TEDGlobal 2009
Beau Lotto: Optical illusions show how we see
Beau Lotto: Le illusioni ottiche ci mostrano come vediamo
Filmed:
Readability: 2.7
7,158,267 views
I giochi di colore di Beau Lotto confondono la tua visione ma, allo stesso tempo, pongono sotto i riflettori ciò che normalmente non riusciamo a vedere: il funzionamento del nostro cervello. Questo divertente e diretto sguardo a quanto sia versatile la nostra visione, rivela come l'evoluzione tinga la percezione di quanto ci circonda.
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
Voglio iniziare con un gioco.
00:16
And to win this game,
1
4000
2000
E per vincere questo gioco,
00:18
all you have to do is see the reality that's in front of you
2
6000
3000
tutto ciò che dovrete fare è osservare la realtà dinanzi a voi
00:21
as it really is. All right?
3
9000
2000
per ciò che realmente è. Daccordo?
00:23
So, we have two panels here,
4
11000
2000
Bene, abbiamo due pannelli qui,
00:25
of colored dots.
5
13000
2000
composti da pallini colorati.
00:27
And one of those dots is the same
6
15000
3000
E uno di quei pallini è lo stesso
00:30
in the two panels. Okay?
7
18000
3000
in entrambi i pannelli. Va bene?
00:33
And you have to tell me which one.
8
21000
2000
E mi dovrete dire quale.
00:35
Now, narrow it down to
9
23000
3000
Ora, restringiamo
00:38
the gray one, the green one and, say, the orange one.
10
26000
3000
a quello grigio, a quello verde, e, vediamo, quello arancione.
00:41
So, by a show of hands -- we'll start with the easiest one --
11
29000
3000
Bene, per alzata di mano -- iniziamo con quello più semplice --
00:44
Show of hands: how many people think it's the gray one?
12
32000
4000
Alzata di mano: quanti credono si tratti di quello grigio?
00:48
Really? Okay.
13
36000
2000
Davvero? Ok.
00:50
How many people think it's the green one?
14
38000
5000
Quanti credono sia quello verde?
00:55
And how many people think it's the orange one?
15
43000
4000
E quanti quello arancione?
00:59
Pretty even split.
16
47000
3000
Abbastanza distribuito.
01:02
Let's find out what the reality is.
17
50000
3000
Ma vediamo qual'è la realtà.
01:05
Here is the orange one.
18
53000
3000
Ecco quello arancione.
01:08
(Laughter)
19
56000
2000
(risata)
01:10
Here is the green one.
20
58000
3000
Ecco quello verde.
01:13
And here is the gray one.
21
61000
4000
Ed ecco quello grigio.
01:17
(Laughter)
22
65000
3000
(risata)
01:20
So, for all of you who saw that, you're a complete realist. All right?
23
68000
4000
Così, chi di voi è riuscito a vederlo, è un totale realista. Va bene?
01:24
(Laughter)
24
72000
2000
(risata)
01:26
So, this is pretty amazing, actually, isn't it?
25
74000
2000
Davvero incredibile, non credete?
01:28
Because nearly every living system
26
76000
2000
Poichè quasi ogni sistema vivente
01:30
has evolved the ability to detect light in one way or another.
27
78000
3000
ha sviluppato l'abilità di captare la luce in un modo o nell' altro
01:33
So, for us, seeing color is one of the simplest things the brain does.
28
81000
5000
Così, per noi, vedere un colore è tra le attività più semplici che il nostro cervello compie.
01:38
And yet, even at this most fundamental level,
29
86000
2000
E tuttavia, anche a questo livello essenziale,
01:40
context is everything.
30
88000
3000
il contesto è tutto.
01:43
What I want to talk about is not that context is everything,
31
91000
3000
Non voglio parlare di come il contesto sia tutto,
01:46
but why is context everything.
32
94000
2000
ma del perchè il contesto sia tutto.
01:48
Because it's answering that question that tells us not only
33
96000
4000
Poichè rispondere a questa domanda ci dirà non solo
01:52
why we see what we do,
34
100000
2000
perchè vediamo ciò che vediamo,
01:54
but who we are as individuals,
35
102000
2000
ma anche chi siamo come individui,
01:56
and who we are as a society.
36
104000
3000
e chi siamo come società.
01:59
But first, we have to ask another question,
37
107000
2000
Ma prima, dobbiamo porci un altra domanda,
02:01
which is, "What is color for?"
38
109000
2000
che è, "A cosa serve il colore?"
02:03
And instead of telling you, I'll just show you.
39
111000
2000
E invece di dirvelo, ve lo mostrerò.
02:05
What you see here is a jungle scene,
40
113000
3000
Ciò che vediamo qui è una rappresentazione di una giungla.
02:08
and you see the surfaces according to the amount
41
116000
2000
E vedete le superfici secondo la quantità
02:10
of light that those surfaces reflect.
42
118000
2000
di luce che queste superfici riflettono.
02:12
Now, can any of you see the predator that's about to jump out at you?
43
120000
5000
Ora, qualcuno di voi riesce a vedere il predatore che sta per assalirvi?
02:17
And if you haven't seen it yet, you're dead. Right?
44
125000
2000
E se non lo avete ancora visto, siete morti. Giusto?
02:19
(Laughter)
45
127000
2000
(Risa)
02:21
Can anyone see it? Anyone? No?
46
129000
2000
Qualcuno lo vede? Nessuno? No?
02:23
Now, let's see the surfaces according to the quality of light that they reflect.
47
131000
4000
Ora, vediamo le superfici a seconda della quantità di luce che riflettono.
02:27
And now you see it.
48
135000
3000
E ora lo vedete.
02:30
So, color enables us to see
49
138000
3000
Così, il colore ci permette di vedere
02:33
the similarities and differences between surfaces,
50
141000
2000
le similarità e le differenze tra le superfici,
02:35
according to the full spectrum of light that they reflect.
51
143000
3000
conformemente alla totalità dello spettro di luce che riflettono.
02:38
But what you've just done is, in many respects, mathematically impossible.
52
146000
4000
Ma quello che avete appena fatto, per molti aspetti, è matematicamente impossibile.
02:42
Why? Because, as Berkeley tells us,
53
150000
3000
Perché? Perchè, come Berkeley ci dice,
02:45
we have no direct access to our physical world,
54
153000
3000
non abbiamo alcun accesso diretto al nostro mondo fisico,
02:48
other than through our senses.
55
156000
2000
se non attraverso i nostri sensi.
02:50
And the light that falls onto our eyes
56
158000
2000
E la luce che colpisce i nostri occhi
02:52
is determined by multiple things in the world --
57
160000
2000
è determinata da molteplici fattori nel mondo --
02:54
not only the color of objects,
58
162000
2000
non solo il colore degli oggetti,
02:56
but also the color of their illumination,
59
164000
2000
ma anche il colore della loro illuminazione,
02:58
and the color of the space between us and those objects.
60
166000
3000
e il colore dello spazio fra di noi e questi oggetti.
03:01
You vary any one of those parameters,
61
169000
2000
Cambiando anche solo uno di questi parametri,
03:03
and you'll change the color of the light that falls onto your eye.
62
171000
5000
cambierai il colore della luce che colpisce i tuoi occhi.
03:08
This is a huge problem because it means that
63
176000
2000
Questo è un problema enorme poichè significa che
03:10
the same image could have an infinite number
64
178000
3000
la stessa immagine potrebbe avere un numero infinito
03:13
of possible real-world sources.
65
181000
3000
di possibili fonti nel mondo reale.
03:16
So let me show you what I mean. Imagine that this is the back of your eye.
66
184000
3000
Lasciate che vi mostri cosa intendo. Immaginate che questo sia il retro del vostro occhio.
03:19
And these are two projections from the world.
67
187000
3000
E che queste siano due proiezioni dal mondo.
03:22
They are identical in every single way.
68
190000
3000
Sono identiche in ogni parte.
03:25
Identical in shape, size, spectral content.
69
193000
4000
Identiche in forma, dimensione e contenuto spettrale.
03:29
They are the same, as far as your eye is concerned.
70
197000
4000
Sono esattamente le stesse, perlomeno per ciò che riguarda il tuo occhio
03:33
And yet they come from completely different sources.
71
201000
5000
E tuttavia arrivano da due fonti completamente differenti.
03:38
The one on the right
72
206000
2000
Quella di destra
03:40
comes from a yellow surface,
73
208000
3000
arriva da una superficie gialla,
03:43
in shadow, oriented facing the left,
74
211000
2000
in ombra, orientata verso sinistra,
03:45
viewed through a pinkish medium.
75
213000
3000
vista attraverso un materiale rosato.
03:48
The one on the left comes from an orange surface,
76
216000
3000
Quella sulla sinistra arriva da una superficie arancione,
03:51
under direct light, facing to the right,
77
219000
2000
sotto una luce diretta, orientata verso destra,
03:53
viewed through a sort of a bluish medium.
78
221000
2000
visto attraverso un materiale tendente al bluastro.
03:55
Completely different meanings,
79
223000
3000
Contesti completamente differenti,
03:58
giving rise to the exact same retinal information.
80
226000
3000
che suscitano la stessa informazione nella retina.
04:01
And yet it's only the retinal information
81
229000
2000
E ciònonostante è solo l' informazione della retina
04:03
that we get.
82
231000
2000
che riceviamo.
04:05
So how on Earth do we even see?
83
233000
3000
Quindi com'è che riusciamo a vedere?
04:08
So, if you remember anything in this next 18 minutes,
84
236000
4000
Così, se ricorderete qualcosa in questi 18 minuti,
04:12
remember this: that the light that falls on to your eye,
85
240000
3000
ricordate questo: che la luce che cade nei vostri occhi,
04:15
sensory information, is meaningless,
86
243000
2000
l'informazione sensoriale, è priva di significato.
04:17
because it could mean literally anything.
87
245000
3000
Perchè potrebbe significare letteralmente qualsiasi cosa.
04:20
And what's true for sensory information is true for information generally.
88
248000
3000
E ciò che è vero per l'informazione sensoriale, è vero per le informazioni in generale.
04:23
There is no inherent meaning in information.
89
251000
2000
Non c'è alcun significato intrinseco nelle informazioni.
04:25
It's what we do with that information that matters.
90
253000
4000
E ciò che facciamo con queste informazioni che importa.
04:29
So, how do we see? Well, we see by learning to see.
91
257000
3000
Dunque, come facciamo a vedere? Beh, vediamo imparando a vedere.
04:32
So, the brain evolved the mechanisms for finding patterns,
92
260000
4000
Così, il cervello ha evoluto i meccanismi per trovare nessi logici,
04:36
finding relationships in information
93
264000
2000
cercare relazioni nelle informazioni,
04:38
and associating those relationships
94
266000
2000
ed associare queste relazioni
04:40
with a behavioral meaning,
95
268000
2000
ad un significato comportamentale,
04:42
a significance, by interacting with the world.
96
270000
3000
un senso, interagendo con il mondo.
04:45
We're very aware of this
97
273000
2000
Siamo coscienti di ciò
04:47
in the form of more cognitive attributes, like language.
98
275000
3000
sottoforma di attributi maggiormente cognitivi, come il linguaggio.
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
Quindi, vi proporrò alcune sequenze di parole. E voglio che le leggiate per me,
04:52
if you can.
100
280000
2000
se potete.
04:54
Audience: "Can you read this?"
101
282000
3000
Pubblico: "Riuscite a leggere questo?"
04:57
"You are not reading this."
102
285000
2000
"Non lo state leggendo."
04:59
"What are you reading?"
103
287000
2000
"Cosa state leggendo?"
05:01
Beau Lotto: "What are you reading?" Half the letters are missing. Right?
104
289000
3000
Beau Lotto: "Cosa state leggendo? Mancano metà delle lettere. Giusto?
05:04
There is no a priori reason why an "H" has to go
105
292000
2000
Non c'è nessuna ragione a priori perché una "H" debba comparire
05:06
between that "W" and "A."
106
294000
2000
tra la "W" e la "A".
05:08
But you put one there. Why?
107
296000
2000
Ma ne collocate una lì. Perché?
05:10
Because in the statistics of your past experience
108
298000
2000
Perché nella statistica della vostra esperienza passata
05:12
it would have been useful to do so. So you do so again.
109
300000
3000
sarebbe stato utile fare così. Quindi lo fate di nuovo.
05:15
And yet you don't put a letter after that first "T."
110
303000
3000
E tuttavia non collocate una lettera dopo quella prima "T".
05:18
Why? Because it wouldn't have been useful in the past.
111
306000
3000
Perché? Perché non si sarebbe dimostrato utile nel passato.
05:21
So you don't do it again.
112
309000
2000
Quindi non lo fate di nuovo.
05:23
So let me show you how quickly our brains can redefine normality,
113
311000
4000
Dunque fatemi dimostrare quanto rapidamente le nostre menti possono ridefinire la normalità,
05:27
even at the simplest thing the brain does, which is color.
114
315000
2000
persino con il fattore più semplice che la mente elabora, che è il colore.
05:29
So, if I could have the lights down up here.
115
317000
3000
Quindi, se possiamo abbassare le luci qui.
05:32
I want you to first notice that those two desert scenes are physically the same.
116
320000
3000
Prima di tutto voglio farvi notare che queste due scene desertiche sono fisicamente le stesse.
05:35
One is simply the flipping of the other. Okay?
117
323000
5000
L'una è semplicemente la speculare dell'altra. Va bene?
05:40
Now I want you to look at that dot
118
328000
2000
Ora voglio che guardiate quel punto
05:42
between the green and the red. Okay?
119
330000
3000
tra il verde e il rosso. Va bene?
05:45
And I want you to stare at that dot. Don't look anywhere else.
120
333000
3000
E voglio che fissiate quel punto. Non guardate da nessuna altra parte.
05:48
And we're going to look at that for about 30 seconds,
121
336000
1000
E guarderemo questo punto per circa 30 secondi,
05:49
which is a bit of a killer in an 18-minute talk.
122
337000
3000
che è un po' un killer per un discorso di 18 minuti.
05:52
(Laughter)
123
340000
1000
(Risa)
05:53
But I really want you to learn.
124
341000
2000
Ma voglio che voi impariate.
05:55
And I'll tell you -- don't look anywhere else --
125
343000
3000
E ripeto -- non guardate da nessuna altra parte --
05:58
and I'll tell you what's happening inside your head.
126
346000
2000
e vi dirò ciò che sta accadendo nella vostra testa.
06:00
Your brain is learning. And it's learning that the right side of its visual field
127
348000
3000
La vostra mente sta apprendendo. E apprende che il lato destro del suo campo visivo
06:03
is under red illumination;
128
351000
2000
è caratterizzato da un'illuminazione rossa;
06:05
the left side of its visual field is under green illumination.
129
353000
3000
il lato sinistro del suo campo visivo da un'illuminazione verde.
06:08
That's what it's learning. Okay?
130
356000
3000
Questo è ciò che sta apprendendo. Va bene?
06:11
Now, when I tell you, I want you to look at the dot between the two desert scenes.
131
359000
5000
Ora, quando ve lo dirò, voglio che guardiate il punto tra le due scene desertiche.
06:16
So why don't you do that now?
132
364000
2000
Quindi perché non lo guardate adesso?
06:18
(Laughter)
133
366000
3000
(Risa)
06:21
Can I have the lights up again?
134
369000
2000
Possiamo aumentare l'illuminazione ora?
06:23
I take it from your response they don't look the same anymore. Right?
135
371000
4000
Dalla vostra risposta assumo che non sembrano più le stesse. Giusto?
06:27
(Applause)
136
375000
1000
(Applauso)
06:28
Why? Because your brain is seeing that same information
137
376000
3000
Perché? Perché la vostra mente vede quella stessa informazione
06:31
as if the right one is still under red light,
138
379000
2000
come se il lato destro fosse ancora sotto la luce rossa
06:33
and the left one is still under green light.
139
381000
2000
e il sinistro fosse ancora sotto la luce verde.
06:35
That's your new normal.
140
383000
2000
Questo è ciò che ora considerate normale.
06:37
So, what does this mean for context?
141
385000
2000
Dunque, cosa significa ciò per il contesto?
06:39
It means that I can take these two identical squares,
142
387000
2000
Significa che posso prendere questi due quadrati identici,
06:41
and I can put them in light and dark surrounds.
143
389000
2000
e collocarli in contesti luminosi e scuri.
06:43
And now the one on the dark surround looks lighter than the one on the light surround.
144
391000
3000
E ora quello nel contesto scuro sembra più chiaro di quello nel contesto luminoso.
06:46
What's significant is not simply the light and dark surrounds that matter.
145
394000
4000
Ciò che è significativo non è semplicemente il contesto chiaro e scuro.
06:50
It's what those light and dark surrounds meant for your behavior in the past.
146
398000
4000
E' ciò che in passato quei contesti chiari e scuri hanno significato nel vostro comportamento.
06:54
So I'll show you what I mean. Here we have
147
402000
2000
Quindi vi dimostrerò ciò che intendo. Qui abbiamo
06:56
that exact same illusion.
148
404000
2000
quella medesima illusione.
06:58
We have two identical tiles, on the left,
149
406000
2000
Abbiamo due piastrelle identiche, sulla sinistra,
07:00
one in a dark surround, one in a light surround.
150
408000
2000
l'una in un contesto scuro, l'altra in un contesto chiaro.
07:02
And the same thing over on the right.
151
410000
2000
E la stessa cosa sulla destra.
07:04
Now, what I'm going to do is I'm going to review those two scenes.
152
412000
3000
Ora, ciò che farò sarà riesaminare quelle due scene.
07:07
But I'm not going to change anything within those boxes,
153
415000
2000
Ma non cambierò niente dentro le caselle,
07:09
except their meaning.
154
417000
2000
eccetto il loro significato.
07:11
And see what happens to your perception.
155
419000
2000
E guardate cosa accade alla vostra percezione.
07:13
Notice that on the left
156
421000
2000
Notate che a sinistra
07:15
the two tiles look nearly completely opposite:
157
423000
3000
le due piastrelle sembrano quasi completamente opposte:
07:18
one very white and one very dark.
158
426000
2000
una molto chiara e l'altra molto scura.
07:20
All right? Whereas on the right,
159
428000
2000
Giusto? Mentre, a destra,
07:22
the two tiles look nearly the same.
160
430000
2000
le due piastrelle sembrano quasi le stesse.
07:24
And yet there is still one on a dark surround and one on a light surround.
161
432000
4000
E tuttavia una è su uno sfondo scuro; l'altra su uno sfondo chiaro.
07:28
Why? Because if the tile in that shadow
162
436000
3000
Perché? Perché se la piastrella nell'ombra
07:31
were in fact in shadow,
163
439000
2000
fosse di fatto nell'ombra,
07:33
and reflecting the same amount of light to your eye
164
441000
2000
e riflettesse la stessa quantità di luce verso il tuo occhio
07:35
as the one outside the shadow,
165
443000
2000
come quella fuori dall'ombra,
07:37
it would have to be more reflective -- just the laws of physics.
166
445000
3000
dovrebbe essere più riflettente -- semplicemente leggi della fisica.
07:40
So you see it that way.
167
448000
2000
Quindi voi le vedete in questo modo.
07:42
Whereas on the right, the information is consistent
168
450000
3000
Mentre a destra, l'informazione è coerente
07:45
with those two tiles being under the same light.
169
453000
2000
con quelle due piastrelle che sono sotto la stessa luce.
07:47
If they are under the same light, reflecting the same amount of light
170
455000
2000
Se sono sottoposte alla stessa luce, riflettono la stessa quantità di luce
07:49
to your eye,
171
457000
2000
verso il tuo occhio;
07:51
then they must be equally reflective.
172
459000
2000
allora devono essere egualmente riflettenti.
07:53
So you see it that way.
173
461000
2000
Quindi le vedete in questo modo.
07:55
Which means we can bring all this information together
174
463000
2000
Ciò significa che possiamo mettere insieme tutte queste informazioni
07:57
to create some incredibly strong illusions.
175
465000
2000
per creare alcune illusioni incredibilmente forti.
07:59
This is one I made a few years ago.
176
467000
2000
Questa è una che feci un po' di anni fa'.
08:01
And you'll notice you see a dark brown tile at the top,
177
469000
3000
E noterete una piastrella marrone scuro in alto,
08:04
and a bright orange tile at the side.
178
472000
3000
e una piastrella arancione brillante sul lato.
08:07
That is your perceptual reality. The physical reality
179
475000
2000
Questa è la vostra realtà percettiva. La realtà fisica
08:09
is that those two tiles are the same.
180
477000
5000
è che quelle due piastrelle sono le stesse.
08:14
Here you see four gray tiles on your left,
181
482000
3000
Qui vedete quattro piastrelle grigie alla vostra sinistra,
08:17
seven gray tiles on the right.
182
485000
2000
sette piastrelle grigie sulla destra.
08:19
I'm not going to change those tiles at all,
183
487000
2000
Non cambierò in nessun modo queste piastrelle.
08:21
but I'm going to reveal the rest of the scene
184
489000
2000
Ma rivelerò il resto della scena.
08:23
and see what happens to your perception.
185
491000
3000
E guardate cosa accade alla vostra percezione.
08:26
The four blue tiles on the left are gray.
186
494000
4000
Le quattro piastrelle blu sulla sinistra sono grigie.
08:30
The seven yellow tiles on the right are also gray.
187
498000
3000
Anche le sette piastrelle gialle a destra sono grigie.
08:33
They are the same. Okay?
188
501000
2000
Sono le stesse. Va bene?
08:35
Don't believe me? Let's watch it again.
189
503000
4000
Non mi credete? Guardiamo di nuovo.
08:39
What's true for color is also true for complex perceptions of motion.
190
507000
4000
Ciò che è vero per il colore, è vero anche per percezioni complesse del movimento.
08:43
So here we have --
191
511000
3000
Quindi qui abbiamo --
08:46
let's turn this around -- a diamond.
192
514000
5000
voltiamo questo -- un diamante.
08:51
And what I'm going to do is, I'm going to hold it here,
193
519000
2000
E ciò che farò, sarà tenerlo fermo qui,
08:53
and I'm going to spin it.
194
521000
4000
e farlo ruotare.
08:57
And for all of you, you'll see it probably spinning this direction.
195
525000
3000
E tutti voi, probabilmente lo vedrete ruotare in questa direzione.
09:00
Now I want you to keep looking at it.
196
528000
3000
Ora voglio che continuiate a guardarlo.
09:03
Move your eyes around, blink, maybe close one eye.
197
531000
2000
Muovete i vostri occhi, battete le palpebre, magari chiudete un occhio.
09:05
And suddenly it will flip, and start spinning the opposite direction.
198
533000
4000
E all'improvviso si capovolgerà e incomincerà a ruotare nella direzione opposta.
09:09
Yes? Raise your hand if you got that. Yes?
199
537000
3000
Si? Alzate la mano se ci siete riusciti.Si?
09:12
Keep blinking. Every time you blink it will switch. Alright?
200
540000
4000
Continuate a battere le ciglia. Ogni volta che le battete, cambia il verso. Giusto?
09:16
So I can ask you, which direction is it rotating?
201
544000
4000
Quindi posso chiedervi, in quale direzione sta ruotando?
09:20
How do you know?
202
548000
2000
Come lo sapete?
09:22
Your brain doesn't know. Because both are equally likely.
203
550000
3000
La vostra mente non lo sa. Perché entrambi sono egualmente probabili.
09:25
So depending on where it looks, it flips
204
553000
2000
Dunque, a seconda di dove si guarda, si alternano
09:27
between the two possibilities.
205
555000
3000
le due possibilità.
09:30
Are we the only ones that see illusions?
206
558000
2000
Siamo i soli a vedere illusioni?
09:32
The answer to this question is no.
207
560000
2000
La risposta a questa domanda è no.
09:34
Even the beautiful bumblebee,
208
562000
2000
Persino lo splendido bombo,
09:36
with its mere one million brain cells,
209
564000
2000
con il suo milione di cellule cerebrali,
09:38
which is 250 times fewer cells than you have in one retina,
210
566000
3000
che sono 250 volte di meno di quelle che avete in una retina,
09:41
sees illusions, does the most complicated things
211
569000
3000
vede illusioni, fa delle cose estremamente complicate
09:44
that even our most sophisticated computers can't do.
212
572000
3000
che perfino il nostro computer più sofisticato non riesce a fare.
09:47
So in my lab, we of course work on bumblebees.
213
575000
2000
Dunque nel mio laboratorio, lavoriamo naturalmente sui bombi.
09:49
Because we can completely control their experience,
214
577000
2000
Perché possiamo controllare totalmente la loro esperienza,
09:51
and see how that alters the architecture of their brain.
215
579000
2000
e vedere come questa altera la struttura del cervello.
09:53
And we do this in what we call the Bee Matrix.
216
581000
3000
E facciamo questo in ciò che chiamiamo il Bee Matrix.
09:56
And here you have the hive. You can see the queen bee,
217
584000
2000
E qui trovate l'alveare. Potete vedere l'ape regina,
09:58
that large bee in the middle there. Those are all her daughters, the eggs.
218
586000
3000
quell'ape grande nel mezzo. Queste sono le sue figlie, le uova.
10:01
And they go back and forth between this hive
219
589000
3000
E vanno avanti e indietro tra questo alveare
10:04
and the arena, via this tube.
220
592000
5000
e l'arena, attraverso questo tubo.
10:09
And you'll see one of the bees come out here.
221
597000
2000
E vedrete una delle api uscire quì fuori.
10:11
You see how she has a little number on her?
222
599000
3000
Vedete che ha sopra un piccolo numero?
10:14
Yeah there is another one coming out. She has another number on her.
223
602000
3000
Si, ce n'è un'altra che sta uscendo. Ha un altro numero sopra di sé.
10:17
Now, they are not born that way. Right?
224
605000
3000
Ora, non sono nate in quel modo. Giusto?
10:20
We pull them out, put them in the fridge, and they fall asleep.
225
608000
2000
Noi le tiriamo fuori, le mettiamo nel frigo, e loro si addormentano.
10:22
And then you can superglue little numbers on them.
226
610000
2000
E poi possiamo appiccicare loro dei piccoli numeri.
10:24
(Laughter)
227
612000
2000
(Risa)
10:26
And now, in this experiment they get rewarded if they go to the blue flowers.
228
614000
4000
E ora in questo esperimento loro vengono ricompensate se vanno verso i fiori blu.
10:30
And they land on the flower. They stick their tongue in there,
229
618000
3000
Atterrano sul fiore. Vi conficcano la lingua,
10:33
called a proboscis, and they drink sugar water.
230
621000
2000
chiamata proboscide, e bevono l'acqua zuccherata.
10:35
Now she is drinking a glass of water that's about that big to you and I,
231
623000
3000
Ora lei sta bevendo un bicchiere d'acqua che è all'incirca di questa grandezza per noi,
10:38
will do that about three times, and then fly.
232
626000
6000
farà questo tre volte, e poi volerà.
10:44
And sometimes they learn not to go to the blue,
233
632000
2000
E a volte imparano a non andare verso il fiore blu,
10:46
but to go to where the other bees go.
234
634000
2000
ma ad andare dove vanno le altri api.
10:48
So they copy each other. They can count to five. They can recognize faces.
235
636000
3000
Dunque, possono imitarsi l'un l'altra. Contare fino a cinque. Riconoscere volti.
10:51
And here she comes down the ladder.
236
639000
3000
E qui scende giù dalle scale.
10:54
And she'll come into the hive, find an empty honey pot
237
642000
2000
Arriva nell'alveare, trova un vaso di miele vuoto,
10:56
and throw up, and that's honey.
238
644000
2000
e vomita, e quello è miele.
10:58
(Laughter)
239
646000
1000
(Risa)
10:59
Now remember -- (Laughter)
240
647000
3000
Ora ricordate -- (Risa)
11:02
-- she's supposed to be going to the blue flowers.
241
650000
2000
-- ci aspettiamo che l'ape vada verso i fiori blu.
11:04
But what are these bees doing in the upper right corner?
242
652000
3000
Ma cosa stanno facendo queste api nell'angolo destro in alto?
11:07
It looks like they're going to green flowers.
243
655000
2000
Sembra che stiano andando verso i fiori verdi.
11:09
Now, are they getting it wrong?
244
657000
3000
Ora, stanno facendo un errore?
11:12
And the answer to the question is no. Those are actually blue flowers.
245
660000
3000
E la risposta alla domanda è no. Quelli sono in realtà fiori blu.
11:15
But those are blue flowers under green light.
246
663000
4000
Ma sono fiori blu attraverso una luce verde.
11:19
So they are using the relationships between the colors to solve the puzzle,
247
667000
4000
Quindi stanno usando le relazioni tra i colori per risolvere l'enigma.
11:23
which is exactly what we do.
248
671000
2000
Che è esattamente ciò che facciamo noi.
11:25
So, illusions are often used,
249
673000
2000
Quindi, le illusioni sono utilizzate spesso,
11:27
especially in art, in the words of a more contemporary artist,
250
675000
4000
specialmente nell'arte, usando parole di un artista contemporaneo,
11:31
"to demonstrate the fragility of our senses."
251
679000
2000
"per dimostrare la fragilità dei nostri sensi."
11:33
Okay, this is complete rubbish.
252
681000
3000
Va bene, queste sono sciocchezze.
11:36
The senses aren't fragile. And if they were, we wouldn't be here.
253
684000
3000
I sensi non sono fragili. E se lo fossero, noi non saremmo qui.
11:39
Instead, color tells us something completely different,
254
687000
4000
Al contrario, il colore ci dice qualcosa di totalmente diverso,
11:43
that the brain didn't actually evolve to see the world the way it is.
255
691000
3000
che il cervello in realtà non si è evoluto per vedere il mondo come è.
11:46
We can't. Instead, the brain evolved to see the world
256
694000
4000
Non possiamo. Invece, si evoluto per vedere il mondo
11:50
the way it was useful to see in the past.
257
698000
3000
nel modo in cui è stato utile vederlo nelle passate esperienze.
11:53
And how we see is by continually redefining normality.
258
701000
6000
E come vediamo è attraverso continue ridefinizioni di normalità.
11:59
So how can we take this
259
707000
4000
Quindi come possiamo utilizzare questa
12:03
incredible capacity of plasticity of the brain
260
711000
3000
incredibile plasticità della mente
12:06
and get people to experience their world differently?
261
714000
3000
e indurre la gente a fare esperienza del mondo in maniera differente?
12:09
Well, one of the ways we do in my lab and studio
262
717000
3000
Beh, uno dei metodi che usiamo nel mio laboratorio e studio
12:12
is we translate the light into sound
263
720000
3000
è la conversione della luce in suono
12:15
and we enable people to hear their visual world.
264
723000
4000
rendendo le persone capaci di ascoltare il loro mondo visivo.
12:19
And they can navigate the world using their ears.
265
727000
3000
E possono orientarsi nel loro mondo usando le orecchie.
12:22
Here is David, in the right. And he is holding a camera.
266
730000
3000
Qui c'è David, a destra. Con in mano una videocamera.
12:25
On the left is what his camera sees.
267
733000
2000
A sinistra c'è ciò che la videocamera vede.
12:27
And you'll see there is a line, a faint line going across that image.
268
735000
3000
E vedrete che c'è una linea, una debole linea che attraversa l'immagine.
12:30
That line is broken up into 32 squares.
269
738000
3000
Quella linea è frazionata in 32 quadrati.
12:33
In each square we calculate the average color.
270
741000
2000
In ogni quadrato calcoliamo il colore medio.
12:35
And then we just simply translate that into sound.
271
743000
2000
E poi semplicemente lo convertiamo in suono.
12:37
And now he's going to
272
745000
3000
E ora lui sta per
12:40
turn around, close his eyes,
273
748000
4000
girarsi, chiudere gli occhi,
12:44
and find a plate on the ground with his eyes closed.
274
752000
3000
e trovare un piatto per terra, con gli occhi chiusi.
13:06
He finds it. Amazing. Right?
275
774000
2000
Lo trova. Sorprendente. Giusto?
13:08
So not only can we create a prosthetic for the visually impaired,
276
776000
2000
Quindi, non solo possiamo creare protesi per chi ha problemi di vista,
13:10
but we can also investigate how people
277
778000
3000
ma possiamo anche indagare come la gente
13:13
literally make sense of the world.
278
781000
3000
letteralmente interpreta il mondo.
13:16
But we can also do something else. We can also make music with color.
279
784000
4000
Ma possiamo fare anche qualcos'altro. Possiamo anche fare musica con i colori.
13:20
So, working with kids,
280
788000
2000
Quindi, lavorando con i bambini,
13:22
they created images,
281
790000
2000
loro hanno creato immagini,
13:24
thinking about what might the images you see
282
792000
2000
pensando a come "suonerebbero" le immagini che vediamo
13:26
sound like if we could listen to them.
283
794000
2000
se potessimo ascoltarle.
13:28
And then we translated these images.
284
796000
2000
E poi convertiamo queste immagini.
13:30
And this is one of those images.
285
798000
2000
E questa è una di quelle immagini.
13:32
And this is a six-year-old child composing a piece of music
286
800000
3000
E questo è un bambino di sei anni che compone un pezzo musicale
13:35
for a 32-piece orchestra.
287
803000
3000
per un orchestra di 32 componenti.
13:38
And this is what it sounds like.
288
806000
2000
E suona così
14:06
So, a six-year-old child. Okay?
289
834000
3000
Dunque, un bambino di sei anni. Va bene?
14:09
Now, what does all this mean?
290
837000
3000
Ora, cosa significa tutto ciò?
14:12
What this suggests is that no one is an outside observer
291
840000
3000
Ciò che questo suggerisce è che nessuno è un osservatore esterno
14:15
of nature. Okay?
292
843000
2000
della natura. Ok?
14:17
We are not defined by our central properties,
293
845000
2000
Non siamo definiti dalle nostre caratteristiche interne,
14:19
by the bits that make us up.
294
847000
2000
dalle parti di cui siamo costituiti.
14:21
We're defined by our environment and our interaction with that environment --
295
849000
3000
Noi siamo determinati dal nostro ambiente e dalla nostra interazione con quell'ambiente --
14:24
by our ecology.
296
852000
2000
dalla nostra ecologia.
14:26
And that ecology is necessarily relative,
297
854000
4000
E questa è ecologia necessariamente relativa,
14:30
historical and empirical.
298
858000
2000
storica e empirica.
14:32
So what I'd like to finish with is this over here.
299
860000
6000
Quindi, ciò con cui mi piacerebbe finire è questo.
14:38
Because what I've been trying to do is really celebrate uncertainty.
300
866000
3000
Perché ciò che ho cercato di fare è stato di celebrare l'incertezza.
14:41
Because I think only through uncertainty is there potential for understanding.
301
869000
4000
Perché credo solo attraverso l'incertezza si crea il potenziale per comprendere.
14:45
So, if some of you are still feeling a bit too certain,
302
873000
3000
Dunque, se alcuni di voi si sentono ancora troppo sicuri,
14:48
I'd like to do this one.
303
876000
2000
Vorrei fare un'altra prova.
14:50
So, if we have the lights down.
304
878000
2000
Quindi, se abbassiamo le luci.
14:52
And what we have here --
305
880000
6000
Cosa abbiamo qui --
14:58
Can everyone see 25 purple surfaces
306
886000
3000
Ciascuno può vedere le 25 superfici viola
15:01
on your left,
307
889000
2000
alla vostra sinistra,
15:03
and 25, call it yellowish, surfaces on your right?
308
891000
4000
e le 25 superfici, diciamo giallognole, alla vostra destra?
15:07
So, now, what I want to do:
309
895000
2000
Ecco cosa voglio fare:
15:09
I'm going to put the middle nine surfaces here
310
897000
2000
Inserirò queste nove superfici centrali
15:11
under yellow illumination
311
899000
2000
sotto una illuminazione gialla
15:13
by simply putting a filter behind them.
312
901000
4000
semplicemente inserendo un filtro dietro di esse.
15:17
All right. Now you can see that changes the light
313
905000
3000
Perfetto. Ora potete vedere che questo cambia la luce
15:20
that's coming through there. Right?
314
908000
2000
che passa da qui. Giusto?
15:22
Because now the light is going through a yellowish filter
315
910000
2000
Poichè ora la luce sta passando attraverso un filtro giallognolo
15:24
and then a purplish filter.
316
912000
2000
e, successivamente un filtro violaceo.
15:26
I'm going to do this opposite on the left here.
317
914000
5000
Ora farò l' opposto sulla sinistra qui.
15:31
I'm going to put the middle nine under a purplish light.
318
919000
7000
Mettero le nove centrali sotto una luce violacea.
15:38
Now, some of you will notice that the consequence is that
319
926000
4000
Ora, alcuni di voi noteranno che la conseguenza è che
15:42
the light coming through those middle nine on the right,
320
930000
3000
la luce che sta passando attraverso quei nove centrali sulla destra,
15:45
or your left,
321
933000
2000
o sulla vostra sinistra,
15:47
is exactly the same as the light coming through
322
935000
2000
è esattamente la stessa luce che sta passando attraverso
15:49
the middle nine on your right.
323
937000
2000
i nove centrali sulla destra.
15:51
Agreed? Yes?
324
939000
3000
Siete d' accordo? Sì?
15:54
Okay. So they are physically the same.
325
942000
2000
Ok. Così sono fisicamente gli stessi.
15:56
Let's pull the covers off.
326
944000
6000
Ma togliamo le coperture.
16:02
Now remember,
327
950000
4000
Ricordatevi,
16:06
you know the middle nine are exactly the same.
328
954000
3000
voi sapete che le nove centrali sono esattamente le stesse.
16:09
Do they look the same? No.
329
957000
4000
Ma sembrano le stesse? No.
16:13
The question is, "Is that an illusion?"
330
961000
2000
La domanda è, "è un' illusione?"
16:15
And I'll leave you with that.
331
963000
2000
E vi lascio con questo pensiero.
16:17
So, thank you very much.
332
965000
2000
Grazie mille.
16:19
(Applause)
333
967000
3000
(applauso)
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