TEDxMidAtlantic
Charles Limb: Your brain on improv
چارلز لیم: مغز شما در حال پیشرفت
Filmed:
Readability: 4.4
1,351,678 views
چارلز لیم که محقق و موسیقی دان است به این فکر بود که مغز در حال بداهه نوازی چگونه کار میکند -- پس او نوازندگان موسیقی جاز و رپ را در دستگاه ام.آر.آی کارکردی قرار داد. چیزی که او و گروهش دریافتند عواقب عمیقی برای درک ما از انواع نوآوری دارد.
Charles Limb - Researcher
Charles Limb is a doctor and a musician who researches the way musical creativity works in the brain. Full bio
Charles Limb is a doctor and a musician who researches the way musical creativity works in the brain. Full bio
Double-click the English transcript below to play the video.
00:15
So I am a surgeon who studies creativity,
0
0
3000
من جراح هستم و پژوهش من در مورد پدیده نوآوری و ابتکار است
00:18
and I have never had a patient tell me
1
3000
3000
و هرگز بیماری نداشتم که به من بگوید
00:21
that "I really want you to be creative during surgery,"
2
6000
3000
که "من واقعا از شما میخواهم که در موقع عمل من مبتکر باشید"
00:24
and so I guess there's a little bit of irony to it.
3
9000
3000
بنا براین به نظر من این جا یک تیغ دو لبه دارم.
00:27
I will say though that, after having done surgery a lot,
4
12000
3000
ولی بعد از عملهای جراحی زیادی که انجام داده ام باید بگویم که
00:30
it's somewhat similar to playing a musical instrument.
5
15000
2000
تا حدی شباهت زیادی با نواختن ساز و موسیقی دارد.
00:32
And for me, this sort of deep and enduring fascination with sound
6
17000
3000
و برای من، علاقه عمیق و همیشگی که با صوت دارم
00:35
is what led me to both be a surgeon
7
20000
2000
عاملی بود که مرا به سوی شغل جراحی
00:37
and also to study the science of sound, particularly music.
8
22000
2000
و همچنین مطالعه علمی صوت و به خصوص موسیقی برد.
00:39
And so I'm going to try to talk to you over the next few minutes
9
24000
2000
بنا بر این در چند دقیقه آینده سعی میکنم
00:41
about my career
10
26000
2000
در مورد زندگی حرفه ای ام صحبت کنم
00:43
in terms of how I'm able to actually try to study music
11
28000
2000
و در این زمینه که چگونه به مطالعه موسیقی مشغولم
00:45
and really try to grapple with all these questions
12
30000
2000
و چگونه سعی میکنم به طور جدی با این سوال ها دست و پنجه نرم کنم
00:47
of how the brain is able to be creative.
13
32000
3000
که مغز چگونه میتواند نوآور باشد؟
00:50
I've done most of this work at Johns Hopkins University,
14
35000
2000
من بیشتر این پژوهش را در دانشگاه جانز هاپکینز انجام داده ام
00:52
but also at the National Institute of Health where I was previously.
15
37000
2000
و همچنین در انستیتو ملی بهداشت (ان.آی.اچ.-NIH) که قبلا در آنجا کار میکردم.
00:54
I'm going to go over some science experiments
16
39000
2000
من بعضی از این آزمایشها را با شما دوره میکنم
00:56
and try to cover three musical experiments.
17
41000
2000
و سعی میکنم سه آزمایش موسیقی را مرور کنم.
00:58
I'm going to start off by playing a video for you.
18
43000
2000
خوب، من صحبتهایم را با یک ویدئو شروع میکنم
01:00
And this video is a video of Keith Jarrett, who's a well-known jazz improviser
19
45000
3000
این ویدئو از کیت جارت است، که یکی از بداهه نوازان مشهور جاز میباشد
01:03
and probably the most well-known, iconic example
20
48000
3000
و شاید معروفترین نمونه عالی
01:06
of someone who takes improvisation to a really higher level.
21
51000
2000
از کسی است که بداهه نوازی را به سطح بالاتری می برد.
01:08
And he'll improvise entire concerts
22
53000
2000
و یک کنسرت کامل را بداهه نوازی میکند
01:10
off the top of his head,
23
55000
2000
بدون هیچ گونه تمرین قبلی
01:12
and he'll never play it exactly the same way again,
24
57000
2000
و بعدا هرگز همان قطعه را به همان شکل نخواهد نواخت.
01:14
and so, as a form of intense creativity,
25
59000
2000
بنا بر این، به عنوان یک کار بسیار خلاقانه،
01:16
I think this is a great example.
26
61000
2000
به من نظر من این یک مثال استثنائی است.
01:18
And so why don't we go and click the video.
27
63000
2000
اجازه بدهید با هم ویدئو را ببینیم.
01:21
(Music)
28
66000
4000
♫ موسیقی ♪♫
02:17
It's really a remarkable, awesome thing that happens there.
29
122000
3000
واقعا این یک پدیده استثنائی و زیبائی است که اینجا رخ میدهد.
02:20
I've always -- just as a listener, as just a fan --
30
125000
2000
من همیشه - به عنوان یک شنونده، به عنوان یک هوادار -
02:22
I listen to that, and I'm just astounded.
31
127000
2000
به این قطعه گوش میکنم و فقط در حیرتم که
02:24
I think -- how can this possibly be?
32
129000
2000
که این چگونه اتفاق میافتد.
02:26
How can the brain generate that much information,
33
131000
2000
چگونه مغز این اندازه اطلاعات را،
02:28
that much music, spontaneously?
34
133000
2000
این میزان موسیقی را به خودی خود به وجود می آورد؟
02:30
And so I set out with this concept, scientifically,
35
135000
3000
این پرسش را من به دیده علمی نگاه می کنم،
02:33
that artistic creativity, it's magical, but it's not magic,
36
138000
3000
که نوآوری هنری جادوئی هست، ولی جادو نیست.
02:36
meaning that it's a product of the brain.
37
141000
2000
به این معنی که این محصول کار مغز است.
02:38
There's not too many brain-dead people creating art.
38
143000
3000
تعداد زیادی آدم نیستند که پس از مرگ مغزی توانائی نوآوری هنری دارند.
