ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Sebastian Seung | Speaker | TED.com
TEDGlobal 2010

Sebastian Seung: I am my connectome

סבסטיאן סונג: אני הוא הקונקטום שלי

Filmed:
1,131,223 views

סבסטיאן סונג ממפה מודל חדש ויומרני של המוח, הממוקד בקשרים בין הנוירונים (תאי עצב). הוא קורא לו ה"קונקטום" שלנו, והוא ייחודי כמו הגנום שלנו. הבנת הקונקטום יכולה לפתוח דרך חדשה להבין את המוח והשכל שלנו.
- 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

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

00:17
We liveלחיות in in a remarkableראוי לציון time,
0
2000
3000
אנחנו חיים בעידן יוצא דופן,
00:20
the ageגיל of genomicsגנומיקה.
1
5000
3000
העידן הגנומי.
00:23
Your genomeגנום is the entireשלם sequenceסדר פעולות of your DNAדנ"א.
2
8000
3000
הגנום שלכם הוא כל רצף ה DNA שלכם.
00:26
Your sequenceסדר פעולות and mineשלי are slightlyמְעַט differentשונה.
3
11000
3000
הרצף שלכם ושלי מעט שונה זה מזה.
00:29
That's why we look differentשונה.
4
14000
2000
לכן אנו נראים אחרת.
00:31
I've got brownחום eyesעיניים;
5
16000
2000
לי יש עינים חומות.
00:33
you mightאולי have blueכָּחוֹל or grayאפור.
6
18000
3000
לכם אולי כחולות או אפורות.
00:36
But it's not just skin-deepעמוק בעור.
7
21000
2000
אבל זה לא רק הבדלים חיצוניים.
00:38
The headlinesכותרות tell us
8
23000
2000
הכותרות מספרות לנו
00:40
that genesגנים can give us scaryמַפְחִיד diseasesמחלות,
9
25000
3000
שגנים יכולים לגרום למחלות מפחידות,
00:43
maybe even shapeצוּרָה our personalityאִישִׁיוּת,
10
28000
3000
ואולי אף לעצב את אישיותנו,
00:46
or give us mentalנַפשִׁי disordersהפרעות.
11
31000
3000
או לגרום לנו להפרעות נפשיות.
00:49
Our genesגנים seemנראה to have
12
34000
3000
נראה שלגנים שלנו יש
00:52
awesomeמדהים powerכּוֹחַ over our destiniesגורל.
13
37000
3000
כוח עצום על גורלנו.
00:56
And yetעדיין, I would like to think
14
41000
3000
ועדיין, הייתי רוצה לחשוב
00:59
that I am more than my genesגנים.
15
44000
3000
שאני יותר מהגנים שלי.
01:04
What do you guys think?
16
49000
2000
מה אתם חושבים?
01:06
Are you more than your genesגנים?
17
51000
3000
האם אתם יותר מהגנים שלכם?
01:09
(Audienceקהל: Yes.) Yes?
18
54000
2000
(קהל: כן.) כן?
01:13
I think some people agreeלְהַסכִּים with me.
19
58000
2000
אני חושב שחלק מהאנשים מסכים איתי.
01:15
I think we should make a statementהַצהָרָה.
20
60000
2000
אני חושב שאנחנו צריכים לצאת בהכרזה.
01:17
I think we should say it all togetherיַחַד.
21
62000
2000
אני חושב שאנחנו צריכים לומר זאת יחד.
01:20
All right: "I'm more than my genesגנים" -- all togetherיַחַד.
22
65000
3000
קדימה: "אני יותר מהגנים שלי" ביחד.
01:23
Everybodyכולם: I am more than my genesגנים.
23
68000
4000
כולם: אני יותר מהגנים שלי.
01:27
(Cheeringתְשׁוּאוֹת)
24
72000
2000
(תשואות)
01:30
Sebastianסבסטיאן Seungסונג: What am I?
25
75000
2000
סוואנג: מה אני?
01:32
(Laughterצחוק)
26
77000
3000
(צחוק)
01:35
I am my connectomeconnectome.
27
80000
3000
אני הוא הקונקטום שלי.
01:40
Now, sinceמאז you guys are really great,
28
85000
2000
עכשיו, בגלל שאתם קהל מצוין,
01:42
maybe you can humorהוּמוֹר me and say this all togetherיַחַד too.
29
87000
2000
אולי תעזרו לי ונאמר גם את זה יחד.
01:44
(Laughterצחוק)
30
89000
2000
(צחוק)
01:46
Right. All togetherיַחַד now.
31
91000
2000
טוב. כולם ביחד.
01:48
Everybodyכולם: I am my connectomeconnectome.
32
93000
3000
כולם: אני הוא הקונקטום שלי.
01:53
SSאס: That soundedנשמע great.
33
98000
2000
סוואנג: זה נשמע מצוין.
01:55
You know, you guys are so great, you don't even know what a connectomeconnectome is,
34
100000
2000
אתם יודעים, אתם ממש נהדרים, אתם אפילו לא יודעים מה זה קונקטום,
01:57
and you're willingמוּכָן to playלְשַׂחֵק alongלְאוֹרֶך with me.
35
102000
2000
ואתם מוכנים לשתף איתי פעולה.
01:59
I could just go home now.
36
104000
3000
אני יכול ללכת הביתה עכשיו.
02:02
Well, so farרָחוֹק only one connectomeconnectome is knownידוע,
37
107000
3000
ובכן, בינתיים רק קונקטום אחד ידוע לנו,
02:05
that of this tinyזָעִיר wormתוֹלַעַת.
38
110000
3000
זה של התולעת הזעירה הזו.
02:08
Its modestצָנוּעַ nervousעַצבָּנִי systemמערכת
39
113000
2000
מערכת העצבים הצנועה שלה
02:10
consistsמורכב of just 300 neuronsנוירונים.
40
115000
2000
מורכבת מ300 נוירונים (תאי עצב) בלבד
02:12
And in the 1970s and '80s,
41
117000
2000
ובשנות ה70 וה80,
02:14
a teamקְבוּצָה of scientistsמדענים
42
119000
2000
קבוצה של מדענים
02:16
mappedממופה all 7,000 connectionsקשרים
43
121000
2000
מיפתה את כל 7000 הקשרים
02:18
betweenבֵּין the neuronsנוירונים.
44
123000
2000
בין הנוירונים.
02:21
In this diagramתרשים, everyכֹּל nodeצוֹמֶת is a neuronעֲצָבוֹן,
45
126000
2000
בתרשים הזה כל צומת הוא נוירון
02:23
and everyכֹּל lineקַו is a connectionחיבור.
46
128000
2000
וכל קו הוא חיבור.
02:25
This is the connectomeconnectome
47
130000
2000
זה הקונקטום
02:27
of the wormתוֹלַעַת C. eleganselegans.
48
132000
4000
של התולעת C. elegans.
02:31
Your connectomeconnectome is farרָחוֹק more complexמורכב than this
49
136000
3000
הקונקטום שלכם הרבה יותר מורכב מזה,
02:34
because your brainמוֹחַ
50
139000
2000
כי המוח שלכם
02:36
containsמכיל 100 billionמיליארד neuronsנוירונים
51
141000
2000
מכיל 100 מיליארד נוירונים
02:38
and 10,000 timesפִּי as manyרב connectionsקשרים.
52
143000
3000
ופי 10,000 קשרים מזה.
02:41
There's a diagramתרשים like this for your brainמוֹחַ,
53
146000
2000
יש תרשים כזה למוח שלכם,
02:43
but there's no way it would fitלְהַתְאִים on this slideשקופית.
54
148000
3000
אבל אין דרך שהוא ייכנס לשקף הזה.
02:47
Your connectomeconnectome containsמכיל one millionמִילִיוֹן timesפִּי more connectionsקשרים
55
152000
3000
הקונקטום שלכם כולל פי מיליון יותר קשרים
02:50
than your genomeגנום has lettersאותיות.
