TEDGlobal 2012
Read Montague: What we're learning from 5,000 brains
رید مونتاژ: چیزهایی که از ۵۰۰۰ مغز یاد می گیریم
Filmed:
Readability: 4
763,896 views
موش، حشرات و همسترها دیگر تنها راه برای مطالعه‌ی مغز نیستند. ام آر آی تابعی (fMRI) به دانشمندان اجازه می‌دهد که فعالیت مغزیِ انسانِ زنده و تصمیم گر را به تصویر بکشند. 'رید مونتاژ' در مورد چگونگیِ کمک این تکنولوژی در درک روش‌های پیچیده ای که ما با یکدیگر تعامل می کنیم یک دیدگاه کلی ارائه می کند.
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
افراد دیگر.
همه به اشخاص دیگر علاقه‌مند هستند.
همه به اشخاص دیگر علاقه‌مند هستند.
00:19
Everyone has relationships with other people,
1
3283
2123
همه با اشخاص دیگر رابطه دارند
00:21
and they're interested in these relationships
2
5406
1592
و آن ها با دلایل متنوعی به
00:22
for a variety of reasons.
3
6998
1855
این رابطه‌ها علاقه مندند.
00:24
Good relationships, bad relationships,
4
8853
2012
روابط خوب، روابط بد
00:26
annoying relationships, agnostic relationships,
5
10865
3146
روابط آزاردهنده،
روابط آگنوستیک (منکر وجود خدا)
روابط آگنوستیک (منکر وجود خدا)
00:29
and what I'm going to do is focus on the central piece
6
14011
3424
و کاری که که قراره انجام بدم
اینه که روی بخش محوریِ
اینه که روی بخش محوریِ
00:33
of an interaction that goes on in a relationship.
7
17435
3303
یک تعامل تمرکز کنم.
00:36
So I'm going to take as inspiration the fact that we're all
8
20738
2336
خب,من میخواهم از این واقعیت که همه‌ی ما
00:38
interested in interacting with other people,
9
23074
2425
به تعامل با دیگران علاقه مند هستیم,
الهام بگیرم
الهام بگیرم
00:41
I'm going to completely strip it of all its complicating features,
10
25499
3832
میخوام تمام ویژگی‌های پیچیده کننده‌ی
این موضوع رو جدا کنم.
این موضوع رو جدا کنم.
00:45
and I'm going to turn that object, that simplified object,
11
29331
3894
و می خوام که این موضوع رو،
این موضوع ساده شده را
این موضوع ساده شده را
00:49
into a scientific probe, and provide the early stages,
12
33225
4150
به یک پژوهش علمی تبدیل کنم،
و مراحل اولیه‌ی
و مراحل اولیه‌ی
00:53
embryonic stages of new insights into what happens
13
37375
2449
بینش‌های جدید در مورد اتفاقی که
00:55
in two brains while they simultaneously interact.
14
39824
3650
وقتی دو مغز به صورت همزمان
با یکدیگر تعامل می کنند را توضیح دهم.
با یکدیگر تعامل می کنند را توضیح دهم.
اما قبل از اینکه این کار رو بکنم،
اجازه بدید در مورد چند چیز که
اجازه بدید در مورد چند چیز که
00:59
But before I do that, let me tell you a couple of things
15
43474
2293
01:01
that made this possible.
16
45767
1699
این کار رو ممکن کرد برای شما صحبت کنم
01:03
The first is we can now eavesdrop safely
17
47466
2781
اول اینکه ما الان میتونیم به راحتی از
01:06
on healthy brain activity.
18
50247
2711
فعالیت مغز سالم جاسوسی کنیم.
01:08
Without needles and radioactivity,
19
52958
2577
بدون استفاده از سوزن و رادیواکتیو،
01:11
without any kind of clinical reason, we can go down the street
20
55535
2863
بدون هیچ دلیل بالینی،
ما میتونیم توی خیابون بریم
ما میتونیم توی خیابون بریم
01:14
and record from your friends' and neighbors' brains
21
58398
3127
و از مغز همسایه‌ها و دوستان شما
تصویربرداری کنیم
تصویربرداری کنیم
01:17
while they do a variety of cognitive tasks, and we use
22
61525
2538
زمانیکه کارهای شناختی انجام می‌دهند،
و ما از
و ما از
01:19
a method called functional magnetic resonance imaging.
23
64063
3734
یک روش عکاسی به نام تشدید مغناطیسی تابعی
استفاده می کنیم.
استفاده می کنیم.
شما احتمالا در این مورد خوندین یا تجسمی
از این موضوع رو شنیدین.
از این موضوع رو شنیدین.
01:23
You've probably all read about it or heard about in some
24
67797
2325
01:26
incarnation. Let me give you a two-sentence version of it.
25
70122
4378
اجازه بدین یک نسخه‌ی دو جمله ای
از این رو براتون ارائه بدم.
از این رو براتون ارائه بدم.
01:30
So we've all heard of MRIs. MRIs use magnetic fields
26
74500
3484
همه‌ی ما در مورد MRI شنیدیم.
MRI از میدان‌های مغناطیسی و
MRI از میدان‌های مغناطیسی و
01:33
and radio waves and they take snapshots of your brain
27
77984
2029
و امواج رادیویی استفاده می‌کند تا
از مغز عکسبرداری کند
از مغز عکسبرداری کند
01:35
or your knee or your stomach,
28
80013
2361
یا از زانو یا از شکم،
01:38
grayscale images that are frozen in time.
29
82374
2045
عکس‌های سیاه سفیدی که ثابت هستند.
01:40
In the 1990s, it was discovered you could use
30
84419
2321
در دهه‌ی ۱۹۹۰، مشخص شد که شما می‌توانید
01:42
the same machines in a different mode,
31
86740
2659
از همان ماشین‌ها در یک
حالت مختلف استفاده کنید،
حالت مختلف استفاده کنید،
01:45
and in that mode, you could make microscopic blood flow
32
89399
2346
و در این حالت،با فیلم‌هایی از
صدها هزار جای مستقل از مغز
صدها هزار جای مستقل از مغز
01:47
movies from hundreds of thousands of sites independently in the brain.
33
91745
3300
میتونید جریان خون میکروسکوپی بسازید.
01:50
Okay, so what? In fact, the so what is, in the brain,
34
95045
3200
خب، حالا چی؟ در واقع، «حالا چی» اینه:
داخل مغز،
داخل مغز،
01:54
changes in neural activity, the things that make your brain work,
35
98245
3832
تغییرات در فعالیت‌های عصبی،
چیزهایی که باعث میشن مغز کار کنند،
چیزهایی که باعث میشن مغز کار کنند،
چیزهایی که باعث می شوند
نرم‌افزار در مغز کار کند،
نرم‌افزار در مغز کار کند،
01:57
the things that make your software work in your brain,
36
102077
2010
01:59
are tightly correlated with changes in blood flow.
37
104087
2489
به شدت وابسته به تغییرات جریان خون هستند.
02:02
You make a blood flow movie, you have an independent
38
106576
1973
یک فیلم از جریان خون بسازید،
و یک پروکسی مستقل
و یک پروکسی مستقل
02:04
proxy of brain activity.
39
108549
2339
از فعالیت مغز دارید.
02:06
This has literally revolutionized cognitive science.
40
110888
3034
این به معنای واقعی کلمه موجب
انقلاب در علوم شناختی شده است،
انقلاب در علوم شناختی شده است،
هر حوزه‌ای از علوم شناختی رو
که میخواین در نظر بگیرین، حافظه،
که میخواین در نظر بگیرین، حافظه،
02:09
Take any cognitive domain you want, memory,
41
113922
1991
02:11
motor planning, thinking about your mother-in-law,
42
115913
2141
برنامه‌ریزی موتور،
فکر کردن در مورد مادرزنتون،
فکر کردن در مورد مادرزنتون،
02:13
getting angry at people, emotional response, it goes on and on,
43
118054
3715
عصبانی شدن از مردم، پاسخ احساسی،
همین‌طور ادامه داره،
همین‌طور ادامه داره،
02:17
put people into functional MRI devices, and
44
121769
3089
مردم رو در دستگاه‌های MRI تابعی بگذارید،
02:20
image how these kinds of variables map onto brain activity.
45
124858
3383
و نحوه‌ی قرارگیری این متغیرها
بر فعالیت مغز را ترسیم کنید.
بر فعالیت مغز را ترسیم کنید.
02:24
It's in its early stages, and it's crude by some measures,
46
128241
2849
هنوز در مراحل اولیه قرار داره،
و در بعضی معیارها خامِ،
و در بعضی معیارها خامِ،
02:26
but in fact, 20 years ago, we were at nothing.
47
131090
2568
اما در واقع، ۲۰ سال پیش،
ما در نقطه‌ی صفر بودیم.
ما در نقطه‌ی صفر بودیم.
02:29
You couldn't do people like this. You couldn't do healthy people.
48
133658
2359
نمی‌شد این کار رو با مردم کرد.
با مردم سالم نمی‌شد.
با مردم سالم نمی‌شد.
02:31
That's caused a literal revolution, and it's opened us up
49
136017
2488
اون باعث یک انقلاب شد، و ما را
02:34
to a new experimental preparation. Neurobiologists,
50
138505
2818
در معرض یک آماده سازیِ
آزمایش جدید قرار داد
آزمایش جدید قرار داد
02:37
as you well know, have lots of experimental preps,
51
141323
3760
عصب شناسان، همان‌طور که می‌دانید،
مواد اولیه‌ی زیادی برای آزمایش دارند،
مواد اولیه‌ی زیادی برای آزمایش دارند،
02:40
worms and rodents and fruit flies and things like this.
52
145083
3141
کرم‌ها و جوندگان و حشره‌های میوه
و چیزهایی از این قبیل
و چیزهایی از این قبیل
02:44
And now, we have a new experimental prep: human beings.
53
148224
3397
و حالا، ما یک ماده‌ی اولیه‌ی جدید برای
آزمایش داریم: انسان‌ها
آزمایش داریم: انسان‌ها
02:47
We can now use human beings to study and model
54
151621
3761
حالا میتونیم از انسان ها برای مطالعه
استفاده کنیم و
استفاده کنیم و
نرم‌افزار انسان‌ها رو مدل کنیم.
02:51
the software in human beings, and we have a few
55
155382
2950
و ما چند معیار رو به رشد بیولوژیکی داریم.
02:54
burgeoning biological measures.
56
158332
2835
02:57
Okay, let me give you one example of the kinds of experiments that people do,
57
161167
3887
اجازه بدید یک مثال از انواع آزمایش‌هایی
که مردم انجام میدن بهتون ارئه بدم،
که مردم انجام میدن بهتون ارئه بدم،
03:00
and it's in the area of what you'd call valuation.
58
165054
2677
و این در حوزه‌ای است که
بهش ارزشگذاری گفته میشه
بهش ارزشگذاری گفته میشه
03:03
Valuation is just what you think it is, you know?
59
167731
2135
ارزشگذاری همون چیزیه
که فکر میکنین، میدونید؟
که فکر میکنین، میدونید؟
03:05
If you went and you were valuing two companies against
60
169866
2804
اگر شما بخواهید دو کمپانی رو
در مقابل یکدیگر ارزشگذاری کنید،
در مقابل یکدیگر ارزشگذاری کنید،
03:08
one another, you'd want to know which was more valuable.
61
172670
2736
تا بدونید که کدام یک پرارزش‌تر است.
03:11
Cultures discovered the key feature of valuation thousands of years ago.
62
175406
3879
تمدن‌ها ویژگیِ کلیدیِ ارزیابی رو
هزاران سال قبل کشف کردند.
هزاران سال قبل کشف کردند.
اگر بخواهید پرتقال رو با شیشه‌ی اتومبیل
مقایسه کنید، چکار می کنید؟
مقایسه کنید، چکار می کنید؟
03:15
If you want to compare oranges to windshields, what do you do?
63
179285
2690
03:17
Well, you can't compare oranges to windshields.
64
181975
2356
خب، نمیشه پرتقال رو با
شیشه‌ی اتومبیل مقایسه کرد.
شیشه‌ی اتومبیل مقایسه کرد.
03:20
They're immiscible. They don't mix with one another.
65
184331
2255
آن‌ها مخلوط نشدنی اند. با هم جور نمی شوند.
پس به جای اینکار، آن‌ها رو به
یک مقیاس ارزی معمول تبدیل می کنیم،
یک مقیاس ارزی معمول تبدیل می کنیم،
03:22
So instead, you convert them to a common currency scale,
66
186586
2351
03:24
put them on that scale, and value them accordingly.
67
188937
2706
آن‌ها را مقایسه می‌کنیم،
و بر این اساس آن‌ها را ارزش گذاری می‌کنیم.
و بر این اساس آن‌ها را ارزش گذاری می‌کنیم.
03:27
Well, your brain has to do something just like that as well,
68
191643
3436
خب مغز هم کار مشابهی با این باید انجام بده
و ما تازه شروع به فهمیدن و مشخص کردنِ
03:30
and we're now beginning to understand and identify
69
195079
2488
سیستم‌های مغزی که در ارزشگذاری
دخیل هستند کرده ایم
دخیل هستند کرده ایم
03:33
brain systems involved in valuation,
70
197567
2137
03:35
and one of them includes a neurotransmitter system
71
199704
2632
و یکی از آن‌ها شامل یک
سیستم انتقال دهنده‌ی عصبی است که
سیستم انتقال دهنده‌ی عصبی است که
03:38
whose cells are located in your brainstem
72
202336
2632
سلول‌های آن روی ساقه‌ی مغز قرار گرفته‌اند.
03:40
and deliver the chemical dopamine to the rest of your brain.
73
204968
3175
و دوپامین شیمیایی به
بقیه‌ی نقاط مغز تحویل می دهد.
بقیه‌ی نقاط مغز تحویل می دهد.
03:44
I won't go through the details of it, but that's an important
74
208143
2442
وارد جزئیاتش نمی‌شوم، اما اون کشف مهمیه،
03:46
discovery, and we know a good bit about that now,
75
210585
2157
و ما مقدار مناسبی درباره‌ی اون می دونیم،
03:48
and it's just a small piece of it, but it's important because
76
212742
2230
و این فقط یک بخش بسیار کوچک از اونه،
اما مهمه چون
اما مهمه چون
03:50
those are the neurons that you would lose if you had Parkinson's disease,
77
214972
3275
آن‌ها نورون‌هایی هستند که اگر
بیماری پارکینسون بگیریم از دست می‌دهیم.
بیماری پارکینسون بگیریم از دست می‌دهیم.
03:54
and they're also the neurons that are hijacked by literally
78
218247
2016
و آن‌ها نورون‌هایی هستند که تقریبا توسط
همه‌ی مواد مخدر ربوده می‌شوند،
و این منطقیه.
و این منطقیه.
03:56
every drug of abuse, and that makes sense.
79
220263
2232
مواد مخدر داخل می‌شوند و
آن‌ها روشی که شما با آن
آن‌ها روشی که شما با آن
03:58
Drugs of abuse would come in, and they would change
80
222495
2336
دنیا را ارزشگذاری می‌کنید را عوض می‌کنند.
04:00
the way you value the world. They change the way
81
224831
1789
04:02
you value the symbols associated with your drug of choice,
82
226620
3199
اون‌ها ارزش‌گذاریِ نمادهای مرتبط با
مواد مخدر انتخاب شده را عوض می‌کنند.
مواد مخدر انتخاب شده را عوض می‌کنند.
04:05
and they make you value that over everything else.
83
229819
2514
و باعث می‌شوند که برای آن بیشتر
از هر چیز دیگری ارزش بگذارید.
از هر چیز دیگری ارزش بگذارید.
04:08
Here's the key feature though. These neurons are also
84
232333
3021
به هرحال این ویژگیِ کلیدی است.
این نورون‌ها همچنین در
این نورون‌ها همچنین در
04:11
involved in the way you can assign value to literally abstract ideas,
85
235354
3501
شیوه‌ی ارزشگذاری
ایده‌های انتزاعی هم دخیل هستند.
ایده‌های انتزاعی هم دخیل هستند.
04:14
and I put some symbols up here that we assign value to
86
238855
2041
و من نمادهایی رو اینجا قرار می‌دهم که
ما برای آن‌ها به دلایل مختلف
ما برای آن‌ها به دلایل مختلف
04:16
for various reasons.
87
240896
2720
ارزشگذاری می‌کنیم.
04:19
We have a behavioral superpower in our brain,
88
243616
2689
ما یک ابرقدرت رفتاری در مغزهامون داریم.
04:22
and it at least in part involves dopamine.
89
246305
1753
و حداقل در بخشی شامل دوپامین است.
04:23
We can deny every instinct we have for survival for an idea,
90
248058
4189
ما می‌توانیم هرانگیزه‌ای که برای بقا داریم
رو برای یک ایده انکار کنیم،
رو برای یک ایده انکار کنیم،
04:28
for a mere idea. No other species can do that.
91
252247
4005
برای یک ایده‌ی محض.هیچ گونه‌ی دیگری
از موجودات نمی‌تواند این کار را انجام دهد
از موجودات نمی‌تواند این کار را انجام دهد
04:32
In 1997, the cult Heaven's Gate committed mass suicide
92
256252
3606
در ۱۹۹۷، فرقه‌ی «دروازه‌ی بهشت»
اقدام به خودکشی دسته جمعی کردند
اقدام به خودکشی دسته جمعی کردند
با استناد بر این پیش‌بینی که
یک بشقاب پرنده بر روی
یک بشقاب پرنده بر روی
04:35
predicated on the idea that there was a spaceship
93
259858
2215
04:37
hiding in the tail of the then-visible comet Hale-Bopp
94
262073
3785
دنباله‌ی ستاره‌ی دنباله‌دارِ هیل-باپ
که آن موقع دیده می‌شد مخفی شده است
که آن موقع دیده می‌شد مخفی شده است
04:41
waiting to take them to the next level. It was an incredibly tragic event.
95
265858
4272
تا آن‌ها را به سطح بعدی ببرد.
این یک رویداد به شدت غم انگیز بود.
این یک رویداد به شدت غم انگیز بود.
04:46
More than two thirds of them had college degrees.
96
270130
3485
بیش از دو سوم آن‌ها مدرک دانشگاهی داشتند.
04:49
But the point here is they were able to deny their instincts for survival
97
273615
3723
اما نکته اینه که آن‌ها قادر بودند
انگیزه‌های بقای خود رو انکار کنند.
انگیزه‌های بقای خود رو انکار کنند.
با استفاده از دقیقا همان سیستم‌هایی
که آنجا بود تا آن‌ها را مجبور به بقا کند.
که آنجا بود تا آن‌ها را مجبور به بقا کند.
04:53
using exactly the same systems that were put there
98
277338
2866
04:56
to make them survive. That's a lot of control, okay?
99
280204
4042
این مقدار بسیار زیادی کنترل است، باشه؟
05:00
One thing that I've left out of this narrative
100
284246
2089
چیزی که از این داستان خارج گذاشتم
05:02
is the obvious thing, which is the focus of the rest of my
101
286335
2234
چیز مشخصیِ که تمرکز ادامه‌یِ
05:04
little talk, and that is other people.
102
288569
2159
صحبت کوچکِ من بر آن است
و آن بقیه‌ی مردم است.
و آن بقیه‌ی مردم است.
05:06
These same valuation systems are redeployed
103
290728
2996
همین سیستم‌های ارزشگذاری
وقتی که ارتباطمون با
وقتی که ارتباطمون با
05:09
when we're valuing interactions with other people.
104
293724
2492
بقیه را ارزشگذاری می‌کنیم
دوباره استفاده می‌شوند.
دوباره استفاده می‌شوند.
05:12
So this same dopamine system that gets addicted to drugs,
105
296216
3271
پس همین سیستم دوپامین
که به مواد معتاد می‌شود،
که به مواد معتاد می‌شود،
05:15
that makes you freeze when you get Parkinson's disease,
106
299487
2524
که باعث فلج شدن شدن
هنگام بیماریِ پارکینسون می‌شود،
هنگام بیماریِ پارکینسون می‌شود،
05:17
that contributes to various forms of psychosis,
107
302011
3077
که به انواع گوناگونی از جنون کمک می‌کند،
05:20
is also redeployed to value interactions with other people
108
305088
3920
همچنین هنگام ارزشگذاری ارتباط
با دیگران دوباره استفاده می‌شود.
با دیگران دوباره استفاده می‌شود.
05:24
and to assign value to gestures that you do
109
309008
2896
و تا اختصاص دادن حرکات وقتی که
05:27
when you're interacting with somebody else.
110
311904
2574
با شخص دیگری ارتباط داریم.
05:30
Let me give you an example of this.
111
314478
2577
اجازه بدید یک مثال از این به شما ارائه دهم
05:32
You bring to the table such enormous processing power
112
317055
2967
در این حوزه حجم وسیعی از قدرت پردازش
را استفاده می‌کنیم و حتی به
سختی متوجه آن می‌شویم.
سختی متوجه آن می‌شویم.
05:35
in this domain that you hardly even notice it.
113
320022
2624
بگذارید چند مثال به ارائه کنم.
این یک بچه است.
این یک بچه است.
05:38
Let me just give you a few examples. So here's a baby.
114
322646
1467
05:40
She's three months old. She still poops in her diapers and she can't do calculus.
115
324113
3730
اون سه ماهشه. هنوز توی پوشکش خرابکاری
میکنه و نمیتونه محاسبات انجام بده.
میکنه و نمیتونه محاسبات انجام بده.
05:43
She's related to me. Somebody will be very glad that she's up here on the screen.
116
327843
3353
اون با من نسبت داره. یک نفرخیلی خوشحال
میشه که اون روی صفحه قرار گرفته.
میشه که اون روی صفحه قرار گرفته.
05:47
You can cover up one of her eyes, and you can still read
117
331196
2376
میشه یکی از چشم‌هاش رو بپوشونیم و
و هنوز هم از چشم دیگر او
و هنوز هم از چشم دیگر او
05:49
something in the other eye, and I see sort of curiosity
118
333572
2755
میتونیم چیزی رو بخونیم،
من نوعی کنجکاوی در یک چشم و
من نوعی کنجکاوی در یک چشم و
05:52
in one eye, I see maybe a little bit of surprise in the other.
119
336327
3597
مقداری سوپرایز شدن در چشم دیگرش می‌بینم.
05:55
Here's a couple. They're sharing a moment together,
120
339924
3179
این‌ها یک زوج هستند.آن‌ها
لحظه‌ای رو با هم به اشتراک گذاشته اند
لحظه‌ای رو با هم به اشتراک گذاشته اند
05:59
and we've even done an experiment where you can cut out
121
343103
1318
و ما یک آزمایش انجام دادیم که در آن
06:00
different pieces of this frame and you can still see
122
344421
3007
بخش‌هایی از این عکس رو جدا کردیم و
همچنان می‌شد این اشتراک‌گذاری رو دید
همچنان می‌شد این اشتراک‌گذاری رو دید
06:03
that they're sharing it. They're sharing it sort of in parallel.
123
347428
2504
آن‌ها به نوعی به صورت موازی
این اشتراک گذاری رو انجام دادند.
این اشتراک گذاری رو انجام دادند.
06:05
Now, the elements of the scene also communicate this
124
349932
2463
عناصر این صحنه هم این رو به ما می‌رسونند
06:08
to us, but you can read it straight off their faces,
125
352395
2235
اما مستقیما از چهره‌هاشون میتونید بخونید
06:10
and if you compare their faces to normal faces, it would be a very subtle cue.
126
354630
3503
و اگر چهره‌هاشون رو با چهره‌های طبیعی
مقایسه کنیم، نشانه‌های دقیقی خواهیم دید.
مقایسه کنیم، نشانه‌های دقیقی خواهیم دید.
06:14
Here's another couple. He's projecting out at us,
127
358133
3347
این هم یک زوج دیگر.
اون مرد داره به سمت ما نگاه میکنه
اون مرد داره به سمت ما نگاه میکنه
06:17
and she's clearly projecting, you know,
128
361480
2888
و اون خانم هم به وضوح داره با
06:20
love and admiration at him.
129
364368
2263
عشق و تحسین به او نگاه میکنه
06:22
Here's another couple. (Laughter)
130
366631
3635
این هم یک زوج دیگر. (خنده‌ی حضار)
06:26
And I'm thinking I'm not seeing love and admiration on the left. (Laughter)
131
370266
5150
و من فکر میکنم که عشق و تحسینی
در سمت چپ نمی‌بینم.(خنده‌ی حضار)
در سمت چپ نمی‌بینم.(خنده‌ی حضار)
06:31
In fact, I know this is his sister, and you can just see
132
375416
2560
در واقع، من می‌دونم که این خواهرشه و
میتونیم ببینیم که داره میگه:
میتونیم ببینیم که داره میگه:
06:33
him saying, "Okay, we're doing this for the camera,
133
377976
2513
«خیله خوب، ما این کاررو
برای دوربین انجام می‌دیم و
برای دوربین انجام می‌دیم و
06:36
and then afterwards you steal my candy and you punch me in the face." (Laughter)
134
380489
5702
بعدش تو شکلاتِ منو می‌دزدی و
به صورت من مشت میزنی.» (خنده‌ی حضار)
به صورت من مشت میزنی.» (خنده‌ی حضار)
06:42
He'll kill me for showing that.
135
386191
2106
به خاطر نشون دادن این منو می‌کشه.
06:44
All right, so what does this mean?
136
388297
2797
خوب، این چه معنی میده؟
06:46
It means we bring an enormous amount of processing power to the problem.
137
391094
3350
این یعنی ما حجم وسیعی از قدرت پردازش
رو به مواجهه‌ی مشکل فرا می‌خوانیم.
رو به مواجهه‌ی مشکل فرا می‌خوانیم.
06:50
It engages deep systems in our brain, in dopaminergic
138
394444
3648
این سیستم‌های عمیقی در
ذهن ما رو درگیر میکنه
ذهن ما رو درگیر میکنه
سیستم‌های وابسته به دوپامین که باعث میشن
ما دنبال رابطه‌ی جنسی، غذا و نمک باشیم.
ما دنبال رابطه‌ی جنسی، غذا و نمک باشیم.
06:53
systems that are there to make you chase sex, food and salt.
139
398092
2818
06:56
They keep you alive. It gives them the pie, it gives
140
400910
2894
آن‌ها ما رو زنده نگه می‌دارند
این آنچنان ضربه‌ی مشت رفتاری که
بهش ابرقدرت گفتم رو وارد میکنه.
بهش ابرقدرت گفتم رو وارد میکنه.
06:59
that kind of a behavioral punch which we've called a superpower.
141
403804
2904
07:02
So how can we take that and arrange a kind of staged
142
406708
3654
خب ما چجوری میتونیم اینو داشته باشیم
و یک ارتباط اجتماعی مرحله‌بندی شده را
و یک ارتباط اجتماعی مرحله‌بندی شده را
07:06
social interaction and turn that into a scientific probe?
143
410362
2698
برنامه‌ریزی کنیم و آن را به
یک مسئله‌ی علمی تبدیل کنیم؟
یک مسئله‌ی علمی تبدیل کنیم؟
07:08
And the short answer is games.
144
413060
2691
و جواب کوتاه اینه: بازی
07:11
Economic games. So what we do is we go into two areas.
145
415751
4404
بازی‌های اقتصادی. پس کاری که می‌کنیم اینه:
وارد دو حوزه می‌شویم.
وارد دو حوزه می‌شویم.
07:16
One area is called experimental economics. The other area is called behavioral economics.
146
420155
3336
اسم یکی از این حوزه‌ها اقتصاد تجربی است.
و نام دیگری اقتصاد رفتاری است.
و نام دیگری اقتصاد رفتاری است.
07:19
And we steal their games. And we contrive them to our own purposes.
147
423491
4078
و ما بازی‌های آن‌ها را می‌دزدیم و برای
هدف‌های خودمون از آن‌ها استفاده می‌کنیم.
هدف‌های خودمون از آن‌ها استفاده می‌کنیم.
07:23
So this shows you one particular game called an ultimatum game.
148
427569
2967
این به شما یک بازی خاص به نام
بازی اولتیماتوم را نشون میده.
بازی اولتیماتوم را نشون میده.
07:26
Red person is given a hundred dollars and can offer
149
430536
1845
به فرد قرمز ۱۰۰ دلار داده شده و او می‌تونه
07:28
a split to blue. Let's say red wants to keep 70,
150
432381
3723
یک پیشنهاد به آبی بده. بیاید فرض
کنیم قرمز می‌خواد ۷۰ تا نگه داره و
کنیم قرمز می‌خواد ۷۰ تا نگه داره و
07:32
and offers blue 30. So he offers a 70-30 split with blue.
151
436104
4086
به آبی ۳۰ تا پیشنهاد بده. پس به آبی
یک پیشنهاد تقسیم ۷۰ به ۳۰ میده.
یک پیشنهاد تقسیم ۷۰ به ۳۰ میده.
07:36
Control passes to blue, and blue says, "I accept it,"
152
440190
2851
کنترل دست آبی میافته و او میگه:
«قبول میکنم»
«قبول میکنم»
07:38
in which case he'd get the money, or blue says,
153
443041
1956
در این حالت او پول رو می‌گیره،
یا آبی میگه:
یا آبی میگه:
07:40
"I reject it," in which case no one gets anything. Okay?
154
444997
4307
«رد میکنم»، در این حالت هیچکس
پولی نمی‌گیره.خب؟
پولی نمی‌گیره.خب؟
07:45
So a rational choice economist would say, well,
155
449304
3392
پس یک اقتصاددان منطقی ممکنه بگه که
07:48
you should take all non-zero offers.
156
452696
2056
ما باید تمام پیشنهادهای
غیر صفر رو قبول کنیم.
غیر صفر رو قبول کنیم.
07:50
What do people do? People are indifferent at an 80-20 split.
157
454752
3762
مردم چکار می‌کنند؟
مردم در یک تقسیم ۸۰ به ۲۰ بی‌تفاوت هستند.
مردم در یک تقسیم ۸۰ به ۲۰ بی‌تفاوت هستند.
07:54
At 80-20, it's a coin flip whether you accept that or not.
158
458514
3524
در تقسیم ۸۰ به ۲۰ احتمال قبولِ پیشنهاد
برابر با احتمال سکه انداختن است.(۵۰ درصد)
برابر با احتمال سکه انداختن است.(۵۰ درصد)
07:57
Why is that? You know, because you're pissed off.
159
462038
2891
چرا؟ چون ما عصبانی هستیم.
ما خشمگینیم. اون یک پیشنهاد غیرمنصفانه است
و ما می‌دونیم یک پیشنهاد غیرمنصفانه چیه.
و ما می‌دونیم یک پیشنهاد غیرمنصفانه چیه.
08:00
You're mad. That's an unfair offer, and you know what an unfair offer is.
160
464929
3609
این نوعی از بازی است که در آزمایشگاه من و
آزمایشگاه‌های بسیاری در دنیا انجام شده.
آزمایشگاه‌های بسیاری در دنیا انجام شده.
08:04
This is the kind of game done by my lab and many around the world.
161
468538
2704
08:07
That just gives you an example of the kind of thing that
162
471242
2544
این به شما فقط مثالی از نوع چیزی که این
بازی‌ها تحقیق می‌کنند نشان داد.
بازی‌ها تحقیق می‌کنند نشان داد.
08:09
these games probe. The interesting thing is, these games
163
473786
3738
چیز جالب این است که، این بازی‌ها
08:13
require that you have a lot of cognitive apparatus on line.
164
477524
3707
نیازمند این هستند که دستگاه‌های شناختی
بسیاری را آماده داشته باشید.
بسیاری را آماده داشته باشید.
08:17
You have to be able to come to the table with a proper model of another person.
165
481231
2928
باید بتونیم با یک مدل مناسب از
یک فرد دیگر کار رو آغاز کنیم.
یک فرد دیگر کار رو آغاز کنیم.
08:20
You have to be able to remember what you've done.
166
484159
3213
باید بتونیم کاری که
انجام دادیم رو به خاطر بیاوریم.
انجام دادیم رو به خاطر بیاوریم.
باید برای لحظه‌ی مناسب
برای انجام آن صبر کنیم.
برای انجام آن صبر کنیم.
08:23
You have to stand up in the moment to do that.
167
487372
1420
08:24
Then you have to update your model based on the signals coming back,
168
488792
3350
سپس باید مدل را براساس
سیگنال‌های بازگشتی به روزرسانی کنیم.
سیگنال‌های بازگشتی به روزرسانی کنیم.
08:28
and you have to do something that is interesting,
169
492142
2972
و باید یک کار جالب انجام بدیم:
08:31
which is you have to do a kind of depth of thought assay.
170
495114
2597
باید نوعی سنجش ذهنی عمیق انجام بدیم.
که یعنی، باید تصمیم بگیریم که
فرد دیگر چه انتظاری از ما دارد.
فرد دیگر چه انتظاری از ما دارد.
08:33
That is, you have to decide what that other person expects of you.
171
497711
3333
باید سیگنال‌هایی بفرستیم تا تصویری
که از ما در ذهن خود دارند را مدیریت کنیم.
که از ما در ذهن خود دارند را مدیریت کنیم.
08:36
You have to send signals to manage your image in their mind.
172
501044
2954
08:39
Like a job interview. You sit across the desk from somebody,
173
503998
2853
مثل یک مصاحبه‌ی شغلی. ما روبه‌روی
یک فرد در طرف دیگر میز می‌نشینیم،
یک فرد در طرف دیگر میز می‌نشینیم،
08:42
they have some prior image of you,
174
506851
1369
آن‌ها یک تصویر از قبل از ما دارند،
08:44
you send signals across the desk to move their image
175
508220
2751
ما سیگنال‌هایی به آن سوی میز می‌فرستیم
تا تصویری که از ما دارند را
تا تصویری که از ما دارند را
08:46
of you from one place to a place where you want it to be.
176
510971
3920
از یک جا به جایی که
می‌خواهیم باشد منتقل کنیم.
می‌خواهیم باشد منتقل کنیم.
08:50
We're so good at this we don't really even notice it.
177
514891
3385
آنقدر در اینکار خوب هستیم
که حتی متوجه آن هم نمی‌شویم.
که حتی متوجه آن هم نمی‌شویم.
08:54
These kinds of probes exploit it. Okay?
178
518276
3767
این تحقیق‌ها این را نشان دادند. خیلی خوب؟
در حین انجام این کار چیزی که کشف کردیم
این بود که:
این بود که:
08:57
In doing this, what we've discovered is that humans
179
522043
1807
08:59
are literal canaries in social exchanges.
180
523850
2331
انسان‌ها در مبادلات
اجتماعی مثل قناری‌ها هستند.
اجتماعی مثل قناری‌ها هستند.
09:02
Canaries used to be used as kind of biosensors in mines.
181
526181
3397
از قناری‌ها به عنوان نوعی
حسگر زیستی در معدن‌ها استفاده می‌شد.
حسگر زیستی در معدن‌ها استفاده می‌شد.
09:05
When methane built up, or carbon dioxide built up,
182
529578
3560
هنگامی که متان زیاد می‌شد،
یا کربن دی‌اکسید زیاد می‌شد،
یا کربن دی‌اکسید زیاد می‌شد،
09:09
or oxygen was diminished, the birds would swoon
183
533138
4186
یا اکسیژن کاهش پیدا می‌کرد،
پرنده‌ها قبل مردم
پرنده‌ها قبل مردم
غش می‌کردند -- پس به عنوان
یک سیستم هشدار اولیه عمل می‌کرد:
یک سیستم هشدار اولیه عمل می‌کرد:
09:13
before people would -- so it acted as an early warning system:
184
537324
2326
09:15
Hey, get out of the mine. Things aren't going so well.
185
539650
2980
«هی، از معدن بیرون برید. اوضاع خوب نیست.»
مردم به پای میز مذاکره می‌آیند و حتی این
تعاملات اجتماعی مرحله بندی شده‌ی بدون پرده
تعاملات اجتماعی مرحله بندی شده‌ی بدون پرده
09:18
People come to the table, and even these very blunt,
186
542630
2954
09:21
staged social interactions, and they, and there's just
187
545584
2990
که در آن‌ها فقط اعداد مابینِ
09:24
numbers going back and forth between the people,
188
548574
3016
مردم رد و بدل می‌شود،
و مردم احساست بسیار زیادی را به این
فرآیند اضافه می کنند.
فرآیند اضافه می کنند.
09:27
and they bring enormous sensitivities to it.
189
551590
2199
09:29
So we realized we could exploit this, and in fact,
190
553789
2689
پس ما فهمیدیم که میتونیم از این
بهره برداری کنیم و در واقع
بهره برداری کنیم و در واقع
09:32
as we've done that, and we've done this now in
191
556478
2556
ما این کار رو انجام دادیم.
ما این کار رو بر روی
ما این کار رو بر روی
09:34
many thousands of people, I think on the order of
192
559034
2694
هزاران نفر از مردم انجام دادیم،
فکر میکنم در حدودِ
فکر میکنم در حدودِ
پنج یا شش هزار نفر.
09:37
five or six thousand. We actually, to make this
193
561728
2165
در واقع برای اینکه این را به یک
تحقیق بیولیژیکی تبدیل کنیم،
تحقیق بیولیژیکی تبدیل کنیم،
09:39
a biological probe, need bigger numbers than that,
194
563893
2224
به اعدادِ بسیار بیشتری نیاز داریم.
اما به هرحال
اما به هرحال
09:42
remarkably so. But anyway,
195
566117
3674
الگوهایی پدید آمدند و
ما توانستیم آن الگوها را
ما توانستیم آن الگوها را
09:45
patterns have emerged, and we've been able to take
196
569791
2004
09:47
those patterns, convert them into mathematical models,
197
571795
3836
به مدل‌های ریاضی تبدیل کنیم و
09:51
and use those mathematical models to gain new insights
198
575631
2689
از آن مدل‌های ریاضی استفاده کردیم تا
09:54
into these exchanges. Okay, so what?
199
578320
2131
بینش‌های جدیدی به این تعاملات
به دست آوریم. خب، حالا چی؟
به دست آوریم. خب، حالا چی؟
09:56
Well, the so what is, that's a really nice behavioral measure,
200
580451
3313
خب این یک سنجش رفتاریِ مناسب است،
09:59
the economic games bring to us notions of optimal play.
201
583764
3319
بازی‌های اقتصادی مفاهیمی از بازی بهینه
را برای ما به ارمغان می‌آورند.
را برای ما به ارمغان می‌آورند.
10:02
We can compute that during the game.
202
587083
2484
ما می‌توانیم آن را در حین بازی محاسبه کنیم
10:05
And we can use that to sort of carve up the behavior.
203
589567
2953
و ما می‌توانیم از آن استفاده کنیم
تا به نوعی رفتار را بسازیم.
تا به نوعی رفتار را بسازیم.
10:08
Here's the cool thing. Six or seven years ago,
204
592520
4330
این هم قسمت جالب ماجرا.
شش یا هفت سال پیش،
شش یا هفت سال پیش،
10:12
we developed a team. It was at the time in Houston, Texas.
205
596850
2550
ما یک تیم درست کردیم.
آن موقع در هیستونِ تکزاس بود.
آن موقع در هیستونِ تکزاس بود.
10:15
It's now in Virginia and London. And we built software
206
599400
3394
الان در ویرجینیا و لندن است.
و ما یک نرم افزار درست کردیم که
و ما یک نرم افزار درست کردیم که
10:18
that'll link functional magnetic resonance imaging devices
207
602794
3207
دستگاه‌هایِ تصویربرداریِ تشدیدِ مغناطیسی
را از طریق اینترنت به یکدیگر ارتباط می‌داد
را از طریق اینترنت به یکدیگر ارتباط می‌داد
10:21
up over the Internet. I guess we've done up to six machines
208
606001
4035
فکر میکنم که تا شش دستگاه را
در آن زمان متصل کردیم،
در آن زمان متصل کردیم،
اما بگذارید فقط بر روی
دو تا از آن‌ها تمرکز کنیم.
دو تا از آن‌ها تمرکز کنیم.
10:25
at a time, but let's just focus on two.
209
610036
1981
10:27
So it synchronizes machines anywhere in the world.
210
612017
3058
پس این ماشین‌ها را در هر جای دنیا
که باشند با یکدیگر همگام می‌کند.
که باشند با یکدیگر همگام می‌کند.
10:30
We synchronize the machines, set them into these
211
615075
3169
ما ماشین‌ها را همگام می‌کنیم، برای تعاملات
اجتماعیِ مرحله‌بندی شده تنظیم می‌کنیم
اجتماعیِ مرحله‌بندی شده تنظیم می‌کنیم
10:34
staged social interactions, and we eavesdrop on both
212
618244
1983
و از هر دو مغزی که با یکدیگر
تعامل می‌کنند جاسوسی می‌کنیم.
تعامل می‌کنند جاسوسی می‌کنیم.
10:36
of the interacting brains. So for the first time,
213
620227
1666
10:37
we don't have to look at just averages over single individuals,
214
621893
3607
پس برای اولین بار
نیازی نیست که فقط میانگینِ
تک نفره‌ی افراد را بررسی کنیم،
تک نفره‌ی افراد را بررسی کنیم،
یا افراد را مجبور کنیم که با
کامپیوتر بازی کنند یا سعی کنیم که
کامپیوتر بازی کنند یا سعی کنیم که
10:41
or have individuals playing computers, or try to make
215
625500
2897
اینگونه استنتاج کنیم. ما می‌توانیم
جفت های مجزا را بررسی کنیم.
جفت های مجزا را بررسی کنیم.
10:44
inferences that way. We can study individual dyads.
216
628397
2763
10:47
We can study the way that one person interacts with another person,
217
631160
2785
ما می‌توانیم روشی که یک فرد با فرد
دیگر تعامل می‌کند را مطالعه کنیم.
دیگر تعامل می‌کند را مطالعه کنیم.
10:49
turn the numbers up, and start to gain new insights
218
633945
2564
اعدادمون را بیشتر کنیم و بینش‌های جدیدی را
10:52
into the boundaries of normal cognition,
219
636509
2515
به مرزهای معمولِ شناخت اضافه کنیم
10:54
but more importantly, we can put people with
220
639024
2732
اما مهمتر از این، ما می‌توانیم افرادی که
به صورت کلاسیک با عنوانِ
به صورت کلاسیک با عنوانِ
10:57
classically defined mental illnesses, or brain damage,
221
641756
3337
بیماریِ روانی یا آسیب مغزی
تعریف شده اند را
تعریف شده اند را
11:00
into these social interactions, and use these as probes of that.
222
645093
3551
در این تعاملاتِ اجتماعی قرار دهیم و
از این‌ها به عنوان پژوهش استفاده کنیم
از این‌ها به عنوان پژوهش استفاده کنیم
11:04
So we've started this effort. We've made a few hits,
223
648644
2350
پس ما این تلاش را آغاز کردیم
و موفقیت‌هایی به دست آوردیم،
و موفقیت‌هایی به دست آوردیم،
11:06
a few, I think, embryonic discoveries.
224
650994
2449
بعضی کشف‌های ابتدایی.
11:09
We think there's a future to this. But it's our way
225
653443
2812
فکر می‌کنیم برای این آینده‌ای وجود دارد.
اما الان این راه ماست که
اما الان این راه ماست که
11:12
of going in and redefining, with a new lexicon,
226
656255
2560
وارد شویم و با یک روش جدید،
در واقع یک روش وابسته به ریآضیات،
در واقع یک روش وابسته به ریآضیات،
11:14
a mathematical one actually, as opposed to the standard
227
658815
4022
در مقابل نوعی که درباره‌ی
بیماری‌های روانی فکر می‌کنیم
بیماری‌های روانی فکر می‌کنیم
11:18
ways that we think about mental illness,
228
662837
2578
تعریف جدیدی ارائه دهیم.
11:21
characterizing these diseases, by using the people
229
665415
2067
مشخص کردن این بیماری‌ها با استفاده از
مردم به عنوان پرنده در این تعاملات.
11:23
as birds in the exchanges. That is, we exploit the fact
230
667482
3007
ما از این حقیقت که بازیکن سالم با کسی که
افسردگیِ شدید دارد یا
افسردگیِ شدید دارد یا
11:26
that the healthy partner, playing somebody with major depression,
231
670489
4244
11:30
or playing somebody with autism spectrum disorder,
232
674733
2910
کسی که اختلال طیفیِ اوتیسم دارد یا
11:33
or playing somebody with attention deficit hyperactivity disorder,
233
677643
3850
کسی که اختلال نقص توجه بیش‌فعالی دارد.
11:37
we use that as a kind of biosensor, and then we use
234
681493
3219
ما از آن به عنوان نوعی
حسگر زیستی استفاده می‌کنیم
حسگر زیستی استفاده می‌کنیم
و سپس از برنامه‌های کامپیوتری
استفاده می‌کنیم تا آن فرد را مدل‌سازی کنیم
استفاده می‌کنیم تا آن فرد را مدل‌سازی کنیم
11:40
computer programs to model that person, and it gives us
235
684712
2644
11:43
a kind of assay of this.
236
687356
2470
و این به ما نوعی سنجش از این موضوع می‌دهد.
11:45
Early days, and we're just beginning, we're setting up sites
237
689826
2131
روزهای اولیه است و ما تازه شروع کردیم،
در حال راه اندازیِ
در حال راه اندازیِ
11:47
around the world. Here are a few of our collaborating sites.
238
691957
3410
مقرهایی در اطراف دنیا هستیم.
این‌ها تعدادی از مقرهای همکار ما هستند.
این‌ها تعدادی از مقرهای همکار ما هستند.
11:51
The hub, ironically enough,
239
695367
2309
مرکز فعالیت، از قضا
11:53
is centered in little Roanoke, Virginia.
240
697676
2889
در لیتل روانُک ویرجینیا واقع شده.
11:56
There's another hub in London, now, and the rest
241
700565
2269
در حال حاضر یک مرکز دیگر در لندن است و
مابقی در حال آماده سازی هستند.
مابقی در حال آماده سازی هستند.
11:58
are getting set up. We hope to give the data away
242
702834
4009
امیدواریم که داده‌ها را
در مرحله‌ای منتشر کنیم.
در مرحله‌ای منتشر کنیم.
12:02
at some stage. That's a complicated issue
243
706843
3673
در دسترس قرار دادن این اطلاعات
12:06
about making it available to the rest of the world.
244
710516
2994
برای بقیه‌ی دنیا موضوع پیچیده‌ای است.
اما ما فقط بخش کوچکی از چیزی که
12:09
But we're also studying just a small part
245
713510
1847
ما را به عنوان انسان جذاب می‌کند،
مطالعه می‌کنیم
مطالعه می‌کنیم
12:11
of what makes us interesting as human beings, and so
246
715357
2267
من از بقیه‌ی افرادی که به این
موضوع علاقه دارند دعوت میکنم
موضوع علاقه دارند دعوت میکنم
12:13
I would invite other people who are interested in this
247
717624
2041
12:15
to ask us for the software, or even for guidance
248
719665
2569
که از ما نرم‌افزار را درخواست کنند،
یا حتی برای راهنمایی که
یا حتی برای راهنمایی که
12:18
on how to move forward with that.
249
722234
2219
این موضوع را چگونه پیش ببرند.
12:20
Let me leave you with one thought in closing.
250
724453
2341
بگذارید با یک
فکر پایانی شما رو تنها بگذارم
فکر پایانی شما رو تنها بگذارم
12:22
The interesting thing about studying cognition
251
726794
1942
چیز جالب در مورد
مطالعه‌ی شناختی این است که
مطالعه‌ی شناختی این است که
12:24
has been that we've been limited, in a way.
252
728736
3732
ما به نوعی محدود بوده‌ایم.
12:28
We just haven't had the tools to look at interacting brains
253
732468
2943
ما ابزار نگاه کردن به مغزهای در حال تعامل
12:31
simultaneously.
254
735411
1200
به صورت همزمان را نداشتیم.
12:32
The fact is, though, that even when we're alone,
255
736611
2470
حقیقت این است که ما حتی وقتی تنها هستیم،
12:34
we're a profoundly social creature. We're not a solitary mind
256
739081
4111
موجوداتی به شدت اجتماعی هستیم.
ما ذهنی منفرد ساخته شده با خصوصیاتی که
ما ذهنی منفرد ساخته شده با خصوصیاتی که
12:39
built out of properties that kept it alive in the world
257
743192
4373
آن را در جهان مستقل از
افراد دیگر زنده نگه دارد، نیستیم
افراد دیگر زنده نگه دارد، نیستیم
12:43
independent of other people. In fact, our minds
258
747565
3948
در واقع، ذهن‌های ما
12:47
depend on other people. They depend on other people,
259
751513
2870
به بقیه‌ی مردم وابسته است.
به بقیه‌ی مردم وابسته است و
در بقیه ابراز می‌شود.
در بقیه ابراز می‌شود.
12:50
and they're expressed in other people,
260
754383
1541
12:51
so the notion of who you are, you often don't know
261
755924
3652
پس مفهوم اینکه چه کسی هستیم را
تا زمانی که خودمان را در تعامل
تا زمانی که خودمان را در تعامل
12:55
who you are until you see yourself in interaction with people
262
759576
2688
با بقیه‌ی مردمی که به ما نزدیک هستند
12:58
that are close to you, people that are enemies of you,
263
762264
2406
یا دشمن ما هستند یا منکر ما هستند
13:00
people that are agnostic to you.
264
764670
2545
نمی‌دانیم
پس این به نوعی اولین قدم
در استفاده از این بینش
در استفاده از این بینش
13:03
So this is the first sort of step into using that insight
265
767215
3776
و نگاه کردن به چیزی که ما را به انسان
تبدیل می‌کند است و تبدیل آن به یک ابزار
تبدیل می‌کند است و تبدیل آن به یک ابزار
13:06
into what makes us human beings, turning it into a tool,
266
770991
3295
13:10
and trying to gain new insights into mental illness.
267
774286
1978
و تلاش برای یافتن بینش‌هایی
جدید به بیماری‌های ذهنی
جدید به بیماری‌های ذهنی
13:12
Thanks for having me. (Applause)
268
776264
3121
ممنون که به صحبت‌های من گوش کردید.
(تشویق حضار)
13:15
(Applause)
269
779385
3089
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