TEDIndia 2009
Pawan Sinha: How brains learn to see
פאוואן סינהא על איך שהמוח לומד לראות
Filmed:
Readability: 4.5
939,209 views
פאוואן סינהא מפרט על מחקרו החדשני אודות התפתחות מערכת הראיה של המוח. סינהא וצוותו נותנים טיפולי חינם לתיקון ראיה לילדים שנולדו עיוורים, ואז חוקרים איך מוחותיהם לומדים לפרש מידע ויזואלי. המחקר מביא תובנות לתוך מדעי המוח, הנדסה ואפילו אוטיזם.
Pawan Sinha - Visual neuroscientist
Pawan Sinha researches how our brains interpret what our eyes see -- and uses that research to give blind children the gift of sight. Full bio
Pawan Sinha researches how our brains interpret what our eyes see -- and uses that research to give blind children the gift of sight. Full bio
Double-click the English transcript below to play the video.
00:15
If you are a blind child in India,
0
0
4000
אם אתה ילד עיוור בהודו,
00:19
you will very likely have to contend with
1
4000
3000
רוב הסיכויים שתצטרך להתמודד עם
00:22
at least two big pieces of bad news.
2
7000
3000
לפחות שתי חדשות רעות.
00:25
The first bad news
3
10000
2000
החדשה הרעה ראשונה
00:27
is that the chances of getting treatment
4
12000
3000
היא שהסיכוי לקבל טיפול
00:30
are extremely slim to none,
5
15000
3000
הוא קטן ביותר, עד אפסי,
00:33
and that's because most of the blindness
6
18000
2000
וזאת משום שרוב תוכניות הטיפול
00:35
alleviation programs in the country
7
20000
2000
בעיוורון במדינה
00:37
are focused on adults,
8
22000
2000
מכוונות למבוגרים,
00:39
and there are very, very few hospitals
9
24000
3000
ויש מעט מאוד בתי חולים
00:42
that are actually equipped to treat children.
10
27000
3000
שיש להם את הציוד הדרוש לטפל בילדים.
00:46
In fact, if you were to be treated,
11
31000
4000
למעשה, אם בכלל יטפלו בך,
00:51
you might well end up being treated
12
36000
3000
סביר שתטופל
00:54
by a person who has no medical credentials
13
39000
3000
על ידי אדם שאין לו שום השכלה רפואית,
00:57
as this case from Rajasthan illustrates.
14
42000
3000
כמו שהמקרה הזה מראג'סטאן ממחיש.
01:00
This is a three-year-old orphan girl
15
45000
2000
זוהי יתומה בת שלוש
01:02
who had cataracts.
16
47000
2000
שהיה לה קטרקט
01:04
So, her caretakers took her
17
49000
2000
ומטפליה לקחו אותה
01:06
to the village medicine man,
18
51000
2000
למרפא של הכפר.
01:08
and instead of suggesting to the caretakers
19
53000
3000
ובמקום שהוא יציע להם
01:11
that the girl be taken to a hospital,
20
56000
3000
לקחת אותה לבית חולים,
01:14
the person decided to burn her abdomen
21
59000
2000
הוא החליט לשרוף את בטנה
01:16
with red-hot iron bars
22
61000
2000
עם מוטות ברזל חמים
01:18
to drive out the demons.
23
63000
2000
על מנת לגרש את השדים.
01:20
The second piece of bad news
24
65000
3000
את החדשות הרעות הנוספות
01:23
will be delivered to you
25
68000
2000
תקבל מפי
01:25
by neuroscientists, who will tell you
26
70000
3000
מדעני מוח, שיגידו לך
01:28
that if you are older than four or five years of age,
27
73000
3000
שאם אתה מבוגר יותר מגיל ארבע או חמש,
01:31
that even if you have your eye corrected,
28
76000
3000
אז אפילו אם עיניך יתוקנו,
01:34
the chances of your brain learning how to see
29
79000
3000
הסיכויים שמוחך ילמד לראות
01:37
are very, very slim --
30
82000
2000
מאוד מאוד קלושים.
01:39
again, slim or none.
31
84000
3000
שוב, קלושים או אפסיים.
01:42
So when I heard these two things,
32
87000
2000
אז כששמעתי את שני הדברים הללו,
01:44
it troubled me deeply,
33
89000
2000
הם הטרידו אותי מאוד,
01:46
both because of personal reasons
34
91000
2000
הן מסיבות אישיות
01:48
and scientific reasons.
35
93000
2000
והן מסיבות מדעיות.
01:50
So let me first start with the personal reason.
36
95000
3000
תנו לי ראשית להתחיל מהסיבה האישית.
01:53
It'll sound corny, but it's sincere.
37
98000
3000
זה נשמע נדוש אבל זה כן.
01:56
That's my son, Darius.
38
101000
2000
זהו הבן שלי, דריוס.
01:58
As a new father,
39
103000
2000
כאב טרי,
02:00
I have a qualitatively different sense
40
105000
4000
יש לי תפיסה שונה איכותית
02:04
of just how delicate babies are,
41
109000
3000
על כמה עדינים הם התינוקות,
02:07
what our obligations are towards them
42
112000
3000
אילו התחייבות יש לנו כלפיהם,
02:10
and how much love
43
115000
2000
וכמה אהבה
02:12
we can feel towards a child.
44
117000
3000
אנו יכולים להרגיש כלפי ילד.
02:15
I would move heaven and earth
45
120000
2000
אני הייתי מזיז שמים וארץ
02:17
in order to get treatment for Darius,
46
122000
3000
על מנת להשיג טיפול לדריוס.
02:20
and for me to be told
47
125000
2000
וכשאומרים לי
02:22
that there might be other Dariuses
48
127000
2000
שישנם אולי דריוסים אחרים
02:24
who are not getting treatment,
49
129000
2000
שאינם מקבלים טיפול,
02:26
that's just viscerally wrong.
50
131000
3000
זה פשוט עוול נוראי.
02:29
So that's the personal reason.
51
134000
2000
אז זוהי הסיבה האישית.
02:31
Scientific reason is that this notion
52
136000
3000
הסיבה המדעית היא שאותה תפיסה
02:34
from neuroscience of critical periods --
53
139000
2000
של מדעי המוח, של תקופות קריטיות,
02:36
that if the brain is older
54
141000
3000
זו, שאם המוח מבוגר יותר
02:39
than four or five years of age,
55
144000
2000
מגיל ארבע או חמש
02:41
it loses its ability to learn --
56
146000
2000
הוא מאבד את יכולתו ללמוד,
02:43
that doesn't sit well with me,
57
148000
2000
זה לא מסתדר לי טוב,
02:45
because I don't think that idea
58
150000
2000
כי אני לא חושב שהנושא
02:47
has been tested adequately.
59
152000
3000
נבדק כהלכה.
02:50
The birth of the idea is from
60
155000
2000
הרעיון נולד מתוך
02:52
David Hubel and Torsten Wiesel's work,
61
157000
2000
עבודתם של דייויד הובל וטורסטן ויזל,
02:54
two researchers who were at Harvard,
62
159000
2000
שני חוקרים מהרווארד
02:56
and they got the Nobel Prize in 1981
63
161000
3000
שקיבלו פרס נובל ב-1981
02:59
for their studies of visual physiology,
64
164000
2000
על מחקריהם בתחום פיזיולוגיית הראייה,
03:01
which are remarkably beautiful studies,
65
166000
2000
שהם מחקרים מאוד יפים,
03:03
but I believe some of their work
66
168000
2000
אך אני מאמין שחלק מעבודתם
03:05
has been extrapolated
67
170000
2000
הושלכה
03:07
into the human domain prematurely.
68
172000
2000
על בני אדם בטרם עת.
03:09
So, they did their work with kittens,
69
174000
2000
הם ביצעו את עבודתם עם גורי חתולים,
03:11
with different kinds of deprivation regiments,
70
176000
2000
עם סוגים שונים של חסכים ויזואליים,
03:13
and those studies,
71
178000
2000
ומחקרים אלה,
03:15
which date back to the '60s,
72
180000
2000
שנערכו אי אז בשנות השישים,
03:17
are now being applied to human children.
73
182000
3000
מיושמים כעת על ילדים.
03:20
So I felt that I needed to do two things.
74
185000
3000
אז הרגשתי שאני צריך לעשות שני דברים.
03:23
One: provide care
75
188000
3000
האחד: לספק טיפול
03:26
to children who are currently
76
191000
2000
לילדים שכרגע
03:28
being deprived of treatment.
77
193000
2000
נמנע מהם טיפול.
03:30
That's the humanitarian mission.
78
195000
2000
זוהי השליחות ההומניטרית.
03:32
And the scientific mission would be
79
197000
2000
והשליחות המדעית הינה
03:34
to test the limits
80
199000
2000
לבדוק את הגבולות
03:36
of visual plasticity.
81
201000
2000
של פלאסטיות הראיה.
03:38
And these two missions, as you can tell,
82
203000
3000
שתי השליחויות הללו, כפי שאתם בוודאי רואים,
03:41
thread together perfectly. One adds to the other;
83
206000
3000
משתלבות זו בזו היטב, אחת מוסיפה לשניה.
03:44
in fact, one would be impossible without the other.
84
209000
3000
למעשה, אחת הייתה בלתי אפשרית בלי השניה.
03:49
So, to implement
85
214000
2000
אז, על מנת לממש
03:51
these twin missions,
86
216000
2000
את השליחויות התאומות הללו
03:53
a few years ago, I launched Project Prakash.
87
218000
3000
השקתי לפני כמה שנים את הפרויקט "פראקאש".
03:56
Prakash, as many of you know,
88
221000
2000
"פראקאש", כפי שרבים ודאי יודעים,
03:58
is the Sanskrit word for light,
89
223000
2000
היא המילה בסנסקריט שפירושה אור
04:00
and the idea is that
90
225000
2000
והרעיון הוא
04:02
in bringing light into the lives of children,
91
227000
3000
שבהביאנו אור לחייהם של ילדים,
04:05
we also have a chance
92
230000
2000
יש לנו סיכוי גם
04:07
of shedding light on some of the
93
232000
2000
להטיל אור על כמה
04:09
deepest mysteries of neuroscience.
94
234000
3000
מהתעלומות העמוקות ביותר של מדעי המוח.
04:12
And the logo -- even though it looks extremely Irish,
95
237000
3000
והלוגו, למרות שהוא נראה מאוד אירי,
04:15
it's actually derived from
96
240000
2000
למעשה לקוח מתוך
04:17
the Indian symbol of Diya, an earthen lamp.
97
242000
4000
הסמל ההודי "דיאה", מנורת עפר.
04:21
The Prakash, the overall effort
98
246000
3000
"פראקאש", המאמץ הכולל,
04:24
has three components:
99
249000
2000
בנוי משלושה חלקים.
04:26
outreach, to identify children in need of care;
100
251000
4000
הושטת יד, זיהוי ילדים הזקוקים לטיפול,
04:30
medical treatment; and in subsequent study.
101
255000
3000
טיפול רפואי, ומחקר.
04:33
And I want to show you a short video clip
102
258000
3000
אני רוצה להראות לכם סרטון קצר
04:36
that illustrates the first two components of this work.
103
261000
3000
שימחיש את שני המרכיבים הראשונים של עבודה זו.
04:41
This is an outreach station
104
266000
2000
זוהי תחנה של הושטת יד,
04:43
conducted at a school for the blind.
105
268000
3000
שהוקמה בבית ספר לעיוורים.
04:46
(Text: Most of the children are profoundly and permanently blind ...)
106
271000
5000
(כתובית: רוב הילדים עיוורים לתמיד ...)
04:51
Pawan Sinha: So, because this is a school for the blind,
107
276000
5000
משום שזהו בית ספר לעיוורים,
04:56
many children have permanent conditions.
108
281000
2000
הרבה ילדים סובלים מבעיות כרוניות.
04:58
That's a case of microphthalmos,
109
283000
3000
זהו מקרה של מיקרופטלמוס,
05:01
which is malformed eyes,
110
286000
2000
עין שצורתה מעוותת,
05:03
and that's a permanent condition;
111
288000
2000
וזהו מצב תמידי.
05:05
it cannot be treated.
112
290000
2000
לא ניתן לטפל בו.
05:07
That's an extreme of micropthalmos
113
292000
2000
זהו מקרה קיצוני של מיקרופטלמוס,
05:09
called enophthalmos.
114
294000
2000
שנקרא אנופטלמוס.
05:11
But, every so often, we come across children
115
296000
2000
אבל, מדי פעם, אנו נתקלים בילדים,
05:13
who show some residual vision,
116
298000
3000
שמראים שרידי ראיה,
05:16
and that is a very good sign
117
301000
3000
וזהו סימן מאוד טוב לכך
05:19
that the condition might actually be treatable.
118
304000
2000
שאולי ניתן לטפל במצב.
05:21
So, after that screening, we bring the children to the hospital.
119
306000
3000
אם כן, אחרי המיון, אנו מביאים את הילדים לבית החולים.
05:24
That's the hospital we're working with in Delhi,
120
309000
2000
זהו בית החולים שאנו עובדים איתו בדלהי,
05:26
the Schroff Charity Eye Hospital.
121
311000
3000
בית חולים צדקה לעיניים, ע"ש שרוף.
05:29
It has a very well-equipped
122
314000
2000
יש בו מרכז מצויד היטב
05:31
pediatric ophthalmic center,
123
316000
3000
לטיפול במחלות עיניים בילדים,
05:35
which was made possible in part
124
320000
2000
שהתאפשר, חלקית,
05:37
by a gift from the Ronald McDonald charity.
125
322000
4000
הודות לתרומה של ארגון הצדקה רונלד מק'דונלד.
05:41
So, eating burgers actually helps.
126
326000
3000
אז, לאכול המבורגרים עוזר.
05:45
(Text: Such examinations allow us to improve
127
330000
2000
(כתובית: בדיקות אלה מאפשרות לנו לשפר
05:47
eye-health in many children, and ...
128
332000
2000
את בריאות העיניים של הרבה ילדים, ו...
05:54
... help us find children who can participate in Project Prakash.)
129
339000
3000
עוזרות לנו למצוא ילדים שיכולים להשתתף בפרויקט "פראקאש".)
05:57
PS: So, as I zoom in to the eyes of this child,
130
342000
2000
בעודי עושה זום על עיניו של הילד,
05:59
you will see the cause of his blindness.
131
344000
3000
אתם תראו את הסיבה לעוורונו.
06:03
The whites that you see in the middle of his pupils
132
348000
3000
הלבנים שאתם רואים במרכז האישונים שלו,
06:06
are congenital cataracts,
133
351000
3000
הם קטרקטים מולדים,
06:09
so opacities of the lens.
134
354000
2000
עכירויות של העדשה.
06:11
In our eyes, the lens is clear,
135
356000
3000
בעיניים שלנו העדשה צלולה,
06:14
but in this child, the lens has become opaque,
136
359000
2000
ואצל הילד הזה, היא נהייתה עכורה,
06:16
and therefore he can't see the world.
137
361000
3000
ולכן הוא לא יכול לראות את העולם.
06:19
So, the child is given treatment. You'll see shots of the eye.
138
364000
3000
אז, נותנים לילד טיפול. אתם תראו צילומים של העין.
06:22
Here's the eye with the opaque lens,
139
367000
2000
הנה העין עם עדשה עכורה,
06:24
the opaque lens extracted
140
369000
2000
מוציאים את העדשה העכורה,
06:26
and an acrylic lens inserted.
141
371000
3000
ומחדירים עדשה אקרילית.
06:29
And here's the same child
142
374000
2000
והנה אותו ילד,
06:31
three weeks post-operation,
143
376000
3000
שלושה שבועות אחרי הניתוח.
06:34
with the right eye open.
144
379000
3000
כשעינו הימנית פקוחה.
06:40
(Applause)
145
385000
6000
(מחיאות כפיים)
06:46
Thank you.
146
391000
2000
תודה.
06:48
So, even from that little clip, you can begin to get the sense
147
393000
3000
אפילו מהסרטון הקצר הזה, אתם יכול להתחיל להבין
06:51
that recovery is possible,
148
396000
2000
שההחלמה אפשרית,
06:53
and we have now
149
398000
2000
ועד עכשיו,
06:55
provided treatment to over 200 children,
150
400000
3000
נתנו טיפול ליותר מ-200 ילדים,
06:58
and the story repeats itself.
151
403000
2000
והסיפור חוזר על עצמו.
07:00
After treatment, the child
152
405000
2000
לאחר הטיפול, הילד
07:02
gains significant functionality.
153
407000
3000
רוכש יכולת ניכרת.
07:05
In fact, the story holds true
154
410000
3000
למעשה, הסיפור נכון
07:08
even if you have a person who got sight
155
413000
2000
גם אם יש לך מישהו שהתחיל לראות
07:10
after several years of deprivation.
156
415000
2000
לאחר הרבה שנים בהן לא יכול היה.
07:12
We did a paper a few years ago
157
417000
2000
כתבנו מאמר לפני כמה שנים,
07:14
about this woman that you see on the right, SRD,
158
419000
4000
על האישה הזו, שאתם רואים מימין,
07:18
and she got her sight late in life,
159
423000
2000
היא החלה לראות בגיל מאוחר בחיים,
07:20
and her vision is remarkable at this age.
160
425000
4000
וראייתה יוצאת מן הכלל בגילה.
07:24
I should add a tragic postscript to this --
161
429000
3000
עלי להוסיף הערה טרגית לסיפור זה,
07:27
she died two years ago
162
432000
2000
היא נהרגה לפני שנתיים
07:29
in a bus accident.
163
434000
2000
בתאונת אוטובוס.
07:31
So, hers is just a truly inspiring story --
164
436000
4000
הסיפור שלה הוא באמת סיפור מעורר השראה,
07:35
unknown, but inspiring story.
165
440000
3000
לא מוכר, אך מעורר השראה.
07:38
So when we started finding these results,
166
443000
2000
כשהתחלנו לראות את התוצאות הללו,
07:40
as you might imagine, it created quite a bit of stir
167
445000
3000
אתם יכולים לדמיין, זה עורר מהומה לא קטנה
07:43
in the scientific and the popular press.
168
448000
3000
בפרסומים מדעיים, ופופולריים.
07:46
Here's an article in Nature
169
451000
2000
הנה מאמר ב- Nature,
07:48
that profiled this work,
170
453000
2000
שתיאר את העבודה הזו,
07:50
and another one in Time.
171
455000
2000
ואחד אחר ב- Time.
07:52
So, we were fairly convinced -- we are convinced --
172
457000
2000
היינו די משוכנעים, אנו משוכנעים
07:54
that recovery is feasible,
173
459000
2000
שההחלמה אפשרית,
07:56
despite extended visual deprivation.
174
461000
3000
למרות היעדר הראיה בפרק זמן ארוך.
07:59
The next obvious question to ask:
175
464000
2000
השאלה המתבקשת הבאה הינה:
08:01
What is the process of recovery?
176
466000
3000
מהו תהליך ההחלמה?
08:04
So, the way we study that is,
177
469000
3000
אנו חוקרים זאת בצורה הבאה:
08:07
let's say we find a child who has light sensitivity.
178
472000
2000
נניח שאנו מוצאים ילד שיש לו רגישות לאור.
08:09
The child is provided treatment,
179
474000
2000
אנו מספיק לילד טיפול,
08:11
and I want to stress that the treatment
180
476000
2000
ואני רוצה להדגיש, שהטיפול
08:13
is completely unconditional;
181
478000
2000
הוא ללא תנאים.
08:15
there is no quid pro quo.
182
480000
2000
אין פה עסקת חליפין.
08:17
We treat many more children then we actually work with.
183
482000
3000
אנו מטפלים בהרבה יותר ילדים מאלה שאנו עובדים איתם.
08:20
Every child who needs treatment is treated.
184
485000
3000
כל ילד שזקוק לטיפול, מטופל.
08:23
After treatment, about every week,
185
488000
2000
אחרי הטיפול, בערך כל שבוע,
08:25
we run the child
186
490000
2000
אנו מבצעים עם הילד,
08:27
on a battery of simple visual tests
187
492000
3000
סדרה של מבחני ראייה פשוטים,
08:30
in order to see how their visual skills
188
495000
2000
על מנת לראות כיצד כישורי הראייה שלהם
08:32
are coming on line.
189
497000
2000
מתהווים.
08:34
And we try to do this for as long as possible.
190
499000
3000
אנחנו מנסים לעשות זאת לאורך כמה שיותר זמן.
08:37
This arc of development
191
502000
2000
עקומה זו של התפתחות,
08:39
gives us unprecedented
192
504000
2000
נותנת לנו מידע חסר תקדים
08:41
and extremely valuable information
193
506000
2000
ויקר מאוד, על
08:43
about how the scaffolding of vision
194
508000
2000
האופן שבו מערכת היסודות של הראיה
08:45
gets set up.
195
510000
2000
נבנית.
08:47
What might be the causal connections
196
512000
2000
מה יכול להיות הקשר הסיבתי
08:49
between the early developing skills
197
514000
2000
בין היכולות המתפתחות מוקדם
08:51
and the later developing ones?
198
516000
2000
לבין אלה המתפתחות מאוחר?
08:53
And we've used this general approach to study
199
518000
2000
השתמשנו בגישה כללית זו על מנת לחקור
08:55
many different visual proficiencies,
200
520000
3000
מיומנויות ראיה שונות.
08:58
but I want to highlight one particular one,
201
523000
4000
אבל אני רוצה להדגיש אחת ספציפית,
09:02
and that is image parsing into objects.
202
527000
3000
וזוהי חלוקת תמונה לאובייקטים.
09:05
So, any image of the kind that you see on the left,
203
530000
2000
כל תמונה מהסוג שאתם רואים משמאל,
09:07
be it a real image or a synthetic image,
204
532000
3000
בין אם זו תמונה אמיתית או סינטטית,
09:10
it's made up of little regions
205
535000
2000
בנויה מאיזורים קטנים
09:12
that you see in the middle column,
206
537000
2000
שאתם רואים בעמודה האמצעית.
09:14
regions of different colors, different luminances.
207
539000
3000
איזורים בצבעים שונים, ובוהק שונה.
09:17
The brain has this complex task
208
542000
3000
למוח יש את המשימה המורכבת,
09:20
of putting together, integrating,
209
545000
3000
של לשים ביחד, לשלב
09:23
subsets of these regions
210
548000
2000
תתי קבוצות של איזורים אלה
09:25
into something that's more meaningful,
211
550000
2000
למשהו בעל משמעות נוספת,
09:27
into what we would consider to be objects,
212
552000
2000
למשהו שאנחנו נקרא לו אובייקט,
09:29
as you see on the right.
213
554000
2000
כפי שאתם רואים מימין.
09:31
And nobody knows how this integration happens,
214
556000
2000
ואף אחד לא יודע איך החיבור הזה מתרחש.
09:33
and that's the question we asked with Project Prakash.
215
558000
4000
זוהי השאלה ששאלנו בפרויקט "פראקאש".
09:37
So, here's what happens
216
562000
2000
הנה מה שקורה
09:39
very soon after the onset of sight.
217
564000
3000
מעט מאוד לאחר כינון הראיה.
09:42
Here's a person who had gained sight just a couple of weeks ago,
218
567000
3000
הנה אדם שהחל לראות רק לפני כמה שבועות.
09:45
and you see Ethan Myers, a graduate student from MIT,
219
570000
3000
אתם רואים את אית'ן מאיירס, בוגר מ-MIT,
09:48
running the experiment with him.
220
573000
3000
מריץ עמו את הניסוי.
09:51
His visual-motor coordination is quite poor,
221
576000
4000
הקואורדינציה המוטורית-ראייתית שלו מאוד חלשה,
09:55
but you get a general sense
222
580000
2000
אבל אתם יכולים לקבל תמונה כללית
09:57
of what are the regions that he's trying to trace out.
223
582000
3000
של האיזורים שהוא מנסה לסמן.
10:00
If you show him real world images,
224
585000
2000
אם תראו לו תמונות של העולם האמיתי,
10:02
if you show others like him real world images,
225
587000
3000
אם תראו לאנשים כמוהו תמונות של העולם האמיתי,
10:05
they are unable to recognize most of the objects
226
590000
2000
הם אינם מסוגלים לזהות את רוב האובייקטים
10:07
because the world to them is over-fragmented;
227
592000
3000
משום שבשבילם העולם מחולק ליותר מדי פרגמנטים,
10:10
it's made up of a collage, a patchwork,
228
595000
3000
הוא מורכב מקולאז', עבודת טלאים,
10:13
of regions of different colors and luminances.
229
598000
2000
של איזורים בצבעים שונים ובוהק שונה.
10:15
And that's what's indicated in the green outlines.
230
600000
2000
וזה מה שמסומן בקוים הירוקים.
10:17
When you ask them,
231
602000
2000
כששואלים אותם:
10:19
"Even if you can't name the objects, just point to where the objects are,"
232
604000
3000
תצביע על מיקום האובייקט, גם אם אינך יודע את שמו
10:22
these are the regions that they point to.
233
607000
2000
אלה הם האיזורים שהם מצביעים עליהם.
10:24
So the world is this complex
234
609000
2000
אז העולם הוא
10:26
patchwork of regions.
235
611000
2000
עבודת טלאים מורכבת של איזורים.
10:28
Even the shadow on the ball
236
613000
2000
אפילו הצל על הכדור
10:30
becomes its own object.
237
615000
3000
הופך להיות אובייקט בפני עצמו.
10:33
Interestingly enough,
238
618000
2000
באופן מעניין למדי,
10:35
you give them a few months,
239
620000
2000
תנו להם מספר חודשים,
10:37
and this is what happens.
240
622000
3000
וזה מה שקורה.
10:43
Doctor: How many are these?
241
628000
2000
דוקטור: כמה אלה?
10:45
Patient: These are two things.
242
630000
2000
מטופל: אלה שני דברים.
10:47
Doctor: What are their shapes?
243
632000
2000
דוקטור: מהן הצורות שלהם?
10:49
Patient: Their shapes ...
244
634000
2000
מטופל: הצורות שלהם...
10:51
This one is a circle,
245
636000
3000
זה עיגול
10:54
and this
246
639000
2000
וזה
10:56
is a square.
247
641000
2000
ריבוע.
10:58
PS: A very dramatic transformation has come about.
248
643000
3000
פאוואן סינהא: חל שינוי מאוד דרמטי.
11:01
And the question is:
249
646000
2000
והשאלה היא:
11:03
What underlies this transformation?
250
648000
2000
מהו הגורם לשינוי הזה?
11:05
It's a profound question,
251
650000
2000
זוהי שאלה עמוקה,
11:07
and what's even more amazing is how simple
252
652000
2000
ומה שעוד יותר מדהים הוא כמה פשוטה
11:09
the answer is.
253
654000
2000
התשובה.
11:11
The answer lies in motion
254
656000
2000
התשובה טמונה בתנועה
11:13
and that's what I want to show you in the next clip.
255
658000
3000
וזה מה שאני רוצה להראות לכם בסרטון הבא.
11:18
Doctor: What shape do you see here?
256
663000
2000
דוקטור: איזו צורה אתה רואה פה?
11:20
Patient: I can't make it out.
257
665000
3000
מטופל: אני לא מצליח להבחין.
11:28
Doctor: Now?
258
673000
2000
דוקטור: עכשיו?
11:31
Patient: Triangle.
259
676000
2000
מטופל: משולש.
11:35
Doctor: How many things are these?
260
680000
3000
דוקטור: כמה דברים אלה?
11:48
Now, how many things are these?
261
693000
3000
עכשיו, כמה דברים אלה?
11:51
Patient: Two.
262
696000
2000
מטופל: שניים.
11:53
Doctor: What are these things?
263
698000
2000
דוקטור: מהם הדברים האלה?
11:56
Patient: A square and a circle.
264
701000
2000
מטופל: ריבוע ועיגול.
11:58
PS: And we see this pattern over and over again.
265
703000
3000
ואנו רואים את התבנית הזאת שוב ושוב.
12:01
The one thing the visual system needs
266
706000
3000
הדבר היחיד שמערכת הראיה צריכה
12:04
in order to begin parsing the world
267
709000
2000
על מנת להתחיל לעבד את העולם
12:06
is dynamic information.
268
711000
2000
הוא מידע דינאמי.
12:08
So the inference we are deriving from this,
269
713000
2000
אז מה שאנחנו מסיקים מפה,
12:10
and several such experiments,
270
715000
2000
ומעוד כמה ניסויים כאלה,
12:12
is that dynamic information processing,
271
717000
2000
היא שעיבוד מידע דינאמי
12:14
or motion processing,
272
719000
2000
או עיבוד תנועה,
12:16
serves as the bedrock for building
273
721000
2000
הוא היסוד לבניית
12:18
the rest of the complexity of visual processing;
274
723000
4000
שאר המורכבויות של עיבוד ויזואלי.
12:22
it leads to visual integration
275
727000
2000
הוא מוביל לאינטגרציה ויזואלית,
12:24
and eventually to recognition.
276
729000
3000
ובסופו של דבר לזיהוי.
12:27
This simple idea has far reaching implications.
277
732000
3000
לרעיון הפשוט הזה יש השלכות מרחיקות לכת.
12:30
And let me just quickly mention two,
278
735000
3000
אני אזכיר במהירות שתיים.
12:33
one, drawing from the domain of engineering,
279
738000
2000
האחת, לקוחה מתחום ההנדסה,
12:35
and one from the clinic.
280
740000
2000
ואחת, מהתחום הקליני.
12:37
So, from the perspective of engineering,
281
742000
2000
אם כך, מההיבט ההנדסי,
12:39
we can ask: Goven that we know
282
744000
3000
אנו יכולים לשאול, בהינתן שאנו יודעים
12:42
that motion is so important for the human visual system,
283
747000
2000
שתנועה כ"כ חשובה למערכת הראייה האנושית,
12:44
can we use this as a recipe
284
749000
3000
האם אנחנו יכולים להשתמש בזה כמתכון,
12:47
for constructing machine-based vision systems
285
752000
3000
לבניית מערכות ראיה ממוחשבות
12:50
that can learn on their own, that don't need to be programmed
286
755000
3000
שיכולות ללמוד בעצמן, שמתכנת
12:53
by a human programmer?
287
758000
2000
לא צריך לתכנתן.
12:55
And that's what we're trying to do.
288
760000
2000
וזה מה שאנחנו מנסים לעשות.
12:57
I'm at MIT, at MIT you need to apply
289
762000
3000
אני ב-MIT, ב-MIT צריך להשתמש
13:00
whatever basic knowledge you gain.
290
765000
2000
בכל מידע בסיסי שאתה רוכש.
13:02
So we are creating Dylan,
291
767000
2000
אז אנחנו יוצרים את דילן,
13:04
which is a computational system
292
769000
2000
שהיא מערכת ממחושבת
13:06
with an ambitious goal
293
771000
2000
עם מטרה שאפתנית
13:08
of taking in visual inputs
294
773000
2000
לקחת קלטים ויזואליים
13:10
of the same kind that a human child would receive,
295
775000
3000
מאותו סוג שילד אנושי היה מקבל,
13:13
and autonomously discovering:
296
778000
2000
ולגלות באופן עצמאי
13:15
What are the objects in this visual input?
297
780000
3000
מהם האובייקטים בקלט הויזואלי.
13:18
So, don't worry about the internals of Dylan.
298
783000
3000
אל תדאגו בנוגע לחלקיו הפנימיים של דילן,
13:21
Here, I'm just going to talk about
299
786000
3000
כאן אני פשוט אדבר על
13:24
how we test Dylan.
300
789000
2000
איך שאנו בוחנים את דילן.
13:26
The way we test Dylan is by giving it
301
791000
2000
הדרך שבה אנו בוחנים את דילן היא ע"י
13:28
inputs, as I said, of the same kind
302
793000
3000
נתינה של קלטים, שכפי שאמרתי, הם מאותו סוג
13:31
that a baby, or a child in Project Prakash would get.
303
796000
3000
שתינוק, או ילד בפרויקט "פראקאש" צפוי לקבל.
13:34
But for a long time we couldn't quite figure out:
304
799000
3000
אבל די הרבה זמן לא הצלחנו להבין
13:37
Wow can we get these kinds of video inputs?
305
802000
3000
איך נשיג את קלטי הוידיאו האלה.
13:41
So, I thought,
306
806000
2000
אז עכשיו,
13:43
could we have Darius
307
808000
2000
אולי אנחנו ניקח את דריוס
13:45
serve as our babycam carrier,
308
810000
3000
בתור נושא מצלמת התינוקות שלנו,
13:48
and that way get the inputs that we feed into Dylan?
309
813000
3000
ואז נוכל להשיג קלטים לדילן.
13:51
So that's what we did.
310
816000
2000
וזה מה שעשינו.
13:53
(Laughter)
311
818000
7000
(צחוק)
14:00
I had to have long conversations with my wife.
312
825000
3000
הייתי צריך לנהל שיחות ארוכות עם אשתי.
14:03
(Laughter)
313
828000
5000
(צחוק)
14:08
In fact, Pam, if you're watching this,
314
833000
2000
למעשה, פאם, אם את צופה בזה,
14:10
please forgive me.
315
835000
2000
בבקשה תסלחי לי.
14:13
So, we modified the optics of the camera
316
838000
4000
אז, שינינו את האופטיקה של המצלמה
14:17
in order to mimic the baby's visual acuity.
317
842000
3000
על מנת לחקות את חדות הראיה של התינוק.
14:20
As some of you might know,
318
845000
2000
כמו שאולי חלקכם יודעים,
14:22
babyies are born pretty much legally blind.
319
847000
4000
תינוקות נולדים, למעשה, כמעט עיוורים.
14:26
Their acuity -- our acuity is 20/20;
320
851000
3000
החדות שלהם -- החדות שלנו הינה 6/6 --
14:29
babies' acuity is like 20/800,
321
854000
3000
חדות הראיה של תינוק היא בערך 6/240,
14:32
so they are looking at the world
322
857000
2000
אז הם מסתכלים על העולם
14:34
in a very, very blurry fashion.
323
859000
3000
באופן מאוד מאוד מטושטש.
14:37
Here's what a baby-cam video looks like.
324
862000
3000
כך נראית מצלמת הוידאו על התינוק.
14:41
(Laughter)
325
866000
9000
(צחוק)
14:50
(Applause)
326
875000
3000
(מחיאות כפיים)
14:53
Thankfully, there isn't any audio
327
878000
2000
תודה לאל, אין קול
14:55
to go with this.
328
880000
3000
שמחובר לזה.
14:58
What's amazing is that working with such
329
883000
2000
מה שמדהים הוא שכשהוא עובד עם
15:00
highly degraded input,
330
885000
2000
קלט כל כך רע
15:02
the baby, very quickly, is able
331
887000
2000
התינוק, במהירות רבה, מסוגל
15:04
to discover meaning in such input.
332
889000
3000
למצוא משמעות בקלט הזה.
15:07
But then two or three days afterward,
333
892000
2000
ואז, שניים או שלושה ימים אחרי,
15:09
babies begin to pay attention
334
894000
2000
תינוקות מתחילים לשים לב
15:11
to their mother's or their father's face.
335
896000
2000
לפניהם של אמהותיהם או אבותיהם.
15:13
How does that happen? We want Dylan to be able to do that,
336
898000
3000
איך זה קורה? אנו רוצים שדילן יהיה מסוגל לעשות את זה.
15:16
and using this mantra of motion,
337
901000
3000
כשהוא משתמש במנטרה הזאת של התנועה,
15:19
Dylan actually can do that.
338
904000
2000
דילן באמת יכול לעשות את זה.
15:21
So, given that kind of video input,
339
906000
3000
למרות שנותנים לו סוג כזה של קלט וידאו,
15:24
with just about six or seven minutes worth of video,
340
909000
3000
עם בערך שש או שבע דקות של וידאו סך הכל
15:27
Dylan can begin to extract patterns
341
912000
3000
דילן יכול להתחיל לחלץ תבניות
15:30
that include faces.
342
915000
3000
שכוללות פנים.
15:33
So, it's an important demonstration
343
918000
2000
אם כך, זוהי המחשה חשובה
15:35
of the power of motion.
344
920000
2000
של חשיבות התנועה.
15:37
The clinical implication, it comes from the domain of autism.
345
922000
3000
ההשלכה המדעית באה מתחום האוטיזם.
15:40
Visual integration has been associated with autism
346
925000
2000
אינטגרציה ויזואלית הובחנה כקשורה לאוטיזם
15:42
by several researchers.
347
927000
2000
על ידי מספר חוקרים.
15:44
When we saw that, we asked:
348
929000
2000
כאשר ראינו זאת, שאלנו:
15:46
Could the impairment in visual integration
349
931000
3000
האם הפגיעה באינטגרציה הראייתית
15:49
be the manifestation of something underneath,
350
934000
3000
הינה סימן למשהו מתחת לפני השטח,
15:52
of dynamic information processing deficiencies in autism?
351
937000
3000
לבעיה בעיבוד מידע דינאמי אצל אוטיסטים.
15:55
Because, if that hypothesis were to be true,
352
940000
3000
משום שאם ההיפותזה הזו נכונה,
15:58
it would have massive repercussions in our understanding
353
943000
3000
יהיו לכך השלכות רחבות היקף בהבנה שלנו
16:01
of what's causing the many different aspects
354
946000
2000
של מה שגורם לרבים מהאספקטים השונים
16:03
of the autism phenotype.
355
948000
3000
של אוטיזם
16:06
What you're going to see are
356
951000
2000
מה שאתם הולכים לראות הינם
16:08
video clips of two children -- one neurotypical,
357
953000
3000
קטעי וידאו של שני ילדים, האחד נורמלי (נוירוטיפיקל)
16:11
one with autism, playing Pong.
358
956000
2000
והשני עם אוטיזם, משחקים פונג.
16:13
So, while the child is playing Pong, we are tracking where they're looking.
359
958000
3000
בזמן שהילד משחק פונג, אנו עוקבים אחר המבט שלו.
16:16
In red are the eye movement traces.
360
961000
3000
באדום, רואים את מתאר התנועה של העין,
16:19
This is the neurotypical child, and what you see
361
964000
3000
זהו הילד הנורמלי, ומה שאתם רואים הוא
16:22
is that the child is able to make cues
362
967000
2000
שהילד מסוגל לפענח
16:24
of the dynamic information
363
969000
2000
את המידע הדינאמי
16:26
to predict where the ball is going to go.
364
971000
2000
כדי לנבא לאן הכדור יגיע.
16:28
Even before the ball gets to a place,
365
973000
3000
אפילו לפני שהכדור מגיע למקום,
16:31
the child is already looking there.
366
976000
3000
הילד כבר מסתכל לשם.
16:34
Contrast this with a child
367
979000
2000
הבחינו בהבדל בילד
16:36
with autism playing the same game.
368
981000
2000
אוטיסט שמשחק את אותו משחק.
16:38
Instead of anticipating,
369
983000
2000
במקום לצפות מראש,
16:40
the child always follows where the ball has been.
370
985000
3000
הילד תמיד עוקב אחר איפה שהכדור כבר היה.
16:43
The efficiency of the use
371
988000
2000
נראה שיעילות השימוש
16:45
of dynamic information
372
990000
2000
במידע דינאמי
16:47
seems to be significantly compromised in autism.
373
992000
3000
נפגמת משמעותית אצל אוטיסטים.
16:51
So we are pursuing this line of work
374
996000
3000
אנו ממשיכים בעבודה בתחום הזה
16:54
and hopefully we'll have
375
999000
2000
ובתקווה, יהיו לנו
16:56
more results to report soon.
376
1001000
2000
תוצאות נוספות לדווח עליהן בקרוב.
16:58
Looking ahead, if you think of this disk
377
1003000
3000
בראיה קדימה, אם תחשבו על הדיסק הזה
17:01
as representing all of the children
378
1006000
2000
כמייצג את כל הילדים
17:03
we've treated so far,
379
1008000
2000
שטיפלנו בהם עד עכשיו,
17:05
this is the magnitude of the problem.
380
1010000
2000
אלו הם מימדי הבעיה.
17:07
The red dots are the children we have not treated.
381
1012000
3000
הנקודות האדומות הן ילדים שלא טיפלנו בהם.
17:10
So, there are many, many more children who need to be treated,
382
1015000
2000
אז, יש עוד המון המון ילדים שצריך לטפל בהם,
17:12
and in order to expand the scope of the project,
383
1017000
3000
ועל מנת להרחיב את הפרויקט,
17:15
we are planning on launching
384
1020000
2000
אנו מתכננים להשיק
17:17
The Prakash Center for Children,
385
1022000
2000
את מרכז "פראקאש" לילדים,
17:19
which will have a dedicated pediatric hospital,
386
1024000
3000
שיהיה בו בית חולים פדיאטרי ייעודי,
17:22
a school for the children we are treating
387
1027000
2000
בית ספר לילדים שאנו מטפלים בהם,
17:24
and also a cutting-edge research facility.
388
1029000
2000
וכן מתקן מחקרי בקדמת הטכנולוגיה.
17:26
The Prakash Center will integrate health care,
389
1031000
3000
מרכז "פראקאש" ישלב בתוכו טיפול רפואי,
17:29
education and research in a way
390
1034000
2000
חינוך ומחקר בצורה
17:31
that truly creates the whole
391
1036000
2000
שבאמת ובתמים תיצור שלם
17:33
to be greater than the sum of the parts.
392
1038000
3000
הגדול מסכום חלקיו.
17:36
So, to summarize: Prakash, in its five years of existence,
393
1041000
3000
אז, לסיכום, "פראקאש", בחמש שנות פעילותו,
17:39
it's had an impact in multiple areas,
394
1044000
3000
השפיע בתחומים רבים,
17:42
ranging from basic neuroscience
395
1047000
2000
החל במדעי מוח בסיסיים,
17:44
plasticity and learning in the brain,
396
1049000
2000
פלאסטיות ויכולות למידה של המוח,
17:46
to clinically relevant hypotheses like in autism,
397
1051000
4000
וכלה בהיפותזות קליניות כמו במקרה של אוטיזם,
17:50
the development of autonomous machine vision systems,
398
1055000
3000
פיתוח של מערכות ראייה עצמאיות ממוחשבות,
17:53
education of the undergraduate and graduate students,
399
1058000
3000
השכלתם של סטודנטים לתואר ראשון ותואר בוגר,
17:56
and most importantly in the alleviation
400
1061000
2000
וחשוב מכל, טיפול
17:58
of childhood blindness.
401
1063000
2000
בעיוורון בילדים.
18:00
And for my students and I, it's been
402
1065000
2000
ובשביל הסטודנטים שלי ובשבילי, זאת היתה
18:02
just a phenomenal experience
403
1067000
2000
חוויה יוצאת מן הכלל
18:04
because we have gotten to do interesting research,
404
1069000
4000
כי יצא לנו לעשות מחקר מעניין
18:08
while at the same time
405
1073000
2000
ובו בזמן
18:10
helping the many children that we have worked with.
406
1075000
2000
לעזור להרבה ילדים שעבדנו איתם.
18:12
Thank you very much.
407
1077000
2000
תודה רבה לכם.
18:14
(Applause)
408
1079000
2000
(מחיאות כפיים)
ABOUT THE SPEAKER
Pawan Sinha - Visual neuroscientistPawan Sinha researches how our brains interpret what our eyes see -- and uses that research to give blind children the gift of sight.
Why you should listen
At Pawan Sinha's MIT lab, he and his team spend their days trying to understand how the brain learns to recognize and use the patterns and scenes we see around us. To do this, they often use computers to model the processes of the human brain, but they also study human subjects, some of whom are seeing the world for the very first time and can tell them about the experience as it happens. They find these unusual subjects through the humanitarian branch of their research, Project Prakash.
Project Prakash sets up eye-care camps in some of the most habitually underserved regions of India, and gives free eye-health screenings to, since 2003, more than 700 functionally blind children. The children are then treated without charge, even if they do not fit the profile that would make them eligible for Sinha's research.
Sinha's eventual goal is to help 500 children each year; plans are under way for a center for visual rehabilitation in new Delhi. The special relationship that Sinha has created between research and humanitarianism promises to deliver on both fronts.
Pawan Sinha | Speaker | TED.com