TEDMED 2011
Sheila Nirenberg: A prosthetic eye to treat blindness
شیلا نیرنبرگ :چشمی مصنوعی برای شفای نابینایی
Filmed:
Readability: 4.3
470,530 views
شیلا نیرنبرگ یک روش جسورانه نشان میدهد برای خلق بینایی در افرادی با انواع مشخصی از نابینایی :به وسیله ی اتصال به اعصاب نوری و فرستادن سیگنالهایی از یک دوربین به سمت مغز .
Sheila Nirenberg - Neuroscientist
Sheila Nirenberg studies how the brain encodes information -- possibly allowing us to decode it, and maybe develop prosthetic sensory devices. Full bio
Sheila Nirenberg studies how the brain encodes information -- possibly allowing us to decode it, and maybe develop prosthetic sensory devices. Full bio
Double-click the English transcript below to play the video.
00:15
I study how the brain processes
0
0
2000
من روی چگونگی پردازش اطلاعات
00:17
information. That is, how it takes
1
2000
2000
به وسیله ی مغز مطالعه میکنم به نحوی که
00:19
information in from the outside world, and
2
4000
2000
چطور اطلاعات از دنیای خارج گرفته ، و
00:21
converts it into patterns of electrical activity,
3
6000
2000
و به الگوهایی از فعالیتهای الکتریکی تبدیل مشوند
00:23
and then how it uses those patterns
4
8000
2000
وسپس چگونه مغز از آنها استفاده میکند
00:25
to allow you to do things --
5
10000
2000
تا شما بتونین کارهایی رو انجام دهید--
00:27
to see, hear, to reach for an object.
6
12000
2000
ببینید ،بشنوید ، شيئی را بگیرید
00:29
So I'm really a basic scientist, not
7
14000
2000
من یک دانشمند علوم بنیادی هستم و نه یک پزشک درمانی
00:31
a clinician, but in the last year and a half
8
16000
2000
ولی در یه سال نیم گذشته
00:33
I've started to switch over, to use what
9
18000
2000
شروع کردم به تغییر،تا از
00:35
we've been learning about these patterns
10
20000
2000
آموخته های این الگوها برای گسترش اندامهای مصنوعی استفاده کنم
00:37
of activity to develop prosthetic devices,
11
22000
3000
برای گسترش اندامهای مصنوعی
00:40
and what I wanted to do today is show you
12
25000
2000
کاری که میخوام امروز انجام بدم اینه که بهتون
00:42
an example of this.
13
27000
2000
یه مثال از این عمل نشون بدم
00:44
It's really our first foray into this.
14
29000
2000
در حقیقت این اولین تلاش ما برای اینکاره
00:46
It's the development of a prosthetic device
15
31000
2000
این یه پیشرفت در ساخت اندامهای مصنوعی
00:48
for treating blindness.
16
33000
2000
برای درمان نابیناییه
00:50
So let me start in on that problem.
17
35000
2000
اجازه بدید درباره ی این برنامه صحتبم رو شروع کنم
00:52
There are 10 million people in the U.S.
18
37000
2000
ده میلیون نفر در آمریکا و
00:54
and many more worldwide who are blind
19
39000
2000
خیلی بیشتر از این درسطح جهان نابینان
00:56
or are facing blindness due to diseases
20
41000
2000
هستند و یا بخاطر بیماریهای شبکیه
00:58
of the retina, diseases like
21
43000
2000
در معرض نابینایی هستند ،
01:00
macular degeneration, and there's little
22
45000
2000
بیماریهایی مثل تباهی لکه زرد
01:02
that can be done for them.
23
47000
2000
که کار کمی میشه براشون انجام داد
01:04
There are some drug treatments, but
24
49000
2000
تعدادی درمان دارویی هست ،ولی آنها فقط
01:06
they're only effective on a small fraction
25
51000
2000
برای کسر کمی از این جمعیت موثرند
01:08
of the population. And so, for the vast
26
53000
2000
پس ،برای اکثریت این افراد بیشترین
01:10
majority of patients, their best hope for
27
55000
2000
امیدشون برای بازپس گرفتن بینایشون
01:12
regaining sight is through prosthetic devices.
28
57000
2000
اندامهای مصنوعیه ،مشکل
01:14
The problem is that current prosthetics
29
59000
2000
اینجاست که اندامهای مصنوعی فعلی
01:16
don't work very well. They're still very
30
61000
2000
کاملا درست عمل نمیکنند، آنها هنوز
01:18
limited in the vision that they can provide.
31
63000
2000
در توانایی نمایش تصویر خیلی محدودند ،
01:20
And so, you know, for example, with these
32
65000
2000
میدونید ، مثلا ،با این ابزار
01:22
devices, patients can see simple things
33
67000
2000
بیماران میتونن چیزای ساده رو ببینند
01:24
like bright lights and high contrast edges,
34
69000
2000
مثل نور روشن و لبه های خیلی تیز
01:26
not very much more, so nothing close
35
71000
2000
نه خیلی بیشتر، پس حتی امکان
01:28
to normal vision has been possible.
36
73000
3000
نزدیک شدن به دید طبیعی هم وجود نداشته
01:31
So what I'm going to tell you about today
37
76000
2000
چیزی که من میخوام امروز بهتون بگم
01:33
is a device that we've been working on
38
78000
2000
دستگاهیه که ما روش کار میکنیم
01:35
that I think has the potential to make
39
80000
2000
که فکر میکنم این توان را داره تا
01:37
a difference, to be much more effective,
40
82000
2000
یه تغییر موثرتری رو ایجاد کنه
01:39
and what I wanted to do is show you
41
84000
2000
و میخوام بهتون نشون بدم که چطور کار میکنه
01:41
how it works. Okay, so let me back up a
42
86000
2000
اجازه بدید یه مقدار به عقب برگردم
01:43
little bit and show you how a normal retina
43
88000
2000
و نشونتون بدم که یک شبکیه سالم
01:45
works first so you can see the problem
44
90000
2000
چطور کار میکنه که بتونین مشکلی
01:47
that we were trying to solve.
45
92000
2000
رو که ما تلاش میکنیم حل کنیم رو ببینید
01:49
Here you have a retina.
46
94000
2000
اینیکه میبینید یه شبکیه است
01:51
So you have an image, a retina, and a brain.
47
96000
2000
خب یه عکس داریم از یه شبکیه و یه مغز
01:53
So when you look at something, like this image
48
98000
2000
پس وقتی شما به یک شیی مثل این صورت بچه
01:55
of this baby's face, it goes into your eye
49
100000
2000
نگاه میکنید ،اون میره داخل چشمتون و روی
01:57
and it lands on your retina, on the front-end
50
102000
2000
شبکیه میوفته روی سلول گیرنده نوری ،
01:59
cells here, the photoreceptors.
51
104000
2000
اتفاقی که میوفته اینه که
02:01
Then what happens is the retinal circuitry,
52
106000
2000
بخش میانی چرخه شبکیه
02:03
the middle part, goes to work on it,
53
108000
2000
وارد عمل میشه وعملیاتهایی رو
02:05
and what it does is it performs operations
54
110000
2000
برای جداسازی اطلاعات
02:07
on it, it extracts information from it, and it
55
112000
2000
و تبدیل اطلاعات
02:09
converts that information into a code.
56
114000
2000
به یک کد انجام میده و اون کد
02:11
And the code is in the form of these patterns
57
116000
2000
این الگو از پالسها رو بیان میکنه
02:13
of electrical pulses that get sent
58
118000
2000
که به سمت مغز فرستاده میشه
02:15
up to the brain, and so the key thing is
59
120000
2000
پس نکته کلیدی اینه که
02:17
that the image ultimately gets converted
60
122000
2000
تصاویر در نهایت به یک کد تبدیل میشن
02:19
into a code. And when I say code,
61
124000
2000
وقتی میگم کد
02:21
I do literally mean code.
62
126000
2000
منظورم دقیقا همان کد است .
02:23
Like this pattern of pulses here actually means "baby's face,"
63
128000
3000
مثل این الگو ازپالسها که دقیقا معنی یک صورت بچه رو داره
02:26
and so when the brain gets this pattern
64
131000
2000
پس وقتی مغز این الگو از پالسها رو میگیره
02:28
of pulses, it knows that what was out there
65
133000
2000
اون میفهمه که اونچیزی که اون بیرونه
02:30
was a baby's face, and if it
66
135000
2000
یه صورت بچه هست
02:32
got a different pattern it would know
67
137000
2000
و وقتی مغز الگوی دیگه ای رو بگیره
02:34
that what was out there was, say, a dog,
68
139000
2000
انوقت اون میفهمه که چیزی که نگاه میکنه
02:36
or another pattern would be a house.
69
141000
2000
یه سگه یا الگوی دیگر میتونه یه ساختمون باشه
02:38
Anyway, you get the idea.
70
143000
2000
به هر حال موضوع رو فهمیدید
02:40
And, of course, in real life, it's all dynamic,
71
145000
2000
و البته در زندگی روزمزه اینها
02:42
meaning that it's changing all the time,
72
147000
2000
همه دینامیک هستند یعنی
02:44
so the patterns of pulses are changing
73
149000
2000
این الگو از پالسها دائما در حال تغییر هستند
02:46
all the time because the world you're
74
151000
2000
چون دنیایی که شما میبینید
02:48
looking at is changing all the time too.
75
153000
3000
دائما درحال تغییره
02:51
So, you know, it's sort of a complicated
76
156000
2000
پس فرایند پیچیدیه
02:53
thing. You have these patterns of pulses
77
158000
2000
این الگوهای پالسی هر یک ثانیه
02:55
coming out of your eye every millisecond
78
160000
2000
از چشم شما خارج میشن
02:57
telling your brain what it is that you're seeing.
79
162000
2000
و به مغز میگن که چی داره میبینه
02:59
So what happens when a person
80
164000
2000
پس چه اتفاقی میوفته وقتی یه فرد دچار
03:01
gets a retinal degenerative disease like
81
166000
2000
اختلالات شبکیه میشه
03:03
macular degeneration? What happens is
82
168000
2000
مثل تباهی لکه زرد اتفاقی که
03:05
is that, the front-end cells die,
83
170000
2000
سلولهای جلو و عقب میمیرند
03:07
the photoreceptors die, and over time,
84
172000
2000
در طول زمان سلولهای گیرنده نوری میمیرن و
03:09
all the cells and the circuits that are
85
174000
2000
و چرخه ای که بهش متصله هم میمیره
03:11
connected to them, they die too.
86
176000
2000
تنها چیزه که باقی میمونه
03:13
Until the only things that you have left
87
178000
2000
سلولهای خروجیه
03:15
are these cells here, the output cells,
88
180000
2000
سلولهایی که سیگنالها رو به مغز میفرستند
03:17
the ones that send the signals to the brain,
89
182000
2000
ولی بخاطر اون خرابی
03:19
but because of all that degeneration
90
184000
2000
اینها هم دیگر هیچ سیگنالی نمیفرستند
03:21
they aren't sending any signals anymore.
91
186000
2000
آنها هیچ ورودی دریافت نمی کنند
03:23
They aren't getting any input, so
92
188000
2000
انها هیچ ورودی دریافت نمی کنند
03:25
the person's brain no longer gets
93
190000
2000
پس مغز فرد دیگه
03:27
any visual information --
94
192000
2000
هیچ داده تصویری دریافت نمی کند
03:29
that is, he or she is blind.
95
194000
3000
که اونوقت اون فرد نابینا میشود
03:32
So, a solution to the problem, then,
96
197000
2000
پس راه حل این مشکل این خواهد بود که
03:34
would be to build a device that could mimic
97
199000
2000
دستگاهی بسازیم تا
03:36
the actions of that front-end circuitry
98
201000
2000
جای سلولهای گیرنده نور رو بگیره
03:38
and send signals to the retina's output cells,
99
203000
2000
و سیگنالهایی رو به سلولهای خارجی شبکیه
03:40
and they can go back to doing their
100
205000
2000
بفرسته و اونا بتونن به عملکرد طبیعی
03:42
normal job of sending signals to the brain.
101
207000
2000
خود برسند که فرستادن پیغام به مغزه
03:44
So this is what we've been working on,
102
209000
2000
پس این کاریه که ما داریم انجام میدم
03:46
and this is what our prosthetic does.
103
211000
2000
و این کاریه که اندام مصنوعی ما انجام میده
03:48
So it consists of two parts, what we call
104
213000
2000
پس اون شامل دو بخشه
03:50
an encoder and a transducer.
105
215000
2000
کُد گذار encoder و یه مبدل transducer
03:52
And so the encoder does just
106
217000
2000
که دقیقا کاری رو که
03:54
what I was saying: it mimics the actions
107
219000
2000
براتون گفتم رو انجام میده
03:56
of the front-end circuitry -- so it takes images
108
221000
2000
پس اون تصاویر رو میگیره
03:58
in and converts them into the retina's code.
109
223000
2000
و انها رو به کدهای شبکیه تبدیل میکنه
04:00
And then the transducer then makes the
110
225000
2000
سپس مبدل سلولهای خروجی را تولید میکنه
04:02
output cells send the code on up
111
227000
2000
که این کدها رو
04:04
to the brain, and the result is
112
229000
2000
به مغز بفرسته و نتیجه این عمل
04:06
a retinal prosthetic that can produce
113
231000
3000
یک شبکیه مصنوعی خواهد بود که میتونه
04:09
normal retinal output.
114
234000
2000
خروجی های طبیعی شبکیه رو تولید کنه.
04:11
So a completely blind retina,
115
236000
2000
پس یه شبکیه کاملا نابینا
04:13
even one with no front-end circuitry at all,
116
238000
2000
حتی اونی که سلول گیرنده نور نداره
04:15
no photoreceptors,
117
240000
2000
حالا میتونه
04:17
can now send out normal signals,
118
242000
2000
سیگنالهای طبیعی رو که مفز میتونه اونها را متوجه بشه را بغرسته.
04:19
signals that the brain can understand.
119
244000
3000
سیگنالهای طبیعی رو که مفز میتونه اونها را متوجه بشه را بغرسته.
04:22
So no other device has been able
120
247000
2000
خُب هیچ وسیله ای قبلا نمیتونسته
04:24
to do this.
121
249000
2000
یه همچین کاری رو انجام بده
04:26
Okay, so I just want to take
122
251000
2000
بسیار خوب، من فقط میخوام
04:28
a sentence or two to say something about
123
253000
2000
یکی دو جمله درباره کدگزار
04:30
the encoder and what it's doing, because
124
255000
2000
و کاری رو که انجام میده رو بهتون بگم و چون
04:32
it's really the key part and it's
125
257000
2000
اون عملا کلیدی ترین بخشه
04:34
sort of interesting and kind of cool.
126
259000
2000
و اون یجورای خیلی جالب و باحاله
04:36
I'm not sure "cool" is really the right word, but
127
261000
2000
مطمئا نیستم که باحال کلمه ی مناسبیه یا نه ولی
04:38
you know what I mean.
128
263000
2000
منظورم رو فهمیدید
04:40
So what it's doing is, it's replacing
129
265000
2000
پس کاری که اون انجام میده اینه که اون جایگزین
04:42
the retinal circuitry, really the guts of
130
267000
2000
چرخه شبکیه میشه
04:44
the retinal circuitry, with a set of equations,
131
269000
2000
واقعا مفهوم چرخه شبکیه
04:46
a set of equations that we can implement
132
271000
2000
یه دسته از معادلات که ما میتونیم
04:48
on a chip. So it's just math.
133
273000
2000
روی یه چیپ اجرا کنیم
04:50
In other words, we're not literally replacing
134
275000
3000
به زبان دیگه، ما دقیقا اجزای شبکیه را جایگزین نمیکنیم.
04:53
the components of the retina.
135
278000
2000
به زبان دیگه، ما دقیقا اجزای شبکیه را جایگزین نمیکنیم.
04:55
It's not like we're making a little mini-device
136
280000
2000
اینطور نیست که ما دستگاهای کوچکی درست کنیم که جایگزین این نوع سلولها شوند.
04:57
for each of the different cell types.
137
282000
2000
اینطور نیست که ما دستگاهای کوچکی درست کنیم که جایگزین این نوع سلولها شوند.
