TEDGlobal 2010
Gero Miesenboeck: Re-engineering the brain
Gero Miesenboeck rediseña un cerebro
Filmed:
Readability: 4.7
717,411 views
En la búsqueda de trazar un mapa del cerebro muchos científicos han intentado la tarea sumamente amedrentadora de grabar la actividad de cada neurona. Gero Miesenboeck trabaja al revés, manipulando neuronas específicas para descubrir exactamente cómo funcionan mediante una serie de experimentos imponentes que rediseñan la forma en que las moscas de la fruta perciben la luz.
Gero Miesenboeck - Optogeneticist
Using light and a little genetic engineering -- optogenetics -- Gero Miesenboeck has developed a way to control how living nerve cells work, and advanced understanding of how the brain controls behavior. Full bio
Using light and a little genetic engineering -- optogenetics -- Gero Miesenboeck has developed a way to control how living nerve cells work, and advanced understanding of how the brain controls behavior. Full bio
Double-click the English transcript below to play the video.
00:15
I have a doppelganger.
0
0
3000
Tengo un doble.
00:18
(Laughter)
1
3000
3000
(Risas)
00:21
Dr. Gero is a brilliant
2
6000
3000
El Dr. Gero es un científico
00:24
but slightly mad scientist
3
9000
2000
brillante pero un poco loco
00:26
in the "Dragonball Z: Android Saga."
4
11000
3000
de la "Saga Androids" de Dragon Ball Z.
00:29
If you look very carefully,
5
14000
2000
Si miran con cuidado,
00:31
you see that his skull has been replaced
6
16000
3000
se ve que su cráneo ha sido sustituido
00:34
with a transparent Plexiglas dome
7
19000
2000
por una cúpula transparente de plexiglás
00:36
so that the workings of his brain can be observed
8
21000
3000
así que el funcionamiento de su cerebro se puede observar
00:39
and also controlled with light.
9
24000
3000
y controlar con luz.
00:42
That's exactly what I do --
10
27000
2000
Eso es exactamente lo que hago...
00:44
optical mind control.
11
29000
2000
control óptico de la mente.
00:46
(Laughter)
12
31000
2000
(Risas)
00:48
But in contrast to my evil twin
13
33000
2000
Pero a diferencia de mi gemelo malvado,
00:50
who lusts after world domination,
14
35000
3000
que quiere dominar el mundo,
00:53
my motives are not sinister.
15
38000
3000
mis motivos no son siniestros.
00:56
I control the brain
16
41000
2000
Yo controlo el cerebro
00:58
in order to understand how it works.
17
43000
2000
para entender cómo funciona.
01:00
Now wait a minute, you may say,
18
45000
2000
Y Uds dirán: espere un minuto,
01:02
how can you go straight to controlling the brain
19
47000
3000
¿cómo puede controlar el cerebro...
01:05
without understanding it first?
20
50000
2000
...sin entenderlo primero?
01:07
Isn't that putting the cart before the horse?
21
52000
3000
¿No es poner el carro delante del caballo?
01:11
Many neuroscientists agree with this view
22
56000
3000
Muchos neurocientíficos piensan lo mismo,
01:14
and think that understanding will come
23
59000
3000
que la comprensión vendrá
01:17
from more detailed observation and analysis.
24
62000
3000
de una observación y un análisis más detallados.
01:20
They say, "If we could record the activity of our neurons,
25
65000
4000
Dicen: "Si pudiéramos registrar la actividad neuronal...
01:24
we would understand the brain."
26
69000
3000
...entenderíamos al cerebro".
01:27
But think for a moment what that means.
27
72000
3000
Pero piensen un momento lo que eso significa.
01:30
Even if we could measure
28
75000
2000
Aún si pudiéramos medir
01:32
what every cell is doing at all times,
29
77000
2000
lo hace cada célula en todo momento,
01:34
we would still have to make sense
30
79000
2000
todavía tendría que darle sentido
01:36
of the recorded activity patterns,
31
81000
2000
a los patrones de actividad registrados
01:38
and that's so difficult,
32
83000
2000
y eso es muy difícil;
01:40
chances are we'll understand these patterns
33
85000
2000
lo más probable es que entendamos tan poco
01:42
just as little as the brains that produce them.
34
87000
3000
estos patrones como al cerebro que los produce.
01:45
Take a look at what brain activity might look like.
35
90000
3000
Miren cómo se vería la actividad cerebral.
01:48
In this simulation, each black dot
36
93000
2000
En esta simulación, cada punto negro
01:50
is one nerve cell.
37
95000
2000
es una célula nerviosa.
01:52
The dot is visible
38
97000
2000
El punto es visible
01:54
whenever a cell fires an electrical impulse.
39
99000
2000
cada vez que una célula dispara un impulso eléctrico.
01:56
There's 10,000 neurons here.
40
101000
2000
Hay 10.000 neuronas aquí.
01:58
So you're looking at roughly one percent
41
103000
2000
Estamos mirando cerca de un 1%
02:00
of the brain of a cockroach.
42
105000
3000
del cerebro de una cucaracha.
02:04
Your brains are about 100 million times
43
109000
3000
Nuestros cerebros son unos 100 millones de veces
02:07
more complicated.
44
112000
2000
más complicados.
02:09
Somewhere, in a pattern like this,
45
114000
2000
En algún punto es un patrón como este,
02:11
is you,
46
116000
2000
eres tú,
02:13
your perceptions,
47
118000
2000
tus percepciones,
02:15
your emotions, your memories,
48
120000
3000
tus emociones, tus recuerdos,
02:18
your plans for the future.
49
123000
2000
tus planes para el futuro.
02:20
But we don't know where,
50
125000
2000
Pero no sabemos dónde,
02:22
since we don't know how to read the pattern.
51
127000
3000
dado que no conocemos cómo leer el patrón.
02:25
We don't understand the code used by the brain.
52
130000
3000
No entendemos el código que usa el cerebro.
02:28
To make progress,
53
133000
2000
Para avanzar
02:30
we need to break the code.
54
135000
2000
tenemos que descifrar el código.
02:32
But how?
55
137000
2000
Pero, ¿cómo?
02:35
An experienced code-breaker will tell you
56
140000
2000
Un desencriptador con experiencia les dirá
02:37
that in order to figure out what the symbols in a code mean,
57
142000
3000
que para descubrir qué significan los símbolos de un código
02:40
it's essential to be able to play with them,
58
145000
3000
es esencial poder jugar con ellos,
02:43
to rearrange them at will.
59
148000
2000
reacomodarlos a voluntad.
02:45
So in this situation too,
60
150000
2000
Así que en esta situación también,
02:47
to decode the information
61
152000
2000
para decodificar la información
02:49
contained in patterns like this,
62
154000
2000
contenida en los patrones de este tipo,
02:51
watching alone won't do.
63
156000
2000
con sólo mirar no basta;
02:53
We need to rearrange the pattern.
64
158000
2000
tenemos que reacomodar el patrón.
02:55
In other words,
65
160000
2000
En otras palabras,
02:57
instead of recording the activity of neurons,
66
162000
2000
en vez de grabar la actividad neuronal
02:59
we need to control it.
67
164000
2000
tenemos que controlarla.
03:01
It's not essential that we can control
68
166000
2000
No es esencial que podamos controlar
03:03
the activity of all neurons in the brain, just some.
69
168000
3000
la actividad de todas las neuronas del cerebro, sólo algunas.
03:06
The more targeted our interventions, the better.
70
171000
2000
Cuanto más orientadas nuestras intervenciones, mejor.
03:08
And I'll show you in a moment
71
173000
2000
En un momento les voy a mostrar
03:10
how we can achieve the necessary precision.
72
175000
3000
cómo alcanzar la precisión necesaria.
03:13
And since I'm realistic, rather than grandiose,
73
178000
3000
Y como soy realista, más que ambicioso,
03:16
I don't claim that the ability to control the function of the nervous system
74
181000
3000
no afirmo que la capacidad de controlar la función del sistema nervioso
03:19
will at once unravel all its mysteries.
75
184000
3000
desentrañe de una vez todos sus misterios.
03:22
But we'll certainly learn a lot.
76
187000
3000
Pero sin duda vamos a aprender mucho.
03:27
Now, I'm by no means
77
192000
2000
Ahora, de ninguna manera soy
03:29
the first person to realize
78
194000
2000
la primera persona en darse cuenta
03:31
how powerful a tool intervention is.
79
196000
3000
qué herramienta poderosa es la intervención.
03:34
The history of attempts
80
199000
2000
La historia de los intentos
03:36
to tinker with the function of the nervous system
81
201000
2000
de jugar con la función del sistema nervioso
03:38
is long and illustrious.
82
203000
2000
es larga e ilustre.
03:40
It dates back at least 200 years,
83
205000
3000
Su origen se remonta al menos 200 años,
03:43
to Galvani's famous experiments
84
208000
2000
a los famosos experimentos de Galvani
03:45
in the late 18th century and beyond.
85
210000
3000
de fines del siglo XVIII y más allá.
03:49
Galvani showed that a frog's legs twitched
86
214000
3000
Galvani demostró que las patas de una rana se movían
03:52
when he connected the lumbar nerve
87
217000
2000
cuando él conectaba el nervio lumbar
03:54
to a source of electrical current.
88
219000
3000
a una fuente de corriente eléctrica.
03:57
This experiment revealed the first, and perhaps most fundamental,
89
222000
3000
Este experimento reveló la primera, y tal vez fundamental,
04:00
nugget of the neural code:
90
225000
2000
pista del código neuronal:
04:02
that information is written in the form
91
227000
2000
que la información está escrita en forma
04:04
of electrical impulses.
92
229000
3000
de impulsos eléctricos.
04:08
Galvani's approach
93
233000
2000
El enfoque de Galvani,
04:10
of probing the nervous system with electrodes
94
235000
2000
de sondear el sistema nervioso con electrodos,
04:12
has remained state-of-the-art until today,
95
237000
3000
sigue siendo la norma hoy en día,
04:15
despite a number of drawbacks.
96
240000
3000
a pesar de una serie de inconvenientes.
04:18
Sticking wires into the brain is obviously rather crude.
97
243000
3000
Poner cables en el cerebro obviamente es más bien tosco.
04:21
It's hard to do in animals that run around,
98
246000
2000
Es difícil de hacer en animales en movimiento
04:23
and there is a physical limit
99
248000
2000
y hay un límite físico
04:25
to the number of wires
100
250000
2000
de la cantidad de cables
04:27
that can be inserted simultaneously.
101
252000
3000
que se pueden insertar de forma simultánea.
04:30
So around the turn of the last century,
102
255000
2000
Así que a fines del siglo pasado,
04:32
I started to think,
103
257000
2000
empecé a pensar
04:34
"Wouldn't it be wonderful if one could take this logic
104
259000
3000
que sería maravilloso tomar esta lógica
04:37
and turn it upside down?"
105
262000
2000
y poder revertirla.
04:39
So instead of inserting a wire
106
264000
2000
Así, en vez de insertar un cable
04:41
into one spot of the brain,
107
266000
3000
en un solo lugar del cerebro,
04:44
re-engineer the brain itself
108
269000
2000
mejor rediseñar el propio cerebro
04:46
so that some of its neural elements
109
271000
3000
para que algunos de sus elementos neurales
04:49
become responsive to diffusely broadcast signals
110
274000
3000
sean sensibles a señales de transmisión difusa,
04:52
such as a flash of light.
111
277000
3000
como un destello de luz.
04:55
Such an approach would literally, in a flash of light,
112
280000
3000
Un enfoque tal superaría, en un destello de luz,
04:58
overcome many of the obstacles to discovery.
113
283000
3000
muchos de los obstáculos para el descubrimiento.
05:01
First, it's clearly a non-invasive,
114
286000
3000
En primer lugar, es claramente una forma
05:04
wireless form of communication.
115
289000
3000
de comunicación inalámbrica, no invasiva.
05:07
And second, just as in a radio broadcast,
116
292000
2000
En segundo lugar, como en un programa de radio,
05:09
you can communicate with many receivers at once.
117
294000
3000
uno puede comunicarse con muchos receptores a la vez.
05:12
You don't need to know where these receivers are,
118
297000
3000
No es necesario saber dónde están estos receptores.
05:15
and it doesn't matter if these receivers move --
119
300000
2000
Y no importa si estos receptores se mueven;
05:17
just think of the stereo in your car.
120
302000
3000
basta pensar en el estéreo del coche.
05:20
It gets even better,
121
305000
3000
Se pone aún mejor,
05:23
for it turns out that we can fabricate the receivers
122
308000
3000
pues resulta que podemos fabricar los receptores
05:26
out of materials that are encoded in DNA.
123
311000
3000
a partir de materiales codificados en el ADN.
05:29
So each nerve cell
124
314000
2000
Así, cada célula nerviosa
05:31
with the right genetic makeup
125
316000
2000
con la estructura genética correcta
05:33
will spontaneously produce a receiver
126
318000
3000
producirá de forma espontánea un receptor
05:36
that allows us to control its function.
127
321000
3000
que nos permitirá controlar su función.
05:39
I hope you'll appreciate
128
324000
2000
Espero que aprecien
05:41
the beautiful simplicity
129
326000
2000
la hermosa sencillez
05:43
of this concept.
130
328000
2000
de este concepto.
05:45
There's no high-tech gizmos here,
131
330000
2000
Aquí no hay artilugios de alta tecnología,
05:47
just biology revealed through biology.
132
332000
3000
sólo biología revelada con biología.
05:51
Now let's take a look at these miraculous receivers up close.
133
336000
3000
Ahora miremos de cerca a estos receptores milagrosos.
05:54
As we zoom in on one of these purple neurons,
134
339000
3000
A medida que nos acercamos a estas neuronas púrpura
05:57
we see that its outer membrane
135
342000
2000
vemos que su membrana exterior
05:59
is studded with microscopic pores.
136
344000
2000
está salpicada de poros microscópicos.
06:01
Pores like these conduct electrical current
137
346000
2000
Poros como estos conducen la corriente eléctrica
06:03
and are responsible
138
348000
2000
y son responsables
06:05
for all the communication in the nervous system.
139
350000
2000
de toda la comunicación en el sistema nervioso.
06:07
But these pores here are special.
140
352000
2000
Pero estos poros de aquí son especiales.
06:09
They are coupled to light receptors
141
354000
2000
Están acoplados a receptores de luz
06:11
similar to the ones in your eyes.
142
356000
3000
similares a los de los ojos.
06:14
Whenever a flash of light hits the receptor,
143
359000
2000
Cada vez que un rayo de luz incide en el receptor,
06:16
the pore opens, an electrical current is switched on,
144
361000
3000
se abre el poro, se enciende la corriente eléctrica,
06:19
and the neuron fires electrical impulses.
145
364000
3000
y la neurona dispara impulsos eléctricos.
06:22
Because the light-activated pore is encoded in DNA,
146
367000
3000
Debido a que el poro está codificado en el ADN,
06:25
we can achieve incredible precision.
147
370000
3000
podemos lograr una precisión increíble.
06:28
This is because,
148
373000
2000
Esto se debe a que,
06:30
although each cell in our bodies
149
375000
2000
aunque cada célula de nuestro cuerpo
06:32
contains the same set of genes,
150
377000
2000
contiene el mismo conjunto de genes,
06:34
different mixes of genes get turned on and off
151
379000
2000
se activan y desactivan distintas combinaciones de genes
06:36
in different cells.
152
381000
2000
en células diferentes.
06:38
You can exploit this to make sure
153
383000
2000
Esto se puede aprovechar para asegurarse
06:40
that only some neurons
154
385000
2000
de que sólo algunas neuronas
06:42
contain our light-activated pore and others don't.
155
387000
3000
contengan poros fotosensibles y otras no.
06:45
So in this cartoon, the bluish white cell
156
390000
2000
En esta lámina la célula blanco-azulada
06:47
in the upper-left corner
157
392000
2000
de la esquina superior izquierda
06:49
does not respond to light
158
394000
2000
no responde a la luz
06:51
because it lacks the light-activated pore.
159
396000
3000
porque carece de poros fotosensibles.
06:54
The approach works so well
160
399000
2000
El método funciona tan bien
06:56
that we can write purely artificial messages
161
401000
2000
que se puede escribir mensajes puramente artificiales
06:58
directly to the brain.
162
403000
2000
directamente en el cerebro.
07:00
In this example, each electrical impulse,
163
405000
2000
En este ejemplo cada impuso eléctrico,
07:02
each deflection on the trace,
164
407000
3000
cada desviación de la traza,
07:05
is caused by a brief pulse of light.
165
410000
3000
es causado por un breve pulso de luz.
07:08
And the approach, of course, also works
166
413000
2000
Y el enfoque también funciona
07:10
in moving, behaving animals.
167
415000
3000
en animales en movimiento.
07:13
This is the first ever such experiment,
168
418000
2000
Este es el primer experimento en su tipo,
07:15
sort of the optical equivalent of Galvani's.
169
420000
3000
una especie de equivalente óptico del de Galvani.
07:18
It was done six or seven years ago
170
423000
2000
Fue hecho hace 6 ó 7 años por mi, en ese entonces,
07:20
by my then graduate student, Susana Lima.
171
425000
3000
estudiante de posgrado Susana Lima.
07:23
Susana had engineered the fruit fly on the left
172
428000
3000
Susana diseñó la mosca de la fruta de la izquierda
07:26
so that just two out of the 200,000 cells in its brain
173
431000
4000
para que sólo 2 de las 200.000 células del cerebro
07:30
expressed the light-activated pore.
174
435000
3000
expresaran el poro fotosensible.
07:33
You're familiar with these cells
175
438000
2000
Uds conocen bien estas células
07:35
because they are the ones that frustrate you
176
440000
2000
porque son las que los frustran
07:37
when you try to swat the fly.
177
442000
2000
cuando intentan aplastar la mosca.
07:39
They trained the escape reflex that makes the fly jump into the air
178
444000
3000
Entrenan el reflejo de escape que las hace saltar por el aire
07:42
and fly away whenever you move your hand in position.
179
447000
3000
y volar cada vez que uno mueve la mano de su dirección.
07:46
And you can see here that the flash of light has exactly the same effect.
180
451000
3000
Y aquí pueden ver que el destello de luz tiene exactamente el mismo efecto.
07:49
The animal jumps, it spreads its wings, it vibrates them,
181
454000
3000
El animal salta, despliega sus alas, las hace vibrar,
07:52
but it can't actually take off
182
457000
2000
pero no puede despegar
07:54
because the fly is sandwiched between two glass plates.
183
459000
3000
porque la mosca está atrapada entre dos placas de vidrio.
07:58
Now to make sure that this was no reaction of the fly
184
463000
2000
Para asegurarnos de que no se trataba de la reacción de la mosca
08:00
to a flash it could see,
185
465000
3000
a un destello que podía ver
08:03
Susana did a simple
186
468000
2000
Susana realizó un experimento
08:05
but brutally effective experiment.
187
470000
2000
simple pero brutalmente eficaz.
08:07
She cut the heads off of her flies.
188
472000
3000
Decapitó a sus moscas.
08:11
These headless bodies can live for about a day,
189
476000
3000
Estos cuerpos decapitados pueden vivir un día,
08:14
but they don't do much.
190
479000
2000
pero no hacen mucho.
08:16
They just stand around
191
481000
3000
Sólo se pasean
08:19
and groom excessively.
192
484000
3000
y se pavonean en exceso.
08:22
So it seems that the only trait that survives decapitation is vanity.
193
487000
3000
Parece que el único rasgo que sobrevive a la decapitación es la vanidad.
08:25
(Laughter)
194
490000
3000
(Risas)
08:30
Anyway, as you'll see in a moment,
195
495000
2000
De todos modos, como veremos en un momento,
08:32
Susana was able to turn on the flight motor
196
497000
3000
Susana pudo encender el motor de vuelo
08:35
of what's the equivalent of the spinal cord of these flies
197
500000
3000
del equivalente de la columna vertebral de estas moscas
08:38
and get some of the headless bodies
198
503000
2000
y hacer que algunos cuerpos decapitados
08:40
to actually take off and fly away.
199
505000
3000
realmente despegaran y volaran.
08:47
They didn't get very far, obviously.
200
512000
2000
No llegaron muy lejos, obviamente.
08:50
Since we took these first steps,
201
515000
2000
Desde que dimos estos primeros pasos
08:52
the field of optogenetics has exploded.
202
517000
3000
el campo de la opto genética se ha disparado.
08:55
And there are now hundreds of labs
203
520000
2000
Ahora hay cientos de laboratorios
08:57
using these approaches.
204
522000
2000
que usan estos enfoques.
08:59
And we've come a long way
205
524000
2000
Y hemos recorrido un largo camino
09:01
since Galvani's and Susana's first successes
206
526000
3000
desde los primeros éxitos de Galvani y Susana
09:04
in making animals twitch or jump.
207
529000
2000
en hacer mover a los animales.
09:06
We can now actually interfere with their psychology
208
531000
3000
Ahora podemos interferir con su psicología
09:09
in rather profound ways,
209
534000
2000
de maneras más profundas
09:11
as I'll show you in my last example,
210
536000
2000
como les mostraré en mi último ejemplo,
09:13
which is directed at a familiar question.
211
538000
3000
que apunta a una cuestión familiar.
09:16
Life is a string of choices
212
541000
3000
La vida es una serie de opciones
09:19
creating a constant pressure to decide what to do next.
213
544000
3000
que crean una presión constante para decidir qué hacer a continuación.
09:23
We cope with this pressure by having brains,
214
548000
3000
Hacemos frente a esa presión con el cerebro
09:26
and within our brains, decision-making centers
215
551000
3000
y dentro del cerebro, con los centros de toma de decisiones
09:29
that I've called here the "Actor."
216
554000
3000
que aquí he llamado el Actor.
09:33
The Actor implements a policy that takes into account
217
558000
3000
El Actor implementa una política que tiene en cuenta
09:36
the state of the environment
218
561000
2000
el estado del entorno
09:38
and the context in which we operate.
219
563000
3000
y el contexto en el que operamos.
09:41
Our actions change the environment, or context,
220
566000
3000
Nuestras acciones cambian al medio ambiente o contexto,
09:44
and these changes are then fed back into the decision loop.
221
569000
3000
y estos cambios retroalimentan luego el circuito de decisión.
09:48
Now to put some neurobiological meat
222
573000
3000
Para poner un poco de carne neurobiológica
09:51
on this abstract model,
223
576000
2000
en este modelo abstracto,
09:53
we constructed a simple one-dimensional world
224
578000
2000
construimos un mundo simple unidimensional
09:55
for our favorite subject, fruit flies.
225
580000
3000
para nuestro sujeto favorito, la mosca de la fruta.
09:58
Each chamber in these two vertical stacks
226
583000
2000
Cada cámara en estas dos pilas verticales
10:00
contains one fly.
227
585000
2000
contiene una mosca.
10:02
The left and the right halves of the chamber
228
587000
3000
La mitad izquierda y la derecha de la cámara
10:05
are filled with two different odors,
229
590000
2000
se llenan con dos olores diferentes,
10:07
and a security camera watches
230
592000
2000
y una cámara de seguridad mira
10:09
as the flies pace up and down between them.
231
594000
3000
cómo las moscas se pasean entre ellas.
10:12
Here's some such CCTV footage.
232
597000
2000
Aquí hay algunas tomas del CCTV.
10:14
Whenever a fly reaches the midpoint of the chamber
233
599000
3000
Cada vez que una mosca llega al medio de la cámara
10:17
where the two odor streams meet,
234
602000
2000
donde se juntan los dos olores
10:19
it has to make a decision.
235
604000
2000
tiene que tomar una decisión.
10:21
It has to decide whether to turn around
236
606000
2000
Tiene que decidir si dar la vuelta
10:23
and stay in the same odor,
237
608000
2000
y quedarse en el mismo olor,
10:25
or whether to cross the midline
238
610000
2000
o si cruzar la línea del medio
10:27
and try something new.
239
612000
2000
y probar algo nuevo.
10:29
These decisions are clearly a reflection
240
614000
3000
Estas decisiones son claramente un reflejo
10:32
of the Actor's policy.
241
617000
3000
de la política del Actor.
10:36
Now for an intelligent being like our fly,
242
621000
3000
Para un ser inteligente como nuestra mosca,
10:39
this policy is not written in stone
243
624000
3000
esta política no es algo rígido,
10:42
but rather changes as the animal learns from experience.
244
627000
3000
sino que cambia a medida que el animal aprende de la experiencia.
10:45
We can incorporate such an element
245
630000
2000
Podemos incorporar un elemento tal
10:47
of adaptive intelligence into our model
246
632000
3000
de inteligencia de adaptación al modelo
10:50
by assuming that the fly's brain
247
635000
2000
suponiendo que el cerebro de la mosca
10:52
contains not only an Actor,
248
637000
2000
contiene no sólo un Actor,
10:54
but a different group of cells,
249
639000
2000
sino un grupo diferente de células,
10:56
a "Critic," that provides a running commentary
250
641000
3000
una Crítica, que ofrece comentarios continuos
10:59
on the Actor's choices.
251
644000
2000
sobre la elección del Actor.
11:01
You can think of this nagging inner voice
252
646000
3000
Puede pensarse esta voz interior incesante
11:04
as sort of the brain's equivalent
253
649000
2000
como un equivalente cerebral
11:06
of the Catholic Church,
254
651000
2000
de la Iglesia Católica
11:08
if you're an Austrian like me,
255
653000
3000
para un austríaco como yo,
11:11
or the super-ego, if you're Freudian,
256
656000
3000
o del superego para los freudianos,
11:14
or your mother, if you're Jewish.
257
659000
2000
o de la madre para los judíos.
11:16
(Laughter)
258
661000
4000
(Risas)
11:20
Now obviously,
259
665000
2000
Ahora, obviamente,
11:22
the Critic is a key ingredient
260
667000
3000
la Crítica es un ingrediente clave
11:25
in what makes us intelligent.
261
670000
2000
de lo que nos hace inteligentes.
11:27
So we set out to identify
262
672000
2000
Así, nos propusimos identificar
11:29
the cells in the fly's brain
263
674000
2000
las células del cerebro de la mosca
11:31
that played the role of the Critic.
264
676000
2000
que desempeñaban el papel de la Crítica.
11:33
And the logic of our experiment was simple.
265
678000
3000
Y la lógica de nuestro experimento era sencilla.
11:36
We thought if we could use our optical remote control
266
681000
3000
Si podíamos usar nuestro control remoto óptico
11:39
to activate the cells of the Critic,
267
684000
3000
para activar las células de la Crítica,
11:42
we should be able, artificially, to nag the Actor
268
687000
3000
podríamos, artificialmente, fastidiar al Actor
11:45
into changing its policy.
269
690000
2000
para que cambie su política.
11:47
In other words,
270
692000
2000
En otras palabras,
11:49
the fly should learn from mistakes
271
694000
2000
la mosca debería aprender de los errores
11:51
that it thought it had made
272
696000
2000
que pensara que había cometido,
11:53
but, in reality, it had not made.
273
698000
3000
pero que en realidad no cometió.
11:56
So we bred flies
274
701000
2000
Así que criamos moscas
11:58
whose brains were more or less randomly peppered
275
703000
3000
cuyos cerebros fueron salpicados más o menos al azar
12:01
with cells that were light addressable.
276
706000
2000
con células direccionables por la luz.
12:03
And then we took these flies
277
708000
2000
Y luego tomamos estas moscas
12:05
and allowed them to make choices.
278
710000
2000
y les permitimos tomar decisiones.
12:07
And whenever they made one of the two choices,
279
712000
2000
Y cada vez que elegían una de las dos opciones,
12:09
chose one odor,
280
714000
2000
elegían un olor,
12:11
in this case the blue one over the orange one,
281
716000
2000
en este caso el azul sobre el naranja,
12:13
we switched on the lights.
282
718000
2000
encendíamos las luces.
12:15
If the Critic was among the optically activated cells,
283
720000
3000
Si la Crítica estaba entre las células ópticamente activas,
12:18
the result of this intervention
284
723000
2000
el resultado de esta intervención
12:20
should be a change in policy.
285
725000
3000
debía ser un cambio de política.
12:23
The fly should learn to avoid
286
728000
2000
La mosca debía aprender a evitar
12:25
the optically reinforced odor.
287
730000
2000
el olor ópticamente reforzado.
12:27
Here's what happened in two instances:
288
732000
3000
Esto es lo que sucedió en dos casos.
12:30
We're comparing two strains of flies,
289
735000
3000
Estamos comparando dos cepas de moscas,
12:33
each of them having
290
738000
2000
cada una con
12:35
about 100 light-addressable cells in their brains,
291
740000
2000
unas 100 células direccionables en sus cerebros,
12:37
shown here in green on the left and on the right.
292
742000
3000
mostradas aquí en verde a izquierda y derecha.
12:40
What's common among these groups of cells
293
745000
3000
Lo común entre estos grupos de células
12:43
is that they all produce the neurotransmitter dopamine.
294
748000
3000
es que todas producen el neurotransmisor dopamina.
12:46
But the identities of the individual
295
751000
2000
Pero la identidad de las neuronas
12:48
dopamine-producing neurons
296
753000
2000
individuales productoras de dopamina
12:50
are clearly largely different on the left and on the right.
297
755000
3000
son muy diferentes a la izquierda y a la derecha.
12:53
Optically activating
298
758000
2000
La activación óptica
12:55
these hundred or so cells
299
760000
2000
de estas cientos de células
12:57
into two strains of flies
300
762000
2000
en dos cepas de moscas,
12:59
has dramatically different consequences.
301
764000
2000
tienen consecuencias radicalmente diferentes.
13:01
If you look first at the behavior
302
766000
2000
Si miran primero el comportamiento
13:03
of the fly on the right,
303
768000
2000
de la mosca de la derecha
13:05
you can see that whenever it reaches the midpoint of the chamber
304
770000
3000
se puede ver que cada vez que llega al medio de la cámara
13:08
where the two odors meet,
305
773000
2000
donde se encuentran los dos olores,
13:10
it marches straight through, as it did before.
306
775000
3000
sigue derecho como lo hacía antes.
13:13
Its behavior is completely unchanged.
307
778000
2000
Su comportamiento no cambia.
13:15
But the behavior of the fly on the left is very different.
308
780000
3000
Pero el comportamiento de la mosca de la izquierda es muy diferente.
13:18
Whenever it comes up to the midpoint,
309
783000
3000
Cada vez que llega al medio,
13:21
it pauses,
310
786000
2000
se detiene
13:23
it carefully scans the odor interface
311
788000
2000
analiza con cuidado la interfaz de olor,
13:25
as if it was sniffing out its environment,
312
790000
2000
como si estuviera olfateando su entorno,
13:27
and then it turns around.
313
792000
2000
y luego da la vuelta.
13:29
This means that the policy that the Actor implements
314
794000
3000
Esto significa que la política que implementa el Actor
13:32
now includes an instruction to avoid the odor
315
797000
2000
ahora incluye una instrucción para evitar el olor
13:34
that's in the right half of the chamber.
316
799000
3000
que está en la mitad derecha de la cámara.
13:37
This means that the Critic
317
802000
2000
Esto significa que la Crítica
13:39
must have spoken in that animal,
318
804000
2000
debe haber hablado a ese animal,
13:41
and that the Critic must be contained
319
806000
2000
y que la Crítica debe estar contenida
13:43
among the dopamine-producing neurons on the left,
320
808000
3000
entre las neuronas productoras de dopamina de la izquierda,
13:46
but not among the dopamine producing neurons on the right.
321
811000
3000
pero no en las productoras de dopamina de la derecha.
13:49
Through many such experiments,
322
814000
3000
A través de muchos experimentos,
13:52
we were able to narrow down
323
817000
2000
pudimos reducir
13:54
the identity of the Critic
324
819000
2000
la identidad de la Crítica
13:56
to just 12 cells.
325
821000
2000
a sólo 12 células.
13:58
These 12 cells, as shown here in green,
326
823000
3000
Estas 12 células, como mostramos en verde,
14:01
send the output to a brain structure
327
826000
2000
envían el resultado a una estructura cerebral
14:03
called the "mushroom body,"
328
828000
2000
llamada cuerpo de hongo
14:05
which is shown here in gray.
329
830000
2000
que está aquí en gris.
14:07
We know from our formal model
330
832000
2000
Sabemos por nuestro modelo formal
14:09
that the brain structure
331
834000
2000
que la estructura del cerebro
14:11
at the receiving end of the Critic's commentary is the Actor.
332
836000
3000
en el extremo receptor de los comentarios de la Crítica es el Actor.
14:14
So this anatomy suggests
333
839000
2000
Esta anatomía sugiere
14:16
that the mushroom bodies have something to do
334
841000
3000
que los cuerpos de hongos tienen algo que ver
14:19
with action choice.
335
844000
2000
con la elección de la acción.
14:21
Based on everything we know about the mushroom bodies,
336
846000
2000
En base a todo lo que sabemos sobre los cuerpos de hongos,
14:23
this makes perfect sense.
337
848000
2000
esto tiene mucho sentido.
14:25
In fact, it makes so much sense
338
850000
2000
De hecho, tiene tanto sentido
14:27
that we can construct an electronic toy circuit
339
852000
3000
que podemos construir un circuito electrónico de juguete
14:30
that simulates the behavior of the fly.
340
855000
3000
que simule el comportamiento de la mosca.
14:33
In this electronic toy circuit,
341
858000
3000
En este circuito electrónico de juguete
14:36
the mushroom body neurons are symbolized
342
861000
2000
las neuronas del cuerpo de hongo son simbolizadas
14:38
by the vertical bank of blue LEDs
343
863000
3000
por la hilera vertical de LED azul
14:41
in the center of the board.
344
866000
3000
del centro del tablero.
14:44
These LED's are wired to sensors
345
869000
2000
Estos LEDs están conectados a sensores
14:46
that detect the presence of odorous molecules in the air.
346
871000
3000
que detectan la presencia de moléculas de olor en el aire.
14:50
Each odor activates a different combination of sensors,
347
875000
3000
Cada olor activa una combinación diferente de sensores,
14:53
which in turn activates
348
878000
2000
que a su vez activa
14:55
a different odor detector in the mushroom body.
349
880000
3000
un detector de olores diferente en el cuerpo de hongo.
14:58
So the pilot in the cockpit of the fly,
350
883000
2000
Así que el piloto en la cabina de la mosca,
15:00
the Actor,
351
885000
2000
el Actor,
15:02
can tell which odor is present
352
887000
2000
puede decir qué olor está presente
15:04
simply by looking at which of the blue LEDs lights up.
353
889000
4000
simplemente mirando qué luz del LED azul está encendida.
15:09
What the Actor does with this information
354
894000
2000
Lo que hace el actor con esta información
15:11
depends on its policy,
355
896000
2000
depende de su política
15:13
which is stored in the strengths of the connection,
356
898000
2000
que se almacena en los puntos fuertes de la conexión,
15:15
between the odor detectors
357
900000
2000
entre los detectores de olores
15:17
and the motors
358
902000
2000
y los motores
15:19
that power the fly's evasive actions.
359
904000
2000
que alimentan las acciones evasivas de la mosca.
15:22
If the connection is weak, the motors will stay off
360
907000
2000
Si la conexión es débil, los motores se quedarán apagados
15:24
and the fly will continue straight on its course.
361
909000
3000
y la mosca seguirá derecho en su curso.
15:27
If the connection is strong, the motors will turn on
362
912000
3000
Si la conexión es fuerte, los motores se encenderán
15:30
and the fly will initiate a turn.
363
915000
3000
y la mosca iniciará un giro.
15:33
Now consider a situation
364
918000
2000
Consideren ahora una situación
15:35
in which the motors stay off,
365
920000
2000
con los motores apagados,
15:37
the fly continues on its path
366
922000
3000
la mosca sigue su camino
15:40
and it suffers some painful consequence
367
925000
2000
y sufre una consecuencia dolorosa
15:42
such as getting zapped.
368
927000
2000
cercana a la muerte.
15:44
In a situation like this,
369
929000
2000
En una situación como esa
15:46
we would expect the Critic to speak up
370
931000
2000
esperaríamos que la Crítica se expida
15:48
and to tell the Actor
371
933000
2000
y le diga al Actor
15:50
to change its policy.
372
935000
2000
que cambie de política.
15:52
We have created such a situation, artificially,
373
937000
3000
Hemos creado tal situación de manera artificial
15:55
by turning on the critic with a flash of light.
374
940000
3000
activando la Crítica con un destello de luz.
15:58
That caused a strengthening of the connections
375
943000
3000
Eso provocó un refuerzo de las conexiones
16:01
between the currently active odor detector
376
946000
3000
entre el detector de olores activo actual
16:04
and the motors.
377
949000
2000
y los motores.
16:06
So the next time
378
951000
2000
Así, la próxima vez
16:08
the fly finds itself facing the same odor again,
379
953000
3000
que la mosca se encuentra ante el mismo olor de nuevo,
16:11
the connection is strong enough to turn on the motors
380
956000
3000
la conexión es lo suficientemente fuerte como para encender los motores
16:14
and to trigger an evasive maneuver.
381
959000
3000
y disparar una maniobra evasiva.
16:19
I don't know about you,
382
964000
3000
No se ustedes
16:22
but I find it exhilarating to see
383
967000
3000
pero a mí me resulta emocionante ver
16:25
how vague psychological notions
384
970000
3000
cómo nociones psicológicas vagas
16:28
evaporate and give rise
385
973000
2000
se evaporan y dan lugar
16:30
to a physical, mechanistic understanding of the mind,
386
975000
3000
a una comprensión física, mecánica, de la mente
16:33
even if it's the mind of the fly.
387
978000
3000
incluso si es la mente de una mosca.
16:36
This is one piece of good news.
388
981000
3000
Esta es una buena noticia.
16:39
The other piece of good news,
389
984000
2000
La otra buena noticia,
16:41
for a scientist at least,
390
986000
2000
al menos para un científico,
16:43
is that much remains to be discovered.
391
988000
3000
es que aún queda mucho por descubrir.
16:46
In the experiments I told you about,
392
991000
2000
En los experimentos que les conté
16:48
we have lifted the identity of the Critic,
393
993000
3000
hemos revelado la identidad de la Crítica,
16:51
but we still have no idea
394
996000
2000
pero todavía no tenemos idea de
16:53
how the Critic does its job.
395
998000
2000
cómo hace su trabajo la Crítica.
16:55
Come to think of it, knowing when you're wrong
396
1000000
2000
Si lo pensamos, saber cuándo uno se equivoca
16:57
without a teacher, or your mother, telling you,
397
1002000
3000
sin un maestro, o una madre que nos lo diga,
17:00
is a very hard problem.
398
1005000
2000
es un problema muy difícil.
17:02
There are some ideas in computer science
399
1007000
2000
Hay algunas ideas en ciencias de la computación
17:04
and in artificial intelligence
400
1009000
2000
y en la inteligencia artificial
17:06
as to how this might be done,
401
1011000
2000
de cómo podría hacerse
17:08
but we still haven't solved
402
1013000
2000
pero todavía no hemos resuelto
17:10
a single example
403
1015000
2000
un ejemplo simple
17:12
of how intelligent behavior
404
1017000
3000
de cómo el comportamiento inteligente
17:15
springs from the physical interactions
405
1020000
2000
surge de las interacciones físicas
17:17
in living matter.
406
1022000
2000
en la materia viva.
17:19
I think we'll get there in the not too distant future.
407
1024000
3000
Creo que lo haremos en un futuro no muy lejano.
17:22
Thank you.
408
1027000
2000
Gracias.
17:24
(Applause)
409
1029000
4000
(Aplausos)
ABOUT THE SPEAKER
Gero Miesenboeck - OptogeneticistUsing light and a little genetic engineering -- optogenetics -- Gero Miesenboeck has developed a way to control how living nerve cells work, and advanced understanding of how the brain controls behavior.
Why you should listen
Gero Miesenboeck is pioneering the field of optogenetics: genetically modifying nerve cells to respond to light. By flashing light at a modified neuron in a living nervous system, Miesenboeck and his collaborators can mimic a brain impulse -- and then study what happens next. Optogenetics will allow ever more precise experiments on living brains, allowing us to gather better evidence on how electrical impulses on tissue translate into actual behavior and thoughts.
In one experiment, done at Yale, he and his team engineered fruit flies to be light-sensitive in the neural area responsible for escape response. Then the flies were beheaded; fruit flies can live for a day without their heads, but they don't move. When the modified cells were flashed with light, though, the headless flies flew. Miesenboeck had successfully simulated an order from a brain that wasn't even there anymore.
Miesenboeck's current research at Oxford's growing department of neurobiology focuses on the nerve cell networks that underpin what animals perceive, remember and do. In one recent experiment, he used optogenetics to implant an unpleasant memory in a fruit fly, causing it to "remember" to avoid a certain odor as it traveled around. He and his team were able, in fact, to find the fly's specific 12-neuron brain circuit that govern memory formation.
Gero Miesenboeck | Speaker | TED.com