TEDIndia 2009
Pawan Sinha: How brains learn to see
Pawan Sinha o tom, jak se mozky učí vidět
Filmed:
Readability: 4.5
939,209 views
Pawan Sinha detailně popisuje svůj přelomový výzkum o tom, jak se vyvíjí zrakový systém mozku. Sinha a jeho tým léčí zrak u dětí, které se narodily slepé, a studuje, jak se jejich mozky učí interpretovat obrazová data. Práce nabízí vhled do neurovědy, inženýrství i autismu.
Pawan Sinha - Visual neuroscientist
Pawan Sinha researches how our brains interpret what our eyes see -- and uses that research to give blind children the gift of sight. Full bio
Pawan Sinha researches how our brains interpret what our eyes see -- and uses that research to give blind children the gift of sight. Full bio
Double-click the English transcript below to play the video.
00:15
If you are a blind child in India,
0
0
4000
Pokud jste slepým dítětem v Indii,
00:19
you will very likely have to contend with
1
4000
3000
velmi pravděpodobně se budete potýkat
00:22
at least two big pieces of bad news.
2
7000
3000
s přinejmenším dvěma opravdu špatnými zprávami.
00:25
The first bad news
3
10000
2000
První špatná zpráva je,
00:27
is that the chances of getting treatment
4
12000
3000
že šance na podstoupení léčby
00:30
are extremely slim to none,
5
15000
3000
jsou extrémně malé, prakticky žádné,
00:33
and that's because most of the blindness
6
18000
2000
což je dáno tím, že většina léčebných
00:35
alleviation programs in the country
7
20000
2000
programů slepoty v zemi,
00:37
are focused on adults,
8
22000
2000
je zaměřena na dospělé,
00:39
and there are very, very few hospitals
9
24000
3000
a je jen velmi málo nemocnic,
00:42
that are actually equipped to treat children.
10
27000
3000
které jsou vybaveny pro léčbu dětí.
00:46
In fact, if you were to be treated,
11
31000
4000
Ve skutečnosti, pokud jste měli být léčeni,
00:51
you might well end up being treated
12
36000
3000
můžete skončit jako osoba, kterou léčí
00:54
by a person who has no medical credentials
13
39000
3000
někdo, kdo nemá lékařské pověření,
00:57
as this case from Rajasthan illustrates.
14
42000
3000
jak ukazuje případ z Rádžasthánu.
01:00
This is a three-year-old orphan girl
15
45000
2000
Toto je tříleté osiřelé děvče,
01:02
who had cataracts.
16
47000
2000
které mělo šedý zákal.
01:04
So, her caretakers took her
17
49000
2000
A tak ji její ošetřovatelé vzali
01:06
to the village medicine man,
18
51000
2000
k vesnickému léčiteli,
01:08
and instead of suggesting to the caretakers
19
53000
3000
a ten namísto aby navrhl jejím ošetřovatelům
01:11
that the girl be taken to a hospital,
20
56000
3000
vzít ji do nemocnice,
01:14
the person decided to burn her abdomen
21
59000
2000
rozhodl se vypálit jí břicho
01:16
with red-hot iron bars
22
61000
2000
rozžhavenými železnými tyčemi,
01:18
to drive out the demons.
23
63000
2000
aby tak vyhnal démony.
01:20
The second piece of bad news
24
65000
3000
Druhou špatnou zprávu
01:23
will be delivered to you
25
68000
2000
by vám dali
01:25
by neuroscientists, who will tell you
26
70000
3000
neurovědci, kteří vám řeknou,
01:28
that if you are older than four or five years of age,
27
73000
3000
že pokud je vám více než čtyři či pět let,
01:31
that even if you have your eye corrected,
28
76000
3000
tak že i pokud by se jim povedlo vám oko napravit,
01:34
the chances of your brain learning how to see
29
79000
3000
šance, že se mozek naučí vidět,
01:37
are very, very slim --
30
82000
2000
jsou velice malé --
01:39
again, slim or none.
31
84000
3000
opět, malé až žádné.
01:42
So when I heard these two things,
32
87000
2000
A tak když jsem slyšel tyto dvě věci,
01:44
it troubled me deeply,
33
89000
2000
velmi hluboce mě trápily,
01:46
both because of personal reasons
34
91000
2000
jak z osobních důvodů,
01:48
and scientific reasons.
35
93000
2000
tak z vědeckých důvodů.
01:50
So let me first start with the personal reason.
36
95000
3000
Dovolte mi začít s osobními důvody.
01:53
It'll sound corny, but it's sincere.
37
98000
3000
Bude to znít banálně, ale je to upřímné.
01:56
That's my son, Darius.
38
101000
2000
Tohle je můj syn Darius.
01:58
As a new father,
39
103000
2000
Jako čerstvý otec
02:00
I have a qualitatively different sense
40
105000
4000
mám kvalitativně odlišné cítění
02:04
of just how delicate babies are,
41
109000
3000
k tomu, jak křehké děti jsou,
02:07
what our obligations are towards them
42
112000
3000
jaké jsou naše povinnosti vůči nim
02:10
and how much love
43
115000
2000
a kolik lásky
02:12
we can feel towards a child.
44
117000
3000
k nim můžeme chovat.
02:15
I would move heaven and earth
45
120000
2000
Udělal bych naprosto cokoli,
02:17
in order to get treatment for Darius,
46
122000
3000
abych pro Dariuse získal léčbu,
02:20
and for me to be told
47
125000
2000
a bylo mi řečeno,
02:22
that there might be other Dariuses
48
127000
2000
že zde mohou být další Dariusové,
02:24
who are not getting treatment,
49
129000
2000
kterým se nedostane léčba,
02:26
that's just viscerally wrong.
50
131000
3000
což je vnitřně špatné.
02:29
So that's the personal reason.
51
134000
2000
Takže tohle je osobní důvod.
02:31
Scientific reason is that this notion
52
136000
3000
Vědecký důvod je ten, že představa
02:34
from neuroscience of critical periods --
53
139000
2000
neurovědy o kritickém období --
02:36
that if the brain is older
54
141000
3000
že jestliže je mozek starší
02:39
than four or five years of age,
55
144000
2000
než čtyři či pět let,
02:41
it loses its ability to learn --
56
146000
2000
pak ztrácí schopnost se učit --
02:43
that doesn't sit well with me,
57
148000
2000
se mi příliš nepozdávala,
02:45
because I don't think that idea
58
150000
2000
protože si nemyslím, že tato myšlenka
02:47
has been tested adequately.
59
152000
3000
byla adekvátně ověřena.
02:50
The birth of the idea is from
60
155000
2000
Počátek této myšlenky pochází
02:52
David Hubel and Torsten Wiesel's work,
61
157000
2000
z práce Davida Hubela a Torstena Wiesela,
02:54
two researchers who were at Harvard,
62
159000
2000
dvou harvardských výzkumníků,
02:56
and they got the Nobel Prize in 1981
63
161000
3000
kteří v roce 1981 získali Nobelovu cenu
02:59
for their studies of visual physiology,
64
164000
2000
za studium zrakové fyziologie,
03:01
which are remarkably beautiful studies,
65
166000
2000
což jsou neskutečně úžasné studie,
03:03
but I believe some of their work
66
168000
2000
nicméně jsem přesvědčen, že část jejich práce
03:05
has been extrapolated
67
170000
2000
byla vztažena
03:07
into the human domain prematurely.
68
172000
2000
na doménu lidí předčasně.
03:09
So, they did their work with kittens,
69
174000
2000
Pracovali s koťaty,
03:11
with different kinds of deprivation regiments,
70
176000
2000
s různými schématy deprivace,
03:13
and those studies,
71
178000
2000
a tyto studie,
03:15
which date back to the '60s,
72
180000
2000
které se datují zpět do 60. let,
03:17
are now being applied to human children.
73
182000
3000
jsou nyní uplatňovány na děti.
03:20
So I felt that I needed to do two things.
74
185000
3000
A tak jsem cítil, že potřebuji udělat dvě věci.
03:23
One: provide care
75
188000
3000
První: zajistit péči
03:26
to children who are currently
76
191000
2000
dětem, kterým je v současné době
03:28
being deprived of treatment.
77
193000
2000
odepřena léčba.
03:30
That's the humanitarian mission.
78
195000
2000
To je humanitární mise.
03:32
And the scientific mission would be
79
197000
2000
A vědeckou misí by mělo být
03:34
to test the limits
80
199000
2000
testovat hranice
03:36
of visual plasticity.
81
201000
2000
zrakové plasticity.
03:38
And these two missions, as you can tell,
82
203000
3000
A tyto dvě mise, jak můžete říci,
03:41
thread together perfectly. One adds to the other;
83
206000
3000
do sebe skvěle zapadají. Jedna zapadá do druhé,
03:44
in fact, one would be impossible without the other.
84
209000
3000
a ve skutečnosti by byla jedna bez druhé nemožná.
03:49
So, to implement
85
214000
2000
Takže, k provedení
03:51
these twin missions,
86
216000
2000
těchto dvou misí
03:53
a few years ago, I launched Project Prakash.
87
218000
3000
jsem před pár lety zahájil Projekt Prakaš.
03:56
Prakash, as many of you know,
88
221000
2000
Prakaš, jak mnozí z vás vědí,
03:58
is the Sanskrit word for light,
89
223000
2000
je sanskrtské slovo pro světlo,
04:00
and the idea is that
90
225000
2000
což odráží myšlenku
04:02
in bringing light into the lives of children,
91
227000
3000
přinést světlo do života dětí,
04:05
we also have a chance
92
230000
2000
a také máme šanci
04:07
of shedding light on some of the
93
232000
2000
vrhnout světlo na některé
04:09
deepest mysteries of neuroscience.
94
234000
3000
z nejhlubších záhad neurovědy.
04:12
And the logo -- even though it looks extremely Irish,
95
237000
3000
A logo -- i když vypadá mimořádně irsky,
04:15
it's actually derived from
96
240000
2000
je ve skutečnosti odvozeno
04:17
the Indian symbol of Diya, an earthen lamp.
97
242000
4000
z indického symbolu Diya, hliněné lampy.
04:21
The Prakash, the overall effort
98
246000
3000
Celkové úsilí Prakaše
04:24
has three components:
99
249000
2000
má tři části:
04:26
outreach, to identify children in need of care;
100
251000
4000
najít a identifikovat děti, které potřebují péči;
04:30
medical treatment; and in subsequent study.
101
255000
3000
léčit; a provádět další studie.
04:33
And I want to show you a short video clip
102
258000
3000
Chci vám ukázat krátký videoklip,
04:36
that illustrates the first two components of this work.
