TEDGlobal 2009
Beau Lotto: Optical illusions show how we see
Beau Lotto: Az optikai illúziók megmutatják, hogyan látunk
Filmed:
Readability: 2.7
7,158,267 views
Beau Lotto szín-játékai összezavarják a látásunkat, de arra is rámutatnak, amit normális körülmények között nem látunk: hogy hogyan működik az agyunk. Ez a szórakoztató, első kézből származó bepillantás a saját sokoldalú látásunkba felfedi, hogy az evolúció hogyan befolyásolja, hogy mit is látunk a valódi világból.
Beau Lotto - Neuroscientist, Artist
Beau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system. Full bio
Beau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system. Full bio
Double-click the English transcript below to play the video.
00:13
I want to start with a game.
0
1000
3000
Egy játékkal szeretném kezdeni.
00:16
And to win this game,
1
4000
2000
És hogy nyerjenek,
00:18
all you have to do is see the reality that's in front of you
2
6000
3000
nem kell mást tenniük, mint igazán látniuk ami maguk előtt van
00:21
as it really is. All right?
3
9000
2000
a valóságban. Rendben?
00:23
So, we have two panels here,
4
11000
2000
Szóval van két táblánk,
00:25
of colored dots.
5
13000
2000
színes pontokkal.
00:27
And one of those dots is the same
6
15000
3000
És az egyik pont ugyanolyan
00:30
in the two panels. Okay?
7
18000
3000
mind a két táblán. Rendben?
00:33
And you have to tell me which one.
8
21000
2000
És meg kell mondaniuk, hogy melyik az.
00:35
Now, narrow it down to
9
23000
3000
Nos, szűkítsük le
00:38
the gray one, the green one and, say, the orange one.
10
26000
3000
a szürkére, a zöldre, és, mondjuk, a narancssárgára.
00:41
So, by a show of hands -- we'll start with the easiest one --
11
29000
3000
Kézfeltartással -- kezdjük a legkönnyebbel --
00:44
Show of hands: how many people think it's the gray one?
12
32000
4000
kézfeltartással: hányan gondolják, hogy a szürke az?
00:48
Really? Okay.
13
36000
2000
Igazán? Rendben.
00:50
How many people think it's the green one?
14
38000
5000
Hányan gondolják, hogy a zöld az?
00:55
And how many people think it's the orange one?
15
43000
4000
És hányan gondolják, hogy a naranscsárga az?
00:59
Pretty even split.
16
47000
3000
Elég egyforma eloszlás.
01:02
Let's find out what the reality is.
17
50000
3000
Nézzük meg, mi a valóság.
01:05
Here is the orange one.
18
53000
3000
Ez a narancssárga.
01:08
(Laughter)
19
56000
2000
(Nevetés)
01:10
Here is the green one.
20
58000
3000
Ez a zöld.
01:13
And here is the gray one.
21
61000
4000
És ez a szürke.
01:17
(Laughter)
22
65000
3000
(Nevetés)
01:20
So, for all of you who saw that, you're a complete realist. All right?
23
68000
4000
Mindenki, aki ezt látta, teljesen realista. Rendben?
01:24
(Laughter)
24
72000
2000
(Nevetés)
01:26
So, this is pretty amazing, actually, isn't it?
25
74000
2000
Ez elég elképesztő, ugye?
01:28
Because nearly every living system
26
76000
2000
Mert majdnem minden élőlény
01:30
has evolved the ability to detect light in one way or another.
27
78000
3000
kifejlesztette a képességet, hogy érzékelje a fényt valamilyen módon.
01:33
So, for us, seeing color is one of the simplest things the brain does.
28
81000
5000
Színeket látni az egyik legegyszerűbb dolog, amit az agyunk csinál.
01:38
And yet, even at this most fundamental level,
29
86000
2000
És mégis, ezen a legalapvetőbb szinten,
01:40
context is everything.
30
88000
3000
minden a kontextus.
01:43
What I want to talk about is not that context is everything,
31
91000
3000
Amiről beszélni akarok, az nem az, hogy minden a kontextus,
01:46
but why is context everything.
32
94000
2000
hanem hogy miért minden a kontextus.
01:48
Because it's answering that question that tells us not only
33
96000
4000
Ennek a megválaszolása nem csak azt árulja el,
01:52
why we see what we do,
34
100000
2000
hogy miért látjuk azt, amit látunk,
01:54
but who we are as individuals,
35
102000
2000
de hogy kik vagyunk egyénenként,
01:56
and who we are as a society.
36
104000
3000
és kik vagyunk társadalomként.
01:59
But first, we have to ask another question,
37
107000
2000
De először fel kell tennünk egy másik kérdést,
02:01
which is, "What is color for?"
38
109000
2000
hogy mire való a szín?
02:03
And instead of telling you, I'll just show you.
39
111000
2000
És ahelyett, hogy elmondanám, megmutatom.
02:05
What you see here is a jungle scene,
40
113000
3000
Amit itt látnak, az egy dzsungel kép.
02:08
and you see the surfaces according to the amount
41
116000
2000
És aszerint látják a felületeket,
02:10
of light that those surfaces reflect.
42
118000
2000
hogy azok mennyi fényt vernek vissza.
02:12
Now, can any of you see the predator that's about to jump out at you?
43
120000
5000
Nos, látják a ragadozót, ami készül önökre támadni?
02:17
And if you haven't seen it yet, you're dead. Right?
44
125000
2000
És ha nem látták, halottak. Ugye?
02:19
(Laughter)
45
127000
2000
(Nevetés)
02:21
Can anyone see it? Anyone? No?
46
129000
2000
Látja valaki? Senki? Nem?
02:23
Now, let's see the surfaces according to the quality of light that they reflect.
47
131000
4000
Most nézzük meg a felületeket aszerint, hogy milyen fényt vernek vissza.
02:27
And now you see it.
48
135000
3000
És most látják.
02:30
So, color enables us to see
49
138000
3000
Szóval a szín lehetővé teszi,
02:33
the similarities and differences between surfaces,
50
141000
2000
hogy lássuk a hasonlóságokat és különbségeket
02:35
according to the full spectrum of light that they reflect.
51
143000
3000
a felületek között, a visszaevert fény teljes spektruma alapján.
02:38
But what you've just done is, in many respects, mathematically impossible.
52
146000
4000
De amit most csináltak, az sok tekintetben matematikailag lehetetlen.
02:42
Why? Because, as Berkeley tells us,
53
150000
3000
Miért? Mert ahogy Berkeley elmondta,
02:45
we have no direct access to our physical world,
54
153000
3000
nincs közvetlen kapcsolatunk a fizikai világgal
02:48
other than through our senses.
55
156000
2000
az érzékeinken kívül.
02:50
And the light that falls onto our eyes
56
158000
2000
És a fényt, ami a szemünkbe jut
02:52
is determined by multiple things in the world --
57
160000
2000
több dolog határozza meg a világban --
02:54
not only the color of objects,
58
162000
2000
nem csak a tárgyak színe,
02:56
but also the color of their illumination,
59
164000
2000
de a rájuk vetülő fény színe
02:58
and the color of the space between us and those objects.
60
166000
3000
és a tér színe köztünk és a tárgy között.
03:01
You vary any one of those parameters,
61
169000
2000
Ha megváltoztatjuk bármelyik paramétert,
03:03
and you'll change the color of the light that falls onto your eye.
62
171000
5000
akkor megváltoztatjuk a fény színét, ami a szemünkbe jut.
03:08
This is a huge problem because it means that
63
176000
2000
Ez egy hatalmas probléma, mert azt jelenti,
03:10
the same image could have an infinite number
64
178000
3000
hogy ugyanannak a képnek végtelen számú
03:13
of possible real-world sources.
65
181000
3000
való világbeli forrása lehet.
03:16
So let me show you what I mean. Imagine that this is the back of your eye.
66
184000
3000
Hadd mutassam meg, mire gondolok. Képzeljék el, hogy ez a szemük hátsó fala.
03:19
And these are two projections from the world.
67
187000
3000
És ez két vetület a világból.
03:22
They are identical in every single way.
68
190000
3000
Minden szempontból megegyeznek.
03:25
Identical in shape, size, spectral content.
69
193000
4000
Azonos alak, méret, spektrális tartalom.
03:29
They are the same, as far as your eye is concerned.
70
197000
4000
A szemük szempontjából egyformák.
03:33
And yet they come from completely different sources.
71
201000
5000
De teljesen más forrásból származnak.
03:38
The one on the right
72
206000
2000
A jobboldali
03:40
comes from a yellow surface,
73
208000
3000
egy sárga felületről jön,
03:43
in shadow, oriented facing the left,
74
211000
2000
árnyékban, és balra néz,
03:45
viewed through a pinkish medium.
75
213000
3000
amit egy rózsaszínes közegen keresztül látnak.
03:48
The one on the left comes from an orange surface,
76
216000
3000
A baloldali egy narancssárga felületről jön,
03:51
under direct light, facing to the right,
77
219000
2000
közvetlen megvilágítás alatt, jobbra néz,
03:53
viewed through a sort of a bluish medium.
78
221000
2000
és egy kékes közegen keresztül látják.
03:55
Completely different meanings,
79
223000
3000
Teljesen különböző jelentések,
03:58
giving rise to the exact same retinal information.
80
226000
3000
amik teljesen azonos információhoz vezetnek a retinán.
04:01
And yet it's only the retinal information
81
229000
2000
És mégis, csak a retina információját
04:03
that we get.
82
231000
2000
kapjuk meg.
04:05
So how on Earth do we even see?
83
233000
3000
Hogyan látunk egyáltalán?
04:08
So, if you remember anything in this next 18 minutes,
84
236000
4000
Ha bármit is megjegyeznek a következő 18 percben,
04:12
remember this: that the light that falls on to your eye,
85
240000
3000
jegyezzék meg ezt: a fénynek, ami a szemünkbe jut,
04:15
sensory information, is meaningless,
86
243000
2000
az érzékszervi információnak, nincs semmilyen jelentése.
04:17
because it could mean literally anything.
87
245000
3000
Mert szó szerint bármit jelenthet.
04:20
And what's true for sensory information is true for information generally.
88
248000
3000
És ami igaz az érzékszervi információra, az igaz az információra általában.
04:23
There is no inherent meaning in information.
89
251000
2000
Az információnak önmagában nincs jelentése.
04:25
It's what we do with that information that matters.
90
253000
4000
Az számít, amit csinálunk ezzel az információval.
04:29
So, how do we see? Well, we see by learning to see.
91
257000
3000
Szóval hogyan látunk? Úgy, hogy megtanulunk látni.
04:32
So, the brain evolved the mechanisms for finding patterns,
92
260000
4000
Az agy kifejlesztett mechanizmusokat arra, hogy mintákat találjon,
04:36
finding relationships in information
93
264000
2000
kapcsolatokat találjon az információk között,
04:38
and associating those relationships
94
266000
2000
és összekapcsolja ezeket a kapcsolatokat
04:40
with a behavioral meaning,
95
268000
2000
viselkedésbeli jelentéssel,
04:42
a significance, by interacting with the world.
96
270000
3000
jelentőséggel, a világgal való kölcsönhatás által.
04:45
We're very aware of this
97
273000
2000
Ennek nagyon is tudatában vagyunk,
04:47
in the form of more cognitive attributes, like language.
98
275000
3000
olyan kognitív tulajdonságok formájában, mint a nyelv.
04:50
So, I'm going to give you some letter strings. And I want you to read them out for me,
99
278000
2000
Nos, fel fogok adni náhány betű sort. És azt akarom, hogy
04:52
if you can.
100
280000
2000
olvassák fel nekem, ha tudják.
04:54
Audience: "Can you read this?"
101
282000
3000
Közönség: "El tudod olvasni?"
04:57
"You are not reading this."
102
285000
2000
"Nem ezt olvasod."
04:59
"What are you reading?"
103
287000
2000
"Mit olvasol?"
05:01
Beau Lotto: "What are you reading?" Half the letters are missing. Right?
104
289000
3000
Beau Lotto: "Mit olvasol?" A betűk fele hiányzik. Ugye?
05:04
There is no a priori reason why an "H" has to go
105
292000
2000
Nincs a priori oka annak, hogy egy "I"-nek
05:06
between that "W" and "A."
106
294000
2000
miért kell az "M" és a "T" között lennie.
05:08
But you put one there. Why?
107
296000
2000
De odatették. Miért?
05:10
Because in the statistics of your past experience
108
298000
2000
Mert az eddigi tapasztalataik statisztikája alapján
05:12
it would have been useful to do so. So you do so again.
109
300000
3000
hasznos volt ezt tenni. Tehát megint ezt tették.
05:15
And yet you don't put a letter after that first "T."
110
303000
3000
De nem tettek egy betűt az első "T" után.
05:18
Why? Because it wouldn't have been useful in the past.
111
306000
3000
Miért? Mert nem lett volna hasznos ezt tenni a múltban.
05:21
So you don't do it again.
112
309000
2000
Tehát most sem tették.
05:23
So let me show you how quickly our brains can redefine normality,
113
311000
4000
Hadd mutassam meg gyorsan, hogy az agyunk hogyan definiálja újra a normálist,
05:27
even at the simplest thing the brain does, which is color.
114
315000
2000
még a legegyszerűbb dologgal is, amit az agy csinál, ami a szín.
05:29
So, if I could have the lights down up here.
115
317000
3000
Kérem vegyék le itt fent a világítást.
05:32
I want you to first notice that those two desert scenes are physically the same.
116
320000
3000
Vegyék észre először is, hogy ez a két sivatagi kép fizikailag ugyanaz.
05:35
One is simply the flipping of the other. Okay?
117
323000
5000
Az egyik simán a másik tükörképe. Rendben?
05:40
Now I want you to look at that dot
118
328000
2000
Most nézzenek arra a pontra
05:42
between the green and the red. Okay?
119
330000
3000
a zöld és a piros között. Rendben?
05:45
And I want you to stare at that dot. Don't look anywhere else.
120
333000
3000
És bámulják azt a pontot. Ne nézzenek semmi másra.
05:48
And we're going to look at that for about 30 seconds,
121
336000
1000
És kb. 30 másodpercig fogjuk bámulni,
05:49
which is a bit of a killer in an 18-minute talk.
122
337000
3000
ami elég súlyos egy 18 perces előadásban.
05:52
(Laughter)
123
340000
1000
(Nevetés)
05:53
But I really want you to learn.
124
341000
2000
De nagyon szeretném, hogy tanuljanak.
05:55
And I'll tell you -- don't look anywhere else --
125
343000
3000
És elmondom -- ne nézzenek semmi másra --
05:58
and I'll tell you what's happening inside your head.
126
346000
2000
és elmondom, hogy mi történik a fejükben.
06:00
Your brain is learning. And it's learning that the right side of its visual field
127
348000
3000
Az agyuk tanul. És azt tanulja, hogy a látómező jobb fele
06:03
is under red illumination;
128
351000
2000
piros megvilágítás alatt van,
06:05
the left side of its visual field is under green illumination.
129
353000
3000
és a látómező bal fele zöld megvilágítás alatt van.
06:08
That's what it's learning. Okay?
130
356000
3000
Ezt tanulja. Rendben?
06:11
Now, when I tell you, I want you to look at the dot between the two desert scenes.
131
359000
5000
Most, amikor szólok, nézzenek a pontra a két sivatagi kép között.
06:16
So why don't you do that now?
132
364000
2000
Tegyék meg ezt most, jó?
06:18
(Laughter)
133
366000
3000
(Nevetés)
06:21
Can I have the lights up again?
134
369000
2000
Felkapcsolhatjuk megint a villanyt?
06:23
I take it from your response they don't look the same anymore. Right?
135
371000
4000
Úgy veszem ki a reakciójukból, hogy már nem tűnnek egyformának. Igaz?
06:27
(Applause)
136
375000
1000
(Taps)
06:28
Why? Because your brain is seeing that same information
137
376000
3000
Miért? Mert az agyuk úgy látja ugyanazt az információt,
06:31
as if the right one is still under red light,
138
379000
2000
mintha a jobboldali még mindig piros fény alatt lenne,
06:33
and the left one is still under green light.
139
381000
2000
és a baloldali még mindig zöld fény alatt lenne.
06:35
That's your new normal.
140
383000
2000
Ez önök számára az új normális.
06:37
So, what does this mean for context?
141
385000
2000
Mit jelent ez a kontextus szempontjából?
06:39
It means that I can take these two identical squares,
142
387000
2000
Azt, hogy foghatom ezt a két azonos csempét,
06:41
and I can put them in light and dark surrounds.
143
389000
2000
és világos és sötét környezetbe tehetem őket.
06:43
And now the one on the dark surround looks lighter than the one on the light surround.
144
391000
3000
És most a sötét mezőben lévő világosabbank tűnik, mint a világos mezőben lévő.
06:46
What's significant is not simply the light and dark surrounds that matter.
145
394000
4000
A jelentős az, hogy nem csak a világos és sötét környezet számít.
06:50
It's what those light and dark surrounds meant for your behavior in the past.
146
398000
4000
Hanem az, hogy ezek a világos és sötét mezők mit jelentettek a viselkedésük tekintetében a múltban.
06:54
So I'll show you what I mean. Here we have
147
402000
2000
Megmutatom, mire gondolok. Itt van
06:56
that exact same illusion.
148
404000
2000
ugyanaz az illúzió.
06:58
We have two identical tiles, on the left,
149
406000
2000
Van két azonos csempénk, a baloldali
07:00
one in a dark surround, one in a light surround.
150
408000
2000
egy sötét mezőben, a jobboldali egy világos mezőben.
07:02
And the same thing over on the right.
151
410000
2000
És ugynez a jobboldalon.
07:04
Now, what I'm going to do is I'm going to review those two scenes.
152
412000
3000
Nos, most át fogom értékelni ezt a két képet.
07:07
But I'm not going to change anything within those boxes,
153
415000
2000
És semmit nem fogok megváltoztatni ezekben a dobozokban,
07:09
except their meaning.
154
417000
2000
kivéve a jelentésüket.
07:11
And see what happens to your perception.
155
419000
2000
És nézzék meg, mi történik az érzékelésükkel.
07:13
Notice that on the left
156
421000
2000
Vegyék észre, hogy a baloldalon
07:15
the two tiles look nearly completely opposite:
157
423000
3000
a két csempe majdnem teljesen egymás ellentéte:
07:18
one very white and one very dark.
158
426000
2000
az egyik nagyon fehér, a másik nagyon sötét.
07:20
All right? Whereas on the right,
159
428000
2000
Rendben? Míg a jobboldalon
07:22
the two tiles look nearly the same.
160
430000
2000
a két csempe majdnem azonosnak tűnik.
07:24
And yet there is still one on a dark surround and one on a light surround.
161
432000
4000
Az egyik még mindig egy sötét mezőben van, és a másik egy világos mezőben.
07:28
Why? Because if the tile in that shadow
162
436000
3000
Miért? Mert ha a csempe az árnyékban
07:31
were in fact in shadow,
163
439000
2000
tényleg árnyékban lenne,
07:33
and reflecting the same amount of light to your eye
164
441000
2000
és ugyanannyi fényt verne vissza a szemünkbe,
07:35
as the one outside the shadow,
165
443000
2000
mint az, amelyik nincs árnyékban,
07:37
it would have to be more reflective -- just the laws of physics.
166
445000
3000
akkor jobban kellene tükröznie -- csak a fizika törvényei.
07:40
So you see it that way.
167
448000
2000
És így látják.
07:42
Whereas on the right, the information is consistent
168
450000
3000
Míg a jobboldalon az információ azzal van összhangban,
07:45
with those two tiles being under the same light.
169
453000
2000
hogy a két csempe ugyanolyan megvilágítás alatt van.
07:47
If they are under the same light, reflecting the same amount of light
170
455000
2000
Hogyha ugyanolyan megvilágítás alatt ugyanannyi fényt
07:49
to your eye,
171
457000
2000
vernek vissza a szemünkbe, akkor
07:51
then they must be equally reflective.
172
459000
2000
ugyanolyan fényvisszaverő képességük kell legyen.
07:53
So you see it that way.
173
461000
2000
Tehát így látják.
07:55
Which means we can bring all this information together
174
463000
2000
Ami azt jelenti, hogy összehozhatjuk mindezt az információt,
07:57
to create some incredibly strong illusions.
175
465000
2000
néhány hihetetlenül erős illúzió megteremtéséhez.
07:59
This is one I made a few years ago.
176
467000
2000
Ezt évekkel ezelőtt csináltam.
08:01
And you'll notice you see a dark brown tile at the top,
177
469000
3000
Egy sötétbarna négyzetet látnak a tetején és egy
08:04
and a bright orange tile at the side.
178
472000
3000
világos narancssárga négyzetet oldalt.
08:07
That is your perceptual reality. The physical reality
179
475000
2000
Ez az érzékelt valóságuk. A fizikai valóság az,
08:09
is that those two tiles are the same.
180
477000
5000
hogy ez a két négyzet ugyanolyan.
08:14
Here you see four gray tiles on your left,
181
482000
3000
Itt négy szürke négyzetet látnak a baloldalon,
08:17
seven gray tiles on the right.
182
485000
2000
hét szürke négyzetet a jobboldalon.
08:19
I'm not going to change those tiles at all,
183
487000
2000
Nem fogom megváltoztatni ezeket a négyzeteket.
08:21
but I'm going to reveal the rest of the scene
184
489000
2000
De fel fogom fedni a kép többi részét.
08:23
and see what happens to your perception.
185
491000
3000
És nézzék, mi történik az érzékelésükkel.
08:26
The four blue tiles on the left are gray.
186
494000
4000
A négy kék kocka a baloldalon szürke.
08:30
The seven yellow tiles on the right are also gray.
187
498000
3000
A hét sárga kocka a jobboldalon szintén szürke.
08:33
They are the same. Okay?
188
501000
2000
Ugyanolyanok. Rendben?
08:35
Don't believe me? Let's watch it again.
189
503000
4000
Nem hisznek nekem? Nézzük meg újra.
08:39
What's true for color is also true for complex perceptions of motion.
190
507000
4000
Ami igaz a színre, az igaz a mozgás össztett érzékelésére is.
08:43
So here we have --
191
511000
3000
Itt van --
08:46
let's turn this around -- a diamond.
192
514000
5000
fordítsuk meg -- egy gyémánt alakzat.
08:51
And what I'm going to do is, I'm going to hold it here,
193
519000
2000
És azt fogom tenni, itt fogom tartani,
08:53
and I'm going to spin it.
194
521000
4000
és meg fogom pörgetni.
08:57
And for all of you, you'll see it probably spinning this direction.
195
525000
3000
És mindannyian, valószínűleg azt látják, hogy erre forog.
09:00
Now I want you to keep looking at it.
196
528000
3000
Nézzék továbbra is.
09:03
Move your eyes around, blink, maybe close one eye.
197
531000
2000
Mozgassák a szemüket, pislogjanak, talán hunyják be az egyiket.
09:05
And suddenly it will flip, and start spinning the opposite direction.
198
533000
4000
És hirtelen átvált, és elkezd a másik irányba forogni.
09:09
Yes? Raise your hand if you got that. Yes?
199
537000
3000
Igen? Emelje fel a kezét, aki ezt látta? Igen?
09:12
Keep blinking. Every time you blink it will switch. Alright?
200
540000
4000
Pislogjanak tovább. Valahányszor pislognak, irányt vált. Rendben?
09:16
So I can ask you, which direction is it rotating?
201
544000
4000
Megkérdezhetem, hogy melyik irányba forog?
09:20
How do you know?
202
548000
2000
Honnan tudják?
09:22
Your brain doesn't know. Because both are equally likely.
203
550000
3000
Az agyuk nem tudja. Mert mindkettő egyformán valószínű.
09:25
So depending on where it looks, it flips
204
553000
2000
Aszerint, hogy hová néz,
09:27
between the two possibilities.
205
555000
3000
vált a két lehetőség közt.
09:30
Are we the only ones that see illusions?
206
558000
2000
Mi vagyunk az egyetlenek, akik látnak illúziókat?
09:32
The answer to this question is no.
207
560000
2000
A válasz az, hogy nem.
09:34
Even the beautiful bumblebee,
208
562000
2000
Még a szépséges poszméh,
09:36
with its mere one million brain cells,
209
564000
2000
csupán egymillió agysejttel,
09:38
which is 250 times fewer cells than you have in one retina,
210
566000
3000
ami 250-szer kevesebb, mint ami a mi egy retinánkban van,
09:41
sees illusions, does the most complicated things
211
569000
3000
lát illúziókat, és a legbonyolultabb dolgokat csinálja,
09:44
that even our most sophisticated computers can't do.
212
572000
3000
amit még a legkifinomultabb számítógépeink sem tudnak.
09:47
So in my lab, we of course work on bumblebees.
213
575000
2000
A laboromban persze poszméhekkel dolgozunk.
09:49
Because we can completely control their experience,
214
577000
2000
Mert teljesen irányítani tudjuk az élményeiket,
09:51
and see how that alters the architecture of their brain.
215
579000
2000
és látni tudjuk, hogy ez hogy változtatja meg az agyuk felépítését.
09:53
And we do this in what we call the Bee Matrix.
216
581000
3000
Ezt itt csináljuk, amit mi Méh Mátrixnak nevezünk.
09:56
And here you have the hive. You can see the queen bee,
217
584000
2000
Itt a kas. Láthatják a méhkirálynőt,
09:58
that large bee in the middle there. Those are all her daughters, the eggs.
218
586000
3000
az a nagy méh ott középen. Azok mind a lányai, azok a tojások.
10:01
And they go back and forth between this hive
219
589000
3000
És oda-vissza járnak a kas és
10:04
and the arena, via this tube.
220
592000
5000
az aréna között ezen a csövön keresztül.
10:09
And you'll see one of the bees come out here.
221
597000
2000
Láthatják, ahogy az egyik méh kijön itt.
10:11
You see how she has a little number on her?
222
599000
3000
Látják, hogy egy kis szám van rajta?
10:14
Yeah there is another one coming out. She has another number on her.
223
602000
3000
Most jön ki egy másik. Rajta egy másik szám van.
10:17
Now, they are not born that way. Right?
224
605000
3000
Namost, nem így születnek, igaz?
10:20
We pull them out, put them in the fridge, and they fall asleep.
225
608000
2000
Kivesszük őket, betesszük a hűtőbe és elalszanak.
10:22
And then you can superglue little numbers on them.
226
610000
2000
És akkor kis számokat lehet ragasztani rájuk.
10:24
(Laughter)
227
612000
2000
(Nevetés)
10:26
And now, in this experiment they get rewarded if they go to the blue flowers.
228
614000
4000
Ebben a kísérletben jutalmat kapnak, ha kék virágra szállnak.
10:30
And they land on the flower. They stick their tongue in there,
229
618000
3000
Leszállnak a virágra. Bedugják a nyelvüket,
10:33
called a proboscis, and they drink sugar water.
230
621000
2000
amit ormánynak hívnak, és cukros vizet isznak.
10:35
Now she is drinking a glass of water that's about that big to you and I,
231
623000
3000
Egy pohár vizet iszik, ez kb. ennyi lenne nekünk,
10:38
will do that about three times, and then fly.
232
626000
6000
ezt kb. háromszor megcsinálja és utána repül.
10:44
And sometimes they learn not to go to the blue,
233
632000
2000
És néha megtanulják, hogy ne a kékre szálljanak,
10:46
but to go to where the other bees go.
234
634000
2000
hanem oda, ahová a többi méh.
10:48
So they copy each other. They can count to five. They can recognize faces.
235
636000
3000
Tehát egymást utánozzák. Ötig tudnak számolni. Fel tudnak ismerni arcokat.
10:51
And here she comes down the ladder.
236
639000
3000
És itt jön le a létrán.
10:54
And she'll come into the hive, find an empty honey pot
237
642000
2000
Bejön a kasba és talál egy üres mézes bödönt,
10:56
and throw up, and that's honey.
238
644000
2000
öklendez, és ez a méz.
10:58
(Laughter)
239
646000
1000
(Nevetés)
10:59
Now remember -- (Laughter)
240
647000
3000
Emlékezzenek -- (Nevetés)
11:02
-- she's supposed to be going to the blue flowers.
241
650000
2000
-- a kék virágokra kellene szállnia.
11:04
But what are these bees doing in the upper right corner?
242
652000
3000
De mit csinálnak ezek a méhek a jobb felső sarokban?
11:07
It looks like they're going to green flowers.
243
655000
2000
Úgy tűnik, hogy a zöld virágokhoz mennek.
11:09
Now, are they getting it wrong?
244
657000
3000
Nos, talán tévednek?
11:12
And the answer to the question is no. Those are actually blue flowers.
245
660000
3000
A válasz az, hogy nem. Azok valójában kék virágok.
11:15
But those are blue flowers under green light.
246
663000
4000
De azok kék virágok zöld fény alatt.
11:19
So they are using the relationships between the colors to solve the puzzle,
247
667000
4000
Tehát a színek közötti kapcsolatot használják arra, hogy megoldják a rejtvényt.
11:23
which is exactly what we do.
248
671000
2000
Mi is ponotosan ezt csináljuk.
11:25
So, illusions are often used,
249
673000
2000
Az illúziókat gyakran használják arra,
11:27
especially in art, in the words of a more contemporary artist,
250
675000
4000
főleg a művészetben, egy kortárs művész szavaival:
11:31
"to demonstrate the fragility of our senses."
251
679000
2000
"hogy bemutassák az érzékeink gyengeségét."
11:33
Okay, this is complete rubbish.
252
681000
3000
Ez tiszta baromság.
11:36
The senses aren't fragile. And if they were, we wouldn't be here.
253
684000
3000
Az érzékek nem gyengék. Ha azok lennének, nem lennénk itt.
11:39
Instead, color tells us something completely different,
254
687000
4000
Ehelyett, a szín valami teljesen mást árul el, mégpedig azt,
11:43
that the brain didn't actually evolve to see the world the way it is.
255
691000
3000
hogy az agy nem úgy fejlődött, hogy olyannak lássa a világot, amilyen.
11:46
We can't. Instead, the brain evolved to see the world
256
694000
4000
Nem tudjuk olyannak látni. Ehelyett úgy fejlődött, hogy úgy lássa,
11:50
the way it was useful to see in the past.
257
698000
3000
ahogyan a múltban hasznos volt.
11:53
And how we see is by continually redefining normality.
258
701000
6000
És úgy látunk, hogy folyamatosan átértékeljük a normálist.
11:59
So how can we take this
259
707000
4000
Hogyan használhatjuk az agyunk
12:03
incredible capacity of plasticity of the brain
260
711000
3000
ezen elképesztő képlékenységi képességét arra, hogy
12:06
and get people to experience their world differently?
261
714000
3000
előidézzük, hogy az emberek máshogy tapasztalják meg a világukat?
12:09
Well, one of the ways we do in my lab and studio
262
717000
3000
Az egyik módszer erre a laboromban és a stúdiómban,
12:12
is we translate the light into sound
263
720000
3000
hogy lefordítjuk a fényt hangra,
12:15
and we enable people to hear their visual world.
264
723000
4000
és lehetővé tesszük, hogy az emberek hallják a vizuális világukat.
12:19
And they can navigate the world using their ears.
265
727000
3000
És tájékozódhatnak a világban a fülük segítségével.
12:22
Here is David, in the right. And he is holding a camera.
266
730000
3000
Ez David, a jobboldalon. Egy kamerát tart a kezében.
12:25
On the left is what his camera sees.
267
733000
2000
A baloldalon van, amit a kamera lát.
12:27
And you'll see there is a line, a faint line going across that image.
268
735000
3000
És látják van egy vonal, egy halvány vonal a képen keresztbe.
12:30
That line is broken up into 32 squares.
269
738000
3000
Ez a vonal fel van osztva 32 négyzetre.
12:33
In each square we calculate the average color.
270
741000
2000
Mindegyik négyzetben kiszámoljuk az átlag színt.
12:35
And then we just simply translate that into sound.
271
743000
2000
És egyszerűen lefordítjuk hangra.
12:37
And now he's going to
272
745000
3000
És most meg fog fordulni,
12:40
turn around, close his eyes,
273
748000
4000
becsukja a szemét,
12:44
and find a plate on the ground with his eyes closed.
274
752000
3000
és meg fogja találni a tányért a padlón csukott szemmel.
13:06
He finds it. Amazing. Right?
275
774000
2000
Megtalálta. Fantasztikus. Ugye?
13:08
So not only can we create a prosthetic for the visually impaired,
276
776000
2000
Nem csak megoldást tudunk találni a látáskárosultaknak,
13:10
but we can also investigate how people
277
778000
3000
de megvizsgálhatjuk, hogy az emberek
13:13
literally make sense of the world.
278
781000
3000
hogyan értelmezik a világot.
13:16
But we can also do something else. We can also make music with color.
279
784000
4000
De mást is tudunk csinálni. Zenét csinálhatunk színekkel.
13:20
So, working with kids,
280
788000
2000
Gyerekekkel dolgoztunk,
13:22
they created images,
281
790000
2000
ők képeket festettek,
13:24
thinking about what might the images you see
282
792000
2000
arra gondolva, hogy a képek, amiket látunk
13:26
sound like if we could listen to them.
283
794000
2000
hogy hangozhatnának, ha meg tudnánk hallgatni őket.
13:28
And then we translated these images.
284
796000
2000
Aztán lefordítottuk ezket a képeket.
13:30
And this is one of those images.
285
798000
2000
Ez az egyik kép.
13:32
And this is a six-year-old child composing a piece of music
286
800000
3000
És ez egy hatéves gyerek, aki zenét szerez
13:35
for a 32-piece orchestra.
287
803000
3000
egy 32 fős zenekarra.
13:38
And this is what it sounds like.
288
806000
2000
És így hangzik.
14:06
So, a six-year-old child. Okay?
289
834000
3000
Egy hatéves gyerek. OK?
14:09
Now, what does all this mean?
290
837000
3000
Nos, mit jelent mindez?
14:12
What this suggests is that no one is an outside observer
291
840000
3000
Ez azt sugallja, hogy senki sem külső megfigyelője
14:15
of nature. Okay?
292
843000
2000
a természetnek. Rendben?
14:17
We are not defined by our central properties,
293
845000
2000
Nem határoznak meg minket központi tulajdonságaink,
14:19
by the bits that make us up.
294
847000
2000
a bennünket alkotó részek.
14:21
We're defined by our environment and our interaction with that environment --
295
849000
3000
A környezetünk határoz meg és a kölcsönhatásunk a környezettel --
14:24
by our ecology.
296
852000
2000
az ökológiánk.
14:26
And that ecology is necessarily relative,
297
854000
4000
És ez az ökológia szükségszerűen relatív,
14:30
historical and empirical.
298
858000
2000
történelmi és empirikus.
14:32
So what I'd like to finish with is this over here.
299
860000
6000
Szóval szeretném befejezni ezzel itt.
14:38
Because what I've been trying to do is really celebrate uncertainty.
300
866000
3000
Mert igazából a bizonytalanságot próbáltam itt ünnepelni.
14:41
Because I think only through uncertainty is there potential for understanding.
301
869000
4000
Mert azt hiszem csak a bizonytalanságon keresztül van lehetőség a megértésre.
14:45
So, if some of you are still feeling a bit too certain,
302
873000
3000
Nos, ha valaki még mindig túl biztos magában,
14:48
I'd like to do this one.
303
876000
2000
szeretném megcsinálni ezt itt.
14:50
So, if we have the lights down.
304
878000
2000
Kérem kapcsoljuk le a villanyt.
14:52
And what we have here --
305
880000
6000
Ami itt van --
14:58
Can everyone see 25 purple surfaces
306
886000
3000
Mindenki 25 lila felületet lát
15:01
on your left,
307
889000
2000
a baloldalon,
15:03
and 25, call it yellowish, surfaces on your right?
308
891000
4000
és 25, mondjuk sárgás felületet a jobboldalon?
15:07
So, now, what I want to do:
309
895000
2000
És most azt szeretném csinálni:
15:09
I'm going to put the middle nine surfaces here
310
897000
2000
ide fogom tenni a középső kilenc felületet
15:11
under yellow illumination
311
899000
2000
sárga megvilágítás alá,
15:13
by simply putting a filter behind them.
312
901000
4000
pusztán azáltal, hogy mögéjük teszek egy szűrőt.
15:17
All right. Now you can see that changes the light
313
905000
3000
Rendben. Látják, hogy ez megváltoztatja a fényt,
15:20
that's coming through there. Right?
314
908000
2000
ami itt átjön. Rendben?
15:22
Because now the light is going through a yellowish filter
315
910000
2000
Mert most a fény átmegy egy sárgás szűrőn,
15:24
and then a purplish filter.
316
912000
2000
aztán egy lilás szűrőn.
15:26
I'm going to do this opposite on the left here.
317
914000
5000
Ennek az ellenkezőjét fogom csinálni a baloldalon.
15:31
I'm going to put the middle nine under a purplish light.
318
919000
7000
A középső kilencet lilás fény alá teszem.
15:38
Now, some of you will notice that the consequence is that
319
926000
4000
Néhányan észre fogják venni, hogy a következmény az,
15:42
the light coming through those middle nine on the right,
320
930000
3000
hogy a fény, ami átjön a középső kilencen a jobboldalon,
15:45
or your left,
321
933000
2000
vagy önöknek a baloldalon
15:47
is exactly the same as the light coming through
322
935000
2000
teljesen ugyanaz, mint a fény, ami átjön
15:49
the middle nine on your right.
323
937000
2000
a középső kilencen a jobboldalon.
15:51
Agreed? Yes?
324
939000
3000
Egyetértünk? Igen?
15:54
Okay. So they are physically the same.
325
942000
2000
OK. Szóval fizikailag azonosak.
15:56
Let's pull the covers off.
326
944000
6000
Vegyük le a fedőt.
16:02
Now remember,
327
950000
4000
Ne felejtsék,
16:06
you know the middle nine are exactly the same.
328
954000
3000
hogy a középső kilenc teljesen egyforma.
16:09
Do they look the same? No.
329
957000
4000
Egyformának tűnnek? Nem.
16:13
The question is, "Is that an illusion?"
330
961000
2000
A kérdés az: "Ez egy illúzió?"
16:15
And I'll leave you with that.
331
963000
2000
Ezzel hagyom itt önöket.
16:17
So, thank you very much.
332
965000
2000
Köszönöm szépen.
16:19
(Applause)
333
967000
3000
(Taps)
ABOUT THE SPEAKER
Beau Lotto - Neuroscientist, ArtistBeau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system.
Why you should listen
"Let there be perception," was evolution's proclamation, and so it was that all creatures, from honeybees to humans, came to see the world not as it is, but as was most useful. This uncomfortable place--where what an organism's brain sees diverges from what is actually out there--is what Beau Lotto and his team at Lottolab are exploring through their dazzling art-sci experiments and public illusions. Their Bee Matrix installation, for example, places a live bee in a transparent enclosure where gallerygoers may watch it seek nectar in a virtual meadow of luminous Plexiglas flowers. (Bees, Lotto will tell you, see colors much like we humans do.) The data captured isn't just discarded, either: it's put to good use in probing scientific papers, and sometimes in more exhibits.
At their home in London’s Science Museum, the lab holds "synesthetic workshops" where kids and adults make abstract paintings that computers interpret into music, and they host regular Lates--evenings of science, music and "mass experiments." Lotto is passionate about involving people from all walks of life in research on perception--both as subjects and as fellow researchers. One such program, called "i,scientist," in fact led to the publication of the first ever peer-reviewed scientific paper written by schoolchildren ("Blackawton Bees," December 2010). It starts, "Once upon a time ..."
These and Lotto's other conjurings are slowly, charmingly bending the science of perception--and our perceptions of what science can be.
Beau Lotto | Speaker | TED.com