TEDGlobal 2011
Daniel Wolpert: The real reason for brains
Даниел Уолпърт: Истинската причина мозъците да съществуват
Filmed:
Readability: 3.9
1,994,993 views
Неврологът Даниел Уолпърт започва с изненадващо предположение: мозъкът еволюира, не за да мисли или чувства, а за да контролира действията. В тази забавна, обогатяваща със знания лекция, той ни позволява да надникнем в това как мозъкът създава изящество и гъвкавост в човешките движения.
Daniel Wolpert - Movement expert
A neuroscientist and engineer, Daniel Wolpert studies how the brain controls the body. Full bio
A neuroscientist and engineer, Daniel Wolpert studies how the brain controls the body. Full bio
Double-click the English transcript below to play the video.
00:15
I'm a neuroscientist.
0
0
2000
Аз съм учен-невролог.
00:17
And in neuroscience,
1
2000
2000
А в науката неврология
00:19
we have to deal with many difficult questions about the brain.
2
4000
3000
ние трябва да отговорим на много трудни въпроси за мозъка.
00:22
But I want to start with the easiest question
3
7000
2000
Искам да започна с най-лесния въпрос,
00:24
and the question you really should have all asked yourselves at some point in your life,
4
9000
3000
а би трябвало всеки от нас да си е задавал този въпрос,
00:27
because it's a fundamental question
5
12000
2000
защото е основополагащ въпрос
00:29
if we want to understand brain function.
6
14000
2000
ако искаме да разберем как функционира мозъка.
00:31
And that is, why do we and other animals
7
16000
2000
И той е -- защо ние и други животни
00:33
have brains?
8
18000
2000
имаме мозъци?
00:35
Not all species on our planet have brains,
9
20000
3000
Не всички видове на нашата планета имат мозъци,
00:38
so if we want to know what the brain is for,
10
23000
2000
и ако искаме да знаем за какво ни е мозъка,
00:40
let's think about why we evolved one.
11
25000
2000
нека помислим защо сме еволюирали така, че да го имаме.
00:42
Now you may reason that we have one
12
27000
2000
Може би ще изтъкнете причината, че имаме мозък,
00:44
to perceive the world or to think,
13
29000
2000
за да възприемаме света или за да мислим,
00:46
and that's completely wrong.
14
31000
2000
и това е напълно погрешно.
00:48
If you think about this question for any length of time,
15
33000
3000
Ако отделите на този въпрос каквото и да е време,
00:51
it's blindingly obvious why we have a brain.
16
36000
2000
ще осъзнаете, че е очевидно защо имаме мозък.
00:53
We have a brain for one reason and one reason only,
17
38000
3000
Имаме го само и единствено поради една причина,
00:56
and that's to produce adaptable and complex movements.
18
41000
3000
и тя е -- за да произвеждаме адаптивни и сложни движения.
00:59
There is no other reason to have a brain.
19
44000
2000
Няма друга причина да имаме мозък.
01:01
Think about it.
20
46000
2000
Помислете за това.
01:03
Movement is the only way you have
21
48000
2000
Движението е единствения начин, който притежавате,
01:05
of affecting the world around you.
22
50000
2000
за да въздействате на света около вас.
01:07
Now that's not quite true. There's one other way, and that's through sweating.
23
52000
3000
Това не е съвсем истина. Има и друг начин и той е чрез потенето.
01:10
But apart from that,
24
55000
2000
Но извън това,
01:12
everything else goes through contractions of muscles.
25
57000
2000
всичко друго се случва през свиването на мускулите.
01:14
So think about communication --
26
59000
2000
Така че, помислете за комуникацията --
01:16
speech, gestures, writing, sign language --
27
61000
3000
реч, жестове, писане, езикът на знаците,
01:19
they're all mediated through contractions of your muscles.
28
64000
3000
всички те са резултат от свиванията на мускулите.
01:22
So it's really important to remember
29
67000
2000
Затова е много важно да се запомни,
01:24
that sensory, memory and cognitive processes are all important,
30
69000
4000
че сетивните, запаметяващите и познавателните процеси са важни,
01:28
but they're only important
31
73000
2000
но те са важни само
01:30
to either drive or suppress future movements.
32
75000
2000
за да предизвикат или да подтиснат бъдещи движения.
01:32
There can be no evolutionary advantage
33
77000
2000
Няма еволюционно предимство
01:34
to laying down memories of childhood
34
79000
2000
да пазите спомени от детството
01:36
or perceiving the color of a rose
35
81000
2000
или да възприемате цвета на розата,
01:38
if it doesn't affect the way you're going to move later in life.
36
83000
3000
ако това не повлияе начина, по който ще се движите по-нататък в живота си.
01:41
Now for those who don't believe this argument,
37
86000
2000
За тези, които не вярват на това твърдение --
01:43
we have trees and grass on our planet without the brain,
38
88000
2000
на планетата имаме дървета и треви без мозък,
01:45
but the clinching evidence is this animal here --
39
90000
2000
но свързващото доказателство е това животно тук,
01:47
the humble sea squirt.
40
92000
2000
скромната океанска хорда.
01:49
Rudimentary animal, has a nervous system,
41
94000
3000
Елементарно животно, има нервна система,
01:52
swims around in the ocean in its juvenile life.
42
97000
2000
плува в океана през целия си детски живот.
01:54
And at some point of its life,
43
99000
2000
По някое време
01:56
it implants on a rock.
44
101000
2000
се прикрепва към скала.
01:58
And the first thing it does in implanting on that rock, which it never leaves,
45
103000
3000
И първото нещо, което прави като се прикрепи към скалата, която никога не напуска,
02:01
is to digest its own brain and nervous system
46
106000
3000
е да смели собствените си мозък и нервна система
02:04
for food.
47
109000
2000
като храна.
02:06
So once you don't need to move,
48
111000
2000
Защото след като не ви трябва да се движите,
02:08
you don't need the luxury of that brain.
49
113000
3000
нямате нужда от лукса да притежавате мозък.
02:11
And this animal is often taken
50
116000
2000
И това животно често е показвано
02:13
as an analogy to what happens at universities
51
118000
2000
като пример какво се случва в университетите,
02:15
when professors get tenure,
52
120000
2000
когато преподавателите влязат във владение,
02:17
but that's a different subject.
53
122000
2000
но това е друга тема.
02:19
(Applause)
54
124000
2000
(Ръкопляскане)
02:21
So I am a movement chauvinist.
55
126000
3000
Така че аз съм шовинист относно движението.
02:24
I believe movement is the most important function of the brain --
56
129000
2000
Вярвам, че движението е най-важната функция на мозъка,
02:26
don't let anyone tell you that it's not true.
57
131000
2000
не се оставяйте някой да ви каже, че това не е истина.
02:28
Now if movement is so important,
58
133000
2000
Ако движението е толкова важно,
02:30
how well are we doing
59
135000
2000
колко добре се справяме
02:32
understanding how the brain controls movement?
60
137000
2000
за да разберем как мозъкът контролира движенията?
02:34
And the answer is we're doing extremely poorly; it's a very hard problem.
