TEDGlobal 2010
Gero Miesenboeck: Re-engineering the brain
جرو مایسنبوک مغز را بازطراحی می کند.
Filmed:
Readability: 4.7
717,411 views
براي جستجوی نگاشت مغز، دانشمندان بسیاری تلاشهای عجیب و جسورانه ای جهت ضبط فعالیت های هر نورون کرده اند... جرو مایسنبوک درست عکس این عمل کرد. دستكاري نورون های مشخص جهت کشف اینکه آنها واقعا چه می کنند، از طریق یک سری از آزمایش های خیره کننده که نحوه درك مگس میوه از نور را باز طراحي ميكند.
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
بنده یک هم شکل ( دو قلو) دیگر هم دارم...
00:18
(Laughter)
1
3000
3000
( خندیدن )
00:21
Dr. Gero is a brilliant
2
6000
3000
دکتر جئو عالیه...
00:24
but slightly mad scientist
3
9000
2000
اما كمي بد اخلاق هم هست.
00:26
in the "Dragonball Z: Android Saga."
4
11000
3000
در پروژه دراگون Z. آندروید ساگا..
00:29
If you look very carefully,
5
14000
2000
اگر به دقت بنگرید
00:31
you see that his skull has been replaced
6
16000
3000
مشاهده خواهید کرد که جمجمه ایشان جایگزین شده با
00:34
with a transparent Plexiglas dome
7
19000
2000
بافت شفاف پلکسی گلاس...
00:36
so that the workings of his brain can be observed
8
21000
3000
اینطور هست که ما می توانیم فعالیت های مغز ایشسان را مشاهده کنیم....
00:39
and also controlled with light.
9
24000
3000
.. و همینطور توسط نور آن را کنترل کنیم.
00:42
That's exactly what I do --
10
27000
2000
این دقیقا چیزی است که ما انجام می دهیم
00:44
optical mind control.
11
29000
2000
کنترل نوری مغز.. کنترل اپتیکال مغز
00:46
(Laughter)
12
31000
2000
( خندیدن حاضران )
00:48
But in contrast to my evil twin
13
33000
2000
اما درست بالعکس ، برای جفت دوقلوی بد ذات من
00:50
who lusts after world domination,
14
35000
3000
کسی که شهوت تسخیر جهان را دارد ،
00:53
my motives are not sinister.
15
38000
3000
انگیزه من انگیزه پلید و شیطانی نیست...
00:56
I control the brain
16
41000
2000
من مغز را کنترل می کنم
00:58
in order to understand how it works.
17
43000
2000
بدین جهت که دریابم که چگونه کار میکند.
01:00
Now wait a minute, you may say,
18
45000
2000
یه لحظه تامل کنید. شما ممکن است بپرسید...
01:02
how can you go straight to controlling the brain
19
47000
3000
چطور می تونی مغز را بدرستی کنترل کنی
01:05
without understanding it first?
20
50000
2000
بدون اینکه حتی مغز را بشناشی ؟
01:07
Isn't that putting the cart before the horse?
21
52000
3000
( اصطلاح) این موضوع خیالی نسیت؟
01:11
Many neuroscientists agree with this view
22
56000
3000
بسیاری از ذهن شناسان با این عقیده موافق هستند
01:14
and think that understanding will come
23
59000
3000
و معتقدند که شناخت مغز از
01:17
from more detailed observation and analysis.
24
62000
3000
مشاهده جزئیات و آنالیز آنها بدست خواهد آمد.
01:20
They say, "If we could record the activity of our neurons,
25
65000
4000
ذهن شناسان می گویند : " اگر ما بتوانیم فعالیت نورون های مغز را ضبط کنیم...
01:24
we would understand the brain."
26
69000
3000
می توانیم مغز را درک کنیم ".
01:27
But think for a moment what that means.
27
72000
3000
لحظه ای درنگ کنید که این به چه معناست !
01:30
Even if we could measure
28
75000
2000
حتی اگر ما بتوانیم
01:32
what every cell is doing at all times,
29
77000
2000
آنچه که هر سلول انجام می دهد، اندازه گیری کنیم
01:34
we would still have to make sense
30
79000
2000
مجبور خواهیم شد تا
01:36
of the recorded activity patterns,
31
81000
2000
الگوی فعالیت های ضبط شده مغز را درک کنیم...
01:38
and that's so difficult,
32
83000
2000
و این واقعا مشکل است .
01:40
chances are we'll understand these patterns
33
85000
2000
احتمال این هم وجود دارد که ما این الگو ها را دریابیم
01:42
just as little as the brains that produce them.
34
87000
3000
اما آنقدر ناچیز و ذره ذره که مغز آنها را تولید می کند...
01:45
Take a look at what brain activity might look like.
35
90000
3000
نگاهی بیاندازید به این تصویر که فعالیت های مغز شبیه چه می باشد..
01:48
In this simulation, each black dot
36
93000
2000
در این شبیه سازی هر نقطه سیاه
01:50
is one nerve cell.
37
95000
2000
یک سلول عصبی نورون می باشد.
01:52
The dot is visible
38
97000
2000
این نقطه قابل مشاهده است
01:54
whenever a cell fires an electrical impulse.
39
99000
2000
هر زمان که پالس الکتریکی از آن منتشر شود.
01:56
There's 10,000 neurons here.
40
101000
2000
در این تصویر ده هزار نورون وجود دارد.
01:58
So you're looking at roughly one percent
41
103000
2000
شما در حدود یک درصد آنها را مشاهده می کنید
02:00
of the brain of a cockroach.
42
105000
3000
آنهم مغز یک سوسک ...
02:04
Your brains are about 100 million times
43
109000
3000
مغز شما در حدود 100 میلیون بار پیچیده تر از این می باشد.
02:07
more complicated.
44
112000
2000
...
