TED2014
Nancy Kanwisher: A neural portrait of the human mind
Nancy Kanwisher: Een neuraal portret van het menselijk brein
Filmed:
Readability: 4.2
1,226,930 views
Nancy Kanwisher, een pionier in hersenbeeldvorming die fMRI-scans gebruikt om activiteit in breingebieden op te sporen, vertelt wat zij en haar collega's geleerd hebben: het brein bevat zowel sterk gespecialiseerde onderdelen als universele 'machinerie'. Nog een verrassing: er is nog zoveel te leren.
Nancy Kanwisher - Brain researcher
Using fMRI imaging to watch the human brain at work, Nancy Kanwisher’s team has discovered cortical regions responsible for some surprisingly specific elements of cognition. Full bio
Using fMRI imaging to watch the human brain at work, Nancy Kanwisher’s team has discovered cortical regions responsible for some surprisingly specific elements of cognition. Full bio
Double-click the English transcript below to play the video.
00:12
Today I want to tell you
0
604
1216
Vandaag wil ik vertellen
00:13
about a project being carried out
1
1820
1803
over een project dat uitgevoerd wordt
00:15
by scientists all over the world
2
3623
2687
door wetenschappers over de hele wereld
00:18
to paint a neural portrait of the human mind.
3
6310
3288
om een neuraal portret
van het brein te schetsen
van het brein te schetsen
00:21
And the central idea of this work
4
9598
2172
Het centrale idee van dit werk
00:23
is that the human mind and brain
5
11770
1858
is dat het menselijke brein
00:25
is not a single, general-purpose processor,
6
13628
2857
geen afzonderlijke, algemene processor is,
00:28
but a collection of highly specialized components,
7
16485
3442
maar een verzameling van uiterst
gespecialiseerde onderdelen,
gespecialiseerde onderdelen,
00:31
each solving a different specific problem,
8
19927
2983
waarvan elk een ander
specifiek probleem oplost,
specifiek probleem oplost,
00:34
and yet collectively making up
9
22910
2336
en die toch in hun geheel bepalen
00:37
who we are as human beings and thinkers.
10
25246
4356
wie we zijn als
menselijke wezens en denkers.
menselijke wezens en denkers.
00:41
To give you a feel for this idea,
11
29602
1476
Om jullie een idee te geven,
00:43
imagine the following scenario:
12
31078
2664
beeld je het volgende scenario in:
00:45
You walk into your child's day care center.
13
33742
2196
Je wandelt de kinderopvang binnen.
00:47
As usual, there's a dozen kids there
14
35938
2237
Zoals gewoonlijk zijn er
een tiental kinderen
een tiental kinderen
00:50
waiting to get picked up,
15
38175
1591
die wachten op hun ouder.
00:51
but this time,
16
39766
1632
Maar deze keer
00:53
the children's faces look weirdly similar,
17
41398
2985
lijken de gezichten van de kinderen
merkwaardig veel op mekaar
merkwaardig veel op mekaar
00:56
and you can't figure out which child is yours.
18
44383
2808
en je kan niet uitmaken
welk kind van jou is.
welk kind van jou is.
00:59
Do you need new glasses?
19
47191
1749
Heb je een nieuwe bril nodig?
01:00
Are you losing your mind?
20
48940
1908
Ben je gek aan het worden?
01:02
You run through a quick mental checklist.
21
50848
2452
Je overloopt een snelle
checklist in je hoofd.
checklist in je hoofd.
01:05
No, you seem to be thinking clearly,
22
53300
1894
Je lijkt toch helder te denken
01:07
and your vision is perfectly sharp.
23
55194
2391
en je zicht is nog scherp.
01:09
And everything looks normal
24
57585
1789
Alles ziet er normaal uit,
01:11
except the children's faces.
25
59374
2162
behalve de gezichten
van de kinderen.
van de kinderen.
