TEDSalon London Spring 2011
Neil Burgess: How your brain tells you where you are
Neil Burgess: Como seu cérebro lhe diz onde você está
Filmed:
Readability: 4.2
1,458,267 views
Como você lembra onde estacionou seu carro? Como você sabe se está indo na direção certa? O neurocientista Neil Burgess estuda os mecanismos neurais que mapeiam o espaço à nossa volta, e como eles se ligam à memória e imaginação.
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
Quando paramos em um grande estacionamento
00:17
how do we remember where we parked our car?
1
2000
2000
como lembramos onde deixamos nosso carro?
00:19
Here's the problem facing Homer.
2
4000
3000
Eis aqui o problema que Homer enfrenta.
00:22
And we're going to try to understand
3
7000
2000
E vamos tentar entender
00:24
what's happening in his brain.
4
9000
2000
o que está acontecendo em seu cérebro.
00:26
So we'll start with the hippocampus, shown in yellow,
5
11000
2000
Assim, começaremos com o hipocampo, mostrado em amarelo,
00:28
which is the organ of memory.
6
13000
2000
que é o órgão da memória.
00:30
If you have damage there, like in Alzheimer's,
7
15000
2000
Se você tem algum dano ali, como no Alzheimer,
00:32
you can't remember things including where you parked your car.
8
17000
2000
você não consegue lembrar coisas, incluindo onde você estacionou o carro.
00:34
It's named after Latin for "seahorse,"
9
19000
2000
Seu nome vem do latim para "cavalo marinho",
00:36
which it resembles.
10
21000
2000
com o qual ele se assemelha.
00:38
And like the rest of the brain, it's made of neurons.
11
23000
2000
E, como o restante do cérebro, é feito de neurônios.
00:40
So the human brain
12
25000
2000
O cérebro humano
00:42
has about a hundred billion neurons in it.
13
27000
2000
tem aproximadamente cem bilhões de neurônios.
00:44
And the neurons communicate with each other
14
29000
3000
E os neurônios se comunicam uns com os outros
00:47
by sending little pulses or spikes of electricity
15
32000
2000
enviando pequenos pulsos ou faíscas de eletricidade
00:49
via connections to each other.
16
34000
2000
por meio das conexões de um com outro.
00:51
The hippocampus is formed of two sheets of cells,
17
36000
3000
O hipocampo é formado de duas camadas de células,
00:54
which are very densely interconnected.
18
39000
2000
que são interconectadas muito densamente.
00:56
And scientists have begun to understand
19
41000
2000
E cientistas começaram a entender
00:58
how spatial memory works
20
43000
2000
como a memória espacial funciona,
01:00
by recording from individual neurons
21
45000
2000
registrando neurônios individuais
01:02
in rats or mice
22
47000
2000
em ratos e camundongos,
01:04
while they forage or explore an environment
23
49000
2000
enquanto se alimentam ou exploram um ambiente
01:06
looking for food.
24
51000
2000
procurando por comida.
01:08
So we're going to imagine we're recording from a single neuron
25
53000
3000
Portanto, vamos imaginar que estamos registrando um único neurônio
01:11
in the hippocampus of this rat here.
26
56000
3000
no hipocampo deste rato aqui.
01:14
And when it fires a little spike of electricity,
27
59000
2000
E quando ele dispara uma pequena faísca de eletricidade,
01:16
there's going to be a red dot and a click.
28
61000
3000
vai ocorrer um ponto vermelho e um clique.
01:19
So what we see
29
64000
2000
Assim, o que vemos
01:21
is that this neuron knows
30
66000
2000
é que este neurônio sabe
01:23
whenever the rat has gone into one particular place in its environment.
31
68000
3000
sempre que o rato vai para um local específico em seu ambiente.
01:26
And it signals to the rest of the brain
32
71000
2000
E ele sinaliza para o restante do cérebro
01:28
by sending a little electrical spike.
33
73000
3000
enviando uma pequena faísca elétrica.
01:31
So we could show the firing rate of that neuron
34
76000
3000
Assim, poderíamos apresentar a taxa de acendimento desse neurônio
01:34
as a function of the animal's location.
