TEDSalon London Spring 2011
Neil Burgess: How your brain tells you where you are
ניל ברג'ס: איך המוח שלכם אומר לכם היכן אתם נמצאים
Filmed:
Readability: 4.2
1,458,267 views
איך אתם זוכרים איפה החניתם את המכונית? איך אתם יודעים אם אתם נעים בכיוון הנכון? מדען המוח ניל ברג'ס חוקר את המנגנונים במוח אשר ממפים את המרחב סביבנו ואיך הם קשורים לזכרון ולדמיון.
Neil Burgess - Neuroscientist
At University College in London, Neil Burgess researches how patterns of electrical activity in brain cells guide us through space. Full bio
At University College in London, Neil Burgess researches how patterns of electrical activity in brain cells guide us through space. Full bio
Double-click the English transcript below to play the video.
00:15
When we park in a big parking lot,
0
0
2000
כשאנחנו חונים בחניון גדול,
00:17
how do we remember where we parked our car?
1
2000
2000
איך אנחנו זוכרים היכן חנינו?
00:19
Here's the problem facing Homer.
2
4000
3000
הנה הבעיה שעומדת לפני הומר.
00:22
And we're going to try to understand
3
7000
2000
ואנחנו עומדים לנסות להבין
00:24
what's happening in his brain.
4
9000
2000
מה קורה בתוך מוחו.
00:26
So we'll start with the hippocampus, shown in yellow,
5
11000
2000
אז נתחיל עם ההיפוקמפוס, שנראה בצהוב,
00:28
which is the organ of memory.
6
13000
2000
שזה האבר של הזיכרון.
00:30
If you have damage there, like in Alzheimer's,
7
15000
2000
אם יש לכם נזק שם, כמו באלצהיימר,
00:32
you can't remember things including where you parked your car.
8
17000
2000
אתם לא יכולים לזכור דברים כולל היכן החניתם את המכונית.
00:34
It's named after Latin for "seahorse,"
9
19000
2000
שמו בא מהמילה הלטינית ל"סוס-ים,"
00:36
which it resembles.
10
21000
2000
שלו הוא דומה.
00:38
And like the rest of the brain, it's made of neurons.
11
23000
2000
וכמו שאר המוח, הוא עשוי מנוירונים.
00:40
So the human brain
12
25000
2000
אז במוח האנושי
00:42
has about a hundred billion neurons in it.
13
27000
2000
יש בערך מאה מיליארד נוירונים.
00:44
And the neurons communicate with each other
14
29000
3000
והנוירונים מתקשרים זה עם זה
00:47
by sending little pulses or spikes of electricity
15
32000
2000
על ידי שליחת פעימות או קפיצות קטנות של חשמל
00:49
via connections to each other.
16
34000
2000
דרך החיבורים שביניהם.
00:51
The hippocampus is formed of two sheets of cells,
17
36000
3000
ההיפוקמפוס בנוי משתי שכבות של תאים,
00:54
which are very densely interconnected.
18
39000
2000
המחוברות זו לזו בצפיפות.
00:56
And scientists have begun to understand
19
41000
2000
והמדענים החלו להבין
00:58
how spatial memory works
20
43000
2000
איך עובד הזכרון המרחבי
01:00
by recording from individual neurons
21
45000
2000
על ידי הקלטות מנוירונים בודדים
01:02
in rats or mice
22
47000
2000
בחולדות או בעכברים
01:04
while they forage or explore an environment
23
49000
2000
כשהם מלקטים מזון או חוקרים את סביבתם
01:06
looking for food.
24
51000
2000
בחיפוש אחר מזון.
01:08
So we're going to imagine we're recording from a single neuron
25
53000
3000
הבה נדמיין לעצמנו שאנחנו מקליטים נוירון יחיד
01:11
in the hippocampus of this rat here.
26
56000
3000
בהיפוקמפוס של החולדה הזו.
