ABOUT THE SPEAKER
Daniel Wolpert - Movement expert
A neuroscientist and engineer, Daniel Wolpert studies how the brain controls the body.

Why you should listen

Consider your hand. You use it to lift things, to balance yourself, to give and take, to sense the world. It has a range of interacting degrees of freedom, and it interacts with many different objects under a variety of environmental conditions. And for most of us, it all just works. At his lab in the Engineering department at Cambridge, Daniel Wolpert and his team are studying why, looking to understand the computations underlying the brain's sensorimotor control of the body.

As he says, "I believe that to understand movement is to understand the whole brain. And therefore it’s important to remember when you are studying memory, cognition, sensory processing, they’re there for a reason, and that reason is action.”  Movement is the only way we have of interacting with the world, whether foraging for food or attracting a waiter's attention. Indeed, all communication, including speech, sign language, gestures and writing, is mediated via the motor system. Taking this viewpoint, and using computational and robotic techniques as well as virtual reality systems, Wolpert and his team research the purpose of the human brain and the way it determines future actions.

 

 

More profile about the speaker
Daniel Wolpert | Speaker | TED.com
TEDGlobal 2011

Daniel Wolpert: The real reason for brains

ダニエル・ウォルパート: 脳の存在理由

Filmed:
1,994,993 views

神経科学者であるダニエル・ウォルパートは驚くべき仮説で話を始めます。脳は考えたり感じたりするためではなく、動きを制御するために進化した、と。彼の面白くデータに富んだ話は脳がいかに美しく機敏な動きをヒトが作り出すかを教えてくれます。
- Movement expert
A neuroscientist and engineer, Daniel Wolpert studies how the brain controls the body. Full bio

Double-click the English transcript below to play the video.

