TEDIndia 2009
Pawan Sinha: How brains learn to see
Pawan Sinha su come il cervello impara a vedere
Filmed:
Readability: 4.5
939,209 views
Pawan Sinha racconta le sue ricerche innovative sullo sviluppo del sistema visivo cerebrale. Con le cure che offrono gratuitamente, Sinha e il suo team restituiscono la vista a bambini ciechi dalla nascita, e poi studiano come il cervello impara a interpretare le informazioni visive. Questo lavoro porta approfondimenti per le neuroscienze, l'ingegneria e anche per l'autismo.
Pawan Sinha - Visual neuroscientist
Pawan Sinha researches how our brains interpret what our eyes see -- and uses that research to give blind children the gift of sight. Full bio
Pawan Sinha researches how our brains interpret what our eyes see -- and uses that research to give blind children the gift of sight. Full bio
Double-click the English transcript below to play the video.
00:15
If you are a blind child in India,
0
0
4000
Se sei un bambino cieco in India,
00:19
you will very likely have to contend with
1
4000
3000
è molto probabile che dovrai vedertela
00:22
at least two big pieces of bad news.
2
7000
3000
perlomeno con due gran brutte notizie.
00:25
The first bad news
3
10000
2000
La prima cattiva notizia
00:27
is that the chances of getting treatment
4
12000
3000
è che la probabilità di essere curati
00:30
are extremely slim to none,
5
15000
3000
è minima, se non nulla,
00:33
and that's because most of the blindness
6
18000
2000
perché la maggior parte dei programmi nazionali
00:35
alleviation programs in the country
7
20000
2000
di cura della cecità
00:37
are focused on adults,
8
22000
2000
sono centrati sugli adulti,
00:39
and there are very, very few hospitals
9
24000
3000
e sono ci sono pochi, pochissimi ospedali
00:42
that are actually equipped to treat children.
10
27000
3000
realmente attrezzati per curare i bimbi.
00:46
In fact, if you were to be treated,
11
31000
4000
Nella realtà, se si viene curati,
00:51
you might well end up being treated
12
36000
3000
può capitare di essere curati
00:54
by a person who has no medical credentials
13
39000
3000
da qualcuno che non ha credenziali mediche
00:57
as this case from Rajasthan illustrates.
14
42000
3000
come illustra questo caso dal Rajasthan.
01:00
This is a three-year-old orphan girl
15
45000
2000
Questa è un'orfanella di tre anni
01:02
who had cataracts.
16
47000
2000
che ha avuto le cataratte.
01:04
So, her caretakers took her
17
49000
2000
I suoi tutori l'hanno portata
01:06
to the village medicine man,
18
51000
2000
dal guaritore del villaggio,
01:08
and instead of suggesting to the caretakers
19
53000
3000
e invece di suggerire ai tutori
01:11
that the girl be taken to a hospital,
20
56000
3000
di portare la bimba all'ospedale,
01:14
the person decided to burn her abdomen
21
59000
2000
il guaritore decise di bruciarle l'addome
01:16
with red-hot iron bars
22
61000
2000
con ferri roventi
01:18
to drive out the demons.
23
63000
2000
per scacciare i demoni.
01:20
The second piece of bad news
24
65000
3000
La seconda cattiva notizia
01:23
will be delivered to you
25
68000
2000
ve la daranno
01:25
by neuroscientists, who will tell you
26
70000
3000
i neuroscienziati, che vi diranno
01:28
that if you are older than four or five years of age,
27
73000
3000
che se avete più di 4 o 5 anni,
01:31
that even if you have your eye corrected,
28
76000
3000
anche se gli occhi guarissero,
01:34
the chances of your brain learning how to see
29
79000
3000
le possibilità che il vostro cervello impari a vedere
01:37
are very, very slim --
30
82000
2000
sono molto, molto piccole.
01:39
again, slim or none.
31
84000
3000
Di nuovo, poche o nessuna.
01:42
So when I heard these two things,
32
87000
2000
Quando le ho sentite, queste due cose
01:44
it troubled me deeply,
33
89000
2000
mi hanno profondamente turbato,
01:46
both because of personal reasons
34
91000
2000
per motivi sia personali
01:48
and scientific reasons.
35
93000
2000
che scientifici.
01:50
So let me first start with the personal reason.
36
95000
3000
Comincio dalle ragioni personali.
01:53
It'll sound corny, but it's sincere.
37
98000
3000
Può sembrare banale, ma è così.
01:56
That's my son, Darius.
38
101000
2000
E' mio figlio, Dario.
01:58
As a new father,
39
103000
2000
Nella mia nuova condizione di padre,
02:00
I have a qualitatively different sense
40
105000
4000
ho una percezione qualitativamente diversa
02:04
of just how delicate babies are,
41
109000
3000
di quanto siano delicati i bimbi,
02:07
what our obligations are towards them
42
112000
3000
di quali siano i nostri doveri verso di loro,
02:10
and how much love
43
115000
2000
e di quanto amore
02:12
we can feel towards a child.
44
117000
3000
possiamo provare per un figlio.
02:15
I would move heaven and earth
45
120000
2000
Smuoverei mari e monti
02:17
in order to get treatment for Darius,
46
122000
3000
per assicurare una cura a Dario.
