ABOUT THE SPEAKER
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.

 

 

More profile about the speaker
Daniel Wolpert | Speaker | TED.com
TEDGlobal 2011

Daniel Wolpert: The real reason for brains

Даниэл Уолперт: Для чего на самом деле нужен мозг

Filmed:
1,994,993 views

Нейробиолог Даниэл Уолперт начинает с удивительной предпосылки: мозг не эволюционировал, чтобы думать или чувствовать, а чтобы управлять движением. В ходе этой развлекательной, информативной лекции Уолперт делится с нами тем, как мозг создаёт изящество и ловкость человеческого движения.
- Movement expert
A neuroscientist and engineer, Daniel Wolpert studies how the brain controls the body. Full bio

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

00:15
I'm a neuroscientistнейробиолог.
0
0
2000
Я нейробиолог.
00:17
And in neuroscienceневрология,
1
2000
2000
В нейробиологии мы имеем дело
00:19
we have to dealпо рукам with manyмногие difficultсложно questionsвопросов about the brainголовной мозг.
2
4000
3000
со сложными вопросами о мозге.
00:22
But I want to startНачало with the easiestпростой questionвопрос
3
7000
2000
Я хочу начать с самого простого вопроса,
00:24
and the questionвопрос you really should have all askedспросил yourselvesсебя at some pointточка in your life,
4
9000
3000
который когда-то должен был встать перед каждым,
00:27
because it's a fundamentalфундаментальный questionвопрос
5
12000
2000
потому что это основной вопрос,
00:29
if we want to understandПонимаю brainголовной мозг functionфункция.
6
14000
2000
если мы хотим понять функцию мозга.
00:31
And that is, why do we and other animalsживотные
7
16000
2000
Почему у нас и у животных
00:33
have brainsмозги?
8
18000
2000
есть мозги?
00:35
Not all speciesвид on our planetпланета have brainsмозги,
9
20000
3000
Не у всех видов на нашей планете есть мозги,
00:38
so if we want to know what the brainголовной мозг is for,
10
23000
2000
поэтому если мы хотим узнать, для чего нужен мозг,
00:40
let's think about why we evolvedэволюционировали one.
11
25000
2000
давайте думать о том, почему он развился у нас.
00:42
Now you mayмай reasonпричина that we have one
12
27000
2000
Вы можете рассуждать, что мозг у нас для того,
00:44
to perceiveвоспринимать the worldМир or to think,
13
29000
2000
чтобы воспринимать мир или думать,
00:46
and that's completelyполностью wrongнеправильно.
14
31000
2000
и это совершенно неправильно.
00:48
If you think about this questionвопрос for any lengthдлина of time,
15
33000
3000
Если вы подумаете над этим вопросом некоторое время,
00:51
it's blindinglyослепительно obviousочевидный why we have a brainголовной мозг.
16
36000
2000
станет абсолютно очевидно, почему у нас есть мозг.
00:53
We have a brainголовной мозг for one reasonпричина and one reasonпричина only,
17
38000
3000
У нас мозг только по одной простой причине:
00:56
and that's to produceпроизводить adaptableадаптируются and complexсложный movementsдвижения.
18
41000
3000
чтобы делать сложные движения.
00:59
There is no other reasonпричина to have a brainголовной мозг.
19
44000
2000
Нет никаких других причин иметь мозг.
01:01
Think about it.
20
46000
2000
Подумайте об этом.
01:03
Movementдвижение is the only way you have
21
48000
2000
Движение — единственный способ, который у вас есть,
01:05
of affectingзатрагивающий the worldМир around you.
22
50000
2000
чтобы оказать влияние на окружающую среду.
01:07
Now that's not quiteдовольно trueправда. There's one other way, and that's throughчерез sweatingпотение.
23
52000
3000
Это не совсем правда. Есть другой способ — потоотделение.
01:10
But apartКроме from that,
24
55000
2000
Но кроме этого,
01:12
everything elseеще goesидет throughчерез contractionsсхватки of musclesмышцы.
25
57000
2000
всё остальное проходит через мышечные сокращения.
01:14
So think about communicationсвязь --
26
59000
2000
Подумайте об общении —
01:16
speechречь, gesturesжесты, writingписьмо, signзнак languageязык --
27
61000
3000
о речи, жестах, письме, языке жестов —
01:19
they're all mediatedопосредованной throughчерез contractionsсхватки of your musclesмышцы.
28
64000
3000
все они опосредованы сокращениями ваших мышц.
01:22
So it's really importantважный to rememberзапомнить
29
67000
2000
Поэтому очень важно помнить,
01:24
that sensoryсенсорный, memoryПамять and cognitiveпознавательный processesпроцессы are all importantважный,
30
69000
4000
что память, сенсорные и познавательные процессы — важны,
01:28
but they're only importantважный
31
73000
2000
но они важны только для того,
01:30
to eitherили driveводить машину or suppressподавлять futureбудущее movementsдвижения.
32
75000
2000
чтобы или приводить в действие или сдерживать будущие движения.
01:32
There can be no evolutionaryэволюционный advantageпреимущество
33
77000
2000
Не может быть никакого эволюционного преимущества
01:34
to layingпрокладка down memoriesвоспоминания of childhoodдетство
34
79000
2000
в детских воспоминаниях
01:36
or perceivingвоспринимая the colorцвет of a roseРоза
35
81000
2000
или в восприятии цвета розы,
01:38
if it doesn't affectаффект the way you're going to moveпереехать laterпозже in life.
36
83000
3000
если это не влияет на ваш дальнейший путь.
01:41
Now for those who don't believe this argumentаргумент,
37
86000
2000
Для тех, кто не согласен с этим аргументом,
01:43
we have treesдеревья and grassтрава on our planetпланета withoutбез the brainголовной мозг,
38
88000
2000
у нас есть деревья и трава, у которых нет мозга,
01:45
but the clinchingклинч evidenceдоказательства is this animalживотное here --
39
90000
2000
но заключительное доказательство — вот это животное —
01:47
the humbleсмиренный seaморе squirtспринцовка.
40
92000
2000
скромный морской шприц.
01:49
Rudimentaryзачаточный animalживотное, has a nervousнервное systemсистема,
41
94000
3000
Рудиментарное животное, с нервной системой,
01:52
swimsпроплывает around in the oceanокеан in its juvenileювенильный life.
42
97000
2000
в своей юности плавает в океане.
01:54
And at some pointточка of its life,
43
99000
2000
И в какой-то момент жизни
01:56
it implantsимплантаты on a rockкамень.
44
101000
2000
оно прикрепляется к камню.
01:58
And the first thing it does in implantingнасаждение on that rockкамень, whichкоторый it never leavesлистья,
45
103000
3000
И первое, что оно делает, прикрепившись к камню навсегда —
02:01
is to digestдайджест its ownсвоя brainголовной мозг and nervousнервное systemсистема
46
106000
3000
переваривает свой мозг и нервную систему
02:04
for foodпитание.
47
109000
2000
как пищу.
02:06
So onceодин раз you don't need to moveпереехать,
48
111000
2000
Поэтому, как только вам больше не надо двигаться,
02:08
you don't need the luxuryроскошь of that brainголовной мозг.
49
113000
3000
то вам больше не нужна роскошь мозга.
02:11
And this animalживотное is oftenдовольно часто takenвзятый
50
116000
2000
И это животное часто берётся как аналогия того,
02:13
as an analogyаналогия to what happensпроисходит at universitiesуниверситеты
51
118000
2000
что происходит в университетах,
02:15
when professorsпрофессора get tenureвладение,
52
120000
2000
когда профессора получают пожизненный контракт,
02:17
but that's a differentдругой subjectпредмет.
53
122000
2000
но это уже другой вопрос.
02:19
(ApplauseАплодисменты)
54
124000
2000
(Аплодисменты)
02:21
So I am a movementдвижение chauvinistшовинист.
55
126000
3000
Так что я шовинист движений.
02:24
I believe movementдвижение is the mostбольшинство importantважный functionфункция of the brainголовной мозг --
56
129000
2000
Я верю, что движение — самая важная функция мозга,
02:26
don't let anyoneкто угодно tell you that it's not trueправда.
57
131000
2000
и не позволяйте никому говорить вам, что это не правда.
02:28
Now if movementдвижение is so importantважный,
58
133000
2000
Если движение так важно,
02:30
how well are we doing
59
135000
2000
насколько хорошо мы все понимаем,
02:32
understandingпонимание how the brainголовной мозг controlsуправления movementдвижение?
60
137000
2000
как мозг управляет движением?
02:34
And the answerответ is we're doing extremelyочень poorlyплохо; it's a very hardжесткий problemпроблема.
61
139000
2000
Ответ такой — исключительно плохо. Это очень сложный вопрос.
02:36
But we can look at how well we're doing
62
141000
2000
Мы можем посмотреть, насколько хорошо осознаем это,
02:38
by thinkingмышление about how well we're doing buildingздание machinesмашины
63
143000
2000
размышляя о том, насколько хорошо создаём роботов,
02:40
whichкоторый can do what humansлюди can do.
64
145000
2000
которые могут делать то, что делают люди.
02:42
Think about the gameигра of chessшахматы.
65
147000
2000
Подумайте об игре в шахматы.
02:44
How well are we doing determiningопределения what pieceкусок to moveпереехать where?
66
149000
3000
Как хорошо мы определяем, куда какую фигуру двинуть?
02:47
If you pitяма GarryGarry KasparovКаспаров here, when he's not in jailтюремное заключение,
67
152000
3000
Если вы поставите Гарри Каспарова здесь, на свободе,
02:50
againstпротив IBM'sIBM, Deepглубоко Blueсиний,
68
155000
2000
против Deep Blue от IBM,
02:52
well the answerответ is IBM'sIBM, Deepглубоко Blueсиний will occasionallyвремя от времени winвыиграть.
69
157000
3000
то Deep Blue от IBM будет выигрывать время от времени.
02:55
And I think if IBM'sIBM, Deepглубоко Blueсиний playedиграл anyoneкто угодно in this roomкомната, it would winвыиграть everyкаждый time.
70
160000
3000
И, по-моему, если бы Deep Blue от IBM играл против кого-нибудь в этой комнате, он бы выигрывал каждый раз.
02:58
That problemпроблема is solvedрешена.
71
163000
2000
Задача решена.
03:00
What about the problemпроблема
72
165000
2000
Как насчёт задачи
03:02
of pickingсобирание up a chessшахматы pieceкусок,
73
167000
2000
подбора шахматной фигуры,
03:04
dexterouslyсноровисто manipulatingманипуляционная it and puttingсдачи it back down on the boardдоска?
74
169000
3000
ловкого манипулирования ею и опускания обратно на доску?
03:07
If you put a five5 year-oldлет child'sДети dexterityловкость againstпротив the bestЛучший robotsроботы of todayCегодня,
75
172000
3000
Если вы возьмёте ловкость 5-летного ребёнка против лучших роботов на сегодня,
03:10
the answerответ is simpleпросто:
76
175000
2000
ответ простой:
03:12
the childребенок winsпобеды easilyбез труда.
77
177000
2000
ребёнок легко выигрывает.
03:14
There's no competitionсоревнование at all.
78
179000
2000
Совсем вне конкуренции.
03:16
Now why is that topВверх problemпроблема so easyлегко
79
181000
2000
Почему первая задача так проста,
03:18
and the bottomдно problemпроблема so hardжесткий?
80
183000
2000
а последняя так сложна?
03:20
One reasonпричина is a very smartумная five5 year-oldлет
81
185000
2000
Одна причина — очень умный 5-летный ребёнок
03:22
could tell you the algorithmалгоритм for that topВверх problemпроблема --
82
187000
2000
может сказать вам алгоритм решения первой задачи:
03:24
look at all possibleвозможное movesдвижется to the endконец of the gameигра
83
189000
2000
посмотреть на все возможные ходы до конца игры
03:26
and chooseвыберите the one that makesмарки you winвыиграть.
84
191000
2000
и определить выигрышный ход.
03:28
So it's a very simpleпросто algorithmалгоритм.
85
193000
2000
Так что это очень простой алгоритм.
03:30
Now of courseкурс there are other movesдвижется,
86
195000
2000
Конечно, имеются другие ходы,
03:32
but with vastогромный computersкомпьютеры we approximateприближенный
87
197000
2000
но с помощью компьютеров мы
03:34
and come closeЗакрыть to the optimalоптимальный solutionрешение.
88
199000
2000
приближаемся к оптимальному решению.
03:36
When it comesвыходит to beingявляющийся dexterousловкий,
89
201000
2000
Если речь идёт о ловкости, то даже не ясно,
03:38
it's not even clearЧисто what the algorithmалгоритм is you have to solveрешать to be dexterousловкий.
90
203000
2000
какой алгоритм у вас есть, чтобы быть ловким.
03:40
And we'llЧто ж see you have to bothи то и другое perceiveвоспринимать and actакт on the worldМир,
91
205000
2000
И мы понимаем, что надо и воспринимать и влиять на мир,
03:42
whichкоторый has a lot of problemsпроблемы.
92
207000
2000
в котором много задач.
03:44
But let me showпоказать you cutting-edgeпередовой roboticsробототехника.
93
209000
2000
Позвольте показать вам передовую робототехнику.
03:46
Now a lot of roboticsробототехника is very impressiveвпечатляющий,
94
211000
2000
Сейчас много очень впечатляющей робототехники,
03:48
but manipulationманипуляция roboticsробототехника is really just in the darkтемно agesвозраст.
95
213000
3000
но управление роботами находится в средневековье.
03:51
So this is the endконец of a PhpH.D. projectпроект
96
216000
2000
Это финал проекта аспиранта
03:53
from one of the bestЛучший roboticsробототехника institutesинституты.
97
218000
2000
одного из лучших институтов робототехники.
03:55
And the studentстудент has trainedобученный this robotробот
98
220000
2000
Студент запрограммировал этого робота
03:57
to pourналивать this waterводы into a glassстакан.
99
222000
2000
вылить воду в стакан.
03:59
It's a hardжесткий problemпроблема because the waterводы sloshesхлюпает about, but it can do it.
100
224000
3000
Это сложная задача, поскольку вода хлюпает, но робот справляется.
04:02
But it doesn't do it with anything like the agilityпроворство of a humanчеловек.
101
227000
3000
Но он не выполняет эту задачу с ловкостью человека.
04:05
Now if you want this robotробот to do a differentдругой taskзадача,
102
230000
3000
А если вы хотите, чтобы робот выполнил другое задание,
04:08
that's anotherдругой three-yearтрехлетний PhpH.D. programпрограмма.
103
233000
3000
это другая кандидатская диссертация.
04:11
There is no generalizationобобщение at all
104
236000
2000
Нет никакого общего правила для перехода
04:13
from one taskзадача to anotherдругой in roboticsробототехника.
105
238000
2000
от одной задачи к другой в робототехнике.
04:15
Now we can compareсравнить this
106
240000
2000
Теперь мы можем сравнить это
04:17
to cutting-edgeпередовой humanчеловек performanceпредставление.
107
242000
2000
с современной производительностью человека.
04:19
So what I'm going to showпоказать you is EmilyЭмили FoxЛиса
108
244000
2000
Я собираюсь показать вам Эмили Фокс,
04:21
winningвыигрыш the worldМир recordзапись for cupкружка stackingштабелирования.
109
246000
3000
когда она устанавливает рекорд в штабелировании чашек.
04:24
Now the Americansамериканцы in the audienceаудитория will know all about cupкружка stackingштабелирования.
110
249000
2000
Американцы в аудитории знают все про штабелирование чашек.
04:26
It's a highвысокая schoolшкола sportспорт
111
251000
2000
Это школьный вид спорта,
04:28
where you have 12 cupsчашки you have to stackстек and unstackпоместить значение
112
253000
2000
где вы должны уложить и разложить 12 чашек
04:30
againstпротив the clockЧасы in a prescribedпредписанный orderзаказ.
113
255000
2000
на время в установленном порядке.
04:32
And this is her gettingполучение the worldМир recordзапись in realреальный time.
114
257000
3000
Вот установка мирового рекорда в реальном времени.
04:39
(LaughterСмех)
115
264000
8000
(Смех)
04:47
(ApplauseАплодисменты)
116
272000
5000
(Аплодисменты)
04:52
And she's prettyСимпатичная happyсчастливый.
117
277000
2000
Она очень счастлива.
04:54
We have no ideaидея what is going on insideвнутри her brainголовной мозг when she does that,
118
279000
2000
Мы не понимаем, что происходит в её мозгу,
04:56
and that's what we'dмы б like to know.
119
281000
2000
когда она делает это, и это мы бы хотели узнать.
04:58
So in my groupгруппа, what we try to do
120
283000
2000
В моей группе, мы разбираем то,
05:00
is reverseзадний ход engineerинженер how humansлюди controlконтроль movementдвижение.
121
285000
3000
как люди управляют движениями.
05:03
And it soundsзвуки like an easyлегко problemпроблема.
122
288000
2000
Это выглядит лёгким делом.
05:05
You sendОтправить a commandкоманда down, it causesпричины musclesмышцы to contractконтракт.
123
290000
2000
Вы отправляете сигнал, и он заставляет мышцы сокращаться.
05:07
Your armрука or bodyтело movesдвижется,
124
292000
2000
Ваша рука или тело двигается,
05:09
and you get sensoryсенсорный feedbackОбратная связь from visionвидение, from skinкожа, from musclesмышцы and so on.
125
294000
3000
и вы получаете ответный импульс от зрения, кожи, мышц и т.д.
05:12
The troubleбеда is
126
297000
2000
Проблема в том, что эти импульсы
05:14
these signalsсигналы are not the beautifulкрасивая signalsсигналы you want them to be.
127
299000
2000
не так красивы, как хотелось бы.
05:16
So one thing that makesмарки controllingуправление movementдвижение difficultсложно
128
301000
2000
Одна вещь, которая усложняет управление движением,
05:18
is, for exampleпример, sensoryсенсорный feedbackОбратная связь is extremelyочень noisyшумный.
129
303000
3000
это сильные шумы при обратной сенсорной связи.
05:21
Now by noiseшум, I do not mean soundзвук.
130
306000
3000
Под шумом я не имею в виду звук.
05:24
We use it in the engineeringинжиниринг and neuroscienceневрология senseсмысл
131
309000
2000
В инженерном деле и нейробиологии этот термин
05:26
meaningимея в виду a randomслучайный noiseшум corruptingразвращать a signalсигнал.
132
311000
2000
означает случайные помехи, препятствующие сигналу.
05:28
So the oldстарый daysдней before digitalцифровой radioрадио when you were tuningнастройка in your radioрадио
133
313000
3000
Так в эпоху до цифрового радио, когда при настройке радио
05:31
and you heardуслышанным "crrcckkkcrrcckkk" on the stationстанция you wanted to hearзаслушивать,
134
316000
2000
вы слышали «хрррр» на станции, которую хотели послушать,
05:33
that was the noiseшум.
135
318000
2000
вот это называлось шумом.
05:35
But more generallyв общем, this noiseшум is something that corruptsразвращает the signalсигнал.
136
320000
3000
Но в целом, этот шум искажает сигнал.
05:38
So for exampleпример, if you put your handрука underпод a tableТаблица
137
323000
2000
Например, если вы положите руку под стол
05:40
and try to localizeлокализовать it with your other handрука,
138
325000
2000
и попытаетесь найти ее другой рукой,
05:42
you can be off by severalнесколько centimetersсм
139
327000
2000
то вы можете ошибиться на несколько сантиметров
05:44
dueв связи to the noiseшум in sensoryсенсорный feedbackОбратная связь.
140
329000
2000
из-за помехи в обратной сенсорной связи.
05:46
Similarlyпо аналогии, when you put motorдвигатель outputвывод on movementдвижение outputвывод,
141
331000
2000
Подобным образом, когда вы выводите мощность двигателя на движение —
05:48
it's extremelyочень noisyшумный.
142
333000
2000
шума очень много.
05:50
Forgetзабывать about tryingпытаясь to hitудар the bull'sбыка eyeглаз in dartsдартс,
143
335000
2000
Забудьте о попытках попасть в яблочко в дартс,
05:52
just aimцель for the sameодна и та же spotместо over and over again.
144
337000
2000
просто цельтесь в то же самое место снова и снова.
05:54
You have a hugeогромный spreadраспространение dueв связи to movementдвижение variabilityизменчивость.
145
339000
3000
Вас ждёт огромное рассеивание из-за непостоянства движения.
05:57
And more than that, the outsideза пределами worldМир, or taskзадача,
146
342000
2000
И более того, внешний мир, или задача являются
05:59
is bothи то и другое ambiguousдвусмысленный and variableпеременная.
147
344000
2000
одновременно двусмысленными и изменчивыми.
06:01
The teapotзаварочный чайник could be fullполный, it could be emptyпустой.
148
346000
2000
Чайник может быть полным, может быть пустым.
06:03
It changesизменения over time.
149
348000
2000
Это меняется с течением времени.
06:05
So we work in a wholeвсе sensoryсенсорный movementдвижение taskзадача soupсуп of noiseшум.
150
350000
4000
Так что мы работаем в супе из помех сенсорных задач движений.
06:09
Now this noiseшум is so great
151
354000
2000
Этот шум великолепен,
06:11
that societyобщество placesмест a hugeогромный premiumпремия
152
356000
2000
общество присуждает огромные премии тем из нас,
06:13
on those of us who can reduceуменьшить the consequencesпоследствия of noiseшум.
153
358000
3000
кто может уменьшить его последствия.
06:16
So if you're luckyвезучий enoughдостаточно to be ableв состоянии to knockпостучать a smallмаленький whiteбелый ballмяч
154
361000
3000
Так что если вам повезёт попасть маленьким белым шариком в лунку
06:19
into a holeдыра severalнесколько hundredсто yardsярды away usingс помощью a long metalметалл stickпридерживаться,
155
364000
3000
на расстоянии в несколько сотен метров, используя длинную металлическую палку,
06:22
our societyобщество will be willingготовы to rewardнаграда you
156
367000
2000
наше общество будет готово вознаградить вас
06:24
with hundredsсотни of millionsмиллионы of dollarsдолларов.
157
369000
3000
сотнями миллионов долларов.
06:27
Now what I want to convinceубеждать you of
158
372000
2000
Я хочу убедить вас в том,
06:29
is the brainголовной мозг alsoтакже goesидет throughчерез a lot of effortусилие
159
374000
2000
что мозг всегда проходит через множество усилий,
06:31
to reduceуменьшить the negativeотрицательный consequencesпоследствия
160
376000
2000
чтобы уменьшить негативные последствия
06:33
of this sortСортировать of noiseшум and variabilityизменчивость.
161
378000
2000
такого рода шума и изменчивости.
06:35
And to do that, I'm going to tell you about a frameworkфреймворк
162
380000
2000
Для этого я собираюсь рассказать вам о системе,
06:37
whichкоторый is very popularпопулярный in statisticsстатистика and machineмашина learningобучение of the last 50 yearsлет
163
382000
3000
которая очень популярна в области статистики и машинного обучения в течение последних 50 лет,
06:40
calledназывается Bayesianбайесовский decisionрешение theoryтеория.
164
385000
2000
называемой Байесовской теорией принятия решений.
06:42
And it's more recentlyв последнее время a unifyingобъединительный way
165
387000
3000
И с недавних пор это единый способ размышлять о том,
06:45
to think about how the brainголовной мозг dealsпредложения with uncertaintyнеопределенность.
166
390000
3000
как мозг поступает с неопределённостью.
06:48
And the fundamentalфундаментальный ideaидея is you want to make inferencesумозаключения and then take actionsдействия.
167
393000
3000
Основная идея — вы хотите сделать выводы и потом принять меры.
06:51
So let's think about the inferenceвывод.
168
396000
2000
Давайте подумаем о выводе.
06:53
You want to generateгенерировать beliefsубеждения about the worldМир.
169
398000
2000
Вы хотите создать убеждения о мире.
06:55
So what are beliefsубеждения?
170
400000
2000
Что такое убеждения?
06:57
BeliefsУбеждения could be: where are my armsоружие in spaceпространство?
171
402000
2000
Убеждениями могут быть: где расположены мои руки в пространстве?
06:59
Am I looking at a catКот or a foxлиса?
172
404000
2000
Я смотрю на кошку или лису?
07:01
But we're going to representпредставлять beliefsубеждения with probabilitiesвероятности.
173
406000
3000
Но мы собираемся формулировать убеждения с вероятностями.
07:04
So we're going to representпредставлять a beliefвера
174
409000
2000
Мы собираемся представлять убеждение
07:06
with a numberномер betweenмежду zeroнуль and one --
175
411000
2000
с числом от 0 до 1.
07:08
zeroнуль meaningимея в виду I don't believe it at all, one meansозначает I'm absolutelyабсолютно certainопределенный.
176
413000
3000
0 — я не верю вообще, 1 — я абсолютно уверен.
07:11
And numbersчисел in betweenмежду give you the grayсерый levelsуровни of uncertaintyнеопределенность.
177
416000
3000
Промежуточные числа дают вам серые уровни неопределённости.
07:14
And the keyключ ideaидея to Bayesianбайесовский inferenceвывод
178
419000
2000
Ключевая идея Байесовского предположения в том,
07:16
is you have two sourcesисточники of informationИнформация
179
421000
2000
что у вас есть два источника информации,
07:18
from whichкоторый to make your inferenceвывод.
180
423000
2000
с помощью которых можно сделать вывод.
07:20
You have dataданные,
181
425000
2000
У вас есть данные,
07:22
and dataданные in neuroscienceневрология is sensoryсенсорный inputвход.
182
427000
2000
и в нейробиологии это сенсорные исходные данные.
07:24
So I have sensoryсенсорный inputвход, whichкоторый I can take in to make beliefsубеждения.
183
429000
3000
Применив сенсорные исходные данные, я могу получить убеждение.
07:27
But there's anotherдругой sourceисточник of informationИнформация, and that's effectivelyфактически priorпредшествующий knowledgeзнание.
184
432000
3000
Но есть и другой источник информации: предшествующие знания.
07:30
You accumulateскапливаться knowledgeзнание throughoutна протяжении your life in memoriesвоспоминания.
185
435000
3000
Вы накапливаете знание в памяти в течении жизни .
07:33
And the pointточка about Bayesianбайесовский decisionрешение theoryтеория
186
438000
2000
Суть Байесовской теории принятия решений в том,
07:35
is it givesдает you the mathematicsматематика
187
440000
2000
что она даёт вам математику
07:37
of the optimalоптимальный way to combineскомбинировать
188
442000
2000
для объединения предварительных знаний
07:39
your priorпредшествующий knowledgeзнание with your sensoryсенсорный evidenceдоказательства
189
444000
2000
с сенсорными данными для создания
07:41
to generateгенерировать newновый beliefsубеждения.
190
446000
2000
новых мнений оптимальным путём.
07:43
And I've put the formulaформула up there.
191
448000
2000
Я привёл формулу.
07:45
I'm not going to explainобъяснять what that formulaформула is, but it's very beautifulкрасивая.
192
450000
2000
Я не буду объяснять, что это за формула, но она прекрасна.
07:47
And it has realреальный beautyкрасота and realреальный explanatoryпояснительная powerмощность.
193
452000
3000
Она красива и многое объясняет.
07:50
And what it really saysговорит, and what you want to estimateоценить,
194
455000
2000
И то о чем она говорит, и то, что вы хотите рассчитать,
07:52
is the probabilityвероятность of differentдругой beliefsубеждения
195
457000
2000
это вероятность различных мнений,
07:54
givenданный your sensoryсенсорный inputвход.
196
459000
2000
дающая вам исходные сенсорные данные.
07:56
So let me give you an intuitiveинтуитивный exampleпример.
197
461000
2000
Позвольте привести наглядный пример.
07:58
ImagineПредставить you're learningобучение to playиграть tennisбольшой теннис
198
463000
3000
Представьте, вы учитесь играть в теннис,
08:01
and you want to decideпринимать решение where the ballмяч is going to bounceподпрыгивать
199
466000
2000
и вы хотите определить, в каком месте отскочит мяч
08:03
as it comesвыходит over the netсеть towardsв направлении you.
200
468000
2000
при направлении его к вам от сетки.
08:05
There are two sourcesисточники of informationИнформация
201
470000
2000
Есть два источника информации,
08:07
Bayes'Байеса ruleправило tellsговорит you.
202
472000
2000
об этом говорит правило Байеса.
08:09
There's sensoryсенсорный evidenceдоказательства -- you can use visualвизуальный informationИнформация auditoryслуховой informationИнформация,
203
474000
3000
Сенсорные данные — можно использовать визуальную и слуховую информацию,
08:12
and that mightмог бы tell you it's going to landземельные участки in that redкрасный spotместо.
204
477000
3000
могут сказать вам, что он собирается приземлиться в ту красную зону.
08:15
But you know that your sensesчувств are not perfectидеально,
205
480000
3000
Но вы знаете, что ваши чувства не идеальны,
08:18
and thereforeследовательно there's some variabilityизменчивость of where it's going to landземельные участки
206
483000
2000
следовательно, есть некоторая изменчивость, где он собирается приземлиться,
08:20
shownпоказанный by that cloudоблако of redкрасный,
207
485000
2000
показанная тем красным облаком,
08:22
representingпредставляющий numbersчисел betweenмежду 0.5 and maybe 0.1.
208
487000
3000
представляя числа между 0,5 и возможно 0,1.
08:26
That informationИнформация is availableдоступный in the currentтекущий shotвыстрел,
209
491000
2000
Эта информация пригодна в текущем кадре,
08:28
but there's anotherдругой sourceисточник of informationИнформация
210
493000
2000
но есть другой источник информации,
08:30
not availableдоступный on the currentтекущий shotвыстрел,
211
495000
2000
не в текущем кадре, а получаемый
08:32
but only availableдоступный by repeatedповторный experienceопыт in the gameигра of tennisбольшой теннис,
212
497000
3000
только из опыта игры в теннис,
08:35
and that's that the ballмяч doesn't bounceподпрыгивать
213
500000
2000
и это то, что мяч не скачет
08:37
with equalравный probabilityвероятность over the courtсуд duringв течение the matchсовпадение.
214
502000
2000
с равной вероятностью по корту во время матча.
08:39
If you're playingиграть againstпротив a very good opponentпротивник,
215
504000
2000
Если вы играете против очень хорошего соперника,
08:41
they mayмай distributeраспространять it in that greenзеленый areaплощадь,
216
506000
2000
они могут послать его в эту зелёную область,
08:43
whichкоторый is the priorпредшествующий distributionраспределение,
217
508000
2000
которая является предраспределением,
08:45
makingизготовление it hardжесткий for you to returnвернуть.
218
510000
2000
делая ответ сложным для вас.
08:47
Now bothи то и другое these sourcesисточники of informationИнформация carryнести importantважный informationИнформация.
219
512000
2000
Оба эти источника информации важны.
08:49
And what Bayes'Байеса ruleправило saysговорит
220
514000
2000
Правило Байеса говорит,
08:51
is that I should multiplyумножать the numbersчисел on the redкрасный by the numbersчисел on the greenзеленый
221
516000
3000
что я должен умножить красные числа на зелёные числа,
08:54
to get the numbersчисел of the yellowжелтый, whichкоторый have the ellipsesэллипсы,
222
519000
3000
получить жёлтые числа, у которых есть эллипсы,
08:57
and that's my beliefвера.
223
522000
2000
это моё убеждение.
08:59
So it's the optimalоптимальный way of combiningобъединение informationИнформация.
224
524000
3000
Так что это оптимальный способ объединения информации.
09:02
Now I wouldn'tне будет tell you all this if it wasn'tне было that a fewмало yearsлет agoтому назад,
225
527000
2000
Я бы не рассказывал вам всё это, если бы несколько лет назад
09:04
we showedпоказал this is exactlyв точку what people do
226
529000
2000
мы не показали что это именно то, что делают люди,
09:06
when they learnучить newновый movementдвижение skillsнавыки.
227
531000
2000
когда учат новые движения.
09:08
And what it meansозначает
228
533000
2000
Это значит, что мы действительно
09:10
is we really are Bayesianбайесовский inferenceвывод machinesмашины.
229
535000
2000
Байесовские машины логического вывода.
09:12
As we go around, we learnучить about statisticsстатистика of the worldМир and layпрокладывать that down,
230
537000
4000
Мы ходим вокруг, познаем статистику мира
09:16
but we alsoтакже learnучить
231
541000
2000
и формулируем её, но мы также познаем,
09:18
about how noisyшумный our ownсвоя sensoryсенсорный apparatusустройство is,
232
543000
2000
насколько шумны наши чувства,
09:20
and then combineскомбинировать those
233
545000
2000
чтобы затем объединить их
09:22
in a realреальный Bayesianбайесовский way.
234
547000
2000
настоящим Байесовским способом.
09:24
Now a keyключ partчасть to the Bayesianбайесовский is this partчасть of the formulaформула.
235
549000
3000
Ключевая часть Байесовской теории в этой части формулы.
09:27
And what this partчасть really saysговорит
236
552000
2000
Это часть говорит о том,
09:29
is I have to predictпрогнозировать the probabilityвероятность
237
554000
2000
что я должен предсказывать вероятность
09:31
of differentдругой sensoryсенсорный feedbacksобратные связи
238
556000
2000
различных обратных сенсорных связей,
09:33
givenданный my beliefsубеждения.
239
558000
2000
учитывая мои убеждения.
09:35
So that really meansозначает I have to make predictionsпрогнозы of the futureбудущее.
240
560000
3000
Это значит, что я должен предсказать будущее.
09:38
And I want to convinceубеждать you the brainголовной мозг does make predictionsпрогнозы
241
563000
2000
Я хочу убедить вас, что мозг предсказывает
09:40
of the sensoryсенсорный feedbackОбратная связь it's going to get.
242
565000
2000
обратную сенсорную связь, которую вы получите.
09:42
And moreoverболее того, it profoundlyглубоко changesизменения your perceptionsвосприятие
243
567000
2000
Более того, она глубоко меняет
09:44
by what you do.
244
569000
2000
ваше восприятие того, чем вы занимаетесь.
09:46
And to do that, I'll tell you
245
571000
2000
Для этого я расскажу вам о том,
09:48
about how the brainголовной мозг dealsпредложения with sensoryсенсорный inputвход.
246
573000
2000
как мозг работает с исходными сенсорными данными.
09:50
So you sendОтправить a commandкоманда out,
247
575000
3000
Вы посылаете команду,
09:53
you get sensoryсенсорный feedbackОбратная связь back,
248
578000
2000
получаете обратную сенсорную связь,
09:55
and that transformationпреобразование is governedпод управлением
249
580000
2000
и это преобразование регулируется
09:57
by the physicsфизика of your bodyтело and your sensoryсенсорный apparatusустройство.
250
582000
3000
физикой вашего тела и сенсорным аппаратом.
10:00
But you can imagineпредставить looking insideвнутри the brainголовной мозг.
251
585000
2000
Представьте, что вы смотрите внутрь мозга.
10:02
And here'sвот insideвнутри the brainголовной мозг.
252
587000
2000
Вы внутри мозга.
