TEDGlobal 2010
Gero Miesenboeck: Re-engineering the brain
ג'ירו מייסנבואק מעצב מחדש את המוח
Filmed:
Readability: 4.7
717,411 views
במאמץ למפות את המוח, מדענים רבים נטלו על עצמם משימה קשה להדהים של לנסות ולהקליט את הפעילות של כל ניורון בנפרד. אבל ג'ירו מייסנבואק עובד הפוך. הוא גורם לגירוי של ניורונים מסויימים כדי לגלות מה הם בדיוק עושים, באמצעות סדרה של ניסויים מהממים אשר מעצבים מחדש את הדרך בה זבובי פירות קולטים אור.
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
יש לי כפיל.
00:18
(Laughter)
1
3000
3000
(צחוק)
00:21
Dr. Gero is a brilliant
2
6000
3000
ד"ר ג'ירו הוא מדען מבריק
00:24
but slightly mad scientist
3
9000
2000
אבל קצת מטורף,
00:26
in the "Dragonball Z: Android Saga."
4
11000
3000
בדרקון בול Z "סאגה אנדראודית".
00:29
If you look very carefully,
5
14000
2000
אם מסתכלים בתשומת לב,
00:31
you see that his skull has been replaced
6
16000
3000
רואים שהגולגולת שלו הוחלפה
00:34
with a transparent Plexiglas dome
7
19000
2000
בכיפה שקופה מזכוכית פלסטית
00:36
so that the workings of his brain can be observed
8
21000
3000
כך שניתן לראות את המוח שלו עובד
00:39
and also controlled with light.
9
24000
3000
וגם לשלוט עליו בעזרת אור.
00:42
That's exactly what I do --
10
27000
2000
זה בדיוק מה שאני עושה --
00:44
optical mind control.
11
29000
2000
שליטה על מחשבות באמצעות אור.
00:46
(Laughter)
12
31000
2000
(צחוק)
00:48
But in contrast to my evil twin
13
33000
2000
אבל בניגוד לתאומי המרושע,
00:50
who lusts after world domination,
14
35000
3000
אשר שואף לשלוט על העולם,
00:53
my motives are not sinister.
15
38000
3000
המניעים שלי אינם מרושעים.
00:56
I control the brain
16
41000
2000
אני שולט על המוח
00:58
in order to understand how it works.
17
43000
2000
כדי להבין כיצד הוא פועל.
01:00
Now wait a minute, you may say,
18
45000
2000
אבל עכשיו תגידו, רק רגע,
01:02
how can you go straight to controlling the brain
19
47000
3000
כיצד אתה ישר מדבר על שליטה במוח
01:05
without understanding it first?
20
50000
2000
מבלי קודם כל להבין אותו?
01:07
Isn't that putting the cart before the horse?
21
52000
3000
האין זה לרתום את העגלה לפני הסוסים?
01:11
Many neuroscientists agree with this view
22
56000
3000
הרבה חוקרי מערכות עצביות מסכימים עם השקפה זו
01:14
and think that understanding will come
23
59000
3000
וסבורים שהבנה תגיע
01:17
from more detailed observation and analysis.
24
62000
3000
מהתבוננות וניתוח יותר פרטניים.
01:20
They say, "If we could record the activity of our neurons,
25
65000
4000
הם טוענים, "אם היינו יכולים להקליט את הפעילות של הניורונים שלנו,
01:24
we would understand the brain."
26
69000
3000
היינו מבינים את המוח."
01:27
But think for a moment what that means.
27
72000
3000
אבל תחשבו רגע מה זה אומר.
01:30
Even if we could measure
28
75000
2000
גם אם היינו יכולים למדוד
01:32
what every cell is doing at all times,
29
77000
2000
מה כל תא עושה בכל רגע,
01:34
we would still have to make sense
30
79000
2000
עדיין היינו צריכים לעשות סדר
01:36
of the recorded activity patterns,
31
81000
2000
בתבניות של הפעילויות המוקלטות,
01:38
and that's so difficult,
32
83000
2000
וזה כל-כך קשה,
01:40
chances are we'll understand these patterns
33
85000
2000
שהסיכויים שנבין את התבניות הללו
01:42
just as little as the brains that produce them.
34
87000
3000
הוא נמוך כמו שהמוח שמייצר אותן יבין.
01:45
Take a look at what brain activity might look like.
35
90000
3000
תסתכלו איך פעילות של מוח עשויה להיראות.
01:48
In this simulation, each black dot
36
93000
2000
בהדמיה זו, כל נקודה שחורה
01:50
is one nerve cell.
37
95000
2000
היא תא-עצב אחד.
01:52
The dot is visible
38
97000
2000
הנקודה מתגלה לעין
01:54
whenever a cell fires an electrical impulse.
39
99000
2000
בכל פעם שתא משגר אות חשמלי.
01:56
There's 10,000 neurons here.
40
101000
2000
ישנם כאן 10,000 תאי-עצב.
01:58
So you're looking at roughly one percent
41
103000
2000
כך שאתם רואים בקירוב
02:00
of the brain of a cockroach.
42
105000
3000
אחוז אחד ממוחו של ג'וק.
02:04
Your brains are about 100 million times
43
109000
3000
המוחות שלנו 100 מיליון פעם
02:07
more complicated.
44
112000
2000
יותר מורכבים.
02:09
Somewhere, in a pattern like this,
45
114000
2000
היכן שהוא, תבנית כזו,
02:11
is you,
46
116000
2000
היא אתם --
02:13
your perceptions,
47
118000
2000
ההשקפות שלכם,
02:15
your emotions, your memories,
48
120000
3000
הרגשות שלכם, הזכרונות שלכם,
02:18
your plans for the future.
49
123000
2000
התוכניות שלכם לעתיד.
02:20
But we don't know where,
50
125000
2000
אבל איננו יודעים היכן,
02:22
since we don't know how to read the pattern.
51
127000
3000
מכיוון שאנו לא יודעים כיצד לקרוא את התבנית.
02:25
We don't understand the code used by the brain.
52
130000
3000
איננו מבינים את הקוד שהמוח משתמש בו.
02:28
To make progress,
53
133000
2000
כדי להתקדם,
02:30
we need to break the code.
54
135000
2000
עלינו לפצח את הקוד.
02:32
But how?
55
137000
2000
אבל כיצד?
02:35
An experienced code-breaker will tell you
56
140000
2000
מפתח קודים מנוסה יאמר לכם
02:37
that in order to figure out what the symbols in a code mean,
57
142000
3000
שכדי לגלות מה פירוש הסימנים בקוד,
02:40
it's essential to be able to play with them,
58
145000
3000
נחוץ שתהיה לנו היכולת לשחק איתם,
02:43
to rearrange them at will.
59
148000
2000
לארגן אותם מחדש כרצוננו.
02:45
So in this situation too,
60
150000
2000
אז גם במצב שלפנינו,
02:47
to decode the information
61
152000
2000
כדי לפענח את המידע
02:49
contained in patterns like this,
62
154000
2000
הכלול בתבנית כמו זו,
02:51
watching alone won't do.
63
156000
2000
צפיה לבדה לא תספיק;
02:53
We need to rearrange the pattern.
64
158000
2000
אנו זקוקים לארגון מחודש של התבנית.
02:55
In other words,
65
160000
2000
במילים אחרות,
02:57
instead of recording the activity of neurons,
66
162000
2000
במקום הקלטת פעילות של הניורונים,
02:59
we need to control it.
67
164000
2000
עלינו לשלוט עליה.
03:01
It's not essential that we can control
68
166000
2000
אין זה נחוץ שנוכל לשלוט
03:03
the activity of all neurons in the brain, just some.
69
168000
3000
על הפעילות של כל הניורונים במוח, אלא רק של חלקם.
03:06
The more targeted our interventions, the better.
70
171000
2000
ככל שההתערבות שלנו יותר ממוקדת, כך יותר טוב.
03:08
And I'll show you in a moment
71
173000
2000
ואראה לכם בעוד רגע
03:10
how we can achieve the necessary precision.
72
175000
3000
כיצד נוכל להשיג את הדיוק הנחוץ.
03:13
And since I'm realistic, rather than grandiose,
73
178000
3000
ומאחר ואני מציאותי ולא חי באשליות,
03:16
I don't claim that the ability to control the function of the nervous system
74
181000
3000
איני טוען שהיכולת לשלוט בפעולת מערכת העצבים
03:19
will at once unravel all its mysteries.
75
184000
3000
תפתור את כל המסתורין שלה.
03:22
But we'll certainly learn a lot.
76
187000
3000
אבל לבטח נלמד המון.
03:27
Now, I'm by no means
77
192000
2000
עכשיו, בשום אופן
03:29
the first person to realize
78
194000
2000
אני לא האדם הראשון שמגלה
03:31
how powerful a tool intervention is.
79
196000
3000
עד כמה חזקה היא התערבות פיזית.
03:34
The history of attempts
80
199000
2000
ההיסטוריה של הניסיונות
03:36
to tinker with the function of the nervous system
81
201000
2000
להתעסק עם פעולת המערכת העצבית
03:38
is long and illustrious.
82
203000
2000
הוא ארוך וידוע.
03:40
It dates back at least 200 years,
83
205000
3000
היא הולכת אחורה לפחות 200 שנה,
03:43
to Galvani's famous experiments
84
208000
2000
לניסויים המפורסמים של גלוואני
03:45
in the late 18th century and beyond.
85
210000
3000
לקראת סוף המאה ה-18 ואילך.
03:49
Galvani showed that a frog's legs twitched
86
214000
3000
גלוואני הראה שרגלי צפרדע קופצות
03:52
when he connected the lumbar nerve
87
217000
2000
כאשר הוא חיבר את העצב המותני
03:54
to a source of electrical current.
88
219000
3000
למקור של זרם חשמלי.
03:57
This experiment revealed the first, and perhaps most fundamental,
89
222000
3000
ניסוי זה גילה את הסוד הכמוס הראשון ואולי הכי בסיסי
04:00
nugget of the neural code:
90
225000
2000
של הצופן העצבי:
04:02
that information is written in the form
91
227000
2000
שמידע נכתב בצורה
04:04
of electrical impulses.
92
229000
3000
של אותות חשמליים.
04:08
Galvani's approach
93
233000
2000
גישתו של גלוואני לחקירת
04:10
of probing the nervous system with electrodes
94
235000
2000
המערכת העצבית באמצעות אלקטרודות
04:12
has remained state-of-the-art until today,
95
237000
3000
נשארה שימושית עד היום,
04:15
despite a number of drawbacks.
96
240000
3000
למרות כמה חסרונות.
04:18
Sticking wires into the brain is obviously rather crude.
97
243000
3000
ברור שתקיעת חוטים במוח זה אכזרי.
04:21
It's hard to do in animals that run around,
98
246000
2000
זה קשה לביצוע עם חיות שמתרוצצות,
04:23
and there is a physical limit
99
248000
2000
ויש מגבלה פיזית
04:25
to the number of wires
100
250000
2000
למספר החוטים
04:27
that can be inserted simultaneously.
101
252000
3000
שניתן להחדיר בו-זמנית.
04:30
So around the turn of the last century,
102
255000
2000
כך שבסביבות סיום המאה הקודמת,
04:32
I started to think,
103
257000
2000
התחלתי לחשוב,
04:34
"Wouldn't it be wonderful if one could take this logic
104
259000
3000
שזה יכול היה להיות נהדר אם ניתן היה להפוך
04:37
and turn it upside down?"
105
262000
2000
על פניו את ההיגיון הזה.
04:39
So instead of inserting a wire
106
264000
2000
כך שבמקום להחדיר חוט
04:41
into one spot of the brain,
107
266000
3000
אל תוך נקודה יחידה במוח,
04:44
re-engineer the brain itself
108
269000
2000
צריך לארגן מחדש את המוח עצמו
04:46
so that some of its neural elements
109
271000
3000
כך שכמה מהאלמנטים העצביים שלו
04:49
become responsive to diffusely broadcast signals
110
274000
3000
יגיבו לשידורי אותות מפוזרים,
04:52
such as a flash of light.
111
277000
3000
כגון הבזקי אור.
04:55
Such an approach would literally, in a flash of light,
112
280000
3000
גישה כזו, באמצעות הבזק של אור פשוטו כמשמעו,
04:58
overcome many of the obstacles to discovery.
113
283000
3000
תתגבר על רבים מהמכשולים העומדים בדרך לתגליות.
05:01
First, it's clearly a non-invasive,
114
286000
3000
קודם כל, באופן ברור זוהי תקשורת
05:04
wireless form of communication.
115
289000
3000
אלחוטית לא פולשנית.
05:07
And second, just as in a radio broadcast,
116
292000
2000
ושנית, פשוט כמו שידור רדיו,
05:09
you can communicate with many receivers at once.
117
294000
3000
ניתן לתקשר עם הרבה קולטים בו-זמנית.
05:12
You don't need to know where these receivers are,
118
297000
3000
אין צורך לדעת היכן נמצאים קולטים הללו.
05:15
and it doesn't matter if these receivers move --
119
300000
2000
ואין זה משנה אם קולטים הללו נעים --
05:17
just think of the stereo in your car.
120
302000
3000
תחשבו על הרדיו באוטו שלכם.
05:20
It gets even better,
121
305000
3000
וזה עוד משתפר,
05:23
for it turns out that we can fabricate the receivers
122
308000
3000
מאחר ומתברר שאנו מסוגלים לייצר את הקולטים
05:26
out of materials that are encoded in DNA.
123
311000
3000
מחומרים שמקודדים בתוך DNA.
05:29
So each nerve cell
124
314000
2000
כך כל תא עצבי
05:31
with the right genetic makeup
125
316000
2000
עם המבנה הגנטי הנכון
05:33
will spontaneously produce a receiver
126
318000
3000
ייצור באופן ספונטני מקלט
05:36
that allows us to control its function.
127
321000
3000
המאפשר לנו לשלוט על פעולתו.
05:39
I hope you'll appreciate
128
324000
2000
אני מקוה שאתם מעריכים
05:41
the beautiful simplicity
129
326000
2000
את היופי שבפשטות
05:43
of this concept.
130
328000
2000
השיטה הזו.
05:45
There's no high-tech gizmos here,
131
330000
2000
אין כאן גימיקי היי-טק,
05:47
just biology revealed through biology.
132
332000
3000
אלא רק ביולוגיה הנגלית דרך ביולוגיה.
05:51
Now let's take a look at these miraculous receivers up close.
133
336000
3000
כעת הבה נתבונן במקלטים המופלאים הללו מקרוב.
05:54
As we zoom in on one of these purple neurons,
134
339000
3000
ככל שאנו מתקרבים ומתמקדים באחד מהניורונים הסגולים הללו,
05:57
we see that its outer membrane
135
342000
2000
אנו מבחינים שהקרום החיצוני שלו
05:59
is studded with microscopic pores.
136
344000
2000
משובץ בחרירים מיקרוסקופיים.
06:01
Pores like these conduct electrical current
137
346000
2000
חרירים כאלה מוליכים זרם חשמלי
06:03
and are responsible
138
348000
2000
והם אחראים
06:05
for all the communication in the nervous system.
139
350000
2000
לכל התקשורת במערכת העצבית.
06:07
But these pores here are special.
140
352000
2000
אבל חרירים אלה הם מיוחדים.
06:09
They are coupled to light receptors
141
354000
2000
הם צמודים לקולטני אור
06:11
similar to the ones in your eyes.
142
356000
3000
הדומים לאלה שבעינינו.
06:14
Whenever a flash of light hits the receptor,
143
359000
2000
בכל פעם שהבזק אור פוגע בקולטן,
06:16
the pore opens, an electrical current is switched on,
144
361000
3000
החריר נפתח ומופיע זרם חשמלי,
06:19
and the neuron fires electrical impulses.
145
364000
3000
והניורונים יורים אותות חשמליים.
06:22
Because the light-activated pore is encoded in DNA,
146
367000
3000
מכיוון שהחריר שמופעל על-ידי האור מקודד ב-DNA,
06:25
we can achieve incredible precision.
147
370000
3000
אנו מסוגלים להגיע לדיוק מדהים.
06:28
This is because,
148
373000
2000
זה בגלל שאף על-פי
06:30
although each cell in our bodies
149
375000
2000
שכל תא בגופנו
06:32
contains the same set of genes,
150
377000
2000
מכיל את אותו מערך של גנים,
06:34
different mixes of genes get turned on and off
151
379000
2000
קבוצות שונות של גנים נדלקות ונכבות
06:36
in different cells.
152
381000
2000
בתאים שונים.
06:38
You can exploit this to make sure
153
383000
2000
ניתן לנצל זאת כדי להבטיח
06:40
that only some neurons
154
385000
2000
שרק כמה ניורונים
06:42
contain our light-activated pore and others don't.
155
387000
3000
מכילים את החריר מופעל האור בעוד שאחרים לא.
06:45
So in this cartoon, the bluish white cell
156
390000
2000
באנימציה זו, התא בצבע תכלת
06:47
in the upper-left corner
157
392000
2000
בפינה השמאלית העליונה
06:49
does not respond to light
158
394000
2000
לא מגיב לאור
06:51
because it lacks the light-activated pore.
159
396000
3000
מכיוון שהוא חסר את החריר מופעל האור.
06:54
The approach works so well
160
399000
2000
גישה זו היא כה יעילה
06:56
that we can write purely artificial messages
161
401000
2000
שאנו יכולים לכתוב הודעות מלאכותיות לגמרי
06:58
directly to the brain.
162
403000
2000
ישירות אל המוח.
07:00
In this example, each electrical impulse,
163
405000
2000
בדוגמא זו, כל אות חשמלי,
07:02
each deflection on the trace,
164
407000
3000
כל סטיה מהמסלול,
07:05
is caused by a brief pulse of light.
165
410000
3000
נגרמים על-ידי פולס קטן של אור.
07:08
And the approach, of course, also works
166
413000
2000
והגישה גם עובדת
07:10
in moving, behaving animals.
167
415000
3000
עם התנועה וההתנהגות של חיות.
07:13
This is the first ever such experiment,
168
418000
2000
זהו ניסוי ראשון מסוגו,
07:15
sort of the optical equivalent of Galvani's.
169
420000
3000
מין תאום אופטי של הניסוי של גלוואני.
07:18
It was done six or seven years ago
170
423000
2000
הוא בוצע לפני שש או שבע שנים
07:20
by my then graduate student, Susana Lima.
171
425000
3000
על-ידי תלמידה לתואר שני דאז, סוזאנה לימה.
07:23
Susana had engineered the fruit fly on the left
172
428000
3000
סוזאנה שינתה את זבוב הפירות משמאל
07:26
so that just two out of the 200,000 cells in its brain
173
431000
4000
כך שרק שניים מ-200,000 תאי המוח שלו
07:30
expressed the light-activated pore.
174
435000
3000
הכילו את החריר מופעל האור.
07:33
You're familiar with these cells
175
438000
2000
אתם מכירים את התאים הללו
07:35
because they are the ones that frustrate you
176
440000
2000
מפני שהם אלה שמתסכלים אותנו
07:37
when you try to swat the fly.
177
442000
2000
כאשר אנו מנסים להצליף בזבוב.
07:39
They trained the escape reflex that makes the fly jump into the air
178
444000
3000
הם אילפו את רפלקס הבריחה אשר גורם לזבוב להתעופף
07:42
and fly away whenever you move your hand in position.
179
447000
3000
בכל פעם שאתם מזיזים את הידיים כדי להצליף בו.
07:46
And you can see here that the flash of light has exactly the same effect.
180
451000
3000
וכאן ניתן לראות איך להבזק של אור השפעה זהה.
07:49
The animal jumps, it spreads its wings, it vibrates them,
181
454000
3000
הזבוב קופץ, הוא פורש את כנפיו, מנפנף אותם,
07:52
but it can't actually take off
182
457000
2000
אבל לא יכול להתעופף,
07:54
because the fly is sandwiched between two glass plates.
183
459000
3000
כי הוא כלוא בין שתי לוחיות זכוכית.
07:58
Now to make sure that this was no reaction of the fly
184
463000
2000
כדי לוודא שזו לא תגובה של הזבוב
08:00
to a flash it could see,
185
465000
3000
להבזק שהוא רואה,
08:03
Susana did a simple
186
468000
2000
סוזאנה עשתה ניסוי
08:05
but brutally effective experiment.
187
470000
2000
פשוט אבל אכזרי ביעילותו.
08:07
She cut the heads off of her flies.
188
472000
3000
היא חתכה את ראשיהם של הזבובים.
08:11
These headless bodies can live for about a day,
189
476000
3000
גופות חסרות הראש הללו יכולות להישאר בחיים ליממה,
08:14
but they don't do much.
190
479000
2000
אבל הן לא עושות הרבה.
08:16
They just stand around
191
481000
3000
הן רק עומדות
08:19
and groom excessively.
192
484000
3000
ומטפחות את עצמן.
08:22
So it seems that the only trait that survives decapitation is vanity.
193
487000
3000
נראה כאילו שהתכונה היחידה שנשארת לאחר עריפת ראש היא גנדרנות.
08:25
(Laughter)
194
490000
3000
(צחוק)
08:30
Anyway, as you'll see in a moment,
195
495000
2000
בכל אופן, כפי שתראו מיד,
08:32
Susana was able to turn on the flight motor
196
497000
3000
סוזאנה היתה מסוגלת להדליק את הדחף לעוף
08:35
of what's the equivalent of the spinal cord of these flies
197
500000
3000
במה שנחשב אצל הזבובים כעמוד השידרה
08:38
and get some of the headless bodies
198
503000
2000
ולגרום לחלק מהזבובים חסרי הראש
08:40
to actually take off and fly away.
199
505000
3000
להתעופף ממש רחוק.
08:47
They didn't get very far, obviously.
200
512000
2000
ברור שהם לא התרחקו הרבה.
08:50
Since we took these first steps,
201
515000
2000
מאז הצעד הראשון הזה שלנו,
08:52
the field of optogenetics has exploded.
202
517000
3000
התחום של אופטו-גנטיקה פרץ ועלה.
08:55
And there are now hundreds of labs
203
520000
2000
כיום יש מאות מעבדות
08:57
using these approaches.
204
522000
2000
העושות שימוש בגישות אלו.
08:59
And we've come a long way
205
524000
2000
ועשינו דרך ארוכה
09:01
since Galvani's and Susana's first successes
206
526000
3000
מאז ההצלחות הראשונות של גלוואני וסוזאנה
09:04
in making animals twitch or jump.
207
529000
2000
בלגרום לחיות לנוע או לקפוץ.
09:06
We can now actually interfere with their psychology
208
531000
3000
היום אנחנו למעשה יכולים להתערב בפסיכולוגיה שלהם
09:09
in rather profound ways,
209
534000
2000
באופן די משמעותי
09:11
as I'll show you in my last example,
210
536000
2000
כפי שאראה בדוגמא האחרונה שלי,
09:13
which is directed at a familiar question.
211
538000
3000
המכוונת לשאלה מוכרת.
09:16
Life is a string of choices
212
541000
3000
החיים הם שרשרת של בחירות
09:19
creating a constant pressure to decide what to do next.
213
544000
3000
היוצרות לחץ מתמיד להחליט מה לעשות כעת.
09:23
We cope with this pressure by having brains,
214
548000
3000
אנו מתמודדים עם לחץ זה בכך שיש לנו מוח,
09:26
and within our brains, decision-making centers
215
551000
3000
ובתוך המוח יש מרכז קבלת החלטות
09:29
that I've called here the "Actor."
216
554000
3000
שאותו כיניתי כאן ה"מבצע".
09:33
The Actor implements a policy that takes into account
217
558000
3000
ה"מבצע" מיישם מדיניות אשר לוקחת בחשבון
09:36
the state of the environment
218
561000
2000
את מצב הסביבה
09:38
and the context in which we operate.
219
563000
3000
ואת ההקשר בו אנו פועלים.
09:41
Our actions change the environment, or context,
220
566000
3000
פעולותינו משנות את הסביבה, או ההקשר,
09:44
and these changes are then fed back into the decision loop.
221
569000
3000
ושינויים אלה מוזנים בחזרה אל תוך לולאת ההחלטות.
09:48
Now to put some neurobiological meat
222
573000
3000
כדי להכניס קצת תוכן נוירוביולוגי
09:51
on this abstract model,
223
576000
2000
בתוך מודל מופשט זה,
09:53
we constructed a simple one-dimensional world
224
578000
2000
בנינו עולם חד-מימדי פשוט
09:55
for our favorite subject, fruit flies.
225
580000
3000
למען הנושא החביב עלינו, זבובי פירות.
09:58
Each chamber in these two vertical stacks
226
583000
2000
כל תא בתוך שתי המחיצות האנכיות האלו
10:00
contains one fly.
227
585000
2000
מכיל זבוב אחד.
10:02
The left and the right halves of the chamber
228
587000
3000
החצאים הימניים והשמאליים של התא
10:05
are filled with two different odors,
229
590000
2000
מלאים בשני ריחות שונים,
10:07
and a security camera watches
230
592000
2000
ומצלמת אבטחה עוקבת
10:09
as the flies pace up and down between them.
231
594000
3000
בזמן שהזבובים עוברים ביניהם.
10:12
Here's some such CCTV footage.
232
597000
2000
הנה כאן קטע מצילום במעגל סגור.
10:14
Whenever a fly reaches the midpoint of the chamber
233
599000
3000
בכל פעם שזבוב מגיע לנקודת אמצע של התא,
10:17
where the two odor streams meet,
234
602000
2000
היכן ששני זרמי הריחות נפגשים,
10:19
it has to make a decision.
235
604000
2000
עליו לקבל החלטה.
10:21
It has to decide whether to turn around
236
606000
2000
עליו להחליט אם לפנות בחזרה
10:23
and stay in the same odor,
237
608000
2000
ולהישאר באותו ריח,
10:25
or whether to cross the midline
238
610000
2000
או אם לחצות את קו האמצע
10:27
and try something new.
239
612000
2000
ולנסות משהו חדש.
10:29
These decisions are clearly a reflection
240
614000
3000
החלטות אלו הן ביטוי מובהק
10:32
of the Actor's policy.
241
617000
3000
למדיניות של ה"מבצע".
10:36
Now for an intelligent being like our fly,
242
621000
3000
בשביל יצור תבוני כמו הזבוב שלנו,
10:39
this policy is not written in stone
243
624000
3000
מדיניות זו אינה חקוקה בסלע,
10:42
but rather changes as the animal learns from experience.
244
627000
3000
אלא היא משתנה כשהיצור לומד מהניסיון.
10:45
We can incorporate such an element
245
630000
2000
אנו יכולים לשלב אלמנט כזה
10:47
of adaptive intelligence into our model
246
632000
3000
של אינטליגנציית הסתגלות בתוך המודל שלנו
10:50
by assuming that the fly's brain
247
635000
2000
בהנחה שמוח הזבוב
10:52
contains not only an Actor,
248
637000
2000
מכיל לא רק "מבצע",
10:54
but a different group of cells,
249
639000
2000
אלא גם קבוצה אחרת של תאים,
10:56
a "Critic," that provides a running commentary
250
641000
3000
קבוצת בקרה, המספקת פרשנות חיה
10:59
on the Actor's choices.
251
644000
2000
על הבחירות שה"מבצע" עושה.
11:01
You can think of this nagging inner voice
252
646000
3000
ניתן לחשוב על זה כקול נודניק פנימי,
11:04
as sort of the brain's equivalent
253
649000
2000
כהקבלה מוחית
11:06
of the Catholic Church,
254
651000
2000
לכנסיה הקתולית,
11:08
if you're an Austrian like me,
255
653000
3000
אם אתה אוסטרי כמוני,
11:11
or the super-ego, if you're Freudian,
256
656000
3000
או לאני העליון, אם אתה פרוידיאני,
11:14
or your mother, if you're Jewish.
257
659000
2000
או לאמא שלך, אם אתה יהודי.
11:16
(Laughter)
258
661000
4000
(צחוק)
11:20
Now obviously,
259
665000
2000
עכשיו, ברור
11:22
the Critic is a key ingredient
260
667000
3000
שהמבקר הפנימי הוא מרכיב קריטי
11:25
in what makes us intelligent.
261
670000
2000
בהפיכתנו לאינטליגנטיים.
11:27
So we set out to identify
262
672000
2000
לכן התחלנו לנסות ולזהות
11:29
the cells in the fly's brain
263
674000
2000
את התאים במוח של הזבוב
11:31
that played the role of the Critic.
264
676000
2000
אשר מבצעים את תפקיד המבקר.
11:33
And the logic of our experiment was simple.
265
678000
3000
וההיגיון של ניסויינו היה פשוט.
11:36
We thought if we could use our optical remote control
266
681000
3000
חשבנו שאם יכולנו להשתמש בשלט הרחוק האופטי שלנו
11:39
to activate the cells of the Critic,
267
684000
3000
כדי לעורר את התאים המבקרים,
11:42
we should be able, artificially, to nag the Actor
268
687000
3000
אז גם נוכל לנדנד ל"מבצע" באופן מלאכותי
11:45
into changing its policy.
269
690000
2000
וכך לגרום לו לשנות את מדיניותו.
11:47
In other words,
270
692000
2000
במילים אחרות,
11:49
the fly should learn from mistakes
271
694000
2000
הזבוב אמור ללמוד משגיאות
11:51
that it thought it had made
272
696000
2000
שנדמה לו שהוא עשה,
11:53
but, in reality, it had not made.
273
698000
3000
אבל למעשה הוא לא עשה אותן.
11:56
So we bred flies
274
701000
2000
אז גידלנו זבובים
11:58
whose brains were more or less randomly peppered
275
703000
3000
שמוחותיהם היו זרועים אקראית פחות או יותר
12:01
with cells that were light addressable.
276
706000
2000
בתאים שמגיבים לאור.
12:03
And then we took these flies
277
708000
2000
לקחנו זבובים אלה
12:05
and allowed them to make choices.
278
710000
2000
ואפשרנו להם לבחור.
12:07
And whenever they made one of the two choices,
279
712000
2000
ובכל פעם שהם עשו אחת משתי הבחירות,
12:09
chose one odor,
280
714000
2000
בחרו ריח מסויים,
12:11
in this case the blue one over the orange one,
281
716000
2000
במקרה הזה כחול על-פני הכתום,
12:13
we switched on the lights.
282
718000
2000
הדלקנו את האור.
12:15
If the Critic was among the optically activated cells,
283
720000
3000
אם המבקר היה בין תאים המופעלים אופטית,
12:18
the result of this intervention
284
723000
2000
התוצאה של התערבות זו
12:20
should be a change in policy.
285
725000
3000
צריכה להיות שינוי במדיניות.
12:23
The fly should learn to avoid
286
728000
2000
הזבוב צריך ללמוד להימנע
12:25
the optically reinforced odor.
287
730000
2000
מהריח המלווה באור.
12:27
Here's what happened in two instances:
288
732000
3000
הנה מה שקרה בשני מקרים.
12:30
We're comparing two strains of flies,
289
735000
3000
אנו משווים בין שני זנים של זבובים,
12:33
each of them having
290
738000
2000
אצל כל אחד מהם קיימים במוח
12:35
about 100 light-addressable cells in their brains,
291
740000
2000
כ-100 תאים המגיבים לאור,
12:37
shown here in green on the left and on the right.
292
742000
3000
הנראים כאן בצבע ירוק משמאל ומימין.
12:40
What's common among these groups of cells
293
745000
3000
המשותף לשתי קבוצות התאים האלו
12:43
is that they all produce the neurotransmitter dopamine.
294
748000
3000
שהם מייצרים דופאמין שהוא מעביר עצבי.
12:46
But the identities of the individual
295
751000
2000
אבל הזהויות של הניורונים
12:48
dopamine-producing neurons
296
753000
2000
המייצרים דופאמין
12:50
are clearly largely different on the left and on the right.
297
755000
3000
הן באופן ברור מאוד שונות בצד השמאלי לעומת הימני.
12:53
Optically activating
298
758000
2000
גירוי אופטי
12:55
these hundred or so cells
299
760000
2000
של מאות התאים הללו
12:57
into two strains of flies
300
762000
2000
בתוך שני זני הזבובים,
12:59
has dramatically different consequences.
301
764000
2000
נותן תוצאות שונות באופן דרמטי.
13:01
If you look first at the behavior
302
766000
2000
אם מסתכלים תחילה על ההתנהגות
13:03
of the fly on the right,
303
768000
2000
של הזבוב מימין,
13:05
you can see that whenever it reaches the midpoint of the chamber
304
770000
3000
ניתן לראות שבכל פעם שהוא מגיע לנקודת האמצע בתא,
13:08
where the two odors meet,
305
773000
2000
היכן ששני הריחות מצטלבים,
13:10
it marches straight through, as it did before.
306
775000
3000
הוא ממשיך ישר כפי שעשה קודם.
13:13
Its behavior is completely unchanged.
307
778000
2000
התנהגותו נשארת לגמרי ללא שינוי.
13:15
But the behavior of the fly on the left is very different.
308
780000
3000
אבל ההתנהגות של הזבוב משמאל היא מאוד שונה.
13:18
Whenever it comes up to the midpoint,
309
783000
3000
בכל פעם שהוא מגיע לנקודת האמצע,
13:21
it pauses,
310
786000
2000
הוא עוצר,
13:23
it carefully scans the odor interface
311
788000
2000
הוא בוחן בזהירות את הממשק בין שני הריחות,
13:25
as if it was sniffing out its environment,
312
790000
2000
כאילו הוא מרחרח את סביבתו,
13:27
and then it turns around.
313
792000
2000
ואז הוא מסתובב בחזרה.
13:29
This means that the policy that the Actor implements
314
794000
3000
זה אומר שהמדיניות שה"מבצע" מיישם,
13:32
now includes an instruction to avoid the odor
315
797000
2000
כוללת בתוכה הוראה להימנע מהריח
13:34
that's in the right half of the chamber.
316
799000
3000
שבחצי הימני של התא.
13:37
This means that the Critic
317
802000
2000
משמעות הדבר היא שה"מבקר"
13:39
must have spoken in that animal,
318
804000
2000
אמר את דברו באותו זבוב,
13:41
and that the Critic must be contained
319
806000
2000
וה"מבקר" היה חייב להיות כלול
13:43
among the dopamine-producing neurons on the left,
320
808000
3000
בתוך הניורונים יוצרי הדופאמין משמאל,
13:46
but not among the dopamine producing neurons on the right.
321
811000
3000
אבל לא בתוך הניורונים יוצרי הדופאמין מימין.
13:49
Through many such experiments,
322
814000
3000
באמצעות המון ניסויים כאלה,
13:52
we were able to narrow down
323
817000
2000
הצלחנו לצמצם את הזהויות
13:54
the identity of the Critic
324
819000
2000
האפשריות של ה"מבקר"
13:56
to just 12 cells.
325
821000
2000
אך ורק ל-12 תאים.
13:58
These 12 cells, as shown here in green,
326
823000
3000
12 התאים הללו, הנראים כאן בירוק,
14:01
send the output to a brain structure
327
826000
2000
שולחים את האות למבנה במוח
14:03
called the "mushroom body,"
328
828000
2000
המכונה מבנה פטריה,
14:05
which is shown here in gray.
329
830000
2000
הנראה כאן באפור.
14:07
We know from our formal model
330
832000
2000
אנו יודעים מתוך המודל הרשמי שלנו
14:09
that the brain structure
331
834000
2000
שמבנה המוח הנמצא
14:11
at the receiving end of the Critic's commentary is the Actor.
332
836000
3000
בקצה הקולט את הערות ה"מבקר" הוא ה"מבצע".
14:14
So this anatomy suggests
333
839000
2000
כך שניתוח זה רומז
14:16
that the mushroom bodies have something to do
334
841000
3000
שמבני הפטריה קשורים איכשהו
14:19
with action choice.
335
844000
2000
לבחירת הפעולה.
14:21
Based on everything we know about the mushroom bodies,
336
846000
2000
בהתבסס על כל מה שאנו יודעים על מבני הפטריה,
14:23
this makes perfect sense.
337
848000
2000
זה נראה מאוד הגיוני.
14:25
In fact, it makes so much sense
338
850000
2000
בעצם, זה כל-כך הגיוני,
14:27
that we can construct an electronic toy circuit
339
852000
3000
שאנו יכולים לבנות מעגל צעצוע חשמלי
14:30
that simulates the behavior of the fly.
340
855000
3000
אשר מדמה התנהגות של הזבוב.
14:33
In this electronic toy circuit,
341
858000
3000
במעגל חשמלי זה,
14:36
the mushroom body neurons are symbolized
342
861000
2000
הניורונים במבנה הפטריה מיוצגים
14:38
by the vertical bank of blue LEDs
343
863000
3000
על-ידי נוריות ה-LED הכחולות בשורה האנכית
14:41
in the center of the board.
344
866000
3000
במרכז הלוח.
14:44
These LED's are wired to sensors
345
869000
2000
נוריות אלו מחוברות לחיישנים
14:46
that detect the presence of odorous molecules in the air.
346
871000
3000
המאתרים נוכחות של מולקולות ריח באויר.
14:50
Each odor activates a different combination of sensors,
347
875000
3000
כל ריח מפעיל צירוף שונה של חיישנים,
14:53
which in turn activates
348
878000
2000
אשר בתורו מפעיל
14:55
a different odor detector in the mushroom body.
349
880000
3000
גלאי ריח אחר במבנה הפטריה.
14:58
So the pilot in the cockpit of the fly,
350
883000
2000
כך שהטייס בקוקפיט של הזבוב,
15:00
the Actor,
351
885000
2000
ה"מבצע",
15:02
can tell which odor is present
352
887000
2000
יכול לדעת איזה ריח קיים
15:04
simply by looking at which of the blue LEDs lights up.
353
889000
4000
רק על-ידי הסתכלות ובדיקה איזו נורית כחולה נדלקת.
15:09
What the Actor does with this information
354
894000
2000
מה שה"מבצע" עושה עם מידע זה
15:11
depends on its policy,
355
896000
2000
תלוי במדיניות שלו,
15:13
which is stored in the strengths of the connection,
356
898000
2000
השמורה בעוצמתם של הקשרים
15:15
between the odor detectors
357
900000
2000
בין גלאי הריח
15:17
and the motors
358
902000
2000
למנועים אשר מפעילים
15:19
that power the fly's evasive actions.
359
904000
2000
את פעולת ההימנעות של הזבוב.
15:22
If the connection is weak, the motors will stay off
360
907000
2000
אם הקשר חלש, המנוע יישאר דומם
15:24
and the fly will continue straight on its course.
361
909000
3000
והזבוב ימשיך ישר במסלולו.
15:27
If the connection is strong, the motors will turn on
362
912000
3000
אם הקשר חזק, המנוע יידלק
15:30
and the fly will initiate a turn.
363
915000
3000
והזבוב יתחיל לפנות.
15:33
Now consider a situation
364
918000
2000
כעת תחשבו על מצב
15:35
in which the motors stay off,
365
920000
2000
בו המנוע נשאר דומם,
15:37
the fly continues on its path
366
922000
3000
הזבוב ממשיך במסלולו
15:40
and it suffers some painful consequence
367
925000
2000
והוא סובל מתוצאה כואבת
15:42
such as getting zapped.
368
927000
2000
כגון להיות מותקף.
15:44
In a situation like this,
369
929000
2000
במצב כזה,
15:46
we would expect the Critic to speak up
370
931000
2000
היינו מצפים שה"מבקר" ישמיע את קולו
15:48
and to tell the Actor
371
933000
2000
ויגיד ל"מבצע"
15:50
to change its policy.
372
935000
2000
לשנות את מדיניותו.
15:52
We have created such a situation, artificially,
373
937000
3000
יצרנו מצב זה באופן מלאכותי
15:55
by turning on the critic with a flash of light.
374
940000
3000
על-ידי הפעלת ה"מבקר" באמצעות הבזק אור.
15:58
That caused a strengthening of the connections
375
943000
3000
זה גרם לחיזוק הקשרים
16:01
between the currently active odor detector
376
946000
3000
בין גלאי-הריח הנוכחי הפעיל
16:04
and the motors.
377
949000
2000
לבין המנועים.
16:06
So the next time
378
951000
2000
כך שבפעם הבאה
16:08
the fly finds itself facing the same odor again,
379
953000
3000
כאשר הזבוב ימצא את עצמו עם אותו ריח שוב,
16:11
the connection is strong enough to turn on the motors
380
956000
3000
הקשר הוא מספיק חזק כדי שיפעיל את המנועים
16:14
and to trigger an evasive maneuver.
381
959000
3000
ויעורר את תמרון ההתחמקות.
16:19
I don't know about you,
382
964000
3000
איני יודע מה איתכם,
16:22
but I find it exhilarating to see
383
967000
3000
אבל אני מוצא זאת כמרומם נפש לראות
16:25
how vague psychological notions
384
970000
3000
כיצד רעיונות פסיכולוגיים מעורפלים
16:28
evaporate and give rise
385
973000
2000
מתאדים ונעלמים ובמקומם צומחת
16:30
to a physical, mechanistic understanding of the mind,
386
975000
3000
הבנה פיזית ומכניסטית של המחשבות,
16:33
even if it's the mind of the fly.
387
978000
3000
אף על-פי שאלו מחשבות של זבוב.
16:36
This is one piece of good news.
388
981000
3000
זוהי בשורה אחת מעודדת.
16:39
The other piece of good news,
389
984000
2000
הבשורה השניה המעודדת,
16:41
for a scientist at least,
390
986000
2000
בשביל המדענים לפחות,
16:43
is that much remains to be discovered.
391
988000
3000
היא שעדיין נשאר הרבה מה לגלות.
16:46
In the experiments I told you about,
392
991000
2000
בניסויים שסיפרתי לכם עליהם,
16:48
we have lifted the identity of the Critic,
393
993000
3000
העלנו את זהות ה"מבקר",
16:51
but we still have no idea
394
996000
2000
אבל עדיין אין לנו מושג
16:53
how the Critic does its job.
395
998000
2000
כיצד ה"מבקר" מבצע את עבודתו.
16:55
Come to think of it, knowing when you're wrong
396
1000000
2000
בעצם, לדעת מתי אנחנו טועים,
16:57
without a teacher, or your mother, telling you,
397
1002000
3000
ללא מורה או אמא שיגידו לנו,
17:00
is a very hard problem.
398
1005000
2000
היא בעיה קשה מאוד.
17:02
There are some ideas in computer science
399
1007000
2000
ישנם כמה רעיונות במדעי מחשב
17:04
and in artificial intelligence
400
1009000
2000
ובאינטליגנציה מלאכותית
17:06
as to how this might be done,
401
1011000
2000
בקשר לכיצד זה עשוי להתרחש,
17:08
but we still haven't solved
402
1013000
2000
אבל עדיין לא פתרנו
17:10
a single example
403
1015000
2000
אפילו דוגמא אחת
17:12
of how intelligent behavior
404
1017000
3000
של כיצד התנהגות תבונית
17:15
springs from the physical interactions
405
1020000
2000
צצה מאינטראקציות פיזיות
17:17
in living matter.
406
1022000
2000
בחומר חי.
17:19
I think we'll get there in the not too distant future.
407
1024000
3000
אני סבור שנגיע גם לזה בעתיד הלא רחוק מדי.
17:22
Thank you.
408
1027000
2000
תודה לכם.
17:24
(Applause)
409
1029000
4000
(מחיאות כפיים)
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