ABOUT THE SPEAKER
Beau Lotto - Neuroscientist, Artist
Beau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system.

Why you should listen

"Let there be perception," was evolution's proclamation, and so it was that all creatures, from honeybees to humans, came to see the world not as it is, but as was most useful. This uncomfortable place--where what an organism's brain sees diverges from what is actually out there--is what Beau Lotto and his team at Lottolab are exploring through their dazzling art-sci experiments and public illusions. Their Bee Matrix installation, for example, places a live bee in a transparent enclosure where gallerygoers may watch it seek nectar in a virtual meadow of luminous Plexiglas flowers. (Bees, Lotto will tell you, see colors much like we humans do.) The data captured isn't just discarded, either: it's put to good use in probing scientific papers, and sometimes in more exhibits.

At their home in London’s Science Museum, the lab holds "synesthetic workshops" where kids and adults make abstract paintings that computers interpret into music, and they host regular Lates--evenings of science, music and "mass experiments." Lotto is passionate about involving people from all walks of life in research on perception--both as subjects and as fellow researchers. One such program, called "i,scientist," in fact led to the publication of the first ever peer-reviewed scientific paper written by schoolchildren ("Blackawton Bees," December 2010). It starts, "Once upon a time ..."

These and Lotto's other conjurings are slowly, charmingly bending the science of perception--and our perceptions of what science can be.

More profile about the speaker
Beau Lotto | Speaker | TED.com
TEDGlobal 2009

Beau Lotto: Optical illusions show how we see

Beau Lotto: Les illusions d'optique montrent comment nous voyons

Filmed:
7,158,267 views

Les jeux de couleurs de Beau Lotto confondent votre vision, mais ils éclairent aussi ce que vous ne pouvez normalement pas voir: comment votre cerveau fonctionne. Ce regard amusant et neuf sur votre propre sens de la vue et sa versatilité révèle comment l'évolution teinte votre perception de ce qui est vraiment devant vous.
- Neuroscientist, Artist
Beau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system. Full bio

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

00:13
I want to startdébut with a gameJeu.
0
1000
3000
Je vais commencer avec un jeu.
00:16
And to wingagner this gameJeu,
1
4000
2000
Et pour gagner ce jeu,
00:18
all you have to do is see the realityréalité that's in frontde face of you
2
6000
3000
tout ce que vous avez à faire est de voir la réalité devant vous
00:21
as it really is. All right?
3
9000
2000
telle qu'elle est vraiment. D'accord?
00:23
So, we have two panelspanneaux here,
4
11000
2000
Donc, nous avons ici deux panneaux,
00:25
of coloredcoloré dotspoints.
5
13000
2000
avec des points de couleur.
00:27
And one of those dotspoints is the sameMême
6
15000
3000
Et une de ces couleurs est la même
00:30
in the two panelspanneaux. Okay?
7
18000
3000
sur les deux panneaux. OK?
00:33
And you have to tell me whichlequel one.
8
21000
2000
Et vous devez me dire laquelle.
00:35
Now, narrowétroit it down to
9
23000
3000
Réduisons le choix à
00:38
the graygris one, the greenvert one and, say, the orangeOrange one.
10
26000
3000
le gris, le vert, et, disons, l'orange.
00:41
So, by a showmontrer of handsmains -- we'llbien startdébut with the easiestplus facile one --
11
29000
3000
Donc, à main levée -- on va commencer avec le plus facile --
00:44
ShowVoir l’établissement of handsmains: how manybeaucoup people think it's the graygris one?
12
32000
4000
À main levée: combien pensent que c'est le gris?
00:48
Really? Okay.
13
36000
2000
Vraiment? OK.
00:50
How manybeaucoup people think it's the greenvert one?
14
38000
5000
Combien pensent que c'est le vert?
00:55
And how manybeaucoup people think it's the orangeOrange one?
15
43000
4000
Et maintenant, combien pensent que c'est l'orange?
00:59
PrettyAssez even splitDivisé.
16
47000
3000
Assez équilibré.
01:02
Let's find out what the realityréalité is.
17
50000
3000
Voyons ce qu'est la réalité.
01:05
Here is the orangeOrange one.
18
53000
3000
Voici l'orange.
01:08
(LaughterRires)
19
56000
2000
(Rires)
01:10
Here is the greenvert one.
20
58000
3000
Voici le vert.
01:13
And here is the graygris one.
21
61000
4000
Et voici le gris.
01:17
(LaughterRires)
22
65000
3000
(Rires)
01:20
So, for all of you who saw that, you're a completeAchevée realistréaliste. All right?
23
68000
4000
Donc, ceux d'entre vous qui ont vu ça, sont de parfaits réalistes. D'accord?
01:24
(LaughterRires)
24
72000
2000
(Rires)
01:26
So, this is prettyjoli amazingincroyable, actuallyréellement, isn't it?
25
74000
2000
À vrai dire, c'est assez étonnant, non?
01:28
Because nearlypresque everychaque livingvivant systemsystème
26
76000
2000
Parce que presque tous les systèmes vivants
01:30
has evolvedévolué the abilitycapacité to detectdétecter lightlumière in one way or anotherun autre.
27
78000
3000
ont développé la capacité de détecter la lumière d'une manière ou d'une autre.
01:33
So, for us, seeingvoyant colorCouleur is one of the simplestle plus simple things the braincerveau does.
28
81000
5000
Donc, pour nous, voir la couleur est une des choses les plus simples que le cerveau fait.
01:38
And yetencore, even at this mostles plus fundamentalfondamental levelniveau,
29
86000
2000
Et pourtant, même à ce niveau fondamental,
01:40
contextle contexte is everything.
30
88000
3000
tout est dans le contexte.
01:43
What I want to talk about is not that contextle contexte is everything,
31
91000
3000
Ce dont je veux parler ce n'est pas que tout est dans le contexte,
01:46
but why is contextle contexte everything.
32
94000
2000
mais pourquoi tout est dans le contexte.
01:48
Because it's answeringrépondant that questionquestion that tellsraconte us not only
33
96000
4000
Parce que c'est en répondant à cette question qu'on apprend non seulement
01:52
why we see what we do,
34
100000
2000
pourquoi nous voyons ce que nous voyons,
01:54
but who we are as individualspersonnes,
35
102000
2000
mais qui nous sommes en tant qu'individus,
01:56
and who we are as a societysociété.
36
104000
3000
et qui nous sommes en tant que société.
01:59
But first, we have to askdemander anotherun autre questionquestion,
37
107000
2000
Mais d'abord, nous devons poser une autre question,
02:01
whichlequel is, "What is colorCouleur for?"
38
109000
2000
qui est, "À quoi sert la couleur?"
02:03
And insteadau lieu of tellingrécit you, I'll just showmontrer you.
39
111000
2000
Et plutôt que de vous le dire, je vais juste vous le montrer.
02:05
What you see here is a junglejungle scenescène,
40
113000
3000
Vous avez ici une scène de jungle.
02:08
and you see the surfacessurfaces accordingselon to the amountmontant
41
116000
2000
Et vous voyez les surface en fonction de la quantité
02:10
of lightlumière that those surfacessurfaces reflectréfléchir.
42
118000
2000
de lumière qu'elles reflètent.
02:12
Now, can any of you see the predatorPredator that's about to jumpsaut out at you?
43
120000
5000
Est-ce qu'il y a quelqu'un qui voit le prédateur qui va vous sauter dessus?
02:17
And if you haven'tn'a pas seenvu it yetencore, you're deadmort. Right?
44
125000
2000
Et si vous ne l'avez pas encore vu, vous êtes mort. Correct?
02:19
(LaughterRires)
45
127000
2000
(Rires)
02:21
Can anyonen'importe qui see it? AnyoneN’importe qui? No?
46
129000
2000
Est-ce que quelqu'un le voit? Quelqu'un? Non?
02:23
Now, let's see the surfacessurfaces accordingselon to the qualityqualité of lightlumière that they reflectréfléchir.
47
131000
4000
Maintenant, voyons les surfaces en fonction de la qualité de la lumière qu'elles reflètent.
02:27
And now you see it.
48
135000
3000
Et maintenant vous le voyez.
02:30
So, colorCouleur enablespermet us to see
49
138000
3000
Donc, la couleur nous permet de voir
02:33
the similaritiessimilitudes and differencesdifférences betweenentre surfacessurfaces,
50
141000
2000
les similarités et les différences entre les surfaces,
02:35
accordingselon to the fullplein spectrumspectre of lightlumière that they reflectréfléchir.
51
143000
3000
selon le spectre complet de la lumière qu'elles reflètent.
02:38
But what you've just doneterminé is, in manybeaucoup respectsrespects, mathematicallymathématiquement impossibleimpossible.
52
146000
4000
Mais ce que vous venez de faire est, en de nombreux points, mathématiquement impossible.
02:42
Why? Because, as BerkeleyBerkeley tellsraconte us,
53
150000
3000
Pourquoi? Parce que, comme nous le dit Berkeley,
02:45
we have no directdirect accessaccès to our physicalphysique worldmonde,
54
153000
3000
nous n'avons pas d'accès direct à notre monde physique,
02:48
other than throughpar our sensessens.
55
156000
2000
autre qu'à travers nos sens.
02:50
And the lightlumière that fallschutes ontosur our eyesles yeux
56
158000
2000
Et la lumière qui tombe sur nos yeux
02:52
is determineddéterminé by multipleplusieurs things in the worldmonde --
57
160000
2000
est déterminée par de multiple choses dans le monde --
02:54
not only the colorCouleur of objectsobjets,
58
162000
2000
pas juste la couleur des objets,
02:56
but alsoaussi the colorCouleur of theirleur illuminationillumination,
59
164000
2000
mais aussi la couleur de leur illumination,
02:58
and the colorCouleur of the spaceespace betweenentre us and those objectsobjets.
60
166000
3000
et la couleur de l'espace entre nous et ces objets.
03:01
You varyvarier any one of those parametersparamètres,
61
169000
2000
Changez n'importe lequel de ces paramètres,
03:03
and you'lltu vas changechangement the colorCouleur of the lightlumière that fallschutes ontosur your eyeœil.
62
171000
5000
et vous changez la couleur de la lumière qui arrive à votre oeil.
03:08
This is a hugeénorme problemproblème because it meansveux dire that
63
176000
2000
C'est un énorme problème parce que ça signifie que
03:10
the sameMême imageimage could have an infiniteinfini numbernombre
64
178000
3000
la même image pourrait avoir une infinité
03:13
of possiblepossible real-worldmonde réel sourcessources.
65
181000
3000
de sources possibles dans le monde réel.
03:16
So let me showmontrer you what I mean. ImagineImaginez that this is the back of your eyeœil.
66
184000
3000
Laissez-moi vous montrer ce que je veux dire. Imaginez que ceci est le fond de votre oeil.
03:19
And these are two projectionsprojections from the worldmonde.
67
187000
3000
Et ceci sont deux projections du monde.
03:22
They are identicalidentique in everychaque singleunique way.
68
190000
3000
Elles sont identiques en tout point.
03:25
IdenticalIdentiques in shapeforme, sizeTaille, spectralspectral contentcontenu.
69
193000
4000
Identiques en forme, taille, contenu spectral,
03:29
They are the sameMême, as farloin as your eyeœil is concernedconcerné.
70
197000
4000
Elles sont les mêmes, autant que votre oeil puisse dire.
03:33
And yetencore they come from completelycomplètement differentdifférent sourcessources.
71
201000
5000
Et pourtant elles viennent de deux sources complètement différentes.
03:38
The one on the right
72
206000
2000
Celle de droite
03:40
comesvient from a yellowjaune surfacesurface,
73
208000
3000
vient d'une surface jaune,
03:43
in shadowombre, orientedaxé sur facingorienté vers the left,
74
211000
2000
dans l'ombre, orientée vers la gauche,
03:45
viewedvu throughpar a pinkishrosâtre mediummoyen.
75
213000
3000
vue à travers un médium rosâtre.
03:48
The one on the left comesvient from an orangeOrange surfacesurface,
76
216000
3000
Celle de gauche vient d'une surface orange,
03:51
underen dessous de directdirect lightlumière, facingorienté vers to the right,
77
219000
2000
sous une lumière directe, orientée vers la droite,
03:53
viewedvu throughpar a sortTrier of a bluishbleuâtre mediummoyen.
78
221000
2000
vue à travers une sorte de médium bleuté.
03:55
CompletelyComplètement differentdifférent meaningssignifications,
79
223000
3000
Des significations complètements différentes,
03:58
givingdonnant riseaugmenter to the exactexact sameMême retinalrétinienne informationinformation.
80
226000
3000
qui donnent naissance à exactement la même information rétinienne.
04:01
And yetencore it's only the retinalrétinienne informationinformation
81
229000
2000
Et pourtant c'est uniquement cette information rétinienne
04:03
that we get.
82
231000
2000
que nous recevons.
04:05
So how on EarthTerre do we even see?
83
233000
3000
Alors comment diable arrivons nous à voir?
04:08
So, if you rememberrappelles toi anything in this nextprochain 18 minutesminutes,
84
236000
4000
Si vous retenez une seule chose de ces 18 prochaines minutes,
04:12
rememberrappelles toi this: that the lightlumière that fallschutes on to your eyeœil,
85
240000
3000
retenez ceci: la lumière qui arrive dans votre oeil,
04:15
sensorysensoriel informationinformation, is meaninglesssans signification,
86
243000
2000
l'information sensorielle, n'a pas de sens.
04:17
because it could mean literallyLittéralement anything.
87
245000
3000
Parce qu'elle pourrait littéralement vouloir dire n'importe quoi.
04:20
And what's truevrai for sensorysensoriel informationinformation is truevrai for informationinformation generallygénéralement.
88
248000
3000
Et ce qui est vrai de l'information sensorielle est vrai de l'information en général.
04:23
There is no inherentinhérent meaningsens in informationinformation.
89
251000
2000
Il n'y a pas de sens inhérent à l'information.
04:25
It's what we do with that informationinformation that mattersimporte.
90
253000
4000
C'est ce que nous faisons de cette information qui à de l'importance.
04:29
So, how do we see? Well, we see by learningapprentissage to see.
91
257000
3000
Alors, comment faisons nous pour voir? Eh bien, nous apprenons à voir.
04:32
So, the braincerveau evolvedévolué the mechanismsmécanismes for findingdécouverte patternsmodèles,
92
260000
4000
Ainsi, le cerveau a développé les mécanismes pour trouver les structures,
04:36
findingdécouverte relationshipsdes relations in informationinformation
93
264000
2000
trouver les relations dans l'information,
04:38
and associatingassociant those relationshipsdes relations
94
266000
2000
et associer ces relations
04:40
with a behavioralcomportementale meaningsens,
95
268000
2000
à un sens comportemental,
04:42
a significanceimportance, by interactinginteragir with the worldmonde.
96
270000
3000
une signification, en interagissant avec le monde.
04:45
We're very awareconscient of this
97
273000
2000
Nous sommes très conscients de cela
04:47
in the formforme of more cognitivecognitif attributesattributs, like languagela langue.
98
275000
3000
sous la forme d'attributs plus cognitifs, comme le langage.
04:50
So, I'm going to give you some letterlettre stringscordes. And I want you to readlis them out for me,
99
278000
2000
Donc, je vais vous donner quelques chaînes de lettres. Et je voudrais que vous me les lisiez,
04:52
if you can.
100
280000
2000
si vous pouvez.
04:54
AudiencePublic: "Can you readlis this?"
101
282000
3000
Audience: "Pouvez vous lire ça?"
04:57
"You are not readingen train de lire this."
102
285000
2000
"Vous ne lisez pas ça."
04:59
"What are you readingen train de lire?"
103
287000
2000
"Que lisez vous?"
05:01
BeauBeau LottoLotto: "What are you readingen train de lire?" HalfLa moitié the lettersdes lettres are missingmanquant. Right?
104
289000
3000
Beau Lotto: "Que lisez vous?" La moitié des lettres sont manquantes. Correct?
05:04
There is no a prioripriori reasonraison why an "H" has to go
105
292000
2000
À priori, il n'y a pas de raison pour qu'un "H" doive venir
05:06
betweenentre that "W" and "A."
106
294000
2000
entre ce "W" et ce "A".
05:08
But you put one there. Why?
107
296000
2000
Mais vous en mettez un là. Pourquoi?
05:10
Because in the statisticsstatistiques of your pastpassé experienceexpérience
108
298000
2000
Parce que dans les statistiques de votre expérience passée
05:12
it would have been usefulutile to do so. So you do so again.
109
300000
3000
il aurait été utile d'en faire autant. Donc vous le refaites.
05:15
And yetencore you don't put a letterlettre after that first "T."
110
303000
3000
Et pourtant, vous ne placez pas de lettre après ce premier "T".
05:18
Why? Because it wouldn'tne serait pas have been usefulutile in the pastpassé.
111
306000
3000
Pourquoi? Parce que ça n'aurait pas été utile dans le passé.
05:21
So you don't do it again.
112
309000
2000
Donc vous ne le refaites pas.
05:23
So let me showmontrer you how quicklyrapidement our brainscerveaux can redefineredéfinir normalitynormalité,
113
311000
4000
Donc laissez moi vous montrer à quelle vitesse nos cerveaux peuvent redéfinir la normalité.
05:27
even at the simplestle plus simple thing the braincerveau does, whichlequel is colorCouleur.
114
315000
2000
Même pour la chose la plus simple que fait le cerveau, qui est la couleur.
05:29
So, if I could have the lightslumières down up here.
115
317000
3000
Donc, si vous pouviez réduire les lumières.
05:32
I want you to first noticeremarquer that those two desertdésert scenesscènes are physicallyphysiquement the sameMême.
116
320000
3000
Je veux d'abord que vous remarquiez que ces deux scènes de désert sont physiquement identiques.
05:35
One is simplysimplement the flippingretournement of the other. Okay?
117
323000
5000
L'une est simplement la symétrique de l'autre. D'accord?
05:40
Now I want you to look at that dotpoint
118
328000
2000
Maintenant je veux que vous regardiez ce point
05:42
betweenentre the greenvert and the redrouge. Okay?
119
330000
3000
entre le vert et le rouge. D'accord?
05:45
And I want you to stareregard at that dotpoint. Don't look anywherenulle part elseautre.
120
333000
3000
Et je veux que vous fixiez ce point. Ne regardez nulle part d'autre.
05:48
And we're going to look at that for about 30 secondssecondes,
121
336000
1000
Et nous allons regarder ça pendant à peu près 30 secondes.
05:49
whichlequel is a bitbit of a killertueur in an 18-minute-minute talk.
122
337000
3000
ce qui est un peu un suicide dans une conférence de 18 minutes.
05:52
(LaughterRires)
123
340000
1000
(Rires)
05:53
But I really want you to learnapprendre.
124
341000
2000
Mais je veux vraiment que vous appreniez.
05:55
And I'll tell you -- don't look anywherenulle part elseautre --
125
343000
3000
Et je vous dirais -- ne regardez pas ailleurs --
05:58
and I'll tell you what's happeningévénement insideà l'intérieur your headtête.
126
346000
2000
et je vous dirais ce qui se passe dans votre tête.
06:00
Your braincerveau is learningapprentissage. And it's learningapprentissage that the right sidecôté of its visualvisuel fieldchamp
127
348000
3000
Votre cerveau est en train d'apprendre; Il apprend que le côté droit de son champ visuel
06:03
is underen dessous de redrouge illuminationillumination;
128
351000
2000
est éclairé en rouge;
06:05
the left sidecôté of its visualvisuel fieldchamp is underen dessous de greenvert illuminationillumination.
129
353000
3000
le côté gauche de son champ visuel est éclairé en vert.
06:08
That's what it's learningapprentissage. Okay?
130
356000
3000
C'est ce qu'il est en train d'apprendre. D'accord?
06:11
Now, when I tell you, I want you to look at the dotpoint betweenentre the two desertdésert scenesscènes.
131
359000
5000
Maintenant, quand je vous le dirais, je veux que vous regardiez le point entre les deux scènes de désert.
06:16
So why don't you do that now?
132
364000
2000
Faîtes le maintenant.
06:18
(LaughterRires)
133
366000
3000
(Rires)
06:21
Can I have the lightslumières up again?
134
369000
2000
Je peux ravoir les lumières?
06:23
I take it from your responseréponse they don't look the sameMême anymoreplus. Right?
135
371000
4000
Je déduis de votre réaction qu'elles n'ont plus l'air semblables?
06:27
(ApplauseApplaudissements)
136
375000
1000
(applaudissements)
06:28
Why? Because your braincerveau is seeingvoyant that sameMême informationinformation
137
376000
3000
Pourquoi? Parceque votre cerveau voit la même information
06:31
as if the right one is still underen dessous de redrouge lightlumière,
138
379000
2000
comme si la droite était encore éclairée en rouge
06:33
and the left one is still underen dessous de greenvert lightlumière.
139
381000
2000
et la gauche encore éclairée en vert.
06:35
That's your newNouveau normalnormal.
140
383000
2000
C'est votre nouvelle normale.
06:37
So, what does this mean for contextle contexte?
141
385000
2000
Donc, qu'est-ce que cela signifie pour le contexte?
06:39
It meansveux dire that I can take these two identicalidentique squarescarrés,
142
387000
2000
Cela veut dire que je peux prendre ces deux carrés identiques,
06:41
and I can put them in lightlumière and darkfoncé surroundsentoure.
143
389000
2000
et je peux les placer dans des environnement clair et sombre.
06:43
And now the one on the darkfoncé surroundentourer looksregards lighterplus léger than the one on the lightlumière surroundentourer.
144
391000
3000
Et maintenant celui qui est entouré de sombre semble plus clair que celui entouré de clair.
06:46
What's significantimportant is not simplysimplement the lightlumière and darkfoncé surroundsentoure that mattermatière.
145
394000
4000
Ce qui est significatif n'est pas simplement l'environnement clair ou sombre.
06:50
It's what those lightlumière and darkfoncé surroundsentoure meantsignifiait for your behaviorcomportement in the pastpassé.
146
398000
4000
C'est ce que ce clair et sombre signifiait pour votre comportement dans le passé.
06:54
So I'll showmontrer you what I mean. Here we have
147
402000
2000
Je vais vous montrer ce que je veux dire. Ici nous avons
06:56
that exactexact sameMême illusionillusion.
148
404000
2000
l'exacte même illusion.
06:58
We have two identicalidentique tilescarrelage, on the left,
149
406000
2000
Nous avons deux carreaux identiques, à gauche,
07:00
one in a darkfoncé surroundentourer, one in a lightlumière surroundentourer.
150
408000
2000
un entouré de sombre, un entouré de clair.
07:02
And the sameMême thing over on the right.
151
410000
2000
Et la même chose là bas à droite.
07:04
Now, what I'm going to do is I'm going to reviewla revue those two scenesscènes.
152
412000
3000
Maintenant, je vais réviser ces deux scènes.
07:07
But I'm not going to changechangement anything withindans those boxesdes boites,
153
415000
2000
Mais je ne vais rien changer dans ces boîtes,
07:09
exceptsauf theirleur meaningsens.
154
417000
2000
à part leur signification.
07:11
And see what happensarrive to your perceptionla perception.
155
419000
2000
Et voyons ce qui arrive à votre perception.
07:13
NoticeAvis that on the left
156
421000
2000
Remarquez que sur la gauche
07:15
the two tilescarrelage look nearlypresque completelycomplètement oppositecontraire:
157
423000
3000
les deux carreaux ont l'air quasiment opposés:
07:18
one very whiteblanc and one very darkfoncé.
158
426000
2000
un très blanc et un très foncé.
07:20
All right? WhereasAlors que on the right,
159
428000
2000
D'accord? Par contre, à droite,
07:22
the two tilescarrelage look nearlypresque the sameMême.
160
430000
2000
les deux carreaux ont l'air presque identiques.
07:24
And yetencore there is still one on a darkfoncé surroundentourer and one on a lightlumière surroundentourer.
161
432000
4000
Et pourtant il y en a toujours un entouré de sombre, et un entouré de clair.
07:28
Why? Because if the tiletuile in that shadowombre
162
436000
3000
Pourquoi? Parce que si le carreau dans cette ombre
07:31
were in factfait in shadowombre,
163
439000
2000
était effectivement dans l'ombre
07:33
and reflectingrefléter the sameMême amountmontant of lightlumière to your eyeœil
164
441000
2000
et renvoyait la même quantité de lumière à votre oeil
07:35
as the one outsideà l'extérieur the shadowombre,
165
443000
2000
que celui hors de l'ombre,
07:37
it would have to be more reflectiveréfléchissant -- just the lawslois of physicsla physique.
166
445000
3000
il faudrait qu'il soit plus réfléchissant -- les simples lois de la physique.
07:40
So you see it that way.
167
448000
2000
Donc vous le voyez comme ça.
07:42
WhereasAlors que on the right, the informationinformation is consistentcohérent
168
450000
3000
Alors qu'à droite, l'information est cohérente
07:45
with those two tilescarrelage beingétant underen dessous de the sameMême lightlumière.
169
453000
2000
avec le cas de ces deux carreaux sous la même lumière.
07:47
If they are underen dessous de the sameMême lightlumière, reflectingrefléter the sameMême amountmontant of lightlumière
170
455000
2000
S'ils reçoivent la même lumière, et renvoient la même quantité de lumière
07:49
to your eyeœil,
171
457000
2000
vers votre oeil,
07:51
then they mustdoit be equallyégalement reflectiveréfléchissant.
172
459000
2000
alors ils doivent refléter également.
07:53
So you see it that way.
173
461000
2000
Donc vous le voyez comme ça.
07:55
WhichQui meansveux dire we can bringapporter all this informationinformation togetherensemble
174
463000
2000
Ce qui veut dire que nous pouvons mettre toute l'information ensemble
07:57
to createcréer some incrediblyincroyablement strongfort illusionsillusions.
175
465000
2000
pour créer des illusions incroyablement fortes.
07:59
This is one I madefabriqué a fewpeu yearsannées agodepuis.
176
467000
2000
En voici une que faite il y a quelques années.
08:01
And you'lltu vas noticeremarquer you see a darkfoncé brownmarron tiletuile at the topHaut,
177
469000
3000
Et vous remarquerez que vous voyez un carreau brun foncé sur le haut,
08:04
and a brightbrillant orangeOrange tiletuile at the sidecôté.
178
472000
3000
et un carreau orange vif sur le côté.
08:07
That is your perceptualperceptuel realityréalité. The physicalphysique realityréalité
179
475000
2000
C'est la réalité que vous percevez. La réalité physique
08:09
is that those two tilescarrelage are the sameMême.
180
477000
5000
est que ces carreaux sont les mêmes.
08:14
Here you see fourquatre graygris tilescarrelage on your left,
181
482000
3000
Ici vous voyez quatre carreaux gris sur votre gauche,
08:17
sevenSept graygris tilescarrelage on the right.
182
485000
2000
sept carreaux gris sur la droite.
08:19
I'm not going to changechangement those tilescarrelage at all,
183
487000
2000
Je ne vais rien changer à ces carreaux.
08:21
but I'm going to revealrévéler the restdu repos of the scenescène
184
489000
2000
Mais je vais révéler le reste de la scène.
08:23
and see what happensarrive to your perceptionla perception.
185
491000
3000
Et voyez ce qui arrive à votre perception.
08:26
The fourquatre bluebleu tilescarrelage on the left are graygris.
186
494000
4000
Le quatre carreaux bleus sur la gauche sont gris.
08:30
The sevenSept yellowjaune tilescarrelage on the right are alsoaussi graygris.
187
498000
3000
Les sept carreaux jaunes sur la droite sont aussi gris.
08:33
They are the sameMême. Okay?
188
501000
2000
Ce sont les même. D'accord?
08:35
Don't believe me? Let's watch it again.
189
503000
4000
Vous ne me croyez pas? Regardons encore.
08:39
What's truevrai for colorCouleur is alsoaussi truevrai for complexcomplexe perceptionsperceptions of motionmouvement.
190
507000
4000
Ce qui est vrai pour la couleur est aussi vrai pour des perceptions complexes de mouvement.
08:43
So here we have --
191
511000
3000
Ici nous avons --
08:46
let's turntour this around -- a diamonddiamant.
192
514000
5000
tournons cela -- un losange.
08:51
And what I'm going to do is, I'm going to holdtenir it here,
193
519000
2000
Et ce que je vais faire c'est, je vais le tenir ici,
08:53
and I'm going to spintourner it.
194
521000
4000
et je vais le faire tourner
08:57
And for all of you, you'lltu vas see it probablyProbablement spinningfilage this directiondirection.
195
525000
3000
Et pour vous tous, vous le verrez probablement tourner dans cette direction.
09:00
Now I want you to keep looking at it.
196
528000
3000
Maintenant je veux que vous continuiez à le regarder.
09:03
MoveSe déplacer your eyesles yeux around, blinkcligner, maybe closeFermer one eyeœil.
197
531000
2000
Bougez vos yeux, clignez, peut-être fermez un oeil.
09:05
And suddenlysoudainement it will flipflip, and startdébut spinningfilage the oppositecontraire directiondirection.
198
533000
4000
Et soudainement il va basculer, et commencer à tourner dans la direction opposée.
09:09
Yes? RaiseSoulever your handmain if you got that. Yes?
199
537000
3000
Oui? Levez la main si vous y arrivez. Oui?
09:12
Keep blinkingclignotant. EveryChaque time you blinkcligner it will switchcommutateur. AlrightAlright?
200
540000
4000
Continuez à cligner. Chaque fois que vous clignez, il va changer. D'accord?
09:16
So I can askdemander you, whichlequel directiondirection is it rotatingtournantes?
201
544000
4000
Donc je vous demande, dans quelle direction il tourne?
09:20
How do you know?
202
548000
2000
Comment le savez vous?
09:22
Your braincerveau doesn't know. Because bothtous les deux are equallyégalement likelyprobable.
203
550000
3000
Votre cerveau ne sais pas. Car les deux sont également probables.
09:25
So dependingen fonction, dépendemment on where it looksregards, it flipsflips
204
553000
2000
Donc selon où il regarde, il bascule
09:27
betweenentre the two possibilitiespossibilités.
205
555000
3000
entre les deux possibilités.
09:30
Are we the only onesceux that see illusionsillusions?
206
558000
2000
Sommes nous les seuls à voir des illusions?
09:32
The answerrépondre to this questionquestion is no.
207
560000
2000
La réponse à cette question est non.
09:34
Even the beautifulbeau bumblebeeBourdon,
208
562000
2000
Même le beau bourdon,
09:36
with its meresimple one millionmillion braincerveau cellscellules,
209
564000
2000
avec un cerveau d'à peine un million de cellules,
09:38
whichlequel is 250 timesfois fewermoins cellscellules than you have in one retinarétine,
210
566000
3000
ce qui est 250 fois moins de cellules que vous n'avez dans une rétine,
09:41
seesvoit illusionsillusions, does the mostles plus complicatedcompliqué things
211
569000
3000
voit des illusions, fait les choses les plus compliquées
09:44
that even our mostles plus sophisticatedsophistiqué computersdes ordinateurs can't do.
212
572000
3000
que même nos ordinateurs les plus sophistiqués ne peuvent faire.
09:47
So in my lablaboratoire, we of coursecours work on bumblebeesbourdons.
213
575000
2000
Donc dans mon labo, nous travaillons évidemment sur les bourdons.
09:49
Because we can completelycomplètement controlcontrôle theirleur experienceexpérience,
214
577000
2000
Parce que nous pouvons complètement contrôler leur expérience,
09:51
and see how that altersmodifie the architecturearchitecture of theirleur braincerveau.
215
579000
2000
et voir comment cela altère l'architecture de leur cerveau.
09:53
And we do this in what we call the BeeAbeille MatrixMatrice.
216
581000
3000
Et nous faisons cela dans ce que nous appelons la Matrice des Abeilles.
09:56
And here you have the hiveruche. You can see the queenreine beeabeille,
217
584000
2000
Et ici vous avez la ruche. Vous pouvez voir la reine,
09:58
that largegrand beeabeille in the middlemilieu there. Those are all her daughtersfilles, the eggsoeufs.
218
586000
3000
la grande abeille au milieu. Celles-ci sont ses filles, les oeufs.
10:01
And they go back and forthavant betweenentre this hiveruche
219
589000
3000
Et elles font l'aller retour entre cette ruche
10:04
and the arenaarène, viavia this tubetube.
220
592000
5000
et l'arène, via ce tube.
10:09
And you'lltu vas see one of the beesabeilles come out here.
221
597000
2000
Et vous allez voir une des abeilles sortir.
10:11
You see how she has a little numbernombre on her?
222
599000
3000
Vous voyez le petit numéro qu'elle porte?
10:14
Yeah there is anotherun autre one comingvenir out. She has anotherun autre numbernombre on her.
223
602000
3000
Il y en a une autre qui sort. Elle a un autre numéro sur elle.
10:17
Now, they are not bornnée that way. Right?
224
605000
3000
Bon, elles ne sont pas nées comme ça. C'est vrai?
10:20
We pulltirer them out, put them in the fridgeréfrigérateur, and they falltomber asleependormi.
225
608000
2000
Nous les extrayons, les mettons au frigo, et elles s'endorment.
10:22
And then you can supergluesuperglue little numbersNombres on them.
226
610000
2000
Et là vous pouvez leur coller des petits numéros avec de la superglue.
10:24
(LaughterRires)
227
612000
2000
(Rires)
10:26
And now, in this experimentexpérience they get rewardedrécompensé if they go to the bluebleu flowersfleurs.
228
614000
4000
Et maintenant dans cette expérience elles sont récompensées si elles vont aux fleurs bleues.
10:30
And they landterre on the flowerfleur. They stickbâton theirleur tonguelangue in there,
229
618000
3000
Et elle se posent sur la fleur. Elle mettent leur langue,
10:33
calledappelé a proboscistrompe, and they drinkboisson sugarsucre watereau.
230
621000
2000
qui s'appelle un proboscis, et elles boivent de l'eau sucrée.
10:35
Now she is drinkingen buvant a glassverre of watereau that's about that biggros to you and I,
231
623000
3000
Maintenant elle boit un verre d'eau qui pour vous et moi est grand comme ça,
10:38
will do that about threeTrois timesfois, and then flymouche.
232
626000
6000
elle va faire ça trois fois, et puis s'envoler.
10:44
And sometimesparfois they learnapprendre not to go to the bluebleu,
233
632000
2000
Et parfois elles apprennent à ne pas aller vers le bleu,
10:46
but to go to where the other beesabeilles go.
234
634000
2000
mais à aller là où les autres abeilles vont.
10:48
So they copycopie eachchaque other. They can countcompter to fivecinq. They can recognizereconnaître facesvisages.
235
636000
3000
Donc elles se copient les unes les autres. Elles peuvent compter jusqu'à cinq. Elles peuvent reconnaître des visages.
10:51
And here she comesvient down the ladderéchelle.
236
639000
3000
Et la voilà qui descend l'échelle.
10:54
And she'llcoquille come into the hiveruche, find an emptyvide honeymon chéri potpot
237
642000
2000
Et elle va entrer dans la ruche, trouver un pot à miel libre,
10:56
and throwjeter up, and that's honeymon chéri.
238
644000
2000
et vomir, et le miel c'est ça.
10:58
(LaughterRires)
239
646000
1000
(Rires)
10:59
Now rememberrappelles toi -- (LaughterRires)
240
647000
3000
Maintenant souvenez-vous -- (Rires)
11:02
-- she's supposedsupposé to be going to the bluebleu flowersfleurs.
241
650000
2000
-- elle est sensée aller vers les fleurs bleus.
11:04
But what are these beesabeilles doing in the upperplus haut right cornercoin?
242
652000
3000
Mais que font ces abeilles dans le coin en haut à droite?
11:07
It looksregards like they're going to greenvert flowersfleurs.
243
655000
2000
On dirait qu'elles vont vers les fleurs vertes.
11:09
Now, are they gettingobtenir it wrongfaux?
244
657000
3000
Alors, est-ce qu'elles se trompent?
11:12
And the answerrépondre to the questionquestion is no. Those are actuallyréellement bluebleu flowersfleurs.
245
660000
3000
La réponse à cette question est non. Ce sont en réalité des fleurs bleus.
11:15
But those are bluebleu flowersfleurs underen dessous de greenvert lightlumière.
246
663000
4000
Mais ce sont des fleurs bleus sous une lumière verte.
11:19
So they are usingen utilisant the relationshipsdes relations betweenentre the colorscouleurs to solverésoudre the puzzlepuzzle,
247
667000
4000
Donc elles utilisent les relations entre les couleurs pour résoudre le puzzle.
11:23
whichlequel is exactlyexactement what we do.
248
671000
2000
Ce qui est exactement ce que nous faisons.
11:25
So, illusionsillusions are oftensouvent used,
249
673000
2000
Donc, les illusions sont souvent utilisées,
11:27
especiallynotamment in artart, in the wordsmots of a more contemporarycontemporain artistartiste,
250
675000
4000
particulièrement dans l'art, dans la bouche d'un artiste plus contemporain,
11:31
"to demonstratedémontrer the fragilityfragilité of our sensessens."
251
679000
2000
"Pour démontrer la fragilité de nos sens."
11:33
Okay, this is completeAchevée rubbishordures.
252
681000
3000
Bon, c'est n'importe quoi.
11:36
The sensessens aren'tne sont pas fragilefragile. And if they were, we wouldn'tne serait pas be here.
253
684000
3000
Les sens ne son pas fragiles. Et s'ils l'étaient, nous ne serions pas ici.
11:39
InsteadAu lieu de cela, colorCouleur tellsraconte us something completelycomplètement differentdifférent,
254
687000
4000
Au lieu de ça, la couleur nous dit quelque chose de complètement différent,
11:43
that the braincerveau didn't actuallyréellement evolveévoluer to see the worldmonde the way it is.
255
691000
3000
que le cerveau n'a en réalité pas évolué pour voir le monde tel qu'il est.
11:46
We can't. InsteadAu lieu de cela, the braincerveau evolvedévolué to see the worldmonde
256
694000
4000
Nous ne pouvons pas. En fait, le cerveau a évolué pour voir le monde
11:50
the way it was usefulutile to see in the pastpassé.
257
698000
3000
tel qu'il était utile de le voir dans le passé.
11:53
And how we see is by continuallycontinuellement redefiningla redéfinition normalitynormalité.
258
701000
6000
Et nous voyons en redéfinissant continuellement la normalité.
11:59
So how can we take this
259
707000
4000
Donc comment pouvons nous prendre cette
12:03
incredibleincroyable capacitycapacité of plasticityplasticité of the braincerveau
260
711000
3000
incroyable capacité de plasticité du cerveau
12:06
and get people to experienceexpérience theirleur worldmonde differentlydifféremment?
261
714000
3000
et faire que les gens expérimentent leur monde différemment?
12:09
Well, one of the waysfaçons we do in my lablaboratoire and studiostudio
262
717000
3000
Eh bien, une des façons que nous utilisons dans mon labo et studio
12:12
is we translateTraduire the lightlumière into sounddu son
263
720000
3000
est de traduire la lumière en du son
12:15
and we enableactiver people to hearentendre theirleur visualvisuel worldmonde.
264
723000
4000
et nous permettons aux gens d'entendre leur monde visuel.
12:19
And they can navigatenaviguer the worldmonde usingen utilisant theirleur earsoreilles.
265
727000
3000
Et ils peuvent naviguer dans le monde en utilisant leurs oreilles.
12:22
Here is DavidDavid, in the right. And he is holdingen portant a cameracaméra.
266
730000
3000
Voici David, à droite. Et il tient une caméra.
12:25
On the left is what his cameracaméra seesvoit.
267
733000
2000
À gauche, ce que la caméra voit.
12:27
And you'lltu vas see there is a lineligne, a faintperdre connaissance lineligne going acrossà travers that imageimage.
268
735000
3000
Et vous pouvez voir une ligne, une faible ligne qui traverse l'image.
12:30
That lineligne is brokencassé up into 32 squarescarrés.
269
738000
3000
Cette ligne est découpée en 32 carrés.
12:33
In eachchaque squarecarré we calculatecalculer the averagemoyenne colorCouleur.
270
741000
2000
Dans chaque carré on calcule la couleur moyenne.
12:35
And then we just simplysimplement translateTraduire that into sounddu son.
271
743000
2000
Et ensuite on traduit simplement ça en un son.
12:37
And now he's going to
272
745000
3000
Et maintenant il va
12:40
turntour around, closeFermer his eyesles yeux,
273
748000
4000
se tourner, fermer ses yeux,
12:44
and find a plateassiette on the groundsol with his eyesles yeux closedfermé.
274
752000
3000
et trouver une assiette sur le sol, avec ses yeux fermés.
13:06
He findstrouve it. AmazingIncroyable. Right?
275
774000
2000
Il la trouve. Etonnant. Non?
13:08
So not only can we createcréer a prostheticprothétique for the visuallyvisuellement impairedaltéré,
276
776000
2000
Donc non seulement pouvons nous créer une prothèse pour les mal voyants,
13:10
but we can alsoaussi investigateenquêter how people
277
778000
3000
mais nous pouvons aussi étudier comment les gens
13:13
literallyLittéralement make sensesens of the worldmonde.
278
781000
3000
littéralement donnent un sens au monde.
13:16
But we can alsoaussi do something elseautre. We can alsoaussi make musicla musique with colorCouleur.
279
784000
4000
Mais nous pouvons aussi faire quelque chose d'autre. Nous pouvons faire de la musique avec la couleur.
13:20
So, workingtravail with kidsdes gamins,
280
788000
2000
Donc, en travaillant avec des enfants,
13:22
they createdcréé imagesimages,
281
790000
2000
ils ont créé des images,
13:24
thinkingen pensant about what mightpourrait the imagesimages you see
282
792000
2000
en pensant à ce à quoi les images que vous voyez
13:26
sounddu son like if we could listen to them.
283
794000
2000
pourraient ressembler si nous pouvions les écouter.
13:28
And then we translatedtraduit these imagesimages.
284
796000
2000
Et puis nous avons traduit ces images.
13:30
And this is one of those imagesimages.
285
798000
2000
Et voici une de ces images.
13:32
And this is a six-year-oldsix ans childenfant composingcomposer a piecepièce of musicla musique
286
800000
3000
Et voilà un enfant de six ans qui compose un morceau de musique
13:35
for a 32-piece-pièce orchestraOrchestre.
287
803000
3000
pour un orchestre à 32 instruments
13:38
And this is what it soundsdes sons like.
288
806000
2000
Et voilà à quoi ça ressemble.
14:06
So, a six-year-oldsix ans childenfant. Okay?
289
834000
3000
Donc, un enfant de six ans. D'accord?
14:09
Now, what does all this mean?
290
837000
3000
Bon, que signifie tout ça?
14:12
What this suggestssuggère is that no one is an outsideà l'extérieur observerobservateur
291
840000
3000
Cela suggère que personne n'est un observateur extérieur
14:15
of naturela nature. Okay?
292
843000
2000
de la nature. D'accord?
14:17
We are not defineddéfini by our centralcentral propertiesPropriétés,
293
845000
2000
Nous ne sommes pas définis par nos propriétés centrales,
14:19
by the bitsmorceaux that make us up.
294
847000
2000
par les bits dont nous sommes faits.
14:21
We're defineddéfini by our environmentenvironnement and our interactioninteraction with that environmentenvironnement --
295
849000
3000
Nous sommes définis par notre environnement et par notre interaction avec cet environnement --
14:24
by our ecologyécologie.
296
852000
2000
par notre écologie.
14:26
And that ecologyécologie is necessarilynécessairement relativerelatif,
297
854000
4000
Et cette écologie est nécessairement relative,
14:30
historicalhistorique and empiricalempiriques.
298
858000
2000
historique et empirique.
14:32
So what I'd like to finishterminer with is this over here.
299
860000
6000
Donc ce par quoi j'aimerais terminer est ceci par ici.
14:38
Because what I've been tryingen essayant to do is really celebratecélébrer uncertaintyincertitude.
300
866000
3000
Parce que ce que j'ai essayé de faire vraiment c'est de célébrer l'incertitude.
14:41
Because I think only throughpar uncertaintyincertitude is there potentialpotentiel for understandingcompréhension.
301
869000
4000
Parce que je pense qu'il n'y a de potentiel pour comprendre qu'à travers l'incertitude.
14:45
So, if some of you are still feelingsentiment a bitbit too certaincertain,
302
873000
3000
Donc, si certains parmi vous se sentent encore un peu trop certains,
14:48
I'd like to do this one.
303
876000
2000
j'aimerais faire celle-ci.
14:50
So, if we have the lightslumières down.
304
878000
2000
Donc, si on peut baisser les lumières.
14:52
And what we have here --
305
880000
6000
Et ce que nous avons ici --
14:58
Can everyonetoutes les personnes see 25 purpleviolet surfacessurfaces
306
886000
3000
Tout le monde peut voir 25 surface violettes
15:01
on your left,
307
889000
2000
sur votre gauche,
15:03
and 25, call it yellowishjaunâtre, surfacessurfaces on your right?
308
891000
4000
et 25 surfaces, disons, jaunâtres sur votre droite?
15:07
So, now, what I want to do:
309
895000
2000
Bon, maintenant, ce que je veux faire:
15:09
I'm going to put the middlemilieu nineneuf surfacessurfaces here
310
897000
2000
Je vais placer les neuf surface du milieu
15:11
underen dessous de yellowjaune illuminationillumination
311
899000
2000
sous un éclairage jaune
15:13
by simplysimplement puttingen mettant a filterfiltre behindderrière them.
312
901000
4000
en mettant simplement un filtre derrière elles.
15:17
All right. Now you can see that changeschangements the lightlumière
313
905000
3000
Voilà. Maintenant vous voyez que ça change la lumière
15:20
that's comingvenir throughpar there. Right?
314
908000
2000
qui arrive par là. Correct?
15:22
Because now the lightlumière is going throughpar a yellowishjaunâtre filterfiltre
315
910000
2000
Parce que la lumière passe maintenant à travers un filtre jaunâtre
15:24
and then a purplishviolacé filterfiltre.
316
912000
2000
et ensuite un filtre violet,
15:26
I'm going to do this oppositecontraire on the left here.
317
914000
5000
Je vais faire cela à l'inverse sur la gauche.
15:31
I'm going to put the middlemilieu nineneuf underen dessous de a purplishviolacé lightlumière.
318
919000
7000
Je vais placer les neuf du centre sous une lumière violette.
15:38
Now, some of you will noticeremarquer that the consequenceconséquence is that
319
926000
4000
Maintenant, certains d'entre vous remarqueront que le résultat est que
15:42
the lightlumière comingvenir throughpar those middlemilieu nineneuf on the right,
320
930000
3000
la lumière qui sort des neufs centraux à droite,
15:45
or your left,
321
933000
2000
à gauche,
15:47
is exactlyexactement the sameMême as the lightlumière comingvenir throughpar
322
935000
2000
est exactement la même que la lumière sortant
15:49
the middlemilieu nineneuf on your right.
323
937000
2000
des neufs centraux à votre droite.
15:51
AgreedEst convenu? Yes?
324
939000
3000
D'accord? Oui?
15:54
Okay. So they are physicallyphysiquement the sameMême.
325
942000
2000
Bon. Donc elles sont physiquement les mêmes.
15:56
Let's pulltirer the coverscouvre off.
326
944000
6000
Retirons les caches.
16:02
Now rememberrappelles toi,
327
950000
4000
Maintenant rappelez-vous,
16:06
you know the middlemilieu nineneuf are exactlyexactement the sameMême.
328
954000
3000
vous savez que les neufs centrales sont exactement les mêmes.
16:09
Do they look the sameMême? No.
329
957000
4000
Elles ont l'air identiques? Non.
16:13
The questionquestion is, "Is that an illusionillusion?"
330
961000
2000
La question est, "Est-ce une illusion?"
16:15
And I'll leavelaisser you with that.
331
963000
2000
Et je vous laisse là dessus.
16:17
So, thank you very much.
332
965000
2000
Merci beaucoup.
16:19
(ApplauseApplaudissements)
333
967000
3000
(Applaudissements)
Translated by brice rive
Reviewed by Guillaume Lemay

▲Back to top

ABOUT THE SPEAKER
Beau Lotto - Neuroscientist, Artist
Beau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system.

Why you should listen

"Let there be perception," was evolution's proclamation, and so it was that all creatures, from honeybees to humans, came to see the world not as it is, but as was most useful. This uncomfortable place--where what an organism's brain sees diverges from what is actually out there--is what Beau Lotto and his team at Lottolab are exploring through their dazzling art-sci experiments and public illusions. Their Bee Matrix installation, for example, places a live bee in a transparent enclosure where gallerygoers may watch it seek nectar in a virtual meadow of luminous Plexiglas flowers. (Bees, Lotto will tell you, see colors much like we humans do.) The data captured isn't just discarded, either: it's put to good use in probing scientific papers, and sometimes in more exhibits.

At their home in London’s Science Museum, the lab holds "synesthetic workshops" where kids and adults make abstract paintings that computers interpret into music, and they host regular Lates--evenings of science, music and "mass experiments." Lotto is passionate about involving people from all walks of life in research on perception--both as subjects and as fellow researchers. One such program, called "i,scientist," in fact led to the publication of the first ever peer-reviewed scientific paper written by schoolchildren ("Blackawton Bees," December 2010). It starts, "Once upon a time ..."

These and Lotto's other conjurings are slowly, charmingly bending the science of perception--and our perceptions of what science can be.

More profile about the speaker
Beau Lotto | Speaker | TED.com