00:15
I'm a neuroscientist神経科学者.
0
0
2000
私は神経科学者です
00:17
And in neuroscience神経科学,
1
2000
2000
神経科学では
00:19
we have to deal対処 with manyたくさんの difficult難しい questions質問 about the brain.
2
4000
3000
脳に関しての多くの難問に立ち会います
00:22
But I want to start開始 with the easiest最も簡単な question質問
3
7000
2000
しかし私はその中でも最も簡単で
00:24
and the question質問 you really should have all asked尋ねた yourselvesあなた自身 at some pointポイント in your life,
4
9000
3000
だれもが人生の中で一度は問いかけるだろう
00:27
because it's a fundamental基本的な question質問
5
12000
2000
脳の働きに対する理解の基本となる
00:29
if we want to understandわかる brain function関数.
6
14000
2000
疑問から始めましょう
00:31
And that is, why do we and other animals動物
7
16000
2000
私たち人間や動物には
00:33
have brains頭脳?
8
18000
2000
なぜ脳があるのか
00:35
Not all species on our planet惑星 have brains頭脳,
9
20000
3000
この地球上の生物全てに脳があるわけではありません
00:38
so if we want to know what the brain is for,
10
23000
2000
脳の存在理由を知るためには
00:40
let's think about why we evolved進化した one.
11
25000
2000
なぜ私たちの脳ができたのか考える必要があります
00:42
Now you mayかもしれない reason理由 that we have one
12
27000
2000
何かを感じたり考えたりするためだと
00:44
to perceive知覚する the world世界 or to think,
13
29000
2000
結論付けるかもしれませんが
00:46
and that's completely完全に wrong違う.
14
31000
2000
それは完全に間違いです
00:48
If you think about this question質問 for any length長さ of time,
15
33000
3000
この質問を少し考えてみれば
00:51
it's blindingly盲目的に obvious明らか why we have a brain.
16
36000
2000
脳が存在する理由は明らかになります
00:53
We have a brain for one reason理由 and one reason理由 only,
17
38000
3000
脳を持つ理由はただ一つ
00:56
and that's to produce作物 adaptable適応性のある and complex複合体 movements動き.
18
41000
3000
柔軟で複雑な動きを可能にすることです
00:59
There is no other reason理由 to have a brain.
19
44000
2000
これが脳を持つ唯一の理由です
01:01
Think about it.
20
46000
2000
考えてみてください
01:03
Movement移動 is the only way you have
21
48000
2000
唯一 動作だけが周りの世界に
01:05
of affecting影響 the world世界 around you.
22
50000
2000
働きかけのできる方法なのです
01:07
Now that's not quiteかなり true真実. There's one other way, and that's throughを通して sweating発汗.
23
52000
3000
例外は発汗だけです
01:10
But apart離れて from that,
24
55000
2000
それ以外は
01:12
everything elseelse goes行く throughを通して contractions収縮 of muscles筋肉.
25
57000
2000
すべて筋肉の収縮が伴います
01:14
So think about communicationコミュニケーション --
26
59000
2000
コミュニケーションを考えてみてください
01:16
speechスピーチ, gesturesジェスチャー, writing書き込み, sign符号 language言語 --
27
61000
3000
話し ジェスチャー 筆記 手話
01:19
they're all mediated仲介する throughを通して contractions収縮 of your muscles筋肉.
28
64000
3000
すべて筋肉の収縮によって成り立っています
01:22
So it's really important重要 to remember思い出す
29
67000
2000
覚えておかなければいけないことは
01:24
that sensory感覚, memory記憶 and cognitive認知 processesプロセス are all important重要,
30
69000
4000
感覚や記憶 認知の過程は重要ですが
01:28
but they're only important重要
31
73000
2000
それらが必要なのは
01:30
to eitherどちらか driveドライブ or suppress抑圧する future未来 movements動き.
32
75000
2000
将来的に動作に影響を与えるときだけです
01:32
There can be no evolutionary進化的 advantage利点
33
77000
2000
後の動作に影響を与えないのであれば
01:34
to laying敷設 down memories思い出 of childhood子供時代
34
79000
2000
幼少時代の記憶を保持したり
01:36
or perceiving知覚する the color of a roseローズ
35
81000
2000
バラの色を感知することには
01:38
if it doesn't affect影響を与える the way you're going to move動く later後で in life.
36
83000
3000
進化的な意義を持ちません
01:41
Now for those who don't believe this argument引数,
37
86000
2000
この話を信じない人もいるかもしれません
01:43
we have trees and grass on our planet惑星 withoutなし the brain,
38
88000
2000
木や草などには脳がありませんが
01:45
but the clinchingクリンチング evidence証拠 is this animal動物 here --
39
90000
2000
確たる証拠はこの
01:47
the humble謙虚な sea squirt噴水.
40
92000
2000
地味な動物 ホヤです
01:49
Rudimentary初歩的 animal動物, has a nervous神経質な systemシステム,
41
94000
3000
この原始的な生物は神経系を持っており
01:52
swims泳ぐ around in the ocean海洋 in its juvenile少年 life.
42
97000
2000
幼生のときは海を泳ぎまわります
01:54
And at some pointポイント of its life,
43
99000
2000
そしてあるときになると
01:56
it implantsインプラント on a rock.
44
101000
2000
岩にとりつきます
01:58
And the first thing it does in implanting移植する on that rock, whichどの it never leaves,
45
103000
3000
永住の場所とした岩にとりついてはじめてするのは
02:01
is to digestダイジェスト its own自分の brain and nervous神経質な systemシステム
46
106000
3000
自分の脳と神経系を食物として
02:04
for foodフード.
47
109000
2000
消化することです
02:06
So once一度 you don't need to move動く,
48
111000
2000
一旦動く必要がなくなると
02:08
you don't need the luxury贅沢 of that brain.
49
113000
3000
脳のような贅沢品はいらないのです
02:11
And this animal動物 is oftenしばしば taken撮影
50
116000
2000
この動物はよく
02:13
as an analogy類推 to what happens起こる at universities大学
51
118000
2000
大学で終身雇用された教授の
02:15
when professors教授 get tenure在籍,
52
120000
2000
比喩で持ち出されますが
02:17
but that's a different異なる subject主題.
53
122000
2000
それはまた別の機会にしましょう
02:19
(Applause拍手)
54
124000
2000
(拍手)
02:21
So I am a movement移動 chauvinist信者.
55
126000
3000
私は動作至上主義者です
02:24
I believe movement移動 is the most最も important重要 function関数 of the brain --
56
129000
2000
動作こそが脳のもっとも重要な働きと信じていますし
02:26
don't let anyone誰でも tell you that it's not true真実.
57
131000
2000
それは誰にも否定させたくありません
02:28
Now if movement移動 is so important重要,
58
133000
2000
動作はそれほど重要ですが
02:30
how well are we doing
59
135000
2000
脳がどのように制御しているのかを
02:32
understanding理解 how the brain controlsコントロール movement移動?
60
137000
2000
私たちはどれ位理解しているのでしょうか
02:34
And the answer回答 is we're doing extremely極端な poorly不完全に; it's a very hardハード problem問題.
61
139000
2000
それはごくわずかであり とても難しい問題です
02:36
But we can look at how well we're doing
62
141000
2000
しかし人間と同じ動作をする
02:38
by thinking考え about how well we're doing building建物 machines機械
63
143000
2000
機械を作ることによって いかに
02:40
whichどの can do what humans人間 can do.
64
145000
2000
私たちがうまくやっているかを観察できます
02:42
Think about the gameゲーム of chessチェス.
65
147000
2000
チェスの試合を例にしましょう
02:44
How well are we doing determining決定する what pieceピース to move動く where?
66
149000
3000
駒を動かす戦略を私たちはどれほどうまくたてられるでしょうか
02:47
If you pitピット Garryギャリー Kasparovカスパロフ here, when he's not in jail刑務所,
67
152000
3000
ゲイリー・カスパロフが収監される前にIBMの
02:50
againstに対して IBM'sIBMの Deep深い Blue,
68
155000
2000
ディープブルーと対戦したとすると
02:52
well the answer回答 is IBM'sIBMの Deep深い Blue will occasionally時折 win勝つ.
69
157000
3000
ディープブルーが勝つこともあったでしょう
02:55
And I think if IBM'sIBMの Deep深い Blue playedプレーした anyone誰でも in this roomルーム, it would win勝つ everyすべて time.
70
160000
3000
ここにいる誰かが相手なら
絶対に勝つでしょう
02:58
That problem問題 is solved解決した.
71
163000
2000
これが答えです
03:00
What about the problem問題
72
165000
2000
では 次の質問
03:02
of pickingピッキング up a chessチェス pieceピース,
73
167000
2000
チェスの駒を取り上げて
03:04
dexterously巧みに manipulating操作する it and puttingパッティング it back down on the boardボード?
74
169000
3000
器用に動かし 盤上に戻すのはどれほどうまくできるでしょうか
03:07
If you put a five year-old child's子供の dexterity器用 againstに対して the bestベスト robotsロボット of today今日,
75
172000
3000
5歳の子供の器用さと最新のロボットを比べても
03:10
the answer回答 is simple単純:
76
175000
2000
答えは簡単です
03:12
the child wins勝つ easily簡単に.
77
177000
2000
子供が容易に勝つでしょう
03:14
There's no competitionコンペ at all.
78
179000
2000
勝負になりません
03:16
Now why is that top problem問題 so easy簡単
79
181000
2000
なぜ上の問題はそう簡単なのに
03:18
and the bottom problem問題 so hardハード?
80
183000
2000
下の問題はそんなに難しいのでしょうか
03:20
One reason理由 is a very smartスマート five year-old
