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 riorganizza un cervello.

Filmed:
717,411 views

Nella tentativo di tracciare una mappa topografica del cervello, molti scienziati si sono cimentati nel compito incredibilmente scoraggiante di registrare l'attivita' di ogni singolo neurone. Geo Miesenboek lavora al contrario - manipolando specifici neuroni per capire esattamente cosa fanno, attraverso una serie di sbalorditivi esperimenti che riorganizzano il modo in cui le mosche da frutta percepiscono la luce.
- 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 doppelgangeralter ego.
0
0
3000
Io ho un sosia.
00:18
(LaughterRisate)
1
3000
3000
(Risate)
00:21
DrDr. GeroGero is a brilliantbrillante
2
6000
3000
Dr. Gero e' uno scienziato brillante
00:24
but slightlyleggermente madpazzo scientistscienziato
3
9000
2000
ma leggermente squilibrato
00:26
in the "DragonballDragonball Z: AndroidAndroid SagaSaga."
4
11000
3000
nella 'Saga Androide' di Dragonball Z.
00:29
If you look very carefullyaccuratamente,
5
14000
2000
Se osservate attentamente,
00:31
you see that his skullcranio has been replacedsostituito
6
16000
3000
vedrete che il suo cranio e' stato sostituito
00:34
with a transparenttrasparente PlexiglasPLEXIGLAS domecupola
7
19000
2000
con uno zuccotto di Plexiglass trasparente
00:36
so that the workingslavorazioni of his braincervello can be observedosservata
8
21000
3000
in modo che la sua attivita' cerebrale possa essere osservata
00:39
and alsoanche controlledcontrollata with lightleggero.
9
24000
3000
e anche controllata con la luce.
00:42
That's exactlydi preciso what I do --
10
27000
2000
Questo e' esattamente cio' di cui mi occupo -
00:44
opticalottica mindmente controlcontrollo.
11
29000
2000
controllo ottico della mente.
00:46
(LaughterRisate)
12
31000
2000
(Risate)
00:48
But in contrastcontrasto to my evilil male twingemello
13
33000
2000
Ma a differenza del mio malvagio gemello,
00:50
who lustsconcupiscenze after worldmondo dominationdominio,
14
35000
3000
che brama il dominio del mondo,
00:53
my motivesmotivi are not sinistersinistri.
15
38000
3000
le mie motivazioni non sono sinistre.
00:56
I controlcontrollo the braincervello
16
41000
2000
Io controllo il cervello
00:58
in orderordine to understandcapire how it workslavori.
17
43000
2000
in modo da capire come funziona.
01:00
Now wait a minuteminuto, you maypuò say,
18
45000
2000
Aspetta un attimo, direte voi,
01:02
how can you go straightdritto to controllingcontrollo the braincervello
19
47000
3000
come puoi controllare direttamente il cervello
01:05
withoutsenza understandingcomprensione it first?
20
50000
2000
senza prima capirlo?
01:07
Isn't that puttingmettendo the cartcarrello before the horsecavallo?
21
52000
3000
Non e' come mettere il carro davanti ai buoi?
01:11
ManyMolti neuroscientistsneuroscienziati agreeessere d'accordo with this viewvista
22
56000
3000
Molti neuroscienziati sono d'accordo con questa posizione
01:14
and think that understandingcomprensione will come
23
59000
3000
e pensano che la comprensione arrivera'
01:17
from more detaileddettagliata observationosservazione and analysisanalisi.
24
62000
3000
dopo un'osservazione e analisi piu' dettagliata.
01:20
They say, "If we could recorddisco the activityattività of our neuronsneuroni,
25
65000
4000
Dicono 'Se potessimo registrare l'attivita' dei nostri neuroni,
01:24
we would understandcapire the braincervello."
26
69000
3000
capiremmo il cervello'.
01:27
But think for a momentmomento what that meanssi intende.
27
72000
3000
Pensate un momento cosa vuol dire questo.
01:30
Even if we could measuremisurare
28
75000
2000
Anche se potessimo misurare
01:32
what everyogni cellcellula is doing at all timesvolte,
29
77000
2000
cosa sta facendo ogni cellula in ogni momento,
01:34
we would still have to make sensesenso
30
79000
2000
dovremmo ancora riuscire a capire
01:36
of the recordedregistrato activityattività patternsmodelli,
31
81000
2000
i modelli dell'attivita' registrata,
01:38
and that's so difficultdifficile,
32
83000
2000
cosa molto difficile,
01:40
chancespossibilità are we'llbene understandcapire these patternsmodelli
33
85000
2000
e' piu' probabile che riusciremo a capire quei modelli
01:42
just as little as the brainsmente that produceprodurre them.
34
87000
3000
tanto poco quanto il cervello che li produce.
01:45
Take a look at what braincervello activityattività mightpotrebbe look like.
35
90000
3000
Osservate come l'attivita' cerebrale potrebbe apparire.
01:48
In this simulationsimulazione, eachogni blacknero dotpunto
36
93000
2000
In questa simulazione, ogni puntino nero
01:50
is one nervenervo cellcellula.
37
95000
2000
e' una cellula nervosa.
01:52
The dotpunto is visiblevisibile
38
97000
2000
Il puntino e' visibile
01:54
wheneverogni volta a cellcellula firesincendi an electricalelettrico impulseimpulso.
39
99000
2000
ogniqualvolta una cellula scarica un impulso elettrico.
01:56
There's 10,000 neuronsneuroni here.
40
101000
2000
Qui' ci sono 10.000 neuroni.
01:58
So you're looking at roughlyapprossimativamente one percentper cento
41
103000
2000
Di conseguenza state osservando circa l'un per cento
02:00
of the braincervello of a cockroachscarafaggio.
42
105000
3000
del cervello di uno scarafaggio.
02:04
Your brainsmente are about 100 millionmilione timesvolte
43
109000
3000
I vostri cervelli sono circa 100 milioni di volte
02:07
more complicatedcomplicato.
44
112000
2000
piu' complicati.
02:09
SomewhereDa qualche parte, in a patternmodello like this,
45
114000
2000
Da qualche parte, in un modello come questo,
02:11
is you,
46
116000
2000
ci siete voi,
02:13
your perceptionspercezioni,
47
118000
2000
le vostre percezioni,
02:15
your emotionsemozioni, your memoriesricordi,
48
120000
3000
le vostre emozioni, i vostri ricordi,
02:18
your planspiani for the futurefuturo.
49
123000
2000
i vostri progetti per il futuro.
02:20
But we don't know where,
50
125000
2000
Ma non sappiamo dove,
02:22
sinceda we don't know how to readleggere the patternmodello.
51
127000
3000
visto che non sappiamo come leggere il modello.
02:25
We don't understandcapire the codecodice used by the braincervello.
52
130000
3000
Non capiamo il codice usato dal cervello.
02:28
To make progressprogresso,
53
133000
2000
Per compiere progressi,
02:30
we need to breakrompere the codecodice.
54
135000
2000
abbiamo bisogno di decifrare il codice.
02:32
But how?
55
137000
2000
Ma come?
02:35
An experiencedesperto code-breakercodice-breaker will tell you
56
140000
2000
Un esperto decifratore vi direbbe
02:37
that in orderordine to figurefigura out what the symbolssimboli in a codecodice mean,
57
142000
3000
che in modo da capire cosa significano i simboli di un codice,
02:40
it's essentialessenziale to be ablecapace to playgiocare with them,
58
145000
3000
e' essenziale riuscire a manipolarli,
02:43
to rearrangeridisporre them at will.
59
148000
2000
a riarrangiarli a piacimento.
02:45
So in this situationsituazione too,
60
150000
2000
Cosi' anche in questa situazione,
02:47
to decodedecodificare the informationinformazione
61
152000
2000
per decodificare l'informazione
02:49
containedcontenuta in patternsmodelli like this,
62
154000
2000
contenuta in modelli come questo,
02:51
watchingGuardando aloneda solo won'tnon lo farà do.
63
156000
2000
osservare soltanto non basta,
02:53
We need to rearrangeridisporre the patternmodello.
64
158000
2000
abbiamo bisogno di riorganizzare il modello.
02:55
In other wordsparole,
65
160000
2000
In altre parole,
02:57
insteadanziché of recordingregistrazione the activityattività of neuronsneuroni,
66
162000
2000
invece di registrare l'attivita' dei neuroni,
02:59
we need to controlcontrollo it.
67
164000
2000
abbiamo bisogno di controllarla.
03:01
It's not essentialessenziale that we can controlcontrollo
68
166000
2000
Non e' essenziale poter controllare
03:03
the activityattività of all neuronsneuroni in the braincervello, just some.
69
168000
3000
l'attivita' di tutti i neuroni del cervello, ma solo di alcuni.
03:06
The more targetedmirata our interventionsinterventi, the better.
70
171000
2000
Tanto piu' mirati i nostri interventi, tanto meglio.
03:08
And I'll showmostrare you in a momentmomento
71
173000
2000
Fra un momento vi mostrero'
03:10
how we can achieveraggiungere the necessarynecessario precisionprecisione.
72
175000
3000
in che modo possiamo ottenere la precisione necessaria.
03:13
And sinceda I'm realisticrealistico, ratherpiuttosto than grandiosegrandioso,
73
178000
3000
Visto che sono realista, piuttosto che grandioso,
03:16
I don't claimRichiesta that the abilitycapacità to controlcontrollo the functionfunzione of the nervousnervoso systemsistema
74
181000
3000
non sostengo che l'abilita' di controllare la funzione del sistema nervoso
03:19
will at onceuna volta unravelsbrogliare all its mysteriesmisteri.
75
184000
3000
ne svelera' di colpo tutti i misteri.
03:22
But we'llbene certainlycertamente learnimparare a lot.
76
187000
3000
Ma certamente avremo molto da imparare.
03:27
Now, I'm by no meanssi intende
77
192000
2000
Ora, non e' il caso che io
03:29
the first personpersona to realizerendersi conto
78
194000
2000
sia la prima persona a capire
03:31
how powerfulpotente a toolstrumento interventionintervento is.
79
196000
3000
quanto potente sia uno strumento d'intervento.
03:34
The historystoria of attemptstentativi
80
199000
2000
La storia dei tentativi
03:36
to tinkerrattoppare with the functionfunzione of the nervousnervoso systemsistema
81
201000
2000
di trafficare con la funzione del sistema nervoso
03:38
is long and illustriousillustri.
82
203000
2000
e' lunga e illustre.
03:40
It datesdate back at leastmeno 200 yearsanni,
83
205000
3000
Risale almeno a duecento anni fa,
03:43
to Galvani'sDi Galvani famousfamoso experimentsesperimenti
84
208000
2000
ai famosi esprimenti di Galvani
03:45
in the latein ritardo 18thesimo centurysecolo and beyondal di là.
85
210000
3000
dalla fine del 18esimo secolo in poi.
03:49
GalvaniGalvani showedha mostrato that a frog'sdi rana legsgambe twitchedsi contrasse
86
214000
3000
Galvani mostro' che le gambe di una rana si contraevano
03:52
when he connectedcollegato the lumbarlombare nervenervo
87
217000
2000
quando connetteva il nervo lombare
03:54
to a sourcefonte of electricalelettrico currentattuale.
88
219000
3000
a una fonte di corrente elettrica.
03:57
This experimentsperimentare revealedha rivelato the first, and perhapsForse mostmaggior parte fundamentalfondamentale,
89
222000
3000
Questo esperimento rivelo' il primo, e probabilmente piu' fondamentale,
04:00
nuggetPepita of the neuralneurale codecodice:
90
225000
2000
concetto del codice neurale:
04:02
that informationinformazione is writtenscritto in the formmodulo
91
227000
2000
l'informazione e' scritta in forma
04:04
of electricalelettrico impulsesimpulsi.
92
229000
3000
di impulsi elettrici.
04:08
Galvani'sDi Galvani approachapproccio
93
233000
2000
L'approccio di Galvani
04:10
of probingsondaggio the nervousnervoso systemsistema with electrodeselettrodi
94
235000
2000
di sondare il sistema nervoso con elettrodi
04:12
has remainedè rimasta state-of-the-artall'avanguardia untilfino a todayoggi,
95
237000
3000
e' rimasto in voga fino a oggi,
04:15
despitenonostante a numbernumero of drawbackssvantaggi.
96
240000
3000
nonostante una serie di svantaggi.
04:18
StickingAttaccare wiresfili into the braincervello is obviouslyovviamente ratherpiuttosto crudegreggio.
97
243000
3000
Inserire fili nel cervello e', ovviamente, piuttosto rozzo.
04:21
It's harddifficile to do in animalsanimali that runcorrere around,
98
246000
2000
E' difficile farlo negli animali che vanno in giro,
04:23
and there is a physicalfisico limitlimite
99
248000
2000
e ci sono dei limiti fisici
04:25
to the numbernumero of wiresfili
100
250000
2000
sul numero di fili
04:27
that can be insertedinserito simultaneouslycontemporaneamente.
101
252000
3000
che possono essere inseriti contemporaneamente.
04:30
So around the turnturno of the last centurysecolo,
102
255000
2000
Cosi' verso la fine del secolo scorso,
04:32
I startediniziato to think,
103
257000
2000
ho cominciato a pensare,
04:34
"Wouldn'tNon sarebbe it be wonderfulmeraviglioso if one could take this logiclogica
104
259000
3000
che sarebbe meraviglioso poter prendere questa idea
04:37
and turnturno it upsidesottosopra down?"
105
262000
2000
e capovolgerla.
04:39
So insteadanziché of insertinginserimento a wirefilo
106
264000
2000
Cosi', invece di inserire un filo
04:41
into one spotindividuare of the braincervello,
107
266000
3000
in un posto del cervello,
04:44
re-engineerre-assistente tecnico the braincervello itselfsi
108
269000
2000
ri-programmare il cervello stesso
04:46
so that some of its neuralneurale elementselementi
109
271000
3000
cosi' che alcuni dei suoi elementi neurali
04:49
becomediventare responsivedi risposta to diffuselydiffuso broadcasttrasmissione signalssegnali
110
274000
3000
diventino ricettivi nei confronti di segnali trasmessi,
04:52
suchcome as a flashveloce of lightleggero.
111
277000
3000
come un lampo di luce.
04:55
SuchTali an approachapproccio would literallyletteralmente, in a flashveloce of lightleggero,
112
280000
3000
Tale approccio, letteralmente con un lampo di luce
04:58
overcomesuperare manymolti of the obstaclesostacoli to discoveryscoperta.
113
283000
3000
supera molti degli ostacoli alla scoperta.
05:01
First, it's clearlychiaramente a non-invasivenon invasivo,
114
286000
3000
Primo, e' chiaramente una forma di comunicazione
05:04
wirelesssenza fili formmodulo of communicationcomunicazione.
115
289000
3000
non-invasiva, senza fili.
05:07
And secondsecondo, just as in a radioRadio broadcasttrasmissione,
116
292000
2000
E secondo, proprio come nella diffusione radio,
05:09
you can communicatecomunicare with manymolti receiversricevitori at onceuna volta.
117
294000
3000
si puo' comunicare con molti ricettori allo stesso tempo.
05:12
You don't need to know where these receiversricevitori are,
118
297000
3000
Non occorre sapere dove siano questi ricettori.
05:15
and it doesn't matterimporta if these receiversricevitori movemossa --
119
300000
2000
E non importa che questi ricettori si muovano -
05:17
just think of the stereostereo in your carauto.
120
302000
3000
pensate allo stereo nella vostra macchina.
05:20
It getsprende even better,
121
305000
3000
La cosa si fa piu' interessante
05:23
for it turnsgiri out that we can fabricatefabbricare the receiversricevitori
122
308000
3000
quando risulta che possiamo fabbricare i ricettori
05:26
out of materialsmateriale that are encodedcon codifica in DNADNA.
123
311000
3000
con il materiale codificato nel DNA.
05:29
So eachogni nervenervo cellcellula
124
314000
2000
Cosi' ogni cellula nervosa
05:31
with the right geneticgenetico makeuptrucco
125
316000
2000
con il corretto corredo genetico
05:33
will spontaneouslyspontaneamente produceprodurre a receiverricevitore
126
318000
3000
produrra' spontaneamente un ricettore
05:36
that allowsconsente us to controlcontrollo its functionfunzione.
127
321000
3000
che ci permette di controllare la sua funzione.
05:39
I hopesperanza you'llpotrai appreciateapprezzare
128
324000
2000
Spero apprezzerete
05:41
the beautifulbellissimo simplicitysemplicità
129
326000
2000
la meravigliosa semplicita'
05:43
of this conceptconcetto.
130
328000
2000
di questo concetto.
05:45
There's no high-techHigh Tech gizmosaggeggi here,
131
330000
2000
Non c'e' nessun aggeggio ultra-tecnologico,
05:47
just biologybiologia revealedha rivelato throughattraverso biologybiologia.
132
332000
3000
ma solo la biologia attivata attraverso la biologia.
05:51
Now let's take a look at these miraculousmiracoloso receiversricevitori up closevicino.
133
336000
3000
Adesso osservate piu' da vicino questi meravigliosi ricettori.
05:54
As we zoomzoom in on one of these purpleviola neuronsneuroni,
134
339000
3000
Quando ci avviciniamo a uno di questi neuroni viola
05:57
we see that its outeresterno membranemembrana
135
342000
2000
vediamo che la sua membrana esterna
05:59
is studdedcon borchie with microscopical microscopio porespori.
136
344000
2000
e' punteggiata da pori microscopici.
06:01
PoresPori like these conductcondotta electricalelettrico currentattuale
137
346000
2000
Pori come questi conducono corrente elettrica
06:03
and are responsibleresponsabile
138
348000
2000
e sono responsabili
06:05
for all the communicationcomunicazione in the nervousnervoso systemsistema.
139
350000
2000
di tutta la comunicazione nel sistema nervoso.
06:07
But these porespori here are specialspeciale.
140
352000
2000
Ma questi pori sono speciali.
06:09
They are coupledaccoppiato to lightleggero receptorsrecettori
141
354000
2000
Essi sono accopiati a ricettori della luce
06:11
similarsimile to the onesquelli in your eyesocchi.
142
356000
3000
simili a quelli nei vostri occhi.
06:14
WheneverOgni volta che a flashveloce of lightleggero hitscolpi the receptorrecettore,
143
359000
2000
Ogni qual volta un lampo di luce colpisce il ricettore,
06:16
the poreporo openssi apre, an electricalelettrico currentattuale is switchedcommutata on,
144
361000
3000
il poro si apre, genera la corrente elettrica,
06:19
and the neuronneurone firesincendi electricalelettrico impulsesimpulsi.
145
364000
3000
e il neurone scarica impulsi elettrici.
06:22
Because the light-activatedluce-attivato poreporo is encodedcon codifica in DNADNA,
146
367000
3000
Poiche' il poro attivato dalla luce e' codificato nel DNA,
06:25
we can achieveraggiungere incredibleincredibile precisionprecisione.
147
370000
3000
possiamo ottenere una precisione incredibile.
06:28
This is because,
148
373000
2000
Questo perche',
06:30
althoughsebbene eachogni cellcellula in our bodiescorpi
149
375000
2000
nonostante ogni cellula nel nostro corpo
06:32
containscontiene the samestesso setimpostato of genesgeni,
150
377000
2000
contenga lo stesso insieme di geni,
06:34
differentdiverso mixesmiscele of genesgeni get turnedtrasformato on and off
151
379000
2000
diverse combinazioni di geni sono attivate e disattivate
06:36
in differentdiverso cellscellule.
152
381000
2000
in cellule diverse.
06:38
You can exploitsfruttare this to make sure
153
383000
2000
Potete sfruttare questo principio per essere sicuri
06:40
that only some neuronsneuroni
154
385000
2000
che solo certi neuroni,
06:42
containcontenere our light-activatedluce-attivato poreporo and othersaltri don't.
155
387000
3000
e non altri, contengano i nostri pori attivati dalla luce.
06:45
So in this cartooncartone animato, the bluishbluastro whitebianca cellcellula
156
390000
2000
In questa immagine, la cellula bianca bluastra
06:47
in the upper-leftsuperiore sinistro cornerangolo
157
392000
2000
nell'angolo sinistro in alto
06:49
does not respondrispondere to lightleggero
158
394000
2000
non risponde alla luce
06:51
because it lacksmanca the light-activatedluce-attivato poreporo.
159
396000
3000
perche' non ha il poro di attivazione luminosa.
06:54
The approachapproccio workslavori so well
160
399000
2000
L'approccio funziona talmente bene
06:56
that we can writeScrivi purelypuramente artificialartificiale messagesmessaggi
161
401000
2000
che si possono scrivere messaggi del tutto artificiali
06:58
directlydirettamente to the braincervello.
162
403000
2000
direttamente nel cervello.
07:00
In this exampleesempio, eachogni electricalelettrico impulseimpulso,
163
405000
2000
In questo esempio, ogni impulso elettrico,
07:02
eachogni deflectiondeflessione on the tracetraccia,
164
407000
3000
ogni deviazione dalla traccia,
07:05
is causedcausato by a briefbreve pulseimpulso of lightleggero.
165
410000
3000
e' causato da un breve segnale di luce.
07:08
And the approachapproccio, of coursecorso, alsoanche workslavori
166
413000
2000
Questo approccio funziona anche
07:10
in movingin movimento, behavingcomportarsi animalsanimali.
167
415000
3000
in animali in movimento.
07:13
This is the first ever suchcome experimentsperimentare,
168
418000
2000
Questo e' il primo esperimento in assoluto di questo tipo,
07:15
sortordinare of the opticalottica equivalentequivalente of Galvani'sDi Galvani.
169
420000
3000
una specie di equivalente ottico di quelli di Galvani.
07:18
It was donefatto sixsei or sevenSette yearsanni agofa
170
423000
2000
Venne condotto sei o sette anni fa
07:20
by my then graduatediplomato studentalunno, SusanaSusana LimaLima.
171
425000
3000
dalla mia allora studentessa, Susana Lima.
07:23
SusanaSusana had engineeredingegnerizzato the fruitfrutta flyvolare on the left
172
428000
3000
Susana aveva progettato la mosca da frutta a sinistra
07:26
so that just two out of the 200,000 cellscellule in its braincervello
173
431000
4000
tale che due su 200,000 cellule nel suo cervello
07:30
expressedespresso the light-activatedluce-attivato poreporo.
174
435000
3000
generassero il poro fotoattivato.
07:33
You're familiarfamiliare with these cellscellule
175
438000
2000
Queste cellule vi saranno familiari
07:35
because they are the onesquelli that frustratevanificare you
176
440000
2000
dal momento che sono quelle che vi fanno sentire frustrati
07:37
when you try to swatschiacciare the flyvolare.
177
442000
2000
quando provate a scacciare una mosca.
07:39
They trainedallenato the escapefuga reflexriflesso that makesfa the flyvolare jumpsaltare into the airaria
178
444000
3000
Esse hanno prodotto il riflesso della fuga che consente alle mosche di saltare
07:42
and flyvolare away wheneverogni volta you movemossa your handmano in positionposizione.
179
447000
3000
e volare via ogni volta che muovete la mano.
07:46
And you can see here that the flashveloce of lightleggero has exactlydi preciso the samestesso effecteffetto.
180
451000
3000
Potete vedere che il lampo di luce ha esattamente lo stesso effetto.
07:49
The animalanimale jumpssalti, it spreadssi diffonde its wingsAli, it vibratesvibra them,
181
454000
3000
L'animale salta, apre le ali, le agita,
07:52
but it can't actuallyin realtà take off
182
457000
2000
ma non puo' realmente spiccare il volo,
07:54
because the flyvolare is sandwichedinserita betweenfra two glassbicchiere platespiastre.
183
459000
3000
perche' la mosca e' chiusa tra due piastre di vetro.
07:58
Now to make sure that this was no reactionreazione of the flyvolare
184
463000
2000
Ora, per esser certi che non fosse la reazione della mosca
08:00
to a flashveloce it could see,
185
465000
3000
a un bagliore che avrebbe potuto vedere,
08:03
SusanaSusana did a simplesemplice
186
468000
2000
Susana fece un semplice
08:05
but brutallybrutalmente effectiveefficace experimentsperimentare.
187
470000
2000
ma veramente brutale esperimento.
08:07
She cuttagliare the headsteste off of her fliesmosche.
188
472000
3000
Taglio' le teste alle sue mosche.
08:11
These headlesssenza testa bodiescorpi can livevivere for about a day,
189
476000
3000
Questi corpi decapitati posso vivere per circa un giorno,
08:14
but they don't do much.
190
479000
2000
ma non fanno molto.
08:16
They just standstare in piedi around
191
481000
3000
Si muovono un po' tutt'intorno
08:19
and groomsposo excessivelyeccessivamente.
192
484000
3000
ripulendosi eccessivamente.
08:22
So it seemssembra that the only traittratto that survivessopravvive decapitationdecapitazione is vanityvanità.
193
487000
3000
Pare che l'unico tratto che sopravvive alla decapitazione sia la vanita'.
08:25
(LaughterRisate)
194
490000
3000
(Risate)
08:30
AnywayIn ogni caso, as you'llpotrai see in a momentmomento,
195
495000
2000
Comunque, come vedrete fra un momento,
08:32
SusanaSusana was ablecapace to turnturno on the flightvolo motoril motore
196
497000
3000
Susana fu in grado di accendere il motore della fuga
08:35
of what's the equivalentequivalente of the spinalspinale cordcordone of these fliesmosche
197
500000
3000
in quello che e' l'equivalente della spina dorsale di queste mosche
08:38
and get some of the headlesssenza testa bodiescorpi
198
503000
2000
e far si' che alcuni dei corpi senza testa
08:40
to actuallyin realtà take off and flyvolare away.
199
505000
3000
riuscissero effettivamente a decollare e volare via.
08:47
They didn't get very farlontano, obviouslyovviamente.
200
512000
2000
Non andarono molto lontano, ovviamente.
08:50
SinceDal we tookha preso these first stepspassaggi,
201
515000
2000
Da quando abbiamo compiuto questi primi passi,
08:52
the fieldcampo of optogeneticsoptogenetica has explodedesploso.
202
517000
3000
il campo dell'optogenetica e' esploso.
08:55
And there are now hundredscentinaia of labslaboratori
203
520000
2000
Adesso ci sono centinaia di laboratori
08:57
usingutilizzando these approachesapprocci.
204
522000
2000
che usano questi approcci.
08:59
And we'venoi abbiamo come a long way
205
524000
2000
Abbiamo percorso una lunga strada
09:01
sinceda Galvani'sDi Galvani and Susana'sDi Susana first successessuccessi
206
526000
3000
dai primi successi di Galvani e Susana
09:04
in makingfabbricazione animalsanimali twitchTwitch or jumpsaltare.
207
529000
2000
nel far si' che gli animali si contraggano o saltino.
09:06
We can now actuallyin realtà interfereinterferire with theirloro psychologyPsicologia
208
531000
3000
Ora possiamo realmente interferire con la loro psicologia
09:09
in ratherpiuttosto profoundprofondo waysmodi,
209
534000
2000
in modi piuttosto profondi
09:11
as I'll showmostrare you in my last exampleesempio,
210
536000
2000
come vi mostrera' il mio ultimo esempio,
09:13
whichquale is directeddirette at a familiarfamiliare questiondomanda.
211
538000
3000
che e' diretto a una domanda familiare.
09:16
Life is a stringstringa of choicesscelte
212
541000
3000
La vita e' una serie di scelte
09:19
creatingla creazione di a constantcostante pressurepressione to decidedecidere what to do nextIl prossimo.
213
544000
3000
che creano una pressione costante per decidere cosa fare.
09:23
We copefar fronte with this pressurepressione by havingavendo brainsmente,
214
548000
3000
Facciamo fronte a questa pressione con il cervello,
09:26
and withinentro our brainsmente, decision-makingil processo decisionale centerscentri
215
551000
3000
e nei nostri cervelli, con i centri decisionali
09:29
that I've calledchiamato here the "ActorAttore."
216
554000
3000
che qui' ho chiamato l' Attore.
09:33
The ActorAttore implementsimplementa a policypolitica that takes into accountaccount
217
558000
3000
L' Attore attua una strategia che prende in considerazione
09:36
the statestato of the environmentambiente
218
561000
2000
lo stato dell'ambiente
09:38
and the contextcontesto in whichquale we operateoperare.
219
563000
3000
e il contesto nel quale operiamo.
09:41
Our actionsAzioni changemodificare the environmentambiente, or contextcontesto,
220
566000
3000
Le nostre azioni modificano l'ambiente, o il contesto,
09:44
and these changesi cambiamenti are then fedalimentato back into the decisiondecisione loopciclo continuo.
221
569000
3000
e questi cambiamenti vengono poi ritrasmessi nel circolo decisionale.
09:48
Now to put some neurobiologicalneurobiologici meatcarne
222
573000
3000
Ora, per inserire contenuti neurobiologici
09:51
on this abstractastratto modelmodello,
223
576000
2000
in questo modello astratto,
09:53
we constructedcostruito a simplesemplice one-dimensionalunidimensionale worldmondo
224
578000
2000
abbiamo costruito un mondo uni-dimensionale semplice
09:55
for our favoritefavorito subjectsoggetto, fruitfrutta fliesmosche.
225
580000
3000
per il nostro soggetto preferito, le mosche da frutta.
09:58
EachOgni chamberCamera in these two verticalverticale stacksstack
226
583000
2000
ogni camera di queste due colonne verticali
10:00
containscontiene one flyvolare.
227
585000
2000
contiene una mosca.
10:02
The left and the right halvesmetà of the chamberCamera
228
587000
3000
Le meta' destra e sinistra della camera
10:05
are filledpieno with two differentdiverso odorsodori,
229
590000
2000
sono pregne di due diversi odori,
10:07
and a securitysicurezza cameramacchina fotografica watchesorologi
230
592000
2000
e una telecamera di sicurezza osserva
10:09
as the fliesmosche paceritmo up and down betweenfra them.
231
594000
3000
le mosche fare su e giu' fra le due.
10:12
Here'sQui è some suchcome CCTVCCTV footagemetraggio.
232
597000
2000
Ecco alcune video registrazioni.
10:14
WheneverOgni volta che a flyvolare reachesraggiunge the midpointpunto medio of the chamberCamera
233
599000
3000
Ogni qual volta raggiunge il centro della camera
10:17
where the two odorodore streamsflussi meetincontrare,
234
602000
2000
dove due correnti di odore si incontrano,
10:19
it has to make a decisiondecisione.
235
604000
2000
la mosca deve prendere una decisione.
10:21
It has to decidedecidere whetherse to turnturno around
236
606000
2000
Deve decidere se fare marcia indietro
10:23
and stayrestare in the samestesso odorodore,
237
608000
2000
e rimanere nello stesso odore,
10:25
or whetherse to crossattraversare the midlinelinea mediana
238
610000
2000
oppure oltrepassare la linea
10:27
and try something newnuovo.
239
612000
2000
e provare qualcosa di nuovo.
10:29
These decisionsdecisioni are clearlychiaramente a reflectionriflessione
240
614000
3000
Queste decisioni sono chiaramente un riflesso
10:32
of the Actor'sDell'attore policypolitica.
241
617000
3000
della strategia dell' Attore.
10:36
Now for an intelligentintelligente beingessere like our flyvolare,
242
621000
3000
Per una creatura intelligente come la nostra mosca,
10:39
this policypolitica is not writtenscritto in stonepietra
243
624000
3000
questa strategia non e' rigida,
10:42
but ratherpiuttosto changesi cambiamenti as the animalanimale learnsImpara from experienceEsperienza.
244
627000
3000
ma anzi cambia con cio' che l'animale impara dall'esperienza.
10:45
We can incorporateincorporare suchcome an elementelemento
245
630000
2000
Possiamo incorporare questo elemento
10:47
of adaptiveadattabile intelligenceintelligenza into our modelmodello
246
632000
3000
di intelligenza adattativa nel nostro modello
10:50
by assumingsupponendo that the fly'sdella Mosca braincervello
247
635000
2000
assumendo che il cervello della mosca
10:52
containscontiene not only an ActorAttore,
248
637000
2000
contiene non solo un Attore,
10:54
but a differentdiverso groupgruppo of cellscellule,
249
639000
2000
ma un gruppo diverso di cellule,
10:56
a "CriticCritico," that providesfornisce a runningin esecuzione commentarycommento
250
641000
3000
un Critico, che fornisce una telecronaca continua
10:59
on the Actor'sDell'attore choicesscelte.
251
644000
2000
sulle scelte dell' Attore.
11:01
You can think of this naggingfastidioso innerinterno voicevoce
252
646000
3000
Potete pensare a questa assillante voce interiore
11:04
as sortordinare of the brain'sIl cervello di equivalentequivalente
253
649000
2000
come a una specie di equivalente per il cervello
11:06
of the CatholicCattolica ChurchChiesa,
254
651000
2000
della Chiesa Cattolica,
11:08
if you're an AustrianAustriaco like me,
255
653000
3000
se siete Austriaci come me,
11:11
or the super-egoSuper-ego, if you're FreudianFreudiana,
256
656000
3000
o del superego, se siete Freudiani,
11:14
or your mothermadre, if you're JewishEbraico.
257
659000
2000
o di vostra madre, se siete Ebrei.
11:16
(LaughterRisate)
258
661000
4000
(Risate)
11:20
Now obviouslyovviamente,
259
665000
2000
Ovviamente,
11:22
the CriticCritico is a keychiave ingredientingrediente
260
667000
3000
il Critico e' un ingrediente fondamentale
11:25
in what makesfa us intelligentintelligente.
261
670000
2000
per cio' che ci rende intelligenti.
11:27
So we setimpostato out to identifyidentificare
262
672000
2000
Cosi', ci proponemmo di identificare
11:29
the cellscellule in the fly'sdella Mosca braincervello
263
674000
2000
le cellule nel cervello della mosca
11:31
that playedgiocato the roleruolo of the CriticCritico.
264
676000
2000
che svolgono il ruolo del Critico.
11:33
And the logiclogica of our experimentsperimentare was simplesemplice.
265
678000
3000
La logica del nostro esperimento era semplice.
11:36
We thought if we could use our opticalottica remotea distanza controlcontrollo
266
681000
3000
Pensammo che se potevamo usare il nostro controllo ottico remoto
11:39
to activateattivare the cellscellule of the CriticCritico,
267
684000
3000
per attivare le cellule del Critico,
11:42
we should be ablecapace, artificiallyartificialmente, to nagnag the ActorAttore
268
687000
3000
dovevamo essere in grado, artificialmente, di assillare l'Attore
11:45
into changingmutevole its policypolitica.
269
690000
2000
per fargli cambiare strategia.
11:47
In other wordsparole,
270
692000
2000
In altre parole,
11:49
the flyvolare should learnimparare from mistakeserrori
271
694000
2000
la mosca avrebbe dovuto imparare dagli sbagli
11:51
that it thought it had madefatto
272
696000
2000
che pensava di aver fatto
11:53
but, in realityla realtà, it had not madefatto.
273
698000
3000
ma che in realta' non aveva fatto.
11:56
So we bredallevati fliesmosche
274
701000
2000
Cosi' abbiamo allevato mosche
11:58
whosedi chi brainsmente were more or lessDi meno randomlya caso pepperedpepato
275
703000
3000
i cui cervelli erano stati corretti piu' o meno a caso
12:01
with cellscellule that were lightleggero addressableindirizzabili.
276
706000
2000
con cellule che fossero sensibili dalla luce.
12:03
And then we tookha preso these fliesmosche
277
708000
2000
Poi abbiamo preso queste mosche
12:05
and allowedpermesso them to make choicesscelte.
278
710000
2000
e abbiamo permesso loro di operare delle scelte.
12:07
And wheneverogni volta they madefatto one of the two choicesscelte,
279
712000
2000
Ogni volta che prendevano una delle due decisioni,
12:09
chosescelto one odorodore,
280
714000
2000
cioe' sceglievano un odore,
12:11
in this casecaso the blueblu one over the orangearancia one,
281
716000
2000
in questo caso blu invece di arancione,
12:13
we switchedcommutata on the lightsluci.
282
718000
2000
accendavamo le luci.
12:15
If the CriticCritico was amongtra the opticallyotticamente activatedattivato cellscellule,
283
720000
3000
Se il Critico fosse stato fra le cellule attivate dalla luce
12:18
the resultrisultato of this interventionintervento
284
723000
2000
il risultato di questo intervento
12:20
should be a changemodificare in policypolitica.
285
725000
3000
avrebbe dato un cambio di strategia.
12:23
The flyvolare should learnimparare to avoidevitare
286
728000
2000
La mosca dovrebbe imparare a evitare
12:25
the opticallyotticamente reinforcedrinforzata odorodore.
287
730000
2000
l'odore otticamente rinforzato.
12:27
Here'sQui è what happenedè accaduto in two instancescasi:
288
732000
3000
Ecco cosa e' successo in due casi.
12:30
We're comparingconfrontando two strainsceppi of fliesmosche,
289
735000
3000
Mettiamo a confronto due famiglie di mosche,
12:33
eachogni of them havingavendo
290
738000
2000
ognuna delle quali ha
12:35
about 100 light-addressableluce-indirizzabile cellscellule in theirloro brainsmente,
291
740000
2000
circa 100 cellule fotosensibili nel cervello,
12:37
shownmostrato here in greenverde on the left and on the right.
292
742000
3000
qui' indicate in verde a destra e a sinistra.
12:40
What's commonComune amongtra these groupsgruppi of cellscellule
293
745000
3000
Cio' che accomuna questi gruppi di cellule
12:43
is that they all produceprodurre the neurotransmitterneurotrasmettitore dopaminedopamina.
294
748000
3000
e' la produzione del neurotrasmettitore dopamina.
12:46
But the identitiesidentità of the individualindividuale
295
751000
2000
Ma le identita' dei singoli
12:48
dopamine-producingdopamina-producenti neuronsneuroni
296
753000
2000
neuroni produttori di dopamina
12:50
are clearlychiaramente largelyin gran parte differentdiverso on the left and on the right.
297
755000
3000
a destra e a sinistra sono chiaramente diverse.
12:53
OpticallyOtticamente activatingattivazione
298
758000
2000
L'attivazione ottica
12:55
these hundredcentinaio or so cellscellule
299
760000
2000
di questo centinaio di cellule
12:57
into two strainsceppi of fliesmosche
300
762000
2000
in due famiglie di mosche,
12:59
has dramaticallydrammaticamente differentdiverso consequencesconseguenze.
301
764000
2000
ha delle conseguenze drammaticamente diverse.
13:01
If you look first at the behaviorcomportamento
302
766000
2000
Se osservate il comportamento
13:03
of the flyvolare on the right,
303
768000
2000
della mosca a destra,
13:05
you can see that wheneverogni volta it reachesraggiunge the midpointpunto medio of the chamberCamera
304
770000
3000
vedrete che quando raggiunge il centro della camera
13:08
where the two odorsodori meetincontrare,
305
773000
2000
dove i due odori si incontrano,
13:10
it marchesMarche straightdritto throughattraverso, as it did before.
306
775000
3000
continua a andare dritta come prima.
13:13
Its behaviorcomportamento is completelycompletamente unchangedinvariato.
307
778000
2000
Il suo comportamento non e' affatto cambiato.
13:15
But the behaviorcomportamento of the flyvolare on the left is very differentdiverso.
308
780000
3000
Ma il comportamento della mosca a sinistra e' molto diverso.
13:18
WheneverOgni volta che it comesviene up to the midpointpunto medio,
309
783000
3000
Quando arriva al centro,
13:21
it pausespause,
310
786000
2000
si ferma,
13:23
it carefullyaccuratamente scansscansioni the odorodore interfaceinterfaccia
311
788000
2000
controlla attentamente la frontiera odorifera,
13:25
as if it was sniffingsniffing out its environmentambiente,
312
790000
2000
come se stesse annusando il suo ambiente,
13:27
and then it turnsgiri around.
313
792000
2000
e quindi svolta.
13:29
This meanssi intende that the policypolitica that the ActorAttore implementsimplementa
314
794000
3000
Cio' significa che la strategia implementata dall'Attore
13:32
now includesinclude an instructionistruzione to avoidevitare the odorodore
315
797000
2000
ora include un'istruzione per evitare l'odore
13:34
that's in the right halfmetà of the chamberCamera.
316
799000
3000
che e' nella meta' destra della camera.
13:37
This meanssi intende that the CriticCritico
317
802000
2000
Cio' vuol dire che il Critico
13:39
mustdovere have spokenverbale in that animalanimale,
318
804000
2000
deve aver parlato all'animale,
13:41
and that the CriticCritico mustdovere be containedcontenuta
319
806000
2000
e che il Critico debba essere contenuto
13:43
amongtra the dopamine-producingdopamina-producenti neuronsneuroni on the left,
320
808000
3000
tra i neuroni produttori di dopamina sulla sinistra,
13:46
but not amongtra the dopaminedopamina producingproduzione neuronsneuroni on the right.
321
811000
3000
ma non tra i neuroni produttori di dopamina a destra.
13:49
ThroughAttraverso manymolti suchcome experimentsesperimenti,
322
814000
3000
Attraverso molti di questi esperimenti
13:52
we were ablecapace to narrowstretto down
323
817000
2000
siamo stati in grado di delimitare
13:54
the identityidentità of the CriticCritico
324
819000
2000
l'identita' del Critico
13:56
to just 12 cellscellule.
325
821000
2000
a sole 12 cellule.
13:58
These 12 cellscellule, as shownmostrato here in greenverde,
326
823000
3000
Queste 12 cellule, qui' contrassegnate in verde,
14:01
sendinviare the outputproduzione to a braincervello structurestruttura
327
826000
2000
mandano il segnale alla struttura cerebrale
14:03
calledchiamato the "mushroomfungo bodycorpo,"
328
828000
2000
chiamata corpo fungoso,
14:05
whichquale is shownmostrato here in graygrigio.
329
830000
2000
che qui' è in grigio.
14:07
We know from our formalformale modelmodello
330
832000
2000
Dal nostro modello formale, sappiamo
14:09
that the braincervello structurestruttura
331
834000
2000
che la struttura cerebrale
14:11
at the receivingricevente endfine of the Critic'sDella critica commentarycommento is the ActorAttore.
332
836000
3000
che riceve il commento del Critico e' l'Attore.
14:14
So this anatomyanatomia suggestssuggerisce
333
839000
2000
Questa anatomia suggerisce che
14:16
that the mushroomfungo bodiescorpi have something to do
334
841000
3000
i corpi fungosi hanno qualcosa a che fare
14:19
with actionazione choicescelta.
335
844000
2000
con un'azione di scelta.
14:21
BasedBase on everything we know about the mushroomfungo bodiescorpi,
336
846000
2000
Sulla base di tutto cio' che sappiamo dei corpi fungosi,
14:23
this makesfa perfectperfezionare sensesenso.
337
848000
2000
i conti tornano alla perfezione.
14:25
In factfatto, it makesfa so much sensesenso
338
850000
2000
Infatti, i conti tornano cosi' tanto,
14:27
that we can constructcostruire an electronicelettronico toygiocattolo circuitcircuito
339
852000
3000
che siamo in grado di costruire un circuito giocattolo elettronico
14:30
that simulatessimula the behaviorcomportamento of the flyvolare.
340
855000
3000
che simula il comportamento della mosca.
14:33
In this electronicelettronico toygiocattolo circuitcircuito,
341
858000
3000
In questo circuito giocattolo elettronico
14:36
the mushroomfungo bodycorpo neuronsneuroni are symbolizedsimboleggiato
342
861000
2000
i neuroni del corpo fungoso sono simbolizzati
14:38
by the verticalverticale bankbanca of blueblu LEDsLED
343
863000
3000
dalla banda verticale di fotoemettitori blu
14:41
in the centercentro of the boardtavola.
344
866000
3000
al centro della lavagna.
14:44
These LED'sDi LED are wiredcablata to sensorssensori
345
869000
2000
I fotoemettitori sono collegati a sensori
14:46
that detectindividuare the presencepresenza of odorousodoroso moleculesmolecole in the airaria.
346
871000
3000
che rilevano la presenza di molecole odorifere nell'aria.
14:50
EachOgni odorodore activatesattiva a differentdiverso combinationcombinazione of sensorssensori,
347
875000
3000
Ogni odore attiva una combinazione diversa di sensori,
14:53
whichquale in turnturno activatesattiva
348
878000
2000
che a sua volta attiva
14:55
a differentdiverso odorodore detectorrivelatore in the mushroomfungo bodycorpo.
349
880000
3000
un rilevatore di odore diverso nel corpo fungoso.
14:58
So the pilotpilota in the cockpitcabina di pilotaggio of the flyvolare,
350
883000
2000
Cosi' il pilota nella cabina della mosca,
15:00
the ActorAttore,
351
885000
2000
l'Attore,
15:02
can tell whichquale odorodore is presentpresente
352
887000
2000
e' in grado di dire quale odore sia presente
15:04
simplysemplicemente by looking at whichquale of the blueblu LEDsLED lightsluci up.
353
889000
4000
semplicemente guardando quali luci blu sono accese.
15:09
What the ActorAttore does with this informationinformazione
354
894000
2000
Cio' che l'Attore fa con questa informazione
15:11
dependsdipende on its policypolitica,
355
896000
2000
dipende dalla sua strategia,
15:13
whichquale is storedmemorizzati in the strengthspunti di forza of the connectionconnessione,
356
898000
2000
immagazzinata nelle connessioni,
15:15
betweenfra the odorodore detectorsrilevatori di
357
900000
2000
fra i rilevatori di odore
15:17
and the motorsmotori
358
902000
2000
e i motori
15:19
that powerenergia the fly'sdella Mosca evasiveevasiva actionsAzioni.
359
904000
2000
che alimentano le azioni evasive della mosca.
15:22
If the connectionconnessione is weakdebole, the motorsmotori will stayrestare off
360
907000
2000
Se la connessione e' debole, i motori staranno spenti
15:24
and the flyvolare will continueContinua straightdritto on its coursecorso.
361
909000
3000
e la mosca continuera' per la sua strada.
15:27
If the connectionconnessione is strongforte, the motorsmotori will turnturno on
362
912000
3000
Se la connessione e' forte, i motori si accenderanno
15:30
and the flyvolare will initiateavviare a turnturno.
363
915000
3000
e la mosca comincera' a svoltare.
15:33
Now considerprendere in considerazione a situationsituazione
364
918000
2000
Consideriamo una situazione
15:35
in whichquale the motorsmotori stayrestare off,
365
920000
2000
in cui i motri restano spenti,
15:37
the flyvolare continuescontinua on its pathsentiero
366
922000
3000
la mosca continua il suo percorso
15:40
and it sufferssoffre some painfuldoloroso consequenceconseguenza
367
925000
2000
e ne soffre qualche dolorosa conseguenza
15:42
suchcome as gettingottenere zappedzapped.
368
927000
2000
come prendere la scossa.
15:44
In a situationsituazione like this,
369
929000
2000
In una situazione come questa,
15:46
we would expectaspettarsi the CriticCritico to speakparlare up
370
931000
2000
ci aspetteremmo che il Critico parli
15:48
and to tell the ActorAttore
371
933000
2000
e dica all' Attore
15:50
to changemodificare its policypolitica.
372
935000
2000
di cambiare strategia.
15:52
We have createdcreato suchcome a situationsituazione, artificiallyartificialmente,
373
937000
3000
Abbiamo creato una situazione artificiale
15:55
by turningsvolta on the criticcritico with a flashveloce of lightleggero.
374
940000
3000
con l'accensione del Critico tramite un lampo di luce.
15:58
That causedcausato a strengtheningrafforzamento of the connectionsconnessioni
375
943000
3000
Cio' comporta un rafforzamento delle connessioni
16:01
betweenfra the currentlyattualmente activeattivo odorodore detectorrivelatore
376
946000
3000
tra i rilevatori di odore correntemente attivi
16:04
and the motorsmotori.
377
949000
2000
e i motori.
16:06
So the nextIl prossimo time
378
951000
2000
Cosi' quando la mosca
16:08
the flyvolare findsreperti itselfsi facingdi fronte the samestesso odorodore again,
379
953000
3000
si ritrovera' di fronte allo stesso odore,
16:11
the connectionconnessione is strongforte enoughabbastanza to turnturno on the motorsmotori
380
956000
3000
la connessione sara' forte abbastanza per accendere i motori
16:14
and to triggergrilletto an evasiveevasiva maneuvermanovra.
381
959000
3000
e per innescare una manovra evasiva.
16:19
I don't know about you,
382
964000
3000
Non so voi,
16:22
but I find it exhilaratingesilarante to see
383
967000
3000
ma io trovo esilarante vedere
16:25
how vaguevago psychologicalpsicologico notionsnozioni
384
970000
3000
come vaghe nozioni psicologiche
16:28
evaporateevaporare and give risesalire
385
973000
2000
evaporino e diano luogo
16:30
to a physicalfisico, mechanisticmeccanicistico understandingcomprensione of the mindmente,
386
975000
3000
a una comprensione fisica e meccanica della mente,
16:33
even if it's the mindmente of the flyvolare.
387
978000
3000
anche se e' la mente di una mosca.
16:36
This is one piecepezzo of good newsnotizia.
388
981000
3000
Questa e' la prima buona notizia.
16:39
The other piecepezzo of good newsnotizia,
389
984000
2000
La seconda buona notizia,
16:41
for a scientistscienziato at leastmeno,
390
986000
2000
per uno scienziato, perlomeno,
16:43
is that much remainsresti to be discoveredscoperto.
391
988000
3000
e' che c'e' ancora molto da scoprire.
16:46
In the experimentsesperimenti I told you about,
392
991000
2000
Negli esperimenti di cui vi ho parlato,
16:48
we have liftedsollevato the identityidentità of the CriticCritico,
393
993000
3000
abbiamo svelato l'identita' del Critico,
16:51
but we still have no ideaidea
394
996000
2000
ma ancora non abbiamo idea
16:53
how the CriticCritico does its joblavoro.
395
998000
2000
di come il Critico svolga il suo lavoro.
16:55
Come to think of it, knowingsapendo when you're wrongsbagliato
396
1000000
2000
Pensadoci bene, sapere di essere nel torto
16:57
withoutsenza a teacherinsegnante, or your mothermadre, tellingraccontare you,
397
1002000
3000
in assenza di un maestro, o di tua madre che te lo dice,
17:00
is a very harddifficile problemproblema.
398
1005000
2000
e' un problema molto difficile.
17:02
There are some ideasidee in computercomputer sciencescienza
399
1007000
2000
Ci sono alcune idee in informatica
17:04
and in artificialartificiale intelligenceintelligenza
400
1009000
2000
e in intelligenza artificiale
17:06
as to how this mightpotrebbe be donefatto,
401
1011000
2000
su come cio' possa essere fatto,
17:08
but we still haven'tnon hanno solvedrisolto
402
1013000
2000
ma ancora non abbiamo risolto
17:10
a singlesingolo exampleesempio
403
1015000
2000
un solo esempio
17:12
of how intelligentintelligente behaviorcomportamento
404
1017000
3000
di come il comportamento intelligente
17:15
springsmolle from the physicalfisico interactionsinterazioni
405
1020000
2000
sbocci dalle interazioni fisiche
17:17
in livingvita matterimporta.
406
1022000
2000
nella materia vivente.
17:19
I think we'llbene get there in the not too distantlontano futurefuturo.
407
1024000
3000
Penso che ci arriveremo in un futuro non troppo lontano.
17:22
Thank you.
408
1027000
2000
Grazie.
17:24
(ApplauseApplausi)
409
1029000
4000
(Applausi)
Translated by Vincenzo Politi
Reviewed by Daniele Berti

▲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