02:20
and for me to be told
47
125000
2000
E, per me, sapere che
02:22
that there might be other Dariuses
48
127000
2000
ci possono essere altri Dario
02:24
who are not getting treatment,
49
129000
2000
che non ricevono le cure necessarie,
02:26
that's just viscerally wrong.
50
131000
3000
è visceralmente sbagliato.
02:29
So that's the personal reason.
51
134000
2000
Questa è la motivazione personale.
02:31
Scientific reason is that this notion
52
136000
3000
La ragione scientifica riguarda il concetto
02:34
from neuroscience of critical periods --
53
139000
2000
di periodo critico che ci viene dalle neuroscienze,
02:36
that if the brain is older
54
141000
3000
secondo il quale se il cervello ha più
02:39
than four or five years of age,
55
144000
2000
di 4 o 5 anni
02:41
it loses its ability to learn --
56
146000
2000
perde la capacità di apprendere:
02:43
that doesn't sit well with me,
57
148000
2000
non mi convince del tutto,
02:45
because I don't think that idea
58
150000
2000
perché penso che
02:47
has been tested adequately.
59
152000
3000
non sia stato verificato adeguatamente.
02:50
The birth of the idea is from
60
155000
2000
L'idea è nata dai lavori di
02:52
David Hubel and Torsten Wiesel's work,
61
157000
2000
David Hubel e Torsten Wiesel,
02:54
two researchers who were at Harvard,
62
159000
2000
due ricercatori che lavoravano a Harvard
02:56
and they got the Nobel Prize in 1981
63
161000
3000
e che hanno ricevuto il prenio Nobel nel 1981
02:59
for their studies of visual physiology,
64
164000
2000
per i loro studi sulla fisiologia della visione,
03:01
which are remarkably beautiful studies,
65
166000
2000
studi molto belli,
03:03
but I believe some of their work
66
168000
2000
ma credo che parte del loro lavoro
03:05
has been extrapolated
67
170000
2000
sia stato prematuramente estrapolato
03:07
into the human domain prematurely.
68
172000
2000
verso l'ambito umano.
03:09
So, they did their work with kittens,
69
174000
2000
Loro avevano fatto i loro studi su gattini,
03:11
with different kinds of deprivation regiments,
70
176000
2000
con diversi tipi di protocolli di privazione,
03:13
and those studies,
71
178000
2000
e quegli studi,
03:15
which date back to the '60s,
72
180000
2000
che risalgono agli anni Sessanta,
03:17
are now being applied to human children.
73
182000
3000
vengono ora applicati ai bambini.
03:20
So I felt that I needed to do two things.
74
185000
3000
Allora sentii che dovevo fare due cose.
03:23
One: provide care
75
188000
3000
Una: dare le curare necessarie
03:26
to children who are currently
76
191000
2000
ai bambini che attualmente
03:28
being deprived of treatment.
77
193000
2000
ne sono privi.
03:30
That's the humanitarian mission.
78
195000
2000
E' la missione umanitaria.
03:32
And the scientific mission would be
79
197000
2000
E la missione scientifica è
03:34
to test the limits
80
199000
2000
di verificare i limiti
03:36
of visual plasticity.
81
201000
2000
della plasticità visiva.
03:38
And these two missions, as you can tell,
82
203000
3000
E queste due missioni, capite bene,
03:41
thread together perfectly. One adds to the other;
83
206000
3000
si intrecciano perfettamente, una rinforza l'altra.
03:44
in fact, one would be impossible without the other.
84
209000
3000
In realtà l'una sarebbe impossibile senza l'altra.
03:49
So, to implement
85
214000
2000
Così, per mettere in atto
03:51
these twin missions,
86
216000
2000
queste due missioni gemelle,
03:53
a few years ago, I launched Project Prakash.
87
218000
3000
ho lanciato qualche anno fa il Progetto Prakash.
03:56
Prakash, as many of you know,
88
221000
2000
Prakash, come molti di voi sanno,
03:58
is the Sanskrit word for light,
89
223000
2000
è in sanscrito la parola di sintesi per dire luce,
04:00
and the idea is that
90
225000
2000
e infatti l'idea è
04:02
in bringing light into the lives of children,
91
227000
3000
che portando la luce nelle vite dei bambini,
04:05
we also have a chance
92
230000
2000
abbiamo anche un'opportunità
04:07
of shedding light on some of the
93
232000
2000
per gettare luce in alcuni
04:09
deepest mysteries of neuroscience.
94
234000
3000
dei più profondi misteri delle neuroscienze.
04:12
And the logo -- even though it looks extremely Irish,
95
237000
3000
E il logo, anche se sembra molto irlandese,
04:15
it's actually derived from
96
240000
2000
è in realtà derivato
04:17
the Indian symbol of Diya, an earthen lamp.
97
242000
4000
dal simbolo indiano di Diya (la luce), una lampada di terracotta.
04:21
The Prakash, the overall effort
98
246000
3000
Nel progetto Prakash, la sfida complessiva
04:24
has three components:
99
249000
2000
ha tre componenti:
04:26
outreach, to identify children in need of care;
100
251000
4000
uscire fuori, per identificare i bambini che hanno bisogno di cure,
04:30
medical treatment; and in subsequent study.
101
255000
3000
il trattamento medico e lo studio conseguente.
04:33
And I want to show you a short video clip
102
258000
3000
Vi voglio far vedere un breve video
04:36
that illustrates the first two components of this work.
103
261000
3000
che illustra le prime due componenti di questo lavoro.
04:41
This is an outreach station
104
266000
2000
Questa è una missione esterna
04:43
conducted at a school for the blind.
105
268000
3000
condotta in una scuola per ciechi.
04:46
(Text: Most of the children are profoundly and permanently blind ...)
106
271000
5000
(Testo: Questi bambini sono per la maggior parte profondamente e permanentemente ciechi...)
04:51
Pawan Sinha: So, because this is a school for the blind,
107
276000
5000
Pawan Sinha: E' una scuola per ciechi,
04:56
many children have permanent conditions.
108
281000
2000
molti hanno condizioni croniche.
04:58
That's a case of microphthalmos,
109
283000
3000
E' il caso del microftalmo
05:01
which is malformed eyes,
110
286000
2000
che è una malformazione dell'occhio,
05:03
and that's a permanent condition;
111
288000
2000
ed è permanente.
05:05
it cannot be treated.
112
290000
2000
Non può essere curata.
05:07
That's an extreme of micropthalmos
113
292000
2000
Ecco un caso estremo di microftalmo
05:09
called enophthalmos.
114
294000
2000
detto anoftalmo.
05:11
But, every so often, we come across children
115
296000
2000
Ma ogni tanto incappiamo in bambini
05:13
who show some residual vision,
116
298000
3000
che mostrano segni di vista residua,
05:16
and that is a very good sign
117
301000
3000
un gran bel segno
05:19
that the condition might actually be treatable.
118
304000
2000
che indica che la malattia potrebbe essere curabile.
05:21
So, after that screening, we bring the children to the hospital.
119
306000
3000
Dopo lo screening, portiamo i bambini all'ospedale.
05:24
That's the hospital we're working with in Delhi,
120
309000
2000
Questo è l'ospedale in cui lavoriamo a Delhi,
05:26
the Schroff Charity Eye Hospital.
121
311000
3000
lo Schroff Charity Eye Hospital.
05:29
It has a very well-equipped
122
314000
2000
Ha un centro oftalmico pediatrico
05:31
pediatric ophthalmic center,
123
316000
3000
molto ben attrezzato,
05:35
which was made possible in part
124
320000
2000
reso in parte possibile
05:37
by a gift from the Ronald McDonald charity.
125
322000
4000
da una donazione della fondazione Ronald McDonald.
05:41
So, eating burgers actually helps.
126
326000
3000
Delle volte mangiare hamburger può anche essere utile.
05:45
(Text: Such examinations allow us to improve
127
330000
2000
(Testo: Questo tipo di indagini ci permette di migliorare
05:47
eye-health in many children, and ...
128
332000
2000
la salute degli occhi di molti bambini, e ...
05:54
... help us find children who can participate in Project Prakash.)
129
339000
3000
... ci aiuta a trovare bambini che possono partecipare al Progetto Prakash.)
05:57
PS: So, as I zoom in to the eyes of this child,
130
342000
2000
PS: Ingrandendo gli occhi di questo bambino,
05:59
you will see the cause of his blindness.
131
344000
3000
capirete la causa della sua cecità.
06:03
The whites that you see in the middle of his pupils
132
348000
3000
Le macchie bianche che vedete nelle sue pupille
06:06
are congenital cataracts,
133
351000
3000
sono cataratte congenite,
06:09
so opacities of the lens.
134
354000
2000
opacità del cristallino.
06:11
In our eyes, the lens is clear,
135
356000
3000
Nei nostri occhi il cristallino è trasparente,
06:14
but in this child, the lens has become opaque,
136
359000
2000
ma in questo bimbo è diventato opaco,
06:16
and therefore he can't see the world.
137
361000
3000
e quindi non può vedere il mondo.
06:19
So, the child is given treatment. You'll see shots of the eye.
138
364000
3000
Il bambino sarà curato. Vediamo alcune immagini dell'occhio.
06:22
Here's the eye with the opaque lens,
139
367000
2000
L'occhio con il cristallino opaco,
06:24
the opaque lens extracted
140
369000
2000
il cristallino viene tolto
06:26
and an acrylic lens inserted.
141
371000
3000
e sostituito con un cristallino acrilico.
06:29
And here's the same child
142
374000
2000
Ed ecco quello stesso bambino
06:31
three weeks post-operation,
143
376000
3000
tre settimane dopo l'intervento,
06:34
with the right eye open.
144
379000
3000
con l'occhio destro aperto.
06:40
(Applause)
145
385000
6000
(Applauso)
06:46
Thank you.
146
391000
2000
Grazie.
06:48
So, even from that little clip, you can begin to get the sense
147
393000
3000
Già da questo breve spezzone potete cominciare ad avere la percezione
06:51
that recovery is possible,
148
396000
2000
che la guarigione è possibile,
06:53
and we have now
149
398000
2000
e finora abbiamo curato
06:55
provided treatment to over 200 children,
150
400000
3000
oltre 200 bambini,
06:58
and the story repeats itself.
151
403000
2000
e la storia si ripete continuamente.
07:00
After treatment, the child
152
405000
2000
Dopo l'intervento il bambino
07:02
gains significant functionality.
153
407000
3000
acquisisce una funzionalità significativa.
07:05
In fact, the story holds true
154
410000
3000
Nella realtà questo è vero
07:08
even if you have a person who got sight
155
413000
2000
anche nel caso di persone che hanno riacquisito la vista
07:10
after several years of deprivation.
156
415000
2000
dopo molti anni di privazione.
07:12
We did a paper a few years ago
157
417000
2000
Abbiamo scritto un articolo alcuni anni fa
07:14
about this woman that you see on the right, SRD,
158
419000
4000
sulla donna che vedete sulla destra, SRD,
07:18
and she got her sight late in life,
159
423000
2000
che ha riacquistato la vista tardi,
07:20
and her vision is remarkable at this age.
160
425000
4000
ma la sua visione è notevole per questa età.
07:24
I should add a tragic postscript to this --
161
429000
3000
Devo aggiungere una nota tragica,
07:27
she died two years ago
162
432000
2000
perché è morta due anni fa
07:29
in a bus accident.
163
434000
2000
in un incidente di autobus.
07:31
So, hers is just a truly inspiring story --
164
436000
4000
La sua storia è veramente incoraggiante,
07:35
unknown, but inspiring story.
165
440000
3000
sconosciuta, ma incoraggiante.
07:38
So when we started finding these results,
166
443000
2000
Quando abbiamo cominciato a raccogliere questi risultati,
07:40
as you might imagine, it created quite a bit of stir
167
445000
3000
si è creata, potete immaginare, un po' di agitazione
07:43
in the scientific and the popular press.
168
448000
3000
nella stampa sia scientifica che popolare.
07:46
Here's an article in Nature
169
451000
2000
Ecco un articolo su Nature
07:48
that profiled this work,
170
453000
2000
a proposito di questo lavoro,
07:50
and another one in Time.
171
455000
2000
ed eccone un altro su Time.
07:52
So, we were fairly convinced -- we are convinced --
172
457000
2000
Eravamo abbastanza convinti, e siamo convinti,
07:54
that recovery is feasible,
173
459000
2000
che la guarigione sia possibile,
07:56
despite extended visual deprivation.
174
461000
3000
anche dopo una lunga privazione.
07:59
The next obvious question to ask:
175
464000
2000
La domanda successiva è ovvia:
08:01
What is the process of recovery?
176
466000
3000
cos'è il processo di guarigione?
08:04
So, the way we study that is,
177
469000
3000
Il modo con cui lo studiamo è
08:07
let's say we find a child who has light sensitivity.
178
472000
2000
per esempio di trovare un bambino con sensibilità alla luce.
08:09
The child is provided treatment,
179
474000
2000
Il bambino viene curato,
08:11
and I want to stress that the treatment
180
476000
2000
e sottolineo che la cura
08:13
is completely unconditional;
181
478000
2000
è del tutto incondizionata.
08:15
there is no quid pro quo.
182
480000
2000
Non c'è qui pro quo.
08:17
We treat many more children then we actually work with.
183
482000
3000
Curiamo molti più bimbi di quelli con i quali lavoriamo in ricerca.
08:20
Every child who needs treatment is treated.
184
485000
3000
Curiamo ogni bambino che ne ha bisogno.
08:23
After treatment, about every week,
185
488000
2000
Dopo la cura, circa ogni settimana,
08:25
we run the child
186
490000
2000
sommistriamo al bambino
08:27
on a battery of simple visual tests
187
492000
3000
una batteria di semplici test visivi
08:30
in order to see how their visual skills
188
495000
2000
per vedere come le abilità visive
08:32
are coming on line.
189
497000
2000
stanno riordinandosi.
08:34
And we try to do this for as long as possible.
190
499000
3000
Cerchiamo di farlo il più a lungo possibile.
08:37
This arc of development
191
502000
2000
Questa linea di sviluppo
08:39
gives us unprecedented
192
504000
2000
ci dà per la prima volta
08:41
and extremely valuable information
193
506000
2000
informazioni estremamente importanti
08:43
about how the scaffolding of vision
194
508000
2000
su come viene costruita l'impalcatura
08:45
gets set up.
195
510000
2000
della visione.
08:47
What might be the causal connections
196
512000
2000
Quali possono essere le connessioni causali
08:49
between the early developing skills
197
514000
2000
tra le abilità che si sviluppano precocemente
08:51
and the later developing ones?
198
516000
2000
e quelle che si sviluppano più tardi?
08:53
And we've used this general approach to study
199
518000
2000
Abbiamo usato questo approccio generale per studiare
08:55
many different visual proficiencies,
200
520000
3000
molte abilità visive diverse,
08:58
but I want to highlight one particular one,
201
523000
4000
ma ne voglio evidenziare una in particolare,
09:02
and that is image parsing into objects.
202
527000
3000
cioè il passaggio analitico da immagine a oggetto.
09:05
So, any image of the kind that you see on the left,
203
530000
2000
Ogni immagine come quella che vedete a sinistra,
09:07
be it a real image or a synthetic image,
204
532000
3000
reale o artificiale che sia,
09:10
it's made up of little regions
205
535000
2000
è fatta da piccole regioni,
09:12
that you see in the middle column,
206
537000
2000
che vedete nella colonna centrale,
09:14
regions of different colors, different luminances.
207
539000
3000
regioni di colori e luminanze diverse.
09:17
The brain has this complex task
208
542000
3000
Il cervello ha il complicato compito
09:20
of putting together, integrating,
209
545000
3000
di mettere insieme, integrandoli,
09:23
subsets of these regions
210
548000
2000
sottoinsiemi di queste regioni
09:25
into something that's more meaningful,
211
550000
2000
per ricavarne qualcosa di più significativo,
09:27
into what we would consider to be objects,
212
552000
2000
che potremmo considerare come oggetti,
09:29
as you see on the right.
213
554000
2000
come vedete sulla destra.
09:31
And nobody knows how this integration happens,
214
556000
2000
Nessuno sa come quest'integrazione avvenga.
09:33
and that's the question we asked with Project Prakash.
215
558000
4000
E' la domanda che ci facciamo con il Progetto Prakash.
09:37
So, here's what happens
216
562000
2000
Ecco cosa succede
09:39
very soon after the onset of sight.
217
564000
3000
subito dopo l'apparire della vista.
09:42
Here's a person who had gained sight just a couple of weeks ago,
218
567000
3000
Ecco una persona che ha riacquistato la vista appena due settimane prima,
09:45
and you see Ethan Myers, a graduate student from MIT,
219
570000
3000
e Ethan Myers, un dottorando del MIT,
09:48
running the experiment with him.
220
573000
3000
che sta conducendo un esperimento con lui.
09:51
His visual-motor coordination is quite poor,
221
576000
4000
Il suo coordinamento viso-motorio è piuttosto limitato,
09:55
but you get a general sense
222
580000
2000
ma potete avere un'idea generale
09:57
of what are the regions that he's trying to trace out.
223
582000
3000
di quali siano le regioni che che sta cercando di delineare.
10:00
If you show him real world images,
224
585000
2000
Se gli mostrate immagini dal mondo reale,
10:02
if you show others like him real world images,
225
587000
3000
se mostrate ad altri come lui immagini dal mondo reale,
10:05
they are unable to recognize most of the objects
226
590000
2000
non saranno capaci di riconoscere la maggior parte degli oggetti
10:07
because the world to them is over-fragmented;
227
592000
3000
perché per loro il mondo è troppo frammentato,
10:10
it's made up of a collage, a patchwork,
228
595000
3000
è come un collage, un patchwork,
10:13
of regions of different colors and luminances.
229
598000
2000
fatto di regioni di colori e luminanze diverse.
10:15
And that's what's indicated in the green outlines.
230
600000
2000
Lo vedete dai contorni verdi.
10:17
When you ask them,
231
602000
2000
Se glielo chiedete,
10:19
"Even if you can't name the objects, just point to where the objects are,"
232
604000
3000
anche se non è possibile dare un nome agli oggetti, indicate dove sono.
10:22
these are the regions that they point to.
233
607000
2000
Sono le regioni a cui puntano.
10:24
So the world is this complex
234
609000
2000
Il mondo è questo complesso
10:26
patchwork of regions.
235
611000
2000
patchwork di regioni.
10:28
Even the shadow on the ball
236
613000
2000
Anche l'ombra sulla palla
10:30
becomes its own object.
237
615000
3000
diventa un oggetto per sé.
10:33
Interestingly enough,
238
618000
2000
E' piuttosto interessante,
10:35
you give them a few months,
239
620000
2000
dategli un po' di mesi,
10:37
and this is what happens.
240
622000
3000
ed ecco quel che succede.
10:43
Doctor: How many are these?
241
628000
2000
Medico: Quanti sono questi?
10:45
Patient: These are two things.
242
630000
2000
Paziente: Due.
10:47
Doctor: What are their shapes?
243
632000
2000
Medico: Che forma hanno?
10:49
Patient: Their shapes ...
244
634000
2000
Paziente: Le loro forme...
10:51
This one is a circle,
245
636000
3000
Questo è un cerchio,
10:54
and this
246
639000
2000
e questo
10:56
is a square.
247
641000
2000
un quadrato.
10:58
PS: A very dramatic transformation has come about.
248
643000
3000
PS: E' successa una trasformazione straordinaria.
11:01
And the question is:
249
646000
2000
E la domanda è:
11:03
What underlies this transformation?
250
648000
2000
cosa c'è sotto a questa trasformazione?
11:05
It's a profound question,
251
650000
2000
E' una domanda profonda,
11:07
and what's even more amazing is how simple
252
652000
2000
eppure è ancor più straordinario quanto sia semplice
11:09
the answer is.
253
654000
2000
la risposta.
11:11
The answer lies in motion
254
656000
2000
La risposta è nel moto,
11:13
and that's what I want to show you in the next clip.
255
658000
3000
come vi mostrerò nella prossima clip.
11:18
Doctor: What shape do you see here?
256
663000
2000
Medico: Che forma vedi qui?
11:20
Patient: I can't make it out.
257
665000
3000
Paziente: Non riesco a definirla.
11:28
Doctor: Now?
258
673000
2000
Medico: Ora?
11:31
Patient: Triangle.
259
676000
2000
Paziente: Triangolo.
11:35
Doctor: How many things are these?
260
680000
3000
Medico: Quante sono queste?
11:48
Now, how many things are these?
261
693000
3000
Quante sono?
11:51
Patient: Two.
262
696000
2000
Paziente: Due.
11:53
Doctor: What are these things?
263
698000
2000
Medico: Cosa sono?
11:56
Patient: A square and a circle.
264
701000
2000
Paziente: Un quadrato e un cerchio.
11:58
PS: And we see this pattern over and over again.
265
703000
3000
PS: Vediamo queste forme ripetutamente.
12:01
The one thing the visual system needs
266
706000
3000
La sola cosa di cui ha bisogno il sistema visivo
12:04
in order to begin parsing the world
267
709000
2000
per decodificare il mondo
12:06
is dynamic information.
268
711000
2000
è informazione dinamica.
12:08
So the inference we are deriving from this,
269
713000
2000
L'inferenza che deriviamo da questo,
12:10
and several such experiments,
270
715000
2000
e da molti esperimenti simili,
12:12
is that dynamic information processing,
271
717000
2000
è che l'elaborazione di informazione dinamica
12:14
or motion processing,
272
719000
2000
o l'elaborazione del movimento,
12:16
serves as the bedrock for building
273
721000
2000
serve come fondamenta per costruire
12:18
the rest of the complexity of visual processing;
274
723000
4000
la rimanente complessità dell'elaborazione visiva.
12:22
it leads to visual integration
275
727000
2000
Porta all'integrazione visiva
12:24
and eventually to recognition.
276
729000
3000
e infine al riconoscimento.
12:27
This simple idea has far reaching implications.
277
732000
3000
Questa semplice idea ha vaste implicazioni.
12:30
And let me just quickly mention two,
278
735000
3000
Ne citerò rapidamente due.
12:33
one, drawing from the domain of engineering,
279
738000
2000
Una tratta dall'ambito ingegneristico
12:35
and one from the clinic.
280
740000
2000
e una da quello clinico.
12:37
So, from the perspective of engineering,
281
742000
2000
Dalla prospettiva ingegneristica
12:39
we can ask: Goven that we know
282
744000
3000
possiamo chiederci – dato che sappiamo
12:42
that motion is so important for the human visual system,
283
747000
2000
che il movimento è così importante per il sistema visivo umano -
12:44
can we use this as a recipe
284
749000
3000
se possiamo usare questa nozione come ricetta
12:47
for constructing machine-based vision systems
285
752000
3000
per costruire sistemi di visione artificiale
12:50
that can learn on their own, that don't need to be programmed
286
755000
3000
che imparino da sé, senza bisogno di essere programmati
12:53
by a human programmer?
287
758000
2000
da un programmatore umano.
12:55
And that's what we're trying to do.
288
760000
2000
Ed è quello che stiamo cercando di fare.
12:57
I'm at MIT, at MIT you need to apply
289
762000
3000
Lavoro al MIT, e al MIT bisogna applicare
13:00
whatever basic knowledge you gain.
290
765000
2000
ogni conoscenza di base che si acquisisce.
13:02
So we are creating Dylan,
291
767000
2000
Sicché stiamo creando Dylan,
13:04
which is a computational system
292
769000
2000
un sistema computazionale
13:06
with an ambitious goal
293
771000
2000
che ha l'ambizioso obiettivo
13:08
of taking in visual inputs
294
773000
2000
di recepire input visivi
13:10
of the same kind that a human child would receive,
295
775000
3000
come quelli che riceve un bambino,
13:13
and autonomously discovering:
296
778000
2000
e scoprire autonomamente
13:15
What are the objects in this visual input?
297
780000
3000
cosa sono gli oggetti che ci sono in quell'input visivo.
13:18
So, don't worry about the internals of Dylan.
298
783000
3000
Tralasciamo i meccanismi interni di Dylan.
13:21
Here, I'm just going to talk about
299
786000
3000
Vi dirò solo come
13:24
how we test Dylan.
300
789000
2000
ne verifichiamo il funzionamento.
13:26
The way we test Dylan is by giving it
301
791000
2000
Per testare Dylan gli somministriamo degli input,
13:28
inputs, as I said, of the same kind
302
793000
3000
come ho detto, dello stesso tipo
13:31
that a baby, or a child in Project Prakash would get.
303
796000
3000
di quelli che riceverebbe un bimbo, o un ragazzo del Progetto Prakash.
13:34
But for a long time we couldn't quite figure out:
304
799000
3000
A lungo ci siamo chiesti
13:37
Wow can we get these kinds of video inputs?
305
802000
3000
come ottenere questo tipo di input.
13:41
So, I thought,
306
806000
2000
Così pensai,
13:43
could we have Darius
307
808000
2000
che Darius poteva
13:45
serve as our babycam carrier,
308
810000
3000
indossare la babycam,
13:48
and that way get the inputs that we feed into Dylan?
309
813000
3000
e così raccogliere gli input per alimentare Dylan.
13:51
So that's what we did.
310
816000
2000
L'abbiamo fatto.
13:53
(Laughter)
311
818000
7000
(Risate)
14:00
I had to have long conversations with my wife.
312
825000
3000
Ho avuto lunghi dialoghi con mia moglie.
14:03
(Laughter)
313
828000
5000
(Risate)
14:08
In fact, Pam, if you're watching this,
314
833000
2000
Pam, se stai guardandoci,
14:10
please forgive me.
315
835000
2000
scusami.
14:13
So, we modified the optics of the camera
316
838000
4000
Abbiamo modificato l'ottica della camera
14:17
in order to mimic the baby's visual acuity.
317
842000
3000
in modo da imitare l'acutezza visiva di un bimbo.
14:20
As some of you might know,
318
845000
2000
Come forse alcuni di voi sanno,
14:22
babyies are born pretty much legally blind.
319
847000
4000
i bambini nascono praticamente ciechi.
14:26
Their acuity -- our acuity is 20/20;
320
851000
3000
La nostra acutezza visiva è 20/20,
14:29
babies' acuity is like 20/800,
321
854000
3000
la loro è circa 20/800,
14:32
so they are looking at the world
322
857000
2000
perciò vedono il mondo
14:34
in a very, very blurry fashion.
323
859000
3000
in un modo molto, molto appannato.
14:37
Here's what a baby-cam video looks like.
324
862000
3000
Ecco com'è un video dalla babycam.
14:41
(Laughter)
325
866000
9000
(Risate)
14:50
(Applause)
326
875000
3000
(Applausi)
14:53
Thankfully, there isn't any audio
327
878000
2000
Per fortuna
14:55
to go with this.
328
880000
3000
non c'è l'audio.
14:58
What's amazing is that working with such
329
883000
2000
Ciò che è stupefacente, è quello che si riesce a fare
15:00
highly degraded input,
330
885000
2000
con un input così degradato,
15:02
the baby, very quickly, is able
331
887000
2000
e molto rapidamente un neonato è capace
15:04
to discover meaning in such input.
332
889000
3000
di scoprire significati da questo input.
15:07
But then two or three days afterward,
333
892000
2000
Due o tre giorni dopo,
15:09
babies begin to pay attention
334
894000
2000
i bimbi cominciano a prestare attenzione
15:11
to their mother's or their father's face.
335
896000
2000
ai visi delle loro mamme e papà.
15:13
How does that happen? We want Dylan to be able to do that,
336
898000
3000
Come succede? Vogliamo che Dylan lo sappia fare.
15:16
and using this mantra of motion,
337
901000
3000
Usando questo mantra del moto,
15:19
Dylan actually can do that.
338
904000
2000
effettivamente Dylan lo può fare,
15:21
So, given that kind of video input,
339
906000
3000
anche con quel tipo di input,
15:24
with just about six or seven minutes worth of video,
340
909000
3000
con solo sei o sette minuti di video,
15:27
Dylan can begin to extract patterns
341
912000
3000
Dylan comincia a ricavare forme
15:30
that include faces.
342
915000
3000
che includono visi.
15:33
So, it's an important demonstration
343
918000
2000
E' una dimostrazione importante
15:35
of the power of motion.
344
920000
2000
della potenza del moto.
15:37
The clinical implication, it comes from the domain of autism.
345
922000
3000
L'implicazione clinica viene dal campo dell'autismo.
15:40
Visual integration has been associated with autism
346
925000
2000
L'integrazione visiva è stata associata all'autismo
15:42
by several researchers.
347
927000
2000
da molti ricercatori.
15:44
When we saw that, we asked:
348
929000
2000
Quando l'abbiamo notato ci siamo chiesti:
15:46
Could the impairment in visual integration
349
931000
3000
Se la menomazione dell'integrazione visiva
15:49
be the manifestation of something underneath,
350
934000
3000
possa essere la manifestazione di una sottostante deficienza
15:52
of dynamic information processing deficiencies in autism?
351
937000
3000
nell'elaborazione di informazione dinamica nell'autismo.
15:55
Because, if that hypothesis were to be true,
352
940000
3000
Perché, se l'ipotesi fosse vera,
15:58
it would have massive repercussions in our understanding
353
943000
3000
avrebbe profonde ripercussioni sulla nostra comprensione
16:01
of what's causing the many different aspects
354
946000
2000
su ciò che causa i molti differenti aspetti
16:03
of the autism phenotype.
355
948000
3000
del fenotipo dell'autismo.
16:06
What you're going to see are
356
951000
2000
Vedrete ora spezzoni di video
16:08
video clips of two children -- one neurotypical,
357
953000
3000
di due ragazzi, uno neurotipico,
16:11
one with autism, playing Pong.
358
956000
2000
uno autistico, che giocano a ping-pong.
16:13
So, while the child is playing Pong, we are tracking where they're looking.
359
958000
3000
Mentre giocano a ping-pong, tracciamo dove guardano.
16:16
In red are the eye movement traces.
360
961000
3000
Quelle rosse sono le tracce dei movimenti degli occhi,
16:19
This is the neurotypical child, and what you see
361
964000
3000
questo è il bambino neurotipico, vedete che
16:22
is that the child is able to make cues
362
967000
2000
sa prendere spunti
16:24
of the dynamic information
363
969000
2000
dall'informazione dinamica
16:26
to predict where the ball is going to go.
364
971000
2000
per predire dove andrà la palla.
16:28
Even before the ball gets to a place,
365
973000
3000
Prima che la palla ci arrivi,
16:31
the child is already looking there.
366
976000
3000
sta già guardando nel punto dove andrà.
16:34
Contrast this with a child
367
979000
2000
Vediamo per contro questo bambino
16:36
with autism playing the same game.
368
981000
2000
autistico allo stesso gioco.
16:38
Instead of anticipating,
369
983000
2000
Anziché anticipare,
16:40
the child always follows where the ball has been.
370
985000
3000
segue sempre i punti dove la palla è passata.
16:43
The efficiency of the use
371
988000
2000
L'efficienza nell'utilizzo
16:45
of dynamic information
372
990000
2000
dell'informazione dinamica
16:47
seems to be significantly compromised in autism.
373
992000
3000
sembra significativamente compromessa nell'autismo.
16:51
So we are pursuing this line of work
374
996000
3000
Stiamo seguendo questo filone di lavoro
16:54
and hopefully we'll have
375
999000
2000
e speriamo di avere presto
16:56
more results to report soon.
376
1001000
2000
altri risultati da dare.
16:58
Looking ahead, if you think of this disk
377
1003000
3000
Guardando avanti, se questo disco
17:01
as representing all of the children
378
1006000
2000
rappresenta tutti i bambini
17:03
we've treated so far,
379
1008000
2000
che abbiamo curato finora,
17:05
this is the magnitude of the problem.
380
1010000
2000
questo vi dà la dimensione del problema.
17:07
The red dots are the children we have not treated.
381
1012000
3000
I punti rossi sono i bambini che non abbiamo curato.
17:10
So, there are many, many more children who need to be treated,
382
1015000
2000
Ci sono molti, molti più bambini che hanno bisogno di essere curati,
17:12
and in order to expand the scope of the project,
383
1017000
3000
e per allargare l'ambito del progetto,
17:15
we are planning on launching
384
1020000
2000
stiamo pianificando di lanciare
17:17
The Prakash Center for Children,
385
1022000
2000
il Centro Prakash per Bambini,
17:19
which will have a dedicated pediatric hospital,
386
1024000
3000
che avrà un ospedale pediatrico dedicato,
17:22
a school for the children we are treating
387
1027000
2000
una scuola per i bambini in cura,
17:24
and also a cutting-edge research facility.
388
1029000
2000
e anche una struttura di ricerca d'avanguardia.
17:26
The Prakash Center will integrate health care,
389
1031000
3000
Il Prakash Center integrerà cure mediche,
17:29
education and research in a way
390
1034000
2000
istruzione e ricerca in un modo
17:31
that truly creates the whole
391
1036000
2000
che davvero il tutto
17:33
to be greater than the sum of the parts.
392
1038000
3000
sia maggiore della somma delle parti.
17:36
So, to summarize: Prakash, in its five years of existence,
393
1041000
3000
Per riassumere, Prakash, nei suoi cinque anni di vita,
17:39
it's had an impact in multiple areas,
394
1044000
3000
ha inciso in campi diversi,
17:42
ranging from basic neuroscience
395
1047000
2000
che vanno dalle neuroscienze di base
17:44
plasticity and learning in the brain,
396
1049000
2000
sulla plasticità e apprendimento cerebrale,
17:46
to clinically relevant hypotheses like in autism,
397
1051000
4000
a ipotesi cliniche rilevanti come nell'autismo,
17:50
the development of autonomous machine vision systems,
398
1055000
3000
allo sviluppo di sistemi di visione artificiale autonomi,
17:53
education of the undergraduate and graduate students,
399
1058000
3000
istruzione universitaria e post-universitaria,
17:56
and most importantly in the alleviation
400
1061000
2000
al più importante di tutti,
17:58
of childhood blindness.
401
1063000
2000
la riduzione della cecità infantile.
18:00
And for my students and I, it's been
402
1065000
2000
Per me e per i miei studenti è stata
18:02
just a phenomenal experience
403
1067000
2000
un'esperienza fenomenale,
18:04
because we have gotten to do interesting research,
404
1069000
4000
perché abbiamo fatto ricerche interessanti
18:08
while at the same time
405
1073000
2000
mentre nello stesso tempo
18:10
helping the many children that we have worked with.
406
1075000
2000
stavamo aiutando i tanti bambini con cui abbiamo lavorato.
18:12
Thank you very much.
407
1077000
2000
Grazie.
18:14
(Applause)
408
1079000
2000
(Applausi)
ABOUT THE SPEAKER
Pawan Sinha - Visual neuroscientistPawan Sinha researches how our brains interpret what our eyes see -- and uses that research to give blind children the gift of sight.
Why you should listen
At Pawan Sinha's MIT lab, he and his team spend their days trying to understand how the brain learns to recognize and use the patterns and scenes we see around us. To do this, they often use computers to model the processes of the human brain, but they also study human subjects, some of whom are seeing the world for the very first time and can tell them about the experience as it happens. They find these unusual subjects through the humanitarian branch of their research, Project Prakash.
Project Prakash sets up eye-care camps in some of the most habitually underserved regions of India, and gives free eye-health screenings to, since 2003, more than 700 functionally blind children. The children are then treated without charge, even if they do not fit the profile that would make them eligible for Sinha's research.
Sinha's eventual goal is to help 500 children each year; plans are under way for a center for visual rehabilitation in new Delhi. The special relationship that Sinha has created between research and humanitarianism promises to deliver on both fronts.
Pawan Sinha | Speaker | TED.com