81
185000
2000
とても賢い5歳の子供ならば
03:22
could tell you the algorithmアルゴリズム for that top problem問題 --
82
187000
2000
上の問題には答えられるかもしれません
03:24
look at all possible可能 moves動き to the end終わり of the gameゲーム
83
189000
2000
最終局まで可能な進め方を考え
03:26
and choose選択する the one that makes作る you win勝つ.
84
191000
2000
勝てるものを選び出すこと
03:28
So it's a very simple単純 algorithmアルゴリズム.
85
193000
2000
それはとても単純なことです
03:30
Now of courseコース there are other moves動き,
86
195000
2000
もちろん間違うこともありますが
03:32
but with vast広大 computersコンピュータ we approximate近似
87
197000
2000
巨大なコンピュータを使えば
03:34
and come close閉じる to the optimal最適な solution溶液.
88
199000
2000
正解に近づけることはできます
03:36
When it comes来る to beingであること dexterous器用,
89
201000
2000
器用さとなると
どんなアルゴリズムを解くのかも
はっきりしません
03:38
it's not even clearクリア what the algorithmアルゴリズム is you have to solve解決する to be dexterous器用.
90
203000
2000
周りの世界を把握し
働きかけることが必要で
03:40
And we'll私たちは see you have to bothどちらも perceive知覚する and act行為 on the world世界,
91
205000
2000
03:42
whichどの has a lot of problems問題.
92
207000
2000
それが多くの問題をはらんでいます
03:44
But let me showショー you cutting-edge最先端 roboticsロボット工学.
93
209000
2000
最新のロボット工学をご覧ください
03:46
Now a lot of roboticsロボット工学 is very impressive印象的な,
94
211000
2000
今では多くの驚くべきロボットがあります
03:48
but manipulation操作 roboticsロボット工学 is really just in the darkダーク ages年齢.
95
213000
3000
しかし動作ロボット工学はまさに暗黒時代です
03:51
So this is the end終わり of a PhPh.D. projectプロジェクト
96
216000
2000
最高のロボット工学研究所の一つの
03:53
from one of the bestベスト roboticsロボット工学 institutes研究所.
97
218000
2000
博士号プロジェクトの結果がこれです
03:55
And the student学生 has trained訓練された this robotロボット
98
220000
2000
学生がこのロボットを訓練し
03:57
to pour注ぐ this water into a glassガラス.
99
222000
2000
グラスに水を注げるようにしました
03:59
It's a hardハード problem問題 because the water sloshesスロッシュ about, but it can do it.
100
224000
3000
水がはねるので難しい課題でしたが 行うことは可能です
04:02
But it doesn't do it with anything like the agility敏捷性 of a human人間.
101
227000
3000
しかし人間のような機敏さはまったくありません
04:05
Now if you want this robotロボット to do a different異なる task仕事,
102
230000
3000
違う動作をさせたいと考えるとすると
04:08
that's another別の three-year3年 PhPh.D. programプログラム.
103
233000
3000
それはまた3年間の博士号プロジェクトが必要です
04:11
There is no generalization一般化 at all
104
236000
2000
ここには一つのタスクから他につながるような
04:13
from one task仕事 to another別の in roboticsロボット工学.
105
238000
2000
一般化はまったくありません
04:15
Now we can compare比較する this
106
240000
2000
ではこの例と 人間の中でも
04:17
to cutting-edge最先端 human人間 performanceパフォーマンス.
107
242000
2000
もっともすばらしいパフォーマンスとを比べてみましょう
04:19
So what I'm going to showショー you is Emilyエミリー Fox
108
244000
2000
このエミリー・フォックスさんはカップ・スタッキングの
04:21
winning勝つ the world世界 record記録 for cupカップ stackingスタッキング.
109
246000
3000
世界記録保持者です
04:24
Now the Americansアメリカ人 in the audience聴衆 will know all about cupカップ stackingスタッキング.
110
249000
2000
アメリカ人の方はこの競技をご存知と思いますが
04:26
It's a high高い school学校 sportスポーツ
111
251000
2000
高校のスポーツで
04:28
where you have 12 cupsカップ you have to stackスタック and unstackスタックを解除する
112
253000
2000
12個のカップを決まった順序でなるべく早く
04:30
againstに対して the clockクロック in a prescribed所定 order注文.
113
255000
2000
積み重ねたり並べたりします
04:32
And this is her getting取得 the world世界 record記録 in realリアル time.
114
257000
3000
これは彼女が世界記録をとったときの実速度の映像です
04:39
(Laughter笑い)
115
264000
8000
04:47
(Applause拍手)
116
272000
5000
(拍手)
04:52
And she's prettyかなり happyハッピー.
117
277000
2000
とてもうれしそうです
04:54
We have no ideaアイディア what is going on inside内部 her brain when she does that,
118
279000
2000
頭の中で起こっていることはわかりませんが
04:56
and that's what we'd結婚した like to know.
119
281000
2000
それこそが知りたいことなのです
04:58
So in my groupグループ, what we try to do
120
283000
2000
そこで私のチームは
05:00
is reverse engineerエンジニア how humans人間 controlコントロール movement移動.
121
285000
3000
ヒトがどのように動作を制御するか
リバースエンジニアすることに挑戦しました
05:03
And it sounds like an easy簡単 problem問題.
122
288000
2000
簡単なことに思えるかもしれません
05:05
You send送信する a commandコマンド down, it causes原因 muscles筋肉 to contract契約する.
123
290000
2000
指令を送って
それに対応して筋肉が収縮し
05:07
Your arm or body moves動き,
124
292000
2000
腕や身体が動き
05:09
and you get sensory感覚 feedbackフィードバック from visionビジョン, from skin, from muscles筋肉 and so on.
125
294000
3000
視覚 皮ふや筋肉などからのフィードバックがある
05:12
The troubleトラブル is
126
297000
2000
問題は
05:14
these signalsシグナル are not the beautiful綺麗な signalsシグナル you want them to be.
127
299000
2000
それらが望むようなきれいな信号ではないことです
05:16
So one thing that makes作る controlling制御する movement移動 difficult難しい
128
301000
2000
動作を制御するときに難しいことのひとつが
05:18
is, for example, sensory感覚 feedbackフィードバック is extremely極端な noisyうるさい.
129
303000
3000
フィードバックがノイズだらけということです
05:21
Now by noiseノイズ, I do not mean sound.
130
306000
3000
ノイズといっても音ではなく
05:24
We use it in the engineeringエンジニアリング and neuroscience神経科学 senseセンス
131
309000
2000
工学や神経科学の世界で 信号を破損させる
05:26
meaning意味 a randomランダム noiseノイズ corrupting腐敗する a signal信号.
132
311000
2000
ランダム・ノイズという意味で使っています
05:28
So the old古い days日々 before digitalデジタル radio無線 when you were tuningチューニング in your radio無線
133
313000
3000
昔 デジタルラジオが出る前の古いラジオで選局するときに
05:31
and you heard聞いた "crrcckkkcrrcckkk" on the station you wanted to hear聞く,
134
316000
2000
聞こえるガガガという音
05:33
that was the noiseノイズ.
135
318000
2000
それがノイズです
05:35
But more generally一般的に, this noiseノイズ is something that corrupts腐敗 the signal信号.
136
320000
3000
もっと一般的に言うと信号を破損させるものです
05:38
So for example, if you put your handハンド under a table
137
323000
2000
例を挙げると 机の下に手を置いて
05:40
and try to localizeローカライズする it with your other handハンド,
138
325000
2000
反対の手で位置を当てようとすると
05:42
you can be off by severalいくつかの centimetersセンチメートル
139
327000
2000
数センチの誤差がでるでしょう
05:44
due支払う to the noiseノイズ in sensory感覚 feedbackフィードバック.
140
329000
2000
それは感覚にノイズが発生したからです
05:46
Similarly同様に, when you put motorモーター output出力 on movement移動 output出力,
141
331000
2000
それと同様に 運動の表す信号に作動の信号を重ねると
05:48
it's extremely極端な noisyうるさい.
142
333000
2000
雑音だらけになってしまいます
05:50
Forget忘れる about trying試す to hitヒット the bull's雄牛 eye in dartsダーツ,
143
335000
2000
ダートゲームで標的の中心を狙わずに
05:52
just aim目的 for the same同じ spotスポット over and over again.
144
337000
2000
同じところを何度も狙ってみましょう
05:54
You have a huge巨大 spread普及 due支払う to movement移動 variability変動性.
145
339000
3000
動作には大きな振れ幅があり矢は大きくばらつきます
05:57
And more than that, the outside外側 world世界, or task仕事,
146
342000
2000
それ以上に 外の世界 仕事は
05:59
is bothどちらも ambiguousあいまいな and variable変数.
147
344000
2000
不定でかつ多様です
06:01
The teapotティーポット could be full満員, it could be empty空の.
148
346000
2000
ティーポットは満杯や空のときがあり
06:03
It changes変更 over time.
149
348000
2000
時とともに変化します
06:05
So we work in a whole全体 sensory感覚 movement移動 task仕事 soupスープ of noiseノイズ.
150
350000
4000
私たちはそうしたノイズだらけの中で動いているわけです
06:09
Now this noiseノイズ is so great
151
354000
2000
このノイズはとてもひどいので
06:11
that society社会 places場所 a huge巨大 premiumプレミアム
152
356000
2000
この影響を少なくできる人には 社会の中で
06:13
on those of us who can reduce減らす the consequences結果 of noiseノイズ.
153
358000
3000
大きな賞賛が与えられます
06:16
So if you're lucky幸運な enough十分な to be ableできる to knockノック a small小さい white ball
154
361000
3000
もしあなたが金属の棒で小さな白球(ゴルフボール)を
06:19
into a hole severalいくつかの hundred yardsヤード away usingを使用して a long metal金属 stickスティック,
155
364000
3000
数百メートル先の穴に入れることができたなら
06:22
our society社会 will be willing喜んで to reward褒賞 you
156
367000
2000
この社会は何億ドルの賞金で
06:24
with hundreds数百 of millions何百万 of dollarsドル.
157
369000
3000
あなたを賞賛するでしょう
06:27
Now what I want to convince説得する you of
158
372000
2000
ここで私が皆さんに納得していただきたいことは
06:29
is the brain alsoまた、 goes行く throughを通して a lot of effort努力
159
374000
2000
脳もこうしたノイズや変動が及ぼす影響を
06:31
to reduce減らす the negative consequences結果
160
376000
2000
減らすために 多くの努力を
06:33
of this sortソート of noiseノイズ and variability変動性.
161
378000
2000
しているということです
06:35
And to do that, I'm going to tell you about a frameworkフレームワーク
162
380000
2000
ここで ある概念を紹介しましょう
06:37
whichどの is very popular人気 in statistics統計 and machine機械 learning学習 of the last 50 years
163
382000
3000
統計学や機械学習の分野ではこの50年とても一般的なもので
06:40
calledと呼ばれる Bayesianベイジアン decision決定 theory理論.
164
385000
2000
ベイズ決定理論と呼ばれています
06:42
And it's more recently最近 a unifying統一する way
165
387000
3000
この考えは最近になって
06:45
to think about how the brain dealsお得 with uncertainty不確実性.
166
390000
3000
脳の不確定要素に対する扱いを考える時の方法として支持されてきています
06:48
And the fundamental基本的な ideaアイディア is you want to make inferences推論 and then take actions行動.
167
393000
3000
基本的には推測の後に行動を開始するという考え方です
06:51
So let's think about the inference推論.
168
396000
2000
推測について考えましょう
06:53
You want to generate生成する beliefs信念 about the world世界.
169
398000
2000
周囲の世界に対して信念を形成する必要があります
06:55
So what are beliefs信念?
170
400000
2000
ではその信念とは何でしょうか
06:57
Beliefs信念 could be: where are my arms武器 in spaceスペース?
171
402000
2000
信念とは次のような 自分の腕がどこにあるのか や
06:59
Am I looking at a catネコ or a fox?
172
404000
2000
自分が見ているのは猫なのか狐なのか といったものです
07:01
But we're going to represent代表する beliefs信念 with probabilities確率.
173
406000
3000
こういった信念を私たちは確率をもってみています
07:04
So we're going to represent代表する a belief信念
174
409000
2000
つまり信念とは
07:06
with a number betweenの間に zeroゼロ and one --
175
411000
2000
0と1の間にあるのです
07:08
zeroゼロ meaning意味 I don't believe it at all, one means手段 I'm absolutely絶対に certainある.
176
413000
3000
0は全く信じていない状態 1は間違いなく確かという状態です
07:11
And numbers数字 in betweenの間に give you the grayグレー levelsレベル of uncertainty不確実性.
177
416000
3000
途中の数字は不確定さを表しています
07:14
And the keyキー ideaアイディア to Bayesianベイジアン inference推論
178
419000
2000
ベイズ推論の鍵となる考え方は
07:16
is you have two sourcesソース of information情報
179
421000
2000
推論をするにあたり
07:18
from whichどの to make your inference推論.
180
423000
2000
2つの情報源があることです
07:20
You have dataデータ,
181
425000
2000
データと
07:22
and dataデータ in neuroscience神経科学 is sensory感覚 input入力.
182
427000
2000
神経科学的なデータは感覚入力です
07:24
So I have sensory感覚 input入力, whichどの I can take in to make beliefs信念.
183
429000
3000
感覚からの入力があるので信念を形成することができます
07:27
But there's another別の sourceソース of information情報, and that's effectively効果的に prior前の knowledge知識.
184
432000
3000
しかしもうひとつの情報源として事前知識があります
07:30
You accumulate累積する knowledge知識 throughout全体を通して your life in memories思い出.
185
435000
3000
人は人生の中で記憶として知識を蓄えます
07:33
And the pointポイント about Bayesianベイジアン decision決定 theory理論
186
438000
2000
ベイズ決定理論のポイントは
07:35
is it gives与える you the mathematics数学
187
440000
2000
事前知識と感覚からの入力を
07:37
of the optimal最適な way to combine結合する
188
442000
2000
元に新しい信念を作る際に
07:39
your prior前の knowledge知識 with your sensory感覚 evidence証拠
189
444000
2000
効率的な組み合わせ方に
07:41
to generate生成する new新しい beliefs信念.
190
446000
2000
数学的な解を与えるところです
07:43
And I've put the formula up there.
191
448000
2000
ここに公式をお見せします
07:45
I'm not going to explain説明する what that formula is, but it's very beautiful綺麗な.
192
450000
2000
これをそのまま説明はしませんが とても美しいのです
07:47
And it has realリアル beauty美しさ and realリアル explanatory説明的な powerパワー.
193
452000
3000
美しくかつ説得力もあります
07:50
And what it really says言う, and what you want to estimate推定,
194
455000
2000
これが証明するもの 推測されるものは
07:52
is the probability確率 of different異なる beliefs信念
195
457000
2000
感覚からの入力が与えられたときの
07:54
given与えられた your sensory感覚 input入力.
196
459000
2000
それぞれの信念の可能性です
07:56
So let me give you an intuitive直感的な example.
197
461000
2000
直観的な例をあげましょう
07:58
Imagine想像する you're learning学習 to play遊びます tennisテニス
198
463000
3000
テニスを練習しているときに
08:01
and you want to decide決めます where the ball is going to bounceバウンス
199
466000
2000
ネットを超えて向かってきたボールがどこで弾むかを
08:03
as it comes来る over the netネット towards方向 you.
200
468000
2000
推測したいと思います
08:05
There are two sourcesソース of information情報
201
470000
2000
ベイズ理論によると そこには
08:07
Bayes'Bayes ' ruleルール tells伝える you.
202
472000
2000
2つの情報源があります
08:09
There's sensory感覚 evidence証拠 -- you can use visualビジュアル information情報 auditory聴覚 information情報,
203
474000
3000
感覚からの入力は 視覚や聴覚を使うことにより
08:12
and that mightかもしれない tell you it's going to land土地 in that red spotスポット.
204
477000
3000
ボールがその赤い地点に着地するというでしょう
08:15
But you know that your senses感覚 are not perfect完璧な,
205
480000
3000
ただし ご存知のように感覚は完璧ではないので
08:18
and thereforeしたがって、 there's some variability変動性 of where it's going to land土地
206
483000
2000
ボールが着地する地点はバラツキがあって
08:20
shown示された by that cloud of red,
207
485000
2000
赤い雲で示されています
08:22
representing代理人 numbers数字 betweenの間に 0.5 and maybe 0.1.
208
487000
3000
0.1から0.5の数字を示しています
08:26
That information情報 is available利用可能な in the current現在 shotショット,
209
491000
2000
この情報は今のショットから得ることができるものですが
08:28
but there's another別の sourceソース of information情報
210
493000
2000
もうひとつ情報源は
08:30
not available利用可能な on the current現在 shotショット,
211
495000
2000
このショットからは得ることができません
08:32
but only available利用可能な by repeated繰り返し experience経験 in the gameゲーム of tennisテニス,
212
497000
3000
テニスの試合を何度も経験することによってだけ身に付くことで
08:35
and that's that the ball doesn't bounceバウンス
213
500000
2000
試合中のボールの行方はコート全体で
08:37
with equal等しい probability確率 over the court裁判所 during the match一致.
214
502000
2000
均等ではないということです
08:39
If you're playing遊ぶ againstに対して a very good opponent相手,
215
504000
2000
対戦相手がとても強い場合
08:41
they mayかもしれない distribute分配します it in that green areaエリア,
216
506000
2000
あなたにとっては返しづらい
08:43
whichどの is the prior前の distribution分布,
217
508000
2000
緑の区域にボールを
08:45
making作る it hardハード for you to returnリターン.
218
510000
2000
打ってくるでしょう
08:47
Now bothどちらも these sourcesソース of information情報 carryキャリー important重要 information情報.
219
512000
2000
これら2つの情報は重要な情報を持っています
08:49
And what Bayes'Bayes ' ruleルール says言う
220
514000
2000
ベイズ理論によると
08:51
is that I should multiplyかける the numbers数字 on the red by the numbers数字 on the green
221
516000
3000
赤の数字と緑の数字を掛け合わせ
08:54
to get the numbers数字 of the yellow, whichどの have the ellipses楕円,
222
519000
3000
楕円型の黄色の数字を導き出す
08:57
and that's my belief信念.
223
522000
2000
それが信念なのです
08:59
So it's the optimal最適な way of combining結合する information情報.
224
524000
3000
これが効率的に情報を組み合わせる方法です
09:02
Now I wouldn'tしないだろう tell you all this if it wasn'tなかった that a few少数 years ago,
225
527000
2000
数年前でしたらこの話をしなかったと思います
09:04
we showed示した this is exactly正確に what people do
226
529000
2000
その後これこそがまさしく人が新しい動作を
09:06
when they learn学ぶ new新しい movement移動 skillsスキル.
227
531000
2000
学習するときの方法だということが分かりました
09:08
And what it means手段
