالی شما و توالی من اندکی از هم متفاوت اند.
00:29
That's why we look different.
4
14000
2000
برای همین هم هست که من و شما ظاهر متفاوتی داریم.
00:31
I've got brown eyes;
5
16000
2000
من چشمانی قهوه ای دارم.
00:33
you might have blue or gray.
6
18000
3000
چشمان شما ممکن است آبی یا خاکستری باشند.
00:36
But it's not just skin-deep.
7
21000
2000
اما تمام مساله این اندازه ظاهری هم نیست.
00:38
The headlines tell us
8
23000
2000
هر روز از اخبار میشنویم
00:40
that genes can give us scary diseases,
9
25000
3000
که ژن ها میتوانند منجر به بیماری های خطرناکی در ما شوند،
00:43
maybe even shape our personality,
10
28000
3000
یا حتی در شکل گیری شخصیت ما نقش داشته باشند،
00:46
or give us mental disorders.
11
31000
3000
یا موجب اختلالات روانی در ما شوند.
00:49
Our genes seem to have
12
34000
3000
به نظر میرسد ژن های ما
00:52
awesome power over our destinies.
13
37000
3000
نقش عمیقی در سرنوشت ما داشته باشند.
00:56
And yet, I would like to think
14
41000
3000
اما همچنان من اصرار دارم که تصور کنم
00:59
that I am more than my genes.
15
44000
3000
من چیزی بیشتر از ژن هایم هستم.
01:04
What do you guys think?
16
49000
2000
شما چه فکر میکنید؟
01:06
Are you more than your genes?
17
51000
3000
آیا شما چیزی بیشتر از ژن هایتان هستید؟
01:09
(Audience: Yes.) Yes?
18
54000
2000
(باشندگان: بله.) بله؟
01:13
I think some people agree with me.
19
58000
2000
فکر میکنم بعضی از شما هم با من هم عقیده اید.
01:15
I think we should make a statement.
20
60000
2000
فکر میکنم ما باید این را با قاطعیت بیان کنیم.
01:17
I think we should say it all together.
21
62000
2000
و فکر میکنم حتی باید این را همه با هم فریاد بزنیم.
01:20
All right: "I'm more than my genes" -- all together.
22
65000
3000
بسیار خوب: "من چیزی بیش از ژن هایم هستم" -- همه باهم.
01:23
Everybody: I am more than my genes.
23
68000
4000
همه: من چیزی بیش از ژن هایم هستم.
01:27
(Cheering)
24
72000
2000
(تشویق)
01:30
Sebastian Seung: What am I?
25
75000
2000
سباستین سونگ: پس من یعنی چه؟
01:32
(Laughter)
26
77000
3000
(خنده)
01:35
I am my connectome.
27
80000
3000
من یعنی کانکتوم من.
01:40
Now, since you guys are really great,
28
85000
2000
حالا چون شما شنوندگان خیلی خوبی هستید،
01:42
maybe you can humor me and say this all together too.
29
87000
2000
میتوانید من رو خوشحال کنید و این را هم همه با هم بگویید.
01:44
(Laughter)
30
89000
2000
(خنده)
01:46
Right. All together now.
31
91000
2000
خوب. حالا همه با هم.
01:48
Everybody: I am my connectome.
32
93000
3000
همه: من یعنی کانکتوم من.
01:53
SS: That sounded great.
33
98000
2000
سباستین سونگ: عالی بود.
01:55
You know, you guys are so great, you don't even know what a connectome is,
34
100000
2000
انقدر شما آدم های باحالی هستید که حتی نمیدونید کانکتوم چیست،
01:57
and you're willing to play along with me.
35
102000
2000
اما حاضرید من رو همراهی کنید.
01:59
I could just go home now.
36
104000
3000
فکر میکنم کاری که میخواستم رو کردم و همین حالا میتونم برگردم!
02:02
Well, so far only one connectome is known,
37
107000
3000
بسیار خوب، تا این لحظه تنها یک کانکتوم شناخته شده است،
02:05
that of this tiny worm.
38
110000
3000
کانکتوم این کرم کوچک.
02:08
Its modest nervous system
39
113000
2000
سامانه عصبی جمع و جور این کرم
02:10
consists of just 300 neurons.
40
115000
2000
تنها از ۳۰۰ نورون ساخته شده است.
02:12
And in the 1970s and '80s,
41
117000
2000
و در دهه های ۱۹۷۰ و ۸۰،
02:14
a team of scientists
42
119000
2000
گروهی از دانشمندان
02:16
mapped all 7,000 connections
43
121000
2000
تمامی ۷۰۰۰ اتصال میان این نورون ها را
02:18
between the neurons.
44
123000
2000
نقشه برداری کردند.
02:21
In this diagram, every node is a neuron,
45
126000
2000
در این نمودار، هر گره یک نورون است،
02:23
and every line is a connection.
46
128000
2000
و هر خط یک اتصال.
02:25
This is the connectome
47
130000
2000
و این کانکتوم این کرم کوچک
02:27
of the worm C. elegans.
48
132000
4000
یعنی سی. الگانس است.
02:31
Your connectome is far more complex than this
49
136000
3000
کانکتوم شما بس پیچیده تر از این است،
02:34
because your brain
50
139000
2000
چرا که مغز شما
02:36
contains 100 billion neurons
51
141000
2000
از ۱۰۰ میلیارد نورون ساخته شده
02:38
and 10,000 times as many connections.
52
143000
3000
و تعداد اتصالات آن ۱۰،۰۰۰ برابر بیشتر است.
02:41
There's a diagram like this for your brain,
53
146000
2000
یک نمودار شبیه این برای مغز شما هم وجود دارد،
02:43
but there's no way it would fit on this slide.
54
148000
3000
اما به هیچ طریقی ممکن نیست در این صفحه بگنجد.
02:47
Your connectome contains one million times more connections
55
152000
3000
تعداد اتصالات کانکتوم شما یک میلیون برابر بیشتر است از
02:50
than your genome has letters.
56
155000
3000
تعداد حروف ژنوم شما.
02:53
That's a lot of information.
57
158000
2000
و این یعنی انبوهی از اطلاعات.
02:55
What's in that information?
58
160000
3000
در این انبوه اطلاعات چه چیزی نهفته ست؟
02:59
We don't know for sure, but there are theories.