02:09
Somewhere, in a pattern like this,
45
114000
2000
در جایی ، الگویی اینچنین ،
02:11
is you,
46
116000
2000
در شما ،
02:13
your perceptions,
47
118000
2000
در ذهن شما ،
02:15
your emotions, your memories,
48
120000
3000
احساسات شما ، خاطرات شما ،
02:18
your plans for the future.
49
123000
2000
و برنامه هایتان برای آینده.. و امثال آنها می تواند باشد.
02:20
But we don't know where,
50
125000
2000
اما ما نمی دانیم کجا ؟
02:22
since we don't know how to read the pattern.
51
127000
3000
از آنجائیکه نمی دانیم که چگونه این الگو ها را بخوانیم.
02:25
We don't understand the code used by the brain.
52
130000
3000
ما کد ها و رمز های مغزی را نمی فهمیم.
02:28
To make progress,
53
133000
2000
برای پیشرفت ،
02:30
we need to break the code.
54
135000
2000
ما بایست این کد ها را بشکافیم
02:32
But how?
55
137000
2000
اما چگونه ؟
02:35
An experienced code-breaker will tell you
56
140000
2000
یک تجزیه کننده با تجربه کد به شما خواهد گفت که
02:37
that in order to figure out what the symbols in a code mean,
57
142000
3000
به این منظور که دریابید این نشانه ها به چه معناست
02:40
it's essential to be able to play with them,
58
145000
3000
لازم است تا کمی با آنها بازی کنید
02:43
to rearrange them at will.
59
148000
2000
و آنها را باز آرایی کنید.
02:45
So in this situation too,
60
150000
2000
با این شرایط هم همچنان
02:47
to decode the information
61
152000
2000
تحلیل و كد برداري اطلاعات
02:49
contained in patterns like this,
62
154000
2000
که در این الگو جمع شده
02:51
watching alone won't do.
63
156000
2000
بررسی مجزای آن بی فایده خواهد بود.
02:53
We need to rearrange the pattern.
64
158000
2000
ما نیاز به بازآرایی این الگو داریم...
02:55
In other words,
65
160000
2000
به عبارت دیگر
02:57
instead of recording the activity of neurons,
66
162000
2000
در عوض ضبظ فعالیت های نورونی
02:59
we need to control it.
67
164000
2000
ما می بایست آنها را کنترل کنیم.
03:01
It's not essential that we can control
68
166000
2000
کنترل همه نورون های مغر به یکباره
03:03
the activity of all neurons in the brain, just some.
69
168000
3000
هیچ ضرورتی ندارد. تنها به تعدادی از آن نیازمندیم...
03:06
The more targeted our interventions, the better.
70
171000
2000
هرچه هدف های تجسس و جستجوی ما بیشتر باشد ، نتیجه بهتر است.
03:08
And I'll show you in a moment
71
173000
2000
من در این لحظه به شما نشان خواهم داد
03:10
how we can achieve the necessary precision.
72
175000
3000
که چطور می توانیم به حقایق ضروری دست یابیم.
03:13
And since I'm realistic, rather than grandiose,
73
178000
3000
از آنجائیکه من واقع گرا هستم ، در عوض قاطع و مصمم ،
03:16
I don't claim that the ability to control the function of the nervous system
74
181000
3000
من مدعی نمی باشم که با توانایی کنترل کارکرد های سیستم های عصبی مغز
03:19
will at once unravel all its mysteries.
75
184000
3000
قادر خواهیم بود همهی رازهایش را بر ملا کنیم.
03:22
But we'll certainly learn a lot.
76
187000
3000
اما اینگونه مطمئنا چیز های زیادی خواهیم آموخت.
03:27
Now, I'm by no means
77
192000
2000
هرگز من اولین کسی که
03:29
the first person to realize
78
194000
2000
....
03:31
how powerful a tool intervention is.
79
196000
3000
تاثیر و قدرت مغز را دریافته باشد نیستم .... (!)
03:34
The history of attempts
80
199000
2000
تاریخ کوشش ها و تلاش هایی
03:36
to tinker with the function of the nervous system
81
201000
2000
که به کارکرد سیستم های عصبی پرداخته اتد
03:38
is long and illustrious.
82
203000
2000
بسیار طولانی و بارز بوده است...
03:40
It dates back at least 200 years,
83
205000
3000
این تلاشها به حداقل 200 سال قبل باز می گردد،
03:43
to Galvani's famous experiments
84
208000
2000
به آزمایش معروف گالوانی
03:45
in the late 18th century and beyond.
85
210000
3000
در حدود قرن 18 و پس از آن...
03:49
Galvani showed that a frog's legs twitched
86
214000
3000
گالوانی نشان داد که پاهای غورباقه به آرامی تکان می خورد وقتی
03:52
when he connected the lumbar nerve
87
217000
2000
که عصب های لومبر ( حرکتی ) در ارتباط با
03:54
to a source of electrical current.
88
219000
3000
منبع ای از جریاناتت الکتریکی قرار می گیریند یا تحریک می شوند
03:57
This experiment revealed the first, and perhaps most fundamental,
89
222000
3000
این آزمایش موضوعات ابتدایی و شاید مهمترین بنیان ها را فاش کرد
04:00
nugget of the neural code:
90
225000
2000
موارد با ارزش از کد های عصبی :
04:02
that information is written in the form
91
227000
2000
که اطلاعات آن به شکل
04:04
of electrical impulses.
92
229000
3000
پالس های الکتریکی نوشته شده است.
04:08
Galvani's approach
93
233000
2000
راهبرد گالوانی
04:10
of probing the nervous system with electrodes
94
235000
2000
در کشف سیستم عصبی به کمک الکترود ها
04:12
has remained state-of-the-art until today,
95
237000
3000
به عنوان شاهکار هایی تا به امروز باقی مانده است.
04:15
despite a number of drawbacks.
96
240000
3000
بر خلاف تعدادی از زیان ها و خساراتی که داشته .
04:18
Sticking wires into the brain is obviously rather crude.