228
533000
2000
これが意味するところは
09:10
is we really are Bayesianベイジアン inference推論 machines機械.
229
535000
2000
私たちはまさしくベイズ推論のとおりに動いているということです
09:12
As we go around, we learn学ぶ about statistics統計 of the world世界 and lay寝る that down,
230
537000
4000
生きる中で 周りの確率的な世界から学んだことを基に
09:16
but we alsoまた、 learn学ぶ
231
541000
2000
するだけではなく
09:18
about how noisyうるさい our own自分の sensory感覚 apparatus装置 is,
232
543000
2000
感覚がいかにノイズだらけなのかも学び
09:20
and then combine結合する those
233
545000
2000
それらを実生活の中で
09:22
in a realリアル Bayesianベイジアン way.
234
547000
2000
ベイズ式に組み合わせているのです
09:24
Now a keyキー part to the Bayesianベイジアン is this part of the formula.
235
549000
3000
ベイズの中で鍵となるのは公式のこの部分です
09:27
And what this part really says言う
236
552000
2000
この部分というのは
09:29
is I have to predict予測する the probability確率
237
554000
2000
信念に影響を与える
09:31
of different異なる sensory感覚 feedbacksフィードバック
238
556000
2000
感覚からの様々な入力の持つ確率を
09:33
given与えられた my beliefs信念.
239
558000
2000
予測しなければいけないということです
09:35
So that really means手段 I have to make predictions予測 of the future未来.
240
560000
3000
これは未来を予期しなくてはいけないということです
09:38
And I want to convince説得する you the brain does make predictions予測
241
563000
2000
脳は今からおきるであろう感覚からの入力について
09:40
of the sensory感覚 feedbackフィードバック it's going to get.
242
565000
2000
予想をします
09:42
And moreoverまた、, it profoundly深く changes変更 your perceptions知覚
243
567000
2000
さらにはその事柄に対するあなたの
09:44
by what you do.
244
569000
2000
感じ方も変えてしまいます
09:46
And to do that, I'll tell you
245
571000
2000
そうすることによって 脳が
09:48
about how the brain dealsお得 with sensory感覚 input入力.
246
573000
2000
感覚からの入力にどのように対処するかがわかります
09:50
So you send送信する a commandコマンド out,
247
575000
3000
指令を送ると
09:53
you get sensory感覚 feedbackフィードバック back,
248
578000
2000
感覚からのフィードバックがありますが
09:55
and that transformation変換 is governed支配
249
580000
2000
その仕組みは身体的特性と
09:57
by the physics物理 of your body and your sensory感覚 apparatus装置.
250
582000
3000
感覚器官によって制御されています
10:00
But you can imagine想像する looking inside内部 the brain.
251
585000
2000
しかし脳の中を見ることで想像はできます
10:02
And here'sここにいる inside内部 the brain.
252
587000
2000
これがその脳の中身です
10:04
You mightかもしれない have a little predictorプレディクタ, a neuralニューラル simulatorシミュレータ,
253
589000
2000
この小さな予言者 神経シミュレータは
10:06
of the physics物理 of your body and your senses感覚.
254
591000
2000
身体特性と感覚を模擬します
10:08
So as you send送信する a movement移動 commandコマンド down,
255
593000
2000
脳が指令を送ると
10:10
you tapタップ a copyコピー of that off
256
595000
2000
指令のコピーを作り
10:12
and run走る it into your neuralニューラル simulatorシミュレータ
257
597000
2000
この神経シミュレータに送り
10:14
to anticipate予期する the sensory感覚 consequences結果 of your actions行動.
258
599000
4000
実際の行動からの感覚入力を予想します
10:18
So as I shake振る this ketchupケチャップ bottleボトル,
259
603000
2000
ケチャップを振ると
10:20
I get some true真実 sensory感覚 feedbackフィードバック as the function関数 of time in the bottom row.
260
605000
3000
下の行のように時間の関数として実際のフィードバックを得るのです
10:23
And if I've got a good predictorプレディクタ, it predicts予測する the same同じ thing.
261
608000
3000
もし予測がうまくいけば 同じことが起こるでしょう
10:26
Well why would I bother気にする doing that?
262
611000
2000
なぜこんなことをするのでしょう
10:28
I'm going to get the same同じ feedbackフィードバック anywayとにかく.
263
613000
2000
いずれにせよ同じフィードバックを受けるにもかかわらず
10:30
Well there's good reasons理由.
264
615000
2000
これにはしっかりとした意味があるのです
10:32
Imagine想像する, as I shake振る the ketchupケチャップ bottleボトル,
265
617000
2000
考えてみてください ケチャップを振るときに
10:34
someone誰か very kindly親切に comes来る up to me and tapsタップ it on the back for me.
266
619000
3000
だれかが親切にもケチャップを叩いてくれたとしましょう
10:37
Now I get an extra余分な sourceソース of sensory感覚 information情報
267
622000
2000
この外部からの干渉は 感覚からの入力に
10:39
due支払う to that external外部 act行為.
268
624000
2000
追加を発生させます
10:41
So I get two sourcesソース.
269
626000
2000
ここでは2つの情報
10:43
I get you tappingタップ on it, and I get me shaking振る it,
270
628000
3000
叩かれたことと 自分が振っていることが入力されます
10:46
but from my senses'感覚 ' pointポイント of view見る,
271
631000
2000
しかしこれは自分からすれば
10:48
that is combined結合された together一緒に into one sourceソース of information情報.
272
633000
3000
入力は組み合わさって1つになっています
10:51
Now there's good reason理由 to believe
273
636000
2000
これらの理由から
10:53
that you would want to be ableできる to distinguish区別する external外部 eventsイベント from internal内部 eventsイベント.
274
638000
3000
外部からの干渉と自発的な行動を分ける必要があるのです
10:56
Because external外部 eventsイベント are actually実際に much more behaviorally行動的に relevant関連する
275
641000
3000
外部的な干渉は自分の内部で起きていることをすべて感知するより
10:59
than feeling感じ everything that's going on inside内部 my body.
276
644000
3000
もっと行動に即しているからです
11:02
So one way to reconstruct再構築する that
277
647000
2000
推測を補正するための方法としては
11:04
is to compare比較する the prediction予測 --
278
649000
2000
自分の指令に基づく予測と
11:06
whichどの is only basedベース on your movement移動 commandsコマンド --
279
651000
2000
実際との比較を
11:08
with the reality現実.
280
653000
2000
することです
11:10
Any discrepancy不一致 should hopefullyうまくいけば be external外部.
281
655000
3000
ここでの差異は外部からの影響であるはずです
11:13
So as I go around the world世界,
282
658000
2000
生活の中で
11:15
I'm making作る predictions予測 of what I should get, subtracting減算する them off.
283
660000
3000
自分が得るはずのものを予測しそれらを引き算しているのです
11:18
Everything left over is external外部 to me.
284
663000
2000
残されたものが外部からの影響です
11:20
What evidence証拠 is there for this?
285
665000
2000
このことの根拠は何でしょうか
11:22
Well there's one very clearクリア example
286
667000
2000
ここにいい例があります
11:24
where a sensation感覚 generated生成された by myself私自身 feels感じる very different異なる
287
669000
2000
自分で引き起こした感覚と 他人が起こしたものでは
11:26
then if generated生成された by another別の person.
288
671000
2000
全く違うのです
11:28
And so we decided決定しました the most最も obvious明らか place場所 to start開始
289
673000
2000
そこで私たちはもっともわかりやすい
11:30
was with ticklingくすぐり.
290
675000
2000
くすぐりの実験を始めました
11:32
It's been known既知の for a long time, you can't tickleくすぐる yourselfあなた自身
291
677000
2000
昔から 自分で自分をくすぐっても他人がやるようには
11:34
as well as other people can.
292
679000
2000
くすぐったくないことは知られています
11:36
But it hasn't持っていない really been shown示された, it's because you have a neuralニューラル simulatorシミュレータ,
293
681000
3000
しかしそれがいまだ証明されていない理由として 自身の神経シミュレータが
11:39
simulatingシミュレートする your own自分の body
294
684000
2000
自分で感覚を模倣し
11:41
and subtracting減算する off that senseセンス.
295
686000
2000
それらを引き算していることがあります
11:43
So we can bring持参する the experiments実験 of the 21stセント century世紀
296
688000
3000
そこでロボット工学を用いて
11:46
by applying申請中 roboticロボット technologiesテクノロジー to this problem問題.
297
691000
3000
21世紀の実験を行うことにしたのです
11:49
And in effect効果, what we have is some sortソート of stickスティック in one handハンド attached添付された to a robotロボット,
298
694000
3000
私たちは片方に棒がついたロボットを作成し
11:52
and they're going to move動く that back and forward前進.
299
697000
2000
被験者に棒を前後に動かしてもらいました
11:54
And then we're going to trackトラック that with a computerコンピューター
300
699000
2000
その動きをコンピュータで追跡し
11:56
and use it to controlコントロール another別の robotロボット,
301
701000
2000
それをもうひとつのロボットに反映し
11:58
whichどの is going to tickleくすぐる their彼らの palm手のひら with another別の stickスティック.
302
703000
2000
彼らの手のひらを別の棒でくすぐらせたのです
12:00
And then we're going to ask尋ねる them to rateレート a bunch of things
303
705000
