TEDSalon London Spring 2011
Neil Burgess: How your brain tells you where you are
Neil Burgess: Honnan tudja az agy, hol vagyunk?
Filmed:
Readability: 4.2
1,458,267 views
Honnan tudjuk, hová parkoltunk autónkkal? Honnan tudjuk, jó irányba megyünk-e? Neil Burgess agykutató azokat az idegi mechanizmusokat kutatja, amelyek feltérképezik a környezetünket. Ebben a beszédben elmondja, hogy kapcsolódnak ezek a folyamatok az emlékezethez és a képzelethez.
Neil Burgess - Neuroscientist
At University College in London, Neil Burgess researches how patterns of electrical activity in brain cells guide us through space. Full bio
At University College in London, Neil Burgess researches how patterns of electrical activity in brain cells guide us through space. Full bio
Double-click the English transcript below to play the video.
00:15
When we park in a big parking lot,
0
0
2000
Amikor megállunk egy nagy parkolóban,
00:17
how do we remember where we parked our car?
1
2000
2000
honnan tudjuk, pontosan hol van az autónk?
00:19
Here's the problem facing Homer.
2
4000
3000
Homer is ezzel a problémával szembesül.
00:22
And we're going to try to understand
3
7000
2000
És most megnézzük,
00:24
what's happening in his brain.
4
9000
2000
mi is történik az agyában.
00:26
So we'll start with the hippocampus, shown in yellow,
5
11000
2000
Kezdjük a hippokampusznál, a képen sárgával jelölve.
00:28
which is the organ of memory.
6
13000
2000
Ez az emlékezet szerve.
00:30
If you have damage there, like in Alzheimer's,
7
15000
2000
Ha az agynak ez a része megsérül, mint az Alzheimer-kór
00:32
you can't remember things including where you parked your car.
8
17000
2000
esetében, akkor képtelenné válunk emlékezni bizonyos dolgokra, többek között arra is, hogy hol a kocsink.
00:34
It's named after Latin for "seahorse,"
9
19000
2000
Latinul a szó tengeri csikót jelent,
00:36
which it resembles.
10
21000
2000
és hasonlít is rá.
00:38
And like the rest of the brain, it's made of neurons.
11
23000
2000
Neuronokból épül fel, csakúgy, mint az agy többi része.
00:40
So the human brain
12
25000
2000
Tehát az emberi agy
00:42
has about a hundred billion neurons in it.
13
27000
2000
körülbelül százmilliárd neuronból áll.
00:44
And the neurons communicate with each other
14
29000
3000
És ezek a neuronok elektromos impulzusokat küldenek
00:47
by sending little pulses or spikes of electricity
15
32000
2000
az egymást összekötő idegrostokon keresztül,
00:49
via connections to each other.
16
34000
2000
így kommunikálva egymással.
00:51
The hippocampus is formed of two sheets of cells,
17
36000
3000
A hippokampusz két sejtrétegből áll,
00:54
which are very densely interconnected.
18
39000
2000
amelyek nagyon sűrűn kapcsolódnak.
00:56
And scientists have begun to understand
19
41000
2000
A tudósok mostanában kezdték megérteni,
00:58
how spatial memory works
20
43000
2000
hogy működik a helyismereti emlékezet,
01:00
by recording from individual neurons
21
45000
2000
úgy, hogy egyes neuronok aktivitását mérték
01:02
in rats or mice
22
47000
2000
patkányokban és egerekben,
01:04
while they forage or explore an environment
23
49000
2000
amikor az állatok felmérnek és felfedeznek egy környezetet
01:06
looking for food.
24
51000
2000
élelmet keresve.
01:08
So we're going to imagine we're recording from a single neuron
25
53000
3000
Most képzeljük azt, hogy figyeljük egy neuron aktivitását
01:11
in the hippocampus of this rat here.
26
56000
3000
ennek a patkánynak a hippokampuszában,
01:14
And when it fires a little spike of electricity,
27
59000
2000
és amikor egy kis elektromos kisülést hoz létre,
01:16
there's going to be a red dot and a click.
28
61000
3000
azt egy vörös pöttyel és egy kattanással jelezzük.
01:19
So what we see
29
64000
2000
Amint az jól látszik,
01:21
is that this neuron knows
30
66000
2000
a neuron tudja,
01:23
whenever the rat has gone into one particular place in its environment.
31
68000
3000
amikor a patkány egy bizonyos helyre ér,
01:26
And it signals to the rest of the brain
32
71000
2000
és jelez az agy többi részének
01:28
by sending a little electrical spike.
33
73000
3000
a már említett elektromos impulzussal.
01:31
So we could show the firing rate of that neuron
34
76000
3000
Most láthatjuk a neuron kisülési sebességét
01:34
as a function of the animal's location.
35
79000
2000
az állat helyzetének függvényében.
01:36
And if we record from lots of different neurons,
36
81000
2000
Ha sok különböző neuron aktivitását mérjük,
01:38
we'll see that different neurons fire
37
83000
2000
láthatjuk, hogy más neuronok sülnek ki,
01:40
when the animal goes in different parts of its environment,
38
85000
2000
amikor az állat más helyre ér a környezetében,
01:42
like in this square box shown here.
39
87000
2000
mint ahogy ebben a négyzetben látszik is.
01:44
So together they form a map
40
89000
2000
Összességében egy térképet formálnak,
01:46
for the rest of the brain,
41
91000
2000
az agy többi részének,
01:48
telling the brain continually,
42
93000
2000
és folyamatosan tájékoztatják az agyat arról,
01:50
"Where am I now within my environment?"
43
95000
2000
"Hol vagyok most a környezetemben?"
01:52
Place cells are also being recorded in humans.
44
97000
3000
E "helysejtek" aktivitását embereknél is mérték.
01:55
So epilepsy patients sometimes need
45
100000
2000
Epilepsziásoknál néha mérik az agy
01:57
the electrical activity in their brain monitoring.
46
102000
3000
elektromos aktivitását.
02:00
And some of these patients played a video game
47
105000
2000
Néhányuk videojátékot játszott,
02:02
where they drive around a small town.
48
107000
2000
amelyben egy kisvárosban kellett közlekedniük.
02:04
And place cells in their hippocampi would fire, become active,
49
109000
3000
A helysejtek a hippokampuszukban aktivizálódnak, kisülnek,
02:07
start sending electrical impulses
50
112000
3000
elektromos impulzusokat küldenek,
02:10
whenever they drove through a particular location in that town.
51
115000
3000
amikor egy bizonyos helyre érnek a városban.
02:13
So how does a place cell know
52
118000
2000
Honnan tudja egy helysejt,
02:15
where the rat or person is within its environment?
53
120000
3000
hol van a patkány vagy az ember a környezetében?
02:18
Well these two cells here
54
123000
2000
Ha ezt a két sejtet nézzük,
02:20
show us that the boundaries of the environment
55
125000
2000
akkor láthatjuk, hogy a tér határai
02:22
are particularly important.
56
127000
2000
kiemelt fontosságúak.
02:24
So the one on the top
57
129000
2000
A fölső sejt akkor sül ki,
02:26
likes to fire sort of midway between the walls
58
131000
2000
amikor körülbelül a két fal közé ér
02:28
of the box that their rat's in.
59
133000
2000
a patkány a dobozban.
02:30
And when you expand the box, the firing location expands.
60
135000
3000
Ha kibővítjük a helyet a dobozban, akkor a kisülési hely is bővül.
02:33
The one below likes to fire
61
138000
2000
Az alsó sejt akkor sül ki,
02:35
whenever there's a wall close by to the south.
62
140000
3000
amikor déli irányban egy fal közeledik.
02:38
And if you put another wall inside the box,
63
143000
2000
Ha még egy falat berakunk a dobozba,
02:40
then the cell fires in both place
64
145000
2000
a sejt mindkét helyen kisül,
02:42
wherever there's a wall to the south
65
147000
2000
mindig, amikor déli irányban falat észlel
02:44
as the animal explores around in its box.
66
149000
3000
a patkány a dobozban.
02:48
So this predicts
67
153000
2000
Azt a következtetést vonhatjuk le,
02:50
that sensing the distances and directions of boundaries around you --
68
155000
2000
hogy a távolságok, irányok és határok érzékelése
02:52
extended buildings and so on --
69
157000
2000
a minket körülvevő térben
02:54
is particularly important for the hippocampus.
70
159000
3000
kiemelten fontos a hippokampusz számára.
02:57
And indeed, on the inputs to the hippocampus,
71
162000
2000
A hippokampusz bemeneteinél
02:59
cells are found which project into the hippocampus,
72
164000
2000
olyan sejteket találunk, amelyek a hippokampusznak szolgáltatnak információt,
03:01
which do respond exactly
73
166000
2000
és ezen sejtek pontosan
03:03
to detecting boundaries or edges
74
168000
3000
a határokat, és a széleket érzékelik
03:06
at particular distances and directions
75
171000
2000
bizonyos távolságokban és irányokban,
03:08
from the rat or mouse
76
173000
2000
ahogy a patkány vagy az egér
03:10
as it's exploring around.
77
175000
2000
felméri környezetét.
03:12
So the cell on the left, you can see,
78
177000
2000
A baloldali sejt tehát, ahogy látják
03:14
it fires whenever the animal gets near
79
179000
2000
kisül, amikor az állat közel kerül
03:16
to a wall or a boundary to the east,
80
181000
3000
egy falhoz vagy határvonalhoz keleti irányban,
03:19
whether it's the edge or the wall of a square box
81
184000
3000
legyen az egy szél vagy négyzet alakú doboz fala,
03:22
or the circular wall of the circular box
82
187000
2000
egy kör alakú doboz fala,
03:24
or even the drop at the edge of a table, which the animals are running around.
83
189000
3000
vagy akár egy asztal szélén a mélység.
03:27
And the cell on the right there
84
192000
2000
A jobboldali sejt pedig
03:29
fires whenever there's a boundary to the south,
85
194000
2000
kisül, amikor határvonal található déli irányban,
03:31
whether it's the drop at the edge of the table or a wall
86
196000
2000
akár az asztal széléről, akár falról beszélünk,
03:33
or even the gap between two tables that are pulled apart.
87
198000
3000
de kiváltja a reakciót a rés két asztal között, amelyeket kicsit elhúztunk egymás mellől.
03:36
So that's one way in which we think
88
201000
2000
Ez tehát az egyik része a mechanizmusnak,
03:38
place cells determine where the animal is as it's exploring around.
89
203000
3000
amiről a tudósok úgy gondolják, a helysejtek használnak az állat helyzetének meghatározására.
03:41
We can also test where we think objects are,
90
206000
3000
Azt is letesztelhetjük, hogy bizonyos tárgyakat hogyan találhatunk meg,
03:44
like this goal flag, in simple environments --
91
209000
3000
mint például ezt a zászlót egyszerű környezetben,
03:47
or indeed, where your car would be.
92
212000
2000
vagy bizony azt, hol is van a kocsink.
03:49
So we can have people explore an environment
93
214000
3000
Tehát van egy környezetünk, amiben emberek vándorolnak,
03:52
and see the location they have to remember.
94
217000
3000
és látják azt a helyet, amire emlékezniük kell.
03:55
And then, if we put them back in the environment,
95
220000
2000
És ha visszahelyezzük őket a környezetbe,
03:57
generally they're quite good at putting a marker down
96
222000
2000
általában elég nagy pontossággal tudnak letenni egy jelzést arra a helyre,
03:59
where they thought that flag or their car was.
97
224000
3000
ahol emlékeik szerint látták a zászlót vagy az autójukat.
04:02
But on some trials,
98
227000
2000
Néhány próba során
04:04
we could change the shape and size of the environment
99
229000
2000
megváltoztattuk a környezet méretét és alakját,
04:06
like we did with the place cell.
100
231000
2000
ahogy azt a helysejtek esetében is tettük.
04:08
In that case, we can see
101
233000
2000
Ezekben az esetekben azt látjuk,
04:10
how where they think the flag had been changes
102
235000
3000
hogy az emlékeikben található hely, ahol a zászló volt, megváltozik,
04:13
as a function of how you change the shape and size of the environment.
103
238000
3000
a környezet méretének és alakjának változásával arányosan.
04:16
And what you see, for example,
104
241000
2000
Például, ha a zászló
04:18
if the flag was where that cross was in a small square environment,
105
243000
3000
annak a kis keresztnek a helyén volt, abban a kis négyzet alakú környezetben,
04:21
and then if you ask people where it was,
106
246000
2000
aztán megkérdezzük az alanyokat, hol volt,
04:23
but you've made the environment bigger,
107
248000
2000
de a környezetet közben felnagyítjuk,
04:25
where they think the flag had been
108
250000
2000
akkor a hely, ahová a zászlót helyezik,
04:27
stretches out in exactly the same way
109
252000
2000
pontosan úgy helyeződik át,
04:29
that the place cell firing stretched out.
110
254000
2000
mint ahová a helysejt kisülése helyeződött át.
04:31
It's as if you remember where the flag was
111
256000
2000
Mintha úgy emlékeznénk a zászló helyére,
04:33
by storing the pattern of firing across all of your place cells
112
258000
3000
hogy eltároljuk a helysejtek kisülési mintázatait
04:36
at that location,
113
261000
2000
az adott helyen,
04:38
and then you can get back to that location
114
263000
2000
aztán úgy találunk vissza arra a helyre,
04:40
by moving around
115
265000
2000
hogy sétálgatunk,
04:42
so that you best match the current pattern of firing of your place cells
116
267000
2000
és megnézzük, hogy a helysejtek jelenlegi kisülési mintázata hol hasonlít legjobban
04:44
with that stored pattern.
117
269000
2000
az eltárolt mintázathoz.
04:46
That guides you back to the location that you want to remember.
118
271000
3000
Ez vezet vissza arra a helyre, amire emlékezni szeretnénk.
04:49
But we also know where we are through movement.
119
274000
3000
De a mozgás is segít abban, hogy megtudjuk, hol vagyunk.
04:52
So if we take some outbound path --
120
277000
2000
Tehát ha egy kivezető útvonalat választunk,
04:54
perhaps we park and we wander off --
121
279000
2000
mondjuk leparkoltunk és eltávolodunk a kocsitól,
04:56
we know because our own movements,
122
281000
2000
akkor a mozdulataink alapján,
04:58
which we can integrate over this path
123
283000
2000
amiket rá tudunk helyezni erre az útvonalra,
05:00
roughly what the heading direction is to go back.
124
285000
2000
emlékszünk, nagyjából merre tudunk visszajutni.
05:02
And place cells also get this kind of path integration input
125
287000
4000
A helysejtek kapnak útvonalintegrációs adatokat
05:06
from a kind of cell called a grid cell.
126
291000
3000
más sejtektől, amelyeket '"rácssejteknek" neveztek el.
05:09
Now grid cells are found, again,
127
294000
2000
A rácssejtek szintén a hippokampusz
05:11
on the inputs to the hippocampus,
128
296000
2000
bemeneti csatornáin találhatóak,
05:13
and they're a bit like place cells.
129
298000
2000
és hasonlítanak egy kicsit a helysejtekre.
05:15
But now as the rat explores around,
130
300000
2000
De ahogy a patkány feltárja környezetét,
05:17
each individual cell fires
131
302000
2000
a rácssejtek mindegyike
05:19
in a whole array of different locations
132
304000
3000
egy egész sor kisülést produkál más-más helyeken
05:22
which are laid out across the environment
133
307000
2000
amelyek a környezetet teljesen átfogják,
05:24
in an amazingly regular triangular grid.
134
309000
3000
egy gyönyörűen szabályos háromszöges rácshálózatba.
05:29
And if you record from several grid cells --
135
314000
3000
És ha egyszerre több rácssejt aktivitását mérjük,
05:32
shown here in different colors --
136
317000
2000
és különböző színekkel jelöljük,
05:34
each one has a grid-like firing pattern across the environment,
137
319000
3000
mindegyikük a környezetet átfogó rácsszerű kisülési mintázatot produkál,
05:37
and each cell's grid-like firing pattern is shifted slightly
138
322000
3000
és minden sejt rácsszerű kisülési mintázata egy kicsit el van tolódva
05:40
relative to the other cells.
139
325000
2000
a többi sejt mintázatához képest.
05:42
So the red one fires on this grid
140
327000
2000
A vörös tehát ezen a rácson sül ki,
05:44
and the green one on this one and the blue on on this one.
141
329000
3000
a zöld azon, a kék pedig ezen,
05:47
So together, it's as if the rat
142
332000
3000
összevetve tehát a patkány
05:50
can put a virtual grid of firing locations
143
335000
2000
képes a környezetére rávetíteni egy virtuális rácsot,
05:52
across its environment --
144
337000
2000
ami mutatja a kisüléseket,
05:54
a bit like the latitude and longitude lines that you'd find on a map,
145
339000
3000
hasonlóan a szélességi és hosszúsági vonalakhoz, amik térképeken találhatók,
05:57
but using triangles.
146
342000
2000
csak háromszögekkel.
05:59
And as it moves around,
147
344000
2000
Ahogy járkál,
06:01
the electrical activity can pass
148
346000
2000
az elektromos aktivitás átkerül
06:03
from one of these cells to the next cell
149
348000
2000
egyik sejtről a másikra,
06:05
to keep track of where it is,
150
350000
2000
hogy kövesse, merre is jár
06:07
so that it can use its own movements
151
352000
2000
így tudja felhasználni saját mozgását is arra,
06:09
to know where it is in its environment.
152
354000
2000
hogy megállapítsa, mi a jelenlegi helyzete.
06:11
Do people have grid cells?
153
356000
2000
Vannak az embereknek rácssejtjeik?
06:13
Well because all of the grid-like firing patterns
154
358000
2000
Mivel az összes rácsszerű kisülési mintázatnak
06:15
have the same axes of symmetry,
155
360000
2000
ugyanaz a szimmetriatengelye,
06:17
the same orientations of grid, shown in orange here,
156
362000
3000
ugyanúgy orientálódnak, ahogy az narancssárgával látszik is itt,
06:20
it means that the net activity
157
365000
2000
ezért a rácssejtek aktivitása
06:22
of all of the grid cells in a particular part of the brain
158
367000
3000
az agy egy bizonyos részében
06:25
should change
159
370000
2000
megváltozik
06:27
according to whether we're running along these six directions
160
372000
2000
annak függvényében, hogy éppen e hat irány egyikében mozgunk,
06:29
or running along one of the six directions in between.
161
374000
3000
vagy egy olyan irányban, ami e hat irány között található.
06:32
So we can put people in an MRI scanner
162
377000
2000
Tehát egy MRI-készülékkel mérhetjük az agyi aktivitást,
06:34
and have them do a little video game
163
379000
2000
miközben emberek játszanak egy olyan játékkal,
06:36
like the one I showed you
164
381000
2000
amit korábban bemutattam önöknek,
06:38
and look for this signal.
165
383000
2000
és figyelhetjük ezt az adatot.
06:40
And indeed, you do see it in the human entorhinal cortex,
166
385000
3000
És láthatjuk is az entorhinális kéregben,
06:43
which is the same part of the brain that you see grid cells in rats.
167
388000
3000
ami az agynak ugyanaz a része, amiben a patkányok rácssejtjei találhatók.
06:46
So back to Homer.
168
391000
2000
Térjünk vissza Homerhez.
06:48
He's probably remembering where his car was
169
393000
2000
Valószínűleg emlékszik rá, hol a kocsija,
06:50
in terms of the distances and directions
170
395000
2000
emlékszik az irányokra és a távolságokra,
06:52
to extended buildings and boundaries
171
397000
2000
a környezet határaira
06:54
around the location where he parked.
172
399000
2000
a hely körül, ahol parkolt.
06:56
And that would be represented
173
401000
2000
És ezt ábrázolhatjuk
06:58
by the firing of boundary-detecting cells.
174
403000
2000
a határvonal-érzékelő sejtek kisülésével.
07:00
He's also remembering the path he took out of the car park,
175
405000
3000
Az útvonalra is emlékszik, amelyen elhagyta a parkolót,
07:03
which would be represented in the firing of grid cells.
176
408000
3000
amit ábrázolhatunk a rácssejtek kisülési mintázataival.
07:06
Now both of these kinds of cells
177
411000
2000
Mindkét típusú sejt
07:08
can make the place cells fire.
178
413000
2000
kisülésre készteti a helysejteket.
07:10
And he can return to the location where he parked
179
415000
2000
És úgy térhet vissza az autójához,
07:12
by moving so as to find where it is
180
417000
3000
hogy elindul, és megkeresi,
07:15
that best matches the firing pattern
181
420000
2000
hol hasonlít legjobban az agyában
07:17
of the place cells in his brain currently
182
422000
2000
a jelenegi kisülési minta
07:19
with the stored pattern where he parked his car.
183
424000
3000
az eltárolt kisülési mintához.
07:22
And that guides him back to that location
184
427000
2000
Ez vezeti vissza őt a helyre
07:24
irrespective of visual cues
185
429000
2000
a látványtól függetlenül,
07:26
like whether his car's actually there.
186
431000
2000
mint például attól is, hogy ott van-e az autó egyáltalán.
07:28
Maybe it's been towed.
187
433000
2000
Talán elvontatták....
07:30
But he knows where it was, so he knows to go and get it.
188
435000
3000
De tudja, hogy hol volt, tehát vissza tud találni hozzá.
07:33
So beyond spatial memory,
189
438000
2000
A helymemórián kívül,
07:35
if we look for this grid-like firing pattern
190
440000
2000
ha rácsszerű kisülési mintázatot keresünk
07:37
throughout the whole brain,
191
442000
2000
az agy egészében,
07:39
we see it in a whole series of locations
192
444000
3000
sok helyen megtaláljuk,
07:42
which are always active
193
447000
2000
amelyek mindig aktívak,
07:44
when we do all kinds of autobiographical memory tasks,
194
449000
2000
ha önéletrajzi adatokra kell emlékeznünk,
07:46
like remembering the last time you went to a wedding, for example.
195
451000
3000
mint például mikor voltunk utoljára esküvőn.
07:49
So it may be that the neural mechanisms
196
454000
2000
Azok az idegi mechanizmusok talán,
07:51
for representing the space around us
197
456000
3000
amelyek kifejezik a teret körülöttünk,
07:54
are also used for generating visual imagery
198
459000
4000
úgyszintén használatosak arra, hogy létrehozzunk
07:58
so that we can recreate the spatial scene, at least,
199
463000
3000
egy vizuális környezetet, amelyben elhelyezhetjük
08:01
of the events that have happened to us when we want to imagine them.
200
466000
3000
az eseményeket, amik megtörténtek velünk, és így visszaidézhetőkké válnak.
08:04
So if this was happening,
201
469000
2000
Tehát ha tényleg ez a helyzet,
08:06
your memories could start by place cells activating each other
202
471000
3000
az emlékek létrehozása úgy kezdődik, hogy a helysejtek egymást aktivizálni kezdik
08:09
via these dense interconnections
203
474000
2000
a sűrű kapcsolataik által,
08:11
and then reactivating boundary cells
204
476000
2000
aztán aktiválják a határsejteket,
08:13
to create the spatial structure
205
478000
2000
hogy létrehozzanak egy környezetet, egy helyszínt,
08:15
of the scene around your viewpoint.
206
480000
2000
hogy hogy nézett ki a jelenet a nézőpontunkból.
08:17
And grid cells could move this viewpoint through that space.
207
482000
2000
A rácssejtek mozgathatják ezt a nézőpontot a helyszínen belül.
08:19
Another kind of cell, head direction cells,
208
484000
2000
Másféle sejtek, amelyek a fej irányát rögzítik,
08:21
which I didn't mention yet,
209
486000
2000
amelyeket még nem említettem,
08:23
they fire like a compass according to which way you're facing.
210
488000
3000
úgy sülnek ki, mint egy iránytű, annak függvényében, éppen merre nézünk.
08:26
They could define the viewing direction
211
491000
2000
Meghatározzák a nézőpontot,
08:28
from which you want to generate an image for your visual imagery,
212
493000
3000
amelyből létrehozhatunk egy képet a képi emlékezethez,
08:31
so you can imagine what happened when you were at this wedding, for example.
213
496000
3000
tehát például elképzelhetjük, mi történt, amikor ezen az esküvőn voltunk.
08:34
So this is just one example
214
499000
2000
Ez csak egy példa
08:36
of a new era really
215
501000
2000
a kognitív neurológia
08:38
in cognitive neuroscience
216
503000
2000
egy új korszakából,
08:40
where we're beginning to understand
217
505000
2000
amelyben kezdjük megérteni
08:42
psychological processes
218
507000
2000
a pszichológiai folyamatokat,
08:44
like how you remember or imagine or even think
219
509000
3000
mint az emlékezet, a képzelet vagy akár a gondolkodás,
08:47
in terms of the actions
220
512000
2000
agyunk milliárdnyi különálló
08:49
of the billions of individual neurons that make up our brains.
221
514000
3000
neuronjai aktivitásának függvényében.
08:52
Thank you very much.
222
517000
2000
Köszönöm a figyelmüket!
08:54
(Applause)
223
519000
3000
(Taps)
ABOUT THE SPEAKER
Neil Burgess - NeuroscientistAt University College in London, Neil Burgess researches how patterns of electrical activity in brain cells guide us through space.
Why you should listen
Neil Burgessis is deputy director of the Institute of Cognitive Neuroscience at University College London, where he investigates of the role of the hippocampus in spatial navigation and episodic memory. His research is directed at answering questions such as: How are locations represented, stored and used in the brain? What processes and which parts of the brain are involved in remembering the spatial and temporal context of everyday events, and in finding one's way about?
To explore this space, he and his team use a range of methods for gathering data, including pioneering uses of virtual reality, as well as computational modelling and electrophysiological analysis of the function of hippocampal neurons in the rat, functional imaging of human navigation, and neuropsychological experiments on spatial and episodic memory.
A parallel interest: Investigating our human short-term memory for serial order, or how we know our 123s.
Neil Burgess | Speaker | TED.com