02:41
And so with this notion that artistic creativity
39
146000
2000
پس با در نظر گرفتن این مفهوم که نوآوری هنری
02:43
is in fact a neurologic product,
40
148000
2000
در واقع یک پدیده عصبی است،
02:45
I took this thesis that we could study it
41
150000
3000
من این فرض را کردم که میشود آن را مطالعه کرد
02:48
just like we study any other complex neurologic process.
42
153000
3000
همونطوری که دیگر پدیده های پیچیده عصبی را مطالعه میکنیم
02:51
And I think there's some sub-questions there that I put there.
43
156000
2000
و فکر میکنم که میشود چند زیر-پرسش را هم مطرح کرد.
02:53
Is it truly possible to study creativity scientifically?
44
158000
2000
که آیا واقعا میشود نوآوری را به طور علمی مطالعه کرد؟
02:55
And I think that's a good question.
45
160000
2000
و به نظر من این پرسش خوبی است.
02:57
And I'll tell you that most scientific studies of music,
46
162000
3000
و میتوانم بگویم که بیشتر پژوهشهایی که روی موسیقی شده
03:00
they're very dense,
47
165000
2000
خیلی فشرده هستند.
03:02
and when you actually go through them, it's very hard to recognize the music in it.
48
167000
3000
و موقعی که آنها را مرور میکنی، پیدا کردن موسیقی در آنها خیلی سخت است.
03:05
In fact, they seem to be very unmusical entirely
49
170000
2000
و در واقع کاملا غیر موسیقیائی هستند
03:07
and to miss the whole point of the music.
50
172000
2000
و به اساس موسیقی بی توجه هستند.
03:09
And so it brings the second question:
51
174000
2000
و این سئوال دوم را پدید می آورد:
03:11
Why should scientists study creativity?
52
176000
2000
که چرا دانشمندان باید مساله نوآوری را مورد پژوهش قرار دهند؟
03:13
Maybe we're not the right people to do it.
53
178000
2000
شاید اساسا ما آدمهای مناسب این کار نیستیم.
03:15
Well it may be,
54
180000
2000
شاید اینگونه باشد،
03:17
but I will say that, from a scientific perspective --
55
182000
2000
ولی من باید از دیدگاه علمی بگویم -
03:19
we talked a lot about innovation today --
56
184000
2000
که ما امروز خیلی در مورد نوآوری صحبت کردیم --
03:21
the science of innovation,
57
186000
2000
در مورد دانش نوآوری،
03:23
how much we understand about how the brain is able to innovate
58
188000
2000
میزان دانشی که ما درباره چگونگی نوآوری مغز داریم
03:25
is in its infancy,
59
190000
2000
هنوز در سطح ابتدائی است.
03:27
and truly, we know very little about how we are able to be creative.
60
192000
3000
واقعا ما خیلی کم در مورد این میدانیم که چگونه میتوانیم نوآور باشیم.
03:30
And so I think that we're going to see
61
195000
2000
به نظر من ما شاهد این خواهیم بود
03:32
over the next 10, 20, 30 years
62
197000
2000
که در طول 10، 20، یا 30 سال آینده
03:34
a real science of creativity that's burgeoning and is going to flourish.
63
199000
3000
دانش حقیقی نوآوری که الان در حال شکوفه دادن است، به ثمر خواهد نشست.
03:37
Because we now have new methods that can enable us
64
202000
2000
زیرا ما الان روشهائی را داریم که به ما توانائی این را میدهد
03:39
to take this process of something like this,
65
204000
2000
که فرایندی مانند این را بگیریم --
03:41
complex jazz improvisation, and study it rigorously.
66
206000
2000
-- بداهه نوازی پیچیده جاز را -- و آن را به طور جدی مطالعه کنیم.
03:43
And so it gets down to the brain.
67
208000
2000
بنابراین همه اینها به مغز ختم میشود.
03:45
And so all of us have this remarkable brain,
68
210000
2000
و همه ما این مغز اعجاب انگیز را داریم
03:47
which is poorly understood to say the least.
69
212000
3000
که لااقل میتوانیم بگوئیم که دانش ما در مورد آن خیلی کم است.
03:50
I think that neuroscientists
70
215000
2000
به عقیده من دانشمندان مغز و اعصاب
03:52
have many more questions than answers,
71
217000
2000
تعداد پرسشهایشان از پاسخهایشان بیشتر است.
03:54
and I myself, I'm not going to give you many answers today,
72
219000
2000
و من به شخصه، امروز به شما پاسخهای زیادی نخواهم داد
03:56
just ask a lot of questions.
73
221000
2000
ولی پرسشهای زیادی را خواهم پرسید.
03:58
And fundamentally that's what I do in my lab.
74
223000
2000
و اساسا این کاری است که من در آزمایشگاهم میکنم
04:00
I ask questions about what is this brain doing to enable us to do this.
75
225000
2000
میپرسم این چه کاریست که مغز انجام میدهد که به ما توانائی چنین کاری را میدهد؟
04:02
This is the main method that I use. This is called functional MRI.
76
227000
3000
روش اصلی که من به کار میبرم این است. اسمش ام.آر.آی کارکردی است.
04:05
If you've been in an MRI scanner, it's very much the same,
77
230000
3000
اگر تا حالا داخل ام.آر.آی بوده اید این همان دستگاه است.
04:08
but this one is outfitted in a special way
78
233000
2000
ولی این یکی به طور خاصی تجهیز شده
04:10
to not just take pictures of your brain,
79
235000
2000
که نه تنها از مغز،
04:12
but to also take pictures of active areas of the brain.
80
237000
3000
بلکه از نواحی فعال مغز نیز عکس بگیرد.
04:15
Now the way that's done is by the following.
81
240000
2000
حالا کاری که این دستگاه میکند این طور است که
04:17
There's something called BOLD imaging,
82
242000
2000
روشی وجود دارد به اسم عکس برداری BOLD
04:19
which is Blood Oxygen Level Dependent imaging.
83
244000
2000
که BOLD مخفف عکس برداری از میزان اکسیژن خون است.
04:21
Now when you're in an fMRI scanner,
84
246000
2000
وقتی شما درون یک دستگاه ام.آر.آی کارکردی قرار میگیرید
04:23
you're in a big magnet
85
248000
2000
اساسا در داخل یک آهن ربای بزرگ هستید
04:25
that's aligning your molecules in certain areas.
86
250000
2000
که مولکولهای قسمتهایی از بدن شما را همسو میکند
04:27
When an area of the brain is active, meaning a neural area is active,
87
252000
3000
وقتی ناحیه ای از مغز فعال میشود
04:30
it gets blood flow shunted to that area.
88
255000
3000
خون بیشتری به آن ناحیه سرازیر میشود.
04:33
That blood flow causes an increase
89
258000
2000
این افزایش جریان خون موجب افزایش
04:35
in local blood to that area
90
260000
2000
میزان خون محلی در آن ناحیه میشود
04:37
with a deoxyhemoglobin change in concentration.
91
262000
3000
و در نتیجه غلظت داکسی هموگلوبین عوض میشود.
04:40
Deoxyhemoglobin can be detected by MRI,
92
265000
2000
ام.آر.آی میتواند داکسی هموگلبین را تشخیص دهد
04:42
whereas oxyhemoglobin can't.
93
267000
2000
در حالی که اکسی هموگلوبین را نمیتواند.
04:44
So through this method of inference --
94
269000
2000
بنا بر این براساس این روش نتیجه گیری --
04:46
and we're measuring blood flow, not neural activity --
95
271000
2000
و با توجه به این که ما داریم میزان جریان خون را اندازه میگیریم، نه فعالیت عصبی را --
04:48
we say that an area of the brain that's getting more blood
96
273000
2000
ما میگوئیم که ناحیه ای که خون بیشتری میگیرد
04:50
was active during a particular task,
97
275000
2000
در موقع عمل خاصی فعال بوده
04:52
and that's the crux of how fMRI works.
98
277000
2000
و این عموما نحوه کار ام.آر.آی. کارکردی است.
04:54
And it's been used since the '90s
99
279000
2000
که از دهه 1990، برای مطالعه
04:56
to study really complex processes.
100
281000
3000
فرایندهای پیچیده مغزی مورد استفاده بوده.
04:59
Now I'm going to review a study that I did,
101
284000
2000
حالا پژوهشی را که من انجام دادم توضیح میدهم
05:01
which was jazz in an fMRI scanner.
102
286000
2000
که "جاز در داخل ام.آر.آی کارکردی" است.
05:03
And this was done with a colleague of mine, Alan Braun, at the NIH.
103
288000
2000
و این کار را من با یکی از همکارانم به نام آلن بران در انستیتو ملی بهداشت (ان.آی.اچ) انجام دادیم.
05:05
This is a short video of how we did this project.
104
290000
3000
و این ویدئو کوتاهی است از این کار.
05:08
(Video) Charles Limb: This is a plastic MIDI piano keyboard
105
293000
2000
(ویدئو) چارلز لیم: این یک صفحه کلید پیانو پلاستیکی میدی (MIDI) است
05:10
that we use for the jazz experiments.
106
295000
2000
که ما برای آزمایشهای جاز به کار میبریم.
05:12
And it's a 35-key keyboard
107
297000
2000
یک صفحه کلید 35 کلیدی است
05:14
that is designed to fit both inside the scanner,
108
299000
2000
که جوری طراحی شده که هم داخل دستگاه جا بشود
05:16
be magnetically safe,
109
301000
2000
و هم از لحاظ مغناطیسی امن باشد،
05:18
have minimal interference
110
303000
2000
حداقل تداخلی را که موجب ایجاد
05:20
that would contribute to any artifact
111
305000
2000
آثار غیرواقعی در تصویر می شود، داشته باشد.
05:22
and have this cushion so that it can rest on the players' legs
112
307000
3000
و این بالش کوچک را دارد که در حالی که نوازنده ها داخل دستگاه
05:25
while they're lying down in the scanner, playing on their back.
113
310000
3000
به پشت دراز میکشند و مینوازند، میتواند روی پاهای آنها قرار بگیرد.
05:28
And it works like this -- this doesn't actually produce any sound.
114
313000
3000
این خودش به تنهائی صدائی تولید نمیکند
05:31
It sends out what's called a MIDI signal --
115
316000
2000
یک سیگنال میدی (MIDI) میفرستد
05:33
or a Musical Instrument Digital Interface --
116
318000
2000
-- که MIDI مخفف رابط دیجیتالی سازهای موسیقی است --
05:35
through these wires into the box and then the computer,
117
320000
3000
که این سیگنالها به کامپیوتر فرستاده میشوند
05:38
which then trigger high-quality piano samples like this.
118
323000
3000
که صدای پیانو را با کیفیت بالا تولید میکنند. این جوری:
05:41
(Music)
119
326000
3000
♫ (موسیقی) ♪♫
05:47
(Music)
120
332000
20000
♫ (موسیقی) ♪♫
06:09
CL: Okay, so it works.
121
354000
2000
بسیار خوب، پس کار میکند.
06:11
And so through this piano keyboard,
122
356000
2000
حالا از طریق این صفحه کلید پیانو
06:13
we now have the means to take a musical process and study it.
123
358000
2000
ما تمام ابزاری را که برای مطالعه یک فرایند موسیقی لازم است داریم.
06:15
So what do you do now that you have this cool piano keyboard?
124
360000
3000
خوب حالا با این صفحه کلید پیانوی با حال چه کار میکنید؟
06:18
You can't just sort of -- "It's great we've got this keyboard."
125
363000
2000
نمیتوانید بگوئید که "خوب، این خیلی عالی است که ما این صفحه کلید را داریم."
06:20
We actually have to come up with a scientific experiment.
126
365000
2000
در واقع ما باید یک آزمایش علمی طراحی کنیم.
06:22
And so the experiment really rests on the following:
127
367000
3000
و آزمایش ما بر این اساس است که
06:26
What happens in the brain during something that's memorized and over-learned,
128
371000
3000
در درون مغز چه اتفاقی می افتد وقتی که چیزی را از طریق حفظ کردن یاد میگیریم
06:29
and what happens in the brain during something
129
374000
2000
در مقایسه با وقتی که
06:31
that is spontaneously generated, or improvised,
130
376000
2000
چیز جدیدی را خلق میکنیم یا بدعت میگذاریم
06:33
in a way that's matched motorically
131
378000
2000
وقتی که این دو عمل از لحاظ فیزیکی معادل هم هستند
06:35
and in terms of lower-level sensory motor features?
132
380000
3000
و از لحاظ سطوح پایه حسی-حرکتی یکسان؟
06:38
And so, I have here what we call the "paradigms."
133
383000
3000
خوب من اینجا نت هائی دارم که اسم اینها را میگذارم الگوی اولیه.
06:41
There's a scale paradigm, which is just playing a scale up and down, memorized.
134
386000
3000
یک الگوی میزان هست که فقط یک میزان را از بالا به پائین حفظ میکنی و مینوازی.
06:44
And then there's improvising on a scale --
135
389000
2000
و بعد بداهه نوازی از روی یک میزان هست --
06:46
quarter notes, metronome, right hand --
136
391000
2000
با نت های یک چهارم، با استفاده از مترونوم و با استفاده از دست راست --
06:48
scientifically very safe,
137
393000
2000
که از لحاظ علمی بسیار پایدار و امن است
06:50
but musically really boring.
138
395000
2000
ولی از لحاظ موسیقیائی خیلی بی روح و کسل کننده است.
06:52
And then there's the bottom one, which is called the jazz paradigm.
139
397000
2000
و در آخر هم این الگوی جاز میباشد.
06:54
And so what we did was we brought professional jazz players to the NIH,
140
399000
2000
حالا، کاری که ما کردیم این بود که نوازندگان حرفه ای جاز را به انستیتو ملی بهداشت (ان.آی.اچ) دعوت کردیم،
06:56
and we had them memorize this piece of music on the left, the lower-left --
141
401000
3000
و از آنها خواستیم که آن قطعه پائین سمت چپ را حفظ کنند --
06:59
which is what you heard me playing --
142
404000
2000
که همان قطعه ای است که شنیدید من نواختم --
07:01
and then we had them improvise to the same exact chord changes.
143
406000
3000
و بعد از آنها خواستیم که بر مبنای همان آکوردها بداهه نوازی کنند.
07:04
And if you can hit that lower-right sound icon,
144
409000
2000
و اگر آن دکمه پائین راست را بزنید
07:06
that's an example of what was recorded in the scanner.
145
411000
2000
نمونه ای از موسیقی است که ما از داخل دستگاه ضبط کردیم.
07:08
(Music)
146
413000
5000
♪ (موسیقی)♫♪
07:36
So in the end, it's not the most natural environment,
147
441000
2000
آخرش، اگر چه این یک محیط کاملا طبیعی نیست،
07:38
but they're able to play real music.
148
443000
2000
ولی توانستند داخلش موسیقی واقعی بنوازند.
07:40
And I've listened to that solo 200 times,
149
445000
2000
و من اون قطعه تک نوازی را 200 بار گوش کرده ام،
07:42
and I still like it.
150
447000
2000
و هنوز هم دوستش دارم.
07:44
And the musicians, they were comfortable in the end.
151
449000
2000
و نوازنده ها هم، آخرش، احساس راحتی داشتند.
07:46
And so we first measured the number of notes.
152
451000
2000
خوب، حالا ما اولش آمدیم و تعداد نت ها را شمردیم.
07:48
Were they in fact just playing a lot more notes when they were improvising?
153
453000
2000
با این پرسش که آیا هنگام بداهه نوازی اینها تعداد نت زیادتری را مینوازند؟
07:50
That was not what was going on.
154
455000
2000
و بعد دیدیم که نه، اینطور نیست.
07:52
And then we looked at the brain activity.
155
457000
2000
بعدش آمدیم و به فعالیت مغزی نگاه کردیم.
07:54
I'm going to try to condense this for you.
156
459000
2000
و من سعی میکنم این نتایج را برای شما خلاصه کنم
07:56
These are contrast maps that are showing subtractions
157
461000
3000
اینها عکسهای تطبیقی است،
07:59
between what changes when you're improvising
158
464000
2000
که تفاوت بداهه نوازی
08:01
versus when you're doing something memorized.
159
466000
2000
و نواختن از روی حافظه را نشان میدهد
08:03
In red is an area that active in the prefrontal cortex,
160
468000
2000
رنگ قرمز نواحی فعال کرتکس پیشین را نشان میدهد
08:05
the frontal lobe of the brain,
161
470000
2000
که در لوب پیشانی قرار دارد.
08:07
and in blue is this area that was deactivated.
162
472000
2000
و این نواحی آبی رنگ نواحی هستند که غیر فعال شده بودند.
08:09
And so we had this focal area called the medial prefrontal cortex
163
474000
2000
و بعد این منطقه مرکزی است که اسمش ناحیه کرتکس پیشین میانی است
08:11
that went way up in activity.
164
476000
2000
که میزان فعالیتش به شدت بالا رفته.
08:13
We had this broad patch of area called the lateral prefrontal cortex
165
478000
3000
و این ناحیه وسیع را داریم به نام ناحیه کرتکس پیشین جانبی
08:16
that went way down in activity, and I'll summarize that for you here.
166
481000
3000
که میزان فعالیتش به شدت پائین رفته.
08:19
Now these are multifunctional areas of the brain.
167
484000
2000
باید در نظر داشت که هر یک از این نواحی وظایف زیادی را در مغز به عهده دارند.
08:21
As I like to say, these are not the "jazz areas" of the brain.
168
486000
3000
اون جور که من دوست دارم بگویم، اینها نواحی جاز مغز نیستند.
08:24
They do a whole host of things
169
489000
2000
این نواحی هر یک کارهای متنوعی میکنند
08:26
that have to do with self-reflection,
170
491000
2000
که در رابطه با خوداندیشی،
08:28
introspection, working memory and so forth.
171
493000
2000
درون نگری، حافظه عملی و غیره است.
08:30
Really, consciousness is seated in the frontal lobe.
172
495000
3000
واقعا کل هوشیاری در لوب پیشانی مغز نهفته است.
08:33
But we have this combination
173
498000
2000
ولی خوب ما این ترکیب را میبینیم
08:35
of an area that's thought to be involved in self-monitoring, turning off,
174
500000
3000
که ناحیه ای که مسئول تصحیح خود است، خاموش میشود
08:38
and this area that's thought to be autobiographical,
175
503000
2000
و این ناحیه ای که تصور میشود مربوط به خویشتن پنداری یا
08:40
or self-expressive, turning on.
176
505000
2000
و یا خودبیانگری است، روشن میشود.
08:42
And we think, at least in this preliminary --
177
507000
2000
و از این نتایج مقدماتی به نظر ما میآید --
08:44
it's one study; it's probably wrong,
178
509000
2000
یک مطالعه است و به احتمال زیاد اشتباه است --
08:46
but it's one study --
179
511000
2000
ولی از اون طرف هم بالاخره یک مطالعه است.
08:48
we think that at least a reasonable hypothesis
180
513000
3000
ما فکر میکنیم که یک نظریه منطقی
08:51
is that, to be creative,
181
516000
2000
این است که برای نوآور بودن،
08:53
you have to have this weird dissociation in your frontal lobe.
182
518000
2000
این عدم ارتباط عجیب باید در لوب پیشانی مغز پدید بیاید.
08:55
One area turns on, and a big area shuts off,
183
520000
2000
به نحوی که یک ناحیه فعال میشود، و ناحیه وسیعی خاموش میشود،
08:57
so that you're not inhibited, so that you're willing to make mistakes,
184
522000
3000
به نحوی که شما خودتان را منع نمیکنید و حاضر میشوید اشتباه بکنید
09:00
so that you're not constantly shutting down
185
525000
2000
و به صورتی که دائم در حال خاموش کردن
09:02
all of these new generative impulses.
186
527000
3000
تمام این تمایلات اکتشافگر خودتان نیستید.
09:05
Now a lot of people know that music is not always a solo activity --
187
530000
3000
حالا خیلی ها میدانند که موسیقی همیشه یک کار فردی نیست
09:08
sometimes it's done communicatively.
188
533000
2000
و گاهی اوقات حالت مکالمه پیدا میکند.
09:10
And so the next question was:
189
535000
2000
پس پرسش بعدی این است:
09:12
What happens when musicians are trading back and forth,
190
537000
2000
چه چیزی در حال رخ دادن است وقتی نوازنده ها به هم جواب میدهند،
09:14
something called "trading fours,"
191
539000
2000
چیزی که اصطلاحا به آن معامله چهارگانه میگویند
09:16
which is something they do normally in a jazz experiment?
192
541000
2000
و کاری است که در یک آزمایش جاز خیلی به وفور انجام میشود.
09:18
So this is a twelve-bar blues.
193
543000
2000
این یک قطعه بلوز با 12 میزان است
09:20
And I've broken it down into four-bar groups here,
194
545000
2000
و من این را به 4-میزانیهای جدا تقسیم کرده ام،
09:22
so you would know how you would trade.
195
547000
2000
طوری که شما میدانید که چگونه به نوازنده ی دیگر جواب بدهید.
09:24
Now what we did was we brought a musician into the scanner -- same way --
196
549000
2000
کاری که ما کردیم این بود که یک موسیقی دان را به داخل دستگاه ام آر آی بردیم -- همان طور که قبلا دیدید.
09:26
had them memorize this melody
197
551000
2000
و به او گفته بودیم که این قطعه را حفظ کند
09:28
and then had another musician out in the control room
198
553000
2000
و موسیقی دان دیگری را در اتاق کنترل گذاشتیم
09:30
trading back and forth interactively.
199
555000
3000
به نحوی که این دو به صورت زنده با هم پرسش و پاسخ داشتند.
09:33
So this is a musician, Mike Pope,
200
558000
2000
این موسیقی دان ماست، مایک پوپ
09:35
one of the world's best bassists and a fantastic piano player.
201
560000
3000
یکی از بهترین نوازنده های بیس در دنیا و نوازنده فوق العاده پیانو.
09:43
So he's now playing the piece
202
568000
2000
حالا قطعه ای که
09:45
that we just saw
203
570000
2000
ما الان دیدیم، را مینوازد.
09:47
just a little better than I wrote it.
204
572000
2000
ولی بهتر از آن چیزی که من نوشته بودم.
09:49
(Video) CL: Mike, come on in. Mike Pope: May the force be with you.
205
574000
2000
چارلز: مایک، بفرما داخل (مرد: خدا قوت)
09:51
Nurse: Nothing's in your pockets, right Mike?
206
576000
2000
پرستار: چیزی داخل جیب هایت نیست، درسته مایک؟
09:53
MP: Nope. Nothing's in my pockets. Nurse: Okay.
207
578000
3000
مایک پوپ: نه. چیزی توی جیب هایم نیست. (پرستار: خیلی خوب)
10:05
CL: You have to have the right attitude to agree to it.
208
590000
2000
چارلز: واقعا روحیه ستایش آمیزی دارد که به این کار رضایت داده.
10:07
(Laughter)
209
592000
2000
(خنده حضار)
10:09
It's kind of fun actually.
210
594000
2000
این کار هم لذت خودش را دارد.
10:11
And so now we're playing back and forth.
211
596000
3000
و خوب اینجا ما داریم ساز پرسش و پاسخ میزنیم
10:14
He's in there. You can see his legs up there.
212
599000
3000
او داخل دستگاه است. پاهایش را میتوانید از اینجا ببینید
10:18
And then I'm in the control room here, playing back and forth.
213
603000
3000
و منهم اینجا داخل اتاق فرمان هستم و دارم به اون پاسخ میدهم.
10:21
(Music)
214
606000
3000
♪♫ موسیقی ♫♪
10:33
(Video) Mike Pope: This is a pretty good representation
215
618000
3000
مایک پوپ: این واقعا حس را القا میکند
10:36
of what it's like.
216
621000
2000
و اینکه چه جوری است.
10:38
And it's good that it's not too quick.
217
623000
2000
و خوب است که خیلی سریع نیست.
10:40
The fact that we do it over and over again
218
625000
2000
و اینکه این کار را بارها و بارها تکرار میکنیم
10:42
lets you acclimate to your surroundings.
219
627000
3000
به آدم اجازه میدهد که به محیط اطرافش عادت بکند.
10:46
So the hardest thing for me was the kinesthetic thing,
220
631000
3000
برای من سختترین قسمتش همان مساله تشخیص مکان و جهت،
10:49
of looking at my hands
221
634000
2000
از روی نگاه کردن به دستهایم
10:51
through two mirrors,
222
636000
2000
از داخل دو تا آینه بود،
10:53
laying on my back
223
638000
2000
در حالی که به پشت خوابیده بودم
10:55
and not able to move at all except for my hand.
224
640000
2000
و نمیتوانستم هیچ چیزی را تکان بدهم به جز دستهایم.
10:57
That was challenging.
225
642000
2000
این سخت بود.
10:59
But again,
226
644000
2000
ولی بازهم،
11:01
there were moments, for sure,
227
646000
3000
قطعا لحظاتی بودند
11:04
there were moments
228
649000
2000
و آن هائی هم آمدند
11:06
of real, honest-to-God musical interplay, for sure.
229
651000
4000
که واقعا خدا وکیلی تبادل موسیقیائی بود.
11:10
CL: At this point, I'll take a few moments.
230
655000
2000
چارلز: در حال حاضر من به همان چند لحظه هم راضی ام.
11:12
And so what you're seeing here --
231
657000
2000
و چیزی که شما اینجا میبینید --
11:14
and I'm doing a cardinal sin in science,
232
659000
2000
که من با نشان دادن آن دارم یک گناه کبیره علمی میکنم،
11:16
which is to show you preliminary data.
233
661000
2000
که به شما داده های اولیه را نشان میدهم.
11:18
This is one subject's data.
234
663000
2000
این داده ها از یک نمونه مطالعاتی است.
11:20
This is, in fact, Mike Pope's data.
235
665000
2000
در واقع این داده ها مربوط به مایک پوپ است.
11:22
So what am I showing you here?
236
667000
2000
خوب من چه چیزی را اینجا نمایش میدهم؟
11:24
When he was trading fours with me, improvising versus memorized,
237
669000
3000
وقتی که با من ضرب میگرفت، در حالت بداهه نوازی در مقایسه با وقتی که از حفظ می نواخت
11:27
his language areas lit up, his Broca's area,
238
672000
3000
ناحیه مربوط به زبان او روشن میشود؛ ناحیه بروکا،
11:30
which is inferior frontal gyrus on the left.
239
675000
2000
که همان ناحیه تحتانی چین پیشانی میباشد در سمت چپ.
11:32
He actually had it also homologous on the right.
240
677000
2000
که برای او همین ناحیه در راست هم روشن شد
11:34
This is an area thought to be involved in expressive communication.
241
679000
3000
که باور عمومی در این است که این ناحیه مربوط به ارتباطات عاطفی است.
11:37
This whole notion that music is a language --
242
682000
2000
پس این تصور که موسیقی یک زبان است،
11:39
well maybe there's a neurologic basis to it in fact after all,
243
684000
3000
و به نظر میآید که یک پایه ای در دانش عصب شناسی دارد.
11:42
and we can see it when two musicians are having a musical conversation.
244
687000
3000
و ما میتوانیم این پدیده را وقتی که دو موسیقی دان با هم یک مکالمه موسیقیائی دارند ببینیم.
11:45
And so we've done this actually on eight subjects now,
245
690000
2000
ما این کار را با هشت نمونه مطالعاتی انجام داده ایم
11:47
and we're just getting all the data together,
246
692000
2000
و الان در حال ادغام داده ها هستیم.
11:49
so hopefully we'll have something to say about it meaningfully.
247
694000
2000
و امید داریم که در آینده نزدیک نتایج قابل ارئه داشته باشیم.
11:51
Now when I think about improvisation and the language, well what's next?
248
696000
3000
خوب حالا که بحث بداهه و زبان پیش آمد، بعدش چی؟
11:54
Rap, of course, rap --
249
699000
2000
رپ، خوب معلوم است که رپ --
11:56
free-style.
250
701000
2000
به سبک آزاد
11:58
And so I've always been fascinated by free-style.
251
703000
2000
این سبک آزاد همیشه من را شگفت زده کرده.
12:00
And let's go ahead and play this video here.
252
705000
2000
بیایید با هم این ویدئو را ببینیم.
12:02
(Video) Mos Def: ♫ ... brown skin I be, standing five-ten I be ♫
253
707000
2000
(ویدئو) گروه Mos Def: ♫ پوستم قهوه ایه، ایستاده قدم پنج فوت و ده اینچه ♫
12:04
♫ Rockin' it when I be, in your vicinity ♫
254
709000
3000
♫ ضرب میگیرم، وقتی کنار تو ایستادم ♫
12:07
♫ Whole-style synergy, recognize symmetry ♫
255
712000
2000
♫ با همگونی کامل، قرینه را ببین ♫
12:09
♫ Go and try to injure me, broke 'em down chemically ♫
256
714000
3000
♫ بیا سعی کن من رو مجروح کنی، ترکیب شیمیائیم رو به هم بزنی ♫
12:12
♫ Ain't the number 10 MC, talk about how been I be ♫
257
717000
2000
♫ من M.C. شماره 10 نیستم، خوب بگو ببینم کارم چطوره ♫
12:14
♫ Styled it like Kennedy, late like a 10 to three ♫
258
719000
3000
این را مثل Kennedy طرحش را ریختم، دیروقت مثل شیفت 10 تا 3 شب ♫
12:17
♫ When I say when I be, girls say bend that key cut ♫
259
722000
3000
♫ وقتی میگم، وقتی هستم، دخترا میگن کوتاهش کن قافیه را♫
12:20
CL: And so there's a lot of analogy
260
725000
2000
چ.ل.: بین رپ سبک آزاد و جاز
12:22
between what takes place in free-style rap and jazz.
261
727000
2000
خیلی تشابه هست.
12:24
There are, in fact, a lot of correlations between the two forms of music
262
729000
2000
بین این دو سبک موسیقی هماهنگی های زیادی وجود دارد
12:26
I think in different time periods.
263
731000
2000
البته به نظر من، در دوره های زمانی مختلف
12:28
In a lot a ways, rap serves the same social function
264
733000
2000
از خیلی جهات رپ همان کاربرد اجتماعی را دارد
12:30
that jazz used to serve.
265
735000
2000
که زمانی جاز داشته.
12:32
So how do you study rap scientifically?
266
737000
2000
چگونه میشود رپ را به طور علمی مطالعه کرد؟
12:34
And my colleagues kind of think I'm crazy,
267
739000
2000
همکارهای من فکر میکنند من خل هستم
12:36
but I think it's very viable.
268
741000
2000
ولی من فکر میکنم میشود این کار را انجام داد
12:38
And so this is what you do: you have a free-style artist
269
743000
2000
میشه این کار را کرد: یک هنرمند سبک آزاد را پیدا میکنید
12:40
come in and memorize a rap that you write for them,
270
745000
2000
و به او میگوئید که رپی را که شما برایش نوشته اید حفظ کند
12:42
that they've never heard before,
271
747000
2000
چیزی که قبلا نشنیده باشد
12:44
and then you have them free-style.
272
749000
2000
و بعد به او میگوئید که به سبک آزاد بخواند.
12:46
So I told my lab members that I would rap for TED,
273
751000
2000
من به همکاران آزمایشگاهم گفتم که من در TED رپ خواهم خواند
12:48
and they said, "No, you won't."
274
753000
2000
و آنها به من گفتند که: نه، تو این کار را نمیکنی
12:50
And then I thought --
275
755000
2000
ولی بعدش با خودم فکر کردم --
12:52
(Applause)
276
757000
6000
(تشویق حضار)
12:58
But here's the thing.
277
763000
2000
ولی نکته اش اینجاست
13:00
With this big screen, you can all rap with me. Okay?
278
765000
3000
که با این پرده بزرگ شما میتوانید با رپ من همراهی کنید. باشه؟
13:03
So what we had them do
279
768000
2000
پس کاری که آنها انجام دادن این بود که
13:05
was memorize this lower-left sound icon, please.
280
770000
2000
این قطعه پائین سمت چپ را حفط کردند.
13:07
This is the control condition. This is what they memorized.
281
772000
3000
این شرایط پایه بود. این چیزی بود که آنها حفط کردند
13:10
Computer: ♫ Memory, thump. ♫
282
775000
2000
کامپیوتر: ♫ حافظه، بوم ♫
13:12
CL: ♫ Thump of the beat in a known repeat ♫
283
777000
3000
چ.ل: ♫ بوم تکرار یک ضرب آشناست♫
13:15
♫ Rhythm and rhyme, they make me complete ♫
284
780000
3000
♫ضرب و آهنگ من را کامل میکنه♫
13:18
♫ The climb is sublime when I'm on the mic ♫
285
783000
2000
♫ رویشم والاست وقتی که پشت میکروفنم ♫
13:20
♫ Spittin' rhymes that hit you like a lightning strike ♫
286
785000
3000
♫آهنگی می خونم که شما را مثل صاعقه میزنه ♫
13:23
♫ I search for the truth in this eternal quest ♫
287
788000
2000
♫ دنبال حقیقت میگردم توی این جست و جوی ابدی ♫
13:25
♫ My passion's not fashion, you can see how I'm dressed ♫
288
790000
3000
♫ عشق من مد روز نیست، میبینی که چه طور لباس پوشیده ام ♫
13:28
♫ Psychopathic words in my head appear ♫
289
793000
3000
♫ کلمات جنون آمیز تو ذهنم ظاهر میشند♫
13:31
♫ Whisper these lyrics only I can hear ♫
290
796000
3000
♫ و شعرهائی را نجوا میکنند که فقط من می تونم بشنوم ♫
13:34
♫ The art of discovering and that which is hovering ♫
291
799000
2000
♫ هنر یافتن آن چیزی که معلق است ♫
13:36
♫ Inside the mind of those unconfined ♫
292
801000
3000
♫ داخل ذهن آنهائی که مرز ندارند ♫
13:39
♫ All of these words keep pouring out like rain ♫
293
804000
3000
♫ تمام این کلمات که مثل بارون میبارند ♫
13:42
♫ I need a mad scientist to check my brain ♫
294
807000
3000
♫ حالا یه دانشمند دیوونه لازم دارم که مغزم را معاینه کنه ♫
13:45
(Applause)
295
810000
9000
(تشویق حضار)
13:54
I guarantee you that will never happen again.
296
819000
3000
به شما میتوانم قول بدهم که این اتفاق دیگر تکرار نشود.
13:57
(Laughter)
297
822000
2000
(خنده حضار)
13:59
So now, what's great about these free-stylers,
298
824000
2000
حالا چیزی که راجع به این سبک آزاد-کارها جالب است این است که،
14:01
they will get cued different words.
299
826000
2000
به آنها کلماتی به عنوان سرنخ میگوییم.
14:03
They don't know what's coming, but they'll hear something off the cuff.
300
828000
2000
نمیدانند چه کلمه ای قرار است بیاید، ولی ناگهان یک کلمه را میشنوند
14:05
Go ahead and hit that right sound icon.
301
830000
2000
سمت راست را با هم میبینیم
14:07
They are going to be cued these three square words: "like," "not" and "head."
302
832000
3000
آنها این کلمات را که با مربع مشخص شده را میگیرند: not , like و head
14:10
He doesn't know what's coming.
303
835000
2000
ولی نمیداند کدام کلمه قرار است بیآید
14:12
Free-styler: ♫ I'm like some kind of [unclear] ♫
304
837000
2000
رپر: ♫ من یه جور♫
14:14
♫ [unclear] extraterrestrial, celestial scene ♫
305
839000
3000
♫موجود ماورای زمینم، یه صحنه بهشتی ♫
14:17
♫ Back in the days, I used to sit in pyramids and meditate ♫
306
842000
3000
♫ روزگاری، زیر اهرام مینشستم و دعا میکردم ♫
14:20
♫ With two microphones hovering over my head ♫
307
845000
3000
♫ با دوتا میکروفون که دور سرم میچرخیدند ♫
14:23
♫ See if I could still listen, spittin' off the sound ♫
308
848000
3000
♫ ببینم میتونم هنوز گوش کنم، و صداها را تکرار کنم ♫
14:26
♫ See what you grinning ♫
309
851000
2000
♫ میبینم که داری میخندی ♫
14:28
♫ I teach the children in the back of the classroom ♫
310
853000
2000
♫ من به بچه های ته کلاس ♫
14:30
♫ About the message of apocalyptical ♫
311
855000
3000
♫ درس عالم غیب میدم ♫
14:33
♫ Not really though, 'cause I've got to keep it simple ♫
312
858000
3000
♫ ولی واقعا نه، چون باید مطلب را ساده نگه دارم ♫
14:36
♫ [unclear] instrumental ♫
313
861000
2000
♫ با ساز ♫
14:38
♫ Detrimental playing Super Mario ♫
314
863000
3000
♫ کشنده، در حال بازی کامپیوتری سوپر ماریو♫
14:41
♫ [unclear] boxes [unclear] hip hop ♫
315
866000
4000
♫ جعبه ها، صدای هیپ هاپ ♫
14:45
CL: So again, it's an incredible thing that's taking place.
316
870000
2000
چ.ل.: این چیز خارق العاده ای است که اتفاق میافتد.
14:47
It's doing something that, neurologically, is remarkable.
317
872000
2000
و انجام این کار از دیدگاه دانش عصب شناسی واقعا جالب است.
14:49
Whether or not you like the music is irrelevant.
318
874000
2000
اینکه شما موسیقی اش را دوست دارید یا نه ربطی به موضوع ندارد.
14:51
Creatively speaking, it's just a phenomenal thing.
319
876000
2000
از دیدگاه نوآوری، این پدیده خارق العاده ای است.
14:53
This is a short video of how we actually do this in a scanner.
320
878000
3000
این ویدئو کوتاهی است از این که ما این کار را چه گونه در درون دستگاه ام.آر.آی. انجام میدهیم.
14:56
(Laughter)
321
881000
3000
(خنده حضار)
14:59
(Video) CL: We're here with Emmanuel.
322
884000
2000
(ویدئو) چ.ل.: ما اینجا با امانوئل هستیم.
15:01
CL: That was recorded in the scanner, by the way.
323
886000
2000
چ.ل.: در ضمن ما این را در داخل دستگاه فیلم برداری کردیم.
15:03
(Video) CL: That's Emmanuel in the scanner.
324
888000
2000
(ویدئو) چ.ل.: اون امانوئل است که در داخل دستگاه است.
15:06
He's just memorized a rhyme for us.
325
891000
3000
او برای ما یک شعر را حفظ کرده.
15:12
Emmanuel: ♫ Top of the beat with no repeat ♫
326
897000
3000
امانوئل: ♫ سوار ضربی بدون تکرار ♫
15:15
♫ Rhythm and rhyme make me complete ♫
327
900000
3000
♫ ضرب و آهنگ من را کامل میکنه ♫
15:18
♫ Climb is sublime when I'm on the mic ♫
328
903000
3000
♫ رویشم والاست وقتی که پشت میکروفنم ♫
15:21
♫ Spittin' rhymes that'll hit you like a lightning strike ♫
329
906000
2000
♫ آهنگی که میخونم مثل صاعقه شما را میزنه ♫
15:23
♫ I search for the truth in this eternal quest ♫
330
908000
3000
♫ دنبال حقیقت میگردم توی این جست و جوی ابدی ♫
15:26
♫ I'm passing on fashion; you can see how I'm dressed ♫
331
911000
3000
♫ من مد روز میسازم، میبینی که چی پوشیدم ♫
15:29
CL: Okay. So I'm going to stop that there. So what do we see in his brain?
332
914000
3000
چ.ل.: من این را اینجا نگه میدارم، که با هم ببینیم توی مغزش چی میبینیم.
15:32
Well, this is actually four rappers' brains.
333
917000
2000
در واقع این مغز چهارتا رپر است.
15:34
And what we see, we do see language areas lighting up,
334
919000
2000
و چیزی که میبینیم این است که نواحی زبانشان روشن شده.
15:36
but then -- eyes closed --
335
921000
2000
ولی بعد وقتی چشمشون را میبندند
15:38
when you are free-styling versus memorizing,
336
923000
3000
در سبک آزاد در مقایسه با حفظ کردن
15:41
you've got major visual areas lighting up.
337
926000
2000
میبینیم که نواحی عظیم بینائی هم روشن میشود
15:43
You've got major cerebellar activity, which is involved in motor coordination.
338
928000
3000
فعالیت وسیعی در نواحی قشری که همآهنگی حرکتی را موجب میشود میبینیم
15:46
You have heightened brain activity when you're doing a comparable task,
339
931000
3000
و این را باید تذکر بدهم که شما روشن شدن این نواحی را وقتی میبینید که کار مشابه با این انجام میدهید
15:49
when that one task is creative and the other task is memorized.
340
934000
3000
وقتی اون کار همراه با نوآوری باشد در مقایسه با کاری که از روی حافظه است.
15:53
It's very preliminary, but I think it's kind of cool.
341
938000
2000
اینها نتایج اولیه هستند، ولی به نظر من جالبند.
15:55
So just to conclude, we've got a lot of questions to ask,
342
940000
3000
برای جمع بندی باید بگویم، که ما خیلی پرسش داریم.
15:58
and like I said, we'll ask questions here, not answer them.
343
943000
3000
و همونجور که گفتم، ما اینجا پرسشها را مطرح میکنیم، نه پاسخشان را.
16:01
But we want to get at the root of what is creative genius, neurologically,
344
946000
3000
ولی میخواهیم به ریشه این مساله برسیم که از دیدگاه علوم عصب شناسی، نبوغ نوآور چیست.
16:04
and I think, with these methods, we're getting close to being there.
345
949000
3000
و به نظر من با استفاده از این روشها داریم به مقصد نزدیک میشویم.
16:07
And I think hopefully in the next 10, 20 years
346
952000
2000
و من امید این را دارم که در 10 یا 20 سال آینده
16:09
you'll actually see real, meaningful studies
347
954000
2000
شما مطالعات معنا داری ببینید
16:11
that say science has to catch up to art,
348
956000
4000
به نحوی که علم با هنر همگام شود
16:15
and maybe we're starting now to get there.
349
960000
2000
و شاید ما الان داریم به آنجا نزدیک میشویم.
16:17
And so I want to thank you for your time. I appreciate it.
350
962000
2000
و در آخر میخواستم از توجه شما تشکر کنم. واقعا متشکرم.
16:19
(Applause)
351
964000
5000
(تشویق حضار)
ABOUT THE SPEAKER
Charles Limb - ResearcherCharles Limb is a doctor and a musician who researches the way musical creativity works in the brain.
Why you should listen
Charles Limb is the Francis A. Sooy, MD Professor and Chief of Otology/Neurotology and Skull Base Surgery at the University of California, San Francisco, and he's a Faculty Member at the Peabody Conservatory of Music. He combines his two passions to study the way the brain creates and perceives music. He's a hearing specialist and surgeon at Johns Hopkins who performs cochlear implantations on patients who have lost their hearing. And he plays sax, piano and bass.
In search of a better understanding of how the mind perceives complex auditory stimuli such as music, he's been working with Allen Braun to look at the brains of improvising musicians and study what parts of the brain are involved in the kind of deep creativity that happens when a musician is really in the groove.
Read our Q&A about hip-hop studies with Charles Limb on the TED Blog >>
Plus our quick catchup Q&A at TEDMED 2011 -- including his top 5 songs of all time >>
Read the 2014 paper "Neural Substrates of Interactive Musical Improvisation: An fMRI Study of ‘Trading Fours’ in Jazz" >>
Charles Limb | Speaker | TED.com