10:04
You mightмог бы have a little predictorпредсказатель, a neuralнервный simulatorимитатор,
253
589000
2000
Возможно, вам понадобится маленький предсказатель,
10:06
of the physicsфизика of your bodyтело and your sensesчувств.
254
591000
2000
нейросимулятор физики вашего тела и ваших ощущений.
10:08
So as you sendОтправить a movementдвижение commandкоманда down,
255
593000
2000
При посылке команды вниз,
10:10
you tapнажмите a copyкопия of that off
256
595000
2000
вы перехватываете её копию,
10:12
and runбег it into your neuralнервный simulatorимитатор
257
597000
2000
направляете в свой нервный симулятор
10:14
to anticipateпредвидеть the sensoryсенсорный consequencesпоследствия of your actionsдействия.
258
599000
4000
для предвидения сенсорных последствий своих действий.
10:18
So as I shakeвстряхивать this ketchupкетчуп bottleбутылка,
259
603000
2000
Если я трясу эту бутылку кетчупа, я получаю
10:20
I get some trueправда sensoryсенсорный feedbackОбратная связь as the functionфункция of time in the bottomдно rowряд.
260
605000
3000
настоящую сенсорную обратную связь как функцию времени в нижнем ряду.
10:23
And if I've got a good predictorпредсказатель, it predictsпредсказывает the sameодна и та же thing.
261
608000
3000
Если мой предсказатель хорош, он скажет то же самое.
10:26
Well why would I botherбеспокоить doing that?
262
611000
2000
Так зачем мне суетиться, делая это?
10:28
I'm going to get the sameодна и та же feedbackОбратная связь anywayтак или иначе.
263
613000
2000
Все равно получу такую же обратную связь.
10:30
Well there's good reasonsпричины.
264
615000
2000
На это есть веские причины.
10:32
ImagineПредставить, as I shakeвстряхивать the ketchupкетчуп bottleбутылка,
265
617000
2000
Представьте, когда я трясу бутылку кетчупа,
10:34
someoneкто то very kindlyлюбезно comesвыходит up to me and tapsкраны it on the back for me.
266
619000
3000
кто-то очень добрый подходит ко мне и стучит ею по спине.
10:37
Now I get an extraдополнительный sourceисточник of sensoryсенсорный informationИнформация
267
622000
2000
Теперь я получаю дополнительный источник информации
10:39
dueв связи to that externalвнешний actакт.
268
624000
2000
благодаря внешнему действию.
10:41
So I get two sourcesисточники.
269
626000
2000
У меня два источника.
10:43
I get you tappingнажав on it, and I get me shakingсотрясение it,
270
628000
3000
Путем постукивания и путем встряхивания,
10:46
but from my senses'чувства pointточка of viewПосмотреть,
271
631000
2000
но с точки зрения моих чувств,
10:48
that is combinedкомбинированный togetherвместе into one sourceисточник of informationИнформация.
272
633000
3000
это объединено в один источник информации.
10:51
Now there's good reasonпричина to believe
273
636000
2000
Есть все основания полагать,
10:53
that you would want to be ableв состоянии to distinguishвыделить externalвнешний eventsМероприятия from internalвнутренний eventsМероприятия.
274
638000
3000
что вы хотели бы иметь возможность отличать внешние события от внутренних.
10:56
Because externalвнешний eventsМероприятия are actuallyна самом деле much more behaviorallyповеденчески relevantСоответствующий
275
641000
3000
Потому что внешние события на самом деле больше поведенческие
10:59
than feelingчувство everything that's going on insideвнутри my bodyтело.
276
644000
3000
по сравнению с ощущением того, что происходит внутри моего тела.
11:02
So one way to reconstructреконструировать that
277
647000
2000
Один способ пересмотреть это —
11:04
is to compareсравнить the predictionпрогнозирование --
278
649000
2000
сравнить предсказание,
11:06
whichкоторый is only basedисходя из on your movementдвижение commandsкоманды --
279
651000
2000
которое базируется только на ваших движениях —
11:08
with the realityреальность.
280
653000
2000
с реальностью.
11:10
Any discrepancyнесоответствие should hopefullyс надеждой be externalвнешний.
281
655000
3000
Любое несоответствие должно быть внешним.
11:13
So as I go around the worldМир,
282
658000
2000
Я осматриваюсь вокруг, делаю прогнозы того,
11:15
I'm makingизготовление predictionsпрогнозы of what I should get, subtractingвычитая them off.
283
660000
3000
что должен получить, вычитаю их.
11:18
Everything left over is externalвнешний to me.
284
663000
2000
Все, что осталось, является внешним для меня.
11:20
What evidenceдоказательства is there for this?
285
665000
2000
Каковы доказательства этого?
11:22
Well there's one very clearЧисто exampleпример
286
667000
2000
Есть один яркий пример,
11:24
where a sensationощущение generatedгенерироваться by myselfсебя feelsчувствует very differentдругой
287
669000
2000
где ощущения, порождённые мной, ощущаются не так,
11:26
then if generatedгенерироваться by anotherдругой personчеловек.
288
671000
2000
как если бы они были вызваны другим человеком.
11:28
And so we decidedприняли решение the mostбольшинство obviousочевидный placeместо to startНачало
289
673000
2000
Поэтому мы решили,
11:30
was with ticklingщекотка.
290
675000
2000
что очевиднее всего начать со щекотки.
11:32
It's been knownизвестен for a long time, you can't tickleщекотать yourselfсам
291
677000
2000
Она известна достаточно давно, вы можете пощекотать себя,
11:34
as well as other people can.
292
679000
2000
также как и другие люди могут.
11:36
But it hasn'tне имеет really been shownпоказанный, it's because you have a neuralнервный simulatorимитатор,
293
681000
3000
Но в действительности это не было показано, потому что у вас есть нейронный симулятор,
11:39
simulatingимитирующий your ownсвоя bodyтело
294
684000
2000
имитирующий ваше тело
11:41
and subtractingвычитая off that senseсмысл.
295
686000
2000
и отнимающий это ощущение.
11:43
So we can bringприносить the experimentsэксперименты of the 21stулица centuryвека
296
688000
3000
Для решения этой задачи мы применим
11:46
by applyingприменение roboticроботизированный technologiesтехнологии to this problemпроблема.
297
691000
3000
технологии робототехники 21-го века.
11:49
And in effectэффект, what we have is some sortСортировать of stickпридерживаться in one handрука attachedприложенный to a robotробот,
298
694000
3000
По сути, у нас есть несколько видов палок на одной руке робота,
11:52
and they're going to moveпереехать that back and forwardвперед.
299
697000
2000
и они будут двигаться вперёд и назад.
11:54
And then we're going to trackтрек that with a computerкомпьютер
300
699000
2000
Мы будем отслеживать это на компьютере,
11:56
and use it to controlконтроль anotherдругой robotробот,
301
701000
2000
а также контролировать другого робота,
11:58
whichкоторый is going to tickleщекотать theirих palmПальма with anotherдругой stickпридерживаться.
302
703000
2000
который будет щекотать ладони другой палкой.
12:00
And then we're going to askпросить them to rateставка a bunchгроздь of things
303
705000
2000
Затем мы будем просить их оценить кучу вещей,
12:02
includingв том числе ticklishnessticklishness.
304
707000
2000
включая щекотливость.
12:04
I'll showпоказать you just one partчасть of our studyизучение.
305
709000
2000
Я покажу вам одну часть нашего исследования.
12:06
And here I've takenвзятый away the robotsроботы,
306
711000
2000
Здесь я убрал роботов,
12:08
but basicallyв основном people moveпереехать with theirих right armрука sinusoidallyсинусоидально back and forwardвперед.
307
713000
3000
здесь люди двигают правую руку синусоидально вперёд и назад.
12:11
And we replayпереигровка that to the other handрука with a time delayзадержка.
308
716000
3000
Мы повторяем это с другой рукой через некоторое время.
12:14
EitherИли no time delayзадержка,
309
719000
2000
Либо без временной задержки,
12:16
in whichкоторый caseдело lightлегкий would just tickleщекотать your palmПальма,
310
721000
2000
в случае которой свет будет щекотать вашу ладонь,
12:18
or with a time delayзадержка of two-tenthsдве десятых of three-tenthsтри десятых of a secondвторой.
311
723000
4000
или с временной задержкой в две или три десятых секунды.
12:22
So the importantважный pointточка here
312
727000
2000
Важный момент здесь это то,
12:24
is the right handрука always does the sameодна и та же things -- sinusoidalсинусоидальный movementдвижение.
313
729000
3000
что правая рука всегда делает то же синусоидальное движение.
12:27
The left handрука always is the sameодна и та же and putsпуты sinusoidalсинусоидальный tickleщекотать.
314
732000
3000
Левая рука двигается так же и делает синусоидальную щекотку.
12:30
All we're playingиграть with is a tempoтемп causalityпричинность.
315
735000
2000
Всё с чем мы играем — временная причинность.
12:32
And as we go from naughtноль to 0.1 secondвторой,
316
737000
2000
Если переходим от нуля до 0,1 секунды,
12:34
it becomesстановится more ticklishщекотливый.
317
739000
2000
это становиться более щекотно.
12:36
As you go from 0.1 to 0.2,
318
741000
2000
Если переходим от 0,1 до 0,2,
12:38
it becomesстановится more ticklishщекотливый at the endконец.
319
743000
2000
становится более щекотно в конце.
12:40
And by 0.2 of a secondвторой,
320
745000
2000
И на 0,2 секунды
12:42
it's equivalentlyэквивалентно ticklishщекотливый
321
747000
2000
нет разницы с тем,
12:44
to the robotробот that just tickledщекотали you withoutбез you doing anything.
322
749000
2000
если бы робот щекотал самостоятельно.
12:46
So whateverбез разницы is responsibleответственность for this cancellationотмена
323
751000
2000
Всё что ответственно за это аннулирование
12:48
is extremelyочень tightlyплотно coupledсоединенный with tempoтемп causalityпричинность.
324
753000
3000
очень тесно связано с временной причинностью.
12:51
And basedисходя из on this illustrationиллюстрация, we really convincedубежденный ourselvesсами in the fieldполе
325
756000
3000
На этом примере мы действительно убедились,
12:54
that the brain'sмозги makingизготовление preciseточный predictionsпрогнозы
326
759000
2000
что мозг делает точные прогнозы
12:56
and subtractingвычитая them off from the sensationsощущения.
327
761000
3000
и вычитает их посредством наших ощущений.
12:59
Now I have to admitпризнавать, these are the worstнаихудший studiesисследования my labлаборатория has ever runбег.
328
764000
3000
Я должен признаться — это худшие исследования моей лаборатории,
13:02
Because the tickleщекотать sensationощущение on the palmПальма comesвыходит and goesидет,
329
767000
2000
потому что ощущение щекотки на ладони приходит и уходит,
13:04
you need largeбольшой numbersчисел of subjectsпредметы
330
769000
2000
нужно большое количество подопытных
13:06
with these starsзвезды makingизготовление them significantзначительное.
331
771000
2000
для придания эксперименту значимости.
13:08
So we were looking for a much more objectiveзадача way
332
773000
2000
Так что мы искали более объективный способ
13:10
to assessоценить this phenomenaявления.
333
775000
2000
оценки этого феномена.
13:12
And in the interveningвмешиваясь yearsлет I had two daughtersдочери.
334
777000
2000
За прошедшие годы у меня появились 2 дочери.
13:14
And one thing you noticeуведомление about childrenдети in backseatsbackseats of carsлегковые автомобили on long journeysпутешествия,
335
779000
3000
А при дальних поездках в машине в детских сиденьях
13:17
they get into fightsбои --
336
782000
2000
дети затевают драки, которые начинаются,
13:19
whichкоторый startedначал with one of them doing something to the other, the other retaliatingмстить.
337
784000
3000
когда один что-то делает другому, а тот отвечает.
13:22
It quicklyбыстро escalatesобостряется.
338
787000
2000
Это быстро обостряется.
13:24
And childrenдети tendиметь тенденцию to get into fightsбои whichкоторый escalateобострять in termsсроки of forceсила.
339
789000
3000
Дети склонны к усиливающимся со временем дракам.
13:27
Now when I screamedвскрикнула at my childrenдети to stop,
340
792000
2000
Иногда, когда я кричал на них,
13:29
sometimesиногда they would bothи то и другое say to me
341
794000
2000
чтобы остановить, оба жаловались,
13:31
the other personчеловек hitудар them harderСильнее.
342
796000
3000
что другой бил сильнее.
13:34
Now I happenслучаться to know my childrenдети don't lieложь,
343
799000
2000
Как оказалось, мои дети не врут.
13:36
so I thought, as a neuroscientistнейробиолог,
344
801000
2000
Поэтому, будучи нейробиологом,
13:38
it was importantважный how I could explainобъяснять
345
803000
2000
мне было важно объяснить
13:40
how they were tellingговоря inconsistentнепоследовательный truthsистины.
346
805000
2000
несоответствие их высказываний.
13:42
And we hypothesizeстроить гипотезу basedисходя из on the ticklingщекотка studyизучение
347
807000
2000
Мы предполагаем, основываясь на исследованиях щекотки,
13:44
that when one childребенок hitsхиты anotherдругой,
348
809000
2000
что когда один ребёнок бьёт другого,
13:46
they generateгенерировать the movementдвижение commandкоманда.
349
811000
2000
они порождают команду на движение.
13:48
They predictпрогнозировать the sensoryсенсорный consequencesпоследствия and subtractвычитать it off.
350
813000
3000
Они предсказывают сенсорные последствия и вычитают их.
13:51
So they actuallyна самом деле think they'veони имеют hitудар the personчеловек lessМеньше hardжесткий than they have --
351
816000
2000
Они думают, что бьют слабее, чем на самом деле —
13:53
ratherскорее like the ticklingщекотка.
352
818000
2000
как со щекоткой.
13:55
WhereasВ то время как the passiveпассивный recipientполучатель
353
820000
2000
А в то время пассивный получатель
13:57
doesn't make the predictionпрогнозирование, feelsчувствует the fullполный blowдуть.
354
822000
2000
не делает прогнозы и чувствует полный удар.
13:59
So if they retaliateмстить with the sameодна и та же forceсила,
355
824000
2000
Если они отвечают с такой же силой,
14:01
the first personчеловек will think it's been escalatedэскалация.
356
826000
2000
то первый подумает, что был ударен сильнее.
14:03
So we decidedприняли решение to testконтрольная работа this in the labлаборатория.
357
828000
2000
Мы решили протестировать это в лаборатории.
14:05
(LaughterСмех)
358
830000
3000
(Смех)
14:08
Now we don't work with childrenдети, we don't work with hittingударять,
359
833000
2000
Теперь мы не работаем с детьми, с ударами,
14:10
but the conceptконцепция is identicalидентичный.
360
835000
2000
но суть та же самая.
14:12
We bringприносить in two adultsВзрослые. We tell them they're going to playиграть a gameигра.
361
837000
3000
Мы взяли двух взрослых и сказали, что они будут играть.
14:15
And so here'sвот playerигрок one and playerигрок two sittingсидящий oppositeнапротив to eachкаждый other.
362
840000
2000
Вот первый игрок и второй, сидят друг напротив друга.
14:17
And the gameигра is very simpleпросто.
363
842000
2000
Игра очень проста.
14:19
We startedначал with a motorдвигатель
364
844000
2000
Мы начали с двигателя
14:21
with a little leverрычаг, a little forceсила transfusertransfuser.
365
846000
2000
с небольшим рычагом малой мощности.
14:23
And we use this motorдвигатель to applyподать заявление forceсила down to playerигрок one'sодин это fingersпальцы
366
848000
2000
Мотор действует на один из пальцев игрока
14:25
for threeтри secondsсекунд and then it stopsупоры.
367
850000
3000
в течение трёх секунд, а потом останавливаемся.
14:28
And that player'sигрока been told, rememberзапомнить the experienceопыт of that forceсила
368
853000
3000
Игроку говорят, чтобы он запомнил ощущение этой силы
14:31
and use your other fingerПалец
369
856000
2000
и использовал свой другой палец,
14:33
to applyподать заявление the sameодна и та же forceсила
370
858000
2000
чтобы применить такую же силу на палец другого объекта
14:35
down to the other subject'sпредметы fingerПалец throughчерез a forceсила transfusertransfuser -- and they do that.
371
860000
3000
через датчик силы — они это сделали.
14:38
And playerигрок two'sдвоек been told, rememberзапомнить the experienceопыт of that forceсила.
372
863000
3000
Второму игроку было сказано запомнить ощущение силы
14:41
Use your other handрука to applyподать заявление the forceсила back down.
373
866000
3000
и использовать другую руку для применения силы.
14:44
And so they take it in turnsвитки
374
869000
2000
Они по очереди
14:46
to applyподать заявление the forceсила they'veони имеют just experiencedопытный back and forwardвперед.
375
871000
2000
применяли силу, которую запомнили.
14:48
But criticallyкритически,
376
873000
2000
Но важно то, что они ознакомлены
14:50
they're briefedпроинформировал about the rulesправила of the gameигра in separateотдельный roomsномера.
377
875000
3000
с правилами игры, находясь в разных комнатах.
14:53
So they don't know the rulesправила the other person'sИндивидуальность человека playingиграть by.
378
878000
2000
Они не знают, по каким правилам играет человек.
14:55
And what we'veмы в measuredизмеренный
379
880000
2000
Мы увидели,
14:57
is the forceсила as a functionфункция of termsсроки.
380
882000
2000
что сила зависит от условий.
14:59
And if we look at what we startНачало with,
381
884000
2000
Если мы посмотрим на то, с чего начали,
15:01
a quarterчетверть of a NewtonНьютон there, a numberномер of turnsвитки,
382
886000
2000
с ¼ Ньютона, это число оборотов,
15:03
perfectидеально would be that redкрасный lineлиния.
383
888000
2000
идеальной будет эта красная линия.
15:05
And what we see in all pairsпары of subjectsпредметы is this --
384
890000
3000
Во всех парах подопытных мы видим
15:08
a 70 percentпроцент escalationэскалация in forceсила
385
893000
2000
70 процентов увеличения силы
15:10
on eachкаждый go.
386
895000
2000
на каждом ходу.
15:12
So it really suggestsпредполагает, when you're doing this --
387
897000
2000
Предполагается, что когда вы делаете это —
15:14
basedисходя из on this studyизучение and othersдругие we'veмы в doneсделанный --
388
899000
2000
основываясь на этих и других наших исследованиях —
15:16
that the brainголовной мозг is cancelingотмена the sensoryсенсорный consequencesпоследствия
389
901000
2000
мозг гасит сенсорные последствия
15:18
and underestimatingнедооценка the forceсила it's producingпроизводства.
390
903000
2000
и недооценивает силу, которую производит.
15:20
So it re-showsповторно-шоу the brainголовной мозг makesмарки predictionsпрогнозы
391
905000
2000
Это ещё раз показывает, что мозг делает прогнозы
15:22
and fundamentallyв корне changesизменения the preceptsзаветы.
392
907000
3000
и принципиально меняет предписания.
15:25
So we'veмы в madeсделал inferencesумозаключения, we'veмы в doneсделанный predictionsпрогнозы,
393
910000
3000
Мы сделали выводы, мы сделали прогнозы,
15:28
now we have to generateгенерировать actionsдействия.
394
913000
2000
теперь необходимо произвести действия.
15:30
And what Bayes'Байеса ruleправило saysговорит is, givenданный my beliefsубеждения,
395
915000
2000
Правило Байеса говорит, учитывая мои убеждения,
15:32
the actionдействие should in some senseсмысл be optimalоптимальный.
396
917000
2000
действия должны быть оптимальными.
15:34
But we'veмы в got a problemпроблема.
397
919000
2000
Но у нас есть проблема.
15:36
TasksЗадания are symbolicсимволический -- I want to drinkнапиток, I want to danceтанец --
398
921000
3000
Задачи символичные — я хочу пить, я хочу танцевать —
15:39
but the movementдвижение systemсистема has to contractконтракт 600 musclesмышцы
399
924000
2000
а двигательная система должна сокращать 600 мышц
15:41
in a particularконкретный sequenceпоследовательность.
400
926000
2000
в определённой последовательности.
15:43
And there's a bigбольшой gapразрыв
401
928000
2000
Есть большая разница
15:45
betweenмежду the taskзадача and the movementдвижение systemсистема.
402
930000
2000
между задачей и двигательной системой.
15:47
So it could be bridgedмостиком in infinitelyбесконечно manyмногие differentдругой waysпути.
403
932000
2000
Она может быть преодолена по-разному.
15:49
So think about just a pointточка to pointточка movementдвижение.
404
934000
2000
Подумайте, как направить движение.
15:51
I could chooseвыберите these two pathsпути
405
936000
2000
Я мог бы выбрать эти две траектории
15:53
out of an infiniteбесконечный numberномер of pathsпути.
406
938000
2000
из бесконечного множества путей.
15:55
Havingимеющий chosenвыбранный a particularконкретный pathдорожка,
407
940000
2000
Выбрав особую траекторию,
15:57
I can holdдержать my handрука on that pathдорожка
408
942000
2000
я могу вести свою руку по этому курсу
15:59
as infinitelyбесконечно manyмногие differentдругой jointсовместный configurationsконфигурации.
409
944000
2000
бесконечным множеством вариантов сгибов.
16:01
And I can holdдержать my armрука in a particularконкретный jointсовместный configurationконфигурация
410
946000
2000
Я могу сгибать руку по-разному,
16:03
eitherили very stiffжесткий or very relaxedрасслабленный.
411
948000
2000
как легко, так и напряжённо.
16:05
So I have a hugeогромный amountколичество of choiceвыбор to make.
412
950000
3000
Так что у меня огромный выбор.
16:08
Now it turnsвитки out, we are extremelyочень stereotypicalстереотипный.
413
953000
3000
Оказывается, мы очень стереотипные.
16:11
We all moveпереехать the sameодна и та же way prettyСимпатичная much.
414
956000
3000
Мы всегда двигаемся одинаково.
16:14
And so it turnsвитки out we're so stereotypicalстереотипный,
415
959000
2000
И получается, что мы так стереотипны,
16:16
our brainsмозги have got dedicatedпреданный neuralнервный circuitryсхема
416
961000
2000
что наш мозг получил отдельную нервную систему
16:18
to decodeраскодировать this stereotypingстереотипирование.
417
963000
2000
для декодирования этого стереотипирования.
16:20
So if I take some dotsточек
418
965000
2000
Если я возьму некоторые точки
16:22
and setзадавать them in motionдвижение with biologicalбиологический motionдвижение,
419
967000
3000
и приведу их в движение биологическим путём,
16:25
your brain'sмозги circuitryсхема would understandПонимаю instantlyнемедленно what's going on.
420
970000
3000
ваш мозг поймёт мгновенно, что происходит.
16:28
Now this is a bunchгроздь of dotsточек movingперемещение.
421
973000
2000
Это куча движущихся точек.
16:30
You will know what this personчеловек is doing,
422
975000
3000
Вы будете знать, что этот человек делает,
16:33
whetherбудь то happyсчастливый, sadгрустный, oldстарый, youngмолодой -- a hugeогромный amountколичество of informationИнформация.
423
978000
3000
будь он счастлив, печален, стар, молод — огромное количество информации.
16:36
If these dotsточек were carsлегковые автомобили going on a racingгоночный circuitсхема,
424
981000
2000
Если бы эти точки были автомобилями, мчащиеся по гоночной трассе,
16:38
you would have absolutelyабсолютно no ideaидея what's going on.
425
983000
3000
у вас бы не было никакого понятия, что происходит.
16:41
So why is it
426
986000
2000
Так почему мы передвигаемся
16:43
that we moveпереехать the particularконкретный waysпути we do?
427
988000
2000
определённым способом?
16:45
Well let's think about what really happensпроисходит.
428
990000
2000
Давайте подумаем над тем, что в действительности происходит.
16:47
Maybe we don't all quiteдовольно moveпереехать the sameодна и та же way.
429
992000
3000
Может, мы не все движемся одинаково.
16:50
Maybe there's variationизменение in the populationНаселение.
430
995000
2000
Возможно, есть изменения.
16:52
And maybe those who moveпереехать better than othersдругие
431
997000
2000
Возможно те, кто двигаются лучше, чем другие,
16:54
have got more chanceшанс of gettingполучение theirих childrenдети into the nextследующий generationпоколение.
432
999000
2000
имеют больше шансов увидеть внуков.
16:56
So in evolutionaryэволюционный scalesВесы, movementsдвижения get better.
433
1001000
3000
Так что движение эволюционирует.
16:59
And perhapsвозможно in life, movementsдвижения get better throughчерез learningобучение.
434
1004000
3000
Возможно, в жизни, движения совершенствуются путём обучения.
17:02
So what is it about a movementдвижение whichкоторый is good or badПлохо?
435
1007000
2000
Так что же в движении хорошо и что плохо?
17:04
ImagineПредставить I want to interceptперехват this ballмяч.
436
1009000
2000
Представьте, я хочу перехватить этот мяч.
17:06
Here are two possibleвозможное pathsпути to that ballмяч.
437
1011000
3000
Есть два возможных пути к этому мячу.
17:09
Well if I chooseвыберите the left-handлевая рука pathдорожка,
438
1014000
2000
Если я выберу путь левой руки,
17:11
I can work out the forcesсил requiredобязательный
439
1016000
2000
я могу рассчитать силу,
17:13
in one of my musclesмышцы as a functionфункция of time.
440
1018000
2000
требуемую мышцам, как функцию времени.
17:15
But there's noiseшум addedдобавленной to this.
441
1020000
2000
Но к этому добавится помеха.
17:17
So what I actuallyна самом деле get, basedисходя из on this lovelyпрекрасный, smoothгладкий; плавный, desiredжелательно forceсила,
442
1022000
3000
Что же я получаю, основываясь на этой прекрасной, гладкой, желанной силе,
17:20
is a very noisyшумный versionверсия.
443
1025000
2000
это очень шумный вариант.
17:22
So if I pickвыбирать the sameодна и та же commandкоманда throughчерез manyмногие timesраз,
444
1027000
3000
Если я буду часто давать одну команду,
17:25
I will get a differentдругой noisyшумный versionверсия eachкаждый time, because noiseшум changesизменения eachкаждый time.
445
1030000
3000
шум будет разным каждый раз.
17:28
So what I can showпоказать you here
446
1033000
2000
Я могу показать вам,
17:30
is how the variabilityизменчивость of the movementдвижение will evolveэволюционировать
447
1035000
2000
как разнообразие движения будет развиваться,
17:32
if I chooseвыберите that way.
448
1037000
2000
если выберу этот способ.
17:34
If I chooseвыберите a differentдругой way of movingперемещение -- on the right for exampleпример --
449
1039000
3000
Если я выберу другой способ движения, справа например,
17:37
then I'll have a differentдругой commandкоманда, differentдругой noiseшум,
450
1042000
2000
у меня будет другая команда, другой шум,
17:39
playingиграть throughчерез a noisyшумный systemсистема, very complicatedсложно.
451
1044000
3000
воспроизводить через шумную систему достаточно сложно.
17:42
All we can be sure of is the variabilityизменчивость will be differentдругой.
452
1047000
3000
Мы можем быть уверены, что изменчивость будет непохожей.
17:45
If I moveпереехать in this particularконкретный way,
453
1050000
2000
Если я подвигаюсь определённым образом,
17:47
I endконец up with a smallerменьше variabilityизменчивость acrossчерез manyмногие movementsдвижения.
454
1052000
3000
я получу меньшую изменчивость во многих движениях.
17:50
So if I have to chooseвыберите betweenмежду those two,
455
1055000
2000
Если мне нужно выбрать между теми двумя,
17:52
I would chooseвыберите the right one because it's lessМеньше variableпеременная.
456
1057000
2000
я выбрал бы правый, потому что менее изменчивый.
17:54
And the fundamentalфундаментальный ideaидея
457
1059000
2000
Основная идея —
17:56
is you want to planплан your movementsдвижения
458
1061000
2000
спланировать свои движения так,
17:58
so as to minimizeминимизировать the negativeотрицательный consequenceследствие of the noiseшум.
459
1063000
3000
чтобы минимизировать негативные последствия шума.
18:01
And one intuitionинтуиция to get
460
1066000
2000
Одна возможная догадка в том,
18:03
is actuallyна самом деле the amountколичество of noiseшум or variabilityизменчивость I showпоказать here
461
1068000
2000
что количество шума,
18:05
getsполучает biggerбольше as the forceсила getsполучает biggerбольше.
462
1070000
2000
увеличивается с увеличением силы.
18:07
So you want to avoidизбежать bigбольшой forcesсил as one principleпринцип.
463
1072000
3000
В принципе, вы хотите избежать больших сил.
18:10
So we'veмы в shownпоказанный that usingс помощью this,
464
1075000
2000
Мы показали, что используя это,
18:12
we can explainобъяснять a hugeогромный amountколичество of dataданные --
465
1077000
2000
мы можем объяснить огромное количество данных —
18:14
that exactlyв точку people are going about theirих livesжизни planningпланирование movementsдвижения
466
1079000
3000
что в жизни люди пытаются планировать движения,
18:17
so as to minimizeминимизировать negativeотрицательный consequencesпоследствия of noiseшум.
467
1082000
3000
чтобы минимизировать отрицательные последствия шума.
18:20
So I hopeнадежда I've convincedубежденный you the brainголовной мозг is there
468
1085000
2000
Надеюсь, я убедил вас, что мозг
18:22
and evolvedэволюционировали to controlконтроль movementдвижение.
469
1087000
2000
эволюционировал для контроля движений.
18:24
And it's an intellectualинтеллектуальной challengeвызов to understandПонимаю how we do that.
470
1089000
3000
Это интеллектуальный вызов, чтобы понять, как мы это делаем.
18:27
But it's alsoтакже relevantСоответствующий
471
1092000
2000
Это также имеет отношение
18:29
for diseaseболезнь and rehabilitationреабилитация.
472
1094000
2000
к болезням и реабилитации.
18:31
There are manyмногие diseasesболезни whichкоторый effectэффект movementдвижение.
473
1096000
3000
Есть много болезней, которые воздействуют на движение.
18:34
And hopefullyс надеждой if we understandПонимаю how we controlконтроль movementдвижение,
474
1099000
2000
Если мы поймём, как мы контролируем движение,
18:36
we can applyподать заявление that to roboticроботизированный technologyтехнологии.
475
1101000
2000
мы можем применить это к робототехнике.
18:38
And finallyв конце концов, I want to remindнапоминать you,
476
1103000
2000
Наконец, я хочу напомнить вам,
18:40
when you see animalsживотные do what look like very simpleпросто tasksзадания,
477
1105000
2000
что когда вы видите животных, выполняющих простые задачи,
18:42
the actualфактический complexityсложность of what is going on insideвнутри theirих brainголовной мозг
478
1107000
2000
настоящая сложность того, что происходит внутри их мозга
18:44
is really quiteдовольно dramaticдраматичный.
479
1109000
2000
на самом деле весьма драматична.
18:46
Thank you very much.
480
1111000
2000
Спасибо вам большое.
18:48
(ApplauseАплодисменты)
481
1113000
8000
(Аплодисменты)
18:56
ChrisКрис AndersonАндерсон: QuickБыстро questionвопрос for you, DanДэн.
482
1121000
2000
Крис Андерсон: Маленький вопрос, Дэн.
18:58
So you're a movementдвижение -- (DWDW: Chauvinistшовинист.) -- chauvinistшовинист.
483
1123000
4000
Значит вы шовинист движения.
19:02
Does that mean that you think that the other things we think our brainsмозги are about --
484
1127000
3000
Означает ли это, что вы думаете то, что другие вещи, о которых думает наш мозг —
19:05
the dreamingсновидение, the yearningтоскующий, the fallingпадение in love and all these things --
485
1130000
3000
мечтание, тоска, влюблённость, все эти вещи —
19:08
are a kindсвоего рода of sideбоковая сторона showпоказать, an accidentавария?
486
1133000
3000
пустяк, случайность?
19:11
DWDW: No, no, actuallyна самом деле I think they're all importantважный
487
1136000
2000
ДУ: Нет, нет, на самом деле я думаю, они все важны,
19:13
to driveводить машину the right movementдвижение behaviorповедение to get reproductionвоспроизведение in the endконец.
488
1138000
3000
чтобы в итоге привести к правильным движениям с целью размножения.
19:16
So I think people who studyизучение sensationощущение or memoryПамять
489
1141000
3000
Я думаю, что люди, которые изучают ощущения или память
19:19
withoutбез realizingпонимая why you're layingпрокладка down memoriesвоспоминания of childhoodдетство.
490
1144000
2000
не понимают то, почему вы запоминаете детство.
19:21
The factфакт that we forgetзабывать mostбольшинство of our childhoodдетство, for exampleпример,
491
1146000
3000
Например то, что мы забываем б́ольшую часть детства,
19:24
is probablyвероятно fine, because it doesn't effectэффект our movementsдвижения laterпозже in life.
492
1149000
3000
вероятно хорошо, т.к. это не влияет на наши движения в дальнейшей жизни.
19:27
You only need to storeмагазин things whichкоторый are really going to effectэффект movementдвижение.
493
1152000
3000
Вам нужно только то, чтобы действительно меняет движение.
19:30
CAКалифорния: So you think that people thinkingмышление about the brainголовной мозг, and consciousnessсознание generallyв общем,
494
1155000
3000
КА: Вы полагаете, что люди, думающие о мозге, и о сознании в целом,
19:33
could get realреальный insightв поле зрения
495
1158000
2000
могли бы получить реальную картину,
19:35
by sayingпоговорка, where does movementдвижение playиграть in this gameигра?
496
1160000
2000
говоря, куда идёт движение в этой игре?
19:37
DWDW: So people have foundнайденный out for exampleпример
497
1162000
2000
ДУ: Люди обнаружили, например, что ошибочно
19:39
that studyingизучение visionвидение in the absenceотсутствие of realizingпонимая why you have visionвидение
498
1164000
2000
изучать зрительное восприятие без понимания,
19:41
is a mistakeошибка.
499
1166000
2000
почему у вас есть зрение.
19:43
You have to studyизучение visionвидение with the realizationреализация
500
1168000
2000
Вы должны изучать зрение с осознанием того,
19:45
of how the movementдвижение systemсистема is going to use visionвидение.
501
1170000
2000
как двигательная система использует зрение.
19:47
And it usesиспользования it very differentlyиначе onceодин раз you think about it that way.
502
1172000
2000
И если размышлять подобным образом, то результаты отличаются.
19:49
CAКалифорния: Well that was quiteдовольно fascinatingочаровательный. Thank you very much indeedв самом деле.
503
1174000
3000
КА: Это было весьма увлекательно. Спасибо Вам большое.
19:52
(ApplauseАплодисменты)
504
1177000
2000
(Аплодисменты)
Translated by Ekaterina Gavrilova
Reviewed by Aliaksandr Autayeu

▲Back to top

ABOUT THE SPEAKER
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.

 

 

More profile about the speaker
Daniel Wolpert | Speaker | TED.com