TEDIndia 2009
Pawan Sinha: How brains learn to see
Pawan Sinha apie tai, kaip smegenys mokosi matyti
Filmed:
Readability: 4.5
939,209 views
Pawan Sinha pasakoja apie novatorišką tyrimą, nagrinėjantį smegenų vaizdinės sistemos vystymąsi. Sinha ir jo komanda teikia nemokamą regėjimo atstatymo procedūrą akliems vaikams, ir nagrinėja, kaip smegenys mokosi interpretuoti vaizdinę informaciją. Šis darbas išplečia mūsų supratimą apie neurologiją, inžineriją ir net autizmą.
Pawan Sinha - Visual neuroscientist
Pawan Sinha researches how our brains interpret what our eyes see -- and uses that research to give blind children the gift of sight. Full bio
Pawan Sinha researches how our brains interpret what our eyes see -- and uses that research to give blind children the gift of sight. Full bio
Double-click the English transcript below to play the video.
00:15
If you are a blind child in India,
0
0
4000
Jei jūs esate aklas vaikas Indijoje,
00:19
you will very likely have to contend with
1
4000
3000
labai tikėtina, kad jūs turėsite įveikti
00:22
at least two big pieces of bad news.
2
7000
3000
bent dvi tikrai blogas žinias.
00:25
The first bad news
3
10000
2000
Pirmoji bloga žinia
00:27
is that the chances of getting treatment
4
12000
3000
yra ta, kad tikimybė gauti gydymą
00:30
are extremely slim to none,
5
15000
3000
yra neįtikėtinai menka,
00:33
and that's because most of the blindness
6
18000
2000
taip yra dėl to, kad dauguma aklumo
00:35
alleviation programs in the country
7
20000
2000
palengvinimo programų šalyje
00:37
are focused on adults,
8
22000
2000
yra skirtos suaugusiems
00:39
and there are very, very few hospitals
9
24000
3000
ir tėra vos kelios ligoninės,
00:42
that are actually equipped to treat children.
10
27000
3000
kurios iš tiesų pritaikytos vaikų gydymui.
00:46
In fact, if you were to be treated,
11
31000
4000
Tiesą sakant, jei jūs ir būtumėte gydomas,
00:51
you might well end up being treated
12
36000
3000
jus greičiausiai gydytų
00:54
by a person who has no medical credentials
13
39000
3000
žmogus, neturintis jokios medicininės kvalifikacijos,
00:57
as this case from Rajasthan illustrates.
14
42000
3000
ką ir vaizduoja ši nuotrauka iš Radžastano.
01:00
This is a three-year-old orphan girl
15
45000
2000
Tai trejų metukų našlaitė,
01:02
who had cataracts.
16
47000
2000
kuriai buvo diagnozuota katarakta.
01:04
So, her caretakers took her
17
49000
2000
Tad jos globėjai nuvedė ją
01:06
to the village medicine man,
18
51000
2000
pas kaimo gydytoją,
01:08
and instead of suggesting to the caretakers
19
53000
3000
kuris vietoje to, kad pasiūlytų globėjams
01:11
that the girl be taken to a hospital,
20
56000
3000
nuvežti mergaitę į ligoninę,
01:14
the person decided to burn her abdomen
21
59000
2000
nusprendė nudeginti jos pilvą
01:16
with red-hot iron bars
22
61000
2000
su iki raudonumo įkaitintais geležiniais strypais
01:18
to drive out the demons.
23
63000
2000
kad būtų išvaryti demonai.
01:20
The second piece of bad news
24
65000
3000
Antra bloga žinia,
01:23
will be delivered to you
25
68000
2000
kurią jums praneš
01:25
by neuroscientists, who will tell you
26
70000
3000
neurologai yra ta,
01:28
that if you are older than four or five years of age,
27
73000
3000
kad jei jūs esate vyresnis nei ketverių ar penkerių metų amžiaus,
01:31
that even if you have your eye corrected,
28
76000
3000
net jei jūsų akys ir bus sutvarkytos,
01:34
the chances of your brain learning how to see
29
79000
3000
galimybė, kad jūsų smegenys išmoks matyti
01:37
are very, very slim --
30
82000
2000
yra labai labai maža.
01:39
again, slim or none.
31
84000
3000
Vėlgi, tai beveik neįmanoma.
01:42
So when I heard these two things,
32
87000
2000
Tad kai aš tai išgirdau
01:44
it troubled me deeply,
33
89000
2000
aš stipriai susirūpinau
01:46
both because of personal reasons
34
91000
2000
ir dėl asmeninių
01:48
and scientific reasons.
35
93000
2000
ir dėl mokslinių priežasčių.
01:50
So let me first start with the personal reason.
36
95000
3000
Leiskite pradėti nuo asmeninių priežasčių.
01:53
It'll sound corny, but it's sincere.
37
98000
3000
Nuskambės banaliai, bet tai tikrai nuoširdu.
01:56
That's my son, Darius.
38
101000
2000
Tai mano sūnus Darius.
01:58
As a new father,
39
103000
2000
Būdamas jaunas tėtis
02:00
I have a qualitatively different sense
40
105000
4000
aš žymiai kitaip suvokiu,
02:04
of just how delicate babies are,
41
109000
3000
kokie gležni yra kūdikiai,
02:07
what our obligations are towards them
42
112000
3000
kokie mūsų įsipareigojimai jiems
02:10
and how much love
43
115000
2000
ir kiek meilės
02:12
we can feel towards a child.
44
117000
3000
mes galime jausti vaikui.
02:15
I would move heaven and earth
45
120000
2000
Aš sumaišyčiau dangų su žeme
02:17
in order to get treatment for Darius,
46
122000
3000
tam, kad išgydyčiau Darių.
02:20
and for me to be told
47
125000
2000
Ir kai man sakoma,
02:22
that there might be other Dariuses
48
127000
2000
kad yra kitų Darių,
02:24
who are not getting treatment,
49
129000
2000
kuriems nesuteikiamas gydymas,
02:26
that's just viscerally wrong.
50
131000
3000
tai tiesiog neteisinga.
02:29
So that's the personal reason.
51
134000
2000
Tokia ta asmeninė priežastis.
02:31
Scientific reason is that this notion
52
136000
3000
Mokslinė priežastis yra ta
02:34
from neuroscience of critical periods --
53
139000
2000
svarbi neurologijos laikotarpio sąvoka,
02:36
that if the brain is older
54
141000
3000
teigianti, jei smegenys vyresnės
02:39
than four or five years of age,
55
144000
2000
nei ketverių ar penkerių metų amžiaus,
02:41
it loses its ability to learn --
56
146000
2000
jos praranda galimybę mokytis.
02:43
that doesn't sit well with me,
57
148000
2000
Su tuo aš nesutinku,
02:45
because I don't think that idea
58
150000
2000
nes nemanau, kad ši nuovoka
02:47
has been tested adequately.
59
152000
3000
buvo pakankamai ištirta.
02:50
The birth of the idea is from
60
155000
2000
Ši idėja kilo iš
02:52
David Hubel and Torsten Wiesel's work,
61
157000
2000
David Hubel ir Torsten Wiesel tyrimo,
02:54
two researchers who were at Harvard,
62
159000
2000
dviejų Harvardo mokslininkų,
02:56
and they got the Nobel Prize in 1981
63
161000
3000
kuriems 1981 metais buvo skirta Nobelio premija
02:59
for their studies of visual physiology,
64
164000
2000
už vaizdinės fiziologijos nagrinėjimą,
03:01
which are remarkably beautiful studies,
65
166000
2000
neįtikėtinai puikų mokslinį darbą,
03:03
but I believe some of their work
66
168000
2000
bet mano nuomone dalis šio tyrimo
03:05
has been extrapolated
67
170000
2000
buvo per anksti
03:07
into the human domain prematurely.
68
172000
2000
priskirta žmogaus sričiai.
03:09
So, they did their work with kittens,
69
174000
2000
Jie atliko tyrimus su kačiukais,
03:11
with different kinds of deprivation regiments,
70
176000
2000
naudodami skirtingo neįgalumo lygius,
03:13
and those studies,
71
178000
2000
ir tie tyrimai,
03:15
which date back to the '60s,
72
180000
2000
atlikti septintajame dešimtmetyje,
03:17
are now being applied to human children.
73
182000
3000
dabar taikomi žmonių vaikams.
03:20
So I felt that I needed to do two things.
74
185000
3000
Tad aš jaučiau, kad man reiktų padaryti du dalykus.
03:23
One: provide care
75
188000
3000
Pirma: pasirūpinti
03:26
to children who are currently
76
191000
2000
vaikais, kuriems šiuo metu
03:28
being deprived of treatment.
77
193000
2000
trūksta gydymo.
03:30
That's the humanitarian mission.
78
195000
2000
Tai humanitarinė misija.
03:32
And the scientific mission would be
79
197000
2000
O mokslinė misija būtų
03:34
to test the limits
80
199000
2000
išbandyti vizualinio
03:36
of visual plasticity.
81
201000
2000
plastiškumo ribas.
03:38
And these two missions, as you can tell,
82
203000
3000
Kaip matote, šios dvi misijos
03:41
thread together perfectly. One adds to the other;
83
206000
3000
idealiai susiję, viena prisideda prie kitos.
03:44
in fact, one would be impossible without the other.
84
209000
3000
Iš tiesų viena be kitos būtų neįmanoma.
03:49
So, to implement
85
214000
2000
Tam, kad įvykdyčiau
03:51
these twin missions,
86
216000
2000
šias dvi misijas
03:53
a few years ago, I launched Project Prakash.
87
218000
3000
prieš kelerius metus aš sukūriau Prakash projektą.
03:56
Prakash, as many of you know,
88
221000
2000
Prakash, kaip daugelis jūsų žinote,
03:58
is the Sanskrit word for light,
89
223000
2000
Sanskrito kalba reiškia šviesą
04:00
and the idea is that
90
225000
2000
ir tai išreiškia idėją, kad
04:02
in bringing light into the lives of children,
91
227000
3000
atnešdami šviesą į vaikų gyvenimus,
04:05
we also have a chance
92
230000
2000
mes taip pat turime progą
04:07
of shedding light on some of the
93
232000
2000
atskleisti kai kurias
04:09
deepest mysteries of neuroscience.
94
234000
3000
giliausias neurologijos paslaptis.
04:12
And the logo -- even though it looks extremely Irish,
95
237000
3000
Logotipas, nors ir atrodo itin airiškas,
04:15
it's actually derived from
96
240000
2000
iš tikrųjų simbolizuoja
04:17
the Indian symbol of Diya, an earthen lamp.
97
242000
4000
indišką molinę lempą - diją.
04:21
The Prakash, the overall effort
98
246000
3000
Visas Prakash projektas
04:24
has three components:
99
249000
2000
sudarytas iš trijų dalių,
04:26
outreach, to identify children in need of care;
100
251000
4000
paramos centro, nustatyti vaikams, kuriems reikalinga slauga,
04:30
medical treatment; and in subsequent study.
101
255000
3000
medicininio gydymo, ir tolimesnių tyrimų.
04:33
And I want to show you a short video clip
102
258000
3000
Aš noriu jums parodyti trumpą vaizdo klipą,
04:36
that illustrates the first two components of this work.
103
261000
3000
vaizduojantį pirmuosius du šio darbo komponentus.
04:41
This is an outreach station
104
266000
2000
Tai paramos centras,
04:43
conducted at a school for the blind.
105
268000
3000
veikiantis mokykloje, skirtoje akliesiems.
04:46
(Text: Most of the children are profoundly and permanently blind ...)
106
271000
5000
(Tekstas: Dauguma vaikų yra visiškai ir nepagydomai akli...)
04:51
Pawan Sinha: So, because this is a school for the blind,
107
276000
5000
Pawan Sinha: kadangi tai yra aklųjų mokykla,
04:56
many children have permanent conditions.
108
281000
2000
daug vaikų yra nepagydomi.
04:58
That's a case of microphthalmos,
109
283000
3000
Tai mikroftalmijos atvejis,
05:01
which is malformed eyes,
110
286000
2000
kai akys ne pilnai susiformavusios,
05:03
and that's a permanent condition;
111
288000
2000
ir tai ilgalaikis atvejis.
05:05
it cannot be treated.
112
290000
2000
To negalima išgydyti.
05:07
That's an extreme of micropthalmos
113
292000
2000
To, ir ekstremalios mikroftalmijos,
05:09
called enophthalmos.
114
294000
2000
vadinamosios anoftalmijos.
05:11
But, every so often, we come across children
115
296000
2000
Bet kai kada mes aptinkame vaikų
05:13
who show some residual vision,
116
298000
3000
su šiokiu tokiu likutiniu regėjimu
05:16
and that is a very good sign
117
301000
3000
ir tai labai geras ženklas, rodantis,
05:19
that the condition might actually be treatable.
118
304000
2000
kad jų liga iš tikrųjų gali būti išgydoma.
05:21
So, after that screening, we bring the children to the hospital.
119
306000
3000
Po patikrinimo mes atsivežame vaikus į ligoninę.
05:24
That's the hospital we're working with in Delhi,
120
309000
2000
Tai ligoninė Delyje, su kuria mes bendradarbiaujame,
05:26
the Schroff Charity Eye Hospital.
121
311000
3000
Šrofo Pagalbos Akies ligoninė.
05:29
It has a very well-equipped
122
314000
2000
Joje yra puikiai įrengtas
05:31
pediatric ophthalmic center,
123
316000
3000
pediatrinis oftalmologijos centras,
05:35
which was made possible in part
124
320000
2000
kuris įkurtas iš dalies
05:37
by a gift from the Ronald McDonald charity.
125
322000
4000
Ronaldo Makdonaldo labdaros fondo dėka.
05:41
So, eating burgers actually helps.
126
326000
3000
Tad valgyti mėsainius iš tikrųjų naudinga.
05:45
(Text: Such examinations allow us to improve
127
330000
2000
(Tekstas: Tokios apžiūros leidžia mums pagerinti
05:47
eye-health in many children, and ...
128
332000
2000
daugelio vaikų regėjimą ir....
05:54
... help us find children who can participate in Project Prakash.)
129
339000
3000
... padeda mums rasti vaikų, galinčių dalyvauti Prakash projekte.)
05:57
PS: So, as I zoom in to the eyes of this child,
130
342000
2000
PS: Štai aš priartinu šio vaiko akis
05:59
you will see the cause of his blindness.
131
344000
3000
ir jūs galite pamatyti aklumo priežastį.
06:03
The whites that you see in the middle of his pupils
132
348000
3000
Baltmės, kurias matote jo akių vyzdžiuose,
06:06
are congenital cataracts,
133
351000
3000
yra įgimta katarakta,
06:09
so opacities of the lens.
134
354000
2000
lęšiuko drumstumas.
06:11
In our eyes, the lens is clear,
135
356000
3000
Mūsų akyse lęšiukas švarus,
06:14
but in this child, the lens has become opaque,
136
359000
2000
o šio vaiko lęšiukas tapo matinis,
06:16
and therefore he can't see the world.
137
361000
3000
todėl jis negali matyti pasaulio.
06:19
So, the child is given treatment. You'll see shots of the eye.
138
364000
3000
Tad vaikas yra gydomas. Jūs pamatysite akies nuotraukas.
06:22
Here's the eye with the opaque lens,
139
367000
2000
Štai akis su nepermatomu lęšiuku,
06:24
the opaque lens extracted
140
369000
2000
kuris buvo pašalintas,
06:26
and an acrylic lens inserted.
141
371000
3000
o jo vietoje įstatytas akrilinis lęšiukas.
06:29
And here's the same child
142
374000
2000
Štai tas pats vaikas
06:31
three weeks post-operation,
143
376000
3000
trys savaitės po operacijos
06:34
with the right eye open.
144
379000
3000
su atmerkta dešine akimi.
06:40
(Applause)
145
385000
6000
(Plojimai)
06:46
Thank you.
146
391000
2000
Ačiū.
06:48
So, even from that little clip, you can begin to get the sense
147
393000
3000
Net ir iš tokio trumpo klipo jūs galite suprasti,
06:51
that recovery is possible,
148
396000
2000
kad pasveikimas įmanomas
06:53
and we have now
149
398000
2000
ir šiuo metu mes
06:55
provided treatment to over 200 children,
150
400000
3000
gydome per 200 vaikų
06:58
and the story repeats itself.
151
403000
2000
ir istorijos kartojasi.
07:00
After treatment, the child
152
405000
2000
Po gydymo vaikas
07:02
gains significant functionality.
153
407000
3000
susigrąžina nemažai gebėjimų.
07:05
In fact, the story holds true
154
410000
3000
Iš tikrųjų tai galioja
07:08
even if you have a person who got sight
155
413000
2000
net ir atvejais, kai žmogus atgauna regėjimą
07:10
after several years of deprivation.
156
415000
2000
po kelerių negalios metų.
07:12
We did a paper a few years ago
157
417000
2000
Prieš kelerius metus mes parašėme straipsnį
07:14
about this woman that you see on the right, SRD,
158
419000
4000
apie šią moterį, kurią matote dešinėje, jai buvo diagnozuota SRD
07:18
and she got her sight late in life,
159
423000
2000
ir ji atgavo regėjimą vėlyvame amžiuje
07:20
and her vision is remarkable at this age.
160
425000
4000
ir jos regėjimas palyginus buvo tikrai puikus.
07:24
I should add a tragic postscript to this --
161
429000
3000
Turėčiau pridėti liūdną pastebėjimą.
07:27
she died two years ago
162
432000
2000
Prieš dvejus metus ji žuvo
07:29
in a bus accident.
163
434000
2000
autobuso avarijoje.
07:31
So, hers is just a truly inspiring story --
164
436000
4000
Tad jos istorija yra tikrai įkvepianti,
07:35
unknown, but inspiring story.
165
440000
3000
mažai žinoma, bet įkvepianti.
07:38
So when we started finding these results,
166
443000
2000
Kai mes pradėjome gauti šiuos rezultatus,
07:40
as you might imagine, it created quite a bit of stir
167
445000
3000
kaip ir galite įsivaizduoti, tai sukėlė nemažą sąmyšį
07:43
in the scientific and the popular press.
168
448000
3000
mokslinėje ir populiariojoje spaudoje.
07:46
Here's an article in Nature
169
451000
2000
Štai straipsnis Nature žurnale,
07:48
that profiled this work,
170
453000
2000
aprašantis šį tyrimą,
07:50
and another one in Time.
171
455000
2000
štai kitas žurnale Time.
07:52
So, we were fairly convinced -- we are convinced --
172
457000
2000
Tad mes buvome gana įsitikinę, mes esame įsitikinę,
07:54
that recovery is feasible,
173
459000
2000
kad išgijimas įmanomas,
07:56
despite extended visual deprivation.
174
461000
3000
nepaisant ilgalaikio regėjimo praradimo.
07:59
The next obvious question to ask:
175
464000
2000
Tad sekantis logiškas klausimas yra:
08:01
What is the process of recovery?
176
466000
3000
koks tas išgijimo procesas?
08:04
So, the way we study that is,
177
469000
3000
Tam, kad suprastumėte mūsų metodus,
08:07
let's say we find a child who has light sensitivity.
178
472000
2000
tarkime mes randame vaiką, matantį šviesą.
08:09
The child is provided treatment,
179
474000
2000
Vaikui suteikiamas gydymas,
08:11
and I want to stress that the treatment
180
476000
2000
ir aš noriu pabrėžti, kad šis gydymas
08:13
is completely unconditional;
181
478000
2000
yra visiškai besąlyginis.
08:15
there is no quid pro quo.
182
480000
2000
Nėra jokios paslaugos už paslaugą.
08:17
We treat many more children then we actually work with.
183
482000
3000
Mes gydome daug daugiau vaikų negu dalyvauja tyrimuose.
08:20
Every child who needs treatment is treated.
184
485000
3000
Gydomas kiekvienas vaikas, kuriam to reikia.
08:23
After treatment, about every week,
185
488000
2000
Pasibaigus gydymo kursui kiekvieną savaitę
08:25
we run the child
186
490000
2000
vaikui atliekame
08:27
on a battery of simple visual tests
187
492000
3000
rinkinį įvairių vaizdinių testų tam,
08:30
in order to see how their visual skills
188
495000
2000
kad pamatytume, kaip vystosi
08:32
are coming on line.
189
497000
2000
jų vizualiniai įgūdžiai.
08:34
And we try to do this for as long as possible.
190
499000
3000
Mes tai darome kiek įmanoma ilgiau.
08:37
This arc of development
191
502000
2000
Ši vystymosi kreivė
08:39
gives us unprecedented
192
504000
2000
suteikia mums unikalios
08:41
and extremely valuable information
193
506000
2000
ir itin vertingos informacijos,
08:43
about how the scaffolding of vision
194
508000
2000
apie tai, kaip vyksta regėjimo
08:45
gets set up.
195
510000
2000
atkūrimas.
08:47
What might be the causal connections
196
512000
2000
Kokie yra priežastiniai ryšiai
08:49
between the early developing skills
197
514000
2000
tarp ankstyvųjų ir
08:51
and the later developing ones?
198
516000
2000
vėlyvųjų įgūdžių?
08:53
And we've used this general approach to study
199
518000
2000
Mes naudojame šį požiūrį tyrinėdami
08:55
many different visual proficiencies,
200
520000
3000
daugybę skirtingų regėjimo sutrikimų,
08:58
but I want to highlight one particular one,
201
523000
4000
bet norėčiau vieną išskirti,
09:02
and that is image parsing into objects.
202
527000
3000
tai yra vaizdo skaidymas į objektus.
09:05
So, any image of the kind that you see on the left,
203
530000
2000
Taigi, bet koks vaizdinys, kokį matote kairėje,
09:07
be it a real image or a synthetic image,
204
532000
3000
ar tai būtų tikras ar dirbtinis vaizdas,
09:10
it's made up of little regions
205
535000
2000
yra sudarytas iš mažų sričių,
09:12
that you see in the middle column,
206
537000
2000
kurias matote viduriniame stulpelyje,
09:14
regions of different colors, different luminances.
207
539000
3000
skirtingų spalvų, skirtingo apšviestumo sričių.
09:17
The brain has this complex task
208
542000
3000
Smegenys turi užduotį
09:20
of putting together, integrating,
209
545000
3000
sujungti, integruoti
09:23
subsets of these regions
210
548000
2000
atskirus šių sričių pogrupius
09:25
into something that's more meaningful,
211
550000
2000
į kažką labiau reikšmingo,
09:27
into what we would consider to be objects,
212
552000
2000
į tai, ką mes suprantame kaip objektus,
09:29
as you see on the right.
213
554000
2000
kaip jūs ir matote dešinėje.
09:31
And nobody knows how this integration happens,
214
556000
2000
Ir niekas nežino, kaip šis integravimas vyksta.
09:33
and that's the question we asked with Project Prakash.
215
558000
4000
Tad šį klausimą mes ir užduodame Prakash projekto pagalba.
09:37
So, here's what happens
216
562000
2000
Tad štai kas vyksta
09:39
very soon after the onset of sight.
217
564000
3000
vos pažvelgus į kažką.
09:42
Here's a person who had gained sight just a couple of weeks ago,
218
567000
3000
Štai žmogus, kuris atgavo regėjimą vos prieš kelias savaites,
09:45
and you see Ethan Myers, a graduate student from MIT,
219
570000
3000
ir štai Ethan Myers, MIT absolventas,
09:48
running the experiment with him.
220
573000
3000
kuris atlieka bandymus su juo.
09:51
His visual-motor coordination is quite poor,
221
576000
4000
Jo vizualinė-motorinė koordinacija gana silpna,
09:55
but you get a general sense
222
580000
2000
bet galima susidaryti įspūdį,
09:57
of what are the regions that he's trying to trace out.
223
582000
3000
kokias sritis jis bando užfiksuoti.
10:00
If you show him real world images,
224
585000
2000
Jei jam parodysite aplinkos vaizdus,
10:02
if you show others like him real world images,
225
587000
3000
jei kitiems, tokiems kaip jis, parodysite aplinkos vaizdus,
10:05
they are unable to recognize most of the objects
226
590000
2000
jie nesugebės atpažinti daugumos objektų,
10:07
because the world to them is over-fragmented;
227
592000
3000
nes pasaulis jiems per daug fragmentuotas,
10:10
it's made up of a collage, a patchwork,
228
595000
3000
jis sudarytas iš skirtingų spalvų ir šviesumų
10:13
of regions of different colors and luminances.
229
598000
2000
sričių kratinio, koliažo.
10:15
And that's what's indicated in the green outlines.
230
600000
2000
Tai ir parodo žali kontūrai.
10:17
When you ask them,
231
602000
2000
Kai jų paprašai,
10:19
"Even if you can't name the objects, just point to where the objects are,"
232
604000
3000
net jei jie ir negali įvardinti objektų, tiesiog parodyti, kur objektai yra.
10:22
these are the regions that they point to.
233
607000
2000
Tai yra sritys, į kurias jie rodo.
10:24
So the world is this complex
234
609000
2000
Pasaulis yra šis kompleksiškas
10:26
patchwork of regions.
235
611000
2000
sričių kratinys.
10:28
Even the shadow on the ball
236
613000
2000
Net kamuolio šešėlis
10:30
becomes its own object.
237
615000
3000
tampa atskiru objektu.
10:33
Interestingly enough,
238
618000
2000
Įdomu, kad
10:35
you give them a few months,
239
620000
2000
po kelių mėnesių
10:37
and this is what happens.
240
622000
3000
nutinka štai kas.
10:43
Doctor: How many are these?
241
628000
2000
Gydytojas: Kiek matote objektų?
10:45
Patient: These are two things.
242
630000
2000
Pacientas: Tai du daiktai.
10:47
Doctor: What are their shapes?
243
632000
2000
Gydytojas: Kokios jų formos?
10:49
Patient: Their shapes ...
244
634000
2000
Pacientas: Jų formos...
10:51
This one is a circle,
245
636000
3000
Čia apskritimas,
10:54
and this
246
639000
2000
o čia
10:56
is a square.
247
641000
2000
yra kvadratas.
10:58
PS: A very dramatic transformation has come about.
248
643000
3000
PS: Įvyko tikrai didelis pasiketimas.
11:01
And the question is:
249
646000
2000
Ir klausimas yra:
11:03
What underlies this transformation?
250
648000
2000
kas sukėlė šiuos pokyčius?
11:05
It's a profound question,
251
650000
2000
Tai gilus klausimas
11:07
and what's even more amazing is how simple
252
652000
2000
ir stebina tai, koks paprastas
11:09
the answer is.
253
654000
2000
yra atsakymas.
11:11
The answer lies in motion
254
656000
2000
Atsakymas glūdi judesyje
11:13
and that's what I want to show you in the next clip.
255
658000
3000
ir tai aš jums noriu parodyti kitame klipe.
11:18
Doctor: What shape do you see here?
256
663000
2000
Gydytojas: Kokią formą čia matote?
11:20
Patient: I can't make it out.
257
665000
3000
Pacientas: Aš negaliu atskirti.
11:28
Doctor: Now?
258
673000
2000
Gydytojas: O dabar?
11:31
Patient: Triangle.
259
676000
2000
Pacientas: Trikampį.
11:35
Doctor: How many things are these?
260
680000
3000
Gydytojas: Kiek matote daiktų?
11:48
Now, how many things are these?
261
693000
3000
O dabar kiek matote?
11:51
Patient: Two.
262
696000
2000
Pacientas: Du.
11:53
Doctor: What are these things?
263
698000
2000
Gydytojas: Kokios tai figūros?
11:56
Patient: A square and a circle.
264
701000
2000
Pacientas: Kvadratas ir apskritimas.
11:58
PS: And we see this pattern over and over again.
265
703000
3000
PS: Mes matome šį modelį nuolat pasikartojantį.
12:01
The one thing the visual system needs
266
706000
3000
Vienas dalykas, reikalingas regėjimo sistemai,
12:04
in order to begin parsing the world
267
709000
2000
analizuojant aplinką,
12:06
is dynamic information.
268
711000
2000
yra dinaminė informacija.
12:08
So the inference we are deriving from this,
269
713000
2000
Tad išvados, kurias galime padaryti iš šio
12:10
and several such experiments,
270
715000
2000
ir keleto panašių eksperimentų,
12:12
is that dynamic information processing,
271
717000
2000
sako, kad dinaminės informacijos apdorojimas
12:14
or motion processing,
272
719000
2000
arba judesio analizė
12:16
serves as the bedrock for building
273
721000
2000
tarnauja kaip pagrindas
12:18
the rest of the complexity of visual processing;
274
723000
4000
regėjimo atkūrimo procese.
12:22
it leads to visual integration
275
727000
2000
Tai veda link vaizdinės integracijos
12:24
and eventually to recognition.
276
729000
3000
ir pagaliau prie atpažinimo.
12:27
This simple idea has far reaching implications.
277
732000
3000
Ši paprasta idėja turi didžiulę reikšmę.
12:30
And let me just quickly mention two,
278
735000
3000
Leiskite man greit paminėti dvi pritaikymo galimybes.
12:33
one, drawing from the domain of engineering,
279
738000
2000
Viena iš inžinerijos srities,
12:35
and one from the clinic.
280
740000
2000
o kita iš medicinos.
12:37
So, from the perspective of engineering,
281
742000
2000
Taigi, žiūrėdami iš inžinerijos perspektyvos,
12:39
we can ask: Goven that we know
282
744000
3000
žinodami, kad judėjimas
12:42
that motion is so important for the human visual system,
283
747000
2000
yra toks svarbus žmogaus regėjimo sistemai,
12:44
can we use this as a recipe
284
749000
3000
ar mes galime tai panaudoti kaip būdą
12:47
for constructing machine-based vision systems
285
752000
3000
konstruojant mechanines matymo sistemas,
12:50
that can learn on their own, that don't need to be programmed
286
755000
3000
kurios mokytųsi pačios ir kurioms nereikėtų
12:53
by a human programmer?
287
758000
2000
žmogaus programavimo pagalbos.
12:55
And that's what we're trying to do.
288
760000
2000
Tai, ką mes ir bandome padaryti.
12:57
I'm at MIT, at MIT you need to apply
289
762000
3000
Aš dirbu MIT institute. Jame reikia pritaikyti
13:00
whatever basic knowledge you gain.
290
765000
2000
visas pagrindines žinias, kurias gauni.
13:02
So we are creating Dylan,
291
767000
2000
Mes kuriame Dilaną,
13:04
which is a computational system
292
769000
2000
skaičiavimo sistemą,
13:06
with an ambitious goal
293
771000
2000
turinčią ambicingą tikslą
13:08
of taking in visual inputs
294
773000
2000
priimti vizualinius duomenis,
13:10
of the same kind that a human child would receive,
295
775000
3000
tokius pačius, kokius gauna vaikas,
13:13
and autonomously discovering:
296
778000
2000
ir savarankiškai atpažinti
13:15
What are the objects in this visual input?
297
780000
3000
objektus, esančius tuose vaizdiniuose duomenyse.
13:18
So, don't worry about the internals of Dylan.
298
783000
3000
Bet nesijaudinkite dėl Dilano sandaros.
13:21
Here, I'm just going to talk about
299
786000
3000
Aš ketinu pakalbėti apie tai,
13:24
how we test Dylan.
300
789000
2000
kaip mes išbandome Dilaną.
13:26
The way we test Dylan is by giving it
301
791000
2000
Mes Dilaną išbandome įvesdami
13:28
inputs, as I said, of the same kind
302
793000
3000
duomenis, kaip minėjau, tokius, kokius
13:31
that a baby, or a child in Project Prakash would get.
303
796000
3000
gauna kūdikis ar vaikas Prakash projekte.
13:34
But for a long time we couldn't quite figure out:
304
799000
3000
Bet ilgą laiką mes negalėjome sugalvoti,
13:37
Wow can we get these kinds of video inputs?
305
802000
3000
kaip gauti tokio tipo duomenis.
13:41
So, I thought,
306
806000
2000
Tad aš pamaniau,
13:43
could we have Darius
307
808000
2000
kad Darius galėtų
13:45
serve as our babycam carrier,
308
810000
3000
tarnauti kaip kameros nešiotojas
13:48
and that way get the inputs that we feed into Dylan?
309
813000
3000
ir taip paimti duomenis, kuriuos mes įvestume į Dilaną.
13:51
So that's what we did.
310
816000
2000
Tad štai ką mes padarėme.
13:53
(Laughter)
311
818000
7000
(Juokas)
14:00
I had to have long conversations with my wife.
312
825000
3000
Man teko ilgai šnekėti su žmona.
14:03
(Laughter)
313
828000
5000
(Juokas)
14:08
In fact, Pam, if you're watching this,
314
833000
2000
Jei rimtai, Pem, jei tu šitai matai,
14:10
please forgive me.
315
835000
2000
prašau atleisk man.
14:13
So, we modified the optics of the camera
316
838000
4000
Mes pakoregavome kameros optiką
14:17
in order to mimic the baby's visual acuity.
317
842000
3000
siekdami imituoti kūdikio regos aštrumą.
14:20
As some of you might know,
318
845000
2000
Kaip kai kurie iš jūsų žinote,
14:22
babyies are born pretty much legally blind.
319
847000
4000
kūdikiai gimsta beveik akli.
14:26
Their acuity -- our acuity is 20/20;
320
851000
3000
Jų regėjimo aštrumas -- mūsų aštrumas yra 20/20 --
14:29
babies' acuity is like 20/800,
321
854000
3000
kūdikių regos aštrumas yra kažkur 20/800,
14:32
so they are looking at the world
322
857000
2000
tad jie mato pasaulį
14:34
in a very, very blurry fashion.
323
859000
3000
labai labai neryškiai.
14:37
Here's what a baby-cam video looks like.
324
862000
3000
Štai kaip atrodo kūdikio kameros įrašas.
14:41
(Laughter)
325
866000
9000
(Juokas)
14:50
(Applause)
326
875000
3000
(Plojimai)
14:53
Thankfully, there isn't any audio
327
878000
2000
Laimė, kad nėra garso
14:55
to go with this.
328
880000
3000
šiame įraše.
14:58
What's amazing is that working with such
329
883000
2000
Kas nuostabu, jog nepaisant tokių
15:00
highly degraded input,
330
885000
2000
labai neaiškių vaizdinių,
15:02
the baby, very quickly, is able
331
887000
2000
kūdikis labai greit sugeba
15:04
to discover meaning in such input.
332
889000
3000
suvokti tokių vaizdinių reikšmę.
15:07
But then two or three days afterward,
333
892000
2000
Po dviejų ar trijų dienų
15:09
babies begin to pay attention
334
894000
2000
kūdikiai pradeda kreipti dėmesį
15:11
to their mother's or their father's face.
335
896000
2000
į motinos ar tėvo veidą.
15:13
How does that happen? We want Dylan to be able to do that,
336
898000
3000
Kaip tai nutinka? Mes norime, kad tai sugebėtų ir Dilanas.
15:16
and using this mantra of motion,
337
901000
3000
Naudodamas judesio mantrą
15:19
Dylan actually can do that.
338
904000
2000
Dilanas tikrai tai gali,
15:21
So, given that kind of video input,
339
906000
3000
net ir gaudamas tokius duomenis,
15:24
with just about six or seven minutes worth of video,
340
909000
3000
su šešių ar septynių minučių trukmės vaizdo medžiaga
15:27
Dylan can begin to extract patterns
341
912000
3000
Dilanas gali pradėti atskirti formas,
15:30
that include faces.
342
915000
3000
tarp jų ir veidus.
15:33
So, it's an important demonstration
343
918000
2000
Tai svarbus judesio
15:35
of the power of motion.
344
920000
2000
įtakos įrodymas.
15:37
The clinical implication, it comes from the domain of autism.
345
922000
3000
Klinikinė reikšmė susijusi su autizmu.
15:40
Visual integration has been associated with autism
346
925000
2000
Vaizdinė integracija kai kurių mokslininkų
15:42
by several researchers.
347
927000
2000
siejama su autizmu.
15:44
When we saw that, we asked:
348
929000
2000
Pamatę tai paklausėme:
15:46
Could the impairment in visual integration
349
931000
3000
Ar gali vaizdinės integracijos negalia,
15:49
be the manifestation of something underneath,
350
934000
3000
pasireiškianti kažkur
15:52
of dynamic information processing deficiencies in autism?
351
937000
3000
dinaminėje informacijoje, sukelti autizmą.
15:55
Because, if that hypothesis were to be true,
352
940000
3000
Nes jei ši hipotezė teisinga,
15:58
it would have massive repercussions in our understanding
353
943000
3000
tai turėtų didžiulį atgarsį mūsų suvokime,
16:01
of what's causing the many different aspects
354
946000
2000
kas sukelia tiek skirtingų
16:03
of the autism phenotype.
355
948000
3000
autizmo fenotipo išraiškų.
16:06
What you're going to see are
356
951000
2000
Tai, ką pamatysite, yra
16:08
video clips of two children -- one neurotypical,
357
953000
3000
video klipai kaip du vaikai, vienas sveikas,
16:11
one with autism, playing Pong.
358
956000
2000
kitas sergantis autizmu, žaidžia Pongą.
16:13
So, while the child is playing Pong, we are tracking where they're looking.
359
958000
3000
Vaikams žaidžiant Pongą mes sekame jų žvilgsnius.
16:16
In red are the eye movement traces.
360
961000
3000
Raudonai pažymėtas akių judėjimo kelias.
16:19
This is the neurotypical child, and what you see
361
964000
3000
Tai sveikas vaikas ir, kaip matote,
16:22
is that the child is able to make cues
362
967000
2000
jis sugeba interpretuoti
16:24
of the dynamic information
363
969000
2000
dinaminę informaciją
16:26
to predict where the ball is going to go.
364
971000
2000
nuspėdamas, kur lėks kamuoliukas.
16:28
Even before the ball gets to a place,
365
973000
3000
Dar prieš jam ten patenkant
16:31
the child is already looking there.
366
976000
3000
vaikas jau žiūri ten.
16:34
Contrast this with a child
367
979000
2000
Palyginkite tai su autizmu sergančiu
16:36
with autism playing the same game.
368
981000
2000
vaiku, žaidžiančiu tą patį žaidimą.
16:38
Instead of anticipating,
369
983000
2000
Vietoje to, kad numatytų į priekį,
16:40
the child always follows where the ball has been.
370
985000
3000
vaikas visada žiūri ten, kur kamuoliukas jau buvo.
16:43
The efficiency of the use
371
988000
2000
Dinaminės informacijos
16:45
of dynamic information
372
990000
2000
naudojimas autizmo
16:47
seems to be significantly compromised in autism.
373
992000
3000
atveju atrodo ženkliai sutrikęs.
16:51
So we are pursuing this line of work
374
996000
3000
Tad mes tęsiame šiuos tyrimus
16:54
and hopefully we'll have
375
999000
2000
ir tikimės, kad greitai
16:56
more results to report soon.
376
1001000
2000
turėsime pranešti daugiau informacijos.
16:58
Looking ahead, if you think of this disk
377
1003000
3000
Žvelgiant į priekį, jei jūs įsivaizduotumėte šį diską
17:01
as representing all of the children
378
1006000
2000
vaizduojantį visus vaikus,
17:03
we've treated so far,
379
1008000
2000
kuriuos mes iki šiol gydėme,
17:05
this is the magnitude of the problem.
380
1010000
2000
tai yra problemos mastas.
17:07
The red dots are the children we have not treated.
381
1012000
3000
Raudoni taškai yra vaikai, kurių mes negydėme.
17:10
So, there are many, many more children who need to be treated,
382
1015000
2000
Tad yra daug daugiau vaikų, kuriems reikalingas gydymas,
17:12
and in order to expand the scope of the project,
383
1017000
3000
ir norėdami išplėsti projekto apimtis
17:15
we are planning on launching
384
1020000
2000
mes planuojame atidaryti
17:17
The Prakash Center for Children,
385
1022000
2000
Prakash vaikų centrą,
17:19
which will have a dedicated pediatric hospital,
386
1024000
3000
kuris turės paskirtą pediatrinę ligoninę,
17:22
a school for the children we are treating
387
1027000
2000
mokyklą vaikams, kuriuos gydome,
17:24
and also a cutting-edge research facility.
388
1029000
2000
ir taip pat patį moderniausią tyrimų skyrių.
17:26
The Prakash Center will integrate health care,
389
1031000
3000
Prakash centras sujungs sveikatos priežiūrą,
17:29
education and research in a way
390
1034000
2000
švietimą ir mokslinius tyrimus tokiu būdu,
17:31
that truly creates the whole
391
1036000
2000
kad visuma bus didesnė
17:33
to be greater than the sum of the parts.
392
1038000
3000
už jos atskirų dalių sumą.
17:36
So, to summarize: Prakash, in its five years of existence,
393
1041000
3000
Tad apibendrinant, Prakash projektas per savo penkerius gyvavimo metus
17:39
it's had an impact in multiple areas,
394
1044000
3000
įtakojo daugybę sričių,
17:42
ranging from basic neuroscience
395
1047000
2000
nuo fundamentalios neurologijos
17:44
plasticity and learning in the brain,
396
1049000
2000
plastiškumo ir smegenų mokymosi
17:46
to clinically relevant hypotheses like in autism,
397
1051000
4000
iki kliniškai svarbių hipotezių apie autizmą,
17:50
the development of autonomous machine vision systems,
398
1055000
3000
iki savarankiškų dirbtinių regėjimo sistemų vystymo,
17:53
education of the undergraduate and graduate students,
399
1058000
3000
iki studentų ir absolventų švietimo
17:56
and most importantly in the alleviation
400
1061000
2000
ir svarbiausia vaikų aklumo
17:58
of childhood blindness.
401
1063000
2000
palengvinimo.
18:00
And for my students and I, it's been
402
1065000
2000
Ir man bei mano mokiniams tai buvo
18:02
just a phenomenal experience
403
1067000
2000
tiesiog fenomenali patirtis,
18:04
because we have gotten to do interesting research,
404
1069000
4000
nes mes galėjome vykdyti daug įdomių tyrimų
18:08
while at the same time
405
1073000
2000
tuo pačiu
18:10
helping the many children that we have worked with.
406
1075000
2000
padėdami daugybei vaikų, su kuriais dirbome.
18:12
Thank you very much.
407
1077000
2000
Ačiū jums labai.
18:14
(Applause)
408
1079000
2000
(Plojimai)
ABOUT THE SPEAKER
Pawan Sinha - Visual neuroscientistPawan Sinha researches how our brains interpret what our eyes see -- and uses that research to give blind children the gift of sight.
Why you should listen
At Pawan Sinha's MIT lab, he and his team spend their days trying to understand how the brain learns to recognize and use the patterns and scenes we see around us. To do this, they often use computers to model the processes of the human brain, but they also study human subjects, some of whom are seeing the world for the very first time and can tell them about the experience as it happens. They find these unusual subjects through the humanitarian branch of their research, Project Prakash.
Project Prakash sets up eye-care camps in some of the most habitually underserved regions of India, and gives free eye-health screenings to, since 2003, more than 700 functionally blind children. The children are then treated without charge, even if they do not fit the profile that would make them eligible for Sinha's research.
Sinha's eventual goal is to help 500 children each year; plans are under way for a center for visual rehabilitation in new Delhi. The special relationship that Sinha has created between research and humanitarianism promises to deliver on both fronts.
Pawan Sinha | Speaker | TED.com