59
164000
3000
هنوز کسی به طور قطع نمیداند، اما نظریه هایی وجود دارند.
03:02
Since the 19th century, neuroscientists have speculated
60
167000
3000
از قرن نوزدهم، عصب شناسان گمانه زنی هایی در این زمینه کرده اند
03:05
that maybe your memories --
61
170000
2000
که شاید خاطرات شما --
03:07
the information that makes you, you --
62
172000
2000
اطلاعاتی که باعث شده اند شما، شما باشید --
03:09
maybe your memories are stored
63
174000
2000
شاید خاطرات شما در این اتصالات میان نورون های مغز شما
03:11
in the connections between your brain's neurons.
64
176000
2000
نگهداری میشوند.
03:15
And perhaps other aspects of your personal identity --
65
180000
2000
و احتمالا جنبه های دیگری از هویت شخصی شما --
03:17
maybe your personality and your intellect --
66
182000
3000
شاید شخصیت و خرد شما --
03:20
maybe they're also encoded
67
185000
2000
شاید آن ها هم در اتصالات میان نورون های شما
03:22
in the connections between your neurons.
68
187000
3000
رمز شده باشند.
03:26
And so now you can see why I proposed this hypothesis:
69
191000
3000
حالا متوجه میشوید که چرا این فرضیه را پیشنهاد کردم که:
03:29
I am my connectome.
70
194000
3000
من یعنی کانکتوم من.
03:32
I didn't ask you to chant it because it's true;
71
197000
3000
از شما نخواستم که فریادش بزنید چون لزوما درست است،
03:35
I just want you to remember it.
72
200000
2000
تنها از شما میخواهم که آن را بخاطر بسپارید.
03:37
And in fact, we don't know if this hypothesis is correct,
73
202000
2000
در واقع، ما نمیدانیم آیا این فرضیه صحت دارد یا نه،
03:39
because we have never had technologies
74
204000
2000
چون هرگز فناوری های لازم برای آزمودن آن را
03:41
powerful enough to test it.
75
206000
2000
در اختیار نداشته ایم.
03:44
Finding that worm connectome
76
209000
3000
نقشه برداری کانکتوم آن کرم
03:47
took over a dozen years of tedious labor.
77
212000
3000
نیازمند بیش از یک دهه کار طاقت فرسا بود.
03:50
And to find the connectomes of brains more like our own,
78
215000
3000
و برای یافتن کانکتوم مغزهایی شبیه مغز ما
03:53
we need more sophisticated technologies, that are automated,
79
218000
3000
نیاز به فناوری هایی بس پیچیده تر داریم، که خودکار هستند،
03:56
that will speed up the process of finding connectomes.
80
221000
3000
و فرآیند نقشه برداری کانکتوم ها را سرعت میبخشند.
03:59
And in the next few minutes, I'll tell you about some of these technologies,
81
224000
3000
در چند دقیقه آینده در مورد برخی از این فناوری ها صحبت میکنم.
04:02
which are currently under development
82
227000
2000
فناوری هایی که اکنون در آزمایشگاه من و همکارانم
04:04
in my lab and the labs of my collaborators.
83
229000
3000
در حال توسعه هستند.
04:08
Now you've probably seen pictures of neurons before.
84
233000
3000
احتمالا شما تصویر نورون ها را قبلا دیده اید.
04:11
You can recognize them instantly
85
236000
2000
نورون ها را میتوان به راحتی
04:13
by their fantastic shapes.
86
238000
3000
از روی اشکال خارق العاده شان شناخت.
04:16
They extend long and delicate branches,
87
241000
3000
نورون ها شاخه های بلند و نازکی دارند،
04:19
and in short, they look like trees.
88
244000
3000
و شبیه درخت هستند.
04:22
But this is just a single neuron.
89
247000
3000
اما این تنها یک نورون است.
04:25
In order to find connectomes,
90
250000
2000
برای یافتن یک کانکتوم،
04:27
we have to see all the neurons at the same time.
91
252000
3000
بایستی تمام نورون ها را همزمان ببینیم.
04:30
So let's meet Bobby Kasthuri,
92
255000
2000
اجازه بدهید بابی کاستوری را به شما معرفی کنم.
04:32
who works in the laboratory of Jeff Lichtman
93
257000
2000
بابی در آزمایشگاه جف لیکمن
04:34
at Harvard University.
94
259000
2000
در دانشگاه هاروارد کار میکند.
04:36
Bobby is holding fantastically thin slices
95
261000
2000
چیزی که در دست بابی میبینید برش های بسیار نازکی
04:38
of a mouse brain.
96
263000
2000
از مغز موش است.
04:40
And we're zooming in by a factor of 100,000 times
97
265000
3000
برای مشاهده همزمان تمام شاخه های نورون ها
04:44
to obtain the resolution,
98
269000
2000
نیاز به قدرت تفکیکی داریم
04:46
so that we can see the branches of neurons all at the same time.
99
271000
3000
که در بزرگنمایی ۱۰۰،۰۰۰ به دست می آید.
04:50
Except, you still may not really recognize them,
100
275000
3000
تنها مشکل اینجاست که حتی در این بزرگنمایی ممکن است نتوان آن ها را تشخیص داد،
04:53
and that's because we have to work in three dimensions.
101
278000
3000
و این به این دلیل است که باید با دید سه بعدی به آن ها نگاه کنیم.
04:56
If we take many images of many slices of the brain
102
281000
2000
اگر بتوانیم تصاویر بسیاری از تعداد زیادی برش مغز بگیریم
04:58
and stack them up,
103
283000
2000
و آن ها را روی هم پشته کنیم،
05:00
we get a three-dimensional image.
104
285000
2000
به یک تصویر سه بعدی دست خواهیم یافت.
05:02
And still, you may not see the branches.
105
287000
2000
اما همچنان نمیتوان شاخه ها را تشخیص داد.
05:04
So we start at the top,
106
289000
2000
پس از بالا شروع میکنیم،
05:06
and we color in the cross-section of one branch in red,
107
291000
3000
و سطح مقطع یک شاخه را با رنگ قرمز پر میکنیم،
05:09
and we do that for the next slice
108
294000
2000
و این کار را برای برش بعدی هم انجام میدهیم،
05:11
and for the next slice.
109
296000
2000
و برش بعدی هم.
