TEDGlobal 2010
Gero Miesenboeck: Re-engineering the brain
Gero Miesenboeck herontwerpt een brein
Filmed:
Readability: 4.7
717,411 views
In de zoektocht om het brein in kaart te brengen, hebben veel wetenschappers de ongelooflijk uitdagende taak al aangegaan om de activiteit van elk neuron op te nemen. Gero Miesenboeck werkt omgekeerd -- hij manipuleert specifieke neuronen om uit te zoeken wat ze exact doen, door middel van een serie ongelooflijke experimenten die de manier waarop fruitvliegjes licht ontvangen veranderen.
Gero Miesenboeck - Optogeneticist
Using light and a little genetic engineering -- optogenetics -- Gero Miesenboeck has developed a way to control how living nerve cells work, and advanced understanding of how the brain controls behavior. Full bio
Using light and a little genetic engineering -- optogenetics -- Gero Miesenboeck has developed a way to control how living nerve cells work, and advanced understanding of how the brain controls behavior. Full bio
Double-click the English transcript below to play the video.
00:15
I have a doppelganger.
0
0
3000
Ik heb een dubbelganger.
00:18
(Laughter)
1
3000
3000
(Gelach)
00:21
Dr. Gero is a brilliant
2
6000
3000
Dr. Gero is een brilliante
00:24
but slightly mad scientist
3
9000
2000
maar licht gestoorde wetenschapper
00:26
in the "Dragonball Z: Android Saga."
4
11000
3000
in de Dragonball Z "Android Saga."
00:29
If you look very carefully,
5
14000
2000
Als je goed kijkt,
00:31
you see that his skull has been replaced
6
16000
3000
zie je dat zijn hersenpan vervangen werd
00:34
with a transparent Plexiglas dome
7
19000
2000
door een transparante plexiglazen koepel
00:36
so that the workings of his brain can be observed
8
21000
3000
zodat de werking van zijn brein geobserveerd kan worden
00:39
and also controlled with light.
9
24000
3000
en ook met licht bestuurd kan worden.
00:42
That's exactly what I do --
10
27000
2000
Dat is exact wat ik doe --
00:44
optical mind control.
11
29000
2000
optische controle van de geest.
00:46
(Laughter)
12
31000
2000
(Gelach)
00:48
But in contrast to my evil twin
13
33000
2000
Maar in tegenstelling tot mijn kwaadaardige tweelingbroer,
00:50
who lusts after world domination,
14
35000
3000
die uit is op wereldoverheersing,
00:53
my motives are not sinister.
15
38000
3000
zijn mijn motieven niet duister.
00:56
I control the brain
16
41000
2000
Ik controleer het brein
00:58
in order to understand how it works.
17
43000
2000
om te begrijpen hoe het werkt.
01:00
Now wait a minute, you may say,
18
45000
2000
Wacht even, zou je kunnen zeggen,
01:02
how can you go straight to controlling the brain
19
47000
3000
hoe kan je meteen het brein controleren
01:05
without understanding it first?
20
50000
2000
zonder het eerst te begrijpen?
01:07
Isn't that putting the cart before the horse?
21
52000
3000
Is dat niet het paard achter de wagen spannen?
01:11
Many neuroscientists agree with this view
22
56000
3000
Veel neurowetenschappers zijn het daarmee eens
01:14
and think that understanding will come
23
59000
3000
en denken dat het begrip zal komen
01:17
from more detailed observation and analysis.
24
62000
3000
uit meer gedetailleerde observatie en analyse.
01:20
They say, "If we could record the activity of our neurons,
25
65000
4000
Ze zeggen, "Als we de activiteit van onze neuronen konden opnemen,
01:24
we would understand the brain."
26
69000
3000
zouden we het brein begrijpen."
01:27
But think for a moment what that means.
27
72000
3000
Maar bedenk even wat dat betekent.
01:30
Even if we could measure
28
75000
2000
Zelfs al konden we meten
01:32
what every cell is doing at all times,
29
77000
2000
wat elke cel doet op elk moment,
01:34
we would still have to make sense
30
79000
2000
dan zouden we nog wijs moeten worden
01:36
of the recorded activity patterns,
31
81000
2000
uit alle opgenomen activiteitspatronen,
01:38
and that's so difficult,
32
83000
2000
en dat is zo moeilijk,
01:40
chances are we'll understand these patterns
33
85000
2000
dat de kans groot is dat we de patronen evenmin begrijpen
01:42
just as little as the brains that produce them.
34
87000
3000
als de hersenen die ze produceren.
01:45
Take a look at what brain activity might look like.
35
90000
3000
Kijk hier hoe hersenactiviteit eruit zou kunnen zien.
01:48
In this simulation, each black dot
36
93000
2000
In deze simulatie stelt elk zwart punt
01:50
is one nerve cell.
37
95000
2000
een zenuwcel voor.
01:52
The dot is visible
38
97000
2000
Het punt is zichtbaar
01:54
whenever a cell fires an electrical impulse.
39
99000
2000
wanneer een cel een elektrische impuls afvuurt.
01:56
There's 10,000 neurons here.
40
101000
2000
Er zijn hier 10.000 neuronen.
01:58
So you're looking at roughly one percent
41
103000
2000
Dus je kijkt naar ruwweg één percent
02:00
of the brain of a cockroach.
42
105000
3000
van het brein van een kakkerlak.
02:04
Your brains are about 100 million times
43
109000
3000
Jouw hersenen zijn ongeveer
02:07
more complicated.
44
112000
2000
100 miljoen keer ingewikkelder.
02:09
Somewhere, in a pattern like this,
45
114000
2000
Ergens in een patroon zoals dit,
02:11
is you,
46
116000
2000
ben jij,
02:13
your perceptions,
47
118000
2000
jouw waarnemingen,
02:15
your emotions, your memories,
48
120000
3000
jouw emoties, jouw herinneringen,
02:18
your plans for the future.
49
123000
2000
jouw plannen voor de toekomst.
02:20
But we don't know where,
50
125000
2000
Maar we weten niet waar,
02:22
since we don't know how to read the pattern.
51
127000
3000
omdat we het patroon niet kunnen lezen.
02:25
We don't understand the code used by the brain.
52
130000
3000
We begrijpen de code van het brein niet.
02:28
To make progress,
53
133000
2000
Om vooruitgang te boeken,
02:30
we need to break the code.
54
135000
2000
moeten we de code breken.
02:32
But how?
55
137000
2000
Maar hoe?
02:35
An experienced code-breaker will tell you
56
140000
2000
Een ervaren code-breker zal je vertellen
02:37
that in order to figure out what the symbols in a code mean,
57
142000
3000
dat om te ontdekken wat de symbolen in een code betekenen,
02:40
it's essential to be able to play with them,
58
145000
3000
het essentieel is om ermee te kunnen spelen,
02:43
to rearrange them at will.
59
148000
2000
ze te herschikken naar believen.
02:45
So in this situation too,
60
150000
2000
Dus ook in dit geval,
02:47
to decode the information
61
152000
2000
om de informatie te decoderen
02:49
contained in patterns like this,
62
154000
2000
die vervat zit in patronen zoals deze,
02:51
watching alone won't do.
63
156000
2000
zal enkel toekijken niet volstaan;
02:53
We need to rearrange the pattern.
64
158000
2000
we moeten het patroon herschikken.
02:55
In other words,
65
160000
2000
In andere woorden,
02:57
instead of recording the activity of neurons,
66
162000
2000
in plaats van de activiteit van neuronen op te nemen,
02:59
we need to control it.
67
164000
2000
moeten we ze besturen.
03:01
It's not essential that we can control
68
166000
2000
Het is niet essentieel dat we de activiteit
03:03
the activity of all neurons in the brain, just some.
69
168000
3000
van alle neuronen in het brein kunnen besturen, slechts enkele.
03:06
The more targeted our interventions, the better.
70
171000
2000
Hoe meer gericht onze ingrepen, hoe beter.
03:08
And I'll show you in a moment
71
173000
2000
En ik laat zo zien
03:10
how we can achieve the necessary precision.
72
175000
3000
hoe we de benodigde precisie kunnen bereiken.
03:13
And since I'm realistic, rather than grandiose,
73
178000
3000
En omdat ik realistisch ben, eerder dan hoogmoedig,
03:16
I don't claim that the ability to control the function of the nervous system
74
181000
3000
beweer ik niet dat de mogelijkheid om de werking van het zenuwstelsel te besturen
03:19
will at once unravel all its mysteries.
75
184000
3000
meteen alle mysteries zal prijsgeven.
03:22
But we'll certainly learn a lot.
76
187000
3000
Maar we zullen zeker veel leren.
03:27
Now, I'm by no means
77
192000
2000
Nu, ik ben in geen geval
03:29
the first person to realize
78
194000
2000
de eerste persoon die beseft
03:31
how powerful a tool intervention is.
79
196000
3000
wat een krachtig werktuig interventie is.
03:34
The history of attempts
80
199000
2000
De geschiedenis van pogingen
03:36
to tinker with the function of the nervous system
81
201000
2000
om met de werking van het zenuwstelsel te prutsen
03:38
is long and illustrious.
82
203000
2000
is lang en illuster.
03:40
It dates back at least 200 years,
83
205000
3000
Ze gaat minstens 200 jaar terug,
03:43
to Galvani's famous experiments
84
208000
2000
naar de beroemde experimenten van Galvani
03:45
in the late 18th century and beyond.
85
210000
3000
in de late 18de eeuw en later.
03:49
Galvani showed that a frog's legs twitched
86
214000
3000
Galvani toonde aan dat de poten van een kikker samentrokken
03:52
when he connected the lumbar nerve
87
217000
2000
wanneer hij de lumbale zenuw verbond
03:54
to a source of electrical current.
88
219000
3000
met een elektrische stroombron.
03:57
This experiment revealed the first, and perhaps most fundamental,
89
222000
3000
Dit experiment onthulde het eerste, en misschien ook meest fundamentele
04:00
nugget of the neural code:
90
225000
2000
stukje van de neurale code:
04:02
that information is written in the form
91
227000
2000
informatie is geschreven in de form
04:04
of electrical impulses.
92
229000
3000
van elektrische impulsen.
04:08
Galvani's approach
93
233000
2000
Galvani's benadering
04:10
of probing the nervous system with electrodes
94
235000
2000
om het zenuwstelsel binnen te dringen met elektroden
04:12
has remained state-of-the-art until today,
95
237000
3000
is state-of-the-art gebleven tot vandaag,
04:15
despite a number of drawbacks.
96
240000
3000
met uitzondering van een aantal nadelen.
04:18
Sticking wires into the brain is obviously rather crude.
97
243000
3000
Draden in het brein steken is duidelijk nogal ruw.
04:21
It's hard to do in animals that run around,
98
246000
2000
Het is zeer moeilijk om te doen bij rondlopende dieren,
04:23
and there is a physical limit
99
248000
2000
en er is een fysische limiet
04:25
to the number of wires
100
250000
2000
voor het aantal draden
04:27
that can be inserted simultaneously.
101
252000
3000
die tegelijkertijd kunnen ingebracht worden.
04:30
So around the turn of the last century,
102
255000
2000
Dus rond de vorige eeuwwisseling,
04:32
I started to think,
103
257000
2000
begon ik te denken,
04:34
"Wouldn't it be wonderful if one could take this logic
104
259000
3000
zou het niet prachtig zijn als iemand deze logica nam
04:37
and turn it upside down?"
105
262000
2000
en ze ondersteboven draaide.
04:39
So instead of inserting a wire
106
264000
2000
Dus in plaats van een draad in te brengen
04:41
into one spot of the brain,
107
266000
3000
in één plek van het brein,
04:44
re-engineer the brain itself
108
269000
2000
herontwerp het brein zelf
04:46
so that some of its neural elements
109
271000
3000
zodat sommige van de neurale elementen
04:49
become responsive to diffusely broadcast signals
110
274000
3000
gevoelig worden aan diffuus uitgezonden signalen,
04:52
such as a flash of light.
111
277000
3000
zoals een lichtflits.
04:55
Such an approach would literally, in a flash of light,
112
280000
3000
Een dergelijke aanpak zou letterlijk, in een lichtflits,
04:58
overcome many of the obstacles to discovery.
113
283000
3000
vele van de obstakels tot de ontdekking overwinnen.
05:01
First, it's clearly a non-invasive,
114
286000
3000
Ten eerste, het is duidelijk een niet-invasieve,
05:04
wireless form of communication.
115
289000
3000
draadloze vorm van communicatie.
05:07
And second, just as in a radio broadcast,
116
292000
2000
En ten tweede, juist zoals in een radio-uitzending,
05:09
you can communicate with many receivers at once.
117
294000
3000
kan je communiceren met veel ontvangers tegelijk.
05:12
You don't need to know where these receivers are,
118
297000
3000
Je hoeft niet te weten waar die ontvangers zijn.
05:15
and it doesn't matter if these receivers move --
119
300000
2000
En het doet er niet toe of de ontvangers bewegen --
05:17
just think of the stereo in your car.
120
302000
3000
denk maar aan de stereo in je wagen.
05:20
It gets even better,
121
305000
3000
Het wordt nog beter,
05:23
for it turns out that we can fabricate the receivers
122
308000
3000
want het blijkt dat we de ontvangers kunnen fabriceren
05:26
out of materials that are encoded in DNA.
123
311000
3000
uit materialen die ge-encodeerd zijn in DNA.
05:29
So each nerve cell
124
314000
2000
Dus elke zenuwcel
05:31
with the right genetic makeup
125
316000
2000
met de juiste genetische opbouw
05:33
will spontaneously produce a receiver
126
318000
3000
zal spontaan een ontvanger produceren
05:36
that allows us to control its function.
127
321000
3000
die ons toelaat zijn werking te controleren.
05:39
I hope you'll appreciate
128
324000
2000
Ik hoop dat je kan appreciëren
05:41
the beautiful simplicity
129
326000
2000
hoe prachtig eenvoudig
05:43
of this concept.
130
328000
2000
dit concept is.
05:45
There's no high-tech gizmos here,
131
330000
2000
Er zijn geen high-tech gizmos hier,
05:47
just biology revealed through biology.
132
332000
3000
gewoon biologie verwezenlijkt door biologie.
05:51
Now let's take a look at these miraculous receivers up close.
133
336000
3000
Nu, laten we deze miraculeuze ontvangers dichter bekijken.
05:54
As we zoom in on one of these purple neurons,
134
339000
3000
Als we inzoomen op een van deze paarse neuronen,
05:57
we see that its outer membrane
135
342000
2000
zien we dat het buitenste membraan
05:59
is studded with microscopic pores.
136
344000
2000
bezaaid is met microscopische poriën.
06:01
Pores like these conduct electrical current
137
346000
2000
Zulke poriën geleiden elektrische stroom
06:03
and are responsible
138
348000
2000
and zijn verantwoordelijk
06:05
for all the communication in the nervous system.
139
350000
2000
voor alle communicatie in het zenuwstelsel.
06:07
But these pores here are special.
140
352000
2000
Maar deze poriën hier zijn speciaal.
06:09
They are coupled to light receptors
141
354000
2000
Ze zijn gekoppeld aan lichtreceptoren
06:11
similar to the ones in your eyes.
142
356000
3000
gelijkaardig aan die in je ogen.
06:14
Whenever a flash of light hits the receptor,
143
359000
2000
Wanneer een lichtflits de receptor bereikt,
06:16
the pore opens, an electrical current is switched on,
144
361000
3000
opent de porie en wordt de elektrische stroom aangezet,
06:19
and the neuron fires electrical impulses.
145
364000
3000
en het neuron vuurt elektrische impulsen af.
06:22
Because the light-activated pore is encoded in DNA,
146
367000
3000
Omdat de licht-geactiveerde porie in DNA ge-encodeerd is,
06:25
we can achieve incredible precision.
147
370000
3000
kunnen we een ongelooflijke precisie bereiken.
06:28
This is because,
148
373000
2000
Dit is omdat,
06:30
although each cell in our bodies
149
375000
2000
hoewel elke cel in ons lichaam
06:32
contains the same set of genes,
150
377000
2000
dezelfde set genen bevat,
06:34
different mixes of genes get turned on and off
151
379000
2000
worden verschillende combinaties van genen aan en uitgezet
06:36
in different cells.
152
381000
2000
in verschillende cellen.
06:38
You can exploit this to make sure
153
383000
2000
Je kan dit benutten om ervoor te zorgen
06:40
that only some neurons
154
385000
2000
dat slechts sommige neuronen
06:42
contain our light-activated pore and others don't.
155
387000
3000
onze licht-geactiveerde porie bevatten en andere niet.
06:45
So in this cartoon, the bluish white cell
156
390000
2000
Dus in deze tekening, is de blauwachtig-witte cel
06:47
in the upper-left corner
157
392000
2000
in de hoek linksboven
06:49
does not respond to light
158
394000
2000
niet gevoelig aan licht
06:51
because it lacks the light-activated pore.
159
396000
3000
omdat het de licht-geactiveerde porie niet bevat.
06:54
The approach works so well
160
399000
2000
De aanpak werk zo goed
06:56
that we can write purely artificial messages
161
401000
2000
dat we zuiver artificiële boodschappen rechtstreeks
06:58
directly to the brain.
162
403000
2000
in het brein kunnen invoeren.
07:00
In this example, each electrical impulse,
163
405000
2000
In dit voorbeeld is elke elektrische impuls,
07:02
each deflection on the trace,
164
407000
3000
elke uitwijking op het spoor
07:05
is caused by a brief pulse of light.
165
410000
3000
veroorzaakt door een korte lichtflits.
07:08
And the approach, of course, also works
166
413000
2000
En de aanpak werk ook
07:10
in moving, behaving animals.
167
415000
3000
in bewegende dieren.
07:13
This is the first ever such experiment,
168
418000
2000
Dit is het eerste experiment ooit in zijn soort,
07:15
sort of the optical equivalent of Galvani's.
169
420000
3000
een soort van optisch equivalent van Galvani's experiment.
07:18
It was done six or seven years ago
170
423000
2000
Het werd zes of zeven jaar geleden gedaan
07:20
by my then graduate student, Susana Lima.
171
425000
3000
door mijn toenmalig graduaatstudente, Susana Lima.
07:23
Susana had engineered the fruit fly on the left
172
428000
3000
Susana had de fruitvlieg links zo aangepast
07:26
so that just two out of the 200,000 cells in its brain
173
431000
4000
dat slechts twee van de 200.000 cellen in het brein
07:30
expressed the light-activated pore.
174
435000
3000
de licht-geactiveerde porie bevatten.
07:33
You're familiar with these cells
175
438000
2000
Je kent deze cellen
07:35
because they are the ones that frustrate you
176
440000
2000
want het zijn deze cellen die je kwaad maken
07:37
when you try to swat the fly.
177
442000
2000
wanneer je de vlieg probeert te meppen.
07:39
They trained the escape reflex that makes the fly jump into the air
178
444000
3000
Zij zorgen voor de ontsnappingreflex die de vlieg doet opspringen
07:42
and fly away whenever you move your hand in position.
179
447000
3000
en wegvliegen wanneer je je hand in de juiste positie brengt.
07:46
And you can see here that the flash of light has exactly the same effect.
180
451000
3000
En je kan hier zien dat een lichtflits exact hetzelfde effect heeft.
07:49
The animal jumps, it spreads its wings, it vibrates them,
181
454000
3000
Het dier springt, spreidt zijn vleugels, slaat ermee,
07:52
but it can't actually take off
182
457000
2000
maar het kan niet echt opstijgen,
07:54
because the fly is sandwiched between two glass plates.
183
459000
3000
want ze is gevangen tussen twee glazen platen.
07:58
Now to make sure that this was no reaction of the fly
184
463000
2000
Nu, om zeker te zijn dat dit geen reactie was van de vlieg
08:00
to a flash it could see,
185
465000
3000
doordat ze de lichtflits kon zien,
08:03
Susana did a simple
186
468000
2000
deed Susanna een simpel
08:05
but brutally effective experiment.
187
470000
2000
maar geweldig effectief experiment.
08:07
She cut the heads off of her flies.
188
472000
3000
Ze hakte de hoofden van haar vliegen.
08:11
These headless bodies can live for about a day,
189
476000
3000
Deze hoofdloze lichamen kunnen ongeveer een dag overleven,
08:14
but they don't do much.
190
479000
2000
maar ze doen niet veel.
08:16
They just stand around
191
481000
3000
Ze staan gewoon wat
08:19
and groom excessively.
192
484000
3000
en maken zichzelf overvloedig schoon.
08:22
So it seems that the only trait that survives decapitation is vanity.
193
487000
3000
Dus het blijkt dat de enige trek die onthoofding overleeft ijdelheid is.
08:25
(Laughter)
194
490000
3000
(Gelach)
08:30
Anyway, as you'll see in a moment,
195
495000
2000
In elk geval, zoals je zo meteen zal zien,
08:32
Susana was able to turn on the flight motor
196
497000
3000
was Susana in staat om de vluchtmotor aan te zetten
08:35
of what's the equivalent of the spinal cord of these flies
197
500000
3000
van wat het equivalent is van het ruggenmerg van deze vliegen
08:38
and get some of the headless bodies
198
503000
2000
en de hoofdloze lichamen
08:40
to actually take off and fly away.
199
505000
3000
werkelijk te doen wegvliegen.
08:47
They didn't get very far, obviously.
200
512000
2000
Ze kwamen vanzelfsprekend niet ver.
08:50
Since we took these first steps,
201
515000
2000
Sinds we deze eerste stappen namen,
08:52
the field of optogenetics has exploded.
202
517000
3000
is het gebied van optogenetica geëxplodeerd.
08:55
And there are now hundreds of labs
203
520000
2000
En er zijn nu honderden labo's
08:57
using these approaches.
204
522000
2000
die deze aanpak gebruiken.
08:59
And we've come a long way
205
524000
2000
En we zijn van ver gekomen
09:01
since Galvani's and Susana's first successes
206
526000
3000
sinds de eerste successen van Galvani en Susana
09:04
in making animals twitch or jump.
207
529000
2000
en dieren doen samentrekken of springen.
09:06
We can now actually interfere with their psychology
208
531000
3000
We kunnen nu werkelijk hun psychologie beïnvloeden
09:09
in rather profound ways,
209
534000
2000
op nogal grondige manieren
09:11
as I'll show you in my last example,
210
536000
2000
zoals ik je laat zien in mijn laatste voorbeeld,
09:13
which is directed at a familiar question.
211
538000
3000
dat toegewijd is aan een bekende vraag.
09:16
Life is a string of choices
212
541000
3000
Het leven is een aaneenrijging van keuzes
09:19
creating a constant pressure to decide what to do next.
213
544000
3000
met een constante druk om te beslissen wat de volgende stap is.
09:23
We cope with this pressure by having brains,
214
548000
3000
We gaan om met deze druk door hersenen te hebben,
09:26
and within our brains, decision-making centers
215
551000
3000
en in onze hersenen, centra die beslissingen maken
09:29
that I've called here the "Actor."
216
554000
3000
die ik de Actor heb genoemd.
09:33
The Actor implements a policy that takes into account
217
558000
3000
De Actor voert een beleid uit dat rekening houdt
09:36
the state of the environment
218
561000
2000
met de status van de omgeving
09:38
and the context in which we operate.
219
563000
3000
en de context waarin we opereren.
09:41
Our actions change the environment, or context,
220
566000
3000
Onze acties veranderen de omgeving, of context,
09:44
and these changes are then fed back into the decision loop.
221
569000
3000
en deze veranderingen worden dan teruggevoerd in de beslissingslus.
09:48
Now to put some neurobiological meat
222
573000
3000
Om een beetje neurobiologische vorm te geven
09:51
on this abstract model,
223
576000
2000
aan dit abstracte model,
09:53
we constructed a simple one-dimensional world
224
578000
2000
hebben we een simpele, eendimensionale wereld gecreëerd
09:55
for our favorite subject, fruit flies.
225
580000
3000
voor ons favoriete onderwerp, fruitvliegjes.
09:58
Each chamber in these two vertical stacks
226
583000
2000
Elke kamer in deze twee verticale stapels
10:00
contains one fly.
227
585000
2000
bevat één vlieg.
10:02
The left and the right halves of the chamber
228
587000
3000
De linkse en rechtse helften van de kamer
10:05
are filled with two different odors,
229
590000
2000
zijn gevuld met twee verschillende geuren,
10:07
and a security camera watches
230
592000
2000
en een veiligheidscamera kijkt toe
10:09
as the flies pace up and down between them.
231
594000
3000
hoe de vliegjes heen en weer lopen tussen de geuren.
10:12
Here's some such CCTV footage.
232
597000
2000
Hier is zulk videomateriaal.
10:14
Whenever a fly reaches the midpoint of the chamber
233
599000
3000
Wanneer een vlieg het middelpunt van de kamer bereikt
10:17
where the two odor streams meet,
234
602000
2000
waar de twee geuren elkaar ontmoeten,
10:19
it has to make a decision.
235
604000
2000
moet ze een beslissing maken.
10:21
It has to decide whether to turn around
236
606000
2000
Ze moet beslissen of ze terugkeert
10:23
and stay in the same odor,
237
608000
2000
en in dezelfde geur blijft,
10:25
or whether to cross the midline
238
610000
2000
of dat ze de middellijn oversteekt
10:27
and try something new.
239
612000
2000
en iets nieuws probeert.
10:29
These decisions are clearly a reflection
240
614000
3000
Deze beslissingen zijn duidelijk een reflectie
10:32
of the Actor's policy.
241
617000
3000
van het beleid van de Actor.
10:36
Now for an intelligent being like our fly,
242
621000
3000
Voor een intelligent wezen zoals onze vlieg,
10:39
this policy is not written in stone
243
624000
3000
is dit beleid niet uit steen gehouwen,
10:42
but rather changes as the animal learns from experience.
244
627000
3000
maar verandert wanneer het dier leert uit ervaringen.
10:45
We can incorporate such an element
245
630000
2000
We kunnen zulks een element
10:47
of adaptive intelligence into our model
246
632000
3000
van adaptieve intelligentie incorporeren in ons model
10:50
by assuming that the fly's brain
247
635000
2000
door aan te nemen dat het brein van de vlieg
10:52
contains not only an Actor,
248
637000
2000
niet enkel een Actor bevat,
10:54
but a different group of cells,
249
639000
2000
maar een verschillende groep cellen,
10:56
a "Critic," that provides a running commentary
250
641000
3000
een Criticus, die een constante commentaar voorziet
10:59
on the Actor's choices.
251
644000
2000
bij de keuzes van de Actor.
11:01
You can think of this nagging inner voice
252
646000
3000
Je kunt deze zeurende stem zien
11:04
as sort of the brain's equivalent
253
649000
2000
als een soort van equivalent van het brein
11:06
of the Catholic Church,
254
651000
2000
van de Katholieke Kerk,
11:08
if you're an Austrian like me,
255
653000
3000
als je een Oostenrijker bent als ik,
11:11
or the super-ego, if you're Freudian,
256
656000
3000
of het superego, als je Freudiaans bent,
11:14
or your mother, if you're Jewish.
257
659000
2000
of je moeder, als je Joods bent.
11:16
(Laughter)
258
661000
4000
(Gelach)
11:20
Now obviously,
259
665000
2000
Nu, klaarblijkelijk,
11:22
the Critic is a key ingredient
260
667000
3000
is de Criticus een sleutelingrediënt
11:25
in what makes us intelligent.
261
670000
2000
in wat ons intelligent maakt.
11:27
So we set out to identify
262
672000
2000
Dus we zijn uit op het indentificeren
11:29
the cells in the fly's brain
263
674000
2000
van de cellen in het brein van de vlieg
11:31
that played the role of the Critic.
264
676000
2000
die de rol van Criticus op zich nemen.
11:33
And the logic of our experiment was simple.
265
678000
3000
En de logica van ons experiment was simpel.
11:36
We thought if we could use our optical remote control
266
681000
3000
We dachten dat als we onze optische afstandsbediening konden gebruiken
11:39
to activate the cells of the Critic,
267
684000
3000
om de cellen van de Criticus te activeren,
11:42
we should be able, artificially, to nag the Actor
268
687000
3000
we artificieel zouden moeten kunnen de Actor ertoe zetten
11:45
into changing its policy.
269
690000
2000
zijn beleid te veranderen.
11:47
In other words,
270
692000
2000
Met andere woorden,
11:49
the fly should learn from mistakes
271
694000
2000
de vlieg zou moeten leren van fouten
11:51
that it thought it had made
272
696000
2000
die ze dacht gemaakt te hebben,
11:53
but, in reality, it had not made.
273
698000
3000
maar in werkelijkheid niet had gemaakt.
11:56
So we bred flies
274
701000
2000
Dus we kweekten vliegen
11:58
whose brains were more or less randomly peppered
275
703000
3000
wier brein min of meer willekeurig bezaaid was
12:01
with cells that were light addressable.
276
706000
2000
met cellen die lichtgevoelig waren.
12:03
And then we took these flies
277
708000
2000
En dan namen we de vliegen
12:05
and allowed them to make choices.
278
710000
2000
en lieten we hen keuzes maken.
12:07
And whenever they made one of the two choices,
279
712000
2000
En wanneer de vlieg één van de twee keuzes maakte,
12:09
chose one odor,
280
714000
2000
een geur koos,
12:11
in this case the blue one over the orange one,
281
716000
2000
in dit geval de blauwe boven de oranje,
12:13
we switched on the lights.
282
718000
2000
deden we de lichten aan.
12:15
If the Critic was among the optically activated cells,
283
720000
3000
Als de Criticus bij de optisch-geactiveerde cellen was,
12:18
the result of this intervention
284
723000
2000
zou het resultaat van de interventie
12:20
should be a change in policy.
285
725000
3000
een verandering in beleid moeten zijn.
12:23
The fly should learn to avoid
286
728000
2000
De vlieg zou moeten leren
12:25
the optically reinforced odor.
287
730000
2000
de geur die gelinkt is aan de lichten te mijden.
12:27
Here's what happened in two instances:
288
732000
3000
Hier is wat gebeurde in twee gevallen.
12:30
We're comparing two strains of flies,
289
735000
3000
We vergelijken twee verschillende soorten vliegen,
12:33
each of them having
290
738000
2000
elk van hen beschikkend over
12:35
about 100 light-addressable cells in their brains,
291
740000
2000
ongeveer 100 lichtgevoelige cellen in hun brein,
12:37
shown here in green on the left and on the right.
292
742000
3000
hier weergegeven in groen links en rechts.
12:40
What's common among these groups of cells
293
745000
3000
Wat gewoon is onder deze groepen cellen
12:43
is that they all produce the neurotransmitter dopamine.
294
748000
3000
is dat ze allemaal de neurotransmitter dopamine produceren.
12:46
But the identities of the individual
295
751000
2000
Maar de identiteiten van de individuele
12:48
dopamine-producing neurons
296
753000
2000
dopamine-producerende neuronen
12:50
are clearly largely different on the left and on the right.
297
755000
3000
zijn duidelijk zeer verschillend links en rechts.
12:53
Optically activating
298
758000
2000
Het optisch activeren
12:55
these hundred or so cells
299
760000
2000
van deze honderd cellen
12:57
into two strains of flies
300
762000
2000
in twee soorten vliegen,
12:59
has dramatically different consequences.
301
764000
2000
heeft dramatisch verschillende gevolgen.
13:01
If you look first at the behavior
302
766000
2000
Als je kijkt naar het gedrag
13:03
of the fly on the right,
303
768000
2000
van de vlieg rechts,
13:05
you can see that whenever it reaches the midpoint of the chamber
304
770000
3000
kan je zien dat wanneer ze het middelpunt van de kamer bereikt
13:08
where the two odors meet,
305
773000
2000
waar de twee geuren elkaar ontmoeten,
13:10
it marches straight through, as it did before.
306
775000
3000
ze rechtdoor loopt zoals ze ervoor deed.
13:13
Its behavior is completely unchanged.
307
778000
2000
Haar gedrag is volledig onveranderd.
13:15
But the behavior of the fly on the left is very different.
308
780000
3000
Maar het gedrag van de vlieg links is zeer verschillend.
13:18
Whenever it comes up to the midpoint,
309
783000
3000
Wanneer ze het middelpunt bereikt,
13:21
it pauses,
310
786000
2000
pauzeert ze,
13:23
it carefully scans the odor interface
311
788000
2000
ze ruikt voorzichtig aan het geurpatroon,
13:25
as if it was sniffing out its environment,
312
790000
2000
alsof ze haar omgeving besnuffelt,
13:27
and then it turns around.
313
792000
2000
en keert dan om.
13:29
This means that the policy that the Actor implements
314
794000
3000
Dit betekent dat het beleid dat de Actor voert
13:32
now includes an instruction to avoid the odor
315
797000
2000
nu een instructie bevat om de geur te mijden
13:34
that's in the right half of the chamber.
316
799000
3000
die zich in de rechterhelft van de kamer bevat.
13:37
This means that the Critic
317
802000
2000
Dit betekent dat de Criticus
13:39
must have spoken in that animal,
318
804000
2000
gesproken moet hebben in dat dier,
13:41
and that the Critic must be contained
319
806000
2000
en dat de Criticus moet vervat zitten
13:43
among the dopamine-producing neurons on the left,
320
808000
3000
bij de dopamine-producerende neuronen links,
13:46
but not among the dopamine producing neurons on the right.
321
811000
3000
maar niet bij de dopamine-producerende neuronen rechts.
13:49
Through many such experiments,
322
814000
3000
Door middel van veel experimenten als deze,
13:52
we were able to narrow down
323
817000
2000
waren we in staat om de indentiteit
13:54
the identity of the Critic
324
819000
2000
van de Criticus toe te schrijven
13:56
to just 12 cells.
325
821000
2000
aan slechts 12 cellen.
13:58
These 12 cells, as shown here in green,
326
823000
3000
Deze 12 cellen, hier weergegeven in het groen,
14:01
send the output to a brain structure
327
826000
2000
zenden de uitvoer naar een hersenstructuur
14:03
called the "mushroom body,"
328
828000
2000
de paddenstoelorganismen genoemd,
14:05
which is shown here in gray.
329
830000
2000
die hier in het grijs zijn weergegeven.
14:07
We know from our formal model
330
832000
2000
We weten van ons formele model
14:09
that the brain structure
331
834000
2000
dat de hersenstructuur aan het ontvangende eind
14:11
at the receiving end of the Critic's commentary is the Actor.
332
836000
3000
van de commentaar van de Criticus de Actor is.
14:14
So this anatomy suggests
333
839000
2000
Dus deze anatomie suggereert
14:16
that the mushroom bodies have something to do
334
841000
3000
dat de paddenstoel organismen iets te maken hebben
14:19
with action choice.
335
844000
2000
met keuze van actie.
14:21
Based on everything we know about the mushroom bodies,
336
846000
2000
Gebaseerd op alles dat we weten over de paddenstoelorganismen,
14:23
this makes perfect sense.
337
848000
2000
is dit perfect logisch.
14:25
In fact, it makes so much sense
338
850000
2000
Feitelijk is het zo logisch,
14:27
that we can construct an electronic toy circuit
339
852000
3000
dat we een elektronisch speelgoedcircuit kunnen bouwen
14:30
that simulates the behavior of the fly.
340
855000
3000
dat het gedrag van de vlieg simuleert.
14:33
In this electronic toy circuit,
341
858000
3000
In dit elektronisch circuit,
14:36
the mushroom body neurons are symbolized
342
861000
2000
zijn de paddenstoelorganismen gesymboliseerd
14:38
by the vertical bank of blue LEDs
343
863000
3000
door de verticale reeks blauwe LED's
14:41
in the center of the board.
344
866000
3000
in het centrum van het bord.
14:44
These LED's are wired to sensors
345
869000
2000
Deze LED's zijn verbonden aan sensoren
14:46
that detect the presence of odorous molecules in the air.
346
871000
3000
die de aanwezigheid van geurende moleculen in de lucht detecteren.
14:50
Each odor activates a different combination of sensors,
347
875000
3000
Elke geur activeert een verschillende combinatie van sensoren,
14:53
which in turn activates
348
878000
2000
die op zijn beurt een bepaalde
14:55
a different odor detector in the mushroom body.
349
880000
3000
geurdetector in het paddenstoelorganisme activeert.
14:58
So the pilot in the cockpit of the fly,
350
883000
2000
Dus de piloot in de cockpit van de vlieg,
15:00
the Actor,
351
885000
2000
de Actor,
15:02
can tell which odor is present
352
887000
2000
kan vertellen welke geur aanwezig is
15:04
simply by looking at which of the blue LEDs lights up.
353
889000
4000
door eenvoudigweg te kijken naar welke blauwe LED oplicht.
15:09
What the Actor does with this information
354
894000
2000
Wat de Actor doet met deze informatie
15:11
depends on its policy,
355
896000
2000
hangt af van zijn beleid,
15:13
which is stored in the strengths of the connection,
356
898000
2000
dat opgeslagen is in de sterkte van de verbinding,
15:15
between the odor detectors
357
900000
2000
tussen de geurdetectors
15:17
and the motors
358
902000
2000
en de motors
15:19
that power the fly's evasive actions.
359
904000
2000
die de ontwijkende acties van de vlieg aandrijven.
15:22
If the connection is weak, the motors will stay off
360
907000
2000
Als de verbinding zwak is, blijven de motoren uit
15:24
and the fly will continue straight on its course.
361
909000
3000
en blijft de vlieg op dezelfde koers.
15:27
If the connection is strong, the motors will turn on
362
912000
3000
Als de verbinding sterk is, slaan de motoren aan
15:30
and the fly will initiate a turn.
363
915000
3000
en begint de vlieg te draaien.
15:33
Now consider a situation
364
918000
2000
Nu beeld je een situatie in
15:35
in which the motors stay off,
365
920000
2000
waar de motoren uitblijven,
15:37
the fly continues on its path
366
922000
3000
de vlieg zijn weg voortzet op zijn pad
15:40
and it suffers some painful consequence
367
925000
2000
en een pijnlijk gevolg ondergaat
15:42
such as getting zapped.
368
927000
2000
zoals geëlektrocuteerd worden.
15:44
In a situation like this,
369
929000
2000
In een dergelijke situatie,
15:46
we would expect the Critic to speak up
370
931000
2000
zoude we verwachten dat de Criticus opspreekt
15:48
and to tell the Actor
371
933000
2000
en de Actor vertelt
15:50
to change its policy.
372
935000
2000
zijn beleid te veranderen.
15:52
We have created such a situation, artificially,
373
937000
3000
We hebben artificieel een dergelijke situatie gecreëerd
15:55
by turning on the critic with a flash of light.
374
940000
3000
door de Criticus aan te zetten met een lichtflits.
15:58
That caused a strengthening of the connections
375
943000
3000
Die zorgde voor een versterking van de verbindingen
16:01
between the currently active odor detector
376
946000
3000
tussen de momenteel actieve geurdetector
16:04
and the motors.
377
949000
2000
en de motoren.
16:06
So the next time
378
951000
2000
Dus de volgende keer
16:08
the fly finds itself facing the same odor again,
379
953000
3000
dat de vlieg zichzelf voor dezelfde geur bevindt,
16:11
the connection is strong enough to turn on the motors
380
956000
3000
is de verbinding sterk genoeg om de motoren aan te zetten
16:14
and to trigger an evasive maneuver.
381
959000
3000
en een ontwijkend manoeuvre in gang te zetten.
16:19
I don't know about you,
382
964000
3000
Ik weet niet wat jij denkt,
16:22
but I find it exhilarating to see
383
967000
3000
maar ik vind het fascinerend om te zien
16:25
how vague psychological notions
384
970000
3000
hoe vage psychologische begrippen
16:28
evaporate and give rise
385
973000
2000
verdwijnen en plaats maken
16:30
to a physical, mechanistic understanding of the mind,
386
975000
3000
voor een fysisch, mechanistisch begrip van de geest,
16:33
even if it's the mind of the fly.
387
978000
3000
zelfs al is het de geest van vliegen.
16:36
This is one piece of good news.
388
981000
3000
Dit is één goed punt.
16:39
The other piece of good news,
389
984000
2000
Het andere goede nieuws,
16:41
for a scientist at least,
390
986000
2000
voor een wetenschapper tenminste,
16:43
is that much remains to be discovered.
391
988000
3000
is dat er veel overblijft om te ontdekken.
16:46
In the experiments I told you about,
392
991000
2000
In de experimenten waarover ik heb verteld,
16:48
we have lifted the identity of the Critic,
393
993000
3000
hebben we de identiteit van de Criticus opgebracht,
16:51
but we still have no idea
394
996000
2000
maar we hebben nog steeds geen idee
16:53
how the Critic does its job.
395
998000
2000
hoe de Criticus zijn job doet.
16:55
Come to think of it, knowing when you're wrong
396
1000000
2000
Als je erover nadenkt, weten wanneer je verkeerd bent
16:57
without a teacher, or your mother, telling you,
397
1002000
3000
zonder een leraar, of je moeder, die het je vertelt,
17:00
is a very hard problem.
398
1005000
2000
is een zeer moeilijk probleem.
17:02
There are some ideas in computer science
399
1007000
2000
Er zijn sommige ideeën in computerwetenschap
17:04
and in artificial intelligence
400
1009000
2000
en in artificiële intelligentie
17:06
as to how this might be done,
401
1011000
2000
over hoe dit zou kunnen worden gedaan,
17:08
but we still haven't solved
402
1013000
2000
maar we hebben nog steeds
17:10
a single example
403
1015000
2000
geen enkel voorbeeld opgelost
17:12
of how intelligent behavior
404
1017000
3000
van hoe intelligent gedrag
17:15
springs from the physical interactions
405
1020000
2000
ontspringt van fysische interacties
17:17
in living matter.
406
1022000
2000
in levende materie.
17:19
I think we'll get there in the not too distant future.
407
1024000
3000
Ik denk dat we er zullen geraken in de niet al te verre toekomst.
17:22
Thank you.
408
1027000
2000
Dank u.
17:24
(Applause)
409
1029000
4000
(Applaus)
ABOUT THE SPEAKER
Gero Miesenboeck - OptogeneticistUsing light and a little genetic engineering -- optogenetics -- Gero Miesenboeck has developed a way to control how living nerve cells work, and advanced understanding of how the brain controls behavior.
Why you should listen
Gero Miesenboeck is pioneering the field of optogenetics: genetically modifying nerve cells to respond to light. By flashing light at a modified neuron in a living nervous system, Miesenboeck and his collaborators can mimic a brain impulse -- and then study what happens next. Optogenetics will allow ever more precise experiments on living brains, allowing us to gather better evidence on how electrical impulses on tissue translate into actual behavior and thoughts.
In one experiment, done at Yale, he and his team engineered fruit flies to be light-sensitive in the neural area responsible for escape response. Then the flies were beheaded; fruit flies can live for a day without their heads, but they don't move. When the modified cells were flashed with light, though, the headless flies flew. Miesenboeck had successfully simulated an order from a brain that wasn't even there anymore.
Miesenboeck's current research at Oxford's growing department of neurobiology focuses on the nerve cell networks that underpin what animals perceive, remember and do. In one recent experiment, he used optogenetics to implant an unpleasant memory in a fruit fly, causing it to "remember" to avoid a certain odor as it traveled around. He and his team were able, in fact, to find the fly's specific 12-neuron brain circuit that govern memory formation.
Gero Miesenboeck | Speaker | TED.com