97
243000
3000
چسباندن سیم ها به مغز آشکارا یک کار غیر حرفه ای بوده
04:21
It's hard to do in animals that run around,
98
246000
2000
این کار بر روی حیوانات مورد مطالعه دشوار بوده
04:23
and there is a physical limit
99
248000
2000
و محدودیت های فیزیکی
04:25
to the number of wires
100
250000
2000
برای تعداد سیم ها وجود دارد
04:27
that can be inserted simultaneously.
101
252000
3000
آنهایی که می توانند در یک لحظه با هم متصل شوند.
04:30
So around the turn of the last century,
102
255000
2000
بنابراین در حدود قرن اخیر
04:32
I started to think,
103
257000
2000
من به این فکر افتادم که
04:34
"Wouldn't it be wonderful if one could take this logic
104
259000
3000
شگفت انگیز نخواهد بود اگر کسی این منطق را بتواند
04:37
and turn it upside down?"
105
262000
2000
در یابد و آن را وارونه بررسی کند.
04:39
So instead of inserting a wire
106
264000
2000
پس در عوض اتصال سیم
04:41
into one spot of the brain,
107
266000
3000
در یک نقطه مشخص از مغر
04:44
re-engineer the brain itself
108
269000
2000
خود مغز بررسی مجدد شود.
04:46
so that some of its neural elements
109
271000
3000
اینگونه تعدادی از المانهای عصبی
04:49
become responsive to diffusely broadcast signals
110
274000
3000
در قبال سیگنال های ارسالی خنثی گر ، پاسخگو باشد (!)
04:52
such as a flash of light.
111
277000
3000
مثل یک نور فلاش.
04:55
Such an approach would literally, in a flash of light,
112
280000
3000
اینگونه این راهکرد ها
04:58
overcome many of the obstacles to discovery.
113
283000
3000
در راه کشف بسیاری از مشکلات به ما کمک خواهد کرد.
05:01
First, it's clearly a non-invasive,
114
286000
3000
اولا ، مشخصا چیزی وارد بدن شخص نمی شود
05:04
wireless form of communication.
115
289000
3000
ارتباط از نوع بی سیم
05:07
And second, just as in a radio broadcast,
116
292000
2000
و دوما ، درست مثل امواج رادیویی ،
05:09
you can communicate with many receivers at once.
117
294000
3000
می توانید با تعداد زیادی از دریافت کنندهی سیگنال ها در همان لحظه ارتباط برقرار کنید.
05:12
You don't need to know where these receivers are,
118
297000
3000
نیاز به این نست که بدانید گیرنده ها در کجا هستند.
05:15
and it doesn't matter if these receivers move --
119
300000
2000
و اهمیتی هم ندارد که این گیرنده ها حتی حرکت کنند.
05:17
just think of the stereo in your car.
120
302000
3000
به استریو ماشین تان فکر کنید.
05:20
It gets even better,
121
305000
3000
و حتی بهتر از این
05:23
for it turns out that we can fabricate the receivers
122
308000
3000
که می توانیم گیرنده هایی هم ایجاد کنیم.
05:26
out of materials that are encoded in DNA.
123
311000
3000
خارج از آنچه که توسط DNA رمز نگاری شده است.
05:29
So each nerve cell
124
314000
2000
پس هر سلول عصبی
05:31
with the right genetic makeup
125
316000
2000
با نشان ژنتیکی خاص خود
05:33
will spontaneously produce a receiver
126
318000
3000
به طور ذاتی خواهد توانست گیرنده ای تولید کند
05:36
that allows us to control its function.
127
321000
3000
این کار به ما اجازه می دهد تا کارکرد هایش را کنترل کنیم
05:39
I hope you'll appreciate
128
324000
2000
امید وارم شما
05:41
the beautiful simplicity
129
326000
2000
زیبایی سادگی این مفهوم را قدر بدانید.
05:43
of this concept.
130
328000
2000
...
05:45
There's no high-tech gizmos here,
131
330000
2000
هیچ ابزار فوق پیشرفته ای وجود ندارد
05:47
just biology revealed through biology.
132
332000
3000
تنها بیولوژی از طریق زیست شناسی کشف شده.
05:51
Now let's take a look at these miraculous receivers up close.
133
336000
3000
حال بییاییم بر این گیرنده های شگفت انگیز نگاه نزدیکی داشته باشیم.
05:54
As we zoom in on one of these purple neurons,
134
339000
3000
وقتی به یکی ازین نورون های ارغوانی زوم می کنیم
05:57
we see that its outer membrane
135
342000
2000
ما می بینیم که لایه نازک خارجی
05:59
is studded with microscopic pores.
136
344000
2000
با روزنه های میکروسکوپیک پوشانده شده است.
06:01
Pores like these conduct electrical current
137
346000
2000
حفره های اینچنینی جریان های الکتریکی را عبور می دهند
06:03
and are responsible
138
348000
2000
و مسئولیت
06:05
for all the communication in the nervous system.
139
350000
2000
تمام ارتباطات شبکه عصبی را بر عهده دارند.
06:07
But these pores here are special.
140
352000
2000
ولی حفره های این ناحیه شرایط خاصی دارند.
06:09
They are coupled to light receptors
141
354000
2000
آنها برای دریافت نور جفت شده اند ( ؟)
06:11
similar to the ones in your eyes.
142
356000
3000
مانند آنهایی که در چشمان شما وجود دارند.
06:14
Whenever a flash of light hits the receptor,
143
359000
2000
هرگاه یک تابش نور به این گیرنده ها اصابت کند
06:16
the pore opens, an electrical current is switched on,
144
361000
3000
حفره ها باز شده و جریان الکتریکی متصل می شود
06:19
and the neuron fires electrical impulses.
145
364000
3000
و نورون ها پالس های الکتریکی را موجب می شوند.
06:22
Because the light-activated pore is encoded in DNA,
146
367000
3000
زیرا که فعال شدن حفره ها بدلیل تابش پرتو نور در DNA رمز نگاری شده .
06:25
we can achieve incredible precision.
147
370000
3000
ما می توانیم به حقایق شکفت انگیزی دست یابیم.
06:28
This is because,
148
373000
2000
بخاطر اینکه
06:30
although each cell in our bodies
149
375000
2000
اگرچه هر سلول در بدن ما
06:32
contains the same set of genes,
150
377000
2000
شامل بر دسته های مشابه ای از ژن هاست
06:34
different mixes of genes get turned on and off
151
379000
2000
ترکیب های متفاوت ژن ها
06:36
in different cells.
152
381000
2000
در سلول های مختلف روشن و خاموش می شوند.
06:38
You can exploit this to make sure
153
383000
2000
شما جهت اطمینان یافتن از
06:40
that only some neurons
154
385000
2000
اینکه تنها تعدادی از نورون ها
06:42
contain our light-activated pore and others don't.
155
387000
3000
شامل حفره های فعال شدنی با نور هستند و برخی دیگر نیستند می توانید از این شرایط بهره ببرید.
06:45
So in this cartoon, the bluish white cell
156
390000
2000
در این نمایش، این سلول سفید مایل به آبی
06:47
in the upper-left corner
157
392000
2000
در گوشه سمت چپ- بالا
06:49
does not respond to light
158
394000
2000
به تابش نور پاسخ نمی دهند
06:51
because it lacks the light-activated pore.
159
396000
3000
زیرا فقدان حفره های حساس به نور وجود دارد.
06:54
The approach works so well
160
399000
2000
این روش آنقدر خوب بکار آمده
06:56
that we can write purely artificial messages
161
401000
2000
که ما می توانیم پیام های کاملا هوشمندانه
06:58
directly to the brain.
162
403000
2000
مستیقیما روی مغز بنگاریم.
07:00
In this example, each electrical impulse,
163
405000
2000
در این مثال هر پالس الکتریکی ،
07:02
each deflection on the trace,
164
407000
3000
هریک با انحراف خودشان از مسیر ، (؟)
07:05
is caused by a brief pulse of light.
165
410000
3000
به وسیله پالس های نوری مختصری ایجاد شده است و
07:08
And the approach, of course, also works
166
413000
2000
این روش همچنین
07:10
in moving, behaving animals.
167
415000
3000
در حرکت و رفتار های حیوانات به کار گرفته شد.
07:13
This is the first ever such experiment,
168
418000
2000
این اولین نوع از این دست تجربیات بود
07:15
sort of the optical equivalent of Galvani's.
169
420000
3000
نوعی از روشهای اپتیکال مشابه روش گالوانی.
07:18
It was done six or seven years ago
170
423000
2000
این کار حدود 6 یا 7 سال قبل انجام گرفت
07:20
by my then graduate student, Susana Lima.
171
425000
3000
به وسیله دانشجوی لیسانس من، سوزان لیما.
07:23
Susana had engineered the fruit fly on the left
172
428000
3000
سوزان مگس سمت چپی را آزمود
07:26
so that just two out of the 200,000 cells in its brain
173
431000
4000
طوریکه که تنها 2 تا از دویست هزار سلول مغزش
07:30
expressed the light-activated pore.
174
435000
3000
به عنوان حفره های حساس به نور بیان شد.
07:33
You're familiar with these cells
175
438000
2000
شما با این سلول ها آشنایی دارید
07:35
because they are the ones that frustrate you
176
440000
2000
زیرا که مگس ها موجوداتی هستند که
07:37
when you try to swat the fly.
177
442000
2000
وقتی سعی می کنید مگس را بکشید شما را نا امید می کنند و فرار می کنند.
07:39
They trained the escape reflex that makes the fly jump into the air
178
444000
3000
آنها آموخته اند واکنش فرار آنها را مجبور می کند به هوا بجهند و
07:42
and fly away whenever you move your hand in position.
179
447000
3000
و از آنجا دور شوند هر زمان که شما دستهایتان را اینگونه حر کت می دهید.
07:46
And you can see here that the flash of light has exactly the same effect.
180
451000
3000
شما می توانید ببینید که تابش نور تاثیر یکسانی داشته.
07:49
The animal jumps, it spreads its wings, it vibrates them,
181
454000
3000
حیوان جهید ، بالهایش را گستراند ، آنها را تکان داد ،
07:52
but it can't actually take off
182
457000
2000
اما این نمی تواند واقعا یک پرواز کامل باشد
07:54
because the fly is sandwiched between two glass plates.
183
459000
3000
چرا که سرنوشت این مگس مرگ بوده است . و بین دو صفحه ساندویچ شده است .
07:58
Now to make sure that this was no reaction of the fly
184
463000
2000
حال جهت اطمینان از اینکه این حالت واکنش مگس
08:00
to a flash it could see,
185
465000
3000
در دیدن فلاش نوری که دیده است نبوده ،
08:03
Susana did a simple
186
468000
2000
سوزان یک آزمایش ساده و خصمانه را
08:05
but brutally effective experiment.
187
470000
2000
با این مگس انجام می دهد.
08:07
She cut the heads off of her flies.
188
472000
3000
سوزان سر آن مگس را از تنش جدا می کند.
08:11
These headless bodies can live for about a day,
189
476000
3000
این بدن بی سر می تواند تا حدود یک روز دیگر زنده بماند
08:14
but they don't do much.
190
479000
2000
اما کاری نمی تواند بکند
08:16
They just stand around
191
481000
3000
تنها همان جا می ماند و
08:19
and groom excessively.
192
484000
3000
بشدت تیمار می کند.
08:22
So it seems that the only trait that survives decapitation is vanity.
193
487000
3000
پس بنظر می رسد تنها گونه ای که بدون سر زنده می ماند غرور و خود بینی است.
08:25
(Laughter)
194
490000
3000
ها ها ها ها ...
08:30
Anyway, as you'll see in a moment,
195
495000
2000
حال ، آنچه که دیده ایم
08:32
Susana was able to turn on the flight motor
196
497000
3000
سوزان قادر بود تا موتور پرواز
08:35
of what's the equivalent of the spinal cord of these flies
197
500000
3000
چیزی که مشابه سیم پشتی موتور مگس است را روشن کند
08:38
and get some of the headless bodies
198
503000
2000
و بدن بی سر مگس را وادار کند
08:40
to actually take off and fly away.
199
505000
3000
تا عملا از زمین بلند شود و پرواز کند.
08:47
They didn't get very far, obviously.
200
512000
2000
ولی منطقا آنها بیش ازین جلو نرفتند
08:50
Since we took these first steps,
201
515000
2000
از زمانی که ما ابن قدم های اولیه را برداشتیم
08:52
the field of optogenetics has exploded.
202
517000
3000
رشته ژن سنجی گسترش یافته بود.
08:55
And there are now hundreds of labs
203
520000
2000
و هم اکنون صد ها آزمایشگاه
08:57
using these approaches.
204
522000
2000
از این روش ها استفاده می کنند.
08:59
And we've come a long way
205
524000
2000
و ما مسیر طولانی را پیمودیم
09:01
since Galvani's and Susana's first successes
206
526000
3000
از آزمایش گالوانی گرفته تا موفقیت سوزان .
09:04
in making animals twitch or jump.
207
529000
2000
در وادار کردن حیوانات به جهش ...
09:06
We can now actually interfere with their psychology
208
531000
3000
ما در واقع میتوانیم با روانشناسی آنها مربوط شویم
09:09
in rather profound ways,
209
534000
2000
در روش های ژرف و عمیق آن
09:11
as I'll show you in my last example,
210
536000
2000
آنطور که من در آزمایش آخرم نشان خواهم داد
09:13
which is directed at a familiar question.
211
538000
3000
که به یک سوال آشنا ختم می شود.
09:16
Life is a string of choices
212
541000
3000
زندگی رسته ای از انتخابها است
09:19
creating a constant pressure to decide what to do next.
213
544000
3000
که فشار ثابتی برای ما ایجاد میکند که ما در گام بعدی چه انتخاب کنیم.
09:23
We cope with this pressure by having brains,
214
548000
3000
ما به این فشارها توانستیم به کمک مغزمان، به آنها عادت کنیم
09:26
and within our brains, decision-making centers
215
551000
3000
و در درون مغزمان، مرکز تصمیم گیری
09:29
that I've called here the "Actor."
216
554000
3000
که من در اینجا آنرا بازیگر می نامم بما کمک می کند.
09:33
The Actor implements a policy that takes into account
217
558000
3000
این بازیگر سیاست یا رویه ای را پیاده سازی می کند که
09:36
the state of the environment
218
561000
2000
با شرایط محیط سازگار و معتبر می باشد.
09:38
and the context in which we operate.
219
563000
3000
و همینطور زمینه ای که ما بدان عمل می کنیم.
09:41
Our actions change the environment, or context,
220
566000
3000
اعمال ما محیط و یا مفهوم کار ما را تغییر می دهند
09:44
and these changes are then fed back into the decision loop.
221
569000
3000
و این تغییرات مجددا در چرخه تصمیم گیری ما وارد می شود.
09:48
Now to put some neurobiological meat
222
573000
3000
حال چند نمونه نوروبیولوژیک
09:51
on this abstract model,
223
576000
2000
در این مدل انتزاعی قرار دهید.
09:53
we constructed a simple one-dimensional world
224
578000
2000
ما یک جهان یک بعدی ساده را ایجاد کرده ایم
09:55
for our favorite subject, fruit flies.
225
580000
3000
برای موضوع مطلوبمان، مگس ها.
09:58
Each chamber in these two vertical stacks
226
583000
2000
هر اتاق در این بسته های عمودی
10:00
contains one fly.
227
585000
2000
شامل یک مگس می شود.
10:02
The left and the right halves of the chamber
228
587000
3000
نیمه چپ و نیمه راست از این اتاق
10:05
are filled with two different odors,
229
590000
2000
از دو نوع عطر مختلف پر شده است
10:07
and a security camera watches
230
592000
2000
و دوربین امنیتی
10:09
as the flies pace up and down between them.
231
594000
3000
پیمایش بالا و پایین مگس ها را بین آنها را بررسی می کند.
10:12
Here's some such CCTV footage.
232
597000
2000
اینجا بعضی از ردپاهای سی سی تی وی دوربین آمده است.
10:14
Whenever a fly reaches the midpoint of the chamber
233
599000
3000
که هرگاه مگس به نقطه میانی اتاق رسیده است
10:17
where the two odor streams meet,
234
602000
2000
جایی که دو بو با هم در تماس هستند
10:19
it has to make a decision.
235
604000
2000
باید برای خود تصمیم گیری کند.
10:21
It has to decide whether to turn around
236
606000
2000
او باید انتخاب کند که باز گردد و در این عطر بماند
10:23
and stay in the same odor,
237
608000
2000
در این بو،
10:25
or whether to cross the midline
238
610000
2000
و یا این خط میانی را بگذرد
10:27
and try something new.
239
612000
2000
و بوی دیگر را آزمایش کند.
10:29
These decisions are clearly a reflection
240
614000
3000
این حقایق در واقع بازتاب
10:32
of the Actor's policy.
241
617000
3000
سیاست بازیگر می باشد.
10:36
Now for an intelligent being like our fly,
242
621000
3000
حال برای هوشمند بودن مانند مگس خودمان
10:39
this policy is not written in stone
243
624000
3000
این سياست روی سنگ نوشته نشده
10:42
but rather changes as the animal learns from experience.
244
627000
3000
بلکه به تدریج که این حیوان از تجربیاتش می آموزد تغییر می کند.
10:45
We can incorporate such an element
245
630000
2000
ما می توانیم این المان ها را بکار گیریم
10:47
of adaptive intelligence into our model
246
632000
3000
تا هوشمندی را در مدل های خودمان نهاده کنیم.
10:50
by assuming that the fly's brain
247
635000
2000
با دریافت اینکه مغز مگس
10:52
contains not only an Actor,
248
637000
2000
نه تنها شامل آن بازیگر سیاست پرداز است
10:54
but a different group of cells,
249
639000
2000
بلکه از گروه دیگری از سلول ها تشکیل شده
10:56
a "Critic," that provides a running commentary
250
641000
3000
بخش نقد ، که گزارش و تفسیر پیوسته ای را
10:59
on the Actor's choices.
251
644000
2000
برای انتخاب های بازیگر فراهم می آورد.
11:01
You can think of this nagging inner voice
252
646000
3000
شما می توانبد به صدای گوشزد کننده درونی تان فکر کنید مانند
11:04
as sort of the brain's equivalent
253
649000
2000
مغز کسانی که در
11:06
of the Catholic Church,
254
651000
2000
کلیسای کاتولیک هستند فکر کنید
11:08
if you're an Austrian like me,
255
653000
3000
اگر مانند من استرالیایی هستید
11:11
or the super-ego, if you're Freudian,
256
656000
3000
و یا وجدان، اگر که وابسته به فروید هستید،
11:14
or your mother, if you're Jewish.
257
659000
2000
یا صدای مادرتان ، اگر که یهودی هستید.
11:16
(Laughter)
258
661000
4000
ها ها ها ها ها ...
11:20
Now obviously,
259
665000
2000
بطور شفاف می بینیم ،
11:22
the Critic is a key ingredient
260
667000
3000
که عامل نقد ار ملزومات مهم
11:25
in what makes us intelligent.
261
670000
2000
در چیزی است که که هوشمندی در ما را باعث می شود.
11:27
So we set out to identify
262
672000
2000
بنابراین ما قصد داریم تا
11:29
the cells in the fly's brain
263
674000
2000
سلول هایی در مغز مگس را شناسایی کنیم که
11:31
that played the role of the Critic.
264
676000
2000
نقش عامل نقد و مقایسه را بازی میکند.
11:33
And the logic of our experiment was simple.
265
678000
3000
منطق آزمایش ما ساده بوده ،
11:36
We thought if we could use our optical remote control
266
681000
3000
ما می پنداشتیم اگر بتوانیم از کنترل از راه دور نوری استفاده کنیم
11:39
to activate the cells of the Critic,
267
684000
3000
تا سلول های بررسی کننده و نقاد را فعال کنیم ،
11:42
we should be able, artificially, to nag the Actor
268
687000
3000
ما می بایست قادر باشیم تا بطور مصنوعی این بازیگر را
11:45
into changing its policy.
269
690000
2000
مجبور به تغییر رویه هایش کنیم.
11:47
In other words,
270
692000
2000
به بیان دیگر
11:49
the fly should learn from mistakes
271
694000
2000
مگس بایست از اشتباهاتش
11:51
that it thought it had made
272
696000
2000
آنهایی را که فکر می کرد اتفاق افتاده ، بیاموزد
11:53
but, in reality, it had not made.
273
698000
3000
در واقع چنین چیزی رخ نداده بود. ( ؟)
11:56
So we bred flies
274
701000
2000
پس ما مگس هایی را پرورش دادیم
11:58
whose brains were more or less randomly peppered
275
703000
3000
که مغزهایشان کما بیش بطور تصادفی
12:01
with cells that were light addressable.
276
706000
2000
با سلول هایی که نور-آدرس پذیر بودند تقویت شده بود.
12:03
And then we took these flies
277
708000
2000
و سپس این مگس ها را آورده و
12:05
and allowed them to make choices.
278
710000
2000
اجازه دادیم تا انتخاب هایشان را انجام دهند.
12:07
And whenever they made one of the two choices,
279
712000
2000
و هرگاه که آنها یکی از دو انتخاب را انجام می دادند
12:09
chose one odor,
280
714000
2000
و یک بوی زا انتخاب می کردند
12:11
in this case the blue one over the orange one,
281
716000
2000
در این مورد نوع آبی نسبت به نوع نارنجی
12:13
we switched on the lights.
282
718000
2000
ما نور ها را با هم عوض می کردیم.
12:15
If the Critic was among the optically activated cells,
283
720000
3000
اگر عامل نقد کننده در میان سلول های فعال ساز شده با نور بود
12:18
the result of this intervention
284
723000
2000
نتیجه این آزمایش
12:20
should be a change in policy.
285
725000
3000
بایست تغییر در رویه بوده باشد.
12:23
The fly should learn to avoid
286
728000
2000
مگس می بایست بیاموزد تا
12:25
the optically reinforced odor.
287
730000
2000
بوی اجبار شده نوري را نپذیرد.
12:27
Here's what happened in two instances:
288
732000
3000
اینها نتایجی است که در این دو مثال اتفاق افتاد.
12:30
We're comparing two strains of flies,
289
735000
3000
ما در حال مقایسه این دو دسته از مگس ها هستیم که
12:33
each of them having
290
738000
2000
هر کدامشان
12:35
about 100 light-addressable cells in their brains,
291
740000
2000
حدود یکصد سلول نور-آدرس پذیر در مغشان دارند .
12:37
shown here in green on the left and on the right.
292
742000
3000
نشان داده شده در اینجا سمت چپ و سمت راست
12:40
What's common among these groups of cells
293
745000
3000
چه چیزی در بین این گروهها آنچه که معمول و عادی است
12:43
is that they all produce the neurotransmitter dopamine.
294
748000
3000
چيزی است که همه آنها تولید می کنند ترشحات (؟) فرستندهای نورونی مغز است
12:46
But the identities of the individual
295
751000
2000
اما شناسایی هر کدام
12:48
dopamine-producing neurons
296
753000
2000
از نورون های تولید کننده این مواد در مغز
12:50
are clearly largely different on the left and on the right.
297
755000
3000
در بین سمت چپی و سمت راستی بسیار متفاوت است .
12:53
Optically activating
298
758000
2000
فعال سازی نوری
12:55
these hundred or so cells
299
760000
2000
این چند صد سلول
12:57
into two strains of flies
300
762000
2000
از دو دسته از مگس ها
12:59
has dramatically different consequences.
301
764000
2000
بطور چشمگير فرایند ها و نتایج متفاوتی دارد.
13:01
If you look first at the behavior
302
766000
2000
اگر ابتدا به رفتار
13:03
of the fly on the right,
303
768000
2000
مگس های سمت راست نگاه کنید
13:05
you can see that whenever it reaches the midpoint of the chamber
304
770000
3000
خواهید دید که آنها به محض اینکه به نقطه میانی فضا می رسند
13:08
where the two odors meet,
305
773000
2000
جایی که دو بو در کنار هم قرار دارند
13:10
it marches straight through, as it did before.
306
775000
3000
مطابق آنچه قبلا انجا م می داده از میانش میگذرد.
13:13
Its behavior is completely unchanged.
307
778000
2000
رفتارشان کاملا بی تغییر مانده است.
13:15
But the behavior of the fly on the left is very different.
308
780000
3000
اما رفتار آن سمت چپی کاملا متفاوت است .
13:18
Whenever it comes up to the midpoint,
309
783000
3000
هرگاه آنها به نقطه میانی می رسند
13:21
it pauses,
310
786000
2000
مکث می کنند و
13:23
it carefully scans the odor interface
311
788000
2000
به دقت ورودی بوی دیگر را حس می کنند و
13:25
as if it was sniffing out its environment,
312
790000
2000
همانطور که در طبیعت بو می کشند ،
13:27
and then it turns around.
313
792000
2000
و سپس باز می گردند.
13:29
This means that the policy that the Actor implements
314
794000
3000
این بدان معناست که رویه هایی که بازیگر ما بر می گزیند
13:32
now includes an instruction to avoid the odor
315
797000
2000
اکنون شامل دستورالعمل امتناع از بویی که
13:34
that's in the right half of the chamber.
316
799000
3000
در نیمه راست اتاق وجود دارد نیز می شود.
13:37
This means that the Critic
317
802000
2000
یعنی عامل نقد
13:39
must have spoken in that animal,
318
804000
2000
باید در آن حیوان چیزی گفته باشد
13:41
and that the Critic must be contained
319
806000
2000
و اینکه عامل نقد باید
13:43
among the dopamine-producing neurons on the left,
320
808000
3000
شامل نورون هایی تولید کننده دوپامین در دسته سمت چپی نیز باشد ،
13:46
but not among the dopamine producing neurons on the right.
321
811000
3000
اما در میان نورون های تولیدگر دوپامین در دسته سمت راستی ...
13:49
Through many such experiments,
322
814000
3000
از طریق چندین آزمایش مشابه
13:52
we were able to narrow down
323
817000
2000
توانستیم تا
13:54
the identity of the Critic
324
819000
2000
عامل نقد و بررسی را
13:56
to just 12 cells.
325
821000
2000
تنها 12 سلول شناسایی کنیم.
13:58
These 12 cells, as shown here in green,
326
823000
3000
این 12 سلول که در اینجا با سبز نمایش داده شده
14:01
send the output to a brain structure
327
826000
2000
خروجی هایی را به ساختار مغز ارسال می کنند
14:03
called the "mushroom body,"
328
828000
2000
که قارچ بدن ( مخچه ) نامیده می شود.
14:05
which is shown here in gray.
329
830000
2000
که در اینجا به رنگ خاکستری آمده .
14:07
We know from our formal model
330
832000
2000
از مدل رسمی خود می دانیم که
14:09
that the brain structure
331
834000
2000
ساختار مغز
14:11
at the receiving end of the Critic's commentary is the Actor.
332
836000
3000
بخش انتهایی گزارشات عامل نقد ختم به آن بازیگر می شود.
14:14
So this anatomy suggests
333
839000
2000
این آناتومی بیان می دارد
14:16
that the mushroom bodies have something to do
334
841000
3000
که مخچه با
14:19
with action choice.
335
844000
2000
انتخاب های عملگرا در ارتباط است .
14:21
Based on everything we know about the mushroom bodies,
336
846000
2000
بر اساس هرآنچه از قارچ بدن می دانیم
14:23
this makes perfect sense.
337
848000
2000
بسیار فرایند جالبی است .
14:25
In fact, it makes so much sense
338
850000
2000
در واقع بسیار جالب خواهد بود که
14:27
that we can construct an electronic toy circuit
339
852000
3000
ما بتوانیم مدار اسبابی اکترونیکی را بسازیم که
14:30
that simulates the behavior of the fly.
340
855000
3000
رفتار مگس را شبیه سازی کند.
14:33
In this electronic toy circuit,
341
858000
3000
در این اسباب الکترونیکی
14:36
the mushroom body neurons are symbolized
342
861000
2000
نورونهای مغزی مخچه سمبل شده اند
14:38
by the vertical bank of blue LEDs
343
863000
3000
به تعدادی ال ای دی های آبی رنگ بطور عمودی
14:41
in the center of the board.
344
866000
3000
در وسط برد مرتب شده اند.
14:44
These LED's are wired to sensors
345
869000
2000
این چراغ ها به سنسور ها سیم کشی شده اند
14:46
that detect the presence of odorous molecules in the air.
346
871000
3000
که حضور مولکول های معطر در هوا را شناسایی می کند.
14:50
Each odor activates a different combination of sensors,
347
875000
3000
هر بو ترکیب متفاوتی از سنسور ها را فعال می کند
14:53
which in turn activates
348
878000
2000
که هر کدام
14:55
a different odor detector in the mushroom body.
349
880000
3000
شناساگر بوی متفاوتی را در مخچه فعال می سازد
14:58
So the pilot in the cockpit of the fly,
350
883000
2000
بنابراین خلبان کابین مگس
15:00
the Actor,
351
885000
2000
آن بازیگر ،
15:02
can tell which odor is present
352
887000
2000
می تواند بگوید کدام بو حاضر است
15:04
simply by looking at which of the blue LEDs lights up.
