TEDGlobal 2010
Sebastian Seung: I am my connectome
Sebastian Seung: yo soy mi conectoma
Filmed:
Readability: 4.4
1,131,223 views
Sebastian Seung está trazando un nuevo modelo tremendamente ambicioso del cerebro que se centra en las conexiones interneuronales. Él lo llama "conectoma" y es tan individual como nuestro genoma y entenderlo podría abrir una nueva manera de entender nuestro cerebro y nuestra mente.
Sebastian Seung - Computational neuroscientist
Sebastian Seung is a leader in the new field of connectomics, currently the hottest space in neuroscience, which studies, in once-impossible detail, the wiring of the brain. Full bio
Sebastian Seung is a leader in the new field of connectomics, currently the hottest space in neuroscience, which studies, in once-impossible detail, the wiring of the brain. Full bio
Double-click the English transcript below to play the video.
00:17
We live in in a remarkable time,
0
2000
3000
Vivimos en un tiempo notable:
00:20
the age of genomics.
1
5000
3000
la era de la genómica.
00:23
Your genome is the entire sequence of your DNA.
2
8000
3000
El genoma es toda la secuencia del ADN.
00:26
Your sequence and mine are slightly different.
3
11000
3000
Tu secuencia y la mía son levemente diferentes.
00:29
That's why we look different.
4
14000
2000
Por eso tenemos aspectos diferentes.
00:31
I've got brown eyes;
5
16000
2000
Yo tengo ojos marrones.
00:33
you might have blue or gray.
6
18000
3000
Ustedes quizá azules o grises.
00:36
But it's not just skin-deep.
7
21000
2000
Pero no es sólo superficial.
00:38
The headlines tell us
8
23000
2000
Los titulares nos dicen
00:40
that genes can give us scary diseases,
9
25000
3000
que los genes pueden provocar enfermedades espantosas,
00:43
maybe even shape our personality,
10
28000
3000
y quizá modelar nuestra personalidad
00:46
or give us mental disorders.
11
31000
3000
o provocarnos trastornos mentales.
00:49
Our genes seem to have
12
34000
3000
Nuestros genes parecen tener
00:52
awesome power over our destinies.
13
37000
3000
un poder impresionante en nuestro destino.
00:56
And yet, I would like to think
14
41000
3000
Y, sin embargo, me gustaría pensar
00:59
that I am more than my genes.
15
44000
3000
que soy más que mis genes.
01:04
What do you guys think?
16
49000
2000
¿Qué piensan muchachos?
01:06
Are you more than your genes?
17
51000
3000
¿Son Uds más que sus genes?
01:09
(Audience: Yes.) Yes?
18
54000
2000
(Audiencia: Sí) ¿Sí?
01:13
I think some people agree with me.
19
58000
2000
Creo que algunas personas están de acuerdo conmigo.
01:15
I think we should make a statement.
20
60000
2000
Creo que deberíamos hacer una declaración.
01:17
I think we should say it all together.
21
62000
2000
Creo que debemos decirlo todos juntos.
01:20
All right: "I'm more than my genes" -- all together.
22
65000
3000
Muy bien: "Soy más que mis genes", todos juntos.
01:23
Everybody: I am more than my genes.
23
68000
4000
Todo el mundo: soy más que mis genes.
01:27
(Cheering)
24
72000
2000
(Vítores)
01:30
Sebastian Seung: What am I?
25
75000
2000
Sebastian Seung: ¿Qué soy?
01:32
(Laughter)
26
77000
3000
(Risas)
01:35
I am my connectome.
27
80000
3000
Soy mi conectoma.
01:40
Now, since you guys are really great,
28
85000
2000
Ahora, como son realmente geniales,
01:42
maybe you can humor me and say this all together too.
29
87000
2000
pueden seguirme la corriente y decirlo todos juntos también.
01:44
(Laughter)
30
89000
2000
(Risas)
01:46
Right. All together now.
31
91000
2000
Bien. Ahora todos juntos.
01:48
Everybody: I am my connectome.
32
93000
3000
Todo el mundo: soy mi conectoma.
01:53
SS: That sounded great.
33
98000
2000
SS: eso estuvo genial.
01:55
You know, you guys are so great, you don't even know what a connectome is,
34
100000
2000
Gente, son fabulosos, ni siquiera saben qué es un conectoma
01:57
and you're willing to play along with me.
35
102000
2000
pero están dispuestos a jugar conmigo.
01:59
I could just go home now.
36
104000
3000
Ya me puedo dar por satisfecho.
02:02
Well, so far only one connectome is known,
37
107000
3000
Hasta ahora se conoce un solo conectoma:
02:05
that of this tiny worm.
38
110000
3000
el de este gusano minúsculo.
02:08
Its modest nervous system
39
113000
2000
Su modesto sistema nervioso
02:10
consists of just 300 neurons.
40
115000
2000
consta de sólo 300 neuronas.
02:12
And in the 1970s and '80s,
41
117000
2000
Y en las décadas del 70 y 80
02:14
a team of scientists
42
119000
2000
un equipo científico
02:16
mapped all 7,000 connections
43
121000
2000
trazó el mapa de sus 7.000
02:18
between the neurons.
44
123000
2000
conexiones interneuronales.
02:21
In this diagram, every node is a neuron,
45
126000
2000
En este diagrama cada nodo es una neurona
02:23
and every line is a connection.
46
128000
2000
y cada línea una conexión.
02:25
This is the connectome
47
130000
2000
Este es el conectoma
02:27
of the worm C. elegans.
48
132000
4000
del gusano C. elegans.
02:31
Your connectome is far more complex than this
49
136000
3000
Nuestro conectoma es mucho más complejo
02:34
because your brain
50
139000
2000
porque nuestro cerebro
02:36
contains 100 billion neurons
51
141000
2000
tiene más de 100 mil millones de neuronas
02:38
and 10,000 times as many connections.
52
143000
3000
y 10 mil veces más conexiones.
02:41
There's a diagram like this for your brain,
53
146000
2000
Hay un diagrama como este para nuestro cerebro
02:43
but there's no way it would fit on this slide.
54
148000
3000
pero no hay manera de que quepa en esta diapositiva.
02:47
Your connectome contains one million times more connections
55
152000
3000
Nuestro conectoma tiene un millón de veces más conexiones
02:50
than your genome has letters.
56
155000
3000
que letras en todo nuestro genoma.
02:53
That's a lot of information.
57
158000
2000
Eso es mucha información.
02:55
What's in that information?
58
160000
3000
¿Qué hay en esa información?
02:59
We don't know for sure, but there are theories.
59
164000
3000
No lo sabemos con seguridad pero hay teorías.
03:02
Since the 19th century, neuroscientists have speculated
60
167000
3000
Desde el siglo XIX los neurocientíficos han especulado
03:05
that maybe your memories --
61
170000
2000
que quizá los recuerdos,
03:07
the information that makes you, you --
62
172000
2000
la información que te define --
03:09
maybe your memories are stored
63
174000
2000
quizá tus recuerdos, están almacenados
03:11
in the connections between your brain's neurons.
64
176000
2000
en las conexiones interneuronales.
03:15
And perhaps other aspects of your personal identity --
65
180000
2000
Y tal vez otros aspectos de la identidad personal,
03:17
maybe your personality and your intellect --
66
182000
3000
quizá tu personalidad, tu intelecto,
03:20
maybe they're also encoded
67
185000
2000
tal vez estén también codificados
03:22
in the connections between your neurons.
68
187000
3000
en las conexiones interneuronales.
03:26
And so now you can see why I proposed this hypothesis:
69
191000
3000
Ahora pueden ver por qué les propuse esta hipótesis:
03:29
I am my connectome.
70
194000
3000
soy mi conectoma.
03:32
I didn't ask you to chant it because it's true;
71
197000
3000
No les pedí que lo canten porque sea cierto,
03:35
I just want you to remember it.
72
200000
2000
sólo quiero que lo recuerden.
03:37
And in fact, we don't know if this hypothesis is correct,
73
202000
2000
Y, de hecho, no sabemos si esta hipótesis es correcta
03:39
because we have never had technologies
74
204000
2000
porque nunca hemos tenido tecnologías
03:41
powerful enough to test it.
75
206000
2000
tan potentes como para demostrarla.
03:44
Finding that worm connectome
76
209000
3000
Hallar el conectoma de ese gusano
03:47
took over a dozen years of tedious labor.
77
212000
3000
llevó una docena de años de tedioso trabajo.
03:50
And to find the connectomes of brains more like our own,
78
215000
3000
Y para encontrar conectomas de cerebros como los nuestros
03:53
we need more sophisticated technologies, that are automated,
79
218000
3000
necesitamos tecnologías más sofisticadas, automatizadas,
03:56
that will speed up the process of finding connectomes.
80
221000
3000
que aceleren el proceso de búsqueda de conectomas.
03:59
And in the next few minutes, I'll tell you about some of these technologies,
81
224000
3000
En los próximos minutos les voy a contar de alguna de estas tecnologías
04:02
which are currently under development
82
227000
2000
que se encuentran actualmente en desarrollo
04:04
in my lab and the labs of my collaborators.
83
229000
3000
en mi laboratorio y en el de mis colaboradores.
04:08
Now you've probably seen pictures of neurons before.
84
233000
3000
Probablemente ya hayan visto imágenes de neuronas.
04:11
You can recognize them instantly
85
236000
2000
Pueden reconocerlas instantáneamente
04:13
by their fantastic shapes.
86
238000
3000
por sus formas fantásticas.
04:16
They extend long and delicate branches,
87
241000
3000
Tienen largas y delicadas ramificaciones;
04:19
and in short, they look like trees.
88
244000
3000
en pocas palabras: parecen árboles.
04:22
But this is just a single neuron.
89
247000
3000
Pero esto es una sola neurona.
04:25
In order to find connectomes,
90
250000
2000
Para encontrar conectomas
04:27
we have to see all the neurons at the same time.
91
252000
3000
tenemos que ver todas las neuronas al mismo tiempo.
04:30
So let's meet Bobby Kasthuri,
92
255000
2000
Vamos a conocer a Bobby Kasthuri
04:32
who works in the laboratory of Jeff Lichtman
93
257000
2000
del laboratorio de Jeff Lichtman
04:34
at Harvard University.
94
259000
2000
de la Universidad de Harvard.
04:36
Bobby is holding fantastically thin slices
95
261000
2000
Bobby tiene allí rebanadas muy delgadas
04:38
of a mouse brain.
96
263000
2000
de un cerebro de ratón.
04:40
And we're zooming in by a factor of 100,000 times
97
265000
3000
Y lo estamos aumentando 100.000 veces
04:44
to obtain the resolution,
98
269000
2000
para tener la resolución
04:46
so that we can see the branches of neurons all at the same time.
99
271000
3000
que nos permita ver las ramas de neuronas todas al mismo tiempo.
04:50
Except, you still may not really recognize them,
100
275000
3000
Salvo que todavía no pueden reconocerlas
04:53
and that's because we have to work in three dimensions.
101
278000
3000
y por eso tenemos que trabajar en tres dimensiones.
04:56
If we take many images of many slices of the brain
102
281000
2000
Si tomamos muchas imágenes de muchas rebanadas del cerebro
04:58
and stack them up,
103
283000
2000
y las apilamos
05:00
we get a three-dimensional image.
104
285000
2000
obtenemos una imagen tridimensional.
05:02
And still, you may not see the branches.
105
287000
2000
Todavía no pueden ver las ramas.
05:04
So we start at the top,
106
289000
2000
Así que empezamos por arriba
05:06
and we color in the cross-section of one branch in red,
107
291000
3000
y coloreamos de rojo la sección transversal de una rama,
05:09
and we do that for the next slice
108
294000
2000
y hacemos lo mismo con la rebanada siguiente
05:11
and for the next slice.
109
296000
2000
y con la próxima.
05:13
And we keep on doing that,
110
298000
2000
Y seguimos así,
05:15
slice after slice.
111
300000
3000
rebanada tras rebanada.
05:18
If we continue through the entire stack,
112
303000
2000
Si continuamos con toda la pila
05:20
we can reconstruct the three-dimensional shape
113
305000
3000
podemos reconstruir la figura tridimensional
05:23
of a small fragment of a branch of a neuron.
114
308000
3000
de un pequeño fragmento de la rama de una neurona.
05:26
And we can do that for another neuron in green.
115
311000
2000
Y podemos hacerlo con otra neurona en verde.
05:28
And you can see that the green neuron touches the red neuron
116
313000
2000
Y puede verse que la neurona verde toca a la neurona roja
05:30
at two locations,
117
315000
2000
en dos partes,
05:32
and these are what are called synapses.
118
317000
2000
y eso es lo que se llama sinapsis.
05:34
Let's zoom in on one synapse,
119
319000
2000
Acerquémonos a una sinapsis.
05:36
and keep your eyes on the interior of the green neuron.
120
321000
3000
Mantengamos la vista en el interior de la neurona verde.
05:39
You should see small circles --
121
324000
2000
Deberían ver unos circulitos.
05:41
these are called vesicles.
122
326000
3000
Se llaman vesículas.
05:44
They contain a molecule know as a neurotransmitter.
123
329000
3000
Contienen una molécula conocida como neurotransmisor.
05:47
And so when the green neuron wants to communicate,
124
332000
2000
Y así, cuando la neurona verde quiere comunicarse,
05:49
it wants to send a message to the red neuron,
125
334000
2000
cuando quiere enviar un mensaje a la neurona roja,
05:51
it spits out neurotransmitter.
126
336000
3000
escupe un neurotransmisor.
05:54
At the synapse, the two neurons
127
339000
2000
En la sinapsis las dos neuronas
05:56
are said to be connected
128
341000
2000
se dice que están conectadas
05:58
like two friends talking on the telephone.
129
343000
3000
como dos amigas que hablan por teléfono.
06:02
So you see how to find a synapse.
130
347000
2000
Ya ven cómo encontrar una sinapsis.
06:04
How can we find an entire connectome?
131
349000
3000
¿Cómo podemos encontrar un conectoma?
06:07
Well, we take this three-dimensional stack of images
132
352000
3000
Bueno, tomamos esta pila de imágenes tridimensionales
06:10
and treat it as a gigantic three-dimensional coloring book.
133
355000
3000
y la procesamos como si fuese un libro para colorear en 3D.
06:13
We color every neuron in, in a different color,
134
358000
3000
Pintamos cada neurona con un color diferente
06:16
and then we look through all of the images,
135
361000
2000
y luego miramos en todas las imágenes,
06:18
find the synapses
136
363000
2000
encontramos las sinapsis
06:20
and note the colors of the two neurons involved in each synapse.
137
365000
3000
y anotamos los colores de las dos neuronas involucradas en cada sinapsis.
06:23
If we can do that throughout all the images,
138
368000
3000
Si pudiéramos hacer esto con todas las imágenes
06:26
we could find a connectome.
139
371000
2000
encontraríamos un conectoma.
06:29
Now, at this point,
140
374000
2000
Hasta ahora
06:31
you've learned the basics of neurons and synapses.
141
376000
2000
han aprendido lo básico sobre neuronas y sinapsis.
06:33
And so I think we're ready to tackle
142
378000
2000
Por eso creo que están listos para abordar
06:35
one of the most important questions in neuroscience:
143
380000
3000
uno de los temas más importantes de la neurociencia:
06:39
how are the brains of men and women different?
144
384000
3000
¿en qué difieren los cerebros de hombres y mujeres?
06:42
(Laughter)
145
387000
2000
(Risas)
06:44
According to this self-help book,
146
389000
2000
Según este libro de auto-ayuda
06:46
guys brains are like waffles;
147
391000
2000
el cerebro masculino es como un gofre;
06:48
they keep their lives compartmentalized in boxes.
148
393000
3000
mantienen su vida dividida en secciones.
06:51
Girls' brains are like spaghetti;
149
396000
3000
El cerebro femenino es como los espaguetis:
06:54
everything in their life is connected to everything else.
150
399000
3000
todo en su vida está relacionado con todo lo demás.
06:57
(Laughter)
151
402000
2000
(Risas)
06:59
You guys are laughing,
152
404000
2000
Ustedes se ríen,
07:01
but you know, this book changed my life.
153
406000
2000
pero este libro cambió mi vida.
07:03
(Laughter)
154
408000
2000
(Risas)
07:07
But seriously, what's wrong with this?
155
412000
3000
En serio, ¿cuál es el error en esto?
07:10
You already know enough to tell me -- what's wrong with this statement?
156
415000
3000
Ya saben lo suficiente como para responder cuál es el error en esta afirmación.
07:20
It doesn't matter whether you're a guy or girl,
157
425000
3000
No importa si uno es hombre o mujer
07:23
everyone's brains are like spaghetti.
158
428000
3000
todos los cerebros son como espaguetis.
07:26
Or maybe really, really fine capellini with branches.
159
431000
3000
O tal vez son capellini delgadísimos con ramificaciones.
07:30
Just as one strand of spaghetti
160
435000
2000
Así como un espagueti
07:32
contacts many other strands on your plate,
161
437000
3000
toca a muchos otros en el plato,
07:35
one neuron touches many other neurons
162
440000
2000
una neurona toca a muchas otras
07:37
through their entangled branches.
163
442000
2000
mediante sus ramas enredadas.
07:39
One neuron can be connected to so many other neurons,
164
444000
3000
Una neurona puede estar conectada con muchas otras,
07:42
because there can be synapses
165
447000
2000
porque puede haber sinapsis
07:44
at these points of contact.
166
449000
3000
en estos puntos de contacto.
07:49
By now, you might have sort of lost perspective
167
454000
3000
A estas alturas es posible que hayan perdido la perspectiva
07:52
on how large this cube of brain tissue actually is.
168
457000
3000
del tamaño real de este cubo de tejido cerebral.
07:55
And so let's do a series of comparisons to show you.
169
460000
3000
Veamos una serie de comparaciones.
07:58
I assure you, this is very tiny. It's just six microns on a side.
170
463000
3000
Les voy a mostrar. Esto es muy diminuto. Tiene 6 micrones de lado.
08:03
So, here's how it stacks up against an entire neuron.
171
468000
3000
Aquí está comparado con una neurona entera.
08:06
And you can tell that, really, only the smallest fragments of branches
172
471000
3000
Y se nota que en realidad sólo los fragmentos más pequeños de las ramas
08:09
are contained inside this cube.
173
474000
3000
están contenidos dentro de este cubo.
08:12
And a neuron, well, that's smaller than brain.
174
477000
3000
Y una neurona es más pequeña que el cerebro.
08:17
And that's just a mouse brain --
175
482000
2000
Ese es el cerebro de un ratón.
08:21
it's a lot smaller than a human brain.
176
486000
3000
Es mucho más pequeño que el humano.
08:25
So when show my friends this,
177
490000
2000
Por eso cuando le muestro esto a mis amigos
08:27
sometimes they've told me,
178
492000
2000
a veces me han dicho:
08:29
"You know, Sebastian, you should just give up.
179
494000
3000
"Sabes Sebastian, deberías darte por vencido.
08:32
Neuroscience is hopeless."
180
497000
2000
La neurociencia es imposible".
08:34
Because if you look at a brain with your naked eye,
181
499000
2000
Porque si uno mira al cerebro a simple vista
08:36
you don't really see how complex it is,
182
501000
2000
no ve realmente lo complejo que es
08:38
but when you use a microscope,
183
503000
2000
pero si usamos un microscopio
08:40
finally the hidden complexity is revealed.
184
505000
3000
finalmente se revela su oculta complejidad.
08:45
In the 17th century,
185
510000
2000
En el siglo XVII
08:47
the mathematician and philosopher, Blaise Pascal,
186
512000
2000
el matemático y filósofo Blaise Pascal,
08:49
wrote of his dread of the infinite,
187
514000
3000
escribió sobre su temor al infinito,
08:52
his feeling of insignificance
188
517000
2000
su sensación de insignificancia
08:54
at contemplating the vast reaches of outer space.
189
519000
3000
al contemplar las vastas extensiones del espacio exterior.
08:59
And, as a scientist,
190
524000
2000
Y, como científico,
09:01
I'm not supposed to talk about my feelings --
191
526000
3000
no se supone que deba hablar de mis sensaciones.
09:04
too much information, professor.
192
529000
2000
Demasiada información, profesor.
09:06
(Laughter)
193
531000
2000
(Risas)
09:08
But may I?
194
533000
2000
Pero, ¿puedo?
09:10
(Laughter)
195
535000
2000
(Risas)
09:12
(Applause)
196
537000
2000
(Aplausos)
09:14
I feel curiosity,
197
539000
2000
Siento curiosidad,
09:16
and I feel wonder,
198
541000
2000
y siento asombro,
09:18
but at times I have also felt despair.
199
543000
3000
pero a veces, también desesperación.
09:22
Why did I choose to study
200
547000
2000
¿Por qué elegí estudiar
09:24
this organ that is so awesome in its complexity
201
549000
3000
este órgano tan asombroso en su complejidad
09:27
that it might well be infinite?
202
552000
2000
que bien podría ser infinito?
09:29
It's absurd.
203
554000
2000
Es absurdo.
09:31
How could we even dare to think
204
556000
2000
¿Cómo nos atrevemos siquiera a pensar
09:33
that we might ever understand this?
205
558000
3000
que alguna vez podremos entender esto?
09:38
And yet, I persist in this quixotic endeavor.
206
563000
3000
Y, sin embargo, persisto en este empeño quijotesco.
09:41
And indeed, these days I harbor new hopes.
207
566000
3000
De hecho, actualmente abrigo nuevas esperanzas.
09:45
Someday,
208
570000
2000
Algún día
09:47
a fleet of microscopes will capture
209
572000
2000
una flota de microscopios capturará
09:49
every neuron and every synapse
210
574000
2000
cada neurona y cada sinapsis
09:51
in a vast database of images.
211
576000
3000
en una gran base de datos de imágenes.
09:54
And some day, artificially intelligent supercomputers
212
579000
3000
Y algún día supercomputadoras con inteligencia artificial
09:57
will analyze the images without human assistance
213
582000
3000
analizarán las imágenes sin supervisión humana
10:00
to summarize them in a connectome.
214
585000
3000
para sintetizarlas en un conectoma.
10:04
I do not know, but I hope that I will live to see that day,
215
589000
3000
No lo sé, pero espero vivir para ver ese día.
10:08
because finding an entire human connectome
216
593000
2000
Porque hallar un conectoma humano entero
10:10
is one of the greatest technological challenges of all time.
217
595000
3000
es uno de los desafíos tecnológicos más grandes de todos los tiempos.
10:13
It will take the work of generations to succeed.
218
598000
3000
El éxito demandará el trabajo de generaciones.
10:17
At the present time, my collaborators and I,
219
602000
3000
En la actualidad, mis colaboradores y yo,
10:20
what we're aiming for is much more modest --
220
605000
2000
estamos buscando algo mucho más modesto,
10:22
just to find partial connectomes
221
607000
2000
sólo encontrar conectomas parciales
10:24
of tiny chunks of mouse and human brain.
222
609000
3000
de pequeños trozos de cerebro de ratones y humanos.
10:27
But even that will be enough for the first tests of this hypothesis
223
612000
3000
Pero incluso eso será suficiente para las primeras pruebas de esta hipótesis
10:30
that I am my connectome.
224
615000
3000
de que soy un conectoma.
10:35
For now, let me try to convince you of the plausibility of this hypothesis,
225
620000
3000
Permítanme que intente convencerlos de la plausibilidad de esta hipótesis,
10:38
that it's actually worth taking seriously.
226
623000
3000
que vale la pena tomar en serio.
10:42
As you grow during childhood
227
627000
2000
A medida que crecemos en la infancia
10:44
and age during adulthood,
228
629000
3000
y envejecemos en la adultez
10:47
your personal identity changes slowly.
229
632000
3000
nuestra identidad cambia lentamente.
10:50
Likewise, every connectome
230
635000
2000
Del mismo modo cada conectoma
10:52
changes over time.
231
637000
2000
cambia con el tiempo.
10:55
What kinds of changes happen?
232
640000
2000
¿Qué tipo de cambios ocurren?
10:57
Well, neurons, like trees,
233
642000
2000
Bueno, las neuronas, como los árboles,
10:59
can grow new branches,
234
644000
2000
pueden tener nuevas ramas
11:01
and they can lose old ones.
235
646000
3000
y perder otras.
11:04
Synapses can be created,
236
649000
3000
Se pueden crear sinapsis
11:07
and they can be eliminated.
237
652000
3000
y se pueden eliminar otras.
11:10
And synapses can grow larger,
238
655000
2000
Y las sinapsis pueden aumentar de tamaño,
11:12
and they can grow smaller.
239
657000
3000
y pueden disminuir de tamaño.
11:15
Second question:
240
660000
2000
Segunda pregunta:
11:17
what causes these changes?
241
662000
3000
¿qué provoca estos cambios?
11:20
Well, it's true.
242
665000
2000
Bueno, es verdad.
11:22
To some extent, they are programmed by your genes.
243
667000
3000
Hasta cierto punto están programados por los genes.
11:25
But that's not the whole story,
244
670000
2000
Pero esa no es la historia completa
11:27
because there are signals, electrical signals,
245
672000
2000
porque hay señales, señales eléctricas,
11:29
that travel along the branches of neurons
246
674000
2000
que viajan por las ramas de las neuronas
11:31
and chemical signals
247
676000
2000
y señales químicas
11:33
that jump across from branch to branch.
248
678000
2000
que saltan de rama en rama.
11:35
These signals are called neural activity.
249
680000
3000
Estas señales se llaman actividad neuronal.
11:38
And there's a lot of evidence
250
683000
2000
Y hay mucha evidencia
11:40
that neural activity
251
685000
3000
de que la actividad neuronal
11:43
is encoding our thoughts, feelings and perceptions,
252
688000
3000
codifica el pensamiento, los sentimientos y las percepciones,
11:46
our mental experiences.
253
691000
2000
nuestras experiencias mentales.
11:48
And there's a lot of evidence that neural activity
254
693000
3000
Y hay mucha evidencia de que la actividad neuronal
11:51
can cause your connections to change.
255
696000
3000
puede hacer que cambien nuestras conexiones.
11:54
And if you put those two facts together,
256
699000
3000
Y si se unen estos dos hechos
11:57
it means that your experiences
257
702000
2000
esto significa que nuestras experiencias
11:59
can change your connectome.
258
704000
3000
pueden cambiar nuestro conectoma.
12:02
And that's why every connectome is unique,
259
707000
2000
Por eso cada conectoma es único,
12:04
even those of genetically identical twins.
260
709000
3000
incluso los de gemelos genéticamente idénticos.
12:08
The connectome is where nature meets nurture.
261
713000
3000
El conectoma es la confluencia de naturaleza y crianza.
12:12
And it might true
262
717000
2000
Y podría ser cierto
12:14
that just the mere act of thinking
263
719000
2000
que el mero acto de pensar
12:16
can change your connectome --
264
721000
2000
puede cambiar nuestro conectoma;
12:18
an idea that you may find empowering.
265
723000
3000
una idea que puede resultar poderosa.
12:24
What's in this picture?
266
729000
2000
¿Qué hay en esta imagen?
12:28
A cool and refreshing stream of water, you say.
267
733000
3000
Una corriente de agua fría y refrescante, dicen.
12:32
What else is in this picture?
268
737000
2000
¿Qué más hay en esta imagen?
12:37
Do not forget that groove in the Earth
269
742000
2000
No se olviden del surco de la Tierra
12:39
called the stream bed.
270
744000
3000
llamado lecho del arroyo.
12:42
Without it, the water would not know in which direction to flow.
271
747000
3000
Sin él el agua no sabría en qué dirección fluir.
12:45
And with the stream,
272
750000
2000
Y con el arroyo
12:47
I would like to propose a metaphor
273
752000
2000
me gustaría proponer una metáfora
12:49
for the relationship between neural activity
274
754000
2000
de la relación entre la actividad neuronal
12:51
and connectivity.
275
756000
2000
y la conectividad.
12:54
Neural activity is constantly changing.
276
759000
3000
La actividad neuronal cambia constantemente.
12:57
It's like the water of the stream; it never sits still.
277
762000
3000
Es como el agua del arroyo; nunca se queda quieta.
13:00
The connections
278
765000
2000
Las conexiones
13:02
of the brain's neural network
279
767000
2000
de la red neuronal del cerebro
13:04
determines the pathways
280
769000
2000
determinan las vías
13:06
along which neural activity flows.
281
771000
2000
por las que fluye la actividad neuronal.
13:08
And so the connectome is like bed of the stream;
282
773000
3000
Entonces el conectoma es como el lecho del arroyo.
13:13
but the metaphor is richer than that,
283
778000
3000
Pero la metáfora es más rica.
13:16
because it's true that the stream bed
284
781000
3000
Porque es verdad que el lecho del arroyo
13:19
guides the flow of the water,
285
784000
2000
guía al flujo de agua
13:21
but over long timescales,
286
786000
2000
pero, con el tiempo,
13:23
the water also reshapes the bed of the stream.
287
788000
3000
el agua también da forma al lecho del arroyo.
13:26
And as I told you just now,
288
791000
2000
Y como acabo de decirles
13:28
neural activity can change the connectome.
289
793000
3000
la actividad neuronal puede cambiar al conectoma.
13:33
And if you'll allow me to ascend
290
798000
2000
Y si me permiten elevar
13:35
to metaphorical heights,
291
800000
3000
el nivel de la metáfora
13:38
I will remind you that neural activity
292
803000
3000
les recordaré que la actividad neuronal
13:41
is the physical basis -- or so neuroscientists think --
293
806000
2000
es la base física, eso dicen los neurocientíficos,
13:43
of thoughts, feelings and perceptions.
294
808000
3000
de los pensamientos, los sentimientos y las percepciones.
13:46
And so we might even speak of
295
811000
2000
Por eso podríamos hablar de
13:48
the stream of consciousness.
296
813000
2000
de un torrente de conciencia.
13:50
Neural activity is its water,
297
815000
3000
La actividad neuronal es el agua
13:53
and the connectome is its bed.
298
818000
3000
y el conectoma el lecho del torrente.
13:57
So let's return from the heights of metaphor
299
822000
2000
Volvamos de la metáfora
13:59
and return to science.
300
824000
2000
y retomemos la ciencia.
14:01
Suppose our technologies for finding connectomes
301
826000
2000
Supongamos que las tecnologías para hallar conectomas
14:03
actually work.
302
828000
2000
funcionan.
14:05
How will we go about testing the hypothesis
303
830000
2000
¿Cómo vamos a probar la hipótesis
14:07
"I am my connectome?"
304
832000
3000
"soy mi conectoma"?
14:10
Well, I propose a direct test.
305
835000
3000
Bueno, propongo una prueba directa:
14:13
Let us attempt
306
838000
2000
tratemos
14:15
to read out memories from connectomes.
307
840000
3000
de leer recuerdos de los conectomas.
14:18
Consider the memory
308
843000
2000
Piensen en la memoria
14:20
of long temporal sequences of movements,
309
845000
3000
de largas secuencias temporales de movimientos
14:23
like a pianist playing a Beethoven sonata.
310
848000
3000
como las de un pianista que toca una sonata de Beethoven.
14:26
According to a theory that dates back to the 19th century,
311
851000
3000
Según la teoría que data del siglo XIX
14:29
such memories are stored
312
854000
2000
tales recuerdos están almacenados
14:31
as chains of synaptic connections inside your brain.
313
856000
3000
como cadenas de conexiones sinápticas en el cerebro.
14:35
Because, if the first neurons in the chain are activated,
314
860000
3000
Porque si se activan las primeras neuronas de la cadena
14:38
through their synapses they send messages to the second neurons, which are activated,
315
863000
3000
mediante sus sinapsis envían mensajes a las otras neuronas, que se activan,
14:41
and so on down the line,
316
866000
2000
y así sucesivamente
14:43
like a chain of falling dominoes.
317
868000
2000
siguiendo un efecto dominó.
14:45
And this sequence of neural activation
318
870000
2000
Y esta secuencia de activación neuronal
14:47
is hypothesized to be the neural basis
319
872000
3000
se presume que es la base neuronal
14:50
of those sequence of movements.
320
875000
2000
de esa secuencia de movimientos.
14:52
So one way of trying to test the theory
321
877000
2000
Así que una manera de tratar de probar la teoría
14:54
is to look for such chains
322
879000
2000
es buscar esas cadenas
14:56
inside connectomes.
323
881000
2000
dentro de los conectomas.
14:58
But it won't be easy, because they're not going to look like this.
324
883000
3000
Pero no va a ser fácil porque no van a tener este aspecto.
15:01
They're going to be scrambled up.
325
886000
2000
Van a estar cifradas.
15:03
So we'll have to use our computers
326
888000
2000
Tendremos que usar nuestras computadoras
15:05
to try to unscramble the chain.
327
890000
3000
para tratar de descifrar la cadena.
15:08
And if we can do that,
328
893000
2000
Y si podemos hacer eso
15:10
the sequence of the neurons we recover from that unscrambling
329
895000
3000
la secuencia de neuronas que recuperemos al descifrar [la cadena]
15:13
will be a prediction of the pattern of neural activity
330
898000
3000
será una predicción del patrón de actividad neuronal
15:16
that is replayed in the brain during memory recall.
331
901000
3000
que se reproduce en el cerebro en la recuperación de memoria.
15:19
And if that were successful,
332
904000
2000
Y si eso funcionara
15:21
that would be the first example of reading a memory from a connectome.
333
906000
3000
sería el primer ejemplo de lectura de memoria de un conectoma.
15:28
(Laughter)
334
913000
2000
(Risas)
15:30
What a mess --
335
915000
2000
¡Qué lío!
15:33
have you ever tried to wire up a system
336
918000
2000
¿Alguna vez han tratado de conectar un sistema
15:35
as complex as this?
337
920000
2000
tan complejo como ese?
15:37
I hope not.
338
922000
2000
Espero que no.
15:39
But if you have, you know it's very easy to make a mistake.
339
924000
3000
Pero si lo han hecho sabrán que es muy fácil cometer un error.
15:45
The branches of neurons are like the wires of the brain.
340
930000
2000
Las ramas neuronales son como los cables del cerebro.
15:47
Can anyone guess: what's the total length of wires in your brain?
341
932000
4000
¿Alguien puede adivinar cuál es la longitud total de cables del cerebro?
15:54
I'll give you a hint. It's a big number.
342
939000
2000
Les daré una pista. Es un número grande.
15:56
(Laughter)
343
941000
2000
(Risas)
15:59
I estimate, millions of miles,
344
944000
3000
Estimo millones de kilómetros.
16:02
all packed in your skull.
345
947000
3000
Todo dentro del cráneo.
16:05
And if you appreciate that number,
346
950000
2000
Y si uno entiende ese número
16:07
you can easily see
347
952000
2000
puede ver fácilmente que
16:09
there is huge potential for mis-wiring of the brain.
348
954000
2000
hay un enorme potencial de un mal cableado cerebral.
16:11
And indeed, the popular press loves headlines like,
349
956000
3000
De hecho a la prensa popular le encantan los titulares como:
16:14
"Anorexic brains are wired differently,"
350
959000
2000
"Los cerebros anoréxicos tienen un cableado diferente",
16:16
or "Autistic brains are wired differently."
351
961000
2000
o "Los cerebros autistas tienen un cableado diferente".
16:18
These are plausible claims,
352
963000
2000
Estas son afirmaciones plausibles,
16:20
but in truth,
353
965000
2000
pero en verdad,
16:22
we can't see the brain's wiring clearly enough
354
967000
2000
no podemos ver el cableado cerebral tan claramente
16:24
to tell if these are really true.
355
969000
2000
como para saber si son realmente ciertas.
16:26
And so the technologies for seeing connectomes
356
971000
3000
Las tecnologías de visualización de conectomas
16:29
will allow us to finally
357
974000
2000
nos permitirán finalmente
16:31
read mis-wiring of the brain,
358
976000
2000
leer el mal cableado del cerebro
16:33
to see mental disorders in connectomes.
359
978000
3000
para ver desórdenes mentales en los conectomas.
16:40
Sometimes the best way to test a hypothesis
360
985000
3000
A veces la mejor manera de probar una hipótesis
16:43
is to consider its most extreme implication.
361
988000
3000
es considerar sus consecuencias más extremas.
16:46
Philosophers know this game very well.
362
991000
3000
Los filósofos conocen muy bien este juego.
16:50
If you believe that I am my connectome,
363
995000
3000
Si uno cree que soy mi conectoma
16:53
I think you must also accept the idea
364
998000
3000
tiene también que aceptar la idea
16:56
that death is the destruction
365
1001000
2000
de que la muerte es la destrucción
16:58
of your connectome.
366
1003000
3000
del conectoma.
17:02
I mention this because there are prophets today
367
1007000
3000
Menciono esto porque hay profetas hoy en día
17:05
who claim that technology
368
1010000
3000
que afirman que la tecnología
17:08
will fundamentally alter the human condition
369
1013000
3000
alterará fundamentalmente la condición humana
17:11
and perhaps even transform the human species.
370
1016000
3000
y tal vez incluso transforme la especie humana.
17:14
One of their most cherished dreams
371
1019000
3000
Uno de sus sueños más preciados
17:17
is to cheat death
372
1022000
2000
es engañar a la muerte
17:19
by that practice known as cryonics.
373
1024000
2000
mediante la práctica de la criogenia.
17:21
If you pay 100,000 dollars,
374
1026000
2000
Si uno paga 100.000 dólares
17:23
you can arrange to have your body frozen after death
375
1028000
3000
puede arreglar para que congelen el cuerpo después de muerto
17:26
and stored in liquid nitrogen
376
1031000
2000
y lo almacenen en nitrógeno líquido
17:28
in one of these tanks in an Arizona warehouse,
377
1033000
2000
en uno de estos tanques en un depósito de Arizona,
17:30
awaiting a future civilization
378
1035000
2000
a la espera de una futura civilización
17:32
that is advanced to resurrect you.
379
1037000
3000
avanzada que lo resucite.
17:36
Should we ridicule the modern seekers of immortality,
380
1041000
2000
¿Debemos ridiculizar a los buscadores modernos de la inmortalidad
17:38
calling them fools?
381
1043000
2000
llamándolos locos?
17:40
Or will they someday chuckle
382
1045000
2000
¿O algún día se reirán
17:42
over our graves?
383
1047000
2000
sobre nuestras tumbas?
17:45
I don't know --
384
1050000
2000
No lo sé.
17:47
I prefer to test their beliefs, scientifically.
385
1052000
3000
Yo prefiero poner a prueba sus creencias, científicamente.
17:50
I propose that we attempt to find a connectome
386
1055000
2000
Propongo que tratemos de encontrar un conectoma
17:52
of a frozen brain.
387
1057000
2000
en un cerebro congelado.
17:54
We know that damage to the brain
388
1059000
2000
Sabemos que se produce un daño cerebral
17:56
occurs after death and during freezing.
389
1061000
2000
después de la muerte y durante el congelamiento.
17:58
The question is: has that damage erased the connectome?
390
1063000
3000
La pregunta es: ¿elimina ese daño al conectoma?
18:01
If it has, there is no way that any future civilization
391
1066000
3000
Si lo hace, no hay manera de que una civilización futura
18:04
will be able to recover the memories of these frozen brains.
392
1069000
3000
sea capaz de recuperar los recuerdos de esos cerebros congelados.
18:07
Resurrection might succeed for the body,
393
1072000
2000
Podrían resucitar el cuerpo con éxito
18:09
but not for the mind.
394
1074000
2000
pero no la mente.
18:11
On the other hand, if the connectome is still intact,
395
1076000
3000
Por otro lado, si el conectoma todavía está intacto,
18:14
we cannot ridicule the claims of cryonics so easily.
396
1079000
3000
no se puede ridiculizar a la criogénesis tan fácilmente.
18:20
I've described a quest
397
1085000
2000
He descrito la búsqueda
18:22
that begins in the world of the very small,
398
1087000
3000
que se inicia en el mundo de lo muy pequeño
18:25
and propels us to the world of the far future.
399
1090000
3000
y nos impulsa hacia el mundo del futuro lejano.
18:28
Connectomes will mark a turning point in human history.
400
1093000
3000
Los conectomas marcarán un punto de inflexión en la historia humana.
18:32
As we evolved from our ape-like ancestors
401
1097000
2000
A medida que evolucionamos de nuestros antepasados simiescos
18:34
on the African savanna,
402
1099000
2000
en la sabana africana
18:36
what distinguished us was our larger brains.
403
1101000
3000
lo que nos distinguió fue el cerebro más grande.
18:40
We have used our brains to fashion
404
1105000
2000
Hemos usado el cerebro para elaborar
18:42
ever more amazing technologies.
405
1107000
3000
tecnologías cada vez más asombrosas.
18:45
Eventually, these technologies will become so powerful
406
1110000
3000
Con el tiempo estas tecnologías se volverán tan poderosas
18:48
that we will use them to know ourselves
407
1113000
3000
que las usaremos para conocernos a nosotros mismos
18:51
by deconstructing and reconstructing
408
1116000
3000
desarmando y reconstruyendo
18:54
our own brains.
409
1119000
3000
nuestros propios cerebros.
18:57
I believe that this voyage of self-discovery
410
1122000
3000
Creo que ese viaje de auto-descubrimiento
19:00
is not just for scientists,
411
1125000
3000
no sólo es para los científicos
19:03
but for all of us.
412
1128000
2000
sino para todos nosotros.
19:05
And I'm grateful for the opportunity to share this voyage with you today.
413
1130000
3000
Y estoy agradecido por la oportunidad de compartir este viaje hoy con ustedes.
19:08
Thank you.
414
1133000
2000
Gracias.
19:10
(Applause)
415
1135000
8000
(Aplausos)
ABOUT THE SPEAKER
Sebastian Seung - Computational neuroscientistSebastian Seung is a leader in the new field of connectomics, currently the hottest space in neuroscience, which studies, in once-impossible detail, the wiring of the brain.
Why you should listen
In the brain, neurons are connected into a complex network. Sebastian Seung and his lab at MIT are inventing technologies for identifying and describing the connectome, the totality of connections between the brain's neurons -- think of it as the wiring diagram of the brain. We possess our entire genome at birth, but things like memories are not "stored" in the genome; they are acquired through life and accumulated in the brain. Seung's hypothesis is that "we are our connectome," that the connections among neurons is where memories and experiences get stored.
Seung and his collaborators, including Winfried Denk at the Max Planck Institute and Jeff Lichtman at Harvard University, are working on a plan to thin-slice a brain (probably starting with a mouse brain) and trace, from slice to slice, each neural pathway, exposing the wiring diagram of the brain and creating a powerful new way to visualize the workings of the mind. They're not the first to attempt something like this -- Sydney Brenner won a Nobel for mapping all the 7,000 connections in the nervous system of a tiny worm, C. elegans. But that took his team a dozen years, and the worm only had 302 nerve cells. One of Seung's breakthroughs is in using advanced imagining and AI to handle the crushing amount of data that a mouse brain will yield and turn it into richly visual maps that show the passageways of thought and sensation.
Sebastian Seung | Speaker | TED.com