TEDGlobal 2010
Gero Miesenboeck: Re-engineering the brain
Gero Miesenboeck reconfigure un cerveau.
Filmed:
Readability: 4.7
717,411 views
Dans le but de cartographier le cerveau, beaucoup de scientifiques ont tenté la tâche colossale d'enregistrer l'activité de chaque neurone. Gero Miesenboeck travaille à l'envers - en manipulant des neurones spécifiques pour comprendre exactement ce qu'ils font, par des séries d'expériences stupéfiantes qui reconfigurent la façon dont la mouche du fruit (la drosophile) perçoit la lumière.
Gero Miesenboeck - Optogeneticist
Using light and a little genetic engineering -- optogenetics -- Gero Miesenboeck has developed a way to control how living nerve cells work, and advanced understanding of how the brain controls behavior. Full bio
Using light and a little genetic engineering -- optogenetics -- Gero Miesenboeck has developed a way to control how living nerve cells work, and advanced understanding of how the brain controls behavior. Full bio
Double-click the English transcript below to play the video.
00:15
I have a doppelganger.
0
0
3000
J'ai un double.
00:18
(Laughter)
1
3000
3000
(Rires)
00:21
Dr. Gero is a brilliant
2
6000
3000
Dr Gero est un scientifique brillant
00:24
but slightly mad scientist
3
9000
2000
mais légèrement fou
00:26
in the "Dragonball Z: Android Saga."
4
11000
3000
dans la "Saga Android" Dragonball Z.
00:29
If you look very carefully,
5
14000
2000
Si vous regardez très attentivement,
00:31
you see that his skull has been replaced
6
16000
3000
vous voyez que son crâne a été remplacé
00:34
with a transparent Plexiglas dome
7
19000
2000
par un dôme en Plexigas transparent
00:36
so that the workings of his brain can be observed
8
21000
3000
pour que les fonctionnements de son cerveau puissent être observés
00:39
and also controlled with light.
9
24000
3000
et aussi contrôlés par lumière.
00:42
That's exactly what I do --
10
27000
2000
C'est exactement ce que je fais --
00:44
optical mind control.
11
29000
2000
le contrôle de l'esprit par l'optique.
00:46
(Laughter)
12
31000
2000
(Rires)
00:48
But in contrast to my evil twin
13
33000
2000
Mais à l'inverse de mon jumeau démoniaque,
00:50
who lusts after world domination,
14
35000
3000
qui convoite la domination du monde,
00:53
my motives are not sinister.
15
38000
3000
mes motifs ne sont pas menaçants.
00:56
I control the brain
16
41000
2000
Je contrôle le cerveau
00:58
in order to understand how it works.
17
43000
2000
pour comprendre comment il fonctionne.
01:00
Now wait a minute, you may say,
18
45000
2000
Maintenant, attendez une minute, vous pouvez dire,
01:02
how can you go straight to controlling the brain
19
47000
3000
comment pouvez-vous aller directement au contrôle du cerveau
01:05
without understanding it first?
20
50000
2000
sans d'abord le comprendre?
01:07
Isn't that putting the cart before the horse?
21
52000
3000
Est-ce que ce n'est pas mettre la charrue avant les bœufs?
01:11
Many neuroscientists agree with this view
22
56000
3000
Beaucoup de neuroscientifiques sont d'accord avec cette vision
01:14
and think that understanding will come
23
59000
3000
et pensent que la compréhension viendra
01:17
from more detailed observation and analysis.
24
62000
3000
d'une observation et d'une analyse plus détaillées.
01:20
They say, "If we could record the activity of our neurons,
25
65000
4000
Ils disent, "si nous pouvions enregistrer l'activité de nos neurones,
01:24
we would understand the brain."
26
69000
3000
nous comprendrions le cerveau."
01:27
But think for a moment what that means.
27
72000
3000
Mais réfléchissez un instant à ce que cela signifie.
01:30
Even if we could measure
28
75000
2000
Même si nous pouvions mesurer
01:32
what every cell is doing at all times,
29
77000
2000
ce que chaque cellule fait à tout moment,
01:34
we would still have to make sense
30
79000
2000
nous aurions encore à comprendre la signification
01:36
of the recorded activity patterns,
31
81000
2000
des tracés d'activité enregistrés,
01:38
and that's so difficult,
32
83000
2000
et c'est si difficile,
01:40
chances are we'll understand these patterns
33
85000
2000
il y a des chances que nous comprenions ces tracés
01:42
just as little as the brains that produce them.
34
87000
3000
juste aussi peu que les cerveaux qui les produisent.
01:45
Take a look at what brain activity might look like.
35
90000
3000
Jetez un coup d'oeil à quoi l'activité cérébrale pourrait ressembler.
01:48
In this simulation, each black dot
36
93000
2000
Dans cette simulation, chaque point noir
01:50
is one nerve cell.
37
95000
2000
est une seule cellule nerveuse.
01:52
The dot is visible
38
97000
2000
Le point est visible
01:54
whenever a cell fires an electrical impulse.
39
99000
2000
chaque fois qu'une cellule envoie une impulsion électrique.
01:56
There's 10,000 neurons here.
40
101000
2000
Il y a 10,000 neurones ici.
01:58
So you're looking at roughly one percent
41
103000
2000
Donc vous avez regardé à grossièrement un pour cent
02:00
of the brain of a cockroach.
42
105000
3000
du cerveau d'un cafard.
02:04
Your brains are about 100 million times
43
109000
3000
Vos cerveaux sont environ 100 millions de fois
02:07
more complicated.