103
261000
3000
který ilustruje první dvě části této práce.
04:41
This is an outreach station
104
266000
2000
Toto je terénní stanice
04:43
conducted at a school for the blind.
105
268000
3000
provozovaná ve škole pro slepé.
04:46
(Text: Most of the children are profoundly and permanently blind ...)
106
271000
5000
(Text: Většina z dětí je zcela a trvale slepá ...)
04:51
Pawan Sinha: So, because this is a school for the blind,
107
276000
5000
Pawan Sinha: Takže, protože toto je škola pro slepé,
04:56
many children have permanent conditions.
108
281000
2000
mnoho dětí má trvalé poškození.
04:58
That's a case of microphthalmos,
109
283000
3000
Tohle je případ mikroftalmie,
05:01
which is malformed eyes,
110
286000
2000
což je poškození očí,
05:03
and that's a permanent condition;
111
288000
2000
které je trvalé.
05:05
it cannot be treated.
112
290000
2000
Nemůže být léčeno.
05:07
That's an extreme of micropthalmos
113
292000
2000
Tohle je extrémní mikroftalmus,
05:09
called enophthalmos.
114
294000
2000
zvaný enoftalmus (oko vklesné do očnice).
05:11
But, every so often, we come across children
115
296000
2000
Ale často se setkáváme s dětmi,
05:13
who show some residual vision,
116
298000
3000
které mají zbytkové vidění,
05:16
and that is a very good sign
117
301000
3000
a to je velice dobrý znak toho,
05:19
that the condition might actually be treatable.
118
304000
2000
že jejich stav může být léčitelný.
05:21
So, after that screening, we bring the children to the hospital.
119
306000
3000
Takže po prohlídce převezeme děti do nemocnice.
05:24
That's the hospital we're working with in Delhi,
120
309000
2000
Tohle je nemocnice v Dillí, se kterou spolupracujeme,
05:26
the Schroff Charity Eye Hospital.
121
311000
3000
Oční nemocnice charity doktora Schroffa.
05:29
It has a very well-equipped
122
314000
2000
Má velmi dobře vybavené
05:31
pediatric ophthalmic center,
123
316000
3000
pediatrické oční centrum,
05:35
which was made possible in part
124
320000
2000
které bylo pořízeno částečně
05:37
by a gift from the Ronald McDonald charity.
125
322000
4000
díky daru od Charity Ronalda McDonalda.
05:41
So, eating burgers actually helps.
126
326000
3000
Takže jezení hamburgerů vlastně pomáhá.
05:45
(Text: Such examinations allow us to improve
127
330000
2000
(Text: Tito zkoušející nám dovolují zlepšit
05:47
eye-health in many children, and ...
128
332000
2000
oční léčbu mnoha dětí a ...
05:54
... help us find children who can participate in Project Prakash.)
129
339000
3000
... pomáhají nám najít děti, které se mohou účastnit Projektu Prakaš.)
05:57
PS: So, as I zoom in to the eyes of this child,
130
342000
2000
PS: Jakmile se přiblížíte k očím těchto dětí,
05:59
you will see the cause of his blindness.
131
344000
3000
uvidíte příčinu jejich slepoty.
06:03
The whites that you see in the middle of his pupils
132
348000
3000
To bílé, co vidíte ve středu jejich zorniček,
06:06
are congenital cataracts,
133
351000
3000
jsou vrozené zákaly,
06:09
so opacities of the lens.
134
354000
2000
tedy neprůhledné čočky.
06:11
In our eyes, the lens is clear,
135
356000
3000
V našich očích jsou čočky čisté,
06:14
but in this child, the lens has become opaque,
136
359000
2000
ale u těchto dětí se čočky staly neprůhlednými,
06:16
and therefore he can't see the world.
137
361000
3000
takže se nemohou dívat na svět.
06:19
So, the child is given treatment. You'll see shots of the eye.
138
364000
3000
Tak se dítěti dostalo léčby. Uvidíte to na snímcích oka.
06:22
Here's the eye with the opaque lens,
139
367000
2000
Zde je oko s neprůhlednou čočkou,
06:24
the opaque lens extracted
140
369000
2000
neprůhledná čočka se odstraní
06:26
and an acrylic lens inserted.
141
371000
3000
a místo ní se vloží čirá čočka.
06:29
And here's the same child
142
374000
2000
A tady je to samé dítě
06:31
three weeks post-operation,
143
376000
3000
tři týdny po operaci,
06:34
with the right eye open.
144
379000
3000
s pravým okem otevřeným.
06:40
(Applause)
145
385000
6000
(Potlesk)
06:46
Thank you.
146
391000
2000
Děkuji.
06:48
So, even from that little clip, you can begin to get the sense
147
393000
3000
Takže i z tohoto krátkého klipu si můžete udělat obrázek o tom,
06:51
that recovery is possible,
148
396000
2000
že zotavení je možné.
06:53
and we have now
149
398000
2000
A dosud jsme
06:55
provided treatment to over 200 children,
150
400000
3000
provedli léčbu u více než 200 dětí,
06:58
and the story repeats itself.
151
403000
2000
příběh se tak opakuje.
07:00
After treatment, the child
152
405000
2000
Po léčbě dítě
07:02
gains significant functionality.
153
407000
3000
získává významnou funkčnost oka.
07:05
In fact, the story holds true
154
410000
3000
Ve skutečnosti tento příběh funguje
07:08
even if you have a person who got sight
155
413000
2000
i u osoby, která tak získala zrak
07:10
after several years of deprivation.
156
415000
2000
po několika letech slepoty.
07:12
We did a paper a few years ago
157
417000
2000
Napsali jsme před pár lety článek
07:14
about this woman that you see on the right, SRD,
158
419000
4000
o této ženě, kterou můžete vidět napravo, říkejme jí SRD,
07:18
and she got her sight late in life,
159
423000
2000
začala vidět až v dost pozdním věku
07:20
and her vision is remarkable at this age.
160
425000
4000
a její zrak byl v tomto věku již obdivuhodný.
07:24
I should add a tragic postscript to this --
161
429000
3000
Měl bych k tomu přidat tragický dovětek --
07:27
she died two years ago
162
432000
2000
zemřela před dvěma lety
07:29
in a bus accident.
163
434000
2000
při nehodě autobusu.
07:31
So, hers is just a truly inspiring story --
164
436000
4000
Její příběh je vážně inspirativní --
07:35
unknown, but inspiring story.
165
440000
3000
anonymní, ale inspirativní příběh.
07:38
So when we started finding these results,
166
443000
2000
Takže když se začaly objevovat tyto výsledky,
07:40
as you might imagine, it created quite a bit of stir
167
445000
3000
jistě si dokážete představit, že dokázaly vyvolat docela velký rozruch
07:43
in the scientific and the popular press.
168
448000
3000
ve vědeckém a populárním tisku.
07:46
Here's an article in Nature
169
451000
2000
Tady je článek z časopisu Nature,
07:48
that profiled this work,
170
453000
2000
který psal o této práci,
07:50
and another one in Time.
171
455000
2000
a jiný článek v časopise Time.
07:52
So, we were fairly convinced -- we are convinced --
172
457000
2000
Byli jsme vážně přesvědčeni -- jsme přesvědčeni --
07:54
that recovery is feasible,
173
459000
2000
že zotavení je proveditelné
07:56
despite extended visual deprivation.
174
461000
3000
navzdory rozsáhlé zrakové deprivaci.
07:59
The next obvious question to ask:
175
464000
2000
Další zřejmá otázka, kterou si musíme položit:
08:01
What is the process of recovery?
176
466000
3000
Co je proces zotavení?
08:04
So, the way we study that is,
177
469000
3000
Způsob, jakým jej studujeme, je,
08:07
let's say we find a child who has light sensitivity.
178
472000
2000
řekněme, že jsme našli dítě, které je citlivé na světlo.
08:09
The child is provided treatment,
179
474000
2000
Dítěti je poskytnuta léčba
08:11
and I want to stress that the treatment
180
476000
2000
a chci zdůraznit, že léčba
08:13
is completely unconditional;
181
478000
2000
je naprosto finančně nepodmíněná;
08:15
there is no quid pro quo.
182
480000
2000
není za ni žádná protihodnota.
08:17
We treat many more children then we actually work with.
183
482000
3000
Léčíme mnohem více dětí než se kterými pracujeme.
08:20
Every child who needs treatment is treated.
184
485000
3000
Každé dítě, které potřebuje léčbu, je léčeno.
08:23
After treatment, about every week,
185
488000
2000
Po léčbě, zhruba každý týden,
08:25
we run the child
186
490000
2000
dítě vykonává
08:27
on a battery of simple visual tests
187
492000
3000
skupinu jednoduchých zrakových testů,
08:30
in order to see how their visual skills
188
495000
2000
abychom viděli, jak se jeho zrakové dovednosti
08:32
are coming on line.
189
497000
2000
zlepšují.
08:34
And we try to do this for as long as possible.
190
499000
3000
A snažíme se to dělat tak dlouho jak je to jen možné.
08:37
This arc of development
191
502000
2000
Tento oblouk vývoje
08:39
gives us unprecedented
192
504000
2000
nám dává nevídanou
08:41
and extremely valuable information
193
506000
2000
a extrémně cennou informaci
08:43
about how the scaffolding of vision
194
508000
2000
o tom, jak se lešení kolem zraku
08:45
gets set up.
195
510000
2000
nastavuje.
08:47
What might be the causal connections
196
512000
2000
Co může být kauzálním spojením
08:49
between the early developing skills
197
514000
2000
mezi časným rozvíjením dovedností
08:51
and the later developing ones?
198
516000
2000
a pozdním rozvíjením?
08:53
And we've used this general approach to study
199
518000
2000
Používali jsme tento obecný přístup ke studiu
08:55
many different visual proficiencies,
200
520000
3000
mnoha rozličných zrakových dovedností,
08:58
but I want to highlight one particular one,
201
523000
4000
ale chci zvýraznit jednu konkrétní,
09:02
and that is image parsing into objects.
202
527000
3000
a toto je obrázek, který k tomu poslouží.
09:05
So, any image of the kind that you see on the left,
203
530000
2000
Jakýkoli obrázek stejného typu, jaký vidíte nalevo,
09:07
be it a real image or a synthetic image,
204
532000
3000
ať už skutečný obrázek nebo umělý obrázek,
09:10
it's made up of little regions
205
535000
2000
je složen z malých oblastí,
09:12
that you see in the middle column,
206
537000
2000
které vidíte ve středním sloupečku,
09:14
regions of different colors, different luminances.
207
539000
3000
oblasti mají různé barvy, rozdílné jasy.
09:17
The brain has this complex task
208
542000
3000
Mozek dělá složitý úkol
09:20
of putting together, integrating,
209
545000
3000
seskládávání, slučování
09:23
subsets of these regions
210
548000
2000
podčástí těchto oblastí
09:25
into something that's more meaningful,
211
550000
2000
do něčeho mnohem smysluplnějšího,
09:27
into what we would consider to be objects,
212
552000
2000
do něčeho, co bychom nazvali předmětem,
09:29
as you see on the right.
213
554000
2000
jak vidíte napravo.
09:31
And nobody knows how this integration happens,
214
556000
2000
A nikdo neví, jak toto slučování probíhá,
09:33
and that's the question we asked with Project Prakash.
215
558000
4000
a to je otázka, kterou si pokládáme v Projektu Prakaš.
09:37
So, here's what happens
216
562000
2000
Takže, toto se stane
09:39
very soon after the onset of sight.
217
564000
3000
velmi brzy po navrácení zraku.
09:42
Here's a person who had gained sight just a couple of weeks ago,
218
567000
3000
Tady je osoba, která získala zrak jen před pár týdny,
09:45
and you see Ethan Myers, a graduate student from MIT,
219
570000
3000
vidíte Ethana Myerse, absolventa MIT,
09:48
running the experiment with him.
220
573000
3000
který s ním dělá experiment.
09:51
His visual-motor coordination is quite poor,
221
576000
4000
Jeho koordinace zraku a pohybu je dost špatná,
09:55
but you get a general sense
222
580000
2000
ale získáte obecné tušení
09:57
of what are the regions that he's trying to trace out.
223
582000
3000
o tom, jaké jsou oblasti, které se snaží vysledovat.
10:00
If you show him real world images,
224
585000
2000
Když mu předvedete obrázky skutečného světa,
10:02
if you show others like him real world images,
225
587000
3000
když ukážete i jiným jako je on obrázky reálného světa,
10:05
they are unable to recognize most of the objects
226
590000
2000
nejsou schopni rozeznat většinu z předmětů,
10:07
because the world to them is over-fragmented;
227
592000
3000
protože svět je pro ně příliš roztříštěný;
10:10
it's made up of a collage, a patchwork,
228
595000
3000
je vytvořen z koláží, mozaiek,
10:13
of regions of different colors and luminances.
229
598000
2000
oblastí různých barev a jasů.
10:15
And that's what's indicated in the green outlines.
230
600000
2000
A to je to, co je obsaženo v zelených obrysech.
10:17
When you ask them,
231
602000
2000
Když se jich zeptáme:
10:19
"Even if you can't name the objects, just point to where the objects are,"
232
604000
3000
"I když nemůžete pojmenovat předměty, zkuste jen ukázat, kde předměty jsou,"
10:22
these are the regions that they point to.
233
607000
2000
toto jsou oblasti, na které ukáží.
10:24
So the world is this complex
234
609000
2000
Takže svět je takto složité
10:26
patchwork of regions.
235
611000
2000
seskládání oblastí.
10:28
Even the shadow on the ball
236
613000
2000
I stíny na míči
10:30
becomes its own object.
237
615000
3000
se stávají samostatnými předměty.
10:33
Interestingly enough,
238
618000
2000
Je zajímavé
10:35
you give them a few months,
239
620000
2000
dát jím pár měsíců,
10:37
and this is what happens.
240
622000
3000
pak se stane toto.
10:43
Doctor: How many are these?
241
628000
2000
Doktor: Kolik jich je?
10:45
Patient: These are two things.
242
630000
2000
Pacient: Jsou to dvě věci.
10:47
Doctor: What are their shapes?
243
632000
2000
Doktor: Jaké jsou jejich tvary?
10:49
Patient: Their shapes ...
244
634000
2000
Pacient: Jejich tvary ...
10:51
This one is a circle,
245
636000
3000
Tento je kruh
10:54
and this
246
639000
2000
a tento
10:56
is a square.
247
641000
2000
je čtverec.
10:58
PS: A very dramatic transformation has come about.
248
643000
3000
PS: Došlo k velmi dramatické přeměně.
11:01
And the question is:
249
646000
2000
A otázka zní:
11:03
What underlies this transformation?
250
648000
2000
Co stojí za touto přeměnou?
11:05
It's a profound question,
251
650000
2000
Je to hluboká otázka,
11:07
and what's even more amazing is how simple
252
652000
2000
a ještě úžasnější je, jak jednoduchá
11:09
the answer is.
253
654000
2000
je odpověď.
11:11
The answer lies in motion
254
656000
2000
Odpověď spočívá v pohybu,
11:13
and that's what I want to show you in the next clip.
255
658000
3000
a to je to, co vám chci ukázat v další nahrávce.
11:18
Doctor: What shape do you see here?
256
663000
2000
Doktor: Jaký tvar tady vidíte?
11:20
Patient: I can't make it out.
257
665000
3000
Pacient: Nemůžu na to přijít.
11:28
Doctor: Now?
258
673000
2000
Doktor: A teď?
11:31
Patient: Triangle.
259
676000
2000
Pacient: Trojúhelník.
11:35
Doctor: How many things are these?
260
680000
3000
Doktor: Kolik je tady věcí?
11:48
Now, how many things are these?
261
693000
3000
Kolik je teď tady věcí?
11:51
Patient: Two.
262
696000
2000
Pacient: Dvě.
11:53
Doctor: What are these things?
263
698000
2000
Doktor: Co je to za věci?
11:56
Patient: A square and a circle.
264
701000
2000
Pacient: Čtverec a kruh.
11:58
PS: And we see this pattern over and over again.
265
703000
3000
PS: A sledujeme tento vzorec stále dokola a dokola.
12:01
The one thing the visual system needs
266
706000
3000
Jedna věc, kterou zrakový systém potřebuje,
12:04
in order to begin parsing the world
267
709000
2000
abychom začali správně analyzovat svět,
12:06
is dynamic information.
268
711000
2000
je dynamická informace.
12:08
So the inference we are deriving from this,
269
713000
2000
Závěr, který vyvozujeme z tohoto
12:10
and several such experiments,
270
715000
2000
a dalších takových experimentů,
12:12
is that dynamic information processing,
271
717000
2000
je, že zpracování dynamické informace
12:14
or motion processing,
272
719000
2000
či zpracování pohybu
12:16
serves as the bedrock for building
273
721000
2000
slouží jako podklad pro budování
12:18
the rest of the complexity of visual processing;
274
723000
4000
zbytku složitosti zrakového zpracování,
12:22
it leads to visual integration
275
727000
2000
což vede ke zrakovému seskupování
12:24
and eventually to recognition.
276
729000
3000
a případně k rozpoznání.
12:27
This simple idea has far reaching implications.
277
732000
3000
Tato jednoduchá myšlenka má dalekosáhlé implikace.
12:30
And let me just quickly mention two,
278
735000
3000
Dovolte mi jen rychle zmínit dvě.
12:33
one, drawing from the domain of engineering,
279
738000
2000
Jedna vychází z oblasti inženýrství,
12:35
and one from the clinic.
280
740000
2000
jedna z kliniky.
12:37
So, from the perspective of engineering,
281
742000
2000
Takže z pohledu inženýrství
12:39
we can ask: Goven that we know
282
744000
3000
se můžeme ptát: Víme-li, že
12:42
that motion is so important for the human visual system,
283
747000
2000
pohyb je důležitý pro lidský zrakový systém,
12:44
can we use this as a recipe
284
749000
3000
můžeme to použít jako recept
12:47
for constructing machine-based vision systems
285
752000
3000
pro vytváření systémů strojového vidění,
12:50
that can learn on their own, that don't need to be programmed
286
755000
3000
které se budou samy učit, takže nebude potřeba, aby je programoval
12:53
by a human programmer?
287
758000
2000
lidský programátor?
12:55
And that's what we're trying to do.
288
760000
2000
A to je to, co se snažíme udělat.
12:57
I'm at MIT, at MIT you need to apply
289
762000
3000
Pracuji na MIT, na MIT je potřeba uplatnit
13:00
whatever basic knowledge you gain.
290
765000
2000
jakékoli základní znalosti, které jste získali.
13:02
So we are creating Dylan,
291
767000
2000
A tak vytváříme Dylana,
13:04
which is a computational system
292
769000
2000
což je výpočetní systém
13:06
with an ambitious goal
293
771000
2000
s ambiciozním cílem --
13:08
of taking in visual inputs
294
773000
2000
bude přijímat vizuální vstupy
13:10
of the same kind that a human child would receive,
295
775000
3000
stejného druhu jaké by přijímalo lidské dítě
13:13
and autonomously discovering:
296
778000
2000
a samostatně objevovat:
13:15
What are the objects in this visual input?
297
780000
3000
Co jsou předměty v jeho vizuálním vstupu?
13:18
So, don't worry about the internals of Dylan.
298
783000
3000
Ponechme teď stranou Dylanovy útroby.
13:21
Here, I'm just going to talk about
299
786000
3000
Chci jenom mluvit o tom,
13:24
how we test Dylan.
300
789000
2000
jak testujeme Dylana.
13:26
The way we test Dylan is by giving it
301
791000
2000
Způsob, jakým Dylana testujeme, je, že mu dáváme
13:28
inputs, as I said, of the same kind
302
793000
3000
vstupy, jak jsem řekl, stejného typu
13:31
that a baby, or a child in Project Prakash would get.
303
796000
3000
jako by dostávala miminka či děti v Projektu Prakaš.
13:34
But for a long time we couldn't quite figure out:
304
799000
3000
Ale dlouhou dobu jsme si s tím nedokázali poradit.
13:37
Wow can we get these kinds of video inputs?
305
802000
3000
Páni, můžeme získat tento typ video vstupů?
13:41
So, I thought,
306
806000
2000
Tak, napadlo mě,
13:43
could we have Darius
307
808000
2000
mohl by Darius
13:45
serve as our babycam carrier,
308
810000
3000
sloužit jako náš nosič dětské kamery
13:48
and that way get the inputs that we feed into Dylan?
309
813000
3000
a tímto způsobem získávat vstupy, které bychom předkládali Dylanovi?
13:51
So that's what we did.
310
816000
2000
A tak jsme to udělali.
13:53
(Laughter)
311
818000
7000
(Smích)
14:00
I had to have long conversations with my wife.
312
825000
3000
Musel jsem podstoupit dlouhé rozhovory se svou manželkou.
14:03
(Laughter)
313
828000
5000
(Smích)
14:08
In fact, Pam, if you're watching this,
314
833000
2000
Pam, jestli se na tohle díváš,
14:10
please forgive me.
315
835000
2000
prosím, odpusť mi.
14:13
So, we modified the optics of the camera
316
838000
4000
Upravili jsme optiku kamery,
14:17
in order to mimic the baby's visual acuity.
317
842000
3000
abychom napodobili dětskou zrakovou ostrost.
14:20
As some of you might know,
318
845000
2000
Jak mohou někteří z vás vědět,
14:22
babyies are born pretty much legally blind.
319
847000
4000
miminka se rodí do značné míry slepá.
14:26
Their acuity -- our acuity is 20/20;
320
851000
3000
Jejich ostrost -- naše ostrost je 20/20;
14:29
babies' acuity is like 20/800,
321
854000
3000
ostrost miminek je přibližně 20/800,
14:32
so they are looking at the world
322
857000
2000
takže se dívají na svět
14:34
in a very, very blurry fashion.
323
859000
3000
velmi, velmi rozmazaným způsobem.
14:37
Here's what a baby-cam video looks like.
324
862000
3000
Tady je ukázka, jak takové video z dětské kamery vypadá.
14:41
(Laughter)
325
866000
9000
(Smích)
14:50
(Applause)
326
875000
3000
(Potlesk)
14:53
Thankfully, there isn't any audio
327
878000
2000
Naštěstí u něj není
14:55
to go with this.
328
880000
3000
žádný zvuk.
14:58
What's amazing is that working with such
329
883000
2000
Úžasné je, že i když pracuje s takto
15:00
highly degraded input,
330
885000
2000
vysoce degradovaným vstupem,
15:02
the baby, very quickly, is able
331
887000
2000
je miminko velice rychle schopné
15:04
to discover meaning in such input.
332
889000
3000
odhalit význam těchto vstupů.
15:07
But then two or three days afterward,
333
892000
2000
A po dvou až třech dnech
15:09
babies begin to pay attention
334
894000
2000
už začínají miminka věnovat pozornost
15:11
to their mother's or their father's face.
335
896000
2000
obličejům jejich maminky či tatínka.
15:13
How does that happen? We want Dylan to be able to do that,
336
898000
3000
Jak se to stane? Chceme, aby toho byl schopný i Dylan,
15:16
and using this mantra of motion,
337
901000
3000
a použitím mantry pohybu
15:19
Dylan actually can do that.
338
904000
2000
to Dylan skutečně dovede.
15:21
So, given that kind of video input,
339
906000
3000
Takže dostane-li tento typ video vstupu,
15:24
with just about six or seven minutes worth of video,
340
909000
3000
s videonahrávkou o délce šesti či sedmi minut,
15:27
Dylan can begin to extract patterns
341
912000
3000
začne Dylan získávat vzorce,
15:30
that include faces.
342
915000
3000
které obsahují tváře.
15:33
So, it's an important demonstration
343
918000
2000
Je to důležitá ukázka
15:35
of the power of motion.
344
920000
2000
síly pohybu.
15:37
The clinical implication, it comes from the domain of autism.
345
922000
3000
Klinické implikace jsou především v oblasti autismu.
15:40
Visual integration has been associated with autism
346
925000
2000
Zrakové začlenění bylo spojováno s autismem
15:42
by several researchers.
347
927000
2000
několika výzkumníky.
15:44
When we saw that, we asked:
348
929000
2000
Když jsme to viděli, zeptali jsme se:
15:46
Could the impairment in visual integration
349
931000
3000
Mohlo by zhoršení zrakového začlenění
15:49
be the manifestation of something underneath,
350
934000
3000
být projevem něčeho hlubšího,
15:52
of dynamic information processing deficiencies in autism?
351
937000
3000
nedostatkem zpracování dynamické informace u autistů?
15:55
Because, if that hypothesis were to be true,
352
940000
3000
Protože, pokud by se tato hypotéza ukázala jako pravdivá,
15:58
it would have massive repercussions in our understanding
353
943000
3000
mělo by to obrovské důsledky na naše chápání
16:01
of what's causing the many different aspects
354
946000
2000
toho, co zapřičiňuje mnohé rozdílné aspekty
16:03
of the autism phenotype.
355
948000
3000
autistického fenotypu.
16:06
What you're going to see are
356
951000
2000
Uvidíme teď
16:08
video clips of two children -- one neurotypical,
357
953000
3000
nahrávky dvou dětí -- jedno zdravé,
16:11
one with autism, playing Pong.
358
956000
2000
jedno s autismem, jak hrají Pong.
16:13
So, while the child is playing Pong, we are tracking where they're looking.
359
958000
3000
Zatímco dítě hraje Pong, sledujeme, kam se dívá.
16:16
In red are the eye movement traces.
360
961000
3000
Trasy očních pohybů jsou červeně.
16:19
This is the neurotypical child, and what you see
361
964000
3000
Toto je zdravé dítě, vidíte,
16:22
is that the child is able to make cues
362
967000
2000
že dítě je schopné dělat tipy
16:24
of the dynamic information
363
969000
2000
dynamické informace
16:26
to predict where the ball is going to go.
364
971000
2000
k předpovídání, kam se míč bude pohybovat.
16:28
Even before the ball gets to a place,
365
973000
3000
I předtím, než se míč na dané místo dostane,
16:31
the child is already looking there.
366
976000
3000
se dítě již na toto místo dívá.
16:34
Contrast this with a child
367
979000
2000
Naproti tomu dítě
16:36
with autism playing the same game.
368
981000
2000
s autismem hrající stejnou hru.
16:38
Instead of anticipating,
369
983000
2000
Namísto předpovídání,
16:40
the child always follows where the ball has been.
370
985000
3000
dítě stále sleduje, kde míč právě je.
16:43
The efficiency of the use
371
988000
2000
Účinnost využití
16:45
of dynamic information
372
990000
2000
dynamické informace
16:47
seems to be significantly compromised in autism.
373
992000
3000
se zdá být v případě autistů výrazně omezená.
16:51
So we are pursuing this line of work
374
996000
3000
Pokračujeme v tomto směru bádání
16:54
and hopefully we'll have
375
999000
2000
a doufejme, že budeme mít
16:56
more results to report soon.
376
1001000
2000
brzy více výsledků k prezentaci.
16:58
Looking ahead, if you think of this disk
377
1003000
3000
Dívám-li se dopředu, tak pokud tato tečka
17:01
as representing all of the children
378
1006000
2000
reprezentuje všechny děti,
17:03
we've treated so far,
379
1008000
2000
které jsme dosud léčili,
17:05
this is the magnitude of the problem.
380
1010000
2000
ukáže nám rozsah problému.
17:07
The red dots are the children we have not treated.
381
1012000
3000
Červené tečky jsou děti, které jsme neléčili.
17:10
So, there are many, many more children who need to be treated,
382
1015000
2000
Je zde mnohem, mnohem více dětí, které potřebují léčbu
17:12
and in order to expand the scope of the project,
383
1017000
3000
a abychom rozšířili záběr projektu,
17:15
we are planning on launching
384
1020000
2000
plánujeme zahájit
17:17
The Prakash Center for Children,
385
1022000
2000
Centrum Prakaš pro děti,
17:19
which will have a dedicated pediatric hospital,
386
1024000
3000
které bude mít vlastní pediatrickou nemocnici,
17:22
a school for the children we are treating
387
1027000
2000
školu pro děti, které jsou na léčení
17:24
and also a cutting-edge research facility.
388
1029000
2000
a také špičkové výzkumné zařízení.
17:26
The Prakash Center will integrate health care,
389
1031000
3000
Centrum Prakaš bude spojovat péči o zdraví,
17:29
education and research in a way
390
1034000
2000
výuku a výzkum ve smyslu,
17:31
that truly creates the whole
391
1036000
2000
který stvoří celek,
17:33
to be greater than the sum of the parts.
392
1038000
3000
který je větší než součet všech jeho částí.
17:36
So, to summarize: Prakash, in its five years of existence,
393
1041000
3000
Abych to shrnul: Prakaš za pět let své existence
17:39
it's had an impact in multiple areas,
394
1044000
3000
měl dopad na množství oblastí,
17:42
ranging from basic neuroscience
395
1047000
2000
od základů neurovědy,
17:44
plasticity and learning in the brain,
396
1049000
2000
plasticitu a učení mozku
17:46
to clinically relevant hypotheses like in autism,
397
1051000
4000
po klinicky relevantní hypotézy jako tu v případě autismu,
17:50
the development of autonomous machine vision systems,
398
1055000
3000
vývoj samostatných strojových vizuálních systémů,
17:53
education of the undergraduate and graduate students,
399
1058000
3000
vzdělání studentů
17:56
and most importantly in the alleviation
400
1061000
2000
a především ve zmírňování
17:58
of childhood blindness.
401
1063000
2000
dětské slepoty.
18:00
And for my students and I, it's been
402
1065000
2000
A pro mnoho mých studentů a pro mě to byl
18:02
just a phenomenal experience
403
1067000
2000
fenomenální zážitek,
18:04
because we have gotten to do interesting research,
404
1069000
4000
protože jsme se dostali do zajímavého výzkumu,
18:08
while at the same time
405
1073000
2000
zatímco současně
18:10
helping the many children that we have worked with.
406
1075000
2000
jsme pomáhali mnoha dětem, se kterými jsme pracovali.
18:12
Thank you very much.
407
1077000
2000
Mnohokrát vám děkuji.
18:14
(Applause)
408
1079000
2000
(Potlesk)
ABOUT THE SPEAKER
Pawan Sinha - Visual neuroscientistPawan Sinha researches how our brains interpret what our eyes see -- and uses that research to give blind children the gift of sight.
Why you should listen
At Pawan Sinha's MIT lab, he and his team spend their days trying to understand how the brain learns to recognize and use the patterns and scenes we see around us. To do this, they often use computers to model the processes of the human brain, but they also study human subjects, some of whom are seeing the world for the very first time and can tell them about the experience as it happens. They find these unusual subjects through the humanitarian branch of their research, Project Prakash.
Project Prakash sets up eye-care camps in some of the most habitually underserved regions of India, and gives free eye-health screenings to, since 2003, more than 700 functionally blind children. The children are then treated without charge, even if they do not fit the profile that would make them eligible for Sinha's research.
Sinha's eventual goal is to help 500 children each year; plans are under way for a center for visual rehabilitation in new Delhi. The special relationship that Sinha has created between research and humanitarianism promises to deliver on both fronts.
Pawan Sinha | Speaker | TED.com