56
155000
3000
מאשר מספר האותיות (בסיסים) בגנום שלכם.
02:53
That's a lot of informationמֵידָע.
57
158000
2000
זה המון מידע.
02:55
What's in that informationמֵידָע?
58
160000
3000
מה יש במידע הזה?
02:59
We don't know for sure, but there are theoriesתיאוריות.
59
164000
3000
אנחנו לא בטוחים, אבל יש תיאוריות.
03:02
Sinceמאז the 19thה centuryמֵאָה, neuroscientistsמדעני מוח have speculatedספקולציה
60
167000
3000
מאז המאה ה19 חוקרים של מדעי המוח שיערו
03:05
that maybe your memoriesזיכרונות --
61
170000
2000
שאולי הזכרונות שלכם -
03:07
the informationמֵידָע that makesעושה you, you --
62
172000
2000
המידע שהופך אתכם למי שאתם -
03:09
maybe your memoriesזיכרונות are storedמְאוּחסָן
63
174000
2000
אולי הזכרונות שלכם מאוחסנים
03:11
in the connectionsקשרים betweenבֵּין your brain'sמוֹחַ neuronsנוירונים.
64
176000
2000
בקשרים בין הנוירונים במוח.
03:15
And perhapsאוּלַי other aspectsהיבטים of your personalאישי identityזהות --
65
180000
2000
ואולי היבטים אחרים בזהות האישית שלכם -
03:17
maybe your personalityאִישִׁיוּת and your intellectבִּינָה --
66
182000
3000
אולי האישיות והאינטלקט -
03:20
maybe they're alsoגַם encodedמוּצפָּן
67
185000
2000
אולי גם הם מקודדים
03:22
in the connectionsקשרים betweenבֵּין your neuronsנוירונים.
68
187000
3000
בקשרים בין הנוירונים שלכם.
03:26
And so now you can see why I proposedמוּצָע this hypothesisהַשׁעָרָה:
69
191000
3000
אז עכשיו אתם מבינים למה הצעתי את ההיפותיזה הזאת:
03:29
I am my connectomeconnectome.
70
194000
3000
אני הוא הקונקטום שלי.
03:32
I didn't askלִשְׁאוֹל you to chantלָשִׁיר it because it's trueנָכוֹן;
71
197000
3000
לא ביקשתי מכם לחזור על זה כי זה נכון,
03:35
I just want you to rememberלִזכּוֹר it.
72
200000
2000
רציתי שתזכרו את זה.
03:37
And in factעוּבדָה, we don't know if this hypothesisהַשׁעָרָה is correctנכון,
73
202000
2000
ולמעשה, אנחנו לא יודעים אם ההיפותיזה הזאת נכונה,
03:39
because we have never had technologiesטכנולוגיות
74
204000
2000
כי אף פעם לא היו לנו טכנולוגיות
03:41
powerfulחָזָק enoughמספיק to testמִבְחָן it.
75
206000
2000
חזקות מספיק כדי לבחון אותה.
03:44
Findingמִמצָא that wormתוֹלַעַת connectomeconnectome
76
209000
3000
למצוא את הקונקטום של התולעת הזו
03:47
tookלקח over a dozenתְרֵיסַר yearsשנים of tediousמְשַׁעֲמֵם laborעבודה.
77
212000
3000
לקח יותר מתריסר שנים של מלאכה מייגעת.
03:50
And to find the connectomesחיבורים of brainsמוֹחַ more like our ownשֶׁלוֹ,
78
215000
3000
וכדי למצוא את הקונקטומים של מוחות שדומים לשלנו,
03:53
we need more sophisticatedמתוחכם technologiesטכנולוגיות, that are automatedאוטומטי,
79
218000
3000
אנו זקוקים לטכנולוגיות ממוכנות, מתוחכמות יותר,
03:56
that will speedמְהִירוּת up the processתהליך of findingמִמצָא connectomesחיבורים.
80
221000
3000
שיאיצו את תהליך מציאת הקונקטומים.
03:59
And in the nextהַבָּא fewמְעַטִים minutesדקות, I'll tell you about some of these technologiesטכנולוגיות,
81
224000
3000
ובדקות הקרובות אספר לכם על חלק מהטכנולוגית הללו,
04:02
whichאיזה are currentlyכַּיוֹם underתַחַת developmentהתפתחות
82
227000
2000
הנמצאות כרגע בפיתוח
04:04
in my labמַעבָּדָה and the labsמעבדות of my collaboratorsמשתפי פעולה.
83
229000
3000
במעבדה שלי ובמעבדות של שותפי.
04:08
Now you've probablyכנראה seenלראות picturesתמונות of neuronsנוירונים before.
84
233000
3000
אז בטח ראיתם כבר תמונות של נוירונים בעבר.
04:11
You can recognizeלזהות them instantlyבאופן מיידי
85
236000
2000
אפשר לזהות אותם מיד
04:13
by theirשֶׁלָהֶם fantasticפַנטַסטִי shapesצורות.
86
238000
3000
לפי הצורות הפנטסטיות שלהם.
04:16
They extendלְהַאֲרִיך long and delicateעָדִין branchesענפים,
87
241000
3000
הם שולחים ענפים ארוכים ועדינים,
04:19
and in shortקצר, they look like treesעצים.
88
244000
3000
ובקיצור, נראים כמו עצים.
04:22
But this is just a singleיחיד neuronעֲצָבוֹן.
89
247000
3000
אבל זה רק נוירון בודד.
04:25
In orderלהזמין to find connectomesחיבורים,
90
250000
2000
על מנת למצוא קונקטומים,
04:27
we have to see all the neuronsנוירונים at the sameאותו time.
91
252000
3000
אנחנו צריכים לראות את כל הנוירונים בו זמנית.
04:30
So let's meetלִפְגוֹשׁ Bobbyבובי Kasthuriקסטורי,
92
255000
2000
אז בואו נכיר את בובי קסטורי
04:32
who worksעובד in the laboratoryמַעבָּדָה of Jeffג 'ף Lichtmanליכטמן
93
257000
2000
שעובד במעבדה של ג'ף ליכטמן
04:34
at Harvardהרווארד Universityאוּנִיבֶרְסִיטָה.
94
259000
2000
באוניברסיטת הרווארד.
04:36
Bobbyבובי is holdingהַחזָקָה fantasticallyפנטסטית thinדַק slicesפרוסות
95
261000
2000
בובי מחזיק פרוסות דקות להפליא
04:38
of a mouseעכבר brainמוֹחַ.
96
263000
2000
של מוח עכבר.
04:40
And we're zoomingזום in by a factorגורם of 100,000 timesפִּי
97
265000
3000
ואנחנו מגדילים פי 100,000
04:44
to obtainלְהַשִׂיג the resolutionפתרון הבעיה,
98
269000
2000
על מנת להגיע לרזולוציה,
04:46
so that we can see the branchesענפים of neuronsנוירונים all at the sameאותו time.
99
271000
3000
שתאפשר לראות את כל ענפי הנוירון בו זמנית.
04:50
Exceptמלבד, you still mayמאי not really recognizeלזהות them,
100
275000
3000
אבל, יתכן שלא תזהו אותם עדיין
04:53
and that's because we have to work in threeשְׁלוֹשָׁה dimensionsממדים.
101
278000
3000
וזה משום שאנו צריכים לעבוד בתלת-מימד.
04:56
If we take manyרב imagesתמונות of manyרב slicesפרוסות of the brainמוֹחַ
102
281000
2000
אם מצלמים הרבה תמונות של הרבה פרוסות של המוח
04:58
and stackלַעֲרוֹם them up,
103
283000
2000
ועורמים אותם יחד,
05:00
we get a three-dimensionalתלת ממד imageתמונה.
104
285000
2000
אנחנו מקבלים תמונה תלת-מימדית.
05:02
And still, you mayמאי not see the branchesענפים.
105
287000
2000
ועדיין, אולי לא תראו את הענפים.
