TEDxCaltech
Michael Dickinson: How a fly flies
Michael Dickinson: Hogyan repülnek a legyek
Filmed:
Readability: 4.2
1,787,704 views
A rovarok repülőképessége alighanem az egyik legnagyobb vívmánya az evolúciónak. Michael Dickinson elmagyarázza, hogyan képes repülni az ecetmuslica, ez az aprócska légy, ügyesen csapkodó szárnyai segítségével, melyek mozgatását erőteljes és finoman szabályozott izmok végzik. De a repülés végső titka: a légy elképesztő agya. (Felvétel: TEDxCaltech.)
Michael Dickinson - Biologist
Most people are irritated by the buzzing of a fly's wings. But biologist Michael Dickinson views the sound with a deep sense of wonder. Full bio
Most people are irritated by the buzzing of a fly's wings. But biologist Michael Dickinson views the sound with a deep sense of wonder. Full bio
Double-click the English transcript below to play the video.
00:16
I grew up watching Star Trek. I love Star Trek.
0
545
3532
A Star Treken nőttem fel. Imádom a Star Treket.
00:19
Star Trek made me want to see alien creatures,
1
4077
4462
A Star Trek piszkálta fel bennem a vágyat, hogy idegenekkel találkozzam,
00:24
creatures from a far-distant world.
2
8539
2303
idegen lényekkel távoli világokból.
00:26
But basically, I figured out that I could find
3
10842
2787
Aztán rájöttem, hogy alapjában véve
00:29
those alien creatures right on Earth.
4
13629
2977
idegen lények itt a Földön is vannak.
00:32
And what I do is I study insects.
5
16606
2653
Így kezdtem el tanulmányozni a rovarokat.
00:35
I'm obsessed with insects, particularly insect flight.
6
19259
3256
Megszállottja vagyok a rovaroknak, különösen a repülésüknek.
00:38
I think the evolution of insect flight is perhaps
7
22515
3141
Úgy vélem, hogy a rovarrepülés evolúciója
00:41
one of the most important events in the history of life.
8
25656
2742
az egyik legfontosabb esemény az élet történetében.
00:44
Without insects, there'd be no flowering plants.
9
28398
2237
Rovarok nélkül nem lennének virágos növények.
00:46
Without flowering plants, there would be no
10
30635
1916
Virágos növények nélkül nem lennének
00:48
clever, fruit-eating primates giving TED Talks.
11
32551
3137
okos, gyümölcsevő főemlősök, akik TED-előadásokat tartanak.
00:51
(Laughter)
12
35688
2300
(Nevetés)
00:53
Now,
13
37988
1987
Az imént
00:55
David and Hidehiko and Ketaki
14
39975
3039
David, Hidehiko és Ketaki
00:58
gave a very compelling story about
15
43014
3445
lebilincselő történetet adott elő
01:02
the similarities between fruit flies and humans,
16
46459
2805
a muslica és az ember közötti hasonlóságról,
01:05
and there are many similarities,
17
49264
1489
mert sok a hasonlóság közöttünk,
01:06
and so you might think that if humans are similar to fruit flies,
18
50753
3002
ezért azt gondolhatják, hogy ha az ember hasonlít a muslicához,
01:09
the favorite behavior of a fruit fly might be this, for example --
19
53755
3797
akkor a muslica egyik kedvenc viselkedési módja lehet például ez --
01:13
(Laughter)
20
57552
2282
(Nevetés)
01:15
but in my talk, I don't want to emphasize on the similarities
21
59834
3191
de én nem annyira a hasonlóságot kívánom hangsúlyozni előadásomban,
01:18
between humans and fruit flies, but rather the differences,
22
63025
3067
mint inkább az ember és a muslica közötti eltéréseket,
01:21
and focus on the behaviors that I think fruit flies excel at doing.
23
66092
5287
azokra a viselkedésekre koncentrálva, amelyekben szerintem a muslica nagyot alakít.
01:27
And so I want to show you a high-speed video sequence
24
71379
2856
Most pedig mutatok önöknek egy nagysebességű videófelvételt,
01:30
of a fly shot at 7,000 frames per second in infrared lighting,
25
74235
3935
mely infravörös fényben készült egy muslicáról 7000 kocka per másodperc sebességgel;
01:34
and to the right, off-screen, is an electronic looming predator
26
78170
4210
jobbra, a képen kívül, egy elektronikus ragadozó bukkan fel,
01:38
that is going to go at the fly.
27
82380
1435
mely megtámadja a legyet.
01:39
The fly is going to sense this predator.
28
83815
1838
A muslica érzékeli a ragadozót.
01:41
It is going to extend its legs out.
29
85653
2455
Kimereszti a lábait.
01:44
It's going to sashay away
30
88108
1613
Elsasszézik, hogy egy nappal
01:45
to live to fly another day.
31
89721
2565
tovább éljen, és repülhessen még egy kicsit.
01:48
Now I have carefully cropped this sequence
32
92286
2362
A képsorozatot úgy vágtam meg,
01:50
to be exactly the duration of a human eye blink,
33
94648
3160
hogy az időtartama pontosan egyezzen az emberi szem pislantásáéval,
01:53
so in the time that it would take you to blink your eye,
34
97808
2834
vagyis mialatt egyet pislogtak,
01:56
the fly has seen this looming predator,
35
100642
3265
a légy észrevette a felbukkanó ragadozót,
01:59
estimated its position, initiated a motor pattern to fly it away,
36
103907
6168
megbecsülte a helyzetét, elkezdett egy mozgássort, hogy elkerülje,
02:05
beating its wings at 220 times a second as it does so.
37
110075
4464
másodpercenként 220 alkalommal lebbentve szárnyát.
02:10
I think this is a fascinating behavior
38
114539
1973
Szerintem ez elképesztő viselkedés,
02:12
that shows how fast the fly's brain can process information.
39
116512
3921
mely megmutatja, milyen gyorsan dolgozza fel a légy agya az információt.
02:16
Now, flight -- what does it take to fly?
40
120433
2842
Hát igen, repülés -- mi is kell a repüléshez?
02:19
Well, in order to fly, just as in a human aircraft,
41
123275
2864
Nos, ha olyan repülésre gondolunk, mint az ember által épített repülőgépé,
02:22
you need wings that can generate sufficient aerodynamic forces,
42
126139
2735
akkor szükség van olyan szárnyakra, amelyek elég nagy aerodinamikai erőket generálnak,
02:24
you need an engine sufficient to generate the power required for flight,
43
128874
3546
kell egy motor is, mely elegendő teljesítményt hoz létre a repüléshez,
02:28
and you need a controller,
44
132420
1709
és kell egy irányítás --
02:30
and in the first human aircraft, the controller was basically
45
134129
2626
az első, ember által gyártott gépben ez a irányítás lényegében
02:32
the brain of Orville and Wilbur sitting in the cockpit.
46
136755
4312
Orville és Wilbur agya volt, akik a pilótafülkében ültek.
02:36
Now, how does this compare to a fly?
47
141067
2753
Lássuk, hogyan viszonyul ez a légy repüléséhez.
02:39
Well, I spent a lot of my early career trying to figure out
48
143820
3251
Nos, pályafutásom kezdete nagyrészt azzal telt, hogy rájöjjek,
02:42
how insect wings generate enough force to keep the flies in the air.
49
147071
4336
hogyan generál egy rovar szárnya annyi erőt ahhoz, hogy megtartsa a levegőben.
02:47
And you might have heard how engineers proved
50
151407
1610
Mert talán hallottak már arról, hogy mérnöki számítások szerint
02:48
that bumblebees couldn't fly.
51
153017
2634
a poszméh nem lenne képes repülni.
02:51
Well, the problem was in thinking that the insect wings
52
155651
2620
Nos, ez abból a feltétevésből adódott, hogy a rovarszárny
02:54
function in the way that aircraft wings work. But they don't.
53
158271
3119
nyilván úgy működik, ahogy a repülőgépé. Márpedig ez nem így van.
02:57
And we tackle this problem by building giant,
54
161390
2854
A problémát úgy lehet megragadni, hogy építünk
03:00
dynamically scaled model robot insects
55
164244
3432
egy óriási, dinamikailag méretarányos robotrovarmodellt,
03:03
that would flap in giant pools of mineral oil
56
167676
3336
amely egy ásványolajjal töltött hatalmas tartályban verdes a szárnyával,
03:06
where we could study the aerodynamic forces.
57
171012
2274
hogy ezzel tanulmányozzuk az aerodinamikai erőket.
03:09
And it turns out that the insects flap their wings
58
173286
2158
A vizsgálatokból kiderült, hogy a rovarok nagyon cselesen
03:11
in a very clever way, at a very high angle of attack
59
175444
2592
verdesnek a szárnyukkal, s a nagy támadási szög miatt
03:13
that creates a structure at the leading edge of the wing,
60
178036
3121
a szárny elülső szélénél egy sajátos struktúra alakul ki,
03:17
a little tornado-like structure called a leading edge vortex,
61
181157
3199
egy tornádószerű struktúra, melyet belépőélörvénynek hívnak,
03:20
and it's that vortex that actually enables the wings
62
184356
2954
és ez az örvény az, amely tulajdonképpen képessé teszi a szárnyat
03:23
to make enough force for the animal to stay in the air.
63
187310
3359
arra, hogy elég erőt generáljon a rovar levegőben tartásához.
03:26
But the thing that's actually most -- so, what's fascinating
64
190669
2428
Érdekes a szárny morfológiája is,
03:28
is not so much that the wing has some interesting morphology.
65
193097
2975
de nem az a leginkább bámulatra méltó.
03:31
What's clever is the way the fly flaps it,
66
196072
3645
A legérdekesebb az, ahogy a légy verdes vele;
03:35
which of course ultimately is controlled by the nervous system,
67
199717
3136
ezt a cseles mozgást természetesen végső fokon az idegrendszere szabályozza:
03:38
and this is what enables flies to perform
68
202853
2647
ez teszi lehetővé a legyek számára az
03:41
these remarkable aerial maneuvers.
69
205500
2807
ilyen figyelemreméltó légi manővereket.
03:44
Now, what about the engine?
70
208307
2097
És mi a helyzet a motorral?
03:46
The engine of the fly is absolutely fascinating.
71
210404
2492
A muslica motorja aztán csakugyan elképesztő!
03:48
They have two types of flight muscle:
72
212896
1898
Kétfajta repülő izmuk van:
03:50
so-called power muscle, which is stretch-activated,
73
214794
2985
az úgynevezett teljesítményizom, mely nyúlás-aktivált,
03:53
which means that it activates itself and does not need to be controlled
74
217779
3726
ami azt jelenti, hogy önmagát aktiválja, ezért nem igényel szabályozást
03:57
on a contraction-by-contraction basis by the nervous system.
75
221505
3339
az idegrendszer részéről minden összehúzódás alkalmával.
04:00
It's specialized to generate the enormous power required for flight,
76
224844
4609
Ez arra specializálódott, hogy előállítsa a repüléshez szükséges hatalmas teljesítményt --
04:05
and it fills the middle portion of the fly,
77
229453
2079
ez tölti ki a légy testének középső részét,
04:07
so when a fly hits your windshield,
78
231532
1547
amikor tehát a légy a szélvédőbe csapódik,
04:08
it's basically the power muscle that you're looking at.
79
233079
2406
lényegében a teljesítményizom fröccsen szét rajta.
04:11
But attached to the base of the wing
80
235485
2146
De a szárny tövénél csatlakozik
04:13
is a set of little, tiny control muscles
81
237631
2638
egy csomó apró, szabályozó izom is,
04:16
that are not very powerful at all, but they're very fast,
82
240269
3301
amelyek egyáltalán nem erősek, ellenben igen gyorsak,
04:19
and they're able to reconfigure the hinge of the wing
83
243570
3206
és képesek újrakonfigurálni a szárny csuklóját
04:22
on a stroke-by-stroke basis,
84
246776
1762
minden egyes csapás előtt,
04:24
and this is what enables the fly to change its wing
85
248538
3142
lehetővé téve a légy számára a szárnybeállás módosítását
04:27
and generate the changes in aerodynamic forces
86
251680
2971
és ezzel a generált aerodinamikai erők megváltoztatását
04:30
which change its flight trajectory.
87
254651
2573
úgy, ahogy a kívánt repülési pálya megköveteli.
04:33
And of course, the role of the nervous system is to control all this.
88
257224
3563
És persze az idegrendszer feladata az, hogy mindezt szabályozza.
04:36
So let's look at the controller.
89
260787
1512
Lássuk tehát a szabályzót.
04:38
Now flies excel in the sorts of sensors
90
262299
2647
A legyek különféle szenzorokat vetnek be
04:40
that they carry to this problem.
91
264946
2284
a szabályozás megoldására.
04:43
They have antennae that sense odors and detect wind detection.
92
267230
4127
Van csápjuk a szagok és a szélirány érzékelésére.
04:47
They have a sophisticated eye which is
93
271357
1675
Bonyolult felépítésű összetett szemük
04:48
the fastest visual system on the planet.
94
273032
2456
a leggyorsabb vizuális eszköz a földkerekségen.
04:51
They have another set of eyes on the top of their head.
95
275488
2036
A fejük tetején található egy további szemkészlet is.
04:53
We have no idea what they do.
96
277524
2052
Senki sem tudja, hogy ez mire való.
04:55
They have sensors on their wing.
97
279576
2954
Vannak érzékelők a szárnyukon is.
04:58
Their wing is covered with sensors, including sensors
98
282530
3760
A szárnyukat borító szenzorok egy része
05:02
that sense deformation of the wing.
99
286290
2046
a szárny deformációját érzékeli.
05:04
They can even taste with their wings.
100
288336
2109
De a szárnyukkal még ízlelni is tudnak.
05:06
One of the most sophisticated sensors a fly has
101
290445
2555
A legyek egyik legbonyolultabb szenzora
05:08
is a structure called the halteres.
102
293000
1807
a billér nevű struktúra.
05:10
The halteres are actually gyroscopes.
103
294807
1879
A billér lényegében giroszkóp.
05:12
These devices beat back and forth about 200 hertz during flight,
104
296686
4449
Ez a készülék 200 hertzcel billeg előre-hátra repülés közben,
05:17
and the animal can use them to sense its body rotation
105
301135
2673
és az állat arra használja, hogy érzékelje a teste elfordulását,
05:19
and initiate very, very fast corrective maneuvers.
106
303808
3968
és hogy igen-igen gyors pályakorrekciót kezdeményezhessen.
05:23
But all of this sensory information has to be processed
107
307776
2329
De mindezeket a szenzoros információkat fel kell dolgoznia
05:26
by a brain, and yes, indeed, flies have a brain,
108
310105
3720
egy agynak, és igen, a legyeknek agyuk is van,
05:29
a brain of about 100,000 neurons.
109
313825
3159
mely körülbelül 100 000 neuronból áll.
05:32
Now several people at this conference
110
316984
2193
A konferencián többen is felvetették,
05:35
have already suggested that fruit flies could serve neuroscience
111
319177
4808
hogy a muslicák hasznára lehetnének az idegkutatásnak,
05:39
because they're a simple model of brain function.
112
323985
3247
mert egyszerű modellként szolgálhatnának az agyfunkciók tanulmányozásához.
05:43
And the basic punchline of my talk is,
113
327232
2077
Előadásom fő poénjaként
05:45
I'd like to turn that over on its head.
114
329309
2658
szeretném feje tetejére állítani ezt a vélekedést.
05:47
I don't think they're a simple model of anything.
115
331967
2628
Nem hinném, hogy egy légy bármi számára egyszerű modell volna.
05:50
And I think that flies are a great model.
116
334595
2477
Másrészt a légy nagyszerű modell.
05:52
They're a great model for flies.
117
337072
2516
Jól modellezhetők vele a legyek.
05:55
(Laughter)
118
339588
2481
(Nevetés)
05:57
And let's explore this notion of simplicity.
119
342069
3003
És most elemezzük az egyszerűség kérdését.
06:00
So I think, unfortunately, a lot of neuroscientists,
120
345072
2431
Sajnos, azt hiszem, mi, idegkutatók, legalábbis sokan közülünk,
06:03
we're all somewhat narcissistic.
121
347503
1832
eléggé önimádók vagyunk.
06:05
When we think of brain, we of course imagine our own brain.
122
349335
3433
Amikor az agyra gondolunk, természetesen a saját agyunkat képzeljük magunk elé.
06:08
But remember that this kind of brain,
123
352768
1960
De ne feledjük, hogy a legyekéhez hasonló agy,
06:10
which is much, much smaller
124
354728
1768
mely a mienknél sokkalta kisebb
06:12
— instead of 100 billion neurons, it has 100,000 neurons —
125
356496
2678
-- 100 milliárd neuron helyett csak 100 ezerből áll --
06:15
but this is the most common form of brain on the planet
126
359174
2882
a leggyakoribb agytípus a földön,
06:17
and has been for 400 million years.
127
362056
2904
és már 400 millió éve létezik.
06:20
And is it fair to say that it's simple?
128
364960
2288
És csakugyan jogos egyszerűnek mondani?
06:23
Well, it's simple in the sense that it has fewer neurons,
129
367248
2095
Nos, csakugyan egyszerű abban az értelemben, hogy kevesebb neuronból áll.
06:25
but is that a fair metric?
130
369343
1754
De vajon korrekt ez a mérce?
06:26
And I would propose it's not a fair metric.
131
371097
2276
Én azt mondanám, hogy nem az.
06:29
So let's sort of think about this. I think we have to compare --
132
373373
3100
Mert gondoljunk csak egy kicsit bele. Szerintem --
06:32
(Laughter) —
133
376473
1559
(Nevetés) --
06:33
we have to compare the size of the brain
134
378032
5121
az agy méretét azzal kell összevetni,
06:39
with what the brain can do.
135
383153
2030
hogy mire képes az az agy.
06:41
So I propose we have a Trump number,
136
385183
2881
Tehát vezessük be a Trump-számot,
06:43
and the Trump number is the ratio of this man's
137
388064
2865
mely ennek a férfiúnak a viselkedési repertoárja osztva
06:46
behavioral repertoire to the number of neurons in his brain.
138
390929
3679
az agyában lévő neuronok számával.
06:50
We'll calculate the Trump number for the fruit fly.
139
394608
2668
Most pedig számítsuk ki a muslica Trump-számát.
06:53
Now, how many people here think the Trump number
140
397276
2684
Nos, hányan tippelnek arra, hogy
06:55
is higher for the fruit fly?
141
399960
2489
a muslica Trump-száma a magasabb?
06:58
(Applause)
142
402449
2431
(Taps)
07:00
It's a very smart, smart audience.
143
404880
3428
Látom, intelligens hallgatóság gyűlt egybe.
07:04
Yes, the inequality goes in this direction, or I would posit it.
144
408308
3327
Valóban, az egyenlőtlenség ebbe az irányba mutat.
07:07
Now I realize that it is a little bit absurd
145
411635
2382
Elismerem, kissé abszurd
07:09
to compare the behavioral repertoire of a human to a fly.
146
414017
3558
egy ember viselkedési repertoárját egy légyéhez hasonlítani.
07:13
But let's take another animal just as an example. Here's a mouse.
147
417575
4143
Vegyünk hát egy másik állatot példa gyanánt. Íme egy egér.
07:17
A mouse has about 1,000 times as many neurons as a fly.
148
421718
4305
Az egérnek 1000-szer annyi neuronja van, mint a légynek.
07:21
I used to study mice. When I studied mice,
149
426023
2027
Régebben egereket tanulmányoztam. Akkoriban még
07:23
I used to talk really slowly.
150
428050
2837
szép lassan beszéltem.
07:26
And then something happened when I started to work on flies.
151
430887
2576
Amikor áttértem a legyekre, valami történhetett velem.
07:29
(Laughter)
152
433463
2412
(Nevetés)
07:31
And I think if you compare the natural history of flies and mice,
153
435875
3460
És azt hiszem, ha összehasonlítják a legyek és az egerek természetrajzát,
07:35
it's really comparable. They have to forage for food.
154
439335
3313
egyezéseket fognak találni. Mindkettő élelem után kutat.
07:38
They have to engage in courtship.
155
442648
2447
Mindkettő udvarlást folytat.
07:40
They have sex. They hide from predators.
156
445095
3471
Szex is van mindkettőnél. Elrejtőznek a ragadozók elől.
07:44
They do a lot of the similar things.
157
448566
1980
Egy csomó hasonló dolgot csinálnak.
07:46
But I would argue that flies do more.
158
450546
1718
De állítom, hogy a legyek többet tudnak.
07:48
So for example, I'm going to show you a sequence,
159
452264
3378
Példaként bemutatok egy képsort,
07:51
and I have to say, some of my funding comes from the military,
160
455642
4205
hozzátéve, hogy a kutatási támogatást részben a seregtől kapom,
07:55
so I'm showing this classified sequence
161
459847
2072
tehát bemutatom ezt a titkosított képsort,
07:57
and you cannot discuss it outside of this room. Okay?
162
461919
4093
amiről nem beszélhetnek senkivel e falakon kívül. Rendben?
08:01
So I want you to look at the payload
163
466012
1908
Figyeljék meg azt a szállítmányt,
08:03
at the tail of the fruit fly.
164
467920
3026
mely a muslica farkánál látható.
08:06
Watch it very closely,
165
470946
2101
Nézzék meg jól,
08:08
and you'll see why my six-year-old son
166
473047
4297
és megértik, mért is akar a hatéves fiam
08:13
now wants to be a neuroscientist.
167
477344
4729
idegkutató lenni.
08:17
Wait for it.
168
482073
1179
Várni kell picit.
08:19
Pshhew.
169
483252
1569
Pssú.
08:20
So at least you'll admit that if fruit flies are not as clever as mice,
170
484821
3084
Azt mindenképp el kell ismerniük, hogy ha a muslica nincs is olyan okos, mint egy egér,
08:23
they're at least as clever as pigeons. (Laughter)
171
487905
4916
annyi esze azért van, mint egy galambnak. (Nevetés)
08:28
Now, I want to get across that it's not just a matter of numbers
172
492821
3967
Tehát oda akarok kilyukadni, hogy nemcsak a mennyiség érdekes,
08:32
but also the challenge for a fly to compute
173
496788
2598
hanem az a kihívás is, amit a légy agyának jelent,
08:35
everything its brain has to compute with such tiny neurons.
174
499386
2849
hogy ilyen parányi neuronokkal dolgozza fel az összes információt.
08:38
So this is a beautiful image of a visual interneuron from a mouse
175
502235
2988
Itt ez a gyönyörű felvétel egy egér vizuális asszociációs neuronjáról
08:41
that came from Jeff Lichtman's lab,
176
505223
2768
Jeff Lichtman laboratóriumából,
08:43
and you can see the wonderful images of brains
177
507991
3247
és láthatták a csodálatos agyfelvételeket is,
08:47
that he showed in his talk.
178
511238
3193
melyeket az előadásában mutatott.
08:50
But up in the corner, in the right corner, you'll see,
179
514431
2368
És itt a felső sarokban, jobbra, láthatják
08:52
at the same scale, a visual interneuron from a fly.
180
516799
4112
a légy vizuális asszociációs neuronját is ugyanabban a nagyításban.
08:56
And I'll expand this up.
181
520911
1841
Nagyítsuk fel jobban.
08:58
And it's a beautifully complex neuron.
182
522752
2170
Gyönyörű, összetett neuron.
09:00
It's just very, very tiny, and there's lots of biophysical challenges
183
524922
3485
Csakhogy igen-ige aprócska, és hatalmas biofizikai kihívást jelent
09:04
with trying to compute information with tiny, tiny neurons.
184
528407
3623
az információfeldolgozás ilyen icipici neuronokkal.
09:07
How small can neurons get? Well, look at this interesting insect.
185
532030
3537
Milyen kicsi lehet egy neuron egyáltalán? Nézzük ezt az érdekes rovart.
09:11
It looks sort of like a fly. It has wings, it has eyes,
186
535567
2212
Légyfélének látszik [de darázs]. Van szárnya, van szeme,
09:13
it has antennae, its legs, complicated life history,
187
537779
2799
van csápja, van lába, bonyolult élettörténete,
09:16
it's a parasite, it has to fly around and find caterpillars
188
540578
3096
egy parazita, melynek röpdösnie kell, hogy találjon magának egy hernyót
09:19
to parasatize,
189
543674
1382
melyen élősködhet,
09:20
but not only is its brain the size of a salt grain,
190
545056
4115
de nemcsak az agya porszemnyi,
09:25
which is comparable for a fruit fly,
191
549171
1969
ami összemérhető a muslicáéval,
09:27
it is the size of a salt grain.
192
551140
2926
ő maga is porszemnyi.
09:29
So here's some other organisms at the similar scale.
193
554066
3635
Mutatok két hasonló méretű organizmust.
09:33
This animal is the size of a paramecium and an amoeba,
194
557701
4130
Ez a rovar akkora, mint a papucsállatka vagy az amőba,
09:37
and it has a brain of 7,000 neurons that's so small --
195
561831
3880
és az agya 7000 neuronból áll, melyek olyan kicsik --
09:41
you know these things called cell bodies you've been hearing about,
196
565711
2456
talán hallottak már a sejttestről: ez az a dolog,
09:44
where the nucleus of the neuron is?
197
568167
1651
amelyben a neuron magja található.
09:45
This animal gets rid of them because they take up too much space.
198
569818
3460
Nos, ez a rovar megszabadult ezektől, mert túl sok helyet foglalnak el.
09:49
So this is a session on frontiers in neuroscience.
199
573278
2473
Ez az ülés az idegtudomány határairól szól.
09:51
I would posit that one frontier in neuroscience is to figure out how the brain of that thing works.
200
575751
5360
Állítom, hogy az idegtudomány egyik határát annak kiderítése jelenti, hogyan működik az agya ennek a jószágnak.
09:57
But let's think about this. How can you make a small number of neurons do a lot?
201
581111
5633
Gondolkodjunk egy csöppet. Mitől lehet képes kis számú neuron egy nagy feladat elvégzésére?
10:02
And I think, from an engineering perspective,
202
586744
2522
Azt hiszem, a mérnöki zsargon
10:05
you think of multiplexing.
203
589266
1729
ezt hívja multiplexelésnek.
10:06
You can take a hardware and have that hardware
204
590995
2703
Fogsz egy hardvert, és
10:09
do different things at different times,
205
593698
1613
más-más alkalommal más-más feladatot végeztetsz el vele,
10:11
or have different parts of the hardware doing different things.
206
595311
2995
vagy a hardver különböző részeivel más-mást csináltatsz.
10:14
And these are the two concepts I'd like to explore.
207
598306
3271
Ez az a két koncepció, amelyet vizsgálni szeretnék.
10:17
And they're not concepts that I've come up with,
208
601577
1658
Ezeket az elgondolásokat nem én találtam ki:
10:19
but concepts that have been proposed by others in the past.
209
603235
4545
mások vetették fel őket már régebben.
10:23
And one idea comes from lessons from chewing crabs.
210
607780
3075
Az egyik ötletem a rákrágás megfigyeléséből adódik.
10:26
And I don't mean chewing the crabs.
211
610855
1867
És itt nem a rák megrágására gondolok.
10:28
I grew up in Baltimore, and I chew crabs very, very well.
212
612722
3599
Mellesleg, Baltimore-ban cseperedtem fel, és mindig nagyon jól megrágtam a rákot.
10:32
But I'm talking about the crabs actually doing the chewing.
213
616321
2857
Arról beszélek, ahogy a rákok maguk rágicsálnak.
10:35
Crab chewing is actually really fascinating.
214
619178
2030
A rák rágása igazán lenyűgöző dolog.
10:37
Crabs have this complicated structure under their carapace
215
621208
3259
A rákoknak van egy komplikált szerkezet a páncéljuk alatt,
10:40
called the gastric mill
216
624467
1310
afféle "gyomormalom":
10:41
that grinds their food in a variety of different ways.
217
625777
2430
ez a csőszerű dolog a táplálék aprítására szolgál.
10:44
And here's an endoscopic movie of this structure.
218
628207
5259
Íme egy endoszkópos felvétel a működéséről.
10:49
The amazing thing about this is that it's controlled
219
633466
2560
Az a legelképesztőbb, hogy a működését
10:51
by a really tiny set of neurons, about two dozen neurons
220
636026
3432
egészen kevés, kb. két tucat neuron vezérli,
10:55
that can produce a vast variety of different motor patterns,
221
639458
4963
melyek rengetegféle motorikus mintázatot képesek létrehozni,
11:00
and the reason it can do this is that this little tiny ganglion
222
644421
4347
amit az tesz lehetővé, hogy ez az icipici idegdúc
11:04
in the crab is actually inundated by many, many neuromodulators.
223
648768
4184
tele van mindenféle neuromodulátorral.
11:08
You heard about neuromodulators earlier.
224
652952
2141
A korábbi előadásokban szó volt ezekről az anyagokról.
11:10
There are more neuromodulators
225
655093
2225
Többféle neuromodulátor van bennük,
11:13
that alter, that innervate this structure than actually neurons in the structure,
226
657318
5485
mint ahány neuronból állnak: ezek változtatják meg, stimulálják ezt a szerkezetet,
11:18
and they're able to generate a complicated set of patterns.
227
662803
4242
miáltal bonyolult mintázatok sokasága jöhet létre.
11:22
And this is the work by Eve Marder and her many colleagues
228
667045
3441
Ezt a kutatást Eve Marder és számos munkatársa végezte,
11:26
who've been studying this fascinating system
229
670486
2295
akik ezen az elképesztő rendszeren,
11:28
that show how a smaller cluster of neurons
230
672781
2152
megmutatták, hogy egy kis neuroncsoport
11:30
can do many, many, many things
231
674933
1825
milyen sokféle dologra képes annak köszönhetően,
11:32
because of neuromodulation that can take place on a moment-by-moment basis.
232
676758
4856
hogy a neuromoduláció pillanatról pillanatra képes változni.
11:37
So this is basically multiplexing in time.
233
681614
2439
Tehát itt lényegében multiplexelést láttunk az időben.
11:39
Imagine a network of neurons with one neuromodulator.
234
684053
2785
Képzeljünk el egy neuronhálózatot egyetlen neuromodulátorral.
11:42
You select one set of cells to perform one sort of behavior,
235
686838
3478
Kiválasztunk valahány sejtet egy bizonyos viselkedés végrehajtására,
11:46
another neuromodulator, another set of cells,
236
690316
2618
aztán egy másik neuromodulátorhoz másik sejteket rendelünk,
11:48
a different pattern, and you can imagine
237
692934
1713
más mintázattal, és el lehet képzelni,
11:50
you could extrapolate to a very, very complicated system.
238
694647
3878
extrapolálni lehet, milyen nagyon bonyolult rendszer jön ki a végén.
11:54
Is there any evidence that flies do this?
239
698525
2094
Van rá bizonyíték, hogy a legyeknél is ez van?
11:56
Well, for many years in my laboratory and other laboratories around the world,
240
700619
3375
Nos, az én laboratóriumomban és máshol is világszerte, sok éven át
11:59
we've been studying fly behaviors in little flight simulators.
241
703994
2648
folytak kísérletek kis repülésszimulátorokkal a legyek viselkedésének tanulmányozására.
12:02
You can tether a fly to a little stick.
242
706642
1706
Odapányváz az ember egy legyet egy kis pálcához.
12:04
You can measure the aerodynamic forces it's creating.
243
708348
2501
Meg lehet mérni a légy által létrehozott aerodinamikai erőket.
12:06
You can let the fly play a little video game
244
710849
2546
A légy egy kis videójátékra is rábírható,
12:09
by letting it fly around in a visual display.
245
713395
3878
csak hagyni kell repülni egy vizuális környezetben.
12:13
So let me show you a little tiny sequence of this.
246
717273
2337
Meg is mutatok egy ilyen képsorozatot.
12:15
Here's a fly
247
719610
1227
Itt egy légy
12:16
and a large infrared view of the fly in the flight simulator,
248
720837
3437
és itt a légy képe infravörös fényben a repülésszimulátorban --
12:20
and this is a game the flies love to play.
249
724274
1955
a legyek imádják ezt a játékot.
12:22
You allow them to steer towards the little stripe,
250
726229
2437
Az ember hagyja, hogy a kis csík felé manőverezzenek,
12:24
and they'll just steer towards that stripe forever.
251
728666
2825
és vég nélkül manővereznek a csík felé.
12:27
It's part of their visual guidance system.
252
731491
3558
Ez része a vizuális irányítási rendszerüknek.
12:30
But very, very recently, it's been possible
253
735049
2345
De legújabban lehetővé vált,
12:33
to modify these sorts of behavioral arenas for physiologies.
254
737394
4940
hogy ezeket a viselkedési arénákat fiziológiai célra is felhasználhassuk.
12:38
So this is the preparation that one of my former post-docs,
255
742334
2488
Itt van például ez az elrendezés, melyet egyik korábbi posztdoktorom,
12:40
Gaby Maimon, who's now at Rockefeller, developed,
256
744822
2443
Gaby Maimon fejlesztett ki, aki most a Rockefellernél dolgozik.
12:43
and it's basically a flight simulator
257
747265
1686
Ez lényegében egy repülésszimulátor,
12:44
but under conditions where you actually can stick an electrode
258
748951
3075
de úgy van kitalálva, hogy be lehet dugni egy elektródot
12:47
in the brain of the fly and record
259
752026
2264
a légy agyába, hogy mérni lehessen azokat a jeleket,
12:50
from a genetically identified neuron in the fly's brain.
260
754290
3656
melyek a légy agyának egy genetikailag azonosított neuronjától származnak.
12:53
And this is what one of these experiments looks like.
261
757946
2298
És így néz ki egy ilyen kísérlet.
12:56
It was a sequence taken from another post-doc in the lab,
262
760244
2971
A képsorozatot egy másik posztdoktor készítette a laborban:
12:59
Bettina Schnell.
263
763215
1199
Bettina Schnell.
13:00
The green trace at the bottom is the membrane potential
264
764414
3392
Alul, a zöld grafikon a légy agyában kiszemelt neuron
13:03
of a neuron in the fly's brain,
265
767806
2030
membránpotenciálját mutatja.
13:05
and you'll see the fly start to fly, and the fly is actually
266
769836
2942
Láthatjuk, hogy a légy repülni kezd, és azt is, hogy tulajdonképpen
13:08
controlling the rotation of that visual pattern itself
267
772778
3279
maga irányítja a vizuális mintázat elfordulását
13:11
by its own wing motion,
268
776057
1479
a szárnymozgásával,
13:13
and you can see this visual interneuron
269
777536
2110
és látszik az is, hogy ez a vizuális asszociációs neuron
13:15
respond to the pattern of wing motion as the fly flies.
270
779646
3908
reagál a repülő légy szárnymozgására.
13:19
So for the first time we've actually been able to record
271
783554
2376
Elsőként voltunk képesek ténylegesen regisztrálni
13:21
from neurons in the fly's brain while the fly
272
785930
2908
egy légy agyában lévő neuronok jelét, miközben a rovar
13:24
is performing sophisticated behaviors such as flight.
273
788838
4468
olyan bonyolult viselkedést mutatott, mint a repülés.
13:29
And one of the lessons we've been learning
274
793306
1855
Az egyik fontos dolog, amit ebből megtanultunk az,
13:31
is that the physiology of cells that we've been studying
275
795161
2420
hogy azoknak a sejteknek a fiziológiája, melyeket
13:33
for many years in quiescent flies
276
797581
2421
éveken át tanulmányoztunk nyugalomban lévő legyekkel,
13:35
is not the same as the physiology of those cells
277
800002
2648
nem ugyanaz, mint amikor ugyanazon sejtek fiziológiáját
13:38
when the flies actually engage in active behaviors
278
802650
2736
olyan aktív tevékenységet folytató legyekben nézzük,
13:41
like flying and walking and so forth.
279
805386
2539
mint a repülés, mászkálás és ehhez hasonlók.
13:43
And why is the physiology different?
280
807925
2925
És miért lesz más a fiziológia?
13:46
Well it turns out it's these neuromodulators,
281
810850
2057
Nos, kiderült, hogy a magyarázatot ugyanazok a neuromodulátorok adják,
13:48
just like the neuromodulators in that little tiny ganglion in the crabs.
282
812907
3951
amelyekről a tarisznyarák parányi idegdúcaival kapcsolatban beszéltem.
13:52
So here's a picture of the octopamine system.
283
816858
2550
Íme, itt egy ábra az oktopamin rendszerről.
13:55
Octopamine is a neuromodulator
284
819408
1754
Az oktopamin olyan neuromodulátor,
13:57
that seems to play an important role in flight and other behaviors.
285
821162
4336
amely a jelek szerint fontos szerepet játszik a repülésben és más viselkedésekben.
14:01
But this is just one of many neuromodulators
286
825498
2472
De ez csupán egyike a számos neuromodulátornak,
14:03
that's in the fly's brain.
287
827970
1071
mely a légy agyában található.
14:04
So I really think that, as we learn more,
288
829041
2666
Az a gyanúm, hogy ha több ismeretet szerzünk majd,
14:07
it's going to turn out that the whole fly brain
289
831707
2527
ki fog derülni, hogy a légy egész agya
14:10
is just like a large version of this stomatogastric ganglion,
290
834234
3089
olyan, mintha az említett sztomatogasztrikus ganglion nagyobb változata lenne,
14:13
and that's one of the reasons why it can do so much with so few neurons.
291
837323
4360
és ez az egyik oka annak, hogy olyan kevés neuronnal olyan sokra képes.
14:17
Now, another idea, another way of multiplexing
292
841683
2787
És itt egy másik trükk, egy másik módja a multiplexelésnek,
14:20
is multiplexing in space,
293
844470
1656
multiplexelés a térben,
14:22
having different parts of a neuron
294
846126
1694
amikor egy neuron különböző részei
14:23
do different things at the same time.
295
847820
2122
mást-mást csinálnak ugyanabban az időpontban.
14:25
So here's two sort of canonical neurons
296
849942
1833
Íme két közönséges neuron,
14:27
from a vertebrate and an invertebrate,
297
851775
2285
az egyik egy gerincesből, a másik egy gerinctelenből,
14:29
a human pyramidal neuron from Ramon y Cajal,
298
854060
3250
egy emberi piramidális neuron rajza Ramon y Cajaltól,
14:33
and another cell to the right, a non-spiking interneuron,
299
857310
4003
és egy másik, jobbra, egy impulzus nélküli asszociációs neuronról
14:37
and this is the work of Alan Watson and Malcolm Burrows many years ago,
300
861313
4147
Alan Watson és Malcolm Burrows több évvel ezelőtti munkájából,
14:41
and Malcolm Burrows came up with a pretty interesting idea
301
865460
3075
melyben Malcolm Burrows egy meglehetősen érdekes ötlettel állt elő,
14:44
based on the fact that this neuron from a locust
302
868535
2882
ami azon a tényen alapult, hogy ez a sáskában található neuron
14:47
does not fire action potentials.
303
871417
1959
nem produkál csúcsot az akciós potenciál görbéjén.
14:49
It's a non-spiking cell.
304
873376
1748
Más szóval, ez egy impulzus nélküli sejt.
14:51
So a typical cell, like the neurons in our brain,
305
875124
2780
Egy tipikus [ideg]sejtnek, mint az agyunkban lévő neuronok,
14:53
has a region called the dendrites that receives input,
306
877904
2752
van egy dendriteknek nevezett része, amelybe bemeneti jelek érkeznek,
14:56
and that input sums together
307
880656
2589
melyek összegződve
14:59
and will produce action potentials
308
883245
2296
akciós potenciált hoznak létre,
15:01
that run down the axon and then activate
309
885541
2331
és ez az impulzus végigfut az axonon, és aktiválja
15:03
all the output regions of the neuron.
310
887872
2296
a neuron összes jelkimenetét.
15:06
But non-spiking neurons are actually quite complicated
311
890168
2876
Az impulzus nélküli neuron eléggé bonyolult:
15:08
because they can have input synapses and output synapses
312
893044
3112
lehetnek neki bemenő szinapszisai és kimenő szinapszisai is,
15:12
all interdigitated, and there's no single action potential
313
896156
3663
az egész keresztbe-kasul kötve, meghatározott akciós potenciál nélkül,
15:15
that drives all the outputs at the same time.
314
899819
3126
mely egyszerre vezérelné az összes kimenetet.
15:18
So there's a possibility that you have computational compartments
315
902945
3907
Elképzelhető tehát, hogy léteznek olyan jelfeldolgozó rekeszek, blokkok,
15:22
that allow the different parts of the neuron
316
906852
3978
amelyek lehetővé teszik, hogy a neuron különböző részei
15:26
to do different things at the same time.
317
910830
2560
mást-mást csináljanak egyidejűleg.
15:29
So these basic concepts of multitasking in time
318
913390
4671
Amiről tehát itt szó van, az
15:33
and multitasking in space,
319
918061
2361
multitaszking (többfeladatosság) térben.
15:36
I think these are things that are true in our brains as well,
320
920422
2832
Úgy vélem, hogy ezek az emberi agyra is érvényesek,
15:39
but I think the insects are the true masters of this.
321
923254
2577
de a technika igazi mesterei mégiscsak a rovarok.
15:41
So I hope you think of insects a little bit differently next time,
322
925831
3116
Remélem tehát, hogy legközelebb egy kicsit másképp gondolnak a rovarokra,
15:44
and as I say up here, please think before you swat.
323
928947
2935
és ahogy a transzparensen kérem, kétszer is meggondolják, mielőtt lecsapnak egyet.
15:47
(Applause)
324
931882
2953
(Taps)
ABOUT THE SPEAKER
Michael Dickinson - BiologistMost people are irritated by the buzzing of a fly's wings. But biologist Michael Dickinson views the sound with a deep sense of wonder.
Why you should listen
Some things are so commonplace that they barely register our attention. Michael Dickinson has dedicated much of his research to one such thing -- the flight of the fly. Dickinson aims to understand how a fly's nervous system allows it to accomplish such incredible aerodynamic feats. Affectionately dubbed the "Fly Guy" by The Scientist, Dickinson's research brings together zoology, neuroscience and fluid mechanics.
Dickinson was named a MacArthur Fellow in 2001. He is now a professor of biology at the University of Washington, where he heads The Dickinson Lab. The lab conducts research into insect flight control, animal brain recordings, animal/robot interactions and animal visual navigation and welcomes students with an interest in studying insect flight, behavior and evolution from an interdisciplinary approach perspective.
Michael Dickinson | Speaker | TED.com