TEDGlobal 2009
Rebecca Saxe: How we read each other's minds
ربيكا ساكس: كيف نقرأ عقول بعضنا البعض
Filmed:
Readability: 3.6
3,311,612 views
الشّعور بالدّوافع ، المعتقدات ، مشاعر للأحبّة و الأغراب موهبة طبيعيّة للنّاس . لكنّ كيف نفعلها ؟ هنا ، أسهمت ربيكا ساكس بعمل معملى مدهش الّذي يكشف كيف يفكّرالعقل البشرى في أفكار النّاس الأخرى - - و يحكم على أفعالهم .
Rebecca Saxe - Cognitive neuroscientist
Rebecca Saxe studies how we think about other people's thoughts. At the Saxelab at MIT, she uses fMRI to identify what happens in our brains when we consider the motives, passions and beliefs of others. Full bio
Rebecca Saxe studies how we think about other people's thoughts. At the Saxelab at MIT, she uses fMRI to identify what happens in our brains when we consider the motives, passions and beliefs of others. Full bio
Double-click the English transcript below to play the video.
00:12
Today I'm going to talk to you about the problem of other minds.
0
0
3000
اليوم أنا سأتكلّم معكم عن مشكلة العقول الأخرى .
00:15
And the problem I'm going to talk about
1
3000
2000
و المشكلة التي سأتكلّم عليها
00:17
is not the familiar one from philosophy,
2
5000
3000
ليست المألوفة من الفلسفة ،
00:20
which is, "How can we know
3
8000
2000
التي هي ،" كيف نستطيع أن نعرف
00:22
whether other people have minds?"
4
10000
2000
إذا ما كان النّاس الآخرون لديهم عقول ؟"
00:24
That is, maybe you have a mind,
5
12000
2000
ذلك ، ربّما لديك عقل ،
00:26
and everyone else is just a really convincing robot.
6
14000
3000
و كلّ شخص آخر هو فقط روبوتا مقنعا فعلاً .
00:29
So that's a problem in philosophy,
7
17000
2000
إذن هذه مشكلة في الفلسفة .
00:31
but for today's purposes I'm going to assume
8
19000
2000
لكنّ لأغراض اليوم أنا سأفترض
00:33
that many people in this audience have a mind,
9
21000
2000
أنّ أناس كثيرة في هذا الجمهور لديها عقل ،
00:35
and that I don't have to worry about this.
10
23000
2000
و أنّه لا يجب عليّ أن أقلق على هذا .
00:37
There is a second problem that is maybe even more familiar to us
11
25000
3000
هناك مشكلة ثانية ربّما نحن معتادون عليها
00:40
as parents and teachers and spouses
12
28000
3000
كآباء و مدرّسين و زوجات،
00:43
and novelists,
13
31000
2000
و روائيّون .
00:45
which is, "Why is it so hard
14
33000
2000
الذي هي ، لماذا هو صعب جدًّا
00:47
to know what somebody else wants or believes?"
15
35000
2000
أن تعرف ما يريده شخص ما آخر أو ما يؤمن به ؟ "
00:49
Or perhaps, more relevantly,
16
37000
2000
أو ربّما ، على نحو متّصل بالموضوع أكثر ،
00:51
"Why is it so hard to change what somebody else wants or believes?"
17
39000
3000
"لماذا هو صعب جدًّا أن تغيّر ما يريده شخص آخر أو إعتقاده ؟"
00:54
I think novelists put this best.
18
42000
2000
أعتقد أنّ الرّوائيّين وضعوا هذا الأفضل .
00:56
Like Philip Roth, who said,
19
44000
2000
مثل فيليب روث الّذي قال ،
00:58
"And yet, what are we to do about this terribly significant business
20
46000
3000
" و حتّى الآن ، ماذا نفعل مع هذه الأعمال الصعبة للغاية
01:01
of other people?
21
49000
2000
للناس الآخرين؟
01:03
So ill equipped are we all,
22
51000
2000
إذن نحن كلنا غير مجهزين لذلك ،
01:05
to envision one another's interior workings
23
53000
2000
لتصوّر أنّ أفكار شخص ما الداخلية
01:07
and invisible aims."
24
55000
2000
وأهداف غير مرئيّة ".
01:09
So as a teacher and as a spouse,
25
57000
3000
مثلا كمدرّسة، و كزوجة ،
01:12
this is, of course, a problem I confront every day.
26
60000
2000
هذه هي، بالطّبع ، مشكلة أواجهها يوميًّا .
01:14
But as a scientist, I'm interested in a different problem of other minds,
27
62000
3000
لكنّي كعالمة ، أنا مهتمّة بمسألة مختلفة للعقول الأخرى ،
01:17
and that is the one I'm going to introduce to you today.
28
65000
3000
وتلك المسألة هى التي سأقدمها لكم اليوم .
01:20
And that problem is, "How is it so easy
29
68000
2000
و تلك المشكلة هى ،"كم هو سهل جدًّا
01:22
to know other minds?"
30
70000
2000
أن تعرف العقول الأخرى ؟ "
01:24
So to start with an illustration,
31
72000
2000
لنبدأ بعرض توضيح ،
01:26
you need almost no information,
32
74000
2000
لا تحتاج تقريبًا لأى معلومات ،
01:28
one snapshot of a stranger,
33
76000
2000
صورة واحدة لشخص غريب ،
01:30
to guess what this woman is thinking,
34
78000
2000
لتّخمين في ما تفكّر فيه هذه المرأة ،
01:32
or what this man is.
35
80000
3000
أو هذا الرّجل .
01:35
And put another way, the crux of the problem is
36
83000
2000
و بوضع طريقة أخرى ، يكون لبّ المشكلة
01:37
the machine that we use for thinking about other minds,
37
85000
3000
الماكينة الّتي نستخدمها للتّفكير في العقول الأخرى ،
01:40
our brain, is made up of pieces, brain cells,
38
88000
3000
عقلنا ، مكوّن من قطع ، خلايا المخّ ،
01:43
that we share with all other animals, with monkeys
39
91000
2000
التي تماثل كلّ الحيوانات الأخرى ، مع القرود،
01:45
and mice and even sea slugs.
40
93000
3000
و الفئران ، و حتى الرخويات البحرية .
01:48
And yet, you put them together in a particular network,
41
96000
3000
و حتّى الآن ، نضعهم جميعا في شبكة خاصّة ،
01:51
and what you get is the capacity to write Romeo and Juliet.
42
99000
3000
و ما تحصل عليه هو القدرة لتكتب روميو و جولييت .