35
79000
2000
como uma função da localização do animal.
01:36
And if we record from lots of different neurons,
36
81000
2000
E se registramos muitos neurônios diferentes,
01:38
we'll see that different neurons fire
37
83000
2000
verão que diferentes neurônios se acendem
01:40
when the animal goes in different parts of its environment,
38
85000
2000
quando o animal vai a diferentes partes de seu ambiente,
01:42
like in this square box shown here.
39
87000
2000
como nesta caixa quadrada, exibida aqui.
01:44
So together they form a map
40
89000
2000
Dessa forma, juntos eles formam um mapa
01:46
for the rest of the brain,
41
91000
2000
para o restante do cérebro,
01:48
telling the brain continually,
42
93000
2000
informando ao cérebro continuamente:
01:50
"Where am I now within my environment?"
43
95000
2000
"Onde estou agora dentro de meu ambiente?"
01:52
Place cells are also being recorded in humans.
44
97000
3000
Células de localização também estão sendo registradas em humanos.
01:55
So epilepsy patients sometimes need
45
100000
2000
Pacientes com epilepsia às vezes precisam
01:57
the electrical activity in their brain monitoring.
46
102000
3000
que a atividade elétrica em seus cérebros seja monitorada.
02:00
And some of these patients played a video game
47
105000
2000
Alguns desses pacientes jogaram um vídeo game
02:02
where they drive around a small town.
48
107000
2000
no qual eles percorrem uma cidade pequena.
02:04
And place cells in their hippocampi would fire, become active,
49
109000
3000
E células de localização no hipocampo deles acenderam, tornaram-se ativas,
02:07
start sending electrical impulses
50
112000
3000
começaram a enviar impulsos elétricos
02:10
whenever they drove through a particular location in that town.
51
115000
3000
toda vez que passavam por um local específico naquela cidade.
02:13
So how does a place cell know
52
118000
2000
Portanto, como uma célula de localização sabe
02:15
where the rat or person is within its environment?
53
120000
3000
onde o rato ou pessoa está dentro de seu ambiente?
02:18
Well these two cells here
54
123000
2000
Bem, estas duas células aqui
02:20
show us that the boundaries of the environment
55
125000
2000
nos mostram que os limites do ambiente
02:22
are particularly important.
56
127000
2000
são particularmente importantes.
02:24
So the one on the top
57
129000
2000
Assim, aquela no topo
02:26
likes to fire sort of midway between the walls
58
131000
2000
gosta de acender mais ou menos no centro, entre as paredes
02:28
of the box that their rat's in.
59
133000
2000
da caixa em que o rato está.
02:30
And when you expand the box, the firing location expands.
60
135000
3000
E quando você expande a caixa, o local do acendimento expande.
02:33
The one below likes to fire
61
138000
2000
Aquela de baixo gosta de acender
02:35
whenever there's a wall close by to the south.
62
140000
3000
sempre que há uma parede perto, na direção sul.
02:38
And if you put another wall inside the box,
63
143000
2000
E se você coloca outra parede dentro da caixa,
02:40
then the cell fires in both place
64
145000
2000
então a célula acende em ambos os lugares
02:42
wherever there's a wall to the south
65
147000
2000
sempre que há uma parede na direção sul,
02:44
as the animal explores around in its box.
66
149000
3000
à medida que o animal explora sua caixa.
02:48
So this predicts
67
153000
2000
Assim, isso prevê
02:50
that sensing the distances and directions of boundaries around you --
68
155000
2000
que detetar distâncias e direções dos limites ao seu redor --
02:52
extended buildings and so on --
69
157000
2000
extensões de edificações e assim por diante --
02:54
is particularly important for the hippocampus.
70
159000
3000
é particularmente importante para o hipocampo.
02:57
And indeed, on the inputs to the hippocampus,
71
162000
2000
E, de fato, nos dados coletados para o hipocampo,
02:59
cells are found which project into the hippocampus,
72
164000
2000
são encontradas células que projetam no hipocampo,
03:01
which do respond exactly
73
166000
2000
que realmente responde com precisão
03:03
to detecting boundaries or edges
74
168000
3000
à detecção de limites ou bordas
03:06
at particular distances and directions
75
171000
2000
em distâncias e direções específicas
03:08
from the rat or mouse
76
173000
2000
do rato ou camundongo
03:10
as it's exploring around.
77
175000
2000
à medida que ele está explorando as cercanias.
03:12
So the cell on the left, you can see,
78
177000
2000
Assim, a célula à esquerda, você pode ver,
03:14
it fires whenever the animal gets near
79
179000
2000
acende sempre que o animal fica perto
03:16
to a wall or a boundary to the east,
80
181000
3000
de uma parede ou um limite na direção leste,
03:19
whether it's the edge or the wall of a square box
81
184000
3000
seja esse limite uma parede de uma caixa quadrada
03:22
or the circular wall of the circular box
82
187000
2000
ou a parede circular de uma caixa redonda,
03:24
or even the drop at the edge of a table, which the animals are running around.
83
189000
3000
ou mesmo, a queda na borda de uma mesa, na qual os animais estejam correndo.
03:27
And the cell on the right there
84
192000
2000
E a célula, à direita ali,
03:29
fires whenever there's a boundary to the south,
85
194000
2000
acende sempre que há um limite na direção sul,
03:31
whether it's the drop at the edge of the table or a wall
86
196000
2000
seja a queda na borda da mesa, uma parede
03:33
or even the gap between two tables that are pulled apart.
87
198000
3000
ou até mesmo o espaço entre duas mesas que estão separadas.
03:36
So that's one way in which we think
88
201000
2000
Portanto, esta é uma maneira pela qual, nós pensamos,
03:38
place cells determine where the animal is as it's exploring around.
89
203000
3000
as células de localização determinam onde o animal está enquanto explora as redondezas.
03:41
We can also test where we think objects are,
90
206000
3000
Podemos também testar onde achamos que os objetos estão,
03:44
like this goal flag, in simple environments --
91
209000
3000
como esta bandeirola, em ambientes simples --
03:47
or indeed, where your car would be.
92
212000
2000
ou mesmo, onde está seu carro.
03:49
So we can have people explore an environment
93
214000
3000
Assim, podemos ter pessoas explorando um ambiente
03:52
and see the location they have to remember.
94
217000
3000
e vendo o local que elas têm que lembrar.
03:55
And then, if we put them back in the environment,
95
220000
2000
Em seguida, se as colocamos de volta no ambiente,
03:57
generally they're quite good at putting a marker down
96
222000
2000
geralmente elas são bastante boas em colocar um marcador
03:59
where they thought that flag or their car was.
97
224000
3000
onde elas pensam que a bandeirola ou o carro estava.
04:02
But on some trials,
98
227000
2000
Mas em alguns experimentos,
04:04
we could change the shape and size of the environment
99
229000
2000
podemos mudar o formato e o tamanho do ambiente
04:06
like we did with the place cell.
100
231000
2000
como fizemos com a célula de localização.
04:08
In that case, we can see
101
233000
2000
Nesse caso, podemos ver
04:10
how where they think the flag had been changes
102
235000
3000
como o local em que eles pensam que a bandeirola estava muda
04:13
as a function of how you change the shape and size of the environment.
103
238000
3000
como uma função de como você muda o formato e o tamanho do ambiente.
04:16
And what you see, for example,
104
241000
2000
E o que você vê, por exemplo,
04:18
if the flag was where that cross was in a small square environment,
105
243000
3000
se a bandeirola estava onde estava esta cruz em um pequeno ambiente quadrado,
04:21
and then if you ask people where it was,
106
246000
2000
e, então, se você pergunta às pessoas onde ela estava,
04:23
but you've made the environment bigger,
107
248000
2000
mas você tornou o ambiente maior,
04:25
where they think the flag had been
108
250000
2000
onde elas acham que a bandeirola estava
04:27
stretches out in exactly the same way
109
252000
2000
se estica exatamente da mesma maneira
04:29
that the place cell firing stretched out.
