TEDSalon London Spring 2011
Neil Burgess: How your brain tells you where you are
Neil Burgess : comment votre cerveau vous dit où vous vous trouvez
Filmed:
Readability: 4.2
1,458,267 views
Comment vous souvenez-vous où vous avez garé votre voiture? Comment savez-vous si vous vous dirigez dans la bonne direction? Neil Burgess, neuroscientifique, étudie les mécanismes neuronaux qui cartographient l'espace qui nous entoure, et comment ils sont liés à la mémoire et à l'imagination.
Neil Burgess - Neuroscientist
At University College in London, Neil Burgess researches how patterns of electrical activity in brain cells guide us through space. Full bio
At University College in London, Neil Burgess researches how patterns of electrical activity in brain cells guide us through space. Full bio
Double-click the English transcript below to play the video.
00:15
When we park in a big parking lot,
0
0
2000
Quand nous nous garons dans un grand parking,
00:17
how do we remember where we parked our car?
1
2000
2000
comment nous souvenons-nous de l'endroit où nous avons garé notre voiture?
00:19
Here's the problem facing Homer.
2
4000
3000
Voici le problème d'Homer.
00:22
And we're going to try to understand
3
7000
2000
Et nous allons essayer de comprendre
00:24
what's happening in his brain.
4
9000
2000
ce qui se passe dans son cerveau.
00:26
So we'll start with the hippocampus, shown in yellow,
5
11000
2000
Nous allons donc commencer par l'hippocampe, ici en jaune,
00:28
which is the organ of memory.
6
13000
2000
qui est l'organe de la mémoire.
00:30
If you have damage there, like in Alzheimer's,
7
15000
2000
Si cet organe est endommagé, comme dans la maladie d'Alzheimer,
00:32
you can't remember things including where you parked your car.
8
17000
2000
vous ne pouvez pas vous souvenir des choses comme l'endroit où votre voiture est garée.
00:34
It's named after Latin for "seahorse,"
9
19000
2000
Son nom vient du latin pour « cheval de mer »,
00:36
which it resembles.
10
21000
2000
ce à quoi il ressemble.
00:38
And like the rest of the brain, it's made of neurons.
11
23000
2000
Et comme le reste du cerveau, il est constitué de neurones
00:40
So the human brain
12
25000
2000
Le cerveau humain contient donc
00:42
has about a hundred billion neurons in it.
13
27000
2000
environ cent milliards de neurones.
00:44
And the neurons communicate with each other
14
29000
3000
Et les neurones communiquent entre eux
00:47
by sending little pulses or spikes of electricity
15
32000
2000
en envoyant de petites impulsions ou piques d'électricités
00:49
via connections to each other.
16
34000
2000
via des connexions entre eux.
00:51
The hippocampus is formed of two sheets of cells,
17
36000
3000
L'hippocampe est formé de deux couches de cellules,
00:54
which are very densely interconnected.
18
39000
2000
qui sont interconnectées de façon très dense.
00:56
And scientists have begun to understand
19
41000
2000
Et les scientifiques commencent à comprendre
00:58
how spatial memory works
20
43000
2000
comment la mémoire spatiale fonctionne
01:00
by recording from individual neurons
21
45000
2000
en enregistrant depuis des neurones individuels
01:02
in rats or mice
22
47000
2000
chez des rats ou des souris
01:04
while they forage or explore an environment
23
49000
2000
pendant qu'ils creusent ou qu'ils explorent un environnement
01:06
looking for food.
24
51000
2000
pour chercher de la nourriture.
01:08
So we're going to imagine we're recording from a single neuron
25
53000
3000
Nous allons donc imaginer que nous enregistrons depuis un seul neurone
01:11
in the hippocampus of this rat here.
26
56000
3000
dans l'hippocampe de ce rat ici.
01:14
And when it fires a little spike of electricity,
27
59000
2000
Et quand il lance une petite pique d'électricité,
01:16
there's going to be a red dot and a click.
28
61000
3000
il va y avoir un point rouge et un clic.
01:19
So what we see
29
64000
2000
Ce que nous voyons donc
01:21
is that this neuron knows
30
66000
2000
c'est que ce neurone sait
01:23
whenever the rat has gone into one particular place in its environment.
31
68000
3000
quand le rat va dans un endroit particulier de son environnement.
01:26
And it signals to the rest of the brain
32
71000
2000
Et il le signale au reste du cerveau
01:28
by sending a little electrical spike.
33
73000
3000
en envoyant une petite pique électrique.
01:31
So we could show the firing rate of that neuron
34
76000
3000
Nous pourrions donc montrer le taux de décharge de ce neurone
01:34
as a function of the animal's location.
35
79000
2000
comme une fonction du lieu où se trouve l'animal.
01:36
And if we record from lots of different neurons,
36
81000
2000
Et si nous enregistrons depuis de nombreux neurones différents,
01:38
we'll see that different neurons fire
37
83000
2000
nous verrons que différents neurones déchargent
01:40
when the animal goes in different parts of its environment,
38
85000
2000
des signaux quand l'animal va dans des parties différentes de son environnement,
01:42
like in this square box shown here.
39
87000
2000
comme dans cette boite carrée ici.
01:44
So together they form a map
40
89000
2000
Ensemble ils forment donc une carte
01:46
for the rest of the brain,
41
91000
2000
pour le reste du cerveau,
01:48
telling the brain continually,
42
93000
2000
qui dit au cerveau en continu,
01:50
"Where am I now within my environment?"
43
95000
2000
« Où suis-je maintenant dans mon environnement ? »
01:52
Place cells are also being recorded in humans.
44
97000
3000
On trouve aussi les cellules de localisation chez les humains.
01:55
So epilepsy patients sometimes need
45
100000
2000
Alors les patients souffrants d'épilepsie ont parfois besoin
01:57
the electrical activity in their brain monitoring.
46
102000
3000
de l'activité électrique dans le contrôle de leur cerveau.
02:00
And some of these patients played a video game
47
105000
2000
Et certains de ces patients ont joué à un jeu vidéo
02:02
where they drive around a small town.
48
107000
2000
dans lequel ils se déplacent en voiture dans une petite ville.
02:04
And place cells in their hippocampi would fire, become active,
49
109000
3000
Et les cellules de localisation dans leurs hippocampes déchargent, s'activent,
02:07
start sending electrical impulses
50
112000
3000
commencent à envoyer des impulsions électriques
02:10
whenever they drove through a particular location in that town.
51
115000
3000
chaque fois qu'ils passent par un endroit particulier dans cette ville.
02:13
So how does a place cell know
52
118000
2000
Alors comment une cellule de localisation sait-elle
02:15
where the rat or person is within its environment?
53
120000
3000
où le rat ou la personne se trouve à l'intérieur de son environnement ?
02:18
Well these two cells here
54
123000
2000
Et bien ces deux cellules ici
02:20
show us that the boundaries of the environment
55
125000
2000
nous montrent que les frontières de cet environnement
02:22
are particularly important.
56
127000
2000
sont particulièrement importantes.
02:24
So the one on the top
57
129000
2000
Et celle d'en haut
02:26
likes to fire sort of midway between the walls
58
131000
2000
aime décharger environ à mi-chemin entre les murs
02:28
of the box that their rat's in.
59
133000
2000
de la boite dans laquelle se trouve leur rat.
02:30
And when you expand the box, the firing location expands.
60
135000
3000
Et quand vous agrandissez la boite, le siège de la décharge s'agrandit.
02:33
The one below likes to fire
61
138000
2000
Celle d'en dessous aime décharger
02:35
whenever there's a wall close by to the south.
62
140000
3000
chaque fois qui il y a un mur prêt au sud.
02:38
And if you put another wall inside the box,
63
143000
2000
Et si vous rajoutez un mur à l'intérieur de la boite,
02:40
then the cell fires in both place
64
145000
2000
alors les cellules déchargent dans les deux endroits
02:42
wherever there's a wall to the south
65
147000
2000
chaque fois qu'il y a un mur au sud
02:44
as the animal explores around in its box.
66
149000
3000
quand l'animal explore sa boite.
02:48
So this predicts
67
153000
2000
Cela prédit
02:50
that sensing the distances and directions of boundaries around you --
68
155000
2000
que l'impression de distance et de direction des limites qui vous entourent,
02:52
extended buildings and so on --
69
157000
2000
les grands bâtiments etcétéra,
02:54
is particularly important for the hippocampus.
70
159000
3000
est particulièrement importante pour l'hippocampe.
02:57
And indeed, on the inputs to the hippocampus,
71
162000
2000
Et bien sûr, parmi les données que reçoit l'hippocampe,
02:59
cells are found which project into the hippocampus,
72
164000
2000
on trouve des cellules qui projettent dans l'hippocampe,
03:01
which do respond exactly
73
166000
2000
qui réagissent exactement
03:03
to detecting boundaries or edges
74
168000
3000
à la détection des limites ou des bords
03:06
at particular distances and directions
75
171000
2000
à des distances ou des directions particulières
03:08
from the rat or mouse
76
173000
2000
du rat ou de la souris
03:10
as it's exploring around.
77
175000
2000
quand il explore son environnement.
03:12
So the cell on the left, you can see,
78
177000
2000
La cellule à gauche, vous voyez,
03:14
it fires whenever the animal gets near
79
179000
2000
décharge chaque fois qu'un animal s'approche
03:16
to a wall or a boundary to the east,
80
181000
3000
d'un mur ou d'une limite à l'est,
03:19
whether it's the edge or the wall of a square box
81
184000
3000
que ce soit un bord ou un mur d'une boite carrée
03:22
or the circular wall of the circular box
82
187000
2000
ou un mur circulaire d'une boite circulaire
03:24
or even the drop at the edge of a table, which the animals are running around.
83
189000
3000
ou même le bord libre d'une table, autour duquel les animaux courent,
03:27
And the cell on the right there
84
192000
2000
Et la cellule à droite là
03:29
fires whenever there's a boundary to the south,
85
194000
2000
décharge chaque fois qu'il y a une limite au sud,
03:31
whether it's the drop at the edge of the table or a wall
86
196000
2000
que ce soit le bord libre de la table ou un mur
03:33
or even the gap between two tables that are pulled apart.
87
198000
3000
ou même l'espace entre deux tables éloignées l'une de l'autre.
03:36
So that's one way in which we think
88
201000
2000
C'est donc une manière dont nous pensons
03:38
place cells determine where the animal is as it's exploring around.
89
203000
3000
que les cellules de localisation déterminent où se trouve l'animal quand il explore son environnement.
03:41
We can also test where we think objects are,
90
206000
3000
Nous pouvons aussi tester où nous pensons que les objets se trouvent,
03:44
like this goal flag, in simple environments --
91
209000
3000
comme ce poteau de but, dans des environnements simples,
03:47
or indeed, where your car would be.
92
212000
2000
ou bien sûr, où se trouve votre voiture.
03:49
So we can have people explore an environment
93
214000
3000
Nous pouvons faire explorer par des gens un environnement
03:52
and see the location they have to remember.
94
217000
3000
et voir le lieu dont ils doivent se souvenir.
03:55
And then, if we put them back in the environment,
95
220000
2000
Et alors, si nous les remettons dans l'environnement,
03:57
generally they're quite good at putting a marker down
96
222000
2000
ils sont en général assez bons quand il s'agit de poser un marqueur
03:59
where they thought that flag or their car was.
97
224000
3000
là où ils pensent que le drapeau ou leur voiture se trouve.
04:02
But on some trials,
98
227000
2000
Mais dans certains de ces essais,
04:04
we could change the shape and size of the environment
99
229000
2000
nous pourrions changer la forme et la taille de l'environnement
04:06
like we did with the place cell.
100
231000
2000
comme nous l'avons fait avec la cellule de localisation.
04:08
In that case, we can see
101
233000
2000
Dans ce cas, nous pouvons voir
04:10
how where they think the flag had been changes
102
235000
3000
comment ils pensent que le drapeau a subi des changements
04:13
as a function of how you change the shape and size of the environment.
103
238000
3000
en fonction de la modification que vous apportez à la forme et la taille de l'environnement.
04:16
And what you see, for example,
104
241000
2000
Et ce que vous voyez, par exemple,
04:18
if the flag was where that cross was in a small square environment,
105
243000
3000
si le drapeau était là où était cette croix dans un petit environnement carré,
04:21
and then if you ask people where it was,
106
246000
2000
et ensuite si vous demandez aux gens où il était,
04:23
but you've made the environment bigger,
107
248000
2000
mais que vous agrandissez l'environnement,
04:25
where they think the flag had been
108
250000
2000
là où ils pensaient que le drapeau se trouvait
04:27
stretches out in exactly the same way
109
252000
2000
s'étend exactement de la même façon
04:29
that the place cell firing stretched out.
110
254000
2000
que la cellule de localisation qui décharge s'étend.
04:31
It's as if you remember where the flag was
111
256000
2000
C'est comme si vous vous souveniez où se trouvait le drapeau
04:33
by storing the pattern of firing across all of your place cells
112
258000
3000
en enregistrant le modèle de décharge de toutes vos cellules de localisation
04:36
at that location,
113
261000
2000
à cet endroit.
04:38
and then you can get back to that location
114
263000
2000
Et qu'ensuite vous reveniez à cet endroit
04:40
by moving around
115
265000
2000
en vous déplaçant
04:42
so that you best match the current pattern of firing of your place cells
116
267000
2000
de sorte que vous faites la meilleure association entre le modèle de décharge de vos cellules de localisation
04:44
with that stored pattern.
117
269000
2000
et le modèle enregistré.
04:46
That guides you back to the location that you want to remember.
118
271000
3000
Cela vous guide pour revenir à l'endroit dont vous voulez vous rappeler.
04:49
But we also know where we are through movement.
119
274000
3000
Mais nous savons aussi où nous nous trouvons par le mouvement.
04:52
So if we take some outbound path --
120
277000
2000
Alors si nous suivons un chemin qui nous éloigne --
04:54
perhaps we park and we wander off --
121
279000
2000
peut-être que nous nous garons et nous nous éloignons --
04:56
we know because our own movements,
122
281000
2000
nous savons grâce à nos propres mouvements,
04:58
which we can integrate over this path
123
283000
2000
que nous pouvons intégrer sur ce chemin
05:00
roughly what the heading direction is to go back.
124
285000
2000
en gros la direction à prendre pour revenir.
05:02
And place cells also get this kind of path integration input
125
287000
4000
Et les cellules de localisation reçoivent aussi ces informations d'intégration de chemin
05:06
from a kind of cell called a grid cell.
126
291000
3000
d'un genre de cellules appelées une cellule de grille.
05:09
Now grid cells are found, again,
127
294000
2000
On trouve les cellules de grilles, là encore,
05:11
on the inputs to the hippocampus,
128
296000
2000
sur les informations envoyées à l'hippocampe,
05:13
and they're a bit like place cells.
129
298000
2000
et elles sont un peu similaires aux cellules de localisation.
05:15
But now as the rat explores around,
130
300000
2000
Mais maintenant quand le rat explore son environnement,
05:17
each individual cell fires
131
302000
2000
chaque cellule décharge
05:19
in a whole array of different locations
132
304000
3000
dans toutes sortes d'endroits différents
05:22
which are laid out across the environment
133
307000
2000
qui se trouvent partout dans l'environnement
05:24
in an amazingly regular triangular grid.
134
309000
3000
sur une grille qui est étonnamment triangulaire.
05:29
And if you record from several grid cells --
135
314000
3000
Et si on enregistre de plusieurs cellules de grille --
05:32
shown here in different colors --
136
317000
2000
ici en différentes couleurs --
05:34
each one has a grid-like firing pattern across the environment,
137
319000
3000
chacune a un modèle de décharge qui ressemble à une grille dans l'environnement
05:37
and each cell's grid-like firing pattern is shifted slightly
138
322000
3000
et le modèle de décharge en forme de grille de chaque cellule est légèrement déplacé
05:40
relative to the other cells.
139
325000
2000
en fonction des autres cellules.
05:42
So the red one fires on this grid
140
327000
2000
Alors le rouge décharge sur cette grille
05:44
and the green one on this one and the blue on on this one.
141
329000
3000
et le vert sur celle-ci et le bleu sur celle-ci.
05:47
So together, it's as if the rat
142
332000
3000
Alors ensemble, c'est comme si le rat
05:50
can put a virtual grid of firing locations
143
335000
2000
pouvait mettre une grille virtuelle de points de décharge
05:52
across its environment --
144
337000
2000
dans son environnement --
05:54
a bit like the latitude and longitude lines that you'd find on a map,
145
339000
3000
un peu comme les lignes de latitude et de longitude qu'on trouve sur une carte,
05:57
but using triangles.
146
342000
2000
mais en utilisant des triangles.
05:59
And as it moves around,
147
344000
2000
Et quand il se déplace,
06:01
the electrical activity can pass
148
346000
2000
l'activité électrique peut passer
06:03
from one of these cells to the next cell
149
348000
2000
d'une de ces cellules à la suivante
06:05
to keep track of where it is,
150
350000
2000
pour garder une trace de l'endroit où il se trouve,
06:07
so that it can use its own movements
151
352000
2000
afin de pouvoir utiliser ses propres mouvements
06:09
to know where it is in its environment.
152
354000
2000
pour savoir où il se trouve dans son environnement.
06:11
Do people have grid cells?
153
356000
2000
Les gens ont-ils des cellules de grille?
06:13
Well because all of the grid-like firing patterns
154
358000
2000
Parce que tous les modèles de décharge en forme de grille
06:15
have the same axes of symmetry,
155
360000
2000
ont les mêmes axes de symétrie,
06:17
the same orientations of grid, shown in orange here,
156
362000
3000
les mêmes orientations de grille, en orange ici,
06:20
it means that the net activity
157
365000
2000
cela signifie que l’activité en réseau
06:22
of all of the grid cells in a particular part of the brain
158
367000
3000
de toutes les cellules de grille dans une partie donnée du cerveau
06:25
should change
159
370000
2000
devrait changer
06:27
according to whether we're running along these six directions
160
372000
2000
selon que nous parcourons ces six directions
06:29
or running along one of the six directions in between.
161
374000
3000
ou que nous parcourons une des six directions intermédiaires.
06:32
So we can put people in an MRI scanner
162
377000
2000
Nous pouvons donc mettre des gens dans un scanner IRM
06:34
and have them do a little video game
163
379000
2000
et les faire jouer à un petit jeu vidéo
06:36
like the one I showed you
164
381000
2000
comme celui que je vous ai montré
06:38
and look for this signal.
165
383000
2000
et rechercher ce signal.
06:40
And indeed, you do see it in the human entorhinal cortex,
166
385000
3000
Et en effet, on le voit bien dans le cortex entorhinal humain,
06:43
which is the same part of the brain that you see grid cells in rats.
167
388000
3000
qui est la même partie du cerveau où on voit les cellules de grille chez le rat.
06:46
So back to Homer.
168
391000
2000
Alors revenons à Homer.
06:48
He's probably remembering where his car was
169
393000
2000
Il se rappelle probablement où se trouvait sa voiture
06:50
in terms of the distances and directions
170
395000
2000
en termes de distances et de directions
06:52
to extended buildings and boundaries
171
397000
2000
par rapport aux grands bâtiments et aux limites
06:54
around the location where he parked.
172
399000
2000
autour de l'endroit où il s'est garé.
06:56
And that would be represented
173
401000
2000
Et cela serait représenté
06:58
by the firing of boundary-detecting cells.
174
403000
2000
par la décharge des cellules détectrices de limites.
07:00
He's also remembering the path he took out of the car park,
175
405000
3000
Il se souvient aussi du chemin qu'il a pris pour sortir du parking
07:03
which would be represented in the firing of grid cells.
176
408000
3000
qui serait représenté dans la décharge des cellules de la grille.
07:06
Now both of these kinds of cells
177
411000
2000
Maintenant ces deux types de cellules
07:08
can make the place cells fire.
178
413000
2000
peuvent faire décharger les cellules de localisation.
07:10
And he can return to the location where he parked
179
415000
2000
Et il peut retourner à cet endroit où il s'est garé
07:12
by moving so as to find where it is
180
417000
3000
en se déplaçant de façon à le trouver
07:15
that best matches the firing pattern
181
420000
2000
pour qu’il s'accorde le mieux avec le modèle de décharge
07:17
of the place cells in his brain currently
182
422000
2000
des cellules de localisation dans son cerveau en ce moment
07:19
with the stored pattern where he parked his car.
183
424000
3000
avec le modèle enregistré de l'endroit où il a garé sa voiture.
07:22
And that guides him back to that location
184
427000
2000
Et ça le ramène à cet endroit
07:24
irrespective of visual cues
185
429000
2000
indépendamment des indices visuels
07:26
like whether his car's actually there.
186
431000
2000
comme de savoir si la voiture est vraiment là.
07:28
Maybe it's been towed.
187
433000
2000
Elle a peut-être été remorquée.
07:30
But he knows where it was, so he knows to go and get it.
188
435000
3000
Mais il sait où elle se trouvait, il sait donc aller la chercher.
07:33
So beyond spatial memory,
189
438000
2000
Alors au delà de la mémoire spatiale,
07:35
if we look for this grid-like firing pattern
190
440000
2000
si nous cherchons ce modèle de décharge en forme de grille
07:37
throughout the whole brain,
191
442000
2000
dans tout le cerveau,
07:39
we see it in a whole series of locations
192
444000
3000
nous le voyons dans toute une série d'endroits
07:42
which are always active
193
447000
2000
qui sont toujours actifs
07:44
when we do all kinds of autobiographical memory tasks,
194
449000
2000
quand nous exécutons toutes sortes de taches de mémoire autobiographique,
07:46
like remembering the last time you went to a wedding, for example.
195
451000
3000
comme de vous rappeler la dernière fois que vous êtes allés à un mariage, par exemple.
07:49
So it may be that the neural mechanisms
196
454000
2000
Il se peut donc que les mécanismes neuronaux
07:51
for representing the space around us
197
456000
3000
impliqués dans la représentation de l'espace qui nous entoure
07:54
are also used for generating visual imagery
198
459000
4000
sont aussi utilisés pour générer une imagerie visuelle
07:58
so that we can recreate the spatial scene, at least,
199
463000
3000
pour nous permettre de recréer la scène spatiale, au moins,
08:01
of the events that have happened to us when we want to imagine them.
200
466000
3000
des évènements que nous avons vécus quand nous voulons les imaginer.
08:04
So if this was happening,
201
469000
2000
Donc si cela se produisait,
08:06
your memories could start by place cells activating each other
202
471000
3000
vos souvenirs pourraient commencer par des cellules de localisation qui s'activent entre elles
08:09
via these dense interconnections
203
474000
2000
par le biais d'interconnexions denses
08:11
and then reactivating boundary cells
204
476000
2000
et ensuite qui réactivent des cellules de limites
08:13
to create the spatial structure
205
478000
2000
pour créer la structure spatiale
08:15
of the scene around your viewpoint.
206
480000
2000
de la scène autour de votre point de vue.
08:17
And grid cells could move this viewpoint through that space.
207
482000
2000
Et les cellules de la grille pourraient déplacer ce point de vue à travers cet espace.
08:19
Another kind of cell, head direction cells,
208
484000
2000
Un autre type de cellules, les cellules de direction de la tête
08:21
which I didn't mention yet,
209
486000
2000
dont je n'ai pas encore parlé,
08:23
they fire like a compass according to which way you're facing.
210
488000
3000
déchargent comment une boussole selon la direction vers laquelle vous regardez.
08:26
They could define the viewing direction
211
491000
2000
Elles pourraient définir la direction de la vision
08:28
from which you want to generate an image for your visual imagery,
212
493000
3000
depuis laquelle vous voulez générer une image pour votre imagerie visuelle,
08:31
so you can imagine what happened when you were at this wedding, for example.
213
496000
3000
pour que vous puissiez imaginer ce qui s'est passé quand vous étiez à ce mariage, par exemple.
08:34
So this is just one example
214
499000
2000
Ceci n'est qu'un exemple
08:36
of a new era really
215
501000
2000
d'une véritable nouvelle ère
08:38
in cognitive neuroscience
216
503000
2000
pour la neuroscience cognitive
08:40
where we're beginning to understand
217
505000
2000
où nous commençons à comprendre
08:42
psychological processes
218
507000
2000
les processus psychologiques
08:44
like how you remember or imagine or even think
219
509000
3000
comme la façon dont vous vous souvenez ou imaginez ou même pensez
08:47
in terms of the actions
220
512000
2000
en termes d'actions
08:49
of the billions of individual neurons that make up our brains.
221
514000
3000
des milliards de neurones individuels qui composent nos cerveaux.
08:52
Thank you very much.
222
517000
2000
Merci beaucoup.
08:54
(Applause)
223
519000
3000
(Applaudissements)
ABOUT THE SPEAKER
Neil Burgess - NeuroscientistAt University College in London, Neil Burgess researches how patterns of electrical activity in brain cells guide us through space.
Why you should listen
Neil Burgessis is deputy director of the Institute of Cognitive Neuroscience at University College London, where he investigates of the role of the hippocampus in spatial navigation and episodic memory. His research is directed at answering questions such as: How are locations represented, stored and used in the brain? What processes and which parts of the brain are involved in remembering the spatial and temporal context of everyday events, and in finding one's way about?
To explore this space, he and his team use a range of methods for gathering data, including pioneering uses of virtual reality, as well as computational modelling and electrophysiological analysis of the function of hippocampal neurons in the rat, functional imaging of human navigation, and neuropsychological experiments on spatial and episodic memory.
A parallel interest: Investigating our human short-term memory for serial order, or how we know our 123s.
Neil Burgess | Speaker | TED.com