05:13
And we keep on doing that,
110
298000
2000
و این کار را تکرار میکنیم،
05:15
slice after slice.
111
300000
3000
برش بعد از برش.
05:18
If we continue through the entire stack,
112
303000
2000
اگر این کار را برای تمام برش های یک پشته انجام دهیم،
05:20
we can reconstruct the three-dimensional shape
113
305000
3000
میتوانیم شکل سه بعدی قطعه کوچکی از
05:23
of a small fragment of a branch of a neuron.
114
308000
3000
شاخه ای از یک نورون را بازسازی کنیم.
05:26
And we can do that for another neuron in green.
115
311000
2000
و میتوانیم این کار را برای یک نورون دیگر به رنگ سبز انجام دهیم.
05:28
And you can see that the green neuron touches the red neuron
116
313000
2000
همانطور که میبینید نورون سبز رنگ با نورون قرمز رنگ
05:30
at two locations,
117
315000
2000
در دو نقطه تماس پیدا میکند
05:32
and these are what are called synapses.
118
317000
2000
و این نقاط همان سیناپس ها هستند.
05:34
Let's zoom in on one synapse,
119
319000
2000
بد نیست یک سیناپس را در بزرگنمایی بالاتری ببینیم.
05:36
and keep your eyes on the interior of the green neuron.
120
321000
3000
سعی کنید به سطح داخلی نورون سبز دقت کنید.
05:39
You should see small circles --
121
324000
2000
احتمالا میتوانید دایره های کوچکی را مشاهده کنید.
05:41
these are called vesicles.
122
326000
3000
این ها همان کیسه چه ها یا وزیکول ها هستند.
05:44
They contain a molecule know as a neurotransmitter.
123
329000
3000
کیسه چه ها حاوی انتقال دهنده های عصبی هستند.
05:47
And so when the green neuron wants to communicate,
124
332000
2000
هنگامی که نورون سبز رنگ بخواهد پیامی را
05:49
it wants to send a message to the red neuron,
125
334000
2000
به نورون قرمز مخابره کند،
05:51
it spits out neurotransmitter.
126
336000
3000
مقادیری انتقال دهنده عصبی ترشح میکند.
05:54
At the synapse, the two neurons
127
339000
2000
اصطلاحا گفته میشود که دو نورون
05:56
are said to be connected
128
341000
2000
با یکدیگر در سیناپس تماس میگیرند،
05:58
like two friends talking on the telephone.
129
343000
3000
مانند دو دوستی که تلفنی با هم حرف میزنند.
06:02
So you see how to find a synapse.
130
347000
2000
پس یاد گرفتید که سیناپس ها را چگونه ردیابی کنید.
06:04
How can we find an entire connectome?
131
349000
3000
حال، چطور میتوان تمام یک کانکتوم را پیدا کرد؟
06:07
Well, we take this three-dimensional stack of images
132
352000
3000
ساده است، باید این پشته سه بعدی از تصاویر را برداریم
06:10
and treat it as a gigantic three-dimensional coloring book.
133
355000
3000
و با آن به سان یک کتاب رنگ آمیزی غول آسا برخورد کنیم.
06:13
We color every neuron in, in a different color,
134
358000
3000
بایستی هر نورون را با رنگ متمایزی رنگ آمیزی کنیم،
06:16
and then we look through all of the images,
135
361000
2000
به مجموعه این تصاویر نگاه کنیم،
06:18
find the synapses
136
363000
2000
سیناپس ها را بیابیم،
06:20
and note the colors of the two neurons involved in each synapse.
137
365000
3000
و به رنگ هر دو نورونی که در هر سیناپس شریک اند توجه کنیم.
06:23
If we can do that throughout all the images,
138
368000
3000
اگر این کار را برای تمام این پشته از تصاویر انجام دهیم،
06:26
we could find a connectome.
139
371000
2000
میتوانیم یک کانکتوم را نقشه برداری کنیم.
06:29
Now, at this point,
140
374000
2000
تا اینجا،
06:31
you've learned the basics of neurons and synapses.
141
376000
2000
مبانی نورون ها و سیناپس ها را یاد گرفتید.
06:33
And so I think we're ready to tackle
142
378000
2000
گمان میکنم آماده باشیم
06:35
one of the most important questions in neuroscience:
143
380000
3000
تا با یکی از مهم ترین پرسش ها در نوروساینس برخورد کنیم:
06:39
how are the brains of men and women different?
144
384000
3000
مغز مردان و زنان چه تفاوت هایی با هم دارند؟
06:42
(Laughter)
145
387000
2000
(خنده)
06:44
According to this self-help book,
146
389000
2000
به گفته این کتاب رشد شخصیت،
06:46
guys brains are like waffles;
147
391000
2000
مغز پسرها شبیه ویفر است؛
06:48
they keep their lives compartmentalized in boxes.
148
393000
3000
آن ها زندگی شان را در جعبه هایی طبقه بندی میکنند.
06:51
Girls' brains are like spaghetti;
149
396000
3000
مغز دخترها شبیه ماکارونی است؛
06:54
everything in their life is connected to everything else.
150
399000
3000
همه چیز در زندگی آن ها به همه چیز ارتباط دارد!
06:57
(Laughter)
151
402000
2000
(خنده)
06:59
You guys are laughing,
152
404000
2000
حالا شما به این میخندید،
07:01
but you know, this book changed my life.
153
406000
2000
اما این کتاب زندگی من را دگرگون کرد!
07:03
(Laughter)
154
408000
2000
(خنده)
07:07
But seriously, what's wrong with this?
155
412000
3000
ولی بی شوخی، این توصیف چه ایرادی دارد؟
07:10
You already know enough to tell me -- what's wrong with this statement?
156
415000
3000
شما دیگر الان به اندازه کافی میدانید تا جواب من را بدهید. چه ایرادی دارد؟
07:20
It doesn't matter whether you're a guy or girl,
157
425000
3000
مهم نیست که شما پسر باشید یا دختر،
07:23
everyone's brains are like spaghetti.
158
428000
3000
مغز همه مثل ماکارونی است.
07:26
Or maybe really, really fine capellini with branches.
159
431000
3000
یا حتی رشته های ورمیشل خیلی نازک با شاخه های زیاد.