110
254000
2000
que o acendimento da célula de localização se estica.
04:31
It's as if you remember where the flag was
111
256000
2000
É como se você lembrasse onde estava a bandeirola,
04:33
by storing the pattern of firing across all of your place cells
112
258000
3000
armazenando o padrão de acendimento de todas as suas células de localização
04:36
at that location,
113
261000
2000
naquele local,
04:38
and then you can get back to that location
114
263000
2000
e daí você pode voltar a esse local,
04:40
by moving around
115
265000
2000
movendo-se ao redor,
04:42
so that you best match the current pattern of firing of your place cells
116
267000
2000
para que combine melhor o padrão de acendimento atual de suas células de localização
04:44
with that stored pattern.
117
269000
2000
com aquele padrão armazenado.
04:46
That guides you back to the location that you want to remember.
118
271000
3000
Isso guia você de volta ao local que você quer lembrar.
04:49
But we also know where we are through movement.
119
274000
3000
Mas também sabemos onde estamos através do movimento.
04:52
So if we take some outbound path --
120
277000
2000
Dessa forma, se vagamos por um caminho que nos leva para fora --
04:54
perhaps we park and we wander off --
121
279000
2000
pode ser que tenhamos estacionado e andado ao acaso --
04:56
we know because our own movements,
122
281000
2000
sabemos por causa de nossos próprios movimentos,
04:58
which we can integrate over this path
123
283000
2000
que podemos integrar sobre esse caminho,
05:00
roughly what the heading direction is to go back.
124
285000
2000
qual é, grosso modo, a direção para voltar.
05:02
And place cells also get this kind of path integration input
125
287000
4000
E as células de localização também têm esse tipo de integração de dados coletados do caminho
05:06
from a kind of cell called a grid cell.
126
291000
3000
de um tipo de célula chamada de célula-rede.
05:09
Now grid cells are found, again,
127
294000
2000
Agora, as células-rede são encontradas, novamente,
05:11
on the inputs to the hippocampus,
128
296000
2000
nos dados coletados para o hipocampo,
05:13
and they're a bit like place cells.
129
298000
2000
e são um pouquinho como as células de localização.
05:15
But now as the rat explores around,
130
300000
2000
Mas, agora, à medida que o rato explora as redondezas,
05:17
each individual cell fires
131
302000
2000
cada célula individual acende
05:19
in a whole array of different locations
132
304000
3000
numa matriz completa de diferentes locais
05:22
which are laid out across the environment
133
307000
2000
que estão colocados pelo ambiente,
05:24
in an amazingly regular triangular grid.
134
309000
3000
em uma rede triangular espantosamente regular.
05:29
And if you record from several grid cells --
135
314000
3000
E se você faz o registro de diferentes células-rede --
05:32
shown here in different colors --
136
317000
2000
mostradas aqui em cores diferentes --
05:34
each one has a grid-like firing pattern across the environment,
137
319000
3000
cada uma tem um padrão de acendimento semelhante à rede através do ambiente,
05:37
and each cell's grid-like firing pattern is shifted slightly
138
322000
3000
e cada padrão de acendimento semelhante a rede é levemente deslocado
05:40
relative to the other cells.
139
325000
2000
relativamente às outras células.
05:42
So the red one fires on this grid
140
327000
2000
Assim, as vermelhas se acendem nesta rede
05:44
and the green one on this one and the blue on on this one.
141
329000
3000
e as verdes, nesta e as azuis, nesta outra.
05:47
So together, it's as if the rat
142
332000
3000
Juntas, é como se o rato
05:50
can put a virtual grid of firing locations
143
335000
2000
pudesse colocar uma rede virtual de locais de acendimento
05:52
across its environment --
144
337000
2000
por todo o ambiente --
05:54
a bit like the latitude and longitude lines that you'd find on a map,
145
339000
3000
um pouco como linhas de latitude e longitude que encontramos em mapas,
05:57
but using triangles.
146
342000
2000
mas usando triângulos.
05:59
And as it moves around,
147
344000
2000
E, à medida que se move ao redor,
06:01
the electrical activity can pass
148
346000
2000
a atividade elétrica pode passar
06:03
from one of these cells to the next cell
149
348000
2000
de uma dessas células para a próxima célula
06:05
to keep track of where it is,
150
350000
2000
para manter a trajetória de onde ele está,
06:07
so that it can use its own movements
151
352000
2000
dessa forma ele pode usar seus próprios movimentos
06:09
to know where it is in its environment.
152
354000
2000
para saber onde está em seu ambiente.
06:11
Do people have grid cells?
153
356000
2000
As pessoas têm células-rede?
06:13
Well because all of the grid-like firing patterns
154
358000
2000
Bem, porque todos os padrões de acendimento semelhante à rede
06:15
have the same axes of symmetry,
155
360000
2000
têm os mesmos eixos de simetria,
06:17
the same orientations of grid, shown in orange here,
156
362000
3000
as mesmas orientações da rede, mostradas em laranja aqui,
06:20
it means that the net activity
157
365000
2000
isso significa que a atividade da rede
06:22
of all of the grid cells in a particular part of the brain
158
367000
3000
de todas as células-rede em uma parte específica do cérebro
06:25
should change
159
370000
2000
deveria mudar
06:27
according to whether we're running along these six directions
160
372000
2000
de acordo com: se estamos correndo ao longo de uma dessas seis direções
06:29
or running along one of the six directions in between.
161
374000
3000
ou correndo ao longo de uma das seis direções no entremeio.
06:32
So we can put people in an MRI scanner
162
377000
2000
Assim, podemos colocar as pessoas num 'scanner' de ressonância magnética
06:34
and have them do a little video game
163
379000
2000
e fazer com que joguem vídeo game
06:36
like the one I showed you
164
381000
2000
como o que lhes mostrei
06:38
and look for this signal.
165
383000
2000
e procurar por este sinal.
06:40
And indeed, you do see it in the human entorhinal cortex,
166
385000
3000
E, de fato, você realmente o vê no córtex entorrinal humano,
06:43
which is the same part of the brain that you see grid cells in rats.
167
388000
3000
que é a mesma parte do cérebro na qual você vê células-rede em ratos.
06:46
So back to Homer.
168
391000
2000
De volta a Homer.
06:48
He's probably remembering where his car was
169
393000
2000
Provavelmente ele está lembrando onde está seu carro
06:50
in terms of the distances and directions
170
395000
2000
em termos de distâncias e direções
06:52
to extended buildings and boundaries
171
397000
2000
em relação a extensões de edificações e limites
06:54
around the location where he parked.
172
399000
2000
ao redor do local onde estacionou.
06:56
And that would be represented
173
401000
2000
E isso seria representado
06:58
by the firing of boundary-detecting cells.
174
403000
2000
pelo acendimento de células detetoras de limites
07:00
He's also remembering the path he took out of the car park,
175
405000
3000
Ele também lembra o caminho que tomou na saída do estacionamento,
07:03
which would be represented in the firing of grid cells.
176
408000
3000
que seria representado no acendimento de células-rede.
07:06
Now both of these kinds of cells
177
411000
2000
Agora, esses tipos de células
07:08
can make the place cells fire.
178
413000
2000
podem fazer as células de localização acenderem.
07:10
And he can return to the location where he parked
179
415000
2000
E ele pode retornar ao local onde estacionou
07:12
by moving so as to find where it is
180
417000
3000
movendo-se de forma a encontrar o ponto
07:15
that best matches the firing pattern
181
420000
2000
que melhor combine com o padrão de acendimento
07:17
of the place cells in his brain currently
182
422000
2000
atual das células de localização em seu cérebro
07:19
with the stored pattern where he parked his car.
183
424000
3000
com o padrão armazenado do ponto onde ele estacionou seu carro.
07:22
And that guides him back to that location
184
427000
2000
E isso o guia de volta àquele local,
07:24
irrespective of visual cues
185
429000
2000
independente de pistas visuais,
07:26
like whether his car's actually there.
186
431000
2000
como se o carro estivesse realmente ali,
07:28
Maybe it's been towed.
187
433000
2000
Talvez tenha sido guinchado.
07:30
But he knows where it was, so he knows to go and get it.
188
435000
3000
Mas ele sabe onde estava, então ele sabe ir e apanhá-lo.
07:33
So beyond spatial memory,
189
438000
2000
Então, além da memória espacial,
07:35
if we look for this grid-like firing pattern
190
440000
2000
se procuramos por esse padrão de acendimento semelhante à rede
07:37
throughout the whole brain,
191
442000
2000
por todo o cérebro,
07:39
we see it in a whole series of locations
192
444000
3000
nós o vemos numa série de locais
07:42
which are always active
193
447000
2000
que estão sempre ativos
07:44
when we do all kinds of autobiographical memory tasks,
194
449000
2000
quando fazemos todos os tipos de tarefas ligadas à memória autobiográfica,
07:46
like remembering the last time you went to a wedding, for example.
195
451000
3000
como lembrar a última vez que você foi a um casamento, por exemplo.
07:49
So it may be that the neural mechanisms
196
454000
2000
Portanto, é possível que os mecanismos neurais
07:51
for representing the space around us
197
456000
3000
para representar o espaço ao nosso redor
07:54
are also used for generating visual imagery
198
459000
4000
também sejam usados para gerar imagens visuais
07:58
so that we can recreate the spatial scene, at least,
199
463000
3000
de forma que possamos recriar a cena espacial, no mínimo,
08:01
of the events that have happened to us when we want to imagine them.
200
466000
3000
dos eventos que aconteceram conosco quando queremos imaginá-los.
08:04
So if this was happening,
201
469000
2000
Assim, se isso estivesse acontecendo,
08:06
your memories could start by place cells activating each other
202
471000
3000
suas memórias poderiam começar com as células de localização ativando umas às outras
08:09
via these dense interconnections
203
474000
2000
por meio dessas interconexões densas
08:11
and then reactivating boundary cells
204
476000
2000
e, então, reativando as células de limites
08:13
to create the spatial structure
205
478000
2000
para criar a estrutura espacial
08:15
of the scene around your viewpoint.
206
480000
2000
da cena ao redor de seu ponto de vista.
08:17
And grid cells could move this viewpoint through that space.
207
482000
2000
E as células-rede poderiam mover esse ponto de vista por esse espaço.
08:19
Another kind of cell, head direction cells,
208
484000
2000
Um outro tipo de célula, células de direção,
08:21
which I didn't mention yet,
209
486000
2000
que eu ainda não tinha mencionado,
08:23
they fire like a compass according to which way you're facing.
210
488000
3000
elas acendem como que uma bússola, de acordo com o que você está encarando.
08:26
They could define the viewing direction
211
491000
2000
Elas poderiam definir a direção da visão
08:28
from which you want to generate an image for your visual imagery,
212
493000
3000
da qual você quer gerar uma imagem para suas imagens visuais,
08:31
so you can imagine what happened when you were at this wedding, for example.
213
496000
3000
de forma que você pode imaginar o que aconteceu quando você estava nesse casamento, por exemplo.
08:34
So this is just one example
214
499000
2000
Este é apenas um exemplo
08:36
of a new era really
215
501000
2000
de uma nova era, realmente,
08:38
in cognitive neuroscience
216
503000
2000
na neurociência cognitiva
08:40
where we're beginning to understand
217
505000
2000
na qual estamos começando a entender
08:42
psychological processes
218
507000
2000
processos psicológicos
08:44
like how you remember or imagine or even think
219
509000
3000
de como você lembra, imagina ou mesmo pensa,
08:47
in terms of the actions
220
512000
2000
em termos das ações
08:49
of the billions of individual neurons that make up our brains.
221
514000
3000
dos bilhões de neurônios individuais que compõem nossos cérebros.
08:52
Thank you very much.
222
517000
2000
Muito obrigado.
08:54
(Applause)
223
519000
3000
(Aplausos)
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