05:04
So we startהַתחָלָה at the topחלק עליון,
106
289000
2000
אז אנחנו מתחילים מלמעלה,
05:06
and we colorצֶבַע in the cross-sectionצומת of one branchענף in redאָדוֹם,
107
291000
3000
וצובעים צומת של ענף אחד באדום,
05:09
and we do that for the nextהַבָּא sliceפרוסה
108
294000
2000
ואנחנו עושים זאת בפרוסה הבאה
05:11
and for the nextהַבָּא sliceפרוסה.
109
296000
2000
ובפרוסה הבאה.
05:13
And we keep on doing that,
110
298000
2000
ואנחנו ממשיכים לעשות זאת
05:15
sliceפרוסה after sliceפרוסה.
111
300000
3000
פרוסה אחר פרוסה.
05:18
If we continueלְהַמשִׁיך throughדרך the entireשלם stackלַעֲרוֹם,
112
303000
2000
אם ממשיכים דרך הערימה כולה
05:20
we can reconstructלְשַׁחְזֵר the three-dimensionalתלת ממד shapeצוּרָה
113
305000
3000
אנחנו יכולים לבנות מחדש את המבנה התלת-מימדי
05:23
of a smallקָטָן fragmentקֶטַע of a branchענף of a neuronעֲצָבוֹן.
114
308000
3000
של חלק קטן מענף של נוירון.
05:26
And we can do that for anotherאַחֵר neuronעֲצָבוֹן in greenירוק.
115
311000
2000
ואנחנו יכולים לעשות את זה לנוירון אחר בירוק.
05:28
And you can see that the greenירוק neuronעֲצָבוֹן touchesנוגע the redאָדוֹם neuronעֲצָבוֹן
116
313000
2000
ואתם יכולים לראות שהנוירון הירוק נוגע בנוירון האדום
05:30
at two locationsמיקומים,
117
315000
2000
בשני מקומות,
05:32
and these are what are calledשקוראים לו synapsesסינפסות.
118
317000
2000
שלהם אנו קוראים סינפסות.
05:34
Let's zoomזום in on one synapseסינפסה,
119
319000
2000
בואו נתמקד בסינפסה אחת.
05:36
and keep your eyesעיניים on the interiorפְּנִים of the greenירוק neuronעֲצָבוֹן.
120
321000
3000
ותסתכלו על פנים הנוירון הירוק.
05:39
You should see smallקָטָן circlesמעגלים --
121
324000
2000
אתם אמורים לראות עיגולים קטנים.
05:41
these are calledשקוראים לו vesiclesשלפוחית.
122
326000
3000
אלה נקראים וסיקולות (שלפוחיות.)
05:44
They containלְהַכִיל a moleculeמולקולה know as a neurotransmitterנוירוטרנסמיטר.
123
329000
3000
הן מכילות מולקולה הנקראת נוירוטרנסמיטר (מוליך עצבי)
05:47
And so when the greenירוק neuronעֲצָבוֹן wants to communicateלתקשר,
124
332000
2000
וכך כשהנוירון הירוק רוצה לתקשר,
05:49
it wants to sendלִשְׁלוֹחַ a messageהוֹדָעָה to the redאָדוֹם neuronעֲצָבוֹן,
125
334000
2000
רוצה לשלוח הודעה לנוירון האדום,
05:51
it spitsspits out neurotransmitterנוירוטרנסמיטר.
126
336000
3000
הוא פולט את הנוירוטרנסמיטר.
05:54
At the synapseסינפסה, the two neuronsנוירונים
127
339000
2000
בסינפסה, שני הנוירונים
05:56
are said to be connectedמְחוּבָּר
128
341000
2000
מחוברים זה לזה
05:58
like two friendsחברים talkingשִׂיחָה on the telephoneטֵלֵפוֹן.
129
343000
3000
כמו שני חברים המדברים בטלפון.
06:02
So you see how to find a synapseסינפסה.
130
347000
2000
אז אתם רואים איך מוצאים סינפסה.
06:04
How can we find an entireשלם connectomeconnectome?
131
349000
3000
איך אפשר למצוא קונקטום שלם?
06:07
Well, we take this three-dimensionalתלת ממד stackלַעֲרוֹם of imagesתמונות
132
352000
3000
אז אנחנו לוקחים את ערימת התמונות התלת-מימדיות הללו
06:10
and treatטיפול it as a giganticעֲנָקִי three-dimensionalתלת ממד coloringגִוּוּן bookסֵפֶר.
133
355000
3000
ומתייחסים אליה כמו אל ספר צביעה תלת-מימדי ענקי.
06:13
We colorצֶבַע everyכֹּל neuronעֲצָבוֹן in, in a differentשונה colorצֶבַע,
134
358000
3000
אנחנו צובעים כל נוירון בצבע אחר,
06:16
and then we look throughדרך all of the imagesתמונות,
135
361000
2000
ואז אנחנו עוברים על כל התמונות,
06:18
find the synapsesסינפסות
136
363000
2000
מוצאים את הסינפסות
06:20
and noteהערה the colorsצבעים of the two neuronsנוירונים involvedמְעוּרָב in eachכל אחד synapseסינפסה.
137
365000
3000
ורושמים את הצבעים של שני הנוירונים המעורבים בכל סינפסה.
06:23
If we can do that throughoutבְּמֶשֶך all the imagesתמונות,
138
368000
3000
אם אנחנו יכולים לעשות זאת בכל התמונות,
06:26
we could find a connectomeconnectome.
139
371000
2000
אנחנו יכולים למצוא קונקטום.
06:29
Now, at this pointנְקוּדָה,
140
374000
2000
עכשיו, עד כאן
06:31
you've learnedמְלוּמָד the basicsיסודות of neuronsנוירונים and synapsesסינפסות.
141
376000
2000
למדתם את היסודות של נוירונים וסינפסות.
06:33
And so I think we're readyמוּכָן to tackleלְהִתְמוֹדֵד
142
378000
2000
אז אני חושב שאנחנו מוכנים להתמודד
06:35
one of the mostרוב importantחָשׁוּב questionsשאלות in neuroscienceמדעי המוח:
143
380000
3000
עם אחת השאלות החשובות ביותר במדעי המוח:
06:39
how are the brainsמוֹחַ of menגברים and womenנשים differentשונה?
144
384000
3000
מהם ההבדלים בין המוחות של נשים וגברים?
06:42
(Laughterצחוק)
145
387000
2000
(צחוק)
06:44
Accordingלפי to this self-helpעזרה עצמית bookסֵפֶר,
146
389000
2000
לפי ספר הייעוץ הזה,
06:46
guys brainsמוֹחַ are like wafflesוופלים;
147
391000
2000
המוח של בחורים הוא כמו וופל,
06:48
they keep theirשֶׁלָהֶם livesחיים compartmentalizedממודרים in boxesתיבות.
148
393000
3000
החיים שלהם ממודרים בקופסאות.
06:51
Girls'בנות' brainsמוֹחַ are like spaghettiספגטי;
149
396000
3000
המוח של בחורות הוא כמו ספגטי,
06:54
everything in theirשֶׁלָהֶם life is connectedמְחוּבָּר to everything elseאַחֵר.
150
399000
3000
כל דבר בחיים שלהן קשור לכל השאר.
06:57
(Laughterצחוק)
151
402000
2000
(צחוק)
06:59
You guys are laughingצוחק,
152
404000
2000
הגברים כאן צוחקים,
07:01
but you know, this bookסֵפֶר changedהשתנה my life.
153
406000
2000
אבל, אתם יודעים, הספר הזה שינה את חיי!
07:03
(Laughterצחוק)
154
408000
2000
(צחוק)
07:07
But seriouslyברצינות, what's wrongלא בסדר with this?
155
412000
3000
אבל ברצינות, מה שגוי בזה?
07:10
You alreadyכְּבָר know enoughמספיק to tell me -- what's wrongלא בסדר with this statementהַצהָרָה?
156
415000
3000
אתם כבר יודעים מספיק כדי לומר. מה שגוי בהצהרה הזו?
07:20
It doesn't matterחוֹמֶר whetherהאם you're a guy or girlילדה,
157
425000
3000
זה לא משנה אם אתה בחור או בחורה,
07:23
everyone'sשל כולם brainsמוֹחַ are like spaghettiספגטי.
158
428000
3000
המוחות של כולם נראים כמו ספגטי.
07:26
Or maybe really, really fine capelliniקפלני with branchesענפים.
159
431000
3000
או אולי, אולי קפליני עדין עם ענפים.
07:30
Just as one strandגָדִיל of spaghettiספגטי
160
435000
2000
כמו שחתיכת ספגטי אחת
07:32
contactsאנשי קשר manyרב other strandsגדילים on your plateצַלַחַת,
161
437000
3000
נוגעת בחתיכות אחרות בצלחת שלכם,
07:35
one neuronעֲצָבוֹן touchesנוגע manyרב other neuronsנוירונים
162
440000
2000
כך נוירון אחד נוגע בהרבה נוירונים אחרים
07:37
throughדרך theirשֶׁלָהֶם entangledסָבוּך branchesענפים.
163
442000
2000
באמצעות הענפים הסבוכים שלהם.
07:39
One neuronעֲצָבוֹן can be connectedמְחוּבָּר to so manyרב other neuronsנוירונים,
164
444000
3000
נוירון אחד יכול להיות קשור לכ"כ הרבה נוירונים אחרים,
07:42
because there can be synapsesסינפסות
165
447000
2000
כי יכולות להיות סינפסות
07:44
at these pointsנקודות of contactאיש קשר.
166
449000
3000
בנקודות המגע האלה.
07:49
By now, you mightאולי have sortסוג of lostאבד perspectiveפֶּרספֶּקטִיבָה
167
454000
3000
עד עכשיו אולי איבדתם פרספקטיבה
07:52
on how largeגָדוֹל this cubeקוּבִּיָה of brainמוֹחַ tissueרִקמָה actuallyלמעשה is.
168
457000
3000
על גודלה האמיתי של קוביית המוח הזו.
07:55
And so let's do a seriesסִדרָה of comparisonsהשוואות to showלְהַצִיג you.
169
460000
3000
אז בואו נערוך סדרה של השוואות כדי להראות לכם.
07:58
I assureלְהַבטִיחַ you, this is very tinyזָעִיר. It's just sixשֵׁשׁ micronsמיקרון on a sideצַד.
170
463000
3000
אני אראה לכם. זה זעיר ביותר. זה רק 6 מיקרונים מהצד.
08:03
So, here'sהנה how it stacksערימות up againstמול an entireשלם neuronעֲצָבוֹן.
171
468000
3000
אז כך זה נבנה לנוירון שלם.
08:06
And you can tell that, really, only the smallestהקטן ביותר fragmentsרסיסים of branchesענפים
172
471000
3000
ואפשר לראות שבאמת רק שברי הענפים הקטנים ביותר
08:09
are containedהכיל insideבְּתוֹך this cubeקוּבִּיָה.
173
474000
3000
נכנסים לקוביה הזו.
08:12
And a neuronעֲצָבוֹן, well, that's smallerקטן יותר than brainמוֹחַ.
174
477000
3000
ונוירון, טוב, הוא יותר קטן ממוח שלם.
08:17
And that's just a mouseעכבר brainמוֹחַ --
175
482000
2000
וזה רק מוח של עכבר.
08:21
it's a lot smallerקטן יותר than a humanבן אנוש brainמוֹחַ.
176
486000
3000
הוא הרבה יותר קטן ממוח אנושי.
08:25
So when showלְהַצִיג my friendsחברים this,
177
490000
2000
אז כשאני מראה את זה לחברים שלי,
08:27
sometimesלִפְעָמִים they'veהם כבר told me,
178
492000
2000
לפעמים הם אומרים לי
08:29
"You know, Sebastianסבסטיאן, you should just give up.
179
494000
3000
"אתה יודע, סבסטיאן, אתה צריך לוותר.
08:32
Neuroscienceמדעי המוח is hopelessאָבוּד."
180
497000
2000
"מדעי המוח הם עסק אבוד."
08:34
Because if you look at a brainמוֹחַ with your nakedעֵירוֹם eyeעַיִן,
181
499000
2000
כי אם אתם מסתכלים על המוח בעין בלתי מזויינת,
08:36
you don't really see how complexמורכב it is,
182
501000
2000
אתם באמת לא תראו עד כמה הוא מורכב,
08:38
but when you use a microscopeמִיקרוֹסקוֹפּ,
183
503000
2000
אבל כשמשתמשים במיקרוסקופ,
08:40
finallyסוף כל סוף the hiddenמוּסתָר complexityמוּרכָּבוּת is revealedגילה.
184
505000
3000
המורכבות החבוייה סוף סוף נגלית.
08:45
In the 17thה centuryמֵאָה,
185
510000
2000
במאה ה 17
08:47
the mathematicianמתמטיקאי and philosopherפִילוֹסוֹף, Blaiseבלייז Pascalפסקל,
186
512000
2000
המתמטיקאי והפילוסוף בלייז פסקל
08:49
wroteכתבתי of his dreadאֵימָה of the infiniteאֵינְסוֹף,
187
514000
3000
כתב על חרדתו מפני האינסוף,
08:52
his feelingמַרגִישׁ of insignificanceחוסר משמעות
188
517000
2000
על תחושת חוסר החשיבות שלו
08:54
at contemplatingשוקל the vastעָצוּם reachesמגיע of outerחִיצוֹנִי spaceמֶרחָב.
189
519000
3000
כשהוא חושב על המרחבים העצומים של החלל.
08:59
And, as a scientistמַדְעָן,
190
524000
2000
ובתור מדען
09:01
I'm not supposedאמור to talk about my feelingsרגשות --
191
526000
3000
אני לא אמור לדבר על הרגשות שלי.
09:04
too much informationמֵידָע, professorפּרוֹפֶסוֹר.
192
529000
2000
יותר מדי מידע, פרופסור.
09:06
(Laughterצחוק)
193
531000
2000
(צחוק)
09:08
But mayמאי I?
194
533000
2000
אבל אפשר?
09:10
(Laughterצחוק)
195
535000
2000
(צחוק)
09:12
(Applauseתְשׁוּאוֹת)
196
537000
2000
(מחיאות כפיים)
09:14
I feel curiosityסַקרָנוּת,
197
539000
2000
אני חש סקרנות,
09:16
and I feel wonderפֶּלֶא,
198
541000
2000
ואני חש פליאה,
09:18
but at timesפִּי I have alsoגַם feltהרגיש despairיאוש.
199
543000
3000
אבל לעיתים אני חש גם ייאוש.
09:22
Why did I chooseבחר to studyלימוד
200
547000
2000
למה בחרתי לחקור
09:24
this organאֵיבָר that is so awesomeמדהים in its complexityמוּרכָּבוּת
201
549000
3000
את האיבר הזה שכה מדהים במורכבותו
09:27
that it mightאולי well be infiniteאֵינְסוֹף?
202
552000
2000
שאפשר כבר לומר שהוא אינסופי?
09:29
It's absurdאַבּסוּרדִי.
203
554000
2000
זה אבסורד.
09:31
How could we even dareלְהַעֵז to think
204
556000
2000
איך יכולנו להעז ולחשוב
09:33
that we mightאולי ever understandמבין this?
205
558000
3000
שאי פעם אולי נבין אותו?
09:38
And yetעדיין, I persistלהתמיד in this quixoticקיטוטי endeavorמַאֲמָץ.
206
563000
3000
ועדיין אני מתמיד במאמץ הדון-קיחוטי הזה.
09:41
And indeedאכן, these daysימים I harborנָמָל newחָדָשׁ hopesמקווה.
207
566000
3000
ולמעשה, בימים אלה אני מפתח תקוות חדשות.
09:45
Somedayביום מן הימים,
208
570000
2000
יום אחד,
09:47
a fleetצי of microscopesמיקרוסקופים will captureלִלְכּוֹד
209
572000
2000
צי של מיקרוסקופים יילכדו
09:49
everyכֹּל neuronעֲצָבוֹן and everyכֹּל synapseסינפסה
210
574000
2000
כל נוירון וכל סינפסה
09:51
in a vastעָצוּם databaseמאגר מידע of imagesתמונות.
211
576000
3000
במאגר מידע עצום של תמונות.
09:54
And some day, artificiallyבאופן מלאכותי intelligentאִינְטֶלִיגֶנְטִי supercomputersמחשבי-על
212
579000
3000
ויום אחד, מחשבי על בעלי בינה מלאכותית
09:57
will analyzeלְנַתֵחַ the imagesתמונות withoutלְלֹא humanבן אנוש assistanceסִיוּעַ
213
582000
3000
ינתחו את התמונות הללו ללא סיוע אנושי
10:00
to summarizeלְסַכֵּם them in a connectomeconnectome.
214
585000
3000
ויסכמו אותם לקונקטום.
10:04
I do not know, but I hopeלְקַווֹת that I will liveלחיות to see that day,
215
589000
3000
אני לא יודע, אבל אני מקווה שאחיה לראות את היום הזה.
10:08
because findingמִמצָא an entireשלם humanבן אנוש connectomeconnectome
216
593000
2000
כי מציאת קונקטום אנושי שלם
10:10
is one of the greatestהגדול ביותר technologicalטֶכנוֹלוֹגִי challengesאתגרים of all time.
217
595000
3000
היא אחד האתגרים הטכנולוגיים הגדולים של כל הזמנים.
10:13
It will take the work of generationsדורות to succeedלהצליח.
218
598000
3000
הוא ידרוש עבודה של דורות על מנת שיצליח.
10:17
At the presentמתנה time, my collaboratorsמשתפי פעולה and I,
219
602000
3000
כרגע שותפי ואני,
10:20
what we're aimingמכוון for is much more modestצָנוּעַ --
220
605000
2000
אנחנו מכוונים למשהו הרבה יותר צנוע -
10:22
just to find partialחלקי connectomesחיבורים
221
607000
2000
רק למצוא קונקטומים חלקיים
10:24
of tinyזָעִיר chunksגושים of mouseעכבר and humanבן אנוש brainמוֹחַ.
222
609000
3000
של גושי מוח זעירים בעכבר ובאדם.
10:27
But even that will be enoughמספיק for the first testsבדיקות of this hypothesisהַשׁעָרָה
223
612000
3000
אבל גם זה יספק כדי לבצע בחינות ראשונית של ההיפותיזה הזו
10:30
that I am my connectomeconnectome.
224
615000
3000
שאני הוא הקונקטום שלי.
10:35
For now, let me try to convinceלְשַׁכְנֵעַ you of the plausibilityסבירות of this hypothesisהַשׁעָרָה,
225
620000
3000
כרגע תנו לי לנסות ולשכנע אתכם בסבירות של ההיפותיזה הזו,
10:38
that it's actuallyלמעשה worthשִׁוּוּי takingלְקִיחָה seriouslyברצינות.
226
623000
3000
ששווה לקחת אותה ברצינות.
10:42
As you growלגדול duringבְּמַהֲלָך childhoodיַלדוּת
227
627000
2000
כשאתם גדלים במהלך הילדות
10:44
and ageגיל duringבְּמַהֲלָך adulthoodבַּגרוּת,
228
629000
3000
ומתבגרים בבגרות,
10:47
your personalאישי identityזהות changesשינויים slowlyלאט.
229
632000
3000
הזהות האישית שלכם משתנה באיטיות.
10:50
Likewiseכְּמוֹ כֵן, everyכֹּל connectomeconnectome
230
635000
2000
כך גם כל קונקטום
10:52
changesשינויים over time.
231
637000
2000
משתנה עם הזמן.
10:55
What kindsמיני of changesשינויים happenלִקְרוֹת?
232
640000
2000
איזה סוג של שינויים מתרחשים?
10:57
Well, neuronsנוירונים, like treesעצים,
233
642000
2000
ובכן, נוירונים, כמו עצים,
10:59
can growלגדול newחָדָשׁ branchesענפים,
234
644000
2000
יכולים להצמיח ענפים חדשים,
11:01
and they can loseלאבד oldישן onesיחידות.
235
646000
3000
והם יכולים לאבד ענפים ישנים.
11:04
Synapsesסינפסות can be createdשנוצר,
236
649000
3000
סינפסות יכולות להיווצר,
11:07
and they can be eliminatedבוטלו.
237
652000
3000
והן יכולות להימחק.
11:10
And synapsesסינפסות can growלגדול largerיותר גדול,
238
655000
2000
וסינפסות יכולות לגדול
11:12
and they can growלגדול smallerקטן יותר.
239
657000
3000
והן יכולות לקטון.
11:15
Secondשְׁנִיָה questionשְׁאֵלָה:
240
660000
2000
שאלה שנייה:
11:17
what causesגורם ל these changesשינויים?
241
662000
3000
מה גורם לשינויים הללו?
11:20
Well, it's trueנָכוֹן.
242
665000
2000
ובכן, זה נכון,
11:22
To some extentהרחבה, they are programmedאלחוטי by your genesגנים.
243
667000
3000
במידה מסויימת הם מתוכנתים ע"י הגנים שלכם.
11:25
But that's not the wholeכֹּל storyכַּתָבָה,
244
670000
2000
אבל זה לא כל הסיפור,
11:27
because there are signalsאותות, electricalחַשׁמַלִי signalsאותות,
245
672000
2000
כי ישנם אותות, אותות חשמליים,
11:29
that travelלִנְסוֹעַ alongלְאוֹרֶך the branchesענפים of neuronsנוירונים
246
674000
2000
הנודדים לאורך ענפי הנוירונים
11:31
and chemicalכִּימִי signalsאותות
247
676000
2000
ושדרים כימיים
11:33
that jumpקְפִיצָה acrossלְרוֹחָב from branchענף to branchענף.
248
678000
2000
העוברים מענף לענף.
11:35
These signalsאותות are calledשקוראים לו neuralעֲצַבִּי activityפעילות.
249
680000
3000
האותות האלה נקראים פעילות עצבית.
11:38
And there's a lot of evidenceעֵדוּת
250
683000
2000
ויש עדויות רבות
11:40
that neuralעֲצַבִּי activityפעילות
251
685000
3000
שפעילות עצבית
11:43
is encodingהַצפָּנָה our thoughtsמחשבות, feelingsרגשות and perceptionsתפיסות,
252
688000
3000
מקודדת את המחשבות, הרגשות והתפיסות שלנו,
11:46
our mentalנַפשִׁי experiencesחוויות.
253
691000
2000
החוויות המנטליות שלנו.
11:48
And there's a lot of evidenceעֵדוּת that neuralעֲצַבִּי activityפעילות
254
693000
3000
ויש עדויות רבות שפעילות עצבית
11:51
can causeגורם your connectionsקשרים to changeשינוי.
255
696000
3000
יכולה לגרום לשינויים בחיבורים שלכם.
11:54
And if you put those two factsעובדות togetherיַחַד,
256
699000
3000
ואם תחברו יחד את שתי העובדות האלה,
11:57
it meansאומר that your experiencesחוויות
257
702000
2000
זה אומר שהחוויות שלכם
11:59
can changeשינוי your connectomeconnectome.
258
704000
3000
יכולות לשנות את הקונקטום שלכם.
12:02
And that's why everyכֹּל connectomeconnectome is uniqueייחודי,
259
707000
2000
ולכן הקונקטום הוא ייחודי,
12:04
even those of geneticallyמבחינה גנטית identicalזֵהֶה twinsתְאוּמִים.
260
709000
3000
אפילו בין שני תאומים זהים גנטית.
12:08
The connectomeconnectome is where natureטֶבַע meetsפוגש nurtureלְטַפֵּחַ.
261
713000
3000
הקונקטום הוא המקום בו התורשה פוגשת את הסביבה.
12:12
And it mightאולי trueנָכוֹן
262
717000
2000
ויתכן שזה נכון
12:14
that just the mereסְתָם actפעולה of thinkingחושב
263
719000
2000
שעצם פעולת המחשבה
12:16
can changeשינוי your connectomeconnectome --
264
721000
2000
יכולה לשנות את הקונקטום שלכם -
12:18
an ideaרַעְיוֹן that you mayמאי find empoweringהעצמה.
265
723000
3000
רעיון שיכול להיות מעצים.
12:24
What's in this pictureתְמוּנָה?
266
729000
2000
מה רואים כאן?
12:28
A coolמגניב and refreshingמְרַעֲנֵן streamזרם of waterמַיִם, you say.
267
733000
3000
נחל קריר ומרענן, אתם אומרים.
12:32
What elseאַחֵר is in this pictureתְמוּנָה?
268
737000
2000
מה עוד יש בתמונה?
12:37
Do not forgetלשכוח that grooveחָרִיץ in the Earthכדור הארץ
269
742000
2000
על תשכחו את החריץ הזה באדמה
12:39
calledשקוראים לו the streamזרם bedמיטה.
270
744000
3000
שנקרא אפיק.
12:42
Withoutלְלֹא it, the waterמַיִם would not know in whichאיזה directionכיוון to flowזְרִימָה.
271
747000
3000
בלעדיו המים לא ידעו באיזה כיוון לזרום.
12:45
And with the streamזרם,
272
750000
2000
ובעזרת הנחל
12:47
I would like to proposeלהציע a metaphorמֵטָפוֹרָה
273
752000
2000
אני רוצה להציע מטאפורה
12:49
for the relationshipמערכת יחסים betweenבֵּין neuralעֲצַבִּי activityפעילות
274
754000
2000
על הקשר בין פעילות חשמלית
12:51
and connectivityקישוריות.
275
756000
2000
וקישוריות.
12:54
Neuralעֲצַבִּי activityפעילות is constantlyתָמִיד changingמִשְׁתַנֶה.
276
759000
3000
פעילות חשמלית משתנה כל הזמן.
12:57
It's like the waterמַיִם of the streamזרם; it never sitsיושב still.
277
762000
3000
זה כמו המים בנחל, הם אף פעם לא שקטים.
13:00
The connectionsקשרים
278
765000
2000
הקשרים
13:02
of the brain'sמוֹחַ neuralעֲצַבִּי networkרֶשֶׁת
279
767000
2000
ברשת העצבית במוח
13:04
determinesקובע the pathwaysנתיבים
280
769000
2000
קובעים את הנתיבים
13:06
alongלְאוֹרֶך whichאיזה neuralעֲצַבִּי activityפעילות flowsזור.
281
771000
2000
בהם תזרום הפעילות החשמלית.
13:08
And so the connectomeconnectome is like bedמיטה of the streamזרם;
282
773000
3000
והקונקטום הוא כמו אפיק הנחל.
13:13
but the metaphorמֵטָפוֹרָה is richerעשירה יותר than that,
283
778000
3000
אבל המטאפורה עשירה יותר מזה.
13:16
because it's trueנָכוֹן that the streamזרם bedמיטה
284
781000
3000
כי זה נכון שאפיק הנחל
13:19
guidesמדריכים the flowזְרִימָה of the waterמַיִם,
285
784000
2000
מנחה את זרימת המים,
13:21
but over long timescalesלוחות זמנים,
286
786000
2000
אבל לאורך זמן,
13:23
the waterמַיִם alsoגַם reshapesעיצוב מחדש the bedמיטה of the streamזרם.
287
788000
3000
המים גם מעצבים מחדש את אפיק הנחל.
13:26
And as I told you just now,
288
791000
2000
וכפי שאמרתי לכם קודם,
13:28
neuralעֲצַבִּי activityפעילות can changeשינוי the connectomeconnectome.
289
793000
3000
פעילות עצבית יכולה לשנות את הקונקטום.
13:33
And if you'llאתה allowלהתיר me to ascendלַעֲלוֹת
290
798000
2000
ואם תרשו לי לטפס
13:35
to metaphoricalמוּשׁאָל heightsגבהים,
291
800000
3000
לגבהים מטאפוריים,
13:38
I will remindלְהַזכִּיר you that neuralעֲצַבִּי activityפעילות
292
803000
3000
אזכיר לכם שפעילות עצבית
13:41
is the physicalגוּפָנִי basisבָּסִיס -- or so neuroscientistsמדעני מוח think --
293
806000
2000
היא הבסיס הפיזיקלי - או כך חושבים מדעני המוח -
13:43
of thoughtsמחשבות, feelingsרגשות and perceptionsתפיסות.
294
808000
3000
של מחשבות, רגשות ותפיסות.
13:46
And so we mightאולי even speakלְדַבֵּר of
295
811000
2000
ואפשר אפילו לדבר על
13:48
the streamזרם of consciousnessתוֹדָעָה.
296
813000
2000
זרם התודעה.
13:50
Neuralעֲצַבִּי activityפעילות is its waterמַיִם,
297
815000
3000
פעילות עצבית היא המים,
13:53
and the connectomeconnectome is its bedמיטה.
298
818000
3000
והקונקטום הוא האפיק.
13:57
So let's returnלַחֲזוֹר from the heightsגבהים of metaphorמֵטָפוֹרָה
299
822000
2000
אז בואו נחזור מגבהי המטאפורה
13:59
and returnלַחֲזוֹר to scienceמַדָע.
300
824000
2000
ונחזור למדע.
14:01
Supposeלְהַנִיחַ our technologiesטכנולוגיות for findingמִמצָא connectomesחיבורים
301
826000
2000
נניח שהטכנולוגיות למציאת קונקטומים
14:03
actuallyלמעשה work.
302
828000
2000
היו באמת עובדות.
14:05
How will we go about testingבדיקה the hypothesisהַשׁעָרָה
303
830000
2000
איך נבחן את ההיפותיזה
14:07
"I am my connectomeconnectome?"
304
832000
3000
"אני הוא הקונקטום שלי"?
14:10
Well, I proposeלהציע a directישיר testמִבְחָן.
305
835000
3000
ובכן, אני מציע בדיקה ישירה.
14:13
Let us attemptלְנַסוֹת
306
838000
2000
בואו ננסה
14:15
to readלקרוא out memoriesזיכרונות from connectomesחיבורים.
307
840000
3000
לקרוא את הזכרונות שלנו מתוך הקונקטומים.
14:18
Considerלשקול the memoryזיכרון
308
843000
2000
קחו למשל זכרון
14:20
of long temporalזְמַנִי sequencesרצפים of movementsתנועות,
309
845000
3000
של רצפי תנועה במשך זמן ארוך,
14:23
like a pianistפְּסַנְתְרָן playingמשחק a Beethovenבטהובן sonataסונטה.
310
848000
3000
כמו נגינה של סונטה של בטהובן.
14:26
Accordingלפי to a theoryתֵאוֹרִיָה that datesתאריכים back to the 19thה centuryמֵאָה,
311
851000
3000
לפי תיאוריה שתחילתה במאה ה 19,
14:29
suchכגון memoriesזיכרונות are storedמְאוּחסָן
312
854000
2000
זכרונות שכאלה שמורים
14:31
as chainsשרשראות of synapticסינפטי connectionsקשרים insideבְּתוֹך your brainמוֹחַ.
313
856000
3000
כשרשראות של קשרים סינפטיים בתוך המוח שלכם.
14:35
Because, if the first neuronsנוירונים in the chainשַׁרשֶׁרֶת are activatedמוּפעָל,
314
860000
3000
כי אם הנוירונים הראשונים בשרשרת מופעלים,
14:38
throughדרך theirשֶׁלָהֶם synapsesסינפסות they sendלִשְׁלוֹחַ messagesהודעות to the secondשְׁנִיָה neuronsנוירונים, whichאיזה are activatedמוּפעָל,
315
863000
3000
דרך הסינפסות שלהם הם שולחים מסרים לנוירונים הבאים, שגם מופעלים,
14:41
and so on down the lineקַו,
316
866000
2000
וכך הלאה במורד השרשרת,
14:43
like a chainשַׁרשֶׁרֶת of fallingנופל dominoesדומינו.
