TEDIndia 2009
Pawan Sinha: How brains learn to see
Pawan Sinha: Pawan Sinha: Kuinka aivot oppivat näkemään
Filmed:
Readability: 4.5
939,209 views
Pawan Sinha kuvailee mullistavaa tutkimustaan siitä, kuinka aivojen visuaalinen järjestelmä kehittyy. Sinha työryhmineen tarjoaa näkökyvyn palauttavaa hoitoa ilmaiseksi sokeana syntyneille lapsille ja tutkii samalla, kuinka aivot oppivat käsittelemään visuaalista tietoa. Työ antaa lisäymmärrystä neurotieteeseen, tekniikkaan ja jopa autismiin.
Pawan Sinha - Visual neuroscientist
Pawan Sinha researches how our brains interpret what our eyes see -- and uses that research to give blind children the gift of sight. Full bio
Pawan Sinha researches how our brains interpret what our eyes see -- and uses that research to give blind children the gift of sight. Full bio
Double-click the English transcript below to play the video.
00:15
If you are a blind child in India,
0
0
4000
Jos olet sokea lapsi Intiassa
00:19
you will very likely have to contend with
1
4000
3000
tulee sinun kohdata
00:22
at least two big pieces of bad news.
2
7000
3000
ainakin kaksi isoa huonoa uutisista.
00:25
The first bad news
3
10000
2000
Ensimmäinen huono uutinen on se,
00:27
is that the chances of getting treatment
4
12000
3000
että mahdollisuudet hoitoon
00:30
are extremely slim to none,
5
15000
3000
ovat lähes olemattomat.
00:33
and that's because most of the blindness
6
18000
2000
Tämä johtuu siitä, että suurin osa
00:35
alleviation programs in the country
7
20000
2000
sokeudenhoito-ohjelmista tässä maassa
00:37
are focused on adults,
8
22000
2000
on kohdistettu aikuisille.
00:39
and there are very, very few hospitals
9
24000
3000
On vain hyvin, hyvin harvoja sairaaloita,
00:42
that are actually equipped to treat children.
10
27000
3000
jotka ovat varustautuneet lasten hoitoon.
00:46
In fact, if you were to be treated,
11
31000
4000
Itse asiassa, jos saisit hoitoa
00:51
you might well end up being treated
12
36000
3000
olisi todennäköistä päätyä hoitoon
00:54
by a person who has no medical credentials
13
39000
3000
henkilölle, jolla ei ole
lääketieteellistä koulutusta,
lääketieteellistä koulutusta,
00:57
as this case from Rajasthan illustrates.
14
42000
3000
kuten tämä tapaus Rajasthanista osoittaa.
01:00
This is a three-year-old orphan girl
15
45000
2000
Tässä on kolmevuotias orpotyttö,
01:02
who had cataracts.
16
47000
2000
jolla oli harmaakaihi.
01:04
So, her caretakers took her
17
49000
2000
Hänen holhoojansa veivät hänet
01:06
to the village medicine man,
18
51000
2000
kylän poppamiehen luokse
01:08
and instead of suggesting to the caretakers
19
53000
3000
ja sen sijaan, että hän
olisi kehottanut holhoojia
olisi kehottanut holhoojia
01:11
that the girl be taken to a hospital,
20
56000
3000
viemään tytön sairaalaan,
01:14
the person decided to burn her abdomen
21
59000
2000
hän päätti polttaa tytön vatsaa
01:16
with red-hot iron bars
22
61000
2000
tulikuumilla raudoilla
01:18
to drive out the demons.
23
63000
2000
ajaakseen pahat henget pois.
01:20
The second piece of bad news
24
65000
3000
Toisen huonon uutisen
01:23
will be delivered to you
25
68000
2000
toimittavat
01:25
by neuroscientists, who will tell you
26
70000
3000
neurotieteilijät, jotka kertovat, että
01:28
that if you are older than four or five years of age,
27
73000
3000
mikäli olet vanhempi kuin 4-5-vuotias
01:31
that even if you have your eye corrected,
28
76000
3000
silmäleikkauksesta huolimatta
01:34
the chances of your brain learning how to see
29
79000
3000
todennäköisyys sille, että
aivosi oppivat näkemään,
aivosi oppivat näkemään,
01:37
are very, very slim --
30
82000
2000
on hyvin hyvin pieni --
01:39
again, slim or none.
31
84000
3000
jälleen kerran lähes olematon.
01:42
So when I heard these two things,
32
87000
2000
Kuullessani nämä kaksi asiaa
01:44
it troubled me deeply,
33
89000
2000
se huolestutti minua syvästi.
01:46
both because of personal reasons
34
91000
2000
Niin henkilökohtaisista
01:48
and scientific reasons.
35
93000
2000
kuin tieteellisistä syistä.
01:50
So let me first start with the personal reason.
36
95000
3000
Antakaa minun aloittaa
henkilökohtaisista syistä.
henkilökohtaisista syistä.
01:53
It'll sound corny, but it's sincere.
37
98000
3000
Tämä kuulostaa kornilta,
mutta on vilpitöntä.
mutta on vilpitöntä.
01:56
That's my son, Darius.
38
101000
2000
Tässä poikani Darius.
01:58
As a new father,
39
103000
2000
Tuoreena isänä
02:00
I have a qualitatively different sense
40
105000
4000
minulla on
laadullisesti erilainen käsitys
laadullisesti erilainen käsitys
02:04
of just how delicate babies are,
41
109000
3000
siitä kuinka herkkiä vauvat ovatkaan,
02:07
what our obligations are towards them
42
112000
3000
mikä on meidän velvollisuutemme
heitä kohtaan
heitä kohtaan
02:10
and how much love
43
115000
2000
ja kuinka paljon rakkautta
02:12
we can feel towards a child.
44
117000
3000
voimmekaan tuntea lasta kohtaan.
02:15
I would move heaven and earth
45
120000
2000
Liikuttaisin maat ja taivaat
02:17
in order to get treatment for Darius,
46
122000
3000
saadakseni hoitoa Dariukselle,
02:20
and for me to be told
47
125000
2000
ja kun minulle kerrotaan,
02:22
that there might be other Dariuses
48
127000
2000
että on muita Dariuksia,
02:24
who are not getting treatment,
49
129000
2000
jotka eivät saa hoitoa
02:26
that's just viscerally wrong.
50
131000
3000
se tuntuu loputtoman väärältä.
02:29
So that's the personal reason.
51
134000
2000
Joten siinä henkilökohtainen syyni.
02:31
Scientific reason is that this notion
52
136000
3000
Tieteellinen syy on tämä
02:34
from neuroscience of critical periods --
53
139000
2000
neurotieteen huomio kriittisistä kausista --
02:36
that if the brain is older
54
141000
3000
eli aivojen ollessa vanhempia
02:39
than four or five years of age,
55
144000
2000
kuin 4-5-vuotiaita
02:41
it loses its ability to learn --
56
146000
2000
ne menettävät kyvyn oppia --
02:43
that doesn't sit well with me,
57
148000
2000
tämä ei käynyt minulle,
02:45
because I don't think that idea
58
150000
2000
koska en usko tätä ideaa
02:47
has been tested adequately.
59
152000
3000
testatun riittävästi.
02:50
The birth of the idea is from
60
155000
2000
Tämä idea perustuu
02:52
David Hubel and Torsten Wiesel's work,
61
157000
2000
David Hubelin ja Torsten Wieselin töihin.
02:54
two researchers who were at Harvard,
62
159000
2000
Kaksi tutkijaa Harvardista.
02:56
and they got the Nobel Prize in 1981
63
161000
3000
He saivat Nobelin palkinnon vuonna 1981
02:59
for their studies of visual physiology,
64
164000
2000
näköjärjestelmää koskevista tutkimuksistaan.
03:01
which are remarkably beautiful studies,
65
166000
2000
Nämä ovat merkittäviä tutkimuksia,
03:03
but I believe some of their work
66
168000
2000
mutta uskon, että osa heidän työstään
03:05
has been extrapolated
67
170000
2000
on yleistetty
03:07
into the human domain prematurely.
68
172000
2000
ihmisiin ennenaikaisesti.
03:09
So, they did their work with kittens,
69
174000
2000
Sillä he tutkivat kissanpentuja
03:11
with different kinds of deprivation regiments,
70
176000
2000
erilaisilla deprivaatiokokeilla
03:13
and those studies,
71
178000
2000
ja näitä tutkimuksia,
03:15
which date back to the '60s,
72
180000
2000
jotka tehtiin 60-luvulla,
03:17
are now being applied to human children.
73
182000
3000
sovelletaan nyt myös ihmislapsiin.
03:20
So I felt that I needed to do two things.
74
185000
3000
Tunsin, että minun
tulee tehdä kaksi asiaa.
tulee tehdä kaksi asiaa.
03:23
One: provide care
75
188000
3000
Yksi: Tarjota hoitoa
03:26
to children who are currently
76
191000
2000
lapsille, joilta juuri nyt
03:28
being deprived of treatment.
77
193000
2000
evättiin kaikki hoito.
03:30
That's the humanitarian mission.
78
195000
2000
Se on humanitaarinen tehtävämme.
03:32
And the scientific mission would be
79
197000
2000
Tieteellinen tehtävämme tulisi olemaan
03:34
to test the limits
80
199000
2000
näön plastisiteetin
03:36
of visual plasticity.
81
201000
2000
rajojen testaus.
03:38
And these two missions, as you can tell,
82
203000
3000
Nämä kaksi tehtävää, kuten näette,
03:41
thread together perfectly. One adds to the other;
83
206000
3000
kutoutuvat yhteen täydellisesti.
Toinen täydentää toista;
Toinen täydentää toista;
03:44
in fact, one would be impossible without the other.
84
209000
3000
itse asiassa, yksi olisi
mahdoton ilman toista.
mahdoton ilman toista.
03:49
So, to implement
85
214000
2000
Toteuttaakseni
03:51
these twin missions,
86
216000
2000
nämä kaksi tehtävää
03:53
a few years ago, I launched Project Prakash.
87
218000
3000
laukaisin muutama vuosi sitten
projekti Prakashin.
projekti Prakashin.
03:56
Prakash, as many of you know,
88
221000
2000
Prakash, kuten monet teistä tietävät,
03:58
is the Sanskrit word for light,
89
223000
2000
on sanskritin sana valolle.
04:00
and the idea is that
90
225000
2000
Idea on se,
04:02
in bringing light into the lives of children,
91
227000
3000
että tuomalla valoa lasten elämään
04:05
we also have a chance
92
230000
2000
meillä on samalla mahdollisuus
04:07
of shedding light on some of the
93
232000
2000
raottaa valoa muutamiin
04:09
deepest mysteries of neuroscience.
94
234000
3000
neurotieteen syvimpiin mysteereihin.
04:12
And the logo -- even though it looks extremely Irish,
95
237000
3000
Ja logo -- vaikka se näyttääkin
hyvin irlantilaiselta,
hyvin irlantilaiselta,
04:15
it's actually derived from
96
240000
2000
on itse asiassa johdettu suoraan
04:17
the Indian symbol of Diya, an earthen lamp.
97
242000
4000
intialaisesta Diyan symbolista,
maalampusta.
maalampusta.
04:21
The Prakash, the overall effort
98
246000
3000
Kaiken kaikkiaan Prakashin tavoite
04:24
has three components:
99
249000
2000
koostuu kolmesta osasta:
04:26
outreach, to identify children in need of care;
100
251000
4000
Tavoittaa ja tunnistaa
hoitoa tarvitsevat lapset,
hoitoa tarvitsevat lapset,
04:30
medical treatment; and in subsequent study.
101
255000
3000
sairaanhoito ja sitä seuraten tutkimus.
04:33
And I want to show you a short video clip
102
258000
3000
Tahdon näyttää lyhyen videopätkän,
04:36
that illustrates the first two components of this work.
103
261000
3000
joka esittää kaksi osaa tästä työstä.
04:41
This is an outreach station
104
266000
2000
Tämä on hädänalaisasema
04:43
conducted at a school for the blind.
105
268000
3000
sokeiden koulun yhteydessä.
04:46
(Text: Most of the children are profoundly and permanently blind ...)
106
271000
5000
(Teksti: Useimmat lapsista ovat
täysin ja pysyvästi sokeita...)
täysin ja pysyvästi sokeita...)
04:51
Pawan Sinha: So, because this is a school for the blind,
107
276000
5000
Pawan Sinha: Koska tämä on sokeiden koulu
04:56
many children have permanent conditions.
108
281000
2000
monien lapsien tila on pysyvä.
04:58
That's a case of microphthalmos,
109
283000
3000
Tässä on kyseessä mikroftalmia,
05:01
which is malformed eyes,
110
286000
2000
joka on silmien epämuodostuma
05:03
and that's a permanent condition;
111
288000
2000
ja tämä on pysyvä tila
05:05
it cannot be treated.
112
290000
2000
sitä ei voi hoitaa.
Tässä on esimerkki
äärimmäisestä mikroftalmiasta,
äärimmäisestä mikroftalmiasta,
05:07
That's an extreme of micropthalmos
113
292000
2000
05:09
called enophthalmos.
114
294000
2000
jota kutsutaan enoftalmiaksi.
05:11
But, every so often, we come across children
115
296000
2000
Mutta toisinaan kohtaamme lapsen,
05:13
who show some residual vision,
116
298000
3000
joka osoittaa merkkejä näkökyvyn rippeistä
05:16
and that is a very good sign
117
301000
3000
ja tämä on erittäin hyvä merkki
05:19
that the condition might actually be treatable.
118
304000
2000
siitä, että tila voi olla hoidettavissa.
05:21
So, after that screening, we bring the children to the hospital.
119
306000
3000
Joten tutkimuksen jälkeen
tuomme lapset sairaalaan.
tuomme lapset sairaalaan.
05:24
That's the hospital we're working with in Delhi,
120
309000
2000
Työskentelemme Delhissä
Schroff Charity Eye -sairaalan kanssa.
05:26
the Schroff Charity Eye Hospital.
121
311000
3000
05:29
It has a very well-equipped
122
314000
2000
Siellä on erittäin hyvin varustettu
05:31
pediatric ophthalmic center,
123
316000
3000
lastensilmätautien keskus,
05:35
which was made possible in part
124
320000
2000
jonka on osaltaan mahdollistanut
05:37
by a gift from the Ronald McDonald charity.
125
322000
4000
lahjoitus Ronald McDonald
-hyväntekeväisyyssäätiöltä.
-hyväntekeväisyyssäätiöltä.
05:41
So, eating burgers actually helps.
126
326000
3000
Joten hampurilaisten syönti voi auttaa.
05:45
(Text: Such examinations allow us to improve
127
330000
2000
(Teksti: Tällaiset tutkimukset auttavat
05:47
eye-health in many children, and ...
128
332000
2000
parantamaan monien lasten näköongelmia...
05:54
... help us find children who can participate in Project Prakash.)
129
339000
3000
ja löytämään lapsia projekti Prakashiin.)
05:57
PS: So, as I zoom in to the eyes of this child,
130
342000
2000
PS: Tarkentaessani tämän lapsen silmiin
05:59
you will see the cause of his blindness.
131
344000
3000
voitte nähdä hänen sokeutensa syyn.
06:03
The whites that you see in the middle of his pupils
132
348000
3000
Valkoiset läikät, jotka näette
hänen pupilliensa keskellä,
hänen pupilliensa keskellä,
06:06
are congenital cataracts,
133
351000
3000
ovat synnynäinen harmaakaihi,
06:09
so opacities of the lens.
134
354000
2000
eli linssin samentuma.
06:11
In our eyes, the lens is clear,
135
356000
3000
Meidän silmiemme linssi on kirkas,
06:14
but in this child, the lens has become opaque,
136
359000
2000
mutta tällä lapsella linssi on sumentunut
06:16
and therefore he can't see the world.
137
361000
3000
ja näin ollen hän ei näe maailmaa.
06:19
So, the child is given treatment. You'll see shots of the eye.
138
364000
3000
Lapselle annetaan hoitoa.
Näette kuvia silmästä.
Näette kuvia silmästä.
06:22
Here's the eye with the opaque lens,
139
367000
2000
Tässä silmä sumealla linssillä,
06:24
the opaque lens extracted
140
369000
2000
sumea linssi poistetaan
06:26
and an acrylic lens inserted.
141
371000
3000
ja akryylilinssi asetetaan tilalle.
06:29
And here's the same child
142
374000
2000
Tässä sama lapsi
06:31
three weeks post-operation,
143
376000
3000
kolme viikkoa leikkauksen jälkeen.
06:34
with the right eye open.
144
379000
3000
Oikea silmä auki.
06:40
(Applause)
145
385000
6000
(Aplodeja)
06:46
Thank you.
146
391000
2000
Kiitos.
06:48
So, even from that little clip, you can begin to get the sense
147
393000
3000
Jo tästä lyhyestä filmistä
voitte saada sen vaikutelman,
voitte saada sen vaikutelman,
06:51
that recovery is possible,
148
396000
2000
että toipuminen on mahdollista,
06:53
and we have now
149
398000
2000
ja me olemme nyt
06:55
provided treatment to over 200 children,
150
400000
3000
antaneet hoitoa yli 200 lapselle,
06:58
and the story repeats itself.
151
403000
2000
ja tarina toistaa itseään.
07:00
After treatment, the child
152
405000
2000
Hoidon jälkeen lapsen
07:02
gains significant functionality.
153
407000
3000
toimintakyky kasvaa merkittävästi.
07:05
In fact, the story holds true
154
410000
3000
Itse asiassa tämä pätee
07:08
even if you have a person who got sight
155
413000
2000
myös ihmisiin, joiden näkö palautuu
07:10
after several years of deprivation.
156
415000
2000
vuosien näönpuutteen jälkeen.
07:12
We did a paper a few years ago
157
417000
2000
Julkaisimme hiljattain tutkimuksen
07:14
about this woman that you see on the right, SRD,
158
419000
4000
tästä naisesta jonka
näette tässä oikealla, SRD,
näette tässä oikealla, SRD,
07:18
and she got her sight late in life,
159
423000
2000
ja hänen näkönsä palautui vanhalla iällä.
07:20
and her vision is remarkable at this age.
160
425000
4000
Hänen näkönsä oli
huomattava hänen iässään.
huomattava hänen iässään.
07:24
I should add a tragic postscript to this --
161
429000
3000
Minun tulee lisätä
traaginen jälkilause tähän --
traaginen jälkilause tähän --
07:27
she died two years ago
162
432000
2000
hän kuoli pari vuotta sitten
07:29
in a bus accident.
163
434000
2000
bussionnettomuudessa.
07:31
So, hers is just a truly inspiring story --
164
436000
4000
Tässä todella inspiroiva tarina --
07:35
unknown, but inspiring story.
165
440000
3000
tuntematon, mutta inspiroiva tarina.
07:38
So when we started finding these results,
166
443000
2000
Kun aloimme saada näitä tuloksia,
07:40
as you might imagine, it created quite a bit of stir
167
445000
3000
voitte hyvin kuvitella,
kuinka se aiheutti kuohuntaa
kuinka se aiheutti kuohuntaa
07:43
in the scientific and the popular press.
168
448000
3000
niin tiede- kuin päivälehdistössäkin.
07:46
Here's an article in Nature
169
451000
2000
Tässä artikkeli Naturessa,
07:48
that profiled this work,
170
453000
2000
jossa käsiteltiin työtämme,
07:50
and another one in Time.
171
455000
2000
toinen Time-lehdessä.
07:52
So, we were fairly convinced -- we are convinced --
172
457000
2000
Joten olimme melko vakuuttuneita
07:54
that recovery is feasible,
173
459000
2000
siitä, että toipuminen on mahdollista
07:56
despite extended visual deprivation.
174
461000
3000
huolimatta pitkäaikaisesta näönpuutteesta.
07:59
The next obvious question to ask:
175
464000
2000
Seuraava ilmiselvä kysymys on:
08:01
What is the process of recovery?
176
466000
3000
Mikä on toipumisen prosessi?
08:04
So, the way we study that is,
177
469000
3000
Tapa millä tätä tutkimme tätä on,
08:07
let's say we find a child who has light sensitivity.
178
472000
2000
että otetaan esimerkiksi valoherkkä lapsi.
08:09
The child is provided treatment,
179
474000
2000
Lapselle annetaan hoitoja,
08:11
and I want to stress that the treatment
180
476000
2000
ja haluan painottaa, että hoidot
08:13
is completely unconditional;
181
478000
2000
ovat täysin ehdottomia;
08:15
there is no quid pro quo.
182
480000
2000
ei ole quid pro quota.
08:17
We treat many more children then we actually work with.
183
482000
3000
Hoidamme enemmän lapsia kuin
keiden kanssa työskentelemme.
keiden kanssa työskentelemme.
08:20
Every child who needs treatment is treated.
184
485000
3000
Jokainen hoitoa tarvitseva lapsi
saa hoitoa.
saa hoitoa.
08:23
After treatment, about every week,
185
488000
2000
Hoidon jälkeen, lähes viikottain,
08:25
we run the child
186
490000
2000
lapsi käy läpi
08:27
on a battery of simple visual tests
187
492000
3000
sarjan yksinkertaisia visuaalisia kokeita,
08:30
in order to see how their visual skills
188
495000
2000
jotta voimme seurata heidän näkökykynsä
08:32
are coming on line.
189
497000
2000
kehittymistä.
08:34
And we try to do this for as long as possible.
190
499000
3000
Pyrimme jatkamaan tätä
niin pitkään kuin mahdollista.
niin pitkään kuin mahdollista.
08:37
This arc of development
191
502000
2000
Tämä kehityskaari
08:39
gives us unprecedented
192
504000
2000
antaa meille ennennäkemätöntä
08:41
and extremely valuable information
193
506000
2000
ja äärettömän arvokasta tietoa
08:43
about how the scaffolding of vision
194
508000
2000
siitä, kuinka näön rakennuspalikat
08:45
gets set up.
195
510000
2000
oiken kasataan.
08:47
What might be the causal connections
196
512000
2000
Mitkä voisivat olla syy-yhteydet
08:49
between the early developing skills
197
514000
2000
aikaisemmin ja myöhemmin kehittyvien
08:51
and the later developing ones?
198
516000
2000
kykyjen välillä?
08:53
And we've used this general approach to study
199
518000
2000
Olemme käyttäneet yleistä lähestymistapaa
08:55
many different visual proficiencies,
200
520000
3000
tutkiessamme erilaisia
visuaalisia kykyjä,
visuaalisia kykyjä,
08:58
but I want to highlight one particular one,
201
523000
4000
mutta tahdon nostaa esille yhden tietyn,
09:02
and that is image parsing into objects.
202
527000
3000
ja se on kuvan jäsentäminen objekteiksi.
09:05
So, any image of the kind that you see on the left,
203
530000
2000
Joten vasemman kuvan kaltainen asia,
09:07
be it a real image or a synthetic image,
204
532000
3000
oli se sitten oikea tai synteettinen kuva,
09:10
it's made up of little regions
205
535000
2000
koostuu pienistä alueista,
09:12
that you see in the middle column,
206
537000
2000
jotka näette keskisarakkeella
09:14
regions of different colors, different luminances.
207
539000
3000
eri värejä ja valoasteita alueittain.
09:17
The brain has this complex task
208
542000
3000
Aivoilla on monimutkainen tehtävä
09:20
of putting together, integrating,
209
545000
3000
yhdistää ja liittää
09:23
subsets of these regions
210
548000
2000
näiden alueiden osat
09:25
into something that's more meaningful,
211
550000
2000
joksikin millä on enemmän merkitystä,
09:27
into what we would consider to be objects,
212
552000
2000
joksikin mitä me voimme pitää objektina
09:29
as you see on the right.
213
554000
2000
niin kuin tämä minkä näette oikealla.
09:31
And nobody knows how this integration happens,
214
556000
2000
Kukaan ei tiedä kuinka tämä tapahtuu,
09:33
and that's the question we asked with Project Prakash.
215
558000
4000
ja tämä on kysymys, jonka
esitimme Projekti Prakashilla.
esitimme Projekti Prakashilla.
09:37
So, here's what happens
216
562000
2000
Joten tapahtuu seuraava,
09:39
very soon after the onset of sight.
217
564000
3000
hyvin pian näön palautumisen jälkeen.
09:42
Here's a person who had gained sight just a couple of weeks ago,
218
567000
3000
Tässä henkilö, joka sai näkökykynsä
vain pari viikkoa sitten,
vain pari viikkoa sitten,
09:45
and you see Ethan Myers, a graduate student from MIT,
219
570000
3000
ja näette Ethan Myersin,
MIT:in jatko-opiskelijan,
MIT:in jatko-opiskelijan,
09:48
running the experiment with him.
220
573000
3000
suorittamassa koetta hänen kanssaan.
09:51
His visual-motor coordination is quite poor,
221
576000
4000
Hänen näkömotoriikan koordinointinsa
on hyvin heikko,
on hyvin heikko,
09:55
but you get a general sense
222
580000
2000
mutta saatte yleiskäsityksen
09:57
of what are the regions that he's trying to trace out.
223
582000
3000
siitä, mitä alueita hän yrittää jäljittää.
10:00
If you show him real world images,
224
585000
2000
Jos hänelle näyttää oikean maailman kuvia,
10:02
if you show others like him real world images,
225
587000
3000
jos näyttää muille hänen kaltaisilleen
kuvia maailmasta
kuvia maailmasta
10:05
they are unable to recognize most of the objects
226
590000
2000
he eivät tunnista suurinta osaa,
10:07
because the world to them is over-fragmented;
227
592000
3000
koska heille maailma on kuin sirpaleina.
10:10
it's made up of a collage, a patchwork,
228
595000
3000
Se on koottu kollaaseista, eri värien
10:13
of regions of different colors and luminances.
229
598000
2000
ja valoisuuksien tilkuista.
10:15
And that's what's indicated in the green outlines.
230
600000
2000
Ja tätä kuvastaa vihreä ääriviiva.
10:17
When you ask them,
231
602000
2000
Kun kysytte heiltä
10:19
"Even if you can't name the objects, just point to where the objects are,"
232
604000
3000
"Vaikka ette osaisi nimetä objekteja,
osoittakaa ne",
osoittakaa ne",
10:22
these are the regions that they point to.
233
607000
2000
nämä ovat alueet, joita he osoittavat.
10:24
So the world is this complex
234
609000
2000
Maailma on monimutkainen
10:26
patchwork of regions.
235
611000
2000
alueiden tilkkutäkki.
10:28
Even the shadow on the ball
236
613000
2000
Jopa pallon varjosta
10:30
becomes its own object.
237
615000
3000
tulee oma objektinsa.
10:33
Interestingly enough,
238
618000
2000
Mikä on mielenkiintoista on se,
10:35
you give them a few months,
239
620000
2000
että kun heille antaa muutaman kuukauden
10:37
and this is what happens.
240
622000
3000
seuraava tapahtuu.
10:43
Doctor: How many are these?
241
628000
2000
Lääkäri: Kuinka monta näitä on?
10:45
Patient: These are two things.
242
630000
2000
Potilas: Tässä on kaksi asiaa.
10:47
Doctor: What are their shapes?
243
632000
2000
Lääkäri: Minkä muotoisia ne ovat?
10:49
Patient: Their shapes ...
244
634000
2000
Potilas: Niiden muodot...
10:51
This one is a circle,
245
636000
3000
Tämä on ympyrä
10:54
and this
246
639000
2000
ja tämä
10:56
is a square.
247
641000
2000
on neliö.
10:58
PS: A very dramatic transformation has come about.
248
643000
3000
PS: On tapahtunut
hyvin dramaattinen muutos.
hyvin dramaattinen muutos.
11:01
And the question is:
249
646000
2000
Ja kysymys on:
11:03
What underlies this transformation?
250
648000
2000
Mikä on tämän muutoksen takana?
11:05
It's a profound question,
251
650000
2000
Se on hyvin perustavanlaatuinen kysymys,
11:07
and what's even more amazing is how simple
252
652000
2000
ja mikä on vielä ihmeellisempää on se,
11:09
the answer is.
253
654000
2000
kuinka yksinkertainen vastaus onkaan.
11:11
The answer lies in motion
254
656000
2000
Vastaus piilee liikkeessä,
11:13
and that's what I want to show you in the next clip.
255
658000
3000
ja haluan näyttää tämän
seuraavassa videopätkässä.
seuraavassa videopätkässä.
11:18
Doctor: What shape do you see here?
256
663000
2000
Lääkäri: Minkä muodon näet tässä?
11:20
Patient: I can't make it out.
257
665000
3000
Potilas: En saa siitä selvää.
11:28
Doctor: Now?
258
673000
2000
Lääkäri: Nyt?
11:31
Patient: Triangle.
259
676000
2000
Potilas: Kolmio.
11:35
Doctor: How many things are these?
260
680000
3000
Lääkäri: Kuinka monta niitä on?
11:48
Now, how many things are these?
261
693000
3000
Kuinka monta niitä on nyt?
11:51
Patient: Two.
262
696000
2000
Potilas: Kaksi.
11:53
Doctor: What are these things?
263
698000
2000
Lääkäri: Mitä ne ovat?
11:56
Patient: A square and a circle.
264
701000
2000
Potilas: Neliö ja ympyrä.
11:58
PS: And we see this pattern over and over again.
265
703000
3000
PS: Ja näemme tämän kaavan
toistuvan uudelleen ja uudelleen.
toistuvan uudelleen ja uudelleen.
12:01
The one thing the visual system needs
266
706000
3000
Se yksi asia, jota
visuaalinen järjestelmä tarvitsee
visuaalinen järjestelmä tarvitsee
12:04
in order to begin parsing the world
267
709000
2000
voidakseen alkaa hahmottamaan maailmaa
12:06
is dynamic information.
268
711000
2000
on dynaaminen tieto.
12:08
So the inference we are deriving from this,
269
713000
2000
Johtopäätös, jonka voimme vetää tästä
12:10
and several such experiments,
270
715000
2000
ja useista muista kokeista
12:12
is that dynamic information processing,
271
717000
2000
on se, että dynaamisen tiedon prosessointi
12:14
or motion processing,
272
719000
2000
tai liikeen prosessointi
12:16
serves as the bedrock for building
273
721000
2000
on peruskallio rakennettaessa
12:18
the rest of the complexity of visual processing;
274
723000
4000
loppua visuaalisen prosessoinnin
monimuotoisuudesta;
monimuotoisuudesta;
12:22
it leads to visual integration
275
727000
2000
se johtaa havaintojen yhdistämiseen
12:24
and eventually to recognition.
276
729000
3000
ja lopulta tunnistamiseen.
12:27
This simple idea has far reaching implications.
277
732000
3000
Tällä yksinkertaisella idealla
on kauaskantoisia vaikutuksia.
on kauaskantoisia vaikutuksia.
12:30
And let me just quickly mention two,
278
735000
3000
Mainitsen pikaisesti niistä kaksi,
12:33
one, drawing from the domain of engineering,
279
738000
2000
ensimmäinen on tekniikan maailmasta
12:35
and one from the clinic.
280
740000
2000
ja toinen klinikalta.
12:37
So, from the perspective of engineering,
281
742000
2000
Joten tekniikan näkökulmasta
12:39
we can ask: Goven that we know
282
744000
3000
voimme kysyä: kun tiedämme,
12:42
that motion is so important for the human visual system,
283
747000
2000
kuinka tärkeä liike on näköjärjestelmälle,
12:44
can we use this as a recipe
284
749000
3000
voimmeko käyttää sitä reseptinä
12:47
for constructing machine-based vision systems
285
752000
3000
rakentamaan konepohjaisia
näköjärjestelmiä,
näköjärjestelmiä,
12:50
that can learn on their own, that don't need to be programmed
286
755000
3000
jotka oppisivat itsenäisesti,
joita ei tarvitsisi ohjelmoida
joita ei tarvitsisi ohjelmoida
12:53
by a human programmer?
287
758000
2000
ihmisohjelmoijan toimesta?
12:55
And that's what we're trying to do.
288
760000
2000
Tätä me yritämme tehdä.
12:57
I'm at MIT, at MIT you need to apply
289
762000
3000
Olen MIT-korkeakoulussa,
MIT:ssa sinun tulee käyttää
MIT:ssa sinun tulee käyttää
13:00
whatever basic knowledge you gain.
290
765000
2000
kaikkea saavuttamaasi perustietoa.
13:02
So we are creating Dylan,
291
767000
2000
Joten loimme Dylanin,
13:04
which is a computational system
292
769000
2000
mikä on tietokonejärjestelmä,
13:06
with an ambitious goal
293
771000
2000
jolla on kunnianhimoinen pyrkimys
13:08
of taking in visual inputs
294
773000
2000
vastaanottaa visuaalista tietoa,
13:10
of the same kind that a human child would receive,
295
775000
3000
samankaltaista kuin mitä
ihmislapsi vastaanottaisi
ihmislapsi vastaanottaisi
13:13
and autonomously discovering:
296
778000
2000
ja selvittäisi itsenäisesti,
13:15
What are the objects in this visual input?
297
780000
3000
mitä nämä visuaalisen tiedon
tuottamat objektit ovat.
tuottamat objektit ovat.
13:18
So, don't worry about the internals of Dylan.
298
783000
3000
Älkää välittäkö siitä,
mistä osista Dylan koostuu.
mistä osista Dylan koostuu.
13:21
Here, I'm just going to talk about
299
786000
3000
Aion kertoa vain siitä,
13:24
how we test Dylan.
300
789000
2000
miten testaamme Dylania.
13:26
The way we test Dylan is by giving it
301
791000
2000
Testaamme Dylania antamalla sille
13:28
inputs, as I said, of the same kind
302
793000
3000
tietoa, joka on samanlaista,
kuin mitä vauva
kuin mitä vauva
13:31
that a baby, or a child in Project Prakash would get.
303
796000
3000
tai lapsi Projekti Prakashissa saisi.
13:34
But for a long time we couldn't quite figure out:
304
799000
3000
Pitkään aikaan emme keksineet,
13:37
Wow can we get these kinds of video inputs?
305
802000
3000
kuinka saisimme tämänkaltaista
videoinformaatiota.
videoinformaatiota.
13:41
So, I thought,
306
806000
2000
Joten ajattelin,
13:43
could we have Darius
307
808000
2000
voisimmeko käyttää Dariusta
13:45
serve as our babycam carrier,
308
810000
3000
vauvakameramme kantajana
13:48
and that way get the inputs that we feed into Dylan?
309
813000
3000
ja näin syöttää tietoa Dylaniin?
13:51
So that's what we did.
310
816000
2000
Teimme näin.
13:53
(Laughter)
311
818000
7000
(Naurua)
14:00
I had to have long conversations with my wife.
312
825000
3000
Minun piti käydä pitkiä keskusteluja
vaimoni kanssa.
vaimoni kanssa.
14:03
(Laughter)
313
828000
5000
(Naurua)
14:08
In fact, Pam, if you're watching this,
314
833000
2000
Itse asiassa, Pam, jos katsot tätä
14:10
please forgive me.
315
835000
2000
anna minulle anteeksi.
