sponsored links
TEDGlobal 2011

Daniel Wolpert: The real reason for brains

ダニエル・ウォルパート: 脳の存在理由

July 13, 2011

神経科学者であるダニエル・ウォルパートは驚くべき仮説で話を始めます。脳は考えたり感じたりするためではなく、動きを制御するために進化した、と。彼の面白くデータに富んだ話は脳がいかに美しく機敏な動きをヒトが作り出すかを教えてくれます。

Daniel Wolpert - Movement expert
A neuroscientist and engineer, Daniel Wolpert studies how the brain controls the body. Full bio

sponsored links
Double-click the English subtitles below to play the video.
私は神経科学者です
00:15
I'm a neuroscientist.
神経科学では
00:17
And in neuroscience,
脳に関しての多くの難問に立ち会います
00:19
we have to deal with many difficult questions about the brain.
しかし私はその中でも最も簡単で
00:22
But I want to start with the easiest question
だれもが人生の中で一度は問いかけるだろう
00:24
and the question you really should have all asked yourselves at some point in your life,
脳の働きに対する理解の基本となる
00:27
because it's a fundamental question
疑問から始めましょう
00:29
if we want to understand brain function.
私たち人間や動物には
00:31
And that is, why do we and other animals
なぜ脳があるのか
00:33
have brains?
この地球上の生物全てに脳があるわけではありません
00:35
Not all species on our planet have brains,
脳の存在理由を知るためには
00:38
so if we want to know what the brain is for,
なぜ私たちの脳ができたのか考える必要があります
00:40
let's think about why we evolved one.
何かを感じたり考えたりするためだと
00:42
Now you may reason that we have one
結論付けるかもしれませんが
00:44
to perceive the world or to think,
それは完全に間違いです
00:46
and that's completely wrong.
この質問を少し考えてみれば
00:48
If you think about this question for any length of time,
脳が存在する理由は明らかになります
00:51
it's blindingly obvious why we have a brain.
脳を持つ理由はただ一つ
00:53
We have a brain for one reason and one reason only,
柔軟で複雑な動きを可能にすることです
00:56
and that's to produce adaptable and complex movements.
これが脳を持つ唯一の理由です
00:59
There is no other reason to have a brain.
考えてみてください
01:01
Think about it.
唯一 動作だけが周りの世界に
01:03
Movement is the only way you have
働きかけのできる方法なのです
01:05
of affecting the world around you.
例外は発汗だけです
01:07
Now that's not quite true. There's one other way, and that's through sweating.
それ以外は
01:10
But apart from that,
すべて筋肉の収縮が伴います
01:12
everything else goes through contractions of muscles.
コミュニケーションを考えてみてください
01:14
So think about communication --
話し ジェスチャー 筆記 手話
01:16
speech, gestures, writing, sign language --
すべて筋肉の収縮によって成り立っています
01:19
they're all mediated through contractions of your muscles.
覚えておかなければいけないことは
01:22
So it's really important to remember
感覚や記憶 認知の過程は重要ですが
01:24
that sensory, memory and cognitive processes are all important,
それらが必要なのは
01:28
but they're only important
将来的に動作に影響を与えるときだけです
01:30
to either drive or suppress future movements.
後の動作に影響を与えないのであれば
01:32
There can be no evolutionary advantage
幼少時代の記憶を保持したり
01:34
to laying down memories of childhood
バラの色を感知することには
01:36
or perceiving the color of a rose
進化的な意義を持ちません
01:38
if it doesn't affect the way you're going to move later in life.
この話を信じない人もいるかもしれません
01:41
Now for those who don't believe this argument,
木や草などには脳がありませんが
01:43
we have trees and grass on our planet without the brain,
確たる証拠はこの
01:45
but the clinching evidence is this animal here --
地味な動物 ホヤです
01:47
the humble sea squirt.
01:49
Rudimentary animal, has a nervous system,
この原始的な生物は神経系を持っており
幼生のときは海を泳ぎまわります
01:52
swims around in the ocean in its juvenile life.
そしてあるときになると
01:54
And at some point of its life,
岩にとりつきます
01:56
it implants on a rock.
永住の場所とした岩にとりついてはじめてするのは
01:58
And the first thing it does in implanting on that rock, which it never leaves,
自分の脳と神経系を食物として
02:01
is to digest its own brain and nervous system
消化することです
02:04
for food.
一旦動く必要がなくなると
02:06
So once you don't need to move,
脳のような贅沢品はいらないのです
02:08
you don't need the luxury of that brain.
この動物はよく
02:11
And this animal is often taken
大学で終身雇用された教授の
02:13
as an analogy to what happens at universities
比喩で持ち出されますが
02:15
when professors get tenure,
それはまた別の機会にしましょう
02:17
but that's a different subject.
(拍手)
02:19
(Applause)
私は動作至上主義者です
02:21
So I am a movement chauvinist.
動作こそが脳のもっとも重要な働きと信じていますし
02:24
I believe movement is the most important function of the brain --
それは誰にも否定させたくありません
02:26
don't let anyone tell you that it's not true.
動作はそれほど重要ですが
02:28
Now if movement is so important,
脳がどのように制御しているのかを
02:30
how well are we doing
私たちはどれ位理解しているのでしょうか
02:32
understanding how the brain controls movement?
それはごくわずかであり とても難しい問題です
02:34
And the answer is we're doing extremely poorly; it's a very hard problem.
しかし人間と同じ動作をする
02:36
But we can look at how well we're doing
機械を作ることによって いかに
02:38
by thinking about how well we're doing building machines
私たちがうまくやっているかを観察できます
02:40
which can do what humans can do.
チェスの試合を例にしましょう
02:42
Think about the game of chess.
駒を動かす戦略を私たちはどれほどうまくたてられるでしょうか
02:44
How well are we doing determining what piece to move where?
ゲイリー・カスパロフが収監される前にIBMの
02:47
If you pit Garry Kasparov here, when he's not in jail,
ディープブルーと対戦したとすると
02:50
against IBM's Deep Blue,
ディープブルーが勝つこともあったでしょう
02:52
well the answer is IBM's Deep Blue will occasionally win.
ここにいる誰かが相手なら
絶対に勝つでしょう
02:55
And I think if IBM's Deep Blue played anyone in this room, it would win every time.
これが答えです
02:58
That problem is solved.
では 次の質問
03:00
What about the problem
チェスの駒を取り上げて
03:02
of picking up a chess piece,
器用に動かし 盤上に戻すのはどれほどうまくできるでしょうか
03:04
dexterously manipulating it and putting it back down on the board?
5歳の子供の器用さと最新のロボットを比べても
03:07
If you put a five year-old child's dexterity against the best robots of today,
答えは簡単です
03:10
the answer is simple:
子供が容易に勝つでしょう
03:12
the child wins easily.
勝負になりません
03:14
There's no competition at all.
なぜ上の問題はそう簡単なのに
03:16
Now why is that top problem so easy
下の問題はそんなに難しいのでしょうか
03:18
and the bottom problem so hard?
とても賢い5歳の子供ならば
03:20
One reason is a very smart five year-old
上の問題には答えられるかもしれません
03:22
could tell you the algorithm for that top problem --
最終局まで可能な進め方を考え
03:24
look at all possible moves to the end of the game
勝てるものを選び出すこと
03:26
and choose the one that makes you win.
それはとても単純なことです
03:28
So it's a very simple algorithm.
もちろん間違うこともありますが
03:30
Now of course there are other moves,
巨大なコンピュータを使えば
03:32
but with vast computers we approximate
正解に近づけることはできます
03:34
and come close to the optimal solution.
器用さとなると
03:36
When it comes to being dexterous,
どんなアルゴリズムを解くのかも
はっきりしません
03:38
it's not even clear what the algorithm is you have to solve to be dexterous.
周りの世界を把握し
働きかけることが必要で
03:40
And we'll see you have to both perceive and act on the world,
03:42
which has a lot of problems.
それが多くの問題をはらんでいます
03:44
But let me show you cutting-edge robotics.
最新のロボット工学をご覧ください
03:46
Now a lot of robotics is very impressive,
今では多くの驚くべきロボットがあります
03:48
but manipulation robotics is really just in the dark ages.
しかし動作ロボット工学はまさに暗黒時代です
03:51
So this is the end of a Ph.D. project
最高のロボット工学研究所の一つの
博士号プロジェクトの結果がこれです
03:53
from one of the best robotics institutes.
学生がこのロボットを訓練し
03:55
And the student has trained this robot
グラスに水を注げるようにしました
03:57
to pour this water into a glass.
水がはねるので難しい課題でしたが 行うことは可能です
03:59
It's a hard problem because the water sloshes about, but it can do it.
しかし人間のような機敏さはまったくありません
04:02
But it doesn't do it with anything like the agility of a human.
違う動作をさせたいと考えるとすると
04:05
Now if you want this robot to do a different task,
それはまた3年間の博士号プロジェクトが必要です
04:08
that's another three-year Ph.D. program.
ここには一つのタスクから他につながるような
04:11
There is no generalization at all
一般化はまったくありません
04:13
from one task to another in robotics.
ではこの例と 人間の中でも
04:15
Now we can compare this
もっともすばらしいパフォーマンスとを比べてみましょう
04:17
to cutting-edge human performance.
このエミリー・フォックスさんはカップ・スタッキングの
04:19
So what I'm going to show you is Emily Fox
世界記録保持者です
04:21
winning the world record for cup stacking.
アメリカ人の方はこの競技をご存知と思いますが
04:24
Now the Americans in the audience will know all about cup stacking.
高校のスポーツで
04:26
It's a high school sport
12個のカップを決まった順序でなるべく早く
04:28
where you have 12 cups you have to stack and unstack
積み重ねたり並べたりします
04:30
against the clock in a prescribed order.
これは彼女が世界記録をとったときの実速度の映像です
04:32
And this is her getting the world record in real time.
04:39
(Laughter)
(拍手)
04:47
(Applause)
とてもうれしそうです
04:52
And she's pretty happy.
頭の中で起こっていることはわかりませんが
04:54
We have no idea what is going on inside her brain when she does that,
それこそが知りたいことなのです
04:56
and that's what we'd like to know.
04:58
So in my group, what we try to do
そこで私のチームは
ヒトがどのように動作を制御するか
リバースエンジニアすることに挑戦しました
05:00
is reverse engineer how humans control movement.
簡単なことに思えるかもしれません
05:03
And it sounds like an easy problem.
指令を送って
それに対応して筋肉が収縮し
05:05
You send a command down, it causes muscles to contract.
05:07
Your arm or body moves,
腕や身体が動き
視覚 皮ふや筋肉などからのフィードバックがある
05:09
and you get sensory feedback from vision, from skin, from muscles and so on.
05:12
The trouble is
問題は
それらが望むようなきれいな信号ではないことです
05:14
these signals are not the beautiful signals you want them to be.
動作を制御するときに難しいことのひとつが
05:16
So one thing that makes controlling movement difficult
フィードバックがノイズだらけということです
05:18
is, for example, sensory feedback is extremely noisy.
ノイズといっても音ではなく
05:21
Now by noise, I do not mean sound.
工学や神経科学の世界で 信号を破損させる
05:24
We use it in the engineering and neuroscience sense
ランダム・ノイズという意味で使っています
05:26
meaning a random noise corrupting a signal.
昔 デジタルラジオが出る前の古いラジオで選局するときに
05:28
So the old days before digital radio when you were tuning in your radio
聞こえるガガガという音
05:31
and you heard "crrcckkk" on the station you wanted to hear,
それがノイズです
05:33
that was the noise.
もっと一般的に言うと信号を破損させるものです
05:35
But more generally, this noise is something that corrupts the signal.
例を挙げると 机の下に手を置いて
05:38
So for example, if you put your hand under a table
反対の手で位置を当てようとすると
05:40
and try to localize it with your other hand,
数センチの誤差がでるでしょう
05:42
you can be off by several centimeters
それは感覚にノイズが発生したからです
05:44
due to the noise in sensory feedback.
それと同様に 運動の表す信号に作動の信号を重ねると
05:46
Similarly, when you put motor output on movement output,
雑音だらけになってしまいます
05:48
it's extremely noisy.
ダートゲームで標的の中心を狙わずに
05:50
Forget about trying to hit the bull's eye in darts,
同じところを何度も狙ってみましょう
05:52
just aim for the same spot over and over again.
動作には大きな振れ幅があり矢は大きくばらつきます
05:54
You have a huge spread due to movement variability.
それ以上に 外の世界 仕事は
05:57
And more than that, the outside world, or task,
不定でかつ多様です
05:59
is both ambiguous and variable.
ティーポットは満杯や空のときがあり
06:01
The teapot could be full, it could be empty.
時とともに変化します
06:03
It changes over time.
私たちはそうしたノイズだらけの中で動いているわけです
06:05
So we work in a whole sensory movement task soup of noise.
このノイズはとてもひどいので
06:09
Now this noise is so great
この影響を少なくできる人には 社会の中で
06:11
that society places a huge premium
大きな賞賛が与えられます
06:13
on those of us who can reduce the consequences of noise.
もしあなたが金属の棒で小さな白球(ゴルフボール)を
06:16
So if you're lucky enough to be able to knock a small white ball
数百メートル先の穴に入れることができたなら
06:19
into a hole several hundred yards away using a long metal stick,
この社会は何億ドルの賞金で
06:22
our society will be willing to reward you
あなたを賞賛するでしょう
06:24
with hundreds of millions of dollars.
ここで私が皆さんに納得していただきたいことは
06:27
Now what I want to convince you of
脳もこうしたノイズや変動が及ぼす影響を
06:29
is the brain also goes through a lot of effort
減らすために 多くの努力を
06:31
to reduce the negative consequences
しているということです
06:33
of this sort of noise and variability.
ここで ある概念を紹介しましょう
06:35
And to do that, I'm going to tell you about a framework
統計学や機械学習の分野ではこの50年とても一般的なもので
06:37
which is very popular in statistics and machine learning of the last 50 years
ベイズ決定理論と呼ばれています
06:40
called Bayesian decision theory.
この考えは最近になって
06:42
And it's more recently a unifying way
脳の不確定要素に対する扱いを考える時の方法として支持されてきています
06:45
to think about how the brain deals with uncertainty.
基本的には推測の後に行動を開始するという考え方です
06:48
And the fundamental idea is you want to make inferences and then take actions.
推測について考えましょう
06:51
So let's think about the inference.
周囲の世界に対して信念を形成する必要があります
06:53
You want to generate beliefs about the world.
ではその信念とは何でしょうか
06:55
So what are beliefs?
信念とは次のような 自分の腕がどこにあるのか や
06:57
Beliefs could be: where are my arms in space?
自分が見ているのは猫なのか狐なのか といったものです
06:59
Am I looking at a cat or a fox?
こういった信念を私たちは確率をもってみています
07:01
But we're going to represent beliefs with probabilities.
つまり信念とは
07:04
So we're going to represent a belief
0と1の間にあるのです
07:06
with a number between zero and one --
0は全く信じていない状態 1は間違いなく確かという状態です
07:08
zero meaning I don't believe it at all, one means I'm absolutely certain.
途中の数字は不確定さを表しています
07:11
And numbers in between give you the gray levels of uncertainty.
ベイズ推論の鍵となる考え方は
07:14
And the key idea to Bayesian inference
推論をするにあたり
07:16
is you have two sources of information
2つの情報源があることです
07:18
from which to make your inference.
データと
07:20
You have data,
神経科学的なデータは感覚入力です
07:22
and data in neuroscience is sensory input.
感覚からの入力があるので信念を形成することができます
07:24
So I have sensory input, which I can take in to make beliefs.
しかしもうひとつの情報源として事前知識があります
07:27
But there's another source of information, and that's effectively prior knowledge.
人は人生の中で記憶として知識を蓄えます
07:30
You accumulate knowledge throughout your life in memories.
ベイズ決定理論のポイントは
07:33
And the point about Bayesian decision theory
事前知識と感覚からの入力を
07:35
is it gives you the mathematics
元に新しい信念を作る際に
07:37
of the optimal way to combine
効率的な組み合わせ方に
07:39
your prior knowledge with your sensory evidence
数学的な解を与えるところです
07:41
to generate new beliefs.
ここに公式をお見せします
07:43
And I've put the formula up there.
これをそのまま説明はしませんが とても美しいのです
07:45
I'm not going to explain what that formula is, but it's very beautiful.
美しくかつ説得力もあります
07:47
And it has real beauty and real explanatory power.
これが証明するもの 推測されるものは
07:50
And what it really says, and what you want to estimate,
感覚からの入力が与えられたときの
07:52
is the probability of different beliefs
それぞれの信念の可能性です
07:54
given your sensory input.
直観的な例をあげましょう
07:56
So let me give you an intuitive example.
テニスを練習しているときに
07:58
Imagine you're learning to play tennis
ネットを超えて向かってきたボールがどこで弾むかを
08:01
and you want to decide where the ball is going to bounce
推測したいと思います
08:03
as it comes over the net towards you.
ベイズ理論によると そこには
08:05
There are two sources of information
2つの情報源があります
08:07
Bayes' rule tells you.
感覚からの入力は 視覚や聴覚を使うことにより
08:09
There's sensory evidence -- you can use visual information auditory information,
ボールがその赤い地点に着地するというでしょう
08:12
and that might tell you it's going to land in that red spot.
ただし ご存知のように感覚は完璧ではないので
08:15
But you know that your senses are not perfect,
ボールが着地する地点はバラツキがあって
08:18
and therefore there's some variability of where it's going to land
赤い雲で示されています
08:20
shown by that cloud of red,
0.1から0.5の数字を示しています
08:22
representing numbers between 0.5 and maybe 0.1.
この情報は今のショットから得ることができるものですが
08:26
That information is available in the current shot,
もうひとつ情報源は
08:28
but there's another source of information
このショットからは得ることができません
08:30
not available on the current shot,
テニスの試合を何度も経験することによってだけ身に付くことで
08:32
but only available by repeated experience in the game of tennis,
試合中のボールの行方はコート全体で
08:35
and that's that the ball doesn't bounce
均等ではないということです
08:37
with equal probability over the court during the match.
対戦相手がとても強い場合
08:39
If you're playing against a very good opponent,
あなたにとっては返しづらい
08:41
they may distribute it in that green area,
緑の区域にボールを
08:43
which is the prior distribution,
打ってくるでしょう
08:45
making it hard for you to return.
これら2つの情報は重要な情報を持っています
08:47
Now both these sources of information carry important information.
ベイズ理論によると
08:49
And what Bayes' rule says
赤の数字と緑の数字を掛け合わせ
08:51
is that I should multiply the numbers on the red by the numbers on the green
楕円型の黄色の数字を導き出す
08:54
to get the numbers of the yellow, which have the ellipses,
それが信念なのです
08:57
and that's my belief.
これが効率的に情報を組み合わせる方法です
08:59
So it's the optimal way of combining information.
数年前でしたらこの話をしなかったと思います
09:02
Now I wouldn't tell you all this if it wasn't that a few years ago,
その後これこそがまさしく人が新しい動作を
09:04
we showed this is exactly what people do
学習するときの方法だということが分かりました
09:06
when they learn new movement skills.
これが意味するところは
09:08
And what it means
私たちはまさしくベイズ推論のとおりに動いているということです
09:10
is we really are Bayesian inference machines.
生きる中で 周りの確率的な世界から学んだことを基に
09:12
As we go around, we learn about statistics of the world and lay that down,
するだけではなく
09:16
but we also learn
感覚がいかにノイズだらけなのかも学び
09:18
about how noisy our own sensory apparatus is,
それらを実生活の中で
09:20
and then combine those
ベイズ式に組み合わせているのです
09:22
in a real Bayesian way.
ベイズの中で鍵となるのは公式のこの部分です
09:24
Now a key part to the Bayesian is this part of the formula.
この部分というのは
09:27
And what this part really says
信念に影響を与える
09:29
is I have to predict the probability
感覚からの様々な入力の持つ確率を
09:31
of different sensory feedbacks
予測しなければいけないということです
09:33
given my beliefs.
これは未来を予期しなくてはいけないということです
09:35
So that really means I have to make predictions of the future.
脳は今からおきるであろう感覚からの入力について
09:38
And I want to convince you the brain does make predictions
予想をします
09:40
of the sensory feedback it's going to get.
さらにはその事柄に対するあなたの
09:42
And moreover, it profoundly changes your perceptions
感じ方も変えてしまいます
09:44
by what you do.
そうすることによって 脳が
09:46
And to do that, I'll tell you
感覚からの入力にどのように対処するかがわかります
09:48
about how the brain deals with sensory input.
指令を送ると
09:50
So you send a command out,
感覚からのフィードバックがありますが
09:53
you get sensory feedback back,
その仕組みは身体的特性と
09:55
and that transformation is governed
感覚器官によって制御されています
09:57
by the physics of your body and your sensory apparatus.
しかし脳の中を見ることで想像はできます
10:00
But you can imagine looking inside the brain.
これがその脳の中身です
10:02
And here's inside the brain.
この小さな予言者 神経シミュレータは
10:04
You might have a little predictor, a neural simulator,
身体特性と感覚を模擬します
10:06
of the physics of your body and your senses.
脳が指令を送ると
10:08
So as you send a movement command down,
指令のコピーを作り
10:10
you tap a copy of that off
この神経シミュレータに送り
10:12
and run it into your neural simulator
実際の行動からの感覚入力を予想します
10:14
to anticipate the sensory consequences of your actions.
ケチャップを振ると
10:18
So as I shake this ketchup bottle,
下の行のように時間の関数として実際のフィードバックを得るのです
10:20
I get some true sensory feedback as the function of time in the bottom row.
もし予測がうまくいけば 同じことが起こるでしょう
10:23
And if I've got a good predictor, it predicts the same thing.
なぜこんなことをするのでしょう
10:26
Well why would I bother doing that?
いずれにせよ同じフィードバックを受けるにもかかわらず
10:28
I'm going to get the same feedback anyway.
これにはしっかりとした意味があるのです
10:30
Well there's good reasons.
考えてみてください ケチャップを振るときに
10:32
Imagine, as I shake the ketchup bottle,
だれかが親切にもケチャップを叩いてくれたとしましょう
10:34
someone very kindly comes up to me and taps it on the back for me.
この外部からの干渉は 感覚からの入力に
10:37
Now I get an extra source of sensory information
追加を発生させます
10:39
due to that external act.
ここでは2つの情報
10:41
So I get two sources.
叩かれたことと 自分が振っていることが入力されます
10:43
I get you tapping on it, and I get me shaking it,
しかしこれは自分からすれば
10:46
but from my senses' point of view,
入力は組み合わさって1つになっています
10:48
that is combined together into one source of information.
これらの理由から
10:51
Now there's good reason to believe
外部からの干渉と自発的な行動を分ける必要があるのです
10:53
that you would want to be able to distinguish external events from internal events.
外部的な干渉は自分の内部で起きていることをすべて感知するより
10:56
Because external events are actually much more behaviorally relevant
もっと行動に即しているからです
10:59
than feeling everything that's going on inside my body.
推測を補正するための方法としては
11:02
So one way to reconstruct that
自分の指令に基づく予測と
11:04
is to compare the prediction --
実際との比較を
11:06
which is only based on your movement commands --
することです
11:08
with the reality.
ここでの差異は外部からの影響であるはずです
11:10
Any discrepancy should hopefully be external.
生活の中で
11:13
So as I go around the world,
自分が得るはずのものを予測しそれらを引き算しているのです
11:15
I'm making predictions of what I should get, subtracting them off.
残されたものが外部からの影響です
11:18
Everything left over is external to me.
このことの根拠は何でしょうか
11:20
What evidence is there for this?
ここにいい例があります
11:22
Well there's one very clear example
自分で引き起こした感覚と 他人が起こしたものでは
11:24
where a sensation generated by myself feels very different
全く違うのです
11:26
then if generated by another person.
そこで私たちはもっともわかりやすい
11:28
And so we decided the most obvious place to start
くすぐりの実験を始めました
11:30
was with tickling.
昔から 自分で自分をくすぐっても他人がやるようには
11:32
It's been known for a long time, you can't tickle yourself
くすぐったくないことは知られています
11:34
as well as other people can.
しかしそれがいまだ証明されていない理由として 自身の神経シミュレータが
11:36
But it hasn't really been shown, it's because you have a neural simulator,
自分で感覚を模倣し
11:39
simulating your own body
それらを引き算していることがあります
11:41
and subtracting off that sense.
そこでロボット工学を用いて
11:43
So we can bring the experiments of the 21st century
21世紀の実験を行うことにしたのです
11:46
by applying robotic technologies to this problem.
私たちは片方に棒がついたロボットを作成し
11:49
And in effect, what we have is some sort of stick in one hand attached to a robot,
被験者に棒を前後に動かしてもらいました
11:52
and they're going to move that back and forward.
その動きをコンピュータで追跡し
11:54
And then we're going to track that with a computer
それをもうひとつのロボットに反映し
11:56
and use it to control another robot,
彼らの手のひらを別の棒でくすぐらせたのです
11:58
which is going to tickle their palm with another stick.
そして被験者にはくすぐったさなどの
12:00
And then we're going to ask them to rate a bunch of things
様々な質問をしました
12:02
including ticklishness.
ここに結果の一部をお見せしましょう
12:04
I'll show you just one part of our study.
ロボットを除いてみましょう
12:06
And here I've taken away the robots,
基本的に被験者は右腕を前後にサイン波状に動かしています
12:08
but basically people move with their right arm sinusoidally back and forward.
少しの遅延の後にその動きを別のロボットで模倣します
12:11
And we replay that to the other hand with a time delay.
全く遅延がない状態 つまり
12:14
Either no time delay,
光が手のひらをくすぐるようなケースや
12:16
in which case light would just tickle your palm,
0.2秒や0.3秒の遅延があるケースを試しました
12:18
or with a time delay of two-tenths of three-tenths of a second.
ここで重要なのは
12:22
So the important point here
右腕は常に同じこと 前後にサイン波状に動かしています
12:24
is the right hand always does the same things -- sinusoidal movement.
左腕は常に同じ 前後にサイン波状にくすぐりを受けています
12:27
The left hand always is the same and puts sinusoidal tickle.
ここで確かめているのは時間差との因果関係です
12:30
All we're playing with is a tempo causality.
遅延なしから0.1秒の遅延になると
12:32
And as we go from naught to 0.1 second,
くすぐったくなり
12:34
it becomes more ticklish.
0.1秒から0.2秒になると
12:36
As you go from 0.1 to 0.2,
さらにくすぐったくなります
12:38
it becomes more ticklish at the end.
0.2秒の遅延になると
12:40
And by 0.2 of a second,
自分が何もしていないのと
12:42
it's equivalently ticklish
ほぼ同等のくすぐったさがロボットから感じられます
12:44
to the robot that just tickled you without you doing anything.
つまり 感覚の相殺に関わっているものは
12:46
So whatever is responsible for this cancellation
時間差との因果関係がとても強いということです
12:48
is extremely tightly coupled with tempo causality.
この図を基に考えると いかに
12:51
And based on this illustration, we really convinced ourselves in the field
脳が正確に予期し
12:54
that the brain's making precise predictions
感覚から引き算しているかがわかります
12:56
and subtracting them off from the sensations.
これは私の研究室で行われた研究の中では最悪のものです
12:59
Now I have to admit, these are the worst studies my lab has ever run.
くすぐったさというのは移り変わるもので
13:02
Because the tickle sensation on the palm comes and goes,
この結論を導き出すためには
13:04
you need large numbers of subjects
多くの被験者が必要だからです
13:06
with these stars making them significant.
そこで私たちはこの結論を評価するために
13:08
So we were looking for a much more objective way
もっと客観的な方法を探しました
13:10
to assess this phenomena.
その間に私には2人の娘が生まれました
13:12
And in the intervening years I had two daughters.
子供たちを後部座席に乗せて長旅に出ると
13:14
And one thing you notice about children in backseats of cars on long journeys,
けんかになります
13:17
they get into fights --
一人がもう一人にちょっかいを出し始めると もう一人がやり返します
13:19
which started with one of them doing something to the other, the other retaliating.
すぐにひどくなります
13:22
It quickly escalates.
そして子供は次第にエスカレートする力を使ったけんかに発展することが多いのです
13:24
And children tend to get into fights which escalate in terms of force.
私が子供に注意をすると
13:27
Now when I screamed at my children to stop,
両方とも もう一人のほうが
13:29
sometimes they would both say to me
もっと強くたたいたと言うのです
13:31
the other person hit them harder.
子供がうそをついている訳ではないと分っていたので
13:34
Now I happen to know my children don't lie,
神経科学者として考えてみると
13:36
so I thought, as a neuroscientist,
彼らの言っていることが食い違っているのを
13:38
it was important how I could explain
説明付けるのは重要なことだと考えました
13:40
how they were telling inconsistent truths.
くすぐりの実験から仮説を立てました
13:42
And we hypothesize based on the tickling study
子供がもう一人をたたくときに
13:44
that when one child hits another,
動作の指令を出します
13:46
they generate the movement command.
感覚からの入力を予想しそれらを引き算します
13:48
They predict the sensory consequences and subtract it off.
そうすると彼らは自分が思っていたより弱くたたいたつもりになるのです
13:51
So they actually think they've hit the person less hard than they have --
くすぐりのときのように
13:53
rather like the tickling.
一方たたかれるほうは
13:55
Whereas the passive recipient
予想がないので全ての力を感じることになります
13:57
doesn't make the prediction, feels the full blow.
つまり同じ力でたたき返すと
13:59
So if they retaliate with the same force,
たたかれたほうは強くやり返されたと思うのです
14:01
the first person will think it's been escalated.
そこでこれを実験室で試すことにしました
14:03
So we decided to test this in the lab.
(笑い)
14:05
(Laughter)
子供も使いませんし けんかもしません
14:08
Now we don't work with children, we don't work with hitting,
しかし概念は同じです
14:10
but the concept is identical.
二人の大人を連れてきて これからゲームをすると伝えます
14:12
We bring in two adults. We tell them they're going to play a game.
このように向かい合わせに一人ずつが座ります
14:15
And so here's player one and player two sitting opposite to each other.
ゲームはとても単純です
14:17
And the game is very simple.
モーターと小さなレバー それと
14:19
We started with a motor
小さな伝達機でできます
14:21
with a little lever, a little force transfuser.
そしてこのモーターで一人目の指を下方向に
14:23
And we use this motor to apply force down to player one's fingers
3秒間だけ力を加えます
14:25
for three seconds and then it stops.
その人は その力を覚えて
14:28
And that player's been told, remember the experience of that force
別の指で
14:31
and use your other finger
同じだけの下向きの力を
14:33
to apply the same force
伝達機を通してもう一人に与えてくださいといわれ 彼らは言われたとおりにします
14:35
down to the other subject's finger through a force transfuser -- and they do that.
もう一人は その強さを覚えて
14:38
And player two's been told, remember the experience of that force.
もう一方の手で同じ強さで下に押すように言われました
14:41
Use your other hand to apply the force back down.
そのように彼らは交互に
14:44
And so they take it in turns
自分が受けた分の力をかけていったのです
14:46
to apply the force they've just experienced back and forward.
重要なのは
14:48
But critically,
彼らはそれぞれ別の部屋でゲームの説明を受けたことです
14:50
they're briefed about the rules of the game in separate rooms.
彼らはもう一人がどのようなルール説明を受けたか知らないのです
14:53
So they don't know the rules the other person's playing by.
私たちがここで計測したのは
14:55
And what we've measured
時間とともに変化した力です
14:57
is the force as a function of terms.
それではこちらを見てみましょう
14:59
And if we look at what we start with,
4分の1ニュートンがここで これがくりかえしの回数です
15:01
a quarter of a Newton there, a number of turns,
赤い線が受けた力と与えた力が同じことを示す線です
15:03
perfect would be that red line.
そして全ての被験者ペアに見られたのがこちらです
15:05
And what we see in all pairs of subjects is this --
回数ごとに力が70パーセントずつ
15:08
a 70 percent escalation in force
上っています
15:10
on each go.
この結果から示されるのは
15:12
So it really suggests, when you're doing this --
他の研究からもわかるように
15:14
based on this study and others we've done --
脳は感覚からの入力を相殺しており
15:16
that the brain is canceling the sensory consequences
加えている力を過小評価しているということです
15:18
and underestimating the force it's producing.
これによって脳が予測をしていることと
15:20
So it re-shows the brain makes predictions
感じ方まで変えてしまうことが再確認されました
15:22
and fundamentally changes the precepts.
推測し 予測をして
15:25
So we've made inferences, we've done predictions,
次は行動を起こさなければなりません
15:28
now we have to generate actions.
ベイズ理論によれば 信念に従って
15:30
And what Bayes' rule says is, given my beliefs,
最善と思われるものが選ばれるはずです
15:32
the action should in some sense be optimal.
しかし問題があります
15:34
But we've got a problem.
タスクは抽象的なのです 何か飲みたい 踊りたいなど
15:36
Tasks are symbolic -- I want to drink, I want to dance --
しかし動作を起こすには600もの筋肉を特定の順番で
15:39
but the movement system has to contract 600 muscles
収縮させなければなりません
15:41
in a particular sequence.
タスクと動作の間には
15:43
And there's a big gap
大きな溝があるのです
15:45
between the task and the movement system.
なので捉え方は無限にあるのです
15:47
So it could be bridged in infinitely many different ways.
1地点から他の1地点への移動を考えましょう
15:49
So think about just a point to point movement.
無数にある道の中から
15:51
I could choose these two paths
この2つを選ぶかもしれません
15:53
out of an infinite number of paths.
道を選ぶと
15:55
Having chosen a particular path,
様々な関節の組み合わせで
15:57
I can hold my hand on that path
私の手をその道に沿わせることができます
15:59
as infinitely many different joint configurations.
そして腕は関節の組み合わせで
16:01
And I can hold my arm in a particular joint configuration
緊張させることも緩ませることもできます
16:03
either very stiff or very relaxed.
選択肢はたくさんあるのです
16:05
So I have a huge amount of choice to make.
ところが私たちはとても型にはまっています
16:08
Now it turns out, we are extremely stereotypical.
みんな同じように動くのです
16:11
We all move the same way pretty much.
型にはまっているということは
16:14
And so it turns out we're so stereotypical,
脳の中には決まった型を作り出す暗号を解読する
16:16
our brains have got dedicated neural circuitry
専用の神経回路があるのです
16:18
to decode this stereotyping.
なので いくつかの点を使って
16:20
So if I take some dots
生物のような動きを見せると
16:22
and set them in motion with biological motion,
脳の神経回路は何が起こっているかすぐに理解します
16:25
your brain's circuitry would understand instantly what's going on.
多くの点が動いていますが
16:28
Now this is a bunch of dots moving.
この人が何をしているかお分かりですね
16:30
You will know what this person is doing,
喜んでいるか悲しんでいるか 若者か年寄りか 多くの情報があります
16:33
whether happy, sad, old, young -- a huge amount of information.
もしこの点がレース場の車に付いていたとしたら
16:36
If these dots were cars going on a racing circuit,
何が起こっているかまったくわからないでしょう
16:38
you would have absolutely no idea what's going on.
なぜ動作は
16:41
So why is it
決められた動きなのでしょう?
16:43
that we move the particular ways we do?
実際に何が起こっているかを考えてみましょう
16:45
Well let's think about what really happens.
私たち全員が全く同じように動いているわけではありません
16:47
Maybe we don't all quite move the same way.
人々によって違いはあるでしょう
16:50
Maybe there's variation in the population.
他の人よりよく動ける人は
16:52
And maybe those who move better than others
子供を残せる確率が高いのかもしれません
16:54
have got more chance of getting their children into the next generation.
進化の過程で動作はよりよくなってきたのです
16:56
So in evolutionary scales, movements get better.
生活の中では動作は学習を通じて改善します
16:59
And perhaps in life, movements get better through learning.
では動作の良い悪いとは何でしょうか?
17:02
So what is it about a movement which is good or bad?
このボールを妨害するときに
17:04
Imagine I want to intercept this ball.
とる経路は2つあります
17:06
Here are two possible paths to that ball.
左側の経路を取ると決めると
17:09
Well if I choose the left-hand path,
すぐさま時間とともに筋肉に
17:11
I can work out the forces required
必要とされる力を導き出せます
17:13
in one of my muscles as a function of time.
しかしここにノイズがのります
17:15
But there's noise added to this.
この美しい滑らかな必要な力に対して実際に得るのは
17:17
So what I actually get, based on this lovely, smooth, desired force,
ノイズだらけのものです
17:20
is a very noisy version.
つまり何回にもわたって同じ指令を受けると
17:22
So if I pick the same command through many times,
ノイズは毎回変わるのでその数だけ様々な動きを得ることになります
17:25
I will get a different noisy version each time, because noise changes each time.
これからお見せするのは
17:28
So what I can show you here
そのような方法をとると いかに動きのバラツキが
17:30
is how the variability of the movement will evolve
進化するかです
17:32
if I choose that way.
右にあるように 違う動きを選ぶと
17:34
If I choose a different way of moving -- on the right for example --
異なった指令や異なったノイズを受け 雑音の混ざった複雑な
17:37
then I'll have a different command, different noise,
結果になるでしょう
17:39
playing through a noisy system, very complicated.
確かなことは バラツキはその時により異なるということです
17:42
All we can be sure of is the variability will be different.
ある動作をすると
17:45
If I move in this particular way,
何回もの経験の末にバラツキは少なくなります
17:47
I end up with a smaller variability across many movements.
それら2つのうちから選ぶとすると
17:50
So if I have to choose between those two,
バラツキの少ない右の方を選ぶでしょう
17:52
I would choose the right one because it's less variable.
基本的な考え方としては
17:54
And the fundamental idea
ノイズによる悪影響をできるだけ
17:56
is you want to plan your movements
少なくするように動作を計画するのです
17:58
so as to minimize the negative consequence of the noise.
ここで直感できることは
18:01
And one intuition to get
ここでお見せしたノイズやバラツキは 力が大きいほど
18:03
is actually the amount of noise or variability I show here
大きくなるのです
18:05
gets bigger as the force gets bigger.
なので原理の一つとして大きい力は避けたがるのです
18:07
So you want to avoid big forces as one principle.
これを使って
18:10
So we've shown that using this,
膨大なデータを説明することができることを示しました
18:12
we can explain a huge amount of data --
それは暮らしの中で人々はノイズによる悪影響を最小限に
18:14
that exactly people are going about their lives planning movements
抑えるために動作を計画しているということです
18:17
so as to minimize negative consequences of noise.
これで脳が動作を制御するために進化した
18:20
So I hope I've convinced you the brain is there
ということを納得いただけたでしょうか
18:22
and evolved to control movement.
その仕組みを理解するのは知的挑戦です
18:24
And it's an intellectual challenge to understand how we do that.
しかしそれは同時に
18:27
But it's also relevant
病気やリハビリにも関係してきます
18:29
for disease and rehabilitation.
動作に影響を及ぼす病気はたくさんあります
18:31
There are many diseases which effect movement.
また願わくば 動作制御の方法を理解することによって
18:34
And hopefully if we understand how we control movement,
ロボット技術にも応用できるかもしれません
18:36
we can apply that to robotic technology.
最後にお伝えしたいのは
18:38
And finally, I want to remind you,
動物が行っているタスクはいかに簡単に見えても
18:40
when you see animals do what look like very simple tasks,
脳の中で起こっている複雑さは
18:42
the actual complexity of what is going on inside their brain
本当に劇的です
18:44
is really quite dramatic.
ありがとう
18:46
Thank you very much.
(拍手)
18:48
(Applause)
クリス・アンダーソン「簡単な質問をします、ダン
18:56
Chris Anderson: Quick question for you, Dan.
あなたは動作 (ダン「至上主義者」) 至上主義者ですよね」
18:58
So you're a movement -- (DW: Chauvinist.) -- chauvinist.
「私たちが脳の機能と考えている他のこと
19:02
Does that mean that you think that the other things we think our brains are about --
夢やあこがれ 恋愛などのことは
19:05
the dreaming, the yearning, the falling in love and all these things --
余興や偶然だとお考えですか?」
19:08
are a kind of side show, an accident?
ダン「いいえ それらはみな結果的に
19:11
DW: No, no, actually I think they're all important
繁殖につなげるための正しい行動に誘導する観点から重要です
19:13
to drive the right movement behavior to get reproduction in the end.
感覚や記憶を研究している人は なぜ子供時代の
19:16
So I think people who study sensation or memory
記憶を蓄積するのかに気付いていないと思います
19:19
without realizing why you're laying down memories of childhood.
例をあげると ほとんど子供時代の記憶が残っていないのは
19:21
The fact that we forget most of our childhood, for example,
後の生活の行動に影響を与えないから問題にならないのです
19:24
is probably fine, because it doesn't effect our movements later in life.
動作に影響を与えることだけを覚えておけばいいのです」
19:27
You only need to store things which are really going to effect movement.
クリス「脳を研究している もっというと意識を研究している人は
19:30
CA: So you think that people thinking about the brain, and consciousness generally,
動作がどう絡んでくるかを考えることで
19:33
could get real insight
本当の洞察を得られるということですね」
19:35
by saying, where does movement play in this game?
ダン「一例として
19:37
DW: So people have found out for example
何のために視覚があるかを考えずに視覚を研究するのは
19:39
that studying vision in the absence of realizing why you have vision
間違いだということです
19:41
is a mistake.
視覚を研究するためには 動作がどのように
19:43
You have to study vision with the realization
視覚を使うかを理解する必要があります
19:45
of how the movement system is going to use vision.
そのように考えるとどのように視覚が使われるのかという考え方が変わります」
19:47
And it uses it very differently once you think about it that way.
クリス「とても興味深かったです 本当にありがとう」
19:49
CA: Well that was quite fascinating. Thank you very much indeed.
(拍手)
19:52
(Applause)
Translator:Shogo Kobayashi
Reviewer:Masaki Yanagishita

sponsored links

Daniel Wolpert - Movement expert
A neuroscientist and engineer, Daniel Wolpert studies how the brain controls the body.

Why you should listen

Consider your hand. You use it to lift things, to balance yourself, to give and take, to sense the world. It has a range of interacting degrees of freedom, and it interacts with many different objects under a variety of environmental conditions. And for most of us, it all just works. At his lab in the Engineering department at Cambridge, Daniel Wolpert and his team are studying why, looking to understand the computations underlying the brain's sensorimotor control of the body.

As he says, "I believe that to understand movement is to understand the whole brain. And therefore it’s important to remember when you are studying memory, cognition, sensory processing, they’re there for a reason, and that reason is action.”  Movement is the only way we have of interacting with the world, whether foraging for food or attracting a waiter's attention. Indeed, all communication, including speech, sign language, gestures and writing, is mediated via the motor system. Taking this viewpoint, and using computational and robotic techniques as well as virtual reality systems, Wolpert and his team research the purpose of the human brain and the way it determines future actions.

 

 

The original video is available on TED.com
sponsored links

If you need translations, you can install "Google Translate" extension into your Chrome Browser.
Furthermore, you can change playback rate by installing "Video Speed Controller" extension.

Data provided by TED.

This website is owned and operated by Tokyo English Network.
The developer's blog is here.