TEDGlobal 2009
Beau Lotto: Optical illusions show how we see
Beau Lotto: Iluzje optyczne pokazują jak widzimy
Filmed:
Readability: 2.7
7,158,267 views
Kolorowe gry Beau Lotto zaskoczą Twój wzrok, ale również naświetlą to, czego zwykle nie widać: jak działa mózg. Sam zobacz jak przez zabawę Twój elastycznie działający zmysł wzroku ujawnia, w jaki sposób ewolucja podkolorowuje percepcję prawdziwego świata.
Beau Lotto - Neuroscientist, Artist
Beau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system. Full bio
Beau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system. Full bio
Double-click the English transcript below to play the video.
00:13
I want to start with a game.
0
1000
3000
Chcę rozpocząć grą.
00:16
And to win this game,
1
4000
2000
A żeby wygrąć tą grę,
00:18
all you have to do is see the reality that's in front of you
2
6000
3000
jedyne co musicie zrobić, to widzieć rzeczywistość,
00:21
as it really is. All right?
3
9000
2000
taką jaka jest. Wszystko jasne?
00:23
So, we have two panels here,
4
11000
2000
Więc, mamy tu dwa panele
00:25
of colored dots.
5
13000
2000
kolorowych kropek.
00:27
And one of those dots is the same
6
15000
3000
I jedna z tych kropek jest taka sama
00:30
in the two panels. Okay?
7
18000
3000
w obu panelach. Okej?
00:33
And you have to tell me which one.
8
21000
2000
A Wy musicie mi powiedzieć, która z nich.
00:35
Now, narrow it down to
9
23000
3000
Może zawęźmy wybór do
00:38
the gray one, the green one and, say, the orange one.
10
26000
3000
szarej, zielonej i... dajmy na to - pomarańczowej.
00:41
So, by a show of hands -- we'll start with the easiest one --
11
29000
3000
Więc, przez podniesienie rąk -- zacznijmy od najłatwiejszej --
00:44
Show of hands: how many people think it's the gray one?
12
32000
4000
Podnieście ręce: Ile ludzi myśli, że to ta szara?
00:48
Really? Okay.
13
36000
2000
Na prawdę? Okej.
00:50
How many people think it's the green one?
14
38000
5000
Ile ludzi myśli, że to zielona?
00:55
And how many people think it's the orange one?
15
43000
4000
A ile ludzi myśli, że to pomarańczowa?
00:59
Pretty even split.
16
47000
3000
Wyszło całkiem równo.
01:02
Let's find out what the reality is.
17
50000
3000
Przekonajmy się, jak to jest na prawdę.
01:05
Here is the orange one.
18
53000
3000
Tutaj mamy pomarańczową.
01:08
(Laughter)
19
56000
2000
(Śmiech)
01:10
Here is the green one.
20
58000
3000
Tutaj mamy zieloną.
01:13
And here is the gray one.
21
61000
4000
A tu jest szara.
01:17
(Laughter)
22
65000
3000
(Śmiech)
01:20
So, for all of you who saw that, you're a complete realist. All right?
23
68000
4000
A więc, każdy z was, kto to zobaczył jest kompletnym realistą. Dobra?
01:24
(Laughter)
24
72000
2000
(Śmiech)
01:26
So, this is pretty amazing, actually, isn't it?
25
74000
2000
Więc, całkiem zaskakujące, nie uważacie?
01:28
Because nearly every living system
26
76000
2000
Bo prawie każdy żyjący system
01:30
has evolved the ability to detect light in one way or another.
27
78000
3000
wyewoluował możliwość wykrywania światła, w ten czy inny sposób.
01:33
So, for us, seeing color is one of the simplest things the brain does.
28
81000
5000
Więc, dla nas, widzenie barw jest jedną z najprostszych rzeczy. które robi mózg.
01:38
And yet, even at this most fundamental level,
29
86000
2000
Ale jednak, nawet na tak podstawowym poziomie,
01:40
context is everything.
30
88000
3000
kontekst jest najważniejszy.
01:43
What I want to talk about is not that context is everything,
31
91000
3000
Nie chcę tutaj mówić o tym, że kontekst jest wszystkim,
01:46
but why is context everything.
32
94000
2000
ale dlaczego jest wszystkim.
01:48
Because it's answering that question that tells us not only
33
96000
4000
Ponieważ odpowiedź na to pytanie nie mówi nam tylko
01:52
why we see what we do,
34
100000
2000
dlaczego widzimy to co widzimy,
01:54
but who we are as individuals,
35
102000
2000
ale kim jesteśmy jako jednostki,
01:56
and who we are as a society.
36
104000
3000
i kim jesteśmy jako społeczeństwo.
01:59
But first, we have to ask another question,
37
107000
2000
Ale najpierw musimy zadać inne pytanie,
02:01
which is, "What is color for?"
38
109000
2000
a mianowicie: "Po co jest kolor?"
02:03
And instead of telling you, I'll just show you.
39
111000
2000
I zamiast wam opowiadać, po prostu wam pokażę.
02:05
What you see here is a jungle scene,
40
113000
3000
To co tu widzicie to scena z dżungli.
02:08
and you see the surfaces according to the amount
41
116000
2000
i widzicie powierzchnie według ilości
02:10
of light that those surfaces reflect.
42
118000
2000
światła, które te powierzchnie odbijają.
02:12
Now, can any of you see the predator that's about to jump out at you?
43
120000
5000
Teraz, czy ktokolwiek widzi drapieżnika, który zaraz na was skoczy?
02:17
And if you haven't seen it yet, you're dead. Right?
44
125000
2000
A jeśli go jeszcze nie zobaczyliście, to jesteście martwi, prawda?
02:19
(Laughter)
45
127000
2000
(śmiech)
02:21
Can anyone see it? Anyone? No?
46
129000
2000
Czy ktokolwiek go widzi? Ktokolwiek? Nie?
02:23
Now, let's see the surfaces according to the quality of light that they reflect.
47
131000
4000
Teraz, zobaczmy powierzchnie ze względu na jakość światła, które odbijają.
02:27
And now you see it.
48
135000
3000
I teraz to widzicie.
02:30
So, color enables us to see
49
138000
3000
Więc, kolor umożliwia nam widzenie
02:33
the similarities and differences between surfaces,
50
141000
2000
podobieństw i różnic pomiędzy powierzchniami,
02:35
according to the full spectrum of light that they reflect.
51
143000
3000
ze względu na pełne spektrum światła, które odbijają.
02:38
But what you've just done is, in many respects, mathematically impossible.
52
146000
4000
Ale to, co właśnie zrobiliście jest, pod wieloma względami, matematycznie niemożliwe.
02:42
Why? Because, as Berkeley tells us,
53
150000
3000
Dlaczego? Ponieważ, jak mawiał Barkley,
02:45
we have no direct access to our physical world,
54
153000
3000
nie mamy bezpośredniego dostępu do fizycznego świata,
02:48
other than through our senses.
55
156000
2000
innego niż przez nasz zmysły.
02:50
And the light that falls onto our eyes
56
158000
2000
A światło padające na nasze oczy
02:52
is determined by multiple things in the world --
57
160000
2000
jest zależne od wielu rzeczy w świecie --
02:54
not only the color of objects,
58
162000
2000
nie tylko od kolorów obiektów,
02:56
but also the color of their illumination,
59
164000
2000
ale także od koloru ich podświetlenia,
02:58
and the color of the space between us and those objects.
60
166000
3000
i koloru przestrzeni pomiędzy nami i tymi obiektami.
03:01
You vary any one of those parameters,
61
169000
2000
Zmień jeden z tych parametrów,
03:03
and you'll change the color of the light that falls onto your eye.
62
171000
5000
a zmienisz kolor światła padającego na twoje oko.
03:08
This is a huge problem because it means that
63
176000
2000
To jest ogromy problem, bo to znaczy, że
03:10
the same image could have an infinite number
64
178000
3000
ten sam obraz może mieć nieskończoną ilość
03:13
of possible real-world sources.
65
181000
3000
źródeł w świecie zewnętrznym.
03:16
So let me show you what I mean. Imagine that this is the back of your eye.
66
184000
3000
Pokażę Wam co mam przez to na myśli. Wyobraźcie sobie, że to jest tylna część oka.
03:19
And these are two projections from the world.
67
187000
3000
I mamy dwa obrazy ze świata.
03:22
They are identical in every single way.
68
190000
3000
Są identyczne pod każdym możliwym względem.
03:25
Identical in shape, size, spectral content.
69
193000
4000
Mają ten sam kształt, rozmiar, rozpiętość spektrum.
03:29
They are the same, as far as your eye is concerned.
70
197000
4000
Są identyczne, przynajmniej dla Waszych oczu.
03:33
And yet they come from completely different sources.
71
201000
5000
Ale jednek pochodzą z zupełnie innych źródeł.
03:38
The one on the right
72
206000
2000
Ten z prawej
03:40
comes from a yellow surface,
73
208000
3000
pochodzi z żółtej powierzchni,
03:43
in shadow, oriented facing the left,
74
211000
2000
zacienionej, skierowany jest w lewo,
03:45
viewed through a pinkish medium.
75
213000
3000
widziany przez róźowawe medium.
03:48
The one on the left comes from an orange surface,
76
216000
3000
Ten z lewej pochodzi z pomarańczowej powierzchni,
03:51
under direct light, facing to the right,
77
219000
2000
oświetlony bezpośrednio, skierowany w prawo,
03:53
viewed through a sort of a bluish medium.
78
221000
2000
widziany przez niebieskawe medium.
03:55
Completely different meanings,
79
223000
3000
Kompletnie różne znaczenia,
03:58
giving rise to the exact same retinal information.
80
226000
3000
zbudowane na podstawie dokładnie tej samej informacji z siatkówki.
04:01
And yet it's only the retinal information
81
229000
2000
Ale ciągle, jest to tylko informacja z siatkówki
04:03
that we get.
82
231000
2000
którą dostajemy.
04:05
So how on Earth do we even see?
83
233000
3000
Więc jak na Boga widzimy?
04:08
So, if you remember anything in this next 18 minutes,
84
236000
4000
Więc, jeśli masz zapamiętać cokolwiek z następnych 18 minut,
04:12
remember this: that the light that falls on to your eye,
85
240000
3000
pamiętaj to, że światło, które pada na Twoje oko,
04:15
sensory information, is meaningless,
86
243000
2000
informacja sensoryczna, jest bez znaczenia.
04:17
because it could mean literally anything.
87
245000
3000
Bo może oznaczać dosłownie cokolwiek.
04:20
And what's true for sensory information is true for information generally.
88
248000
3000
A to co jest prawdą dla informacji sensorycznej, jest prawdą dla informacji w ogóle.
04:23
There is no inherent meaning in information.
89
251000
2000
Informacja nie posiada gotowego znaczenia.
04:25
It's what we do with that information that matters.
90
253000
4000
Ważne jest to, co robimy z tą informacją.
04:29
So, how do we see? Well, we see by learning to see.
91
257000
3000
A więc, jak widzimy? Cóż, widzimy bo uczymy się widzieć.
04:32
So, the brain evolved the mechanisms for finding patterns,
92
260000
4000
Więc, mózg wyspecjalizował mechanizmy odnajdywania wzorów,
04:36
finding relationships in information
93
264000
2000
odnajdywania relacji w informacjach,
04:38
and associating those relationships
94
266000
2000
i przypisywania tym relacjom
04:40
with a behavioral meaning,
95
268000
2000
znaczenia behawioralnego,
04:42
a significance, by interacting with the world.
96
270000
3000
pewnej istotności, poprzez interakcje ze światem.
04:45
We're very aware of this
97
273000
2000
Jesteśmy tego bardzo świadomi
04:47
in the form of more cognitive attributes, like language.
98
275000
3000
w formach atrybutów poznawczych, na przykład w języku.
04:50
So, I'm going to give you some letter strings. And I want you to read them out for me,
99
278000
2000
Więc, pokażę Wam teraz ciągi znaków. I chcę, żebyście odczytali je dla mnie na głos,
04:52
if you can.
100
280000
2000
jeśli potraficie.
04:54
Audience: "Can you read this?"
101
282000
3000
Widzowie: "Czy potraficie to przeczytać?"
04:57
"You are not reading this."
102
285000
2000
"Nie czytacie tego."
04:59
"What are you reading?"
103
287000
2000
"Co czytacie?"
05:01
Beau Lotto: "What are you reading?" Half the letters are missing. Right?
104
289000
3000
Beau Lotto: "Co czytacie?" Brakuje połowy liter. Prawda?
05:04
There is no a priori reason why an "H" has to go
105
292000
2000
Nie ma odgórnej zasady, dla której "H" powinno być
05:06
between that "W" and "A."
106
294000
2000
pomiędzy "W" i "A." (What)
05:08
But you put one there. Why?
107
296000
2000
Ale jednak je tam umieszczacie. Dlaczego?
05:10
Because in the statistics of your past experience
108
298000
2000
Bo według statystyk przeszłych doświadczeń
05:12
it would have been useful to do so. So you do so again.
109
300000
3000
zrobienie tego byłoby przydatne. Więc robicie to znów.
05:15
And yet you don't put a letter after that first "T."
110
303000
3000
Ale nie umieszczacie już litery po tym pierwszym "T."
05:18
Why? Because it wouldn't have been useful in the past.
111
306000
3000
Dlaczego? Bo to nie było przydatne w przeszłości.
05:21
So you don't do it again.
112
309000
2000
Więc tego nie robicie.
05:23
So let me show you how quickly our brains can redefine normality,
113
311000
4000
Więc, pozwólcie, że pokażę Wam szybko, jak nasze mózgi zmieniają normalność,
05:27
even at the simplest thing the brain does, which is color.
114
315000
2000
nawet przy tak prostej funkcji wykonywanej przez mózg, jak widzenie kolorów.
05:29
So, if I could have the lights down up here.
115
317000
3000
Więc, proszę przygasić górne światła.
05:32
I want you to first notice that those two desert scenes are physically the same.
116
320000
3000
Chcę, żebyście zauważyli, że te dwie scenerie są fizycznie identyczne.
05:35
One is simply the flipping of the other. Okay?
117
323000
5000
Są po prostu swoimi odbiciami. Okej?
05:40
Now I want you to look at that dot
118
328000
2000
Teraz chcę, żebyście spojrzeli na tą kropkę
05:42
between the green and the red. Okay?
119
330000
3000
pomiędzy zielonym i czerwonym, okej?
05:45
And I want you to stare at that dot. Don't look anywhere else.
120
333000
3000
I pogapcie się na tę kropkę. Nie patrzcie nigdzie na boki.
05:48
And we're going to look at that for about 30 seconds,
121
336000
1000
I popatrzymy się na nią przez jakieś 30 sekund,
05:49
which is a bit of a killer in an 18-minute talk.
122
337000
3000
co jest strasznym samobójem przy 18 minutowym wykładzie.
05:52
(Laughter)
123
340000
1000
(Śmiech)
05:53
But I really want you to learn.
124
341000
2000
Ale na prawdę chcę wam pokazać.
05:55
And I'll tell you -- don't look anywhere else --
125
343000
3000
I powiedzieć -- nie patrzcie nigdzie na boki --
05:58
and I'll tell you what's happening inside your head.
126
346000
2000
I powiedzieć co się dzieje w waszych głowach.
06:00
Your brain is learning. And it's learning that the right side of its visual field
127
348000
3000
Wasz mózg się uczy. A uczy się, że prawa strona pola widzenia
06:03
is under red illumination;
128
351000
2000
jest podświetlona na czerwono;
06:05
the left side of its visual field is under green illumination.
129
353000
3000
lewa strona pola widzenia jest podświetlona na zielono.
06:08
That's what it's learning. Okay?
130
356000
3000
Tego się uczy, okej?
06:11
Now, when I tell you, I want you to look at the dot between the two desert scenes.
131
359000
5000
Teraz, kiedy powiem że już, chcę żebyście spojrzeli na kropkę pomiędzy dwiema scenami pustynnymi.
06:16
So why don't you do that now?
132
364000
2000
Może spróbujcie zrobić to teraz?
06:18
(Laughter)
133
366000
3000
(Śmiech)
06:21
Can I have the lights up again?
134
369000
2000
Mogę prosić więcej światła?
06:23
I take it from your response they don't look the same anymore. Right?
135
371000
4000
Domyślam się po waszej rekacji, że już nie wyglądały tak samo, prawda?
06:27
(Applause)
136
375000
1000
(Aplauz)
06:28
Why? Because your brain is seeing that same information
137
376000
3000
Dlaczego? Bo wasz mózg widzi tę samą informację
06:31
as if the right one is still under red light,
138
379000
2000
tak jakby prawa była ciągle pod czerwonym,
06:33
and the left one is still under green light.
139
381000
2000
a lewa pod zielonym oświetleniem.
06:35
That's your new normal.
140
383000
2000
To jest Wasza nowa norma.
06:37
So, what does this mean for context?
141
385000
2000
A wiec, co to oznacza dla kontekstu?
06:39
It means that I can take these two identical squares,
142
387000
2000
Oznacza to, że mogę wziąć te dwa identyczne kwadraty,
06:41
and I can put them in light and dark surrounds.
143
389000
2000
i umieścić je w jasnym i ciemnym otoczeniu.
06:43
And now the one on the dark surround looks lighter than the one on the light surround.
144
391000
3000
I teraz ten na ciemnym tle wygląda jaśniej, niż ten na jasnym.
06:46
What's significant is not simply the light and dark surrounds that matter.
145
394000
4000
Istotne nie jest jednak po prostu jasne lub ciemne otoczenie.
06:50
It's what those light and dark surrounds meant for your behavior in the past.
146
398000
4000
Tylko to, co to otoczenie oznaczało dla waszego zachowania w przeszłości.
06:54
So I'll show you what I mean. Here we have
147
402000
2000
Więc, pokażę Wam co mam na myśli. Mamy tutaj
06:56
that exact same illusion.
148
404000
2000
dokładnie tę samą iluzję.
06:58
We have two identical tiles, on the left,
149
406000
2000
Mamy dwa identyczne kafelki, po lewej,
07:00
one in a dark surround, one in a light surround.
150
408000
2000
jeden w ciemnym otoczeniu, jeden w jasnym otoczeniu.
07:02
And the same thing over on the right.
151
410000
2000
I to samo po prawej.
07:04
Now, what I'm going to do is I'm going to review those two scenes.
152
412000
3000
Teraz, to co zrobię, to znów pokażę te dwie sceny.
07:07
But I'm not going to change anything within those boxes,
153
415000
2000
Ale nie zmienię nic w tych pudełkach,
07:09
except their meaning.
154
417000
2000
poza ich znaczeniem.
07:11
And see what happens to your perception.
155
419000
2000
I zobaczcie co dzieje się z Waszą percepcją.
07:13
Notice that on the left
156
421000
2000
Zwróćcie uwagę jak po lewej
07:15
the two tiles look nearly completely opposite:
157
423000
3000
te dwa kafelki wyglądają na zupełnie przeciwne:
07:18
one very white and one very dark.
158
426000
2000
jeden bardzo biały, jeden bardzo ciemny.
07:20
All right? Whereas on the right,
159
428000
2000
Jasne? Kiedy po prawej
07:22
the two tiles look nearly the same.
160
430000
2000
te dwa kafelki wyglądają prawe identycznie.
07:24
And yet there is still one on a dark surround and one on a light surround.
161
432000
4000
Ale mimo wszystko jeden jest na ciemnym, a drugi jasnym tle.
07:28
Why? Because if the tile in that shadow
162
436000
3000
Dlaczego? Ponieważ jeśli kafelek w cieniu
07:31
were in fact in shadow,
163
439000
2000
byłby faktycznie w cieniu
07:33
and reflecting the same amount of light to your eye
164
441000
2000
i odbijał tę samą ilość światła do Waszego oka
07:35
as the one outside the shadow,
165
443000
2000
jak ten poza cieniem
07:37
it would have to be more reflective -- just the laws of physics.
166
445000
3000
musiałby mocniej odbijać światło -- to zwykłe prawa fizyki.
07:40
So you see it that way.
167
448000
2000
Wiec widzicie to w ten sposób.
07:42
Whereas on the right, the information is consistent
168
450000
3000
Z kolei po prawej, informacja jest spójna
07:45
with those two tiles being under the same light.
169
453000
2000
z tym, że oba kafelki są tak samo oświetlone.
07:47
If they are under the same light, reflecting the same amount of light
170
455000
2000
jeżeli są pod tym samym oświetleniem i odbjają tę samą ilość światła
07:49
to your eye,
171
457000
2000
do Waszego oka,
07:51
then they must be equally reflective.
172
459000
2000
to znaczy, że muszą w równym stopniu odbijać światło.
07:53
So you see it that way.
173
461000
2000
Więc widzicie to w ten sposób.
07:55
Which means we can bring all this information together
174
463000
2000
Co oznacza, że możemy zebrać całą tą informację
07:57
to create some incredibly strong illusions.
175
465000
2000
aby stworzyć niesamowicie silne iluzje.
07:59
This is one I made a few years ago.
176
467000
2000
To jest jedna, którą stworzyłem kilka lat temu.
08:01
And you'll notice you see a dark brown tile at the top,
177
469000
3000
Zauważcie, że widzicie ciemno brązowy kafelek na górze,
08:04
and a bright orange tile at the side.
178
472000
3000
i jasno pomarańczowy z boku.
08:07
That is your perceptual reality. The physical reality
179
475000
2000
To jest Wasza rzeczywistość percepcyjna. Fizyczna rzeczywostość
08:09
is that those two tiles are the same.
180
477000
5000
jest taka, że te dwa kafelki są takie same.
08:14
Here you see four gray tiles on your left,
181
482000
3000
Tutaj widzicie cztery szare kafelki po lewej,
08:17
seven gray tiles on the right.
182
485000
2000
siedem szarych kafelków po prawej.
08:19
I'm not going to change those tiles at all,
183
487000
2000
Nie zmienię w ogóle tych kafelków.
08:21
but I'm going to reveal the rest of the scene
184
489000
2000
Ale odkryję resztę scenerii.
08:23
and see what happens to your perception.
185
491000
3000
I zobaczcie co dzieje się z Waszą percepcją.
08:26
The four blue tiles on the left are gray.
186
494000
4000
Cztery niebieskie kafelki po lewej są szare.
08:30
The seven yellow tiles on the right are also gray.
187
498000
3000
Siedem żółtych kafelków po prawej też jest szarych.
08:33
They are the same. Okay?
188
501000
2000
One są takie same. Okej?
08:35
Don't believe me? Let's watch it again.
189
503000
4000
Nie wierzycie mi? Zobaczmy raz jeszcze.
08:39
What's true for color is also true for complex perceptions of motion.
190
507000
4000
To co jest prawdziwe dla koloru, jest także prawdziwe dla kompleksowego widzenia ruchu.
08:43
So here we have --
191
511000
3000
Mamy tutaj --
08:46
let's turn this around -- a diamond.
192
514000
5000
obróćmy to -- diament.
08:51
And what I'm going to do is, I'm going to hold it here,
193
519000
2000
I to co zrobię, to będę go tu trzymał,
08:53
and I'm going to spin it.
194
521000
4000
i nim zakręcę.
08:57
And for all of you, you'll see it probably spinning this direction.
195
525000
3000
I wszyscy pewnie zobaczycie, że kręci się w tym kierunku.
09:00
Now I want you to keep looking at it.
196
528000
3000
Teraz chcę, żebyście się mu przyglądali.
09:03
Move your eyes around, blink, maybe close one eye.
197
531000
2000
poruszajcie trochę oczami, mrugnijcie, może zamknijcie jedno oko.
09:05
And suddenly it will flip, and start spinning the opposite direction.
198
533000
4000
I nagle on się odwróci, i zacznie kręcić w odwrotnym kierunku.
09:09
Yes? Raise your hand if you got that. Yes?
199
537000
3000
Tak? Niech podniesie rękę ten, kto to zobaczył. Tak?
09:12
Keep blinking. Every time you blink it will switch. Alright?
200
540000
4000
Mrugajcie dalej. Z każdym mrugnięciem się odwróci. Dobra?
09:16
So I can ask you, which direction is it rotating?
201
544000
4000
Więc mogę zapytać: W którym kierunku on się kręci?
09:20
How do you know?
202
548000
2000
Skąd to wiemy?
09:22
Your brain doesn't know. Because both are equally likely.
203
550000
3000
Wasz mózg nie wie. Bo oba są tak samo prawdopodobne.
09:25
So depending on where it looks, it flips
204
553000
2000
Więc w zależności od tego gdzie patrzy, zmienia się
09:27
between the two possibilities.
205
555000
3000
pomiędzy dwiema możliwościami.
09:30
Are we the only ones that see illusions?
206
558000
2000
Czy tylko my widzimy iluzje?
09:32
The answer to this question is no.
207
560000
2000
Odpowiedź na ty pytanie brzmi: nie.
09:34
Even the beautiful bumblebee,
208
562000
2000
Nawet piękna pszczoła,
09:36
with its mere one million brain cells,
209
564000
2000
ze swoim milionem komórek mózgowych,
09:38
which is 250 times fewer cells than you have in one retina,
210
566000
3000
co jest 250 razy mniejszą ilością, niż macie w swojej siatkówce,
09:41
sees illusions, does the most complicated things
211
569000
3000
widzi iluzje, robi rzeczy tak skomplikowane
09:44
that even our most sophisticated computers can't do.
212
572000
3000
jakich nie potrafią robić nawet najbardziej wyszukane komputery.
09:47
So in my lab, we of course work on bumblebees.
213
575000
2000
A więc w moim laboratorium, pracujemy oczywiście z pszczołami.
09:49
Because we can completely control their experience,
214
577000
2000
Ponieważ możemy w pełni kontrolować ich doświadczenie,
09:51
and see how that alters the architecture of their brain.
215
579000
2000
i zobaczyć jako to zmienia architektury ich mózgów.
09:53
And we do this in what we call the Bee Matrix.
216
581000
3000
I robimy to za pomocą Pszczelej Matrycy.
09:56
And here you have the hive. You can see the queen bee,
217
584000
2000
Tutaj macie ul. Widzicie królową pszczół,
09:58
that large bee in the middle there. Those are all her daughters, the eggs.
218
586000
3000
to ta wielka pszczoła w środku. To wszystko są jej córki, jajka.
10:01
And they go back and forth between this hive
219
589000
3000
I one przemieszczają się tam i z powrotem między ulem
10:04
and the arena, via this tube.
220
592000
5000
i otoczeniem prze tę rurę.
10:09
And you'll see one of the bees come out here.
221
597000
2000
I widzicie że jedna z tych pszczół tu wychodzi.
10:11
You see how she has a little number on her?
222
599000
3000
Widzicie, że ma na sobie malutki numerek?
10:14
Yeah there is another one coming out. She has another number on her.
223
602000
3000
O następna wychodzi. Ma inny numerek na sobie.
10:17
Now, they are not born that way. Right?
224
605000
3000
Teraz, one się tak nie rodzą, prawda?
10:20
We pull them out, put them in the fridge, and they fall asleep.
225
608000
2000
Wyciągamy je, wkładamy do lodówki i one zasypiają.
10:22
And then you can superglue little numbers on them.
226
610000
2000
Wtedy można przykleić numerek superglue do nich.
10:24
(Laughter)
227
612000
2000
(Śmiech)
10:26
And now, in this experiment they get rewarded if they go to the blue flowers.
228
614000
4000
I dalej w tym eksperymencie są nagradzane za wizytę w niebieskich kwiatach.
10:30
And they land on the flower. They stick their tongue in there,
229
618000
3000
i lądują na kwiecie. Wkładają tam języki,
10:33
called a proboscis, and they drink sugar water.
230
621000
2000
zwane trąbkami, i piją wodę z cukrem.
10:35
Now she is drinking a glass of water that's about that big to you and I,
231
623000
3000
Ona teraz wypija szklankę wody, tak duże by to było dla mnie i dla Ciebie,
10:38
will do that about three times, and then fly.
232
626000
6000
zrobi to około 3 razy i leci dalej.
10:44
And sometimes they learn not to go to the blue,
233
632000
2000
A czasami uczą się, żeby nie lecieć do niebieskiego,
10:46
but to go to where the other bees go.
234
634000
2000
ale tam, gdzie idą inne pszczoły.
10:48
So they copy each other. They can count to five. They can recognize faces.
235
636000
3000
Więc naśladują się wzajemnie. Potrafią liczyć do pięciu. Potrafią rozpoznawać twarze.
10:51
And here she comes down the ladder.
236
639000
3000
A tutaj ona schodzi po drabinie.
10:54
And she'll come into the hive, find an empty honey pot
237
642000
2000
I wejdzie do ula, znajdzie pusty klaster na miód,
10:56
and throw up, and that's honey.
238
644000
2000
zwymiotuje, i macie miód.
10:58
(Laughter)
239
646000
1000
(Śmiech)
10:59
Now remember -- (Laughter)
240
647000
3000
Teraz pamiętajcie -- (Śmiech)
11:02
-- she's supposed to be going to the blue flowers.
241
650000
2000
-- że ona miała iść do niebieskich kwiatów.
11:04
But what are these bees doing in the upper right corner?
242
652000
3000
Ale co robi ta pszczoła w prawym górnym rogu?
11:07
It looks like they're going to green flowers.
243
655000
2000
Wygląda na to, że poszła do zielonych kwiatów.
11:09
Now, are they getting it wrong?
244
657000
3000
Teraz, czy one się pomyliły?
11:12
And the answer to the question is no. Those are actually blue flowers.
245
660000
3000
I odpowiedź na to pytanie brzmi: nie. To są tak na prawdę niebieskie kwiaty.
11:15
But those are blue flowers under green light.
246
663000
4000
Tylko że pod zielonym ośietleniem.
11:19
So they are using the relationships between the colors to solve the puzzle,
247
667000
4000
Więc one używają relacji między kolorami, żeby rozwiązać tę zagadkę.
11:23
which is exactly what we do.
248
671000
2000
Co jest dokładnie tym, co my robimy.
11:25
So, illusions are often used,
249
673000
2000
A więc, iluzje często są używane,
11:27
especially in art, in the words of a more contemporary artist,
250
675000
4000
szczególnie w sztuce, ujmę to w słowa współczesnego artysty,
11:31
"to demonstrate the fragility of our senses."
251
679000
2000
"aby zademonstrować kruchość naszych zmysłów."
11:33
Okay, this is complete rubbish.
252
681000
3000
Okej, to kompletna bzdura.
11:36
The senses aren't fragile. And if they were, we wouldn't be here.
253
684000
3000
A nasze zmysły nie są kruche. Jeśli by były, to by nas tu nie było.
11:39
Instead, color tells us something completely different,
254
687000
4000
Zamiast tego, kolory mówią nam coś zupełnie innego,
11:43
that the brain didn't actually evolve to see the world the way it is.
255
691000
3000
że mózg nie ewoluował, aby widzieć świat dokładnie takim, jakim jest.
11:46
We can't. Instead, the brain evolved to see the world
256
694000
4000
Tego nie możemy. Zamiast tego mózg ewoluował żeby widzieć świat
11:50
the way it was useful to see in the past.
257
698000
3000
jaki był przydatny do widzenia w przeszłości.
11:53
And how we see is by continually redefining normality.
258
701000
6000
I sposób w jaki widzimy polega na ciągłym redefiniowaniu normalności.
11:59
So how can we take this
259
707000
4000
Więc jak możemy wziąć
12:03
incredible capacity of plasticity of the brain
260
711000
3000
tą niesamowitą plastyczność naszych mózgów
12:06
and get people to experience their world differently?
261
714000
3000
i pozwolić ludziom doświadczać swojego świata w odmienny sposób?
12:09
Well, one of the ways we do in my lab and studio
262
717000
3000
Cóż, jednym sposobem jakiego używamy w moim laboratorium i studiu
12:12
is we translate the light into sound
263
720000
3000
jest tłumaczenie światła w dźwięki
12:15
and we enable people to hear their visual world.
264
723000
4000
I umożliwiamy ludziom słyszenie świata wizualnego.
12:19
And they can navigate the world using their ears.
265
727000
3000
I mogą oni nawigować przez ten świat dzięki dźwiękom.
12:22
Here is David, in the right. And he is holding a camera.
266
730000
3000
Oto Dawid z prawej. Trzyma kamerę.
12:25
On the left is what his camera sees.
267
733000
2000
Po lewej jet to, co widzi kamera.
12:27
And you'll see there is a line, a faint line going across that image.
268
735000
3000
I widzicie, że tam jest linia, blada linia przechodzi przez obraz.
12:30
That line is broken up into 32 squares.
269
738000
3000
Ta linia jest rozbita na 32 kwadraty.
12:33
In each square we calculate the average color.
270
741000
2000
W każdym z nich kalkulujemy średni kolor.
12:35
And then we just simply translate that into sound.
271
743000
2000
A potem najwyczajniej tłumaczymy to na dźwięk.
12:37
And now he's going to
272
745000
3000
I teraz on
12:40
turn around, close his eyes,
273
748000
4000
się obróci, zamknie oczy,
12:44
and find a plate on the ground with his eyes closed.
274
752000
3000
i znajdzie talerz leżący na podłodze, z zamkniętymi oczami.
13:06
He finds it. Amazing. Right?
275
774000
2000
Znalazł. Zadziwiające, prawda?
13:08
So not only can we create a prosthetic for the visually impaired,
276
776000
2000
Więc nie tylko możemy stworzyć protezy dla niewidzących,
13:10
but we can also investigate how people
277
778000
3000
ale możemy przyjrzeć się jak ludzie
13:13
literally make sense of the world.
278
781000
3000
dosłownie budują sens świata.
13:16
But we can also do something else. We can also make music with color.
279
784000
4000
Ale możemy zrobić coś innego. Możemy tworzyć muzykę dzięki kolorom.
13:20
So, working with kids,
280
788000
2000
Więc, pracując z dziećmi,
13:22
they created images,
281
790000
2000
one tworzyły obrazy,
13:24
thinking about what might the images you see
282
792000
2000
z mylą o tym, jak brzmiałyby obrazy które widać
13:26
sound like if we could listen to them.
283
794000
2000
jeżeli możnaby ich posłuchać.
13:28
And then we translated these images.
284
796000
2000
I potem przetłumaczyliśmy te obrazy.
13:30
And this is one of those images.
285
798000
2000
I oto jeden z nich.
13:32
And this is a six-year-old child composing a piece of music
286
800000
3000
Macie tutaj sześciolatka, komponującego muzykę
13:35
for a 32-piece orchestra.
287
803000
3000
na orkiestrę złożoną z 32 instrumentów.
13:38
And this is what it sounds like.
288
806000
2000
I tak oto ona brzmi.
14:06
So, a six-year-old child. Okay?
289
834000
3000
Więc, sześcioletnie dziecko, Okej?
14:09
Now, what does all this mean?
290
837000
3000
Teraz, co to wszystko oznacza?
14:12
What this suggests is that no one is an outside observer
291
840000
3000
To sugeruje, że nikt nie jest zewnętrznym obserwatorem
14:15
of nature. Okay?
292
843000
2000
natury. Okej?
14:17
We are not defined by our central properties,
293
845000
2000
Nie jesteśmy zdefiniowani przez nasze centralne właściwości,
14:19
by the bits that make us up.
294
847000
2000
poskładani z części, które nas tworzą.
14:21
We're defined by our environment and our interaction with that environment --
295
849000
3000
Jesteśmy definiowani przez nasze środowiska i nasza interakcję z tym środowiskiem--
14:24
by our ecology.
296
852000
2000
przez naszą ekologię.
14:26
And that ecology is necessarily relative,
297
854000
4000
I ta ekologia jest koniecznie relatywna,
14:30
historical and empirical.
298
858000
2000
historycznie i empirycznie.
14:32
So what I'd like to finish with is this over here.
299
860000
6000
Więc, chciałbym skończyć tym tutaj.
14:38
Because what I've been trying to do is really celebrate uncertainty.
300
866000
3000
Ponieważ co chciałem zrobić to tak na prawdę celebrować niepewność.
14:41
Because I think only through uncertainty is there potential for understanding.
301
869000
4000
Ponieważ uważam, że tylko przez w niepewności jest potencjał rozumienia.
14:45
So, if some of you are still feeling a bit too certain,
302
873000
3000
Więc, jeżeli ktoś z was ciągle czuje się bardzo pewny,
14:48
I'd like to do this one.
303
876000
2000
Chciałbym zrobić coś takiego.
14:50
So, if we have the lights down.
304
878000
2000
Więc, jeżeli możemy przygasić światła.
14:52
And what we have here --
305
880000
6000
I co tutaj mamy --
14:58
Can everyone see 25 purple surfaces
306
886000
3000
Czy wszyscy widzą 25 purpurowych powierzchni
15:01
on your left,
307
889000
2000
po lewej,
15:03
and 25, call it yellowish, surfaces on your right?
308
891000
4000
i 25, powiedzmy żółtawych powierzchni po prawej?
15:07
So, now, what I want to do:
309
895000
2000
Więc, teraz, co chcę żebyście zrobili:
15:09
I'm going to put the middle nine surfaces here
310
897000
2000
Poddam dziewięć środkowych powierzchni tutaj
15:11
under yellow illumination
311
899000
2000
żółtej iluminacji
15:13
by simply putting a filter behind them.
312
901000
4000
umieszczając za nimi po prostu żółty filtr.
15:17
All right. Now you can see that changes the light
313
905000
3000
W porządku. Teraz widzicie, że to zmienia światło
15:20
that's coming through there. Right?
314
908000
2000
które tędy przechodzi. Prawda?
15:22
Because now the light is going through a yellowish filter
315
910000
2000
Bo światło przechodzi przez żółtawy filtr
15:24
and then a purplish filter.
316
912000
2000
a potem przez purpurowy.
15:26
I'm going to do this opposite on the left here.
317
914000
5000
Zrobię to w odwrotnej kolejności tu po lewej.
15:31
I'm going to put the middle nine under a purplish light.
318
919000
7000
Środkowe dziewięć poddam purpurowemu światłu.
15:38
Now, some of you will notice that the consequence is that
319
926000
4000
Teraz, niektórzy zauważą, że w konsekwencji
15:42
the light coming through those middle nine on the right,
320
930000
3000
światło wychodzące z tych środkowych dziewięciu po prawej,
15:45
or your left,
321
933000
2000
lub waszej lewej,
15:47
is exactly the same as the light coming through
322
935000
2000
jest dokładnie takie samo jak światło przechodzące
15:49
the middle nine on your right.
323
937000
2000
przez środkowe dziewięć po waszej prawej.
15:51
Agreed? Yes?
324
939000
3000
Zgoda? Tak?
15:54
Okay. So they are physically the same.
325
942000
2000
Okej. Więc fizycznie są takie same.
15:56
Let's pull the covers off.
326
944000
6000
Ściągnijmy obudowy.
16:02
Now remember,
327
950000
4000
Teraz pamiętajcie.
16:06
you know the middle nine are exactly the same.
328
954000
3000
wiecie, że środkowa dziewiątka jest dokładnie taka sama.
16:09
Do they look the same? No.
329
957000
4000
Czy wygląda tak samo? Nie.
16:13
The question is, "Is that an illusion?"
330
961000
2000
Pytanie brzmi: Czy to jest iluzja?
16:15
And I'll leave you with that.
331
963000
2000
I z tym Was zostawię.
16:17
So, thank you very much.
332
965000
2000
Więc, dziękuję bardzo.
16:19
(Applause)
333
967000
3000
(Aplauz)
ABOUT THE SPEAKER
Beau Lotto - Neuroscientist, ArtistBeau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system.
Why you should listen
"Let there be perception," was evolution's proclamation, and so it was that all creatures, from honeybees to humans, came to see the world not as it is, but as was most useful. This uncomfortable place--where what an organism's brain sees diverges from what is actually out there--is what Beau Lotto and his team at Lottolab are exploring through their dazzling art-sci experiments and public illusions. Their Bee Matrix installation, for example, places a live bee in a transparent enclosure where gallerygoers may watch it seek nectar in a virtual meadow of luminous Plexiglas flowers. (Bees, Lotto will tell you, see colors much like we humans do.) The data captured isn't just discarded, either: it's put to good use in probing scientific papers, and sometimes in more exhibits.
At their home in London’s Science Museum, the lab holds "synesthetic workshops" where kids and adults make abstract paintings that computers interpret into music, and they host regular Lates--evenings of science, music and "mass experiments." Lotto is passionate about involving people from all walks of life in research on perception--both as subjects and as fellow researchers. One such program, called "i,scientist," in fact led to the publication of the first ever peer-reviewed scientific paper written by schoolchildren ("Blackawton Bees," December 2010). It starts, "Once upon a time ..."
These and Lotto's other conjurings are slowly, charmingly bending the science of perception--and our perceptions of what science can be.
Beau Lotto | Speaker | TED.com