TEDIndia 2009
Pawan Sinha: How brains learn to see
بافان سينها: كيف يتعلم العقل أن يرى؟
Filmed:
Readability: 4.5
939,209 views
بافان سينها يشرح أبحاثه الرائدة في كيف يتطور نظام الرؤية في المخ. سينها و فريقه يقدمون علاج يعيد الإبصار مجانا للأطفال المولودين عميانا, ثم يدرسون كيف أن عقولهم تتعلم أن تستوعب البيانات البصرية . هذا العمل يعطي رؤية داخلية في علم الأعصاب, الهندسة و حتى مرض التوحد.
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
لو كنت طفلا أعمى في الهند,
00:19
you will very likely have to contend with
1
4000
3000
ستضطر في الأغلب أن تتعامل مع
00:22
at least two big pieces of bad news.
2
7000
3000
خبرين سيئين على الأقل.
00:25
The first bad news
3
10000
2000
الخبر السئ الأول
00:27
is that the chances of getting treatment
4
12000
3000
هو أن فرص تلقي العلاج
00:30
are extremely slim to none,
5
15000
3000
شحيحة للغاية إن لم تكن منعدمة,
00:33
and that's because most of the blindness
6
18000
2000
و هذا يرجع إلى أن معظم برامج
00:35
alleviation programs in the country
7
20000
2000
تخفيف العمى في البلاد
00:37
are focused on adults,
8
22000
2000
تركز على البالغين,
00:39
and there are very, very few hospitals
9
24000
3000
و هناك مستشفيات قليلة للغاية
00:42
that are actually equipped to treat children.
10
27000
3000
مجهزة بالفعل لعلاج الأطفال.
00:46
In fact, if you were to be treated,
11
31000
4000
في الواقع, إذا كنت لتتلقى العلاج
00:51
you might well end up being treated
12
36000
3000
ربما سينتهي بك الأمر بأن يعالجك
00:54
by a person who has no medical credentials
13
39000
3000
شخص بدون أي مرجعية طبية
00:57
as this case from Rajasthan illustrates.
14
42000
3000
مثل تلك الحالة من راجاستان التي تظهر
01:00
This is a three-year-old orphan girl
15
45000
2000
طفلة يتيمة في الثالثة من عمرها
01:02
who had cataracts.
16
47000
2000
كانت تعاني من الكاتاراكت (إعتام عدسة العين).
01:04
So, her caretakers took her
17
49000
2000
و أولياء أمورها اخذوها
01:06
to the village medicine man,
18
51000
2000
لمعالج القرية,
01:08
and instead of suggesting to the caretakers
19
53000
3000
و بدلا من أن يقترح لأولياء أمورها
01:11
that the girl be taken to a hospital,
20
56000
3000
أن يأخذوا الطفلة لمستشفى
01:14
the person decided to burn her abdomen
21
59000
2000
قرر أن يحرق بطنها
01:16
with red-hot iron bars
22
61000
2000
مستخدما أسياخ حديد ساخنة
01:18
to drive out the demons.
23
63000
2000
ليخرج منها "الشياطين"!!
01:20
The second piece of bad news
24
65000
3000
الخبر السئ الآخر
01:23
will be delivered to you
25
68000
2000
سيعطيه لك
01:25
by neuroscientists, who will tell you
26
70000
3000
علماء الأعصاب, الذين سيخبرونك
01:28
that if you are older than four or five years of age,
27
73000
3000
أنك إن كنت اكبر من 4 أو 5 أعوام,
01:31
that even if you have your eye corrected,
28
76000
3000
و حتى لو تم تصحيح إبصارك,
01:34
the chances of your brain learning how to see
29
79000
3000
فرص أن يتعلم عقلك كيفية الرؤية
01:37
are very, very slim --
30
82000
2000
ضئيلة للغاية.
01:39
again, slim or none.
31
84000
3000
مرة أخرى, ضئيلة أو منعدمة.
01:42
So when I heard these two things,
32
87000
2000
فعندما سمعت هذين الخبرين
01:44
it troubled me deeply,
33
89000
2000
إنزعجت للغاية,
01:46
both because of personal reasons
34
91000
2000
لأسباب شخصية و أيضاً
01:48
and scientific reasons.
35
93000
2000
أسباب علمية.
01:50
So let me first start with the personal reason.
36
95000
3000
إذن دعوني أبدأ أولا بالأسباب الشخصية.
01:53
It'll sound corny, but it's sincere.
37
98000
3000
لربما يبدو هذا مبتذلا, ولكنه صادق
01:56
That's my son, Darius.
38
101000
2000
هذا هو إبني, داريوس.
01:58
As a new father,
39
103000
2000
و كأب جديد,
02:00
I have a qualitatively different sense
40
105000
4000
لدي إحساس مختلف نوعيا
02:04
of just how delicate babies are,
41
109000
3000
عن كيف أن الأطفال ضعاف حقا,
02:07
what our obligations are towards them
42
112000
3000
و ما هي إلتزاماتنا ناحيتهم,
02:10
and how much love
43
115000
2000
و كم الحب الذي
02:12
we can feel towards a child.
44
117000
3000
نشعر به تجاه الطفل.
02:15
I would move heaven and earth
45
120000
2000
قد أقلب السماوات و الأرض
02:17
in order to get treatment for Darius,
46
122000
3000
بحثا عن علاج لداريوس.
02:20
and for me to be told
47
125000
2000
و بالنسبة لي , أن يخبروني
02:22
that there might be other Dariuses
48
127000
2000
أنه هناك المزيد من أمثال داريوس
02:24
who are not getting treatment,
49
129000
2000
لا يتلقون العلاج
02:26
that's just viscerally wrong.
50
131000
3000
هذا خطأ قلبا و قالبا.
02:29
So that's the personal reason.
51
134000
2000
إذا فهذا هو السبب الشخصي.
02:31
Scientific reason is that this notion
52
136000
3000
السبب العلمي هو أن هذه الفكرة
02:34
from neuroscience of critical periods --
53
139000
2000
من علم الأعصاب في فتراته الحرجة
02:36
that if the brain is older
54
141000
3000
وهي إذا كان عمر المخ أكبر
02:39
than four or five years of age,
55
144000
2000
من 4 أو 5 أعوام
02:41
it loses its ability to learn --
56
146000
2000
فإنه يفقد القدرة على التعلم
02:43
that doesn't sit well with me,
57
148000
2000
و هذا لا يلقى صدى عندي
02:45
because I don't think that idea
58
150000
2000
لأنني لا أعتقد أن هذه الفكرة
02:47
has been tested adequately.
59
152000
3000
قد تم إختبارها جيدا.
02:50
The birth of the idea is from
60
155000
2000
ولادة هذه الفكرة كانت من
02:52
David Hubel and Torsten Wiesel's work,
61
157000
2000
أبحاث دافيد هوبيل و تورستين ويزيل,
02:54
two researchers who were at Harvard,
62
159000
2000
وهما باحثين كانا في هارفارد,
02:56
and they got the Nobel Prize in 1981
63
161000
3000
و حصلوا على جائزة نوبل عام 1981
02:59
for their studies of visual physiology,
64
164000
2000
لدراساتهم في فسيولوجية البصر,
03:01
which are remarkably beautiful studies,
65
166000
2000
وهي دراسات متميزة حقا,
03:03
but I believe some of their work
66
168000
2000
و لكنني أعتقد أن بعض أبحاثهم
03:05
has been extrapolated
67
170000
2000
قد طُبقت في
03:07
into the human domain prematurely.
68
172000
2000
في الحقل البشري مبكرا.
03:09
So, they did their work with kittens,
69
174000
2000
إذن كانت أبحاثهم على القطط الصغيرة,
03:11
with different kinds of deprivation regiments,
70
176000
2000
بإستخدام أنواع مختلفة من نظم الحرمان,
03:13
and those studies,
71
178000
2000
و هذه الدراسات
03:15
which date back to the '60s,
72
180000
2000
و التي ترجع إلى الستينات,
03:17
are now being applied to human children.
73
182000
3000
تطبق الآن على أطفال البشر.
03:20
So I felt that I needed to do two things.
74
185000
3000
فشعرت أنني في حاجة لفعل شيئين.
03:23
One: provide care
75
188000
3000
أولا: أوفر الرعاية
03:26
to children who are currently
76
191000
2000
للأطفال المحرومين حاليا
03:28
being deprived of treatment.
77
193000
2000
من العلاج.
03:30
That's the humanitarian mission.
78
195000
2000
و هذه هي المهمة الإنسانية.
03:32
And the scientific mission would be
79
197000
2000
أما المهمة العلمية هي
03:34
to test the limits
80
199000
2000
أن نختبر حدود
03:36
of visual plasticity.
81
201000
2000
الليونة البصرية.
03:38
And these two missions, as you can tell,
82
203000
3000
و هاتان المهمتان كما ترون
03:41
thread together perfectly. One adds to the other;
83
206000
3000
تنسجما معا تماما, أحداهما تضيف للأخرى.
03:44
in fact, one would be impossible without the other.
84
209000
3000
في الواقع, يستحيل تحقيق أحداهما دون الأخرى.
03:49
So, to implement
85
214000
2000
إذن لكي نحقق
03:51
these twin missions,
86
216000
2000
هاتين المهمتين
03:53
a few years ago, I launched Project Prakash.
87
218000
3000
أطلقت منذ بضعة أعوام مشروع براكاش.
03:56
Prakash, as many of you know,
88
221000
2000
براكاش, كما يعرف الكثير منكم,
03:58
is the Sanskrit word for light,
89
223000
2000
هي كلمة سانسكريتية تعني نور,
04:00
and the idea is that
90
225000
2000
والفكرة هي
04:02
in bringing light into the lives of children,
91
227000
3000
ان ندخل النور إلى حياة الأطفال,
04:05
we also have a chance
92
230000
2000
و لدينا ايضا فرصة
04:07
of shedding light on some of the
93
232000
2000
لإلقاء الضوء على بعض
04:09
deepest mysteries of neuroscience.
94
234000
3000
من أكثر أسرار علم الأعصاب غموضا.
04:12
And the logo -- even though it looks extremely Irish,
95
237000
3000
و الشعار, حتى ولو يبدو ايرلنديا للغاية,
04:15
it's actually derived from
96
240000
2000
فهو للواقع مستمد من
04:17
the Indian symbol of Diya, an earthen lamp.
97
242000
4000
الرمز الهندي ل"ديا" و هو مصباح من الخزف.
04:21
The Prakash, the overall effort
98
246000
3000
البراكاش, المشروع ككل
04:24
has three components:
99
249000
2000
له ثلاث مكونات,
04:26
outreach, to identify children in need of care;
100
251000
4000
التوعية, للوصول لكل طفل في حاجة إلى الرعاية
04:30
medical treatment; and in subsequent study.
101
255000
3000
,العلاج الطبي,و يعقب هذا الأبحاث.
04:33
And I want to show you a short video clip
102
258000
3000
و أريد أن اعرض عليكم مقطع فيديو قصير
04:36
that illustrates the first two components of this work.
103
261000
3000
يوضح العاملين الأولين في هذا المشروع.
04:41
This is an outreach station
104
266000
2000
هذه هي محطة التوعية
04:43
conducted at a school for the blind.
105
268000
3000
وتم إجرائها في مدرسة للعميان.
04:46
(Text: Most of the children are profoundly and permanently blind ...)
106
271000
5000
(النص المكتوب: معظم الطفال هنا مصابون بعمى تام و دائم.
04:51
Pawan Sinha: So, because this is a school for the blind,
107
276000
5000
بافان : إذن لأن هذه مدرسة مخصصة للعميان,
04:56
many children have permanent conditions.
108
281000
2000
الكثير من الطفال
04:58
That's a case of microphthalmos,
109
283000
3000
هذه حالة "مايكروفثالمس"-صغر العين-
05:01
which is malformed eyes,
110
286000
2000
وهي أعين مشوهه,
05:03
and that's a permanent condition;
111
288000
2000
و هي حالة مزمنة,دائمة.
05:05
it cannot be treated.
112
290000
2000
لا يمكن علاجها.
05:07
That's an extreme of micropthalmos
113
292000
2000
و هذا هو أسوأ حالات المايكروفثالمس
05:09
called enophthalmos.
114
294000
2000
و يدعى إينوفثالمس.
05:11
But, every so often, we come across children
115
296000
2000
و لكن ,من حين لآخر, نلتقي بطفل
05:13
who show some residual vision,
116
298000
3000
الذين لديهم بعض الرؤية متبقية,
05:16
and that is a very good sign
117
301000
3000
و هذه إشارة حسنة للغاية
05:19
that the condition might actually be treatable.
118
304000
2000
أنه ربما يمكن علاج حالته.
05:21
So, after that screening, we bring the children to the hospital.
119
306000
3000
إذن,بعد عملية الإختيار, نُحضر الطفال إلى المستشفى
05:24
That's the hospital we're working with in Delhi,
120
309000
2000
تلك هي المستشفي التي نتعاون معها في دلهي,
05:26
the Schroff Charity Eye Hospital.
121
311000
3000
مستشفى سكروف الخيري للعيون
05:29
It has a very well-equipped
122
314000
2000
وهو مركز مجهز جيدا
05:31
pediatric ophthalmic center,
123
316000
3000
للعيون متخصص للأطفال
05:35
which was made possible in part
124
320000
2000
وقد تم تجهيزه جزئيا
05:37
by a gift from the Ronald McDonald charity.
125
322000
4000
كهدية من مؤسسة رونالد ماكدونالد الخيرية.
05:41
So, eating burgers actually helps.
126
326000
3000
إذن أكل البرجر بالفعل يساعد!
05:45
(Text: Such examinations allow us to improve
127
330000
2000
(نص: هذه الفحوصات سمحت لنا بتحسين
05:47
eye-health in many children, and ...
128
332000
2000
صحة العين لدى الكثير من الأطفال...
05:54
... help us find children who can participate in Project Prakash.)
129
339000
3000
ساعدنا لنجد المزيد من الأطفال ليشاركوا في مشروع باراكش.)
05:57
PS: So, as I zoom in to the eyes of this child,
130
342000
2000
بافان: إذن وانا أقرب الصورة على أعين هذا الطفل
05:59
you will see the cause of his blindness.
131
344000
3000
سترون سبب فقدانه للبصر.
06:03
The whites that you see in the middle of his pupils
132
348000
3000
الإبيضاض الذي ترونه في منتصف حدقتاه
06:06
are congenital cataracts,
133
351000
3000
هو إعتام (كتاراكت) خلقي.
06:09
so opacities of the lens.
134
354000
2000
إعتام لعدسة العين
06:11
In our eyes, the lens is clear,
135
356000
3000
عدسة العين الطبيعية شفافة
06:14
but in this child, the lens has become opaque,
136
359000
2000
و لكن في حالة هذا الطفل,العدسة أصبحت معتمة
06:16
and therefore he can't see the world.
137
361000
3000
و بالتالي لا يستطيع رؤية العالم.
06:19
So, the child is given treatment. You'll see shots of the eye.
138
364000
3000
إذن تتم معالجة هذا الطفل.سترون لقطات للعين.
06:22
Here's the eye with the opaque lens,
139
367000
2000
ها هي العين ذات العدسة المعتمة,
06:24
the opaque lens extracted
140
369000
2000
يتم إخراج العدسة المعتمة
06:26
and an acrylic lens inserted.
141
371000
3000
و تحل محلها عدسة أكريلية (صناعية).
06:29
And here's the same child
142
374000
2000
وها هو نفس الطفل
06:31
three weeks post-operation,
143
376000
3000
بعد العملية ب 3 أسابيع,
06:34
with the right eye open.
144
379000
3000
و عينه اليمنى مفتوحة.
06:40
(Applause)
145
385000
6000
(تصفيق)
06:46
Thank you.
146
391000
2000
شكرا.
06:48
So, even from that little clip, you can begin to get the sense
147
393000
3000
إذن حتى من هذا المقطع الصغيرة,يمكن أن يصلكم الإحساس
06:51
that recovery is possible,
148
396000
2000
أن الشفاء في متناولنا,
06:53
and we have now
149
398000
2000
و حتى الآن قمنا
06:55
provided treatment to over 200 children,
150
400000
3000
بتوفير العلاج لأكثر من 200 طفل,
06:58
and the story repeats itself.
151
403000
2000
و تكرر القصة نفسها.
07:00
After treatment, the child
152
405000
2000
بعد العلاج, يُظهر
07:02
gains significant functionality.
153
407000
3000
الطفل تحسن وظيفي ملحوظ.
07:05
In fact, the story holds true
154
410000
3000
في الواقع, هذا الواقع يستمر
07:08
even if you have a person who got sight
155
413000
2000
حتى في حالة الشخص الذي يستعيد الرؤية
07:10
after several years of deprivation.
156
415000
2000
بعد أن حُرم منها لسنين عديدة
07:12
We did a paper a few years ago
157
417000
2000
قمنا بنشر بحث منذ بضعة سنوات
07:14
about this woman that you see on the right, SRD,
158
419000
4000
عند تلك المرأة التي ترونها على اليمين,س.ر.د
07:18
and she got her sight late in life,
159
423000
2000
وقد إستعادت بصرها في مرحلة متاخرة من حياتها
07:20
and her vision is remarkable at this age.
160
425000
4000
و في هذا السن يُعد نظرها إستثنائي.
07:24
I should add a tragic postscript to this --
161
429000
3000
و يجب أن أضيف ملاحظة مأسوية لهذا
07:27
she died two years ago
162
432000
2000
أنها توفيت منذ سنتين
07:29
in a bus accident.
163
434000
2000
في حادثة أوتوبيس.
07:31
So, hers is just a truly inspiring story --
164
436000
4000
و قصتها حقا قصة ملهمة,
07:35
unknown, but inspiring story.
165
440000
3000
مغمورة و لكن ملهمة.
07:38
So when we started finding these results,
166
443000
2000
إذن عندما بدأنا نلاقي تلك النتائج
07:40
as you might imagine, it created quite a bit of stir
167
445000
3000
كما تتخيلون,صنع الأمر ضجة
07:43
in the scientific and the popular press.
168
448000
3000
في الصحافة العلمية و الشعبية.
07:46
Here's an article in Nature
169
451000
2000
ها هو مقال في مجلة (ناتشر)--الطبيعة--
07:48
that profiled this work,
170
453000
2000
أبرز هذا العمل,
07:50
and another one in Time.
171
455000
2000
و مقال آخر في مجلة (تايم).
07:52
So, we were fairly convinced -- we are convinced --
172
457000
2000
إذن فنحن مقتنعون
07:54
that recovery is feasible,
173
459000
2000
أن الشفاء في متناول اليد,
07:56
despite extended visual deprivation.
174
461000
3000
مهما طالت مدة العمى.
07:59
The next obvious question to ask:
175
464000
2000
السؤال الواضح التالي هو:
08:01
What is the process of recovery?
176
466000
3000
ما هي خطوات عملية الشفاء؟
08:04
So, the way we study that is,
177
469000
3000
الطريقة التي ندرس بها الأمر,
08:07
let's say we find a child who has light sensitivity.
178
472000
2000
مثلا نجد طفلا ذو حساسية بسيطة للضوء
08:09
The child is provided treatment,
179
474000
2000
يتم تزويده بالعلاج,
08:11
and I want to stress that the treatment
180
476000
2000
و أريد أن اؤكد هنا أن العلاج
08:13
is completely unconditional;
181
478000
2000
غير مشروط بالمرة.
08:15
there is no quid pro quo.
182
480000
2000
بدون أي مقابل.
08:17
We treat many more children then we actually work with.
183
482000
3000
نحن نعالج أطفالا أكثر بكثير من حاجتنا للبحث.
08:20
Every child who needs treatment is treated.
184
485000
3000
كل طفل في حاجة للعلاج,يُعالَج.
08:23
After treatment, about every week,
185
488000
2000
بعد العلاج, تقريبا أسبوعيا
08:25
we run the child
186
490000
2000
نبدأ ان نمرِن الطفل
08:27
on a battery of simple visual tests
187
492000
3000
بجعله يمر بعدد من إختبارات الرؤية
08:30
in order to see how their visual skills
188
495000
2000
من أجل أن نحكم على مدى إستجابة
08:32
are coming on line.
189
497000
2000
مهارات الرؤية لديهم.
08:34
And we try to do this for as long as possible.
190
499000
3000
و نحن نحاول أن نفعل هذا لأطول مدة ممكنة.
08:37
This arc of development
191
502000
2000
منحنى التطور هذا,
08:39
gives us unprecedented
192
504000
2000
يعطينا معلومات غير مسبوقة
08:41
and extremely valuable information
193
506000
2000
و غاية في الأهمية و القيمة
08:43
about how the scaffolding of vision
194
508000
2000
عن كيف أن سقالة الرؤية تلك
08:45
gets set up.
195
510000
2000
يتم إقامتها.
08:47
What might be the causal connections
196
512000
2000
ما هي ماهية الروابط المسببة
08:49
between the early developing skills
197
514000
2000
بين المهارات المكتسبة مبكرا
08:51
and the later developing ones?
198
516000
2000
و تلك المكتسبة لاحقا؟
08:53
And we've used this general approach to study
199
518000
2000
و لقد إستخدمنا هذا النهج العام في دراسة
08:55
many different visual proficiencies,
200
520000
3000
العديد من الكفاءات البصرية المختلفة,
08:58
but I want to highlight one particular one,
201
523000
4000
و لكني أريد أن ألقى الضوء على واحدة معينة
09:02
and that is image parsing into objects.
202
527000
3000
و هي تحليل الصورة إلى أجسام صغيرة.
09:05
So, any image of the kind that you see on the left,
203
530000
2000
فمثلا أي صورة من نوع تلك التي ترونها على اليسار
09:07
be it a real image or a synthetic image,
204
532000
3000
سواء كانت صورة حقيقية أو مصنَعة,
09:10
it's made up of little regions
205
535000
2000
فهي مصنوعة من مناطق صغيرة
09:12
that you see in the middle column,
206
537000
2000
كما ترون في المنتصف
09:14
regions of different colors, different luminances.
207
539000
3000
مناطق ذات ألوان مختلفة, و إضاءات مختلفة.
09:17
The brain has this complex task
208
542000
3000
يقوم المخ بتلك المهمة المعقدة
09:20
of putting together, integrating,
209
545000
3000
من تجميع و ربط
09:23
subsets of these regions
210
548000
2000
مكونات تلك المناطق الصغيرة
09:25
into something that's more meaningful,
211
550000
2000
إلى شئ يمكن فهمه
09:27
into what we would consider to be objects,
212
552000
2000
إلى ما نعتبره أجسام,
09:29
as you see on the right.
213
554000
2000
كما ترون على اليمين.
09:31
And nobody knows how this integration happens,
214
556000
2000
و لا أحد يعلم كيف يتم هذا الربط.
09:33
and that's the question we asked with Project Prakash.
215
558000
4000
وهذا هو السؤال الذي سألناه في مشروع باراكاش.
09:37
So, here's what happens
216
562000
2000
إذا,فهاك ما حدث
09:39
very soon after the onset of sight.
217
564000
3000
بعد وقت قصير من إستعادة الرؤية.
09:42
Here's a person who had gained sight just a couple of weeks ago,
218
567000
3000
هذا رجل إستعاد الرؤية فقط منذ بضعة أسابيع,
09:45
and you see Ethan Myers, a graduate student from MIT,
219
570000
3000
و ترون إيثان مايرز, أحد خريجي MIT, (معهد ماسيشوتس للتكنولوجيا)
09:48
running the experiment with him.
220
573000
3000
يجري معه تجربه.
09:51
His visual-motor coordination is quite poor,
221
576000
4000
التناسق البصري-الحركي لديه ضعيف,
09:55
but you get a general sense
222
580000
2000
و لكن يتكوَن لدينا إحساس عام
09:57
of what are the regions that he's trying to trace out.
223
582000
3000
للمناطق التي يحاول تحديدها.
10:00
If you show him real world images,
224
585000
2000
إذا عرضت عليه صور طبيعية
10:02
if you show others like him real world images,
225
587000
3000
إذا أريته هو أو أحد مثله صور طبيعية,
10:05
they are unable to recognize most of the objects
226
590000
2000
لا يستطيعون التعرف على الكثير من الأجسام
10:07
because the world to them is over-fragmented;
227
592000
3000
لأن العالم بالنسبة لهم متجزئ بشكل مفرط,
10:10
it's made up of a collage, a patchwork,
228
595000
3000
هو عبارة عن كولاج, لوحة مرقَعة
10:13
of regions of different colors and luminances.
229
598000
2000
من مناطق مختلفة الألوان و الإضاءات.
10:15
And that's what's indicated in the green outlines.
230
600000
2000
وهو الموضح في التحديدات الخضراء.
10:17
When you ask them,
231
602000
2000
عندما نسألهم,
10:19
"Even if you can't name the objects, just point to where the objects are,"
232
604000
3000
إذا كنت لا تستطيع تسمية الجسم ,فقط أشر إلى مكانه.
10:22
these are the regions that they point to.
233
607000
2000
هذه هي المناطق التي يشيرون إليها.
10:24
So the world is this complex
234
609000
2000
إذن فعالمهم عبارة عن
10:26
patchwork of regions.
235
611000
2000
مناطق مرقعة معقدة.
10:28
Even the shadow on the ball
236
613000
2000
حتى الظل الذي تلقيه الكرة
10:30
becomes its own object.
237
615000
3000
يكون كجسم مستقل.
10:33
Interestingly enough,
238
618000
2000
و الشئ المثير هو
10:35
you give them a few months,
239
620000
2000
عندما نعطيهم بضعة شهور
10:37
and this is what happens.
240
622000
3000
فإن هذا ما يحدث
10:43
Doctor: How many are these?
241
628000
2000
"الطبيب: كم عدد هؤلاء؟"
10:45
Patient: These are two things.
242
630000
2000
"المريض: هناك شيئان."
10:47
Doctor: What are their shapes?
243
632000
2000
"الطبيب: ما هي هذه الأشكال؟"
10:49
Patient: Their shapes ...
244
634000
2000
"المريض: الأشكال..."
10:51
This one is a circle,
245
636000
3000
"هذه كرة,
10:54
and this
246
639000
2000
"و هذا.."
10:56
is a square.
247
641000
2000
"شكل مربع."
10:58
PS: A very dramatic transformation has come about.
248
643000
3000
بافان: قد حدث تحول جذري للغاية.
11:01
And the question is:
249
646000
2000
و السؤال هو :
11:03
What underlies this transformation?
250
648000
2000
ما السبب وراء هذا التحول؟
11:05
It's a profound question,
251
650000
2000
وهو سؤال عميق
11:07
and what's even more amazing is how simple
252
652000
2000
و الأكثر إبهارا هو مدى سهولة
11:09
the answer is.
253
654000
2000
الإجابة.
11:11
The answer lies in motion
254
656000
2000
الإجابة تكمن في الحركة
11:13
and that's what I want to show you in the next clip.
255
658000
3000
و هذا ما سأريكم إياه في المقطع التالي.
11:18
Doctor: What shape do you see here?
256
663000
2000
الطبيب: ما هو الشكل الذي تراه هنا؟"
11:20
Patient: I can't make it out.
257
665000
3000
"المريض: لا أستطيع تحديده."
11:28
Doctor: Now?
258
673000
2000
"الطبيب: و الآن؟"
11:31
Patient: Triangle.
259
676000
2000
"المريض: مثلث."
11:35
Doctor: How many things are these?
260
680000
3000
"الطبيب: كم عدد هؤلاء؟"
11:48
Now, how many things are these?
261
693000
3000
كم عدد هؤلاء الإشكال؟
11:51
Patient: Two.
262
696000
2000
"المريض: إثنان."
11:53
Doctor: What are these things?
263
698000
2000
"الطبيب: و ما هي تلك الأشكال؟"
11:56
Patient: A square and a circle.
264
701000
2000
"المريض: مربع و دائرة."
11:58
PS: And we see this pattern over and over again.
265
703000
3000
بافان: و نحن نرى هذا النمط يتكرر مرات عدة.
12:01
The one thing the visual system needs
266
706000
3000
الشئ الوحيد الذي يحتاجه الجهاز البصري
12:04
in order to begin parsing the world
267
709000
2000
من أجل أن يبدأ تحليل و فهم العالم
12:06
is dynamic information.
268
711000
2000
هو المعلومات المتحركة .
12:08
So the inference we are deriving from this,
269
713000
2000
إذن فما نستنتجه من هذه التجربة
12:10
and several such experiments,
270
715000
2000
وتجارب أخرى كثيرة,
12:12
is that dynamic information processing,
271
717000
2000
هو أن معالجة تلك المعلومات الديناميكية
12:14
or motion processing,
272
719000
2000
أو معالجة الأشياء المتحركة,
12:16
serves as the bedrock for building
273
721000
2000
يعد كحجر الأساس لبناء
12:18
the rest of the complexity of visual processing;
274
723000
4000
باقي المعالجات البصرية المعقدة.
12:22
it leads to visual integration
275
727000
2000
يؤدي إلى الإستيعاب البصري للأشياء
12:24
and eventually to recognition.
276
729000
3000
و بالتالي التعرف عليها.
12:27
This simple idea has far reaching implications.
277
732000
3000
هذه الفكرة البسيطة لها تبعات واسعة المدى.
12:30
And let me just quickly mention two,
278
735000
3000
و دعوني فقط أذكر إثنان بسرعة.
12:33
one, drawing from the domain of engineering,
279
738000
2000
واحد مشتق من مجال الهندسة,
12:35
and one from the clinic.
280
740000
2000
و الآخر من العيادة.
12:37
So, from the perspective of engineering,
281
742000
2000
إذن من وجهة النظر الهندسية,
12:39
we can ask: Goven that we know
282
744000
3000
نستطيع أن نسأل, علماً بمعرفتنا
12:42
that motion is so important for the human visual system,
283
747000
2000
أن الحركة مهمة جدا للجهاز البصري البشري,
12:44
can we use this as a recipe
284
749000
3000
هل نستطيع أن نستخدم ذلك كأساس
12:47
for constructing machine-based vision systems
285
752000
3000
لنصنع جهاز بصري مصنَع آليا
12:50
that can learn on their own, that don't need to be programmed
286
755000
3000
يستطيع أن يكتسب المعلومات بنفسه, دون الحاجة أن يبرمجه
12:53
by a human programmer?
287
758000
2000
مبرمج بشري؟
12:55
And that's what we're trying to do.
288
760000
2000
و هذه هو ما نحاول صنعه
12:57
I'm at MIT, at MIT you need to apply
289
762000
3000
أنا في الMIT, وهناك تحتاج إلى تطبيق
13:00
whatever basic knowledge you gain.
290
765000
2000
كل المعلومات التي تتعلمها مهما كانت.
13:02
So we are creating Dylan,
291
767000
2000
إذن فنحن نصنع "ديلان",
13:04
which is a computational system
292
769000
2000
و هو نظام حسابي برمجي
13:06
with an ambitious goal
293
771000
2000
ذو هدف طموح
13:08
of taking in visual inputs
294
773000
2000
هو أن يأخذ المعطيات البصرية
13:10
of the same kind that a human child would receive,
295
775000
3000
من نفس النوع الذي يستقبله الطفل
13:13
and autonomously discovering:
296
778000
2000
و بشكل مستقل يكتشف
13:15
What are the objects in this visual input?
297
780000
3000
ماهية الأشكال التى تمثلها تلك المعطيات.
13:18
So, don't worry about the internals of Dylan.
298
783000
3000
لا داعي لشغل بالكم بالتفاصيل الداخلية ل"ديلان"
13:21
Here, I'm just going to talk about
299
786000
3000
هنا سأتحدث فقط عن
13:24
how we test Dylan.
300
789000
2000
كيف نختبر "ديلان".
13:26
The way we test Dylan is by giving it
301
791000
2000
الطريقة التي نختبره بها هي بإعطائه
13:28
inputs, as I said, of the same kind
302
793000
3000
معطيات, كما قلت, من نفس ال
13:31
that a baby, or a child in Project Prakash would get.
303
796000
3000
الذي قد يستقبله الطفل الموجود في مشروع براكاش.
13:34
But for a long time we couldn't quite figure out:
304
799000
3000
و لكن لمدة طويلة لم نستطع أن نعرف
13:37
Wow can we get these kinds of video inputs?
305
802000
3000
كيف يمكننا تجميع هذا النوع من المعطيات المصورة.
13:41
So, I thought,
306
806000
2000
ففكرت
13:43
could we have Darius
307
808000
2000
أن نجعل إبني "داريوس"
13:45
serve as our babycam carrier,
308
810000
3000
كحامل للكاميرا الصغيرة,
13:48
and that way get the inputs that we feed into Dylan?
309
813000
3000
و بهذه الطريقة نحصل على المعطيات, التي ندخلها إلى "ديلان"
13:51
So that's what we did.
310
816000
2000
و هذا ما فعلناه.
13:53
(Laughter)
311
818000
7000
(ضحك)
14:00
I had to have long conversations with my wife.
312
825000
3000
كان علي النقاش مطولا مع زوجتي!
14:03
(Laughter)
313
828000
5000
(ضحك)
14:08
In fact, Pam, if you're watching this,
314
833000
2000
في الواقع, يا "بام", لو تشاهدين هذا
14:10
please forgive me.
315
835000
2000
أرجوكي سامحيني.
14:13
So, we modified the optics of the camera
316
838000
4000
إذن قمنا بتعديل عدسات الكاميرا
14:17
in order to mimic the baby's visual acuity.
317
842000
3000
لنحاكي الحدة البصرية للطفل.
14:20
As some of you might know,
318
845000
2000
و كما يعرف بعضكم,
14:22
babyies are born pretty much legally blind.
319
847000
4000
يولد الأطفال الصغار وهم تقريبا عمي.
14:26
Their acuity -- our acuity is 20/20;
320
851000
3000
حدة نظرنا نحن هي 20\20 --
14:29
babies' acuity is like 20/800,
321
854000
3000
لكن حدة نظر الأطفال هي 20\800 مثلا,
14:32
so they are looking at the world
322
857000
2000
إذن فهم ينظرون إلى العالم
14:34
in a very, very blurry fashion.
323
859000
3000
بطريقة مهزوزة مطموسة للغاية.
14:37
Here's what a baby-cam video looks like.
324
862000
3000
ها هو ما يبدو عليه فيديو كاميرا الطفل .
14:41
(Laughter)
325
866000
9000
(ضحك)
14:50
(Applause)
326
875000
3000
(تصفيق)
14:53
Thankfully, there isn't any audio
327
878000
2000
حمدا لله أنه لا يوجد صوت
14:55
to go with this.
328
880000
3000
يصاحب هذا الفيديو.
14:58
What's amazing is that working with such
329
883000
2000
الشئ المثير هنا هو أنه مع وجود هذه
15:00
highly degraded input,
330
885000
2000
المعطيات المتفككة جدا
15:02
the baby, very quickly, is able
331
887000
2000
يستطيع الطفل, و بسرعة, أن
15:04
to discover meaning in such input.
332
889000
3000
يعطي معنى لتلك المعطيات.
15:07
But then two or three days afterward,
333
892000
2000
ثم يومين أو ثلاثة بعد ذلك
15:09
babies begin to pay attention
334
894000
2000
يبدأ الأطفال بلإنتباه
15:11
to their mother's or their father's face.
335
896000
2000
إلى وجوه أمهاتهم و آبائهم.
15:13
How does that happen? We want Dylan to be able to do that,
336
898000
3000
كيف يحدث هذا؟ نحن نريد أن يستطيع
15:16
and using this mantra of motion,
337
901000
3000
و يإستخدام تلك التعويذة الحركية,
15:19
Dylan actually can do that.
338
904000
2000
يستطيع ديلان بالفعل أن يفعل ذلك,
15:21
So, given that kind of video input,
339
906000
3000
و بإعطاءه هذا النوع من المعطيات المصورة
15:24
with just about six or seven minutes worth of video,
340
909000
3000
فقط ستة أو سبعة دقائق من الفيديو
15:27
Dylan can begin to extract patterns
341
912000
3000
يستطيع ديلان أن يبدأ في إستخراج أشكال
15:30
that include faces.
342
915000
3000
متضمنا الوجوه.
15:33
So, it's an important demonstration
343
918000
2000
إذن فهذا إثبات مهم
15:35
of the power of motion.
344
920000
2000
لقوة تأثير الحركة.
15:37
The clinical implication, it comes from the domain of autism.
345
922000
3000
الأثر العملي ,يأتي من مجال مرض التوحد.
15:40
Visual integration has been associated with autism
346
925000
2000
التداخل البصري قد تم ربطه بالتوحد
15:42
by several researchers.
347
927000
2000
من العديد من الباحثين.
15:44
When we saw that, we asked:
348
929000
2000
و عندما رأينا ذلك, سألنا
15:46
Could the impairment in visual integration
349
931000
3000
هل من الممكن أن يكون الخلل في التداخل البصري
15:49
be the manifestation of something underneath,
350
934000
3000
هو أحد الأعراض لشئ آخر
15:52
of dynamic information processing deficiencies in autism?
351
937000
3000
كخلل معالجة المعلومات البصرية المتحركة في التوحد.
15:55
Because, if that hypothesis were to be true,
352
940000
3000
لأنه لو أن هذا الإفتراض صحيح,
15:58
it would have massive repercussions in our understanding
353
943000
3000
سيكون له تداعيات هائلة على فهمنا
16:01
of what's causing the many different aspects
354
946000
2000
لما يسبب تلك الأعراض المختلفة
16:03
of the autism phenotype.
355
948000
3000
لنمط التوحد الظاهري.
16:06
What you're going to see are
356
951000
2000
و ما سترونه هو
16:08
video clips of two children -- one neurotypical,
357
953000
3000
مقطع فيديو لطفلين , أحدهما طبيعي,
16:11
one with autism, playing Pong.
358
956000
2000
و الأخر مصاب بالتوحد يلعبان كرة الطاولة.
16:13
So, while the child is playing Pong, we are tracking where they're looking.
359
958000
3000
و بينما يلعب الطفل , نلاحق الأماكن التي ينظر إليها
16:16
In red are the eye movement traces.
360
961000
3000
النقاط الحمراء هي متابعة حركة العين,
16:19
This is the neurotypical child, and what you see
361
964000
3000
هذا هو الطفل الطبيعي, وكما ترون
16:22
is that the child is able to make cues
362
967000
2000
يستطيع الطفل أن يفهم الدلائل
16:24
of the dynamic information
363
969000
2000
من المعلوومات الديناميكية
16:26
to predict where the ball is going to go.
364
971000
2000
ليتوقع المكان الذي ستذهب إليه الكرة.
16:28
Even before the ball gets to a place,
365
973000
3000
حتى قبل أن تصل إلى مكان,
16:31
the child is already looking there.
366
976000
3000
يكون الطفل ناظرا إليه بالفعل.
16:34
Contrast this with a child
367
979000
2000
قارن هذا بالطفل المصاب
16:36
with autism playing the same game.
368
981000
2000
بالتوحد وهو يلعب نفس اللعبة.
16:38
Instead of anticipating,
369
983000
2000
بدلا من التوقع,
16:40
the child always follows where the ball has been.
370
985000
3000
يتابع الطفل بإستمرار المكان الذي "كانت" فيه الكرة.
16:43
The efficiency of the use
371
988000
2000
كفاءة إستخدام و إستيعاب
16:45
of dynamic information
372
990000
2000
المعلومات الديناميكية
16:47
seems to be significantly compromised in autism.
373
992000
3000
قد ضعفت بشكل واضح في مرض التوحد.
16:51
So we are pursuing this line of work
374
996000
3000
فنحن إذن نمضي على هذا النهج في البحث
16:54
and hopefully we'll have
375
999000
2000
و نأمل ان تتكون
16:56
more results to report soon.
376
1001000
2000
لدينا نتائج تستحق النشر.
16:58
Looking ahead, if you think of this disk
377
1003000
3000
بالنظر مستقبلا, إذا فكرنا في هذا القرص
17:01
as representing all of the children
378
1006000
2000
الذي يمثل كل الأطفال
17:03
we've treated so far,
379
1008000
2000
الذين عالجناهم حتى الآن,
17:05
this is the magnitude of the problem.
380
1010000
2000
هذا هو حجم المشكلة.
17:07
The red dots are the children we have not treated.
381
1012000
3000
النقاط الحمراء تمثل الأطفال الذين لم نعالجهم بعد.
17:10
So, there are many, many more children who need to be treated,
382
1015000
2000
إذن فهناك الكثير و الكثير من الأطفال في حاجة إلى العلاج,
17:12
and in order to expand the scope of the project,
383
1017000
3000
من أجل أن نوسِع أُفُق المشروع,
17:15
we are planning on launching
384
1020000
2000
نحن نخطط لإفتتاح
17:17
The Prakash Center for Children,
385
1022000
2000
مركز براكاش للأطفال,
17:19
which will have a dedicated pediatric hospital,
386
1024000
3000
و الذي سيحتوي على مستشفي متخصص للأطفال,
17:22
a school for the children we are treating
387
1027000
2000
مدرسة لتعليم الأطفال الذين نعالجهم,
17:24
and also a cutting-edge research facility.
388
1029000
2000
و أيضا مبنى للأبحاث متطور.
17:26
The Prakash Center will integrate health care,
389
1031000
3000
سيتضمن مركز براكاش الرعاية الصحية
17:29
education and research in a way
390
1034000
2000
التعليم, و البحث في طريقة
17:31
that truly creates the whole
391
1036000
2000
تجعل الناتج النهائي ككل
17:33
to be greater than the sum of the parts.
392
1038000
3000
أفضل بكثير من كل القطع متفرقة.
17:36
So, to summarize: Prakash, in its five years of existence,
393
1041000
3000
إذن لألخص, براكاش في سنوات تواجده الخمس
17:39
it's had an impact in multiple areas,
394
1044000
3000
أصبح له تأثير في مجالات عديدة
17:42
ranging from basic neuroscience
395
1047000
2000
تتراوح ما بين علم الأعصاب
17:44
plasticity and learning in the brain,
396
1049000
2000
قدرات و ليونة العقل البشري,
17:46
to clinically relevant hypotheses like in autism,
397
1051000
4000
إلى إفتراضات ذات صلة عمليا مثل تلك في مرض التوحد,
17:50
the development of autonomous machine vision systems,
398
1055000
3000
تطوير نظام رؤية مصنع مستقل,
17:53
education of the undergraduate and graduate students,
399
1058000
3000
تعليم و تدريب الطلاب و الخريجين,
17:56
and most importantly in the alleviation
400
1061000
2000
و الأهم من هذا و ذاك هو تقليل
17:58
of childhood blindness.
401
1063000
2000
نسبة عمى الأطفال
18:00
And for my students and I, it's been
402
1065000
2000
و لقد كانت بالنسبة لي و لطلابي
18:02
just a phenomenal experience
403
1067000
2000
تجربة رائعة حقا
18:04
because we have gotten to do interesting research,
404
1069000
4000
لأنه أمكننا القيام بأبحاث شيقة
18:08
while at the same time
405
1073000
2000
و في الوقت نفسه
18:10
helping the many children that we have worked with.
406
1075000
2000
ساعدنا الكثير من الأطفال الذين نعمل معهم.
18:12
Thank you very much.
407
1077000
2000
شكرا جزيلا.
18:14
(Applause)
408
1079000
2000
(تصفيق)
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