01:14
And when it fires a little spike of electricity,
27
59000
2000
וכשהוא יורה זרם קטן של חשמל,
01:16
there's going to be a red dot and a click.
28
61000
3000
תופיע נקודה אדומה ויישמע קליק.
01:19
So what we see
29
64000
2000
אז מה שאנחנו רואים
01:21
is that this neuron knows
30
66000
2000
זה שהנוירון הזה יודע
01:23
whenever the rat has gone into one particular place in its environment.
31
68000
3000
מתי החולדה נכנסת למקום מסוים בסביבתה.
01:26
And it signals to the rest of the brain
32
71000
2000
והוא מאותת לשאר המוח
01:28
by sending a little electrical spike.
33
73000
3000
על ידי שיגור קפיצת זרם חשמלי.
01:31
So we could show the firing rate of that neuron
34
76000
3000
אנחנו יכולים להראות את קצב הירי של הנוירון
01:34
as a function of the animal's location.
35
79000
2000
כפונקציה של מיקום החיה.
01:36
And if we record from lots of different neurons,
36
81000
2000
ואם נקליט הרבה נוירונים שונים,
01:38
we'll see that different neurons fire
37
83000
2000
נראה ירי מנוירונים שונים
01:40
when the animal goes in different parts of its environment,
38
85000
2000
כשהחיה הולכת לאזורים שונים בסביבתה,
01:42
like in this square box shown here.
39
87000
2000
כמו בתיבה המרובעת שנראית כאן.
01:44
So together they form a map
40
89000
2000
וביחד הם יוצרים מפה
01:46
for the rest of the brain,
41
91000
2000
עבור שאר המוח,
01:48
telling the brain continually,
42
93000
2000
שמדווחת למוח ברציפות,
01:50
"Where am I now within my environment?"
43
95000
2000
"איפה אני עכשיו בסביבה שלי?"
01:52
Place cells are also being recorded in humans.
44
97000
3000
תאי המיקום מוקלטים גם אצל אנשים.
01:55
So epilepsy patients sometimes need
45
100000
2000
חולים במחלת הנפילה זקוקים לפעמים
01:57
the electrical activity in their brain monitoring.
46
102000
3000
לניטור של הפעילות החשמלית במוחם.
02:00
And some of these patients played a video game
47
105000
2000
וחלק מהחולים האלה שיחקו במשחק וידאו
02:02
where they drive around a small town.
48
107000
2000
שבו הם נוהגים בעיר קטנה.
02:04
And place cells in their hippocampi would fire, become active,
49
109000
3000
ותאי המיקום בהיפוקמפוס נדלקים ונעשים פעילים,
02:07
start sending electrical impulses
50
112000
3000
ומתחילים לשלוח פעימות חשמל
02:10
whenever they drove through a particular location in that town.
51
115000
3000
בכל פעם שעברו באזור מסוים באותה עיר.
02:13
So how does a place cell know
52
118000
2000
אז איך תא מיקום יודע
02:15
where the rat or person is within its environment?
53
120000
3000
איפה נמצאים החולדה או האדם בסביבה שלהם?
02:18
Well these two cells here
54
123000
2000
ובכן, שני התאים האלה
02:20
show us that the boundaries of the environment
55
125000
2000
מראים לנו שהגבולות של הסביבה
02:22
are particularly important.
56
127000
2000
חשובים במיוחד.
02:24
So the one on the top
57
129000
2000
התא העליון
02:26
likes to fire sort of midway between the walls
58
131000
2000
אוהב לירות בערך באמצע הדרך בין הדפנות
02:28
of the box that their rat's in.
59
133000
2000
של הקופסה בה נמצאת החולדה שלו.
02:30
And when you expand the box, the firing location expands.
60
135000
3000
וכשמרחיבים את התיבה, מתרחב אזור הירי.
02:33
The one below likes to fire
61
138000
2000
התא התחתון אוהב לירות
02:35
whenever there's a wall close by to the south.
