TEDGlobal 2010
Gero Miesenboeck: Re-engineering the brain
Gero Miesenboeck riorganizza un cervello.
Filmed:
Readability: 4.7
717,411 views
Nella tentativo di tracciare una mappa topografica del cervello, molti scienziati si sono cimentati nel compito incredibilmente scoraggiante di registrare l'attivita' di ogni singolo neurone. Geo Miesenboek lavora al contrario - manipolando specifici neuroni per capire esattamente cosa fanno, attraverso una serie di sbalorditivi esperimenti che riorganizzano il modo in cui le mosche da frutta percepiscono la luce.
Gero Miesenboeck - Optogeneticist
Using light and a little genetic engineering -- optogenetics -- Gero Miesenboeck has developed a way to control how living nerve cells work, and advanced understanding of how the brain controls behavior. Full bio
Using light and a little genetic engineering -- optogenetics -- Gero Miesenboeck has developed a way to control how living nerve cells work, and advanced understanding of how the brain controls behavior. Full bio
Double-click the English transcript below to play the video.
00:15
I have a doppelganger.
0
0
3000
Io ho un sosia.
00:18
(Laughter)
1
3000
3000
(Risate)
00:21
Dr. Gero is a brilliant
2
6000
3000
Dr. Gero e' uno scienziato brillante
00:24
but slightly mad scientist
3
9000
2000
ma leggermente squilibrato
00:26
in the "Dragonball Z: Android Saga."
4
11000
3000
nella 'Saga Androide' di Dragonball Z.
00:29
If you look very carefully,
5
14000
2000
Se osservate attentamente,
00:31
you see that his skull has been replaced
6
16000
3000
vedrete che il suo cranio e' stato sostituito
00:34
with a transparent Plexiglas dome
7
19000
2000
con uno zuccotto di Plexiglass trasparente
00:36
so that the workings of his brain can be observed
8
21000
3000
in modo che la sua attivita' cerebrale possa essere osservata
00:39
and also controlled with light.
9
24000
3000
e anche controllata con la luce.
00:42
That's exactly what I do --
10
27000
2000
Questo e' esattamente cio' di cui mi occupo -
00:44
optical mind control.
11
29000
2000
controllo ottico della mente.
00:46
(Laughter)
12
31000
2000
(Risate)
00:48
But in contrast to my evil twin
13
33000
2000
Ma a differenza del mio malvagio gemello,
00:50
who lusts after world domination,
14
35000
3000
che brama il dominio del mondo,
00:53
my motives are not sinister.
15
38000
3000
le mie motivazioni non sono sinistre.
00:56
I control the brain
16
41000
2000
Io controllo il cervello
00:58
in order to understand how it works.
17
43000
2000
in modo da capire come funziona.
01:00
Now wait a minute, you may say,
18
45000
2000
Aspetta un attimo, direte voi,
01:02
how can you go straight to controlling the brain
19
47000
3000
come puoi controllare direttamente il cervello
01:05
without understanding it first?
20
50000
2000
senza prima capirlo?
01:07
Isn't that putting the cart before the horse?
21
52000
3000
Non e' come mettere il carro davanti ai buoi?
01:11
Many neuroscientists agree with this view
22
56000
3000
Molti neuroscienziati sono d'accordo con questa posizione
01:14
and think that understanding will come
23
59000
3000
e pensano che la comprensione arrivera'
01:17
from more detailed observation and analysis.
24
62000
3000
dopo un'osservazione e analisi piu' dettagliata.
01:20
They say, "If we could record the activity of our neurons,
25
65000
4000
Dicono 'Se potessimo registrare l'attivita' dei nostri neuroni,
01:24
we would understand the brain."
26
69000
3000
capiremmo il cervello'.
01:27
But think for a moment what that means.
27
72000
3000
Pensate un momento cosa vuol dire questo.
01:30
Even if we could measure
28
75000
2000
Anche se potessimo misurare
01:32
what every cell is doing at all times,
29
77000
2000
cosa sta facendo ogni cellula in ogni momento,
01:34
we would still have to make sense
30
79000
2000
dovremmo ancora riuscire a capire
01:36
of the recorded activity patterns,
31
81000
2000
i modelli dell'attivita' registrata,
01:38
and that's so difficult,
32
83000
2000
cosa molto difficile,
01:40
chances are we'll understand these patterns
33
85000
2000
e' piu' probabile che riusciremo a capire quei modelli
01:42
just as little as the brains that produce them.
34
87000
3000
tanto poco quanto il cervello che li produce.
01:45
Take a look at what brain activity might look like.
35
90000
3000
Osservate come l'attivita' cerebrale potrebbe apparire.
01:48
In this simulation, each black dot
36
93000
2000
In questa simulazione, ogni puntino nero
01:50
is one nerve cell.
37
95000
2000
e' una cellula nervosa.
01:52
The dot is visible
38
97000
2000
Il puntino e' visibile
01:54
whenever a cell fires an electrical impulse.
39
99000
2000
ogniqualvolta una cellula scarica un impulso elettrico.
01:56
There's 10,000 neurons here.
40
101000
2000
Qui' ci sono 10.000 neuroni.
01:58
So you're looking at roughly one percent
41
103000
2000
Di conseguenza state osservando circa l'un per cento
02:00
of the brain of a cockroach.
42
105000
3000
del cervello di uno scarafaggio.
02:04
Your brains are about 100 million times
43
109000
3000
I vostri cervelli sono circa 100 milioni di volte
02:07
more complicated.
44
112000
2000
piu' complicati.
02:09
Somewhere, in a pattern like this,
45
114000
2000
Da qualche parte, in un modello come questo,
02:11
is you,
46
116000
2000
ci siete voi,
02:13
your perceptions,
47
118000
2000
le vostre percezioni,
02:15
your emotions, your memories,
48
120000
3000
le vostre emozioni, i vostri ricordi,
02:18
your plans for the future.
49
123000
2000
i vostri progetti per il futuro.
02:20
But we don't know where,
50
125000
2000
Ma non sappiamo dove,
02:22
since we don't know how to read the pattern.
51
127000
3000
visto che non sappiamo come leggere il modello.
02:25
We don't understand the code used by the brain.
52
130000
3000
Non capiamo il codice usato dal cervello.
02:28
To make progress,
53
133000
2000
Per compiere progressi,
02:30
we need to break the code.
54
135000
2000
abbiamo bisogno di decifrare il codice.
02:32
But how?
55
137000
2000
Ma come?
02:35
An experienced code-breaker will tell you
56
140000
2000
Un esperto decifratore vi direbbe
02:37
that in order to figure out what the symbols in a code mean,
57
142000
3000
che in modo da capire cosa significano i simboli di un codice,
02:40
it's essential to be able to play with them,
58
145000
3000
e' essenziale riuscire a manipolarli,
02:43
to rearrange them at will.
59
148000
2000
a riarrangiarli a piacimento.
02:45
So in this situation too,
60
150000
2000
Cosi' anche in questa situazione,
02:47
to decode the information
61
152000
2000
per decodificare l'informazione
02:49
contained in patterns like this,
62
154000
2000
contenuta in modelli come questo,
02:51
watching alone won't do.
63
156000
2000
osservare soltanto non basta,
02:53
We need to rearrange the pattern.
64
158000
2000
abbiamo bisogno di riorganizzare il modello.
02:55
In other words,
65
160000
2000
In altre parole,
02:57
instead of recording the activity of neurons,
66
162000
2000
invece di registrare l'attivita' dei neuroni,
02:59
we need to control it.
67
164000
2000
abbiamo bisogno di controllarla.
03:01
It's not essential that we can control
68
166000
2000
Non e' essenziale poter controllare
03:03
the activity of all neurons in the brain, just some.
69
168000
3000
l'attivita' di tutti i neuroni del cervello, ma solo di alcuni.
03:06
The more targeted our interventions, the better.
70
171000
2000
Tanto piu' mirati i nostri interventi, tanto meglio.
03:08
And I'll show you in a moment
71
173000
2000
Fra un momento vi mostrero'
03:10
how we can achieve the necessary precision.
72
175000
3000
in che modo possiamo ottenere la precisione necessaria.
03:13
And since I'm realistic, rather than grandiose,
73
178000
3000
Visto che sono realista, piuttosto che grandioso,
03:16
I don't claim that the ability to control the function of the nervous system
74
181000
3000
non sostengo che l'abilita' di controllare la funzione del sistema nervoso
03:19
will at once unravel all its mysteries.
75
184000
3000
ne svelera' di colpo tutti i misteri.
03:22
But we'll certainly learn a lot.
76
187000
3000
Ma certamente avremo molto da imparare.
03:27
Now, I'm by no means
77
192000
2000
Ora, non e' il caso che io
03:29
the first person to realize
78
194000
2000
sia la prima persona a capire
03:31
how powerful a tool intervention is.
79
196000
3000
quanto potente sia uno strumento d'intervento.
03:34
The history of attempts
80
199000
2000
La storia dei tentativi
03:36
to tinker with the function of the nervous system
81
201000
2000
di trafficare con la funzione del sistema nervoso
03:38
is long and illustrious.
82
203000
2000
e' lunga e illustre.
03:40
It dates back at least 200 years,
83
205000
3000
Risale almeno a duecento anni fa,
03:43
to Galvani's famous experiments
84
208000
2000
ai famosi esprimenti di Galvani
03:45
in the late 18th century and beyond.
85
210000
3000
dalla fine del 18esimo secolo in poi.
03:49
Galvani showed that a frog's legs twitched
86
214000
3000
Galvani mostro' che le gambe di una rana si contraevano
03:52
when he connected the lumbar nerve
87
217000
2000
quando connetteva il nervo lombare
03:54
to a source of electrical current.
88
219000
3000
a una fonte di corrente elettrica.
03:57
This experiment revealed the first, and perhaps most fundamental,
89
222000
3000
Questo esperimento rivelo' il primo, e probabilmente piu' fondamentale,
04:00
nugget of the neural code:
90
225000
2000
concetto del codice neurale:
04:02
that information is written in the form
91
227000
2000
l'informazione e' scritta in forma
04:04
of electrical impulses.
92
229000
3000
di impulsi elettrici.
04:08
Galvani's approach
93
233000
2000
L'approccio di Galvani
04:10
of probing the nervous system with electrodes
94
235000
2000
di sondare il sistema nervoso con elettrodi
04:12
has remained state-of-the-art until today,
95
237000
3000
e' rimasto in voga fino a oggi,
04:15
despite a number of drawbacks.
96
240000
3000
nonostante una serie di svantaggi.
04:18
Sticking wires into the brain is obviously rather crude.
97
243000
3000
Inserire fili nel cervello e', ovviamente, piuttosto rozzo.
04:21
It's hard to do in animals that run around,
98
246000
2000
E' difficile farlo negli animali che vanno in giro,
04:23
and there is a physical limit
99
248000
2000
e ci sono dei limiti fisici
04:25
to the number of wires
100
250000
2000
sul numero di fili
04:27
that can be inserted simultaneously.
101
252000
3000
che possono essere inseriti contemporaneamente.
04:30
So around the turn of the last century,
102
255000
2000
Cosi' verso la fine del secolo scorso,
04:32
I started to think,
103
257000
2000
ho cominciato a pensare,
04:34
"Wouldn't it be wonderful if one could take this logic
104
259000
3000
che sarebbe meraviglioso poter prendere questa idea
04:37
and turn it upside down?"
105
262000
2000
e capovolgerla.
04:39
So instead of inserting a wire
106
264000
2000
Cosi', invece di inserire un filo
04:41
into one spot of the brain,
107
266000
3000
in un posto del cervello,
04:44
re-engineer the brain itself
108
269000
2000
ri-programmare il cervello stesso
04:46
so that some of its neural elements
109
271000
3000
cosi' che alcuni dei suoi elementi neurali
04:49
become responsive to diffusely broadcast signals
110
274000
3000
diventino ricettivi nei confronti di segnali trasmessi,
04:52
such as a flash of light.
111
277000
3000
come un lampo di luce.
04:55
Such an approach would literally, in a flash of light,
112
280000
3000
Tale approccio, letteralmente con un lampo di luce
04:58
overcome many of the obstacles to discovery.
113
283000
3000
supera molti degli ostacoli alla scoperta.
05:01
First, it's clearly a non-invasive,
114
286000
3000
Primo, e' chiaramente una forma di comunicazione
05:04
wireless form of communication.
115
289000
3000
non-invasiva, senza fili.
05:07
And second, just as in a radio broadcast,
116
292000
2000
E secondo, proprio come nella diffusione radio,
05:09
you can communicate with many receivers at once.
117
294000
3000
si puo' comunicare con molti ricettori allo stesso tempo.
05:12
You don't need to know where these receivers are,
118
297000
3000
Non occorre sapere dove siano questi ricettori.
05:15
and it doesn't matter if these receivers move --
119
300000
2000
E non importa che questi ricettori si muovano -
05:17
just think of the stereo in your car.
120
302000
3000
pensate allo stereo nella vostra macchina.
05:20
It gets even better,
121
305000
3000
La cosa si fa piu' interessante
05:23
for it turns out that we can fabricate the receivers
122
308000
3000
quando risulta che possiamo fabbricare i ricettori
05:26
out of materials that are encoded in DNA.
123
311000
3000
con il materiale codificato nel DNA.
05:29
So each nerve cell
124
314000
2000
Cosi' ogni cellula nervosa
05:31
with the right genetic makeup
125
316000
2000
con il corretto corredo genetico
05:33
will spontaneously produce a receiver
126
318000
3000
produrra' spontaneamente un ricettore
05:36
that allows us to control its function.
127
321000
3000
che ci permette di controllare la sua funzione.
05:39
I hope you'll appreciate
128
324000
2000
Spero apprezzerete
05:41
the beautiful simplicity
129
326000
2000
la meravigliosa semplicita'
05:43
of this concept.
130
328000
2000
di questo concetto.
05:45
There's no high-tech gizmos here,
131
330000
2000
Non c'e' nessun aggeggio ultra-tecnologico,
05:47
just biology revealed through biology.
132
332000
3000
ma solo la biologia attivata attraverso la biologia.
05:51
Now let's take a look at these miraculous receivers up close.
133
336000
3000
Adesso osservate piu' da vicino questi meravigliosi ricettori.
05:54
As we zoom in on one of these purple neurons,
134
339000
3000
Quando ci avviciniamo a uno di questi neuroni viola
05:57
we see that its outer membrane
135
342000
2000
vediamo che la sua membrana esterna
05:59
is studded with microscopic pores.
136
344000
2000
e' punteggiata da pori microscopici.
06:01
Pores like these conduct electrical current
137
346000
2000
Pori come questi conducono corrente elettrica
06:03
and are responsible
138
348000
2000
e sono responsabili
06:05
for all the communication in the nervous system.
139
350000
2000
di tutta la comunicazione nel sistema nervoso.
06:07
But these pores here are special.
140
352000
2000
Ma questi pori sono speciali.
06:09
They are coupled to light receptors
141
354000
2000
Essi sono accopiati a ricettori della luce
06:11
similar to the ones in your eyes.
142
356000
3000
simili a quelli nei vostri occhi.
06:14
Whenever a flash of light hits the receptor,
143
359000
2000
Ogni qual volta un lampo di luce colpisce il ricettore,
06:16
the pore opens, an electrical current is switched on,
144
361000
3000
il poro si apre, genera la corrente elettrica,
06:19
and the neuron fires electrical impulses.
145
364000
3000
e il neurone scarica impulsi elettrici.
06:22
Because the light-activated pore is encoded in DNA,
146
367000
3000
Poiche' il poro attivato dalla luce e' codificato nel DNA,
06:25
we can achieve incredible precision.
147
370000
3000
possiamo ottenere una precisione incredibile.
06:28
This is because,
148
373000
2000
Questo perche',
06:30
although each cell in our bodies
149
375000
2000
nonostante ogni cellula nel nostro corpo
06:32
contains the same set of genes,
150
377000
2000
contenga lo stesso insieme di geni,
06:34
different mixes of genes get turned on and off
151
379000
2000
diverse combinazioni di geni sono attivate e disattivate
06:36
in different cells.
152
381000
2000
in cellule diverse.
06:38
You can exploit this to make sure
153
383000
2000
Potete sfruttare questo principio per essere sicuri
06:40
that only some neurons
154
385000
2000
che solo certi neuroni,
06:42
contain our light-activated pore and others don't.
155
387000
3000
e non altri, contengano i nostri pori attivati dalla luce.
06:45
So in this cartoon, the bluish white cell
156
390000
2000
In questa immagine, la cellula bianca bluastra
06:47
in the upper-left corner
157
392000
2000
nell'angolo sinistro in alto
06:49
does not respond to light
158
394000
2000
non risponde alla luce
06:51
because it lacks the light-activated pore.
159
396000
3000
perche' non ha il poro di attivazione luminosa.
06:54
The approach works so well
160
399000
2000
L'approccio funziona talmente bene
06:56
that we can write purely artificial messages
161
401000
2000
che si possono scrivere messaggi del tutto artificiali
06:58
directly to the brain.
162
403000
2000
direttamente nel cervello.
07:00
In this example, each electrical impulse,
163
405000
2000
In questo esempio, ogni impulso elettrico,
07:02
each deflection on the trace,
164
407000
3000
ogni deviazione dalla traccia,
07:05
is caused by a brief pulse of light.
165
410000
3000
e' causato da un breve segnale di luce.
07:08
And the approach, of course, also works
166
413000
2000
Questo approccio funziona anche
07:10
in moving, behaving animals.
167
415000
3000
in animali in movimento.
07:13
This is the first ever such experiment,
168
418000
2000
Questo e' il primo esperimento in assoluto di questo tipo,
07:15
sort of the optical equivalent of Galvani's.
169
420000
3000
una specie di equivalente ottico di quelli di Galvani.
07:18
It was done six or seven years ago
170
423000
2000
Venne condotto sei o sette anni fa
07:20
by my then graduate student, Susana Lima.
171
425000
3000
dalla mia allora studentessa, Susana Lima.
07:23
Susana had engineered the fruit fly on the left
172
428000
3000
Susana aveva progettato la mosca da frutta a sinistra
07:26
so that just two out of the 200,000 cells in its brain
173
431000
4000
tale che due su 200,000 cellule nel suo cervello
07:30
expressed the light-activated pore.
174
435000
3000
generassero il poro fotoattivato.
07:33
You're familiar with these cells
175
438000
2000
Queste cellule vi saranno familiari
07:35
because they are the ones that frustrate you
176
440000
2000
dal momento che sono quelle che vi fanno sentire frustrati
07:37
when you try to swat the fly.
177
442000
2000
quando provate a scacciare una mosca.
07:39
They trained the escape reflex that makes the fly jump into the air
178
444000
3000
Esse hanno prodotto il riflesso della fuga che consente alle mosche di saltare
07:42
and fly away whenever you move your hand in position.
179
447000
3000
e volare via ogni volta che muovete la mano.
07:46
And you can see here that the flash of light has exactly the same effect.
180
451000
3000
Potete vedere che il lampo di luce ha esattamente lo stesso effetto.
07:49
The animal jumps, it spreads its wings, it vibrates them,
181
454000
3000
L'animale salta, apre le ali, le agita,
07:52
but it can't actually take off
182
457000
2000
ma non puo' realmente spiccare il volo,
07:54
because the fly is sandwiched between two glass plates.
183
459000
3000
perche' la mosca e' chiusa tra due piastre di vetro.
07:58
Now to make sure that this was no reaction of the fly
184
463000
2000
Ora, per esser certi che non fosse la reazione della mosca
08:00
to a flash it could see,
185
465000
3000
a un bagliore che avrebbe potuto vedere,
08:03
Susana did a simple
186
468000
2000
Susana fece un semplice
08:05
but brutally effective experiment.
187
470000
2000
ma veramente brutale esperimento.
08:07
She cut the heads off of her flies.
188
472000
3000
Taglio' le teste alle sue mosche.
08:11
These headless bodies can live for about a day,
189
476000
3000
Questi corpi decapitati posso vivere per circa un giorno,
08:14
but they don't do much.
190
479000
2000
ma non fanno molto.
08:16
They just stand around
191
481000
3000
Si muovono un po' tutt'intorno
08:19
and groom excessively.
192
484000
3000
ripulendosi eccessivamente.
08:22
So it seems that the only trait that survives decapitation is vanity.
193
487000
3000
Pare che l'unico tratto che sopravvive alla decapitazione sia la vanita'.
08:25
(Laughter)
194
490000
3000
(Risate)
08:30
Anyway, as you'll see in a moment,
195
495000
2000
Comunque, come vedrete fra un momento,
08:32
Susana was able to turn on the flight motor
196
497000
3000
Susana fu in grado di accendere il motore della fuga
08:35
of what's the equivalent of the spinal cord of these flies
197
500000
3000
in quello che e' l'equivalente della spina dorsale di queste mosche
08:38
and get some of the headless bodies
198
503000
2000
e far si' che alcuni dei corpi senza testa
08:40
to actually take off and fly away.
199
505000
3000
riuscissero effettivamente a decollare e volare via.
08:47
They didn't get very far, obviously.
200
512000
2000
Non andarono molto lontano, ovviamente.
08:50
Since we took these first steps,
201
515000
2000
Da quando abbiamo compiuto questi primi passi,
08:52
the field of optogenetics has exploded.
202
517000
3000
il campo dell'optogenetica e' esploso.
08:55
And there are now hundreds of labs
203
520000
2000
Adesso ci sono centinaia di laboratori
08:57
using these approaches.
204
522000
2000
che usano questi approcci.
08:59
And we've come a long way
205
524000
2000
Abbiamo percorso una lunga strada
09:01
since Galvani's and Susana's first successes
206
526000
3000
dai primi successi di Galvani e Susana
09:04
in making animals twitch or jump.
207
529000
2000
nel far si' che gli animali si contraggano o saltino.
09:06
We can now actually interfere with their psychology
208
531000
3000
Ora possiamo realmente interferire con la loro psicologia
09:09
in rather profound ways,
209
534000
2000
in modi piuttosto profondi
09:11
as I'll show you in my last example,
210
536000
2000
come vi mostrera' il mio ultimo esempio,
09:13
which is directed at a familiar question.
211
538000
3000
che e' diretto a una domanda familiare.
09:16
Life is a string of choices
212
541000
3000
La vita e' una serie di scelte
09:19
creating a constant pressure to decide what to do next.
213
544000
3000
che creano una pressione costante per decidere cosa fare.
09:23
We cope with this pressure by having brains,
214
548000
3000
Facciamo fronte a questa pressione con il cervello,
09:26
and within our brains, decision-making centers
215
551000
3000
e nei nostri cervelli, con i centri decisionali
09:29
that I've called here the "Actor."
216
554000
3000
che qui' ho chiamato l' Attore.
09:33
The Actor implements a policy that takes into account
217
558000
3000
L' Attore attua una strategia che prende in considerazione
09:36
the state of the environment
218
561000
2000
lo stato dell'ambiente
09:38
and the context in which we operate.
219
563000
3000
e il contesto nel quale operiamo.
09:41
Our actions change the environment, or context,
220
566000
3000
Le nostre azioni modificano l'ambiente, o il contesto,
09:44
and these changes are then fed back into the decision loop.
221
569000
3000
e questi cambiamenti vengono poi ritrasmessi nel circolo decisionale.
09:48
Now to put some neurobiological meat
222
573000
3000
Ora, per inserire contenuti neurobiologici
09:51
on this abstract model,
223
576000
2000
in questo modello astratto,
09:53
we constructed a simple one-dimensional world
224
578000
2000
abbiamo costruito un mondo uni-dimensionale semplice
09:55
for our favorite subject, fruit flies.
225
580000
3000
per il nostro soggetto preferito, le mosche da frutta.
09:58
Each chamber in these two vertical stacks
226
583000
2000
ogni camera di queste due colonne verticali
10:00
contains one fly.
227
585000
2000
contiene una mosca.
10:02
The left and the right halves of the chamber
228
587000
3000
Le meta' destra e sinistra della camera
10:05
are filled with two different odors,
229
590000
2000
sono pregne di due diversi odori,
10:07
and a security camera watches
230
592000
2000
e una telecamera di sicurezza osserva
10:09
as the flies pace up and down between them.
231
594000
3000
le mosche fare su e giu' fra le due.
10:12
Here's some such CCTV footage.
232
597000
2000
Ecco alcune video registrazioni.
10:14
Whenever a fly reaches the midpoint of the chamber
233
599000
3000
Ogni qual volta raggiunge il centro della camera
10:17
where the two odor streams meet,
234
602000
2000
dove due correnti di odore si incontrano,
10:19
it has to make a decision.
235
604000
2000
la mosca deve prendere una decisione.
10:21
It has to decide whether to turn around
236
606000
2000
Deve decidere se fare marcia indietro
10:23
and stay in the same odor,
237
608000
2000
e rimanere nello stesso odore,
10:25
or whether to cross the midline
238
610000
2000
oppure oltrepassare la linea
10:27
and try something new.
239
612000
2000
e provare qualcosa di nuovo.
10:29
These decisions are clearly a reflection
240
614000
3000
Queste decisioni sono chiaramente un riflesso
10:32
of the Actor's policy.
241
617000
3000
della strategia dell' Attore.
10:36
Now for an intelligent being like our fly,
242
621000
3000
Per una creatura intelligente come la nostra mosca,
10:39
this policy is not written in stone
243
624000
3000
questa strategia non e' rigida,
10:42
but rather changes as the animal learns from experience.
244
627000
3000
ma anzi cambia con cio' che l'animale impara dall'esperienza.
10:45
We can incorporate such an element
245
630000
2000
Possiamo incorporare questo elemento
10:47
of adaptive intelligence into our model
246
632000
3000
di intelligenza adattativa nel nostro modello
10:50
by assuming that the fly's brain
247
635000
2000
assumendo che il cervello della mosca
10:52
contains not only an Actor,
248
637000
2000
contiene non solo un Attore,
10:54
but a different group of cells,
249
639000
2000
ma un gruppo diverso di cellule,
10:56
a "Critic," that provides a running commentary
250
641000
3000
un Critico, che fornisce una telecronaca continua
10:59
on the Actor's choices.
251
644000
2000
sulle scelte dell' Attore.
11:01
You can think of this nagging inner voice
252
646000
3000
Potete pensare a questa assillante voce interiore
11:04
as sort of the brain's equivalent
253
649000
2000
come a una specie di equivalente per il cervello
11:06
of the Catholic Church,
254
651000
2000
della Chiesa Cattolica,
11:08
if you're an Austrian like me,
255
653000
3000
se siete Austriaci come me,
11:11
or the super-ego, if you're Freudian,
256
656000
3000
o del superego, se siete Freudiani,
11:14
or your mother, if you're Jewish.
257
659000
2000
o di vostra madre, se siete Ebrei.
11:16
(Laughter)
258
661000
4000
(Risate)
11:20
Now obviously,
259
665000
2000
Ovviamente,
11:22
the Critic is a key ingredient
260
667000
3000
il Critico e' un ingrediente fondamentale
11:25
in what makes us intelligent.
261
670000
2000
per cio' che ci rende intelligenti.
11:27
So we set out to identify
262
672000
2000
Cosi', ci proponemmo di identificare
11:29
the cells in the fly's brain
263
674000
2000
le cellule nel cervello della mosca
11:31
that played the role of the Critic.
264
676000
2000
che svolgono il ruolo del Critico.
11:33
And the logic of our experiment was simple.
265
678000
3000
La logica del nostro esperimento era semplice.
11:36
We thought if we could use our optical remote control
266
681000
3000
Pensammo che se potevamo usare il nostro controllo ottico remoto
11:39
to activate the cells of the Critic,
267
684000
3000
per attivare le cellule del Critico,
11:42
we should be able, artificially, to nag the Actor
268
687000
3000
dovevamo essere in grado, artificialmente, di assillare l'Attore
11:45
into changing its policy.
269
690000
2000
per fargli cambiare strategia.
11:47
In other words,
270
692000
2000
In altre parole,
11:49
the fly should learn from mistakes
271
694000
2000
la mosca avrebbe dovuto imparare dagli sbagli
11:51
that it thought it had made
272
696000
2000
che pensava di aver fatto
11:53
but, in reality, it had not made.
273
698000
3000
ma che in realta' non aveva fatto.
11:56
So we bred flies
274
701000
2000
Cosi' abbiamo allevato mosche
11:58
whose brains were more or less randomly peppered
275
703000
3000
i cui cervelli erano stati corretti piu' o meno a caso
12:01
with cells that were light addressable.
276
706000
2000
con cellule che fossero sensibili dalla luce.
12:03
And then we took these flies
277
708000
2000
Poi abbiamo preso queste mosche
12:05
and allowed them to make choices.
278
710000
2000
e abbiamo permesso loro di operare delle scelte.
12:07
And whenever they made one of the two choices,
279
712000
2000
Ogni volta che prendevano una delle due decisioni,
12:09
chose one odor,
280
714000
2000
cioe' sceglievano un odore,
12:11
in this case the blue one over the orange one,
281
716000
2000
in questo caso blu invece di arancione,
12:13
we switched on the lights.
282
718000
2000
accendavamo le luci.
12:15
If the Critic was among the optically activated cells,
283
720000
3000
Se il Critico fosse stato fra le cellule attivate dalla luce
12:18
the result of this intervention
284
723000
2000
il risultato di questo intervento
12:20
should be a change in policy.
285
725000
3000
avrebbe dato un cambio di strategia.
12:23
The fly should learn to avoid
286
728000
2000
La mosca dovrebbe imparare a evitare
12:25
the optically reinforced odor.
287
730000
2000
l'odore otticamente rinforzato.
12:27
Here's what happened in two instances:
288
732000
3000
Ecco cosa e' successo in due casi.
12:30
We're comparing two strains of flies,
289
735000
3000
Mettiamo a confronto due famiglie di mosche,
12:33
each of them having
290
738000
2000
ognuna delle quali ha
12:35
about 100 light-addressable cells in their brains,
291
740000
2000
circa 100 cellule fotosensibili nel cervello,
12:37
shown here in green on the left and on the right.
292
742000
3000
qui' indicate in verde a destra e a sinistra.
12:40
What's common among these groups of cells
293
745000
3000
Cio' che accomuna questi gruppi di cellule
12:43
is that they all produce the neurotransmitter dopamine.
294
748000
3000
e' la produzione del neurotrasmettitore dopamina.
12:46
But the identities of the individual
295
751000
2000
Ma le identita' dei singoli
12:48
dopamine-producing neurons
296
753000
2000
neuroni produttori di dopamina
12:50
are clearly largely different on the left and on the right.
297
755000
3000
a destra e a sinistra sono chiaramente diverse.
12:53
Optically activating
298
758000
2000
L'attivazione ottica
12:55
these hundred or so cells
299
760000
2000
di questo centinaio di cellule
12:57
into two strains of flies
300
762000
2000
in due famiglie di mosche,
12:59
has dramatically different consequences.
301
764000
2000
ha delle conseguenze drammaticamente diverse.
13:01
If you look first at the behavior
302
766000
2000
Se osservate il comportamento
13:03
of the fly on the right,
303
768000
2000
della mosca a destra,
13:05
you can see that whenever it reaches the midpoint of the chamber
304
770000
3000
vedrete che quando raggiunge il centro della camera
13:08
where the two odors meet,
305
773000
2000
dove i due odori si incontrano,
13:10
it marches straight through, as it did before.
306
775000
3000
continua a andare dritta come prima.
13:13
Its behavior is completely unchanged.
307
778000
2000
Il suo comportamento non e' affatto cambiato.
13:15
But the behavior of the fly on the left is very different.
308
780000
3000
Ma il comportamento della mosca a sinistra e' molto diverso.
13:18
Whenever it comes up to the midpoint,
309
783000
3000
Quando arriva al centro,
13:21
it pauses,
310
786000
2000
si ferma,
13:23
it carefully scans the odor interface
311
788000
2000
controlla attentamente la frontiera odorifera,
13:25
as if it was sniffing out its environment,
312
790000
2000
come se stesse annusando il suo ambiente,
13:27
and then it turns around.
313
792000
2000
e quindi svolta.
13:29
This means that the policy that the Actor implements
314
794000
3000
Cio' significa che la strategia implementata dall'Attore
13:32
now includes an instruction to avoid the odor
315
797000
2000
ora include un'istruzione per evitare l'odore
13:34
that's in the right half of the chamber.
316
799000
3000
che e' nella meta' destra della camera.
13:37
This means that the Critic
317
802000
2000
Cio' vuol dire che il Critico
13:39
must have spoken in that animal,
318
804000
2000
deve aver parlato all'animale,
13:41
and that the Critic must be contained
319
806000
2000
e che il Critico debba essere contenuto
13:43
among the dopamine-producing neurons on the left,
320
808000
3000
tra i neuroni produttori di dopamina sulla sinistra,
13:46
but not among the dopamine producing neurons on the right.
321
811000
3000
ma non tra i neuroni produttori di dopamina a destra.
13:49
Through many such experiments,
322
814000
3000
Attraverso molti di questi esperimenti
13:52
we were able to narrow down
323
817000
2000
siamo stati in grado di delimitare
13:54
the identity of the Critic
324
819000
2000
l'identita' del Critico
13:56
to just 12 cells.
325
821000
2000
a sole 12 cellule.
13:58
These 12 cells, as shown here in green,
326
823000
3000
Queste 12 cellule, qui' contrassegnate in verde,
14:01
send the output to a brain structure
327
826000
2000
mandano il segnale alla struttura cerebrale
14:03
called the "mushroom body,"
328
828000
2000
chiamata corpo fungoso,
14:05
which is shown here in gray.
329
830000
2000
che qui' è in grigio.
14:07
We know from our formal model
330
832000
2000
Dal nostro modello formale, sappiamo
14:09
that the brain structure
331
834000
2000
che la struttura cerebrale
14:11
at the receiving end of the Critic's commentary is the Actor.
332
836000
3000
che riceve il commento del Critico e' l'Attore.
14:14
So this anatomy suggests
333
839000
2000
Questa anatomia suggerisce che
14:16
that the mushroom bodies have something to do
334
841000
3000
i corpi fungosi hanno qualcosa a che fare
14:19
with action choice.
335
844000
2000
con un'azione di scelta.
14:21
Based on everything we know about the mushroom bodies,
336
846000
2000
Sulla base di tutto cio' che sappiamo dei corpi fungosi,
14:23
this makes perfect sense.
337
848000
2000
i conti tornano alla perfezione.
14:25
In fact, it makes so much sense
338
850000
2000
Infatti, i conti tornano cosi' tanto,
14:27
that we can construct an electronic toy circuit
339
852000
3000
che siamo in grado di costruire un circuito giocattolo elettronico
14:30
that simulates the behavior of the fly.
340
855000
3000
che simula il comportamento della mosca.
14:33
In this electronic toy circuit,
341
858000
3000
In questo circuito giocattolo elettronico
14:36
the mushroom body neurons are symbolized
342
861000
2000
i neuroni del corpo fungoso sono simbolizzati
14:38
by the vertical bank of blue LEDs
343
863000
3000
dalla banda verticale di fotoemettitori blu
14:41
in the center of the board.
344
866000
3000
al centro della lavagna.
14:44
These LED's are wired to sensors
345
869000
2000
I fotoemettitori sono collegati a sensori
14:46
that detect the presence of odorous molecules in the air.
346
871000
3000
che rilevano la presenza di molecole odorifere nell'aria.
14:50
Each odor activates a different combination of sensors,
347
875000
3000
Ogni odore attiva una combinazione diversa di sensori,
14:53
which in turn activates
348
878000
2000
che a sua volta attiva
14:55
a different odor detector in the mushroom body.
349
880000
3000
un rilevatore di odore diverso nel corpo fungoso.
14:58
So the pilot in the cockpit of the fly,
350
883000
2000
Cosi' il pilota nella cabina della mosca,
15:00
the Actor,
351
885000
2000
l'Attore,
15:02
can tell which odor is present
352
887000
2000
e' in grado di dire quale odore sia presente
15:04
simply by looking at which of the blue LEDs lights up.
353
889000
4000
semplicemente guardando quali luci blu sono accese.
15:09
What the Actor does with this information
354
894000
2000
Cio' che l'Attore fa con questa informazione
15:11
depends on its policy,
355
896000
2000
dipende dalla sua strategia,
15:13
which is stored in the strengths of the connection,
356
898000
2000
immagazzinata nelle connessioni,
15:15
between the odor detectors
357
900000
2000
fra i rilevatori di odore
15:17
and the motors
358
902000
2000
e i motori
15:19
that power the fly's evasive actions.
359
904000
2000
che alimentano le azioni evasive della mosca.
15:22
If the connection is weak, the motors will stay off
360
907000
2000
Se la connessione e' debole, i motori staranno spenti
15:24
and the fly will continue straight on its course.
361
909000
3000
e la mosca continuera' per la sua strada.
15:27
If the connection is strong, the motors will turn on
362
912000
3000
Se la connessione e' forte, i motori si accenderanno
15:30
and the fly will initiate a turn.
363
915000
3000
e la mosca comincera' a svoltare.
15:33
Now consider a situation
364
918000
2000
Consideriamo una situazione
15:35
in which the motors stay off,
365
920000
2000
in cui i motri restano spenti,
15:37
the fly continues on its path
366
922000
3000
la mosca continua il suo percorso
15:40
and it suffers some painful consequence
367
925000
2000
e ne soffre qualche dolorosa conseguenza
15:42
such as getting zapped.
368
927000
2000
come prendere la scossa.
15:44
In a situation like this,
369
929000
2000
In una situazione come questa,
15:46
we would expect the Critic to speak up
370
931000
2000
ci aspetteremmo che il Critico parli
15:48
and to tell the Actor
371
933000
2000
e dica all' Attore
15:50
to change its policy.
372
935000
2000
di cambiare strategia.
15:52
We have created such a situation, artificially,
373
937000
3000
Abbiamo creato una situazione artificiale
15:55
by turning on the critic with a flash of light.
374
940000
3000
con l'accensione del Critico tramite un lampo di luce.
15:58
That caused a strengthening of the connections
375
943000
3000
Cio' comporta un rafforzamento delle connessioni
16:01
between the currently active odor detector
376
946000
3000
tra i rilevatori di odore correntemente attivi
16:04
and the motors.
377
949000
2000
e i motori.
16:06
So the next time
378
951000
2000
Cosi' quando la mosca
16:08
the fly finds itself facing the same odor again,
379
953000
3000
si ritrovera' di fronte allo stesso odore,
16:11
the connection is strong enough to turn on the motors
380
956000
3000
la connessione sara' forte abbastanza per accendere i motori
16:14
and to trigger an evasive maneuver.
381
959000
3000
e per innescare una manovra evasiva.
16:19
I don't know about you,
382
964000
3000
Non so voi,
16:22
but I find it exhilarating to see
383
967000
3000
ma io trovo esilarante vedere
16:25
how vague psychological notions
384
970000
3000
come vaghe nozioni psicologiche
16:28
evaporate and give rise
385
973000
2000
evaporino e diano luogo
16:30
to a physical, mechanistic understanding of the mind,
386
975000
3000
a una comprensione fisica e meccanica della mente,
16:33
even if it's the mind of the fly.
387
978000
3000
anche se e' la mente di una mosca.
16:36
This is one piece of good news.
388
981000
3000
Questa e' la prima buona notizia.
16:39
The other piece of good news,
389
984000
2000
La seconda buona notizia,
16:41
for a scientist at least,
390
986000
2000
per uno scienziato, perlomeno,
16:43
is that much remains to be discovered.
391
988000
3000
e' che c'e' ancora molto da scoprire.
16:46
In the experiments I told you about,
392
991000
2000
Negli esperimenti di cui vi ho parlato,
16:48
we have lifted the identity of the Critic,
393
993000
3000
abbiamo svelato l'identita' del Critico,
16:51
but we still have no idea
394
996000
2000
ma ancora non abbiamo idea
16:53
how the Critic does its job.
395
998000
2000
di come il Critico svolga il suo lavoro.
16:55
Come to think of it, knowing when you're wrong
396
1000000
2000
Pensadoci bene, sapere di essere nel torto
16:57
without a teacher, or your mother, telling you,
397
1002000
3000
in assenza di un maestro, o di tua madre che te lo dice,
17:00
is a very hard problem.
398
1005000
2000
e' un problema molto difficile.
17:02
There are some ideas in computer science
399
1007000
2000
Ci sono alcune idee in informatica
17:04
and in artificial intelligence
400
1009000
2000
e in intelligenza artificiale
17:06
as to how this might be done,
401
1011000
2000
su come cio' possa essere fatto,
17:08
but we still haven't solved
402
1013000
2000
ma ancora non abbiamo risolto
17:10
a single example
403
1015000
2000
un solo esempio
17:12
of how intelligent behavior
404
1017000
3000
di come il comportamento intelligente
17:15
springs from the physical interactions
405
1020000
2000
sbocci dalle interazioni fisiche
17:17
in living matter.
406
1022000
2000
nella materia vivente.
17:19
I think we'll get there in the not too distant future.
407
1024000
3000
Penso che ci arriveremo in un futuro non troppo lontano.
17:22
Thank you.
408
1027000
2000
Grazie.
17:24
(Applause)
409
1029000
4000
(Applausi)
ABOUT THE SPEAKER
Gero Miesenboeck - OptogeneticistUsing light and a little genetic engineering -- optogenetics -- Gero Miesenboeck has developed a way to control how living nerve cells work, and advanced understanding of how the brain controls behavior.
Why you should listen
Gero Miesenboeck is pioneering the field of optogenetics: genetically modifying nerve cells to respond to light. By flashing light at a modified neuron in a living nervous system, Miesenboeck and his collaborators can mimic a brain impulse -- and then study what happens next. Optogenetics will allow ever more precise experiments on living brains, allowing us to gather better evidence on how electrical impulses on tissue translate into actual behavior and thoughts.
In one experiment, done at Yale, he and his team engineered fruit flies to be light-sensitive in the neural area responsible for escape response. Then the flies were beheaded; fruit flies can live for a day without their heads, but they don't move. When the modified cells were flashed with light, though, the headless flies flew. Miesenboeck had successfully simulated an order from a brain that wasn't even there anymore.
Miesenboeck's current research at Oxford's growing department of neurobiology focuses on the nerve cell networks that underpin what animals perceive, remember and do. In one recent experiment, he used optogenetics to implant an unpleasant memory in a fruit fly, causing it to "remember" to avoid a certain odor as it traveled around. He and his team were able, in fact, to find the fly's specific 12-neuron brain circuit that govern memory formation.
Gero Miesenboeck | Speaker | TED.com