TEDIndia 2009
Pawan Sinha: How brains learn to see
Pawan Sinha explica cómo el cerebro aprende a ver
Filmed:
Readability: 4.5
939,209 views
Pawan Sinha detalla su innovadora investigación sobre el desarrollo del sistema visual en el cerebro. Sinha y su equipo proporcionan gratuitamente tratamiento para la recuperación de la vista a niños ciegos de nacimiento, para luego estudiar cómo el cerebro aprende a interpretar la información visual. La investigación arroja claridad sobre la neurología, su funcionamiento e incluso sobre el autismo.
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
Si eres un niño ciego en la India,
00:19
you will very likely have to contend with
1
4000
3000
muy probablemente tengas que luchar contra,
00:22
at least two big pieces of bad news.
2
7000
3000
por lo menos, dos cosas muy malas.
00:25
The first bad news
3
10000
2000
La primera cosa mala
00:27
is that the chances of getting treatment
4
12000
3000
es que las posibilidades de conseguir tratamiento
00:30
are extremely slim to none,
5
15000
3000
son prácticamente nulas,
00:33
and that's because most of the blindness
6
18000
2000
y ello se debe a que la mayoría de los programas
00:35
alleviation programs in the country
7
20000
2000
de lucha contra la ceguera en el país
00:37
are focused on adults,
8
22000
2000
se centran en los adultos,
00:39
and there are very, very few hospitals
9
24000
3000
y hay muy, muy pocos hospitales
00:42
that are actually equipped to treat children.
10
27000
3000
que estén realmente equipados para atender a niños.
00:46
In fact, if you were to be treated,
11
31000
4000
De hecho, si les trataran a ustedes,
00:51
you might well end up being treated
12
36000
3000
bien podrían acabar siendo atendidos
00:54
by a person who has no medical credentials
13
39000
3000
por alguien sin acreditación médica,
00:57
as this case from Rajasthan illustrates.
14
42000
3000
como nos muestra este caso de Rajasthan.
01:00
This is a three-year-old orphan girl
15
45000
2000
Se trata de una niña huérfana de 3 años
01:02
who had cataracts.
16
47000
2000
que tenía cataratas.
01:04
So, her caretakers took her
17
49000
2000
Así es que sus tutores la llevaron
01:06
to the village medicine man,
18
51000
2000
al curandero del pueblo,
01:08
and instead of suggesting to the caretakers
19
53000
3000
quien, en lugar de aconsejar a sus tutores
01:11
that the girl be taken to a hospital,
20
56000
3000
que la llevaran a un hospital,
01:14
the person decided to burn her abdomen
21
59000
2000
el hombre decidió quemarle el abdomen
01:16
with red-hot iron bars
22
61000
2000
con unas barras al rojo vivo
01:18
to drive out the demons.
23
63000
2000
para expulsar los demonios.
01:20
The second piece of bad news
24
65000
3000
La segunda cosa mala
01:23
will be delivered to you
25
68000
2000
que les dirán
01:25
by neuroscientists, who will tell you
26
70000
3000
vendrá de parte de los neurólogos, quienes explicarán
01:28
that if you are older than four or five years of age,
27
73000
3000
que si se tiene más de cuatro o cinco años de edad,
01:31
that even if you have your eye corrected,
28
76000
3000
y que, incluso, si pasaran por una operación de ojos,
01:34
the chances of your brain learning how to see
29
79000
3000
las posibilidades de que los cerebros aprendan a ver
01:37
are very, very slim --
30
82000
2000
son muy, muy escasas.
01:39
again, slim or none.
31
84000
3000
Una vez más: escasas o nulas.
01:42
So when I heard these two things,
32
87000
2000
Por eso, cuando escuché todo esto
01:44
it troubled me deeply,
33
89000
2000
me preocupé muchísimo,
01:46
both because of personal reasons
34
91000
2000
tanto por razones personales
01:48
and scientific reasons.
35
93000
2000
como científicas.
01:50
So let me first start with the personal reason.
36
95000
3000
Déjenme comenzar por las personales.
01:53
It'll sound corny, but it's sincere.
37
98000
3000
Les sonará cursi, pero soy honesto.
01:56
That's my son, Darius.
38
101000
2000
Este es mi hijo, Darius.
01:58
As a new father,
39
103000
2000
Como padre primerizo,
02:00
I have a qualitatively different sense
40
105000
4000
tengo un sentimiento cualitativamente diferente
02:04
of just how delicate babies are,
41
109000
3000
que va más allá de qué dulces son los bebés,
02:07
what our obligations are towards them
42
112000
3000
de cuáles son nuestras obligaciones para con ellos,
02:10
and how much love
43
115000
2000
y de cuánto amor
02:12
we can feel towards a child.
44
117000
3000
podemos sentir hacia un niño.
02:15
I would move heaven and earth
45
120000
2000
Movería cielo y tierra
02:17
in order to get treatment for Darius,
46
122000
3000
por un tratamiento para Darius.
02:20
and for me to be told
47
125000
2000
Y, para mí, que me dijeran
02:22
that there might be other Dariuses
48
127000
2000
que podría haber otros Darius
02:24
who are not getting treatment,
49
129000
2000
que no reciben tratamiento alguno,
02:26
that's just viscerally wrong.
50
131000
3000
es algo que rechazo con vehemencia.
02:29
So that's the personal reason.
51
134000
2000
Ese es pues el motivo personal.
02:31
Scientific reason is that this notion
52
136000
3000
El motivo científico es la idea
02:34
from neuroscience of critical periods --
53
139000
2000
de la neurología sobre el periodo crítico
02:36
that if the brain is older
54
141000
3000
en el que, si el cerebro tiene más
02:39
than four or five years of age,
55
144000
2000
de cuatro o cinco años,
02:41
it loses its ability to learn --
56
146000
2000
pierde la capacidad de aprender.
02:43
that doesn't sit well with me,
57
148000
2000
Eso no lo acabo de digerir,
02:45
because I don't think that idea
58
150000
2000
porque no creo que esa cuestión
02:47
has been tested adequately.
59
152000
3000
se haya comprobado adecuadamente.
02:50
The birth of the idea is from
60
155000
2000
La idea surge
02:52
David Hubel and Torsten Wiesel's work,
61
157000
2000
de un trabajo de David Hubel y Torsten Wiesel,
02:54
two researchers who were at Harvard,
62
159000
2000
dos investigadores que estaban en Harvard
02:56
and they got the Nobel Prize in 1981
63
161000
3000
y que obtuvieron el premio nobel en 1981
02:59
for their studies of visual physiology,
64
164000
2000
a raíz de sus estudios sobre la fisiología visual,
03:01
which are remarkably beautiful studies,
65
166000
2000
estudios que son increíblemente interesantes.
03:03
but I believe some of their work
66
168000
2000
Sin embargo, parte de ellos
03:05
has been extrapolated
67
170000
2000
se extrapolaron
03:07
into the human domain prematurely.
68
172000
2000
precipitadamente al ámbito del ser humano.
03:09
So, they did their work with kittens,
69
174000
2000
Ellos realizaron sus estudios con gatitos
03:11
with different kinds of deprivation regiments,
70
176000
2000
con distintos tipos de discapacidades visuales,
03:13
and those studies,
71
178000
2000
y esos estudios,
03:15
which date back to the '60s,
72
180000
2000
que datan de los sesenta,
03:17
are now being applied to human children.
73
182000
3000
se aplican ahora a niños.
03:20
So I felt that I needed to do two things.
74
185000
3000
Así que sentí que debía hacer dos cosas.
03:23
One: provide care
75
188000
3000
Una: prestar asistencia
03:26
to children who are currently
76
191000
2000
a los niños que actualmente están
03:28
being deprived of treatment.
77
193000
2000
privados de tratamiento.
03:30
That's the humanitarian mission.
78
195000
2000
Esa es la misión humanitaria.
03:32
And the scientific mission would be
79
197000
2000
Y la misión científica sería:
03:34
to test the limits
80
199000
2000
verificar los límites
03:36
of visual plasticity.
81
201000
2000
de la flexibilidad visual.
03:38
And these two missions, as you can tell,
82
203000
3000
Estas dos misiones, como podrán ver,
03:41
thread together perfectly. One adds to the other;
83
206000
3000
se entrelazan perfectamente, una aporta a la otra.
03:44
in fact, one would be impossible without the other.
84
209000
3000
De hecho, una sería imposible sin la otra.
03:49
So, to implement
85
214000
2000
Por lo tanto, para llevar a cabo
03:51
these twin missions,
86
216000
2000
estas dos misiones,
03:53
a few years ago, I launched Project Prakash.
87
218000
3000
puse en marcha, hace unos años, el proyecto Prakash.
03:56
Prakash, as many of you know,
88
221000
2000
Prakash, como mucho de ustedes saben,
03:58
is the Sanskrit word for light,
89
223000
2000
es el equivalente en sánscrito para la palabra "luz",
04:00
and the idea is that
90
225000
2000
y la idea es que
04:02
in bringing light into the lives of children,
91
227000
3000
al traer la luz a la vida de estos niños,
04:05
we also have a chance
92
230000
2000
también tendremos la posibilidad
04:07
of shedding light on some of the
93
232000
2000
de arrojar luz sobre algunos de los
04:09
deepest mysteries of neuroscience.
94
234000
3000
misterios más profundos de la neurología.
04:12
And the logo -- even though it looks extremely Irish,
95
237000
3000
Y el logotipo, incluso aún cuando parezca muy irlandés,
04:15
it's actually derived from
96
240000
2000
deriva en realidad del
04:17
the Indian symbol of Diya, an earthen lamp.
97
242000
4000
símbolo hindú del Diya que es una lámpara de barro.
04:21
The Prakash, the overall effort
98
246000
3000
Prakash, el proyecto global
04:24
has three components:
99
249000
2000
tiene tres partes,
04:26
outreach, to identify children in need of care;
100
251000
4000
asistencia para identificar a los niños con falta de cuidados,
04:30
medical treatment; and in subsequent study.
101
255000
3000
tratamiento médico y un posterior estudio.
04:33
And I want to show you a short video clip
102
258000
3000
Quiero mostrarles un breve video clip
04:36
that illustrates the first two components of this work.
103
261000
3000
que nos enseña las dos primeras partes de este trabajo.
04:41
This is an outreach station
104
266000
2000
Este es un centro médico
04:43
conducted at a school for the blind.
105
268000
3000
que funciona en una escuela para ciegos.
04:46
(Text: Most of the children are profoundly and permanently blind ...)
106
271000
5000
(Texto: La mayoría de los niños tiene una ceguera irreversible o severa...)
04:51
Pawan Sinha: So, because this is a school for the blind,
107
276000
5000
Pawan Sinha: Puesto que, es una escuela para ciegos,
04:56
many children have permanent conditions.
108
281000
2000
muchos niños tienen una ceguera irreversible.
04:58
That's a case of microphthalmos,
109
283000
3000
Este es un caso de microftalmia.
05:01
which is malformed eyes,
110
286000
2000
que es una malformación de los ojos,
05:03
and that's a permanent condition;
111
288000
2000
y es irreversible.
05:05
it cannot be treated.
112
290000
2000
No se puede tratar.
05:07
That's an extreme of micropthalmos
113
292000
2000
Este es un caso extremo de microftalmia.
05:09
called enophthalmos.
114
294000
2000
denominado enoftalmia.
05:11
But, every so often, we come across children
115
296000
2000
Pero, muy a menudo, nos encontramos con niños
05:13
who show some residual vision,
116
298000
3000
que cuentan con una mínima visión residual,
05:16
and that is a very good sign
117
301000
3000
y esto es una muy buena señal
05:19
that the condition might actually be treatable.
118
304000
2000
de que la enfermedad realmente se pueda tratar.
05:21
So, after that screening, we bring the children to the hospital.
119
306000
3000
Después del análisis, traemos al niño al hospital.
05:24
That's the hospital we're working with in Delhi,
120
309000
2000
Este es el hospital con el que trabajamos en Delhi,
05:26
the Schroff Charity Eye Hospital.
121
311000
3000
el hospital oftalmológico Shroff's Charity.
05:29
It has a very well-equipped
122
314000
2000
Está muy bien equipado
05:31
pediatric ophthalmic center,
123
316000
3000
con un centro oftalmológico pediátrico,
05:35
which was made possible in part
124
320000
2000
que se logró en parte gracias a
05:37
by a gift from the Ronald McDonald charity.
125
322000
4000
una donación entregada por la fundación Ronald McDonald.
05:41
So, eating burgers actually helps.
126
326000
3000
Así es que, comer hamburguesas en realidad ayuda.
05:45
(Text: Such examinations allow us to improve
127
330000
2000
(Texto: Dichos exámenes nos permiten mejorar
05:47
eye-health in many children, and ...
128
332000
2000
la salud ocular en muchos niños,
05:54
... help us find children who can participate in Project Prakash.)
129
339000
3000
... y nos ayuda a encontrar niños que puedan participar en el proyecto Prakash.)
05:57
PS: So, as I zoom in to the eyes of this child,
130
342000
2000
PS: A medida que hago zoom en los ojos de este niño,
05:59
you will see the cause of his blindness.
131
344000
3000
ustedes verán la causa de su ceguera.
06:03
The whites that you see in the middle of his pupils
132
348000
3000
Lo blanco que ven en el medio de sus pupilas
06:06
are congenital cataracts,
133
351000
3000
son cataratas congénitas,
06:09
so opacities of the lens.
134
354000
2000
que opacan los cristalinos.
06:11
In our eyes, the lens is clear,
135
356000
3000
En nuestros ojos los cristalinos son claros,
06:14
but in this child, the lens has become opaque,
136
359000
2000
pero en este niño, los cristalinos son oscuros
06:16
and therefore he can't see the world.
137
361000
3000
y por eso no puede ver el mundo.
06:19
So, the child is given treatment. You'll see shots of the eye.
138
364000
3000
Así que, el niño fue tratado. Verán fotos del ojo.
06:22
Here's the eye with the opaque lens,
139
367000
2000
Aquí está el ojo con el cristalino opaco,
06:24
the opaque lens extracted
140
369000
2000
se extrajo el cristalino opaco,
06:26
and an acrylic lens inserted.
141
371000
3000
y se insertó uno acrílico.
06:29
And here's the same child
142
374000
2000
Y aquí está el mismo niño
06:31
three weeks post-operation,
143
376000
3000
tres semanas después de la cirugía
06:34
with the right eye open.
144
379000
3000
con el ojo derecho abierto.
06:40
(Applause)
145
385000
6000
(Aplausos)
06:46
Thank you.
146
391000
2000
Gracias.
06:48
So, even from that little clip, you can begin to get the sense
147
393000
3000
Así que a partir de ese video, ustedes pueden empezar a entender
06:51
that recovery is possible,
148
396000
2000
que la recuperación es posible,
06:53
and we have now
149
398000
2000
nosotros ya hemos tratado
06:55
provided treatment to over 200 children,
150
400000
3000
a más de 200 niños,
06:58
and the story repeats itself.
151
403000
2000
y la historia se repite.
07:00
After treatment, the child
152
405000
2000
Después del tratamiento, el niño
07:02
gains significant functionality.
153
407000
3000
logra una funcionalidad significativa.
07:05
In fact, the story holds true
154
410000
3000
De hecho, la historia se sostiene
07:08
even if you have a person who got sight
155
413000
2000
incluso para aquellos que lograron ver
07:10
after several years of deprivation.
156
415000
2000
después de años de ceguera.
07:12
We did a paper a few years ago
157
417000
2000
Hace unos años escribimos un artículo
07:14
about this woman that you see on the right, SRD,
158
419000
4000
sobre esta mujer que ven a la derecha, SRD,
07:18
and she got her sight late in life,
159
423000
2000
ella consiguió ver a una edad avanzada
07:20
and her vision is remarkable at this age.
160
425000
4000
y su vista es excelente a esta edad.
07:24
I should add a tragic postscript to this --
161
429000
3000
Debo agregar un dato lamentable a esta historia.
07:27
she died two years ago
162
432000
2000
Ella falleció hace dos años
07:29
in a bus accident.
163
434000
2000
en un accidente de bus.
07:31
So, hers is just a truly inspiring story --
164
436000
4000
Su historia es verdaderamente inspiradora,
07:35
unknown, but inspiring story.
165
440000
3000
desconozida, pero inspiradora.
07:38
So when we started finding these results,
166
443000
2000
Así que cuando empezamos a obtener estos resultados,
07:40
as you might imagine, it created quite a bit of stir
167
445000
3000
como podrán imaginar, todo esto creo una pequeña controversia
07:43
in the scientific and the popular press.
168
448000
3000
en la prensa pública y científica.
07:46
Here's an article in Nature
169
451000
2000
Aquí tenemos un artículo en la revista Nature
07:48
that profiled this work,
170
453000
2000
con una reseña de este trabajo
07:50
and another one in Time.
171
455000
2000
y otra publicación en la revista Time.
07:52
So, we were fairly convinced -- we are convinced --
172
457000
2000
Estábamos bastante seguros, estamos seguros
07:54
that recovery is feasible,
173
459000
2000
de que la recuperación es factible,
07:56
despite extended visual deprivation.
174
461000
3000
a pesar de la imposibilidad de ver por mucho tiempo.
07:59
The next obvious question to ask:
175
464000
2000
La siguiente pregunta obvia es:
08:01
What is the process of recovery?
176
466000
3000
¿cuál es el proceso de recuperación?
08:04
So, the way we study that is,
177
469000
3000
El modo en el que estudiamos esto es,
08:07
let's say we find a child who has light sensitivity.
178
472000
2000
supongamos que hay un niño con sensibilidad a la luz.
08:09
The child is provided treatment,
179
474000
2000
Tratamos al niño
08:11
and I want to stress that the treatment
180
476000
2000
y quiero subrayar que el tratamiento
08:13
is completely unconditional;
181
478000
2000
no está sujeto a ninguna condición.
08:15
there is no quid pro quo.
182
480000
2000
No se pide nada a cambio.
08:17
We treat many more children then we actually work with.
183
482000
3000
Trabajamos con menos niños de los que en realidad tratamos.
08:20
Every child who needs treatment is treated.
184
485000
3000
A cada niño que lo necesita lo tratamos.
08:23
After treatment, about every week,
185
488000
2000
Después del tratamiento, casi semanalmente,
08:25
we run the child
186
490000
2000
analizamos al niño
08:27
on a battery of simple visual tests
187
492000
3000
con una serie de tests visuales
08:30
in order to see how their visual skills
188
495000
2000
para comprobar si sus funciones visuales
08:32
are coming on line.
189
497000
2000
son correctas.
08:34
And we try to do this for as long as possible.
190
499000
3000
Intentamos hacer esto lo más prolongadamente posible.
08:37
This arc of development
191
502000
2000
Este abanico de evolución
08:39
gives us unprecedented
192
504000
2000
nos otorga una información increíblemente
08:41
and extremely valuable information
193
506000
2000
valiosa y novedosa
08:43
about how the scaffolding of vision
194
508000
2000
sobre cómo la estructura de la vista
08:45
gets set up.
195
510000
2000
toma forma.
08:47
What might be the causal connections
196
512000
2000
¿Cuáles podrían ser las relaciones causantes
08:49
between the early developing skills
197
514000
2000
entre un desarrollo temprano de habilidades
08:51
and the later developing ones?
198
516000
2000
y uno más tardío?
08:53
And we've used this general approach to study
199
518000
2000
Hemos seguido en general este enfoque para estudiar
08:55
many different visual proficiencies,
200
520000
3000
varias capacidades visuales diferentes,
08:58
but I want to highlight one particular one,
201
523000
4000
pero quiero resaltar una en particular,
09:02
and that is image parsing into objects.
202
527000
3000
que es el análisis de las imágenes de los objetos.
09:05
So, any image of the kind that you see on the left,
203
530000
2000
Cualquier imagen como la que ven a la izquierda,
09:07
be it a real image or a synthetic image,
204
532000
3000
ya sea real o virtual,
09:10
it's made up of little regions
205
535000
2000
está hecha de pequeñas partes
09:12
that you see in the middle column,
206
537000
2000
que ven en la columna central,
09:14
regions of different colors, different luminances.
207
539000
3000
partes de diferentes colores y luminosidad.
09:17
The brain has this complex task
208
542000
3000
El cerebro tiene la difícil tarea
09:20
of putting together, integrating,
209
545000
3000
de agrupar los subconjuntos
09:23
subsets of these regions
210
548000
2000
de estas partes e integrarlas
09:25
into something that's more meaningful,
211
550000
2000
para lograr algo más significativo
09:27
into what we would consider to be objects,
212
552000
2000
formando lo que consideramos que son objetos,
09:29
as you see on the right.
213
554000
2000
como ustedes ven a la derecha.
09:31
And nobody knows how this integration happens,
214
556000
2000
Nadie sabe cómo suceden estas integraciones.
09:33
and that's the question we asked with Project Prakash.
215
558000
4000
Y esa es la pregunta que nos hicimos en el proyecto Prakash.
09:37
So, here's what happens
216
562000
2000
Así que, aquí está lo que sucede
09:39
very soon after the onset of sight.
217
564000
3000
poco después de comenzar a ver.
09:42
Here's a person who had gained sight just a couple of weeks ago,
218
567000
3000
Esta persona había recuperado la vista un par de semanas antes,
09:45
and you see Ethan Myers, a graduate student from MIT,
219
570000
3000
y aquí ven a Ethan Myers, un estudiante del MIT (Instituto Tecnológico de Massachusetts),
09:48
running the experiment with him.
220
573000
3000
llevando a cabo un experimento con él.
09:51
His visual-motor coordination is quite poor,
221
576000
4000
Su coordinación motora visual es muy limitada,®
09:55
but you get a general sense
222
580000
2000
pero ustedes se hacen una idea
09:57
of what are the regions that he's trying to trace out.
223
582000
3000
de cuáles son las partes que él intenta trazar.
10:00
If you show him real world images,
224
585000
2000
Si le muestran imágenes del mundo real,
10:02
if you show others like him real world images,
225
587000
3000
si le muestran a otro como él imágenes del mundo real,
10:05
they are unable to recognize most of the objects
226
590000
2000
serán incapaces de reconocer la mayoría de los objetos
10:07
because the world to them is over-fragmented;
227
592000
3000
porque el mundo para ellos estará totalmente fragmentado,
10:10
it's made up of a collage, a patchwork,
228
595000
3000
les parecerá un collage, una serie de retazos
10:13
of regions of different colors and luminances.
229
598000
2000
de regiones de diferentes colores y luminosidades.
10:15
And that's what's indicated in the green outlines.
230
600000
2000
Y eso es lo que está señalado en los contornos verdes.
10:17
When you ask them,
231
602000
2000
Cuando se les pide que,
10:19
"Even if you can't name the objects, just point to where the objects are,"
232
604000
3000
incluso si no pueden nombrar los objetos, que señalen dónde están.
10:22
these are the regions that they point to.
233
607000
2000
Estas son las partes que ellos señalan.
10:24
So the world is this complex
234
609000
2000
El mundo es, entonces, un complejo
10:26
patchwork of regions.
235
611000
2000
mosaico de partes.
10:28
Even the shadow on the ball
236
613000
2000
Incluso la sombra sobre la pelota
10:30
becomes its own object.
237
615000
3000
se transforma en un objeto.
10:33
Interestingly enough,
238
618000
2000
Muy interesante,
10:35
you give them a few months,
239
620000
2000
si les damos pocos meses
10:37
and this is what happens.
240
622000
3000
esto es lo que pasa.
10:43
Doctor: How many are these?
241
628000
2000
Doctor: ¿Cuántos son esos?
10:45
Patient: These are two things.
242
630000
2000
Paciente: Son dos.
10:47
Doctor: What are their shapes?
243
632000
2000
Doctor: ¿Qué formas tienen?
10:49
Patient: Their shapes ...
244
634000
2000
Paciente: Sus formas...
10:51
This one is a circle,
245
636000
3000
Este es un círculo,
10:54
and this
246
639000
2000
y este
10:56
is a square.
247
641000
2000
es un cuadrado.
10:58
PS: A very dramatic transformation has come about.
248
643000
3000
PS: Tuvo lugar una transformación drástica.
11:01
And the question is:
249
646000
2000
Y la pregunta es:
11:03
What underlies this transformation?
250
648000
2000
¿en qué se basa esta transformación?
11:05
It's a profound question,
251
650000
2000
Es una pregunta profunda,
11:07
and what's even more amazing is how simple
252
652000
2000
y es aún más sorprendente lo simple
11:09
the answer is.
253
654000
2000
que es la respuesta.
11:11
The answer lies in motion
254
656000
2000
La respuesta se halla en el movimiento
11:13
and that's what I want to show you in the next clip.
255
658000
3000
y eso es lo que les quiero mostrar en el próximo video clip.
11:18
Doctor: What shape do you see here?
256
663000
2000
Doctor: ¿Qué forma ves aquí?
11:20
Patient: I can't make it out.
257
665000
3000
Paciente: No logro descifrarlo.
11:28
Doctor: Now?
258
673000
2000
Doctor: ¿Ahora?
11:31
Patient: Triangle.
259
676000
2000
Paciente: Un triángulo.
11:35
Doctor: How many things are these?
260
680000
3000
Doctor: ¿Cuántos objetos hay aquí?
11:48
Now, how many things are these?
261
693000
3000
¿Ahora, cuántos objetos hay?
11:51
Patient: Two.
262
696000
2000
Paciente: Dos.
11:53
Doctor: What are these things?
263
698000
2000
Doctor: ¿Qué son?
11:56
Patient: A square and a circle.
264
701000
2000
Paciente: Un cuadrado y un círculo.
11:58
PS: And we see this pattern over and over again.
265
703000
3000
PS: Y vemos que este patrón se repite una y otra vez.
12:01
The one thing the visual system needs
266
706000
3000
Lo único que el sistema visual necesita
12:04
in order to begin parsing the world
267
709000
2000
para empezar a comprender el mundo
12:06
is dynamic information.
268
711000
2000
es información dinámica.
12:08
So the inference we are deriving from this,
269
713000
2000
Por lo tanto, lo que entendemos de esto
12:10
and several such experiments,
270
715000
2000
y de varias pruebas semejantes,
12:12
is that dynamic information processing,
271
717000
2000
es que el proceso dinámico de información,
12:14
or motion processing,
272
719000
2000
o el proceso del movimiento,
12:16
serves as the bedrock for building
273
721000
2000
sirve de fundamento para edificar
12:18
the rest of the complexity of visual processing;
274
723000
4000
el resto del complejo proceso visual.
12:22
it leads to visual integration
275
727000
2000
Ello nos lleva a la integración visual
12:24
and eventually to recognition.
276
729000
3000
y al reconocimiento final.
12:27
This simple idea has far reaching implications.
277
732000
3000
Esta idea sencilla posee repercusiones trascendentales.
12:30
And let me just quickly mention two,
278
735000
3000
Y permítanme rápidamente nombrarles dos.
12:33
one, drawing from the domain of engineering,
279
738000
2000
Una pertenece a los dominios de la ingeniería,
12:35
and one from the clinic.
280
740000
2000
y la otra proviene de la clínica.
12:37
So, from the perspective of engineering,
281
742000
2000
Desde la perspectiva de la ingeniería,
12:39
we can ask: Goven that we know
282
744000
3000
nos podemos preguntar, puesto que sabemos
12:42
that motion is so important for the human visual system,
283
747000
2000
que el movimiento es muy importante para el sistema visual humano,
12:44
can we use this as a recipe
284
749000
3000
¿podemos utilizar esto como una receta
12:47
for constructing machine-based vision systems
285
752000
3000
para construir sistemas visuales operados por máquinas
12:50
that can learn on their own, that don't need to be programmed
286
755000
3000
que puedan aprender solos y que no necesiten ser programados
12:53
by a human programmer?
287
758000
2000
por un ser humano?
12:55
And that's what we're trying to do.
288
760000
2000
Y eso es lo que estamos tratando de hacer.
12:57
I'm at MIT, at MIT you need to apply
289
762000
3000
Estoy en el MIT, allí se debe aplicar
13:00
whatever basic knowledge you gain.
290
765000
2000
cualquier conocimiento básico que adquieras.
13:02
So we are creating Dylan,
291
767000
2000
Así que estamos creando el Dylan
13:04
which is a computational system
292
769000
2000
que es un sistema computacional
13:06
with an ambitious goal
293
771000
2000
cuyo objetivo ambicioso
13:08
of taking in visual inputs
294
773000
2000
es recoger adquisiciones visuales
13:10
of the same kind that a human child would receive,
295
775000
3000
de la misma clase que las que recibiría un niño
13:13
and autonomously discovering:
296
778000
2000
para luego descubrir automáticamente
13:15
What are the objects in this visual input?
297
780000
3000
cuáles son los objetos en dichas adquisiciones visuales.
13:18
So, don't worry about the internals of Dylan.
298
783000
3000
Pero, no se preocupen por los asuntos intrínsecos del Dylan.
13:21
Here, I'm just going to talk about
299
786000
3000
Aquí, sólo les voy a hablar acerca
13:24
how we test Dylan.
300
789000
2000
de cómo probamos el Dylan.
13:26
The way we test Dylan is by giving it
301
791000
2000
La manera en la que probamos el Dylan es proveyéndole
13:28
inputs, as I said, of the same kind
302
793000
3000
las adquisiciones, como ya dije, de las del tipo
13:31
that a baby, or a child in Project Prakash would get.
303
796000
3000
que un bebé o un niño adquiriría en el proyecto Prakash.
13:34
But for a long time we couldn't quite figure out:
304
799000
3000
Pero durante mucho tiempo no logramos desentrañar del todo
13:37
Wow can we get these kinds of video inputs?
305
802000
3000
cómo podemos obtener estos tipos de adquisiciones para video.
13:41
So, I thought,
306
806000
2000
Entonces, pensé que
13:43
could we have Darius
307
808000
2000
Darius nos podría servir
13:45
serve as our babycam carrier,
308
810000
3000
de bebé porta-cámara
13:48
and that way get the inputs that we feed into Dylan?
309
813000
3000
y de ese modo conseguir las adquisiciones que cargaríamos en el Dylan.
13:51
So that's what we did.
310
816000
2000
Y eso fue lo que hicimos.
13:53
(Laughter)
311
818000
7000
(Risas)
14:00
I had to have long conversations with my wife.
312
825000
3000
Tuve que hablar mucho con mi esposa.
14:03
(Laughter)
313
828000
5000
(Risas)
14:08
In fact, Pam, if you're watching this,
314
833000
2000
De hecho, Pam, si estás viendo esto,
14:10
please forgive me.
315
835000
2000
por favor perdóname.
14:13
So, we modified the optics of the camera
316
838000
4000
Así es que, modificamos la óptica de la cámara
14:17
in order to mimic the baby's visual acuity.
317
842000
3000
para poder imitar la agudeza visual del bebé.
14:20
As some of you might know,
318
845000
2000
Como algunos de ustedes sabrán,
14:22
babyies are born pretty much legally blind.
319
847000
4000
los bebés nacen prácticamente ciegos.
14:26
Their acuity -- our acuity is 20/20;
320
851000
3000
Su agudeza visual -la nuestra es de 20/20-
14:29
babies' acuity is like 20/800,
321
854000
3000
la de ellos es de unos 20/800,
14:32
so they are looking at the world
322
857000
2000
por lo tanto miran el mundo
14:34
in a very, very blurry fashion.
323
859000
3000
de un modo muy, muy borroso.
14:37
Here's what a baby-cam video looks like.
324
862000
3000
Así es como se ve el video de la una cámara de bebé.
14:41
(Laughter)
325
866000
9000
(Risas)
14:50
(Applause)
326
875000
3000
(Aplausos)
14:53
Thankfully, there isn't any audio
327
878000
2000
Por suerte, el video
14:55
to go with this.
328
880000
3000
no tiene audio.
14:58
What's amazing is that working with such
329
883000
2000
Lo que es increíble, es que con esta
15:00
highly degraded input,
330
885000
2000
visión tan borrosa
15:02
the baby, very quickly, is able
331
887000
2000
el bebé, muy rápidamente, es capaz
15:04
to discover meaning in such input.
332
889000
3000
de descubrir el significado en estas adquisiciones.
15:07
But then two or three days afterward,
333
892000
2000
Pero después de dos o tres días,
15:09
babies begin to pay attention
334
894000
2000
los bebés comienzan a prestar atención
15:11
to their mother's or their father's face.
335
896000
2000
a los rostros de sus madres y padres.
15:13
How does that happen? We want Dylan to be able to do that,
336
898000
3000
¿Cómo sucede esto? Queremos que el Dylan sea capaz de hacerlo.
15:16
and using this mantra of motion,
337
901000
3000
Y usando esta muestra de movimiento,
15:19
Dylan actually can do that.
338
904000
2000
el Dylan realmente lo puede hacer
15:21
So, given that kind of video input,
339
906000
3000
a pesar del tipo de adquisición del video,
15:24
with just about six or seven minutes worth of video,
340
909000
3000
con sólo unos seis o siete minutos de filmación,
15:27
Dylan can begin to extract patterns
341
912000
3000
el Dylan puede comenzar a obtener los patrones
15:30
that include faces.
342
915000
3000
que incluyen caras.
15:33
So, it's an important demonstration
343
918000
2000
Este es una demostración importante
15:35
of the power of motion.
344
920000
2000
del poder del movimiento.
15:37
The clinical implication, it comes from the domain of autism.
345
922000
3000
La repercusión clínica viene del ámbito del autismo.
15:40
Visual integration has been associated with autism
346
925000
2000
La integración visual fue asociada al autismo
15:42
by several researchers.
347
927000
2000
por muchos investigadores.
15:44
When we saw that, we asked:
348
929000
2000
Cuando vimos eso, nos preguntamos:
15:46
Could the impairment in visual integration
349
931000
3000
¿puede la discapacidad de integración visual
15:49
be the manifestation of something underneath,
350
934000
3000
manifestándose a través de algo subyacente
15:52
of dynamic information processing deficiencies in autism?
351
937000
3000
a la deficiencia del procesamiento de la información dinámica hacer que se desarrolle el autismo?
15:55
Because, if that hypothesis were to be true,
352
940000
3000
Porque, si esta hipótesis fuera verdad,
15:58
it would have massive repercussions in our understanding
353
943000
3000
tendría repercusiones inmensas en nuestro entendimiento
16:01
of what's causing the many different aspects
354
946000
2000
de muchos de los diferentes aspectos causantes
16:03
of the autism phenotype.
355
948000
3000
del fenotipo del autismo.
16:06
What you're going to see are
356
951000
2000
Lo que van a ver son
16:08
video clips of two children -- one neurotypical,
357
953000
3000
unos video clips de dos niños, uno es neurotípico,
16:11
one with autism, playing Pong.
358
956000
2000
el otro padece autismo, jugando al ping-pong.
16:13
So, while the child is playing Pong, we are tracking where they're looking.
359
958000
3000
Mientras ellos juegan al ping-pong, nosotros observamos dónde miran.
16:16
In red are the eye movement traces.
360
961000
3000
En rojo, están marcados los movimientos de sus ojos,
16:19
This is the neurotypical child, and what you see
361
964000
3000
éste es el niño neurotípico, y lo que ustedes ven
16:22
is that the child is able to make cues
362
967000
2000
es lo que el niño es capaz de percibir
16:24
of the dynamic information
363
969000
2000
de la información dinámica
16:26
to predict where the ball is going to go.
364
971000
2000
para calcular hacia dónde irá la pelota.
16:28
Even before the ball gets to a place,
365
973000
3000
Incluso antes de que la pelota llegue,
16:31
the child is already looking there.
366
976000
3000
el niño ya está mirando allí.
16:34
Contrast this with a child
367
979000
2000
Si lo comparamos con un niño
16:36
with autism playing the same game.
368
981000
2000
con autismo jugando a lo mismo,
16:38
Instead of anticipating,
369
983000
2000
en lugar de anticiparse,
16:40
the child always follows where the ball has been.
370
985000
3000
siempre va hacia donde estaba la pelota.
16:43
The efficiency of the use
371
988000
2000
La eficiencia en el uso
16:45
of dynamic information
372
990000
2000
de la información dinámica
16:47
seems to be significantly compromised in autism.
373
992000
3000
en el autismo parece estar considerablemente comprometida.
16:51
So we are pursuing this line of work
374
996000
3000
Así que nosotros seguimos esta línea de trabajo
16:54
and hopefully we'll have
375
999000
2000
y con suerte pronto obtendremos
16:56
more results to report soon.
376
1001000
2000
más resultados para informarles pronto.
16:58
Looking ahead, if you think of this disk
377
1003000
3000
Mirando al futuro, si ustedes piensan en este disco
17:01
as representing all of the children
378
1006000
2000
como representante de todos los niños
17:03
we've treated so far,
379
1008000
2000
que hemos tratado hasta ahora,
17:05
this is the magnitude of the problem.
380
1010000
2000
esta es la magnitud del problema.
17:07
The red dots are the children we have not treated.
381
1012000
3000
Los puntos rojos son los niños que no hemos tratado.
17:10
So, there are many, many more children who need to be treated,
382
1015000
2000
Por lo tanto, hay muchos, muchos niños más que necesitan ser tratados,
17:12
and in order to expand the scope of the project,
383
1017000
3000
y para extender el campo de acción del proyecto,
17:15
we are planning on launching
384
1020000
2000
planeamos abrir
17:17
The Prakash Center for Children,
385
1022000
2000
el Centro Prakash para niños,
17:19
which will have a dedicated pediatric hospital,
386
1024000
3000
que tendrá un hospital pediátrico,
17:22
a school for the children we are treating
387
1027000
2000
una escuela para los niños en tratamiento
17:24
and also a cutting-edge research facility.
388
1029000
2000
y también un centro de investigaciones avanzado.
17:26
The Prakash Center will integrate health care,
389
1031000
3000
El Centro Prakash integrará asistencia sanitaria,
17:29
education and research in a way
390
1034000
2000
educación e investigación de un modo
17:31
that truly creates the whole
391
1036000
2000
que realmente cree un todo
17:33
to be greater than the sum of the parts.
392
1038000
3000
que sea más que la suma de las partes.
17:36
So, to summarize: Prakash, in its five years of existence,
393
1041000
3000
Es decir, resumiendo, Prakash, en sus cinco años de vida,
17:39
it's had an impact in multiple areas,
394
1044000
3000
ha tocado distintas áreas,
17:42
ranging from basic neuroscience
395
1047000
2000
que van desde la neurología básica,
17:44
plasticity and learning in the brain,
396
1049000
2000
plasticidad y aprendizaje del cerebro,
17:46
to clinically relevant hypotheses like in autism,
397
1051000
4000
hasta la hipótesis clínicamente relevante como la del autismo,
17:50
the development of autonomous machine vision systems,
398
1055000
3000
el desarrollo de máquinas automáticas de sistema visuales,
17:53
education of the undergraduate and graduate students,
399
1058000
3000
formación de estudiantes graduados y no graduados
17:56
and most importantly in the alleviation
400
1061000
2000
y la más importante que es la reducción
17:58
of childhood blindness.
401
1063000
2000
de la ceguera en los niños.
18:00
And for my students and I, it's been
402
1065000
2000
Y para mí y mis estudiantes, ha sido
18:02
just a phenomenal experience
403
1067000
2000
sencillamente una experiencia extraordinaria
18:04
because we have gotten to do interesting research,
404
1069000
4000
porque hemos logrado hacer una investigación interesante
18:08
while at the same time
405
1073000
2000
mientras que al mismo tiempo
18:10
helping the many children that we have worked with.
406
1075000
2000
ayudamos a muchos niños con los que hemos trabajado.
18:12
Thank you very much.
407
1077000
2000
Muchas gracias.
18:14
(Applause)
408
1079000
2000
(Aplausos)
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