317
868000
2000
כמו רצף של אבני דומינו נופלות.
14:45
And this sequenceסדר פעולות of neuralעֲצַבִּי activationהַפעָלָה
318
870000
2000
ומשוער שרצף הפעילות העצבית הזה
14:47
is hypothesizedמשוערת to be the neuralעֲצַבִּי basisבָּסִיס
319
872000
3000
מהווה את הבסיס העצבי
14:50
of those sequenceסדר פעולות of movementsתנועות.
320
875000
2000
של אותו רצף תנועות.
14:52
So one way of tryingמנסה to testמִבְחָן the theoryתֵאוֹרִיָה
321
877000
2000
אז דרך אחת לנסות לבחון את התיאוריה
14:54
is to look for suchכגון chainsשרשראות
322
879000
2000
היא לחפש שרשראות כאלה
14:56
insideבְּתוֹך connectomesחיבורים.
323
881000
2000
בתוך קונקטומים.
14:58
But it won'tרָגִיל be easyקַל, because they're not going to look like this.
324
883000
3000
אבל זה לא יהיה קל, כי הם לא ייראו כך.
15:01
They're going to be scrambledטָרוּף up.
325
886000
2000
הם יהיו מעורבלים.
15:03
So we'llטוֹב have to use our computersמחשבים
326
888000
2000
אז נהיה חייבים להשתמש במחשבים שלנו
15:05
to try to unscrambleלְפַעֲנֵחַ the chainשַׁרשֶׁרֶת.
327
890000
3000
כדי לפענח את השרשרת.
15:08
And if we can do that,
328
893000
2000
ואם נוכל לעשות זאת,
15:10
the sequenceסדר פעולות of the neuronsנוירונים we recoverלְהַחלִים from that unscramblingunscrambling
329
895000
3000
רצף הנוירונים שנגלה בפענוח הזה
15:13
will be a predictionנְבוּאָה of the patternתַבְנִית of neuralעֲצַבִּי activityפעילות
330
898000
3000
יהיה ניבוי לדפוס פעילות עצבית
15:16
that is replayedחזרה in the brainמוֹחַ duringבְּמַהֲלָך memoryזיכרון recallלִזכּוֹר.
331
901000
3000
המופעל במוח במהלך שחזור זיכרון.
15:19
And if that were successfulמוּצלָח,
332
904000
2000
ואם זה יצליח,
15:21
that would be the first exampleדוגמא of readingקריאה a memoryזיכרון from a connectomeconnectome.
333
906000
3000
זאת תהיה הדוגמא הראשונה של קריאת זיכרון מתוך קונקטום.
15:28
(Laughterצחוק)
334
913000
2000
(צחוק)
15:30
What a messאי סדר --
335
915000
2000
איזה בלגן.
15:33
have you ever triedניסה to wireחוּט up a systemמערכת
336
918000
2000
ניסיתם פעם לחבר מערכת חשמלית
15:35
as complexמורכב as this?
337
920000
2000
מורכבת כמו זו?
15:37
I hopeלְקַווֹת not.
338
922000
2000
אני מקווה שלא.
15:39
But if you have, you know it's very easyקַל to make a mistakeטעות.
339
924000
3000
אבל אם כן, אתם יודעים שמאוד קל לטעות.
15:45
The branchesענפים of neuronsנוירונים are like the wiresחוטים of the brainמוֹחַ.
340
930000
2000
ענפי הנוירונים הם כמו חוטי החשמל של המוח.
15:47
Can anyoneכֹּל אֶחָד guessלְנַחֵשׁ: what's the totalסה"כ lengthאורך of wiresחוטים in your brainמוֹחַ?
341
932000
4000
מישהו יכול לנחש: מהו האורך הכולל של החוטים במוח שלכם?
15:54
I'll give you a hintרֶמֶז. It's a bigגָדוֹל numberמספר.
342
939000
2000
אתן לכם רמז. זה מספר גדול.
15:56
(Laughterצחוק)
343
941000
2000
(צחוק)
15:59
I estimateלְהַעֲרִיך, millionsמיליונים of milesstomach,
344
944000
3000
אני מעריך, מיליוני מיילים.
16:02
all packedארוז in your skullגולגולת.
345
947000
3000
הכל ארוז בתוך הגולגולת.
16:05
And if you appreciateמעריך that numberמספר,
346
950000
2000
ואם אתם מעריכים את המספר הזה,
16:07
you can easilyבְּקַלוּת see
347
952000
2000
אתם יכולים לראות בקלות
16:09
there is hugeעָצוּם potentialפוטנציאל for mis-wiringחיווט שגוי of the brainמוֹחַ.
348
954000
2000
שיש פוטנציאל עצום לטעויות בקישורים בתוך המוח.
16:11
And indeedאכן, the popularפופולרי pressללחוץ lovesאוהב headlinesכותרות like,
349
956000
3000
ואכן העיתונות אוהבת כותרות כמו:
16:14
"Anorexicאנורקסית brainsמוֹחַ are wiredקווית differentlyבאופן שונה,"
350
959000
2000
"המוח האנורקטי מקושר בצורה אחרת."
16:16
or "Autisticאוֹטִיסטִי brainsמוֹחַ are wiredקווית differentlyבאופן שונה."
351
961000
2000
או "מוחות אוטיסטיים מקושרים אחרת."
16:18
These are plausibleמִתקָבֵּל עַל הַדַעַת claimsטוען,
352
963000
2000
אלה טענות סבירות,
16:20
but in truthאֶמֶת,
353
965000
2000
אבל האמת היא
16:22
we can't see the brain'sמוֹחַ wiringתִיוּל clearlyבְּבִירוּר enoughמספיק
354
967000
2000
שאנחנו לא יכולים לראות את הקשרים העצביים בצורה בהירה מספיק
16:24
to tell if these are really trueנָכוֹן.
355
969000
2000
כדי לדעת אם הן באמת נכונות.
16:26
And so the technologiesטכנולוגיות for seeingרְאִיָה connectomesחיבורים
356
971000
3000
אז הטכנולוגיות לזיהוי קונקטומים
16:29
will allowלהתיר us to finallyסוף כל סוף
357
974000
2000
יאפשרו לנו סוף סוף
16:31
readלקרוא mis-wiringחיווט שגוי of the brainמוֹחַ,
358
976000
2000
לקרוא קישורים שגויים במוח,
16:33
to see mentalנַפשִׁי disordersהפרעות in connectomesחיבורים.
359
978000
3000
לראות הפרעות מנטליות בקונקטומים.
16:40
Sometimesלִפְעָמִים the bestהטוב ביותר way to testמִבְחָן a hypothesisהַשׁעָרָה
360
985000
3000
לפעמים הדרך הטובה ביותר לבחון היפותיזה
16:43
is to considerלשקול its mostרוב extremeקיצוני implicationמַשְׁמָעוּת.
361
988000
3000
היא לשקול את ההשלכה הקיצונית ביותר שלה.
16:46
Philosophersפילוסופים know this gameמִשְׂחָק very well.
362
991000
3000
פילוסופים מכירים את המשחק הזה היטב.
16:50
If you believe that I am my connectomeconnectome,
363
995000
3000
אם אתה מאמין שאתה הוא הקונקטום שלך,
16:53
I think you mustצריך alsoגַם acceptלְקַבֵּל the ideaרַעְיוֹן
364
998000
3000
אני חושב שאתה צריך גם לקבל את הרעיון
16:56
that deathמוות is the destructionהֶרֶס
365
1001000
2000
שמוות הוא הרס
16:58
of your connectomeconnectome.
366
1003000
3000
הקונקטום שלך.
17:02
I mentionאִזְכּוּר this because there are prophetsנביאים todayהיום
367
1007000
3000
אני מזכיר זאת מכיוון שישנם נביאים היום
17:05
who claimתְבִיעָה that technologyטֶכנוֹלוֹגִיָה
368
1010000
3000
הטוענים שטכנולוגיה
17:08
will fundamentallyבִּיסוֹדוֹ alterלשנות the humanבן אנוש conditionמַצָב
369
1013000
3000
תשנה באופן בסיסי את המצב האנושי
17:11
and perhapsאוּלַי even transformשינוי צורה the humanבן אנוש speciesמִין.
370
1016000
3000
ואולי אף תשנה את המין האנושי.
17:14
One of theirשֶׁלָהֶם mostרוב cherishedמְטוּפָּח dreamsחלומות
371
1019000
3000
אחד מחלומותיהם הכמוסים
17:17
is to cheatלְרַמוֹת deathמוות
372
1022000
2000
הוא לרמות את המוות
17:19
by that practiceלְתַרְגֵל knownידוע as cryonicsקריוניקה.
373
1024000
2000
על-ידי תורה הנקראת קריוניקה.
17:21
If you payלְשַׁלֵם 100,000 dollarsדולר,
374
1026000
2000
אם תשלמו $100,000,
17:23
you can arrangeלְאַרגֵן to have your bodyגוּף frozenקָפוּא after deathמוות
375
1028000
3000
תוכלו לסדר שיקפיאו את גופתכם לאחר המוות
17:26
and storedמְאוּחסָן in liquidנוזל nitrogenחַנקָן
376
1031000
2000
וישמרו אותה בחנקן נוזלי
17:28
in one of these tanksטנקים in an Arizonaאריזונה warehouseמַחסָן,
377
1033000
2000
באחד מהמיכלים האלה במחסן באריזונה,
17:30
awaitingממתין a futureעתיד civilizationתַרְבּוּת
378
1035000
2000
בציפייה לתרבות עתידית
17:32
that is advancedמִתקַדֵם to resurrectלְהַקִים לִתְחִיָה you.
379
1037000
3000
שמספיק מתקדמת כדי להקים אתכם לתחייה.
17:36
Should we ridiculeלַעַג the modernמוֹדֶרנִי seekersמחפשי of immortalityנֵצַח,
380
1041000
2000
האם צריך ללעוג לרודפים המודרניים אחר האלמוות,
17:38
callingיִעוּד them foolsשוטים?
381
1043000
2000
ולקרוא להם טפשים?
17:40
Or will they somedayביום מן הימים chuckleצחקוק
382
1045000
2000
או שאולי יום אחד הם יצחקו
17:42
over our gravesקברים?
383
1047000
2000
מעל הקברים שלנו?
17:45
I don't know --
384
1050000
2000
אני לא יודע.
17:47
I preferלְהַעֲדִיף to testמִבְחָן theirשֶׁלָהֶם beliefsאמונות, scientificallyמבחינה מדעית.
385
1052000
3000
אני מעדיף לבחון את האמונות שלהם באופן מדעי.
17:50
I proposeלהציע that we attemptלְנַסוֹת to find a connectomeconnectome
386
1055000
2000
אני מציע שננסה למצוא קונקטום
17:52
of a frozenקָפוּא brainמוֹחַ.
387
1057000
2000
במוח קפוא.
17:54
We know that damageנֵזֶק to the brainמוֹחַ
388
1059000
2000
אנחנו יודעים שנזק למוח
17:56
occursמתרחשת after deathמוות and duringבְּמַהֲלָך freezingקְפִיאָה.
389
1061000
2000
מתרחש לאחר המוות ובמהלך ההקפאה.
17:58
The questionשְׁאֵלָה is: has that damageנֵזֶק erasedמָחוּק the connectomeconnectome?
390
1063000
3000
השאלה היא: האם הנזק מחק את הקונקטום?
18:01
If it has, there is no way that any futureעתיד civilizationתַרְבּוּת
391
1066000
3000
אם כן, אין שום דרך שאף תרבות עתידית
18:04
will be ableיכול to recoverלְהַחלִים the memoriesזיכרונות of these frozenקָפוּא brainsמוֹחַ.
392
1069000
3000
תהיה מסוגלת לשחזר זיכרונות מתוך אותם מוחות קפואים.
18:07
Resurrectionתְקוּמָה mightאולי succeedלהצליח for the bodyגוּף,
393
1072000
2000
תחייה מחודשת יכולה להצליח עבור הגוף,
18:09
but not for the mindאכפת.
394
1074000
2000
אך לא עבור הדעת.
18:11
On the other handיד, if the connectomeconnectome is still intactשָׁלֵם,
395
1076000
3000
מצד שני, אם הקונקטום עדיין שלם,
18:14
we cannotלא יכול ridiculeלַעַג the claimsטוען of cryonicsקריוניקה so easilyבְּקַלוּת.
396
1079000
3000
לא נוכל ללעוג לטענות הקריוניקה בקלות כה רבה.
18:20
I've describedמְתוּאָר a questלַחקוֹר
397
1085000
2000
אני תיארתי מסע
18:22
that beginsמתחיל in the worldעוֹלָם of the very smallקָטָן,
398
1087000
3000
המתחיל בעולמם של הקטנים מאוד,
18:25
and propelsהמניע us to the worldעוֹלָם of the farרָחוֹק futureעתיד.
399
1090000
3000
ומניע אותנו לעולם העתיד הרחוק.
18:28
Connectomesקונטומים will markסימן a turningחֲרִיטָה pointנְקוּדָה in humanבן אנוש historyהִיסטוֹרִיָה.
400
1093000
3000
קונקטומים יסמנו נקודת מפנה בהיסטוריה האנושית.
18:32
As we evolvedהתפתח from our ape-likeכמו קוף ancestorsאבות
401
1097000
2000
כשאנחנו התפתחנו מאבותינו דמויי הקוף
18:34
on the Africanאַפְרִיקַנִי savannaסוואנה,
402
1099000
2000
בסוואנה האפריקאית,
18:36
what distinguishedנִכבָּד us was our largerיותר גדול brainsמוֹחַ.
403
1101000
3000
מה שהבחין בינינו לבינם היה מוחנו הגדול.
18:40
We have used our brainsמוֹחַ to fashionאופנה
404
1105000
2000
השתמשנו במוחנו כדי לעצב
18:42
ever more amazingמדהים technologiesטכנולוגיות.
405
1107000
3000
טכנולוגיות מדהימות עוד יותר.
18:45
Eventuallyבסופו של דבר, these technologiesטכנולוגיות will becomeהפכו so powerfulחָזָק
406
1110000
3000
בסופו של דבר, הטכנולוגיות האלה יהיו כה חזקות
18:48
that we will use them to know ourselvesבְּעָצמֵנוּ
407
1113000
3000
שנשתמש בהם כדי להכיר את עצמנו
18:51
by deconstructingפירוק and reconstructingשחזור
408
1116000
3000
על-ידי פירוק והרכבה מחדש
18:54
our ownשֶׁלוֹ brainsמוֹחַ.
409
1119000
3000
של המוחות שלנו.
18:57
I believe that this voyageמַסָע of self-discoveryגילוי עצמי
410
1122000
3000
אני מאמין שמסע זה של גילוי עצמי
19:00
is not just for scientistsמדענים,
411
1125000
3000
מיועד לא רק למדענים
19:03
but for all of us.
412
1128000
2000
אלא לכולנו.
19:05
And I'm gratefulאסיר תודה for the opportunityהִזדַמְנוּת to shareלַחֲלוֹק this voyageמַסָע with you todayהיום.
413
1130000
3000
ואני מעריך את ההזדמנות לשתף אתכם במסע הזה היום.
19:08
Thank you.
414
1133000
2000
תודה
19:10
(Applauseתְשׁוּאוֹת)
415
1135000
8000
(מחיאות כפיים)
Translated by Sigal Tifferet
Reviewed by Ido Dekkers

▲Back to top

ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Sebastian Seung | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee