ABOUT THE SPEAKER
Miguel Nicolelis - Neuroscientist
Miguel Nicolelis explores the limits of the brain-machine interface.

Why you should listen

At the Nicolelis Laboratory at Duke University, Miguel Nicolelis is best known for pioneering studies in neuronal population coding, Brain Machine Interfaces (BMI) and neuroprosthetics in human patients and non-human primates.His lab's work was seen, famously though a bit too briefly, when a brain-controlled exoskeleton from his lab helped Juliano Pinto, a paraplegic man, kick the first ball at the 2014 World Cup.

But his lab is thinking even bigger. They've developed an integrative approach to studying neurological disorders, including Parkinsons disease and epilepsy. The approach, they hope, will allow the integration of molecular, cellular, systems and behavioral data in the same animal, producing a more complete understanding of the nature of the neurophysiological alterations associated with these disorders. He's the author of the books Beyond Boundaries and The Relativistic Brain.

Miguel was honored as one of Foreign Policy's 2015 Global Thinkers.

More profile about the speaker
Miguel Nicolelis | Speaker | TED.com
TEDMED 2012

Miguel Nicolelis: A monkey that controls a robot with its thoughts. No, really.

Miguel Nicolelis: Ein Affe steuert einen Roboter – nur durch Gedanken!

Filmed:
1,315,130 views

Können wir unser Gehirn benutzen, um Geräte direkt zu kontrollieren — ohne einen Körper dazwischen? Miguel Nicolelis erzählt von einem erstaunlichen Experiment, in dem ein schlauer Affe in den USA lernt, erst einen Affen-Avatar und dann einen Roboterarm in Japan, allein durch seine Gedanken, zu steuern. Diese Forschung hat große Auswirkungen für Tetraplegiker — und vielleicht für uns alle. (Gefilmt auf der TEDMED 2012.)
- Neuroscientist
Miguel Nicolelis explores the limits of the brain-machine interface. Full bio

