TEDGlobal 2012
Read Montague: What we're learning from 5,000 brains
Read Montague: Was wir von 5000 Gehirnen lernen
Filmed:
Readability: 4
763,896 views
Mäuse, Ungeziefer und Hamster sind nicht mehr die einzige Möglichkeit, um das Gehirn zu erforschen. Funktionale MRT (fMRT) erlaubt Wissenschaftlern Gehirnaktivität an lebendigen, antmenden, entscheidungstreffenden Menschen zu messen. Read Montague gibt uns einen Überblick darüber, wie diese Technologie uns dabei hilft, die komplizierte Art und Weise, wie wir miteinander inteagieren, zu verstehen.
Read Montague - Behavioral Neuroscientist
What does "normal behavior" look like? To find out, Read Montague is imaging thousands of brains at work. Full bio
What does "normal behavior" look like? To find out, Read Montague is imaging thousands of brains at work. Full bio
Double-click the English transcript below to play the video.
00:16
Other people. Everyone is interested in other people.
0
474
2809
Jeder interessiert sich
für andere Menschen.
für andere Menschen.
00:19
Everyone has relationships with other people,
1
3283
2123
Jeder hat Beziehungen
zu anderen Menschen
zu anderen Menschen
00:21
and they're interested in these relationships
2
5406
1592
und ist an diesen
Beziehungen interessiert
Beziehungen interessiert
00:22
for a variety of reasons.
3
6998
1855
aus vielerlei Gründen.
00:24
Good relationships, bad relationships,
4
8853
2012
Gute Beziehungen,
schlechte Beziehungen,
schlechte Beziehungen,
00:26
annoying relationships, agnostic relationships,
5
10865
3146
ärgerliche Beziehungen,
skeptische Beziehungen,
skeptische Beziehungen,
00:29
and what I'm going to do is focus on the central piece
6
14011
3424
und ich werde mich
auf das Kernelement
auf das Kernelement
00:33
of an interaction that goes on in a relationship.
7
17435
3303
einer Interaktion
bei einer Beziehung konzentrieren.
bei einer Beziehung konzentrieren.
00:36
So I'm going to take as inspiration the fact that we're all
8
20738
2336
Als Inspiration dient mir
die Tatsache, dass wir alle
die Tatsache, dass wir alle
00:38
interested in interacting with other people,
9
23074
2425
mit anderen Menschen
interagieren wollen.
interagieren wollen.
00:41
I'm going to completely strip it of all its complicating features,
10
25499
3832
Alle komplizierten Funktionen
werde ich dabei herauslassen
werde ich dabei herauslassen
00:45
and I'm going to turn that object, that simplified object,
11
29331
3894
und werde dieses
simplifizierte Objekt,
simplifizierte Objekt,
00:49
into a scientific probe, and provide the early stages,
12
33225
4150
einem Test unterziehen
und die frühen Stadien
und die frühen Stadien
00:53
embryonic stages of new insights into what happens
13
37375
2449
neuer Erkenntnisse zeigen,
dessen was da
dessen was da
00:55
in two brains while they simultaneously interact.
14
39824
3650
in zwei Gehirnen geschieht,
während sie gleichzeitig interagieren.
während sie gleichzeitig interagieren.
00:59
But before I do that, let me tell you a couple of things
15
43474
2293
Aber bevor ich das mache,
erzähl ich Ihnen ein paar Dinge,
erzähl ich Ihnen ein paar Dinge,
01:01
that made this possible.
16
45767
1699
die dies ermöglicht haben.
01:03
The first is we can now eavesdrop safely
17
47466
2781
Erstens, können wir jetzt sicher
01:06
on healthy brain activity.
18
50247
2711
der gesunden Hirnaktivität lauschen.
01:08
Without needles and radioactivity,
19
52958
2577
Ohne Nadeln oder Radioaktivität.
01:11
without any kind of clinical reason, we can go down the street
20
55535
2863
Ohne klinischen Grund
können wir auf die Straße gehen
können wir auf die Straße gehen
01:14
and record from your friends' and neighbors' brains
21
58398
3127
und die Gehirnaktivität von
Freunden und Nachbarn
Freunden und Nachbarn
01:17
while they do a variety of cognitive tasks, and we use
22
61525
2538
beim Lösen verschiedener kognitiver Aufgaben
aufnehmen und wir benutzen dazu
aufnehmen und wir benutzen dazu
01:19
a method called functional magnetic resonance imaging.
23
64063
3734
eine Methode, die funktionelle
Magnetresonanztomographie heißt.
Magnetresonanztomographie heißt.
01:23
You've probably all read about it or heard about in some
24
67797
2325
Sie alle haben wahrscheinlich
schon davon gehört oder gelesen.
schon davon gehört oder gelesen.
01:26
incarnation. Let me give you a two-sentence version of it.
25
70122
4378
Ich gebe Ihnen jetzt eine
Zwei-Sätze-Version darüber:
Zwei-Sätze-Version darüber:
01:30
So we've all heard of MRIs. MRIs use magnetic fields
26
74500
3484
Wir alle kennen fMRTs.
Diese benutzen Magnetfelder
Diese benutzen Magnetfelder
01:33
and radio waves and they take snapshots of your brain
27
77984
2029
und Radiowellen, um Schnappschüsse
des Gehirns aufzunehmen,
des Gehirns aufzunehmen,
01:35
or your knee or your stomach,
28
80013
2361
oder Ihres Knies oder Magens,
01:38
grayscale images that are frozen in time.
29
82374
2045
das sind in der Zeit eingefrorene
Graustufen-Bilder.
Graustufen-Bilder.
01:40
In the 1990s, it was discovered you could use
30
84419
2321
In den 1990ern wurde entdeckt,
01:42
the same machines in a different mode,
31
86740
2659
dass man dieselben Maschinen
anders einsetzen konnte,
anders einsetzen konnte,
01:45
and in that mode, you could make microscopic blood flow
32
89399
2346
und genau so mikrokopische
Durchblutungs-Filme,
Durchblutungs-Filme,
01:47
movies from hundreds of thousands of sites independently in the brain.
33
91745
3300
simultan von hunderttausend Seiten
der Hirnareale machen konnte.
der Hirnareale machen konnte.
01:50
Okay, so what? In fact, the so what is, in the brain,
34
95045
3200
Okay, na und? Dieses "na, und" bewirkt
01:54
changes in neural activity, the things that make your brain work,
35
98245
3832
Veränderungen neuraler Aktivitäten.
Die Dinge, die Ihr Gehirn und
Die Dinge, die Ihr Gehirn und
01:57
the things that make your software work in your brain,
36
102077
2010
die Software in Ihrem Gehirn arbeiten lässt
01:59
are tightly correlated with changes in blood flow.
37
104087
2489
sind eng mit Durchblutungsänderungen verbunden.
02:02
You make a blood flow movie, you have an independent
38
106576
1973
Wenn Sie einen Durchblutungsfilm drehen,
erhalten Sie einen unabhängigen
erhalten Sie einen unabhängigen
02:04
proxy of brain activity.
39
108549
2339
Proxy der Gehirnaktivität.
02:06
This has literally revolutionized cognitive science.
40
110888
3034
Dies hat im wahrsten Sinne des Wortes
die Kognitionswissenschaft revolutioniert.
die Kognitionswissenschaft revolutioniert.
02:09
Take any cognitive domain you want, memory,
41
113922
1991
Nehmen Sie irgendeinen
geistigen Prozess: das Gedächtnis,
geistigen Prozess: das Gedächtnis,
02:11
motor planning, thinking about your mother-in-law,
42
115913
2141
motorische Planungen,
über die Schwiegermutter nachdenken
über die Schwiegermutter nachdenken
02:13
getting angry at people, emotional response, it goes on and on,
43
118054
3715
sich über Leute ärgern,
emotionale Antworten etc., etc.,
emotionale Antworten etc., etc.,
02:17
put people into functional MRI devices, and
44
121769
3089
stecken Sie Menschen
in funktinale MRI Geräte und
in funktinale MRI Geräte und
02:20
image how these kinds of variables map onto brain activity.
45
124858
3383
beobachten Sie, wie diese Variablen
sich auf die Gehirnaktivität auswirken.
sich auf die Gehirnaktivität auswirken.
02:24
It's in its early stages, and it's crude by some measures,
46
128241
2849
Es befindet sich in seinen Anfängen,
und bestimmte Messwerte sind unausgereift,
und bestimmte Messwerte sind unausgereift,
02:26
but in fact, 20 years ago, we were at nothing.
47
131090
2568
aber vor 20 Jahren
hatten wir noch gar nichts.
hatten wir noch gar nichts.
02:29
You couldn't do people like this. You couldn't do healthy people.
48
133658
2359
Man konnte das mit gesunden
Menschen nicht machen.
Menschen nicht machen.
02:31
That's caused a literal revolution, and it's opened us up
49
136017
2488
Daraus wurde eine Revolution
und es eröffnete uns
und es eröffnete uns
02:34
to a new experimental preparation. Neurobiologists,
50
138505
2818
neue experimentelle Verfahren.
Neurobiologen haben,
Neurobiologen haben,
02:37
as you well know, have lots of experimental preps,
51
141323
3760
wie sie wissen, viele Verusuchstiere,
02:40
worms and rodents and fruit flies and things like this.
52
145083
3141
Würmer, Nagetiere,
Fruchtfliegen und ähnliches.
Fruchtfliegen und ähnliches.
02:44
And now, we have a new experimental prep: human beings.
53
148224
3397
Und jetzt haben wir ein
neues Versuchsobjekt: Menschen.
neues Versuchsobjekt: Menschen.
02:47
We can now use human beings to study and model
54
151621
3761
Wir können jetzt Menschen einsetzen,
02:51
the software in human beings, and we have a few
55
155382
2950
um die Software an ihm selbst zu erforschen
und zu entwickeln und erhalten daraus
und zu entwickeln und erhalten daraus
02:54
burgeoning biological measures.
56
158332
2835
immer mehr biologische Messungen.
02:57
Okay, let me give you one example of the kinds of experiments that people do,
57
161167
3887
Ok, ich gebe Ihnen ein Beispiel,
was für Experimente wir machen
was für Experimente wir machen
03:00
and it's in the area of what you'd call valuation.
58
165054
2677
und sie befinden sich im Wertungsareal.
03:03
Valuation is just what you think it is, you know?
59
167731
2135
Wertung ist genau das,
was Sie denken
was Sie denken
03:05
If you went and you were valuing two companies against
60
169866
2804
Wenn Sie zwei Unternehmen
miteinander vergleichen
miteinander vergleichen
03:08
one another, you'd want to know which was more valuable.
61
172670
2736
möchten Sie wissen,
welches mehr Wert ist.
welches mehr Wert ist.
03:11
Cultures discovered the key feature of valuation thousands of years ago.
62
175406
3879
Die Kulturen entdeckten das Schlüsselelement
des Vergleichens vor Tausenden von Jahren:
des Vergleichens vor Tausenden von Jahren:
03:15
If you want to compare oranges to windshields, what do you do?
63
179285
2690
Wenn Sie Orangen mit Windschutzscheiben
vergleichen wollen, was machen Sie da?
vergleichen wollen, was machen Sie da?
03:17
Well, you can't compare oranges to windshields.
64
181975
2356
Nun, man kann sie nicht
miteinander vergleichen.
miteinander vergleichen.
03:20
They're immiscible. They don't mix with one another.
65
184331
2255
Sie sind nicht vergleichbar.
Sie haben nichts miteinander zu tun.
Sie haben nichts miteinander zu tun.
03:22
So instead, you convert them to a common currency scale,
66
186586
2351
Deshalb drücken Sie diese Dinge
in einer gemeinsame Währungsskala aus,
in einer gemeinsame Währungsskala aus,
03:24
put them on that scale, and value them accordingly.
67
188937
2706
setzen sie auf diese Skala
und werten sie entsprechend.
und werten sie entsprechend.
03:27
Well, your brain has to do something just like that as well,
68
191643
3436
Ihr Gehirn muss genau dasselbe tun,
03:30
and we're now beginning to understand and identify
69
195079
2488
und wir verstehen jetzt allmählich,
03:33
brain systems involved in valuation,
70
197567
2137
wie Gehirnsysteme arbeiten,
wenn sie werten
wenn sie werten
03:35
and one of them includes a neurotransmitter system
71
199704
2632
und eines von ihnen enthält ein Neurotransmittersystem,
03:38
whose cells are located in your brainstem
72
202336
2632
dessen Zellen in Ihrem Hirnstamm liegen
03:40
and deliver the chemical dopamine to the rest of your brain.
73
204968
3175
und das chemische Dopamin
im restlichen Gehirn verteilen.
im restlichen Gehirn verteilen.
03:44
I won't go through the details of it, but that's an important
74
208143
2442
Ich gehe nicht in die Einzelheiten,
aber das ist eine wichtige
aber das ist eine wichtige
03:46
discovery, and we know a good bit about that now,
75
210585
2157
Entdeckung, und wir wissen
jetzt schon eine Menge darüber,
jetzt schon eine Menge darüber,
03:48
and it's just a small piece of it, but it's important because
76
212742
2230
nur über einen kleinen Teil davon,
aber er ist wichtig,
aber er ist wichtig,
03:50
those are the neurons that you would lose if you had Parkinson's disease,
77
214972
3275
denn das sind die Neuronen,
die man z.B. bei Parkinson verliert.
die man z.B. bei Parkinson verliert.
03:54
and they're also the neurons that are hijacked by literally
78
218247
2016
und es gibt Neuronen, die sogar regelrecht
03:56
every drug of abuse, and that makes sense.
79
220263
2232
durch jeden Medikamentenmissbrauch
entführt werden, und das hat einen Sinn.
entführt werden, und das hat einen Sinn.
03:58
Drugs of abuse would come in, and they would change
80
222495
2336
Drogenmissbrauch verändert die Art,
04:00
the way you value the world. They change the way
81
224831
1789
wie sie die Welt bewerten.
Sie ändern die Art wie Sie
Sie ändern die Art wie Sie
04:02
you value the symbols associated with your drug of choice,
82
226620
3199
die mit dem Medikament ihrer Wahl
verbundenen Symbole bewerten,
verbundenen Symbole bewerten,
04:05
and they make you value that over everything else.
83
229819
2514
und sie schätzen sie vor allen anderen Dinge.
04:08
Here's the key feature though. These neurons are also
84
232333
3021
Hier befindet sich wiederum das Hauptmerkmal.
Diese Neuronen sind auch
Diese Neuronen sind auch
04:11
involved in the way you can assign value to literally abstract ideas,
85
235354
3501
daran beteiligt, wie Sie abstrakte Ideen bewerten,
04:14
and I put some symbols up here that we assign value to
86
238855
2041
und ich zeige Ihnen hier einige Symbole,
denen wir aus vielerlei Gründen
denen wir aus vielerlei Gründen
04:16
for various reasons.
87
240896
2720
auch einen Wert beimessen.
04:19
We have a behavioral superpower in our brain,
88
243616
2689
Wir haben eine Verhaltens-Supermacht
in unserem Gehirn
in unserem Gehirn
04:22
and it at least in part involves dopamine.
89
246305
1753
und sie erfordert zumindest partiell Dopamin.
04:23
We can deny every instinct we have for survival for an idea,
90
248058
4189
Wir können jeden Instinkt leugnen,
um eine Idee zu retten,
um eine Idee zu retten,
04:28
for a mere idea. No other species can do that.
91
252247
4005
eine simple Idee. Keine
andere Spezies kann das.
andere Spezies kann das.
04:32
In 1997, the cult Heaven's Gate committed mass suicide
92
256252
3606
1997 beging die Sekte "Heaven's Gate"
einen kollektiven Selbstmord,
einen kollektiven Selbstmord,
04:35
predicated on the idea that there was a spaceship
93
259858
2215
weil die Idee gepredigt wurde,
dass sich ein Raumschiff
dass sich ein Raumschiff
04:37
hiding in the tail of the then-visible comet Hale-Bopp
94
262073
3785
hinter dem damals sichtbaren
Kometen Hale-Bopp versteckte.
Kometen Hale-Bopp versteckte.
04:41
waiting to take them to the next level. It was an incredibly tragic event.
95
265858
4272
Es würde sie zum nächsten Level mitnehmen.
Es war ein unglaublich tragischer Vorfall.
Es war ein unglaublich tragischer Vorfall.
04:46
More than two thirds of them had college degrees.
96
270130
3485
Mehr als 2/3 davon
hatten Hochschulabschluss.
hatten Hochschulabschluss.
04:49
But the point here is they were able to deny their instincts for survival
97
273615
3723
Es geht darum, dass sie ihren
Überlebensinstinkt leugnen konnten,
Überlebensinstinkt leugnen konnten,
04:53
using exactly the same systems that were put there
98
277338
2866
indem sie genau das Sytem einsetzten,
welches dort eingesetzt wurde,
welches dort eingesetzt wurde,
04:56
to make them survive. That's a lot of control, okay?
99
280204
4042
um sie am Leben zu erhalten.
Das nenne ich Kontrolle, oder?
Das nenne ich Kontrolle, oder?
05:00
One thing that I've left out of this narrative
100
284246
2089
Ich habe eine selbstverständliche Sache
05:02
is the obvious thing, which is the focus of the rest of my
101
286335
2234
nicht erwähnt,
die den Fokus meiner
die den Fokus meiner
05:04
little talk, and that is other people.
102
288569
2159
weiteren Rede bilden wird,
nämlich andere Menschen.
nämlich andere Menschen.
05:06
These same valuation systems are redeployed
103
290728
2996
Dasselbe Wertesystem
wird über den Haufen geworfen,
wird über den Haufen geworfen,
05:09
when we're valuing interactions with other people.
104
293724
2492
wenn wir die Interaktion
mit anderen Menschen evaluieren.
mit anderen Menschen evaluieren.
05:12
So this same dopamine system that gets addicted to drugs,
105
296216
3271
Dasselbe Dopaminsystem,
das drogenabhängig wird,
das drogenabhängig wird,
05:15
that makes you freeze when you get Parkinson's disease,
106
299487
2524
das Sie erstarren lässt,
wenn Sie Parkinson haben,
wenn Sie Parkinson haben,
05:17
that contributes to various forms of psychosis,
107
302011
3077
das verschiedene Formen
von Psychosen mit sich bringt
von Psychosen mit sich bringt
05:20
is also redeployed to value interactions with other people
108
305088
3920
beteiligt sich auch daran, die Interaktionen
mit anderen Menschen zu evaluieren
mit anderen Menschen zu evaluieren
05:24
and to assign value to gestures that you do
109
309008
2896
und Gestiken einzuschätzen,
05:27
when you're interacting with somebody else.
110
311904
2574
wenn Sie mit jemand anderes interagieren.
05:30
Let me give you an example of this.
111
314478
2577
Ich gebe Ihnen ein Beispiel:
05:32
You bring to the table such enormous processing power
112
317055
2967
Sie merken gar nicht,
was für eine enorme
was für eine enorme
05:35
in this domain that you hardly even notice it.
113
320022
2624
Rechenleistung Sie
in diese Domäne einbringen
in diese Domäne einbringen
05:38
Let me just give you a few examples. So here's a baby.
114
322646
1467
Einige Beispiele: Dieses 3 Monate alte Baby.
05:40
She's three months old. She still poops in her diapers and she can't do calculus.
115
324113
3730
Sie macht sich noch in die Windeln
und kann nicht rechnen.
und kann nicht rechnen.
05:43
She's related to me. Somebody will be very glad that she's up here on the screen.
116
327843
3353
Sie ist mit mir verwandt.
Da wird sich jemand freuen, sie dort zu sehen.
Da wird sich jemand freuen, sie dort zu sehen.
05:47
You can cover up one of her eyes, and you can still read
117
331196
2376
Man kann ihr ein Auge zudecken
und immer noch vom anderen Auge
und immer noch vom anderen Auge
05:49
something in the other eye, and I see sort of curiosity
118
333572
2755
etwas ablesen;
ich sehe da Neugierde
ich sehe da Neugierde
05:52
in one eye, I see maybe a little bit of surprise in the other.
119
336327
3597
in einem Auge, im anderen vielleicht
etwas mehr Überraschung.
etwas mehr Überraschung.
05:55
Here's a couple. They're sharing a moment together,
120
339924
3179
Dieses Pärchen: Sie teilen
einen Augenblick miteinander –
einen Augenblick miteinander –
05:59
and we've even done an experiment where you can cut out
121
343103
1318
bei einem Experiment haben wir
06:00
different pieces of this frame and you can still see
122
344421
3007
verschiedene Teile dieses Bildes
ausgeschnitten und doch
ausgeschnitten und doch
06:03
that they're sharing it. They're sharing it sort of in parallel.
123
347428
2504
kann man erkennen,
dass sie ihn quasi parallel teilen.
dass sie ihn quasi parallel teilen.
06:05
Now, the elements of the scene also communicate this
124
349932
2463
Elemente dieser Szene
vermitteln uns das auch direkt,
vermitteln uns das auch direkt,
06:08
to us, but you can read it straight off their faces,
125
352395
2235
aber man kann es
in ihren Gesichtern lesen,
in ihren Gesichtern lesen,
06:10
and if you compare their faces to normal faces, it would be a very subtle cue.
126
354630
3503
wenn man ihre Gesichter mit normalen vergleicht,
gäbe es da ganz subtile Signale.
gäbe es da ganz subtile Signale.
06:14
Here's another couple. He's projecting out at us,
127
358133
3347
Hier ein anderes Pärchen. Er zeigt sich uns
06:17
and she's clearly projecting, you know,
128
361480
2888
und sie drückt ihm sehr klar
06:20
love and admiration at him.
129
364368
2263
Liebe und Bewunderung aus.
06:22
Here's another couple. (Laughter)
130
366631
3635
Und noch ein Paar. (Lachen)
06:26
And I'm thinking I'm not seeing love and admiration on the left. (Laughter)
131
370266
5150
Ich glaube, ich sehe hier links
keine Liebe und Bewunderung. (Lachen)
keine Liebe und Bewunderung. (Lachen)
06:31
In fact, I know this is his sister, and you can just see
132
375416
2560
Ich weiß sogar, dass das seine Schwester ist
und Sie können fast hören
und Sie können fast hören
06:33
him saying, "Okay, we're doing this for the camera,
133
377976
2513
wie er sagt: "Ok, wir machen das fürs Foto
06:36
and then afterwards you steal my candy and you punch me in the face." (Laughter)
134
380489
5702
und danach nimmst Du mir das Bonbon weg
und knallst mir eine." (Lachen)
und knallst mir eine." (Lachen)
06:42
He'll kill me for showing that.
135
386191
2106
Er bringt mich um,
weil ich das gezeigt habe.
weil ich das gezeigt habe.
06:44
All right, so what does this mean?
136
388297
2797
Was bedeutet dies eigentlich?
06:46
It means we bring an enormous amount of processing power to the problem.
137
391094
3350
Es bedeutet, wir bringen eine
enorme Einschätzungskapazität mit.
enorme Einschätzungskapazität mit.
06:50
It engages deep systems in our brain, in dopaminergic
138
394444
3648
Es aktiviert tiefe Gehirnareale,
06:53
systems that are there to make you chase sex, food and salt.
139
398092
2818
die dafür da sind, Sex,
Essen, Salz erbeuten zu wollen.
Essen, Salz erbeuten zu wollen.
06:56
They keep you alive. It gives them the pie, it gives
140
400910
2894
Sie halten Sie am Leben und geben ihnen den Zucker,
06:59
that kind of a behavioral punch which we've called a superpower.
141
403804
2904
so eine Art Verhaltensimpuls,
den wir Supermacht nennen.
den wir Supermacht nennen.
07:02
So how can we take that and arrange a kind of staged
142
406708
3654
Wie können wir dies also verwenden
und eine inszenierte, gesellschaftliche
und eine inszenierte, gesellschaftliche
07:06
social interaction and turn that into a scientific probe?
143
410362
2698
Interaktion in einen wissenschaftlichen Test verwandeln?
07:08
And the short answer is games.
144
413060
2691
Die kurze Antwort darauf heißt: Spiele.
07:11
Economic games. So what we do is we go into two areas.
145
415751
4404
Wirtschaftsspiele. Wir begeben uns in zwei Bereiche.
07:16
One area is called experimental economics. The other area is called behavioral economics.
146
420155
3336
Ein Bereich heißt: experimentelle Ökonomie
Der andere: Verhaltensökonomie.
Der andere: Verhaltensökonomie.
07:19
And we steal their games. And we contrive them to our own purposes.
147
423491
4078
Dann berauben wir sie ihrer Spiele.
Und benutzen sie für unsere Absichten.
Und benutzen sie für unsere Absichten.
07:23
So this shows you one particular game called an ultimatum game.
148
427569
2967
Dies zeigt ein bestimmtes Spiel,
das "Ultimatum-Spiel" heißt.
das "Ultimatum-Spiel" heißt.
07:26
Red person is given a hundred dollars and can offer
149
430536
1845
Die rote Person erhält 100 $
und sie darf der blauen
und sie darf der blauen
07:28
a split to blue. Let's say red wants to keep 70,
150
432381
3723
einen Anteil anbieten.
Angenommen Rot will 70 behalten,
Angenommen Rot will 70 behalten,
07:32
and offers blue 30. So he offers a 70-30 split with blue.
151
436104
4086
und bietet Blau 30 an.
Er bietet also ein 70/30-Verteilung an
Er bietet also ein 70/30-Verteilung an
07:36
Control passes to blue, and blue says, "I accept it,"
152
440190
2851
Blau übernimmt die Kontrolle und sagt:
"Ja, ich nehme an"
"Ja, ich nehme an"
07:38
in which case he'd get the money, or blue says,
153
443041
1956
in dem Falle erhält er das Geld,
oder Blau sagt:
oder Blau sagt:
07:40
"I reject it," in which case no one gets anything. Okay?
154
444997
4307
"Ich lehne ab," dann keiner erhält etwas.
Ok?
Ok?
07:45
So a rational choice economist would say, well,
155
449304
3392
Ein rational wählender Ökonom würde sagen:
07:48
you should take all non-zero offers.
156
452696
2056
Gut, nimm alle Ungleich-Null-Angebote.
07:50
What do people do? People are indifferent at an 80-20 split.
157
454752
3762
Was machen die Menschen?
Bei einem 80/20 Anteil ist es ihnen gleich.
Bei einem 80/20 Anteil ist es ihnen gleich.
07:54
At 80-20, it's a coin flip whether you accept that or not.
158
458514
3524
Bei 80/20 ist es wie beim Münzenwerfen,
ob man annimmt oder nicht.
ob man annimmt oder nicht.
07:57
Why is that? You know, because you're pissed off.
159
462038
2891
Warum ist das so?
Weil man verärgert ist.
Weil man verärgert ist.
08:00
You're mad. That's an unfair offer, and you know what an unfair offer is.
160
464929
3609
Man ist sauer. Es ist unfaires Angebot
und damit kennt man sich aus.
und damit kennt man sich aus.
08:04
This is the kind of game done by my lab and many around the world.
161
468538
2704
So ein Spiel wurde in meinem Labor und
in vielen anderen in der Welt durchgeführt.
in vielen anderen in der Welt durchgeführt.
08:07
That just gives you an example of the kind of thing that
162
471242
2544
Dies gibt Ihnen eine kleine
Vorstellung von den Dingen,
Vorstellung von den Dingen,
08:09
these games probe. The interesting thing is, these games
163
473786
3738
die diese Spiele testen.
Das Interessante dabei ist,
Das Interessante dabei ist,
08:13
require that you have a lot of cognitive apparatus on line.
164
477524
3707
dass diese Spiele einen großen, kognitiven
Verarbeitungsapparat voraussetzen.
Verarbeitungsapparat voraussetzen.
08:17
You have to be able to come to the table with a proper model of another person.
165
481231
2928
Sie müssen sich mit der richtigen Vorstellung
von einer anderen Person an den Tische setzen.
von einer anderen Person an den Tische setzen.
08:20
You have to be able to remember what you've done.
166
484159
3213
Sie müssen in der Lage sein,
sich zu erinnern, was Sie getan haben.
sich zu erinnern, was Sie getan haben.
08:23
You have to stand up in the moment to do that.
167
487372
1420
Sie müssen im richtigen Moment dafür eintreten.
08:24
Then you have to update your model based on the signals coming back,
168
488792
3350
Dann müssen Sie, den zurückkommenden
Signalen entsprechend, ihr Modell erneuern,
Signalen entsprechend, ihr Modell erneuern,
08:28
and you have to do something that is interesting,
169
492142
2972
und etwas Interessantes tun.
08:31
which is you have to do a kind of depth of thought assay.
170
495114
2597
Man muss eine Art Tiefenanalyse
der Gedanken betreiben.
der Gedanken betreiben.
08:33
That is, you have to decide what that other person expects of you.
171
497711
3333
Man muss nämlich entscheiden,
was der andere von einem erwartet.
was der andere von einem erwartet.
08:36
You have to send signals to manage your image in their mind.
172
501044
2954
Sie müssen Signale senden, um die Vorstellung
von Ihnen in deren Gehirn zu steuern.
von Ihnen in deren Gehirn zu steuern.
08:39
Like a job interview. You sit across the desk from somebody,
173
503998
2853
Wie bei einem Vorstellungsgespräch.
Sie sitzen jemandem gegenüber,
Sie sitzen jemandem gegenüber,
08:42
they have some prior image of you,
174
506851
1369
der von Ihnen ein vorgefasstes Bild hat,
08:44
you send signals across the desk to move their image
175
508220
2751
Sie senden Signale über den Tisch,
um dieses Bild von Ihnen
um dieses Bild von Ihnen
08:46
of you from one place to a place where you want it to be.
176
510971
3920
dorthin zu bewegen,
wo Sie es hinhaben wollen.
wo Sie es hinhaben wollen.
08:50
We're so good at this we don't really even notice it.
177
514891
3385
Wir sind darin so gut,
wir merken das noch nicht einmal.
wir merken das noch nicht einmal.
08:54
These kinds of probes exploit it. Okay?
178
518276
3767
Diese Art Tests machen sich dies zunutze, ok?
08:57
In doing this, what we've discovered is that humans
179
522043
1807
Und dabei haben wir herausgefunden,
dass Menschen sich eigentlich
dass Menschen sich eigentlich
08:59
are literal canaries in social exchanges.
180
523850
2331
beim gesellschaftlichen Austausch
wie Kanarienvögel verhalten.
wie Kanarienvögel verhalten.
09:02
Canaries used to be used as kind of biosensors in mines.
181
526181
3397
Kanarienvögel wurden in Minen
als Biosensoren benutzt.
als Biosensoren benutzt.
09:05
When methane built up, or carbon dioxide built up,
182
529578
3560
Wenn sich Methan bildete,
oder Kohledioxide
oder Kohledioxide
09:09
or oxygen was diminished, the birds would swoon
183
533138
4186
oder wenn Sauerstoff ausgestoßen wurde,
fielen die Vögel in Ohnmacht
fielen die Vögel in Ohnmacht
09:13
before people would -- so it acted as an early warning system:
184
537324
2326
bevor es den Menschen passierte –
sie fungierten also als Frühwarnsystem:
sie fungierten also als Frühwarnsystem:
09:15
Hey, get out of the mine. Things aren't going so well.
185
539650
2980
"Kommt aus der Mine heraus.
Es sieht nicht gut aus."
Es sieht nicht gut aus."
09:18
People come to the table, and even these very blunt,
186
542630
2954
Menschen kommen an den Tisch
– und sogar für diese stumpfe,
– und sogar für diese stumpfe,
09:21
staged social interactions, and they, and there's just
187
545584
2990
inszenierte soziale Interaktion, bei der bloß
09:24
numbers going back and forth between the people,
188
548574
3016
Zahlen zwischen den Leuten hin- und hergehen,
09:27
and they bring enormous sensitivities to it.
189
551590
2199
bringen sie viel Feingefühl auf.
09:29
So we realized we could exploit this, and in fact,
190
553789
2689
Wir wussten, das konnten wir
uns zu Nutze machen und tatsächlich
uns zu Nutze machen und tatsächlich
09:32
as we've done that, and we've done this now in
191
556478
2556
jetzt, wo wir es gemacht haben
und wir haben es
und wir haben es
09:34
many thousands of people, I think on the order of
192
559034
2694
bei einigen tausend Menschen getestet,
ich glaube so an die
ich glaube so an die
09:37
five or six thousand. We actually, to make this
193
561728
2165
fünf oder sechstausend waren es. Wir brauchen
09:39
a biological probe, need bigger numbers than that,
194
563893
2224
aber für einen biologischen Test
eine viel größere Anzahl als diese
eine viel größere Anzahl als diese
09:42
remarkably so. But anyway,
195
566117
3674
aber sie ist auch so bemerkenswert.
09:45
patterns have emerged, and we've been able to take
196
569791
2004
Dennoch haben sich Muster ergeben,
und wir konnten
und wir konnten
09:47
those patterns, convert them into mathematical models,
197
571795
3836
sie in mathematische Modelle umwandeln,
09:51
and use those mathematical models to gain new insights
198
575631
2689
und diese mathematischen Modelle
für neue Erkenntnisse nutzen,
für neue Erkenntnisse nutzen,
09:54
into these exchanges. Okay, so what?
199
578320
2131
die diese Interaktionen betreffen. Und nun?
09:56
Well, the so what is, that's a really nice behavioral measure,
200
580451
3313
Dieses "und nun" ist eine richtig
gutes Maß für unser Verhalten,
gutes Maß für unser Verhalten,
09:59
the economic games bring to us notions of optimal play.
201
583764
3319
die Wirtschaftsspiele bringen uns dazu,
optimal zu spielen
optimal zu spielen
10:02
We can compute that during the game.
202
587083
2484
Wir können das während des Spiels berechnen.
10:05
And we can use that to sort of carve up the behavior.
203
589567
2953
Und wir können das Verhalten sozusagen zerlegen.
10:08
Here's the cool thing. Six or seven years ago,
204
592520
4330
Das Coole ist, dass wir vor
sechs oder sieben Jahren
sechs oder sieben Jahren
10:12
we developed a team. It was at the time in Houston, Texas.
205
596850
2550
ein Team zusammenstellten.
Das war damals in Houston, Texas.
Das war damals in Houston, Texas.
10:15
It's now in Virginia and London. And we built software
206
599400
3394
Heute befindet es sich in Virginia und London.
Wir entwickelten eine Software,
Wir entwickelten eine Software,
10:18
that'll link functional magnetic resonance imaging devices
207
602794
3207
die mit Hilfe funktioneller Magnetresonanztomographie.
10:21
up over the Internet. I guess we've done up to six machines
208
606001
4035
über das Internet verlinkt wird.
Wir haben bis zu sechs Maschinen gebaut,
Wir haben bis zu sechs Maschinen gebaut,
10:25
at a time, but let's just focus on two.
209
610036
1981
aber schauen wir uns mal zwei genauer an.
10:27
So it synchronizes machines anywhere in the world.
210
612017
3058
Es synchronisiert also Maschinen überall auf der Welt.
10:30
We synchronize the machines, set them into these
211
615075
3169
Wir synchronisieren die Maschinen,
setzen sie in diese
setzen sie in diese
10:34
staged social interactions, and we eavesdrop on both
212
618244
1983
sozialen Interaktionen und belauschen beide
10:36
of the interacting brains. So for the first time,
213
620227
1666
interagierenden Gehirne.
Es ist das erste Mal,
Es ist das erste Mal,
10:37
we don't have to look at just averages over single individuals,
214
621893
3607
das wir nicht auf Durschschnittsmenschen,
sondern auf Individuen schauen,
sondern auf Individuen schauen,
10:41
or have individuals playing computers, or try to make
215
625500
2897
oder Individuen Computerspiele spielen lassen
10:44
inferences that way. We can study individual dyads.
216
628397
2763
und daraus Schlüsse ziehen.
Wir können individuelle Dyaden erforschen.
Wir können individuelle Dyaden erforschen.
10:47
We can study the way that one person interacts with another person,
217
631160
2785
Wir können die Art, wie ein Mensch
mit einem anderen interagiert erforschen,
mit einem anderen interagiert erforschen,
10:49
turn the numbers up, and start to gain new insights
218
633945
2564
die Zahlen erhöhen
und neue Einblicke
und neue Einblicke
10:52
into the boundaries of normal cognition,
219
636509
2515
in die Grenzen
der normalen Kognition erlangen.
der normalen Kognition erlangen.
10:54
but more importantly, we can put people with
220
639024
2732
Aber noch wichtiger ist, dass wir Menschen,
10:57
classically defined mental illnesses, or brain damage,
221
641756
3337
die klassisch als verrückt galten,
oder einen Hirnschaden haben,
oder einen Hirnschaden haben,
11:00
into these social interactions, and use these as probes of that.
222
645093
3551
in sozialen Interaktionen eintreten lassen und
diese dann zur Untersuchung nutzen können.
diese dann zur Untersuchung nutzen können.
11:04
So we've started this effort. We've made a few hits,
223
648644
2350
Wir haben also diesen Aufwand unternommen.
Wir haben ein paar Erfolge erzielt,
Wir haben ein paar Erfolge erzielt,
11:06
a few, I think, embryonic discoveries.
224
650994
2449
ein paar unausgereifte
Entdeckungen gemacht.
Entdeckungen gemacht.
11:09
We think there's a future to this. But it's our way
225
653443
2812
Wir glauben, dass das Zukunft hat.
Aber es ist an uns
Aber es ist an uns
11:12
of going in and redefining, with a new lexicon,
226
656255
2560
hineinzugehen und das zu redefinieren,
mit einem neuen Lexikon
mit einem neuen Lexikon
11:14
a mathematical one actually, as opposed to the standard
227
658815
4022
ein mathematisches,
das sich von denen
das sich von denen
11:18
ways that we think about mental illness,
228
662837
2578
wie wir über Geisteskrankheiten dachten,
abgrenzt.
abgrenzt.
11:21
characterizing these diseases, by using the people
229
665415
2067
Die Geisteskrankheiten sollen
so charakterisiert werden,
so charakterisiert werden,
11:23
as birds in the exchanges. That is, we exploit the fact
230
667482
3007
wie die Vögel bei ihrem Austausch.
Wir nutzen also aus,
Wir nutzen also aus,
11:26
that the healthy partner, playing somebody with major depression,
231
670489
4244
dass der gesunde Partner,
einen hochgradig Depressiven
einen hochgradig Depressiven
11:30
or playing somebody with autism spectrum disorder,
232
674733
2910
oder einen Autisten spielt,
11:33
or playing somebody with attention deficit hyperactivity disorder,
233
677643
3850
oder einen Menschen mit ADHS,
11:37
we use that as a kind of biosensor, and then we use
234
681493
3219
wir nutzen dies wie einen Biosensor, und danach
11:40
computer programs to model that person, and it gives us
235
684712
2644
nehmen wir die Computerprogramme,
um so einen Menschen zu kreieren
um so einen Menschen zu kreieren
11:43
a kind of assay of this.
236
687356
2470
eine Art Prüfer des Ganzen.
11:45
Early days, and we're just beginning, we're setting up sites
237
689826
2131
Es ist noch zu früh,
aber wir beginnen Webseiten
aber wir beginnen Webseiten
11:47
around the world. Here are a few of our collaborating sites.
238
691957
3410
auf der ganzen Welt einzurichten.
Hier nenne ich ein paar:
Hier nenne ich ein paar:
11:51
The hub, ironically enough,
239
695367
2309
"Die Nabe", ironisch genug,
11:53
is centered in little Roanoke, Virginia.
240
697676
2889
befindet sich im kleinen Roanoke, Virginia.
11:56
There's another hub in London, now, and the rest
241
700565
2269
In London gibt es eine weitere, und andere
11:58
are getting set up. We hope to give the data away
242
702834
4009
werden gerade fertiggestellt.
Wir hoffen, diese Daten freigeben zu können.
Wir hoffen, diese Daten freigeben zu können.
12:02
at some stage. That's a complicated issue
243
706843
3673
Es ist eine komplizierte Sache,
12:06
about making it available to the rest of the world.
244
710516
2994
das dem ganzen Rest der Welt
zur Verfügung zu stellen.
zur Verfügung zu stellen.
12:09
But we're also studying just a small part
245
713510
1847
Aber wir machen auch Studien
über einen kleinen Teil,
über einen kleinen Teil,
12:11
of what makes us interesting as human beings, and so
246
715357
2267
der uns als Menschen interessant macht
12:13
I would invite other people who are interested in this
247
717624
2041
und deshalb möchte ich andere Leute,
die daran interessiert sind dazu einladen
die daran interessiert sind dazu einladen
12:15
to ask us for the software, or even for guidance
248
719665
2569
uns nach der Software oder
sogar nach Beratung zu fragen,
sogar nach Beratung zu fragen,
12:18
on how to move forward with that.
249
722234
2219
wie sie weiter vorgehen können.
12:20
Let me leave you with one thought in closing.
250
724453
2341
Ich möchte Sie mit einem Gedanken verabschieden.
12:22
The interesting thing about studying cognition
251
726794
1942
Das Interessante an der Erforschung der Kognition
12:24
has been that we've been limited, in a way.
252
728736
3732
war, dass wir irgendwie eingeschränkt waren.
12:28
We just haven't had the tools to look at interacting brains
253
732468
2943
Wir hatten nicht die Hilfsmittel,
um interagierende Gehirne zu beobachten,
um interagierende Gehirne zu beobachten,
12:31
simultaneously.
254
735411
1200
gleichzeitig.
12:32
The fact is, though, that even when we're alone,
255
736611
2470
Fakt ist aber, dass sogar,
wenn wir alleine sind
wenn wir alleine sind
12:34
we're a profoundly social creature. We're not a solitary mind
256
739081
4111
wir tief in uns soziale Kreaturen sind.
Wir sind keine Einzelgehirne,
Wir sind keine Einzelgehirne,
12:39
built out of properties that kept it alive in the world
257
743192
4373
die sich aus Eigenschaften gebildet haben,
die sie am Leben erhalten,
die sie am Leben erhalten,
12:43
independent of other people. In fact, our minds
258
747565
3948
unabhängig von anderen.
Unsere Gehirne sind
Unsere Gehirne sind
12:47
depend on other people. They depend on other people,
259
751513
2870
von anderen Menschen abhängig.
Sie hängen von ihnen ab.
Sie hängen von ihnen ab.
12:50
and they're expressed in other people,
260
754383
1541
und erhalten durch andere Menschen Ausdruck.
12:51
so the notion of who you are, you often don't know
261
755924
3652
Wer man ist, weiß man also ganz oft nicht
12:55
who you are until you see yourself in interaction with people
262
759576
2688
bis man mit anderen Menschen interagiert,
12:58
that are close to you, people that are enemies of you,
263
762264
2406
die einem nahe stehen,
oder Feinde sind
oder Feinde sind
13:00
people that are agnostic to you.
264
764670
2545
Menschen, die dich anzweifeln.
13:03
So this is the first sort of step into using that insight
265
767215
3776
Dies ist der erste Schritt,
um diesen Einblick
um diesen Einblick
13:06
into what makes us human beings, turning it into a tool,
266
770991
3295
in das, was Menschen machen,
in ein Instrument zu verwandeln
in ein Instrument zu verwandeln
13:10
and trying to gain new insights into mental illness.
267
774286
1978
und neue Erkenntnisse über
Geisteskrankheiten zu erlangen
Geisteskrankheiten zu erlangen
13:12
Thanks for having me. (Applause)
268
776264
3121
Danke für die Einladung. (Applaus)
13:15
(Applause)
269
779385
3089
(Applaus)
ABOUT THE SPEAKER
Read Montague - Behavioral NeuroscientistWhat does "normal behavior" look like? To find out, Read Montague is imaging thousands of brains at work.
Why you should listen
Until recently, the world's curiosity about our brains seemed to focus on abnormal behavior. Which of course left a big question unanswered: Do we even know what "normal behavior" is? Through the landmark Roanoke Brain Study, Read Montague is hoping to find that out, exploring the everyday tasks of brains -- making decisions, understanding social context, and relating to others -- by neuroimaging some 5,000 people, ages 18-85, over a period of many years.
Montague's teams in Virginia and in London lead fascinating research in computational neuroscience (how the brain's "machinery" works), offering insight into the relationship between the social and cognitive functions. For instance, a recent study from his group found that in small social groups, some people will alter the expression of their IQ in reaction to social pressures -- revising, in almost all cases, downward.
Read Montague | Speaker | TED.com