TEDSalon London Spring 2011
Neil Burgess: How your brain tells you where you are
Nīls Bargess: Kā smadzenes nosaka jūsu atrašanās vietu
Filmed:
Readability: 4.2
1,458,267 views
Kā jūs atceraties, kur novietojāt savu auto? Kā jūs zināt, vai dodaties pareizā virzienā? Neirozinātnieks Nīls Bargess pēta nervu mehānismus, kas kartē mums apkārt esošo telpu, un to, kā tie saistīti ar atmiņu un iztēli.
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
Mums novietojot auto lielā stāvvietā,
00:17
how do we remember where we parked our car?
1
2000
2000
kā mēs atceramies, kur novietojām savu auto?
00:19
Here's the problem facing Homer.
2
4000
3000
Šī ir problēma, ar kuru saskaras Homērs.
00:22
And we're going to try to understand
3
7000
2000
Mēs centīsimies saprast,
00:24
what's happening in his brain.
4
9000
2000
kas notiek viņa smadzenēs.
00:26
So we'll start with the hippocampus, shown in yellow,
5
11000
2000
Tātad, sāksim ar hipokampa rajonu, attēlotu dzeltenā krāsā,
00:28
which is the organ of memory.
6
13000
2000
kas ir atmiņas orgāns.
00:30
If you have damage there, like in Alzheimer's,
7
15000
2000
Ja jums tur ir bojājums, kā piemēram Alcheimera slimības gadījumā,
00:32
you can't remember things including where you parked your car.
8
17000
2000
jūs nespējat atcerēties dažādas lietas, tostarp to, kur novietojāt auto.
00:34
It's named after Latin for "seahorse,"
9
19000
2000
Tā nosaukums no latīņu valodas tulkojas kā „jūraszirdziņš”,
00:36
which it resembles.
10
21000
2000
ko tas vizuāli atgādina.
00:38
And like the rest of the brain, it's made of neurons.
11
23000
2000
Tāpat kā pārējās smadzenes to veido neironi.
00:40
So the human brain
12
25000
2000
Cilvēka smadzenēs
00:42
has about a hundred billion neurons in it.
13
27000
2000
ir apmēram simts miljardi neironu.
00:44
And the neurons communicate with each other
14
29000
3000
Tie sazinās viens ar otru,
00:47
by sending little pulses or spikes of electricity
15
32000
2000
sūtot nelielus impulsus jeb elektrības „pīķus”
00:49
via connections to each other.
16
34000
2000
cauri savstarpējiem savienojumiem.
00:51
The hippocampus is formed of two sheets of cells,
17
36000
3000
Hipokamps ir veidots no diviem šūnu slāņiem,
00:54
which are very densely interconnected.
18
39000
2000
kuri ir ļoti cieši savstarpēji savienoti.
00:56
And scientists have begun to understand
19
41000
2000
Zinātnieki ir sākuši saprast,
00:58
how spatial memory works
20
43000
2000
kā darbojas telpiskā atmiņa,
01:00
by recording from individual neurons
21
45000
2000
ierakstot atsevišķu neironu [impulsus]
01:02
in rats or mice
22
47000
2000
no žurkām vai pelēm,
01:04
while they forage or explore an environment
23
49000
2000
tām pētot apkārtni
01:06
looking for food.
24
51000
2000
barības meklējumos.
01:08
So we're going to imagine we're recording from a single neuron
25
53000
3000
Mēs iedomāsimies, ka ierakstām viena neirona [impulsus]
01:11
in the hippocampus of this rat here.
26
56000
3000
šīs žurkas hipokampā.
01:14
And when it fires a little spike of electricity,
27
59000
2000
Tam raidot elektrisko impulsu,
01:16
there's going to be a red dot and a click.
28
61000
3000
parādīsies sarkans punkts un būs dzirdams klikšķis.
01:19
So what we see
29
64000
2000
Mēs redzam, ka
01:21
is that this neuron knows
30
66000
2000
neirons zina,
01:23
whenever the rat has gone into one particular place in its environment.
31
68000
3000
kad žurka ir nonākusi vienā konkrētā vietā.
01:26
And it signals to the rest of the brain
32
71000
2000
Tad tas signalizē pārējām smadzenēm,
01:28
by sending a little electrical spike.
33
73000
3000
sūtot nelielu elektrisko impulsu.
01:31
So we could show the firing rate of that neuron
34
76000
3000
Mēs varam attēlot neirona raidīšanas biežumu
01:34
as a function of the animal's location.
35
79000
2000
kā dzīvnieka atrašanās vietas funkciju.
01:36
And if we record from lots of different neurons,
36
81000
2000
Ja mēs ierakstītu datus no daudz un dažādiem neironiem,
01:38
we'll see that different neurons fire
37
83000
2000
mēs redzētu, ka, dzīvniekam atrodoties dažādās vietās vidē,
01:40
when the animal goes in different parts of its environment,
38
85000
2000
katrā vietā raida citi neironi,
01:42
like in this square box shown here.
39
87000
2000
kā attēlots šajos kvadrātos.
01:44
So together they form a map
40
89000
2000
Kopā tie veido karti
01:46
for the rest of the brain,
41
91000
2000
pārējām smadzenēm,
01:48
telling the brain continually,
42
93000
2000
nepārtraukti sakot smadzenēm:
01:50
"Where am I now within my environment?"
43
95000
2000
„Kur es pašlaik atrodos?”
01:52
Place cells are also being recorded in humans.
44
97000
3000
Dati par šo šūnu darbību tiek ierakstīti arī no cilvēku smadzenēm.
01:55
So epilepsy patients sometimes need
45
100000
2000
Epilepsijas pacientiem reizēm nepieciešama
01:57
the electrical activity in their brain monitoring.
46
102000
3000
smadzeņu elektriskās aktivitātes novērošana.
02:00
And some of these patients played a video game
47
105000
2000
Daži no pacientiem spēlēja datorspēli,
02:02
where they drive around a small town.
48
107000
2000
kurā tiem bija jābraukā apkārt pa mazu pilsētiņu.
02:04
And place cells in their hippocampi would fire, become active,
49
109000
3000
Atrašanās vietas šūnas viņu hipokampos aktivizējās
02:07
start sending electrical impulses
50
112000
3000
un sāka raidīt elektrisko impulsus,
02:10
whenever they drove through a particular location in that town.
51
115000
3000
tiem braucot garām noteiktai vietai šajā pilsētiņā.
02:13
So how does a place cell know
52
118000
2000
Kā gan atrašanās vietas šūna zina,
02:15
where the rat or person is within its environment?
53
120000
3000
kur žurka vai cilvēks atrodas apkārtējā vidē?
02:18
Well these two cells here
54
123000
2000
Šīs divas šūnas
02:20
show us that the boundaries of the environment
55
125000
2000
mums parāda, ka apkārtējās vides robežas
02:22
are particularly important.
56
127000
2000
ir īpaši nozīmīgas.
02:24
So the one on the top
57
129000
2000
Augšējā
02:26
likes to fire sort of midway between the walls
58
131000
2000
raida apmēram pusceļā starp kastes sienām,
02:28
of the box that their rat's in.
59
133000
2000
kurā atrodas žurka.
02:30
And when you expand the box, the firing location expands.
60
135000
3000
Paplašinot kasti, paplašinās arī raidīšanas diapazons.
02:33
The one below likes to fire
61
138000
2000
Apakšējā savukārt raida tad,
02:35
whenever there's a wall close by to the south.
62
140000
3000
kad dienvidu pusē tuvumā atrodas siena.
02:38
And if you put another wall inside the box,
63
143000
2000
Ja kastē tiek ielikta starpsiena,
02:40
then the cell fires in both place
64
145000
2000
šūna raida abās vietās
02:42
wherever there's a wall to the south
65
147000
2000
pie dienvidu pusē esošas sienas
02:44
as the animal explores around in its box.
66
149000
3000
dzīvniekam pārvietojoties pa kasti.
02:48
So this predicts
67
153000
2000
Tas ļauj izteikt minējumu,
02:50
that sensing the distances and directions of boundaries around you --
68
155000
2000
ka apkārt esošo robežu attāluma un virziena sajušana
02:52
extended buildings and so on --
69
157000
2000
ir īpaši svarīga hipokampam.
02:54
is particularly important for the hippocampus.
70
159000
3000
Un tiešām hipokampa pievados
02:57
And indeed, on the inputs to the hippocampus,
71
162000
2000
ir atrodamas šūnas, kas raida hipokampā
02:59
cells are found which project into the hippocampus,
72
164000
2000
un atbild tieši par
03:01
which do respond exactly
73
166000
2000
robežu vai malu noteikšanu
03:03
to detecting boundaries or edges
74
168000
3000
noteiktā attālumā un virzienā
03:06
at particular distances and directions
75
171000
2000
no žurkas vai peles,
03:08
from the rat or mouse
76
173000
2000
tai pētot apkārtni.
03:10
as it's exploring around.
77
175000
2000
Šūna, ko redzat kreisajā pusē,
03:12
So the cell on the left, you can see,
78
177000
2000
raida impulsus, tiklīdz dzīvnieks nonāk tuvumā
03:14
it fires whenever the animal gets near
79
179000
2000
sienai vai robežai austrumu pusē,
03:16
to a wall or a boundary to the east,
80
181000
3000
neatkarīgi no tā
03:19
whether it's the edge or the wall of a square box
81
184000
3000
vai tā ir kastes siena vai stūris,
03:22
or the circular wall of the circular box
82
187000
2000
vai pat vieta, kur iespējams nokrist no galda malas un kurai dzīvnieki skraida apkārt.
03:24
or even the drop at the edge of a table, which the animals are running around.
83
189000
3000
no galda malas un kurai dzīvnieki skraida apkārt.
03:27
And the cell on the right there
84
192000
2000
Šūna labajā pusē raida impulsus,
03:29
fires whenever there's a boundary to the south,
85
194000
2000
kad robeža atrodas dienvidu pusē,
03:31
whether it's the drop at the edge of the table or a wall
86
196000
2000
vienalga vai tā ir iespēja nokrist no galda malas, vai siena,
03:33
or even the gap between two tables that are pulled apart.
87
198000
3000
vai pat sprauga starp diviem gandrīz blakus novietotiem galdiem.
03:36
So that's one way in which we think
88
201000
2000
Tas ir viens no veidiem, kā mēs domājam, ka
03:38
place cells determine where the animal is as it's exploring around.
89
203000
3000
atrašanās vietas šūnas nosaka dzīvnieka atrašanās vietu, tam izzinot apkārtni.
03:41
We can also test where we think objects are,
90
206000
3000
Mēs varam arī pārbaudīt, kur mūsuprāt vienkāršā vidē
03:44
like this goal flag, in simple environments --
91
209000
3000
atrodas tādi objekti kā šis karodziņš
03:47
or indeed, where your car would be.
92
212000
2000
vai arī, kur varētu atrasties jūsu auto.
03:49
So we can have people explore an environment
93
214000
3000
Mēs varam ļaut cilvēkiem izpētīt apkārtni
03:52
and see the location they have to remember.
94
217000
3000
un redzēt atrašanās vietu, ko tiem jāatceras.
03:55
And then, if we put them back in the environment,
95
220000
2000
Pēc tam, atgriežot viņus atpakaļ šajā pašā apkārtnē
03:57
generally they're quite good at putting a marker down
96
222000
2000
kopumā viņiem veicas diezgan labi ar atzīmes novietošanu tajā vietā,
03:59
where they thought that flag or their car was.
97
224000
3000
kur, viņuprāt, atrodas šis karogs vai viņu auto.
04:02
But on some trials,
98
227000
2000
Taču atsevišķos mēģinājumos
04:04
we could change the shape and size of the environment
99
229000
2000
mēs varam izmainīt pētījuma vides formu un izmēru
04:06
like we did with the place cell.
100
231000
2000
tāpat, kā mēs to darījām ar atrašanās vietas šūnām.
04:08
In that case, we can see
101
233000
2000
Tādā gadījumā mēs redzam,
04:10
how where they think the flag had been changes
102
235000
3000
kā tas, kur, viņuprāt, karogs ir atradies, izmainās
04:13
as a function of how you change the shape and size of the environment.
103
238000
3000
kā funkcija atkarībā no tā, kā tiek mainīts apkārtējās vides izmērs un forma.
04:16
And what you see, for example,
104
241000
2000
Piemēram, tas, ko redzat gadījumā,
04:18
if the flag was where that cross was in a small square environment,
105
243000
3000
ja karogs atrastos tur, kur kvadrātā atzīmēts krustiņš,
04:21
and then if you ask people where it was,
106
246000
2000
un tad jūs pajautātu cilvēkiem, kur tas atradās,
04:23
but you've made the environment bigger,
107
248000
2000
pēc tam, kad būtu palielinājuši iespējamo telpu,
04:25
where they think the flag had been
108
250000
2000
vieta, kur, viņuprāt, ir atradies karogs
04:27
stretches out in exactly the same way
109
252000
2000
izstiepjas tieši tāda pašā veidā,
04:29
that the place cell firing stretched out.
110
254000
2000
kā atrašanās vietas šūnu raidīto impulsu apgabals.
04:31
It's as if you remember where the flag was
111
256000
2000
Tas darbojas it kā jūs atcerētos, kur atradās karogs,
04:33
by storing the pattern of firing across all of your place cells
112
258000
3000
ierakstot atrašanās vietas šūnu konkrētajā vietā raidīto
04:36
at that location,
113
261000
2000
impulsu paraugu,
04:38
and then you can get back to that location
114
263000
2000
un pēc tam varat atgriezties noteiktajā vietā
04:40
by moving around
115
265000
2000
pārvietojoties apkārtnē līdz brīdim,
04:42
so that you best match the current pattern of firing of your place cells
116
267000
2000
kad atrašanās vietas šūnu raidītie impulsi vislabāk sakrīt
04:44
with that stored pattern.
117
269000
2000
ar ierakstīto impulsu sistēmu.
04:46
That guides you back to the location that you want to remember.
118
271000
3000
Tādā veidā jūs nonākat atpakaļ vēlamajā atrašanās vietā.
04:49
But we also know where we are through movement.
119
274000
3000
Bet mēs zinām arī to, ka mēs kustamies.
04:52
So if we take some outbound path --
120
277000
2000
Ja mēs izvēlamies kādu tālāku ceļu,
04:54
perhaps we park and we wander off --
121
279000
2000
piemēram, novietojam auto un aizklīstam,
04:56
we know because our own movements,
122
281000
2000
balstoties uz mūsu kustībām,
04:58
which we can integrate over this path
123
283000
2000
kuras mēs saskaņojam ar veicamo ceļu,
05:00
roughly what the heading direction is to go back.
124
285000
2000
tā rezultātā mēs apmēram zinām, kādā virzienā mums jādodas atpakaļ.
05:02
And place cells also get this kind of path integration input
125
287000
4000
Atrašanās vietas šūnas iegūst šo informācijas ievadi
05:06
from a kind of cell called a grid cell.
126
291000
3000
no šūnām, ko sauc par režģa šūnām.
05:09
Now grid cells are found, again,
127
294000
2000
Režģa šūnas ir vienas no
05:11
on the inputs to the hippocampus,
128
296000
2000
informācijas ievadītājām hipokampā,
05:13
and they're a bit like place cells.
129
298000
2000
un tās ir mazliet līdzīgas atrašanās vietas šūnām.
05:15
But now as the rat explores around,
130
300000
2000
Žurkai pētot apkārtni,
05:17
each individual cell fires
131
302000
2000
katra noteikta šūna raida impulsu
05:19
in a whole array of different locations
132
304000
3000
veselā virknē dažādu atrašanās vietu,
05:22
which are laid out across the environment
133
307000
2000
kuras izvietotas telpā
05:24
in an amazingly regular triangular grid.
134
309000
3000
pārsteidzoši trīsstūrveidīgā režģī.
05:29
And if you record from several grid cells --
135
314000
3000
Ierakstot impulsus no dažādām režģa šūnām,
05:32
shown here in different colors --
136
317000
2000
kas šeit attēlotas dažādās krāsās,
05:34
each one has a grid-like firing pattern across the environment,
137
319000
3000
katra no tām veido režģveidīgu raidīšanas sistēmu,
05:37
and each cell's grid-like firing pattern is shifted slightly
138
322000
3000
un katras šūnas raidīšana ir nedaudz nobīdīta
05:40
relative to the other cells.
139
325000
2000
attiecībā pret pārējām šūnām.
05:42
So the red one fires on this grid
140
327000
2000
Sarkanās raida šajā režģī,
05:44
and the green one on this one and the blue on on this one.
141
329000
3000
zaļās šajā un zilās šajā.
05:47
So together, it's as if the rat
142
332000
3000
Kopumā var teikt, ka žurka
05:50
can put a virtual grid of firing locations
143
335000
2000
var nospraust virtuālu impulsu raidīšanas režģi
05:52
across its environment --
144
337000
2000
vidē, kurā tā atrodas,
05:54
a bit like the latitude and longitude lines that you'd find on a map,
145
339000
3000
kā garuma un platuma līnijas kartēs,
05:57
but using triangles.
146
342000
2000
tikai trīsstūrveida.
05:59
And as it moves around,
147
344000
2000
Tai pārvietojoties,
06:01
the electrical activity can pass
148
346000
2000
elektriskais impulss var pāriet
06:03
from one of these cells to the next cell
149
348000
2000
no vienas šī veida šūnas uz nākamo,
06:05
to keep track of where it is,
150
350000
2000
lai izsekotu atrašanās vietai.
06:07
so that it can use its own movements
151
352000
2000
Tādējādi kustēšanās var tikt izmantota,
06:09
to know where it is in its environment.
152
354000
2000
lai zinātu savu atrašanās vietu apkārtnē.
06:11
Do people have grid cells?
153
356000
2000
Vai cilvēkiem ir režģa šūnas?
06:13
Well because all of the grid-like firing patterns
154
358000
2000
Tā kā visām režģveidīgajām impulsu sistēmām
06:15
have the same axes of symmetry,
155
360000
2000
ir tās pašas simetrijas asis,
06:17
the same orientations of grid, shown in orange here,
156
362000
3000
tie paši režģa virzieni, šeit iekrāsoti oranži,
06:20
it means that the net activity
157
365000
2000
tas nozīmē to, ka visu režģa šūnu
06:22
of all of the grid cells in a particular part of the brain
158
367000
3000
kopējai aktivitātei vienā noteiktā smadzeņu daļā
06:25
should change
159
370000
2000
vajadzētu mainīties
06:27
according to whether we're running along these six directions
160
372000
2000
atkarībā no tā, vai mēs dodamies kādā no šiem sešiem virzieniem,
06:29
or running along one of the six directions in between.
161
374000
3000
vai vienā no sešiem starpvirzieniem.
06:32
So we can put people in an MRI scanner
162
377000
2000
Mēs varam ielikt cilvēku magnētiskās rezonanses skenerī
06:34
and have them do a little video game
163
379000
2000
un iedot paspēlēt vienkāršu,
06:36
like the one I showed you
164
381000
2000
iepriekš redzēto datorspēli
06:38
and look for this signal.
165
383000
2000
un meklēt šos signālus.
06:40
And indeed, you do see it in the human entorhinal cortex,
166
385000
3000
Patiesi tos var redzēt cilvēka smadzeņu entorhinālajā garozā,
06:43
which is the same part of the brain that you see grid cells in rats.
167
388000
3000
kas ir tā pati smadzeņu daļa, kurā žurkām atrodas režģa šūnas.
06:46
So back to Homer.
168
391000
2000
Atgriežamies pie Homēra.
06:48
He's probably remembering where his car was
169
393000
2000
Viņš iespējams atceras sava auto atrašanās vietu
06:50
in terms of the distances and directions
170
395000
2000
kā virzienus un attālumus
06:52
to extended buildings and boundaries
171
397000
2000
līdz dažādām celtnēm un robežām
06:54
around the location where he parked.
172
399000
2000
auto novietojuma apkārtnē.
06:56
And that would be represented
173
401000
2000
Tas var tikt attēlots kā
06:58
by the firing of boundary-detecting cells.
174
403000
2000
robežu nosakošo šūnu impulsu raidījums.
07:00
He's also remembering the path he took out of the car park,
175
405000
3000
Vēl viņš atceļas ceļu, pa kuru devās projām no auto novietnes.
07:03
which would be represented in the firing of grid cells.
176
408000
3000
Tas var tikt attēlots kā režģa šūnu impulsu raidījums.
07:06
Now both of these kinds of cells
177
411000
2000
Abu šo veidu šūnas
07:08
can make the place cells fire.
178
413000
2000
var likt atrašanās vietas šūnām raidīt impulsus.
07:10
And he can return to the location where he parked
179
415000
2000
Un viņš var atgriezties vietā, kur novietots auto,
07:12
by moving so as to find where it is
180
417000
3000
pārvietojoties, meklējot vietu, kurā
07:15
that best matches the firing pattern
181
420000
2000
raidītie impulsi vislabāk sakrīt
07:17
of the place cells in his brain currently
182
422000
2000
ar atmiņā esošajiem impulsiem no vietas,
07:19
with the stored pattern where he parked his car.
183
424000
3000
kur tika atstāts auto.
07:22
And that guides him back to that location
184
427000
2000
Tādā veidā viņš nonāk atpakaļ pie īstās vietas
07:24
irrespective of visual cues
185
429000
2000
neatkarīgi no vizuālajiem mājieniem,
07:26
like whether his car's actually there.
186
431000
2000
kā tie, vai viņa auto tur patiešām atrodas.
07:28
Maybe it's been towed.
187
433000
2000
Iespējams tas ir aizvilkts.
07:30
But he knows where it was, so he knows to go and get it.
188
435000
3000
Taču viņš zina, kur tā bija un kā līdz tai aiziet.
07:33
So beyond spatial memory,
189
438000
2000
Ārpus telpiskās atmiņas,
07:35
if we look for this grid-like firing pattern
190
440000
2000
ja mēs meklējam šo režģveidīgo impulsu raidīšanas sistēmu
07:37
throughout the whole brain,
191
442000
2000
visās smadzenēs,
07:39
we see it in a whole series of locations
192
444000
3000
mēs varam to atrast veselā virknē vietu,
07:42
which are always active
193
447000
2000
kuras vienmēr ir aktīvas
07:44
when we do all kinds of autobiographical memory tasks,
194
449000
2000
pildot dažāda veida autobiogrāfiskus atmiņas uzdevumus,
07:46
like remembering the last time you went to a wedding, for example.
195
451000
3000
piemēram, mēģinot atcerēties, kad pēdējoreiz devāmies uz kāzām.
07:49
So it may be that the neural mechanisms
196
454000
2000
Tātad iespējams, ka apkārtējās
07:51
for representing the space around us
197
456000
3000
telpas attēlošanā izmantotie mehānismi
07:54
are also used for generating visual imagery
198
459000
4000
tiek izmantoti arī vizuālo attēlu ģenerēšanai,
07:58
so that we can recreate the spatial scene, at least,
199
463000
3000
lai mēs varētu atveidot no jauna telpisku ainu
08:01
of the events that have happened to us when we want to imagine them.
200
466000
3000
ar mums notikušajiem notikumiem, mums vēloties tos atcerēties.
08:04
So if this was happening,
201
469000
2000
Ja tā būtu,
08:06
your memories could start by place cells activating each other
202
471000
3000
jūsu atmiņas sāktos ar vienai otru cauri savstarpējiem
08:09
via these dense interconnections
203
474000
2000
savienojumiem aktivizējošām vietas šūnām
08:11
and then reactivating boundary cells
204
476000
2000
un tad no jauna aktivizējošām robežu šūnām,
08:13
to create the spatial structure
205
478000
2000
lai izveidotu vietas telpisko struktūru
08:15
of the scene around your viewpoint.
206
480000
2000
attiecībā pret jūsu skatupunktu.
08:17
And grid cells could move this viewpoint through that space.
207
482000
2000
Režģa šūnas varētu pārvietot šo skatupunktu telpā.
08:19
Another kind of cell, head direction cells,
208
484000
2000
Vēl cita veida šūnas – galvas virziena šūnas -,
08:21
which I didn't mention yet,
209
486000
2000
kuras es vēl netiku pieminējis,
08:23
they fire like a compass according to which way you're facing.
210
488000
3000
raida impulsus līdzīgi kā kompass atkarībā kādā virzienā cilvēks skatās.
08:26
They could define the viewing direction
211
491000
2000
Šīs šūnas varētu noteikt skatiena virzienu,
08:28
from which you want to generate an image for your visual imagery,
212
493000
3000
no kura vēlaties radīt attēlu savam vizuālajam attēlojumam,
08:31
so you can imagine what happened when you were at this wedding, for example.
213
496000
3000
lai, piemēram, varētu iedomāties, kas notika šajās kāzās jums tur esot.
08:34
So this is just one example
214
499000
2000
Šis ir tikai viens piemērs
08:36
of a new era really
215
501000
2000
patiesi jaunai ērai
08:38
in cognitive neuroscience
216
503000
2000
kognitīvajā neirozinātnē,
08:40
where we're beginning to understand
217
505000
2000
mums sākot izprast
08:42
psychological processes
218
507000
2000
psiholoģiskos procesus,
08:44
like how you remember or imagine or even think
219
509000
3000
piemēram, to kā jūs atceraties vai iztēlojaties vai pat domājat
08:47
in terms of the actions
220
512000
2000
attiecībā uz mūsu smadzenes veidojošo
08:49
of the billions of individual neurons that make up our brains.
221
514000
3000
miljardu atsevišķu neironu darbībām.
08:52
Thank you very much.
222
517000
2000
Liels paldies.
08:54
(Applause)
223
519000
3000
(Aplausi)
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