61
139000
2000
Отговорът е, че се справяме много зле, това е много тежък проблем.
02:36
But we can look at how well we're doing
62
141000
2000
Но можем да разберем как се справяме
02:38
by thinking about how well we're doing building machines
63
143000
2000
като помислим колко добре правим строителни машини,
02:40
which can do what humans can do.
64
145000
2000
които могат да правят неща, които правят и хората.
02:42
Think about the game of chess.
65
147000
2000
Помислете за играта на шах.
02:44
How well are we doing determining what piece to move where?
66
149000
3000
Колко добре определяме коя фигура къде да преместим?
02:47
If you pit Garry Kasparov here, when he's not in jail,
67
152000
3000
Ако доведете Гари Каспаров тук, когато не е в затвора,
02:50
against IBM's Deep Blue,
68
155000
2000
срещу компютъра Дийп Блу на IBM,
02:52
well the answer is IBM's Deep Blue will occasionally win.
69
157000
3000
отговорът е, че компютърът ще спечели в повечето случаи.
02:55
And I think if IBM's Deep Blue played anyone in this room, it would win every time.
70
160000
3000
И мисля, че срещу когото и да играе в тази зала, компютърът ще спечели всеки път.
02:58
That problem is solved.
71
163000
2000
Проблемът е решен.
03:00
What about the problem
72
165000
2000
А какво ща кажете за проблема
03:02
of picking up a chess piece,
73
167000
2000
за взимане на една шахматна фигура,
03:04
dexterously manipulating it and putting it back down on the board?
74
169000
3000
сръчно да я манипулирате и да я поставите обратно на дъската?
03:07
If you put a five year-old child's dexterity against the best robots of today,
75
172000
3000
Ако сравните сръчността на петгодишно дете срещу най-мощният компютър,
03:10
the answer is simple:
76
175000
2000
отговорът е лесен --
03:12
the child wins easily.
77
177000
2000
детето ще спечели с лекота.
03:14
There's no competition at all.
78
179000
2000
Изобщо няма конкуренция.
03:16
Now why is that top problem so easy
79
181000
2000
И така, защо горния проблем е толкова лесен,
03:18
and the bottom problem so hard?
80
183000
2000
и защо последния е толкова труден?
03:20
One reason is a very smart five year-old
81
185000
2000
Една причина е, че много умно петгодишно дете
03:22
could tell you the algorithm for that top problem --
82
187000
2000
може да ви каже алгоритъма на горния проблем --
03:24
look at all possible moves to the end of the game
83
189000
2000
вижте всички възможни ходове до края на играта
03:26
and choose the one that makes you win.
84
191000
2000
и изберете този, който ще спечели играта.
03:28
So it's a very simple algorithm.
85
193000
2000
Това е много лесен алгоритъм.
03:30
Now of course there are other moves,
86
195000
2000
Разбира се, има и други ходове,
03:32
but with vast computers we approximate
87
197000
2000
но с мощни компютри ние осредняваме
03:34
and come close to the optimal solution.
88
199000
2000
и се приближаваме до най-оптималното решение.
03:36
When it comes to being dexterous,
89
201000
2000
Когато става въпрос да бъдем сръчни,
03:38
it's not even clear what the algorithm is you have to solve to be dexterous.
90
203000
2000
дори не е ясен алгоритъма, който трябва да разрешите, за да бъдете сръчни.
03:40
And we'll see you have to both perceive and act on the world,
91
205000
2000
И ще видите, че трябва едновременно да възприемате и да действате,
03:42
which has a lot of problems.
92
207000
2000
което по себе си води много проблеми.
03:44
But let me show you cutting-edge robotics.
93
209000
2000
Но нека ви покажа най-новото поколение роботи.
03:46
Now a lot of robotics is very impressive,
94
211000
2000
Много от роботите са впечатляващи,
03:48
but manipulation robotics is really just in the dark ages.
95
213000
3000
но манипулиращите роботи са все още в зората си.
03:51
So this is the end of a Ph.D. project
96
216000
2000
Това е резултата от един докторат
03:53
from one of the best robotics institutes.
97
218000
2000
на един от най-добрите институти по роботика.
03:55
And the student has trained this robot
98
220000
2000
И студентът е научил робота
03:57
to pour this water into a glass.
99
222000
2000
да сипва вода в чаша.
03:59
It's a hard problem because the water sloshes about, but it can do it.
100
224000
3000
Това е сложен проблем, защото водата се разлива, но той се справя.
04:02
But it doesn't do it with anything like the agility of a human.
101
227000
3000
Но това няма нищо общо със сръчността на човека.
04:05
Now if you want this robot to do a different task,
102
230000
3000
Ако искате този робот да направи друга задача,
04:08
that's another three-year Ph.D. program.
103
233000
3000
ще трябва още една тригодишна докторантска програма.
04:11
There is no generalization at all
104
236000
2000
Няма обобщаване
04:13
from one task to another in robotics.
105
238000
2000
в роботиката на една задача с друга.
04:15
Now we can compare this
106
240000
2000
Може да сравним това
04:17
to cutting-edge human performance.
107
242000
2000
с най-доброто човешко изпълнение.
04:19
So what I'm going to show you is Emily Fox
108
244000
2000
Ще ви покажа Емили Фокс,
04:21
winning the world record for cup stacking.
109
246000
3000
световен шампион по нареждане на чаши.
04:24
Now the Americans in the audience will know all about cup stacking.
110
249000
2000
Американците в залата със сигурност знаят всичко за подреждането на чаши.
04:26
It's a high school sport
111
251000
2000
Това е училищен спорт,
04:28
where you have 12 cups you have to stack and unstack
112
253000
2000
в който 12 чаши трябва да бъдат подредени и преподредени
04:30
against the clock in a prescribed order.
113
255000
2000
за определно време в предварително избран ред.
04:32
And this is her getting the world record in real time.
114
257000
3000
И това е нейният рекорд в реално време.
04:39
(Laughter)
115
264000
8000
(Смях)
04:47
(Applause)
116
272000
5000
(Ръкопляскане)
04:52
And she's pretty happy.
117
277000
2000
И тя е много щастлива.
04:54
We have no idea what is going on inside her brain when she does that,
118
279000
2000
Нямаме представа какво се случва в нейния мозък докато прави това,
04:56
and that's what we'd like to know.
119
281000
2000
а това е, което бихме искали да знаем.
04:58
So in my group, what we try to do
120
283000
2000
В моята група, това което се опитваме да правим,
05:00
is reverse engineer how humans control movement.
121
285000
3000
е да разберем как хората контролират движенията
05:03
And it sounds like an easy problem.
122
288000
2000
Това звучи като лесен проблем.
05:05
You send a command down, it causes muscles to contract.
123
290000
2000
Изпращате команда надолу, тя кара мускулите да се свият.
05:07
Your arm or body moves,
124
292000
2000
Вашата ръка или тяло се движат,
05:09
and you get sensory feedback from vision, from skin, from muscles and so on.
125
294000
3000
и получавате обратно сетивна информация от зрението, кожата, мускулите и т.н.
05:12
The trouble is
126
297000
2000
Проблемът е,
05:14
these signals are not the beautiful signals you want them to be.
127
299000
2000
че тези сигнали не са красивите сигнали, които искате да бъдат.
05:16
So one thing that makes controlling movement difficult
128
301000
2000
Едно нещо, което прави контролирането на движенията трудно
05:18
is, for example, sensory feedback is extremely noisy.
129
303000
3000
е например това, че сетивната обратна връзка е много шумна.
05:21
Now by noise, I do not mean sound.
130
306000
3000
И под шум нямам предвид звука.
05:24
We use it in the engineering and neuroscience sense
131
309000
2000
Използваме израза в инжинерен и неврологичен смисъл,
05:26
meaning a random noise corrupting a signal.
132
311000
2000
което означава произволен шум, който нарушава сигнала.
05:28
So the old days before digital radio when you were tuning in your radio
133
313000
3000
В миналото преди дигиталното радио, когато настройвахте радиото
05:31
and you heard "crrcckkk" on the station you wanted to hear,
134
316000
2000
и чуехте "шхшхшхшхш" от станцията, която искате да слушате,
05:33
that was the noise.
135
318000
2000
това беше шума.
05:35
But more generally, this noise is something that corrupts the signal.
136
320000
3000
Но общо казано, този шум е нещо, което заглушава сигнала.
05:38
So for example, if you put your hand under a table
137
323000
2000
Например, ако сложите едната си ръка под масата
05:40
and try to localize it with your other hand,
138
325000
2000
и с другата се опитате да я намерите,
05:42
you can be off by several centimeters
139
327000
2000
можете да сте на сантиметри разлика,
05:44
due to the noise in sensory feedback.
140
329000
2000
заради шума от подаваната обратно сетивна информация.
05:46
Similarly, when you put motor output on movement output,
141
331000
2000
Подобно е когато полезната мощност на двигателя се предава в движение,
05:48
it's extremely noisy.
142
333000
2000
невероятно шумно е.
05:50
Forget about trying to hit the bull's eye in darts,
143
335000
2000
Забравете да се опитате да уцелите центъра на дартс таблото,
05:52
just aim for the same spot over and over again.
144
337000
2000
просто се целете в една и съща точка отново и отново.
05:54
You have a huge spread due to movement variability.
145
339000
3000
Ще имате широк обхват заради променливостта на движението.
05:57
And more than that, the outside world, or task,
146
342000
2000
Още по темата -- външният свят, или задача,
05:59
is both ambiguous and variable.
147
344000
2000
е едновременно неясен и променлив.
06:01
The teapot could be full, it could be empty.
148
346000
2000
Чайникът може да е пълен, но може и да е празен.
06:03
It changes over time.
149
348000
2000
Променя се във времето.
06:05
So we work in a whole sensory movement task soup of noise.
150
350000
4000
И така, ние работим в едно голямо поле от усещания, пълно с шум.
06:09
Now this noise is so great
151
354000
2000
Този шум е толкова силен,
06:11
that society places a huge premium
152
356000
2000
че обществото дава големи предимства
06:13
on those of us who can reduce the consequences of noise.
153
358000
3000
на тези от нас, които могат да намалят последствията от него.
06:16
So if you're lucky enough to be able to knock a small white ball
154
361000
3000
Така че ако имате достатъчно късмет да изпратите малка бяла топка
06:19
into a hole several hundred yards away using a long metal stick,
155
364000
3000
в дупка на няколкостотин метра, използвайки метална пръчка,
06:22
our society will be willing to reward you
156
367000
2000
нашето общество е готово да ви възнагради
06:24
with hundreds of millions of dollars.
157
369000
3000
със стотици милиони долари.
06:27
Now what I want to convince you of
158
372000
2000
Това, в което искам да ви убедя е,
06:29
is the brain also goes through a lot of effort
159
374000
2000
че мозъкът прави много опити
06:31
to reduce the negative consequences
160
376000
2000
да намали негативните последствия
06:33
of this sort of noise and variability.
161
378000
2000
на този тип шум и променливост.
06:35
And to do that, I'm going to tell you about a framework
162
380000
2000
И затова, ще ви разкажа за една теория,
06:37
which is very popular in statistics and machine learning of the last 50 years
163
382000
3000
която е много популярна в статистиката и роботиката през последните 50 години,
06:40
called Bayesian decision theory.
164
385000
2000
наречена Теория за вземане на решения на Бейс.
06:42
And it's more recently a unifying way
165
387000
3000
Това е по-скоро уеднаквяваща теория
06:45
to think about how the brain deals with uncertainty.
166
390000
3000
за това как мозъкът се справя с несигурността.
06:48
And the fundamental idea is you want to make inferences and then take actions.
167
393000
3000
Основополагащата идея е, че бихте искали първо да направите заключения и тогава да действате.
06:51
So let's think about the inference.
168
396000
2000
Нека помислим за умозаключенията.
06:53
You want to generate beliefs about the world.
169
398000
2000
Вие искате да имате определени вярвания за света.
06:55
So what are beliefs?
170
400000
2000
Какво са вярванията?
06:57
Beliefs could be: where are my arms in space?
171
402000
2000
Те могат да бъдат: Къде в пространството са ръцете ми?
06:59
Am I looking at a cat or a fox?
172
404000
2000
Котка ли виждам или лисица?
07:01
But we're going to represent beliefs with probabilities.
173
406000
3000
Сега ще ви представим вярвания с вероятности.
07:04
So we're going to represent a belief
174
409000
2000
Ще ви представим вярване
07:06
with a number between zero and one --
175
411000
2000
с число между 0 и 1 --
07:08
zero meaning I don't believe it at all, one means I'm absolutely certain.
176
413000
3000
0 означава "не вярвам изобщо," 1 означава "абсолютно сигурен."
07:11
And numbers in between give you the gray levels of uncertainty.
177
416000
3000
И числата между тях ви дават стойности на несигурност.
07:14
And the key idea to Bayesian inference
178
419000
2000
Основната идея в теорията на Бейс е,
07:16
is you have two sources of information
179
421000
2000
че имате два източника на информация,
07:18
from which to make your inference.
180
423000
2000
от които да направите своето заключение.
07:20
You have data,
181
425000
2000
Имате информация,
07:22
and data in neuroscience is sensory input.
182
427000
2000
а това в невронауката са сетивните възприятия.
07:24
So I have sensory input, which I can take in to make beliefs.
183
429000
3000
И така, аз имам сетивно възприятие, което може да доведе до вярване.
07:27
But there's another source of information, and that's effectively prior knowledge.
184
432000
3000
Но има и друг източник на информация и това са ефективни предварителни познания.
07:30
You accumulate knowledge throughout your life in memories.
185
435000
3000
Вие събирате знания през целия си живот чрез спомените.
07:33
And the point about Bayesian decision theory
186
438000
2000
И важното в тази теория е,
07:35
is it gives you the mathematics
187
440000
2000
че тя ви дава решението
07:37
of the optimal way to combine
188
442000
2000
за най-доброто комбиниране
07:39
your prior knowledge with your sensory evidence
189
444000
2000
на вашите предварителни знания с вашите сетивни доказателства,
07:41
to generate new beliefs.
190
446000
2000
което генерира нови вярвания.
07:43
And I've put the formula up there.
191
448000
2000
Ще ви покажа формулата тук.
07:45
I'm not going to explain what that formula is, but it's very beautiful.
192
450000
2000
Няма да ви обяснявам какво представлява, но пък е много красива.
07:47
And it has real beauty and real explanatory power.
193
452000
3000
Има истинска красота и истинска обясняваща сила.
07:50
And what it really says, and what you want to estimate,
194
455000
2000
И това, което казва наистина, и което искате да определите,
07:52
is the probability of different beliefs
195
457000
2000
е вероятността на различните вярвания,
07:54
given your sensory input.
196
459000
2000
като резултат от вашите сетивни възприятия.
07:56
So let me give you an intuitive example.
197
461000
2000
Нека ви дам интуитивен пример.
07:58
Imagine you're learning to play tennis
198
463000
3000
Представете си, че се учите да играете тенис
08:01
and you want to decide where the ball is going to bounce
199
466000
2000
и трябва да решите накъде ще отскочи топката,
08:03
as it comes over the net towards you.
200
468000
2000
докато се връща през мрежата към вас.
08:05
There are two sources of information
201
470000
2000
Има два източника на информация
08:07
Bayes' rule tells you.
202
472000
2000
според теорията на Бейс.
08:09
There's sensory evidence -- you can use visual information auditory information,
203
474000
3000
Имате доказателство от сетивата -- визуално и слухово,
08:12
and that might tell you it's going to land in that red spot.
204
477000
3000
и това може да ви каже, че топката ще падне в тази червена точка.
08:15
But you know that your senses are not perfect,
205
480000
3000
Но знаете, че сетивата ви не са идеални,
08:18
and therefore there's some variability of where it's going to land
206
483000
2000
и затова има някаква вероятност за това къде да се приземи,
08:20
shown by that cloud of red,
207
485000
2000
показано от този червен облак,
08:22
representing numbers between 0.5 and maybe 0.1.
208
487000
3000
представящ числа между 0,5 и може би 0,1.
08:26
That information is available in the current shot,
209
491000
2000
Тази информация е налична в настоящия удар,
08:28
but there's another source of information
210
493000
2000
но има и друг източник на информация,
08:30
not available on the current shot,
211
495000
2000
който не е застъпен тук,
08:32
but only available by repeated experience in the game of tennis,
212
497000
3000
но е наличен чрез повтарящи се опити в тенис игрите,
08:35
and that's that the ball doesn't bounce
213
500000
2000
и това е, че топката не отскача
08:37
with equal probability over the court during the match.
214
502000
2000
над мрежата с еднаква вероятност по време на мача.
08:39
If you're playing against a very good opponent,
215
504000
2000
Ако играете срещу много добър съперник,
08:41
they may distribute it in that green area,
216
506000
2000
той може да я изпраща в това зелено поле,
08:43
which is the prior distribution,
217
508000
2000
което е предварителното разпределение,
08:45
making it hard for you to return.
218
510000
2000
правейки я трудна да я върнете обратно.
08:47
Now both these sources of information carry important information.
219
512000
2000
И двата източника носят важна имформация.
08:49
And what Bayes' rule says
220
514000
2000
Това, което казва правилото на Бейс е,
08:51
is that I should multiply the numbers on the red by the numbers on the green
221
516000
3000
че трябва да умножа числата от червената част по числата от зелената,
08:54
to get the numbers of the yellow, which have the ellipses,
222
519000
3000
за да получа числата от жълтата, които са в тези елипси,
08:57
and that's my belief.
223
522000
2000
и това е, в което вярвам аз.
08:59
So it's the optimal way of combining information.
224
524000
3000
Това а най-добрия начин за обединяване на информация.
09:02
Now I wouldn't tell you all this if it wasn't that a few years ago,
225
527000
2000
Не бих ви разказал за това, ако не бяхме показали преди няколко години,
09:04
we showed this is exactly what people do
226
529000
2000
че точно това правят хората,
09:06
when they learn new movement skills.
227
531000
2000
когато придобиват нови двигателни умения.
09:08
And what it means
228
533000
2000
Това означава,
09:10
is we really are Bayesian inference machines.
229
535000
2000
че ние наистина сме машини за заключения на Бейс.
09:12
As we go around, we learn about statistics of the world and lay that down,
230
537000
4000
Докато работим над това, научаваме за световни статистики,
09:16
but we also learn
231
541000
2000
но и научаваме
09:18
about how noisy our own sensory apparatus is,
232
543000
2000
колко "шум" произвежда нашият сенситивен апарат,
09:20
and then combine those
233
545000
2000
и после комбинираме двете
09:22
in a real Bayesian way.
234
547000
2000
по един истински метод на Бейс.
09:24
Now a key part to the Bayesian is this part of the formula.
235
549000
3000
Ключов момент в тази теория е тази част от формулата.
09:27
And what this part really says
236
552000
2000
А това, което тя показва е,
09:29
is I have to predict the probability
237
554000
2000
че трябва да предвидя вероятността
09:31
of different sensory feedbacks
238
556000
2000
на различна информация обратно до моите сетива,
09:33
given my beliefs.
239
558000
2000
имайки предвид моите вярвания.
09:35
So that really means I have to make predictions of the future.
240
560000
3000
Това всъщност означава, че трябва да правя прогнози за бъдещето.
09:38
And I want to convince you the brain does make predictions
241
563000
2000
Искам да ви убедя, че мозъкът прави прогнози,
09:40
of the sensory feedback it's going to get.
242
565000
2000
за информацията, която ще получи от нашите сетива.
09:42
And moreover, it profoundly changes your perceptions
243
567000
2000
И още повече, това дълбоко променя вашите възприятия,
09:44
by what you do.
244
569000
2000
чрез това, което правите.
09:46
And to do that, I'll tell you
245
571000
2000
И за да ви убедя, ще ви разкажа
09:48
about how the brain deals with sensory input.
246
573000
2000
как мозъкът се справя със сетивните възприятия.
09:50
So you send a command out,
247
575000
3000
И така вие изпращате команда,
09:53
you get sensory feedback back,
248
578000
2000
получавате обратно информация,
09:55
and that transformation is governed
249
580000
2000
и тази трансформация се управлява
09:57
by the physics of your body and your sensory apparatus.
250
582000
3000
от физиката на тялото ви и от сетивната ви система.
10:00
But you can imagine looking inside the brain.
251
585000
2000
Но си представете какво има в мозъка.
10:02
And here's inside the brain.
252
587000
2000
Тук виждате какво има там.
10:04
You might have a little predictor, a neural simulator,
253
589000
2000
Може би имате един малък пророк, нервен стимулатор
10:06
of the physics of your body and your senses.
254
591000
2000
на физиката ви и на вашите сетива.
10:08
So as you send a movement command down,
255
593000
2000
Когато изпратите команда за движение надолу,
10:10
you tap a copy of that off
256
595000
2000
правите копие на това
10:12
and run it into your neural simulator
257
597000
2000
и ги изпращате по вашия нервен симулатор,
10:14
to anticipate the sensory consequences of your actions.
258
599000
4000
за да предвидите сетивните последици от вашите действия.
10:18
So as I shake this ketchup bottle,
259
603000
2000
И когато разклатя тази бутилка кетчуп,
10:20
I get some true sensory feedback as the function of time in the bottom row.
260
605000
3000
получавам истинска сетивна информация като функцията от времето най-отдолу.
10:23
And if I've got a good predictor, it predicts the same thing.
261
608000
3000
И ако имам добър пророк, той предсказва същото.
10:26
Well why would I bother doing that?
262
611000
2000
За какво ми е да правя това?
10:28
I'm going to get the same feedback anyway.
263
613000
2000
Аз ще получа същата информация така или иначе.
10:30
Well there's good reasons.
264
615000
2000
Има добри причини за това.
10:32
Imagine, as I shake the ketchup bottle,
265
617000
2000
Представете си, че докато разклащам бутилката с кетчуп,
10:34
someone very kindly comes up to me and taps it on the back for me.
266
619000
3000
някой идва близо до мен и ме потупва по гърба.
10:37
Now I get an extra source of sensory information
267
622000
2000
Така получавам допълнителен източник на сетивна информация,
10:39
due to that external act.
268
624000
2000
благодарение на тази външна намеса.
10:41
So I get two sources.
269
626000
2000
И така имам два източника.
10:43
I get you tapping on it, and I get me shaking it,
270
628000
3000
Имам потупването, както и разклащането,
10:46
but from my senses' point of view,
271
631000
2000
но от гледна точка на моите сетива,
10:48
that is combined together into one source of information.
272
633000
3000
това е комбинирано в един източник на информация.
10:51
Now there's good reason to believe
273
636000
2000
Има добра причина да вярвам,
10:53
that you would want to be able to distinguish external events from internal events.
274
638000
3000
че бихте искали да различавате вътрешните от външните събития.
10:56
Because external events are actually much more behaviorally relevant
275
641000
3000
Защото външните случки са свързани с поведението много повече,
10:59
than feeling everything that's going on inside my body.
276
644000
3000
отколкото усещането за това, което се случва с тялото ми.
11:02
So one way to reconstruct that
277
647000
2000
Един начин да възстановя това
11:04
is to compare the prediction --
278
649000
2000
е да сравня предсказанието,
11:06
which is only based on your movement commands --
279
651000
2000
което е подчинено единствено на двигателните команди,
11:08
with the reality.
280
653000
2000
с реалността.
11:10
Any discrepancy should hopefully be external.
281
655000
3000
Всяко несъответствие би трябвало да идва отвън.
11:13
So as I go around the world,
282
658000
2000
И докато обикалям из света,
11:15
I'm making predictions of what I should get, subtracting them off.
283
660000
3000
аз правя предсказания какво ще получа, вадейки тези части.
11:18
Everything left over is external to me.
284
663000
2000
Това, което остава, е външно за мен.
11:20
What evidence is there for this?
285
665000
2000
Какво е доказателството за това?
11:22
Well there's one very clear example
286
667000
2000
Има един много ясен пример
11:24
where a sensation generated by myself feels very different
287
669000
2000
за това как усещане, породено от мен се чувства различно
11:26
then if generated by another person.
288
671000
2000
от това, породено от друг човек.
11:28
And so we decided the most obvious place to start
289
673000
2000
И така ние решихме, че най-очевидното място, от което да започнем,
11:30
was with tickling.
290
675000
2000
е гъделичкането.
11:32
It's been known for a long time, you can't tickle yourself
291
677000
2000
Отдавна се знае, че не можете да се гъделичкате
11:34
as well as other people can.
292
679000
2000
по начина, по който другите хора могат да го правят.
11:36
But it hasn't really been shown, it's because you have a neural simulator,
293
681000
3000
Но не е било показвано, че това е защото имате нервен стимулатор,
11:39
simulating your own body
294
684000
2000
симулиращ вашето тяло
11:41
and subtracting off that sense.
295
686000
2000
и премахващ това усещане.
11:43
So we can bring the experiments of the 21st century
296
688000
3000
И така, ние въвеждаме този експеримент в 21 век
11:46
by applying robotic technologies to this problem.
297
691000
3000
като прилагаме роботизирани технологии към този проблем.
11:49
And in effect, what we have is some sort of stick in one hand attached to a robot,
298
694000
3000
Като резултат, това което имаме е пръчка в едната ръка, закачена за робот,
11:52
and they're going to move that back and forward.
299
697000
2000
и тя е движена напред и назад.
11:54
And then we're going to track that with a computer
300
699000
2000
И после ние проследяваме това с компютър,
11:56
and use it to control another robot,
301
701000
2000
и го използваме за да контролираме друг робот,
11:58
which is going to tickle their palm with another stick.
302
703000
2000
който гъделичка техните длани с друга пръчка.
12:00
And then we're going to ask them to rate a bunch of things
303
705000
2000
И после ги молим да оценят куп неща,
12:02
including ticklishness.
304
707000
2000
включително гъдела.
12:04
I'll show you just one part of our study.
305
709000
2000
Ще ви покажа само една част от нашето проучване.
12:06
And here I've taken away the robots,
306
711000
2000
И тук съм премахнал роботите,
12:08
but basically people move with their right arm sinusoidally back and forward.
307
713000
3000
но хора движат техните десни ръце по синусоида -- назад и напред.
12:11
And we replay that to the other hand with a time delay.
308
716000
3000
И после повтаряме това на другата ръка със забавяне.
12:14
Either no time delay,
309
719000
2000
Или няма забавяне,
12:16
in which case light would just tickle your palm,
310
721000
2000
като в този случай светлина ще гъделичка дланта ви,
12:18
or with a time delay of two-tenths of three-tenths of a second.
311
723000
4000
или ще има забавяне от две или три десети от секундата.
12:22
So the important point here
312
727000
2000
Важното тук е,
12:24
is the right hand always does the same things -- sinusoidal movement.
313
729000
3000
че дясната ръка винаги прави същото нещо -- синусоидално движение.
12:27
The left hand always is the same and puts sinusoidal tickle.
314
732000
3000
Лявата ръка винаги си остава същата, и прави синусоидално гъделичкане.
12:30
All we're playing with is a tempo causality.
315
735000
2000
Това, с което си играем е темпото на причинно-следствената връзка.
12:32
And as we go from naught to 0.1 second,
316
737000
2000
И докато преминаваме от нула към 0,1 секунди,
12:34
it becomes more ticklish.
317
739000
2000
гъделичкането става по-силно.
12:36
As you go from 0.1 to 0.2,
318
741000
2000
Преминавайки от 0,1 към 0,2,
12:38
it becomes more ticklish at the end.
319
743000
2000
става по-силно към края.
12:40
And by 0.2 of a second,
320
745000
2000
И при 0,2 секунди,
12:42
it's equivalently ticklish
321
747000
2000
гъделът е равен на този,
12:44
to the robot that just tickled you without you doing anything.
322
749000
2000
при който роботът ви гъделичка без вие да правите нещо.
12:46
So whatever is responsible for this cancellation
323
751000
2000
Без значение коя част е отговорна за това анулиране,
12:48
is extremely tightly coupled with tempo causality.
324
753000
3000
то е силно свързано с темпото на причинно-следствените връзки.
12:51
And based on this illustration, we really convinced ourselves in the field
325
756000
3000
И въз основа на тази илюстрация, ние се убедихме,
12:54
that the brain's making precise predictions
326
759000
2000
че мозъкът прави точни предсказания
12:56
and subtracting them off from the sensations.
327
761000
3000
и ги вади от другите усещания.
12:59
Now I have to admit, these are the worst studies my lab has ever run.
328
764000
3000
Трябва да призная, че това са най-лошите проучвания, които моята лаборатория е правила някога.
13:02
Because the tickle sensation on the palm comes and goes,
329
767000
2000
Защото гъделичкащото усещане в дланта идва и си отива,
13:04
you need large numbers of subjects
330
769000
2000
имате нужда от голям брой субекти,
13:06
with these stars making them significant.
331
771000
2000
като тези звезди ги правят значителни.
13:08
So we were looking for a much more objective way
332
773000
2000
Затова търсихме много по-обективен начин
13:10
to assess this phenomena.
333
775000
2000
да оценим този феномен.
13:12
And in the intervening years I had two daughters.
334
777000
2000
И през тези години аз се сдобих с две дъщери.
13:14
And one thing you notice about children in backseats of cars on long journeys,
335
779000
3000
И това, което забелязвате при децата, когато стоят
13:17
they get into fights --
336
782000
2000
на задните седалки в колите при дълги пътувания, те се сбиват,
13:19
which started with one of them doing something to the other, the other retaliating.
337
784000
3000
което започва като едната прави нещо на другата, и другата й отвръща.
13:22
It quickly escalates.
338
787000
2000
Нещата бързо ескалират.
13:24
And children tend to get into fights which escalate in terms of force.
339
789000
3000
Децата лесно започват да се бият, което ескалира по отношение на сила.
13:27
Now when I screamed at my children to stop,
340
792000
2000
Когато се разкрещя на моите деца да спрат,
13:29
sometimes they would both say to me
341
794000
2000
понякога и двете ми казват,
13:31
the other person hit them harder.
342
796000
3000
че другата е ударила по-силно.
13:34
Now I happen to know my children don't lie,
343
799000
2000
Знам, че моите деца не лъжат,
13:36
so I thought, as a neuroscientist,
344
801000
2000
затова си помислих, като невролог,
13:38
it was important how I could explain
345
803000
2000
че е важно как бих могъл да обясня
13:40
how they were telling inconsistent truths.
346
805000
2000
как те казват несъвместими истини.
13:42
And we hypothesize based on the tickling study
347
807000
2000
И на базата на проучването за гъдела имахме хипотеза,
13:44
that when one child hits another,
348
809000
2000
че когато едното дете удря другото,
13:46
they generate the movement command.
349
811000
2000
те генерират двигателна команда.
13:48
They predict the sensory consequences and subtract it off.
350
813000
3000
Те предвиждат сетивните последствия и я изваждат от общото.
13:51
So they actually think they've hit the person less hard than they have --
351
816000
2000
И така смятат, че са ударили другия човек по-леко, отколкото в действителност са,
13:53
rather like the tickling.
352
818000
2000
точно както при гъделичкането.
13:55
Whereas the passive recipient
353
820000
2000
От друга страна пасивният приемател
13:57
doesn't make the prediction, feels the full blow.
354
822000
2000
не прави това предсказание и усеща целия удар.
13:59
So if they retaliate with the same force,
355
824000
2000
И ако отвърне със същата сила,
14:01
the first person will think it's been escalated.
356
826000
2000
първият човек ще си помисли, че ударът е бил по-силен.
14:03
So we decided to test this in the lab.
357
828000
2000
Решихме да проверим това в лабораторията.
14:05
(Laughter)
358
830000
3000
(Смях)
14:08
Now we don't work with children, we don't work with hitting,
359
833000
2000
Не работим с деца и не работим с удряне,
14:10
but the concept is identical.
360
835000
2000
но идеята е подобна.
14:12
We bring in two adults. We tell them they're going to play a game.
361
837000
3000
Довеждаме двама възрастни. Казваме им, че ще играят игра.
14:15
And so here's player one and player two sitting opposite to each other.
362
840000
2000
И така имаме двама играчи, седящи един срещу друг.
14:17
And the game is very simple.
363
842000
2000
Играта е много проста.
14:19
We started with a motor
364
844000
2000
Стартираме с двигател
14:21
with a little lever, a little force transfuser.
365
846000
2000
с малък лост, слаб силов преобразувател.
14:23
And we use this motor to apply force down to player one's fingers
366
848000
2000
Използваме този двигател, за да приложим сила върху пръста на единия играч
14:25
for three seconds and then it stops.
367
850000
3000
за три секунди и после спира.
14:28
And that player's been told, remember the experience of that force
368
853000
3000
И на този играч е казано: помни силата на натиск
14:31
and use your other finger
369
856000
2000
и използвай другия си пръст,
14:33
to apply the same force
370
858000
2000
за да приложиш същата сила
14:35
down to the other subject's finger through a force transfuser -- and they do that.
371
860000
3000
върху пръста на другия играч чрез сила -- и те го правят.
14:38
And player two's been told, remember the experience of that force.
372
863000
3000
На втория играч е казано, да помни силата на това усещане.
14:41
Use your other hand to apply the force back down.
373
866000
3000
И да използва другата си ръка за да отвърне със същото.
14:44
And so they take it in turns
374
869000
2000
И така, те се редуват
14:46
to apply the force they've just experienced back and forward.
375
871000
2000
да прилагат силата, която са изпитали един върху друг.
14:48
But critically,
376
873000
2000
Но критичното тук е,
14:50
they're briefed about the rules of the game in separate rooms.
377
875000
3000
че те са обучени накратко в правилата на играта в отделни стаи.
14:53
So they don't know the rules the other person's playing by.
378
878000
2000
Така че те не знаят правилата, по които играе другия играч.
14:55
And what we've measured
379
880000
2000
И това, което измерихме
14:57
is the force as a function of terms.
380
882000
2000
е силата като функция на опита.
14:59
And if we look at what we start with,
381
884000
2000
И ако погледнем с какво сме започнали,
15:01
a quarter of a Newton there, a number of turns,
382
886000
2000
четвърт нютон, след няколко опита,
15:03
perfect would be that red line.
383
888000
2000
идеална ще е тази червена линия.
15:05
And what we see in all pairs of subjects is this --
384
890000
3000
И това, което видяхме при всички двойки е това --
15:08
a 70 percent escalation in force
385
893000
2000
70 процента увеличение на силата
15:10
on each go.
386
895000
2000
при всеки опит.
15:12
So it really suggests, when you're doing this --
387
897000
2000
Така че това наистина подсказва, че когато правите това --
15:14
based on this study and others we've done --
388
899000
2000
въз основа на това проучване и други, които сме направили --
15:16
that the brain is canceling the sensory consequences
389
901000
2000
че мозъкът анулира сетивните последици
15:18
and underestimating the force it's producing.
390
903000
2000
и подценява силата, която се произвежда.
15:20
So it re-shows the brain makes predictions
391
905000
2000
Така че това показва отново, че мозъкът прави предсказания
15:22
and fundamentally changes the precepts.
392
907000
3000
и фундаментално променя схващанията.
15:25
So we've made inferences, we've done predictions,
393
910000
3000
Така че ние направихме изводи, направихме предсказания,
15:28
now we have to generate actions.
394
913000
2000
сега трябва да генерираме действия.
15:30
And what Bayes' rule says is, given my beliefs,
395
915000
2000
И това, което казва законът на Бейс, като се имат предвид моите убеждения,
15:32
the action should in some sense be optimal.
396
917000
2000
че действието в известен смисъл трябва да бъде оптимално.
15:34
But we've got a problem.
397
919000
2000
Но имаме проблем.
15:36
Tasks are symbolic -- I want to drink, I want to dance --
398
921000
3000
Задачите са символични -- искам да пия, искам да танцувам --
15:39
but the movement system has to contract 600 muscles
399
924000
2000
но двигателната система трябва да свие 600 мускули
15:41
in a particular sequence.
400
926000
2000
в определена последователност.
15:43
And there's a big gap
401
928000
2000
И има голяма разлика
15:45
between the task and the movement system.
402
930000
2000
между задачата и двигателната система.
15:47
So it could be bridged in infinitely many different ways.
403
932000
2000
Може да се свърже по безкрайно много различни начини.
15:49
So think about just a point to point movement.
404
934000
2000
Мислете си само за движението от точка до точка.
15:51
I could choose these two paths
405
936000
2000
Мога да избера тези два пътя
15:53
out of an infinite number of paths.
406
938000
2000
от безброй много пътища.
15:55
Having chosen a particular path,
407
940000
2000
След като съм избрал определен път,
15:57
I can hold my hand on that path
408
942000
2000
мога да държа ръката си по този път
15:59
as infinitely many different joint configurations.
409
944000
2000
по безкрайно много различни ставни конфигурации.
16:01
And I can hold my arm in a particular joint configuration
410
946000
2000
И мога да държа ръката си в определена ставна конфигурация
16:03
either very stiff or very relaxed.
411
948000
2000
или много стегнато или много отпуснато.
16:05
So I have a huge amount of choice to make.
412
950000
3000
Така че имам огромно количество от избори.
16:08
Now it turns out, we are extremely stereotypical.
413
953000
3000
Оказва се, че сме изключително стереотипни.
16:11
We all move the same way pretty much.
414
956000
3000
Ние всички се движим по еднакъв начин до голяма степен.
16:14
And so it turns out we're so stereotypical,
415
959000
2000
И се оказва, че сме толкова стереотипни,
16:16
our brains have got dedicated neural circuitry
416
961000
2000
че мозъците ни имат посветена невронна мрежа,
16:18
to decode this stereotyping.
417
963000
2000
за декодиране на такива стереотипи.
16:20
So if I take some dots
418
965000
2000
Така че, ако взема някои точки
16:22
and set them in motion with biological motion,
419
967000
3000
и ги поставя в движение посредством биологично движение,
16:25
your brain's circuitry would understand instantly what's going on.
420
970000
3000
мрежите на мозъка ви ще разберат веднага какво се случва.
16:28
Now this is a bunch of dots moving.
421
973000
2000
Това са куп от движещи се точки.
16:30
You will know what this person is doing,
422
975000
3000
Ще разберете какво прави този човек,
16:33
whether happy, sad, old, young -- a huge amount of information.
423
978000
3000
дали е щастлив, тъжен, стар, млад -- огромно количество информация.
16:36
If these dots were cars going on a racing circuit,
424
981000
2000
Ако тези точки бяха коли на състезателна писта,
16:38
you would have absolutely no idea what's going on.
425
983000
3000
нямаше да имате абсолютно никаква представа какво се случва.
16:41
So why is it
426
986000
2000
И така, защо
16:43
that we move the particular ways we do?
427
988000
2000
се движим по начина, по който го правим?
16:45
Well let's think about what really happens.
428
990000
2000
Ами нека да помислим за това какво наистина се случва.
16:47
Maybe we don't all quite move the same way.
429
992000
3000
Може би всички ние не се движим по същия начин.
16:50
Maybe there's variation in the population.
430
995000
2000
Вероятно има различия в населението.
16:52
And maybe those who move better than others
431
997000
2000
И може би тези, които се движат по-добре от другите
16:54
have got more chance of getting their children into the next generation.
432
999000
2000
имат по-голям шанс да отведат децата си в следващото поколение.
16:56
So in evolutionary scales, movements get better.
433
1001000
3000
Така че в еволюционни мащаби, движенията се подобряват.
16:59
And perhaps in life, movements get better through learning.
434
1004000
3000
И може би в живота, движенията стават по-добри чрез учене.
17:02
So what is it about a movement which is good or bad?
435
1007000
2000
Така че какво при движението е добро или лошо?
17:04
Imagine I want to intercept this ball.
436
1009000
2000
Представете си, че искам да засека тази топка.
17:06
Here are two possible paths to that ball.
437
1011000
3000
Ето два възможни пътя към тази топка.
17:09
Well if I choose the left-hand path,
438
1014000
2000
Ако избера левият път,
17:11
I can work out the forces required
439
1016000
2000
мога да разбера необходимите сили
17:13
in one of my muscles as a function of time.
440
1018000
2000
в един от мускулите ми като функция на времето.
17:15
But there's noise added to this.
441
1020000
2000
Но има и добавен шум към това.
17:17
So what I actually get, based on this lovely, smooth, desired force,
442
1022000
3000
Така че това, което получавам в действителност, на базата на тази прекрасна, гладка, желана сила,
17:20
is a very noisy version.
443
1025000
2000
е много шумна версия.
17:22
So if I pick the same command through many times,
444
1027000
3000
Така че, ако избера същата команда много пъти,
17:25
I will get a different noisy version each time, because noise changes each time.
445
1030000
3000
ще получа различна шумна версия всеки път, защото шума се променя всеки път.
17:28
So what I can show you here
446
1033000
2000
Така че това, което мога да ви покажа тук
17:30
is how the variability of the movement will evolve
447
1035000
2000
е как ще се развива променливостта на движението,
17:32
if I choose that way.
448
1037000
2000
ако избера този път.
17:34
If I choose a different way of moving -- on the right for example --
449
1039000
3000
Ако избера друг начин на придвижване, надясно например,
17:37
then I'll have a different command, different noise,
450
1042000
2000
тогава ще има различна команда, различен шум,
17:39
playing through a noisy system, very complicated.
451
1044000
3000
играейки чрез една шумна система, много сложно.
17:42
All we can be sure of is the variability will be different.
452
1047000
3000
Всичко, което можем да бъдем сигурни е, че променливостта ще бъде различна.
17:45
If I move in this particular way,
453
1050000
2000
Ако се движа по този конкретен начин,
17:47
I end up with a smaller variability across many movements.