44
112000
2000
plus compliqués.
02:09
Somewhere, in a pattern like this,
45
114000
2000
Quelque part, il y a un tracé comme ceci,
02:11
is you,
46
116000
2000
il y a vous,
02:13
your perceptions,
47
118000
2000
vos perceptions,
02:15
your emotions, your memories,
48
120000
3000
vos émotions, vos souvenirs,
02:18
your plans for the future.
49
123000
2000
vos plans pour l'avenir.
02:20
But we don't know where,
50
125000
2000
Mais nous ne savons pas où,
02:22
since we don't know how to read the pattern.
51
127000
3000
puisque nous ne savons pas comment lire le tracé.
02:25
We don't understand the code used by the brain.
52
130000
3000
Nous ne comprenons pas le code utilisé par le cerveau.
02:28
To make progress,
53
133000
2000
Pour progresser,
02:30
we need to break the code.
54
135000
2000
nous devons casser le code.
02:32
But how?
55
137000
2000
Mais comment?
02:35
An experienced code-breaker will tell you
56
140000
2000
Un cryptanalyste expérimenté vous dira
02:37
that in order to figure out what the symbols in a code mean,
57
142000
3000
que pour comprendre ce que veulent dire les symboles dans un code,
02:40
it's essential to be able to play with them,
58
145000
3000
il est essentiel de pouvoir jouer avec eux,
02:43
to rearrange them at will.
59
148000
2000
pour les réarranger à volonté.
02:45
So in this situation too,
60
150000
2000
Ainsi, dans cette situation également,
02:47
to decode the information
61
152000
2000
pour décoder les informations
02:49
contained in patterns like this,
62
154000
2000
contenues dans des tracés comme celui-ci,
02:51
watching alone won't do.
63
156000
2000
l'observation seule ne suffit pas;
02:53
We need to rearrange the pattern.
64
158000
2000
nous devons réarranger le tracé.
02:55
In other words,
65
160000
2000
Autrement dit,
02:57
instead of recording the activity of neurons,
66
162000
2000
au lieu d'enregistrer l'activité des neurones,
02:59
we need to control it.
67
164000
2000
nous devons la contrôler.
03:01
It's not essential that we can control
68
166000
2000
Il n'est pas essentiel que nous puissions contrôler
03:03
the activity of all neurons in the brain, just some.
69
168000
3000
l'activité de tous les neurones dans le cerveau, juste certains.
03:06
The more targeted our interventions, the better.
70
171000
2000
Plus nos interventions sont ciblées, mieux c'est.
03:08
And I'll show you in a moment
71
173000
2000
Et je vous montrerai dans un moment
03:10
how we can achieve the necessary precision.
72
175000
3000
comment nous pouvons atteindre la précision nécessaire.
03:13
And since I'm realistic, rather than grandiose,
73
178000
3000
Et puisque je suis réaliste plus que prétentieux,
03:16
I don't claim that the ability to control the function of the nervous system
74
181000
3000
je ne prétends pas que la capacité à contrôler le fonctionnement du système nerveux
03:19
will at once unravel all its mysteries.
75
184000
3000
élucidera immédiatement tous ses mystères.
03:22
But we'll certainly learn a lot.
76
187000
3000
Mais nous apprendrons certainement beaucoup.
03:27
Now, I'm by no means
77
192000
2000
Maintenant, je ne suis en aucun cas
03:29
the first person to realize
78
194000
2000
la première personne à réaliser
03:31
how powerful a tool intervention is.
79
196000
3000
à quel point une intervention d'outil est puissante.
03:34
The history of attempts
80
199000
2000
L'histoire des tentatives
03:36
to tinker with the function of the nervous system
81
201000
2000
pour remanier la fonction du système nerveux
03:38
is long and illustrious.
82
203000
2000
est longue et célèbre.
03:40
It dates back at least 200 years,
83
205000
3000
Cela remonte au moins 200 ans en arrière,
03:43
to Galvani's famous experiments
84
208000
2000
aux expériences célèbres de Galvani
03:45
in the late 18th century and beyond.
85
210000
3000
à la fin du 18ème siècle et au-delà.
03:49
Galvani showed that a frog's legs twitched
86
214000
3000
Galvani a montré que les jambes d'une grenouille se contractaient
03:52
when he connected the lumbar nerve
87
217000
2000
quand il connectait le nerf lombaire
03:54
to a source of electrical current.
88
219000
3000
à une source de courant électrique.
03:57
This experiment revealed the first, and perhaps most fundamental,
89
222000
3000
Cette expérience a révélé le premier et peut-être le plus fondamental,
04:00
nugget of the neural code:
90
225000
2000
élément du code neural :
04:02
that information is written in the form
91
227000
2000
ces informations sont écrites sous la forme
04:04
of electrical impulses.
92
229000
3000
d'impulsions électriques.
04:08
Galvani's approach
93
233000
2000
L'approche de Galvani
04:10
of probing the nervous system with electrodes
94
235000
2000
d'explorer le système nerveux avec des électrodes
04:12
has remained state-of-the-art until today,
95
237000
3000
est restée en pointe jusqu'à aujourd'hui,
04:15
despite a number of drawbacks.
96
240000
3000
malgré un certain nombre d'inconvénients.
04:18
Sticking wires into the brain is obviously rather crude.
97
243000
3000
Enfoncer des fils dans le cerveau est évidemment plutôt rudimentaire.
04:21
It's hard to do in animals that run around,
98
246000
2000
C'est difficile à réaliser dans des animaux qui courent partout,
04:23
and there is a physical limit
99
248000
2000
et il y a une limite physique
04:25
to the number of wires
100
250000
2000
aux nombres de fils
04:27
that can be inserted simultaneously.