01:54
Or to say, as Alan Greenspan did,
43
102000
2000
أو للقول، كما فعل آلان جرينسبان،
01:56
"I know you think you understand what you thought I said,
44
104000
3000
"أعرف أنكم تعتقدون أنّكم تفهمون ما اعتقدتم أننيّ قلت ،
01:59
but I'm not sure you realize that what you heard
45
107000
2000
لكننيّ غير متأكّدة أنكم أدركتم ما سمعتموه
02:01
is not what I meant."
46
109000
2000
ليس ما عنيته ".
02:03
(Laughter)
47
111000
3000
(ضحك )
02:06
So, the job of my field of cognitive neuroscience
48
114000
2000
لذا عملى في حقل علم الأعصاب الإدراكى
02:08
is to stand with these ideas,
49
116000
2000
هو أن تقف بهذه الأفكار،
02:10
one in each hand.
50
118000
2000
واحد في كلّ يد .
02:12
And to try to understand how you can put together
51
120000
3000
و لمحاولة الفهم كيف يمكن أن تجمّع
02:15
simple units, simple messages over space and time, in a network,
52
123000
4000
الوحدات البسيطة، الرّسائل البسيطة على المكان و الوقت، في شبكة،
02:19
and get this amazing human capacity to think about minds.
53
127000
4000
وتحصل على هذه النتيجة الرائعة لكيفية تفكير الإنسان في العقول .
02:23
So I'm going to tell you three things about this today.
54
131000
3000
لذا أنا سأخبركم ثلاثة أشياء عن هذا اليوم .
02:26
Obviously the whole project here is huge.
55
134000
3000
من الواضح أن المشروع بالكامل هنا ضخم .
02:29
And I'm going to tell you just our first few steps
56
137000
3000
و أنا سأخبركم فقط أوّل خطوات قليلة
02:32
about the discovery of a special brain region
57
140000
2000
عن اكتشاف منطقة خاصة في المخّ
02:34
for thinking about other people's thoughts.
58
142000
2000
للتّفكير في أفكار النّاس الأخرى .
02:36
Some observations on the slow development of this system
59
144000
2000
بعض الملاحظات على التطوير البطيء لهذا النّظام
02:38
as we learn how to do this difficult job.
60
146000
4000
بينما نتعلّم كيف نعمل هذا العمل الصّعب .
02:42
And then finally, to show that some of the differences
61
150000
2000
ثمّ أخيرًا، لإظهار بعض من الاختلافات
02:44
between people, in how we judge others,
62
152000
3000
بين النّاس، في كيفية الحكم على الآخرين،
02:47
can be explained by differences in this brain system.
63
155000
4000
يمكن أن يُشْرَح بالاختلافات في نظام المخّ هذا .
02:51
So first, the first thing I want to tell you is that
64
159000
2000
إذن أوّلا، الشّيء الأوّل الذي أريد إخباركم هو أنه
02:53
there is a brain region in the human brain, in your brains,
65
161000
3000
هناك منطقة مخّ في العقل البشريّ ، في عقولكم ،
02:56
whose job it is to think about other people's thoughts.
66
164000
3000
عملها هو التّفكير في أفكار الناس الآخرين .
02:59
This is a picture of it.
67
167000
2000
هذه صورة لها .
03:01
It's called the Right Temporo-Parietal Junction.
68
169000
2000
تُسَمَّى وصلة تيمبورو- باريتال اليمنى .
03:03
It's above and behind your right ear.
69
171000
2000
إنّه فوق وخلف أذنكم اليمنى .
03:05
And this is the brain region you used when you saw the pictures I showed you,
70
173000
2000
و هذه هي منطقة المخّ الّتي استخدمتموها عندما رأيتم الصّور التي أظهرتها لكم ،
03:07
or when you read Romeo and Juliet
71
175000
2000
أو عندما تقرأون روميو و جولييت ،
03:09
or when you tried to understand Alan Greenspan.
72
177000
3000
أو عندما حاولتم فهم آلان جرينسبان .
03:12
And you don't use it for solving any other kinds of logical problems.
73
180000
4000
و لا تستخدموه لحلّ أيّ نوع من الأنواع الأخرى للمشاكل المنطقيّة .
03:16
So this brain region is called the Right TPJ.
74
184000
3000
لذا منطقة المخّ هذه تُسَمَّى آر تي بي جيه .
03:19
And this picture shows the average activation
75
187000
2000
وتظهر هذه الصورة متوسط النشاط
03:21
in a group of what we call typical human adults.
76
189000
2000
في مجموعة ما نسمّيه نماذج بالغين بشريّين .
03:23
They're MIT undergraduates.
77
191000
2000
هم جامعيّون فى معهد مساشوستس للتكنولوجيا .
03:25
(Laughter)
78
193000
4000
(ضحك)
03:29
The second thing I want to say about this brain system
79
197000
2000
الشّيء الثّاني الذي أريد أن أقوله عن نظام المخّ هذا
03:31
is that although we human adults
80
199000
2000
هو أنه بالرّغم من أننا أشخاص بالغون
03:33
are really good at understanding other minds,
81
201000
2000
وجيّدون فعلاً في تفهم العقول الأخرى ،
03:35
we weren't always that way.
82
203000
2000
لم نكن دائمًا بهذه الطّريقة .
03:37
It takes children a long time to break into the system.
83
205000
3000
الأطفال يأخذون وقت طويل للدخول فى هذا النظام .
03:40
I'm going to show you a little bit of that long, extended process.
84
208000
4000
سأريكم قليلا من تلك العمليّة الطويلة , الممتدّة الإجراءات .
03:44
The first thing I'm going to show you is a change between age three and five,
85
212000
3000
الشيء الأول الذي سأوضحه لكم هو تغيير بين سنْ الثالثة و الخامسة ،
03:47
as kids learn to understand
86
215000
2000
بينما يتعلّم الأطفال الفهم
03:49
that somebody else can have beliefs that are different from their own.
87
217000
3000
أنّه يمكن أن يكون لدى شخص ما معتقدات مختلفة عن خاصته .
03:52
So I'm going to show you a five-year-old
88
220000
2000
لذا سأعرض لكم طفل بالغ من العمر خمسة سنوات
03:54
who is getting a standard kind of puzzle
89
222000
2000
معه نوع معين من الألعاب
03:56
that we call the false belief task.
90
224000
3000
التي نسميها مهمّة المعتقد الخاطئ .
03:59
Rebecca Saxe (Video): This is the first pirate. His name is Ivan.
91
227000
3000
الفيديو : هذا هو القرصان الأوّل . اسمه إيفان .
04:02
And you know what pirates really like?
92
230000
2000
و تعرفون ماذا يحبون القراصنة ؟
04:04
Child: What? RS: Pirates really like cheese sandwiches.
93
232000
3000
يحب القراصنة فعلاً ساندوتشات الجبن .
04:07
Child: Cheese? I love cheese!
94
235000
3000
الطّفل : الجبن ؟ أحبّ الجبن !
04:10
RS: Yeah. So Ivan has this cheese sandwich,
95
238000
2000
آر . إس . : نعم . لذا إيفان لديه ساندوتش الجبن هذا .
04:12
and he says, "Yum yum yum yum yum!
96
240000
2000
و يقول " يوم يوم يوم يوم يوم !
04:14
I really love cheese sandwiches."
97
242000
2000
أنا أحبّ ساندوتشات الجبن فعلاً ".
04:16
And Ivan puts his sandwich over here, on top of the pirate chest.
98
244000
4000
و يضع إيفان ساندوتشه ها هنا ، فوق صدر القرصان .
04:20
And Ivan says, "You know what? I need a drink with my lunch."
99
248000
4000
و إيفان يقول ، " تعرف ماذا ؟ أحتاج لشراب مع غدائي ."
04:24
And so Ivan goes to get a drink.
100
252000
3000
و لذا إيفان يذهب ليحضر شراب .
04:27
And while Ivan is away
101
255000
2000
و بينما يكون إيفان بعيدًا
04:29
the wind comes,
102
257000
3000
تهب الرّيح،
04:32
and it blows the sandwich down onto the grass.
103
260000
2000
و تأخذ السّاندوتش إلي أسفل على العشب .
04:34
And now, here comes the other pirate.
104
262000
4000
و الآن، هنا يجيء القرصان الآخر .
04:38
This pirate is called Joshua.
105
266000
3000
هذا القرصان يُسَمَّى جوشوا .
04:41
And Joshua also really loves cheese sandwiches.
106
269000
2000
وجاشوا يحبّ فعلاً ساندوتشات الجبن .
04:43
So Joshua has a cheese sandwich and he says,
107
271000
2000
لذا جاشوا لديه ساندوتش جبن و يقول،
04:45
"Yum yum yum yum yum! I love cheese sandwiches."
108
273000
4000
"يوم يوم يوم يوم يوم ! أحبّ ساندوتشات الجبن ".
04:49
And he puts his cheese sandwich over here on top of the pirate chest.
109
277000
3000
و يضع ساندوتش جبنه ها هنا فوق صدر القرصان .
04:52
Child: So, that one is his.
110
280000
2000
الطّفل : إذن ، إن ذلك ملكه .
04:54
RS: That one is Joshua's. That's right.
111
282000
2000
آر . إس . : ذلك الساندوتش ملك جاشوا . هذا صحيح .
04:56
Child: And then his went on the ground.
112
284000
2000
الطفل : وساندوتشه وقع على الأرض .
04:58
RS: That's exactly right.
113
286000
2000
آر . إس . : ذلك صحيح بالضّبط .
05:00
Child: So he won't know which one is his.
114
288000
2000
الطّفل : لذا لن يعرف أيّ واحد ملكه .
05:02
RS: Oh. So now Joshua goes off to get a drink.
115
290000
3000
آر . إس . : آه . الآن جاشوا ذهب لإحضار شراب
05:05
Ivan comes back and he says, "I want my cheese sandwich."
116
293000
4000
يعود إيفان و يقول ، "أريد ساندوتش الجبنة خاصتى ".
05:09
So which one do you think Ivan is going to take?
117
297000
3000
لذا أيّ واحد تعتقدون أنّ إيفان سيأخذ ؟
05:12
Child: I think he is going to take that one.
118
300000
2000
الطّفل : أعتقد أنه سيأخذ ذلك .
05:14
RS: Yeah, you think he's going to take that one? All right. Let's see.
119
302000
2000
آر . إس . : نعم ، تعتقد أنه سيأخذ ذلك ؟حسنًا . دعنا نرى .
05:16
Oh yeah, you were right. He took that one.
120
304000
3000
آه نعم، أنت كنت صحيحًا . أخذ ذلك الساندوتش .
05:19
So that's a five-year-old who clearly understands
121
307000
2000
إذن طفل بالغ من العمر خمسة سنوات يفهم بوضوح
05:21
that other people can have false beliefs
122
309000
2000
أنه لدى الناس الأخرى معتقدات خاطئة
05:23
and what the consequences are for their actions.
123
311000
2000
و ما العواقب لأفعالهم .
05:25
Now I'm going to show you a three-year-old
124
313000
3000
الآن سأريكم طفل بالغ من العمر ثلاثة سنوات
05:28
who got the same puzzle.
125
316000
2000
سنعطيه نفس اللعبة .
05:30
RS: And Ivan says, "I want my cheese sandwich."
126
318000
2000
الفيديو : آر . إس . : و إيفان يقول ، "أريد ساندوتشى الجبني ".
05:32
Which sandwich is he going to take?
127
320000
3000
أيّ السّاندوتشات سيأخذ هو ؟
05:35
Do you think he's going to take that one? Let's see what happens.
128
323000
2000
هل تعتقد أنه سيأخذ ذلك ؟ دعنا نرى ماذا يحدث .
05:37
Let's see what he does. Here comes Ivan.
129
325000
2000
دعنا نرى ما يعمله . هنا يجيء إيفان .
05:39
And he says, "I want my cheese sandwich."
130
327000
3000
و يقول، "أريد ساندوتشى الجبنة ".
05:42
And he takes this one.
131
330000
2000
و يأخذ هذا الساندوتش .
05:44
Uh-oh. Why did he take that one?
132
332000
3000
أه-أوه . لماذا أخذ ذلك ؟
05:47
Child: His was on the grass.
133
335000
4000
الطّفل : كان خاصته على العشب .
05:51
So the three-year-old does two things differently.
134
339000
3000
آر . إس . لذا الطفل البالغ من العمر ثلاثة سنوات يفعل شيئين مختلفين .
05:54
First, he predicts Ivan will take the sandwich
135
342000
3000
أوّلاً يتنبّأ أنّ إيفان سيأخذ السّاندوتش
05:57
that's really his.
136
345000
2000
الذي يخصه بالفعل .
05:59
And second, when he sees Ivan taking the sandwich where he left his,
137
347000
4000
وثانيا ، عندما يرى إيفان يأخذ السّاندوتش حيث ترك خاصته فى مكانه ،
06:03
where we would say he's taking that one because he thinks it's his,
138
351000
3000
حيث سنقول أنه يأخذ ذلك الساندوتش لأنه يعتقد أنّه ملكه ،
06:06
the three-year-old comes up with another explanation:
139
354000
3000
الطفل البالغ من العمر ثلاثة سنوات يتوصّل إلى تفسير آخر .
06:09
He's not taking his own sandwich because he doesn't want it,
140
357000
2000
لا يأخذ ساندوتشه الخاص به لأنه لا يريده ،
06:11
because now it's dirty, on the ground.
141
359000
2000
لأنه الآن هو مُتسخ ، على الأرض .
06:13
So that's why he's taking the other sandwich.
142
361000
2000
لذلك يفسر لماذا يأخذ السّاندوتش الآخر .
06:15
Now of course, development doesn't end at five.
143
363000
4000
الآن بالطّبع ، النّموّ لا ينتهي في الخامسة .
06:19
And we can see the continuation of this process
144
367000
2000
و يمكن أن نرى استمرار هذه العمليّة
06:21
of learning to think about other people's thoughts
145
369000
2000
لتّعلّم التّفكير في أفكار الناس الآخريين
06:23
by upping the ante
146
371000
2000
من خلال تصعيد الموقف
06:25
and asking children now, not for an action prediction,
147
373000
3000
و بسؤال الأطفال الآن ، ليس لغرض التنبّؤ ،
06:28
but for a moral judgment.
148
376000
2000
لكنّ لحكم أخلاقيّ .
06:30
So first I'm going to show you the three-year-old again.
149
378000
2000
أوّلا سأريكم الطفل البالغ من العمر ثلاثة سنوات ثانية .
06:32
RS.: So is Ivan being mean and naughty for taking Joshua's sandwich?
150
380000
3000
الفيديو : آر . إس . : كذلك هل إيفان يعتبر دنئ و مشاغب لأخذ ساندوتش جاشوا ؟
06:35
Child: Yeah.
151
383000
1000
الطّفل : نعم .
06:36
RS: Should Ivan get in trouble for taking Joshua's sandwich?
152
384000
3000
آر . إس . : هل يجب أن نأخذ إيفان في ورطة لأخذ ساندوتش جاشوا ؟
06:39
Child: Yeah.
153
387000
2000
الطّفل : نعم .
06:41
So it's maybe not surprising he thinks it was mean of Ivan
154
389000
2000
آر . إس . : لذا ربّما ليس مفاجئا أنه يعتقد أن إفان دنئ
06:43
to take Joshua's sandwich,
155
391000
2000
لأخذ ساندوتش جاشوا .
06:45
since he thinks Ivan only took Joshua's sandwich
156
393000
2000
بما أنه يعتقد أنّ إيفان قد أخذ ساندوتش جاشوا
06:47
to avoid having to eat his own dirty sandwich.
157
395000
3000
لتجنّب أكل ساندوتشه المتسخ الخاصّ به .
06:50
But now I'm going to show you the five-year-old.
158
398000
2000
لكنّ الآن سأريكم الطفل البالغ من العمر خمسة سنوات .
06:52
Remember the five-year-old completely understood
159
400000
2000
تذكّر الطفل البالغ من العمر خمسة سنوات فهم تمامًا
06:54
why Ivan took Joshua's sandwich.
160
402000
2000
لماذا إيفان أخذ ساندوتش جاشوا .
06:56
RS: Was Ivan being mean and naughty
161
404000
2000
فيديو : آر . إس . : هل إيفان يعتبر دنئ و مشاغب
06:58
for taking Joshua's sandwich?
162
406000
2000
لأخذ ساندوتش جاشوا ؟
07:00
Child: Um, yeah.
163
408000
2000
الطّفل : ام، نعم .
07:02
And so, it is not until age seven
164
410000
2000
آر . إس . : و لذا، ليس حتّى سنّ سبعة
07:04
that we get what looks more like an adult response.
165
412000
3000
حتى نحصل على إستجابه تبدو وكأنها إستجابة شخص بالغ .
07:07
RS: Should Ivan get in trouble for taking Joshua's sandwich?
166
415000
3000
الفيديو : آر . إس . : هل يجب أن نعاقب إيفان بسبب أخذ ساندوتش جاشوا ؟
07:10
Child: No, because the wind should get in trouble.
167
418000
2000
الطّفل : لا، لأنّ الرّيح هى التى لابد أن تكون في ورطة .
07:12
He says the wind should get in trouble
168
420000
3000
يقول ر.س. إنه يقول أنّ الرّيح ينبغي أن تكون في ورطة .
07:15
for switching the sandwiches.
169
423000
2000
لتحويل السّاندوتشات .
07:17
(Laughter)
170
425000
2000
( ضحك )
07:19
And now what we've started to do in my lab
171
427000
2000
و الآن ما قد بدأنا أن نعمله في معملي
07:21
is to put children into the brain scanner
172
429000
2000
هو وضع الأطفال في جهاز أشعّة لمسح المخّ
07:23
and ask what's going on in their brain
173
431000
3000
ونسأل ماذا يحدث في مخّهم
07:26
as they develop this ability to think about other people's thoughts.
174
434000
3000
بينما يُطوّرون هذه القدرة للتّفكير في أفكار الأشخاص الآخريين .
07:29
So the first thing is that in children we see this same brain region, the Right TPJ,
175
437000
4000
لذا الشّيء الأوّل هو أنّ في الأطفال نحن نرى نفس منطقة المخّ هذه ، آر تي بي جيه،
07:33
being used while children are thinking about other people.
176
441000
3000
هو مُستخدم بينما يفكّر الأطفال في النّاس الآخرين .
07:36
But it's not quite like the adult brain.
177
444000
2000
لكنّه ليس إلى حدّ ما يشابه عقل البالغ .
07:38
So whereas in the adults, as I told you,
178
446000
2000
لذا كما في البالغين ، كما أخبرتكم ،
07:40
this brain region is almost completely specialized --
179
448000
3000
منطقة المخّ هذه تقريبًا متخصّصة تمامًا .
07:43
it does almost nothing else except for thinking about other people's thoughts --
180
451000
3000
تقريبًا إنها لا تعمل شيئ آخر ، باستثناء التّفكير في أفكار النّاس الأخرى .
07:46
in children it's much less so,
181
454000
2000
في الأطفال هو أقلّ كثيرًا لذا ،
07:48
when they are age five to eight,
182
456000
2000
عندما يكونوا فى سنّ خمسة إلى ثمانية ،
07:50
the age range of the children I just showed you.
183
458000
2000
عمر الأطفال الذي أريتكم إياه الآن .
07:52
And actually if we even look at eight to 11-year-olds,
184
460000
3000
و في الواقع إذا نظرنا من سن الثّمانية حتّى الحادية عشر ،
07:55
getting into early adolescence,
185
463000
2000
دخول المراهقة المبكّرة ،
07:57
they still don't have quite an adult-like brain region.
186
465000
3000
لا يزالوا ليس لديهم منطقة مخ مشابهه أو مماثلة للبالغ .
08:00
And so, what we can see is that over the course of childhood
187
468000
3000
و لذا، ما يمكن أن نراه أنّه في أثناء الطفولة
08:03
and even into adolescence,
188
471000
2000
و حتّى في المراهقة،
08:05
both the cognitive system,
189
473000
2000
كلا من النّظام المعرفيّ ،
08:07
our mind's ability to think about other minds,
190
475000
2000
قدرة العقل فى التّفكير في العقول الأخرى ,
08:09
and the brain system that supports it
191
477000
2000
و نظام المخّ الّذي يسانده ،
08:11
are continuing, slowly, to develop.
192
479000
3000
يستمروا معاً ، ببطء، فى التّطوّر .
08:14
But of course, as you're probably aware,
193
482000
2000
لكنّ بالطّبع، كما أعتقد أنكم مدركون ،
08:16
even in adulthood,
194
484000
2000
حتّى في البلوغ ،
08:18
people differ from one another in how good they are
195
486000
2000
يختلف النّاس عن بعضهم البعض في كم هم جيّدون
08:20
at thinking of other minds, how often they do it
196
488000
2000
في تفكير فى العقول الأخرى ، كم مرّة يعملونه ،
08:22
and how accurately.
197
490000
2000
و ماهية دقته .
08:24
And so what we wanted to know was, could differences among adults
198
492000
3000
و لذا ما أردنا أن نعرفه كان ، استطيع الاختلافات بين البالغين ،
08:27
in how they think about other people's thoughts
199
495000
2000
في كيفية تفكيرهم في أفكار الناس الآخريين
08:29
be explained in terms of differences in this brain region?
200
497000
3000
يمكن أن تُشرح فيما يخصّ الاختلافات في هذه المنطقة المخّيه .
08:32
So, the first thing that we did is we gave adults a version
201
500000
3000
لذا الشّيء الأوّل الّذي فعلناه هو أننا أعطينا بالغين نسخة
08:35
of the pirate problem that we gave to the kids.
202
503000
2000
من مشكلة القرصان الّتي أعطيناها للأطفال .
08:37
And I'm going to give that to you now.
203
505000
2000
و أنا سأعطيكم ذلك الآن .
08:39
So Grace and her friend are on a tour of a chemical factory,
204
507000
3000
اذاً جراس و صديقها على جولة فى مصنع كيميائيّ
08:42
and they take a break for coffee.
205
510000
2000
و يأخذون راحةً للقهوة .
08:44
And Grace's friend asks for some sugar in her coffee.
206
512000
3000
و صديقة جراس تطلب بعض السّكّر في قهوتها .
08:47
Grace goes to make the coffee
207
515000
3000
تذهب جريس لعمل القهوة
08:50
and finds by the coffee a pot
208
518000
2000
و يجد بجانب القهوة إبريق
08:52
containing a white powder, which is sugar.
209
520000
3000
يحتوى على مسحوق أبيض الّذي هو سّكّر .
08:55
But the powder is labeled "Deadly Poison,"
210
523000
3000
لكنّ المسحوق عليه عنوان "سمّ مميت" .
08:58
so Grace thinks that the powder is a deadly poison.
211
526000
3000
لذا جراس تعتقد أن المسحوق هو سمّ مميت .
09:01
And she puts it in her friend's coffee.
212
529000
2000
و تضعه في قهوة صديقها .
09:03
And her friend drinks the coffee, and is fine.
213
531000
3000
و صديقتها تشرب القهوة ، وتجدها جيدة .
09:06
How many people think it was morally permissible
214
534000
2000
كمّ واحد منكم يعتقد أنّه كان مسموحًا أخلاقيًّا
09:08
for Grace to put the powder in the coffee?
215
536000
4000
لجراس أن تضع المسحوق في القهوة ؟
09:12
Okay. Good. (Laughter)
216
540000
3000
أوك . جيّدًا . (ضّحك)
09:15
So we ask people, how much should Grace be blamed
217
543000
3000
لذا نسأل الناس أيجب أن نلوم جراس
09:18
in this case, which we call a failed attempt to harm?
218
546000
2000
في هذه الحالة، الّتي نسمّيها محاولة فاشلة للضّرر .
09:20
And we can compare that to another case,
219
548000
2000
و يمكن أن نقارن ذلك إلى حالة أخرى
09:22
where everything in the real world is the same.
220
550000
2000
حيث كل شيئ في العالم الحقيقيّ هو نفس الشيء .
09:24
The powder is still sugar, but what's different is what Grace thinks.
221
552000
3000
المسحوق مازال السّكّر، لكنّ ما هو مختلف هو ما جريس يفكّر .
09:27
Now she thinks the powder is sugar.
222
555000
3000
الآن تعتقد أنّ المسحوق هو السّكّر .
09:30
And perhaps unsurprisingly, if Grace thinks the powder is sugar
223
558000
3000
و ربّما بشكل غير مفاجئ، إذا اعتقد جريس أنّ المسحوق هو السّكّر
09:33
and puts it in her friend's coffee,
224
561000
2000
و يضعه في قهوة صديقها،
09:35
people say she deserves no blame at all.
225
563000
2000
يقول النّاس أنها لا تستحقّ أيّ لوم على الإطلاق .
09:37
Whereas if she thinks the powder was poison, even though it's really sugar,
226
565000
4000
بينما إذا اعتقدت أنّ المسحوق كان سمّ، بالرّغم من أنه فعلاً سكّر،
09:41
now people say she deserves a lot of blame,
227
569000
3000
الآن النّاس يقولون أنها تستحقّ الكثير من اللّوم،
09:44
even though what happened in the real world was exactly the same.
228
572000
3000
بالرّغم من أنّ ما حدث في العالم الحقيقيّ كان نفس الشيء بالضّبط .
09:47
And in fact, they say she deserves more blame
229
575000
2000
و في الحقيقة يقولون أنها تستحقّ لوم أكثر
09:49
in this case, the failed attempt to harm,
230
577000
2000
في هذه الحالة، المحاولة الفاشلة للضّرر،
09:51
than in another case,
231
579000
2000
عن الحالة الأخرى،
09:53
which we call an accident.
232
581000
2000
التي نسميها حادثًا .
09:55
Where Grace thought the powder was sugar,
233
583000
2000
حيث اعتقدت غريس أنّ المسحوق كان السّكّر،
09:57
because it was labeled "sugar" and by the coffee machine,
234
585000
2000
لأنه عُلِّمَ السّكّر و بماكينة القهوة،
09:59
but actually the powder was poison.
235
587000
2000
لكنّ في الواقع كان المسحوق سمًّا .
10:01
So even though when the powder was poison,
236
589000
3000
لذا بالرّغم من أنّ عندما كان المسحوق سمًّا،
10:04
the friend drank the coffee and died,
237
592000
3000
شرب الصّديق القهوة و مات،
10:07
people say Grace deserves less blame in that case,
238
595000
3000
يقول النّاس أنّ جريس تستحقّ لوماً أقلّ في تلك الحالة،
10:10
when she innocently thought it was sugar,
239
598000
2000
عندما ببراءة اعتقدت أنّه كان السّكّر ،
10:12
than in the other case, where she thought it was poison
240
600000
2000
من في الحادث الآخر، حيث اعتقدت أنّه كان سمّ،
10:14
and no harm occurred.
241
602000
3000
و لم يحدث أذًى .
10:17
People, though, disagree a little bit
242
605000
2000
النّاس، مع ذلك، يختلفون بعض الشّيء
10:19
about exactly how much blame Grace should get
243
607000
2000
حول كمّ من اللوم بالضبط ينبغي أن يصل جريس
10:21
in the accident case.
244
609000
2000
في حالة الحادث .
10:23
Some people think she should deserve more blame,
245
611000
2000
يعتقد بعض النّاس أنها ينبغي أن تستحقّ لوم أكثر،
10:25
and other people less.
246
613000
2000
و آخرون يعتقدون لوم أقلّ .
10:27
And what I'm going to show you is what happened when we look inside
247
615000
2000
و ما سأعرضه عليكم هو ما حدث عندما ننظر بدّاخل
10:29
the brains of people while they're making that judgment.
248
617000
2000
أمخاخ الناس بينما يعملون تلك الأحكام .
10:31
So what I'm showing you, from left to right,
249
619000
2000
لذا ما أعرضه عليكم ، من اليسار إلى أيمن،
10:33
is how much activity there was in this brain region,
250
621000
3000
هو كمّ كان هناك من النشاط هذا الجزء من المخّ.
10:36
and from top to bottom, how much blame
251
624000
2000
ومن أعلى لأسفل، كمّ اللوم
10:38
people said that Grace deserved.
252
626000
2000
الذي قال النّاس أن جريس تستحقّه .
10:40
And what you can see is, on the left
253
628000
2000
و ما يمكن أن تراه هو، على اليسار
10:42
when there was very little activity in this brain region,
254
630000
2000
عندما هناك نشاط صغير جدًّا في هذه المنطقة من المخّ ،
10:44
people paid little attention to her innocent belief
255
632000
3000
أسترعى النّاس قليل من الإنتباه على ظنهم ببرائتها
10:47
and said she deserved a lot of blame for the accident.
256
635000
3000
و قالوا أنها استحقّت الكثير من اللّوم على الحادث .
10:50
Whereas on the right, where there was a lot of activity,
257
638000
2000
بينما، على اليمين ، حيث كان هناك الكثير من النّشاط،
10:52
people paid a lot more attention to her innocent belief,
258
640000
3000
أسترعى الناس الكثير من الإنتباه على ظنهم ببرائتها ،
10:55
and said she deserved a lot less blame
259
643000
2000
و قالوا أنها استحقّت لوماً أقل بكثير
10:57
for causing the accident.
260
645000
2000
لتسبيب الحادث .
10:59
So that's good, but of course
261
647000
2000
إذاً ذلك جيّد، لكنّ بالطّبع
11:01
what we'd rather is have a way to interfere
262
649000
2000
ما نفضّله هو أخذ طريقة للتداخل
11:03
with function in this brain region,
263
651000
2000
مع الوظيفة في هذه المنطقة من المخّ ،
11:05
and see if we could change people's moral judgment.
264
653000
3000
و نرى إذا يمكن أن نغيّر حكم النّاس الأخلاقيّ .
11:08
And we do have such a tool.
265
656000
2000
و فعلاً لدينا مثل هذه الأداة .
11:10
It's called Trans-Cranial Magnetic Stimulation,
266
658000
2000
إنه يُسَمَّى تنشيط ترانس-كرانيال المغنطيسيّ،
11:12
or TMS.
267
660000
2000
أو تي إم إس .
11:14
This is a tool that lets us pass a magnetic pulse
268
662000
2000
هذه الأداة تسمح لنا بتمرير إشارة مغنطيسيّة
11:16
through somebody's skull, into a small region of their brain,
269
664000
4000
عبر جمجمة الشّخص، في منطقة صغيرة لمخّهم،
11:20
and temporarily disorganize the function of the neurons in that region.
270
668000
4000
و مؤقّتًا يربك وظيفة الخلايا العصبيّة في تلك المنطقة .
11:24
So I'm going to show you a demo of this.
271
672000
2000
إذاً سأقوم بعرض تمهيدي لهذا.
11:26
First, I'm going to show you that this is a magnetic pulse.
272
674000
3000
أوّلاً سأعرض لكم ، أن هذه إشارة مغنطيسيّة،
11:29
I'm going to show you what happens when you put a quarter on the machine.
273
677000
3000
سأعرض لكم ما يحدث عندما تضع ربعًا على الماكينة .
11:32
When you hear clicks, we're turning the machine on.
274
680000
4000
عندما تسمع النّقرات نشغّل الماكينة .
11:42
So now I'm going to apply that same pulse to my brain,
275
690000
3000
الآن جدًّا أنا سأستعمل نفس ذلك النّبض في مخّي،
11:45
to the part of my brain that controls my hand.
276
693000
2000
إلى جزء من مخّي الّذي يتحكّم في يديّ .
11:47
So there is no physical force, just a magnetic pulse.
277
695000
3000
جدًّا ليس هناك قوّة بدنيّة، فقط نبض مغنطيسيّ .
11:54
Woman (Video): Ready, Rebecca? RS: Yes.
278
702000
2000
الفيديو : المرأة : جاهز ؟ ربيكا ساكس : نعم .
11:57
Okay, so it causes a small involuntary contraction in my hand
279
705000
3000
حسناً، لذا يسبّب طلقًا صغيرًا لا إراديّ في يدي
12:00
by putting a magnetic pulse in my brain.
280
708000
3000
بوضع نبض مغنطيسيّ في مخّي .
12:03
And we can use that same pulse,
281
711000
2000
و يمكن أن نستخدم نفس ذلك النّبض،
12:05
now applied to the RTPJ,
282
713000
2000
الآن قدّم طلبًا لآر تي بي جيه،
12:07
to ask if we can change people's moral judgments.
283
715000
3000
لسؤال إذا يمكن أن نغيّر أحكام النّاس الأخلاقيّة .
12:10
So these are the judgments I showed you before, people's normal moral judgments.
284
718000
2000
لذا هذه هي التّقديرات التي عرضها سابقاً ، تقديرات الناس الأخلاقيّة العاديّة .
12:12
And then we can apply TMS to the RTPJ
285
720000
3000
ثمّ يمكننا أن نستعمل تي إم إس في آر تي بي جيه
12:15
and ask how people's judgments change.
286
723000
2000
و نسأل كيف تتغير تقديرات النّاس .
12:17
And the first thing is, people can still do this task overall.
287
725000
4000
و الشّيء الأوّل،ما يزال بإمكان النّاس فعل هذه المهمة كليةً.
