ABOUT THE SPEAKER
Sheila Nirenberg - Neuroscientist
Sheila Nirenberg studies how the brain encodes information -- possibly allowing us to decode it, and maybe develop prosthetic sensory devices.

Why you should listen

Sheila Nirenberg is a neuroscientist/professor at Weill Medical College of Cornell University, where she studies neural coding – that is, how the brain takes information from the outside world and encodes it in patterns of electrical activity. The idea is to be able to decode the activity, to look at a pattern of electrical pulses and know what an animal is seeing or thinking or feeling.  Recently, she’s been using this work to develop new kinds of prosthetic devices, particularly ones for treating blindness.


More profile about the speaker
Sheila Nirenberg | Speaker | TED.com
TEDMED 2011

Sheila Nirenberg: A prosthetic eye to treat blindness

Sheila Nirenberg: Eine Augenprothese gegen Blindheit

Filmed:
470,530 views

Bei TEDMED stellt Sheila Nirenberg eine bahnbrechende Methode vor, um Menschen mit bestimmten Arten von Blindheit ihr Augenlicht wiederzugeben: Der Sehnerv wird angezapft und empfängt Signale von einer Kamera, um sie direkt ins Gehirn weiterzuleiten.
- Neuroscientist
Sheila Nirenberg studies how the brain encodes information -- possibly allowing us to decode it, and maybe develop prosthetic sensory devices. Full bio

Double-click the English transcript below to play the video.

00:15
I studyStudie how the brainGehirn processesProzesse
0
0
2000
Ich erforsche, wie das Hirn
00:17
informationInformation. That is, how it takes
1
2000
2000
Informationen verarbeitet. Wie es
00:19
informationInformation in from the outsidedraußen worldWelt, and
2
4000
2000
Informationen von der Außenwelt aufnimmt, und
00:21
convertskonvertiert it into patternsMuster of electricalelektrisch activityAktivität,
3
6000
2000
sie in Muster elektrischer Aktivität umwandelt.
00:23
and then how it usesVerwendungen those patternsMuster
4
8000
2000
Und dann, wie es diese Muster nutzt,
00:25
to allowzulassen you to do things --
5
10000
2000
um uns Dinge tun zu lassen –
00:27
to see, hearhören, to reacherreichen for an objectObjekt.
6
12000
2000
zu hören, zu sehen, nach einem Objekt zu greifen.
00:29
So I'm really a basicBasic scientistWissenschaftler, not
7
14000
2000
Ich bin also Grundlagenwissenschaftlerin,
00:31
a clinicianKliniker, but in the last yearJahr and a halfHälfte
8
16000
2000
keine Klinikärztin, aber über die vergangenen 1,5 Jahre
00:33
I've startedhat angefangen to switchSchalter over, to use what
9
18000
2000
habe ich umgesattelt, um das, was wir
00:35
we'vewir haben been learningLernen about these patternsMuster
10
20000
2000
über diese Muster herausgefunden haben
00:37
of activityAktivität to developentwickeln prostheticprothetische devicesGeräte,
11
22000
3000
zu nutzen, um Prothesen zu entwickeln,
00:40
and what I wanted to do todayheute is showShow you
12
25000
2000
und ich würde Ihnen heute gerne
00:42
an exampleBeispiel of this.
13
27000
2000
ein Beispiel dafür zeigen.
00:44
It's really our first forayStreifzug into this.
14
29000
2000
Das ist unser erster Vorstoß in dieses Feld.
00:46
It's the developmentEntwicklung of a prostheticprothetische deviceGerät
15
31000
2000
Es handelt sich um die Entwicklung einer Prothese
00:48
for treatingbehandeln blindnessBlindheit.
16
33000
2000
zur Behandlung von Erblindung.
00:50
So let me startAnfang in on that problemProblem.
17
35000
2000
Lassen Sie mich also mit dem Problem beginnen.
00:52
There are 10 millionMillion people in the U.S.
18
37000
2000
Es gibt in den USA 10 Millionen Menschen,
00:54
and manyviele more worldwideweltweit who are blindblind
19
39000
2000
und weltweit weit mehr, die blind sind,
00:56
or are facinggegenüber blindnessBlindheit duefällig to diseasesKrankheiten
20
41000
2000
oder erblindet sind aufgrund von Erkrankungen
00:58
of the retinaRetina, diseasesKrankheiten like
21
43000
2000
der Netzhaut, Krankheiten wie
01:00
macularMakuladegeneration degenerationDegeneration, and there's little
22
45000
2000
Makuladegeneration, und es gibt nicht viel,
01:02
that can be doneerledigt for them.
23
47000
2000
das man für sie tun kann.
01:04
There are some drugDroge treatmentsBehandlungen, but
24
49000
2000
Es gibt einige medikamentöse Behandlungen, aber
01:06
they're only effectiveWirksam on a smallklein fractionFraktion
25
51000
2000
sie sind nur bei einem Bruchteil
01:08
of the populationBevölkerung. And so, for the vastriesig
26
53000
2000
der Bevölkerung effektiv. Und so sind
01:10
majorityMehrheit of patientsPatienten, theirihr bestBeste hopeHoffnung for
27
55000
2000
für die meisten Patienten die Prothesen
01:12
regainingWiedererlangung der sightSicht is throughdurch prostheticprothetische devicesGeräte.
28
57000
2000
die beste Hoffnung, ihr Augenlicht wiederzuerlangen.
01:14
The problemProblem is that currentStrom prostheticsProthetik
29
59000
2000
Das Problem ist, dass derzeitige Prothesen
01:16
don't work very well. They're still very
30
61000
2000
nicht sehr gut funktionieren. Sie sind noch immer sehr
01:18
limitedbegrenzt in the visionVision that they can providezu Verfügung stellen.
31
63000
2000
eingeschränkt im Bezug auf die Sicht, die sie bieten.
01:20
And so, you know, for exampleBeispiel, with these
32
65000
2000
So können Patienten mit diesen Geräten
01:22
devicesGeräte, patientsPatienten can see simpleeinfach things
33
67000
2000
zwar einfache Dinge sehen,
01:24
like brighthell lightsBeleuchtung and highhoch contrastKontrast edgesKanten,
34
69000
2000
wie helles Licht und kontrastreiche Konturen,
01:26
not very much more, so nothing closeschließen
35
71000
2000
aber nicht viel mehr, also gab es bis jetzt nichts,
01:28
to normalnormal visionVision has been possiblemöglich.
36
73000
3000
das an das normale Sehen herankommt.
01:31
So what I'm going to tell you about todayheute
37
76000
2000
Wovon ich Ihnen also heute erzählen möchte,
01:33
is a deviceGerät that we'vewir haben been workingArbeiten on
38
78000
2000
ist ein Gerät, an dem wir gearbeitet haben,
01:35
that I think has the potentialPotenzial to make
39
80000
2000
von dem ich denke, es hat das Potential,
01:37
a differenceUnterschied, to be much more effectiveWirksam,
40
82000
2000
einen Unterschied zu bewirken, viel effektiver zu sein,
01:39
and what I wanted to do is showShow you
41
84000
2000
und ich wollte Ihnen zeigen,
01:41
how it worksWerke. Okay, so let me back up a
42
86000
2000
wie es funktioniert. Lassen Sie mich also
01:43
little bitBit and showShow you how a normalnormal retinaRetina
43
88000
2000
zuerst zeigen, wie eine normale Netzhaut arbeitet,
01:45
worksWerke first so you can see the problemProblem
44
90000
2000
so dass Sie das Problem sehen,
01:47
that we were tryingversuchen to solvelösen.
45
92000
2000
das wir zu lösen versuchen.
01:49
Here you have a retinaRetina.
46
94000
2000
Hier haben wir eine Netzhaut.
01:51
So you have an imageBild, a retinaRetina, and a brainGehirn.
47
96000
2000
Sie haben also ein Bild, eine Netzhaut, ein Gehirn.
01:53
So when you look at something, like this imageBild
48
98000
2000
Wenn Sie also etwas ansehen, wie dieses Bild
01:55
of this baby'sdes Babys faceGesicht, it goesgeht into your eyeAuge
49
100000
2000
vom Gesicht dieses Babys, geht es in ihr Auge
01:57
and it landslandet on your retinaRetina, on the front-endFront-End-
50
102000
2000
und trifft auf Ihre Netzhaut, auf die vorderen
01:59
cellsZellen here, the photoreceptorsPhotorezeptoren.
51
104000
2000
Zellen hier, die Fotorezeptoren.
02:01
Then what happensdas passiert is the retinalRetinal circuitrySchaltung,
52
106000
2000
Was dann passiert, ist, dass der Schaltkreis der Netzhaut,
02:03
the middleMitte partTeil, goesgeht to work on it,
53
108000
2000
der mittlere Teil, aktiv wird,
02:05
and what it does is it performsführt operationsOperationen
54
110000
2000
und er nimmt Informationen auf
02:07
on it, it extractsExtrakte informationInformation from it, and it
55
112000
2000
und wandelt diese Informationen
02:09
convertskonvertiert that informationInformation into a codeCode.
56
114000
2000
in einen Code um.
02:11
And the codeCode is in the formbilden of these patternsMuster
57
116000
2000
Dieser Code ist in der Form dieser Muster
02:13
of electricalelektrisch pulsesImpulse that get sentgesendet
58
118000
2000
elektrischer Impulse, die hoch ins Gehirn
02:15
up to the brainGehirn, and so the keySchlüssel thing is
59
120000
2000
gesendet werden, und so ist das Wesentliche,
02:17
that the imageBild ultimatelyletzten Endes getsbekommt convertedkonvertiert
60
122000
2000
dass das Bild schließlich in einen Code
02:19
into a codeCode. And when I say codeCode,
61
124000
2000
umgewandelt wird. Und wenn ich Code sage,
02:21
I do literallybuchstäblich mean codeCode.
62
126000
2000
meine ich buchstäblich Code.
02:23
Like this patternMuster of pulsesImpulse here actuallytatsächlich meansmeint "baby'sdes Babys faceGesicht,"
63
128000
3000
Diese Muster von Impulsen bedeuten also wirklich "Kindergesicht",
02:26
and so when the brainGehirn getsbekommt this patternMuster
64
131000
2000
und wenn das Gehirn also dieses Impulsmuster
02:28
of pulsesImpulse, it knowsweiß that what was out there
65
133000
2000
empfängt, weiß es, dass das da draußen
02:30
was a baby'sdes Babys faceGesicht, and if it
66
135000
2000
ein Kindergesicht war, und wenn es
02:32
got a differentanders patternMuster it would know
67
137000
2000
ein anderes Muster empfinge, wüsste es,
02:34
that what was out there was, say, a dogHund,
68
139000
2000
dass da draußen beispielsweise ein Hund war,
02:36
or anotherein anderer patternMuster would be a houseHaus.
69
141000
2000
oder ein anderes Muster wäre ein Haus.
02:38
AnywayWie auch immer, you get the ideaIdee.
70
143000
2000
Wie auch immer, Sie können es sich vorstellen.
02:40
And, of courseKurs, in realecht life, it's all dynamicdynamisch,
71
145000
2000
Und natürlich ist das alles in Wirklichkeit dynamisch,
02:42
meaningBedeutung that it's changingÄndern all the time,
72
147000
2000
es verändert sich also ständig,
02:44
so the patternsMuster of pulsesImpulse are changingÄndern
73
149000
2000
also verändern sich die Impulsmuster
02:46
all the time because the worldWelt you're
74
151000
2000
ständig, weil sich die Welt, die Sie sich
02:48
looking at is changingÄndern all the time too.
75
153000
3000
ansehen, auch die ganze Zeit verändert.
02:51
So, you know, it's sortSortieren of a complicatedkompliziert
76
156000
2000
Wissen Sie, es ist eine ziemlich komplizierte
02:53
thing. You have these patternsMuster of pulsesImpulse
77
158000
2000
Sache. Sie haben diese Impulsmuster
02:55
comingKommen out of your eyeAuge everyjeden millisecondMillisekunde
78
160000
2000
die aus Ihrem Auge kommen, millisekündlich,
02:57
tellingErzählen your brainGehirn what it is that you're seeingSehen.
79
162000
2000
und sie sagen Ihrem Gehirn, was Sie sehen.
02:59
So what happensdas passiert when a personPerson
80
164000
2000
Was passiert also, wenn jemand
03:01
getsbekommt a retinalRetinal degenerativedegenerative diseaseKrankheit like
81
166000
2000
eine netzhautdegenerative Erkrankung wie
03:03
macularMakuladegeneration degenerationDegeneration? What happensdas passiert is
82
168000
2000
Makuladegeneration erleidet? Was passiert ist,
03:05
is that, the front-endFront-End- cellsZellen diesterben,
83
170000
2000
dass die Zellen der Vorderseite sterben,
03:07
the photoreceptorsPhotorezeptoren diesterben, and over time,
84
172000
2000
die Fotorezeptoren sterben, und im Laufe der Zeit
03:09
all the cellsZellen and the circuitsSchaltungen that are
85
174000
2000
sterben auch alle anderen Zellen und
03:11
connectedin Verbindung gebracht to them, they diesterben too.
86
176000
2000
Kreisläufe, die mit ihnen verbunden sind.
03:13
UntilBis the only things that you have left
87
178000
2000
Bis alles, was Ihnen übrig bleibt,
03:15
are these cellsZellen here, the outputAusgabe cellsZellen,
88
180000
2000
diese Zellen hier sind, die Ausgangszellen,
03:17
the onesEinsen that sendsenden the signalsSignale to the brainGehirn,
89
182000
2000
jene, die die Signale an das Gehirn senden,
03:19
but because of all that degenerationDegeneration
90
184000
2000
aber wegen der starken Degeneration
03:21
they aren'tsind nicht sendingSenden any signalsSignale anymorenicht mehr.
91
186000
2000
senden sie diese Signale nicht mehr.
03:23
They aren'tsind nicht gettingbekommen any inputEingang, so
92
188000
2000
Sie bekommen keine Eingangssignale, also
03:25
the person'sPerson brainGehirn no longerlänger getsbekommt
93
190000
2000
erhält das Gehirn des Betroffenen
03:27
any visualvisuell informationInformation --
94
192000
2000
keine visuelle Information mehr –
03:29
that is, he or she is blindblind.
95
194000
3000
das bedeutet, er oder sie ist blind.
03:32
So, a solutionLösung to the problemProblem, then,
96
197000
2000
Eine Lösung für das Problem wäre dann
03:34
would be to buildbauen a deviceGerät that could mimicnachahmen
97
199000
2000
ein Gerät zu entwickeln, dass das Verhalten
03:36
the actionsAktionen of that front-endFront-End- circuitrySchaltung
98
201000
2000
der vorderseitigen Schaltungen imitiert
03:38
and sendsenden signalsSignale to the retina'sNetzhaut outputAusgabe cellsZellen,
99
203000
2000
und Signale an die Ausgangszellen der Netzhaut schickt,
03:40
and they can go back to doing theirihr
100
205000
2000
und diese können wieder an die Arbeit gehen,
03:42
normalnormal jobJob of sendingSenden signalsSignale to the brainGehirn.
101
207000
2000
und ihre Signale an das Gehirn senden.
03:44
So this is what we'vewir haben been workingArbeiten on,
102
209000
2000
Daran haben wir also gearbeitet,
03:46
and this is what our prostheticprothetische does.
103
211000
2000
und unsere Prothese tut folgendes.
03:48
So it consistsbesteht aus of two partsTeile, what we call
104
213000
2000
Sie besteht aus zwei Teilen, die wir
03:50
an encoderEncoder and a transducerWandler.
105
215000
2000
Encoder und Transducer nennen.
03:52
And so the encoderEncoder does just
106
217000
2000
Und der Encoder macht genau
03:54
what I was sayingSprichwort: it mimicsahmt nach the actionsAktionen
107
219000
2000
wonach er klingt: er imitiert die Aktionen
03:56
of the front-endFront-End- circuitrySchaltung -- so it takes imagesBilder
108
221000
2000
der vorderseitigen Schaltungen - nimmt also Bilder
03:58
in and convertskonvertiert them into the retina'sNetzhaut codeCode.
109
223000
2000
und wandelt sie in den Code der Netzhaut um.
04:00
And then the transducerWandler then makesmacht the
110
225000
2000
Und der Transducer bringt dann die
04:02
outputAusgabe cellsZellen sendsenden the codeCode on up
111
227000
2000
Ausgangszellen dazu, den Code an das
04:04
to the brainGehirn, and the resultErgebnis is
112
229000
2000
Gehirn weiterzuleiten, und das Ergebnis ist
04:06
a retinalRetinal prostheticprothetische that can produceproduzieren
113
231000
3000
eine Netzhautprothese, die einen normalen
04:09
normalnormal retinalRetinal outputAusgabe.
114
234000
2000
Netzhaut-Output produziert.
04:11
So a completelyvollständig blindblind retinaRetina,
115
236000
2000
Eine vollständig blinde Retina kann also,
04:13
even one with no front-endFront-End- circuitrySchaltung at all,
116
238000
2000
sogar ohne jegliche vorderseitige Schaltung,
04:15
no photoreceptorsPhotorezeptoren,
117
240000
2000
ohne Fotorezeptoren,
04:17
can now sendsenden out normalnormal signalsSignale,
118
242000
2000
jetzt normale Signale aussenden,
04:19
signalsSignale that the brainGehirn can understandverstehen.
119
244000
3000
Signale, die das Gehirn verstehen kann.
04:22
So no other deviceGerät has been ablefähig
120
247000
2000
Bisher war noch kein anderes Gerät
04:24
to do this.
121
249000
2000
hierzu imstande.
04:26
Okay, so I just want to take
122
251000
2000
Okay, ich möchte gerne
04:28
a sentenceSatz or two to say something about
123
253000
2000
einen oder zwei Sätze sagen über
04:30
the encoderEncoder and what it's doing, because
124
255000
2000
den Encoder und was er tut, denn
04:32
it's really the keySchlüssel partTeil and it's
125
257000
2000
er ist das Schlüsselelement und
04:34
sortSortieren of interestinginteressant and kindArt of coolcool.
126
259000
2000
er ist ziemlich interessant und cool.
04:36
I'm not sure "coolcool" is really the right wordWort, but
127
261000
2000
Ich bin nicht sicher, ob "cool" das richtige Wort ist
04:38
you know what I mean.
128
263000
2000
aber Sie verstehen schon.
04:40
So what it's doing is, it's replacingErsetzen
129
265000
2000
Er ersetzt also
04:42
the retinalRetinal circuitrySchaltung, really the gutsEingeweide of
130
267000
2000
die retinale Schaltung, also deren
04:44
the retinalRetinal circuitrySchaltung, with a setSet of equationsGleichungen,
131
269000
2000
Kernbestandteile durch einen Satz Gleichungen,
04:46
a setSet of equationsGleichungen that we can implementimplementieren
132
271000
2000
die wir in einen Chip implementieren können.
04:48
on a chipChip. So it's just mathMathe.
133
273000
2000
Es ist also nur Mathematik.
04:50
In other wordsWörter, we're not literallybuchstäblich replacingErsetzen
134
275000
3000
In anderen Worten, wir ersetzen nicht wirklich
04:53
the componentsKomponenten of the retinaRetina.
135
278000
2000
die Bestandteile der Netzhaut.
04:55
It's not like we're makingHerstellung a little mini-deviceMini-Gerät
136
280000
2000
Es ist nicht, als ob wir ein winziges Gerät
04:57
for eachjede einzelne of the differentanders cellZelle typesTypen.
137
282000
2000
für jeden Zelltypen entwerfen.
04:59
We'veWir haben just abstractedabstrahiert what the
138
284000
2000
Wir haben einfach abstrahiert,
05:01
retina'sNetzhaut doing with a setSet of equationsGleichungen.
139
286000
2000
was die Retina mit Gleichungen tut.
05:03
And so, in a way, the equationsGleichungen are servingPortion
140
288000
2000
Und so dienen diese Gleichungen gewissermaßen
05:05
as sortSortieren of a codebookCodebuch. An imageBild comeskommt in,
141
290000
2000
als eine Art Codebuch. Ein Bild kommt an,
05:07
goesgeht throughdurch the setSet of equationsGleichungen,
142
292000
3000
passiert die Gleichungen,
05:10
and out comeskommt streamsStröme of electricalelektrisch pulsesImpulse,
143
295000
2000
und heraus kommen Ströme elektrischer Impulse,
05:12
just like a normalnormal retinaRetina would produceproduzieren.
144
297000
4000
wie sie eine normale Netzhaut produzieren würde.
05:16
Now let me put my moneyGeld
145
301000
2000
Lassen Sie mich nun
05:18
where my mouthMund is and showShow you that
146
303000
2000
konkreter werden und Ihnen zeigen, dass
05:20
we can actuallytatsächlich produceproduzieren normalnormal outputAusgabe,
147
305000
2000
wir tatsächlich einen normalen Output produzieren können,
05:22
and what the implicationsImplikationen of this are.
148
307000
2000
und was die Auswirkungen hiervon sind.
05:24
Here are threedrei setssetzt of
149
309000
2000
Hier haben wir die drei
05:26
firingfeuern patternsMuster. The topoben one is from
150
311000
2000
Sätze von Sequenzmustern. Das Obere ist
05:28
a normalnormal animalTier, the middleMitte one is from
151
313000
2000
von einem normalen Tier, das Mittlere ist
05:30
a blindblind animalTier that's been treatedbehandelt with
152
315000
2000
von einem blinden Tier, das mit dieser
05:32
this encoder-transducerEncoder-transducer deviceGerät, and the
153
317000
2000
Encoder-Transducer-Prothese behandelt wurde,
05:34
bottomBoden one is from a blindblind animalTier treatedbehandelt
154
319000
2000
und das Unterste ist von einem blinden, mit einer
05:36
with a standardStandard prostheticprothetische.
155
321000
2000
normalen Prothese behandelten Tier.
05:38
So the bottomBoden one is the state-of-the-artDer letzte Stand der Technik
156
323000
2000
Das Unterste ist also das aktuelle
05:40
deviceGerät that's out there right now, whichwelche is
157
325000
2000
Gerät, das gerade jetzt draußen ist, das
05:42
basicallyGrundsätzlich gilt madegemacht up of lightLicht detectorsDetektoren,
158
327000
2000
im Grunde aus Lichtdetektoren besteht,
05:44
but no encoderEncoder. So what we did was we
159
329000
2000
aber keinem Encoder. Was wir also taten
05:46
presentedvorgeführt moviesFilme of everydayjeden Tag things --
160
331000
2000
war Videos von alltäglichen Dingen abzuspielen --
05:48
people, babiesBabys, parkPark benchesBänke,
161
333000
2000
Menschen, Babies, Parkbänke,
05:50
you know, regularregulär things happeningHappening -- and
162
335000
2000
Sie wissen schon, normale Dinge, die passieren – und
05:52
we recordedverzeichnet the responsesAntworten from the retinasNetzhaut
163
337000
2000
wir filmten die Reaktionen der Netzhäute
05:54
of these threedrei groupsGruppen of animalsTiere.
164
339000
2000
dieser Gruppen von Tieren.
05:56
Now just to orientOrient you, eachjede einzelne boxBox is showingzeigt
165
341000
2000
Nur um Ihnen Orientierung zu geben, jeder Kasten
05:58
the firingfeuern patternsMuster of severalmehrere cellsZellen,
166
343000
2000
zeigt die Impulsmuster verschiedener Zellen,
06:00
and just as in the previousbisherige slidesFolien,
167
345000
2000
und genau wie auf den vorherigen Folien,
06:02
eachjede einzelne rowReihe is a differentanders cellZelle,
168
347000
2000
ist jede Reihe eine andere Zelle,
06:04
and I just madegemacht the pulsesImpulse a little bitBit smallerkleiner
169
349000
2000
und ich habe nur die Impulse ein wenig skaliert
06:06
and thinnerdünner so I could showShow you
170
351000
3000
und dünner gemacht, um Ihnen einen
06:09
a long stretchstrecken of dataDaten.
171
354000
2000
langen Datenstreifen zu zeigen.
06:11
So as you can see, the firingfeuern patternsMuster
172
356000
2000
Wie Sie also sehen können, stimmen die
06:13
from the blindblind animalTier treatedbehandelt with
173
358000
2000
Impulsmuster der mit dem Encoder-Transducer
06:15
the encoder-transducerEncoder-transducer really do very
174
360000
2000
behandelten Tiere weitgehend mit den
06:17
closelyeng matchSpiel the normalnormal firingfeuern patternsMuster --
175
362000
2000
normalen Impulsmustern überein –
06:19
and it's not perfectperfekt, but it's prettyziemlich good --
176
364000
2000
und sie sind nicht perfekt, aber ziemlich gut –
06:21
and the blindblind animalTier treatedbehandelt with
177
366000
2000
und bei dem blinden Tier, das mit der Standartprothese
06:23
the standardStandard prostheticprothetische,
178
368000
2000
behandelt wurde, tun das
06:25
the responsesAntworten really don't.
179
370000
2000
die Antworten absolut nicht.
06:27
And so with the standardStandard methodMethode,
180
372000
3000
Mit der Standardmethode also
06:30
the cellsZellen do fireFeuer, they just don't fireFeuer
181
375000
2000
feuern die Zellen, aber sie feuern nicht
06:32
in the normalnormal firingfeuern patternsMuster because
182
377000
2000
in den normalen Mustern, weil sie nicht
06:34
they don't have the right codeCode.
183
379000
2000
den richtigen Code haben.
06:36
How importantwichtig is this?
184
381000
2000
Wie wichtig ist das?
06:38
What's the potentialPotenzial impactEinfluss
185
383000
2000
Was ist die mögliche Auswirkung
06:40
on a patient'sPatient abilityFähigkeit to see?
186
385000
3000
auf das Sehvermögen des Patienten?
06:43
So I'm just going to showShow you one
187
388000
2000
Ich werde Ihnen jetzt ein Experiment zeigen,
06:45
bottom-lineEndergebnis experimentExperiment that answersAntworten this,
188
390000
2000
das uns diese Frage beantwortet,
06:47
and of courseKurs I've got a lot of other dataDaten,
189
392000
2000
und natürlich habe ich noch viele andere Daten,
06:49
so if you're interestedinteressiert I'm happyglücklich
190
394000
2000
wenn Sie also interessiert sind, zeige ich
06:51
to showShow more. So the experimentExperiment
191
396000
2000
gerne mehr. Das Experiment
06:53
is callednamens a reconstructionWiederaufbau experimentExperiment.
192
398000
2000
ist ein Rekonstruktionsexperiment.
06:55
So what we did is we tookdauerte a momentMoment
193
400000
2000
Also, wir nahmen uns einen Zeitpunkt
06:57
in time from these recordingsAufnahmen and askedaufgefordert,
194
402000
3000
während dieser Aufnahmen und fragten uns,
07:00
what was the retinaRetina seeingSehen at that momentMoment?
195
405000
2000
was die Netzhaut in diesem Moment sah.
07:02
Can we reconstructrekonstruieren what the retinaRetina
196
407000
2000
Können wir rekonstruieren, was die Netzhaut
07:04
was seeingSehen from the responsesAntworten
197
409000
2000
von den Antworten der
07:06
from the firingfeuern patternsMuster?
198
411000
2000
Impulsmuster sah?
07:08
So, when we did this for responsesAntworten
199
413000
3000
Das haben wir also mit den Antworten
07:11
from the standardStandard methodMethode and from
200
416000
3000
der Standardmethode und unseres
07:14
our encoderEncoder and transducerWandler.
201
419000
2000
Encoders und Transducers getan.
07:16
So let me showShow you, and I'm going to
202
421000
2000
Lassen Sie mich Ihnen das zeigen,
07:18
startAnfang with the standardStandard methodMethode first.
203
423000
2000
ich werde mit der Standardmethode beginnen.
07:20
So you can see that it's prettyziemlich limitedbegrenzt,
204
425000
2000
Sie können sehen, dass sie recht eingeschränkt ist,
07:22
and because the firingfeuern patternsMuster aren'tsind nicht
205
427000
2000
und weil diese Impulsmuster nicht im
07:24
in the right codeCode, they're very limitedbegrenzt in
206
429000
2000
richtigen Code sind, sind sie sehr
07:26
what they can tell you about
207
431000
2000
eingeschränkt darin uns zu sagen,
07:28
what's out there. So you can see that
208
433000
2000
was da draußen ist. Sie sehen also, dass
07:30
there's something there, but it's not so clearklar
209
435000
2000
da etwas ist, aber es ist nicht wirklich klar,
07:32
what that something is, and this just sortSortieren of
210
437000
2000
was dieses Etwas ist, und damit kommen wir
07:34
circlesKreise back to what I was sayingSprichwort in the
211
439000
2000
wieder zu dem, was ich am Anfang sagte:
07:36
beginningAnfang, that with the standardStandard methodMethode,
212
441000
2000
dass Patienten mit der Standardmethode
07:38
patientsPatienten can see high-contrasthohem Kontrast edgesKanten, they
213
443000
2000
hochkontrastige Umrisse erkennen können,
07:40
can see lightLicht, but it doesn't easilyleicht go
214
445000
2000
Licht sehen können, aber es geht nicht
07:42
furtherdes Weiteren than that. So what was
215
447000
2000
weiter als das. Was war das also
07:44
the imageBild? It was a baby'sdes Babys faceGesicht.
216
449000
3000
für ein Bild? Es war ein Babygesicht.
07:47
So what about with our approachAnsatz,
217
452000
2000
Wie sieht es also mit unserem Ansatz aus,
07:49
addingHinzufügen the codeCode? And you can see
218
454000
2000
den Code zu addieren? Sie können sehen,
07:51
that it's much better. Not only can you
219
456000
2000
dass es so viel besser ist. Nicht nur können Sie
07:53
tell that it's a baby'sdes Babys faceGesicht, but you can
220
458000
2000
das Babygesicht erkennen, Sie können sogar
07:55
tell that it's this baby'sdes Babys faceGesicht, whichwelche is a
221
460000
2000
erkennen, dass es das Gesicht dieses Babies ist,
07:57
really challengingherausfordernd taskAufgabe.
222
462000
2000
eine wirkliche Herausforderung.
07:59
So on the left is the encoderEncoder
223
464000
2000
Links ist also der Encoder alleine,
08:01
aloneallein, and on the right is from an actualtatsächlich
224
466000
2000
und rechts sehen sie eine blinde Netzhaut,
08:03
blindblind retinaRetina, so the encoderEncoder and the transducerWandler.
225
468000
2000
also Encoder und Transducer.
08:05
But the keySchlüssel one really is the encoderEncoder aloneallein,
226
470000
2000
Aber der entscheidende Faktor ist wirklich der Encoder,
08:07
because we can teamMannschaft up the encoderEncoder with
227
472000
2000
weil wir den Encoder mit dem anderen Transducer
08:09
the differentanders transducerWandler.
228
474000
2000
zusammenbringen können.
08:11
This is just actuallytatsächlich the first one that we triedversucht.
229
476000
2000
Dieser hier ist der erste, den wir ausprobiert haben.
08:13
I just wanted to say something about the standardStandard methodMethode.
230
478000
2000
Ich wollte nur etwas zur Standardmethode sagen
08:15
When this first camekam out, it was just a really
231
480000
2000
Als sie zunächst rauskam, war es eine
08:17
excitingaufregend thing, the ideaIdee that you
232
482000
2000
wirklich aufregende Sache, die Idee, dass
08:19
even make a blindblind retinaRetina respondreagieren at all.
233
484000
3000
man eine blinde Retina überhaupt anregen konnte.
08:22
But there was this limitingbegrenzend factorFaktor,
234
487000
3000
Aber es gab den limitierenden Faktor,
08:25
the issueProblem of the codeCode, and how to make
235
490000
2000
das Problem mit dem Code, und wie man
08:27
the cellsZellen respondreagieren better,
236
492000
2000
Zellen besser antworten lassen konnte,
08:29
produceproduzieren normalnormal responsesAntworten,
237
494000
2000
um normale Reaktionen zu bewirken,
08:31
and so this was our contributionBeitrag.
238
496000
2000
und das war also unser Beitrag.
08:33
Now I just want to wrapwickeln up,
239
498000
2000
Jetzt möchte ich nur zusammenfassen,
08:35
and as I was mentioningzu erwähnen earliervorhin
240
500000
2000
und wie ich früher schon erwähnte,
08:37
of courseKurs I have a lot of other dataDaten
241
502000
2000
habe ich natürlich noch viele Daten,
08:39
if you're interestedinteressiert, but I just wanted to give
242
504000
2000
falls Sie interessiert sind, aber ich wollte nur
08:41
this sortSortieren of basicBasic ideaIdee
243
506000
2000
diese grundlegenden Daten geben,
08:43
of beingSein ablefähig to communicatekommunizieren
244
508000
3000
in der Lage zu sein, mit dem Gehirn
08:46
with the brainGehirn in its languageSprache, and
245
511000
2000
in seiner Sprache zu kommunizieren,
08:48
the potentialPotenzial powerLeistung of beingSein ablefähig to do that.
246
513000
3000
und den potentiellen Möglichkeiten, die sich daraus ergeben.
08:51
So it's differentanders from the motorMotor- prostheticsProthetik
247
516000
2000
Es ist hier anders als mit Bewegungsprothesen,
08:53
where you're communicatingkommunizierend from the brainGehirn
248
518000
2000
wenn wir vom Gehirn aus mit einem Gerät
08:55
to a deviceGerät. Here we have to communicatekommunizieren
249
520000
2000
kommunizieren. Hier müssen wir von
08:57
from the outsidedraußen worldWelt
250
522000
2000
der Außenwelt aus in das Gehirn
08:59
into the brainGehirn and be understoodverstanden,
251
524000
2000
kommunizieren und vom Gehirn
09:01
and be understoodverstanden by the brainGehirn.
252
526000
2000
verstanden werden.
09:03
And then the last thing I wanted
253
528000
2000
Und zuletzt wollte ich
09:05
to say, really, is to emphasizebetonen
254
530000
2000
betonen, wirklich hervorheben,
09:07
that the ideaIdee generalizesverallgemeinert.
255
532000
2000
dass die Idee Grundlagen schafft.
09:09
So the samegleich strategyStrategie that we used
256
534000
2000
Also dieselbe Strategie, die wir benutzten,
09:11
to find the codeCode for the retinaRetina we can alsoebenfalls
257
536000
2000
um den Code der Netzhaut zu finden, können wir auch
09:13
use to find the codeCode for other areasBereiche,
258
538000
2000
nutzen, um den Code für andere Bereiche zu finden,
09:15
for exampleBeispiel, the auditoryakustisch systemSystem and
259
540000
2000
wie zum Beispiel das auditive System und
09:17
the motorMotor- systemSystem, so for treatingbehandeln deafnessTaubheit
260
542000
2000
das motorische System, also um Taubheit
09:19
and for motorMotor- disordersStörungen.
261
544000
2000
und motorische Schäden zu heilen.
09:21
So just the samegleich way that we were ablefähig to
262
546000
2000
Genauso wie wir in der Lage waren, die
09:23
jumpspringen over the damagedbeschädigt
263
548000
2000
beschädigten Areale zu umgehen,
09:25
circuitrySchaltung in the retinaRetina to get to the retina'sNetzhaut
264
550000
2000
um zu den Ausgangszellen der Netzhaut zu gelangen,
09:27
outputAusgabe cellsZellen, we can jumpspringen over the
265
552000
2000
können wir über beschädigte Verschaltungen
09:29
damagedbeschädigt circuitrySchaltung in the cochleaSchnecke
266
554000
2000
im Innenohr springen,
09:31
to get the auditoryakustisch nerveNerv,
267
556000
2000
um zum Hörnerv zu gelangen,
09:33
or jumpspringen over damagedbeschädigt areasBereiche in the cortexKortex,
268
558000
2000
oder wir springen über beschädigte Areale des Kortex,
09:35
in the motorMotor- cortexKortex, to bridgeBrücke the gapSpalt
269
560000
3000
um im motorischen Kortex um eine Lücke zu schließen,
09:38
producedhergestellt by a strokeSchlaganfall.
270
563000
2000
die ein Schlaganfall verursacht hat.
09:40
I just want to endEnde with a simpleeinfach
271
565000
2000
Ich möchte gern abschließen mit der einfachen
09:42
messageNachricht that understandingVerstehen the codeCode
272
567000
2000
Nachricht, dass den Code zu verstehen
09:44
is really, really importantwichtig, and if we
273
569000
2000
wirklich sehr sehr wichtig ist, und wenn wir
09:46
can understandverstehen the codeCode,
274
571000
2000
den Code verstehen können,
09:48
the languageSprache of the brainGehirn, things becomewerden
275
573000
2000
die Sprache des Gehirns, werden Dinge
09:50
possiblemöglich that didn't seemscheinen obviouslyoffensichtlich
276
575000
2000
möglich, die bisher offenbar nicht
09:52
possiblemöglich before. Thank you.
277
577000
2000
möglich waren. Danke.
09:54
(ApplauseApplaus)
278
579000
5000
(Beifall)
Translated by Constantin Lisson
Reviewed by Brigitte Federi

▲Back to top

ABOUT THE SPEAKER
Sheila Nirenberg - Neuroscientist
Sheila Nirenberg studies how the brain encodes information -- possibly allowing us to decode it, and maybe develop prosthetic sensory devices.

Why you should listen

Sheila Nirenberg is a neuroscientist/professor at Weill Medical College of Cornell University, where she studies neural coding – that is, how the brain takes information from the outside world and encodes it in patterns of electrical activity. The idea is to be able to decode the activity, to look at a pattern of electrical pulses and know what an animal is seeing or thinking or feeling.  Recently, she’s been using this work to develop new kinds of prosthetic devices, particularly ones for treating blindness.


More profile about the speaker
Sheila Nirenberg | Speaker | TED.com