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

00:16
The kindArt of neuroscienceNeurowissenschaften that I do and my colleaguesKollegen do
0
330
2851
Die Neurowissenschaft, die meine
Kollegen und ich praktizieren
00:19
is almostfast like the weathermanWetterfrosch.
1
3181
2166
ähnelt der Meteorologie.
00:21
We are always chasingjagen stormsStürme.
2
5347
3516
Wir suchen ständig nach Gewittern.
00:24
We want to see and measuremessen stormsStürme -- brainstormsBrainstormen, that is.
3
8863
4883
Wir beobachten und messen
Gewitter – Geistesblitze.
00:29
And we all talk about brainstormsBrainstormen in our dailyTäglich livesLeben,
4
13746
2768
Wir alle sprechen in unserem
Alltagsleben über Geistesblitze,
00:32
but we rarelynur selten see or listen to one.
5
16514
3450
aber wir sehen oder hören selten einen.
00:35
So I always like to startAnfang these talksGespräche
6
19964
1634
Ich beginne Vorträge gerne damit,
00:37
by actuallytatsächlich introducingeinführen you to one of them.
7
21598
2982
Ihnen einen davon vorzustellen.
00:40
ActuallyTatsächlich, the first time we recordedverzeichnet more than one neuronNeuron --
8
24580
3427
Als wir erstmals mehr als
ein Neuron aufgezeichnet haben –
00:43
a hundredhundert brainGehirn cellsZellen simultaneouslygleichzeitig --
9
28007
2223
hundert Gehirnzellen gleichzeitig –
00:46
we could measuremessen the electricalelektrisch sparksFunken
10
30230
2469
konnten wir die elektrischen Entladungen
00:48
of a hundredhundert cellsZellen in the samegleich animalTier,
11
32699
2680
von hundert Zellen
bei einem Tier messen,
00:51
this is the first imageBild we got,
12
35379
1802
das ist das erste Bild davon,
00:53
the first 10 secondsSekunden of this recordingAufzeichnung.
13
37181
2315
die ersten 10 Sekunden dieser Aufnahme.
00:55
So we got a little snippetSnippet of a thought,
14
39496
3351
Wir haben hier ein Gedankenbruchstück,
00:58
and we could see it in frontVorderseite of us.
15
42847
2905
das wir vor uns sehen konnten.
01:01
I always tell the studentsStudenten
16
45752
1012
Ich sage den Studenten,
01:02
that we could alsoebenfalls call neuroscientistsNeurowissenschaftler some sortSortieren of astronomerAstronom,
17
46764
4106
dass man Neurowissenschaftler
auch Astronomen nennen könnte,
01:06
because we are dealingUmgang with a systemSystem
18
50870
1626
denn es geht um ein System,
01:08
that is only comparablevergleichbar in termsBegriffe of numberNummer of cellsZellen
19
52496
2917
dessen Anzahl an Zellen
nur vergleichbar ist
01:11
to the numberNummer of galaxiesGalaxien that we have in the universeUniversum.
20
55413
2936
mit der Anzahl an
Galaxien im Universum.
01:14
And here we are, out of billionsMilliarden of neuronsNeuronen,
21
58349
3030
Wir haben von Milliarden von Neuronen,
01:17
just recordingAufzeichnung, 10 yearsJahre agovor, a hundredhundert.
22
61379
2818
vor 10 Jahren nur 100 aufgezeichnet.
01:20
We are doing a thousandtausend now.
23
64197
1583
Jetzt erfassen wir 1.000.
01:21
And we hopeHoffnung to understandverstehen something fundamentalgrundlegend about our humanMensch natureNatur.
24
65780
5400
Wir hoffen, Wesentliches über
die menschliche Natur zu erfahren.
01:27
Because, if you don't know yetnoch,
25
71180
1932
Vielleicht war Ihnen das
bisher nicht bewusst,
01:29
everything that we use to definedefinieren what humanMensch natureNatur is comeskommt from these stormsStürme,
26
73112
5250
aber wir definieren die menschliche
Natur ausschließlich über
01:34
comeskommt from these stormsStürme that rollrollen over the hillsHügel and valleysTäler of our brainsGehirne
27
78362
4651
diese Stürme, die über die Hügel
und Täler unseres Gehirns rollen
01:38
and definedefinieren our memoriesErinnerungen, our beliefsÜberzeugungen,
28
83013
3885
und unsere Erinnerung,
unsere Vorstellungen,
01:42
our feelingsGefühle, our plansPläne for the futureZukunft.
29
86898
2700
unsere Gefühle,
unsere Zukunftspläne.
01:45
Everything that we ever do,
30
89598
2398
Alles was wir machen,
01:47
everything that everyjeden humanMensch has ever doneerledigt, do or will do,
31
91996
5067
alles was ein Mensch je
getan hat, tut oder tun wird,
01:52
requireserfordert the toilMühe of populationsPopulationen of neuronsNeuronen producingproduzierend these kindsArten of stormsStürme.
32
97063
5434
erfordert den Einsatz von Neuronenpopulationen,
um diese Gewitter zu erzeugen.
01:58
And the soundklingen of a brainstormBrainstorm, if you've never heardgehört one,
33
102497
2483
Der Klang eines Gehirnsturms,
falls Sie noch keinen gehört haben,
02:00
is somewhatetwas like this.
34
104980
3349
ist ungefähr so.
02:04
You can put it louderlauter if you can.
35
108329
3146
Man kann es noch lauter drehen.
02:07
My sonSohn callsAnrufe this "makingHerstellung popcornPopcorn while listeningHören to a badly-tunedschlecht dran A.M. stationBahnhof."
36
111475
6403
Mein Sohn nennt das
"Popcorn machen, wenn das Radio rauscht".
02:13
This is a brainGehirn.
37
117878
1485
Das ist ein Gehirn.
02:15
This is what happensdas passiert when you routeRoute these electricalelektrisch stormsStürme to a loudspeakerLautsprecher
38
119363
3434
So klingen diese elektrischen Stürme
über einen Lautsprecher.
02:18
and you listen to a hundredhundert brainGehirn cellsZellen firingfeuern,
39
122797
2866
Sie hören die Entladung hunderter Gehirnzellen,
02:21
your brainGehirn will soundklingen like this -- my brainGehirn, any brainGehirn.
40
125663
4622
so hört sich jedes Gehirn an.
02:26
And what we want to do as neuroscientistsNeurowissenschaftler in this time
41
130285
3762
Als Neurowissenschaftler wollen wir uns
02:29
is to actuallytatsächlich listen to these symphoniesSinfonien, these brainGehirn symphoniesSinfonien,
42
134047
5350
diese Symphonien des Gehirns anhören,
02:35
and try to extractExtrakt from them the messagesNachrichten they carrytragen.
43
139397
3400
und ihre Botschaften herausfiltern.
02:38
In particularinsbesondere, about 12 yearsJahre agovor
44
142797
2851
Vor etwa 12 Jahren schufen wir
02:41
we createderstellt a preparationVorbereitung that we namedgenannt brain-machineGehirn-Maschine interfacesSchnittstellen.
45
145648
3048
ein Präparat, das wir die Schnittstelle
von Gehirn und Maschine nannten.
02:44
And you have a schemeplanen here that describesbeschreibt how it worksWerke.
46
148696
2702
Dieses Schema beschreibt, wie es funktioniert.
02:47
The ideaIdee is, let's have some sensorsSensoren that listen to these stormsStürme, this electricalelektrisch firingfeuern,
47
151398
5566
Die Sensoren sollen den Stürmen,
dieser elektrischen Entladung, lauschen,
02:52
and see if you can, in the samegleich time that it takes
48
156964
3082
und feststellen, ob man in der Zeit,
die der Sturm braucht,
02:55
for this stormSturm to leaveverlassen the brainGehirn and reacherreichen the legsBeine or the armsArme of an animalTier --
49
160046
4969
um vom Gehirn zu den Beinen oder
Armen eines Tieres zu gelangen –
03:00
about halfHälfte a secondzweite --
50
165015
2864
etwa eine halbe Sekunde –
03:03
let's see if we can readlesen these signalsSignale,
51
167879
2351
die Signale lesen kann,
03:06
extractExtrakt the motorMotor- messagesNachrichten that are embeddedeingebettet in it,
52
170230
3400
die enthaltenen motorischen
Signale entnehmen,
03:09
translateÜbersetzen it into digitaldigital commandsBefehle
53
173630
2272
sie in digitale Befehle verwandeln
03:11
and sendsenden it to an artificialkünstlich deviceGerät
54
175902
1886
und sie an ein Gerät senden kann,
03:13
that will reproducereproduzieren the voluntaryfreiwillig motorMotor- wheelRad of that brainGehirn in realecht time.
55
177788
5893
das die willkürliche Motorik
des Gehirns in Echtzeit abbildet.
03:19
And see if we can measuremessen how well we can translateÜbersetzen that messageNachricht
56
183681
3848
Wir beobachten, wie gut wir
das Signal übertragen können,
03:23
when we comparevergleichen to the way the bodyKörper does that.
57
187529
3518
im Vergleich zur
körpereigenen Weise.
03:26
And if we can actuallytatsächlich providezu Verfügung stellen feedbackFeedback,
58
191047
2866
Und ob wir wirklich eine Rückkopplung
über sensorische Signale
03:29
sensorysensorisch signalsSignale that go back from this roboticRoboter, mechanicalmechanisch, computationalrechnerisch actuatorStellantrieb
59
193913
5734
vom roboter-mechanischen,
rechnerbasierten Auslöser,
03:35
that is now underunter the controlsteuern of the brainGehirn,
60
199647
2251
der jetzt vom Gehirn kontrolliert wird,
03:37
back to the brainGehirn,
61
201898
1311
zurück zum Gehirn, erzeugen können,
03:39
how the brainGehirn dealsAngebote with that,
62
203209
2121
und wie das Gehirn Signale verarbeitet,
03:41
of receivingEmpfang messagesNachrichten from an artificialkünstlich pieceStück of machineryMaschinen.
63
205330
4901
die von einem künstlichen
Mechanismus ausgehen.
03:46
And that's exactlygenau what we did 10 yearsJahre agovor.
64
210231
2321
Genau das taten wir vor 10 Jahren.
03:48
We startedhat angefangen with a superstarSuperstar monkeyAffe callednamens AuroraAurora
65
212552
2961
Wir begannen mit dem
Affen-Superstar Aurora,
03:51
that becamewurde one of the superstarsSuperstars of this fieldFeld.
66
215513
2468
der auf diesem Gebiet zu
einem Superstar wurde.
03:53
And AuroraAurora likedgefallen to playspielen videoVideo gamesSpiele.
67
217981
2299
Aurora spielte gerne Videospiele.
03:56
As you can see here,
68
220280
1373
Wie Sie hier sehen,
03:57
she likesLikes to use a joystickJoystick, like any one of us, any of our kidsKinder, to playspielen this gameSpiel.
69
221653
4944
sie benutzte, wie jeder von uns,
beim Spielen gern einen Joystick.
04:02
And as a good primatePrimas, she even triesversucht to cheatbetrügen before she getsbekommt the right answerAntworten.
70
226597
4671
Als braver Primat, versuchte sie sogar
zu mogeln, um die richtige Antwort rauszufinden.
04:07
So even before a targetZiel appearserscheint that she's supposedsoll to crossKreuz
71
231268
4283
Sogar bevor ein Ziel erscheint,
das sie mit dem
04:11
with the cursorCursor that she's controllingControlling with this joystickJoystick,
72
235551
2850
Joystick gesteuerten
Cursor anzielen soll.
04:14
AuroraAurora is tryingversuchen to find the targetZiel, no matterAngelegenheit where it is.
73
238401
3951
versucht Aurora das Ziel
zu finden, egal wo es ist.
04:18
And if she's doing that,
74
242352
1469
Und wenn sie das macht, erhält sie,
04:19
because everyjeden time she crossesKreuze that targetZiel with the little cursorCursor,
75
243821
3314
jedes Mal wenn sie das Ziel mit
dem kleinen Cursor erfasst,
04:23
she getsbekommt a dropfallen of BrazilianBrasilianische orangeOrange juiceSaft.
76
247135
2950
einen Tropfen brasilianischen Orangensafts.
04:25
And I can tell you, any monkeyAffe will do anything for you
77
250085
2950
Und jeder Affe wird alles für Sie tun,
04:28
if you get a little dropfallen of BrazilianBrasilianische orangeOrange juiceSaft.
78
253035
3100
wenn er einen Tropfen
dieses Orangensafts bekommt.
04:32
ActuallyTatsächlich any primatePrimas will do that.
79
256135
2731
Eigentlich würde das jeder Primat machen.
04:34
Think about that.
80
258866
1334
Überlegen Sie sich das mal.
04:36
Well, while AuroraAurora was playingspielen this gameSpiel, as you saw,
81
260200
3400
Während Aurora dieses Spiel spielte
04:39
and doing a thousandtausend trialsVersuche a day
82
263600
2435
und tausend Versuche am Tag machte
04:41
and gettingbekommen 97 percentProzent correctrichtig and 350 millilitersMilliliter of orangeOrange juiceSaft,
83
266035
3883
und 97% richtig machte und
350 ml Orangensaft bekam,
04:45
we are recordingAufzeichnung the brainstormsBrainstormen that are producedhergestellt in her headKopf
84
269918
3399
zeichneten wir die Gehirnstürme auf,
die in ihrem Kopf enstanden
04:49
and sendingSenden them to a roboticRoboter armArm
85
273317
1647
und sendeten sie an einen Roboterarm,
04:50
that was learningLernen to reproducereproduzieren the movementsBewegungen that AuroraAurora was makingHerstellung.
86
274964
3871
der lernte die Bewegungen
Auroras zu reproduzieren.
04:54
Because the ideaIdee was to actuallytatsächlich turnWende on this brain-machineGehirn-Maschine interfaceSchnittstelle
87
278835
3783
Die Idee war diese Schnittstelle von
Gehirn und Maschine einzuschalten
04:58
and have AuroraAurora playspielen the gameSpiel just by thinkingDenken,
88
282618
4700
und Aurora dieses Spiel allein
durch Denken spielen zu lassen,
05:03
withoutohne interferenceInterferenz of her bodyKörper.
89
287318
2617
ohne Eingriff ihres Körpers.
05:05
Her brainstormsBrainstormen would controlsteuern an armArm
90
289935
2916
Ihre Gehirnströme würden
einen Arm kontrollieren,
05:08
that would moveBewegung the cursorCursor and crossKreuz the targetZiel.
91
292851
2709
der den Cursor bewegt
und das Ziel erfasst.
05:11
And to our shockSchock, that's exactlygenau what AuroraAurora did.
92
295560
3191
Zu unserem Entsetzen,
tat Aurora genau das.
05:14
She playedgespielt the gameSpiel withoutohne movingbewegend her bodyKörper.
93
298751
4200
Sie spielte das Spiel,
ohne ihren Körper zu bewegen.
05:18
So everyjeden trajectoryFlugbahn that you see of the cursorCursor now,
94
302951
2237
Jede Bewegungslinie des Cursors,
die Sie jetzt sehen,
05:21
this is the exactgenau first momentMoment she got that.
95
305188
3212
ist vom ersten Moment,
wo es ihr gelang.
05:24
That's the exactgenau first momentMoment
96
308400
1784
Das ist das allererste Mal,
05:26
a brainGehirn intentionAbsicht was liberatedbefreit from the physicalphysisch domainsDomänen of a bodyKörper of a primatePrimas
97
310184
6767
dass ein Gehirnbefehl vom physischen Bereich
eines Primatenkörpers befreit wurde
05:32
and could actHandlung outsidedraußen, in that outsidedraußen worldWelt,
98
316951
3700
und außerhalb davon agieren konnte,
05:36
just by controllingControlling an artificialkünstlich deviceGerät.
99
320651
2966
allein durch Steuerung
eines Geräts.
05:39
And AuroraAurora keptgehalten playingspielen the gameSpiel, keptgehalten findingErgebnis the little targetZiel
100
323617
4917
Und Aurora spielte weiter,
fand weiter das kleine Ziel,
05:44
and gettingbekommen the orangeOrange juiceSaft that she wanted to get, that she cravedsehnte sich for.
101
328534
3917
bekam weiterhin den
Orangensaft, den sie wollte.
05:48
Well, she did that because she, at that time, had acquirederworben a newneu armArm.
102
332451
6701
Sie tat das, weil sie damals
einen neuen Arm bekommen hatte.
05:55
The roboticRoboter armArm that you see movingbewegend here 30 daysTage laterspäter,
103
339152
2963
Der Roboterarm, den Sie hier 30 Tage
05:58
after the first videoVideo that I showedzeigte to you,
104
342115
2686
nach dem vorhin gezeigten Video
in Bewegung sehen,
06:00
is underunter the controlsteuern of Aurora'sAuroras brainGehirn
105
344801
2650
ist unter der Kontrolle
von Auroras Gehirn
06:03
and is movingbewegend the cursorCursor to get to the targetZiel.
106
347451
3168
und bewegt den Cursor,
um das Ziel zu erreichen.
06:06
And AuroraAurora now knowsweiß that she can playspielen the gameSpiel with this roboticRoboter armArm,
107
350619
3899
Aurora weiß, dass Sie das Spiel mit Hilfe
dieses Roboterarms spielen kann,
06:10
but she has not losthat verloren the abilityFähigkeit to use her biologicalbiologisch armsArme to do what she pleasesgefällt.
108
354518
5716
aber sie hat nicht die Fähigkeit verloren,
ihren biologischen Arm zu benutzen.
06:16
She can scratchkratzen her back, she can scratchkratzen one of us, she can playspielen anotherein anderer gameSpiel.
109
360234
4067
Sie kann ihren Rücken und jeden von uns kratzen,
sie kann auch etwas anderes spielen.
06:20
By all purposesZwecke and meansmeint,
110
364301
1600
In jeder Hinsicht hatte
06:21
Aurora'sAuroras brainGehirn has incorporatedeingearbeitet that artificialkünstlich deviceGerät
111
365901
4116
Auroras Gehirn das Gerät
06:25
as an extensionErweiterung of her bodyKörper.
112
370017
2750
als eine Erweiterung ihres Körpers integriert.
06:28
The modelModell- of the selfselbst that AuroraAurora had in her mindVerstand
113
372767
3533
Auroras Selbstbild, das sie im Kopf hatte,
06:32
has been expandederweitert to get one more armArm.
114
376300
4084
hatte sich erweitert, um einen
weiteren Arm aufzunehmen.
06:36
Well, we did that 10 yearsJahre agovor.
115
380384
2350
Das haben wir vor 10 Jahren gemacht.
06:38
Just fastschnell forwardVorwärts- 10 yearsJahre.
116
382734
2833
Spulen Sie bloß 10 Jahre vor.
06:41
Just last yearJahr we realizedrealisiert that you don't even need to have a roboticRoboter deviceGerät.
117
385567
4983
Erst letztes Jahr merkten wir, dass wir
nicht mal ein roboterhaftes Gerät brauchen.
06:46
You can just buildbauen a computationalrechnerisch bodyKörper, an avatarBenutzerbild, a monkeyAffe avatarBenutzerbild.
118
390550
5484
Man baut einfach einen
rechnerbasierten Körper, einen Affen-Avatar.
06:51
And you can actuallytatsächlich use it for our monkeysAffen to eitherentweder interactinteragieren with them,
119
396034
4250
Diesen kann man nutzen, damit die Affen
entweder damit interagieren können
06:56
or you can trainZug them to assumeannehmen in a virtualvirtuell worldWelt
120
400284
4439
oder man kann sie so trainieren,
dass sie in einer künstlichen Welt
07:00
the first-personEgo- perspectivePerspektive of that avatarBenutzerbild
121
404723
3044
die Ich-Perspektive des Avatars einnehmen
07:03
and use her brainGehirn activityAktivität to controlsteuern the movementsBewegungen of the avatar'sAvatars armsArme or legsBeine.
122
407767
5651
und mit ihrem Gehirn die Bewegungen
der Arme oder Beine des Avatars kontrollieren.
07:09
And what we did basicallyGrundsätzlich gilt was to trainZug the animalsTiere
123
413418
2766
Grundsätzlich trainierten wir die Tiere,
07:12
to learnlernen how to controlsteuern these avatarsAvatare
124
416184
3050
damit sie lernten,
diese Avatare zu kontrollieren
07:15
and exploreerforschen objectsObjekte that appearerscheinen in the virtualvirtuell worldWelt.
125
419234
3899
und Objekte in der
virtuellen Welt zu erforschen.
07:19
And these objectsObjekte are visuallyvisuell identicalidentisch,
126
423133
2301
Diese Objekte sind optisch identisch,
07:21
but when the avatarBenutzerbild crossesKreuze the surfaceOberfläche of these objectsObjekte,
127
425434
3883
aber wenn der Avatar die Oberfläche
dieser Objekte durchbricht,
07:25
they sendsenden an electricalelektrisch messageNachricht that is proportionalproportional to the microtactilemicrotactile textureTextur of the objectObjekt
128
429317
6400
senden sie ein elektrisches Signal,
angepasst an die mikrotaktilen Textur des Objekts.
07:31
that goesgeht back directlydirekt to the monkey'sder Affe brainGehirn,
129
435717
4016
Dieses geht direkt an das Gehirn
des Affen zurück
07:35
informinginformierend the brainGehirn what it is the avatarBenutzerbild is touchingBerühren.
130
439733
5052
und teilt dem Gehirn mit,
was der Avatar berührt.
07:40
And in just fourvier weeksWochen, the brainGehirn learnslernt to processverarbeiten this newneu sensationSensation
131
444785
4765
In nur vier Wochen lernt das Gehirn
diesen neuen Sinneseindruck zu verarbeiten
07:45
and acquireserwirbt a newneu sensorysensorisch pathwayWeg -- like a newneu senseSinn.
132
449550
6434
und erzeugt eine neue Sinnesbahn
– ähnlich einem neuen Sinn.
07:51
And you trulywirklich liberatebefreien the brainGehirn now
133
455984
2416
Das Gehirn wird jetzt wirklich befreit,
07:54
because you are allowingZulassen the brainGehirn to sendsenden motorMotor- commandsBefehle to moveBewegung this avatarBenutzerbild.
134
458400
4384
denn es kann Befehle senden,
um den Avatar zu bewegen.
07:58
And the feedbackFeedback that comeskommt from the avatarBenutzerbild is beingSein processedverarbeitet directlydirekt by the brainGehirn
135
462784
5000
Und die Rückmeldung vom Avatar
wird direkt vom Gehirn verarbeitet,
08:03
withoutohne the interferenceInterferenz of the skinHaut.
136
467784
2433
ohne die Einbindung der Haut.
08:06
So what you see here is this is the designEntwurf of the taskAufgabe.
137
470217
2534
Hier sieht man den
Aufbau dieser Aufgabe.
08:08
You're going to see an animalTier basicallyGrundsätzlich gilt touchingBerühren these threedrei targetsZiele.
138
472751
4250
Sie sehen, wie ein Tier
diese drei Ziele berührt.
08:12
And he has to selectwählen one because only one carriesträgt the rewardBelohnung,
139
477001
4349
Und er muss eins auswählen,
denn nur eins führt zur Belohnung,
08:17
the orangeOrange juiceSaft that they want to get.
140
481350
1867
den Orangensaft, den sie haben wollen.
08:19
And he has to selectwählen it by touchberühren usingmit a virtualvirtuell armArm, an armArm that doesn't existexistieren.
141
483217
5633
Und er muss es mit einem nicht
existierenden, virtuellen Arm auswählen.
08:24
And that's exactlygenau what they do.
142
488850
2000
Und genau das machen sie.
08:26
This is a completekomplett liberationBefreiung of the brainGehirn
143
490850
3435
Das ist eine völlige Befreiung des Gehirns
08:30
from the physicalphysisch constraintsEinschränkungen of the bodyKörper and the motorMotor- in a perceptualWahrnehmungs taskAufgabe.
144
494285
4282
von physischen Beschränkungen des Körpers
und der Motorik in einer Wahrnehmungsaufgabe.
08:34
The animalTier is controllingControlling the avatarBenutzerbild to touchberühren the targetsZiele.
145
498567
4167
Das Tier kontrolliert den Avatar,
um die Ziele zu berühren.
08:38
And he's sensingWahrnehmung the textureTextur by receivingEmpfang an electricalelektrisch messageNachricht directlydirekt in the brainGehirn.
146
502734
5651
Und es fühlt die Textur durch elektrische Signale,
die er direkt im Gehirn empfängt.
08:44
And the brainGehirn is decidingentscheiden what is the textureTextur associateddamit verbundenen with the rewardBelohnung.
147
508385
3883
Das Gehirn bestimmt dann, welche
Textur mit der Belohnung verknüpft ist.
08:48
The legendsLegenden that you see in the movieFilm don't appearerscheinen for the monkeyAffe.
148
512268
3832
Die Beschriftungen, die Sie im
Film sehen, sieht der Affe nicht.
08:52
And by the way, they don't readlesen EnglishEnglisch anywaysowieso,
149
516100
2484
Und außerdem lesen sie
sowieso kein Englisch,
08:54
so they are here just for you to know that the correctrichtig targetZiel is shiftingVerschiebung positionPosition.
150
518584
5216
sind also nur für Sie, damit Sie wissen,
dass das Ziel die Position wechselt.
08:59
And yetnoch, they can find them by tactiletaktile discriminationDiskriminierung,
151
523800
3934
Sie finden sie durch taktile Unterscheidung
09:03
and they can pressDrücken Sie it and selectwählen it.
152
527734
3217
und sie können sie
drücken und auswählen.
09:06
So when we look at the brainsGehirne of these animalsTiere,
153
530951
2682
Wenn wir nun die Gehirne
dieser Tiere betrachten,
09:09
on the topoben panelPanel you see the alignmentAusrichtung of 125 cellsZellen
154
533633
3667
sieht man auf der obersten Tafel
die Ausrichtung von 125 Zellen,
09:13
showingzeigt what happensdas passiert with the brainGehirn activityAktivität, the electricalelektrisch stormsStürme,
155
537300
4201
was zeigt, was mit der Gehirnaktivität
passiert, den elektrischen Stürmen,
09:17
of this sampleSample of neuronsNeuronen in the brainGehirn
156
541501
2067
dieser Auswahl von
Neuronen im Gehirn,
09:19
when the animalTier is usingmit a joystickJoystick.
157
543568
2116
wenn das Tier einen Joystick benutzt.
09:21
And that's a pictureBild that everyjeden neurophysiologistNeurophysiologe knowsweiß.
158
545684
2600
Das ist ein Bild, das jeder Neurophysiologe kennt.
09:24
The basicBasic alignmentAusrichtung showszeigt an that these cellsZellen are codingCodierung for all possiblemöglich directionsRichtungen.
159
548284
5183
Die Grundausrichtung zeigt, dass diese Zellen
für alle möglichen Richtungen kodiert sind.
09:29
The bottomBoden pictureBild is what happensdas passiert when the bodyKörper stopsstoppt movingbewegend
160
553467
5683
Das untere Bild zeigt, was passiert,
wenn der Körper sich nicht mehr bewegt
09:35
and the animalTier startsbeginnt controllingControlling eitherentweder a roboticRoboter deviceGerät or a computationalrechnerisch avatarBenutzerbild.
161
559150
6134
und das Tier beginnt, eine roboterhaftes Gerät
oder einen Computer-Avatar zu kontrollieren.
09:41
As fastschnell as we can resetZurücksetzen our computersComputer,
162
565284
3066
So schnell wie wir unsere
Computer neu einstellen können,
09:44
the brainGehirn activityAktivität shiftsVerschiebungen to startAnfang representingDarstellen this newneu toolWerkzeug,
163
568350
5818
verlagert sich die Gehirnaktivität
um dieses neue Werkzeug abzubilden,
09:50
as if this too was a partTeil of that primate'sder Primas bodyKörper.
164
574168
5250
als wenn es ein Körperteil des Primaten wäre.
09:55
The brainGehirn is assimilatingassimilieren that too, as fastschnell as we can measuremessen.
165
579418
4715
Das Gehirn erfasst das schneller
als wir messen können.
10:00
So that suggestsschlägt vor to us that our senseSinn of selfselbst
166
584133
3618
Das deutet darauf hin, dass unser Selbstbild
10:03
does not endEnde at the last layerSchicht of the epitheliumEpithel of our bodiesKörper,
167
587751
4150
nicht bei der Haut
unseres Körpers aufhört,
10:07
but it endsendet at the last layerSchicht of electronsElektronen of the toolsWerkzeuge that we're commandingKommandeur with our brainsGehirne.
168
591901
5718
sondern beim letzten Elektron der Werkzeuge,
die wir mit unseren Gehirnen steuern.
10:13
Our violinsViolinen, our carsAutos, our bicyclesFahrräder, our soccerFußball ballsBälle, our clothingKleidung --
169
597619
4764
Unsere Violinen, Autos, Fahrräder,
Fußbälle, Kleidung —
10:18
they all becomewerden assimilatedassimiliert by this voraciousgefräßige, amazingtolle, dynamicdynamisch systemSystem callednamens the brainGehirn.
170
602383
6851
sie alle werden in das unersättliche,
dynamische System namens Gehirn integriert.
10:25
How farweit can we take it?
171
609234
1699
Wie weit können wir das treiben?
10:26
Well, in an experimentExperiment that we ranlief a fewwenige yearsJahre agovor, we tookdauerte this to the limitGrenze.
172
610933
4218
In einem Experiment, das wir vor einigen
Jahren machten, gingen wir ans Limit.
10:31
We had an animalTier runningLaufen on a treadmillLaufband
173
615151
2482
Wir hatten ein Tier, das in einer Tretmühle lief
10:33
at DukeHerzog UniversityUniversität on the EastOsten CoastKüste of the UnitedVereinigte StatesStaaten,
174
617633
2267
— an der Duke Universität
an der Ostküste der USA —
10:35
producingproduzierend the brainstormsBrainstormen necessarynotwendig to moveBewegung.
175
619900
2700
und das die notwendigen Gehirnstürme
für die Bewegung produzierte.
10:38
And we had a roboticRoboter deviceGerät, a humanoidHumanoid robotRoboter,
176
622600
4091
Und es gab einen humanoiden Roboter,
10:42
in KyotoKyoto, JapanJapan at ATRATR LaboratoriesLaboratorien
177
626691
2394
in Kyoto, Japan, in den ATR-Laboratorien,
10:44
that was dreamingträumen its entireganz life to be controlledkontrolliert by a brainGehirn,
178
629085
6094
der sein ganzes Leben davon
geträumt hatte, von einem Gehirn,
10:51
a humanMensch brainGehirn, or a primatePrimas brainGehirn.
179
635179
3273
einem menschlichen oder einem
Primatengehirn, kontrolliert zu werden.
10:54
What happensdas passiert here is that the brainGehirn activityAktivität that generatedgeneriert the movementsBewegungen in the monkeyAffe
180
638452
4598
Die Gehirnaktivität, die die
Bewegung im Affen erzeugte,
10:58
was transmittedübertragen to JapanJapan and madegemacht this robotRoboter walkgehen
181
643050
3467
wurde nach Japan gesendet
und ließ den Roboter laufen,
11:02
while footageAufnahmen of this walkingGehen was sentgesendet back to DukeHerzog,
182
646517
4067
während eine Videoaufzeichnung dieser
Bewegung wieder an Duke gesendet wurde,
11:06
so that the monkeyAffe could see the legsBeine of this robotRoboter walkingGehen in frontVorderseite of her.
183
650584
5233
damit der Affe vor sich sah, wie sich
die Beine des Roboters bewegten.
11:11
So she could be rewardedbelohnt, not by what her bodyKörper was doing
184
655817
4067
So wurde sie nicht für etwas belohnt,
was ihr Körper machte,
11:15
but for everyjeden correctrichtig stepSchritt of the robotRoboter on the other sideSeite of the planetPlanet
185
659884
4961
sondern für jeden richtigen Schritt des Roboters
auf der anderen Seite der Erde,
11:20
controlledkontrolliert by her brainGehirn activityAktivität.
186
664845
2609
den sie mit ihrer Gehirnaktivität kontrollierte.
11:23
FunnyLustig thing, that roundrunden tripAusflug around the globeGlobus tookdauerte 20 millisecondsMillisekunden lessWeniger
187
667454
7118
Witzigerweise brauchte die Reise
um den Globus 20 Millisekunden weniger,
11:30
than it takes for that brainstormBrainstorm to leaveverlassen its headKopf, the headKopf of the monkeyAffe,
188
674572
4150
als der Geistesblitz braucht, um
den Kopf des Affen zu verlassen
11:34
and reacherreichen its ownbesitzen muscleMuskel.
189
678722
3870
und seinen eigenen Muskel zu erreichen.
11:38
The monkeyAffe was movingbewegend a robotRoboter that was sixsechs timesmal biggergrößer, acrossüber the planetPlanet.
190
682592
6030
Der Affe bewegte einen Roboter, auf der anderen Seite des Planeten, der sechsmal größer war.
11:44
This is one of the experimentsExperimente in whichwelche that robotRoboter was ablefähig to walkgehen autonomouslyautonom.
191
688622
6400
In diesem Experiment konnte
der Roboter selbständig laufen.
11:50
This is CBCB1 fulfillingerfüllend its dreamTraum in JapanJapan
192
695022
5267
Hier lebt CB1 gerade
seinen Traum in Japan,
11:56
underunter the controlsteuern of the brainGehirn activityAktivität of a primatePrimas.
193
700289
3700
kontrolliert von der
Gehirnaktivität eines Primaten.
11:59
So where are we takingunter all this?
194
703989
1989
Wie weit treiben wir das alles?
12:01
What are we going to do with all this researchForschung,
195
705978
2343
Was machen wir mit der ganzen Forschung,
12:04
besidesAußerdem studyingstudieren the propertiesEigenschaften of this dynamicdynamisch universeUniversum that we have betweenzwischen our earsOhren?
196
708321
5668
außer das dynamische Universum
zwischen unseren Ohren zu studieren?
12:09
Well the ideaIdee is to take all this knowledgeWissen and technologyTechnologie
197
713989
4833
Wir wollen mit diesem Wissen
und dieser Technologie
12:14
and try to restorewiederherstellen one of the mostdie meisten severeschwer neurologicalneurologisch problemsProbleme that we have in the worldWelt.
198
718822
5484
eines der schwersten neurologischen
Probleme der Welt auflösen.
12:20
MillionsMillionen of people have losthat verloren the abilityFähigkeit to translateÜbersetzen these brainstormsBrainstormen
199
724306
4583
Millionen von Menschen haben
die Fähigkeit verloren, diese Hirnströme
12:24
into actionAktion, into movementBewegung.
200
728889
2116
in Bewegung umzusetzen.
12:26
AlthoughObwohl theirihr brainsGehirne continuefortsetzen to produceproduzieren those stormsStürme and codeCode for movementsBewegungen,
201
731005
5234
Obwohl die Gehirne weiterhin diese
Stürme und Bewegungscodes erzeugen,
12:32
they cannotnicht können crossKreuz a barrierBarriere that was createderstellt by a lesionLäsion on the spinalWirbelsäule cordKabel.
202
736239
5167
gelangen sie nicht über die Barriere, die durch eine Verletzung des Rückenmarks entstanden ist.
12:37
So our ideaIdee is to createerstellen a bypassumgehen,
203
741406
2450
Wir wollen einen Bypass schaffen,
12:39
is to use these brain-machineGehirn-Maschine interfacesSchnittstellen to readlesen these signalsSignale,
204
743856
4032
um mit der Schnittstelle von Gehirn
und Maschine diese Signale zu lesen,
12:43
larger-scalegrößerer Maßstab brainstormsBrainstormen that containenthalten the desireVerlangen to moveBewegung again,
205
747888
4050
größere Hirnstürme, die das Verlangen
nach Bewegung in sich tragen,
12:47
bypassumgehen the lesionLäsion usingmit computationalrechnerisch microengineeringmicroEngineering
206
751938
3969
umgehen die Verletzung unter
Nutzung von Mikrotechnologie
12:51
and sendsenden it to a newneu bodyKörper, a wholeganze bodyKörper callednamens an exoskeletonExoskelett,
207
755907
7114
und senden es an einen komplett
neuen Korpus namens Ektoskelett,
12:58
a wholeganze roboticRoboter suitAnzug that will becomewerden the newneu bodyKörper of these patientsPatienten.
208
763021
5567
ein Roboteranzug, der zum neuen
Körper dieser Patienten wird.
13:04
And you can see an imageBild producedhergestellt by this consortiumKonsortium.
209
768588
4126
Sie sehen hier ein Bild, das von
dieser Gruppe produziert wurde.
13:08
This is a nonprofitgemeinnützig consortiumKonsortium callednamens the WalkZu Fuß Again ProjectProjekt
210
772714
4059
Diese gemeinnützige Organisation
nennt sich "Walk Again Project".
13:12
that is puttingPutten togetherzusammen scientistsWissenschaftler from EuropeEuropa,
211
776773
2783
Sie führt Wissenschaftler
zusammen, aus Europa,
13:15
from here in the UnitedVereinigte StatesStaaten, and in BrazilBrazilien
212
779556
1865
den Vereinigten Staaten und Brasilien,
13:17
togetherzusammen to work to actuallytatsächlich get this newneu bodyKörper builtgebaut --
213
781421
4517
um diesen neuen Körper zu bauen –
13:21
a bodyKörper that we believe, throughdurch the samegleich plasticKunststoff mechanismsMechanismen
214
785938
3334
ein Körper, der es uns ermöglicht, durch
dieselben plastischen Mechanismen,
13:25
that allowzulassen AuroraAurora and other monkeysAffen to use these toolsWerkzeuge throughdurch a brain-machineGehirn-Maschine interfaceSchnittstelle
215
789272
5802
die Aurora und die anderen Affen ermächtigte, dieses Instrument über diese Schnittstelle zu nutzen,
13:30
and that allowserlaubt us to incorporateintegrieren the toolsWerkzeuge that we produceproduzieren and use in our dailyTäglich life.
216
795074
5630
die Hilfsmittel zu integrieren, die wir
im Alltag produzieren und verwenden.
13:36
This samegleich mechanismMechanismus, we hopeHoffnung, will allowzulassen these patientsPatienten,
217
800704
3684
Wir hoffen, dass genau dieser Mechanismus
diesen Patienten dazu befähigt,
13:40
not only to imaginevorstellen again the movementsBewegungen that they want to make
218
804388
3768
sich die Bewegungen, die sie
machen wollen, nicht nur vorzustellen
13:44
and translateÜbersetzen them into movementsBewegungen of this newneu bodyKörper,
219
808156
3207
und in Bewegungen des
neuen Körpers zu übertragen,
13:47
but for this bodyKörper to be assimilatedassimiliert as the newneu bodyKörper that the brainGehirn controlsKontrollen.
220
811363
6758
sondern dass dies als neuer, vom Gehirn
gesteuerter, Körper einverleibt wird.
13:54
So I was told about 10 yearsJahre agovor
221
818121
3851
Vor 10 Jahren wurde mir gesagt,
13:57
that this would never happengeschehen, that this was closeschließen to impossibleunmöglich.
222
821972
5066
dass es so gut wie unmöglich wäre.
14:02
And I can only tell you that as a scientistWissenschaftler,
223
827038
2451
Und ich kann Ihnen das nur als Wissenschaftler sagen,
14:05
I grewwuchs up in southernSüd- BrazilBrazilien in the mid-'Mitte '60s
224
829489
2986
der in den '60ern im Süden Brasiliens aufwuchs,
14:08
watchingAufpassen a fewwenige crazyverrückt guys tellingErzählen [us] that they would go to the MoonMond.
225
832475
5048
und ein paar Verrückte sah, die sagten,
dass sie zum Mond gehen würden.
14:13
And I was fivefünf yearsJahre oldalt,
226
837523
1461
Ich war fünf Jahre alt
14:14
and I never understoodverstanden why NASANASA didn't hiremieten CaptainKapitän KirkKirk and SpockSpock to do the jobJob;
227
838984
4240
und ich habe nie verstanden, warum die NASA nicht Captain Kirk und Spock für den Job angeheuerte hat;
14:19
after all, they were very proficienttüchtig --
228
843224
2432
schließlich waren sie sehr erfahren –
14:21
but just seeingSehen that as a kidKind
229
845656
3450
aber das als Kind zu sehen,
14:25
madegemacht me believe, as my grandmotherOma used to tell me,
230
849106
2985
ließ mich, wie meine Großmutter
mir oft sagte, glauben,
14:27
that "impossibleunmöglich is just the possiblemöglich
231
852091
1845
dass "das Unmögliche nur das Mögliche ist,
14:29
that someonejemand has not put in enoughgenug effortAnstrengung to make it come truewahr."
232
853936
3904
um dessen Verwirklichung sich noch
niemand genügend bemüht hat."
14:33
So they told me that it's impossibleunmöglich to make someonejemand walkgehen.
233
857840
3799
Sie sagten mir, es wäre unmöglich
jemanden zum Laufen zu bringen.
14:37
I think I'm going to followFolgen my grandmother'sGroßmutter adviceRat.
234
861639
3251
Ich werde wohl den Rat
meiner Großmutter befolgen.
14:40
Thank you.
235
864890
1450
Danke.
14:42
(ApplauseApplaus)
236
866340
8029
(Applaus)

▲Back to top

ABOUT THE SPEAKER
Miguel Nicolelis - Neuroscientist
Miguel Nicolelis explores the limits of the brain-machine interface.

Why you should listen

At the Nicolelis Laboratory at Duke University, Miguel Nicolelis is best known for pioneering studies in neuronal population coding, Brain Machine Interfaces (BMI) and neuroprosthetics in human patients and non-human primates.His lab's work was seen, famously though a bit too briefly, when a brain-controlled exoskeleton from his lab helped Juliano Pinto, a paraplegic man, kick the first ball at the 2014 World Cup.

But his lab is thinking even bigger. They've developed an integrative approach to studying neurological disorders, including Parkinsons disease and epilepsy. The approach, they hope, will allow the integration of molecular, cellular, systems and behavioral data in the same animal, producing a more complete understanding of the nature of the neurophysiological alterations associated with these disorders. He's the author of the books Beyond Boundaries and The Relativistic Brain.

Miguel was honored as one of Foreign Policy's 2015 Global Thinkers.

More profile about the speaker
Miguel Nicolelis | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee