TEDGlobal 2010
Gero Miesenboeck: Re-engineering the brain
Gero Miesenboeck przekonstruowuje mózg
Filmed:
Readability: 4.7
717,411 views
W pogoni za mapą mózgu, wielu naukowców próbowało zmierzyć się z nadzwyczaj trudnym zadaniem rejestrowania aktywności każdego neuronu. Gero Miesenboeck działa w odwrotnym kierunku, manipulując poszczególnymi neuronami by dowiedzieć się co dokładnie robią - w serii niezwykłych eksperymentów przekonstruowujących sposób postrzegania światła przez muszki owocówki.
Gero Miesenboeck - Optogeneticist
Using light and a little genetic engineering -- optogenetics -- Gero Miesenboeck has developed a way to control how living nerve cells work, and advanced understanding of how the brain controls behavior. Full bio
Using light and a little genetic engineering -- optogenetics -- Gero Miesenboeck has developed a way to control how living nerve cells work, and advanced understanding of how the brain controls behavior. Full bio
Double-click the English transcript below to play the video.
00:15
I have a doppelganger.
0
0
3000
Mam sobowtóra.
00:18
(Laughter)
1
3000
3000
(Śmiech)
00:21
Dr. Gero is a brilliant
2
6000
3000
Dr Gero to błyskotliwy
00:24
but slightly mad scientist
3
9000
2000
lecz nieco szalony naukowiec
00:26
in the "Dragonball Z: Android Saga."
4
11000
3000
z "Android Saga" w Dragon Ball Z.
00:29
If you look very carefully,
5
14000
2000
Przyglądając się dokładnie,
00:31
you see that his skull has been replaced
6
16000
3000
możesz dostrzec, że jego czaszkę zastąpiono
00:34
with a transparent Plexiglas dome
7
19000
2000
przezroczystą kopułą z pleksi
00:36
so that the workings of his brain can be observed
8
21000
3000
tak, aby można było obserwować działanie mózgu
00:39
and also controlled with light.
9
24000
3000
i kontrolować je za pomocą światła.
00:42
That's exactly what I do --
10
27000
2000
Dokładnie to właśnie robię -
00:44
optical mind control.
11
29000
2000
optyczna kontrola nad umysłem.
00:46
(Laughter)
12
31000
2000
(Śmiech)
00:48
But in contrast to my evil twin
13
33000
2000
Ale w odróżnieniu od mojego złego brata bliźniaka
00:50
who lusts after world domination,
14
35000
3000
pragnącego przejąć kontrolę nad światem,
00:53
my motives are not sinister.
15
38000
3000
nie mam zbrodniczych motywów.
00:56
I control the brain
16
41000
2000
Kontroluję mózg
00:58
in order to understand how it works.
17
43000
2000
po to, by zrozumieć jak działa.
01:00
Now wait a minute, you may say,
18
45000
2000
Ale chwila - powiecie być może -
01:02
how can you go straight to controlling the brain
19
47000
3000
jak możesz brać się od razu za kontrolowanie mózgu
01:05
without understanding it first?
20
50000
2000
nie wiedząc wcześniej jak działa?
01:07
Isn't that putting the cart before the horse?
21
52000
3000
Czy to nie stawianie sprawy na głowie?
01:11
Many neuroscientists agree with this view
22
56000
3000
Wielu neurologów przyzna wam rację
01:14
and think that understanding will come
23
59000
3000
bo wierzą, że zrozumienie przyjdzie
01:17
from more detailed observation and analysis.
24
62000
3000
dzięki szczegółowej obserwacji i analizie.
01:20
They say, "If we could record the activity of our neurons,
25
65000
4000
Powiadają oni: "Jeśli zarejestrujemy aktywność neuronów,
01:24
we would understand the brain."
26
69000
3000
zrozumiemy mózg"
01:27
But think for a moment what that means.
27
72000
3000
Ale zastanówcie się przez chwilę, co to oznacza.
01:30
Even if we could measure
28
75000
2000
Nawet gdybyśmy zdołali zmierzyć
01:32
what every cell is doing at all times,
29
77000
2000
to, co przez cały czas robi każda z komórek,
01:34
we would still have to make sense
30
79000
2000
nadal musielibyśmy w jakiś sposób nadać sens
01:36
of the recorded activity patterns,
31
81000
2000
zarejestrowanym wzorcom aktywności,
01:38
and that's so difficult,
32
83000
2000
a to zadanie tak trudne,
01:40
chances are we'll understand these patterns
33
85000
2000
że być może zrozumiemy te wzorce
01:42
just as little as the brains that produce them.
34
87000
3000
w równie nikłym stopniu jak mózgi, które je wytwarzają.
01:45
Take a look at what brain activity might look like.
35
90000
3000
Spójrzcie, jak mogłaby wyglądać taka aktywność.
01:48
In this simulation, each black dot
36
93000
2000
Każda czarna kropka w tej symulacji
01:50
is one nerve cell.
37
95000
2000
to jedna komórka nerwowa.
01:52
The dot is visible
38
97000
2000
Kropka jest widoczna
01:54
whenever a cell fires an electrical impulse.
39
99000
2000
gdy komórka wytwarza impuls elektryczny.
01:56
There's 10,000 neurons here.
40
101000
2000
Mamy tu 10 000 neuronów.
01:58
So you're looking at roughly one percent
41
103000
2000
A więc to, co tu widzicie to około jeden procent
02:00
of the brain of a cockroach.
42
105000
3000
mózgu karalucha.
02:04
Your brains are about 100 million times
43
109000
3000
Wasze mózgi są jakieś 100 milionów razy
02:07
more complicated.
44
112000
2000
bardziej skomplikowane.
02:09
Somewhere, in a pattern like this,
45
114000
2000
Gdzieś tam, we wzorze podobnym do tego,
02:11
is you,
46
116000
2000
jesteście wy,
02:13
your perceptions,
47
118000
2000
wasze odczucia,
02:15
your emotions, your memories,
48
120000
3000
wasze emocje, wspomnienia,
02:18
your plans for the future.
49
123000
2000
plany na przyszłość.
02:20
But we don't know where,
50
125000
2000
Ale nie mamy pojęcia gdzie,
02:22
since we don't know how to read the pattern.
51
127000
3000
ponieważ nie wiemy jak czytać wzorzec.
02:25
We don't understand the code used by the brain.
52
130000
3000
Nie rozumiemy szyfru używanego przez mózg.
02:28
To make progress,
53
133000
2000
Aby posunąć się do przodu,
02:30
we need to break the code.
54
135000
2000
musimy złamać ten szyfr.
02:32
But how?
55
137000
2000
Ale jak?
02:35
An experienced code-breaker will tell you
56
140000
2000
Doświadczony łamacz szyfrów powie wam,
02:37
that in order to figure out what the symbols in a code mean,
57
142000
3000
że aby dojść do tego, co oznaczają symbole szyfru,
02:40
it's essential to be able to play with them,
58
145000
3000
kluczowa jest możliwość zabawy nimi,
02:43
to rearrange them at will.
59
148000
2000
przestawiania ich w dowolny sposób.
02:45
So in this situation too,
60
150000
2000
A więc również w tej sytuacji,
02:47
to decode the information
61
152000
2000
aby odszyfrować informację
02:49
contained in patterns like this,
62
154000
2000
zawartą we wzorcach takich jak ten,
02:51
watching alone won't do.
63
156000
2000
samo oglądanie nic nie da;
02:53
We need to rearrange the pattern.
64
158000
2000
musimy pozmieniać wzorzec.
02:55
In other words,
65
160000
2000
Innymi słowy,
02:57
instead of recording the activity of neurons,
66
162000
2000
zamiast rejestrować aktywność neuronów,
02:59
we need to control it.
67
164000
2000
potrzebujemy mieć nad nimi kontrolę.
03:01
It's not essential that we can control
68
166000
2000
Nie jest kluczowe abyśmy mogli kontrolować
03:03
the activity of all neurons in the brain, just some.
69
168000
3000
aktywność wszystkich neuronów w mózgu, wystarczą niektóre.
03:06
The more targeted our interventions, the better.
70
171000
2000
Im bardziej ukierunkowane nasze interwencje, tym lepiej.
03:08
And I'll show you in a moment
71
173000
2000
A za chwilę pokażę wam
03:10
how we can achieve the necessary precision.
72
175000
3000
w jaki sposób możemy osiągnąć niezbędną precyzję.
03:13
And since I'm realistic, rather than grandiose,
73
178000
3000
A ponieważ podchodzę do problemu realistycznie, a nie pompatycznie,
03:16
I don't claim that the ability to control the function of the nervous system
74
181000
3000
nie twierdzę, że możliwość sterowania funkcjami układu nerwowego
03:19
will at once unravel all its mysteries.
75
184000
3000
natychmiast odsłoni wszelkie swoje tajemnice.
03:22
But we'll certainly learn a lot.
76
187000
3000
Ale z całą pewnością wiele się nauczymy.
03:27
Now, I'm by no means
77
192000
2000
Nie jestem rzecz jasna
03:29
the first person to realize
78
194000
2000
pierwszym, który zdał sobie sprawę
03:31
how powerful a tool intervention is.
79
196000
3000
jak potężnym narzędziem jest interwencja
03:34
The history of attempts
80
199000
2000
Historia prób
03:36
to tinker with the function of the nervous system
81
201000
2000
manipulowania systemem nerwowym
03:38
is long and illustrious.
82
203000
2000
jest długa i znamienita.
03:40
It dates back at least 200 years,
83
205000
3000
Musimy cofnąć się o co najmniej 200 lat,
03:43
to Galvani's famous experiments
84
208000
2000
do słynnego eksperymentu Galvaniego
03:45
in the late 18th century and beyond.
85
210000
3000
u schyłku XVIII wieku i jeszcze dalej.
03:49
Galvani showed that a frog's legs twitched
86
214000
3000
Galvani wykazał, że skoki żaby podkurczały się
03:52
when he connected the lumbar nerve
87
217000
2000
gdy podłączał nerw lędźwiowy
03:54
to a source of electrical current.
88
219000
3000
do źródła prądu elektrycznego.
03:57
This experiment revealed the first, and perhaps most fundamental,
89
222000
3000
Eksperyment ten odsłonił pierwszy, być może najbardziej podstawowy
04:00
nugget of the neural code:
90
225000
2000
element szyfru nerwowego:
04:02
that information is written in the form
91
227000
2000
to, że informacja zapisywana jest w postaci
04:04
of electrical impulses.
92
229000
3000
impulsów elektrycznych.
04:08
Galvani's approach
93
233000
2000
Podejście Galvaniego
04:10
of probing the nervous system with electrodes
94
235000
2000
polegające na próbkowaniu układu nerwowego elektrodami
04:12
has remained state-of-the-art until today,
95
237000
3000
pozostało obowiązującą doktryną aż do dziś,
04:15
despite a number of drawbacks.
96
240000
3000
pomimo rozmaitych niedoskonałości.
04:18
Sticking wires into the brain is obviously rather crude.
97
243000
3000
Wtykanie przewodów w mózg jest oczywiście dość brutalne.
04:21
It's hard to do in animals that run around,
98
246000
2000
Trudno jest to zrobić zwierzętom, które trudno utrzymać w jednym miejscu,
04:23
and there is a physical limit
99
248000
2000
są też fizyczne ograniczenia
04:25
to the number of wires
100
250000
2000
co do liczby przewodów,
04:27
that can be inserted simultaneously.
101
252000
3000
które można umieścić jednocześnie.
04:30
So around the turn of the last century,
102
255000
2000
Więc pod koniec ubiegłego wieku
04:32
I started to think,
103
257000
2000
zacząłem rozważać,
04:34
"Wouldn't it be wonderful if one could take this logic
104
259000
3000
czy nie byłoby cudownie gdyby tę logikę
04:37
and turn it upside down?"
105
262000
2000
wywrócić do góry nogami.
04:39
So instead of inserting a wire
106
264000
2000
Zamiast wkładania przewodu
04:41
into one spot of the brain,
107
266000
3000
w pojedyncze pole w mózgu,
04:44
re-engineer the brain itself
108
269000
2000
przekonstruować sam mózg
04:46
so that some of its neural elements
109
271000
3000
tak aby niektóre elementy nerwowe
04:49
become responsive to diffusely broadcast signals
110
274000
3000
stały się wrażliwe na nadawanie rozproszonych sygnałów,
04:52
such as a flash of light.
111
277000
3000
takich jak błyski światła.
04:55
Such an approach would literally, in a flash of light,
112
280000
3000
Przy takim podejściu moglibyśmy dosłownie błyskiem
04:58
overcome many of the obstacles to discovery.
113
283000
3000
pokonać wiele przeszkód na drodze do odkrycia.
05:01
First, it's clearly a non-invasive,
114
286000
3000
Po pierwsze, łatwo zauważyć, że jest to całkiem bezinwazyjna,
05:04
wireless form of communication.
115
289000
3000
bezprzewodowa metoda komunikacji.
05:07
And second, just as in a radio broadcast,
116
292000
2000
Po drugie, podobnie jak przy transmisji radiowej,
05:09
you can communicate with many receivers at once.
117
294000
3000
moglibyśmy komunikować się z wieloma odbiornikami jednocześnie.
05:12
You don't need to know where these receivers are,
118
297000
3000
Nie musimy wiedzieć, gdzie znajdują się odbiorniki.
05:15
and it doesn't matter if these receivers move --
119
300000
2000
Nie ma też znaczenia czy odbiorniki się przemieszczają -
05:17
just think of the stereo in your car.
120
302000
3000
pomyślcie o radioodbiorniku w swoim samochodzie.
05:20
It gets even better,
121
305000
3000
Jest jeszcze lepiej,
05:23
for it turns out that we can fabricate the receivers
122
308000
3000
bo okazuje się, że możemy tworzyć nowe odbiorniki
05:26
out of materials that are encoded in DNA.
123
311000
3000
z materiałów zakodowanych w DNA.
05:29
So each nerve cell
124
314000
2000
Tak więc każda komórka
05:31
with the right genetic makeup
125
316000
2000
odpowiednio genetycznie ucharakteryzowana
05:33
will spontaneously produce a receiver
126
318000
3000
samoistnie wytworzy odbiornik,
05:36
that allows us to control its function.
127
321000
3000
pozwalający nam na jej kontrolę.
05:39
I hope you'll appreciate
128
324000
2000
Mam nadzieję, że docenicie
05:41
the beautiful simplicity
129
326000
2000
piękną prostotę
05:43
of this concept.
130
328000
2000
tego rozwiązania.
05:45
There's no high-tech gizmos here,
131
330000
2000
Nie ma tu wyrafinowanych technicznie fajerwerków,
05:47
just biology revealed through biology.
132
332000
3000
jedynie odkrywanie biologii przez biologię.
05:51
Now let's take a look at these miraculous receivers up close.
133
336000
3000
Przyjrzyjmy się teraz z bliska tym cudownym odbiornikom.
05:54
As we zoom in on one of these purple neurons,
134
339000
3000
Robiąc zbliżenie na jeden z tych różowych neuronów,
05:57
we see that its outer membrane
135
342000
2000
widzimy, że ich zewnętrzna membrana
05:59
is studded with microscopic pores.
136
344000
2000
usiana jest mikroskopowymi porami
06:01
Pores like these conduct electrical current
137
346000
2000
Pory takie są przewodnikami elektrycznymi
06:03
and are responsible
138
348000
2000
i odpowiadają
06:05
for all the communication in the nervous system.
139
350000
2000
za całą komunikację w systemie nerwowym
06:07
But these pores here are special.
140
352000
2000
Ale te konkretne pory są wyjątkowe.
06:09
They are coupled to light receptors
141
354000
2000
Są sprzężone z receptorami światła
06:11
similar to the ones in your eyes.
142
356000
3000
podobnymi do tych znajdujących się w naszych oczach.
06:14
Whenever a flash of light hits the receptor,
143
359000
2000
Gdy tylko błysk światła trafia w receptor,
06:16
the pore opens, an electrical current is switched on,
144
361000
3000
por otwiera się i włącza prąd elektryczny,
06:19
and the neuron fires electrical impulses.
145
364000
3000
a neuron wysyła impulsy elektryczne.
06:22
Because the light-activated pore is encoded in DNA,
146
367000
3000
Ponieważ por aktywowany światłem jest zakodowany w DNA,
06:25
we can achieve incredible precision.
147
370000
3000
możemy uzyskać nadzwyczajną precyzję.
06:28
This is because,
148
373000
2000
Dzieje się tak ponieważ,
06:30
although each cell in our bodies
149
375000
2000
mimo, że każda z komórek naszego ciała
06:32
contains the same set of genes,
150
377000
2000
zawiera ten sam zestaw genów,
06:34
different mixes of genes get turned on and off
151
379000
2000
różne mieszanki genów są aktywowane i dezaktywowane
06:36
in different cells.
152
381000
2000
w różnych komórkach.
06:38
You can exploit this to make sure
153
383000
2000
Możemy wykorzystać ten fakt aby sprawić,
06:40
that only some neurons
154
385000
2000
że tylko niektóre neurony
06:42
contain our light-activated pore and others don't.
155
387000
3000
zawierają aktywowane światłem pory, a inne nie.
06:45
So in this cartoon, the bluish white cell
156
390000
2000
A więc na tym obrazku, niebieskawa komórka,
06:47
in the upper-left corner
157
392000
2000
w lewym górnym rogu
06:49
does not respond to light
158
394000
2000
nie reaguje na światło
06:51
because it lacks the light-activated pore.
159
396000
3000
ponieważ nie posiada pora aktywowanego światłem.
06:54
The approach works so well
160
399000
2000
Ta metoda działa tak dobrze,
06:56
that we can write purely artificial messages
161
401000
2000
że możemy wysyłać całkowicie sztuczne komunikaty
06:58
directly to the brain.
162
403000
2000
bezpośrednio do mózgu.
07:00
In this example, each electrical impulse,
163
405000
2000
W tym przykładzie każdy impuls elektryczny,
07:02
each deflection on the trace,
164
407000
3000
każde odchylenie w torze,
07:05
is caused by a brief pulse of light.
165
410000
3000
spowodowane jest krótkim impulsem światła.
07:08
And the approach, of course, also works
166
413000
2000
Metoda ta działa także
07:10
in moving, behaving animals.
167
415000
3000
dla poruszających się, zachowujących aktywność zwierząt.
07:13
This is the first ever such experiment,
168
418000
2000
To pierwszy taki eksperyment,
07:15
sort of the optical equivalent of Galvani's.
169
420000
3000
w pewnym sensie optyczny równoważnik Galwaniego.
07:18
It was done six or seven years ago
170
423000
2000
Przeprowadzony był sześć czy siedem lat temu
07:20
by my then graduate student, Susana Lima.
171
425000
3000
przez moją doktorantkę, Susanę Lima.
07:23
Susana had engineered the fruit fly on the left
172
428000
3000
Susana skonstruowała muszkę owocówkę po lewej
07:26
so that just two out of the 200,000 cells in its brain
173
431000
4000
w taki sposób, że zaledwie dwie z jej 200 tysięcy komórek mózgowych
07:30
expressed the light-activated pore.
174
435000
3000
wytworzyły pory aktywowane światłem.
07:33
You're familiar with these cells
175
438000
2000
Znacie te komórki
07:35
because they are the ones that frustrate you
176
440000
2000
ponieważ to właśnie one odpowiadają za waszą frustrację
07:37
when you try to swat the fly.
177
442000
2000
gdy próbujecie pacnąć muchę.
07:39
They trained the escape reflex that makes the fly jump into the air
178
444000
3000
One wyćwiczyły odruch ucieczki, który sprawia, że mucha wzbija się w powietrze
07:42
and fly away whenever you move your hand in position.
179
447000
3000
i odlatuje zawsze gdy ruszysz ręką.
07:46
And you can see here that the flash of light has exactly the same effect.
180
451000
3000
Jak widzicie, błysk światła daje ten sam efekt.
07:49
The animal jumps, it spreads its wings, it vibrates them,
181
454000
3000
Zwierzę podskakuje, rozpościera skrzydła i wibruje nimi,
07:52
but it can't actually take off
182
457000
2000
ale nie może faktycznie wzlecieć,
07:54
because the fly is sandwiched between two glass plates.
183
459000
3000
ponieważ mucha uwięziona jest między dwiema szklanymi płytkami.
07:58
Now to make sure that this was no reaction of the fly
184
463000
2000
Aby upewnić się, że to nie jest reakcja muchy
08:00
to a flash it could see,
185
465000
3000
na fakt dostrzeżenia błysku,
08:03
Susana did a simple
186
468000
2000
Susana przeprowadziła prosty
08:05
but brutally effective experiment.
187
470000
2000
ale brutalnie skuteczny eksperyment.
08:07
She cut the heads off of her flies.
188
472000
3000
Odcięła głowy swoim muszkom.
08:11
These headless bodies can live for about a day,
189
476000
3000
Bezgłowe ciała mogą przeżyć przez około dzień,
08:14
but they don't do much.
190
479000
2000
ale niewiele robią.
08:16
They just stand around
191
481000
3000
Stoją tylko
08:19
and groom excessively.
192
484000
3000
i czyszczą się do przesady.
08:22
So it seems that the only trait that survives decapitation is vanity.
193
487000
3000
Wygląda więc na to, że jedyne co może przetrwać dekapitację to próżność.
08:25
(Laughter)
194
490000
3000
(Śmiech)
08:30
Anyway, as you'll see in a moment,
195
495000
2000
W każdym razie, jak zobaczycie za chwilę,
08:32
Susana was able to turn on the flight motor
196
497000
3000
Susana była w stanie uruchomić motorykę lotu
08:35
of what's the equivalent of the spinal cord of these flies
197
500000
3000
w tym, co jest odpowiednikiem rdzenia kręgowego u tych much
08:38
and get some of the headless bodies
198
503000
2000
i sprawić, że bezgłowe ciała
08:40
to actually take off and fly away.
199
505000
3000
rzeczywiście unosiły się i odlatywały.
08:47
They didn't get very far, obviously.
200
512000
2000
Oczywiście, nie odlatywały zbyt daleko.
08:50
Since we took these first steps,
201
515000
2000
Odkąd zrobiliśmy te pierwsze kroki,
08:52
the field of optogenetics has exploded.
202
517000
3000
na polu optogenetyki doszło do eksplozji.
08:55
And there are now hundreds of labs
203
520000
2000
Teraz są setki laboratoriów
08:57
using these approaches.
204
522000
2000
wykorzystujących te metody.
08:59
And we've come a long way
205
524000
2000
I przeszliśmy długą drogę
09:01
since Galvani's and Susana's first successes
206
526000
3000
od pierwszych sukcesów Galvaniego i Susany
09:04
in making animals twitch or jump.
207
529000
2000
w sprawianiu by zwierzęta kurczyły mięśnie czy skakały.
09:06
We can now actually interfere with their psychology
208
531000
3000
Teraz możemy w istocie oddziaływać z ich psychologią
09:09
in rather profound ways,
209
534000
2000
w dość daleko idącym stopniu
09:11
as I'll show you in my last example,
210
536000
2000
jak pokażę na ostatnim przykładzie
09:13
which is directed at a familiar question.
211
538000
3000
poświęconym znajomemu problemowi.
09:16
Life is a string of choices
212
541000
3000
Życie to pasmo wyborów
09:19
creating a constant pressure to decide what to do next.
213
544000
3000
i ciągła presja podejmowania wyboru co do kolejnych działań.
09:23
We cope with this pressure by having brains,
214
548000
3000
Radzimy sobie z tą presją dzięki posiadaniu mózgów,
09:26
and within our brains, decision-making centers
215
551000
3000
a wewnątrz mózgów centrów podejmowania decyzji,
09:29
that I've called here the "Actor."
216
554000
3000
które nazwę tutaj Aktorem.
09:33
The Actor implements a policy that takes into account
217
558000
3000
Aktor wdraża politykę uwarunkowaną
09:36
the state of the environment
218
561000
2000
aktualnym stanem otoczenia
09:38
and the context in which we operate.
219
563000
3000
oraz kontekstem, w jakim działamy.
09:41
Our actions change the environment, or context,
220
566000
3000
Nasze czynności wpływają na środowisko, lub kontekst,
09:44
and these changes are then fed back into the decision loop.
221
569000
3000
a te zmiany mają z kolei odzwierciedlenie w naszej pętli decyzyjnej.
09:48
Now to put some neurobiological meat
222
573000
3000
Aby dołożyć nieco neurobiologicznego mięsa
09:51
on this abstract model,
223
576000
2000
na ten abstrakcyjny model,
09:53
we constructed a simple one-dimensional world
224
578000
2000
stworzyliśmy prosty, jednowymiarowy świat
09:55
for our favorite subject, fruit flies.
225
580000
3000
dla naszego ulubionego przedmiotu badań, muszki owocówki.
09:58
Each chamber in these two vertical stacks
226
583000
2000
W każdej z komór w tych dwóch pionowych stosach
10:00
contains one fly.
227
585000
2000
znajduje się jedna mucha.
10:02
The left and the right halves of the chamber
228
587000
3000
Lewa i prawa połówka każdej komory
10:05
are filled with two different odors,
229
590000
2000
wypełnione są innymi zapachami,
10:07
and a security camera watches
230
592000
2000
a kamera podgląda
10:09
as the flies pace up and down between them.
231
594000
3000
jak muchy przechadzają się pomiędzy nimi.
10:12
Here's some such CCTV footage.
232
597000
2000
Tu jest trochę materiału z zapisu kamer przemysłowych.
10:14
Whenever a fly reaches the midpoint of the chamber
233
599000
3000
Za każdym razem gdy mucha dociera do środka komory,
10:17
where the two odor streams meet,
234
602000
2000
gdzie spotykają się strumienie obu zapachów,
10:19
it has to make a decision.
235
604000
2000
musi podjąć decyzję.
10:21
It has to decide whether to turn around
236
606000
2000
Musi zdecydować się czy zawrócić
10:23
and stay in the same odor,
237
608000
2000
i zostać wśród dotychczasowego zapachu,
10:25
or whether to cross the midline
238
610000
2000
czy też przekroczyć środkową linię
10:27
and try something new.
239
612000
2000
i spróbować czegoś nowego.
10:29
These decisions are clearly a reflection
240
614000
3000
Te punkty decyzyjne są wyraźnie odzwierciedleniem
10:32
of the Actor's policy.
241
617000
3000
polityki Aktora.
10:36
Now for an intelligent being like our fly,
242
621000
3000
Dla inteligentnej istoty, takiej jak nasza mucha,
10:39
this policy is not written in stone
243
624000
3000
taka polityka nie jest wyryta w kamieniu,
10:42
but rather changes as the animal learns from experience.
244
627000
3000
ale zmienia się w miarę lekcji wyciąganych z doświadczeń.
10:45
We can incorporate such an element
245
630000
2000
Możemy włączyć taki czynnik
10:47
of adaptive intelligence into our model
246
632000
3000
inteligencji adaptacyjnej do naszego modelu
10:50
by assuming that the fly's brain
247
635000
2000
przez założenie, że mózg naszej muchy
10:52
contains not only an Actor,
248
637000
2000
zawiera nie tylko Aktora,
10:54
but a different group of cells,
249
639000
2000
ale też inną grupę komórek,
10:56
a "Critic," that provides a running commentary
250
641000
3000
Krytyka, który dodaje komentarz na żywo
10:59
on the Actor's choices.
251
644000
2000
odnośnie wyborów Aktora.
11:01
You can think of this nagging inner voice
252
646000
3000
Możesz wyobrazić sobie ten zrzędliwy wewnętrzny głos
11:04
as sort of the brain's equivalent
253
649000
2000
jako rodzaj mózgowego odpowiednika
11:06
of the Catholic Church,
254
651000
2000
Kościoła Katolickiego
11:08
if you're an Austrian like me,
255
653000
3000
jeżeli jesteś Austriakiem jak ja,
11:11
or the super-ego, if you're Freudian,
256
656000
3000
albo superego, jeśli hołdujesz szkole Freuda,
11:14
or your mother, if you're Jewish.
257
659000
2000
albo własnej matki, jeśli jesteś Żydem.
11:16
(Laughter)
258
661000
4000
(Śmiech)
11:20
Now obviously,
259
665000
2000
Oczywiście,
11:22
the Critic is a key ingredient
260
667000
3000
krytyka jest kluczowym składnikiem
11:25
in what makes us intelligent.
261
670000
2000
tego, co czyni nas inteligentnymi.
11:27
So we set out to identify
262
672000
2000
Chcemy więc zidentyfikować
11:29
the cells in the fly's brain
263
674000
2000
komórki w mózgu muchy,
11:31
that played the role of the Critic.
264
676000
2000
które odpowiadają roli Krytyka.
11:33
And the logic of our experiment was simple.
265
678000
3000
Logika naszego eksperymentu była prosta.
11:36
We thought if we could use our optical remote control
266
681000
3000
Pomyśleliśmy, że jeśli uda się użyć naszego optycznego zdalnego sterowania
11:39
to activate the cells of the Critic,
267
684000
3000
do zaktywowania komórek Krytyka,
11:42
we should be able, artificially, to nag the Actor
268
687000
3000
powinniśmy być w stanie, w sztuczny sposób, pogderać na Aktora
11:45
into changing its policy.
269
690000
2000
tak aby zmienił swoją politykę.
11:47
In other words,
270
692000
2000
Innymi słowy,
11:49
the fly should learn from mistakes
271
694000
2000
mucha powinna nauczyć się z błędów,
11:51
that it thought it had made
272
696000
2000
które jak będzie sądzić popełniła,
11:53
but, in reality, it had not made.
273
698000
3000
choć naprawdę ich nie popełniła.
11:56
So we bred flies
274
701000
2000
Wyhodowaliśmy więc muchy,
11:58
whose brains were more or less randomly peppered
275
703000
3000
których mózgi były mniej więcej losowo przyprawione
12:01
with cells that were light addressable.
276
706000
2000
komórkami sterowanymi światłem.
12:03
And then we took these flies
277
708000
2000
Wzięliśmy następnie te muchy
12:05
and allowed them to make choices.
278
710000
2000
i pozwoliliśmy im dokonywać wyborów.
12:07
And whenever they made one of the two choices,
279
712000
2000
A za każdym razem gdy dokonały jednego z dwóch wyborów,
12:09
chose one odor,
280
714000
2000
wybrały jeden z zapachów,
12:11
in this case the blue one over the orange one,
281
716000
2000
w tym przypadku niebieski kosztem pomarańczowego,
12:13
we switched on the lights.
282
718000
2000
włączaliśmy światła.
12:15
If the Critic was among the optically activated cells,
283
720000
3000
Jeśli wśród aktywowanych optycznie komórek był Krytyk,
12:18
the result of this intervention
284
723000
2000
wynikiem naszego zabiegu
12:20
should be a change in policy.
285
725000
3000
powinna być zmiana w polityce.
12:23
The fly should learn to avoid
286
728000
2000
Mucha powinna nauczyć się omijać
12:25
the optically reinforced odor.
287
730000
2000
optycznie wzmacniany zapach.
12:27
Here's what happened in two instances:
288
732000
3000
Oto, co zdarzyło się w dwóch przypadkach.
12:30
We're comparing two strains of flies,
289
735000
3000
Porównujemy dwie linie hodowlane muszek,
12:33
each of them having
290
738000
2000
z których każda posiada
12:35
about 100 light-addressable cells in their brains,
291
740000
2000
około 100 reagujących na światło komórek w mózgu,
12:37
shown here in green on the left and on the right.
292
742000
3000
oznaczonych tu na zielono po lewej i po prawej.
12:40
What's common among these groups of cells
293
745000
3000
To, co jest wspólne dla tych grup komórek
12:43
is that they all produce the neurotransmitter dopamine.
294
748000
3000
to fakt, że produkują one neuroprzekaźnik - dopaminę.
12:46
But the identities of the individual
295
751000
2000
Ale tożsamość poszczególnych
12:48
dopamine-producing neurons
296
753000
2000
neuronów produkujących dopaminę
12:50
are clearly largely different on the left and on the right.
297
755000
3000
jest wyraźnie zupełnie odmienna w przypadku tych po lewej i po prawej stronie.
12:53
Optically activating
298
758000
2000
Optyczna aktywacja
12:55
these hundred or so cells
299
760000
2000
tych z grubsza stu komórek
12:57
into two strains of flies
300
762000
2000
w dwóch liniach hodowlanych muszek
12:59
has dramatically different consequences.
301
764000
2000
ma zupełnie odmienny skutek.
13:01
If you look first at the behavior
302
766000
2000
Jeśli spojrzy się najpierw na zachowanie
13:03
of the fly on the right,
303
768000
2000
muchy po prawej stronie,
13:05
you can see that whenever it reaches the midpoint of the chamber
304
770000
3000
widać, że gdy dociera do połowy komory,
13:08
where the two odors meet,
305
773000
2000
gdzie spotykają się oba zapachy,
13:10
it marches straight through, as it did before.
306
775000
3000
maszeruje prosto przed siebie tak jak wcześniej.
13:13
Its behavior is completely unchanged.
307
778000
2000
Zachowanie zostaje zupełnie niezmienione.
13:15
But the behavior of the fly on the left is very different.
308
780000
3000
Ale zachowanie muchy po lewej jest całkiem inne.
13:18
Whenever it comes up to the midpoint,
309
783000
3000
Gdy dociera do punktu środkowego,
13:21
it pauses,
310
786000
2000
zatrzymuje się,
13:23
it carefully scans the odor interface
311
788000
2000
starannie bada granicę obu zapachów,
13:25
as if it was sniffing out its environment,
312
790000
2000
jakby obwąchiwała środowisko,
13:27
and then it turns around.
313
792000
2000
a potem zawraca.
13:29
This means that the policy that the Actor implements
314
794000
3000
To znaczy, że polityka stosowana przez Aktora
13:32
now includes an instruction to avoid the odor
315
797000
2000
zawiera teraz instrukcję omijania zapachu
13:34
that's in the right half of the chamber.
316
799000
3000
znajdującego się w prawej połowie komory.
13:37
This means that the Critic
317
802000
2000
To znaczy, że Krytyk
13:39
must have spoken in that animal,
318
804000
2000
przemówił w tym zwierzęciu
13:41
and that the Critic must be contained
319
806000
2000
i że ten Krytyk musi być zawarty
13:43
among the dopamine-producing neurons on the left,
320
808000
3000
w neuronach produkujących dopaminę po lewej,
13:46
but not among the dopamine producing neurons on the right.
321
811000
3000
ale nie w neuronach produkujących dopaminę po prawej.
13:49
Through many such experiments,
322
814000
3000
Przez wiele podobnych eksperymentów,
13:52
we were able to narrow down
323
817000
2000
byliśmy w stanie zawęzić
13:54
the identity of the Critic
324
819000
2000
tożsamość Krytyka
13:56
to just 12 cells.
325
821000
2000
do zaledwie 12 komórek.
13:58
These 12 cells, as shown here in green,
326
823000
3000
Te 12 komórek, oznaczonych tu na zielono.
14:01
send the output to a brain structure
327
826000
2000
wysyła sygnały do struktury mózgu
14:03
called the "mushroom body,"
328
828000
2000
zwanej ciałem grzybkowatym,
14:05
which is shown here in gray.
329
830000
2000
zaznaczonej tu na szaro.
14:07
We know from our formal model
330
832000
2000
Wiemy z naszego modelu formalnego,
14:09
that the brain structure
331
834000
2000
że struktura mózgu
14:11
at the receiving end of the Critic's commentary is the Actor.
332
836000
3000
odbierająca komentarze Krytyka to Aktor.
14:14
So this anatomy suggests
333
839000
2000
A więc te dane anatomiczne sugerują,
14:16
that the mushroom bodies have something to do
334
841000
3000
że ciała grzybkowate mają coś wspólnego
14:19
with action choice.
335
844000
2000
z podejmowaniem decyzji.
14:21
Based on everything we know about the mushroom bodies,
336
846000
2000
Opierając się na wszystkim co wiemy na temat ciał grzybkowatych,
14:23
this makes perfect sense.
337
848000
2000
ma to w zupełności sens.
14:25
In fact, it makes so much sense
338
850000
2000
Tak naprawdę, ma to sens tak dalece,
14:27
that we can construct an electronic toy circuit
339
852000
3000
że możemy stworzyć zabawkowy obwód elektryczny,
14:30
that simulates the behavior of the fly.
340
855000
3000
symulujący zachowanie muchy.
14:33
In this electronic toy circuit,
341
858000
3000
W tym zabawkowym obwodzie
14:36
the mushroom body neurons are symbolized
342
861000
2000
ciała grzybkowate są symbolizowane
14:38
by the vertical bank of blue LEDs
343
863000
3000
przez pionowy zestaw niebieskich diod
14:41
in the center of the board.
344
866000
3000
na środku płytki.
14:44
These LED's are wired to sensors
345
869000
2000
Te diody połączone są z czujnikami,
14:46
that detect the presence of odorous molecules in the air.
346
871000
3000
które wykrywają obecność cząsteczek zapachowych w powietrzu.
14:50
Each odor activates a different combination of sensors,
347
875000
3000
Każdy zapach uaktywnia odmienną kombinację czujników,
14:53
which in turn activates
348
878000
2000
które z kolei uaktywniają
14:55
a different odor detector in the mushroom body.
349
880000
3000
inny wykrywacz zapachu w ciele grzybkowatym.
14:58
So the pilot in the cockpit of the fly,
350
883000
2000
Tak więc pilot w kokpicie muchy,
15:00
the Actor,
351
885000
2000
nasz Aktor,
15:02
can tell which odor is present
352
887000
2000
może stwierdzić, który zapach jest obecny
15:04
simply by looking at which of the blue LEDs lights up.
353
889000
4000
patrząc po prostu na to, które diody się zapalają.
15:09
What the Actor does with this information
354
894000
2000
Co Aktor zrobi z tą informacją
15:11
depends on its policy,
355
896000
2000
jest uzależnione od polityki,
15:13
which is stored in the strengths of the connection,
356
898000
2000
która przechowywana jest w sile połączenia
15:15
between the odor detectors
357
900000
2000
pomiędzy czujnikami zapachu
15:17
and the motors
358
902000
2000
a mięśniami motorycznymi - silnikami
15:19
that power the fly's evasive actions.
359
904000
2000
napędzającym czynności ucieczkowe muchy.
15:22
If the connection is weak, the motors will stay off
360
907000
2000
Jeśli połączenie jest słabe, silniki pozostaną wyłączone,
15:24
and the fly will continue straight on its course.
361
909000
3000
a mucha będzie poruszać się prosto po swoim kursie.
15:27
If the connection is strong, the motors will turn on
362
912000
3000
Jeśli połączenie jest mocne, silniki uruchomią się,
15:30
and the fly will initiate a turn.
363
915000
3000
a mucha zacznie zawracać.
15:33
Now consider a situation
364
918000
2000
Rozważcie teraz sytuację,
15:35
in which the motors stay off,
365
920000
2000
w której silniki pozostają wyłączone,
15:37
the fly continues on its path
366
922000
3000
mucha pozostaje na swoim kursie,
15:40
and it suffers some painful consequence
367
925000
2000
i ponosi bolesne konsekwencje
15:42
such as getting zapped.
368
927000
2000
na przykład dostanie klapką.
15:44
In a situation like this,
369
929000
2000
W takiej sytuacji
15:46
we would expect the Critic to speak up
370
931000
2000
spodziewalibyśmy się, że Krytyk zabierze głos
15:48
and to tell the Actor
371
933000
2000
i powie Aktorowi,
15:50
to change its policy.
372
935000
2000
aby zmienił politykę.
15:52
We have created such a situation, artificially,
373
937000
3000
Wytworzyliśmy sztucznie taką sytuację,
15:55
by turning on the critic with a flash of light.
374
940000
3000
włączając Krytyka błyskiem światła.
15:58
That caused a strengthening of the connections
375
943000
3000
Spowodowało to wzmocnienie połączeń
16:01
between the currently active odor detector
376
946000
3000
między aktualnie aktywnym czujnikiem zapachu
16:04
and the motors.
377
949000
2000
i mięśniami motorycznymi.
16:06
So the next time
378
951000
2000
A więc gdy kolejny raz
16:08
the fly finds itself facing the same odor again,
379
953000
3000
mucha napotyka ten sam zapach,
16:11
the connection is strong enough to turn on the motors
380
956000
3000
połączenie jest dostatecznie silne by uruchomić silniki
16:14
and to trigger an evasive maneuver.
381
959000
3000
i rozpocząć manewr ucieczki.
16:19
I don't know about you,
382
964000
3000
Nie wiem jak wam,
16:22
but I find it exhilarating to see
383
967000
3000
ale mi sprawia radość gdy widzę,
16:25
how vague psychological notions
384
970000
3000
jak mętne poglądy psychologiczne
16:28
evaporate and give rise
385
973000
2000
wyparowują, dając miejsce
16:30
to a physical, mechanistic understanding of the mind,
386
975000
3000
fizycznemu, mechanistycznemu rozumieniu umysłu
16:33
even if it's the mind of the fly.
387
978000
3000
nawet gdy chodzi o umysł muchy.
16:36
This is one piece of good news.
388
981000
3000
To dobre wiadomości.
16:39
The other piece of good news,
389
984000
2000
Inne dobre wiadomości,
16:41
for a scientist at least,
390
986000
2000
przynajmniej dla naukowca,
16:43
is that much remains to be discovered.
391
988000
3000
to, że jeszcze wiele pozostało do odkrycia.
16:46
In the experiments I told you about,
392
991000
2000
W eksperymencie, o którym wam opowiedziałem
16:48
we have lifted the identity of the Critic,
393
993000
3000
rozprawiliśmy się z tożsamością Krytyka,
16:51
but we still have no idea
394
996000
2000
ale nadal nie mamy pojęcia
16:53
how the Critic does its job.
395
998000
2000
w jaki sposób Krytyk wykonuje swoją pracę.
16:55
Come to think of it, knowing when you're wrong
396
1000000
2000
Gdy się nad tym zastanowić, zdanie sobie sprawy z tego, że jest się w błędzie
16:57
without a teacher, or your mother, telling you,
397
1002000
3000
bez nauczyciela czy matki, którzy nam o tym powiedzą,
17:00
is a very hard problem.
398
1005000
2000
to ciężkie wyzwanie.
17:02
There are some ideas in computer science
399
1007000
2000
Informatyka ma pewne propozycje,
17:04
and in artificial intelligence
400
1009000
2000
podobnie jak sztuczna inteligencja,
17:06
as to how this might be done,
401
1011000
2000
co do tego, jak mogłoby się to dziać,
17:08
but we still haven't solved
402
1013000
2000
ale wciąż nie rozwikłaliśmy
17:10
a single example
403
1015000
2000
ani jednego przykładu
17:12
of how intelligent behavior
404
1017000
3000
tego, jak inteligentne zachowanie
17:15
springs from the physical interactions
405
1020000
2000
wyłania się z fizycznych oddziaływań
17:17
in living matter.
406
1022000
2000
w żywej materii.
17:19
I think we'll get there in the not too distant future.
407
1024000
3000
Myślę jednak, że już niedługo do tego dojdziemy.
17:22
Thank you.
408
1027000
2000
Dziękuję.
17:24
(Applause)
409
1029000
4000
(Oklaski)
ABOUT THE SPEAKER
Gero Miesenboeck - OptogeneticistUsing light and a little genetic engineering -- optogenetics -- Gero Miesenboeck has developed a way to control how living nerve cells work, and advanced understanding of how the brain controls behavior.
Why you should listen
Gero Miesenboeck is pioneering the field of optogenetics: genetically modifying nerve cells to respond to light. By flashing light at a modified neuron in a living nervous system, Miesenboeck and his collaborators can mimic a brain impulse -- and then study what happens next. Optogenetics will allow ever more precise experiments on living brains, allowing us to gather better evidence on how electrical impulses on tissue translate into actual behavior and thoughts.
In one experiment, done at Yale, he and his team engineered fruit flies to be light-sensitive in the neural area responsible for escape response. Then the flies were beheaded; fruit flies can live for a day without their heads, but they don't move. When the modified cells were flashed with light, though, the headless flies flew. Miesenboeck had successfully simulated an order from a brain that wasn't even there anymore.
Miesenboeck's current research at Oxford's growing department of neurobiology focuses on the nerve cell networks that underpin what animals perceive, remember and do. In one recent experiment, he used optogenetics to implant an unpleasant memory in a fruit fly, causing it to "remember" to avoid a certain odor as it traveled around. He and his team were able, in fact, to find the fly's specific 12-neuron brain circuit that govern memory formation.
Gero Miesenboeck | Speaker | TED.com