07:30
Just as one strand of spaghetti
160
435000
2000
درست همانطور که یک رشته ماکارونی
07:32
contacts many other strands on your plate,
161
437000
3000
با رشته های زیاد دیگری در بشقاب شما تماس دارد،
07:35
one neuron touches many other neurons
162
440000
2000
یک نورون هم نورون های بسیار زیاد دیگری را
07:37
through their entangled branches.
163
442000
2000
از طریق شاخه های در هم پیچیده شان لمس میکند.
07:39
One neuron can be connected to so many other neurons,
164
444000
3000
یک نورون میتواند به تعدادی چنان زیاد از نورون های دیگر وصل باشد،
07:42
because there can be synapses
165
447000
2000
زیرا در هر یک از نقاط تماس
07:44
at these points of contact.
166
449000
3000
میتواند یک سیناپس تشکیل دهد.
07:49
By now, you might have sort of lost perspective
167
454000
3000
با این همه جزئیات ممکن است چشم انداز کلی را گم کرده باشید.
07:52
on how large this cube of brain tissue actually is.
168
457000
3000
تصویر کلی اینکه این مکعب از بافت مغز واقعا چه اندازه است.
07:55
And so let's do a series of comparisons to show you.
169
460000
3000
بد نیست چند مقایسه انجام دهیم تا متوجه شوید.
07:58
I assure you, this is very tiny. It's just six microns on a side.
170
463000
3000
تاکید میکنم، این مکعب بسیار کوچک است. هر یال تنها ۶ میکرون.
08:03
So, here's how it stacks up against an entire neuron.
171
468000
3000
این همان مکعب است در کنار یک نورون کامل.
08:06
And you can tell that, really, only the smallest fragments of branches
172
471000
3000
و میبینید که در واقع تنها کوچکترین قطعات هر شاخه
08:09
are contained inside this cube.
173
474000
3000
در درون این مکعب قرار دارند.
08:12
And a neuron, well, that's smaller than brain.
174
477000
3000
و یک نورون، خوب مسلما کوچکتر از مغز است.
08:17
And that's just a mouse brain --
175
482000
2000
و این تنها مغز یک موش است.
08:21
it's a lot smaller than a human brain.
176
486000
3000
که بسیار کوچکتر از مغز انسان است.
08:25
So when show my friends this,
177
490000
2000
گاهی وقتی این را به دوستانم نشان میدهم،
08:27
sometimes they've told me,
178
492000
2000
به من پیشنهاد میدهند که
08:29
"You know, Sebastian, you should just give up.
179
494000
3000
«میدونی سباستین، بد نیست بیخیال شی.
08:32
Neuroscience is hopeless."
180
497000
2000
نوروساینس به جایی نمیرسه!»
08:34
Because if you look at a brain with your naked eye,
181
499000
2000
چرا که اگر به مغز با چشم غیرمسلح نگاه کنید،
08:36
you don't really see how complex it is,
182
501000
2000
هرگز عمق پیچیدگی آن را نمیبینید،
08:38
but when you use a microscope,
183
503000
2000
اما اگر از یک میکروسکوپ استفاده کنید،
08:40
finally the hidden complexity is revealed.
184
505000
3000
در نهایت، پیچیدگی پنهان آن آشکار میشود.
08:45
In the 17th century,
185
510000
2000
در قرن هفدهم،
08:47
the mathematician and philosopher, Blaise Pascal,
186
512000
2000
فیلسوف و ریاضیدان، بلیز پاسکال،
08:49
wrote of his dread of the infinite,
187
514000
3000
از ترس خود از بینهایت نوشت،
08:52
his feeling of insignificance
188
517000
2000
احساسش در مورد بیهودگی اندیشیدن
08:54
at contemplating the vast reaches of outer space.
189
519000
3000
به دوردست های فضای بیکران.
08:59
And, as a scientist,
190
524000
2000
اما به عنوان یک دانشمند،
09:01
I'm not supposed to talk about my feelings --
191
526000
3000
من قرار نیست از احساساتم صحبت کنم.
09:04
too much information, professor.
192
529000
2000
..استاد خیلی حرف میزنید!
09:06
(Laughter)
193
531000
2000
(خنده)
09:08
But may I?
194
533000
2000
ولی آیا اجازه دارم؟
09:10
(Laughter)
195
535000
2000
(خنده)
09:12
(Applause)
196
537000
2000
(تشویق)
09:14
I feel curiosity,
197
539000
2000
من بسیار کنجکاوم،
09:16
and I feel wonder,
198
541000
2000
و در شگفتی غوطه میخورم،
09:18
but at times I have also felt despair.
199
543000
3000
اما گاهی هم نا امید و درمانده میشوم.
09:22
Why did I choose to study
200
547000
2000
چرا تصمیم گرفتم این اندام را مطالعه کنم؟
09:24
this organ that is so awesome in its complexity
201
549000
3000
اندامی که پیچیدگی زیبا و خیره کننده ای دارد
09:27
that it might well be infinite?
202
552000
2000
اما همزمان ممکن است بینهایت باشد.
09:29
It's absurd.
203
554000
2000
احمقانه نیست؟
09:31
How could we even dare to think
204
556000
2000
ما چطور جرأت میکنیم حتی فکر کنیم
09:33
that we might ever understand this?
205
558000
3000
که روزی ممکن است پیچیدگی اش را درک کنیم؟
09:38
And yet, I persist in this quixotic endeavor.
206
563000
3000
اما من دن کیشوت وار در این تلاش آرمانگرایانه پافشاری میکنم.
09:41
And indeed, these days I harbor new hopes.
207
566000
3000
و در واقع، این روزها امید های تازه ای در ذهن میپرورم.
09:45
Someday,
208
570000
2000
یک روز،
09:47
a fleet of microscopes will capture
209
572000
2000
یک ناوگان بزرگ از میکروسکوپ ها
09:49
every neuron and every synapse
210
574000
2000
هر نورون و هر سیناپس را
09:51
in a vast database of images.
211
576000
3000
در دریای عظیمی از عکس ها تصویر میکنند.
09:54
And some day, artificially intelligent supercomputers
212
579000
3000
و یک روز، ابررایانه های هوشمند
09:57
will analyze the images without human assistance
213
582000
3000
این تصاویر را بدون کمک انسان پردازش میکنند
10:00
to summarize them in a connectome.
214
585000
3000
و آن ها را در یک کانکتوم خلاصه میکنند.
