TEDMED 2011
Sheila Nirenberg: A prosthetic eye to treat blindness
쉴라 니렌버그(Sheila Nirenberg): 실명을 치료하는 의안(인공 눈)
Filmed:
Readability: 4.3
470,530 views
TEDMED에서 쉴라 니렌버그는 실명한 사람들에게 뇌의 시신경에 직접 카메라의 영상신호를 전송해줌으로써 시야를 만들어주는 대담한 방법을 보여준다.
Sheila Nirenberg - Neuroscientist
Sheila Nirenberg studies how the brain encodes information -- possibly allowing us to decode it, and maybe develop prosthetic sensory devices. Full bio
Sheila Nirenberg studies how the brain encodes information -- possibly allowing us to decode it, and maybe develop prosthetic sensory devices. Full bio
Double-click the English transcript below to play the video.
00:15
I study how the brain processes
0
0
2000
저는 뇌가 정보를 처리하는 방법을 연구합니다
00:17
information. That is, how it takes
1
2000
2000
그러니까 뇌가 어떻게
00:19
information in from the outside world, and
2
4000
2000
외부 세계의 정보를 받아들여서 이것을
00:21
converts it into patterns of electrical activity,
3
6000
2000
전기적 활동들의 패턴으로 변환을 하고
00:23
and then how it uses those patterns
4
8000
2000
그 패턴을 이용해서
00:25
to allow you to do things --
5
10000
2000
어떻게 여러분으로 하여금
00:27
to see, hear, to reach for an object.
6
12000
2000
보고 듣고 사물에 손을 뻗도록 하는지에 관해 연구하는 겁니다.
00:29
So I'm really a basic scientist, not
7
14000
2000
저는 기초과학자로
00:31
a clinician, but in the last year and a half
8
16000
2000
임상의는 아닙니다. 그런데 일년 반 전에
00:33
I've started to switch over, to use what
9
18000
2000
그게 바뀌기 시작했습니다. 우리가
00:35
we've been learning about these patterns
10
20000
2000
이런 패턴들을 학습하는 것을 이용해서
00:37
of activity to develop prosthetic devices,
11
22000
3000
보철기기를 개발하는 활동 쪽으로요.
00:40
and what I wanted to do today is show you
12
25000
2000
그리고 오늘 여러분에게
00:42
an example of this.
13
27000
2000
그 예를 보여드리는 것입니다
00:44
It's really our first foray into this.
14
29000
2000
처음으로 여러분에게 보여드리는 것인데요
00:46
It's the development of a prosthetic device
15
31000
2000
그건 맹인들을 훈련시키기 위한
00:48
for treating blindness.
16
33000
2000
보철기기의 개발입니다
00:50
So let me start in on that problem.
17
35000
2000
문제점으로부터 시작해 보겠습니다
00:52
There are 10 million people in the U.S.
18
37000
2000
미국에만 천만명의 맹인이 있으며
00:54
and many more worldwide who are blind
19
39000
2000
그리고 전세계적으로도 훨씬 많은 이들이
00:56
or are facing blindness due to diseases
20
41000
2000
실명에 직면하고 있는데
00:58
of the retina, diseases like
21
43000
2000
망막손상이나 시력 감퇴 같은 질병들에 의한
01:00
macular degeneration, and there's little
22
45000
2000
것입니다. 하지만 그들을 위해
01:02
that can be done for them.
23
47000
2000
해 줄 수 있는 것은 거의 없습니다
01:04
There are some drug treatments, but
24
49000
2000
몇가지 약물 치료가 있긴 합니다만
01:06
they're only effective on a small fraction
25
51000
2000
일부의 사람들에 대해서만 효과가
01:08
of the population. And so, for the vast
26
53000
2000
있습니다. 대부분의 환자들에게는
01:10
majority of patients, their best hope for
27
55000
2000
시야를 되찾는 최선의 희망이
01:12
regaining sight is through prosthetic devices.
28
57000
2000
보철기기를 통한 것입니다
01:14
The problem is that current prosthetics
29
59000
2000
문제는 현재의 이 보조기기들이
01:16
don't work very well. They're still very
30
61000
2000
잘 동작하지 않는다는 겁니다. 그것들이
01:18
limited in the vision that they can provide.
31
63000
2000
제공할 수 있는 시야는 대단히 제약적입니다.
01:20
And so, you know, for example, with these
32
65000
2000
그래서, 예를 들어 이것들을 가지고
01:22
devices, patients can see simple things
33
67000
2000
환자들은 대단히 간단한 것들을 볼 수가 있습니다
01:24
like bright lights and high contrast edges,
34
69000
2000
밝은 빛이라던가 경계가 뚜렷한 것들에 대해서만요
01:26
not very much more, so nothing close
35
71000
2000
그 이상의 것도 안되고, 일반적으로 가능한
01:28
to normal vision has been possible.
36
73000
3000
시야와는 전혀 가깝지도 않은 것입니다
01:31
So what I'm going to tell you about today
37
76000
2000
그래서 오늘 말씀드리고자 하는 것은
01:33
is a device that we've been working on
38
78000
2000
우리가 현재 진행중인 기기에 관한 것으로
01:35
that I think has the potential to make
39
80000
2000
제 생각에는 이것이 분명 차이를 만들 수 있고
01:37
a difference, to be much more effective,
40
82000
2000
훨씬 효과적이라는 것입니다
01:39
and what I wanted to do is show you
41
84000
2000
여러분에게 이것이 어떻게 동작하는지 보여드리도록 하겠습니다.
01:41
how it works. Okay, so let me back up a
42
86000
2000
자, 제가 좀 더 보조설명을 드리도록 하죠
01:43
little bit and show you how a normal retina
43
88000
2000
어떻게 보통의 망막이 동작하는지
01:45
works first so you can see the problem
44
90000
2000
우리가 풀려고 하는 문제가
01:47
that we were trying to solve.
45
92000
2000
무엇인지를 먼저 보실 겁니다
01:49
Here you have a retina.
46
94000
2000
여기에 망막이 있습니다
01:51
So you have an image, a retina, and a brain.
47
96000
2000
이미지가 있고, 망막이 있고, 뇌가 있습니다
01:53
So when you look at something, like this image
48
98000
2000
여러분이 무언가를 볼 때, 여기에 있는
01:55
of this baby's face, it goes into your eye
49
100000
2000
아이의 얼굴 이미지처럼요, 이게 여러분의 눈으로 갑니다
01:57
and it lands on your retina, on the front-end
50
102000
2000
그리고 망막 앞단 세포인
01:59
cells here, the photoreceptors.
51
104000
2000
광수용체에 착상이 됩니다
02:01
Then what happens is the retinal circuitry,
52
106000
2000
이때 중간 부분에 있는
02:03
the middle part, goes to work on it,
53
108000
2000
망막 신경망이 작동하기 시작하는데
02:05
and what it does is it performs operations
54
110000
2000
일련의 동작들을 수행하는 것으로
02:07
on it, it extracts information from it, and it
55
112000
2000
이미지로부터 정보들을 추출하여
02:09
converts that information into a code.
56
114000
2000
하나의 코드로 변환합니다
02:11
And the code is in the form of these patterns
57
116000
2000
코드는 이런 전기적인 파형의
02:13
of electrical pulses that get sent
58
118000
2000
패턴의 형태로 이루어진채로
02:15
up to the brain, and so the key thing is
59
120000
2000
뇌의 위쪽 부분으로 보내집니다. 여기서 핵심은
02:17
that the image ultimately gets converted
60
122000
2000
이미지들은 궁극적으로 코드로
02:19
into a code. And when I say code,
61
124000
2000
변환된다는 것입니다. 제가 코드라고 말했는데
02:21
I do literally mean code.
62
126000
2000
문자 그대로 코드를 의미하는 것입니다.
02:23
Like this pattern of pulses here actually means "baby's face,"
63
128000
3000
이러한 전기적 패턴처럼 여기에 아이의 얼굴을 의미합니다
02:26
and so when the brain gets this pattern
64
131000
2000
뇌가 이러한 신호 패턴을 받았을 때
02:28
of pulses, it knows that what was out there
65
133000
2000
뇌는 거기에 있는 것이
02:30
was a baby's face, and if it
66
135000
2000
아기의 얼굴이라는 것을 아는 겁니다. 만약
02:32
got a different pattern it would know
67
137000
2000
다른 패턴을 얻는다면
02:34
that what was out there was, say, a dog,
68
139000
2000
그것은 개가 될 수도 있고
02:36
or another pattern would be a house.
69
141000
2000
집을 의미하는 또다른 패턴일 수도 있는 것입니다
02:38
Anyway, you get the idea.
70
143000
2000
어쨌거나 무슨 말인지 아시겠죠
02:40
And, of course, in real life, it's all dynamic,
71
145000
2000
물론 실제 생활에서는 모든 것이 다이나믹합니다
02:42
meaning that it's changing all the time,
72
147000
2000
항상 바뀐다는 말이죠
02:44
so the patterns of pulses are changing
73
149000
2000
파형의 패턴들은 계속해서 바뀝니다
02:46
all the time because the world you're
74
151000
2000
여러분이 보고 있는 세상들이
02:48
looking at is changing all the time too.
75
153000
3000
항상 바뀌고 있으니까요
02:51
So, you know, it's sort of a complicated
76
156000
2000
그래서, 이것은 복잡한 종류의 것입니다
02:53
thing. You have these patterns of pulses
77
158000
2000
여러분은 눈동자로부터 나오는
02:55
coming out of your eye every millisecond
78
160000
2000
이러한 파형 패턴들을 매 백만분의 1초마다 얻어서
02:57
telling your brain what it is that you're seeing.
79
162000
2000
두뇌에게 여러분이 보는 것을 알려줍니다
02:59
So what happens when a person
80
164000
2000
만약 어떤 사람이 시력 감퇴와 같은
03:01
gets a retinal degenerative disease like
81
166000
2000
망막퇴행성 질환을 앓는다고 한다면?
03:03
macular degeneration? What happens is
82
168000
2000
그 안에서 일어나는 것은
03:05
is that, the front-end cells die,
83
170000
2000
앞단의 세포들이 죽는다는 것이고
03:07
the photoreceptors die, and over time,
84
172000
2000
광수용체가 죽는다는 것입니다. 시간이 지날수록
03:09
all the cells and the circuits that are
85
174000
2000
모든 세포들이, 그것에 연결되어 있는
03:11
connected to them, they die too.
86
176000
2000
신경들이 역시 죽는다는 말입니다
03:13
Until the only things that you have left
87
178000
2000
여러분이 남기게 되는 유일한 것이
03:15
are these cells here, the output cells,
88
180000
2000
여기에 있는 세포들, 즉 출력 세포들로
03:17
the ones that send the signals to the brain,
89
182000
2000
뇌로 신호들을 보내는 세포들입니다
03:19
but because of all that degeneration
90
184000
2000
하지만 퇴보하는 모든 것들 때문에
03:21
they aren't sending any signals anymore.
91
186000
2000
신호들을 더 이상 보내지 못하게 됩니다
03:23
They aren't getting any input, so
92
188000
2000
어떠한 입력도 받지 못하게 됩니다
03:25
the person's brain no longer gets
93
190000
2000
그래서 사람의 두뇌는 더 이상
03:27
any visual information --
94
192000
2000
어떠한 시각적인 정보도 얻지 못하게 되죠
03:29
that is, he or she is blind.
95
194000
3000
즉 실명하게 되는 것입니다
03:32
So, a solution to the problem, then,
96
197000
2000
그래서 이 문제에 대한 해결책은
03:34
would be to build a device that could mimic
97
199000
2000
앞단의 신경회로에 해당하는 동작들을
03:36
the actions of that front-end circuitry
98
201000
2000
흉내낼 수 있는 장치들을 만들어내는 것이죠
03:38
and send signals to the retina's output cells,
99
203000
2000
그래서 망막의 출력 세포들에게 신호들을 보낼 수 있게요
03:40
and they can go back to doing their
100
205000
2000
그래서 두뇌로 신호를 전송하는
03:42
normal job of sending signals to the brain.
101
207000
2000
일상의 일들을 계속할 수 있도록 돌려보내는거죠
03:44
So this is what we've been working on,
102
209000
2000
이게 우리가 지금 하고 있는 일입니다
03:46
and this is what our prosthetic does.
103
211000
2000
이게 우리 보철기구가 하는 것입니다
03:48
So it consists of two parts, what we call
104
213000
2000
두개 부분으로 구성되어 있는데 저희는
03:50
an encoder and a transducer.
105
215000
2000
부호기(encoder)와 변환기(transducer)라고 부릅니다
03:52
And so the encoder does just
106
217000
2000
부호기는 그냥 제가 설명했던 것을 합니다
03:54
what I was saying: it mimics the actions
107
219000
2000
앞단의 신경회로의 행동들을 모방하는데
03:56
of the front-end circuitry -- so it takes images
108
221000
2000
영상들을 취해서
03:58
in and converts them into the retina's code.
109
223000
2000
망막용 코드로 변환합니다
04:00
And then the transducer then makes the
110
225000
2000
변환기는 그런 다음 아웃푹 셀에게
04:02
output cells send the code on up
111
227000
2000
코드를 두뇌쪽으로 전송하도록 합니다
04:04
to the brain, and the result is
112
229000
2000
그래서 그 결과는
04:06
a retinal prosthetic that can produce
113
231000
3000
망막 보철기로 하여금 정삭정인
04:09
normal retinal output.
114
234000
2000
망막 출력을 재생하도록 하는 거죠
04:11
So a completely blind retina,
115
236000
2000
완전히 실명한 망막도
04:13
even one with no front-end circuitry at all,
116
238000
2000
단 하나의 앞단 신경망이 없고
04:15
no photoreceptors,
117
240000
2000
광수용체가 없어도
04:17
can now send out normal signals,
118
242000
2000
정상 신호를 전송할 수가 있습니다
04:19
signals that the brain can understand.
119
244000
3000
두뇌가 이해할 수 있는 신호들이죠
04:22
So no other device has been able
120
247000
2000
지금까지 어떤 장치도 이것을
04:24
to do this.
121
249000
2000
하지는 못했습니다
04:26
Okay, so I just want to take
122
251000
2000
자, 제가 부호기에 관해서 이것이 무엇인지를
04:28
a sentence or two to say something about
123
253000
2000
한 두개의 문장만으로 설명을 드리고 싶은데요
04:30
the encoder and what it's doing, because
124
255000
2000
왜냐하면 이것이 핵심 부분이기 때문이고
04:32
it's really the key part and it's
125
257000
2000
가장 흥미롭고
04:34
sort of interesting and kind of cool.
126
259000
2000
쿨한 것이니까요.
04:36
I'm not sure "cool" is really the right word, but
127
261000
2000
'쿨(cool)'하다는 표현이 적당한 단어인지는 확신이 없지만
04:38
you know what I mean.
128
263000
2000
제가 무슨 말을 할려는지는 아실 겁니다
04:40
So what it's doing is, it's replacing
129
265000
2000
그래서 제가 하고 있는 것은
04:42
the retinal circuitry, really the guts of
130
267000
2000
진짜 이것을 칩에다가 구현할 수 있는
04:44
the retinal circuitry, with a set of equations,
131
269000
2000
하나의 방정식을 가지는
04:46
a set of equations that we can implement
132
271000
2000
망막 회로를 만드는 것입니다
04:48
on a chip. So it's just math.
133
273000
2000
그래서 이것은 바로 수학입니다
04:50
In other words, we're not literally replacing
134
275000
3000
다시 말하면, 우리는 문자 그대로
04:53
the components of the retina.
135
278000
2000
망막의 구성요소들을 교체하는 것이 아닙니다
04:55
It's not like we're making a little mini-device
136
280000
2000
우리가 다른 형태의 각 세포들을 위한
04:57
for each of the different cell types.
137
282000
2000
작은 장치를 만드는 것 같은것이 아니라
04:59
We've just abstracted what the
138
284000
2000
망막이 가진 방정식들이 하는 일을
05:01
retina's doing with a set of equations.
139
286000
2000
담아내는 일입니다
05:03
And so, in a way, the equations are serving
140
288000
2000
어떤 면에서는 방정식들이
05:05
as sort of a codebook. An image comes in,
141
290000
2000
방정식들을 코드책들을 전송하는 것입니다
05:07
goes through the set of equations,
142
292000
3000
영상들이 입력으로 들어오면 이것이
05:10
and out comes streams of electrical pulses,
143
295000
2000
방정식을 거쳐서 전기적인 펄스의 스트림으로 나오는 것입니다
05:12
just like a normal retina would produce.
144
297000
4000
정상의 망막이 생산해내는 것과 같은 것이죠
05:16
Now let me put my money
145
301000
2000
그럼 제가 한 이야기가 뜬구름 잡는 것이
05:18
where my mouth is and show you that
146
303000
2000
아님을 말씀드리기 위해 실제로 정상적인 출력을
05:20
we can actually produce normal output,
147
305000
2000
생산해내는 것을 보여드리고
05:22
and what the implications of this are.
148
307000
2000
이것이 어떤 의미를 내포하는지 알려드리겠습니다
05:24
Here are three sets of
149
309000
2000
여기에 세 종류의
05:26
firing patterns. The top one is from
150
311000
2000
발화 패턴들이 있습니다. 제일 위에 있는 것은
05:28
a normal animal, the middle one is from
151
313000
2000
일반 동물에서 나온 것이고 중간의 것은
05:30
a blind animal that's been treated with
152
315000
2000
맹인 동물에서 나온 것인데
05:32
this encoder-transducer device, and the
153
317000
2000
부호기-변환기 처치를 받은 것입니다
05:34
bottom one is from a blind animal treated
154
319000
2000
아래에 있는 것은 표준의 보조기를
05:36
with a standard prosthetic.
155
321000
2000
달고 있는 동물에서 나온 것입니다
05:38
So the bottom one is the state-of-the-art
156
323000
2000
아래에 있는 것이 현존하는
05:40
device that's out there right now, which is
157
325000
2000
최첨단의 것입니다.
05:42
basically made up of light detectors,
158
327000
2000
이것은 기본적으로 빛 감지기로 구성이 된 것인데
05:44
but no encoder. So what we did was we
159
329000
2000
부호기가 없는 형태입니다. 그래서 우리는
05:46
presented movies of everyday things --
160
331000
2000
일상의 것들을 담은 영화를 보여주는데
05:48
people, babies, park benches,
161
333000
2000
사람들, 아기들, 공원의 벤치들 같은것들이죠
05:50
you know, regular things happening -- and
162
335000
2000
알다시피 매일 일어나는 것들입니다
05:52
we recorded the responses from the retinas
163
337000
2000
그래서 세 그룹의 동물들의 망막 반응을
05:54
of these three groups of animals.
164
339000
2000
녹화를 합니다
05:56
Now just to orient you, each box is showing
165
341000
2000
여러분이 알아볼 수 있도록, 각 상자는
05:58
the firing patterns of several cells,
166
343000
2000
세포들에서의 발화 패턴들을 보여주는 것이구요
06:00
and just as in the previous slides,
167
345000
2000
이전의 슬라이드에서 처럼
06:02
each row is a different cell,
168
347000
2000
각 행은 서로 다른 세포입니다
06:04
and I just made the pulses a little bit smaller
169
349000
2000
파형들을 조금 더 작고 얇게 만들어서
06:06
and thinner so I could show you
170
351000
3000
여러분이 길게 늘어져 있는 데이터들을
06:09
a long stretch of data.
171
354000
2000
보실 수 있도록 했습니다
06:11
So as you can see, the firing patterns
172
356000
2000
보시다시피, 부호기-변환기를 장착한
06:13
from the blind animal treated with
173
358000
2000
맹인 동물들이의 발화 패턴은
06:15
the encoder-transducer really do very
174
360000
2000
보통의 발화 패턴들과
06:17
closely match the normal firing patterns --
175
362000
2000
가깝께 일치하는 것을 보실 수 있습니다
06:19
and it's not perfect, but it's pretty good --
176
364000
2000
완벽하지는 않지만 제법 좋습니다
06:21
and the blind animal treated with
177
366000
2000
일반적인 보철기를 달고 있는
06:23
the standard prosthetic,
178
368000
2000
동물들의 경우엔
06:25
the responses really don't.
179
370000
2000
전혀 그렇지 않지만요
06:27
And so with the standard method,
180
372000
3000
표준화된 방법으로는
06:30
the cells do fire, they just don't fire
181
375000
2000
세포들은 신호를 전송합니다. 그런데
06:32
in the normal firing patterns because
182
377000
2000
정상적인 패턴과는 다른데, 왜냐하면
06:34
they don't have the right code.
183
379000
2000
적절한 코드가 없기 때문입니다
06:36
How important is this?
184
381000
2000
이게 얼마나 중요한지요?
06:38
What's the potential impact
185
383000
2000
이것이 환자의 시력에 대한
06:40
on a patient's ability to see?
186
385000
3000
잠재적인 가능성은 무엇일까요?
06:43
So I'm just going to show you one
187
388000
2000
그래서 저는 여러분에게
06:45
bottom-line experiment that answers this,
188
390000
2000
결론적 실험을 보여드리고자 합니다
06:47
and of course I've got a lot of other data,
189
392000
2000
물론 다른 많은 데이터들도 가지고 있어서
06:49
so if you're interested I'm happy
190
394000
2000
관심만 있으시다면 더 보여드릴 수도 있습니다.
06:51
to show more. So the experiment
191
396000
2000
그래서, 이 실험은
06:53
is called a reconstruction experiment.
192
398000
2000
재건 실험으로 불리는데요
06:55
So what we did is we took a moment
193
400000
2000
우리는 녹화한 자료에서
06:57
in time from these recordings and asked,
194
402000
3000
한 부분을 선택하여, 그 순간에
07:00
what was the retina seeing at that moment?
195
405000
2000
망막이 본 것은 무엇인지?
07:02
Can we reconstruct what the retina
196
407000
2000
그 반응으로부터 망막이 보았던 것을
07:04
was seeing from the responses
197
409000
2000
정상적인 망막의 발화 패턴을
07:06
from the firing patterns?
198
411000
2000
재현할 수 있는가?
07:08
So, when we did this for responses
199
413000
3000
그래서, 그 표준화된 방법으로부터
07:11
from the standard method and from
200
416000
3000
그리고 부호기와 변환기로부터의
07:14
our encoder and transducer.
201
419000
2000
반응들을 실험 했습니다
07:16
So let me show you, and I'm going to
202
421000
2000
결과를 보여드리겠습니다
07:18
start with the standard method first.
203
423000
2000
먼저 표준화된 방법입니다.
07:20
So you can see that it's pretty limited,
204
425000
2000
여러분이 보실 것은 대단히 제한적인 것입니다
07:22
and because the firing patterns aren't
205
427000
2000
왜냐하면 발화 패턴들이 딱 맞는 코드가 아니기 때문인데
07:24
in the right code, they're very limited in
206
429000
2000
실제로 보고 있는 것이
07:26
what they can tell you about
207
431000
2000
무엇인지 말해주기는 어렵습니다.
