TEDSalon London Spring 2011
Neil Burgess: How your brain tells you where you are
นีล เบอร์เกส : สมองของคุณรู้ได้อย่างไรว่าคุณอยู่ที่ไหน
Filmed:
Readability: 4.2
1,458,267 views
คุณจำได้อย่างไรว่าคุณจอดรถอยู่ที่ไหน คุณรู้ได้อย่างไรว่าคุณกำลังเคลื่อนตัวไปถูกทาง คุณนีล เบอร์เกส นักประสาทวิทยา ได้ศึกษากลไกของสมองในการระบุตำแหน่งรอบตัวเรา และเชื่อมโยงกับความจำและจินตนาการของเราอย่างไร
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
เมื่อเรานำรถเข้าจอดในลานจอดรถขนาดใหญ่
00:17
how do we remember where we parked our car?
1
2000
2000
เราสามารถจำจุดที่เราจอดรถได้อย่างไร
00:19
Here's the problem facing Homer.
2
4000
3000
นี่คือปัญหาที่คุณโฮเมอร์(การ์ตูน ซิมป์สัน) กำลังประสบ
00:22
And we're going to try to understand
3
7000
2000
และเรากำลังพยายามทำความเข้าใจ
00:24
what's happening in his brain.
4
9000
2000
สิ่งที่เกิดขึ้นในสมองของเขา
00:26
So we'll start with the hippocampus, shown in yellow,
5
11000
2000
เราจะเริ่มต้นที่สมองส่วนที่ชื่อว่าฮิปโปแคมปัส(hippocampus)
แสดงด้วยสีเหลืองในรูป
แสดงด้วยสีเหลืองในรูป
00:28
which is the organ of memory.
6
13000
2000
ซึ่งเป็นอวัยวะหน่วยความจำ
00:30
If you have damage there, like in Alzheimer's,
7
15000
2000
ที่หากได้รับความเสียหาย
เช่นในกรณีเป็นโรคความจำเสื่อม (Alzheimer)
เช่นในกรณีเป็นโรคความจำเสื่อม (Alzheimer)
00:32
you can't remember things including where you parked your car.
8
17000
2000
คุณจะไม่สามารถจำสิ่งใด รวมทั้งจุดที่คุณจอดรถ
00:34
It's named after Latin for "seahorse,"
9
19000
2000
มันมีลักษณะคล้ายม้าน้ำ
00:36
which it resembles.
10
21000
2000
จึงถูกเรียกว่าฮิปโปแคมปัสซึงแปลว่าม้าน้ำในภาษาละติน
00:38
And like the rest of the brain, it's made of neurons.
11
23000
2000
มันประกอบด้วยเซลล์ประสาทเหมือนกับสมองส่วนอื่น ๆ
00:40
So the human brain
12
25000
2000
สมองของมนุษย์
00:42
has about a hundred billion neurons in it.
13
27000
2000
ประกอบด้วยเซลล์ประสาทประมาณหนึ่งแสนล้านเซลล์
00:44
And the neurons communicate with each other
14
29000
3000
และเซลล์ประสาทเหล่านี้จะสื่อสารกัน
00:47
by sending little pulses or spikes of electricity
15
32000
2000
ด้วยการส่งคลื่นไฟฟ้าขนาดเล็ก
00:49
via connections to each other.
16
34000
2000
ผ่านส่วนเชื่อมต่อถึงกันและกัน
00:51
The hippocampus is formed of two sheets of cells,
17
36000
3000
ฮิปโปแคมปัสถูกสร้างด้วยแผ่นเซลล์สมองสองแผ่น
00:54
which are very densely interconnected.
18
39000
2000
ที่เชื่อมต่อกันอย่างหนาแน่นมาก
00:56
And scientists have begun to understand
19
41000
2000
และนักวิทยาศาสตร์ได้เริ่มเข้าใจ
00:58
how spatial memory works
20
43000
2000
ว่าหน่วยความจำส่วนที่จดจำสถานที่และตำแหน่งทำงานอย่างไร
01:00
by recording from individual neurons
21
45000
2000
โดยการบันทึกแต่ละเซลล์ประสาท
01:02
in rats or mice
22
47000
2000
ในหนู
01:04
while they forage or explore an environment
23
49000
2000
ขณะที่พวกมันเที่ยวหาหรือสำรวจพื้นที่
01:06
looking for food.
24
51000
2000
เพื่อหาอาหาร
01:08
So we're going to imagine we're recording from a single neuron
25
53000
3000
ตอนนี้เราจะจินตนาการว่า
เรากำลังบันทึกจากเซลล์ประสาทหนึ่งเซลล์
เรากำลังบันทึกจากเซลล์ประสาทหนึ่งเซลล์
01:11
in the hippocampus of this rat here.
26
56000
3000
ที่อยู่ในฮิปโปแคมปัสของหนู
01:14
And when it fires a little spike of electricity,
27
59000
2000
และเมื่อเซลล์ส่งคลื่นไฟฟ้าขนาดเล็กออกมา
01:16
there's going to be a red dot and a click.
28
61000
3000
ก็จะมีจุดสีแดงปรากฏขึ้นพร้อมกับเสียง คลิก
01:19
So what we see
29
64000
2000
ดังนั้นสิ่งที่เราเห็น
01:21
is that this neuron knows
30
66000
2000
ก็คือเซลล์ประสาทรับรู้
01:23
whenever the rat has gone into one particular place in its environment.
31
68000
3000
เมื่อใดก็ตามที่หนูไปยังตำแหน่งหนึ่ง ๆ ภายในพื้นที่
01:26
And it signals to the rest of the brain
32
71000
2000
และมันจะส่งสัญญาณไปยังสมองส่วนอื่น
01:28
by sending a little electrical spike.
33
73000
3000
ด้วยการส่งคลื่นไฟฟ้าขนาดเล็ก
01:31
So we could show the firing rate of that neuron
34
76000
3000
ดังนั้นเราจึงสามารถแสดง
อัตราการส่งสัญญาณของเซลล์ประสาทนี้
อัตราการส่งสัญญาณของเซลล์ประสาทนี้
01:34
as a function of the animal's location.
35
79000
2000
ที่แปรผันตามตำแหน่งของหนูได้
01:36
And if we record from lots of different neurons,
36
81000
2000
และถ้าเราบันทึกจากหลาย ๆ เซลล์ประสาทที่แตกต่างกัน
01:38
we'll see that different neurons fire
37
83000
2000
เราจะเห็นว่า
เป็นเซลล์ประสาทที่ต่างกันที่ส่งสัญญาณออกมา
เป็นเซลล์ประสาทที่ต่างกันที่ส่งสัญญาณออกมา
01:40
when the animal goes in different parts of its environment,
38
85000
2000
ขณะเมื่อหนูอยู่ในตำแหน่งที่แตกต่างกัน
01:42
like in this square box shown here.
39
87000
2000
เหมือนในรูปสี่เหลี่ยมแต่ละอันที่คุณเห็นอยู่นี้
01:44
So together they form a map
40
89000
2000
ซึ่งเมือนำทั้งหมดนี้มารวมกันก็จะเกิดเป็นแผนที่
01:46
for the rest of the brain,
41
91000
2000
สำหรับสมองส่วนอื่นๆ
01:48
telling the brain continually,
42
93000
2000
เพื่อบอกกับสมองอย่างต่อเนื่องว่า
01:50
"Where am I now within my environment?"
43
95000
2000
ขณะนี้ฉันอยู่ในตำแหน่งใดของพื้นที่?
01:52
Place cells are also being recorded in humans.
44
97000
3000
เพลสเซลล์ (Place Cell) ก็ถูกบันทึกในมนุษย์เช่นเดียวกัน
01:55
So epilepsy patients sometimes need
45
100000
2000
ผู้ป่วยโรคลมชักบางครั้งต้อง
01:57
the electrical activity in their brain monitoring.
46
102000
3000
เข้ารับการตรวจคลื่นไฟฟ้าในสมองของพวกเขา
02:00
And some of these patients played a video game
47
105000
2000
และผู้ป่วยบางคนจะเล่นวิดีโอเกม
02:02
where they drive around a small town.
48
107000
2000
ที่จำลองว่าเขาขับรถไปรอบๆ เมืองเล็กๆ
02:04
And place cells in their hippocampi would fire, become active,
49
109000
3000
และเพลสเซลล์ในฮิปโปแคมปัสก็จะตื่นตัว
02:07
start sending electrical impulses
50
112000
3000
และเริ่มส่งคลื่นไฟฟ้าออกมา
02:10
whenever they drove through a particular location in that town.
51
115000
3000
เมื่อใดก็ตามที่พวกเขาขับรถผ่านสถานที่ใดสถานที่หนึ่งในเมืองนั้น
02:13
So how does a place cell know
52
118000
2000
แล้วเพลสเซลล์รู้
02:15
where the rat or person is within its environment?
53
120000
3000
ตำแหน่งของหนูหรือบุคคลภายในพื้นที่ได้อย่าง?
02:18
Well these two cells here
54
123000
2000
เซลล์สองอันที่เห็นอยู่นี้
02:20
show us that the boundaries of the environment
55
125000
2000
แสดงให้เราเห็นว่า เส้นขอบเขตของพื้นที่
02:22
are particularly important.
56
127000
2000
คือสิ่งที่มีความสำคัญอย่างยิ่ง
02:24
So the one on the top
57
129000
2000
เซลล์ที่อยู่ข้างบน
02:26
likes to fire sort of midway between the walls
58
131000
2000
จะส่งสัญญาณ
ขณะที่หนูอยู่ในตำแหน่งแถว ๆ ตรงกลางระหว่างผนัง
ขณะที่หนูอยู่ในตำแหน่งแถว ๆ ตรงกลางระหว่างผนัง
02:28
of the box that their rat's in.
59
133000
2000
ของกล่อง
02:30
And when you expand the box, the firing location expands.
60
135000
3000
และเมื่อคุณขยายกล่อง
ตำแหน่งที่เกิดการส่งสัญญาณก็จะขยายตาม
ตำแหน่งที่เกิดการส่งสัญญาณก็จะขยายตาม
02:33
The one below likes to fire
61
138000
2000
เซลล์ด้านล่างก็จะส่งสัญญาณ
02:35
whenever there's a wall close by to the south.
62
140000
3000
เมื่อใดก็ตามที่มีผนังอยู่ใกล้ ๆ ทางทิศใต้
02:38
And if you put another wall inside the box,
63
143000
2000
และถ้าคุณใส่กำแพงอีกอันเข้าไปภายในกล่อง
02:40
then the cell fires in both place
64
145000
2000
เซลล์ก็จะส่งสัญญาณในทั้งสองตำแหน่ง
02:42
wherever there's a wall to the south
65
147000
2000
ซึ่งมีกำแพงผนังอยู่ใกล้ๆ ทางทิศใต้
02:44
as the animal explores around in its box.
66
149000
3000
ขณะที่หนูวิ่งสำรวจไปรอบๆ ในกล่องของมัน
02:48
So this predicts
67
153000
2000
ดังนั้น สิ่งนี้ชี้ให้เห็นว่า
02:50
that sensing the distances and directions of boundaries around you --
68
155000
2000
การตรวจจับระยะและทิศทางของกำแพงรอบๆ ตัวคุณ
02:52
extended buildings and so on --
69
157000
2000
และอาคารถัดไป ถัดไป
02:54
is particularly important for the hippocampus.
70
159000
3000
เป็นสิ่งสำคัญอย่างยิ่งสำหรับฮิปโปแคมปัส
02:57
And indeed, on the inputs to the hippocampus,
71
162000
2000
อันที่จริง ณ ขณะที่ส่งข้อมูลเข้าไปที่ฮิปโปแคมปัส
02:59
cells are found which project into the hippocampus,
72
164000
2000
เซลล์จะรู้ว่าอันไหนในฮิปโปแคมปัส
03:01
which do respond exactly
73
166000
2000
จะตอบสนอง
03:03
to detecting boundaries or edges
74
168000
3000
เพื่อการตรวจจับแนวเขตกำแพงหรือขอบ
03:06
at particular distances and directions
75
171000
2000
ที่มีระยะและทิศทางหนึ่งๆ
03:08
from the rat or mouse
76
173000
2000
จากตัวหนู
03:10
as it's exploring around.
77
175000
2000
ขณะที่มันสำรวจไปรอบๆ
03:12
So the cell on the left, you can see,
78
177000
2000
ซึ่งคุณจะเห็นว่าเซลล์ด้านซ้ายมือ
03:14
it fires whenever the animal gets near
79
179000
2000
จะส่งสัญญาณเมื่อไหร่ก็ตามที่หนูเข้ามาใกล้
03:16
to a wall or a boundary to the east,
80
181000
3000
กับกำแพงหรือสุดผนังทางทิศตะวันออก
03:19
whether it's the edge or the wall of a square box
81
184000
3000
ไม่ว่าจะเป็นสุดขอบหรือสุดผนังของกล่องสี่เหลี่ยม
03:22
or the circular wall of the circular box
82
187000
2000
หรือผนังของกล่องทรงกลม
03:24
or even the drop at the edge of a table, which the animals are running around.
83
189000
3000
หรือแม้แต่หยดน้ำที่ขอบโต๊ะ ซึ่งหนูกำลังวิ่งอยู่รอบๆ
03:27
And the cell on the right there
84
192000
2000
และเซลล์ที่อยู่ด้านขวานั้น
03:29
fires whenever there's a boundary to the south,
85
194000
2000
จะส่งสัญญาณ เมื่อสุดเขตทางทิศใต้
03:31
whether it's the drop at the edge of the table or a wall
86
196000
2000
ไม่ว่าจะเป็นหยดน้ำที่ขอบของโต๊ะหรือกำแพง
03:33
or even the gap between two tables that are pulled apart.
87
198000
3000
หรือแม้กระทั่งช่องว่างระหว่างโต๊ะสองตัวที่ถูกดึงออกจากกัน
03:36
So that's one way in which we think
88
201000
2000
ซึ่งนั่นก็คือ วิธีหนึ่งที่เราคิดว่า
03:38
place cells determine where the animal is as it's exploring around.
89
203000
3000
เพลสเซลล์ใช้บอกตำแหน่งของหนูขณะมันสำรวจไปรอบๆ
03:41
We can also test where we think objects are,
90
206000
3000
นอกจากนี้เรายังสามารถทดสอบ
กับกรณีที่เราคิดว่าวัตถุตั้งอยู่ที่ใด
กับกรณีที่เราคิดว่าวัตถุตั้งอยู่ที่ใด
03:44
like this goal flag, in simple environments --
91
209000
3000
เช่น ธงอันนี้ปักอยู่ตรงไหนของพื้นที่
03:47
or indeed, where your car would be.
92
212000
2000
หรืออาจจะเป็น ตำแหน่งที่รถของคุณจอดอยู่
03:49
So we can have people explore an environment
93
214000
3000
ดังนั้นเราจะให้คนสำรวจไปรอบๆ พื้นที่
03:52
and see the location they have to remember.
94
217000
3000
และดูตำแหน่งที่พวกเขาต้องจดจำ
03:55
And then, if we put them back in the environment,
95
220000
2000
และจากนั้น ถ้าเราให้พวกเขากลับเข้าไปในพื้นที่
03:57
generally they're quite good at putting a marker down
96
222000
2000
โดยทั่วไปแล้ว พวกสามารถจะระบุตำแหน่ง
03:59
where they thought that flag or their car was.
97
224000
3000
ที่พวกเขาคิดว่าเคยมีธงหรือรถของพวกเขาเคยจอดอยู่
ได้อย่างถูกต้อง
ได้อย่างถูกต้อง
04:02
But on some trials,
98
227000
2000
แต่ในการทดลองบางครั้ง
04:04
we could change the shape and size of the environment
99
229000
2000
เราจะเปลี่ยนรูปร่างและขนาดของพื้นที่
04:06
like we did with the place cell.
100
231000
2000
เหมือนที่เราทำกับเพลสเซลล์
04:08
In that case, we can see
101
233000
2000
ในกรณีนี้ เราจะเห็นว่า
04:10
how where they think the flag had been changes
102
235000
3000
การเปลี่ยนตำแหน่งของธงในความคิดของพวกเขา
04:13
as a function of how you change the shape and size of the environment.
103
238000
3000
แปรผันตาม
การเปลี่ยนรูปร่างและขนาดของพื้นที่ของคุณอย่างไร
การเปลี่ยนรูปร่างและขนาดของพื้นที่ของคุณอย่างไร
04:16
And what you see, for example,
104
241000
2000
และสิ่งที่คุณจะเห็น ตัวอย่างเช่น
04:18
if the flag was where that cross was in a small square environment,
105
243000
3000
ถ้าธงเคยปักอยู่ในตำแหน่งที่ทำเครื่องหมายในพื้นที่สี่เหลี่ยมเล็กนี้
04:21
and then if you ask people where it was,
106
246000
2000
แล้วถ้าคุณถามเขาว่าธงเคยปักอยู่ที่ใหน
04:23
but you've made the environment bigger,
107
248000
2000
โดยที่คุณได้ขยายพื้นที่ให้ใหญ่ขึ้นกว่าเดิม
04:25
where they think the flag had been
108
250000
2000
ตำแหน่งที่พวกเขาคิดว่าธงเคยปักอยู่
04:27
stretches out in exactly the same way
109
252000
2000
จะเลื่อนออกไปเช่นเดียวกับ
04:29
that the place cell firing stretched out.
110
254000
2000
เพลสเซลล์ซึ่งส่งสัญญาณถูกขยายออกไป
04:31
It's as if you remember where the flag was
111
256000
2000
มันเหมือนกับว่าคุณจำว่าธงเคยปักอยู่ที่ตรงไหน
04:33
by storing the pattern of firing across all of your place cells
112
258000
3000
โดยการเก็บบันทึก
รูปแบบการส่งสัญญาณของเพลสเซลล์ทั้งหมดของคุณ
รูปแบบการส่งสัญญาณของเพลสเซลล์ทั้งหมดของคุณ
04:36
at that location,
113
261000
2000
ที่ตำแหน่งนั้นไว้
04:38
and then you can get back to that location
114
263000
2000
และคุณสามารถกลับไปยังตำแหน่งเดิม
04:40
by moving around
115
265000
2000
ได้โดยการเคลื่อนที่ไปรอบ ๆ
04:42
so that you best match the current pattern of firing of your place cells
116
267000
2000
เพื่อให้คุณสามารถสร้างรูปแบบการส่งสัญญาณของเพลสเซลล์
ณ ปัจจุบันของคุณให้ใกล้เคียงกับ
ณ ปัจจุบันของคุณให้ใกล้เคียงกับ
04:44
with that stored pattern.
117
269000
2000
รูปแบบที่ได้ถูกเก็บบันทึกไว้ก่อนหน้า
04:46
That guides you back to the location that you want to remember.
118
271000
3000
มันนำทางคุณกลับไปยังตำแหน่งที่คุณต้องการจดจำ
04:49
But we also know where we are through movement.
119
274000
3000
นอกจากนี้
เรายังทราบตำแหน่งของเราผ่านทางการเคลื่อนที่
เรายังทราบตำแหน่งของเราผ่านทางการเคลื่อนที่
04:52
So if we take some outbound path --
120
277000
2000
ถ้าหากเราเคลื่อนที่ในทิศทางออกสู่ข้างนอก
04:54
perhaps we park and we wander off --
121
279000
2000
เช่น เราจอดรถและเราก็เดินออกไป
04:56
we know because our own movements,
122
281000
2000
เรารู้เพราะว่าการเคลื่อนที่ของเรา
04:58
which we can integrate over this path
123
283000
2000
ซึ่งเราสามารถรวมเส้นทางเดินนี้เข้าไป
05:00
roughly what the heading direction is to go back.
124
285000
2000
โดยประมาณว่าเราจะต้องเคลื่อนที่ในทิศทางใดในการที่จะกลับมา
05:02
And place cells also get this kind of path integration input
125
287000
4000
และเพลสเซลล์สามารถรับรู้ข้อมูลเส้นทางเดินนี้
05:06
from a kind of cell called a grid cell.
126
291000
3000
จากเซลล์ที่เรียกว่ากริดเซลล์ (Grid Cell)
05:09
Now grid cells are found, again,
127
294000
2000
และกริดเซลล์จะถูกค้นพบและดึงออกมา,เช่นกัน,
05:11
on the inputs to the hippocampus,
128
296000
2000
ณ ขณะที่ส่งข้อมูลเข้าไปยังฮิปโปแคมปัส
05:13
and they're a bit like place cells.
129
298000
2000
และพวกมันก็คล้ายกับเพลสเซลล์
05:15
But now as the rat explores around,
130
300000
2000
แต่ว่า ในขณะที่หนูสำรวจไปรอบๆ
05:17
each individual cell fires
131
302000
2000
แต่ละเซลล์จะส่งสัญญาณออกมา
05:19
in a whole array of different locations
132
304000
3000
ในทุก ๆ ตำแหน่งที่ต่างกัน
05:22
which are laid out across the environment
133
307000
2000
ครอบคลุมพื้นที่ทั่วทั้งหมด
05:24
in an amazingly regular triangular grid.
134
309000
3000
ในรูปแบบตาข่ายของสามเหลี่ยมด้านเท่าอย่างน่าอัศจรรย์
05:29
And if you record from several grid cells --
135
314000
3000
และถ้าคุณบันทึกจากหลายๆ กริดเซลล์
05:32
shown here in different colors --
136
317000
2000
ที่แสดงให้เห็นอยู่นี้ด้วยสีที่แตกต่างกัน
05:34
each one has a grid-like firing pattern across the environment,
137
319000
3000
แต่ละอัน ก็จะมีรูปแบบการส่งสัญญาณที่คล้ายตาข่าย
ครอบคลุมทั้งพื้นที่
ครอบคลุมทั้งพื้นที่
05:37
and each cell's grid-like firing pattern is shifted slightly
138
322000
3000
และรูปแบบการส่งสัญญาณของแต่ละเซลล์ก็จะเหลี่อมกันเล็กน้อย
05:40
relative to the other cells.
139
325000
2000
เมื่อเทียบกับเซลล์อื่น ๆ
05:42
So the red one fires on this grid
140
327000
2000
ดังนั้น เซลล์สีแดงส่งสัญญาณบนตาข่ายนี้
05:44
and the green one on this one and the blue on on this one.
141
329000
3000
และสีเขียวบนนี้ และสีฟ้าบนนี้
05:47
So together, it's as if the rat
142
332000
3000
เมื่อรวมทั้งหมดเข้าด้วยกัน ก็จะเหมือนกับว่าหนู
05:50
can put a virtual grid of firing locations
143
335000
2000
สามารถสร้างตารางเสมือนของตำแหน่งการส่งสัญญาณ
05:52
across its environment --
144
337000
2000
ครอบคลุมพื้นที่ทั้งหมด
05:54
a bit like the latitude and longitude lines that you'd find on a map,
145
339000
3000
เหมือนเส้นละติจูดและเส้นลองจิจูดบนแผนที่
05:57
but using triangles.
146
342000
2000
แต่เป็นสามเหลี่ยม
05:59
And as it moves around,
147
344000
2000
และขณะที่หนูมันเคลื่อนที่ไปรอบๆ
06:01
the electrical activity can pass
148
346000
2000
คลื่นไฟฟ้าสามารถวิ่งจาก
06:03
from one of these cells to the next cell
149
348000
2000
เซลล์หนึ่งไปยังเซลล์ถัดไป
06:05
to keep track of where it is,
150
350000
2000
เพื่อติดตามตำแหน่งของมัน
06:07
so that it can use its own movements
151
352000
2000
เพื่อที่มันจะสามารถใช้การเคลื่อนที่ของตัวมันเอง
06:09
to know where it is in its environment.
152
354000
2000
บอกให้รู้ตำแหน่งของตัวมันภายในพื้นที่
06:11
Do people have grid cells?
153
356000
2000
แล้วมนุษย์ล่ะ มีกริดเซลล์ใหม?
06:13
Well because all of the grid-like firing patterns
154
358000
2000
เนื่องจากรูปแบบการส่งสัญญาณคล้ายตาข่ายทั้งหมด
06:15
have the same axes of symmetry,
155
360000
2000
มีสมมาตรของแกนเหมือนกัน
06:17
the same orientations of grid, shown in orange here,
156
362000
3000
มีการเรียงตัวที่เหมือนกันของตาข่าย ดังที่เห็นเป็นสีส้ม
06:20
it means that the net activity
157
365000
2000
ซึ่งหมายความว่าคลื่นไฟฟ้าสุทธิ
06:22
of all of the grid cells in a particular part of the brain
158
367000
3000
ของกริดเซลล์ทั้งหมดในส่วนใดส่วนหนึ่งของสมอง
06:25
should change
159
370000
2000
ควรเปลี่ยน
06:27
according to whether we're running along these six directions
160
372000
2000
ตามสถานะว่าเราวิ่งไปตามทิศทางทั้งหกนี้
06:29
or running along one of the six directions in between.
161
374000
3000
หรือวิ่งไปตามทิศทางอันใดอันหนึ่ง ในหกอันที่อยู่ระหว่างกลาง
06:32
So we can put people in an MRI scanner
162
377000
2000
ดังนั้น เรานำคนเข้าเครื่องเอ็ม อาร์ ไอ (MRI)
06:34
and have them do a little video game
163
379000
2000
ให้พวกเขาเล่นวิดีโอเกมส์กัน
06:36
like the one I showed you
164
381000
2000
เหมือนกับที่ผมให้คุณดูก่อนหน้านี้
06:38
and look for this signal.
165
383000
2000
และมองหาสัญญาณนี้
06:40
And indeed, you do see it in the human entorhinal cortex,
166
385000
3000
และแน่นอน คุณจะเห็นมันในสมองของมนุษย์
ส่วนเอนโทรีนอล คอร์เท็กซ์(Entorhinal cortex)
ส่วนเอนโทรีนอล คอร์เท็กซ์(Entorhinal cortex)
06:43
which is the same part of the brain that you see grid cells in rats.
167
388000
3000
ซึ่งเป็นสมองส่วนเดียวกันกับที่คุณเห็นกริดเซลล์ในหนู
06:46
So back to Homer.
168
391000
2000
ดังนั้น กลับไปที่โฮเมอร์
06:48
He's probably remembering where his car was
169
393000
2000
เขาอาจจะจำจุดที่เขาจอดรถได้
06:50
in terms of the distances and directions
170
395000
2000
ในแง่ของระยะทางและทิศทาง
06:52
to extended buildings and boundaries
171
397000
2000
เที่ยบกับอาคารและขอบเขตของพื้นที่
06:54
around the location where he parked.
172
399000
2000
รอบๆ สถานที่ที่เขาจอดรถ
06:56
And that would be represented
173
401000
2000
และนั่นจะถูกแสดงด้วย
06:58
by the firing of boundary-detecting cells.
174
403000
2000
การส่งสัญญาณของเซลล์ที่ทำหน้าที่ตรวจจับขอบเขต
07:00
He's also remembering the path he took out of the car park,
175
405000
3000
และเขายังสามารถจดจำเส้นทางที่เขาเดินออกจากที่จอดรถ
07:03
which would be represented in the firing of grid cells.
176
408000
3000
ซึ่งสามารถแสดงได้ด้วยการส่งสัญญาณของกริดเซลล์
07:06
Now both of these kinds of cells
177
411000
2000
ซึ่งเซลล์ทั้งสองชนิดนี้
07:08
can make the place cells fire.
178
413000
2000
สามารถทำให้เพลสเซลล์ส่งสํญญาณออกมาได้
07:10
And he can return to the location where he parked
179
415000
2000
และเขาสามารถกลับไปยังตำแหน่งที่เขาจอดรถได้
07:12
by moving so as to find where it is
180
417000
3000
โดยการเคลื่อนที่ไปเรื่อยๆ เพื่อหาตำแหน่ง
07:15
that best matches the firing pattern
181
420000
2000
ที่มีรูปแบบการส่งสัญญาณ
07:17
of the place cells in his brain currently
182
422000
2000
ของเพลสเซลล์ในสมองของเขา ณ ขณะนั้น
07:19
with the stored pattern where he parked his car.
183
424000
3000
ตรงกับรูปแบบการส่งสัญญาณที่ถูกเก็บไว้ขณะที่เขาจอดรถ
07:22
And that guides him back to that location
184
427000
2000
และมันคือสิ่งนำทางให้เขากลับไปยังตำแหน่งเดิมได้
07:24
irrespective of visual cues
185
429000
2000
ไม่ว่าภาพที่ปรากฏต่อสายตาจะเป็นอย่างไร
07:26
like whether his car's actually there.
186
431000
2000
เช่นไม่ว่ารถของเขาจะอยู่ตรงนั้นหรือไม่
07:28
Maybe it's been towed.
187
433000
2000
บางทีมันอาจจะก็ถูกลากไปแล้วก็ได้
07:30
But he knows where it was, so he knows to go and get it.
188
435000
3000
แต่เขาก็รู้ว่ามันเคยอยู่ที่ไหน เขารู้เส้นทางที่จะไปเอามัน
07:33
So beyond spatial memory,
189
438000
2000
ดังนั้น นอกเหนือจากหน่วยความจำส่วนที่จดจำตำแหน่งและสถานที่
07:35
if we look for this grid-like firing pattern
190
440000
2000
ถ้าเรามองหารูปแบบการส่งสัญญาณที่คล้ายตาข่าย
07:37
throughout the whole brain,
191
442000
2000
ทั่วทั้งสมอง
07:39
we see it in a whole series of locations
192
444000
3000
เราพบมันได้หลายแห่ง
07:42
which are always active
193
447000
2000
ซึ่งมันจะทำงานเสมอ
07:44
when we do all kinds of autobiographical memory tasks,
194
449000
2000
เมื่อเราย้อนคิดถึงสิ่งที่เกิดขึ้นในอดีต
07:46
like remembering the last time you went to a wedding, for example.
195
451000
3000
เช่นการคิดถึงงานแต่งงานที่คุณไปครั้งล่าสุด
07:49
So it may be that the neural mechanisms
196
454000
2000
ดังนั้นจึงอาจเป็นไปได้ว่ากลไกประสาท
07:51
for representing the space around us
197
456000
3000
สำหรับแสดงพื้นที่รอบๆ ตัวเรา
07:54
are also used for generating visual imagery
198
459000
4000
ยังถูกใช้ในการสร้างจินตนาการภาพ
07:58
so that we can recreate the spatial scene, at least,
199
463000
3000
เพื่อให้อย่างน้อยที่สุด
เราสามารถจะสร้างภาพสถานที่ในความทรงจำ
เราสามารถจะสร้างภาพสถานที่ในความทรงจำ
08:01
of the events that have happened to us when we want to imagine them.
200
466000
3000
ของเหตุการณ์ที่ได้เกิดขึ้นกับเราขึ้นมา
เมื่อเราต้องการที่จะคิดถึงมัน
เมื่อเราต้องการที่จะคิดถึงมัน
08:04
So if this was happening,
201
469000
2000
ดังนั้น หากสิ่งนี้กำลังเกิดขึ้น(คุณกำลังคิดถึงภาพในอดีต)
08:06
your memories could start by place cells activating each other
202
471000
3000
ระบบความจำของคุณจะเริ่มต้นด้วยเพลสเซลล์กระตุ้นซึ่งกันและกัน
08:09
via these dense interconnections
203
474000
2000
ผ่านการเชื่อมโยงที่หนาแน่น
08:11
and then reactivating boundary cells
204
476000
2000
จากนั้นก็ไปกระตุ้นเซลล์ที่เก็บขอบเขตของพื้นที่ให้ทำงาน
08:13
to create the spatial structure
205
478000
2000
เพื่อสร้างโครงสร้างของพื้นที่
08:15
of the scene around your viewpoint.
206
480000
2000
ของภาพรอบๆ มุมมองของคุณ
08:17
And grid cells could move this viewpoint through that space.
207
482000
2000
และกริดเซลล์จะสามารถย้ายมุมมองนี้ผ่านพื้นที่นั้น
08:19
Another kind of cell, head direction cells,
208
484000
2000
และเซลล์อีกชนิดหนึ่ง คือ เซลล์บอกทิศทาง
08:21
which I didn't mention yet,
209
486000
2000
ซึ่งผมยังไม่ได้พูดถึง
08:23
they fire like a compass according to which way you're facing.
210
488000
3000
จะส่งสัญญาณเหมือนเข็มทิศ ขึ้นอยู่กับว่าคุณหันหน้าไปทางไหน
08:26
They could define the viewing direction
211
491000
2000
มันจะกำหนดทิศทางของมุมมอง
08:28
from which you want to generate an image for your visual imagery,
212
493000
3000
ที่ซึ่งคุณต้องการสร้างภาพของจินตภาพที่คุณต้องการขึ้นมา
08:31
so you can imagine what happened when you were at this wedding, for example.
213
496000
3000
เช่นคุณสามารถจินตนาการสิ่งที่เกิดขึ้นเมื่อคุณอยู่ที่งานแต่งงาน
08:34
So this is just one example
214
499000
2000
นี้เป็นเพียงตัวอย่างหนึ่ง
08:36
of a new era really
215
501000
2000
ของยุคใหม่อย่างแท้จริง
08:38
in cognitive neuroscience
216
503000
2000
ของวงการประสาทวิทยาศาสตร์เกี่ยวกับการรับรู้
(Cognitive neuroscience)
(Cognitive neuroscience)
08:40
where we're beginning to understand
217
505000
2000
ที่เรากำลังเริ่มที่จะเข้าใจ
08:42
psychological processes
218
507000
2000
กระบวนการทางจิตวิทยา
08:44
like how you remember or imagine or even think
219
509000
3000
เช่น คุณ จดจำ หรือ จินตนาการ หรือแม้กระทั่ง คิด ได้อย่างไร
08:47
in terms of the actions
220
512000
2000
ในแง่ของการทำงานของ
08:49
of the billions of individual neurons that make up our brains.
221
514000
3000
แต่ละเซลล์ประสาทจำนวนหลายพันล้านเซลล์
ที่รวมกันเป็นสมองของเรา
ที่รวมกันเป็นสมองของเรา
08:52
Thank you very much.
222
517000
2000
ขอบคุณมากครับ
08:54
(Applause)
223
519000
3000
(ปรบมือ)
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