10:04
I do not know, but I hope that I will live to see that day,
215
589000
3000
نمیدانم، ولی امیدوارم زنده باشم تا آن روز را ببینم.
10:08
because finding an entire human connectome
216
593000
2000
چرا که یافتن یک کانکتوم کامل انسان
10:10
is one of the greatest technological challenges of all time.
217
595000
3000
یکی از بزرگترین چالش های فناوری تاریخ است.
10:13
It will take the work of generations to succeed.
218
598000
3000
و برای موفقیت نیاز به تلاش نسل ها دارد.
10:17
At the present time, my collaborators and I,
219
602000
3000
در زمان حاضر، آنچه من و همکارانم برایش تلاش میکنیم
10:20
what we're aiming for is much more modest --
220
605000
2000
هدفی بسیار فروتنانه تر از این است --
10:22
just to find partial connectomes
221
607000
2000
یافتن کانکتوم های جزئی
10:24
of tiny chunks of mouse and human brain.
222
609000
3000
از قطعات کوچکی از مغز موش و انسان.
10:27
But even that will be enough for the first tests of this hypothesis
223
612000
3000
و تنها همین برای آزمون های اولیه این فرضیه کافی است
10:30
that I am my connectome.
224
615000
3000
که من، یعنی کانکتوم من.
10:35
For now, let me try to convince you of the plausibility of this hypothesis,
225
620000
3000
اکنون اجازه دهید شما را متقاعد کنم که این فرضیه ای معقول است،
10:38
that it's actually worth taking seriously.
226
623000
3000
و در واقع ارزش دارد جدی گرفته شود.
10:42
As you grow during childhood
227
627000
2000
هنگامی که شما در کودکی رشد میکنید،
10:44
and age during adulthood,
228
629000
3000
و در بزرگسالی پا به سن میگذارید،
10:47
your personal identity changes slowly.
229
632000
3000
هویت شخصی شما به آهستگی دستخوش تغییر میشود.
10:50
Likewise, every connectome
230
635000
2000
به همین صورت، هر کانکتوم نیز
10:52
changes over time.
231
637000
2000
در طول زمان دگرگون میشود.
10:55
What kinds of changes happen?
232
640000
2000
چه دگرگونی هایی رخ میدهند؟
10:57
Well, neurons, like trees,
233
642000
2000
نورون ها همانند درختانی،
10:59
can grow new branches,
234
644000
2000
میتوانند شاخه های جدید بر آورند،
11:01
and they can lose old ones.
235
646000
3000
و شاخه های کهنه را از دست بدهند.
11:04
Synapses can be created,
236
649000
3000
سیناپس ها میتوانند شکل بگیرند،
11:07
and they can be eliminated.
237
652000
3000
و میتوانند از بین بروند.
11:10
And synapses can grow larger,
238
655000
2000
و سیناپس ها میتوانند بزرگتر شوند،
11:12
and they can grow smaller.
239
657000
3000
یا کوچکتر شوند.
11:15
Second question:
240
660000
2000
پرسش دوم:
11:17
what causes these changes?
241
662000
3000
چه چیزی موجب این دگرگونی ها میشود؟
11:20
Well, it's true.
242
665000
2000
خب، درست است.
11:22
To some extent, they are programmed by your genes.
243
667000
3000
این تغییرات تا اندازه ای توسط ژن ها برنامه ریزی میشوند.
11:25
But that's not the whole story,
244
670000
2000
اما این تمام داستان نیست،
11:27
because there are signals, electrical signals,
245
672000
2000
چرا که سیگنال هایی وجود دارند، سیگنال های الکتریکی،
11:29
that travel along the branches of neurons
246
674000
2000
که شاخه های نورون ها را طی میکنند
11:31
and chemical signals
247
676000
2000
و سیگنال های شیمیایی
11:33
that jump across from branch to branch.
248
678000
2000
که از شاخه ای به شاخه دیگر میپرند.
11:35
These signals are called neural activity.
249
680000
3000
مجموعه این سیگنال ها را فعالیت مغزی مینامند.
11:38
And there's a lot of evidence
250
683000
2000
و شواهد بسیاری وجود دارد
11:40
that neural activity
251
685000
3000
که فعالیت مغزی
11:43
is encoding our thoughts, feelings and perceptions,
252
688000
3000
افکار ما، احساسات و ادراک ما
11:46
our mental experiences.
253
691000
2000
و تجربیات ذهنی ما را رمز میکند.
11:48
And there's a lot of evidence that neural activity
254
693000
3000
و شواهد بسیاری وجود دارد که فعالیت مغزی
11:51
can cause your connections to change.
255
696000
3000
اتصالات مغز را دگرگون میکند.
11:54
And if you put those two facts together,
256
699000
3000
و اگر این دو دانسته را کنار هم بگذاریم،
11:57
it means that your experiences
257
702000
2000
نتیجه میشود که تجربیات شما
11:59
can change your connectome.
258
704000
3000
میتوانند کانکتوم شما را دگرگون کنند.
12:02
And that's why every connectome is unique,
259
707000
2000
و از این روست که هر کانکتوم یگانه است،
12:04
even those of genetically identical twins.
260
709000
3000
حتا کانکتوم دوقلوهای همسان.
12:08
The connectome is where nature meets nurture.
261
713000
3000
کانکتوم جایی ست که «سرشت» و «پرورش» یکدیگر را ملاقات میکنند.
12:12
And it might true
262
717000
2000
و ممکن است درست باشد که
12:14
that just the mere act of thinking
263
719000
2000
فکر کردن به تنهایی
12:16
can change your connectome --
264
721000
2000
میتواند کانکتوم شما را تغییر دهد --
12:18
an idea that you may find empowering.
265
723000
3000
ایده ای که میتواند انگیزه بخش باشد.
12:24
What's in this picture?
266
729000
2000
در این تصویر چه میبینید؟
12:28
A cool and refreshing stream of water, you say.
267
733000
3000
ممکن است بگویید جریان خنک و تازه آب.
12:32
What else is in this picture?
268
737000
2000
دیگر چه میبینید؟
12:37
Do not forget that groove in the Earth
269
742000
2000
آن شیار روی زمین را
12:39
called the stream bed.
270
744000
3000
که بستر رودخانه نامیده میشود از قلم نیاندازید.
12:42
Without it, the water would not know in which direction to flow.