101
252000
3000
qui peuvent être insérés simultanément.
04:30
So around the turn of the last century,
102
255000
2000
Ainsi autour du début du dernier siècle,
04:32
I started to think,
103
257000
2000
j'ai commencé à penser,
04:34
"Wouldn't it be wonderful if one could take this logic
104
259000
3000
ne serait-il pas merveilleux si on pouvait prendre cette logique
04:37
and turn it upside down?"
105
262000
2000
et la renverser.
04:39
So instead of inserting a wire
106
264000
2000
Ainsi au lieu d'insérer un fil
04:41
into one spot of the brain,
107
266000
3000
dans un seul endroit du cerveau,
04:44
re-engineer the brain itself
108
269000
2000
reconfigurer le cerveau lui-même
04:46
so that some of its neural elements
109
271000
3000
pour que certains de ses éléments neuraux
04:49
become responsive to diffusely broadcast signals
110
274000
3000
deviennent réactifs pour émettre des signaux de façon diffuse,
04:52
such as a flash of light.
111
277000
3000
comme un flash de lumière.
04:55
Such an approach would literally, in a flash of light,
112
280000
3000
Une telle approche pourrait littéralement, en un flash de lumière,
04:58
overcome many of the obstacles to discovery.
113
283000
3000
surmonter beaucoup des obstacles qui s'opposent à sa découverte.
05:01
First, it's clearly a non-invasive,
114
286000
3000
Premièrement, c'est clairement
05:04
wireless form of communication.
115
289000
3000
une forme de communication sans-fil non-invasive.
05:07
And second, just as in a radio broadcast,
116
292000
2000
Et deuxièmement, juste comme un programme radio,
05:09
you can communicate with many receivers at once.
117
294000
3000
vous pouvez communiquer avec beaucoup de récepteurs à la fois.
05:12
You don't need to know where these receivers are,
118
297000
3000
Vous n'avez pas besoin de savoir où ces récepteurs se trouvent.
05:15
and it doesn't matter if these receivers move --
119
300000
2000
Et, ce n'est pas important si ces récepteurs bougent --
05:17
just think of the stereo in your car.
120
302000
3000
penser juste à la stéréo dans votre voiture.
05:20
It gets even better,
121
305000
3000
Il y a encore mieux,
05:23
for it turns out that we can fabricate the receivers
122
308000
3000
il s'avère que nous pouvons fabriquer ces récepteurs
05:26
out of materials that are encoded in DNA.
123
311000
3000
à partir de matériaux qui sont codés par l'ADN.
05:29
So each nerve cell
124
314000
2000
Ainsi chaque cellule nerveuse
05:31
with the right genetic makeup
125
316000
2000
avec le bon génome
05:33
will spontaneously produce a receiver
126
318000
3000
produira spontanément un récepteur
05:36
that allows us to control its function.
127
321000
3000
qui nous permet de contrôler sa fonction.
05:39
I hope you'll appreciate
128
324000
2000
J'espère que vous apprécierez
05:41
the beautiful simplicity
129
326000
2000
la belle simplicité
05:43
of this concept.
130
328000
2000
de ce concept.
05:45
There's no high-tech gizmos here,
131
330000
2000
Il n'y a aucun gadget de haute technologie ici,
05:47
just biology revealed through biology.
132
332000
3000
juste la biologie révélée par la biologie.
05:51
Now let's take a look at these miraculous receivers up close.
133
336000
3000
Maintenant regardons ces récepteurs miraculeux en gros plan.
05:54
As we zoom in on one of these purple neurons,
134
339000
3000
Alors que nous agrandissons un de ces neurones violets,
05:57
we see that its outer membrane
135
342000
2000
nous voyons que sa membrane extérieure
05:59
is studded with microscopic pores.
136
344000
2000
est remplie de pores microscopiques.
06:01
Pores like these conduct electrical current
137
346000
2000
Les pores comme ceux-ci conduisent le courant électrique
06:03
and are responsible
138
348000
2000
et sont responsables
06:05
for all the communication in the nervous system.
139
350000
2000
de toute la communication dans le système nerveux.
06:07
But these pores here are special.
140
352000
2000
Mais ici ces pores sont spéciaux.
06:09
They are coupled to light receptors
141
354000
2000
Ils sont couplés à des récepteurs de lumière
06:11
similar to the ones in your eyes.
142
356000
3000
identiques à ceux dans vos yeux.
06:14
Whenever a flash of light hits the receptor,
143
359000
2000
Chaque fois qu'un flash de lumière frappe le récepteur,
06:16
the pore opens, an electrical current is switched on,
144
361000
3000
le pore s'ouvre et le courant électrique est activé,
06:19
and the neuron fires electrical impulses.
145
364000
3000
et le neurone envoie des impulsions électriques.
06:22
Because the light-activated pore is encoded in DNA,
146
367000
3000
Parce que le pore activé par la lumière est codé dans l'ADN,
06:25
we can achieve incredible precision.
147
370000
3000
nous pouvons atteindre une incroyable précision.
06:28
This is because,
148
373000
2000
C'est parce que,
06:30
although each cell in our bodies
149
375000
2000
bien que chaque cellule dans notre corps
06:32
contains the same set of genes,
150
377000
2000
contient le même ensemble de gènes,
06:34
different mixes of genes get turned on and off
151
379000
2000
des combinaisons différentes de gènes sont allumées ou éteintes
06:36
in different cells.
152
381000
2000
dans différentes cellules.
06:38
You can exploit this to make sure
153
383000
2000
Vous pouvez exploiter ceci pour vous assurer
06:40
that only some neurons
154
385000
2000
que seulement quelques neurones
06:42
contain our light-activated pore and others don't.
155
387000
3000
contiennent notre pore activé par la lumière et d'autres pas.
06:45
So in this cartoon, the bluish white cell
156
390000
2000
Ainsi dans ce schéma, la cellule blanche bleuâtre
06:47
in the upper-left corner
157
392000
2000
dans le coin supérieur-gauche
06:49
does not respond to light
158
394000
2000
ne répond pas à la lumière
06:51
because it lacks the light-activated pore.
159
396000
3000
car elle est dépourvue du pore activé par la lumière.
06:54
The approach works so well
160
399000
2000
Cette approche marche si bien
06:56
that we can write purely artificial messages
161
401000
2000
que nous pouvons écrire des messages purement artificiels
06:58
directly to the brain.
162
403000
2000
directement au cerveau.
07:00
In this example, each electrical impulse,
163
405000
2000
Dans cet exemple, chaque impulsion électrique,
07:02
each deflection on the trace,
164
407000
3000
chaque déviation du tracé,
07:05
is caused by a brief pulse of light.
165
410000
3000
est causée par une brève impulsion de lumière.
07:08
And the approach, of course, also works
166
413000
2000
Et l'approche fonctionne également
07:10
in moving, behaving animals.
167
415000
3000
pour des animaux réagissant et se déplaçant.
07:13
This is the first ever such experiment,
168
418000
2000
C'est la toute première expérience de la sorte,
07:15
sort of the optical equivalent of Galvani's.
169
420000
3000
une sorte d'équivalent optique de celle de Galvani.
07:18
It was done six or seven years ago
170
423000
2000
Cela a été fait il y a six ou sept ans
07:20
by my then graduate student, Susana Lima.
171
425000
3000
par Susana Lima qui était alors mon étudiante en thèse.
07:23
Susana had engineered the fruit fly on the left
172
428000
3000
Susana avait structurée la drosophile sur la gauche
07:26
so that just two out of the 200,000 cells in its brain
173
431000
4000
pour que juste deux parmi les 200 000 cellules de son cerveau
07:30
expressed the light-activated pore.
174
435000
3000
expriment le pore activé par la lumière.
07:33
You're familiar with these cells
175
438000
2000
Vous êtes familiers avec ces cellules
07:35
because they are the ones that frustrate you
176
440000
2000
car ce sont celles qui vous frustrent
07:37
when you try to swat the fly.
177
442000
2000
quand vous essayez d'écraser la mouche.
07:39
They trained the escape reflex that makes the fly jump into the air
178
444000
3000
Elles ont entraîné le réflexe de fuite qui fait sauter la mouche dans les airs.
07:42
and fly away whenever you move your hand in position.
179
447000
3000
et s'envoler chaque fois que vous déplacez votre main dans la position.
07:46
And you can see here that the flash of light has exactly the same effect.
180
451000
3000
Et vous pouvez voir ici que le flash de lumière a exactement le même effet.
07:49
The animal jumps, it spreads its wings, it vibrates them,
181
454000
3000
L'animal saute, il étend ses ailes, il les fait vibrer,
07:52
but it can't actually take off
182
457000
2000
mais en réalité il ne peut pas décoller,
07:54
because the fly is sandwiched between two glass plates.
183
459000
3000
parce que la mouche est serrée entre deux plaques de verre.
07:58
Now to make sure that this was no reaction of the fly
184
463000
2000
Maintenant, pour s'assurer que ce n'était pas une réaction de la mouche
08:00
to a flash it could see,
185
465000
3000
à un flash qu'elle aurait pu voir
08:03
Susana did a simple
186
468000
2000
Susana a réalisé une expérience simple
08:05
but brutally effective experiment.
187
470000
2000
mais brutalement efficace.
08:07
She cut the heads off of her flies.
188
472000
3000
Elle a coupé les têtes de ses mouches.
08:11
These headless bodies can live for about a day,
189
476000
3000
Ces corps sans tête peuvent vivre environ un jour,
08:14
but they don't do much.
190
479000
2000
mais ils ne font pas grand chose.
08:16
They just stand around
191
481000
3000
Ils restent juste dans les parages
08:19
and groom excessively.
192
484000
3000
et se toilettent de façon extensive.
08:22
So it seems that the only trait that survives decapitation is vanity.
193
487000
3000
Donc il semble que le seul trait qui réchappe de la décapitation soit la vanité.
08:25
(Laughter)
194
490000
3000
(Rires)
08:30
Anyway, as you'll see in a moment,
195
495000
2000
De toute façon, comme vous verrez dans un moment,
08:32
Susana was able to turn on the flight motor
196
497000
3000
Susana a pu allumer le moteur du vol
08:35
of what's the equivalent of the spinal cord of these flies
197
500000
3000
de ce qui est l'équivalent de la moelle épinière de ces mouches
08:38
and get some of the headless bodies
198
503000
2000
et réussir à avoir certains des corps sans tête
08:40
to actually take off and fly away.
199
505000
3000
vraiment décoller et s'envoler.
08:47
They didn't get very far, obviously.
200
512000
2000
Ils ne sont pas allés très loin, évidemment.
08:50
Since we took these first steps,
201
515000
2000
Depuis que nous avons franchis ces premières étapes,
08:52
the field of optogenetics has exploded.
202
517000
3000
le domaine de l'optogénétique a éclaté.
08:55
And there are now hundreds of labs
203
520000
2000
Et il y a maintenant des centaines de laboratoires
08:57
using these approaches.
204
522000
2000
qui utilisent ces approches.
08:59
And we've come a long way
205
524000
2000
Et nous avons parcouru un long chemin
09:01
since Galvani's and Susana's first successes
206
526000
3000
depuis les premiers succès de Galvani et de Susana
09:04
in making animals twitch or jump.
207
529000
2000
dans la fabrication d'animaux qui se contractent ou qui sautent.
09:06
We can now actually interfere with their psychology
208
531000
3000
Nous pouvons maintenant vraiment interférer avec leur psychologie
09:09
in rather profound ways,
209
534000
2000
de façon plutôt profonde
09:11
as I'll show you in my last example,
210
536000
2000
comme je vous le montrerai dans mon dernier exemple,
09:13
which is directed at a familiar question.
211
538000
3000
qui vise une question familière.
09:16
Life is a string of choices
212
541000
3000
La vie est une série de choix
09:19
creating a constant pressure to decide what to do next.
213
544000
3000
créant une pression constante pour décider de que faire ensuite.
09:23
We cope with this pressure by having brains,
214
548000
3000
Nous faisons face à cette pression en ayant des cerveaux
09:26
and within our brains, decision-making centers
215
551000
3000
et dans nos cerveaux, des centres de prise de décision
09:29
that I've called here the "Actor."
216
554000
3000
que j'ai appelé ici l'Acteur.
09:33
The Actor implements a policy that takes into account
217
558000
3000
L'Acteur met en oeuvre une politique qui tient compte
09:36
the state of the environment
218
561000
2000
de l'état de l'environnement
09:38
and the context in which we operate.
219
563000
3000
et du contexte dans lequel nous opérons.
09:41
Our actions change the environment, or context,
220
566000
3000
Nos actions changent l'environnement, ou le contexte,
09:44
and these changes are then fed back into the decision loop.
221
569000
3000
et ces changements sont alors retransmis dans la boucle de décision.
09:48
Now to put some neurobiological meat
222
573000
3000
Maintenant pour mettre de la cuisine neurobiologique
09:51
on this abstract model,
223
576000
2000
dans ce modèle abstrait,
09:53
we constructed a simple one-dimensional world
224
578000
2000
nous avons construit un monde simple unidimensionnel
09:55
for our favorite subject, fruit flies.
225
580000
3000
pour notre sujet préféré, les drosophiles.
09:58
Each chamber in these two vertical stacks
226
583000
2000
Chaque chambre dans ces deux piles verticales
10:00
contains one fly.
227
585000
2000
contient une mouche.
10:02
The left and the right halves of the chamber
228
587000
3000
Les moitiés gauches et droites de la chambre
10:05
are filled with two different odors,
229
590000
2000
sont remplies de deux odeurs différentes,
10:07
and a security camera watches
230
592000
2000
et une caméra de surveillance observe
10:09
as the flies pace up and down between them.
231
594000
3000
pendant que les mouches passent en haut et en bas a travers elles.
10:12
Here's some such CCTV footage.
232
597000
2000
Voici quelques séquences CCTV.
10:14
Whenever a fly reaches the midpoint of the chamber
233
599000
3000
Chaque fois qu'une mouche atteint le milieu de la chambre
10:17
where the two odor streams meet,
234
602000
2000
où les deux courants d'odeur se rencontrent,
10:19
it has to make a decision.
235
604000
2000
elle doit prendre une décision.
10:21
It has to decide whether to turn around
236
606000
2000
Elle doit décider entre faire demi-tour
10:23
and stay in the same odor,
237
608000
2000
et rester dans la même odeur,
10:25
or whether to cross the midline
238
610000
2000
ou traverser la ligne médiane
10:27
and try something new.
239
612000
2000
et essayer quelque chose de nouveau.
10:29
These decisions are clearly a reflection
240
614000
3000
Ces décisions sont clairement le reflet
10:32
of the Actor's policy.
241
617000
3000
de la politique de l'Acteur.
10:36
Now for an intelligent being like our fly,
242
621000
3000
Maintenant pour un être intelligent comme notre mouche,
10:39
this policy is not written in stone
243
624000
3000
cette politique n'est pas écrite dans la pierre,
10:42
but rather changes as the animal learns from experience.
244
627000
3000
mais change plutôt à chaque fois que l'animal apprend de l'expérience.
10:45
We can incorporate such an element
245
630000
2000
Nous pouvons incorporer un tel élément
10:47
of adaptive intelligence into our model
246
632000
3000
d'intelligence adaptative dans notre modèle
10:50
by assuming that the fly's brain
247
635000
2000
en assumant que le cerveau de la mouche
10:52
contains not only an Actor,
248
637000
2000
contient non seulement un Acteur,
10:54
but a different group of cells,
249
639000
2000
mais un groupe différent de cellules,
10:56
a "Critic," that provides a running commentary
250
641000
3000
un Critique, qui fournit un commentaire ininterrompu
10:59
on the Actor's choices.
251
644000
2000
des choix de l'Acteur.
11:01
You can think of this nagging inner voice
252
646000
3000
Vous pouvez penser à cette voix intérieure lancinante
11:04
as sort of the brain's equivalent
253
649000
2000
comme une sorte d'équivalent du cerveau
11:06
of the Catholic Church,
254
651000
2000
de l'Église Catholique,
11:08
if you're an Austrian like me,
255
653000
3000
si vous êtes un Autrichien comme moi,
11:11
or the super-ego, if you're Freudian,
256
656000
3000
ou du surmoi, si vous êtes Freudiens,
11:14
or your mother, if you're Jewish.
257
659000
2000
ou de votre mère, si vous êtes Juifs.
11:16
(Laughter)
258
661000
4000
(Rires)
11:20
Now obviously,
259
665000
2000
Maintenant évidemment,
11:22
the Critic is a key ingredient
260
667000
3000
la critique est un ingrédient clé
11:25
in what makes us intelligent.
261
670000
2000
dans ce qui nous rend intelligents.
11:27
So we set out to identify
262
672000
2000
Donc nous avons cherché à identifier
11:29
the cells in the fly's brain
263
674000
2000
les cellules dans le cerveau de la mouche
11:31
that played the role of the Critic.
264
676000
2000
qui jouent le rôle du Critique.
11:33
And the logic of our experiment was simple.
265
678000
3000
Et la logique de notre expérience était simple.
11:36
We thought if we could use our optical remote control
266
681000
3000
Nous avons pensé que si nous pouvions utiliser notre télécommande optique
11:39
to activate the cells of the Critic,
267
684000
3000
pour activer les cellules du Critique,
11:42
we should be able, artificially, to nag the Actor
268
687000
3000
nous devrions pouvoir, artificiellement, harceler l'Acteur
11:45
into changing its policy.
269
690000
2000
pour qu'il change sa politique.
11:47
In other words,
270
692000
2000
Autrement dit,
11:49
the fly should learn from mistakes
271
694000
2000
la mouche devrait apprendre des erreurs
11:51
that it thought it had made
272
696000
2000
qu'elle pense avoir faites,
11:53
but, in reality, it had not made.
273
698000
3000
mais qu'en réalité elle n'a pas faites.
11:56
So we bred flies
274
701000
2000
Ainsi, nous avons élevé des mouches
11:58
whose brains were more or less randomly peppered
275
703000
3000
dont les cerveaux ont été plus ou moins aléatoirement implémentés
12:01
with cells that were light addressable.
276
706000
2000
avec des cellules qui sont sensibles à la lumière.
12:03
And then we took these flies
277
708000
2000
Et ensuite nous avons pris ces mouches
12:05
and allowed them to make choices.
278
710000
2000
et nous leur avons permis de faire des choix.
12:07
And whenever they made one of the two choices,
279
712000
2000
Et chaque fois qu'elles ont fait un des deux choix,
12:09
chose one odor,
280
714000
2000
choisir une odeur,
12:11
in this case the blue one over the orange one,
281
716000
2000
dans ce cas, la bleue au lieu de l'orange,
12:13
we switched on the lights.
282
718000
2000
nous avons allumé les lumières.
12:15
If the Critic was among the optically activated cells,
283
720000
3000
Si le critique était parmi les cellules optiquement activées,
12:18
the result of this intervention
284
723000
2000
le résultat de cette intervention
12:20
should be a change in policy.
285
725000
3000
devrait être un changement de politique.
12:23
The fly should learn to avoid
286
728000
2000
La mouche devrait apprendre à éviter
12:25
the optically reinforced odor.
287
730000
2000
l'odeur optiquement renforcée.
12:27
Here's what happened in two instances:
288
732000
3000
Voici ce qui est arrivé dans deux cas.
12:30
We're comparing two strains of flies,
289
735000
3000
Nous comparons deux espèces de mouches,
12:33
each of them having
290
738000
2000
chacune ayant
12:35
about 100 light-addressable cells in their brains,
291
740000
2000
environ 100 cellules sensibles à la lumière dans leurs cerveaux,
12:37
shown here in green on the left and on the right.
292
742000
3000
montrées ici en vert à gauche et à droite.
12:40
What's common among these groups of cells
293
745000
3000
Ce qui est commun parmi ces groupes de cellules
12:43
is that they all produce the neurotransmitter dopamine.
294
748000
3000
c'est qu'ils produisent tous le neurotransmetteur dopamine.
12:46
But the identities of the individual
295
751000
2000
Mais les identités des neurones individuels
12:48
dopamine-producing neurons
296
753000
2000
produisant la dopamine
12:50
are clearly largely different on the left and on the right.
297
755000
3000
sont clairement très différentes à gauche et à droite.
12:53
Optically activating
298
758000
2000
Activer optiquement
12:55
these hundred or so cells
299
760000
2000
cette centaine de cellules ou presque
12:57
into two strains of flies
300
762000
2000
dans deux espèces de mouches,
12:59
has dramatically different consequences.
301
764000
2000
a des conséquences radicalement différentes.
13:01
If you look first at the behavior
302
766000
2000
Si vous regardez d'abord le comportement
13:03
of the fly on the right,
303
768000
2000
de la mouche sur la droite,
13:05
you can see that whenever it reaches the midpoint of the chamber
304
770000
3000
vous pouvez voir que chaque fois qu'elle atteint le milieu de la chambre
13:08
where the two odors meet,
305
773000
2000
où les deux odeurs se rencontrent,
13:10
it marches straight through, as it did before.
306
775000
3000
elle marche tout droit à travers comme elle le faisait auparavant.
13:13
Its behavior is completely unchanged.
307
778000
2000
Son comportement est complètement inchangé.
13:15
But the behavior of the fly on the left is very different.
308
780000
3000
Mais le comportement de la mouche à gauche est très différent.
13:18
Whenever it comes up to the midpoint,
309
783000
3000
Chaque fois qu'elle s'approche du milieu,
13:21
it pauses,
310
786000
2000
elle fait une pause,
13:23
it carefully scans the odor interface
311
788000
2000
elle parcourt soigneusement l'interface d'odeur,
13:25
as if it was sniffing out its environment,
312
790000
2000
comme si elle flairait son environnement,
13:27
and then it turns around.
313
792000
2000
et ensuite fait demi-tour.
13:29
This means that the policy that the Actor implements
314
794000
3000
Cela signifie que la politique que l'Acteur met en oeuvre
13:32
now includes an instruction to avoid the odor
315
797000
2000
inclut désormais une instruction pour éviter l'odeur
13:34
that's in the right half of the chamber.
316
799000
3000
qui est dans la moitié droite de la chambre.
13:37
This means that the Critic
317
802000
2000
Cela signifie que le Critique
13:39
must have spoken in that animal,
318
804000
2000
s'est exprimé dans cet animal,
13:41
and that the Critic must be contained
319
806000
2000
et que le Critique doit être contenu
13:43
among the dopamine-producing neurons on the left,
320
808000
3000
parmi les neurones produisant la dopamine à gauche,
13:46
but not among the dopamine producing neurons on the right.
321
811000
3000
mais pas parmi les neurones produisant la dopamine à droite.
13:49
Through many such experiments,
322
814000
3000
Grâce à beaucoup d'expériences similaires,
13:52
we were able to narrow down
323
817000
2000
nous avons pu définir clairement
13:54
the identity of the Critic
324
819000
2000
l'identité du Critique
13:56
to just 12 cells.
325
821000
2000
à seulement 12 cellules.
13:58
These 12 cells, as shown here in green,
326
823000
3000
Ces 12 cellules, comme indiquées ici en vert,
14:01
send the output to a brain structure
327
826000
2000
elles envoient la production à une structure cérébrale
14:03
called the "mushroom body,"
328
828000
2000
appelé le corps pédonculé,
14:05
which is shown here in gray.
329
830000
2000
qui est ici en gris.
14:07
We know from our formal model
330
832000
2000
Nous savons de par notre modèle formel
14:09
that the brain structure
331
834000
2000
que la structure du cerveau
14:11
at the receiving end of the Critic's commentary is the Actor.
332
836000
3000
à la réception du commentaire du Critique est l'Acteur.
14:14
So this anatomy suggests
333
839000
2000
Ainsi cette anatomie suggère
14:16
that the mushroom bodies have something to do
334
841000
3000
que les corps pédonculés ont un rapport
14:19
with action choice.
335
844000
2000
avec le choix d'action.
14:21
Based on everything we know about the mushroom bodies,
336
846000
2000
Basé sur tout ce que nous savons sur les corps pédonculés,
14:23
this makes perfect sense.
337
848000
2000
c'est parfaitement clair.
14:25
In fact, it makes so much sense
338
850000
2000
En fait, c'est si clair,
14:27
that we can construct an electronic toy circuit
339
852000
3000
que nous pouvons construire un circuit de jouet électronique
14:30
that simulates the behavior of the fly.
340
855000
3000
qui simule le comportement de la mouche.
14:33
In this electronic toy circuit,
341
858000
3000
Dans ce circuit de jouet électronique,
14:36
the mushroom body neurons are symbolized
342
861000
2000
les neurones du corps pédonculé sont symbolisés
14:38
by the vertical bank of blue LEDs
343
863000
3000
par la banque verticale de LED bleues
14:41
in the center of the board.
344
866000
3000
au centre du plateau.
14:44
These LED's are wired to sensors
345
869000
2000
Ces LED sont raccordées à des capteurs
14:46
that detect the presence of odorous molecules in the air.
346
871000
3000
qui détectent la présence de molécules odorantes dans l'air.
14:50
Each odor activates a different combination of sensors,
347
875000
3000
Chaque odeur active une combinaison différente de capteurs,
14:53
which in turn activates
348
878000
2000
qui à leur tour activent
14:55
a different odor detector in the mushroom body.
349
880000
3000
un détecteur d'odeur différent dans le corps pédonculé.
14:58
So the pilot in the cockpit of the fly,
350
883000
2000
Ainsi le pilote dans la cabine de la mouche,
15:00
the Actor,
351
885000
2000
l'Acteur,
15:02
can tell which odor is present
352
887000
2000
peut dire que l'odeur est présente
15:04
simply by looking at which of the blue LEDs lights up.
353
889000
4000
simplement en regardant laquelle des LED bleues s'allument.
15:09
What the Actor does with this information
354
894000
2000
Ce que l'Acteur fait avec ces informations
15:11
depends on its policy,
355
896000
2000
dépend de sa politique,
15:13
which is stored in the strengths of the connection,
356
898000
2000
qui est stockée dans les forces de connexion,
15:15
between the odor detectors
357
900000
2000
entre les détecteurs d'odeur
15:17
and the motors
358
902000
2000
et les moteurs
15:19
that power the fly's evasive actions.
359
904000
2000
qui font fonctionner les actions d'évasion de la mouche.
15:22
If the connection is weak, the motors will stay off
360
907000
2000
Si la connexion est faible, les moteurs resteront à l'arrêt
15:24
and the fly will continue straight on its course.
361
909000
3000
et la mouche continuera directement sa course.
15:27
If the connection is strong, the motors will turn on
362
912000
3000
Si la connexion est forte,
15:30
and the fly will initiate a turn.
363
915000
3000
les moteurs initieront un virage.
15:33
Now consider a situation
364
918000
2000
Considérez maintenant une situation
15:35
in which the motors stay off,
365
920000
2000
dans laquelle les moteurs restent à l'arrêt,
15:37
the fly continues on its path
366
922000
3000
la mouche continue son chemin
15:40
and it suffers some painful consequence
367
925000
2000
et subit quelques conséquences douloureuses
15:42
such as getting zapped.
368
927000
2000
comme être électrocutée.
15:44
In a situation like this,
369
929000
2000
Dans une situation comme celle-ci,
15:46
we would expect the Critic to speak up
370
931000
2000
nous nous attendrions à ce que le Critique prenne la parole
15:48
and to tell the Actor
371
933000
2000
et dise à l'Acteur
15:50
to change its policy.
372
935000
2000
de changer sa politique.
15:52
We have created such a situation, artificially,
373
937000
3000
Nous avons créé une telle situation artificiellement
15:55
by turning on the critic with a flash of light.
374
940000
3000
en activant le Critique avec un flash de lumière.
15:58
That caused a strengthening of the connections
375
943000
3000
Cela a causé un renforcement des connexions
16:01
between the currently active odor detector
376
946000
3000
entre le détecteur d'odeur actuellement actif
16:04
and the motors.
377
949000
2000
et les moteurs.
16:06
So the next time
378
951000
2000
Ainsi la prochaine fois
16:08
the fly finds itself facing the same odor again,
379
953000
3000
si la mouche est confrontée à la même odeur à nouveau,
16:11
the connection is strong enough to turn on the motors
380
956000
3000
la connexion sera assez forte pour allumer les moteurs
16:14
and to trigger an evasive maneuver.
381
959000
3000
et déclencher une manoeuvre d'évasion.
16:19
I don't know about you,
382
964000
3000
Je ne sais pas pour vous,
16:22
but I find it exhilarating to see
383
967000
3000
mais je le trouve très exaltant de voir
16:25
how vague psychological notions
384
970000
3000
comment de vagues notions psychologiques
16:28
evaporate and give rise
385
973000
2000
s'évaporent et débouchent
16:30
to a physical, mechanistic understanding of the mind,
386
975000
3000
sur une compréhension physique, mécanistique de l'esprit,
16:33
even if it's the mind of the fly.
387
978000
3000
même si c'est l'esprit de la mouche.
16:36
This is one piece of good news.
388
981000
3000
C'est une très bonne nouvelle.
16:39
The other piece of good news,
389
984000
2000
Une autre bonne nouvelle,
16:41
for a scientist at least,
390
986000
2000
pour un scientifique du moins,
16:43
is that much remains to be discovered.
391
988000
3000
est qu'il en reste autant à découvrir.
16:46
In the experiments I told you about,
392
991000
2000
Dans les expériences dont je vous ai parlé,
16:48
we have lifted the identity of the Critic,
393
993000
3000
nous avons levé l'identité du Critique,
16:51
but we still have no idea
394
996000
2000
mais nous n'avons toujours aucune idée
16:53
how the Critic does its job.
395
998000
2000
de comment le Critique fait son travail.
16:55
Come to think of it, knowing when you're wrong
396
1000000
2000
Réfléchir à cela, sachant quand vous avez tort
16:57
without a teacher, or your mother, telling you,
397
1002000
3000
sans qu'un professeur, ou votre mère ne vous le dise,
17:00
is a very hard problem.
398
1005000
2000
est un problème très difficile.
17:02
There are some ideas in computer science
399
1007000
2000
Il y a quelques idées en informatique
17:04
and in artificial intelligence
400
1009000
2000
et dans l'intelligence artificielle
17:06
as to how this might be done,
401
1011000
2000
sur comment cela pourrait être fait,
17:08
but we still haven't solved
402
1013000
2000
mais nous n'avons toujours pas résolu
17:10
a single example
403
1015000
2000
un seul exemple
17:12
of how intelligent behavior
404
1017000
3000
de comment le comportement intelligent
17:15
springs from the physical interactions
405
1020000
2000
découle des interactions physiques
17:17
in living matter.
406
1022000
2000
dans la matière vivante.
17:19
I think we'll get there in the not too distant future.
407
1024000
3000
Je pense que nous y arriverons dans un future proche.
17:22
Thank you.
408
1027000
2000
Merci.
17:24
(Applause)
409
1029000
4000
(Applaudissements)
ABOUT THE SPEAKER
Gero Miesenboeck - OptogeneticistUsing light and a little genetic engineering -- optogenetics -- Gero Miesenboeck has developed a way to control how living nerve cells work, and advanced understanding of how the brain controls behavior.
Why you should listen
Gero Miesenboeck is pioneering the field of optogenetics: genetically modifying nerve cells to respond to light. By flashing light at a modified neuron in a living nervous system, Miesenboeck and his collaborators can mimic a brain impulse -- and then study what happens next. Optogenetics will allow ever more precise experiments on living brains, allowing us to gather better evidence on how electrical impulses on tissue translate into actual behavior and thoughts.
In one experiment, done at Yale, he and his team engineered fruit flies to be light-sensitive in the neural area responsible for escape response. Then the flies were beheaded; fruit flies can live for a day without their heads, but they don't move. When the modified cells were flashed with light, though, the headless flies flew. Miesenboeck had successfully simulated an order from a brain that wasn't even there anymore.
Miesenboeck's current research at Oxford's growing department of neurobiology focuses on the nerve cell networks that underpin what animals perceive, remember and do. In one recent experiment, he used optogenetics to implant an unpleasant memory in a fruit fly, causing it to "remember" to avoid a certain odor as it traveled around. He and his team were able, in fact, to find the fly's specific 12-neuron brain circuit that govern memory formation.
Gero Miesenboeck | Speaker | TED.com