TEDGlobal 2011
Daniel Wolpert: The real reason for brains
다니엘 월퍼트: 뇌의 진정한 이유
Filmed:
Readability: 3.9
1,994,993 views
신경과학자인 다니엘 월퍼트가 '뇌는 생각하거나 느끼기 위해서가 아니라 움직임을 조종하기 위해 진화했다'는 놀라운 전제로 이야기를 풀어나갑니다. 실험 결과들로 가득찬 흥미로운 이 강연에서 그는 우리에게 어떻게 인간의 뇌가 우아하고 민첩한 움직임을 만들어 내는지 보여줍니다.
Daniel Wolpert - Movement expert
A neuroscientist and engineer, Daniel Wolpert studies how the brain controls the body. Full bio
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.
0
0
2000
저는 신경과학자입니다.
00:17
And in neuroscience,
1
2000
2000
신경과학에서
00:19
we have to deal with many difficult questions about the brain.
2
4000
3000
우리는 뇌에 대해 수많은 어려운 질문들을 다루죠.
00:22
But I want to start with the easiest question
3
7000
2000
하지만 전 가장 쉬운 질문부터 시작하고자 합니다.
00:24
and the question you really should have all asked yourselves at some point in your life,
4
9000
3000
그 질문은 당신이 당신의 삶의 여러 부분에서 스스로에게 질문해야만 하는 것으로,
00:27
because it's a fundamental question
5
12000
2000
우리가 뇌의 기능을 이해하기 위해서
00:29
if we want to understand brain function.
6
14000
2000
던져야 하는 기본적인 질문입니다.
00:31
And that is, why do we and other animals
7
16000
2000
바로 "왜 우리 인간과, 그리고 다른 동물들이
00:33
have brains?
8
18000
2000
뇌를 가져야 하는가?"입니다.
00:35
Not all species on our planet have brains,
9
20000
3000
우리 행성에 사는 모든 생물이 뇌를 갖는 것은 아닙니다.
00:38
so if we want to know what the brain is for,
10
23000
2000
뇌가 무엇을 위한 것인지 알기 위한다면,
00:40
let's think about why we evolved one.
11
25000
2000
우리가 왜 진화해왔는지 생각해봐야 합니다.
00:42
Now you may reason that we have one
12
27000
2000
여러분은 아마도 세상을 인지하기 위해,
00:44
to perceive the world or to think,
13
29000
2000
또는 생각하기 위해-라고 대답하시겠지만
00:46
and that's completely wrong.
14
31000
2000
그것은 잘못된 대답입니다.
00:48
If you think about this question for any length of time,
15
33000
3000
이 질문에 대해 오랜 시간 생각해보면
00:51
it's blindingly obvious why we have a brain.
16
36000
2000
우리가 왜 뇌를 가지고 있는지는 아주 명백합니다.
00:53
We have a brain for one reason and one reason only,
17
38000
3000
우리는 단 하나의 이유 때문에 뇌를 가집니다.
00:56
and that's to produce adaptable and complex movements.
18
41000
3000
바로 적합하고 복잡한 행동을 만들어내기 위해서죠.
00:59
There is no other reason to have a brain.
19
44000
2000
뇌에게 다른 이유는 없습니다.
01:01
Think about it.
20
46000
2000
생각해보세요.
01:03
Movement is the only way you have
21
48000
2000
움직임이란 당신이 주변 세상에
01:05
of affecting the world around you.
22
50000
2000
영향을 미칠 수 있는 유일한 방법입니다.
01:07
Now that's not quite true. There's one other way, and that's through sweating.
23
52000
3000
이것이 완전한 진실은 아닐 수도 있습니다. 땀을 흘리는 것과 같은 방식을 떠올리면요.
01:10
But apart from that,
24
55000
2000
하지만 이를 제외하고 생각해보면,
01:12
everything else goes through contractions of muscles.
25
57000
2000
모든 것은 근육의 수축으로부터 발생합니다.
01:14
So think about communication --
26
59000
2000
의사소통에 대해서 생각해보죠.
01:16
speech, gestures, writing, sign language --
27
61000
3000
말하는 것, 제스처, 글쓰기, 언어적 표현들
01:19
they're all mediated through contractions of your muscles.
28
64000
3000
그 모든 것들이 당신의 근육을 수축시킴으로써 매개됩니다.
01:22
So it's really important to remember
29
67000
2000
감각, 기억과 인지적 과정들이 모두
01:24
that sensory, memory and cognitive processes are all important,
30
69000
4000
중요하다는 점을 기억해야 하는 것도 정말 중요하지만,
01:28
but they're only important
31
73000
2000
그것이 미래의 행동을
01:30
to either drive or suppress future movements.
32
75000
2000
만들어내거나 억제한다는 점에서만 의미를 갖습니다.
01:32
There can be no evolutionary advantage
33
77000
2000
당신의 삶에 어떤 영향을 끼치는 형태가 아니라면
01:34
to laying down memories of childhood
34
79000
2000
어린 시절의 기억을 떠올리며 누워있거나
01:36
or perceiving the color of a rose
35
81000
2000
꽃의 색깔을 인지하는 것은
01:38
if it doesn't affect the way you're going to move later in life.
36
83000
3000
진화적으로 어떤 이점도 갖지 못합니다.
01:41
Now for those who don't believe this argument,
37
86000
2000
이러한 논쟁을 받아들이지 못하는 사람들에게,
01:43
we have trees and grass on our planet without the brain,
38
88000
2000
우리는 지구에 뇌 없이, 나무와 잔디만 있는 가정을 듭니다.
01:45
but the clinching evidence is this animal here --
39
90000
2000
결정적 증거로 이 동물을 들 수 있겠네요--
01:47
the humble sea squirt.
40
92000
2000
보잘 것 없는 멍게입니다.
01:49
Rudimentary animal, has a nervous system,
41
94000
3000
진화 초기의 간단한 동물로, 신경계를 갖추고 있죠.
01:52
swims around in the ocean in its juvenile life.
42
97000
2000
유생 때에는 바다 안을 헤엄쳐 돌아다니다가
01:54
And at some point of its life,
43
99000
2000
특정 시기에 이르면
01:56
it implants on a rock.
44
101000
2000
바위에 달라붙습니다.
01:58
And the first thing it does in implanting on that rock, which it never leaves,
45
103000
3000
바위에 달라붙는 과정에서 멍게가 처음으로 하는 일은
02:01
is to digest its own brain and nervous system
46
106000
3000
뇌와 신경계를 먹이로써 분해, 섭취하여
02:04
for food.
47
109000
2000
제거하는 것입니다.
02:06
So once you don't need to move,
48
111000
2000
움직일 필요가 없게 되면,
02:08
you don't need the luxury of that brain.
49
113000
3000
뇌라는 사치를 부릴 필요가 없다는 거죠.
02:11
And this animal is often taken
50
116000
2000
이 생물은 종종
02:13
as an analogy to what happens at universities
51
118000
2000
대학교에서 교수님들이 정년을 보장받았을 때
02:15
when professors get tenure,
52
120000
2000
보이는 모습을 비유하는 데 쓰이죠.
02:17
but that's a different subject.
53
122000
2000
대상이 다르긴 하지만요.
02:19
(Applause)
54
124000
2000
(박수)
02:21
So I am a movement chauvinist.
55
126000
3000
저는 운동성에 대한 광신주의자입니다.
02:24
I believe movement is the most important function of the brain --
56
129000
2000
저는 뇌의 가장 중요한 기능은 움직임을 유도하는 것이라고 믿으며,
02:26
don't let anyone tell you that it's not true.
57
131000
2000
다른 사람들의 이의제기에 수긍하지 않습니다.
02:28
Now if movement is so important,
58
133000
2000
운동성이 그렇게 중요하다면,
02:30
how well are we doing
59
135000
2000
뇌가 어떻게 운동을 조절하는지
02:32
understanding how the brain controls movement?
60
137000
2000
우리가 얼마나 잘 이해하고 있을까요?
02:34
And the answer is we're doing extremely poorly; it's a very hard problem.
61
139000
2000
대답은 '거의 이해하지 못하고 있다.'입니다. 매우 어려운 문제죠.
02:36
But we can look at how well we're doing
62
141000
2000
하지만 우리는 우리가 사람처럼 움직이는
02:38
by thinking about how well we're doing building machines
63
143000
2000
기계를 만들기 위해 무엇을 해야 하는지 생각하는 과정을 통해
02:40
which can do what humans can do.
64
145000
2000
위 질문에 접근해볼 수 있습니다.
02:42
Think about the game of chess.
65
147000
2000
체스 게임에 대해 생각해보죠.
02:44
How well are we doing determining what piece to move where?
66
149000
3000
어떤 말을 어디로 움직여야 할 지 어떻게 결정하는 걸까요?
02:47
If you pit Garry Kasparov here, when he's not in jail,
67
152000
3000
게리 카스파로프*가, 감옥에 있지 않다면(*체스 세계 챔피언으로, 정치적 사안과 관련되어 감옥에 갇혔었음)
02:50
against IBM's Deep Blue,
68
155000
2000
IBM의 Deep blue와 겨루게 한다고 해봅시다.
02:52
well the answer is IBM's Deep Blue will occasionally win.
69
157000
3000
IBM의 Deep Blue가 때때로 이길 겁니다.
02:55
And I think if IBM's Deep Blue played anyone in this room, it would win every time.
70
160000
3000
만일 IBM의 Deep Blue가 이 방의 누군가와 겨룬다면, 매번 컴퓨터가 이길 겁니다.
02:58
That problem is solved.
71
163000
2000
문제가 해결됐군요.
03:00
What about the problem
72
165000
2000
체스 조각을
03:02
of picking up a chess piece,
73
167000
2000
들어올리는 데 있어서의 문제는
03:04
dexterously manipulating it and putting it back down on the board?
74
169000
3000
정교하게 그것을 들어올려 판 위에 다시 내려놓는 것일까요?
03:07
If you put a five year-old child's dexterity against the best robots of today,
75
172000
3000
만일 5살짜리 꼬마의 손재주를 오늘 날 가장 뛰어난 로봇과 겨루게 한다면,
03:10
the answer is simple:
76
175000
2000
그 결과는 간단합니다:
03:12
the child wins easily.
77
177000
2000
어린이가 아주 쉽게 이길 수 있죠.
03:14
There's no competition at all.
78
179000
2000
경쟁이라고 할 수도 없을 겁니다.
03:16
Now why is that top problem so easy
79
181000
2000
어째서 가장 위의 문제는 그토록 쉽고
03:18
and the bottom problem so hard?
80
183000
2000
두번째 문제는 그렇게 어려울까요?
03:20
One reason is a very smart five year-old
81
185000
2000
한 이유는 똑똑한 5살 꼬마가 얘기해 줄 수 있습니다.
03:22
could tell you the algorithm for that top problem --
82
187000
2000
가장 위의 문제를 해결하기 위한 알고리듬--
03:24
look at all possible moves to the end of the game
83
189000
2000
게임의 마지막에서 가능한 모든 움직임 중
03:26
and choose the one that makes you win.
84
191000
2000
하나를 선택해 수행할 뿐인 알고리듬은
03:28
So it's a very simple algorithm.
85
193000
2000
매우 매우 간단합니다.
03:30
Now of course there are other moves,
86
195000
2000
물론, 유능한 컴퓨터들은
03:32
but with vast computers we approximate
87
197000
2000
우리가 내는 최적의 해결책에 가까운
03:34
and come close to the optimal solution.
88
199000
2000
다른 움직임들도 계산할 수 있습니다.
03:36
When it comes to being dexterous,
89
201000
2000
손재주가 있는 수준을 만들기 위해서는,
03:38
it's not even clear what the algorithm is you have to solve to be dexterous.
90
203000
2000
당신이 어떤 알고리듬을 써야 하는지가 명확하지 않습니다.
03:40
And we'll see you have to both perceive and act on the world,
91
205000
2000
당신은 세상을 인지하는 동시에 행동해야 하는데,
03:42
which has a lot of problems.
92
207000
2000
여기에서 많은 문제가 발생합니다.
03:44
But let me show you cutting-edge robotics.
93
209000
2000
최첨단 로봇학을 보여드리죠.
03:46
Now a lot of robotics is very impressive,
94
211000
2000
현재의 수많은 로봇학이 매우 인상깊은데,
03:48
but manipulation robotics is really just in the dark ages.
95
213000
3000
정교한 조작을 위한 로봇학은 발전하지 못해왔습니다.
03:51
So this is the end of a Ph.D. project
96
216000
2000
여기 최고의 로봇공학원 중 한 곳에서
03:53
from one of the best robotics institutes.
97
218000
2000
진행된 Ph.D 프로젝트의 결과물을 보시죠.
03:55
And the student has trained this robot
98
220000
2000
로봇이 물을 컵에 붓도록
03:57
to pour this water into a glass.
99
222000
2000
훈련시켰습니다.
03:59
It's a hard problem because the water sloshes about, but it can do it.
100
224000
3000
이 행동은 물이 주변에 튀기 때문에 매우 어려운 일인데, 로봇이 해냈습니다.
04:02
But it doesn't do it with anything like the agility of a human.
101
227000
3000
하지만 인간의 민첩함을 보이며 해내지는 못했죠.
04:05
Now if you want this robot to do a different task,
102
230000
3000
이제, 로봇이 다른 작업을 하기를 바라면,
04:08
that's another three-year Ph.D. program.
103
233000
3000
또 다른 3년짜리 Ph.D. 프로그램이 됩니다.
04:11
There is no generalization at all
104
236000
2000
로봇학에서 한 작업을 다른 작업으로
04:13
from one task to another in robotics.
105
238000
2000
대치시킬 때 일반화를 사용할 수 없는 거죠.
04:15
Now we can compare this
106
240000
2000
이제 이것을 최첨단의
04:17
to cutting-edge human performance.
107
242000
2000
인간 행동과 비교해봅시다.
04:19
So what I'm going to show you is Emily Fox
108
244000
2000
이제 컵쌓기 대회에서 세계 기록을 기록한
04:21
winning the world record for cup stacking.
109
246000
3000
Emily Fox의 영상을 보여드릴 겁니다.
04:24
Now the Americans in the audience will know all about cup stacking.
110
249000
2000
여기 미국인 청중분들은 컵쌓기에 대해 잘 알고 계실 겁니다.
04:26
It's a high school sport
111
251000
2000
고등학교의 운동 종목이고
04:28
where you have 12 cups you have to stack and unstack
112
253000
2000
쌓고 빼기를 반복할 12개의 컵들로 시작합니다.
04:30
against the clock in a prescribed order.
113
255000
2000
규정된 순서에 따라 시간을 측정하면서요.
04:32
And this is her getting the world record in real time.
114
257000
3000
그녀가 세계 기록을 경신하는 순간을 보시죠.
04:39
(Laughter)
115
264000
8000
(웃음)
04:47
(Applause)
116
272000
5000
(박수)
04:52
And she's pretty happy.
117
277000
2000
매우 기뻐하는군요.
04:54
We have no idea what is going on inside her brain when she does that,
118
279000
2000
저 경기 중에 그녀의 뇌에서 무슨 일이 일어나고 있는지 저희는 잘 모릅니다.
04:56
and that's what we'd like to know.
119
281000
2000
저희가 알고자 하는 바로 그것이고요.
04:58
So in my group, what we try to do
120
283000
2000
저희 그룹에서는 그래서, 인간이
05:00
is reverse engineer how humans control movement.
121
285000
3000
어떻게 움직임을 조종하는지를 역으로 연구하고자 합니다.
05:03
And it sounds like an easy problem.
122
288000
2000
굉장히 쉬운 문제로 들리실 겁니다.
05:05
You send a command down, it causes muscles to contract.
123
290000
2000
당신이 명령을 전달하면 근육이 수축하고
05:07
Your arm or body moves,
124
292000
2000
팔과 몸이 움직이면서
05:09
and you get sensory feedback from vision, from skin, from muscles and so on.
125
294000
3000
시각, 피부, 근육과 기타 등등의 감각으로부터 피드백을 받습니다.
05:12
The trouble is
126
297000
2000
문제는,
05:14
these signals are not the beautiful signals you want them to be.
127
299000
2000
이러한 신호들이 당신이 원하는 것처럼 아름답지는 못하다는 겁니다.
05:16
So one thing that makes controlling movement difficult
128
301000
2000
움직임 조절을 어렵게 하는 이유 중 하나는,
05:18
is, for example, sensory feedback is extremely noisy.
129
303000
3000
감각적 피드백에 잡음이 심하다는 점입니다.
05:21
Now by noise, I do not mean sound.
130
306000
3000
잡음이 소리를 의미하는 것은 아닙니다.
05:24
We use it in the engineering and neuroscience sense
131
309000
2000
엔지니어링과 신경학적 감지에 있어서 잡음이란
05:26
meaning a random noise corrupting a signal.
132
311000
2000
신호 감지를 어렵게 하는 임의의 방해물들을 의미합니다.
05:28
So the old days before digital radio when you were tuning in your radio
133
313000
3000
디지털 라디오가 보급되지 않았을 때, 라디오 주파수를 돌려
05:31
and you heard "crrcckkk" on the station you wanted to hear,
134
316000
2000
원하는 채널에 맞췄는데 "치지지직" 소리가 난 적이 있을 겁니다.
05:33
that was the noise.
135
318000
2000
그것이 잡음입니다.
05:35
But more generally, this noise is something that corrupts the signal.
136
320000
3000
일반적으로, 잡음은 신호 감지를 방해합니다.
05:38
So for example, if you put your hand under a table
137
323000
2000
예를 들어보죠. 당신이 테이블 아래 손을 두고 있고,
05:40
and try to localize it with your other hand,
138
325000
2000
다른 손을 그 손 위에 위치시키려고 하면
05:42
you can be off by several centimeters
139
327000
2000
당신은 감각 피드백 상의 잡음으로 인해
05:44
due to the noise in sensory feedback.
140
329000
2000
몇 센티미터의 간격을 두게 될 겁니다.
05:46
Similarly, when you put motor output on movement output,
141
331000
2000
비슷하게, 당신이 움직임을 위해 근육에 명령을 내릴 때도
05:48
it's extremely noisy.
142
333000
2000
잡음이 아주 심합니다.
05:50
Forget about trying to hit the bull's eye in darts,
143
335000
2000
다트에서 정중앙을 맞추려는 건 차치하고,
05:52
just aim for the same spot over and over again.
144
337000
2000
같은 위치를 반복해서 겨냥한다고 해 봅시다.
05:54
You have a huge spread due to movement variability.
145
339000
3000
움직임의 가변성이 아주 넓다는 걸 알게 될겁니다.
05:57
And more than that, the outside world, or task,
146
342000
2000
나아가, 바깥 세상이나 작업에 있어서
05:59
is both ambiguous and variable.
147
344000
2000
모호성과 변이성이 항상 존재합니다.
06:01
The teapot could be full, it could be empty.
148
346000
2000
주전자는 가득 차 있을 수도, 비어 있을 수도 있죠.
06:03
It changes over time.
149
348000
2000
시간에 따라 달라집니다.
06:05
So we work in a whole sensory movement task soup of noise.
150
350000
4000
우리는 감각과 움직임 모두를 잡음 속에서 수행해야 합니다.
06:09
Now this noise is so great
151
354000
2000
잡음은 아주 거대해서
06:11
that society places a huge premium
152
356000
2000
우리 사회는 잡음의 영향을
06:13
on those of us who can reduce the consequences of noise.
153
358000
3000
줄인 사람들에게 큰 이익을 부여합니다.
06:16
So if you're lucky enough to be able to knock a small white ball
154
361000
3000
당신이 긴 금속 막대기를 이용해 작고 하얀 공을
06:19
into a hole several hundred yards away using a long metal stick,
155
364000
3000
몇 백 야드 떨어져 있는 구멍 안에 넣는다면
06:22
our society will be willing to reward you
156
367000
2000
사회가 당신에게 수억 달러의
06:24
with hundreds of millions of dollars.
157
369000
3000
상금으로 보상해줄 겁니다.
06:27
Now what I want to convince you of
158
372000
2000
이제 저는, 우리의 뇌가 이러한 잡음과
06:29
is the brain also goes through a lot of effort
159
374000
2000
가변성에 의한 부정적 결과들을 줄이기 위해
06:31
to reduce the negative consequences
160
376000
2000
엄청나 노력을 한다는 점을
06:33
of this sort of noise and variability.
161
378000
2000
여러분에게 확신시켜 드리려고 합니다.
06:35
And to do that, I'm going to tell you about a framework
162
380000
2000
이를 위해서 통계와 기계 부문에서 아주 유명한,
06:37
which is very popular in statistics and machine learning of the last 50 years
163
382000
3000
지난 50년에 걸쳐 베이시안 결정 이론이라고 불려온 이론적 틀에 대해
06:40
called Bayesian decision theory.
164
385000
2000
말씀드리고자 합니다.
06:42
And it's more recently a unifying way
165
387000
3000
두뇌가 불확실성을 어떻게 다루는지를
06:45
to think about how the brain deals with uncertainty.
166
390000
3000
이해하는, 보다 최근의 합일화된 방식입니다.
06:48
And the fundamental idea is you want to make inferences and then take actions.
167
393000
3000
기본적인 생각은 당신이 추론을 만들길 바랄 때 행동을 취한다는 겁니다.
06:51
So let's think about the inference.
168
396000
2000
추론에 대해 생각해보죠.
06:53
You want to generate beliefs about the world.
169
398000
2000
세계에 대한 믿음들을 만들려고 합니다.
06:55
So what are beliefs?
170
400000
2000
믿음들이란 뭘까요?
06:57
Beliefs could be: where are my arms in space?
171
402000
2000
이런 겁니다. '내 팔이 어디에 있지?'
06:59
Am I looking at a cat or a fox?
172
404000
2000
'내가 보고 있는 게 고양이야, 여우야?'
07:01
But we're going to represent beliefs with probabilities.
173
406000
3000
믿음들을 우선 가능성으로 다루죠.
07:04
So we're going to represent a belief
174
409000
2000
이제 이 믿음을
07:06
with a number between zero and one --
175
411000
2000
0과 1사이의 숫자들로 표현해봅시다.
07:08
zero meaning I don't believe it at all, one means I'm absolutely certain.
176
413000
3000
0은 전혀 믿지 않는다, 1은 확실하게 믿는다는 것을 의미합니다.
07:11
And numbers in between give you the gray levels of uncertainty.
177
416000
3000
이 사이의 숫자들은 당신의 확신성에 대한 *그레이레벨입니다. (*색깔 대신 흑백의 명암을 지정하여 화상을 형성하는 것)
07:14
And the key idea to Bayesian inference
178
419000
2000
베이시안 추론의 핵심 아이디어는
07:16
is you have two sources of information
179
421000
2000
당신이 추론을 만들 수 있는 것으로부터 얻을
07:18
from which to make your inference.
180
423000
2000
정보의 근원을 두 가지 갖는다는 것입니다.
07:20
You have data,
181
425000
2000
자료와,
07:22
and data in neuroscience is sensory input.
182
427000
2000
감각을 통해 유입되는 신경 속의 자료입니다.
07:24
So I have sensory input, which I can take in to make beliefs.
183
429000
3000
감각적 유입에서 저는 믿음들을 만들어낼 수 있죠.
07:27
But there's another source of information, and that's effectively prior knowledge.
184
432000
3000
하지만 효과적인 사전 지식이라는 정보의 다른 근원도 존재합니다.
07:30
You accumulate knowledge throughout your life in memories.
185
435000
3000
여러분은 삶 속에서 기억을 통해 지식을 축적합니다.