353
889000
4000
تنها با نگاه بر روشن شدن چراغ ها .
15:09
What the Actor does with this information
354
894000
2000
آنچه که این بازیگر انجام میدهد با این اطلاعات
15:11
depends on its policy,
355
896000
2000
بستگی به رویه اش دارد که
15:13
which is stored in the strengths of the connection,
356
898000
2000
که در رشته ای از ارتباطات نهفته است .
15:15
between the odor detectors
357
900000
2000
میان شناساگر بوها
15:17
and the motors
358
902000
2000
و موتور ها یی که
15:19
that power the fly's evasive actions.
359
904000
2000
امکان امتناع مگس ها را تامین می کند.
15:22
If the connection is weak, the motors will stay off
360
907000
2000
اگر ارتباط ضعیف باشد موتور خاموش می ماند و
15:24
and the fly will continue straight on its course.
361
909000
3000
و مگس در مسیر مستقیم در همان بخش ادامه میدهد.
15:27
If the connection is strong, the motors will turn on
362
912000
3000
اگر ارتباط قوی باشد موتور روشن می شود و
15:30
and the fly will initiate a turn.
363
915000
3000
و مگس یک دور را انجام می دهد.
15:33
Now consider a situation
364
918000
2000
حال وضعی را در نظر بگیرید که
15:35
in which the motors stay off,
365
920000
2000
موتور ها خاموش هستند و
15:37
the fly continues on its path
366
922000
3000
مگس به راهش ادامه می دهد
15:40
and it suffers some painful consequence
367
925000
2000
و تعدادی روند دردناک مثل جریان برق را احساس می کند.
15:42
such as getting zapped.
368
927000
2000
جریان برق ...
15:44
In a situation like this,
369
929000
2000
در شرایطی چنین ،
15:46
we would expect the Critic to speak up
370
931000
2000
ما انتظار داریم تا عامل نقد برخیزد و به
15:48
and to tell the Actor
371
933000
2000
بازیگر بگوید
15:50
to change its policy.
372
935000
2000
تا رویه اش را تییر دهد
15:52
We have created such a situation, artificially,
373
937000
3000
ما این روند را به طور مصنوعی ایجاد کردیم و
15:55
by turning on the critic with a flash of light.
374
940000
3000
آنهم با فعال سازی عامل نقد بکمک فلاش نور.
15:58
That caused a strengthening of the connections
375
943000
3000
که باعث تقویت ارتباطات شد
16:01
between the currently active odor detector
376
946000
3000
بین شناساگر های فعلی بو
16:04
and the motors.
377
949000
2000
و موتور ها
16:06
So the next time
378
951000
2000
و دفعه بعد نیز
16:08
the fly finds itself facing the same odor again,
379
953000
3000
مگس خود را رویاروی همان بو می بیند
16:11
the connection is strong enough to turn on the motors
380
956000
3000
و این ارتباط آنقدر قوی هست تا موتور ها را به کار اندازد
16:14
and to trigger an evasive maneuver.
381
959000
3000
تا مانور بازدارنده را در مگس ایجاد کند.
16:19
I don't know about you,
382
964000
3000
در مورد شما نمی دانم
16:22
but I find it exhilarating to see
383
967000
3000
اما برای من هیجان انگیز است تا دریابم
16:25
how vague psychological notions
384
970000
3000
که چطور این عوامل مغزی و روانی
16:28
evaporate and give rise
385
973000
2000
تغییر مییابد و
16:30
to a physical, mechanistic understanding of the mind,
386
975000
3000
به درک مکانیکی و فیزیکی مغز می انجامد.
16:33
even if it's the mind of the fly.
387
978000
3000
حتی در مغز مگس ...
16:36
This is one piece of good news.
388
981000
3000
این تنها یک بخش از خبر های خوب است .
16:39
The other piece of good news,
389
984000
2000
خبر خوب دیگر
16:41
for a scientist at least,
390
986000
2000
حداقل برای دانشمندان
16:43
is that much remains to be discovered.
391
988000
3000
هنوز خیلی مانده تا کشف شود و بدست آید.
16:46
In the experiments I told you about,
392
991000
2000
در آزمایشاتی که من راجع بهشان گفتم ،
16:48
we have lifted the identity of the Critic,
393
993000
3000
ما تلاش کردیم تا عامل نقد را بیابیم
16:51
but we still have no idea
394
996000
2000
اما هنوز نظری راجع به
16:53
how the Critic does its job.
395
998000
2000
اینکه این بخش چگونه کارش را انجام می دهد نداریم .
16:55
Come to think of it, knowing when you're wrong
396
1000000
2000
بیایید به آن بیاندیشیم ، با دانستن اینکه شما بدون معلم یا مادرتان که به شما بگوید
16:57
without a teacher, or your mother, telling you,
397
1002000
3000
...
17:00
is a very hard problem.
398
1005000
2000
که مساله سختی است !
17:02
There are some ideas in computer science
399
1007000
2000
چند نظر در علوم کامپیوتر وجود دارد
17:04
and in artificial intelligence
400
1009000
2000
و در هوش مصنوعی
17:06
as to how this might be done,
401
1011000
2000
که چطور ممکن است اینطور شود ،
17:08
but we still haven't solved
402
1013000
2000
ولی ما هنوز حلی برای
17:10
a single example
403
1015000
2000
یک مثال ساده
17:12
of how intelligent behavior
404
1017000
3000
از اینکه رفتار هوشمندانه
17:15
springs from the physical interactions
405
1020000
2000
چگونه از تعاملات فیزیکی نشات می گیرد
17:17
in living matter.
406
1022000
2000
در موجودات زنده ، نداریم.
17:19
I think we'll get there in the not too distant future.
407
1024000
3000
و من فکر میکنم ، در آینده ای نه چندان دور بدانجا خواهیم رسید...
17:22
Thank you.
408
1027000
2000
متشکرم.
17:24
(Applause)
409
1029000
4000
تشویق حاضران و گل و بلبل ...
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