454
1052000
3000
ще се окажа с по-малки колебания при повече движения.
17:50
So if I have to choose between those two,
455
1055000
2000
Така че, ако трябваше да избирам между тези два пътя,
17:52
I would choose the right one because it's less variable.
456
1057000
2000
щях да избера десния, понеже той е по-малко променлив.
17:54
And the fundamental idea
457
1059000
2000
И основната идея е,
17:56
is you want to plan your movements
458
1061000
2000
че искате да планирате вашите движения,
17:58
so as to minimize the negative consequence of the noise.
459
1063000
3000
така че да сведете до минимум отрицателното последствие от шума.
18:01
And one intuition to get
460
1066000
2000
И интуиция, която може да получите е,
18:03
is actually the amount of noise or variability I show here
461
1068000
2000
че всъщност размера на шума или променливостта, която показвам тук,
18:05
gets bigger as the force gets bigger.
462
1070000
2000
се увеличава, когато силата се увеличава.
18:07
So you want to avoid big forces as one principle.
463
1072000
3000
Така че е желателно да избягвате големите сили по принцип.
18:10
So we've shown that using this,
464
1075000
2000
Така че ние показахме, че използвайки това,
18:12
we can explain a huge amount of data --
465
1077000
2000
можем да обясним огромно количество данни --
18:14
that exactly people are going about their lives planning movements
466
1079000
3000
че точно хората прекарват живота си, планирайки движения,
18:17
so as to minimize negative consequences of noise.
467
1082000
3000
така че да сведат до минимум негативните последици от шума.
18:20
So I hope I've convinced you the brain is there
468
1085000
2000
Надявам се, че ви убедих, че мозъка съществува
18:22
and evolved to control movement.
469
1087000
2000
и се развива, за да контролира движението.
18:24
And it's an intellectual challenge to understand how we do that.
470
1089000
3000
И е интелектуално предизвикателство да разберем как правим това.
18:27
But it's also relevant
471
1092000
2000
Но това е също от значение
18:29
for disease and rehabilitation.
472
1094000
2000
за болестите и рехабилитацията.
18:31
There are many diseases which effect movement.
473
1096000
3000
Има много заболявания, които въздействат на движението.
18:34
And hopefully if we understand how we control movement,
474
1099000
2000
И се надявам, че ако разберем как можем да контролираме движението,
18:36
we can apply that to robotic technology.
475
1101000
2000
ще можем да приложим това в роботиката.
18:38
And finally, I want to remind you,
476
1103000
2000
И накрая, искам да ви напомня,
18:40
when you see animals do what look like very simple tasks,
477
1105000
2000
че когато видите животни да извършват много прости задачи,
18:42
the actual complexity of what is going on inside their brain
478
1107000
2000
действителната сложност на това, което се случва вътре в мозъците им
18:44
is really quite dramatic.
479
1109000
2000
е наистина доста драматична.
18:46
Thank you very much.
480
1111000
2000
Много ви благодаря.
18:48
(Applause)
481
1113000
8000
(Ръкопляскане)
18:56
Chris Anderson: Quick question for you, Dan.
482
1121000
2000
Крис Андерсън: Бърз въпрос към теб, Дан.
18:58
So you're a movement -- (DW: Chauvinist.) -- chauvinist.
483
1123000
4000
Значи твоето движение -- (ДУ: Шовинистично) -- шовинистично.
19:02
Does that mean that you think that the other things we think our brains are about --
484
1127000
3000
Означава ли това, че смяташ, че другите неща, за които смятаме, че служат мозъците ни --
19:05
the dreaming, the yearning, the falling in love and all these things --
485
1130000
3000
като мечтаене, копнеене, влюбване и всички тези неща --
19:08
are a kind of side show, an accident?
486
1133000
3000
дали са един вид странично явление, случайност?
19:11
DW: No, no, actually I think they're all important
487
1136000
2000
ДУ: Не, не, всъщност мисля, че всички те са важни
19:13
to drive the right movement behavior to get reproduction in the end.
488
1138000
3000
за задвижване на правилното двигателно поведение, за да достигнем до възпроизвеждане в края.
19:16
So I think people who study sensation or memory
489
1141000
3000
Затова мисля, че хората, които изучават усещането или паметта
19:19
without realizing why you're laying down memories of childhood.
490
1144000
2000
без да осъзнават защо имате спомени от детството.
19:21
The fact that we forget most of our childhood, for example,
491
1146000
3000
Фактът, че забравяме по-голямата част от нашето детство, например,
19:24
is probably fine, because it doesn't effect our movements later in life.
492
1149000
3000
вероятно е нормален, защото не влияе върху нашите движения по-късно в живота.
19:27
You only need to store things which are really going to effect movement.
493
1152000
3000
Трябва само да съхраняваме неща, които наистина ще повлияят на движението.
19:30
CA: So you think that people thinking about the brain, and consciousness generally,
494
1155000
3000
КА: Значи мислиш, че хората, които мислят за мозъка и съзнанието, като цяло,
19:33
could get real insight
495
1158000
2000
могат да получат реална представа
19:35
by saying, where does movement play in this game?
496
1160000
2000
като кажат, къде движението играе роля в тази игра?
19:37
DW: So people have found out for example
497
1162000
2000
ДУ: Хората са установили, например,
19:39
that studying vision in the absence of realizing why you have vision
498
1164000
2000
че изучаването на зрението при отсъствието на осъзнаване защо имате зрение
19:41
is a mistake.
499
1166000
2000
е грешка.
19:43
You have to study vision with the realization
500
1168000
2000
Трябва да изучавате зрението с осъзнаването
19:45
of how the movement system is going to use vision.
501
1170000
2000
как двигателната система ще използва зрението.
19:47
And it uses it very differently once you think about it that way.
502
1172000
2000
И тя го използва много по-различно, щом си мислите за него по този начин
19:49
CA: Well that was quite fascinating. Thank you very much indeed.
503
1174000
3000
КА: Ами това беше доста интересно. Много благодаря, наистина.
19:52
(Applause)
504
1177000
2000
(Ръкопляскане)
ABOUT THE SPEAKER
Daniel Wolpert - Movement expertA neuroscientist and engineer, Daniel Wolpert studies how the brain controls the body.
Why you should listen
Consider your hand. You use it to lift things, to balance yourself, to give and take, to sense the world. It has a range of interacting degrees of freedom, and it interacts with many different objects under a variety of environmental conditions. And for most of us, it all just works. At his lab in the Engineering department at Cambridge, Daniel Wolpert and his team are studying why, looking to understand the computations underlying the brain's sensorimotor control of the body.
As he says, "I believe that to understand movement is to understand the whole brain. And therefore it’s important to remember when you are studying memory, cognition, sensory processing, they’re there for a reason, and that reason is action.” Movement is the only way we have of interacting with the world, whether foraging for food or attracting a waiter's attention. Indeed, all communication, including speech, sign language, gestures and writing, is mediated via the motor system. Taking this viewpoint, and using computational and robotic techniques as well as virtual reality systems, Wolpert and his team research the purpose of the human brain and the way it determines future actions.
Daniel Wolpert | Speaker | TED.com