04:59
We've just abstracted what the
138
284000
2000
ما فقط پایه و اساس کاری رو که
05:01
retina's doing with a set of equations.
139
286000
2000
شبکیه انجام میده رو با یه سری از معادلات
05:03
And so, in a way, the equations are serving
140
288000
2000
مینویسیم و معادلات به عنوان یه کتاب کُد
05:05
as sort of a codebook. An image comes in,
141
290000
2000
به ما کمک مکنه یعنی
05:07
goes through the set of equations,
142
292000
3000
تصویر وارد میشه با یه سری معادلات پردازش میشه
05:10
and out comes streams of electrical pulses,
143
295000
2000
و یه خروجی از پالسهای الکتریکی رو
05:12
just like a normal retina would produce.
144
297000
4000
تولید میکنه که کاملا شبیه یه شبکیه طبیعی عمل میکنه
05:16
Now let me put my money
145
301000
2000
حالا اجازه بدید که اعتبار حرفهایم را نشونتون بدم که ما واقعا به خروجی طبیعی را تولید میکنیم،
05:18
where my mouth is and show you that
146
303000
2000
حالا اجازه بدید که اعتبار حرفهایم را نشونتون بدم که ما واقعا به خروجی طبیعی را تولید میکنیم،
05:20
we can actually produce normal output,
147
305000
2000
حالا اجازه بدید که اعتبار حرفهایم را نشونتون بدم که ما واقعا به خروجی طبیعی را تولید میکنیم،
05:22
and what the implications of this are.
148
307000
2000
و اینکه این چه مفهومی داره.
05:24
Here are three sets of
149
309000
2000
اینجا سه گروه از الگوساز هست
05:26
firing patterns. The top one is from
150
311000
2000
اولی برای یه حیوونه سالمه
05:28
a normal animal, the middle one is from
151
313000
2000
وسطی برای حیوونه نابیناییه
05:30
a blind animal that's been treated with
152
315000
2000
که با این دستگاهها درمان شده
05:32
this encoder-transducer device, and the
153
317000
2000
و اخری برای حیوونه نابیناییه که
05:34
bottom one is from a blind animal treated
154
319000
2000
با دستگاههای استاندارد فعلی
05:36
with a standard prosthetic.
155
321000
2000
درمان شده
05:38
So the bottom one is the state-of-the-art
156
323000
2000
پس اخری در بازار موجوده
05:40
device that's out there right now, which is
157
325000
2000
که اساسا
05:42
basically made up of light detectors,
158
327000
2000
از یه حسگر نوری تولید شده
05:44
but no encoder. So what we did was we
159
329000
2000
نداره کاری که ما انجام دادیم کدگزاری ولی
05:46
presented movies of everyday things --
160
331000
2000
این بود که ما فیلمایی رو که از زندگی روزمره گرفته بودیم
05:48
people, babies, park benches,
161
333000
2000
رو مثل نوزادان و نیمکتهای پارک
05:50
you know, regular things happening -- and
162
335000
2000
و چیزهای عادی که اتفاق میوفتن
05:52
we recorded the responses from the retinas
163
337000
2000
رو به شبکیه ارائه میدادیم و واکنشهایی رو که شبکیه ی
05:54
of these three groups of animals.
164
339000
2000
این سه گروه از حیوونا میدادن رو ضبط میکردیم
05:56
Now just to orient you, each box is showing
165
341000
2000
حالا برایه اینکه بفکرتون جهت بدم ؛هر عکس نشون دهنده ی
05:58
the firing patterns of several cells,
166
343000
2000
ارسال سیگنال به وسیله ی چندتا سلوله
06:00
and just as in the previous slides,
167
345000
2000
و دقیقا مثل اسلاید قبل
06:02
each row is a different cell,
168
347000
2000
هر ردیف یه سری از سلولهای متفاوته
06:04
and I just made the pulses a little bit smaller
169
349000
2000
فقط پالسها کوچیکتر و باریک ترن که
06:06
and thinner so I could show you
170
351000
3000
که من بتونم وسعت بیشتری رو
06:09
a long stretch of data.
171
354000
2000
بهتون نشون بدم همینطور که دارد میبینید
06:11
So as you can see, the firing patterns
172
356000
2000
الگوهای ارسال که از حیوون نابینای
06:13
from the blind animal treated with
173
358000
2000
درمان شده با کدگزار - مبدل
06:15
the encoder-transducer really do very
174
360000
2000
خیلی به الگوهای ارسال شده ی
06:17
closely match the normal firing patterns --
175
362000
2000
طبیعی شباهت دارن--
06:19
and it's not perfect, but it's pretty good --
176
364000
2000
این عالی نیست اما خیلی خوبه--
06:21
and the blind animal treated with
177
366000
2000
و حیوونی که با اندامهای استاندارد
06:23
the standard prosthetic,
178
368000
2000
درمان شده
06:25
the responses really don't.
179
370000
2000
واکنش یکسانی واقعا نداره.
06:27
And so with the standard method,
180
372000
3000
اونا به وسیله ی متددهای فعل عمل میکنند
06:30
the cells do fire, they just don't fire
181
375000
2000
سلولها الگوهایی رو ارسال میکنن ولی
06:32
in the normal firing patterns because
182
377000
2000
الگو های ارسالی درست و طبیعی رو
06:34
they don't have the right code.
183
379000
2000
ارسال نمی کنند اونا کدهای درستی رو ندارن ،
06:36
How important is this?
184
381000
2000
اینکه این موضوع چقدر اهمیت داره ؟
06:38
What's the potential impact
185
383000
2000
و چه اثر بالقوه ای
06:40
on a patient's ability to see?
186
385000
3000
روی توانایی بینایی بیمار داره ؟
06:43
So I'm just going to show you one
187
388000
2000
حالا من میخوام یه آزمایش نشونتون بدم
06:45
bottom-line experiment that answers this,
188
390000
2000
که جواب این سوال رو میده
06:47
and of course I've got a lot of other data,
189
392000
2000
والبته من داده های زیادی رو هم دارم
06:49
so if you're interested I'm happy
190
394000
2000
که اگه علاقه داشته باشین خوشحال میشم
06:51
to show more. So the experiment
191
396000
2000
چیزهای بیشتری بهتون نشون بدم
06:53
is called a reconstruction experiment.
192
398000
2000
اسم آزمایش آزمون بازسازیه
06:55
So what we did is we took a moment
193
400000
2000
کاری که ما انجام میدیم اینه که
06:57
in time from these recordings and asked,
194
402000
3000
ما لحظاتی رو در زمانهای مختلف
07:00
what was the retina seeing at that moment?
195
405000
2000
ضبط کرده ایم و بعد پرسیدیم
07:02
Can we reconstruct what the retina
196
407000
2000
که شبکیه در حال دیدن چه چیزیه ؟
07:04
was seeing from the responses
197
409000
2000
ایا ما میتونیم چیزی که دیده میشه رو
07:06
from the firing patterns?
198
411000
2000
از روی الگوهای ارسالیه شبکیه بازسازی کنیم
07:08
So, when we did this for responses
199
413000
3000
وقتی ما این کار رو برای واکنش ها
07:11
from the standard method and from
200
416000
3000
از متد معمولی فعلی و از
07:14
our encoder and transducer.
201
419000
2000
کُد گذار و مبدل مان انجام دادیم
07:16
So let me show you, and I'm going to
202
421000
2000
بزارید نشونتون بدم ،می خوام با
07:18
start with the standard method first.
203
423000
2000
متدد استاندارد فعلی شروع کنم.
07:20
So you can see that it's pretty limited,
204
425000
2000
که شما بتونین ببینید که چقدر محدوده
07:22
and because the firing patterns aren't
205
427000
2000
چون الگوهای ارسالی از کد درستی
07:24
in the right code, they're very limited in
206
429000
2000
استفاده نمیکنند انها برای بیان
07:26
what they can tell you about
207
431000
2000
چیزی که اون بیرونه محدودن،
07:28
what's out there. So you can see that
208
433000
2000
شما میتوننید ببینید که چیزی اونجا هست
07:30
there's something there, but it's not so clear
209
435000
2000
ولی خیلی واضح نیست که
07:32
what that something is, and this just sort of
210
437000
2000
اون چه چیزیه واین دقیقا به چیزی که
07:34
circles back to what I was saying in the
211
439000
2000
اول صحبتم گفتم برمیگرده
07:36
beginning, that with the standard method,
212
441000
2000
که با متدهای استاندارد فعلی
07:38
patients can see high-contrast edges, they
213
443000
2000
بیمار فقط لبه های تیز اجسام رو میبینه
07:40
can see light, but it doesn't easily go
214
445000
2000
اونا میتونن نور رو ببینن ولی کیفیت تصویر
07:42
further than that. So what was
215
447000
2000
نمیتونه به راحتی بیشتر بشه خب اون
07:44
the image? It was a baby's face.
216
449000
3000
تصویر چی بوده اون یه صورت کودک بود،
07:47
So what about with our approach,
217
452000
2000
خب دستگاه ما چه کیفیتی داره ؟
07:49
adding the code? And you can see
218
454000
2000
با اضافه کردن کدها خیلی بهتر از
07:51
that it's much better. Not only can you
219
456000
2000
قبل میتونه ببینه الان نه نتها میتونین بگید
07:53
tell that it's a baby's face, but you can
220
458000
2000
که عکس یه صورت کودکه بلکه
07:55
tell that it's this baby's face, which is a
221
460000
2000
میتونین تفاوت قائل شید
07:57
really challenging task.
222
462000
2000
که این یه چالش و کاره خیلی سختیه
07:59
So on the left is the encoder
223
464000
2000
در طرف چپ تنها سلول کُدگزاری هست
08:01
alone, and on the right is from an actual
224
466000
2000
و در طرف راست یه شبکیه کور
08:03
blind retina, so the encoder and the transducer.
225
468000
2000
مبدل و یه کد گزار
08:05
But the key one really is the encoder alone,
226
470000
2000
ولی قطعه کلیدی فقط کدگزار است
08:07
because we can team up the encoder with
227
472000
2000
چون ما میتونیم کدگزار رو با
08:09
the different transducer.
228
474000
2000
مبدل متفاوتی اضافه کنیم
08:11
This is just actually the first one that we tried.
229
476000
2000
این اولین دفعه ای هست که این کار رو انجام دادیم
08:13
I just wanted to say something about the standard method.
230
478000
2000
،می خوام چیزی رو راجع به متدهای استاندارد فعلی بهتون بگم
08:15
When this first came out, it was just a really
231
480000
2000
وقتی اینها برای اولین بار ساخته شدند
08:17
exciting thing, the idea that you
232
482000
2000
چیز جالب اینه که، این ایده که
08:19
even make a blind retina respond at all.
233
484000
3000
حتی بتونیم یه شبکیه ی نابینا رو وادار به واکنش کند است.
08:22
But there was this limiting factor,
234
487000
3000
ولی یکسری فاکتورهای محدود کننده
08:25
the issue of the code, and how to make
235
490000
2000
هم وجود داره قضیه ی کدها وچگونگی
08:27
the cells respond better,
236
492000
2000
واکنش بهتر سلولها
08:29
produce normal responses,
237
494000
2000
برای تولید واکنشهای طبیعی
08:31
and so this was our contribution.
238
496000
2000
واین هم سهم ما از این عملیات بود
08:33
Now I just want to wrap up,
239
498000
2000
حالا میخوام جمعبندی کنم و همونطور که
08:35
and as I was mentioning earlier
240
500000
2000
جلوتر اشاره کردم
08:37
of course I have a lot of other data
241
502000
2000
مسلما من خیلی اطلاعات دیگر هم دارم
08:39
if you're interested, but I just wanted to give
242
504000
2000
اگر علاقه داشته باشید،
08:41
this sort of basic idea
243
506000
2000
ولی فقط میخوام این اطلاعات پایه ای رو بهتون بدم
08:43
of being able to communicate
244
508000
3000
که این توانایی رو به ما میده تا
08:46
with the brain in its language, and
245
511000
2000
به زبان خود مغز باهاش ارتباط برقرار کنید
08:48
the potential power of being able to do that.
246
513000
3000
و این قدرت بلقوه که میتونیم این کار رو انجام بدیم
08:51
So it's different from the motor prosthetics
247
516000
2000
پس این با اندامهای موتوری متفاوته
08:53
where you're communicating from the brain
248
518000
2000
جایی که شما به وسیله ی مغز
08:55
to a device. Here we have to communicate
249
520000
2000
با یک دستگاه ارتباط برقرار میکنید
08:57
from the outside world
250
522000
2000
اینجا ما مجبوریم
08:59
into the brain and be understood,
251
524000
2000
از دنیای خارجی با مغز جوری ارتباط برقرار کنیم
09:01
and be understood by the brain.
252
526000
2000
که مغز متوجه بشه
09:03
And then the last thing I wanted
253
528000
2000
و اخرین چیزی که میخوام بگم واقعا اینه که
09:05
to say, really, is to emphasize
254
530000
2000
به این موضوع تاکید کنم که
09:07
that the idea generalizes.
255
532000
2000
این یک ایده ی کلی است
09:09
So the same strategy that we used
256
534000
2000
پس ایده ای که ما برای فهمیدن کدی استفاده میکنیم
09:11
to find the code for the retina we can also
257
536000
2000
برای قسمتهای دیگه هم یکسانه
09:13
use to find the code for other areas,
258
538000
2000
برای مثال
09:15
for example, the auditory system and
259
540000
2000
سیستمهای شنوایی و حرکتی
09:17
the motor system, so for treating deafness
260
542000
2000
پس ما میتونیم با این روش ناشنوایی رو
09:19
and for motor disorders.
261
544000
2000
هم درمان کنیم وهمینطور برای اختلالات حرکتی
09:21
So just the same way that we were able to
262
546000
2000
دقبقا همان راهی که ما میتونیم
09:23
jump over the damaged
263
548000
2000
بریم سراغ مدارات اسیب دیده
09:25
circuitry in the retina to get to the retina's
264
550000
2000
تا سلولهای خروجی شبکیه رو پیدا کنیم
09:27
output cells, we can jump over the
265
552000
2000
و بریم سراغ مدارات اسیب دیده
09:29
damaged circuitry in the cochlea
266
554000
2000
در قسمت حلزونی گوش تا سلولهای
09:31
to get the auditory nerve,
267
556000
2000
عصبی شنوایی رو پیدا کنیم
09:33
or jump over damaged areas in the cortex,
268
558000
2000
یا بریم سراغ ناحیه صدمه دیده در ناحیه کرتکس مغز
09:35
in the motor cortex, to bridge the gap
269
560000
3000
در قسمت محرک کرتکس تا این خلال رو که
09:38
produced by a stroke.
270
563000
2000
بخاطر سکته به وجود اومده رو دور بزنیم
09:40
I just want to end with a simple
271
565000
2000
من میخوام با یه پیام ساده تمام کنم
09:42
message that understanding the code
272
567000
2000
که فهمیدن این کدها
09:44
is really, really important, and if we
273
569000
2000
کار فوق العاده مهمیه و اگر
09:46
can understand the code,
274
571000
2000
ما بتونیم این کدها رو که
09:48
the language of the brain, things become
275
573000
2000
زبان مغز هست رو بفهمیم
09:50
possible that didn't seem obviously
276
575000
2000
چیزهای که در گذشته ناممکن بودن
09:52
possible before. Thank you.
277
577000
2000
ممکن میشه
09:54
(Applause)
278
579000
5000
ممنونم
ABOUT THE SPEAKER
Sheila Nirenberg - NeuroscientistSheila Nirenberg studies how the brain encodes information -- possibly allowing us to decode it, and maybe develop prosthetic sensory devices.
Why you should listen
Sheila Nirenberg is a neuroscientist/professor at Weill Medical College of Cornell University, where she studies neural coding – that is, how the brain takes information from the outside world and encodes it in patterns of electrical activity. The idea is to be able to decode the activity, to look at a pattern of electrical pulses and know what an animal is seeing or thinking or feeling. Recently, she’s been using this work to develop new kinds of prosthetic devices, particularly ones for treating blindness.
Sheila Nirenberg | Speaker | TED.com