TEDIndia 2009
Pawan Sinha: How brains learn to see
Pawan Sinha: Hur hjärnan lär sig att se
Filmed:
Readability: 4.5
939,209 views
Pawan Sinha beskriver sin banbrytande forskning om hur hjärnans visuella system utvecklas. Sinha och hans team ger gratis synåterställande behandling till barn som fötts blinda, och sedan studerar han hur deras hjärnor lär sig att tolka visuell information. Arbetet ger inblick i neurovetenskap, teknik och till och med autism.
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
Om man är ett blint barn i Indien
00:19
you will very likely have to contend with
1
4000
3000
kommer man troligen behöva brottas
med minst två stora dåliga nyheter.
med minst två stora dåliga nyheter.
00:22
at least two big pieces of bad news.
2
7000
3000
00:25
The first bad news
3
10000
2000
Den första dåliga nyheten
00:27
is that the chances of getting treatment
4
12000
3000
är att chansen för att få behandling
00:30
are extremely slim to none,
5
15000
3000
är extremt liten eller ingen,
och det beror på
att de flesta av de projekt
att de flesta av de projekt
00:33
and that's because most of the blindness
6
18000
2000
00:35
alleviation programs in the country
7
20000
2000
som syftar till att lindra blindhet
i landet är inriktade på vuxna,
i landet är inriktade på vuxna,
00:37
are focused on adults,
8
22000
2000
00:39
and there are very, very few hospitals
9
24000
3000
och det finns mycket, mycket få sjukhus
00:42
that are actually equipped to treat children.
10
27000
3000
som faktiskt är utrustade
för att behandla barn.
för att behandla barn.
00:46
In fact, if you were to be treated,
11
31000
4000
I själva verket, om du skulle behandlas,
00:51
you might well end up being treated
12
36000
3000
kan du mycket väl i slutändan behandlas
00:54
by a person who has no medical credentials
13
39000
3000
av en person som inte har
någon medicinsk examen,
någon medicinsk examen,
00:57
as this case from Rajasthan illustrates.
14
42000
3000
som detta fall från Rajasthan illustrerar.
01:00
This is a three-year-old orphan girl
15
45000
2000
Detta är en treårig föräldralös flicka
01:02
who had cataracts.
16
47000
2000
som hade grå starr.
01:04
So, her caretakers took her
17
49000
2000
Så hennes vårdare tog henne
01:06
to the village medicine man,
18
51000
2000
till medicinmannen i byn
01:08
and instead of suggesting to the caretakers
19
53000
3000
och istället för att föreslå för vårdarna
01:11
that the girl be taken to a hospital,
20
56000
3000
att de skulle ta flickan till sjukhus,
01:14
the person decided to burn her abdomen
21
59000
2000
bestämde sig personen för
att bränna hennes buk
att bränna hennes buk
01:16
with red-hot iron bars
22
61000
2000
med glödheta järnstänger
01:18
to drive out the demons.
23
63000
2000
för att driva ut demonerna.
01:20
The second piece of bad news
24
65000
3000
Den andra dåliga nyheten
01:23
will be delivered to you
25
68000
2000
kommer att levereras till er
01:25
by neuroscientists, who will tell you
26
70000
3000
av forskare inom neurovetenskapen,
som kommer att berätta
som kommer att berätta
01:28
that if you are older than four or five years of age,
27
73000
3000
att om du är äldre än fyra eller fem år,
01:31
that even if you have your eye corrected,
28
76000
3000
och får ditt öga fixat,
01:34
the chances of your brain learning how to see
29
79000
3000
är chansen att din hjärna lär sig se
01:37
are very, very slim --
30
82000
2000
mycket, mycket begränsad ...
01:39
again, slim or none.
31
84000
3000
igen, extremt liten eller ingen.
01:42
So when I heard these two things,
32
87000
2000
Så när jag hörde dessa två saker,
01:44
it troubled me deeply,
33
89000
2000
gjorde det mig djupt oroad,
01:46
both because of personal reasons
34
91000
2000
både av personliga skäl
01:48
and scientific reasons.
35
93000
2000
och vetenskapliga skäl.
01:50
So let me first start with the personal reason.
36
95000
3000
Så låt mig börja med det personliga.
01:53
It'll sound corny, but it's sincere.
37
98000
3000
Det kommer att låta fånigt,
men det är sant.
men det är sant.
01:56
That's my son, Darius.
38
101000
2000
Det här är min son, Darius.
01:58
As a new father,
39
103000
2000
Som nybliven far,
02:00
I have a qualitatively different sense
40
105000
4000
har jag en nyanserad känsla för
02:04
of just how delicate babies are,
41
109000
3000
precis hur ömtåliga spädbarn är,
02:07
what our obligations are towards them
42
112000
3000
vad våra skyldigheter mot dem är
02:10
and how much love
43
115000
2000
och hur mycket kärlek
02:12
we can feel towards a child.
44
117000
3000
vi kan känna för ett barn.
02:15
I would move heaven and earth
45
120000
2000
Jag skulle röra upp himmel och jord
02:17
in order to get treatment for Darius,
46
122000
3000
för att Darius skulle få behandling,
02:20
and for me to be told
47
125000
2000
och när det berättas för mig
02:22
that there might be other Dariuses
48
127000
2000
att det kan finnas andra Darius
02:24
who are not getting treatment,
49
129000
2000
som inte får behandling,
02:26
that's just viscerally wrong.
50
131000
3000
känns det bara instinktivt fel.
02:29
So that's the personal reason.
51
134000
2000
Så det är det personliga skälet.
02:31
Scientific reason is that this notion
52
136000
3000
Det vetenskapliga skälet
är föreställningen från
är föreställningen från
02:34
from neuroscience of critical periods --
53
139000
2000
neurovetenskapsforskning
om kritiska tidsperioder,
om kritiska tidsperioder,
02:36
that if the brain is older
54
141000
3000
att om hjärnan är äldre
02:39
than four or five years of age,
55
144000
2000
än fyra eller fem år,
02:41
it loses its ability to learn --
56
146000
2000
förlorar den sin förmåga att lära sig -
02:43
that doesn't sit well with me,
57
148000
2000
det känns inte bra för mig,
02:45
because I don't think that idea
58
150000
2000
eftersom jag inte tror
att idén har testats
att idén har testats
02:47
has been tested adequately.
59
152000
3000
på ett tillfredsställande sätt.
02:50
The birth of the idea is from
60
155000
2000
Upphovet av idén kommer från
02:52
David Hubel and Torsten Wiesel's work,
61
157000
2000
David Hubel och Torsten Wiesels arbete,
02:54
two researchers who were at Harvard,
62
159000
2000
två forskare vid Harvard,
02:56
and they got the Nobel Prize in 1981
63
161000
3000
och de fick Nobelpriset 1981
02:59
for their studies of visual physiology,
64
164000
2000
för sina studier av synens fysiologi.
03:01
which are remarkably beautiful studies,
65
166000
2000
Det är påfallande vackra studier,
03:03
but I believe some of their work
66
168000
2000
men jag tror att en del av deras arbete
03:05
has been extrapolated
67
170000
2000
har tillämpats på människor
alltför tidigt.
alltför tidigt.
03:07
into the human domain prematurely.
68
172000
2000
03:09
So, they did their work with kittens,
69
174000
2000
De gjorde sin forskning på kattungar,
03:11
with different kinds of deprivation regiments,
70
176000
2000
med olika typer av berövanden,
03:13
and those studies,
71
178000
2000
och dessa studier
03:15
which date back to the '60s,
72
180000
2000
vilka dateras tillbaka till sextiotalet,
03:17
are now being applied to human children.
73
182000
3000
tillämpas nu på människobarn.
03:20
So I felt that I needed to do two things.
74
185000
3000
Så jag kände
att jag behövde göra två saker.
03:23
One: provide care
75
188000
3000
Ett: tillhandahålla vård
03:26
to children who are currently
76
191000
2000
för barn som för närvarande
03:28
being deprived of treatment.
77
193000
2000
berövas behandling.
03:30
That's the humanitarian mission.
78
195000
2000
Det är det humanitära uppdraget.
03:32
And the scientific mission would be
79
197000
2000
Och det vetenskapliga uppdraget
skulle vara att testa gränserna
03:34
to test the limits
80
199000
2000
03:36
of visual plasticity.
81
201000
2000
för visuell plasticitet.
03:38
And these two missions, as you can tell,
82
203000
3000
Dessa två uppdrag, som ni förstår,
fungerar utmärkt ihop.
fungerar utmärkt ihop.
03:41
thread together perfectly. One adds to the other;
83
206000
3000
Det ena tillfogar något till det andra;
03:44
in fact, one would be impossible without the other.
84
209000
3000
i själva verket vore det ena omöjligt
utan det andra.
Så, för att genomföra
03:49
So, to implement
85
214000
2000
03:51
these twin missions,
86
216000
2000
dessa dubbla uppdrag,
03:53
a few years ago, I launched Project Prakash.
87
218000
3000
startade jag för några år sedan
Projektet Prakash.
Projektet Prakash.
03:56
Prakash, as many of you know,
88
221000
2000
Prakash, som många av er vet,
03:58
is the Sanskrit word for light,
89
223000
2000
är Sanskrit för ljus,
04:00
and the idea is that
90
225000
2000
och tanken är
04:02
in bringing light into the lives of children,
91
227000
3000
att föra in ljus i dessa barns liv.
04:05
we also have a chance
92
230000
2000
Vi har också en chans att belysa
några av de djupaste mysterierna
några av de djupaste mysterierna
04:07
of shedding light on some of the
93
232000
2000
04:09
deepest mysteries of neuroscience.
94
234000
3000
inom neurovetenskapen.
04:12
And the logo -- even though it looks extremely Irish,
95
237000
3000
Och logotypen - även om den ser
extremt irländsk ut,
extremt irländsk ut,
04:15
it's actually derived from
96
240000
2000
härstammar faktiskt från
04:17
the Indian symbol of Diya, an earthen lamp.
97
242000
4000
den indiska symbolen Diya, en oljelampa.
04:21
The Prakash, the overall effort
98
246000
3000
Den övergripande satsningen Prakash
04:24
has three components:
99
249000
2000
har tre komponenter:
04:26
outreach, to identify children in need of care;
100
251000
4000
Uppsökande verksamhet -
att identifiera barn i behov av vård -
att identifiera barn i behov av vård -
04:30
medical treatment; and in subsequent study.
101
255000
3000
medicinsk behandling, följd av studier.
04:33
And I want to show you a short video clip
102
258000
3000
Jag vill visa er ett kort videoklipp
04:36
that illustrates the first two components of this work.
103
261000
3000
som illustrerar de två första delarna
i detta arbete.
04:41
This is an outreach station
104
266000
2000
Detta är uppsökande verksamhet
04:43
conducted at a school for the blind.
105
268000
3000
som genomfördes på en skola för blinda.
04:46
(Text: Most of the children are profoundly and permanently blind ...)
106
271000
5000
[De flesta av barnen
är helt och permanent blinda ...]
är helt och permanent blinda ...]
04:51
Pawan Sinha: So, because this is a school for the blind,
107
276000
5000
Pawan Sinha: Så, eftersom detta är
en skola för blinda,
en skola för blinda,
04:56
many children have permanent conditions.
108
281000
2000
har många barn bestående tillstånd.
04:58
That's a case of microphthalmos,
109
283000
3000
Det är ett fall av mikroftalmi,
05:01
which is malformed eyes,
110
286000
2000
vilket innebär missformade ögon,
05:03
and that's a permanent condition;
111
288000
2000
och det är ett permanent tillstånd.
05:05
it cannot be treated.
112
290000
2000
Det kan inte behandlas.
05:07
That's an extreme of micropthalmos
113
292000
2000
Det där är en extrem form av mikroftalmi
05:09
called enophthalmos.
114
294000
2000
som kallas enophthalmos.
05:11
But, every so often, we come across children
115
296000
2000
Men då och då stöter vi på barn
05:13
who show some residual vision,
116
298000
3000
som visar viss kvarvarande syn,
05:16
and that is a very good sign
117
301000
3000
och det är ett mycket gott tecken
på att synfelet faktiskt
kan vara behandlingsbart.
kan vara behandlingsbart.
05:19
that the condition might actually be treatable.
118
304000
2000
05:21
So, after that screening, we bring the children to the hospital.
119
306000
3000
Så efter den sållningen
tar vi barnen till sjukhuset.
tar vi barnen till sjukhuset.
05:24
That's the hospital we're working with in Delhi,
120
309000
2000
Där är sjukhuset
som vi arbetar med i Delhi,
som vi arbetar med i Delhi,
05:26
the Schroff Charity Eye Hospital.
121
311000
3000
Schroffs välgörenhetsögonsjukhus.
05:29
It has a very well-equipped
122
314000
2000
Den har en mycket välutrustad
05:31
pediatric ophthalmic center,
123
316000
3000
pediatrisk ögonavdelning,
05:35
which was made possible in part
124
320000
2000
som delvis möjliggjordes
05:37
by a gift from the Ronald McDonald charity.
125
322000
4000
genom en gåva från
Ronald McDonalds välgörenhet.
Ronald McDonalds välgörenhet.
05:41
So, eating burgers actually helps.
126
326000
3000
Så, att äta hamburgare hjälper faktiskt.
(Skratt)
05:45
(Text: Such examinations allow us to improve
127
330000
2000
[Sådana undersökningar låter oss
förbättra ögonhälsan för många barn,]
förbättra ögonhälsan för många barn,]
05:47
eye-health in many children, and ...
128
332000
2000
[och hjälper oss att hitta barn
som kan delta i projektet Prakash.]
som kan delta i projektet Prakash.]
05:54
... help us find children who can participate in Project Prakash.)
129
339000
3000
05:57
PS: So, as I zoom in to the eyes of this child,
130
342000
2000
PS: När jag zoomar in
på detta barns ögon,
på detta barns ögon,
05:59
you will see the cause of his blindness.
131
344000
3000
kommer du att se orsaken
till hans blindhet.
till hans blindhet.
06:03
The whites that you see in the middle of his pupils
132
348000
3000
De vita som syns i hans pupiller
06:06
are congenital cataracts,
133
351000
3000
är medfödd grå starr,
06:09
so opacities of the lens.
134
354000
2000
vilket gör att linsen blir ogenomskinlig.
06:11
In our eyes, the lens is clear,
135
356000
3000
I våra ögon är linsen genomskinlig,
06:14
but in this child, the lens has become opaque,
136
359000
2000
men hos detta barn har
linsen blivit ogenomskinlig,
linsen blivit ogenomskinlig,
06:16
and therefore he can't see the world.
137
361000
3000
och därför kan han inte se världen.
06:19
So, the child is given treatment. You'll see shots of the eye.
138
364000
3000
Barnet ges behandling.
Här kommer du att se bilder på ögat.
Här kommer du att se bilder på ögat.
06:22
Here's the eye with the opaque lens,
139
367000
2000
Här är ögat med den ogenomskinliga linsen,
06:24
the opaque lens extracted
140
369000
2000
den linsen tas bort
06:26
and an acrylic lens inserted.
141
371000
3000
och en akryllins sätts dit.
06:29
And here's the same child
142
374000
2000
Här är samma barn
06:31
three weeks post-operation,
143
376000
3000
tre veckor efter operationen,
06:34
with the right eye open.
144
379000
3000
med högra ögat öppet.
06:40
(Applause)
145
385000
6000
(Applåder)
06:46
Thank you.
146
391000
2000
Tack.
06:48
So, even from that little clip, you can begin to get the sense
147
393000
3000
Till och med från det lilla klippet
kan vi börja att få känslan
kan vi börja att få känslan
06:51
that recovery is possible,
148
396000
2000
att återhämtning är möjlig
06:53
and we have now
149
398000
2000
och vi har nu
06:55
provided treatment to over 200 children,
150
400000
3000
gett över 200 barn behandling,
06:58
and the story repeats itself.
151
403000
2000
och historien upprepar sig.
07:00
After treatment, the child
152
405000
2000
Efter behandlingen
07:02
gains significant functionality.
153
407000
3000
klarar sig barnet mycket bättre.
07:05
In fact, the story holds true
154
410000
3000
I själva verket är detta sant
07:08
even if you have a person who got sight
155
413000
2000
även för en person som återfick sin syn
07:10
after several years of deprivation.
156
415000
2000
efter flera års blindhet.
07:12
We did a paper a few years ago
157
417000
2000
Vi skrev en artikel för några år sedan
07:14
about this woman that you see on the right, SRD,
158
419000
4000
om denna kvinna som visas till höger, SRD,
07:18
and she got her sight late in life,
159
423000
2000
och hon fick sin syn sent i livet,
07:20
and her vision is remarkable at this age.
160
425000
4000
och hennes syn var anmärkningsvärd
för hennes ålder.
07:24
I should add a tragic postscript to this --
161
429000
3000
Jag bör göra ett tragiskt tillägg ...
07:27
she died two years ago
162
432000
2000
Hon dog för två år sedan
07:29
in a bus accident.
163
434000
2000
i en bussolycka.
07:31
So, hers is just a truly inspiring story --
164
436000
4000
Så hennes berättelse är
verkligt inspirerande -
verkligt inspirerande -
07:35
unknown, but inspiring story.
165
440000
3000
okänd, men en inspirerande berättelse.
07:38
So when we started finding these results,
166
443000
2000
Så när vi började få dessa resultat,
07:40
as you might imagine, it created quite a bit of stir
167
445000
3000
som ni kan föreställa er, skapades det
en hel del uppståndelse
en hel del uppståndelse
07:43
in the scientific and the popular press.
168
448000
3000
i den vetenskapliga pressen
och i populärpressen.
och i populärpressen.
07:46
Here's an article in Nature
169
451000
2000
Här är en artikel i Nature
07:48
that profiled this work,
170
453000
2000
som porträtterade detta arbete,
07:50
and another one in Time.
171
455000
2000
och en annan i Time.
Så vi var ganska övertygade om -
vi är övertygade om -
vi är övertygade om -
07:52
So, we were fairly convinced -- we are convinced --
172
457000
2000
07:54
that recovery is feasible,
173
459000
2000
att återhämtning är möjlig,
07:56
despite extended visual deprivation.
174
461000
3000
trots en längre period utan syn.
07:59
The next obvious question to ask:
175
464000
2000
Nästa uppenbara fråga att ställa:
08:01
What is the process of recovery?
176
466000
3000
Hur ser processen för återhämtning ut?
08:04
So, the way we study that is,
177
469000
3000
Så, sättet vi studerar detta på är,
08:07
let's say we find a child who has light sensitivity.
178
472000
2000
att vi hittar ett barn
med hög ljuskänslighet.
med hög ljuskänslighet.
08:09
The child is provided treatment,
179
474000
2000
Barnet ges behandling,
08:11
and I want to stress that the treatment
180
476000
2000
och jag vill betona att behandlingen
08:13
is completely unconditional;
181
478000
2000
är helt villkorslös;
08:15
there is no quid pro quo.
182
480000
2000
det behövs ingen motprestation.
08:17
We treat many more children then we actually work with.
183
482000
3000
Vi behandlar många fler barn
än vi faktiskt arbetar med.
än vi faktiskt arbetar med.
08:20
Every child who needs treatment is treated.
184
485000
3000
Alla barn som behöver
behandling behandlas.
behandling behandlas.
08:23
After treatment, about every week,
185
488000
2000
Efter behandlingen,
i stort sett varje vecka,
i stort sett varje vecka,
08:25
we run the child
186
490000
2000
ger vi barnet
08:27
on a battery of simple visual tests
187
492000
3000
en uppsättning enkla syntest
08:30
in order to see how their visual skills
188
495000
2000
för att se hur deras visuella färdighet
08:32
are coming on line.
189
497000
2000
utvecklas.
08:34
And we try to do this for as long as possible.
190
499000
3000
Och vi försöker göra det
under en så lång period som möjligt.
under en så lång period som möjligt.
08:37
This arc of development
191
502000
2000
Denna utvecklingskurva
ger oss information -
ger oss information -
08:39
gives us unprecedented
192
504000
2000
som är utan motstycke
och mycket värdefull -
och mycket värdefull -
08:41
and extremely valuable information
193
506000
2000
08:43
about how the scaffolding of vision
194
508000
2000
om hur synens grundstruktur
är uppbyggd och ställs in.
är uppbyggd och ställs in.
08:45
gets set up.
195
510000
2000
08:47
What might be the causal connections
196
512000
2000
Vad skulle kunna vara
det kausala förhållandet
det kausala förhållandet
08:49
between the early developing skills
197
514000
2000
mellan kompetenser som utvecklas tidigt
08:51
and the later developing ones?
198
516000
2000
och de som utvecklas senare?
08:53
And we've used this general approach to study
199
518000
2000
Vi har använt denna allmänna strategi
för att studera många
olika visuella färdigheter,
olika visuella färdigheter,
08:55
many different visual proficiencies,
200
520000
3000
men jag vill framhäva en viss färdighet,
08:58
but I want to highlight one particular one,
201
523000
4000
09:02
and that is image parsing into objects.
202
527000
3000
och det är att tolka bilder till objekt.
09:05
So, any image of the kind that you see on the left,
203
530000
2000
Så en bild av det slag
som vi ser till vänster,
som vi ser till vänster,
09:07
be it a real image or a synthetic image,
204
532000
3000
vare sig det är en verklig bild
eller en syntetisk bild,
eller en syntetisk bild,
09:10
it's made up of little regions
205
535000
2000
består av små regioner
09:12
that you see in the middle column,
206
537000
2000
som visas i kolumnen i mitten,
09:14
regions of different colors, different luminances.
207
539000
3000
regioner i olika färger, olika ljusstyrka.
09:17
The brain has this complex task
208
542000
3000
Hjärnan har den komplexa uppgiften
09:20
of putting together, integrating,
209
545000
3000
att sätta ihop, integrera,
09:23
subsets of these regions
210
548000
2000
undergrupper av dessa områden
09:25
into something that's more meaningful,
211
550000
2000
till något mer meningsfullt,
09:27
into what we would consider to be objects,
212
552000
2000
till vad vi skulle beakta som objekt,
09:29
as you see on the right.
213
554000
2000
som vi ser till höger.
09:31
And nobody knows how this integration happens,
214
556000
2000
Ingen vet hur
den här integrationen sker,
den här integrationen sker,
09:33
and that's the question we asked with Project Prakash.
215
558000
4000
och det är frågan vi ställde
med projektet Prakash.
med projektet Prakash.
09:37
So, here's what happens
216
562000
2000
Så, det här är vad som händer
09:39
very soon after the onset of sight.
217
564000
3000
mycket snart efter
att man fått tillbaka synen.
att man fått tillbaka synen.
09:42
Here's a person who had gained sight just a couple of weeks ago,
218
567000
3000
Här är en person som återfått sin syn
för bara ett par veckor sedan,
för bara ett par veckor sedan,
09:45
and you see Ethan Myers, a graduate student from MIT,
219
570000
3000
och vi ser Ethan Myers,
en doktorand från MIT,
en doktorand från MIT,
09:48
running the experiment with him.
220
573000
3000
som gör experimentet med honom.
09:51
His visual-motor coordination is quite poor,
221
576000
4000
Hans visualmotoriska samordning
är ganska dålig,
är ganska dålig,
09:55
but you get a general sense
222
580000
2000
men man ser på ett ungefär
09:57
of what are the regions that he's trying to trace out.
223
582000
3000
vilka områden det är
som han försöker att rita ut.
som han försöker att rita ut.
10:00
If you show him real world images,
224
585000
2000
Om vi visar honom verkliga bilder,
10:02
if you show others like him real world images,
225
587000
3000
och visar andra som honom verkliga bilder,
10:05
they are unable to recognize most of the objects
226
590000
2000
känner de inte igen de flesta av objekten
10:07
because the world to them is over-fragmented;
227
592000
3000
eftersom världen
är överfragmenterad för dem;
är överfragmenterad för dem;
10:10
it's made up of a collage, a patchwork,
228
595000
3000
den består av ett collage, ett lapptäcke,
10:13
of regions of different colors and luminances.
229
598000
2000
av regioner i olika färger och ljusstyrka.
10:15
And that's what's indicated in the green outlines.
230
600000
2000
Och det är vad som syns
i de gröna linjerna.
i de gröna linjerna.
10:17
When you ask them,
231
602000
2000
När du ber dem,
10:19
"Even if you can't name the objects, just point to where the objects are,"
232
604000
3000
"Även om du inte kan namnge ett objekt,
peka bara där objekten är."
peka bara där objekten är."
10:22
these are the regions that they point to.
233
607000
2000
är detta de områden de pekar på.
10:24
So the world is this complex
234
609000
2000
Så världen är detta komplexa
10:26
patchwork of regions.
235
611000
2000
lapptäcke av regioner.
Även bollens skugga
10:28
Even the shadow on the ball
236
613000
2000
10:30
becomes its own object.
237
615000
3000
blir ett eget objekt.
10:33
Interestingly enough,
238
618000
2000
Intressant nog
10:35
you give them a few months,
239
620000
2000
ger vi dem några månader
10:37
and this is what happens.
240
622000
3000
och detta är vad som händer.
10:43
Doctor: How many are these?
241
628000
2000
Läkaren: Hur många är dessa?
10:45
Patient: These are two things.
242
630000
2000
Patienten: Det är två saker.
10:47
Doctor: What are their shapes?
243
632000
2000
Läkaren: Vilka är deras former?
10:49
Patient: Their shapes ...
244
634000
2000
Patienten: Deras former...
10:51
This one is a circle,
245
636000
3000
Det här är en cirkel,
10:54
and this
246
639000
2000
och detta
10:56
is a square.
247
641000
2000
är en kvadrat.
10:58
PS: A very dramatic transformation has come about.
248
643000
3000
PS: En mycket dramatisk
förändring har skett.
förändring har skett.
11:01
And the question is:
249
646000
2000
Och frågan är:
Vad ligger bakom denna omvandling?
11:03
What underlies this transformation?
250
648000
2000
11:05
It's a profound question,
251
650000
2000
Det är en djup fråga,
11:07
and what's even more amazing is how simple
252
652000
2000
och vad som är ännu mer häpnadsväckande
är hur enkelt svaret är.
11:09
the answer is.
253
654000
2000
11:11
The answer lies in motion
254
656000
2000
Svaret ligger i rörelse
11:13
and that's what I want to show you in the next clip.
255
658000
3000
och det är vad jag vill visa er
i nästa klipp.
11:18
Doctor: What shape do you see here?
256
663000
2000
Läkaren: Vilken form ser du här?
11:20
Patient: I can't make it out.
257
665000
3000
Patienten: Jag kan inte urskilja den.
11:28
Doctor: Now?
258
673000
2000
Läkaren: Nu?
11:31
Patient: Triangle.
259
676000
2000
Patienten: Triangel.
11:35
Doctor: How many things are these?
260
680000
3000
Läkaren: Hur många saker finns det här?
11:48
Now, how many things are these?
261
693000
3000
Hur många finns det nu?
11:51
Patient: Two.
262
696000
2000
Patienten: Två.
11:53
Doctor: What are these things?
263
698000
2000
Läkaren: Vilka är dessa saker?
11:56
Patient: A square and a circle.
264
701000
2000
Patienten: En kvadrat och en cirkel.
11:58
PS: And we see this pattern over and over again.
265
703000
3000
PS: Och vi ser detta mönster
om och om igen.
om och om igen.
12:01
The one thing the visual system needs
266
706000
3000
Det enda visuella system behöver
12:04
in order to begin parsing the world
267
709000
2000
för att börja tolka världen
12:06
is dynamic information.
268
711000
2000
är dynamisk information.
12:08
So the inference we are deriving from this,
269
713000
2000
Så slutsatsen vi drar från detta,
12:10
and several such experiments,
270
715000
2000
och flera sådana experiment,
12:12
is that dynamic information processing,
271
717000
2000
är att dynamisk informationsbearbetning,
12:14
or motion processing,
272
719000
2000
eller rörelsebearbetning,
12:16
serves as the bedrock for building
273
721000
2000
fungerar som bas
för att konstruera
för att konstruera
12:18
the rest of the complexity of visual processing;
274
723000
4000
resten av komplexiteten
i visuell bearbetning.
i visuell bearbetning.
12:22
it leads to visual integration
275
727000
2000
Det leder till en visuell integration
12:24
and eventually to recognition.
276
729000
3000
och så småningom till igenkännande.
12:27
This simple idea has far reaching implications.
277
732000
3000
Denna enkla idé
har långtgående konsekvenser.
har långtgående konsekvenser.
12:30
And let me just quickly mention two,
278
735000
3000
Låt mig bara snabbt nämna två,
12:33
one, drawing from the domain of engineering,
279
738000
2000
en från teknikområdet
12:35
and one from the clinic.
280
740000
2000
och en från kliniken.
12:37
So, from the perspective of engineering,
281
742000
2000
Ur ett tekniskt perspektiv
kan vi ställa oss frågan:
kan vi ställa oss frågan:
12:39
we can ask: Goven that we know
282
744000
3000
Eftersom vi vet
12:42
that motion is so important for the human visual system,
283
747000
2000
att rörelse är så viktig
för det mänskliga visuella systemet,
för det mänskliga visuella systemet,
12:44
can we use this as a recipe
284
749000
3000
kan vi använda detta som ett recept
12:47
for constructing machine-based vision systems
285
752000
3000
för att konstruera
maskinbaserade synsystem
maskinbaserade synsystem
12:50
that can learn on their own, that don't need to be programmed
286
755000
3000
som kan lära sig på egen hand,
som inte behöver programmeras
som inte behöver programmeras
12:53
by a human programmer?
287
758000
2000
av mänskliga programmerare?
12:55
And that's what we're trying to do.
288
760000
2000
Och det är vad vi försöker göra.
12:57
I'm at MIT, at MIT you need to apply
289
762000
3000
Jag är vid MIT, där man måste tillämpa
13:00
whatever basic knowledge you gain.
290
765000
2000
samtliga grundkunskaper man införskaffar.
13:02
So we are creating Dylan,
291
767000
2000
Så skapar vi Dylan,
13:04
which is a computational system
292
769000
2000
som är ett datasystem
13:06
with an ambitious goal
293
771000
2000
med det ambitiösa målet
13:08
of taking in visual inputs
294
773000
2000
att ta in visuell information
13:10
of the same kind that a human child would receive,
295
775000
3000
av samma slag
som ett mänskligt barn skulle få,
som ett mänskligt barn skulle få,
13:13
and autonomously discovering:
296
778000
2000
och självständigt upptäcka:
13:15
What are the objects in this visual input?
297
780000
3000
Vad är objekten i denna visuella input?
13:18
So, don't worry about the internals of Dylan.
298
783000
3000
Så vi behöver inte oroa oss
för Dylans insida.
för Dylans insida.
13:21
Here, I'm just going to talk about
299
786000
3000
Här kommer jag bara att tala om
13:24
how we test Dylan.
300
789000
2000
hur vi testar Dylan.
13:26
The way we test Dylan is by giving it
301
791000
2000
Det sättet som vi testar Dylan
är genom att ge den
är genom att ge den
13:28
inputs, as I said, of the same kind
302
793000
3000
information, som sagt, av samma slag
13:31
that a baby, or a child in Project Prakash would get.
303
796000
3000
som ett spädbarn eller ett barn
i projektet Prakash skulle få.
i projektet Prakash skulle få.
13:34
But for a long time we couldn't quite figure out:
304
799000
3000
Men under lång tid kunde vi
inte helt räkna ut:
inte helt räkna ut:
13:37
Wow can we get these kinds of video inputs?
305
802000
3000
Hur vi kan få till
dessa typer av rörlig visuell information?
dessa typer av rörlig visuell information?
13:41
So, I thought,
306
806000
2000
Jag tänkte,
13:43
could we have Darius
307
808000
2000
kan vi få Darius
13:45
serve as our babycam carrier,
308
810000
3000
att ha på sig vår babykamera,
13:48
and that way get the inputs that we feed into Dylan?
309
813000
3000
och på så sätt få den information
som vi matar in i Dylan?
som vi matar in i Dylan?
13:51
So that's what we did.
310
816000
2000
Så det är vad vi gjorde.
13:53
(Laughter)
311
818000
7000
(Skratt)
Jag var tvungen att ha
långa samtal med min fru.
långa samtal med min fru.
14:00
I had to have long conversations with my wife.
312
825000
3000
14:03
(Laughter)
313
828000
5000
(Skratt)
14:08
In fact, Pam, if you're watching this,
314
833000
2000
Pam, om du ser det här,
14:10
please forgive me.
315
835000
2000
snälla förlåt mig.
14:13
So, we modified the optics of the camera
316
838000
4000
Så vi modifierade kamerans optik
14:17
in order to mimic the baby's visual acuity.
317
842000
3000
för att efterlikna bebisens synskärpa.
14:20
As some of you might know,
318
845000
2000
Som några av er kanske redan vet,
14:22
babyies are born pretty much legally blind.
319
847000
4000
föds bebisar i stort sett blinda.
14:26
Their acuity -- our acuity is 20/20;
320
851000
3000
Vår synskärpa är 20/20;
14:29
babies' acuity is like 20/800,
321
854000
3000
bebisars synskärpa är 20/800,
14:32
so they are looking at the world
322
857000
2000
så de ser världen
14:34
in a very, very blurry fashion.
323
859000
3000
betydligt suddigare.
14:37
Here's what a baby-cam video looks like.
324
862000
3000
Så här kan en video
från en babykamera se ut.
från en babykamera se ut.
14:41
(Laughter)
325
866000
9000
(Skratt)
14:50
(Applause)
326
875000
3000
(Applåder)
14:53
Thankfully, there isn't any audio
327
878000
2000
Tack och lov att det inte finns något ljud
14:55
to go with this.
328
880000
3000
kopplat till detta.
14:58
What's amazing is that working with such
329
883000
2000
Det är fantastiskt att bebisar,
15:00
highly degraded input,
330
885000
2000
trots att de jobbar med försämrad indata,
15:02
the baby, very quickly, is able
331
887000
2000
mycket snabbt kan upptäcka betydelse
15:04
to discover meaning in such input.
332
889000
3000
i sådan information.
15:07
But then two or three days afterward,
333
892000
2000
Men två eller tre dagar senare
15:09
babies begin to pay attention
334
894000
2000
börjar bebisen lägga märke till
15:11
to their mother's or their father's face.
335
896000
2000
sin mor eller sin fars ansikte.
15:13
How does that happen? We want Dylan to be able to do that,
336
898000
3000
Hur sker det?
Vi vill att Dylan ska kunna göra det,
15:16
and using this mantra of motion,
337
901000
3000
och med detta mantra av rörelse,
15:19
Dylan actually can do that.
338
904000
2000
kan Dylan faktiskt göra detta.
15:21
So, given that kind of video input,
339
906000
3000
Med tanke på den typen
av videoinformation
av videoinformation
15:24
with just about six or seven minutes worth of video,
340
909000
3000
med bara sex sju minuters videomaterial,
15:27
Dylan can begin to extract patterns
341
912000
3000
kan Dylan börja extrahera mönster
15:30
that include faces.
342
915000
3000
som innehåller ansikten.
15:33
So, it's an important demonstration
343
918000
2000
Så det är ett viktigt bevis
15:35
of the power of motion.
344
920000
2000
på rörelsens makt.
15:37
The clinical implication, it comes from the domain of autism.
345
922000
3000
Den kliniska slutsatsen blir
att orsaken är autism.
att orsaken är autism.
15:40
Visual integration has been associated with autism
346
925000
2000
Visuell integrering
har kopplats till autism
har kopplats till autism
15:42
by several researchers.
347
927000
2000
av flera forskare.
15:44
When we saw that, we asked:
348
929000
2000
När vi såg detta frågade vi:
15:46
Could the impairment in visual integration
349
931000
3000
Skulle en nedsatt visuell integrering
15:49
be the manifestation of something underneath,
350
934000
3000
kunna vara ett uttryck
för något annat under ytan,
för något annat under ytan,
en bristande bearbetning
av dynamisk information i autism?
av dynamisk information i autism?
15:52
of dynamic information processing deficiencies in autism?
351
937000
3000
15:55
Because, if that hypothesis were to be true,
352
940000
3000
Eftersom, om den hypotesen
skulle vara sann,
skulle vara sann,
15:58
it would have massive repercussions in our understanding
353
943000
3000
skulle det innebära
stora återverkningar i vår bild
stora återverkningar i vår bild
16:01
of what's causing the many different aspects
354
946000
2000
av vad som orsakar
16:03
of the autism phenotype.
355
948000
3000
de många olika varianterna av autism.
16:06
What you're going to see are
356
951000
2000
Det ni kommer att se
är ett videoklipp av två barn -
är ett videoklipp av två barn -
16:08
video clips of two children -- one neurotypical,
357
953000
3000
en neurotisk, en med autism,
16:11
one with autism, playing Pong.
358
956000
2000
som spelar Pong.
16:13
So, while the child is playing Pong, we are tracking where they're looking.
359
958000
3000
Så medan barnet spelar Pong
spårar vi var de tittar.
spårar vi var de tittar.
16:16
In red are the eye movement traces.
360
961000
3000
Det röda är ögats rörelsespår.
Detta är det neurotypiska barnet,
16:19
This is the neurotypical child, and what you see
361
964000
3000
och vad vi ser
16:22
is that the child is able to make cues
362
967000
2000
är att barnet har förmåga
att skapa ledtrådar
att skapa ledtrådar
16:24
of the dynamic information
363
969000
2000
av den dynamiska informationen
16:26
to predict where the ball is going to go.
364
971000
2000
för att förutsäga vart bollen tar vägen.
16:28
Even before the ball gets to a place,
365
973000
3000
Så innan bollen har hamnat någonstans,
16:31
the child is already looking there.
366
976000
3000
ser barnet i förväg åt det hållet.
16:34
Contrast this with a child
367
979000
2000
Jämför detta med
när ett barn med autism
när ett barn med autism
16:36
with autism playing the same game.
368
981000
2000
spelar samma spel.
16:38
Instead of anticipating,
369
983000
2000
I stället för att förutse,
16:40
the child always follows where the ball has been.
370
985000
3000
följer barnet alltid var bollen har varit.
16:43
The efficiency of the use
371
988000
2000
Effektiviteten i användandet
16:45
of dynamic information
372
990000
2000
av dynamisk information
16:47
seems to be significantly compromised in autism.
373
992000
3000
verkar väsentligt nedsatt i autism.
16:51
So we are pursuing this line of work
374
996000
3000
Vi jobbar med det den här inriktningen
16:54
and hopefully we'll have
375
999000
2000
och kommer förhoppningsvis
ha fler resultat att rapportera snart.
ha fler resultat att rapportera snart.
16:56
more results to report soon.
376
1001000
2000
16:58
Looking ahead, if you think of this disk
377
1003000
3000
När vi ser framåt,
om vi säger att den här cirkeln
om vi säger att den här cirkeln
17:01
as representing all of the children
378
1006000
2000
föreställer alla barn
17:03
we've treated so far,
379
1008000
2000
som vi har behandlat hittills,
17:05
this is the magnitude of the problem.
380
1010000
2000
då är detta omfattningen av problemet.
Röda prickar är de barn
som vi inte har behandlat.
som vi inte har behandlat.
17:07
The red dots are the children we have not treated.
381
1012000
3000
Det finns många fler barn
som behöver få behandling,
som behöver få behandling,
17:10
So, there are many, many more children who need to be treated,
382
1015000
2000
17:12
and in order to expand the scope of the project,
383
1017000
3000
och för att utvidga projektet
17:15
we are planning on launching
384
1020000
2000
planerar vi att lansera
17:17
The Prakash Center for Children,
385
1022000
2000
Prakash Center för barn,
17:19
which will have a dedicated pediatric hospital,
386
1024000
3000
som kommer att ha
ett eget barnsjukhus,
ett eget barnsjukhus,
en skola för de barn som vi behandlar
17:22
a school for the children we are treating
387
1027000
2000
och även en anläggning
för högteknologisk forskning.
för högteknologisk forskning.
17:24
and also a cutting-edge research facility.
388
1029000
2000
17:26
The Prakash Center will integrate health care,
389
1031000
3000
Prakash Center kommer att integrera
hälso- och sjukvård,
hälso- och sjukvård,
17:29
education and research in a way
390
1034000
2000
utbildning och forskning på ett sätt
17:31
that truly creates the whole
391
1036000
2000
som verkligen skapar en helhet
17:33
to be greater than the sum of the parts.
392
1038000
3000
som är större än summan av delarna.
För att sammanfatta: Prakash
har under de fem åren det funnits,
har under de fem åren det funnits,
17:36
So, to summarize: Prakash, in its five years of existence,
393
1041000
3000
17:39
it's had an impact in multiple areas,
394
1044000
3000
haft en inverkan på många områden,
17:42
ranging from basic neuroscience
395
1047000
2000
alltifrån grundläggande neurovetenskap,
17:44
plasticity and learning in the brain,
396
1049000
2000
plasticitet och lärande i hjärnan,
17:46
to clinically relevant hypotheses like in autism,
397
1051000
4000
till kliniskt relevanta hypoteser
som för autism,
17:50
the development of autonomous machine vision systems,
398
1055000
3000
utveckling av autonoma
maskinella synsystem,
maskinella synsystem,
17:53
education of the undergraduate and graduate students,
399
1058000
3000
utbildning på grundnivå och högre nivå,
17:56
and most importantly in the alleviation
400
1061000
2000
och allra viktigast,
avhjälpa blindhet hos barn.
avhjälpa blindhet hos barn.
17:58
of childhood blindness.
401
1063000
2000
18:00
And for my students and I, it's been
402
1065000
2000
För mig och mina elever har det varit
18:02
just a phenomenal experience
403
1067000
2000
en enastående erfarenhet
18:04
because we have gotten to do interesting research,
404
1069000
4000
eftersom vi har fått utföra
intressant forskning
intressant forskning
18:08
while at the same time
405
1073000
2000
samtidigt som vi hjälpte
de många barn som vi har arbetat med.
de många barn som vi har arbetat med.
18:10
helping the many children that we have worked with.
406
1075000
2000
18:12
Thank you very much.
407
1077000
2000
Tack så mycket.
18:14
(Applause)
408
1079000
2000
(Applåder)
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