271
747000
3000
بدون آن آب نمیداند به کدام جهت جاری شود.
12:45
And with the stream,
272
750000
2000
و من میخوام از مثال جریان آب
12:47
I would like to propose a metaphor
273
752000
2000
به عنوان یک تشبیه استفاده کنم
12:49
for the relationship between neural activity
274
754000
2000
برای ارتباط میان فعالیت عصبی
12:51
and connectivity.
275
756000
2000
و ارتباطات عصبی.
12:54
Neural activity is constantly changing.
276
759000
3000
فعالیت عصبی همواره در حال تغییر است.
12:57
It's like the water of the stream; it never sits still.
277
762000
3000
مانند آب رودخانه؛ هرگز از حرکت نمی ایستد.
13:00
The connections
278
765000
2000
ارتباطات شبکه عصبی مغز
13:02
of the brain's neural network
279
767000
2000
مسیری که فعالیت عصبی
13:04
determines the pathways
280
769000
2000
در آن جریان می یابد را
13:06
along which neural activity flows.
281
771000
2000
تعیین میکند.
13:08
And so the connectome is like bed of the stream;
282
773000
3000
به این طریق، کانکتوم همچون بستر رودخانه است.
13:13
but the metaphor is richer than that,
283
778000
3000
اما این تشبیه از این نیز غنی تر است.
13:16
because it's true that the stream bed
284
781000
3000
زیرا جدا از اینکه که بستر رودخانه
13:19
guides the flow of the water,
285
784000
2000
جریان آب را هدایت میکند،
13:21
but over long timescales,
286
786000
2000
در دراز مدت،
13:23
the water also reshapes the bed of the stream.
287
788000
3000
آب نیز بستر رودخانه را تغییر شکل میدهد.
13:26
And as I told you just now,
288
791000
2000
و همانطور که اندکی پیشتر گفتم،
13:28
neural activity can change the connectome.
289
793000
3000
فعالیت عصبی میتواند کانکتوم را تغییر دهد.
13:33
And if you'll allow me to ascend
290
798000
2000
و اگر اجازه بدهید بار دیگر
13:35
to metaphorical heights,
291
800000
3000
از کلام استعاره کمک بگیرم،
13:38
I will remind you that neural activity
292
803000
3000
به یادتان میآورم که فعالیت عصبی
13:41
is the physical basis -- or so neuroscientists think --
293
806000
2000
بنیاد فیزیکی افکار، احساسات و ادراک است --
13:43
of thoughts, feelings and perceptions.
294
808000
3000
یا دستکم عصب شناسان اینگونه گمان میکنند.
13:46
And so we might even speak of
295
811000
2000
پس بیراه نیست
13:48
the stream of consciousness.
296
813000
2000
اگر از رودخانه هوشیاری صحبت کنیم.
13:50
Neural activity is its water,
297
815000
3000
فعالیت عصبی آب آن است،
13:53
and the connectome is its bed.
298
818000
3000
و کانکتوم بستر آن.
13:57
So let's return from the heights of metaphor
299
822000
2000
بد نیست از قله های استعاره پایین بیاییم
13:59
and return to science.
300
824000
2000
و به دانش برگردیم.
14:01
Suppose our technologies for finding connectomes
301
826000
2000
فرض کنید فناوری های ما برای یافتن کانکتوم
14:03
actually work.
302
828000
2000
واقعا کار کنند.
14:05
How will we go about testing the hypothesis
303
830000
2000
چگونه میتوان این فرضیه را آزمود که
14:07
"I am my connectome?"
304
832000
3000
که «من، یعنی کانکتوم من»؟
14:10
Well, I propose a direct test.
305
835000
3000
من آزمونی پیشنهاد میکنم که خیلی سر راست است.
14:13
Let us attempt
306
838000
2000
مثلا فرض کنید بخواهیم
14:15
to read out memories from connectomes.
307
840000
3000
خاطره های یک کانکتوم را بخوانیم.
14:18
Consider the memory
308
843000
2000
حافظه مربوط به یک توالی زمانمند بلند
14:20
of long temporal sequences of movements,
309
845000
3000
از حرکات را تصور کنید،
14:23
like a pianist playing a Beethoven sonata.
310
848000
3000
مانند یک پیانیست که قطعه سوناتای بتهوون را مینوازد.
14:26
According to a theory that dates back to the 19th century,
311
851000
3000
بنا بر نظریه ای که به قرن نوزدهم بر میگردد،
14:29
such memories are stored
312
854000
2000
اینگونه محفوظات به صورت یک زنجیره اتصالات سیناپسی
14:31
as chains of synaptic connections inside your brain.
313
856000
3000
درون مغز شما ذخیره شده اند.
14:35
Because, if the first neurons in the chain are activated,
314
860000
3000
چرا که اگر اولین نورون در این زنجیر فعال شود،
14:38
through their synapses they send messages to the second neurons, which are activated,
315
863000
3000
نورون دوم نیز توسط پیامی که از طریق سیناپس دریافت میکند فعال میشود،
14:41
and so on down the line,
316
866000
2000
و همینطور در طول خط،
14:43
like a chain of falling dominoes.
317
868000
2000
مانند زنجیری از مهره های دومینو که می افتند.
14:45
And this sequence of neural activation
318
870000
2000
و فرض میشود
14:47
is hypothesized to be the neural basis
319
872000
3000
که این توالی فعال سازی های عصبی،
14:50
of those sequence of movements.
320
875000
2000
مبنای توالی آن حرکات است.
14:52
So one way of trying to test the theory
321
877000
2000
پس یک راه آزمودن آن نظریه این است
14:54
is to look for such chains
322
879000
2000
که در درون کانکتوم ها
14:56
inside connectomes.
323
881000
2000
در پی چنین زنجیرهایی بگردیم.
14:58
But it won't be easy, because they're not going to look like this.
324
883000
3000
اما این هرگز آسان نخواهد بود زیرا کانکتوم ها به این سادگی نیستند.
15:01
They're going to be scrambled up.
325
886000
2000
بلکه بسیار پیچیده و در هم تنیده اند.
15:03
So we'll have to use our computers
326
888000
2000
پس قطعا به رایانه هایمان نیاز خواهیم داشت
15:05
to try to unscramble the chain.
327
890000
3000
تا این زنجیرهای در هم و بر هم را باز کنند.
15:08
And if we can do that,
328
893000
2000
و اگر موفق شویم،
15:10
the sequence of the neurons we recover from that unscrambling
329
895000
3000
توالی نورون هایی که بدست میآوریم
15:13
will be a prediction of the pattern of neural activity
330
898000
3000
پیشگویی الگوی فعالیت عصبی خواهد بود
15:16
that is replayed in the brain during memory recall.
331
901000
3000
که در هنگام به یاد آوردن محفوظات بازپخش میشود.
15:19
And if that were successful,
332
904000
2000
و باز اگر موفق شویم،
15:21
that would be the first example of reading a memory from a connectome.
333
906000
3000
این نخستین مثال خواندن حافظه از یک کانکتوم خواهد بود.
15:28
(Laughter)
334
913000
2000
(خنده)
15:30
What a mess --
335
915000
2000
چه شیر تو شیری!
15:33
have you ever tried to wire up a system
336
918000
2000
آیا تا به حال تلاش کرده اید سامانه ای به این پیچیدگی را
15:35
as complex as this?
337
920000
2000
سیم کشی کنید؟
15:37
I hope not.
338
922000
2000
امیدوارم نکرده باشید!
15:39
But if you have, you know it's very easy to make a mistake.
339
924000
3000
اما اگر کرده باشید، میدانید که اشتباه کردن بسیار آسان است.
15:45
The branches of neurons are like the wires of the brain.
340
930000
2000
شاخه های نورون ها شبیه سیم کشی های مغز اند.
15:47
Can anyone guess: what's the total length of wires in your brain?
341
932000
4000
کسی از شما میداند طول کل سیم های درون مغز شما چقدر است؟
15:54
I'll give you a hint. It's a big number.
342
939000
2000
اجازه بدهید راهنماییتان کنم: خیلی زیاد است!
15:56
(Laughter)
343
941000
2000
(خنده)
15:59
I estimate, millions of miles,
344
944000
3000
حدس من میلیون ها کیلومتر است.
16:02
all packed in your skull.
345
947000
3000
این همه در جمجمه شما بسته بندی شده است.
16:05
And if you appreciate that number,
346
950000
2000
و اگر به بزرگی این عدد فکر کنید
16:07
you can easily see
347
952000
2000
میبینید که ظرفیت بسیار بالایی برای بروز خطا
16:09
there is huge potential for mis-wiring of the brain.
348
954000
2000
در سیمکشی مغز وجود دارد.
16:11
And indeed, the popular press loves headlines like,
349
956000
3000
و چقدر هم روزنامه ها و مجلات تیترهایی از این قبیل را دوست دارند:
16:14
"Anorexic brains are wired differently,"
350
959000
2000
«سیمکشی متفاوت مغز عامل کم اشتهایی بیمارگونه»
16:16
or "Autistic brains are wired differently."
351
961000
2000
یا «مغز بیماران اوتیسم سیمکشی متفاوتی دارد.»
16:18
These are plausible claims,
352
963000
2000
این ها ادعاهای قابل توجهی هستند،
16:20
but in truth,
353
965000
2000
اما در حقیقت
16:22
we can't see the brain's wiring clearly enough
354
967000
2000
ما هنوز نمیتوانیم سیمکشی مغز را به اندازه کافی به روشنی ببینیم
16:24
to tell if these are really true.
355
969000
2000
تا بتوانیم درستی آن ها را آزمایش کنیم.
16:26
And so the technologies for seeing connectomes
356
971000
3000
بدین سان فناوری های ما برای دیدن کانکتوم ها
16:29
will allow us to finally
357
974000
2000
نهایتا ما را قادر میسازند
16:31
read mis-wiring of the brain,
358
976000
2000
سیمکشی های اشتباه مغز را نیز بخوانیم،
16:33
to see mental disorders in connectomes.
359
978000
3000
و ناهنجاری های روانی را هم در کانکتوم ها ببینیم.
16:40
Sometimes the best way to test a hypothesis
360
985000
3000
گاهی بهترین راه برای آزمودن یک فرضیه
16:43
is to consider its most extreme implication.
361
988000
3000
در نظر گرفتن افراطی ترین نتایج آن است.
16:46
Philosophers know this game very well.
362
991000
3000
فیلسوفان این بازی را خیلی خوب میدانند.
16:50
If you believe that I am my connectome,
363
995000
3000
اگر باور داشته باشید که من، یعنی کانکتوم من، به همین طریق باید بپذیرید كه مرگ فروپاشی کانکتوم شماست.
16:53
I think you must also accept the idea
364
998000
3000
اگر باور داشته باشید که من، یعنی کانکتوم من، به همین طریق باید بپذیرید كه مرگ فروپاشی کانکتوم شماست.
16:56
that death is the destruction
365
1001000
2000
اگر باور داشته باشید که من، یعنی کانکتوم من، به همین طریق باید بپذیرید كه مرگ فروپاشی کانکتوم شماست.
16:58
of your connectome.
366
1003000
3000
اگر باور داشته باشید که من، یعنی کانکتوم من، به همین طریق باید بپذیرید كه مرگ فروپاشی کانکتوم شماست.
17:02
I mention this because there are prophets today
367
1007000
3000
این را مطرح میکنم چرا که امروز پیامبرانی هستند
17:05
who claim that technology
368
1010000
3000
که ادعا میکنند
17:08
will fundamentally alter the human condition
369
1013000
3000
فناوری شرایط زندگی بشر را به طور بنیادی دگرگون خواهد کرد
17:11
and perhaps even transform the human species.
370
1016000
3000
و حتی موجب دگرگونی گونه انسان میشود.
17:14
One of their most cherished dreams
371
1019000
3000
یکی از پرطرفدارترین رویاهای آن ها این است
17:17
is to cheat death
372
1022000
2000
که با استفاده از انجماد اجساد
17:19
by that practice known as cryonics.
373
1024000
2000
مرگ را دور بزنند.
17:21
If you pay 100,000 dollars,
374
1026000
2000
اگر شما حاضر باشید ۱۰۰٫۰۰۰ دلار پول بدهید،
17:23
you can arrange to have your body frozen after death
375
1028000
3000
میتوانید وصیت کنید که بدنتان را بعد از مرگ
17:26
and stored in liquid nitrogen
376
1031000
2000
در یکی از این مخازن در انباری در آریزونا،
17:28
in one of these tanks in an Arizona warehouse,
377
1033000
2000
در نیتروژن مایع نگهداری کنند،
17:30
awaiting a future civilization
378
1035000
2000
در انتظار تمدنی پیشرفته در آینده
17:32
that is advanced to resurrect you.
