TEDGlobal 2010
Sebastian Seung: I am my connectome
Sebastian Seung: Je suis mon connectome
Filmed:
Readability: 4.4
1,131,223 views
Sebastian Seung établit la cartographie d'une nouvelle modélisation du cerveau extrêmement ambitieuse qui s'intéresse aux connections entre chaque neurone. Il appelle cela notre "connectome" : il est aussi unique que notre génome et réussir à comprendre son fonctionnement pourrait inaugurer une nouvelle façon de comprendre le fonctionnement de nos cerveaux et de notre psychologie.
Sebastian Seung - Computational neuroscientist
Sebastian Seung is a leader in the new field of connectomics, currently the hottest space in neuroscience, which studies, in once-impossible detail, the wiring of the brain. Full bio
Sebastian Seung is a leader in the new field of connectomics, currently the hottest space in neuroscience, which studies, in once-impossible detail, the wiring of the brain. Full bio
Double-click the English transcript below to play the video.
00:17
We live in in a remarkable time,
0
2000
3000
Nous vivons à une époque remarquable,
00:20
the age of genomics.
1
5000
3000
l'âge de la génomique.
00:23
Your genome is the entire sequence of your DNA.
2
8000
3000
Votre génome est la séquence intégrale de votre ADN.
00:26
Your sequence and mine are slightly different.
3
11000
3000
Votre séquence et la mienne sont légèrement différentes.
00:29
That's why we look different.
4
14000
2000
C'est pour cela que nous ne nous ressemblons pas.
00:31
I've got brown eyes;
5
16000
2000
J'ai les yeux bruns.
00:33
you might have blue or gray.
6
18000
3000
Les vôtres sont peut-être bleus ou gris.
00:36
But it's not just skin-deep.
7
21000
2000
Mais cela ne concerne pas seulement ce qui se voit à l'oeil nu.
00:38
The headlines tell us
8
23000
2000
Les gros titres des journaux nous apprennent
00:40
that genes can give us scary diseases,
9
25000
3000
que ce sont les gènes qui sont responsables de maladies effrayantes,
00:43
maybe even shape our personality,
10
28000
3000
qui peut-être même modèlent notre personnalité,
00:46
or give us mental disorders.
11
31000
3000
ou qui causent des désordres mentaux.
00:49
Our genes seem to have
12
34000
3000
Nos gènes semblent posséder
00:52
awesome power over our destinies.
13
37000
3000
une emprise phénoménale sur nos destins.
00:56
And yet, I would like to think
14
41000
3000
Et pourtant, je voudrais penser
00:59
that I am more than my genes.
15
44000
3000
que je suis plus que mes gènes.
01:04
What do you guys think?
16
49000
2000
Vous en pensez quoi?
01:06
Are you more than your genes?
17
51000
3000
Vous êtes aussi plus que vos gènes?
01:09
(Audience: Yes.) Yes?
18
54000
2000
(Public : Oui.) Oui ?
01:13
I think some people agree with me.
19
58000
2000
Je pense que certains sont d'accord avec moi.
01:15
I think we should make a statement.
20
60000
2000
Je pense que nous devrions le décréter.
01:17
I think we should say it all together.
21
62000
2000
Je pense que nous devrions le dire tous ensemble.
01:20
All right: "I'm more than my genes" -- all together.
22
65000
3000
Allez : "Je suis plus que mes gènes" -- tous ensemble.
01:23
Everybody: I am more than my genes.
23
68000
4000
Tout le monde : Je suis plus que mes gènes.
01:27
(Cheering)
24
72000
2000
(Applaudissements)
01:30
Sebastian Seung: What am I?
25
75000
2000
Sebastian Seung : Qu'est-ce que je suis?
01:32
(Laughter)
26
77000
3000
(Rires)
01:35
I am my connectome.
27
80000
3000
Je suis mon connectome.
01:40
Now, since you guys are really great,
28
85000
2000
Bon, comme vous êtes vraiment supers,
01:42
maybe you can humor me and say this all together too.
29
87000
2000
vous pourriez peut-être me faire plaisir et le dire tous ensemble aussi.
01:44
(Laughter)
30
89000
2000
(Rires)
01:46
Right. All together now.
31
91000
2000
Voilà. Tous ensemble maintenant.
01:48
Everybody: I am my connectome.
32
93000
3000
Tout le monde : Je suis mon connectome.
01:53
SS: That sounded great.
33
98000
2000
SS : C'était super bien.
01:55
You know, you guys are so great, you don't even know what a connectome is,
34
100000
2000
Vous savez quoi, vous êtes vraiment supers, parce que vous n'avez aucune idée de ce qu'est un connectome
01:57
and you're willing to play along with me.
35
102000
2000
mais vous jouez quand même le jeu avec moi.
01:59
I could just go home now.
36
104000
3000
Je n'ai plus qu'à rentrer chez moi maintenant.
02:02
Well, so far only one connectome is known,
37
107000
3000
En fait, pour le moment on ne connaît qu'un seul connectome,
02:05
that of this tiny worm.
38
110000
3000
celui de ce minuscule vers.
02:08
Its modest nervous system
39
113000
2000
Son système nerveux très modeste
02:10
consists of just 300 neurons.
40
115000
2000
ne contient que 300 neurones.
02:12
And in the 1970s and '80s,
41
117000
2000
Et dans les années 1970 et 80,
02:14
a team of scientists
42
119000
2000
une équipe de scientifiques
02:16
mapped all 7,000 connections
43
121000
2000
a cartographié les 7000 connexions
02:18
between the neurons.
44
123000
2000
entre chaque neurone.
02:21
In this diagram, every node is a neuron,
45
126000
2000
Dans ce schéma, chaque noeud est un neurone,
02:23
and every line is a connection.
46
128000
2000
et chaque ligne une connexion.
02:25
This is the connectome
47
130000
2000
Voici le connectome
02:27
of the worm C. elegans.
48
132000
4000
du vers C. elegans.
02:31
Your connectome is far more complex than this
49
136000
3000
Votre connectome est bien plus complexe que cela,
02:34
because your brain
50
139000
2000
car votre cerveau
02:36
contains 100 billion neurons
51
141000
2000
contient 100 milliards de neurones
02:38
and 10,000 times as many connections.
52
143000
3000
et 10 000 fois autant de connexions.
02:41
There's a diagram like this for your brain,
53
146000
2000
Il y a un schéma comme celui-ci pour votre cerveau
02:43
but there's no way it would fit on this slide.
54
148000
3000
mais il n'y a aucune chance qu'il rentre sur cette diapo.
02:47
Your connectome contains one million times more connections
55
152000
3000
Votre connectome contient un million de fois plus de connexions
02:50
than your genome has letters.
56
155000
3000
que ce que votre génome a de lettres.
02:53
That's a lot of information.
57
158000
2000
Ca fait beaucoup d'informations.
02:55
What's in that information?
58
160000
3000
Qu'y a-t-il dans cette information?
02:59
We don't know for sure, but there are theories.
59
164000
3000
Nous n'en sommes pas sûrs, mais nous avons des théories.
03:02
Since the 19th century, neuroscientists have speculated
60
167000
3000
Depuis le 19ème siècle, les neuro-scientifiques imaginent
03:05
that maybe your memories --
61
170000
2000
que peut-être vos souvenirs --
03:07
the information that makes you, you --
62
172000
2000
cette information qui fait que vous êtes qui vous êtes --
03:09
maybe your memories are stored
63
174000
2000
peut-être que vos souvenirs sont stockés
03:11
in the connections between your brain's neurons.
64
176000
2000
dans les connexions entre les neurones de votre cerveau.
03:15
And perhaps other aspects of your personal identity --
65
180000
2000
Et peut-être que d'autres aspects de votre identité --
03:17
maybe your personality and your intellect --
66
182000
3000
peut-être votre personnalité et votre intelligence --
03:20
maybe they're also encoded
67
185000
2000
peut-être sont-ils aussi encodés
03:22
in the connections between your neurons.
68
187000
3000
dans les connexions entre les neurones.
03:26
And so now you can see why I proposed this hypothesis:
69
191000
3000
Maintenant vous comprenez pourquoi j'ai proposé cette hypothèse :
03:29
I am my connectome.
70
194000
3000
je suis mon connectome.
03:32
I didn't ask you to chant it because it's true;
71
197000
3000
Je ne vous ai pas demandé de le scander parce que c'est vrai,
03:35
I just want you to remember it.
72
200000
2000
je veux juste que vous vous en rappeliez.
03:37
And in fact, we don't know if this hypothesis is correct,
73
202000
2000
En fait, nous ne savons pas si cette hypothèse est correcte,
03:39
because we have never had technologies
74
204000
2000
parce que nous n'avons pas encore de technologie
03:41
powerful enough to test it.
75
206000
2000
assez puissante pour la mettre à l'épreuve.
03:44
Finding that worm connectome
76
209000
3000
Trouver le connectome de ce vers
03:47
took over a dozen years of tedious labor.
77
212000
3000
équivaut à plus d'une douzaine d'années de travail acharné.
03:50
And to find the connectomes of brains more like our own,
78
215000
3000
Et pour trouver les connectomes de cerveaux qui s'approchent davantage des nôtres,
03:53
we need more sophisticated technologies, that are automated,
79
218000
3000
nous avons besoin de technologies plus sophistiquées, automatisées,
03:56
that will speed up the process of finding connectomes.
80
221000
3000
qui augmenteront la vitesse du processus qui permet de trouver des connectomes.
03:59
And in the next few minutes, I'll tell you about some of these technologies,
81
224000
3000
Et, dans les minutes à venir, je vais vous parler un peu de ces technologies
04:02
which are currently under development
82
227000
2000
qui sont actuellement en cours de développement
04:04
in my lab and the labs of my collaborators.
83
229000
3000
dans mon labo et dans les labos de mes collaborateurs.
04:08
Now you've probably seen pictures of neurons before.
84
233000
3000
Bon, vous avez probablement déjà vu des images de neurones par le passé.
04:11
You can recognize them instantly
85
236000
2000
Vous les reconnaissez instantanément
04:13
by their fantastic shapes.
86
238000
3000
à leur forme fantastique.
04:16
They extend long and delicate branches,
87
241000
3000
Ils déploient de longues et délicates branches
04:19
and in short, they look like trees.
88
244000
3000
et, pour faire court, ils ressemblent à des arbres.
04:22
But this is just a single neuron.
89
247000
3000
Mais il ne s'agit là que d'un seul neurone.
04:25
In order to find connectomes,
90
250000
2000
Pour trouver les connectomes,
04:27
we have to see all the neurons at the same time.
91
252000
3000
nous devons regarder tous les neurones en même temps.
04:30
So let's meet Bobby Kasthuri,
92
255000
2000
Laissez-moi vous présenter Bobby Kasthuri
04:32
who works in the laboratory of Jeff Lichtman
93
257000
2000
qui travaille dans le laboratoire de Jeff Lichtman
04:34
at Harvard University.
94
259000
2000
à Harvard.
04:36
Bobby is holding fantastically thin slices
95
261000
2000
Bobby s'occupe des tranches extrêmement fines
04:38
of a mouse brain.
96
263000
2000
du cerveau d'une souris.
04:40
And we're zooming in by a factor of 100,000 times
97
265000
3000
Nous agrandissons l'image 100 000 fois
04:44
to obtain the resolution,
98
269000
2000
pour obtenir la résolution
04:46
so that we can see the branches of neurons all at the same time.
99
271000
3000
qui nous permet de voir toutes les branches du neurone en une seule fois.
04:50
Except, you still may not really recognize them,
100
275000
3000
Sauf qu'il est possible que vous ne puissiez toujours pas les reconnaître
04:53
and that's because we have to work in three dimensions.
101
278000
3000
et c'est parce qu'il est nécessaire de travailler en trois dimensions.
04:56
If we take many images of many slices of the brain
102
281000
2000
Si on prend plusieurs images de plusieurs tranches du cerveau
04:58
and stack them up,
103
283000
2000
et si on les empile,
05:00
we get a three-dimensional image.
104
285000
2000
on obtient une image tri-dimensionnelle.
05:02
And still, you may not see the branches.
105
287000
2000
Et pourtant, il est possible que vous ne voyiez toujours pas les branches.
05:04
So we start at the top,
106
289000
2000
Donc on commence par en haut,
05:06
and we color in the cross-section of one branch in red,
107
291000
3000
et on colore en rouge la coupe transversale d'une branche.
05:09
and we do that for the next slice
108
294000
2000
On fait pareil pour la tranche d'après,
05:11
and for the next slice.
109
296000
2000
et celle d'après.
05:13
And we keep on doing that,
110
298000
2000
Et on continue de faire ça,
05:15
slice after slice.
111
300000
3000
tranche après tranche.
05:18
If we continue through the entire stack,
112
303000
2000
Si on continue comme ça pour toute la pile,
05:20
we can reconstruct the three-dimensional shape
113
305000
3000
on peut reconstruire la forme en trois dimensions
05:23
of a small fragment of a branch of a neuron.
114
308000
3000
d'un petit fragment de la branche d'un neurone.
05:26
And we can do that for another neuron in green.
115
311000
2000
On peut faire la même chose pour un autre neurone en vert.
05:28
And you can see that the green neuron touches the red neuron
116
313000
2000
Vous pouvez voir que le neurone vert touche le neurone rouge
05:30
at two locations,
117
315000
2000
à deux endroits,
05:32
and these are what are called synapses.
118
317000
2000
et c'est là ce qu'on appelle les synapses.
05:34
Let's zoom in on one synapse,
119
319000
2000
Agrandissons une synapse.
05:36
and keep your eyes on the interior of the green neuron.
120
321000
3000
Et fixez attentivement l'intérieur du neurone vert.
05:39
You should see small circles --
121
324000
2000
Vous devriez voir des petits cercles.
05:41
these are called vesicles.
122
326000
3000
C'est ce qu'on appelle les vésicules.
05:44
They contain a molecule know as a neurotransmitter.
123
329000
3000
Elles contiennent une molécule qu'on appelle un neurotransmetteur.
05:47
And so when the green neuron wants to communicate,
124
332000
2000
Ainsi quand le neurone vert veut communiquer,
05:49
it wants to send a message to the red neuron,
125
334000
2000
qu'il veut envoyer un message au neurone rouge,
05:51
it spits out neurotransmitter.
126
336000
3000
il lâche des neurotransmetteurs.
05:54
At the synapse, the two neurons
127
339000
2000
Au niveau de la synapse, les deux neurones
05:56
are said to be connected
128
341000
2000
sont connectés
05:58
like two friends talking on the telephone.
129
343000
3000
comme deux amis qui parleraient au téléphone.
06:02
So you see how to find a synapse.
130
347000
2000
Vous voyez donc comment trouver une synapse.
06:04
How can we find an entire connectome?
131
349000
3000
Comment fait-on pour trouver un connectome entier?
06:07
Well, we take this three-dimensional stack of images
132
352000
3000
Eh bien on prend cette pile d'images en trois dimensions
06:10
and treat it as a gigantic three-dimensional coloring book.
133
355000
3000
et on la traite comme un livre de coloriage tridimensionnel géant.
06:13
We color every neuron in, in a different color,
134
358000
3000
On colorie chaque neurone avec une couleur différente
06:16
and then we look through all of the images,
135
361000
2000
et puis on regarde à travers toutes ces images,
06:18
find the synapses
136
363000
2000
on trouve les synapses
06:20
and note the colors of the two neurons involved in each synapse.
137
365000
3000
et on note les couleurs des deux neurones impliqués dans chaque synapse.
06:23
If we can do that throughout all the images,
138
368000
3000
Si on peut faire ça pour toutes les images,
06:26
we could find a connectome.
139
371000
2000
on doit pouvoir trouver un connectome.
06:29
Now, at this point,
140
374000
2000
Bien, arrivés à ce point,
06:31
you've learned the basics of neurons and synapses.
141
376000
2000
vous avez appris ce qu'il y a d'élémentaire à savoir sur les neurones et les synapses.
06:33
And so I think we're ready to tackle
142
378000
2000
Je pense donc que nous sommes prêts à aborder
06:35
one of the most important questions in neuroscience:
143
380000
3000
l'une des questions les plus importantes de la neuroscience :
06:39
how are the brains of men and women different?
144
384000
3000
en quoi les cerveau des hommes et des femmes sont-ils différents?
06:42
(Laughter)
145
387000
2000
(Rires)
06:44
According to this self-help book,
146
389000
2000
Si on en croit ce livre de développement personnel,
06:46
guys brains are like waffles;
147
391000
2000
les cerveaux des hommes sont comme des gaufres;
06:48
they keep their lives compartmentalized in boxes.
148
393000
3000
leur vie est comme compartimentée dans des boîtes.
06:51
Girls' brains are like spaghetti;
149
396000
3000
Le cerveau des filles ressemble aux spaghettis;
06:54
everything in their life is connected to everything else.
150
399000
3000
tout dans leur vie est connecté à quelque chose d'autre.
06:57
(Laughter)
151
402000
2000
(Rires)
06:59
You guys are laughing,
152
404000
2000
Vous riez
07:01
but you know, this book changed my life.
153
406000
2000
mais, vous savez, ce livre a changé ma vie.
07:03
(Laughter)
154
408000
2000
(Rires)
07:07
But seriously, what's wrong with this?
155
412000
3000
Non mais sérieusement, qu'est-ce qui cloche ici?
07:10
You already know enough to tell me -- what's wrong with this statement?
156
415000
3000
Vous en savez déjà assez pour me le dire. Pourquoi cette idée est-elle fausse?
07:20
It doesn't matter whether you're a guy or girl,
157
425000
3000
Peu importe que vous soyez un garçon ou une fille,
07:23
everyone's brains are like spaghetti.
158
428000
3000
tous les cerveaux sont comme des spaghettis.
07:26
Or maybe really, really fine capellini with branches.
159
431000
3000
Ou alors des capellini vraiment très fins, avec des branches.
07:30
Just as one strand of spaghetti
160
435000
2000
Exactement de la même façon qu'un brin de spaghetti
07:32
contacts many other strands on your plate,
161
437000
3000
est en contact avec plein d'autres brins dans votre assiette,
07:35
one neuron touches many other neurons
162
440000
2000
un neurone touche plein d'autres neurones
07:37
through their entangled branches.
163
442000
2000
grâce à leurs branches, emmêlées les unes aux autres.
07:39
One neuron can be connected to so many other neurons,
164
444000
3000
Un neurone peut être connecté à beaucoup d'autres neurones
07:42
because there can be synapses
165
447000
2000
parce que des synapses peuvent apparaître
07:44
at these points of contact.
166
449000
3000
à ces points de contact.
07:49
By now, you might have sort of lost perspective
167
454000
3000
Il se peut que vous n'ayez plus trop conscience à ce stade
07:52
on how large this cube of brain tissue actually is.
168
457000
3000
de la taille de ce cube de tissu cérébral.
07:55
And so let's do a series of comparisons to show you.
169
460000
3000
Je vous propose donc de faire une série de comparaisons pour vous montrer.
07:58
I assure you, this is very tiny. It's just six microns on a side.
170
463000
3000
Je vais vous montrer. Ca, c'est vraiment minuscule. Seulement six microns sur un côté.
08:03
So, here's how it stacks up against an entire neuron.
171
468000
3000
Là vous voyez comment ça s'empile dans un neurone entier.
08:06
And you can tell that, really, only the smallest fragments of branches
172
471000
3000
Et vous pouvez voir que, vraiment, seuls les plus petits fragments des branches
08:09
are contained inside this cube.
173
474000
3000
sont contenus dans ce cube.
08:12
And a neuron, well, that's smaller than brain.
174
477000
3000
Et un neurone, eh bien c'est plus petit qu'un cerveau.
08:17
And that's just a mouse brain --
175
482000
2000
Et il ne s'agit là que du cerveau d'une souris.
08:21
it's a lot smaller than a human brain.
176
486000
3000
C'est bien plus petit qu'un cerveau humain.
08:25
So when show my friends this,
177
490000
2000
Du coup quand j'ai montré ça à mes amis
08:27
sometimes they've told me,
178
492000
2000
ils m'ont parfois dit
08:29
"You know, Sebastian, you should just give up.
179
494000
3000
"Tu sais, Sebastian, tu devrais simplement abandonner.
08:32
Neuroscience is hopeless."
180
497000
2000
Il n'y a pas d'espoir en neuroscience."
08:34
Because if you look at a brain with your naked eye,
181
499000
2000
Parce que si vous observez votre cerveau à l'oeil nu,
08:36
you don't really see how complex it is,
182
501000
2000
vous ne vous rendez pas vraiment compte à quel point c'est complexe,
08:38
but when you use a microscope,
183
503000
2000
mais quand vous utilisez un microscope,
08:40
finally the hidden complexity is revealed.
184
505000
3000
cette complexité qui se cachait est révélée."
08:45
In the 17th century,
185
510000
2000
Au 17ème siècle,
08:47
the mathematician and philosopher, Blaise Pascal,
186
512000
2000
Blaise Pascal, mathématicien et philosophe,
08:49
wrote of his dread of the infinite,
187
514000
3000
a écrit sur sa peur de l'infini,
08:52
his feeling of insignificance
188
517000
2000
son sentiment de vanité
08:54
at contemplating the vast reaches of outer space.
189
519000
3000
quand il contemple "le silence éternel de ces espaces infinis".
08:59
And, as a scientist,
190
524000
2000
En tant que scientifique,
09:01
I'm not supposed to talk about my feelings --
191
526000
3000
je ne suis pas supposé parler de mes sentiments.
09:04
too much information, professor.
192
529000
2000
Trop d'informations, professeur.
09:06
(Laughter)
193
531000
2000
(Rires)
09:08
But may I?
194
533000
2000
Mais pourquoi pas?
09:10
(Laughter)
195
535000
2000
(Rires)
09:12
(Applause)
196
537000
2000
(Applaudissements)
09:14
I feel curiosity,
197
539000
2000
Je ressens une vraie curiosité,
09:16
and I feel wonder,
198
541000
2000
et une vraie envie de comprendre
09:18
but at times I have also felt despair.
199
543000
3000
mais parfois je ressens aussi du désespoir.
09:22
Why did I choose to study
200
547000
2000
Pourquoi ai-je choisi d'étudier
09:24
this organ that is so awesome in its complexity
201
549000
3000
cet organe, si formidable dans sa complexité,
09:27
that it might well be infinite?
202
552000
2000
qu'il pourrait bien être infini?
09:29
It's absurd.
203
554000
2000
C'est absurde.
09:31
How could we even dare to think
204
556000
2000
Comment pourrions-nous même oser penser
09:33
that we might ever understand this?
205
558000
3000
que nous arriverons un jour à comprendre cela?
09:38
And yet, I persist in this quixotic endeavor.
206
563000
3000
Et pourtant, je m'obstine à lutter contre des moulins à vent.
09:41
And indeed, these days I harbor new hopes.
207
566000
3000
Et de fait, j'entretiens depuis peu de nouveaux espoirs.
09:45
Someday,
208
570000
2000
Un jour,
09:47
a fleet of microscopes will capture
209
572000
2000
un équipement de microscopes capturera
09:49
every neuron and every synapse
210
574000
2000
chaque neurone et chaque synapse
09:51
in a vast database of images.
211
576000
3000
et le stockera dans une énorme base de données d'images.
09:54
And some day, artificially intelligent supercomputers
212
579000
3000
Et un jour, des super ordinateurs à intelligence artificielle
09:57
will analyze the images without human assistance
213
582000
3000
analyseront les images sans l'aide des humains
10:00
to summarize them in a connectome.
214
585000
3000
pour les synthétiser en un connectome.
10:04
I do not know, but I hope that I will live to see that day,
215
589000
3000
Je ne sais pas si cela sera possible, mais j'espère que je vivrai assez longtemps pour voir ce jour.
10:08
because finding an entire human connectome
216
593000
2000
Parce que trouver un connectome humain en eniter
10:10
is one of the greatest technological challenges of all time.
217
595000
3000
est l'un des plus grands défis technologiques de tous les temps.
10:13
It will take the work of generations to succeed.
218
598000
3000
Cela demandera le travail de plusieurs générations pour y arriver.
10:17
At the present time, my collaborators and I,
219
602000
3000
Actuellement, mes collaborateurs et moi-même,
10:20
what we're aiming for is much more modest --
220
605000
2000
visons quelque chose de bien plus modeste --
10:22
just to find partial connectomes
221
607000
2000
seulement trouver des connectomes partiels
10:24
of tiny chunks of mouse and human brain.
222
609000
3000
de petits morceaux de cerveaux de souris et d'humains.
10:27
But even that will be enough for the first tests of this hypothesis
223
612000
3000
Mais même cela suffirait pour les premières mises à l'épreuve de l'hypothèse
10:30
that I am my connectome.
224
615000
3000
qui affirme que je suis mon connectome.
10:35
For now, let me try to convince you of the plausibility of this hypothesis,
225
620000
3000
Pour le moment, laissez-moi vous convaincre de la plausibilité de cette hypothèse,
10:38
that it's actually worth taking seriously.
226
623000
3000
et qu'elle vaut vraiment la peine qu'on la prenne au sérieux.
10:42
As you grow during childhood
227
627000
2000
Pendant que vous grandissez dans votre enfance
10:44
and age during adulthood,
228
629000
3000
et que vous murissez à l'âge adulte,
10:47
your personal identity changes slowly.
229
632000
3000
votre identité change doucement.
10:50
Likewise, every connectome
230
635000
2000
De même, chaque connectome
10:52
changes over time.
231
637000
2000
change à travers le temps.
10:55
What kinds of changes happen?
232
640000
2000
De quelle sorte de changements s'agit-il?
10:57
Well, neurons, like trees,
233
642000
2000
Eh bien, les neurones, comme les arbres,
10:59
can grow new branches,
234
644000
2000
peuvent avoir de nouvelles branches qui poussent
11:01
and they can lose old ones.
235
646000
3000
et en perdre des anciennes.
11:04
Synapses can be created,
236
649000
3000
Des synapses peuvent être créées
11:07
and they can be eliminated.
237
652000
3000
puis éliminées.
11:10
And synapses can grow larger,
238
655000
2000
Et les synapses peuvent s'agrandirent
11:12
and they can grow smaller.
239
657000
3000
et rapetisser.
11:15
Second question:
240
660000
2000
Deuxième question :
11:17
what causes these changes?
241
662000
3000
qu'est-ce qui cause ces changements?
11:20
Well, it's true.
242
665000
2000
Eh bien, c'est vrai.
11:22
To some extent, they are programmed by your genes.
243
667000
3000
D'une certaine manière, ils sont programmés par vos gènes.
11:25
But that's not the whole story,
244
670000
2000
Mais l'histoire ne s'arrête pas là,
11:27
because there are signals, electrical signals,
245
672000
2000
parce que ce sont des signaux, des signaux électriques
11:29
that travel along the branches of neurons
246
674000
2000
qui voyagent le long des branches de neurones
11:31
and chemical signals
247
676000
2000
et des signaux chimiques
11:33
that jump across from branch to branch.
248
678000
2000
qui sautent d'une branche à une autre.
11:35
These signals are called neural activity.
249
680000
3000
On appelle ces signaux l'activité cérébrale.
11:38
And there's a lot of evidence
250
683000
2000
Il y a beaucoup à parier
11:40
that neural activity
251
685000
3000
que l'activité cérébrale
11:43
is encoding our thoughts, feelings and perceptions,
252
688000
3000
encode nos pensées, sentiments et perceptions,
11:46
our mental experiences.
253
691000
2000
nos expériences mentales.
11:48
And there's a lot of evidence that neural activity
254
693000
3000
Et il y a beaucoup à parier que l'activité cérébrale
11:51
can cause your connections to change.
255
696000
3000
puisse amener vos connexions à changer.
11:54
And if you put those two facts together,
256
699000
3000
Et si vous on rassemble ces deux faits
11:57
it means that your experiences
257
702000
2000
on comprends que vos expériences
11:59
can change your connectome.
258
704000
3000
peuvent changer votre connectome.
12:02
And that's why every connectome is unique,
259
707000
2000
C'est pour cela que chaque connectome est unique,
12:04
even those of genetically identical twins.
260
709000
3000
même ceux de jumeaux identiques génétiquement.
12:08
The connectome is where nature meets nurture.
261
713000
3000
Le connectome est ce lieu où l'acquis rencontre l'inné.
12:12
And it might true
262
717000
2000
Et il peut être vrai
12:14
that just the mere act of thinking
263
719000
2000
que le simple fait de penser
12:16
can change your connectome --
264
721000
2000
change votre connectome --
12:18
an idea that you may find empowering.
265
723000
3000
une idée que vous trouverez sans doute stimulante.
12:24
What's in this picture?
266
729000
2000
Qu'y a-t-il dans cette image?
12:28
A cool and refreshing stream of water, you say.
267
733000
3000
D'après vous, un courant d'eau froid et revigorant.
12:32
What else is in this picture?
268
737000
2000
Qu'y a-t-il d'autre dans cette image?
12:37
Do not forget that groove in the Earth
269
742000
2000
N'oubliez pas ce sillon dans la terre
12:39
called the stream bed.
270
744000
3000
qu'on appelle le lit de la rivière.
12:42
Without it, the water would not know in which direction to flow.
271
747000
3000
Sans lui, l'eau ne saurait pas dans quelle direction s'écouler.
12:45
And with the stream,
272
750000
2000
Et avec l'idée de courant,
12:47
I would like to propose a metaphor
273
752000
2000
j'aimerais proposer une métaphore
12:49
for the relationship between neural activity
274
754000
2000
pour désigner la relation entre l'activité neuronale
12:51
and connectivity.
275
756000
2000
et la connectivité.
12:54
Neural activity is constantly changing.
276
759000
3000
L'activité neuronale change constamment.
12:57
It's like the water of the stream; it never sits still.
277
762000
3000
C'est comme l'eau d'un courant; il ne reste jamais en place.
13:00
The connections
278
765000
2000
Les connexions
13:02
of the brain's neural network
279
767000
2000
du réseau neuronal du cerveau
13:04
determines the pathways
280
769000
2000
déterminent les chemins
13:06
along which neural activity flows.
281
771000
2000
que vont emprunter les flux d'activité cérébrale.
13:08
And so the connectome is like bed of the stream;
282
773000
3000
Et donc le connectome est comme le lit de la rivière.
13:13
but the metaphor is richer than that,
283
778000
3000
Mais la métaphore est plus riche que cela.
13:16
because it's true that the stream bed
284
781000
3000
Parce que s'il est vrai que le lit de la rivière
13:19
guides the flow of the water,
285
784000
2000
guide les flots de l'eau,
13:21
but over long timescales,
286
786000
2000
il faut dire aussi que sur un long terme
13:23
the water also reshapes the bed of the stream.
287
788000
3000
l'eau à son tour remodèle le lit de la rivière.
13:26
And as I told you just now,
288
791000
2000
Et comme je vous le disais justement,
13:28
neural activity can change the connectome.
289
793000
3000
l'activité neuronal peut changer le connectome.
13:33
And if you'll allow me to ascend
290
798000
2000
Et si vous m'autorisez à gravir
13:35
to metaphorical heights,
291
800000
3000
les hautes cimes de la métaphore,
13:38
I will remind you that neural activity
292
803000
3000
je vous rappellerais que l'activité neuronale
13:41
is the physical basis -- or so neuroscientists think --
293
806000
2000
est le fondement physique -- du moins c'est ce que pensent les neuroscientifiques --
13:43
of thoughts, feelings and perceptions.
294
808000
3000
des pensées, des sentiments et des perceptions.
13:46
And so we might even speak of
295
811000
2000
Nous pouvons donc même parler
13:48
the stream of consciousness.
296
813000
2000
d'un flux de conscience (stream of consciousness).
13:50
Neural activity is its water,
297
815000
3000
L'activité neuronale est son cours d'eau,
13:53
and the connectome is its bed.
298
818000
3000
et le connectome son lit.
13:57
So let's return from the heights of metaphor
299
822000
2000
Quittons donc ces hauts sommets de la métaphore
13:59
and return to science.
300
824000
2000
et retournons à la science.
14:01
Suppose our technologies for finding connectomes
301
826000
2000
Supposez que les technologies qui nous permettent de trouver des connectomes
14:03
actually work.
302
828000
2000
marchent vraiment.
14:05
How will we go about testing the hypothesis
303
830000
2000
Comment nous y prendrons-nous pour mettre à l'épreuve l'hypothèse selon laquelle
14:07
"I am my connectome?"
304
832000
3000
"Je suis mon connectome"?
14:10
Well, I propose a direct test.
305
835000
3000
Eh bien je vous propose un test en direct.
14:13
Let us attempt
306
838000
2000
Essayons
14:15
to read out memories from connectomes.
307
840000
3000
de déchiffrer des souvenirs depuis des connectomes.
14:18
Consider the memory
308
843000
2000
Examinez le souvenir
14:20
of long temporal sequences of movements,
309
845000
3000
de longues séquences temporelles de mouvements
14:23
like a pianist playing a Beethoven sonata.
310
848000
3000
comme un pianiste jouant une sonate de Beethoven.
14:26
According to a theory that dates back to the 19th century,
311
851000
3000
Selon une théorie qui remonte au 19°siècle,
14:29
such memories are stored
312
854000
2000
des souvenirs comme cela sont stockés
14:31
as chains of synaptic connections inside your brain.
313
856000
3000
dans nos cerveaux sous formes de connexions synaptiques.
14:35
Because, if the first neurons in the chain are activated,
314
860000
3000
Parce que, si les premiers neurones dans la chaîne sont activés,
14:38
through their synapses they send messages to the second neurons, which are activated,
315
863000
3000
ils envoient des messages par leurs synapses aux seconds neurones, qui sont activés,
14:41
and so on down the line,
316
866000
2000
et cela se poursuit ainsi sur toute la ligne,
14:43
like a chain of falling dominoes.
317
868000
2000
un peu comme une chaîne de dominos qui s'écroulerait.
14:45
And this sequence of neural activation
318
870000
2000
Et cette séquence d'activation neuronale
14:47
is hypothesized to be the neural basis
319
872000
3000
est envisagée hypothétiquement comme étant la base neuronale
14:50
of those sequence of movements.
320
875000
2000
de ces séquences de mouvements.
14:52
So one way of trying to test the theory
321
877000
2000
Aussi un des moyens d'essayer de tester cette théorie
14:54
is to look for such chains
322
879000
2000
consiste à chercher ce genre de chaînes
14:56
inside connectomes.
323
881000
2000
à l'intérieur des connectomes.
14:58
But it won't be easy, because they're not going to look like this.
324
883000
3000
Mais ce ne sera pas facile, parce qu'elles ne ressembleront pas à ça.
15:01
They're going to be scrambled up.
325
886000
2000
Elles seront toutes emmêlées.
15:03
So we'll have to use our computers
326
888000
2000
On va donc devoir utiliser nos ordinateurs
15:05
to try to unscramble the chain.
327
890000
3000
pour essayer de démêler les chaînes.
15:08
And if we can do that,
328
893000
2000
Et si on arrive à faire ça,
15:10
the sequence of the neurons we recover from that unscrambling
329
895000
3000
la séquence de neurones que nous récupèrerons
15:13
will be a prediction of the pattern of neural activity
330
898000
3000
sera une prédiction du modèle de l'activité neuronale
15:16
that is replayed in the brain during memory recall.
331
901000
3000
qui est rejouée dans le cerveau lors de la recollection des souvenirs.
15:19
And if that were successful,
332
904000
2000
Et si cela s'avérait être une réussite,
15:21
that would be the first example of reading a memory from a connectome.
333
906000
3000
cela serait le premier exemple d'une lecture de souvenirs à partir d'un connectome.
15:28
(Laughter)
334
913000
2000
(Rires)
15:30
What a mess --
335
915000
2000
Quel bazard.
15:33
have you ever tried to wire up a system
336
918000
2000
Avez-vous déjà essayé de faire les branchements d'un système
15:35
as complex as this?
337
920000
2000
aussi complexe que celui-ci?
15:37
I hope not.
338
922000
2000
J'espère que non.
15:39
But if you have, you know it's very easy to make a mistake.
339
924000
3000
Mais si jamais c'est le cas, vous savez comme il peut être facile de faire une erreur.
15:45
The branches of neurons are like the wires of the brain.
340
930000
2000
Les branchements des neurones sont comme les fils électriques du cerveau.
15:47
Can anyone guess: what's the total length of wires in your brain?
341
932000
4000
Est-ce que quelqu'un peut deviner ça : quelle est la longueur totale des fils dans notre cerveau?
15:54
I'll give you a hint. It's a big number.
342
939000
2000
Je vous donne un indice. C'est un nombre très grand.
15:56
(Laughter)
343
941000
2000
(Rires)
15:59
I estimate, millions of miles,
344
944000
3000
Je l'estime à des millions de miles.
16:02
all packed in your skull.
345
947000
3000
Tout empaqueté dans notre boîte crânienne.
16:05
And if you appreciate that number,
346
950000
2000
Et si vous arrivez à estimer ce nombre,
16:07
you can easily see
347
952000
2000
vous pouvez facilement comprendre
16:09
there is huge potential for mis-wiring of the brain.
348
954000
2000
qu'il y a une immense probabilité pour qu'il y ait de mauvaises connexions dans le cerveau.
16:11
And indeed, the popular press loves headlines like,
349
956000
3000
Et en effet, la presse populaire adore les gros titres du genre
16:14
"Anorexic brains are wired differently,"
350
959000
2000
"Le cerveau des anorexiques est connecté différemment"
16:16
or "Autistic brains are wired differently."
351
961000
2000
ou "Le cerveau des autistes est connecté différement".
16:18
These are plausible claims,
352
963000
2000
Ce sont des affirmations plausibles
16:20
but in truth,
353
965000
2000
mais, en vérité,
16:22
we can't see the brain's wiring clearly enough
354
967000
2000
on n'est pas capable de regarder le "câblage" du cerveau assez clairement
16:24
to tell if these are really true.
355
969000
2000
pour dire si elles sont vraies.
16:26
And so the technologies for seeing connectomes
356
971000
3000
Donc les technologies qui visent à observer des connectomes
16:29
will allow us to finally
357
974000
2000
nous permettrons en fin de compte
16:31
read mis-wiring of the brain,
358
976000
2000
de déchiffrer les erreurs de câblage dans le cerveau,
16:33
to see mental disorders in connectomes.
359
978000
3000
de repérer les désordres mentaux dans les connectomes.
16:40
Sometimes the best way to test a hypothesis
360
985000
3000
Parfois le meilleur moyen de tester une hypothèse
16:43
is to consider its most extreme implication.
361
988000
3000
est de la considérer dans ce qu'elle implique de plus extrême.
16:46
Philosophers know this game very well.
362
991000
3000
Les philosophes connaissent très bien ce jeu.
16:50
If you believe that I am my connectome,
363
995000
3000
Si vous pensez que je suis mon connectome,
16:53
I think you must also accept the idea
364
998000
3000
je pense que vous devrez aussi accepter l'idée
16:56
that death is the destruction
365
1001000
2000
que la mort entraîne la destruction
16:58
of your connectome.
366
1003000
3000
de votre connectome.
17:02
I mention this because there are prophets today
367
1007000
3000
Je me permets de mentionner cela parce qu'il y a des prophètes aujourd'hui
17:05
who claim that technology
368
1010000
3000
qui affirment que la technologie
17:08
will fundamentally alter the human condition
369
1013000
3000
finira par modifier fondamentalement la condition humaine
17:11
and perhaps even transform the human species.
370
1016000
3000
et peut-être même par transformer l'espèce humaine.
17:14
One of their most cherished dreams
371
1019000
3000
Un de leurs rêves les plus tendres
17:17
is to cheat death
372
1022000
2000
est de tromper la mort
17:19
by that practice known as cryonics.
373
1024000
2000
grâce à cette pratique connue sous le nom de cryonie.
17:21
If you pay 100,000 dollars,
374
1026000
2000
Pour 100 000 dollars,
17:23
you can arrange to have your body frozen after death
375
1028000
3000
vous pouvez vous arranger pour qu'on congèle votre corps après votre mort
17:26
and stored in liquid nitrogen
376
1031000
2000
et pour qu'on le place dans de l'azote liquide
17:28
in one of these tanks in an Arizona warehouse,
377
1033000
2000
dans un de ces aquariums dans un entrepôt en Arizona
17:30
awaiting a future civilization
378
1035000
2000
dans l'attente d'une civilisation future
17:32
that is advanced to resurrect you.
379
1037000
3000
assez avancée pour pouvoir vous ressusciter.
17:36
Should we ridicule the modern seekers of immortality,
380
1041000
2000
Devons-nous tourner en ridicule les chercheurs d'immortalité des temps modernes,
17:38
calling them fools?
381
1043000
2000
et les appeler idiots?
17:40
Or will they someday chuckle
382
1045000
2000
Ou bien reviendront-ils un jour ricaner
17:42
over our graves?
383
1047000
2000
au-dessus de nos tombes?
17:45
I don't know --
384
1050000
2000
Je ne sais pas.
17:47
I prefer to test their beliefs, scientifically.
385
1052000
3000
Je préfère mettre à l'épreuve leurs croyances, scientifiquement.
17:50
I propose that we attempt to find a connectome
386
1055000
2000
Je propose que nous essayions de trouver un connectome
17:52
of a frozen brain.
387
1057000
2000
d'un cerveau congelé.
17:54
We know that damage to the brain
388
1059000
2000
Nous savons que des dommages sont infligés au cerveau
17:56
occurs after death and during freezing.
389
1061000
2000
après la mort et pendant le refroidissement du cadavre.
17:58
The question is: has that damage erased the connectome?
390
1063000
3000
La question est : est-ce que ces dommages effacent le connectome?
18:01
If it has, there is no way that any future civilization
391
1066000
3000
Si c'est le cas, il n'y a aucun moyen pour qu'une civilisation du future
18:04
will be able to recover the memories of these frozen brains.
392
1069000
3000
soit cabale de récupérer les souvenirs de ces cerveaux congelés.
18:07
Resurrection might succeed for the body,
393
1072000
2000
La résurrection pourrait bien fonctionner pour le corps,
18:09
but not for the mind.
394
1074000
2000
mais pas pour l'esprit.
18:11
On the other hand, if the connectome is still intact,
395
1076000
3000
D'un autre côté, si le connectome est toujours intact,
18:14
we cannot ridicule the claims of cryonics so easily.
396
1079000
3000
on ne peut pas ridiculiser les affirmations des partisans de la cryonie si facilement.
18:20
I've described a quest
397
1085000
2000
J'ai décrit une quête
18:22
that begins in the world of the very small,
398
1087000
3000
qui commence dans le monde de l'infiniment petit
18:25
and propels us to the world of the far future.
399
1090000
3000
et finit par nous propulser dans le monde d'un futur très éloigné.
18:28
Connectomes will mark a turning point in human history.
400
1093000
3000
Les connectomes marqueront un tournant dans l'histoire de l'humanité.
18:32
As we evolved from our ape-like ancestors
401
1097000
2000
Alors que nous nous émancipions de la condition de nos ancêtres à l'apparence de singes
18:34
on the African savanna,
402
1099000
2000
dans la savane africaine,
18:36
what distinguished us was our larger brains.
403
1101000
3000
ce qui nous distinguait, c'était nos cerveaux plus larges.
18:40
We have used our brains to fashion
404
1105000
2000
Nous avons utilisé nos cerveaux pour concevoir
18:42
ever more amazing technologies.
405
1107000
3000
des technologies toujours plus incroyables.
18:45
Eventually, these technologies will become so powerful
406
1110000
3000
A la fin, ces technologies deviendront si puissantes
18:48
that we will use them to know ourselves
407
1113000
3000
que nous les utiliserons pour mieux nous connaître
18:51
by deconstructing and reconstructing
408
1116000
3000
en déconstruisant et reconstruisant
18:54
our own brains.
409
1119000
3000
nos propres cerveaux.
18:57
I believe that this voyage of self-discovery
410
1122000
3000
Je suis convaincu que cette aventure, qui nous permet de comprendre qui nous sommes,
19:00
is not just for scientists,
411
1125000
3000
n'est pas réservée qu'aux scientifiques
19:03
but for all of us.
412
1128000
2000
mais s'offre à chacun de nous.
19:05
And I'm grateful for the opportunity to share this voyage with you today.
413
1130000
3000
Et je suis reconnaissant d'avoir eu la chance de partager cette aventure avec vous aujourd'hui.
19:08
Thank you.
414
1133000
2000
Merci.
19:10
(Applause)
415
1135000
8000
(Applaudissements)
ABOUT THE SPEAKER
Sebastian Seung - Computational neuroscientistSebastian Seung is a leader in the new field of connectomics, currently the hottest space in neuroscience, which studies, in once-impossible detail, the wiring of the brain.
Why you should listen
In the brain, neurons are connected into a complex network. Sebastian Seung and his lab at MIT are inventing technologies for identifying and describing the connectome, the totality of connections between the brain's neurons -- think of it as the wiring diagram of the brain. We possess our entire genome at birth, but things like memories are not "stored" in the genome; they are acquired through life and accumulated in the brain. Seung's hypothesis is that "we are our connectome," that the connections among neurons is where memories and experiences get stored.
Seung and his collaborators, including Winfried Denk at the Max Planck Institute and Jeff Lichtman at Harvard University, are working on a plan to thin-slice a brain (probably starting with a mouse brain) and trace, from slice to slice, each neural pathway, exposing the wiring diagram of the brain and creating a powerful new way to visualize the workings of the mind. They're not the first to attempt something like this -- Sydney Brenner won a Nobel for mapping all the 7,000 connections in the nervous system of a tiny worm, C. elegans. But that took his team a dozen years, and the worm only had 302 nerve cells. One of Seung's breakthroughs is in using advanced imagining and AI to handle the crushing amount of data that a mouse brain will yield and turn it into richly visual maps that show the passageways of thought and sensation.
Sebastian Seung | Speaker | TED.com