14:13
So, we modified the optics of the camera
316
838000
4000
Joten muokkasimme kameran optiikkaa
14:17
in order to mimic the baby's visual acuity.
317
842000
3000
voidaksemme matkia vauvan näön tarkuuttaa.
14:20
As some of you might know,
318
845000
2000
Kuten osa teistä varmaan tietääkin,
14:22
babyies are born pretty much legally blind.
319
847000
4000
vauvat syntyvät lähestulkoon sokeina.
14:26
Their acuity -- our acuity is 20/20;
320
851000
3000
Heidän tarkkuutensa -- meidän on 20/20;
14:29
babies' acuity is like 20/800,
321
854000
3000
vauvoilla se on suurinpiirtein 20/800,
14:32
so they are looking at the world
322
857000
2000
joten he katselevat maailmaa
14:34
in a very, very blurry fashion.
323
859000
3000
hyvin hyvin sumealla tavalla.
14:37
Here's what a baby-cam video looks like.
324
862000
3000
Tältä vauvakameran videokuva näyttää.
14:41
(Laughter)
325
866000
9000
(Naurua)
14:50
(Applause)
326
875000
3000
(Aplodeja)
14:53
Thankfully, there isn't any audio
327
878000
2000
Onneksi tämän seuraksi
14:55
to go with this.
328
880000
3000
ei ole ääniraitaa.
14:58
What's amazing is that working with such
329
883000
2000
Hämmästyttävää on se, että
15:00
highly degraded input,
330
885000
2000
tästä hyvin huonolaatuisesta tiedosta
15:02
the baby, very quickly, is able
331
887000
2000
vauva kykenee varsin nopeasti
15:04
to discover meaning in such input.
332
889000
3000
löytämään merkityksen.
15:07
But then two or three days afterward,
333
892000
2000
Päivää tai paria myöhemmin
15:09
babies begin to pay attention
334
894000
2000
vauvat alkavat kiinnittää huomiota
15:11
to their mother's or their father's face.
335
896000
2000
äitinsä ja isänsä kasvoihin.
15:13
How does that happen? We want Dylan to be able to do that,
336
898000
3000
Miten tämä tapahtuu? Me haluamme
Dylanin pystyvän samaan,
Dylanin pystyvän samaan,
15:16
and using this mantra of motion,
337
901000
3000
ja käyttäen tätä liikkeen mantraa
15:19
Dylan actually can do that.
338
904000
2000
Dylan itse asiassa voi tehdä sen.
15:21
So, given that kind of video input,
339
906000
3000
Joten ottaen huomioon videon tason,
15:24
with just about six or seven minutes worth of video,
340
909000
3000
vain kuudesta seitsemään minuutin
videopätkästä
videopätkästä
15:27
Dylan can begin to extract patterns
341
912000
3000
Dylan kykenee tunnistamaan hahmoja
15:30
that include faces.
342
915000
3000
kuten kasvoja.
15:33
So, it's an important demonstration
343
918000
2000
Joten tämä on tärkeä havainnollistus
15:35
of the power of motion.
344
920000
2000
liikkeen mahdista.
15:37
The clinical implication, it comes from the domain of autism.
345
922000
3000
Kliiniset vaikutukset
tulevat autismin maailmasta.
tulevat autismin maailmasta.
15:40
Visual integration has been associated with autism
346
925000
2000
Näköhavaintohäiriöt on
yhdistetty autismiin
yhdistetty autismiin
15:42
by several researchers.
347
927000
2000
useiden tutkijoiden toimesta.
15:44
When we saw that, we asked:
348
929000
2000
Huomatessamme tämän kysyimme:
15:46
Could the impairment in visual integration
349
931000
3000
Voisivatko näköhavaintojen häiriöt
15:49
be the manifestation of something underneath,
350
934000
3000
olla ilmentymä jostain, joka piilee
15:52
of dynamic information processing deficiencies in autism?
351
937000
3000
autismin dynaamisen tiedonkäsittelyn
vajauksen takana?
vajauksen takana?
15:55
Because, if that hypothesis were to be true,
352
940000
3000
Koska mikäli tämä olettamus
osottautuisi oikeaksi,
osottautuisi oikeaksi,
15:58
it would have massive repercussions in our understanding
353
943000
3000
sillä olisi valtava vaikutus
ymmärrykseemme
ymmärrykseemme
16:01
of what's causing the many different aspects
354
946000
2000
siitä, mikä aiheuttaa autismin erilaiset
16:03
of the autism phenotype.
355
948000
3000
ilmenemismuodot.
16:06
What you're going to see are
356
951000
2000
Mitä näette seuraavaksi
16:08
video clips of two children -- one neurotypical,
357
953000
3000
on videopätkä kahdesta lapsesta
-- yksi neurotyypillinen,
-- yksi neurotyypillinen,
16:11
one with autism, playing Pong.
358
956000
2000
yksi jolla on autismi, pelaamassa Pongia.
16:13
So, while the child is playing Pong, we are tracking where they're looking.
359
958000
3000
Lapsen pelatessa Pongia
jäljitämme heidän katsettaan.
jäljitämme heidän katsettaan.
16:16
In red are the eye movement traces.
360
961000
3000
Punaisella on silmän liikkeen jäljet.
16:19
This is the neurotypical child, and what you see
361
964000
3000
Tämä on neurotyypillinen lapsi,
ja mitä näette
ja mitä näette
16:22
is that the child is able to make cues
362
967000
2000
on se, että lapsi kykenee arvaamaan
16:24
of the dynamic information
363
969000
2000
dynaamisen informaation perusteella
16:26
to predict where the ball is going to go.
364
971000
2000
minne pallo menee seuraavaksi.
16:28
Even before the ball gets to a place,
365
973000
3000
Jo ennen kuin pallo ehtii kohtaan
16:31
the child is already looking there.
366
976000
3000
lapsi katsoo jo sinne.
16:34
Contrast this with a child
367
979000
2000
Vastakohtana tähän autistinen lapsi,
16:36
with autism playing the same game.
368
981000
2000
joka pelaa samaa peliä.
16:38
Instead of anticipating,
369
983000
2000
Ennakoimisen sijaan
16:40
the child always follows where the ball has been.
370
985000
3000
lapsi seuraa aina palloa
sen mukaan missä se on jo ollut.
sen mukaan missä se on jo ollut.
16:43
The efficiency of the use
371
988000
2000
Dynaamisen informaation
16:45
of dynamic information
372
990000
2000
käytön tehokkuus
16:47
seems to be significantly compromised in autism.
373
992000
3000
vaikuttaa olevan
selkeästi heikentynyt autismissa.
selkeästi heikentynyt autismissa.
16:51
So we are pursuing this line of work
374
996000
3000
Joten kehitämme tätä työtä
16:54
and hopefully we'll have
375
999000
2000
ja toivottavasti voimme pian
16:56
more results to report soon.
376
1001000
2000
raportoida lisää tuloksia.
16:58
Looking ahead, if you think of this disk
377
1003000
3000
Katse tulevaisuuteen,
jos kuvittelette tämän levyn
jos kuvittelette tämän levyn
17:01
as representing all of the children
378
1006000
2000
kuvaavan sitä määrää lapsia,
17:03
we've treated so far,
379
1008000
2000
joita olemme hoitaneet tähän mennessä,
17:05
this is the magnitude of the problem.
380
1010000
2000
on tämä ongelman suuruusluokka.
17:07
The red dots are the children we have not treated.
381
1012000
3000
Punaiset pisteet edustavat lapsia,
joita emme ole hoitaneet.
joita emme ole hoitaneet.
17:10
So, there are many, many more children who need to be treated,
382
1015000
2000
On monia lapsia,
jotka tarvitsevat hoitoa,
jotka tarvitsevat hoitoa,
17:12
and in order to expand the scope of the project,
383
1017000
3000
ja voidaksemme laajentaa projektiamme
17:15
we are planning on launching
384
1020000
2000
olemme suunnitelleet avaavamme
17:17
The Prakash Center for Children,
385
1022000
2000
Lasten Prakash-Keskuksen,
17:19
which will have a dedicated pediatric hospital,
386
1024000
3000
jossa meillä tulee olemaan
erikoislastensairaala,
erikoislastensairaala,
17:22
a school for the children we are treating
387
1027000
2000
koulu hoitamillemme lapsille
17:24
and also a cutting-edge research facility.
388
1029000
2000
ja kärkiluokkaa oleva tutkimuslaitos.
17:26
The Prakash Center will integrate health care,
389
1031000
3000
Prakash-Keskus tulee yhdistämään
terveydenhoidon,
terveydenhoidon,
17:29
education and research in a way
390
1034000
2000
koulutuksen ja tutkimuksen tavalla,
17:31
that truly creates the whole
391
1036000
2000
joka todella luo kokonaisuuden,
17:33
to be greater than the sum of the parts.
392
1038000
3000
joka on suurempi kuin osiensa summa.
17:36
So, to summarize: Prakash, in its five years of existence,
393
1041000
3000
Yhteenvetona: Prakash on
viiden vuoden olemassaolonsa aikana
viiden vuoden olemassaolonsa aikana
17:39
it's had an impact in multiple areas,
394
1044000
3000
vaikuttanut moniin alueisiin,
17:42
ranging from basic neuroscience
395
1047000
2000
lähtien neurotieteen
17:44
plasticity and learning in the brain,
396
1049000
2000
plastisiteetista ja aivojen oppimiskyvystä
17:46
to clinically relevant hypotheses like in autism,
397
1051000
4000
kliinisesti tärkeisiin
hypoteeseihin esimerkiksi autismista,
hypoteeseihin esimerkiksi autismista,
17:50
the development of autonomous machine vision systems,
398
1055000
3000
itsenäisen koneellisen näkökyvyn
kehittämiseen,
kehittämiseen,
17:53
education of the undergraduate and graduate students,
399
1058000
3000
ylioppilaiden- ja jatko-opiskelijoiden
koulutukseen
koulutukseen
17:56
and most importantly in the alleviation
400
1061000
2000
ja mikä kaikkein tärkeintä
17:58
of childhood blindness.
401
1063000
2000
lapsuusiän sokeuden lievitykseen.
18:00
And for my students and I, it's been
402
1065000
2000
Oppilailleni ja minulle tämä on ollut
18:02
just a phenomenal experience
403
1067000
2000
ilmiömäinen kokemus,
18:04
because we have gotten to do interesting research,
404
1069000
4000
koska olemme päässeet tekemään
mielenkiintoista tutkimustyötä,
mielenkiintoista tutkimustyötä,
18:08
while at the same time
405
1073000
2000
samaan aikaan auttaen
18:10
helping the many children that we have worked with.
406
1075000
2000
lapsia, joiden kanssa
olemme työskennelleet.
olemme työskennelleet.
18:12
Thank you very much.
407
1077000
2000
Kiitos oikein paljon.
18:14
(Applause)
408
1079000
2000
(Aplodeja)
ABOUT THE SPEAKER
Pawan Sinha - Visual neuroscientistPawan Sinha researches how our brains interpret what our eyes see -- and uses that research to give blind children the gift of sight.
Why you should listen
At Pawan Sinha's MIT lab, he and his team spend their days trying to understand how the brain learns to recognize and use the patterns and scenes we see around us. To do this, they often use computers to model the processes of the human brain, but they also study human subjects, some of whom are seeing the world for the very first time and can tell them about the experience as it happens. They find these unusual subjects through the humanitarian branch of their research, Project Prakash.
Project Prakash sets up eye-care camps in some of the most habitually underserved regions of India, and gives free eye-health screenings to, since 2003, more than 700 functionally blind children. The children are then treated without charge, even if they do not fit the profile that would make them eligible for Sinha's research.
Sinha's eventual goal is to help 500 children each year; plans are under way for a center for visual rehabilitation in new Delhi. The special relationship that Sinha has created between research and humanitarianism promises to deliver on both fronts.
Pawan Sinha | Speaker | TED.com