2000
そして被験者にはくすぐったさなどの
12:02
includingを含む ticklishnessほの暗い.
304
707000
2000
様々な質問をしました
12:04
I'll showショー you just one part of our study調査.
305
709000
2000
ここに結果の一部をお見せしましょう
12:06
And here I've taken撮影 away the robotsロボット,
306
711000
2000
ロボットを除いてみましょう
12:08
but basically基本的に people move動く with their彼らの right arm sinusoidally正弦波的に back and forward前進.
307
713000
3000
基本的に被験者は右腕を前後にサイン波状に動かしています
12:11
And we replayリプレイ that to the other handハンド with a time delayディレイ.
308
716000
3000
少しの遅延の後にその動きを別のロボットで模倣します
12:14
Eitherいずれか no time delayディレイ,
309
719000
2000
全く遅延がない状態 つまり
12:16
in whichどの case場合 light would just tickleくすぐる your palm手のひら,
310
721000
2000
光が手のひらをくすぐるようなケースや
12:18
or with a time delayディレイ of two-tenths二十分の of three-tenths3分の1 of a second二番.
311
723000
4000
0.2秒や0.3秒の遅延があるケースを試しました
12:22
So the important重要 pointポイント here
312
727000
2000
ここで重要なのは
12:24
is the right handハンド always does the same同じ things -- sinusoidal正弦波 movement移動.
313
729000
3000
右腕は常に同じこと 前後にサイン波状に動かしています
12:27
The left handハンド always is the same同じ and puts置く sinusoidal正弦波 tickleくすぐる.
314
732000
3000
左腕は常に同じ 前後にサイン波状にくすぐりを受けています
12:30
All we're playing遊ぶ with is a tempoテンポ causality因果関係.
315
735000
2000
ここで確かめているのは時間差との因果関係です
12:32
And as we go from naught何もない to 0.1 second二番,
316
737000
2000
遅延なしから0.1秒の遅延になると
12:34
it becomes〜になる more ticklishくすぐったい.
317
739000
2000
くすぐったくなり
12:36
As you go from 0.1 to 0.2,
318
741000
2000
0.1秒から0.2秒になると
12:38
it becomes〜になる more ticklishくすぐったい at the end終わり.
319
743000
2000
さらにくすぐったくなります
12:40
And by 0.2 of a second二番,
320
745000
2000
0.2秒の遅延になると
12:42
it's equivalently同等に ticklishくすぐったい
321
747000
2000
自分が何もしていないのと
12:44
to the robotロボット that just tickledくすぐり you withoutなし you doing anything.
322
749000
2000
ほぼ同等のくすぐったさがロボットから感じられます
12:46
So whateverなんでも is responsible責任ある for this cancellationキャンセル
323
751000
2000
つまり 感覚の相殺に関わっているものは
12:48
is extremely極端な tightlyしっかりと coupled結合された with tempoテンポ causality因果関係.
324
753000
3000
時間差との因果関係がとても強いということです
12:51
And basedベース on this illustration, we really convinced確信している ourselves自分自身 in the fieldフィールド
325
756000
3000
この図を基に考えると いかに
12:54
that the brain's脳の making作る precise正確 predictions予測
326
759000
2000
脳が正確に予期し
12:56
and subtracting減算する them off from the sensations感覚.
327
761000
3000
感覚から引き算しているかがわかります
12:59
Now I have to admit認める, these are the worst最悪 studies研究 my lab研究室 has ever run走る.
328
764000
3000
これは私の研究室で行われた研究の中では最悪のものです
13:02
Because the tickleくすぐる sensation感覚 on the palm手のひら comes来る and goes行く,
329
767000
2000
くすぐったさというのは移り変わるもので
13:04
you need large numbers数字 of subjects科目
330
769000
2000
この結論を導き出すためには
13:06
with these stars making作る them significant重要な.
331
771000
2000
多くの被験者が必要だからです
13:08
So we were looking for a much more objective目的 way
332
773000
2000
そこで私たちはこの結論を評価するために
13:10
to assess評価する this phenomena現象.
333
775000
2000
もっと客観的な方法を探しました
13:12
And in the intervening介入する years I had two daughters.
334
777000
2000
その間に私には2人の娘が生まれました
13:14
And one thing you notice通知 about children子供 in backseats後部座席 of cars on long journeys,
335
779000
3000
子供たちを後部座席に乗せて長旅に出ると
13:17
they get into fights戦う --
336
782000
2000
けんかになります
13:19
whichどの started開始した with one of them doing something to the other, the other retaliating報復する.
337
784000
3000
一人がもう一人にちょっかいを出し始めると もう一人がやり返します
13:22
It quickly早く escalatesエスカレートする.
338
787000
2000
すぐにひどくなります
13:24
And children子供 tend傾向がある to get into fights戦う whichどの escalateエスカレート in terms条項 of force.
339
789000
3000
そして子供は次第にエスカレートする力を使ったけんかに発展することが多いのです
13:27
Now when I screamed叫んだ at my children子供 to stop,
340
792000
2000
私が子供に注意をすると
13:29
sometimes時々 they would bothどちらも say to me
341
794000
2000
両方とも もう一人のほうが
13:31
the other person hitヒット them harderもっと強く.
342
796000
3000
もっと強くたたいたと言うのです
13:34
Now I happen起こる to know my children子供 don't lie嘘つき,
343
799000
2000
子供がうそをついている訳ではないと分っていたので
13:36
so I thought, as a neuroscientist神経科学者,
344
801000
2000
神経科学者として考えてみると
13:38
it was important重要 how I could explain説明する
345
803000
2000
彼らの言っていることが食い違っているのを
13:40
how they were telling伝える inconsistent一貫性のない truths真実.
346
805000
2000
説明付けるのは重要なことだと考えました
13:42
And we hypothesize仮説を立てる basedベース on the ticklingくすぐり study調査
347
807000
2000
くすぐりの実験から仮説を立てました
13:44
that when one child hitsヒット another別の,
348
809000
2000
子供がもう一人をたたくときに
13:46
they generate生成する the movement移動 commandコマンド.
349
811000
2000
動作の指令を出します
13:48
They predict予測する the sensory感覚 consequences結果 and subtract減算 it off.
350
813000
3000
感覚からの入力を予想しそれらを引き算します
13:51
So they actually実際に think they've彼らは hitヒット the person lessもっと少なく hardハード than they have --
351
816000
2000
そうすると彼らは自分が思っていたより弱くたたいたつもりになるのです
13:53
ratherむしろ like the ticklingくすぐり.
352
818000
2000
くすぐりのときのように
13:55
Whereasそれに対して the passive受動的 recipient受取人
353
820000
2000
一方たたかれるほうは
13:57
doesn't make the prediction予測, feels感じる the full満員 blowブロー.
354
822000
2000
予想がないので全ての力を感じることになります
13:59
So if they retaliate報復する with the same同じ force,
355
824000
2000
つまり同じ力でたたき返すと
14:01
the first person will think it's been escalatedエスカレートされた.
356
826000
2000
たたかれたほうは強くやり返されたと思うのです
14:03
So we decided決定しました to testテスト this in the lab研究室.
357
828000
2000
そこでこれを実験室で試すことにしました
14:05
(Laughter笑い)
358
830000
3000
(笑い)
14:08
Now we don't work with children子供, we don't work with hittingヒッティング,
359
833000
2000
子供も使いませんし けんかもしません
14:10
but the concept概念 is identical同一.
360
835000
2000
しかし概念は同じです
14:12
We bring持参する in two adults大人. We tell them they're going to play遊びます a gameゲーム.
361
837000
3000
二人の大人を連れてきて これからゲームをすると伝えます
14:15
And so here'sここにいる playerプレーヤー one and playerプレーヤー two sitting座っている opposite反対の to each other.
362
840000
2000
このように向かい合わせに一人ずつが座ります
14:17
And the gameゲーム is very simple単純.
363
842000
2000
ゲームはとても単純です
14:19
We started開始した with a motorモーター
364
844000
2000
モーターと小さなレバー それと
14:21
with a little leverレバー, a little force transfuserトランスフューザー.
365
846000
2000
小さな伝達機でできます
14:23
And we use this motorモーター to apply適用する force down to playerプレーヤー one's一人 fingers
366
848000
2000
そしてこのモーターで一人目の指を下方向に
14:25
for three seconds and then it stops停止.
367
850000
3000
3秒間だけ力を加えます
14:28
And that player'sプレーヤーの been told, remember思い出す the experience経験 of that force
368
853000
3000
その人は その力を覚えて
14:31
and use your other finger
369
856000
2000
別の指で
14:33
to apply適用する the same同じ force
370
858000
2000
同じだけの下向きの力を
14:35
down to the other subject's科目 finger throughを通して a force transfuserトランスフューザー -- and they do that.
371
860000
3000
伝達機を通してもう一人に与えてくださいといわれ 彼らは言われたとおりにします
14:38
And playerプレーヤー two's二人 been told, remember思い出す the experience経験 of that force.
372
863000
3000
もう一人は その強さを覚えて
14:41
Use your other handハンド to apply適用する the force back down.
373
866000
3000
もう一方の手で同じ強さで下に押すように言われました
14:44
And so they take it in turnsターン
374
869000
2000
そのように彼らは交互に
14:46
to apply適用する the force they've彼らは just experienced経験豊富な back and forward前進.
375
871000
2000
自分が受けた分の力をかけていったのです
14:48
But critically批判的に,
376
873000
2000
重要なのは
14:50
they're briefedブリーフィング about the rulesルール of the gameゲーム in separate別々の rooms部屋.
377
875000
3000
彼らはそれぞれ別の部屋でゲームの説明を受けたことです
14:53
So they don't know the rulesルール the other person's playing遊ぶ by.
378
878000
2000
彼らはもう一人がどのようなルール説明を受けたか知らないのです
14:55
And what we've私たちは measured測定された
379
880000
2000
私たちがここで計測したのは
14:57
is the force as a function関数 of terms条項.
380
882000
2000
時間とともに変化した力です
14:59
And if we look at what we start開始 with,
381
884000
2000
それではこちらを見てみましょう
15:01
a quarter四半期 of a Newtonニュートン there, a number of turnsターン,
382
886000
2000
4分の1ニュートンがここで これがくりかえしの回数です
15:03
perfect完璧な would be that red lineライン.
383
888000
2000
赤い線が受けた力と与えた力が同じことを示す線です
15:05
And what we see in all pairsペア of subjects科目 is this --
384
890000
3000
そして全ての被験者ペアに見られたのがこちらです
15:08
a 70 percentパーセント escalationエスカレーション in force
385
893000
2000
回数ごとに力が70パーセントずつ
15:10
on each go.
386
895000
2000
上っています
15:12
So it really suggests提案する, when you're doing this --
387
897000
2000
この結果から示されるのは
15:14
basedベース on this study調査 and othersその他 we've私たちは done完了 --
388
899000
2000
他の研究からもわかるように
15:16
that the brain is canceling取り消す the sensory感覚 consequences結果
389
901000
2000
脳は感覚からの入力を相殺しており
15:18
and underestimating過小評価 the force it's producing生産する.
390
903000
2000
加えている力を過小評価しているということです
15:20
So it re-shows再演する the brain makes作る predictions予測
391
905000
2000
これによって脳が予測をしていることと
15:22
and fundamentally根本的に changes変更 the precepts教訓.
392
907000
3000
感じ方まで変えてしまうことが再確認されました
15:25
So we've私たちは made inferences推論, we've私たちは done完了 predictions予測,
393
910000
3000
推測し 予測をして
15:28
now we have to generate生成する actions行動.
394
913000
2000
次は行動を起こさなければなりません
15:30
And what Bayes'Bayes ' ruleルール says言う is, given与えられた my beliefs信念,
395
915000
2000
ベイズ理論によれば 信念に従って
15:32
the actionアクション should in some senseセンス be optimal最適な.
396
917000
2000
最善と思われるものが選ばれるはずです
15:34
But we've私たちは got a problem問題.
397
919000
2000
しかし問題があります
15:36
Tasksタスク are symbolicシンボリック -- I want to drinkドリンク, I want to danceダンス --
398
921000
3000
タスクは抽象的なのです 何か飲みたい 踊りたいなど
15:39
but the movement移動 systemシステム has to contract契約する 600 muscles筋肉
399
924000
2000
しかし動作を起こすには600もの筋肉を特定の順番で
15:41
in a particular特に sequenceシーケンス.
400
926000
2000
収縮させなければなりません
15:43
And there's a big大きい gapギャップ
401
928000
2000
タスクと動作の間には
15:45
betweenの間に the task仕事 and the movement移動 systemシステム.
402
930000
2000
大きな溝があるのです
15:47
So it could be bridgedブリッジされた in infinitely無限に manyたくさんの different異なる ways方法.
403
932000
2000
なので捉え方は無限にあるのです
15:49
So think about just a pointポイント to pointポイント movement移動.
404
934000
2000
1地点から他の1地点への移動を考えましょう
15:51
I could choose選択する these two pathsパス
405
936000
2000
無数にある道の中から
15:53
out of an infinite無限 number of pathsパス.
406
938000
2000
この2つを選ぶかもしれません
15:55
Having持つ chosen選ばれた a particular特に pathパス,
407
940000
2000
道を選ぶと
15:57
I can holdホールド my handハンド on that pathパス
408
942000
2000
様々な関節の組み合わせで
15:59
as infinitely無限に manyたくさんの different異なる jointジョイント configurations構成.
409
944000
2000
私の手をその道に沿わせることができます
16:01
And I can holdホールド my arm in a particular特に jointジョイント configuration設定
410
946000
2000
そして腕は関節の組み合わせで
16:03
eitherどちらか very stiff堅い or very relaxedリラックスした.
411
948000
2000
緊張させることも緩ませることもできます
16:05
So I have a huge巨大 amount of choice選択 to make.
412
950000
3000
選択肢はたくさんあるのです
16:08
Now it turnsターン out, we are extremely極端な stereotypicalステレオタイプの.
413
953000
3000
ところが私たちはとても型にはまっています
16:11
We all move動く the same同じ way prettyかなり much.
414
956000
3000
みんな同じように動くのです
16:14
And so it turnsターン out we're so stereotypicalステレオタイプの,
415
959000
2000
型にはまっているということは
16:16
our brains頭脳 have got dedicated専用 neuralニューラル circuitry回路
416
961000
2000
脳の中には決まった型を作り出す暗号を解読する
16:18
to decodeデコード this stereotypingステレオタイピング.
417
963000
2000
専用の神経回路があるのです
16:20
So if I take some dotsドット
418
965000
2000
なので いくつかの点を使って
16:22
and setセット them in motionモーション with biological生物学的 motionモーション,
419
967000
3000
生物のような動きを見せると
16:25
your brain's脳の circuitry回路 would understandわかる instantly即座に what's going on.
420
970000
3000
脳の神経回路は何が起こっているかすぐに理解します
16:28
Now this is a bunch of dotsドット moving動く.
421
973000
2000
多くの点が動いていますが
16:30
You will know what this person is doing,
422
975000
3000
この人が何をしているかお分かりですね
16:33
whetherかどうか happyハッピー, sad悲しい, old古い, young若い -- a huge巨大 amount of information情報.
423
978000
3000
喜んでいるか悲しんでいるか 若者か年寄りか 多くの情報があります
16:36
If these dotsドット were cars going on a racingレース circuit回路,
424
981000
2000
もしこの点がレース場の車に付いていたとしたら
16:38
you would have absolutely絶対に no ideaアイディア what's going on.
425
983000
3000
何が起こっているかまったくわからないでしょう
16:41
So why is it
426
986000
2000
なぜ動作は
16:43
that we move動く the particular特に ways方法 we do?
427
988000
2000
決められた動きなのでしょう?
16:45
Well let's think about what really happens起こる.
428
990000
2000
実際に何が起こっているかを考えてみましょう
16:47
Maybe we don't all quiteかなり move動く the same同じ way.
429
992000
3000
私たち全員が全く同じように動いているわけではありません
16:50
Maybe there's variation変化 in the population人口.
430
995000
2000
人々によって違いはあるでしょう
16:52
And maybe those who move動く better than othersその他
431
997000
2000
他の人よりよく動ける人は
16:54
have got more chanceチャンス of getting取得 their彼らの children子供 into the next generation世代.
432
999000
2000
子供を残せる確率が高いのかもしれません
16:56
So in evolutionary進化的 scalesスケール, movements動き get better.
433
1001000
3000
進化の過程で動作はよりよくなってきたのです
16:59
And perhapsおそらく in life, movements動き get better throughを通して learning学習.
434
1004000
3000
生活の中では動作は学習を通じて改善します
17:02
So what is it about a movement移動 whichどの is good or bad悪い?
435
1007000
2000
では動作の良い悪いとは何でしょうか?
17:04
Imagine想像する I want to interceptインターセプト this ball.
436
1009000
2000
このボールを妨害するときに
17:06
Here are two possible可能 pathsパス to that ball.
437
1011000
3000
とる経路は2つあります
17:09
Well if I choose選択する the left-hand左手 pathパス,
438
1014000
2000
左側の経路を取ると決めると
17:11
I can work out the forces required必須
439
1016000
2000
すぐさま時間とともに筋肉に
17:13
in one of my muscles筋肉 as a function関数 of time.
440
1018000
2000
必要とされる力を導き出せます
17:15
But there's noiseノイズ added追加された to this.
441
1020000
2000
しかしここにノイズがのります
17:17
So what I actually実際に get, basedベース on this lovely美しい, smooth滑らかな, desired望む force,
442
1022000
3000
この美しい滑らかな必要な力に対して実際に得るのは
17:20
is a very noisyうるさい versionバージョン.
443
1025000
2000
ノイズだらけのものです
17:22
So if I pickピック the same同じ commandコマンド throughを通して manyたくさんの times,
444
1027000
3000
つまり何回にもわたって同じ指令を受けると
17:25
I will get a different異なる noisyうるさい versionバージョン each time, because noiseノイズ changes変更 each time.
445
1030000
3000
ノイズは毎回変わるのでその数だけ様々な動きを得ることになります
17:28
So what I can showショー you here
446
1033000
2000
これからお見せするのは
17:30
is how the variability変動性 of the movement移動 will evolve進化する
447
1035000
2000
そのような方法をとると いかに動きのバラツキが
17:32
if I choose選択する that way.
448
1037000
2000
進化するかです
17:34
If I choose選択する a different異なる way of moving動く -- on the right for example --
449
1039000
3000
右にあるように 違う動きを選ぶと
17:37
then I'll have a different異なる commandコマンド, different異なる noiseノイズ,
450
1042000
2000
異なった指令や異なったノイズを受け 雑音の混ざった複雑な
17:39
playing遊ぶ throughを通して a noisyうるさい systemシステム, very complicated複雑な.
451
1044000
3000
結果になるでしょう
17:42
All we can be sure of is the variability変動性 will be different異なる.
452
1047000
3000
確かなことは バラツキはその時により異なるということです
17:45
If I move動く in this particular特に way,
453
1050000
2000
ある動作をすると
17:47
I end終わり up with a smaller小さい variability変動性 across横断する manyたくさんの movements動き.
454
1052000
3000
何回もの経験の末にバラツキは少なくなります
17:50
So if I have to choose選択する betweenの間に those two,
455
1055000
2000
それら2つのうちから選ぶとすると
17:52
I would choose選択する the right one because it's lessもっと少なく variable変数.
456
1057000
2000
バラツキの少ない右の方を選ぶでしょう
17:54
And the fundamental基本的な ideaアイディア
457
1059000
2000
基本的な考え方としては
17:56
is you want to plan計画 your movements動き
458
1061000
2000
ノイズによる悪影響をできるだけ
17:58
so as to minimize最小化する the negative consequence結果 of the noiseノイズ.
459
1063000
3000
少なくするように動作を計画するのです
18:01
And one intuition直感 to get
460
1066000
2000
ここで直感できることは
18:03
is actually実際に the amount of noiseノイズ or variability変動性 I showショー here
461
1068000
2000
ここでお見せしたノイズやバラツキは 力が大きいほど
18:05
gets取得 biggerより大きい as the force gets取得 biggerより大きい.
462
1070000
2000
大きくなるのです
18:07
So you want to avoid避ける big大きい forces as one principle原理.
463
1072000
3000
なので原理の一つとして大きい力は避けたがるのです
18:10
So we've私たちは shown示された that usingを使用して this,
464
1075000
2000
これを使って
18:12
we can explain説明する a huge巨大 amount of dataデータ --
465
1077000
2000
膨大なデータを説明することができることを示しました
18:14
that exactly正確に people are going about their彼らの lives人生 planningプランニング movements動き
466
1079000
3000
それは暮らしの中で人々はノイズによる悪影響を最小限に
18:17
so as to minimize最小化する negative consequences結果 of noiseノイズ.
467
1082000
3000
抑えるために動作を計画しているということです
18:20
So I hope希望 I've convinced確信している you the brain is there
468
1085000
2000
これで脳が動作を制御するために進化した
18:22
and evolved進化した to controlコントロール movement移動.
469
1087000
2000
ということを納得いただけたでしょうか
18:24
And it's an intellectual知的 challengeチャレンジ to understandわかる how we do that.
470
1089000
3000
その仕組みを理解するのは知的挑戦です
18:27
But it's alsoまた、 relevant関連する
471
1092000
2000
しかしそれは同時に
18:29
for disease疾患 and rehabilitationリハビリ.
472
1094000
2000
病気やリハビリにも関係してきます
18:31
There are manyたくさんの diseases病気 whichどの effect効果 movement移動.
473
1096000
3000
動作に影響を及ぼす病気はたくさんあります
18:34
And hopefullyうまくいけば if we understandわかる how we controlコントロール movement移動,
474
1099000
2000
また願わくば 動作制御の方法を理解することによって
18:36
we can apply適用する that to roboticロボット technology技術.
475
1101000
2000
ロボット技術にも応用できるかもしれません
18:38
And finally最後に, I want to remind思い出させる you,
476
1103000
2000
最後にお伝えしたいのは
18:40
when you see animals動物 do what look like very simple単純 tasksタスク,
477
1105000
2000
動物が行っているタスクはいかに簡単に見えても
18:42
the actual実際の complexity複雑 of what is going on inside内部 their彼らの brain
478
1107000
2000
脳の中で起こっている複雑さは
18:44
is really quiteかなり dramatic劇的.
479
1109000
2000
本当に劇的です
18:46
Thank you very much.
480
1111000
2000
ありがとう
18:48
(Applause拍手)
481
1113000
8000
(拍手)
18:56
Chrisクリス Andersonアンダーソン: Quickクイック question質問 for you, Danダン.
482
1121000
2000
クリス・アンダーソン「簡単な質問をします、ダン
18:58
So you're a movement移動 -- (DWDW: Chauvinist信者.) -- chauvinist信者.
483
1123000
4000
あなたは動作 (ダン「至上主義者」) 至上主義者ですよね」
19:02
Does that mean that you think that the other things we think our brains頭脳 are about --
484
1127000
3000
「私たちが脳の機能と考えている他のこと
19:05
the dreaming, the yearning憧れ, the falling落下 in love and all these things --
485
1130000
3000
夢やあこがれ 恋愛などのことは
19:08
are a kind種類 of side showショー, an accident事故?
486
1133000
3000
余興や偶然だとお考えですか?」
19:11
DWDW: No, no, actually実際に I think they're all important重要
487
1136000
2000
ダン「いいえ それらはみな結果的に
19:13
to driveドライブ the right movement移動 behavior動作 to get reproduction再生 in the end終わり.
488
1138000
3000
繁殖につなげるための正しい行動に誘導する観点から重要です
19:16
So I think people who study調査 sensation感覚 or memory記憶
489
1141000
3000
感覚や記憶を研究している人は なぜ子供時代の
19:19
withoutなし realizing実現する why you're laying敷設 down memories思い出 of childhood子供時代.
490
1144000
2000
記憶を蓄積するのかに気付いていないと思います
19:21
The fact事実 that we forget忘れる most最も of our childhood子供時代, for example,
491
1146000
3000
例をあげると ほとんど子供時代の記憶が残っていないのは
19:24
is probably多分 fine, because it doesn't effect効果 our movements動き later後で in life.
492
1149000
3000
後の生活の行動に影響を与えないから問題にならないのです
19:27
You only need to store格納 things whichどの are really going to effect効果 movement移動.
493
1152000
3000
動作に影響を与えることだけを覚えておけばいいのです」
19:30
CACA: So you think that people thinking考え about the brain, and consciousness意識 generally一般的に,
494
1155000
3000
クリス「脳を研究している もっというと意識を研究している人は
19:33
could get realリアル insight洞察力
495
1158000
2000
動作がどう絡んでくるかを考えることで
19:35
by saying言って, where does movement移動 play遊びます in this gameゲーム?
496
1160000
2000
本当の洞察を得られるということですね」
19:37
DWDW: So people have found見つけた out for example
497
1162000
2000
ダン「一例として
19:39
that studying勉強する visionビジョン in the absence不在 of realizing実現する why you have visionビジョン
498
1164000
2000
何のために視覚があるかを考えずに視覚を研究するのは
19:41
is a mistake間違い.
499
1166000
2000
間違いだということです
19:43
You have to study調査 visionビジョン with the realization実現
500
1168000
2000
視覚を研究するためには 動作がどのように
19:45
of how the movement移動 systemシステム is going to use visionビジョン.
501
1170000
2000
視覚を使うかを理解する必要があります
19:47
And it uses用途 it very differently異なって once一度 you think about it that way.
502
1172000
2000
そのように考えるとどのように視覚が使われるのかという考え方が変わります」
19:49
CACA: Well that was quiteかなり fascinating魅力的な. Thank you very much indeed確かに.
503
1174000
3000
クリス「とても興味深かったです 本当にありがとう」
19:52
(Applause拍手)
504
1177000
2000
(拍手)
Translated by Shogo Kobayashi
Reviewed by Masaki Yanagishita

▲Back to top

ABOUT THE SPEAKER
Daniel Wolpert - Movement expert
A neuroscientist and engineer, Daniel Wolpert studies how the brain controls the body.

Why you should listen

Consider your hand. You use it to lift things, to balance yourself, to give and take, to sense the world. It has a range of interacting degrees of freedom, and it interacts with many different objects under a variety of environmental conditions. And for most of us, it all just works. At his lab in the Engineering department at Cambridge, Daniel Wolpert and his team are studying why, looking to understand the computations underlying the brain's sensorimotor control of the body.

As he says, "I believe that to understand movement is to understand the whole brain. And therefore it’s important to remember when you are studying memory, cognition, sensory processing, they’re there for a reason, and that reason is action.”  Movement is the only way we have of interacting with the world, whether foraging for food or attracting a waiter's attention. Indeed, all communication, including speech, sign language, gestures and writing, is mediated via the motor system. Taking this viewpoint, and using computational and robotic techniques as well as virtual reality systems, Wolpert and his team research the purpose of the human brain and the way it determines future actions.

 

 

More profile about the speaker
Daniel Wolpert | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee