TEDIndia 2009
Pawan Sinha: How brains learn to see
Паван Синха о том, как мозг учится видеть
Filmed:
Readability: 4.5
939,209 views
Паван Синха подробно описывает свои революционные исследования развития зрительной системы мозга. Синха и его команда бесплатно предоставляют слепым от рождения детям лечение, а затем изучают, как мозг учится интерпретировать визуальные данные. Эти исследования приводят к догадкам в области неврологии, инженерии и даже аутизма.
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
Если вы – слепой ребёнок в Индии,
00:19
you will very likely have to contend with
1
4000
3000
то, скорее всего, вам придётся бороться
00:22
at least two big pieces of bad news.
2
7000
3000
как минимум с двумя серьёзными проблемами.
00:25
The first bad news
3
10000
2000
Первая проблема
00:27
is that the chances of getting treatment
4
12000
3000
заключается в том, что шансы получить лечение
00:30
are extremely slim to none,
5
15000
3000
стремятся к нулю,
00:33
and that's because most of the blindness
6
18000
2000
потому что большинство программ
00:35
alleviation programs in the country
7
20000
2000
реабилитации слепоты в стране
00:37
are focused on adults,
8
22000
2000
ориентированы на взрослых,
00:39
and there are very, very few hospitals
9
24000
3000
и там очень, очень мало больниц,
00:42
that are actually equipped to treat children.
10
27000
3000
оснащённых для лечения детей.
00:46
In fact, if you were to be treated,
11
31000
4000
По сути, если бы вас и лечили,
00:51
you might well end up being treated
12
36000
3000
скорее всего, это бы делал
00:54
by a person who has no medical credentials
13
39000
3000
человек без медицинского диплома,
00:57
as this case from Rajasthan illustrates.
14
42000
3000
как показывает этот случай в штате Раджастхан.
01:00
This is a three-year-old orphan girl
15
45000
2000
Это трёхлетняя осиротевшая девочка,
01:02
who had cataracts.
16
47000
2000
у которой была катаракта.
01:04
So, her caretakers took her
17
49000
2000
Опекуны девочки отвезли её
01:06
to the village medicine man,
18
51000
2000
к деревенскому лекарю,
01:08
and instead of suggesting to the caretakers
19
53000
3000
и вместо того, чтобы предложить опекунам
01:11
that the girl be taken to a hospital,
20
56000
3000
отвезти девочку в больницу,
01:14
the person decided to burn her abdomen
21
59000
2000
он решил прижечь ей живот
01:16
with red-hot iron bars
22
61000
2000
раскалённым железом,
01:18
to drive out the demons.
23
63000
2000
чтобы изгнать из девочки демонов.
01:20
The second piece of bad news
24
65000
3000
О второй проблеме
01:23
will be delivered to you
25
68000
2000
вам сообщат
01:25
by neuroscientists, who will tell you
26
70000
3000
неврологи, которые скажут,
01:28
that if you are older than four or five years of age,
27
73000
3000
что если вы старше четырёх-пяти лет,
01:31
that even if you have your eye corrected,
28
76000
3000
то даже если вам вылечат глаза,
01:34
the chances of your brain learning how to see
29
79000
3000
шансы на то, что ваш мозг научится видеть,
01:37
are very, very slim --
30
82000
2000
очень и очень малы.
01:39
again, slim or none.
31
84000
3000
Малы либо отсутствуют.
01:42
So when I heard these two things,
32
87000
2000
Когда я услышал об этих проблемах,
01:44
it troubled me deeply,
33
89000
2000
они глубоко встревожили меня,
01:46
both because of personal reasons
34
91000
2000
как по личным причинам,
01:48
and scientific reasons.
35
93000
2000
так и по научным.
01:50
So let me first start with the personal reason.
36
95000
3000
Позвольте начать с личного.
01:53
It'll sound corny, but it's sincere.
37
98000
3000
Это прозвучит банально, но это правда.
01:56
That's my son, Darius.
38
101000
2000
Это мой сын Дариус.
01:58
As a new father,
39
103000
2000
Как новоиспечённый отец,
02:00
I have a qualitatively different sense
40
105000
4000
я совершенно иначе понимаю,
02:04
of just how delicate babies are,
41
109000
3000
насколько дети чувствительны,
02:07
what our obligations are towards them
42
112000
3000
какие у нас перед ними обязательства,
02:10
and how much love
43
115000
2000
и как сильно
02:12
we can feel towards a child.
44
117000
3000
мы способны любить их.
02:15
I would move heaven and earth
45
120000
2000
Я бы свернул горы,
02:17
in order to get treatment for Darius,
46
122000
3000
ради лечения Дариуса.
02:20
and for me to be told
47
125000
2000
И для меня тот факт,
02:22
that there might be other Dariuses
48
127000
2000
что в мире могут быть другие Дариусы,
02:24
who are not getting treatment,
49
129000
2000
которые не получают лечения,
02:26
that's just viscerally wrong.
50
131000
3000
совершенно несправедлив.
02:29
So that's the personal reason.
51
134000
2000
Это моя личная причина.
02:31
Scientific reason is that this notion
52
136000
3000
Научная причина состоит в представлении
02:34
from neuroscience of critical periods --
53
139000
2000
в неврологии критического периода развития,
02:36
that if the brain is older
54
141000
3000
будто, если мозг старше
02:39
than four or five years of age,
55
144000
2000
четырёх-пяти лет,
02:41
it loses its ability to learn --
56
146000
2000
то он теряет способность к обучению,
02:43
that doesn't sit well with me,
57
148000
2000
что противоречит моим представлениям,
02:45
because I don't think that idea
58
150000
2000
так как я думаю, что эта идея
02:47
has been tested adequately.
59
152000
3000
не была адекватно проверена.
02:50
The birth of the idea is from
60
155000
2000
Идея берёт своё начало из работ
02:52
David Hubel and Torsten Wiesel's work,
61
157000
2000
Девида Хьюбела и Торстена Визеля,
02:54
two researchers who were at Harvard,
62
159000
2000
двух гарвардских исследователей,
02:56
and they got the Nobel Prize in 1981
63
161000
3000
которые получили Нобелевскую премию в 1981 году
02:59
for their studies of visual physiology,
64
164000
2000
за исследования физиологии зрения,
03:01
which are remarkably beautiful studies,
65
166000
2000
замечательные исследования,
03:03
but I believe some of their work
66
168000
2000
но я думаю, что некоторые их идеи
03:05
has been extrapolated
67
170000
2000
были экстраполированы
03:07
into the human domain prematurely.
68
172000
2000
на человека преждевременно.
03:09
So, they did their work with kittens,
69
174000
2000
Они работали с котятами,
03:11
with different kinds of deprivation regiments,
70
176000
2000
подвергая их различным видам депривации,
03:13
and those studies,
71
178000
2000
и те знания,
03:15
which date back to the '60s,
72
180000
2000
полученные ещё в 60-х годах,
03:17
are now being applied to human children.
73
182000
3000
сейчас применяются к человеческим детям.
03:20
So I felt that I needed to do two things.
74
185000
3000
Я понял, что должен сделать две вещи.
03:23
One: provide care
75
188000
3000
Первая: предоставить медицинский уход
03:26
to children who are currently
76
191000
2000
детям, которые в данный момент
03:28
being deprived of treatment.
77
193000
2000
не обеспечены лечением.
03:30
That's the humanitarian mission.
78
195000
2000
И это гуманитарная миссия.
03:32
And the scientific mission would be
79
197000
2000
Научной миссией станет
03:34
to test the limits
80
199000
2000
поиск предела
03:36
of visual plasticity.
81
201000
2000
зрительной приспосабливаемости.
03:38
And these two missions, as you can tell,
82
203000
3000
Можно сказать, что эти две миссии
03:41
thread together perfectly. One adds to the other;
83
206000
3000
отлично сочетаются и дополняют друг друга.
03:44
in fact, one would be impossible without the other.
84
209000
3000
На самом деле, одна невозможна без другой.
03:49
So, to implement
85
214000
2000
Чтобы выполнить
03:51
these twin missions,
86
216000
2000
эту двойную миссию,
03:53
a few years ago, I launched Project Prakash.
87
218000
3000
несколько лет назад я запустил проект Пракаш.
03:56
Prakash, as many of you know,
88
221000
2000
"Пракаш", как вы знаете,
03:58
is the Sanskrit word for light,
89
223000
2000
в переводе с санскрита – "свет",
04:00
and the idea is that
90
225000
2000
и идея заключается в том,
04:02
in bringing light into the lives of children,
91
227000
3000
что, принося свет в жизни детей,
04:05
we also have a chance
92
230000
2000
мы получаем шанс
04:07
of shedding light on some of the
93
232000
2000
пролить свет на некоторые
04:09
deepest mysteries of neuroscience.
94
234000
3000
из самых сложных загадок неврологии.
04:12
And the logo -- even though it looks extremely Irish,
95
237000
3000
Эмблема, несмотря на крайне ирландский вид,
04:15
it's actually derived from
96
240000
2000
на самом деле произошла
04:17
the Indian symbol of Diya, an earthen lamp.
97
242000
4000
от индийского символа – Дия, глиняной лампы.
04:21
The Prakash, the overall effort
98
246000
3000
В общем, замысел проекта
04:24
has three components:
99
249000
2000
состоит из трёх этапов:
04:26
outreach, to identify children in need of care;
100
251000
4000
социальная программа для определения, каким детям
04:30
medical treatment; and in subsequent study.
101
255000
3000
нужна помощь, лечение и последующие исследования.
04:33
And I want to show you a short video clip
102
258000
3000
Я хочу представить вам короткий видеоролик,
04:36
that illustrates the first two components of this work.
103
261000
3000
в котором показаны два первых этапа работы.
04:41
This is an outreach station
104
266000
2000
Это социальный центр,
04:43
conducted at a school for the blind.
105
268000
3000
организованный в школе для слепых.
04:46
(Text: Most of the children are profoundly and permanently blind ...)
106
271000
5000
(Текст: У большинства детей полная, хроническая слепота...)
04:51
Pawan Sinha: So, because this is a school for the blind,
107
276000
5000
Паван Синха: Так как это школа для слепых,
04:56
many children have permanent conditions.
108
281000
2000
многие дети там с хроническими заболеваниями.
04:58
That's a case of microphthalmos,
109
283000
3000
Это – случай микрофтальмии,
05:01
which is malformed eyes,
110
286000
2000
то есть недоразвитых глаз,
05:03
and that's a permanent condition;
111
288000
2000
и это хроническое заболевание.
05:05
it cannot be treated.
112
290000
2000
Оно не лечится.
05:07
That's an extreme of micropthalmos
113
292000
2000
Это крайний вариант микрофтальмии,
05:09
called enophthalmos.
114
294000
2000
называемый энофтальмом.
05:11
But, every so often, we come across children
115
296000
2000
Но время от времени мы наталкиваемся на детей,
05:13
who show some residual vision,
116
298000
3000
у которых обнаруживается остаточное зрение,
05:16
and that is a very good sign
117
301000
3000
и это очень хороший знак, говорящий о том,
05:19
that the condition might actually be treatable.
118
304000
2000
что от заболевания можно избавиться.
05:21
So, after that screening, we bring the children to the hospital.
119
306000
3000
После осмотра мы доставляем детей в больницу.
05:24
That's the hospital we're working with in Delhi,
120
309000
2000
Это больница в Дели, где мы работаем,
05:26
the Schroff Charity Eye Hospital.
121
311000
3000
Schroff Charity Eye Hospital.
05:29
It has a very well-equipped
122
314000
2000
Там есть очень хорошо оборудованный
05:31
pediatric ophthalmic center,
123
316000
3000
педиатрический офтальмологический центр,
05:35
which was made possible in part
124
320000
2000
который стал возможным отчасти благодаря
05:37
by a gift from the Ronald McDonald charity.
125
322000
4000
благотворительности Рональда МакДональда.
05:41
So, eating burgers actually helps.
126
326000
3000
Питание гамбургерами иногда и правда полезно.
05:45
(Text: Such examinations allow us to improve
127
330000
2000
(Текст: Такие обследования позволяют нам повысить
05:47
eye-health in many children, and ...
128
332000
2000
здоровье зрения у многих детей
05:54
... help us find children who can participate in Project Prakash.)
129
339000
3000
и помогают найти детей, которые смогут участвовать в проекте Пракаш.)
05:57
PS: So, as I zoom in to the eyes of this child,
130
342000
2000
П.С.: Сейчас камера приблизится к глазам ребёнка,
05:59
you will see the cause of his blindness.
131
344000
3000
вы увидите причину его слепоты.
06:03
The whites that you see in the middle of his pupils
132
348000
3000
Белые пятна в центре его зрачков –
06:06
are congenital cataracts,
133
351000
3000
это врождённая катаракта,
06:09
so opacities of the lens.
134
354000
2000
которая замутняет хрусталик глаза.
06:11
In our eyes, the lens is clear,
135
356000
3000
Хрусталики наших глаз прозрачны,
06:14
but in this child, the lens has become opaque,
136
359000
2000
но хрусталики этого ребёнка стали непрозрачны,
06:16
and therefore he can't see the world.
137
361000
3000
и поэтому он не может видеть мир.
06:19
So, the child is given treatment. You'll see shots of the eye.
138
364000
3000
Итак, ребёнок получает лечение. Вы увидите снимки глаза.
06:22
Here's the eye with the opaque lens,
139
367000
2000
Здесь глаз ещё с мутным хрусталиком,
06:24
the opaque lens extracted
140
369000
2000
здесь хрусталик извлечён,
06:26
and an acrylic lens inserted.
141
371000
3000
а здесь в глаз вставлен акриловый хрусталик.
06:29
And here's the same child
142
374000
2000
Здесь этот же ребёнок
06:31
three weeks post-operation,
143
376000
3000
через три недели после операции,
06:34
with the right eye open.
144
379000
3000
с открытым правым глазом.
06:40
(Applause)
145
385000
6000
(Аплодисменты)
06:46
Thank you.
146
391000
2000
Спасибо.
06:48
So, even from that little clip, you can begin to get the sense
147
393000
3000
Даже после этого маленького ролика становится ясно,
06:51
that recovery is possible,
148
396000
2000
что выздоровление возможно,
06:53
and we have now
149
398000
2000
и сейчас мы обеспечиваем
06:55
provided treatment to over 200 children,
150
400000
3000
лечение более чем 200 детям,
06:58
and the story repeats itself.
151
403000
2000
и история с ними повторяется.
07:00
After treatment, the child
152
405000
2000
После лечения ребёнок
07:02
gains significant functionality.
153
407000
3000
получает значительные возможности.
07:05
In fact, the story holds true
154
410000
3000
В действительности так происходит,
07:08
even if you have a person who got sight
155
413000
2000
даже если человек получил зрение
07:10
after several years of deprivation.
156
415000
2000
после нескольких лет слепоты.
07:12
We did a paper a few years ago
157
417000
2000
Несколько лет назад мы написали статью
07:14
about this woman that you see on the right, SRD,
158
419000
4000
о женщине, на фотографии она справа,
07:18
and she got her sight late in life,
159
423000
2000
она стала видеть в пожилом возрасте,
07:20
and her vision is remarkable at this age.
160
425000
4000
и для её возраста у неё замечательное зрение.
07:24
I should add a tragic postscript to this --
161
429000
3000
Я должен сделать трагическое замечание.
07:27
she died two years ago
162
432000
2000
Два года назад она погибла
07:29
in a bus accident.
163
434000
2000
в автокатастрофе.
07:31
So, hers is just a truly inspiring story --
164
436000
4000
Её история в самом деле вдохновляет,
07:35
unknown, but inspiring story.
165
440000
3000
малоизвестная, но вдохновляющая история.
07:38
So when we started finding these results,
166
443000
2000
И когда мы стали получать такие результаты,
07:40
as you might imagine, it created quite a bit of stir
167
445000
3000
вы можете представить, что это вызвало много шума
07:43
in the scientific and the popular press.
168
448000
3000
в научной и популярной прессе.
07:46
Here's an article in Nature
169
451000
2000
Вот статья в журнале "Nature",
07:48
that profiled this work,
170
453000
2000
описывающая нашу работу,
07:50
and another one in Time.
171
455000
2000
и ещё одна в "Time".
07:52
So, we were fairly convinced -- we are convinced --
172
457000
2000
Мы были достаточно уверены, мы и сейчас уверены,
07:54
that recovery is feasible,
173
459000
2000
что восстановление возможно,
07:56
despite extended visual deprivation.
174
461000
3000
несмотря на продолжительную слепоту.
07:59
The next obvious question to ask:
175
464000
2000
Напрашивается очевидный вопрос:
08:01
What is the process of recovery?
176
466000
3000
как идёт процесс восстановления?
08:04
So, the way we study that is,
177
469000
3000
Мы исследуем процесс следующим образом.
08:07
let's say we find a child who has light sensitivity.
178
472000
2000
Допустим, мы нашли ребёнка, чувствительного к свету.
08:09
The child is provided treatment,
179
474000
2000
Ребёнку предоставляется лечение,
08:11
and I want to stress that the treatment
180
476000
2000
и я хочу подчеркнуть, что лечение
08:13
is completely unconditional;
181
478000
2000
совершенно бесплатно.
08:15
there is no quid pro quo.
182
480000
2000
Мы не требуем компенсаций.
08:17
We treat many more children then we actually work with.
183
482000
3000
Лечение получают и многие дети, с которыми мы не работаем.
08:20
Every child who needs treatment is treated.
184
485000
3000
Каждого нуждающегося в лечении ребёнка лечат.
08:23
After treatment, about every week,
185
488000
2000
После лечения, примерно каждую неделю,
08:25
we run the child
186
490000
2000
ребёнок проходит
08:27
on a battery of simple visual tests
187
492000
3000
ряд простых проверок,
08:30
in order to see how their visual skills
188
495000
2000
которые позволяют понять, как его зрение
08:32
are coming on line.
189
497000
2000
приходит в норму.
08:34
And we try to do this for as long as possible.
190
499000
3000
И мы стараемся делать это как можно дольше.
08:37
This arc of development
191
502000
2000
Этот путь развития
08:39
gives us unprecedented
192
504000
2000
даёт нам беспрецедентную
08:41
and extremely valuable information
193
506000
2000
и невероятно ценную информацию
08:43
about how the scaffolding of vision
194
508000
2000
о том, как поддерживаемое зрение
08:45
gets set up.
195
510000
2000
восстанавливается.
08:47
What might be the causal connections
196
512000
2000
Какие причинные связи могут быть
08:49
between the early developing skills
197
514000
2000
между рано развивающимися способностями
08:51
and the later developing ones?
198
516000
2000
и теми, которые появляются позже?
08:53
And we've used this general approach to study
199
518000
2000
Мы использовали общепринятый подход для исследования
08:55
many different visual proficiencies,
200
520000
3000
множества различных зрительных способностей,
08:58
but I want to highlight one particular one,
201
523000
4000
но я хочу особо выделить одну из них,
09:02
and that is image parsing into objects.
202
527000
3000
это разбиение изображения на объекты.
09:05
So, any image of the kind that you see on the left,
203
530000
2000
Любое изображение, подобное картинке слева,
09:07
be it a real image or a synthetic image,
204
532000
3000
будь это реальное или искусственное изображение,
09:10
it's made up of little regions
205
535000
2000
состоит из маленьких областей,
09:12
that you see in the middle column,
206
537000
2000
которые вы видите посередине,
09:14
regions of different colors, different luminances.
207
539000
3000
областей разных цветов и разной яркости.
09:17
The brain has this complex task
208
542000
3000
Перед мозгом стоит сложная задача
09:20
of putting together, integrating,
209
545000
3000
совмещения и объединения
09:23
subsets of these regions
210
548000
2000
подмножеств этих областей
09:25
into something that's more meaningful,
211
550000
2000
в нечто более осмысленное,
09:27
into what we would consider to be objects,
212
552000
2000
в то, что мы можем считать объектами,
09:29
as you see on the right.
213
554000
2000
что вы и видите справа.
09:31
And nobody knows how this integration happens,
214
556000
2000
И никто не знает, как это происходит.
09:33
and that's the question we asked with Project Prakash.
215
558000
4000
Это вопрос, которым мы задаёмся в проекте Пракаш.
09:37
So, here's what happens
216
562000
2000
Вот что происходит
09:39
very soon after the onset of sight.
217
564000
3000
вскоре после восстановления зрения.
09:42
Here's a person who had gained sight just a couple of weeks ago,
218
567000
3000
Этот человек получил зрение всего пару недель назад,
09:45
and you see Ethan Myers, a graduate student from MIT,
219
570000
3000
и вы видите как, Этан Майерс, аспирант из Массачусетского
09:48
running the experiment with him.
220
573000
3000
Технологического Института, проводит с ним эксперимент.
09:51
His visual-motor coordination is quite poor,
221
576000
4000
Его зрительная координация очень слаба,
09:55
but you get a general sense
222
580000
2000
но вы можете видеть,
09:57
of what are the regions that he's trying to trace out.
223
582000
3000
какие именно области он пытается распознать.
10:00
If you show him real world images,
224
585000
2000
Если показать ему изображения реального мира,
10:02
if you show others like him real world images,
225
587000
3000
если показать реальный мир любому человеку вроде него,
10:05
they are unable to recognize most of the objects
226
590000
2000
он не сможет распознать большинство объектов,
10:07
because the world to them is over-fragmented;
227
592000
3000
потому что мир для него излишне фрагментирован,
10:10
it's made up of a collage, a patchwork,
228
595000
3000
для него это коллаж, пёстрая мозаика
10:13
of regions of different colors and luminances.
229
598000
2000
из областей разного цвета и яркости.
10:15
And that's what's indicated in the green outlines.
230
600000
2000
Такие области выделены зелёным контуром.
10:17
When you ask them,
231
602000
2000
Если попросить его
10:19
"Even if you can't name the objects, just point to where the objects are,"
232
604000
3000
показать, где находятся объекты, даже если он не может их назвать,
10:22
these are the regions that they point to.
233
607000
2000
он покажет на эти области.
10:24
So the world is this complex
234
609000
2000
Таким образом, мир – это сложная
10:26
patchwork of regions.
235
611000
2000
мозаика из таких областей.
10:28
Even the shadow on the ball
236
613000
2000
Даже тень на мяче
10:30
becomes its own object.
237
615000
3000
становится отдельным объектом.
10:33
Interestingly enough,
238
618000
2000
Довольно интересно,
10:35
you give them a few months,
239
620000
2000
что через несколько месяцев
10:37
and this is what happens.
240
622000
3000
происходит следующее.
10:43
Doctor: How many are these?
241
628000
2000
Доктор: Сколько здесь объектов?
10:45
Patient: These are two things.
242
630000
2000
Пациент: Два объекта.
10:47
Doctor: What are their shapes?
243
632000
2000
Доктор: Какой они формы?
10:49
Patient: Their shapes ...
244
634000
2000
Пациент: Формы...
10:51
This one is a circle,
245
636000
3000
Вот это круг,
10:54
and this
246
639000
2000
а это
10:56
is a square.
247
641000
2000
квадрат.
10:58
PS: A very dramatic transformation has come about.
248
643000
3000
П.С.: Произошло существенное изменение.
11:01
And the question is:
249
646000
2000
Возникает вопрос:
11:03
What underlies this transformation?
250
648000
2000
что лежит в основе этого изменения?
11:05
It's a profound question,
251
650000
2000
Это глубокий вопрос,
11:07
and what's even more amazing is how simple
252
652000
2000
и особенно поражает то, как прост
11:09
the answer is.
253
654000
2000
ответ на него.
11:11
The answer lies in motion
254
656000
2000
Ответ заключается в движении,
11:13
and that's what I want to show you in the next clip.
255
658000
3000
и я хочу показать это в следующем видео.
11:18
Doctor: What shape do you see here?
256
663000
2000
Доктор: Какие фигуры вы видите?
11:20
Patient: I can't make it out.
257
665000
3000
Пациент: Я не могу разобрать.
11:28
Doctor: Now?
258
673000
2000
Доктор: А сейчас?
11:31
Patient: Triangle.
259
676000
2000
Пациент: Треугольник.
11:35
Doctor: How many things are these?
260
680000
3000
Доктор: Сколько здесь объектов?
11:48
Now, how many things are these?
261
693000
3000
А сейчас, сколько здесь объектов?
11:51
Patient: Two.
262
696000
2000
Пациент: Два.
11:53
Doctor: What are these things?
263
698000
2000
Доктор: Что это за объекты?
11:56
Patient: A square and a circle.
264
701000
2000
Пациент: Квадрат и окружность.
11:58
PS: And we see this pattern over and over again.
265
703000
3000
П.С.: И мы видим эту закономерность снова и снова.
12:01
The one thing the visual system needs
266
706000
3000
Именно динамическая информация
12:04
in order to begin parsing the world
267
709000
2000
нужна зрительной системе,
12:06
is dynamic information.
268
711000
2000
чтобы распознавать мир.
12:08
So the inference we are deriving from this,
269
713000
2000
Таким образом, на основе этого и некоторых
12:10
and several such experiments,
270
715000
2000
других экспериментов, мы делаем вывод,
12:12
is that dynamic information processing,
271
717000
2000
что обработка динамической информации,
12:14
or motion processing,
272
719000
2000
или обработка движения,
12:16
serves as the bedrock for building
273
721000
2000
служит основной для построения
12:18
the rest of the complexity of visual processing;
274
723000
4000
всей системы визуальной обработки.
12:22
it leads to visual integration
275
727000
2000
На ней основана визуальная интеграция,
12:24
and eventually to recognition.
276
729000
3000
а затем и распознавание.
12:27
This simple idea has far reaching implications.
277
732000
3000
Эта простая идея имеет далеко идущие последствия.
12:30
And let me just quickly mention two,
278
735000
3000
Позвольте кратко сказать о двух.
12:33
one, drawing from the domain of engineering,
279
738000
2000
Первое из области инженерии,
12:35
and one from the clinic.
280
740000
2000
а второе из области медицины.
12:37
So, from the perspective of engineering,
281
742000
2000
Итак, с позиции инженерии
12:39
we can ask: Goven that we know
282
744000
3000
мы можем задать вопрос, зная, что движение
12:42
that motion is so important for the human visual system,
283
747000
2000
так важно для человеческой зрительной системы,
12:44
can we use this as a recipe
284
749000
3000
можем ли мы использовать этот подход
12:47
for constructing machine-based vision systems
285
752000
3000
при создании искусственной зрительной системы,
12:50
that can learn on their own, that don't need to be programmed
286
755000
3000
которая может самообучаться, которую не должен программировать
12:53
by a human programmer?
287
758000
2000
программист-человек.
12:55
And that's what we're trying to do.
288
760000
2000
Именно это мы и пытаемся сделать.
12:57
I'm at MIT, at MIT you need to apply
289
762000
3000
Я из Массачусетского Технологического,
13:00
whatever basic knowledge you gain.
290
765000
2000
а там нужно применять любые знания, которые у вас есть.
13:02
So we are creating Dylan,
291
767000
2000
И мы создаём систему "Дилан",
13:04
which is a computational system
292
769000
2000
это вычислительная система
13:06
with an ambitious goal
293
771000
2000
с претенциозной задачей:
13:08
of taking in visual inputs
294
773000
2000
получать визуальные сигналы,
13:10
of the same kind that a human child would receive,
295
775000
3000
подобные тем, что получает человеческое дитя,
13:13
and autonomously discovering:
296
778000
2000
и самостоятельно выяснять,
13:15
What are the objects in this visual input?
297
780000
3000
какие объекты находятся в поле зрения.
13:18
So, don't worry about the internals of Dylan.
298
783000
3000
Не задумывайтесь о внутренностях Дилана.
13:21
Here, I'm just going to talk about
299
786000
3000
Сейчас я хочу рассказать о том,
13:24
how we test Dylan.
300
789000
2000
как мы его тестировали.
13:26
The way we test Dylan is by giving it
301
791000
2000
Мы тестировали Дилана, подавая ему
13:28
inputs, as I said, of the same kind
302
793000
3000
видео того же рода, как я говорил,
13:31
that a baby, or a child in Project Prakash would get.
303
796000
3000
что видят дети, участвующие в проекте Пракаш.
13:34
But for a long time we couldn't quite figure out:
304
799000
3000
Но довольно долго мы не могли понять,
13:37
Wow can we get these kinds of video inputs?
305
802000
3000
как мы можем получить подобное видео.
13:41
So, I thought,
306
806000
2000
И я подумал,
13:43
could we have Darius
307
808000
2000
что мы можем сделать Дариуса
13:45
serve as our babycam carrier,
308
810000
3000
носителем нашей бэби-камеры,
13:48
and that way get the inputs that we feed into Dylan?
309
813000
3000
и таким образом обеспечивать Дилана нужными сигналами.
13:51
So that's what we did.
310
816000
2000
Вот что мы сделали.
13:53
(Laughter)
311
818000
7000
(Смех)
14:00
I had to have long conversations with my wife.
312
825000
3000
Мне пришлось долго уговаривать жену.
14:03
(Laughter)
313
828000
5000
(Смех)
14:08
In fact, Pam, if you're watching this,
314
833000
2000
Пэм, если ты смотришь эту программу,
14:10
please forgive me.
315
835000
2000
прости меня, пожалуйста.
14:13
So, we modified the optics of the camera
316
838000
4000
Мы скорректировали оптику камеры так,
14:17
in order to mimic the baby's visual acuity.
317
842000
3000
чтобы имитировать остроту зрения малыша.
14:20
As some of you might know,
318
845000
2000
Возможно, вы знаете,
14:22
babyies are born pretty much legally blind.
319
847000
4000
что дети рождаются практически слепыми.
14:26
Their acuity -- our acuity is 20/20;
320
851000
3000
У них острота – у нас это 20/20 –
14:29
babies' acuity is like 20/800,
321
854000
3000
острота у малышей примерно 20/800,
14:32
so they are looking at the world
322
857000
2000
это значит, что они видят мир
14:34
in a very, very blurry fashion.
323
859000
3000
в очень, очень размытом виде.
14:37
Here's what a baby-cam video looks like.
324
862000
3000
Вот как выглядит видео с детской камеры.
14:41
(Laughter)
325
866000
9000
(Смех)
14:50
(Applause)
326
875000
3000
(Аплодисменты)
14:53
Thankfully, there isn't any audio
327
878000
2000
К счастью, в этом ролике
14:55
to go with this.
328
880000
3000
нет звуковой дорожки.
14:58
What's amazing is that working with such
329
883000
2000
И удивительно, что работая с таким
15:00
highly degraded input,
330
885000
2000
сильно размытым изображением,
15:02
the baby, very quickly, is able
331
887000
2000
малыш очень быстро способен
15:04
to discover meaning in such input.
332
889000
3000
находить в этом изображении смысл.
15:07
But then two or three days afterward,
333
892000
2000
А через два или три дня
15:09
babies begin to pay attention
334
894000
2000
малыш начинает обращать внимание
15:11
to their mother's or their father's face.
335
896000
2000
на лицо своей матери или отца.
15:13
How does that happen? We want Dylan to be able to do that,
336
898000
3000
Как это происходит? Мы хотим, чтобы Дилан был способен на это.
15:16
and using this mantra of motion,
337
901000
3000
И пользуясь этой мантрой движения,
15:19
Dylan actually can do that.
338
904000
2000
Дилан на самом деле делает это,
15:21
So, given that kind of video input,
339
906000
3000
даже получая изображение подобного качества.
15:24
with just about six or seven minutes worth of video,
340
909000
3000
Всего через шесть-семь минут просмотра видео
15:27
Dylan can begin to extract patterns
341
912000
3000
Дилан начинает выделять участки,
15:30
that include faces.
342
915000
3000
содержащие лица.
15:33
So, it's an important demonstration
343
918000
2000
Это существенное доказательство
15:35
of the power of motion.
344
920000
2000
силы движения.
15:37
The clinical implication, it comes from the domain of autism.
345
922000
3000
А вот медицинское последствие касается области аутизма.
15:40
Visual integration has been associated with autism
346
925000
2000
Несколько исследователей связывают
15:42
by several researchers.
347
927000
2000
визуальную интеграцию с аутизмом.
15:44
When we saw that, we asked:
348
929000
2000
Когда мы узнали об этом, мы задали вопрос:
15:46
Could the impairment in visual integration
349
931000
3000
Может ли нарушение визуальной интеграции
15:49
be the manifestation of something underneath,
350
934000
3000
быть проявлением какого-то подспудного
15:52
of dynamic information processing deficiencies in autism?
351
937000
3000
дефекта обработки динамической информации при аутизме?
15:55
Because, if that hypothesis were to be true,
352
940000
3000
Потому что, если это предположение верно,
15:58
it would have massive repercussions in our understanding
353
943000
3000
то это окажет огромное влияние на наше понимание
16:01
of what's causing the many different aspects
354
946000
2000
причин проявления различных аспектов
16:03
of the autism phenotype.
355
948000
3000
фенотипа аутизма.
16:06
What you're going to see are
356
951000
2000
Сейчас вы увидите на видео
16:08
video clips of two children -- one neurotypical,
357
953000
3000
двух детей, играющих в "понг",
16:11
one with autism, playing Pong.
358
956000
2000
один из них с аутизмом, другой без.
16:13
So, while the child is playing Pong, we are tracking where they're looking.
359
958000
3000
Пока ребёнок играет в "понг", мы следим за тем, куда он смотрит.
16:16
In red are the eye movement traces.
360
961000
3000
Красные точки показывают, куда направлен взгляд,
16:19
This is the neurotypical child, and what you see
361
964000
3000
это нейротипичный ребёнок, и вы видите,
16:22
is that the child is able to make cues
362
967000
2000
что ребёнок может извлекать подсказки
16:24
of the dynamic information
363
969000
2000
из динамической информации,
16:26
to predict where the ball is going to go.
364
971000
2000
чтобы предугадать, куда прилетит шарик.
16:28
Even before the ball gets to a place,
365
973000
3000
Ещё до того, как шарик достигнет места,
16:31
the child is already looking there.
366
976000
3000
ребёнок уже смотрит туда.
16:34
Contrast this with a child
367
979000
2000
Теперь посмотрите, как в ту же игру
16:36
with autism playing the same game.
368
981000
2000
играет ребёнок с аутизмом.
16:38
Instead of anticipating,
369
983000
2000
Вместо того, чтобы предугадывать,
16:40
the child always follows where the ball has been.
370
985000
3000
он постоянно смотрит туда, где находится шарик.
16:43
The efficiency of the use
371
988000
2000
Эффективность использования
16:45
of dynamic information
372
990000
2000
динамической информации
16:47
seems to be significantly compromised in autism.
373
992000
3000
при аутизме кажется значительно сниженной.
16:51
So we are pursuing this line of work
374
996000
3000
Мы продолжаем работать в этом направлении,
16:54
and hopefully we'll have
375
999000
2000
и, надеюсь, скоро мы получим
16:56
more results to report soon.
376
1001000
2000
ещё больше результатов.
16:58
Looking ahead, if you think of this disk
377
1003000
3000
Забегая вперёд, если представить, что этот круг
17:01
as representing all of the children
378
1006000
2000
символизирует всех детей,
17:03
we've treated so far,
379
1008000
2000
которых мы уже вылечили,
17:05
this is the magnitude of the problem.
380
1010000
2000
то вот это – реальный объём задачи.
17:07
The red dots are the children we have not treated.
381
1012000
3000
Красные точки – это те дети, которых мы не лечили.
17:10
So, there are many, many more children who need to be treated,
382
1015000
2000
Таким образом, ещё очень много детей нуждаются в лечении,
17:12
and in order to expand the scope of the project,
383
1017000
3000
и для того чтобы расширить рамки проекта,
17:15
we are planning on launching
384
1020000
2000
мы планируем открыть
17:17
The Prakash Center for Children,
385
1022000
2000
детский центр Пракаш,
17:19
which will have a dedicated pediatric hospital,
386
1024000
3000
в котором будет специальная педиатрическая больница,
17:22
a school for the children we are treating
387
1027000
2000
школа для детей, которых мы лечим,
17:24
and also a cutting-edge research facility.
388
1029000
2000
а также передовой исследовательский центр.
17:26
The Prakash Center will integrate health care,
389
1031000
3000
Центр Пракаш объединит здравоохранение,
17:29
education and research in a way
390
1034000
2000
образование и исследования так,
17:31
that truly creates the whole
391
1036000
2000
что это несомненно сделает его
17:33
to be greater than the sum of the parts.
392
1038000
3000
чем-то большим, нежели сумма его частей.
17:36
So, to summarize: Prakash, in its five years of existence,
393
1041000
3000
Подводя итог, Пракаш за свои пять лет существования
17:39
it's had an impact in multiple areas,
394
1044000
3000
оказал влияние на несколько областей,
17:42
ranging from basic neuroscience
395
1047000
2000
таких как неврология,
17:44
plasticity and learning in the brain,
396
1049000
2000
приспосабливаемость и обучаемость мозга,
17:46
to clinically relevant hypotheses like in autism,
397
1051000
4000
медицински важные гипотезы касательно аутизма,
17:50
the development of autonomous machine vision systems,
398
1055000
3000
разработка автономной машинной зрительной системы,
17:53
education of the undergraduate and graduate students,
399
1058000
3000
обучение студентов и аспирантов,
17:56
and most importantly in the alleviation
400
1061000
2000
и, что важнее всего, на реабилитацию
17:58
of childhood blindness.
401
1063000
2000
детской слепоты.
18:00
And for my students and I, it's been
402
1065000
2000
И для моих студентов, и для меня это было
18:02
just a phenomenal experience
403
1067000
2000
феноменальным опытом,
18:04
because we have gotten to do interesting research,
404
1069000
4000
потому что мы провели интересное исследование,
18:08
while at the same time
405
1073000
2000
и в то же время
18:10
helping the many children that we have worked with.
406
1075000
2000
помогли многим детям, с которыми работали.
18:12
Thank you very much.
407
1077000
2000
Спасибо!
18:14
(Applause)
408
1079000
2000
(Аплодисменты)
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