12:21
So their judgments of the case when everything was fine
288
729000
2000
لذا فتقديراتهم للحالة عندما كان كل شيئ جيّدًا
12:23
remain the same. They say she deserves no blame.
289
731000
3000
ظلّت نفس الشيء . يقولون أنها لا تستحقّ أيّ لوم .
12:26
But in the case of a failed attempt to harm,
290
734000
4000
لكنّ في قضيّة المحاولة الفاشلة للضّرر،
12:30
where Grace thought that it was poison, although it was really sugar,
291
738000
3000
حيث اعتقدت جريس أنّه كان سمّ،بالرّغم من أنه كان سكّر فعلاً،
12:33
people now say it was more okay, she deserves less blame
292
741000
3000
يقول النّاس أنّه كان أحسن الآن،
12:36
for putting the powder in the coffee.
293
744000
3000
تستحقّ أقلّ يلوم لوضع المسحوق في القهوة .
12:39
And in the case of the accident, where she thought that it was sugar,
294
747000
2000
و في حالة الحادث، حيث اعتقدت أنّه كان السّكّر،
12:41
but it was really poison and so she caused a death,
295
749000
3000
لكنّه فعلاً كان سمّ و لذا سبّبت موتًا،
12:44
people say that it was less okay, she deserves more blame.
296
752000
6000
يقول النّاس أنّه كان أقلّ حسنًا، تستحقّ لوم أكثر .
12:50
So what I've told you today is that
297
758000
2000
اذاً ما قد أخبرتكم به اليوم هو أن
12:52
people come, actually, especially well equipped
298
760000
4000
الناس يأتون ، في الواقع، بخاصّة مجهزين جيّدًا
12:56
to think about other people's thoughts.
299
764000
2000
للتّفكير في أفكار الآخرين .
12:58
We have a special brain system
300
766000
2000
لدينا نظام مخّ خاصّ
13:00
that lets us think about what other people are thinking.
301
768000
3000
الذي يسمح لنا بأن نفكّر بما يفكّر به الآخرين.
13:03
This system takes a long time to develop,
302
771000
2000
يستغرق هذا النّظام وقتاً طّويلاً للتّطوّر،
13:05
slowly throughout the course of childhood and into early adolescence.
303
773000
3000
ببطء خلال فترة الطفولة، و في بواكير المراهقة.
13:08
And even in adulthood, differences in this brain region
304
776000
3000
و حتّى في البلوغ، الاختلافات في هذه المنطقة من المخّ
13:11
can explain differences among adults
305
779000
2000
يمكن أن تشرح الاختلافات بين البالغين
13:13
in how we think about and judge other people.
306
781000
3000
في كيف نفكّر تقريبًا و نحكم على الآخرين.
13:16
But I want to give the last word back to the novelists,
307
784000
3000
لكننيّ أريد إعادة الكلمة النّهائيّة للرّوائيّين .
13:19
and to Philip Roth, who ended by saying,
308
787000
3000
و إلى فيليب روث الّذي انتهى بالقول،
13:22
"The fact remains that getting people right
309
790000
2000
"تبقى الحقيقة فهم النّاس ذلك بطريقة صحيحة
13:24
is not what living is all about anyway.
310
792000
2000
ليس هو كل شئ عن الحياة بأيّة حال .
13:26
It's getting them wrong that is living.
311
794000
2000
إساءة فهمهم هي الحياة.
13:28
Getting them wrong and wrong and wrong,
312
796000
3000
إساءة فهمهم و الخطأ و الخطأو الخطأ،
13:31
and then on careful reconsideration,
313
799000
2000
ثمّ في إعادة نظر متأنية،
13:33
getting them wrong again."
314
801000
2000
إساءة فهمهم مجدداً ".
13:35
Thank you.
315
803000
2000
شكرًا لكم .
13:37
(Applause)
316
805000
10000
( تصفيق )
13:47
Chris Anderson: So, I have a question. When you start talking about using
317
815000
2000
كريس أندرسون : عندما تبدأين في التّكلّم حول استخدام
13:49
magnetic pulses to change people's moral judgments,
318
817000
3000
النّبض المغنطيسيّ لتغيير أحكام النّاس الأخلاقيّة،
13:52
that sounds alarming.
319
820000
3000
ذلك يبدو مفزعًا .
13:55
(Laughter)
320
823000
1000
( ضحك )
13:56
Please tell me that you're not taking phone calls from the Pentagon, say.
321
824000
4000
من فضلك أخبريني أنّك لا تستقبلين مكالمات هاتفية من البنتاغون، مثلاً .
14:00
RS: I'm not.
322
828000
2000
ربيكا ساكس : لا أفعل .
14:02
I mean, they're calling, but I'm not taking the call.
323
830000
3000
أقصد، إنهم يتصلون ، لكننيّ لا أرد على المكالمة .
14:05
(Laughter)
324
833000
1000
( ضحك )
14:06
CA: They really are calling?
325
834000
2000
سي . إيه . : هل يتصلون فعلاً ؟
14:08
So then seriously,
326
836000
3000
إذا، ثمّ بشكل خطير، ثمّ بشكل خطير،
14:11
you must lie awake at night sometimes
327
839000
3000
يجب أن تستلقي مستيقظًة ليلاً أحيانًا
14:14
wondering where this work leads.
328
842000
2000
تتسائلين أين سيقود هذا العمل .
14:16
I mean, you're clearly an incredible human being,
329
844000
2000
أعني أنّك حقاً إنسانة غير معقولة.
14:18
but someone could take this knowledge
330
846000
3000
لكنّ شخص ما يمكن أن يأخذ هذه المعرفة
14:21
and in some future
331
849000
2000
و في وقت من المستقبل
14:23
not-torture chamber,
332
851000
2000
ليس غرفة تعذيب،
14:25
do acts that people here might be worried about.
333
853000
3000
يقوم بأفعال ربما يقلق منها بعض الناس هنا.
14:28
RS: Yeah, we worry about this.
334
856000
2000
آر . إس . : نعم، نحن نقلق على هذا .
14:30
So, there's a couple of things to say about TMS.
335
858000
3000
لذا، هناك شيئان للقول عن تي إم إس .
14:33
One is that you can't be TMSed without knowing it.
336
861000
2000
واحد هو أنك لا يمكن أن تستفيد منه بدون معرفته .
14:35
So it's not a surreptitious technology.
337
863000
3000
لذا فانها ليس تكنولوجيا سرّيّةً .
14:38
It's quite hard, actually, to get those very small changes.
338
866000
3000
إنّه إلى حدّ ما صعب في الواقع أن تحصل على تلك التّغييرات الصّغيرة جدًّا .
14:41
The changes I showed you are impressive to me
339
869000
3000
التّغييرات التي عرضتها عليكم هي رائعة بالنسبة لي
14:44
because of what they tell us about the function of the brain,
340
872000
2000
بسبب ما يخبرونا عن وظيفة المخّ .
14:46
but they're small on the scale
341
874000
2000
لكنهم صغار على مقياس
14:48
of the moral judgments that we actually make.
342
876000
2000
الأحكام الأخلاقية التي نصدرها في الواقع .
14:50
And what we changed was not people's
343
878000
2000
و ما غيّرناه لم يكن الأحكام
14:52
moral judgments when they're deciding what to do,
344
880000
3000
الأخلاقيّة للناس عندما يقرّرون ماذا يفعلون،
14:55
when they're making action choices.
345
883000
2000
عندما يقومون باتخاذ أفعال اختيارية .
14:57
We changed their ability to judge other people's actions.
346
885000
3000
نغيّر مقدرتهم للحكم على أفعال الآخرين.
15:00
And so, I think of what I'm doing not so much as
347
888000
2000
و لذا أفكّر فيما أعمله ليس كثير من ك
15:02
studying the defendant in a criminal trial,
348
890000
2000
دراسة المدّعى عليه في محاكمة جنائيّة،
15:04
but studying the jury.
349
892000
2000
لكنّ دراسة هيئة المحلّفين .
15:06
CA: Is your work going to lead to any recommendations
350
894000
3000
سي . إيه . : هل يؤدي عملك لأي نوع من التوصيات
15:09
in education, to perhaps bring up
351
897000
3000
في التّعليم، ربّما لجلب
15:12
a generation of kids able to make fairer moral judgments?
352
900000
5000
جيل من الأطفال قادر على عمل تقديرات أخلاقيّة عادلة ؟
15:17
RS: That's one of the idealistic hopes.
353
905000
3000
آر . إس . : تلك هي أحد الآمال المثاليّة .
15:20
The whole research program here of studying
354
908000
4000
برنامج البحث بالكامل هنا، للدّراسة
15:24
the distinctive parts of the human brain is brand new.
355
912000
4000
الأجزاء المميّزة للمخّ البشريّ، جديدة كلياً .
15:28
Until recently, what we knew about the brain
356
916000
2000
حتّى وقت قريب ما عرفناه عن المخّ
15:30
were the things that any other animal's brain could do too,
357
918000
3000
كانت الأشياء التي بمستطاع مخ أي حيوان آخر فعلها أيضاً.
15:33
so we could study it in animal models.
358
921000
2000
لذا يمكن أن ندرسه في نماذج الحيوان .
15:35
We knew how brains see, and how they control the body
359
923000
2000
عرفنا كيف ترى الأمخاخ ، و كيف يتحكّمون في الجسم،
15:37
and how they hear and sense.
360
925000
2000
و كيف يسمعون و يشعرون .
15:39
And the whole project of understanding
361
927000
3000
و مشروع الفهم بالكامل
15:42
how brains do the uniquely human things --
362
930000
2000
كيف تفعل الأمخاخ الأشياء البشريّة بشكل فريد،
15:44
learn language and abstract concepts,
363
932000
3000
تعلّم اللّغة، و المفاهيم المجرّدة،
15:47
and thinking about other people's thoughts -- that's brand new.
364
935000
2000
و التّفكير في أفكار النّاس الأخرى ، ذلك جديد كلياً.
15:49
And we don't know yet what the implications will be
365
937000
2000
و لا نعرف بعد، ماذا ستكون العواقب
15:51
of understanding it.
366
939000
2000
من فهمه.
15:53
CA: So I've got one last question. There is this thing called
367
941000
2000
سي . إيه . : إذا لديّ سؤال أخير . هناك يُسَمَّى
15:55
the hard problem of consciousness,
368
943000
2000
المسألة الصّعبة للوعي،
15:57
that puzzles a lot of people.
369
945000
2000
ذلك يحيّر الكثير من النّاس .
15:59
The notion that you can understand
370
947000
3000
المفهوم الذي يمكنك فهمه
16:02
why a brain works, perhaps.
371
950000
2000
لماذا يشتغل المخّ ، ربّما .
16:04
But why does anyone have to feel anything?
372
952000
3000
لكنّ لماذا يجب على أي شخص أن يشعر بأي شيئ ؟
16:07
Why does it seem to require these beings who sense things
373
955000
3000
ما الذي يبدو مطلوباً لتلك الأشياء التي تشعر بالأشياء
16:10
for us to operate?
374
958000
2000
بالنسبة لنا لتشتغل؟
16:12
You're a brilliant young neuroscientist.
375
960000
3000
أنت متخصّصة في علوم الجهاز العصبيّ صغيرة وذكيّة.
16:15
I mean, what chances do you think there are
376
963000
2000
أقصد، ما هي الفرص التي تعتقدين أنها هناك
16:17
that at some time in your career,
377
965000
2000
التي في وقت ما في مهنتك
16:19
someone, you or someone else,
378
967000
2000
شخص ما، أنت أو شخص ما آخر،
16:21
is going to come up with some paradigm shift
379
969000
2000
سيتوصّل إلى بعض التّحوّل الجذريّ
16:23
in understanding what seems an impossible problem?
380
971000
4000
في فهم ما يبدو مسألة مستحيلة .
16:27
RS: I hope they do. And I think they probably won't.
381
975000
4000
آر . إس . : آمل أن يستطيعوا . و أنا أعتقد أنه من المرجح لا.
16:31
CA: Why?
382
979000
3000
كريس: لماذا؟
16:34
RS: It's not called the hard problem of consciousness for nothing.
383
982000
3000
آر . إس . : إنها لا تُسَمَّى المشكلة الصّعبة للوعي دون مقابل .
16:37
(Laughter)
384
985000
2000
( ضحك )
16:39
CA: That's a great answer. Rebecca Saxe, thank you very much. That was fantastic.
385
987000
3000
سي . إيه . : تلك إجابة عظيمة . ربيكا ساكس، شكرًا جزيلاً . كان ذلك رائعًا .
16:42
(Applause)
386
990000
4000
( تصفيق )
ABOUT THE SPEAKER
Rebecca Saxe - Cognitive neuroscientistRebecca Saxe studies how we think about other people's thoughts. At the Saxelab at MIT, she uses fMRI to identify what happens in our brains when we consider the motives, passions and beliefs of others.
Why you should listen
While still a graduate student, Rebecca Saxe made a breakthrough discovery: There's a specific region in our brain that becomes active when we contemplate the workings of other minds. Now, at MIT's Saxelab, she and her team have been further exploring her grad-school finding, exploring how it may help us understand conditions such as autism.
As Saxe delves into the complexities of social cognition, this young scientist is working toward revealing the enigma of human minds interacting.
Rebecca Saxe | Speaker | TED.com