379
1037000
3000
که بتواند شما را زنده کند.
17:36
Should we ridicule the modern seekers of immortality,
380
1041000
2000
آیا جا دارد این جویندگان مدرن بیمرگی را مسخره کنیم و
17:38
calling them fools?
381
1043000
2000
آن ها را احمق بنامیم؟
17:40
Or will they someday chuckle
382
1045000
2000
یا آن ها روزی بالای سر قبر ما
17:42
over our graves?
383
1047000
2000
به ما پوزخند خواهند زد؟؟
17:45
I don't know --
384
1050000
2000
نمیدانم.
17:47
I prefer to test their beliefs, scientifically.
385
1052000
3000
من ترجیح میدهم باورهای آن را به صورت علمی آزمون کنم.
17:50
I propose that we attempt to find a connectome
386
1055000
2000
من پیشنهاد میکنم که تلاش کنیم تا
17:52
of a frozen brain.
387
1057000
2000
کانکتوم یک مغز منجمد را پیدا کنیم.
17:54
We know that damage to the brain
388
1059000
2000
میدانیم که پس از مرگ و حتی در حال انجماد
17:56
occurs after death and during freezing.
389
1061000
2000
مغز دچار آسیب خواهد شد.
17:58
The question is: has that damage erased the connectome?
390
1063000
3000
حال پرسش این است که آیا این آسیب ها کانکتوم را پاک میکنند؟
18:01
If it has, there is no way that any future civilization
391
1066000
3000
اگر چنین باشد، دیگر هیچ راهی وجود ندارد که تمدنی در آینده
18:04
will be able to recover the memories of these frozen brains.
392
1069000
3000
بتواند حافظه های این مغزهای منجمد را بازخوانی کند.
18:07
Resurrection might succeed for the body,
393
1072000
2000
ممکن است بتوان بدن ها را زنده کرد،
18:09
but not for the mind.
394
1074000
2000
اما مغزها را نه.
18:11
On the other hand, if the connectome is still intact,
395
1076000
3000
اما اگر کانکتوم همچنان دست نخورده مانده باشد،
18:14
we cannot ridicule the claims of cryonics so easily.
396
1079000
3000
نمیتوان به سادگی ادعاهای طرفداران انجماد را به سخره گرفت.
18:20
I've described a quest
397
1085000
2000
من در این سخنرانی جویشی را تشریح کردم
18:22
that begins in the world of the very small,
398
1087000
3000
که از دنیای چیزهای بسیار کوچک آغاز میشود،
18:25
and propels us to the world of the far future.
399
1090000
3000
و ما را تا دنیای آینده های دور پیش میبرد.
18:28
Connectomes will mark a turning point in human history.
400
1093000
3000
کانکتوم ها نقطه عطفی را در تاریخ بشر رقم خواهند زد.
18:32
As we evolved from our ape-like ancestors
401
1097000
2000
آن زمان که ما از اجداد میمون-مانندمان فرگشت (تکامل) پیدا میکردیم،
18:34
on the African savanna,
402
1099000
2000
در ساوانای افریقا،
18:36
what distinguished us was our larger brains.
403
1101000
3000
آنچه ما را متمایز میکرد مغزهای بزرگتر ما بود.
18:40
We have used our brains to fashion
404
1105000
2000
ما مغزهایمان را بکار بستیم
18:42
ever more amazing technologies.
405
1107000
3000
تا فناوری های حتی شگفت انگیز تری را شکل دهیم.
18:45
Eventually, these technologies will become so powerful
406
1110000
3000
روزی آخر این فناوری ها چنان قدرتمند خواهند شد
18:48
that we will use them to know ourselves
407
1113000
3000
که آن ها را بکار خواهیم بست تا خودمان را بشناسیم،
18:51
by deconstructing and reconstructing
408
1116000
3000
با پیاده کردن و بازساختن مغزهای خودمان.
18:54
our own brains.
409
1119000
3000
با پیاده کردن و بازساختن مغزهای خودمان.
18:57
I believe that this voyage of self-discovery
410
1122000
3000
من باور دارم این سفر دراز خودشناسی
19:00
is not just for scientists,
411
1125000
3000
نه فقط برای دانشمندان،
19:03
but for all of us.
412
1128000
2000
که برای همه ماست.
19:05
And I'm grateful for the opportunity to share this voyage with you today.
413
1130000
3000
و خوشحالم که امروز شما را در این سفر همراه خودم داشتم.
19:08
Thank you.
414
1133000
2000
سپاسگزارم.
19:10
(Applause)
415
1135000
8000
(برگردان: امیر صابری)
ABOUT THE SPEAKER
Sebastian Seung - Computational neuroscientistSebastian Seung is a leader in the new field of connectomics, currently the hottest space in neuroscience, which studies, in once-impossible detail, the wiring of the brain.
Why you should listen
In the brain, neurons are connected into a complex network. Sebastian Seung and his lab at MIT are inventing technologies for identifying and describing the connectome, the totality of connections between the brain's neurons -- think of it as the wiring diagram of the brain. We possess our entire genome at birth, but things like memories are not "stored" in the genome; they are acquired through life and accumulated in the brain. Seung's hypothesis is that "we are our connectome," that the connections among neurons is where memories and experiences get stored.
Seung and his collaborators, including Winfried Denk at the Max Planck Institute and Jeff Lichtman at Harvard University, are working on a plan to thin-slice a brain (probably starting with a mouse brain) and trace, from slice to slice, each neural pathway, exposing the wiring diagram of the brain and creating a powerful new way to visualize the workings of the mind. They're not the first to attempt something like this -- Sydney Brenner won a Nobel for mapping all the 7,000 connections in the nervous system of a tiny worm, C. elegans. But that took his team a dozen years, and the worm only had 302 nerve cells. One of Seung's breakthroughs is in using advanced imagining and AI to handle the crushing amount of data that a mouse brain will yield and turn it into richly visual maps that show the passageways of thought and sensation.
Sebastian Seung | Speaker | TED.com