07:33
And the point about Bayesian decision theory
186
438000
2000
베이시안 결정 이론에 대한 요점은
07:35
is it gives you the mathematics
187
440000
2000
새로운 믿음을 만들기 위해
07:37
of the optimal way to combine
188
442000
2000
당신이 감각적 정보와
07:39
your prior knowledge with your sensory evidence
189
444000
2000
기존 지식을 병합하는 최적의 방법을 찾는 데
07:41
to generate new beliefs.
190
446000
2000
수학을 이용한다는 겁니다.
07:43
And I've put the formula up there.
191
448000
2000
여기 공식을 보여드리죠.
07:45
I'm not going to explain what that formula is, but it's very beautiful.
192
450000
2000
공식에 대해 설명하지는 않겠지만, 정말 아름다운 공식입니다.
07:47
And it has real beauty and real explanatory power.
193
452000
3000
정말 아름답고, 실제로 현상을 설명하는 힘을 가집니다.
07:50
And what it really says, and what you want to estimate,
194
455000
2000
이것이 이야기하는 바는, 당신이 평가하고자 하는 것은,
07:52
is the probability of different beliefs
195
457000
2000
당신의 감각적 유입으로부터 주어진
07:54
given your sensory input.
196
459000
2000
다양한 믿음들의 가능성입니다.
07:56
So let me give you an intuitive example.
197
461000
2000
직관적 예를 하나 들어보죠.
07:58
Imagine you're learning to play tennis
198
463000
3000
당신이 테니스를 배우고 있는데
08:01
and you want to decide where the ball is going to bounce
199
466000
2000
네트 너머에서 당신을 향해 날라오는 공이 바닥을 튀기고
08:03
as it comes over the net towards you.
200
468000
2000
어디로 날아올 지 판단하고 싶습니다.
08:05
There are two sources of information
201
470000
2000
베이시안 룰이 당신에게 말했듯,
08:07
Bayes' rule tells you.
202
472000
2000
두 가지 정보가 있죠.
08:09
There's sensory evidence -- you can use visual information auditory information,
203
474000
3000
감각적 정보를 보면 - 당신은 시청각적 정보를 이용해
08:12
and that might tell you it's going to land in that red spot.
204
477000
3000
레드스팟을 유추할 겁니다.
08:15
But you know that your senses are not perfect,
205
480000
3000
하지만 당신은 당신의 감각이 완벽하지 않다는 걸 알고 있고,
08:18
and therefore there's some variability of where it's going to land
206
483000
2000
공이 바닥에 닿는 지점들이 다양할 수 있다는 것을 인지하고,
08:20
shown by that cloud of red,
207
485000
2000
0.5에서 0.1 정도의 숫자로 표현되는
08:22
representing numbers between 0.5 and maybe 0.1.
208
487000
3000
붉은 점들의 구름을 보게 될 겁니다.
08:26
That information is available in the current shot,
209
491000
2000
이 정보는 현재의 슛에서 가능한 것들이고,
08:28
but there's another source of information
210
493000
2000
현재의 슛을 통해서는 얻을 수 있는
08:30
not available on the current shot,
211
495000
2000
정보를 얻을 다른 자료가 있지만,
08:32
but only available by repeated experience in the game of tennis,
212
497000
3000
테니스 게임을 반복해 경험함으로써만 얻을 수 있죠.
08:35
and that's that the ball doesn't bounce
213
500000
2000
경기가 진행되는 동안 코트 전역에서
08:37
with equal probability over the court during the match.
214
502000
2000
똑같은 가능성으로 공이 튀기지는 않는단 정보입니다.
08:39
If you're playing against a very good opponent,
215
504000
2000
당신이 매우 좋은 상대 선수와 경기를 한다면
08:41
they may distribute it in that green area,
216
506000
2000
공은 이전에 그래왔듯이
08:43
which is the prior distribution,
217
508000
2000
당신을 되돌아가기 어렵게 만드는
08:45
making it hard for you to return.
218
510000
2000
녹색 영역에 튀길 겁니다.
08:47
Now both these sources of information carry important information.
219
512000
2000
이 두 종류의 정보처는 모두 중요한 정보를 줍니다.
08:49
And what Bayes' rule says
220
514000
2000
베이시안 룰이 이야기하는 바는
08:51
is that I should multiply the numbers on the red by the numbers on the green
221
516000
3000
붉은 영역에 해당하는 숫자와 녹색 영역에 해당하는 숫자를 곱해
08:54
to get the numbers of the yellow, which have the ellipses,
222
519000
3000
타원 모양의, 노란 영역의 숫자를 얻는단 것입니다.
08:57
and that's my belief.
223
522000
2000
제가 믿는 바죠.
08:59
So it's the optimal way of combining information.
224
524000
3000
정보를 종합하는 최적의 방법입니다.
09:02
Now I wouldn't tell you all this if it wasn't that a few years ago,
225
527000
2000
몇 년 전이었다면 이 모든 얘기들을 하지는 않았을 겁니다.
09:04
we showed this is exactly what people do
226
529000
2000
우리가 사람들이 새로운 운동 기술을 배울 때
09:06
when they learn new movement skills.
227
531000
2000
정확히 이러한 일들을 한다는 걸 증명했죠.
09:08
And what it means
228
533000
2000
이것은 우리가 정말로
09:10
is we really are Bayesian inference machines.
229
535000
2000
베이시안 추론 기계들이라는 것을 의미합니다.
09:12
As we go around, we learn about statistics of the world and lay that down,
230
537000
4000
주변을 거닐 때, 우리는 세계의 통계들을 배우고, 그것들을 따르지만,
09:16
but we also learn
231
541000
2000
동시에 감각 기관의
09:18
about how noisy our own sensory apparatus is,
232
543000
2000
잡음들이 얼마나 많은지를 배우고,
09:20
and then combine those
233
545000
2000
이를 바탕으로 베이시안 방법으로
09:22
in a real Bayesian way.
234
547000
2000
정보들을 통합합니다.
09:24
Now a key part to the Bayesian is this part of the formula.
235
549000
3000
베이시안 공식의 가장 중요한 부분은 이 부분입니다.
09:27
And what this part really says
236
552000
2000
이 부분은 내 믿음들로부터 얻어지는
09:29
is I have to predict the probability
237
554000
2000
다양한 감각적 피드백들의
09:31
of different sensory feedbacks
238
556000
2000
가능성을 예측해야만 함을
09:33
given my beliefs.
239
558000
2000
의미합니다.
09:35
So that really means I have to make predictions of the future.
240
560000
3000
이것은 제가 미래를 예측해야 함을 의미하죠.
09:38
And I want to convince you the brain does make predictions
241
563000
2000
이제 두뇌가 감각적 피드백을 통해 예측을 만든다는 것을
09:40
of the sensory feedback it's going to get.
242
565000
2000
여러분에게 확신시켜 드리겠습니다.
09:42
And moreover, it profoundly changes your perceptions
243
567000
2000
심지어 뇌는 당신이 무엇을 하느냐에 따라 당신의 인식을
09:44
by what you do.
244
569000
2000
크게 바꾸기도 합니다.
09:46
And to do that, I'll tell you
245
571000
2000
이 이야기에 앞서, 뇌가 감각을
09:48
about how the brain deals with sensory input.
246
573000
2000
어떻게 다루는지에 대해 먼저 말씀드리겠습니다.
09:50
So you send a command out,
247
575000
3000
당신이 명령을 내보내면,
09:53
you get sensory feedback back,
248
578000
2000
감각적 피드백이 돌아오고,
09:55
and that transformation is governed
249
580000
2000
이 변형이 당신 몸과 당신 감각 기관들의
09:57
by the physics of your body and your sensory apparatus.
250
582000
3000
물리적 관계에 의해 지배됩니다.
10:00
But you can imagine looking inside the brain.
251
585000
2000
뇌 안을 바라본다고 상상해봅시다.
10:02
And here's inside the brain.
252
587000
2000
이 곳이 뇌의 안쪽입니다.
10:04
You might have a little predictor, a neural simulator,
253
589000
2000
당신의 몸과 감각들의 물리적 관계에 대해 예측자 역할을 하는
10:06
of the physics of your body and your senses.
254
591000
2000
작은 신경 시뮬레이터가 있습니다.
10:08
So as you send a movement command down,
255
593000
2000
당신이 움직임을 위한 명령을 내리면
10:10
you tap a copy of that off
256
595000
2000
동시에 그 명령의 복사본이
10:12
and run it into your neural simulator
257
597000
2000
신경 시뮬레이터로 전달됩니다.
10:14
to anticipate the sensory consequences of your actions.
258
599000
4000
행동의 감각적 결과를 예측하기 위해서죠.
10:18
So as I shake this ketchup bottle,
259
603000
2000
제가 케첩 병을 흔들면,
10:20
I get some true sensory feedback as the function of time in the bottom row.
260
605000
3000
시간에 따라 바닥에서부터 실제의 감각적 피드백을 얻게 되죠.
10:23
And if I've got a good predictor, it predicts the same thing.
261
608000
3000
제가 좋은 예측자를 가지고 있다면, 같은 피드백이 예측됩니다.
10:26
Well why would I bother doing that?
262
611000
2000
어째서 제가 그걸 방해하겠어요?
10:28
I'm going to get the same feedback anyway.
263
613000
2000
저도 예측과 감각적 피드백을 동일하게 얻으려 하죠.
10:30
Well there's good reasons.
264
615000
2000
여기엔 좋은 이유들이 있죠.
10:32
Imagine, as I shake the ketchup bottle,
265
617000
2000
제가 케첩 병을 흔들고 있는데
10:34
someone very kindly comes up to me and taps it on the back for me.
266
619000
3000
어떤 사람이 제 등 뒤로 다가와 저를 친다고 상상해봅시다.
10:37
Now I get an extra source of sensory information
267
622000
2000
저는 이제 외부 행동에서 기인한 감각적 정보의
10:39
due to that external act.
268
624000
2000
외부 정보처를 갖게 됩니다.
10:41
So I get two sources.
269
626000
2000
이제 두 가지 정보처가 생겼죠.
10:43
I get you tapping on it, and I get me shaking it,
270
628000
3000
제가 절 두드린 사람을 보고, 악수를 하지만
10:46
but from my senses' point of view,
271
631000
2000
제 감각의 관점에서 보자면,
10:48
that is combined together into one source of information.
272
633000
3000
정보가 한 근원으로 병합됐다고 볼 수 있습니다.
10:51
Now there's good reason to believe
273
636000
2000
당신이 외부에서 발생한 사건을
10:53
that you would want to be able to distinguish external events from internal events.
274
638000
3000
내부에서 발생한 사건과 구별하고자 한다는 증거들이 있습니다.
10:56
Because external events are actually much more behaviorally relevant
275
641000
3000
외부 사건은 내 몸 안에서 모든 것이 일어났다고 믿는 것보다
10:59
than feeling everything that's going on inside my body.
276
644000
3000
훨씬 행동적으로 적절하기 때문입니다.
11:02
So one way to reconstruct that
277
647000
2000
적절한 재구성을 위한 한 방법은
11:04
is to compare the prediction --
278
649000
2000
당신이 실제로 발생한 감각과
11:06
which is only based on your movement commands --
279
651000
2000
움직임 명령으로부터만 유래한 예측을
11:08
with the reality.
280
653000
2000
비교하는 겁니다.
11:10
Any discrepancy should hopefully be external.
281
655000
3000
불일치들은 거의 모두 외부로부터 발생합니다.
11:13
So as I go around the world,
282
658000
2000
제가 전 세계를 돌아다니며,
11:15
I'm making predictions of what I should get, subtracting them off.
283
660000
3000
제가 얻어야만 하는 것들을 제외한 예측을 만들어 보았습니다.
11:18
Everything left over is external to me.
284
663000
2000
제 외적인 것들만 남았죠.
11:20
What evidence is there for this?
285
665000
2000
이에 대한 증거가 무엇일까요?
11:22
Well there's one very clear example
286
667000
2000
여기 한 가지 매우 명백한 예가 있습니다.
11:24
where a sensation generated by myself feels very different
287
669000
2000
제 자신으로부터 유래된 감각은 다른 사람으로부터 유래된 감각과
11:26
then if generated by another person.
288
671000
2000
매우 다르게 느껴집니다.
11:28
And so we decided the most obvious place to start
289
673000
2000
우리는 이 명백한 것으로 연구를 시작하기로 했죠.
11:30
was with tickling.
290
675000
2000
간지럼입니다.
11:32
It's been known for a long time, you can't tickle yourself
291
677000
2000
다른 사람들이 나를 간지럽히는 것만큼 스스로를 간지럽힐 수 없다는 것은
11:34
as well as other people can.
292
679000
2000
오래 전부터 알려져 있었습니다.
11:36
But it hasn't really been shown, it's because you have a neural simulator,
293
681000
3000
하지만 그것이 당신 몸을 시뮬레이션 하고 관련 감각들을 제거하는
11:39
simulating your own body
294
684000
2000
당신의 신경 시뮬레이터 때문이라는 점은,
11:41
and subtracting off that sense.
295
686000
2000
증명된 적이 없었죠.
11:43
So we can bring the experiments of the 21st century
296
688000
3000
우리는 이 문제를, 로봇 공학을 적용함으로써
11:46
by applying robotic technologies to this problem.
297
691000
3000
21세기의 실험으로 가져왔습니다.
11:49
And in effect, what we have is some sort of stick in one hand attached to a robot,
298
694000
3000
사실상, 우리가 가지고 있는 것은 로봇에 부착된 한 손이 쥐고 있는 막대기로,
11:52
and they're going to move that back and forward.
299
697000
2000
앞 뒤로 움직일 수 있는 것이었습니다.
11:54
And then we're going to track that with a computer
300
699000
2000
우리는 컴퓨터로 이 움직임을 추적하고
11:56
and use it to control another robot,
301
701000
2000
다른 로봇을 조절하는 데 이용해,
11:58
which is going to tickle their palm with another stick.
302
703000
2000
다른 막대로 그들의 손바닥을 간지럽히게 했죠.
12:00
And then we're going to ask them to rate a bunch of things
303
705000
2000
그리고 그들에게 간지러움을 포함한 감각들에 대해
12:02
including ticklishness.
304
707000
2000
점수를 매기게 했습니다.
12:04
I'll show you just one part of our study.
305
709000
2000
연구 중 한 부분을 보여드리죠.
12:06
And here I've taken away the robots,
306
711000
2000
여기서 저는 로봇을 떼어냈지만
12:08
but basically people move with their right arm sinusoidally back and forward.
307
713000
3000
기본적으로 사람들은 그들의 오른팔을 앞 뒤로 사인 운동을 계속했습니다.
12:11
And we replay that to the other hand with a time delay.
308
716000
3000
그리고 이것을 시간적 격차를 두고 다른 손으로 반복했죠.
12:14
Either no time delay,
309
719000
2000
시간 격차가 없거나
12:16
in which case light would just tickle your palm,
310
721000
2000
아주 작을 때 당신은 간지러움을 느끼지만,
12:18
or with a time delay of two-tenths of three-tenths of a second.
311
723000
4000
2/10초나 3/10초의 시간 격차에서는 그렇지 않습니다.
12:22
So the important point here
312
727000
2000
중요한 점은 이것입니다.
12:24
is the right hand always does the same things -- sinusoidal movement.
313
729000
3000
오른쪽 손은 항상 같은 일 - 사인 운동을 계속했죠.
12:27
The left hand always is the same and puts sinusoidal tickle.
314
732000
3000
왼쪽 손은 항상 같은 일, 사인 운동으로 간지럽히는 것을 계속했습니다.
12:30
All we're playing with is a tempo causality.
315
735000
2000
우리가 조절한 것은 속도 일치성이었죠.
12:32
And as we go from naught to 0.1 second,
316
737000
2000
우리가 지연을 0초에서 0.1초로 늘림에 따라,
12:34
it becomes more ticklish.
317
739000
2000
사람들은 더 간지럽다고 느꼈습니다.
12:36
As you go from 0.1 to 0.2,
318
741000
2000
당신이 0.1초에서 0.2초로 지연을 늘린다면
12:38
it becomes more ticklish at the end.
319
743000
2000
지연이 클 수록 더 간지러울 겁니다.
12:40
And by 0.2 of a second,
320
745000
2000
0.2초의 지연에서,
12:42
it's equivalently ticklish
321
747000
2000
당신의 행동과는 상관 없이
12:44
to the robot that just tickled you without you doing anything.
322
749000
2000
로봇이 간지럽히는 만큼 간지럽다고 느낄 겁니다.
12:46
So whatever is responsible for this cancellation
323
751000
2000
이러한 상쇄 효과를 일으키는 것은
12:48
is extremely tightly coupled with tempo causality.
324
753000
3000
시간 일치성과 깊은 관련이 있습니다.
12:51
And based on this illustration, we really convinced ourselves in the field
325
756000
3000
이러한 착각을 기반으로, 우리는 뇌가 정확한 예측을 만들고
12:54
that the brain's making precise predictions
326
759000
2000
이 예측을 실제의 감각들로부터 구별해낸다는 점을
12:56
and subtracting them off from the sensations.
327
761000
3000
우리 분야에서 공고히 할 수 있었습니다.
12:59
Now I have to admit, these are the worst studies my lab has ever run.
328
764000
3000
이제, 저희 랩에서 진행된 가장 안 좋은 연구에 대해 보여드리죠.
13:02
Because the tickle sensation on the palm comes and goes,
329
767000
2000
손바닥에 간지럽히는 느낌이 생겼다 없어졌다 했기 때문에,
13:04
you need large numbers of subjects
330
769000
2000
이 차이들을 보다 명백히 만들기 위한
13:06
with these stars making them significant.
331
771000
2000
실험 수를 충분히 늘려야 했습니다.
13:08
So we were looking for a much more objective way
332
773000
2000
이 현상에 접근하기 위해 보다 객관적인 방식을
13:10
to assess this phenomena.
333
775000
2000
찾기 위해 노력했죠.
13:12
And in the intervening years I had two daughters.
334
777000
2000
그 사이에, 저는 두 딸을 얻었습니다.
13:14
And one thing you notice about children in backseats of cars on long journeys,
335
779000
3000
여러분이 알아야 할 것이 있습니다. 긴 여행 도중 차의 뒷좌석에 있는 아이들은
13:17
they get into fights --
336
782000
2000
싸우게 된다는 점입니다.
13:19
which started with one of them doing something to the other, the other retaliating.
337
784000
3000
한 명이 다른 한 명에게 무언가를 하면 그 아이가 보복을 하면서 싸움이 시작됩니다.
13:22
It quickly escalates.
338
787000
2000
그리고 싸움이 확대되죠.
13:24
And children tend to get into fights which escalate in terms of force.
339
789000
3000
아이들은 힘이라는 요소가 점차 확대되는 싸움을 합니다.
13:27
Now when I screamed at my children to stop,
340
792000
2000
제가 아이들에게 멈추라고 소리를 지르면,
13:29
sometimes they would both say to me
341
794000
2000
가끔 그들은 둘이 동시에
13:31
the other person hit them harder.
342
796000
3000
상대방이 더 세게 때렸다고 말하곤 합니다.
13:34
Now I happen to know my children don't lie,
343
799000
2000
이제 저는 제 아이들이 거짓말을 하는 게 아니란 걸 알고,
13:36
so I thought, as a neuroscientist,
344
801000
2000
신경과학자로서 생각합니다.
13:38
it was important how I could explain
345
803000
2000
어째서 그들이 서로 일치하지 않는
13:40
how they were telling inconsistent truths.
346
805000
2000
진실을 말하는지 설명해내는 게 중요하다고요.
13:42
And we hypothesize based on the tickling study
347
807000
2000
간지럼 실험을 바탕으로 우리는 한 아이가
13:44
that when one child hits another,
348
809000
2000
다른 아이를 때릴 때 운동 명령을
13:46
they generate the movement command.
349
811000
2000
내린다고 가정했습니다.
13:48
They predict the sensory consequences and subtract it off.
350
813000
3000
그리고 감각적 결과가 이것을 상쇄한다고 예상했죠.
13:51
So they actually think they've hit the person less hard than they have --
351
816000
2000
따라서 그들은 그들이 상대방에 비해 더 약하게 때렸다고 생각하게 됩니다.
13:53
rather like the tickling.
352
818000
2000
간지럼 때처럼요.
13:55
Whereas the passive recipient
353
820000
2000
수동적인 수령인이 예측을
13:57
doesn't make the prediction, feels the full blow.
354
822000
2000
만들지 않는데 비해, 느낌은 충분히 거셉니다.
13:59
So if they retaliate with the same force,
355
824000
2000
따라서 그들이 서로를 같은 힘으로 앙갚음한다면,
14:01
the first person will think it's been escalated.
356
826000
2000
처음의 상대는 힘이 강해졌다고 생각할겁니다.
14:03
So we decided to test this in the lab.
357
828000
2000
이것을 실험실에서 실험해보기로 했죠.
14:05
(Laughter)
358
830000
3000
(웃음)
14:08
Now we don't work with children, we don't work with hitting,
359
833000
2000
이제 우리는 아이들, 때리는 것에서 벗어났지만
14:10
but the concept is identical.
360
835000
2000
개념은 동일합니다.
14:12
We bring in two adults. We tell them they're going to play a game.
361
837000
3000
두 명의 성인을 모시고, 게임을 할 거라고 얘기했죠.
14:15
And so here's player one and player two sitting opposite to each other.
362
840000
2000
플레이어 1은 여기 있고, 2는 반대쪽에 앉습니다.
14:17
And the game is very simple.
363
842000
2000
게임은 아주 간단합니다.
14:19
We started with a motor
364
844000
2000
작은 레버와 작은 힘 생성기가
14:21
with a little lever, a little force transfuser.
365
846000
2000
달린 모터를 준비했습니다.
14:23
And we use this motor to apply force down to player one's fingers
366
848000
2000
그리고 이 모터로 플레이어 1의 손가락에 힘을 가했죠.
14:25
for three seconds and then it stops.
367
850000
3000
3초간 힘을 가하고 멈췄습니다.
14:28
And that player's been told, remember the experience of that force
368
853000
3000
그리고 플레이어에게 그 힘의 정도를 기억하라고 얘기한 후
14:31
and use your other finger
369
856000
2000
다른 손가락을 이용해
14:33
to apply the same force
370
858000
2000
힘 생성기를 통해
14:35
down to the other subject's finger through a force transfuser -- and they do that.
371
860000
3000
상대방 플레이어의 손가락에 같은 힘을 가하도록 했습니다.
14:38
And player two's been told, remember the experience of that force.
372
863000
3000
플레이어 2에게도 그 힘의 세기를 기억하도록 요청했습니다.
14:41
Use your other hand to apply the force back down.
373
866000
3000
그리고 다른 손을 이용해 힘을 되돌려주도록 했죠.
14:44
And so they take it in turns
374
869000
2000
결국 서로 주고 받은 경험들을 바탕으로
14:46
to apply the force they've just experienced back and forward.
375
871000
2000
같은 정도의 강도를 돌려주도록 한 거죠.
14:48
But critically,
376
873000
2000
중요한 점은,
14:50
they're briefed about the rules of the game in separate rooms.
377
875000
3000
각 플레이어에게 분리된 방에서 따로 규칙을 설명했다는 점입니다.
14:53
So they don't know the rules the other person's playing by.
378
878000
2000
따라서 상대방이 어떤 규칙으로 플레이하는지 알 수 없었죠.
14:55
And what we've measured
379
880000
2000
우리는 용어 그대로의
14:57
is the force as a function of terms.
380
882000
2000
힘을 측정했습니다.
14:59
And if we look at what we start with,
381
884000
2000
어떻게 시작했는지 보면,
15:01
a quarter of a Newton there, a number of turns,
382
886000
2000
1/4 뉴턴의 힘으로 시작했고, 주고 받으면서
15:03
perfect would be that red line.
383
888000
2000
빨간 선으로 진행됐습니다.
15:05
And what we see in all pairs of subjects is this --
384
890000
3000
모든 참가자들 결과에서 우리가 발견한 것은
15:08
a 70 percent escalation in force
385
893000
2000
각 턴마다 70%의 힘 강화가
15:10
on each go.
386
895000
2000
일어났다는 점입니다.
15:12
So it really suggests, when you're doing this --
387
897000
2000
따라서, 이 실험 결과와 다른 근거들을 바탕으로
15:14
based on this study and others we've done --
388
899000
2000
우리가 판단내릴 수 있는 점은
15:16
that the brain is canceling the sensory consequences
389
901000
2000
뇌가 감각 결과를 상쇄시키기 때문에
15:18
and underestimating the force it's producing.
390
903000
2000
자신이 실제 생성되는 힘을 과소평가한다는 것입니다.
15:20
So it re-shows the brain makes predictions
391
905000
2000
이것은 다시, 뇌가 기본적으로 인지를 변화시킴으로써
15:22
and fundamentally changes the precepts.
392
907000
3000
예상을 만든다는 것을 의미합니다.
15:25
So we've made inferences, we've done predictions,
393
910000
3000
우리는 추론을 만들고, 예측을 수행하며,
15:28
now we have to generate actions.
394
913000
2000
행동을 발생시킵니다.
15:30
And what Bayes' rule says is, given my beliefs,
395
915000
2000
제가 믿는 바로는, Bayes' 규칙은
15:32
the action should in some sense be optimal.
396
917000
2000
행동은 감각적으로 최적화 되어 발생한다는 것입니다.
15:34
But we've got a problem.
397
919000
2000
여기서 문제가 생기죠.
15:36
Tasks are symbolic -- I want to drink, I want to dance --
398
921000
3000
작업은 상징적인 것으로 --마시고 싶고, 춤추고 싶은--
15:39
but the movement system has to contract 600 muscles
399
924000
2000
실제 운동 체계는 특정 결과에 있어서는,
15:41
in a particular sequence.
400
926000
2000
600여개의 근육을 수축시켜야 합니다.
15:43
And there's a big gap
401
928000
2000
여기서 작업과
15:45
between the task and the movement system.
402
930000
2000
운동체계 사이에 괴리가 발생합니다.
15:47
So it could be bridged in infinitely many different ways.
403
932000
2000
따라서 굉장히 많은 방법을 통한 연결들이 생성되죠.
15:49
So think about just a point to point movement.
404
934000
2000
움직임을 만드는 연결 부분 부분들을 생각해봅시다.
15:51
I could choose these two paths
405
936000
2000
저는 여기 이 무한한 경로들 중
15:53
out of an infinite number of paths.
406
938000
2000
이 두 경로를 선택할 수 있었습니다.
15:55
Having chosen a particular path,
407
940000
2000
특정한 한 경로를 선택한 경우에,
15:57
I can hold my hand on that path
408
942000
2000
무한히 많은 관절들을
15:59
as infinitely many different joint configurations.
409
944000
2000
제 손이 그 경로로 가도록 배치시키겠죠.
16:01
And I can hold my arm in a particular joint configuration
410
946000
2000
저는 제 팔의 특정 관절들을 조종해서
16:03
either very stiff or very relaxed.
411
948000
2000
긴장시키거나 이완시킬 수도 있습니다.
16:05
So I have a huge amount of choice to make.
412
950000
3000
제가 만들어낼 수 있는 선택이 정말 많은거죠.
16:08
Now it turns out, we are extremely stereotypical.
413
953000
3000
이제, 우리가 극단적으로 전형적이라는 점을 알 수 있습니다.
16:11
We all move the same way pretty much.
414
956000
3000
우리는 거의 똑같은 방식으로 움직입니다.
16:14
And so it turns out we're so stereotypical,
415
959000
2000
이것이 우리가 많이 전형적이라는 것을 의미하며,
16:16
our brains have got dedicated neural circuitry
416
961000
2000
우리의 뇌가 이러한 전형성을 내포하는
16:18
to decode this stereotyping.
417
963000
2000
신경망을 형성하는 데 쓰이죠.
16:20
So if I take some dots
418
965000
2000
그리고 그 덕에 제가 점 몇 개를
16:22
and set them in motion with biological motion,
419
967000
3000
특정 형태로 맞추고자 움직일 때,
16:25
your brain's circuitry would understand instantly what's going on.
420
970000
3000
여러분의 뇌에 있는 회로가 무슨 일이 일어날 지 즉각 이해합니다.
16:28
Now this is a bunch of dots moving.
421
973000
2000
여러 점들의 움직임 집합이죠.
16:30
You will know what this person is doing,
422
975000
3000
이 사람이 무슨 일을 하는지, 기쁜지 슬픈지,
16:33
whether happy, sad, old, young -- a huge amount of information.
423
978000
3000
나이 들었는지, 젊은지 등의 수많은 정보를 쉽게 알 수 있습니다.
16:36
If these dots were cars going on a racing circuit,
424
981000
2000
만일 이 점들이 경기장을 도는 자동차들이었다면,
16:38
you would have absolutely no idea what's going on.
425
983000
3000
당신은 무슨 일이 일어날 지 절대로 알 수 없을 겁니다.
16:41
So why is it
426
986000
2000
그렇다면 어째서
16:43
that we move the particular ways we do?
427
988000
2000
우리는 이런 특정한 방식으로 움직이는 걸까요?
16:45
Well let's think about what really happens.
428
990000
2000
실제로 어떤 일이 일어나는지 생각해봅시다.
16:47
Maybe we don't all quite move the same way.
429
992000
3000
우리가 정확히 같은 방식으로 움직이는 것은 아닐겁니다.
16:50
Maybe there's variation in the population.
430
995000
2000
사람들 간에 다양성이 존재하겠죠.
16:52
And maybe those who move better than others
431
997000
2000
다른 사람들보다 움직임을 더 잘 제어하는 사람이
16:54
have got more chance of getting their children into the next generation.
432
999000
2000
후에 후손을 얻을 확률이 높습니다.
16:56
So in evolutionary scales, movements get better.
433
1001000
3000
진화적으로, 움직임이 점점 나아집니다.
16:59
And perhaps in life, movements get better through learning.
434
1004000
3000
살아가면서 배움을 통해서도 움직임이 더 나아지고요.
17:02
So what is it about a movement which is good or bad?
435
1007000
2000
그렇다면 좋은 움직임과 나쁜 움직임이란 뭘까요?
17:04
Imagine I want to intercept this ball.
436
1009000
2000
제가 이 공을 가로채려고 한다고 상상해보세요.
17:06
Here are two possible paths to that ball.
437
1011000
3000
이 공은 두 가지 경로가 가능합니다.
17:09
Well if I choose the left-hand path,
438
1014000
2000
제가 왼쪽 손 경로를 선택한다면,
17:11
I can work out the forces required
439
1016000
2000
적시에 원하는 기능을 수행할 근육에
17:13
in one of my muscles as a function of time.
440
1018000
2000
힘을 가해 작동시켜야 합니다.
17:15
But there's noise added to this.
441
1020000
2000
하지만 여기에 교란이 일어나죠.
17:17
So what I actually get, based on this lovely, smooth, desired force,
442
1022000
3000
이 사랑스럽고 부드러운, 원하는 힘을 바탕으로 제가 실제로 얻는 것은
17:20
is a very noisy version.
443
1025000
2000
잡음이 매우 심한 정보입니다.
17:22
So if I pick the same command through many times,
444
1027000
3000
제가 여러 번에 걸쳐 같은 명령을 내릴 때,
17:25
I will get a different noisy version each time, because noise changes each time.
445
1030000
3000
잡음이 매번 달라질 것이기 때문에 저는 다양하게 잡음이 들어간 정보를 얻게 됩니다.
17:28
So what I can show you here
446
1033000
2000
여기서 제가 보여드리고자 하는 것은
17:30
is how the variability of the movement will evolve
447
1035000
2000
이 다양한 잡음들이 제가 이 경로를 선택했을 때
17:32
if I choose that way.
448
1037000
2000
어떻게 발달되어 가는가 하는 점입니다.
17:34
If I choose a different way of moving -- on the right for example --
449
1039000
3000
다른 방식으로 움직이길 선택한다면 -- 예를 들어 오른쪽으로 --
17:37
then I'll have a different command, different noise,
450
1042000
2000
저는 다른 명령을 내릴테고 잡음이 심하고 복잡한 체계에서
17:39
playing through a noisy system, very complicated.
451
1044000
3000
또 다시 다양한 잡음들을 바탕으로 움직이겠죠.
17:42
All we can be sure of is the variability will be different.
452
1047000
3000
이 잡음들의 양상이 다양할 것이라는 점은 자명합니다.
17:45
If I move in this particular way,
453
1050000
2000
제가 이런 특정한 경로로 움직이면,
17:47
I end up with a smaller variability across many movements.
454
1052000
3000
수많은 움직임들에 걸쳐 매우 적은 다양성을 보이며 행동을 끝내겠죠.
17:50
So if I have to choose between those two,
455
1055000
2000
만일 제가 둘 중 하나를 선택해야 했다면,
17:52
I would choose the right one because it's less variable.
456
1057000
2000
저는 다양성이 적은 오른쪽 경로를 선택했을 겁니다.
17:54
And the fundamental idea
457
1059000
2000
여기서, 당신이 잡음에 의한
17:56
is you want to plan your movements
458
1061000
2000
부정적인 결과들을 최소화하기 위해
17:58
so as to minimize the negative consequence of the noise.
459
1063000
3000
움직임을 계획한다는 것이 기본적인 생각입니다.
18:01
And one intuition to get
460
1066000
2000
그리고 이를 바탕으로
18:03
is actually the amount of noise or variability I show here
461
1068000
2000
움직이려는 힘이 강해질수록 잡음이나 그 다양성의 양이
18:05
gets bigger as the force gets bigger.
462
1070000
2000
점점 커진다는 점을 알 수 있습니다.
18:07
So you want to avoid big forces as one principle.
463
1072000
3000
거대한 힘을 피하고자 한다는 것을 원리로 볼 수 있죠.
18:10
So we've shown that using this,
464
1075000
2000
이 방대한 자료가
18:12
we can explain a huge amount of data --
465
1077000
2000
그 원리를 보여줍니다.
18:14
that exactly people are going about their lives planning movements
466
1079000
3000
사람들이 잡음에 의한 부정적인 결과를 최소화하기 위한 방향으로
18:17
so as to minimize negative consequences of noise.
467
1082000
3000
움직임을 계획함으로써 살아간다는 원리요.
18:20
So I hope I've convinced you the brain is there
468
1085000
2000
제가 당신의 뇌가 움직임을 조절하기 위해
18:22
and evolved to control movement.
469
1087000
2000
진화해왔다는 확신을 당신에게 주었길 바랍니다.
18:24
And it's an intellectual challenge to understand how we do that.
470
1089000
3000
우리거 어떻게 그 일을 하는지 이해하는 것은 지적인 도전입니다.
18:27
But it's also relevant
471
1092000
2000
병과 사회복귀에
18:29
for disease and rehabilitation.
472
1094000
2000
이를 적용해봅시다.
18:31
There are many diseases which effect movement.
473
1096000
3000
움직임에 영향을 주는 많은 병들이 있습니다.
18:34
And hopefully if we understand how we control movement,
474
1099000
2000
우리가 움직임을 어떻게 제어하는지 이해한다면,
18:36
we can apply that to robotic technology.
475
1101000
2000
로봇 공학에 이를 적용할 수 있을 겁니다.
18:38
And finally, I want to remind you,
476
1103000
2000
궁극적으로 저는 당신에게,
18:40
when you see animals do what look like very simple tasks,
477
1105000
2000
당신이 간단한 작업을 수행하는 동물을 바라볼 때
18:42
the actual complexity of what is going on inside their brain
478
1107000
2000
당신의 뇌에서 일어나는 일의 복잡성이 얼마나 극적인지를
18:44
is really quite dramatic.
479
1109000
2000
상기시켜드리고 싶습니다.
18:46
Thank you very much.
480
1111000
2000
감사합니다.
18:48
(Applause)
481
1113000
8000
(박수)
18:56
Chris Anderson: Quick question for you, Dan.
482
1121000
2000
크리스 앤더슨: 댄, 질문 하나 할게요.
18:58
So you're a movement -- (DW: Chauvinist.) -- chauvinist.
483
1123000
4000
움직임 신봉자로서 당신은
19:02
Does that mean that you think that the other things we think our brains are about --
484
1127000
3000
우리가 뇌에 대해 생각하는 다른 것들 - 꿈꾸는 것, 동경하는 것, 사랑에 빠지거나
19:05
the dreaming, the yearning, the falling in love and all these things --
485
1130000
3000
다른 다양한 것들을 하는 것이 그저 우연에 의해 만들어진
19:08
are a kind of side show, an accident?
486
1133000
3000
부가적 현상에 불과하다고 생각하는 건가요?
19:11
DW: No, no, actually I think they're all important
487
1136000
2000
댄: 아뇨, 아닙니다. 저는 그 모든 것이 결국에는
19:13
to drive the right movement behavior to get reproduction in the end.
488
1138000
3000
생식 활동에 이르는 올바른 움직임들을 이끌어내는 데 중요하다고 생각합니다.
19:16
So I think people who study sensation or memory
489
1141000
3000
왜 어린시절의 기억들을 회고하는지를 깨닫지 못한 채
19:19
without realizing why you're laying down memories of childhood.
490
1144000
2000
감각이나 기억을 연기하는 사람들에 있어서요.
19:21
The fact that we forget most of our childhood, for example,
491
1146000
3000
예를 들어 우리가 어린 시절의 대부분을 잊어버리는 것은
19:24
is probably fine, because it doesn't effect our movements later in life.
492
1149000
3000
우리 생애 후반의 움직임들에 그것이 거의 영향을 주지 못하기 때문일 겁니다.
19:27
You only need to store things which are really going to effect movement.
493
1152000
3000
움직임에 진정으로 영향을 주는 것들만을 기억해두면 된다는 거죠.
19:30
CA: So you think that people thinking about the brain, and consciousness generally,
494
1155000
3000
크리스: 그렇다면 뇌와 일반적인 무의식에 대해 생각하는 사람들이
19:33
could get real insight
495
1158000
2000
실제 움직임이 어디에서
19:35
by saying, where does movement play in this game?
496
1160000
2000
발생하는지를 봄으로써 통찰을 얻을 수 있다고 생각하시는 건가요?
19:37
DW: So people have found out for example
497
1162000
2000
댄: 예를 들어 당신이 왜 시각을 가지고 있는지에
19:39
that studying vision in the absence of realizing why you have vision
498
1164000
2000
대한 깨달음 없이 시각을 연구하는 것은
19:41
is a mistake.
499
1166000
2000
실수라는 거죠.
19:43
You have to study vision with the realization
500
1168000
2000
움직임을 위한 체계가 어떻게 시각을 이용하는지에
19:45
of how the movement system is going to use vision.
501
1170000
2000
대한 깨달음 위에서 시각을 연구해야 합니다.
19:47
And it uses it very differently once you think about it that way.
502
1172000
2000
그 방식에 대해 생각하고 나면 매우 다른 접근을 할 수 있을 겁니다.
19:49
CA: Well that was quite fascinating. Thank you very much indeed.
503
1174000
3000
크리스: 정말 흥미로운 강연이었습니다. 감사합니다.
19:52
(Applause)
504
1177000
2000
(박수)
ABOUT THE SPEAKER
Daniel Wolpert - Movement expertA 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.
Daniel Wolpert | Speaker | TED.com