62
140000
3000
בכל פעם שיש דופן דרומית קרובה.
02:38
And if you put another wall inside the box,
63
143000
2000
ואם מציבים דופן נוספת בקופסה,
02:40
then the cell fires in both place
64
145000
2000
התא יורה בשני המקומות
02:42
wherever there's a wall to the south
65
147000
2000
בכל מקום שיש דופן דרומית
02:44
as the animal explores around in its box.
66
149000
3000
כשהחיה חוקרת את הסביבה בתיבה שלה.
02:48
So this predicts
67
153000
2000
אז זה חוזה
02:50
that sensing the distances and directions of boundaries around you --
68
155000
2000
את חישת המרחקים והכיוונים של הגבולות מסביב--
02:52
extended buildings and so on --
69
157000
2000
בניינים מוארכים וכו' --
02:54
is particularly important for the hippocampus.
70
159000
3000
שחשובה במיוחד להיפוקמפוס.
02:57
And indeed, on the inputs to the hippocampus,
71
162000
2000
ובאמת, בכניסות הקלט של ההיפוקמפוס,
02:59
cells are found which project into the hippocampus,
72
164000
2000
נמצאים תאים שמקרינים לתוך ההיפוקמפוס,
03:01
which do respond exactly
73
166000
2000
שאכן מגיב בדיוק
03:03
to detecting boundaries or edges
74
168000
3000
לגילוי של גבולות או שוליים
03:06
at particular distances and directions
75
171000
2000
במרחקים וכיוונים מסויימים
03:08
from the rat or mouse
76
173000
2000
מהחולדה או העכבר
03:10
as it's exploring around.
77
175000
2000
כשהם חוקרים את הסביבה.
03:12
So the cell on the left, you can see,
78
177000
2000
והתא מימין, כפי שאתם רואים,
03:14
it fires whenever the animal gets near
79
179000
2000
יורה בכל פעם שהחיה מתקרבת
03:16
to a wall or a boundary to the east,
80
181000
3000
לדופן או לגבול במזרח,
03:19
whether it's the edge or the wall of a square box
81
184000
3000
אם זה הקצה או הדופן של תיבה מרובעת
03:22
or the circular wall of the circular box
82
187000
2000
או הדופן המעוגלת של תיבה עגולה
03:24
or even the drop at the edge of a table, which the animals are running around.
83
189000
3000
או אפילו המדרגה בקצה השולחן, שהחיות רצות עליה.
03:27
And the cell on the right there
84
192000
2000
והתא שם מימין
03:29
fires whenever there's a boundary to the south,
85
194000
2000
יורה בכל פעם שיש גבול בדרום,
03:31
whether it's the drop at the edge of the table or a wall
86
196000
2000
אם זו המדרגה בקצה השולחן או אם זו דופן
03:33
or even the gap between two tables that are pulled apart.
87
198000
3000
או אפילו רווח בין שני שולחנות שהורחקו זה מזה.
03:36
So that's one way in which we think
88
201000
2000
אז זו דרך אחת בה אנחנו חושבים
03:38
place cells determine where the animal is as it's exploring around.
89
203000
3000
שתאי המיקום קובעים היכן החיה כשהיא בודקת את הסביבה.
03:41
We can also test where we think objects are,
90
206000
3000
אנחנו גם יכולים לבדוק היכן לדעתנו חפצים נמצאים,
03:44
like this goal flag, in simple environments --
91
209000
3000
כמו דגל-מטרה זה, בסביבות פשוטות --
03:47
or indeed, where your car would be.
92
212000
2000
או באמת איפה יכולה להימצא המכונית.
03:49
So we can have people explore an environment
93
214000
3000
אז אנחנו יכולים לאפשר לאנשים לחקור את סביבתם
03:52
and see the location they have to remember.
94
217000
3000
ולראות את המיקום שהם צריכים לזכור.
03:55
And then, if we put them back in the environment,
95
220000
2000
ואז, אם נחזיר אותם לאותה סביבה,
03:57
generally they're quite good at putting a marker down
96
222000
2000
הם בד"כ מצליחים לא רע להניח סמן
03:59
where they thought that flag or their car was.
97
224000
3000
היכן שחשבו שנמצאים דגל המטרה או המכונית שלהם.
04:02
But on some trials,
98
227000
2000
אבל בכמה ניסויים,
04:04
we could change the shape and size of the environment
99
229000
2000
יכולנו לשנות את צורת וגודל הסביבה
04:06
like we did with the place cell.
100
231000
2000
כמו שעשינו עם תא המיקום.
04:08
In that case, we can see
101
233000
2000
במקרה ההוא, אנחנו יכולים לראות
04:10
how where they think the flag had been changes
102
235000
3000
איך משתנה לדעתם מיקום הדגל
04:13
as a function of how you change the shape and size of the environment.
103
238000
3000
כפונקציה של שינוי צורת וגודל הסביבה.
04:16
And what you see, for example,
104
241000
2000
ומה שאתם רואים, לדוגמה,
04:18
if the flag was where that cross was in a small square environment,
105
243000
3000
זה שהדגל הוא היכן שהצלב היה בסביבה קטנה וריבועית,
04:21
and then if you ask people where it was,
106
246000
2000
אך אם תשאלו אנשים היכן הוא היה,
04:23
but you've made the environment bigger,
107
248000
2000
אבל הגדלתם את הסביבה,
04:25
where they think the flag had been
108
250000
2000
המקום בו הם חושבים שהדגל היה
04:27
stretches out in exactly the same way
109
252000
2000
מתרחק בדיוק באותה דרך
04:29
that the place cell firing stretched out.
110
254000
2000
שמתרחק תא המיקום שיורה.
04:31
It's as if you remember where the flag was
111
256000
2000
זה כאילו אתם זוכרים איפה הדגל היה
04:33
by storing the pattern of firing across all of your place cells
112
258000
3000
ע"י שמירת תבנית הירי של כל תאי המיקום שלכם
04:36
at that location,
113
261000
2000
של אותה סביבה,
04:38
and then you can get back to that location
114
263000
2000
ואז אפשר לחזור למיקום ההוא
04:40
by moving around
115
265000
2000
על ידי תזוזה באזור
04:42
so that you best match the current pattern of firing of your place cells
116
267000
2000
וכך מתאמים את תבנית הירי הנוכחית של תאי המיקום
04:44
with that stored pattern.
117
269000
2000
עם התבנית השמורה.
04:46
That guides you back to the location that you want to remember.
118
271000
3000
זה מנחה בחזרה למיקום שרוצים לזכור.
04:49
But we also know where we are through movement.
119
274000
3000
אבל אנחנו גם יודעים את המיקום שלנו באמצעות תנועה.
04:52
So if we take some outbound path --
120
277000
2000
כך שאם נבחר נתיב כלשהו שמוביל החוצה--
04:54
perhaps we park and we wander off --
121
279000
2000
למשל אם חונים ותועים בטיול שלנו--
04:56
we know because our own movements,
122
281000
2000
אנחנו יודעים הודות לתנועה שלנו,
04:58
which we can integrate over this path
123
283000
2000
שאותה אנו יכולים לשלב בנתיב הזה
05:00
roughly what the heading direction is to go back.
124
285000
2000
בערך מהו הכיוון בחזרה.
05:02
And place cells also get this kind of path integration input
125
287000
4000
ותאי מיקום מקבלים גם סוג כזה של מידע נתיבים משולב
05:06
from a kind of cell called a grid cell.
126
291000
3000
מסוג של תא שנקרא "תא מערך".
05:09
Now grid cells are found, again,
127
294000
2000
וגם תאי המערך נמצאים
05:11
on the inputs to the hippocampus,
128
296000
2000
בכניסות הקלט להיפוקמפוס,
05:13
and they're a bit like place cells.
129
298000
2000
והם קצת כמו תאי מיקום.
05:15
But now as the rat explores around,
130
300000
2000
אבל עכשיו, כשהחולדה חוקרת את הסביבה,
05:17
each individual cell fires
131
302000
2000
כל תא ותא יורים
05:19
in a whole array of different locations
132
304000
3000
במערך שלם של מיקומים שונים
05:22
which are laid out across the environment
133
307000
2000
שנפרשים במקביל לסביבה
05:24
in an amazingly regular triangular grid.
134
309000
3000
במערך טריאנגולציה רגיל להפליא.
05:29
And if you record from several grid cells --
135
314000
3000
ואם מקליטים מכמה תאי מערך --
05:32
shown here in different colors --
136
317000
2000
שנראים פה בצבעים שונים --
05:34
each one has a grid-like firing pattern across the environment,
137
319000
3000
לכל אחד יש תבנית ירי בצורת מערך מול הסביבה,
05:37
and each cell's grid-like firing pattern is shifted slightly
138
322000
3000
וכל מערך ירי של תא מוזח קלות
05:40
relative to the other cells.
139
325000
2000
יחסית לשאר התאים.
05:42
So the red one fires on this grid
140
327000
2000
אז האדום יורה במערך הזה
05:44
and the green one on this one and the blue on on this one.
141
329000
3000
והירוק בזה והכחול בזה.
05:47
So together, it's as if the rat
142
332000
3000
אז יחד זה כאילו שהחולדה
05:50
can put a virtual grid of firing locations
143
335000
2000
יכולה להציב מערך וירטואלי של מיקומי ירי
05:52
across its environment --
144
337000
2000
מול הסביבה שלה--
05:54
a bit like the latitude and longitude lines that you'd find on a map,
145
339000
3000
קצת כמו קווי האורך והרוחב במפה,
05:57
but using triangles.
146
342000
2000
אבל בעזרת משולשים.
05:59
And as it moves around,
147
344000
2000
וכשהיא זזה,
06:01
the electrical activity can pass
148
346000
2000
הפעילות החשמלית יכולה לעבור
06:03
from one of these cells to the next cell
149
348000
2000
מאחד התאים האלה אל התא הסמוך
06:05
to keep track of where it is,
150
350000
2000
כדי לעקוב אחרי המיקום שלה,
06:07
so that it can use its own movements
151
352000
2000
כך שהיא יכולה להשתמש בתנועות שלה עצמה
06:09
to know where it is in its environment.
152
354000
2000
כדי לדעת איפה היא נמצאת בסביבה.
06:11
Do people have grid cells?
153
356000
2000
האם לאנשים יש תאי מערך?
06:13
Well because all of the grid-like firing patterns
154
358000
2000
ובכן, בגלל שלכל תבניות הירי בצורת מערך
06:15
have the same axes of symmetry,
155
360000
2000
יש אותם צירי סימטריה,
06:17
the same orientations of grid, shown in orange here,
156
362000
3000
אותם כיוונים של המערך, שנראים כאן בכתום,
06:20
it means that the net activity
157
365000
2000
אומרים שהפעילות נטו
06:22
of all of the grid cells in a particular part of the brain
158
367000
3000
של כל תאי המערך בחלק מסוים של המוח
06:25
should change
159
370000
2000
אמורה להשתנות
06:27
according to whether we're running along these six directions
160
372000
2000
אם אנחנו רצים לאורך ששת הצירים האלה
06:29
or running along one of the six directions in between.
161
374000
3000
או רצים לאורך אחד מששת הצירים שביניהם.
06:32
So we can put people in an MRI scanner
162
377000
2000
אז אנחנו יכולים להכניס אנשים לסורק דימות מגנטי
06:34
and have them do a little video game
163
379000
2000
ולתת להם לשחק במשחק וידאו קטן
06:36
like the one I showed you
164
381000
2000
כמו זה שהראיתי לכם
06:38
and look for this signal.
165
383000
2000
ואז לחפש את האות הזה.
06:40
And indeed, you do see it in the human entorhinal cortex,
166
385000
3000
ובאמת רואים את זה בקליפה האנטורינית של מוח האדם,
06:43
which is the same part of the brain that you see grid cells in rats.
167
388000
3000
שהיא אותו חלק במוח בו רואים תאי מערך בחולדות.
06:46
So back to Homer.
168
391000
2000
וכעת נחזור להומר.
06:48
He's probably remembering where his car was
169
393000
2000
הוא כנראה נזכר איפה מכוניתו
06:50
in terms of the distances and directions
170
395000
2000
במונחים של מרחק וכיוון
06:52
to extended buildings and boundaries
171
397000
2000
אל בניינים מוארכים וגבולות
06:54
around the location where he parked.
172
399000
2000
מסביב למקום בו הוא חנה.
06:56
And that would be represented
173
401000
2000
וזה יהיה מיוצג
06:58
by the firing of boundary-detecting cells.
174
403000
2000
על ידי הירי של תאים מאתרי-קצוות.
07:00
He's also remembering the path he took out of the car park,
175
405000
3000
הוא גם זוכר את הדרך בה יצא מהחניון,
07:03
which would be represented in the firing of grid cells.
176
408000
3000
שמיוצגת בירי של תאי מערך.
07:06
Now both of these kinds of cells
177
411000
2000
ושני סוגי התאים
07:08
can make the place cells fire.
178
413000
2000
יכולים לגרום לתאי המיקום לירות.
07:10
And he can return to the location where he parked
179
415000
2000
והוא יכול לחזור למיקום בו חנה
07:12
by moving so as to find where it is
180
417000
3000
על ידי תזוזה שמטרתה למצוא את המיקום
07:15
that best matches the firing pattern
181
420000
2000
בדרך המתאימה ביותר לתבנית הירי
07:17
of the place cells in his brain currently
182
422000
2000
של תאי המיקום במוחו כרגע
07:19
with the stored pattern where he parked his car.
183
424000
3000
עם התבנית השמורה של המקום בו החנה את המכונית.
07:22
And that guides him back to that location
184
427000
2000
וזה מנחה אותו חזרה לאותו מיקום
07:24
irrespective of visual cues
185
429000
2000
בלי קשר לרמזים חזותיים
07:26
like whether his car's actually there.
186
431000
2000
כמו היכן המכונית באמת נמצאת.
07:28
Maybe it's been towed.
187
433000
2000
אולי היא נגררה
07:30
But he knows where it was, so he knows to go and get it.
188
435000
3000
אבל הוא יודע איפה היא היתה, לכן הוא יודע מאין להביא אותה.
07:33
So beyond spatial memory,
189
438000
2000
אז מעבר לזיכרון המרחבי,
07:35
if we look for this grid-like firing pattern
190
440000
2000
אם נחפש את תבנית הירי דמויית המערך
07:37
throughout the whole brain,
191
442000
2000
בכל המוח,
07:39
we see it in a whole series of locations
192
444000
3000
נראה אותה בסדרה שלמה של מיקומים
07:42
which are always active
193
447000
2000
שתמיד פעילים
07:44
when we do all kinds of autobiographical memory tasks,
194
449000
2000
כשאנחנו מבצעים כל מיני משימות זיכרון אוטוביוגרפיות,
07:46
like remembering the last time you went to a wedding, for example.
195
451000
3000
כמו להיזכר בפעם האחרונה שהלכנו לחתונה, לדוגמה.
07:49
So it may be that the neural mechanisms
196
454000
2000
אז ייתכן שהמנגנונים העיצביים
07:51
for representing the space around us
197
456000
3000
שקשורים לייצוג המרחב שסביבנו
07:54
are also used for generating visual imagery
198
459000
4000
משמשים גם ליצירת דימויים חזותיים
07:58
so that we can recreate the spatial scene, at least,
199
463000
3000
כדי שנוכל לפחות לשחזר את התמונה המרחבית,
08:01
of the events that have happened to us when we want to imagine them.
200
466000
3000
של הארועים שקרו לנו כשאנחנו רוצים לדמיין אותם.
08:04
So if this was happening,
201
469000
2000
אז אם זה היה קורה,
08:06
your memories could start by place cells activating each other
202
471000
3000
זכרונותיכם יכולים להתחיל בתאי מיקום שמפעילים זה את זה
08:09
via these dense interconnections
203
474000
2000
דרך הקישוריות הצפופה
08:11
and then reactivating boundary cells
204
476000
2000
ואז מפעילים מחדש תאי-גבול
08:13
to create the spatial structure
205
478000
2000
כדי ליצור את המבנה המרחבי
08:15
of the scene around your viewpoint.
206
480000
2000
של הסצנה שמסביב לנקודת הראיה שלכם.
08:17
And grid cells could move this viewpoint through that space.
207
482000
2000
ותאי המערך יזיזו את נקודת המבט במרחב.
08:19
Another kind of cell, head direction cells,
208
484000
2000
סוג נוסף של תא, תאי כיוון הראש,
08:21
which I didn't mention yet,
209
486000
2000
שלא הזכרתי עדיין,
08:23
they fire like a compass according to which way you're facing.
210
488000
3000
יורים כמו מצפן לפי הכיוון אליו הפנים מופנות.
08:26
They could define the viewing direction
211
491000
2000
הם יכולים להגדיר את כיוון הראיה
08:28
from which you want to generate an image for your visual imagery,
212
493000
3000
ממנו אתם רוצים ליצור תמונה עבור הדימוי החזותי שלכם,
08:31
so you can imagine what happened when you were at this wedding, for example.
213
496000
3000
ואז תוכלו לדמיין מה קרה כשהייתם באותה חתונה, לדוגמה.
08:34
So this is just one example
214
499000
2000
אז זו רק דוגמה אחת
08:36
of a new era really
215
501000
2000
לעידן חדש באמת
08:38
in cognitive neuroscience
216
503000
2000
במחקר הקוגניטיבי של מדעי המוח
08:40
where we're beginning to understand
217
505000
2000
שבו אנחנו מתחילים להבין
08:42
psychological processes
218
507000
2000
תהליכים פסיכולוגיים
08:44
like how you remember or imagine or even think
219
509000
3000
כמו איך זוכרים או מדמיינים או אפילו חושבים
08:47
in terms of the actions
220
512000
2000
במונחים של הפעולות
08:49
of the billions of individual neurons that make up our brains.
221
514000
3000
של מיליארדי נוירונים שונים שיוצרים את המוח שלנו.
08:52
Thank you very much.
222
517000
2000
תודה רבה לכם.
08:54
(Applause)
223
519000
3000
(מחיאות כפיים)
ABOUT THE SPEAKER
Neil Burgess - NeuroscientistAt University College in London, Neil Burgess researches how patterns of electrical activity in brain cells guide us through space.
Why you should listen
Neil Burgessis is deputy director of the Institute of Cognitive Neuroscience at University College London, where he investigates of the role of the hippocampus in spatial navigation and episodic memory. His research is directed at answering questions such as: How are locations represented, stored and used in the brain? What processes and which parts of the brain are involved in remembering the spatial and temporal context of everyday events, and in finding one's way about?
To explore this space, he and his team use a range of methods for gathering data, including pioneering uses of virtual reality, as well as computational modelling and electrophysiological analysis of the function of hippocampal neurons in the rat, functional imaging of human navigation, and neuropsychological experiments on spatial and episodic memory.
A parallel interest: Investigating our human short-term memory for serial order, or how we know our 123s.
Neil Burgess | Speaker | TED.com