TEDGlobal 2009
Beau Lotto: Optical illusions show how we see
Beau Lotto: Les illusions d'optique montrent comment nous voyons
Filmed:
Readability: 2.7
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.
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. Full bio
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 start with a game.
0
1000
3000
Je vais commencer avec un jeu.
00:16
And to win this game,
1
4000
2000
Et pour gagner ce jeu,
00:18
all you have to do is see the reality that's in front 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 panels here,
4
11000
2000
Donc, nous avons ici deux panneaux,
00:25
of colored dots.
5
13000
2000
avec des points de couleur.
00:27
And one of those dots is the same
6
15000
3000
Et une de ces couleurs est la même
00:30
in the two panels. Okay?
7
18000
3000
sur les deux panneaux. OK?
00:33
And you have to tell me which one.
8
21000
2000
Et vous devez me dire laquelle.
00:35
Now, narrow it down to
9
23000
3000
Réduisons le choix à
00:38
the gray one, the green one and, say, the orange one.
10
26000
3000
le gris, le vert, et, disons, l'orange.
00:41
So, by a show of hands -- we'll start with the easiest one --
11
29000
3000
Donc, à main levée -- on va commencer avec le plus facile --
00:44
Show of hands: how many people think it's the gray 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 many people think it's the green one?
14
38000
5000
Combien pensent que c'est le vert?
00:55
And how many people think it's the orange one?
15
43000
4000
Et maintenant, combien pensent que c'est l'orange?
00:59
Pretty even split.
16
47000
3000
Assez équilibré.
01:02
Let's find out what the reality is.
17
50000
3000
Voyons ce qu'est la réalité.
01:05
Here is the orange one.
18
53000
3000
Voici l'orange.
01:08
(Laughter)
19
56000
2000
(Rires)
01:10
Here is the green one.
20
58000
3000
Voici le vert.
01:13
And here is the gray one.
21
61000
4000
Et voici le gris.
01:17
(Laughter)
22
65000
3000
(Rires)
01:20
So, for all of you who saw that, you're a complete realist. All right?
23
68000
4000
Donc, ceux d'entre vous qui ont vu ça, sont de parfaits réalistes. D'accord?
01:24
(Laughter)
24
72000
2000
(Rires)
01:26
So, this is pretty amazing, actually, isn't it?
25
74000
2000
À vrai dire, c'est assez étonnant, non?
01:28
Because nearly every living system
26
76000
2000
Parce que presque tous les systèmes vivants
01:30
has evolved the ability to detect light in one way or another.
27
78000
3000
ont développé la capacité de détecter la lumière d'une manière ou d'une autre.
01:33
So, for us, seeing color is one of the simplest things the brain does.
28
81000
5000
Donc, pour nous, voir la couleur est une des choses les plus simples que le cerveau fait.
01:38
And yet, even at this most fundamental level,
29
86000
2000
Et pourtant, même à ce niveau fondamental,
01:40
context is everything.
30
88000
3000
tout est dans le contexte.
01:43
What I want to talk about is not that context 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 context everything.
32
94000
2000
mais pourquoi tout est dans le contexte.
01:48
Because it's answering that question that tells 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 individuals,
35
102000
2000
mais qui nous sommes en tant qu'individus,
01:56
and who we are as a society.
36
104000
3000
et qui nous sommes en tant que société.
01:59
But first, we have to ask another question,
37
107000
2000
Mais d'abord, nous devons poser une autre question,
02:01
which is, "What is color for?"
38
109000
2000
qui est, "À quoi sert la couleur?"
02:03
And instead of telling you, I'll just show 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 jungle scene,
40
113000
3000
Vous avez ici une scène de jungle.
02:08
and you see the surfaces according to the amount
41
116000
2000
Et vous voyez les surface en fonction de la quantité
02:10
of light that those surfaces reflect.
42
118000
2000
de lumière qu'elles reflètent.
02:12
Now, can any of you see the predator that's about to jump 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't seen it yet, you're dead. Right?
44
125000
2000
Et si vous ne l'avez pas encore vu, vous êtes mort. Correct?
02:19
(Laughter)
45
127000
2000
(Rires)
02:21
Can anyone see it? Anyone? No?
46
129000
2000
Est-ce que quelqu'un le voit? Quelqu'un? Non?
02:23
Now, let's see the surfaces according to the quality of light that they reflect.
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, color enables us to see
49
138000
3000
Donc, la couleur nous permet de voir
02:33
the similarities and differences between surfaces,
50
141000
2000
les similarités et les différences entre les surfaces,
02:35
according to the full spectrum of light that they reflect.
51
143000
3000
selon le spectre complet de la lumière qu'elles reflètent.
02:38
But what you've just done is, in many respects, mathematically impossible.
52
146000
4000
Mais ce que vous venez de faire est, en de nombreux points, mathématiquement impossible.
02:42
Why? Because, as Berkeley tells us,
53
150000
3000
Pourquoi? Parce que, comme nous le dit Berkeley,
02:45
we have no direct access to our physical world,
54
153000
3000
nous n'avons pas d'accès direct à notre monde physique,
02:48
other than through our senses.
55
156000
2000
autre qu'à travers nos sens.
02:50
And the light that falls onto our eyes
56
158000
2000
Et la lumière qui tombe sur nos yeux
02:52
is determined by multiple things in the world --
57
160000
2000
est déterminée par de multiple choses dans le monde --
02:54
not only the color of objects,
58
162000
2000
pas juste la couleur des objets,
02:56
but also the color of their illumination,
59
164000
2000
mais aussi la couleur de leur illumination,
02:58
and the color of the space between us and those objects.
60
166000
3000
et la couleur de l'espace entre nous et ces objets.
03:01
You vary any one of those parameters,
61
169000
2000
Changez n'importe lequel de ces paramètres,
03:03
and you'll change the color of the light that falls onto your eye.
62
171000
5000
et vous changez la couleur de la lumière qui arrive à votre oeil.
03:08
This is a huge problem because it means that
63
176000
2000
C'est un énorme problème parce que ça signifie que
03:10
the same image could have an infinite number
64
178000
3000
la même image pourrait avoir une infinité
03:13
of possible real-world sources.
65
181000
3000
de sources possibles dans le monde réel.
03:16
So let me show you what I mean. Imagine that this is the back of your eye.
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 projections from the world.
67
187000
3000
Et ceci sont deux projections du monde.
03:22
They are identical in every single way.
68
190000
3000
Elles sont identiques en tout point.
03:25
Identical in shape, size, spectral content.
69
193000
4000
Identiques en forme, taille, contenu spectral,
03:29
They are the same, as far as your eye is concerned.
70
197000
4000
Elles sont les mêmes, autant que votre oeil puisse dire.
03:33
And yet they come from completely different sources.
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
comes from a yellow surface,
73
208000
3000
vient d'une surface jaune,
03:43
in shadow, oriented facing the left,
74
211000
2000
dans l'ombre, orientée vers la gauche,
03:45
viewed through a pinkish medium.
75
213000
3000
vue à travers un médium rosâtre.
03:48
The one on the left comes from an orange surface,
76
216000
3000
Celle de gauche vient d'une surface orange,
03:51
under direct light, facing to the right,
77
219000
2000
sous une lumière directe, orientée vers la droite,
03:53
viewed through a sort of a bluish medium.
78
221000
2000
vue à travers une sorte de médium bleuté.
03:55
Completely different meanings,
79
223000
3000
Des significations complètements différentes,
03:58
giving rise to the exact same retinal information.
80
226000
3000
qui donnent naissance à exactement la même information rétinienne.
04:01
And yet it's only the retinal information
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 Earth do we even see?
83
233000
3000
Alors comment diable arrivons nous à voir?
04:08
So, if you remember anything in this next 18 minutes,
84
236000
4000
Si vous retenez une seule chose de ces 18 prochaines minutes,
04:12
remember this: that the light that falls on to your eye,
85
240000
3000
retenez ceci: la lumière qui arrive dans votre oeil,
04:15
sensory information, is meaningless,
86
243000
2000
l'information sensorielle, n'a pas de sens.
04:17
because it could mean literally anything.
87
245000
3000
Parce qu'elle pourrait littéralement vouloir dire n'importe quoi.
04:20
And what's true for sensory information is true for information generally.
88
248000
3000
Et ce qui est vrai de l'information sensorielle est vrai de l'information en général.
04:23
There is no inherent meaning in information.
89
251000
2000
Il n'y a pas de sens inhérent à l'information.
04:25
It's what we do with that information that matters.
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 learning to see.
91
257000
3000
Alors, comment faisons nous pour voir? Eh bien, nous apprenons à voir.
04:32
So, the brain evolved the mechanisms for finding patterns,
92
260000
4000
Ainsi, le cerveau a développé les mécanismes pour trouver les structures,
04:36
finding relationships in information
93
264000
2000
trouver les relations dans l'information,
04:38
and associating those relationships
94
266000
2000
et associer ces relations
04:40
with a behavioral meaning,
95
268000
2000
à un sens comportemental,
04:42
a significance, by interacting with the world.
96
270000
3000
une signification, en interagissant avec le monde.
04:45
We're very aware of this
97
273000
2000
Nous sommes très conscients de cela
04:47
in the form of more cognitive attributes, like language.
98
275000
3000
sous la forme d'attributs plus cognitifs, comme le langage.
04:50
So, I'm going to give you some letter strings. And I want you to read 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
Audience: "Can you read this?"
101
282000
3000
Audience: "Pouvez vous lire ça?"
04:57
"You are not reading this."
102
285000
2000
"Vous ne lisez pas ça."
04:59
"What are you reading?"
103
287000
2000
"Que lisez vous?"
05:01
Beau Lotto: "What are you reading?" Half the letters are missing. Right?
104
289000
3000
Beau Lotto: "Que lisez vous?" La moitié des lettres sont manquantes. Correct?
05:04
There is no a priori reason 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
between 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 statistics of your past experience
108
298000
2000
Parce que dans les statistiques de votre expérience passée
05:12
it would have been useful 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 yet you don't put a letter 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't have been useful in the past.
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 show you how quickly our brains can redefine normality,
113
311000
4000
Donc laissez moi vous montrer à quelle vitesse nos cerveaux peuvent redéfinir la normalité.
05:27
even at the simplest thing the brain does, which is color.
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 lights down up here.
115
317000
3000
Donc, si vous pouviez réduire les lumières.
05:32
I want you to first notice that those two desert scenes are physically the same.
116
320000
3000
Je veux d'abord que vous remarquiez que ces deux scènes de désert sont physiquement identiques.
05:35
One is simply the flipping 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 dot
118
328000
2000
Maintenant je veux que vous regardiez ce point
05:42
between the green and the red. Okay?
119
330000
3000
entre le vert et le rouge. D'accord?
05:45
And I want you to stare at that dot. Don't look anywhere else.
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 seconds,
121
336000
1000
Et nous allons regarder ça pendant à peu près 30 secondes.
05:49
which is a bit of a killer in an 18-minute talk.
122
337000
3000
ce qui est un peu un suicide dans une conférence de 18 minutes.
05:52
(Laughter)
123
340000
1000
(Rires)
05:53
But I really want you to learn.
124
341000
2000
Mais je veux vraiment que vous appreniez.
05:55
And I'll tell you -- don't look anywhere else --
125
343000
3000
Et je vous dirais -- ne regardez pas ailleurs --
05:58
and I'll tell you what's happening inside your head.
126
346000
2000
et je vous dirais ce qui se passe dans votre tête.
06:00
Your brain is learning. And it's learning that the right side of its visual field
127
348000
3000
Votre cerveau est en train d'apprendre; Il apprend que le côté droit de son champ visuel
06:03
is under red illumination;
128
351000
2000
est éclairé en rouge;
06:05
the left side of its visual field is under green illumination.
129
353000
3000
le côté gauche de son champ visuel est éclairé en vert.
06:08
That's what it's learning. 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 dot between the two desert scenes.
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
(Laughter)
133
366000
3000
(Rires)
06:21
Can I have the lights up again?
134
369000
2000
Je peux ravoir les lumières?
06:23
I take it from your response they don't look the same anymore. Right?
135
371000
4000
Je déduis de votre réaction qu'elles n'ont plus l'air semblables?
06:27
(Applause)
136
375000
1000
(applaudissements)
06:28
Why? Because your brain is seeing that same information
137
376000
3000
Pourquoi? Parceque votre cerveau voit la même information
06:31
as if the right one is still under red light,
138
379000
2000
comme si la droite était encore éclairée en rouge
06:33
and the left one is still under green light.
139
381000
2000
et la gauche encore éclairée en vert.
06:35
That's your new normal.
140
383000
2000
C'est votre nouvelle normale.
06:37
So, what does this mean for context?
141
385000
2000
Donc, qu'est-ce que cela signifie pour le contexte?
06:39
It means that I can take these two identical squares,
142
387000
2000
Cela veut dire que je peux prendre ces deux carrés identiques,
06:41
and I can put them in light and dark surrounds.
143
389000
2000
et je peux les placer dans des environnement clair et sombre.
06:43
And now the one on the dark surround looks lighter than the one on the light surround.
144
391000
3000
Et maintenant celui qui est entouré de sombre semble plus clair que celui entouré de clair.
06:46
What's significant is not simply the light and dark surrounds that matter.
145
394000
4000
Ce qui est significatif n'est pas simplement l'environnement clair ou sombre.
06:50
It's what those light and dark surrounds meant for your behavior in the past.
146
398000
4000
C'est ce que ce clair et sombre signifiait pour votre comportement dans le passé.
06:54
So I'll show 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 exact same illusion.
148
404000
2000
l'exacte même illusion.
06:58
We have two identical tiles, on the left,
149
406000
2000
Nous avons deux carreaux identiques, à gauche,
07:00
one in a dark surround, one in a light surround.
150
408000
2000
un entouré de sombre, un entouré de clair.
07:02
And the same 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 review those two scenes.
152
412000
3000
Maintenant, je vais réviser ces deux scènes.
07:07
But I'm not going to change anything within those boxes,
153
415000
2000
Mais je ne vais rien changer dans ces boîtes,
07:09
except their meaning.
154
417000
2000
à part leur signification.
07:11
And see what happens to your perception.
155
419000
2000
Et voyons ce qui arrive à votre perception.
07:13
Notice that on the left
156
421000
2000
Remarquez que sur la gauche
07:15
the two tiles look nearly completely opposite:
157
423000
3000
les deux carreaux ont l'air quasiment opposés:
07:18
one very white and one very dark.
158
426000
2000
un très blanc et un très foncé.
07:20
All right? Whereas on the right,
159
428000
2000
D'accord? Par contre, à droite,
07:22
the two tiles look nearly the same.
160
430000
2000
les deux carreaux ont l'air presque identiques.
07:24
And yet there is still one on a dark surround and one on a light surround.
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 tile in that shadow
162
436000
3000
Pourquoi? Parce que si le carreau dans cette ombre
07:31
were in fact in shadow,
163
439000
2000
était effectivement dans l'ombre
07:33
and reflecting the same amount of light to your eye
164
441000
2000
et renvoyait la même quantité de lumière à votre oeil
07:35
as the one outside the shadow,
165
443000
2000
que celui hors de l'ombre,
07:37
it would have to be more reflective -- just the laws of physics.
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
Whereas on the right, the information is consistent
168
450000
3000
Alors qu'à droite, l'information est cohérente
07:45
with those two tiles being under the same light.
169
453000
2000
avec le cas de ces deux carreaux sous la même lumière.
07:47
If they are under the same light, reflecting the same amount of light
170
455000
2000
S'ils reçoivent la même lumière, et renvoient la même quantité de lumière
07:49
to your eye,
171
457000
2000
vers votre oeil,
07:51
then they must be equally reflective.
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
Which means we can bring all this information together
174
463000
2000
Ce qui veut dire que nous pouvons mettre toute l'information ensemble
07:57
to create some incredibly strong illusions.
175
465000
2000
pour créer des illusions incroyablement fortes.
07:59
This is one I made a few years ago.
176
467000
2000
En voici une que faite il y a quelques années.
08:01
And you'll notice you see a dark brown tile at the top,
177
469000
3000
Et vous remarquerez que vous voyez un carreau brun foncé sur le haut,
08:04
and a bright orange tile at the side.
178
472000
3000
et un carreau orange vif sur le côté.
08:07
That is your perceptual reality. The physical reality
179
475000
2000
C'est la réalité que vous percevez. La réalité physique
08:09
is that those two tiles are the same.
180
477000
5000
est que ces carreaux sont les mêmes.
08:14
Here you see four gray tiles on your left,
181
482000
3000
Ici vous voyez quatre carreaux gris sur votre gauche,
08:17
seven gray tiles on the right.
182
485000
2000
sept carreaux gris sur la droite.
08:19
I'm not going to change those tiles at all,
183
487000
2000
Je ne vais rien changer à ces carreaux.
08:21
but I'm going to reveal the rest of the scene
184
489000
2000
Mais je vais révéler le reste de la scène.
08:23
and see what happens to your perception.
185
491000
3000
Et voyez ce qui arrive à votre perception.
08:26
The four blue tiles on the left are gray.
186
494000
4000
Le quatre carreaux bleus sur la gauche sont gris.
08:30
The seven yellow tiles on the right are also gray.
187
498000
3000
Les sept carreaux jaunes sur la droite sont aussi gris.
08:33
They are the same. 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 true for color is also true for complex perceptions of motion.
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 turn this around -- a diamond.
192
514000
5000
tournons cela -- un losange.
08:51
And what I'm going to do is, I'm going to hold 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 spin it.
194
521000
4000
et je vais le faire tourner
08:57
And for all of you, you'll see it probably spinning this direction.
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
Move your eyes around, blink, maybe close one eye.
197
531000
2000
Bougez vos yeux, clignez, peut-être fermez un oeil.
09:05
And suddenly it will flip, and start spinning the opposite direction.
198
533000
4000
Et soudainement il va basculer, et commencer à tourner dans la direction opposée.
09:09
Yes? Raise your hand if you got that. Yes?
199
537000
3000
Oui? Levez la main si vous y arrivez. Oui?
09:12
Keep blinking. Every time you blink it will switch. Alright?
200
540000
4000
Continuez à cligner. Chaque fois que vous clignez, il va changer. D'accord?
09:16
So I can ask you, which direction is it rotating?
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 brain doesn't know. Because both are equally likely.
203
550000
3000
Votre cerveau ne sais pas. Car les deux sont également probables.
09:25
So depending on where it looks, it flips
204
553000
2000
Donc selon où il regarde, il bascule
09:27
between the two possibilities.
205
555000
3000
entre les deux possibilités.
09:30
Are we the only ones that see illusions?
206
558000
2000
Sommes nous les seuls à voir des illusions?
09:32
The answer to this question is no.
207
560000
2000
La réponse à cette question est non.
09:34
Even the beautiful bumblebee,
208
562000
2000
Même le beau bourdon,
09:36
with its mere one million brain cells,
209
564000
2000
avec un cerveau d'à peine un million de cellules,
09:38
which is 250 times fewer cells than you have in one retina,
210
566000
3000
ce qui est 250 fois moins de cellules que vous n'avez dans une rétine,
09:41
sees illusions, does the most complicated things
211
569000
3000
voit des illusions, fait les choses les plus compliquées
09:44
that even our most sophisticated computers can't do.
212
572000
3000
que même nos ordinateurs les plus sophistiqués ne peuvent faire.
09:47
So in my lab, we of course work on bumblebees.
213
575000
2000
Donc dans mon labo, nous travaillons évidemment sur les bourdons.
09:49
Because we can completely control their experience,
214
577000
2000
Parce que nous pouvons complètement contrôler leur expérience,
09:51
and see how that alters the architecture of their brain.
215
579000
2000
et voir comment cela altère l'architecture de leur cerveau.
09:53
And we do this in what we call the Bee Matrix.
216
581000
3000
Et nous faisons cela dans ce que nous appelons la Matrice des Abeilles.
09:56
And here you have the hive. You can see the queen bee,
217
584000
2000
Et ici vous avez la ruche. Vous pouvez voir la reine,
09:58
that large bee in the middle there. Those are all her daughters, the eggs.
218
586000
3000
la grande abeille au milieu. Celles-ci sont ses filles, les oeufs.
10:01
And they go back and forth between this hive
219
589000
3000
Et elles font l'aller retour entre cette ruche
10:04
and the arena, via this tube.
220
592000
5000
et l'arène, via ce tube.
10:09
And you'll see one of the bees come out here.
221
597000
2000
Et vous allez voir une des abeilles sortir.
10:11
You see how she has a little number on her?
222
599000
3000
Vous voyez le petit numéro qu'elle porte?
10:14
Yeah there is another one coming out. She has another number 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 born that way. Right?
224
605000
3000
Bon, elles ne sont pas nées comme ça. C'est vrai?
10:20
We pull them out, put them in the fridge, and they fall asleep.
225
608000
2000
Nous les extrayons, les mettons au frigo, et elles s'endorment.
10:22
And then you can superglue little numbers on them.
226
610000
2000
Et là vous pouvez leur coller des petits numéros avec de la superglue.
10:24
(Laughter)
227
612000
2000
(Rires)
10:26
And now, in this experiment they get rewarded if they go to the blue flowers.
228
614000
4000
Et maintenant dans cette expérience elles sont récompensées si elles vont aux fleurs bleues.
10:30
And they land on the flower. They stick their tongue in there,
229
618000
3000
Et elle se posent sur la fleur. Elle mettent leur langue,
10:33
called a proboscis, and they drink sugar water.
230
621000
2000
qui s'appelle un proboscis, et elles boivent de l'eau sucrée.
10:35
Now she is drinking a glass of water that's about that big 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 three times, and then fly.
232
626000
6000
elle va faire ça trois fois, et puis s'envoler.
10:44
And sometimes they learn not to go to the blue,
233
632000
2000
Et parfois elles apprennent à ne pas aller vers le bleu,
10:46
but to go to where the other bees go.
234
634000
2000
mais à aller là où les autres abeilles vont.
10:48
So they copy each other. They can count to five. They can recognize faces.
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 comes down the ladder.
236
639000
3000
Et la voilà qui descend l'échelle.
10:54
And she'll come into the hive, find an empty honey pot
237
642000
2000
Et elle va entrer dans la ruche, trouver un pot à miel libre,
10:56
and throw up, and that's honey.
238
644000
2000
et vomir, et le miel c'est ça.
10:58
(Laughter)
239
646000
1000
(Rires)
10:59
Now remember -- (Laughter)
240
647000
3000
Maintenant souvenez-vous -- (Rires)
11:02
-- she's supposed to be going to the blue flowers.
241
650000
2000
-- elle est sensée aller vers les fleurs bleus.
11:04
But what are these bees doing in the upper right corner?
242
652000
3000
Mais que font ces abeilles dans le coin en haut à droite?
11:07
It looks like they're going to green flowers.
243
655000
2000
On dirait qu'elles vont vers les fleurs vertes.
11:09
Now, are they getting it wrong?
244
657000
3000
Alors, est-ce qu'elles se trompent?
11:12
And the answer to the question is no. Those are actually blue flowers.
245
660000
3000
La réponse à cette question est non. Ce sont en réalité des fleurs bleus.
11:15
But those are blue flowers under green light.
246
663000
4000
Mais ce sont des fleurs bleus sous une lumière verte.
11:19
So they are using the relationships between the colors to solve the puzzle,
247
667000
4000
Donc elles utilisent les relations entre les couleurs pour résoudre le puzzle.
11:23
which is exactly what we do.
248
671000
2000
Ce qui est exactement ce que nous faisons.
11:25
So, illusions are often used,
249
673000
2000
Donc, les illusions sont souvent utilisées,
11:27
especially in art, in the words of a more contemporary artist,
250
675000
4000
particulièrement dans l'art, dans la bouche d'un artiste plus contemporain,
11:31
"to demonstrate the fragility of our senses."
251
679000
2000
"Pour démontrer la fragilité de nos sens."
11:33
Okay, this is complete rubbish.
252
681000
3000
Bon, c'est n'importe quoi.
11:36
The senses aren't fragile. And if they were, we wouldn't be here.
253
684000
3000
Les sens ne son pas fragiles. Et s'ils l'étaient, nous ne serions pas ici.
11:39
Instead, color tells us something completely different,
254
687000
4000
Au lieu de ça, la couleur nous dit quelque chose de complètement différent,
11:43
that the brain didn't actually evolve to see the world 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. Instead, the brain evolved to see the world
256
694000
4000
Nous ne pouvons pas. En fait, le cerveau a évolué pour voir le monde
11:50
the way it was useful to see in the past.
257
698000
3000
tel qu'il était utile de le voir dans le passé.
11:53
And how we see is by continually redefining normality.
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
incredible capacity of plasticity of the brain
260
711000
3000
incroyable capacité de plasticité du cerveau
12:06
and get people to experience their world differently?
261
714000
3000
et faire que les gens expérimentent leur monde différemment?
12:09
Well, one of the ways we do in my lab and studio
262
717000
3000
Eh bien, une des façons que nous utilisons dans mon labo et studio
12:12
is we translate the light into sound
263
720000
3000
est de traduire la lumière en du son
12:15
and we enable people to hear their visual world.
264
723000
4000
et nous permettons aux gens d'entendre leur monde visuel.
12:19
And they can navigate the world using their ears.
265
727000
3000
Et ils peuvent naviguer dans le monde en utilisant leurs oreilles.
12:22
Here is David, in the right. And he is holding a camera.
266
730000
3000
Voici David, à droite. Et il tient une caméra.
12:25
On the left is what his camera sees.
267
733000
2000
À gauche, ce que la caméra voit.
12:27
And you'll see there is a line, a faint line going across that image.
268
735000
3000
Et vous pouvez voir une ligne, une faible ligne qui traverse l'image.
12:30
That line is broken up into 32 squares.
269
738000
3000
Cette ligne est découpée en 32 carrés.
12:33
In each square we calculate the average color.
270
741000
2000
Dans chaque carré on calcule la couleur moyenne.
12:35
And then we just simply translate that into sound.
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
turn around, close his eyes,
273
748000
4000
se tourner, fermer ses yeux,
12:44
and find a plate on the ground with his eyes closed.
274
752000
3000
et trouver une assiette sur le sol, avec ses yeux fermés.
13:06
He finds it. Amazing. Right?
275
774000
2000
Il la trouve. Etonnant. Non?
13:08
So not only can we create a prosthetic for the visually impaired,
276
776000
2000
Donc non seulement pouvons nous créer une prothèse pour les mal voyants,
13:10
but we can also investigate how people
277
778000
3000
mais nous pouvons aussi étudier comment les gens
13:13
literally make sense of the world.
278
781000
3000
littéralement donnent un sens au monde.
13:16
But we can also do something else. We can also make music with color.
279
784000
4000
Mais nous pouvons aussi faire quelque chose d'autre. Nous pouvons faire de la musique avec la couleur.
13:20
So, working with kids,
280
788000
2000
Donc, en travaillant avec des enfants,
13:22
they created images,
281
790000
2000
ils ont créé des images,
13:24
thinking about what might the images you see
282
792000
2000
en pensant à ce à quoi les images que vous voyez
13:26
sound like if we could listen to them.
283
794000
2000
pourraient ressembler si nous pouvions les écouter.
13:28
And then we translated these images.
284
796000
2000
Et puis nous avons traduit ces images.
13:30
And this is one of those images.
285
798000
2000
Et voici une de ces images.
13:32
And this is a six-year-old child composing a piece of music
286
800000
3000
Et voilà un enfant de six ans qui compose un morceau de musique
13:35
for a 32-piece orchestra.
287
803000
3000
pour un orchestre à 32 instruments
13:38
And this is what it sounds like.
288
806000
2000
Et voilà à quoi ça ressemble.
14:06
So, a six-year-old child. 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 suggests is that no one is an outside observer
291
840000
3000
Cela suggère que personne n'est un observateur extérieur
14:15
of nature. Okay?
292
843000
2000
de la nature. D'accord?
14:17
We are not defined by our central properties,
293
845000
2000
Nous ne sommes pas définis par nos propriétés centrales,
14:19
by the bits that make us up.
294
847000
2000
par les bits dont nous sommes faits.
14:21
We're defined by our environment and our interaction with that environment --
295
849000
3000
Nous sommes définis par notre environnement et par notre interaction avec cet environnement --
14:24
by our ecology.
296
852000
2000
par notre écologie.
14:26
And that ecology is necessarily relative,
297
854000
4000
Et cette écologie est nécessairement relative,
14:30
historical and empirical.
298
858000
2000
historique et empirique.
14:32
So what I'd like to finish 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 trying to do is really celebrate uncertainty.
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 through uncertainty is there potential for understanding.
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 feeling a bit too certain,
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 lights 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 everyone see 25 purple surfaces
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 yellowish, surfaces 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 middle nine surfaces here
310
897000
2000
Je vais placer les neuf surface du milieu
15:11
under yellow illumination
311
899000
2000
sous un éclairage jaune
15:13
by simply putting a filter behind them.
312
901000
4000
en mettant simplement un filtre derrière elles.
15:17
All right. Now you can see that changes the light
313
905000
3000
Voilà. Maintenant vous voyez que ça change la lumière
15:20
that's coming through there. Right?
314
908000
2000
qui arrive par là. Correct?
15:22
Because now the light is going through a yellowish filter
315
910000
2000
Parce que la lumière passe maintenant à travers un filtre jaunâtre
15:24
and then a purplish filter.
316
912000
2000
et ensuite un filtre violet,
15:26
I'm going to do this opposite 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 middle nine under a purplish light.
318
919000
7000
Je vais placer les neuf du centre sous une lumière violette.
15:38
Now, some of you will notice that the consequence is that
319
926000
4000
Maintenant, certains d'entre vous remarqueront que le résultat est que
15:42
the light coming through those middle nine 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 exactly the same as the light coming through
322
935000
2000
est exactement la même que la lumière sortant
15:49
the middle nine on your right.
323
937000
2000
des neufs centraux à votre droite.
15:51
Agreed? Yes?
324
939000
3000
D'accord? Oui?
15:54
Okay. So they are physically the same.
325
942000
2000
Bon. Donc elles sont physiquement les mêmes.
15:56
Let's pull the covers off.
326
944000
6000
Retirons les caches.
16:02
Now remember,
327
950000
4000
Maintenant rappelez-vous,
16:06
you know the middle nine are exactly the same.
328
954000
3000
vous savez que les neufs centrales sont exactement les mêmes.
16:09
Do they look the same? No.
329
957000
4000
Elles ont l'air identiques? Non.
16:13
The question is, "Is that an illusion?"
330
961000
2000
La question est, "Est-ce une illusion?"
16:15
And I'll leave 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
(Applause)
333
967000
3000
(Applaudissements)
ABOUT THE SPEAKER
Beau Lotto - Neuroscientist, ArtistBeau 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.
Beau Lotto | Speaker | TED.com