07:28
what's out there. So you can see that
208
433000
2000
그래서, 거기에 무엇인가 있다는 점만
07:30
there's something there, but it's not so clear
209
435000
2000
인지 할 수 있습니다. 그게 무엇인지 분명하게
07:32
what that something is, and this just sort of
210
437000
2000
구분하기는 어렵습니다. 앞에서 말씀드렸던
07:34
circles back to what I was saying in the
211
439000
2000
이야기로 다시 돌아가서
07:36
beginning, that with the standard method,
212
441000
2000
표준 방법으로 다시 설명하면
07:38
patients can see high-contrast edges, they
213
443000
2000
환자들은 고-채도의 경계들을 볼 수 있습니다
07:40
can see light, but it doesn't easily go
214
445000
2000
환자들은 빛을 볼 수 있지만, 그 너머로는
07:42
further than that. So what was
215
447000
2000
쉽게 가지 못합니다. 그럼
07:44
the image? It was a baby's face.
216
449000
3000
이미지는 어떨까요? 이것은 아기의 얼굴입니다
07:47
So what about with our approach,
217
452000
2000
우리의 접근 방법으로
07:49
adding the code? And you can see
218
454000
2000
코드를 추가하면요? 훨씬
07:51
that it's much better. Not only can you
219
456000
2000
나아진 것을 보실 수 있습니다. 여러분이
07:53
tell that it's a baby's face, but you can
220
458000
2000
이것이 아기 얼굴이라고 말할 수 있을 뿐만 아니라
07:55
tell that it's this baby's face, which is a
221
460000
2000
그것이 특정 아기의 얼굴이라는 것을 구분할 수 있는
07:57
really challenging task.
222
462000
2000
정말이지 도전적인 작업입니다
07:59
So on the left is the encoder
223
464000
2000
왼쪽이 부호기만 있는 것이고
08:01
alone, and on the right is from an actual
224
466000
2000
오른쪽은 실제 맹인의 망막입니다
08:03
blind retina, so the encoder and the transducer.
225
468000
2000
부호기와 변환기인 거죠
08:05
But the key one really is the encoder alone,
226
470000
2000
진짜 핵심은 부호기가 하나 있는 것입니다
08:07
because we can team up the encoder with
227
472000
2000
부호기를 다른 변환기와
08:09
the different transducer.
228
474000
2000
함께 짜 맞출 수 있기 때문인데요
08:11
This is just actually the first one that we tried.
229
476000
2000
이건 우리가 시도했던 첫번째 것입니다
08:13
I just wanted to say something about the standard method.
230
478000
2000
표준화된 방법에 관해서 말씀드리고자 합니다
08:15
When this first came out, it was just a really
231
480000
2000
이것이 처음 나왔을 때, 정말이지
08:17
exciting thing, the idea that you
232
482000
2000
흥분되는 것이었습니다. 맹인용
08:19
even make a blind retina respond at all.
233
484000
3000
망막을 만든다는 아이디어라니
08:22
But there was this limiting factor,
234
487000
3000
하지만 여기에는 제한적인 요소가 있습니다
08:25
the issue of the code, and how to make
235
490000
2000
코드에 대한 문제인데요, 어떻게 하면
08:27
the cells respond better,
236
492000
2000
세포들이 더 잘 반응할 수 있도록 할 것인가,
08:29
produce normal responses,
237
494000
2000
보통의 반응들을 생산해 낼 것인가이죠
08:31
and so this was our contribution.
238
496000
2000
이것이 우리가 했던 업적이었습니다
08:33
Now I just want to wrap up,
239
498000
2000
정리를 하도록 하겠습니다
08:35
and as I was mentioning earlier
240
500000
2000
제가 지금까지 언급했던 것은
08:37
of course I have a lot of other data
241
502000
2000
물론 다른 많은 데이터들을 가지고 있지만
08:39
if you're interested, but I just wanted to give
242
504000
2000
만약 관심이 있으시다면요. 하지만 여러분에게
08:41
this sort of basic idea
243
506000
2000
이렇게 두뇌와 의사소통할 수 있는
08:43
of being able to communicate
244
508000
3000
기본적인 아이디어들을 드리고 싶습니다
08:46
with the brain in its language, and
245
511000
2000
그리고 그런 것들을 할 수 있는
08:48
the potential power of being able to do that.
246
513000
3000
잠재적인 능력도 말이지요.
08:51
So it's different from the motor prosthetics
247
516000
2000
두뇌로부터 기기로의 통신을 하는 것은
08:53
where you're communicating from the brain
248
518000
2000
모터가 달린 보조기기와는 다른 것입니다
08:55
to a device. Here we have to communicate
249
520000
2000
우리는 외부 세계로부터
08:57
from the outside world
250
522000
2000
두뇌로의, 그리고 두뇌가 이해할 수 있게
08:59
into the brain and be understood,
251
524000
2000
의사소통을 할 수 있도록
09:01
and be understood by the brain.
252
526000
2000
해야 합니다
09:03
And then the last thing I wanted
253
528000
2000
그리고 나서 마지막으로 말하고자 하는 것은
09:05
to say, really, is to emphasize
254
530000
2000
이런 아이디어들을 일반화할 수 있도록
09:07
that the idea generalizes.
255
532000
2000
하자는 것입니다.
09:09
So the same strategy that we used
256
534000
2000
그래서 우리가 망막을 위한 코드를 발견하기 위해
09:11
to find the code for the retina we can also
257
536000
2000
사용했던 같은 전략을
09:13
use to find the code for other areas,
258
538000
2000
다른 영역들을 위한 코드를 발견하는데에서도
09:15
for example, the auditory system and
259
540000
2000
사용해야 합니다. 그러니까 청각 시스템과
09:17
the motor system, so for treating deafness
260
542000
2000
운동 시스템에서도 말입니다. 난청을 치료하는 데에도
09:19
and for motor disorders.
261
544000
2000
운동 장애를 위해서도 말입니다
09:21
So just the same way that we were able to
262
546000
2000
망막 손상을 넘기 위해
09:23
jump over the damaged
263
548000
2000
망막의 출력 세포에 도달하기 위해
09:25
circuitry in the retina to get to the retina's
264
550000
2000
우리가 할 수 있었던 마찬가지의 방법으로
09:27
output cells, we can jump over the
265
552000
2000
달팽이관에 손상을 입어
09:29
damaged circuitry in the cochlea
266
554000
2000
청각 신경에 도달하기 위한
09:31
to get the auditory nerve,
267
556000
2000
극복 방법을 찾아야 합니다
09:33
or jump over damaged areas in the cortex,
268
558000
2000
손상된 영역을 뛰어넘을 수 있어야 합니다
09:35
in the motor cortex, to bridge the gap
269
560000
3000
대뇌 피질에서, 운동 피질에서의 것을
09:38
produced by a stroke.
270
563000
2000
그래서 뇌졸증에 의해서 야기된 틈을 연결해야 합니다
09:40
I just want to end with a simple
271
565000
2000
이제 간단히 제 이야기를 마치고자 합니다
09:42
message that understanding the code
272
567000
2000
코드를 이해하는 것이
09:44
is really, really important, and if we
273
569000
2000
정말 정말 중요합니다. 만약
09:46
can understand the code,
274
571000
2000
우리가 코드를 이해할 수 있다면
09:48
the language of the brain, things become
275
573000
2000
두뇌의 언어를 이해할 수 있다면
09:50
possible that didn't seem obviously
276
575000
2000
우리가 전에는 분명히 볼 수 없었던 것들이
09:52
possible before. Thank you.
277
577000
2000
가능해지게 됩니다. 감사합니다
09:54
(Applause)
278
579000
5000
(박수)
ABOUT THE SPEAKER
Sheila Nirenberg - NeuroscientistSheila Nirenberg studies how the brain encodes information -- possibly allowing us to decode it, and maybe develop prosthetic sensory devices.
Why you should listen
Sheila Nirenberg is a neuroscientist/professor at Weill Medical College of Cornell University, where she studies neural coding – that is, how the brain takes information from the outside world and encodes it in patterns of electrical activity. The idea is to be able to decode the activity, to look at a pattern of electrical pulses and know what an animal is seeing or thinking or feeling. Recently, she’s been using this work to develop new kinds of prosthetic devices, particularly ones for treating blindness.
Sheila Nirenberg | Speaker | TED.com