01:13
You can see the faces,
26
61536
1786
Je kan de gezichten zien,
01:15
but they don't look distinctive,
27
63322
1708
maar je kan ze niet onderscheiden
01:17
and none of them looks familiar,
28
65030
1858
en geen van hen komt je bekend voor.
01:18
and it's only by spotting an orange hair ribbon
29
66888
2498
Alleen door het herkennen
van haar oranje haarlintje
van haar oranje haarlintje
01:21
that you find your daughter.
30
69386
1896
kan je je dochter vinden.
01:23
This sudden loss of the ability to recognize faces
31
71282
3425
Dit plotse verlies van het vermogen
om gezichten te herkennen
om gezichten te herkennen
01:26
actually happens to people.
32
74707
1546
komt werkelijk voor bij mensen.
01:28
It's called prosopagnosia,
33
76253
2054
Het wordt prosopagnosie genoemd
01:30
and it results from damage
34
78307
1181
en is het resultaat van schade
aan een specifiek deel van het brein.
aan een specifiek deel van het brein.
01:31
to a particular part of the brain.
35
79488
2126
01:33
The striking thing about it
36
81614
1500
Het gekke is
01:35
is that only face recognition is impaired;
37
83114
2595
dat alleen de gezichtsherkenning
beschadigd is;
beschadigd is;
01:37
everything else is just fine.
38
85709
2439
met de rest is niks mis.
01:40
Prosopagnosia is one of many surprisingly specific
39
88148
3868
Prosopagnosie is één van vele
verrassend specifieke stoornissen
verrassend specifieke stoornissen
01:44
mental deficits that can happen after brain damage.
40
92016
4535
die kunnen voorkomen na hersenschade.
01:48
These syndromes collectively
41
96551
1363
Al deze syndromen
01:49
have suggested for a long time
42
97914
2239
doen al lange tijd vermoeden
01:52
that the mind is divvied up into distinct components,
43
100153
3768
dat het brein verdeeld is in
verschillende onderdelen,
verschillende onderdelen,
01:55
but the effort to discover those components
44
103921
2385
maar de inspanning om
deze onderdelen te ontdekken
deze onderdelen te ontdekken
01:58
has jumped to warp speed
45
106306
1614
heeft een snelle vlucht genomen
01:59
with the invention of brain imaging technology,
46
107920
2582
met de technologie
van hersenbeeldvorming,
van hersenbeeldvorming,
02:02
especially MRI.
47
110502
3048
vooral de MRI.
02:05
So MRI enables you to see internal anatomy
48
113550
3240
MRI laat toe om de interne anatomie
02:08
at high resolution,
49
116790
1586
in hoge resolutie te zien.
02:10
so I'm going to show you in a second
50
118376
1430
Ik laat jullie zo meteen
02:11
a set of MRI cross-sectional images
51
119806
3352
een aantal dwarsdoorsneden zien
02:15
through a familiar object,
52
123158
1618
van bekende voorwerpen
waar we doorheen gaan.
waar we doorheen gaan.
02:16
and we're going to fly through them
53
124776
875
Jullie proberen uit te maken
welk voorwerp het is.
welk voorwerp het is.
02:17
and you're going to try to figure out what the object is.
54
125651
2473
02:20
Here we go.
55
128124
2111
Daar gaan we.
02:24
It's not that easy. It's an artichoke.
56
132241
1889
Niet makkelijk…
Dat was een artisjok.
Dat was een artisjok.
02:26
Okay, let's try another one,
57
134130
1630
OK, we proberen een andere.
02:27
starting from the bottom and going through the top.
58
135760
2596
Van beneden naar boven.
02:32
Broccoli! It's a head of broccoli.
59
140812
1151
Broccoli!
02:33
Isn't it beautiful? I love that.
60
141963
1664
Mooi, toch?
02:35
Okay, here's another one. It's a brain, of course.
61
143627
2757
OK, nog eentje.
Dat is een brein, natuurlijk.
Dat is een brein, natuurlijk.
02:38
In fact, it's my brain.
62
146384
1586
Meer bepaald mijn brein.
02:39
We're going through slices through my head like that.
63
147970
1733
Dit zijn doorsneden van mijn hoofd.
02:41
That's my nose over on the right, and now
64
149703
1758
Rechts zit mijn neus,
02:43
we're going over here, right there.
65
151461
3409
en nu gaan we naar dit plekje, hier zo.
02:46
So this picture's nice, if I do say so myself,
66
154870
4601
Dit is een mooi beeld,
al zeg ik het zelf...
al zeg ik het zelf...
02:51
but it shows only anatomy.
67
159471
1912
Maar het laat alleen anatomie zien.
02:53
The really cool advance with functional imaging
68
161383
2520
Een heel coole vooruitgang
in functionele beeldvorming
in functionele beeldvorming
02:55
happened when scientists figured out how to make
69
163903
1572
werd gemaakt toen men ontdekte
02:57
pictures that show not just anatomy but activity,
70
165475
3395
hoe beelden te maken die niet alleen
anatomie maar ook activiteit tonen,
anatomie maar ook activiteit tonen,
03:00
that is, where neurons are firing.
71
168870
2435
waar neuronen afgevuurd worden.
03:03
So here's how this works.
72
171305
1516
Dat werkt als volgt.
Het brein is als een spier.
03:04
Brains are like muscles.
73
172821
1117
03:05
When they get active,
74
173938
1563
Wanneer het actief is,
03:07
they need increased blood flow to supply that activity,
75
175501
2974
heeft het meer bloedtoevoer nodig
om de activiteit te voorzien,
om de activiteit te voorzien,
03:10
and lucky for us, blood flow
control to the brain is local,
control to the brain is local,
76
178475
3568
en gelukkig gebeurt de bloedtoevoer
naar het brein op lokaal niveau,
naar het brein op lokaal niveau,
03:14
so if a bunch of neurons, say, right there
77
182043
2162
dus als een hoopje neuronen hier zegt,
03:16
get active and start firing,
78
184205
1500
"word actief, vuur af",
03:17
then blood flow increases just right there.
79
185705
2725
dan stijgt de bloedtoevoer op die plek.
03:20
So functional MRI picks up
on that blood flow increase,
on that blood flow increase,
80
188430
3721
Functionele MRI merkt die bloedtoevoer op,
03:24
producing a higher MRI response
81
192151
2033
met een hogere respons
03:26
where neural activity goes up.
82
194184
2926
waar de neurale activiteit stijgt.
03:29
So to give you a concrete feel
83
197110
1700
Om je een concreet idee te geven
03:30
for how a functional MRI experiment goes
84
198810
2485
over hoe een functioneel
MRI-experiment gaat
MRI-experiment gaat
03:33
and what you can learn from it
85
201295
1439
en wat je ervan kan leren
03:34
and what you can't,
86
202734
1384
en wat niet,
03:36
let me describe one of the first studies I ever did.
87
204118
3442
laat ik eerst één van de eerste studies
beschrijven die ik ooit deed.
beschrijven die ik ooit deed.
03:39
We wanted to know if there was a special
part of the brain for recognizing faces,
part of the brain for recognizing faces,
88
207560
4138
We wilden weten of een bepaald
deel van het brein gezichten herkende,
deel van het brein gezichten herkende,
03:43
and there was already reason to
think there might be such a thing
think there might be such a thing
89
211698
3072
en er waren toen al redenen
om te geloven dat dat zo was,
om te geloven dat dat zo was,
03:46
based on this phenomenon of prosopagnosia
90
214770
1720
gebaseerd op de prosopagnosie
03:48
that I described a moment ago,
91
216490
2123
die ik zojuist beschreef,
03:50
but nobody had ever seen that part of the brain
92
218613
2278
maar niemand had dat deel van het brein
03:52
in a normal person,
93
220891
1919
ooit gezien bij een normale persoon,
03:54
so we set out to look for it.
94
222810
2056
en dus gingen we ernaar op zoek.
03:56
So I was the first subject.
95
224866
1951
Ik was het eerste voorwerp van de studie.
03:58
I went into the scanner, I lay on my back,
96
226817
2212
Ik ging onder de scanner, lag op mijn rug,
04:01
I held my head as still as I could
97
229029
2583
hield mijn hoofd zo stil als ik kon
04:03
while staring at pictures of faces like these
98
231612
5017
terwijl ik naar foto's staarde
van gezichten zoals deze...
van gezichten zoals deze...
04:08
and objects like these
99
236629
2131
en voorwerpen als deze...
04:10
and faces and objects for hours.
100
238760
5165
en gezichten… en objecten... urenlang.
04:15
So as somebody who has
pretty close to the world record
pretty close to the world record
101
243925
2772
Als wereldrecordhouder
04:18
of total number of hours spent inside an MRI scanner,
102
246697
3543
van het totaal aantal uren gespendeerd
onder een MRI-scanner
onder een MRI-scanner
04:22
I can tell you that one of the skills
103
250240
1432
kan ik je dit vertellen:
04:23
that's really important for MRI research
104
251672
2663
een heel belangrijke vaardigheid
bij MRI-onderzoek
bij MRI-onderzoek
04:26
is bladder control.
105
254335
1778
is je blaas onder controle houden.
04:28
(Laughter)
106
256113
1802
(Gelach)
04:29
When I got out of the scanner,
107
257915
1537
Toen ik eronderuit kwam,
04:31
I did a quick analysis of the data,
108
259452
2316
deed ik een snelle analyse
van de gegevens.
van de gegevens.
04:33
looking for any parts of my brain
109
261768
1503
Ik zocht naar plaatsen
04:35
that produced a higher response
when I was looking at faces
when I was looking at faces
110
263271
2806
met een hogere respons bij gezichten
04:38
than when I was looking at objects,
111
266077
1870
dan bij voorwerpen.
04:39
and here's what I saw.
112
267947
2171
Ik zag dit.
04:42
Now this image looks just awful by today's standards,
113
270118
3656
Dit beeld ziet er naar huidige maatstaven
verschrikkelijk uit,
verschrikkelijk uit,
04:45
but at the time I thought it was beautiful.
114
273774
2808
maar ik vond het prachtig.
04:48
What it shows is that region right there,
115
276582
1950
Dit gebied hier,
04:50
that little blob,
116
278532
1283
dat kleine vlekje,
04:51
it's about the size of an olive
117
279815
1747
ongeveer zo groot als een olijf
04:53
and it's on the bottom surface of my brain
118
281562
2156
en aan de onderkant van mijn brein
04:55
about an inch straight in from right there.
119
283718
3206
2,5 centimeter van hier,
04:58
And what that part of my brain is doing
120
286924
2790
dat deel van mijn brein
05:01
is producing a higher MRI response,
121
289714
2920
genereerde een hogere MRI-respons,
05:04
that is, higher neural activity,
122
292634
1748
een hogere neurale activiteit,
05:06
when I was looking at faces
123
294382
1482
wanneer ik naar gezichten keek
05:07
than when I was looking at objects.
124
295864
2266
dan wanneer ik naar voorwerpen keek.
05:10
So that's pretty cool,
125
298130
1360
Dat is heel cool,
maar hoe weten we dat dit geen toeval is?
05:11
but how do we know this isn't a fluke?
126
299490
2318
05:13
Well, the easiest way
127
301808
1420
Wel, de gemakkelijkste manier
05:15
is to just do the experiment again.
128
303228
2114
is het experiment gewoon opnieuw te doen.
05:17
So I got back in the scanner,
129
305342
1639
Dus ging ik terug in de scanner,
05:18
I looked at more faces and I looked at more objects
130
306981
2431
keek naar meer gezichten
en meer voorwerpen
en meer voorwerpen
05:21
and I got a similar blob,
131
309412
2189
en kreeg hetzelfde vlekje...
05:23
and then I did it again
132
311601
1895
En ik deed het opnieuw...
05:25
and I did it again
133
313496
1855
en opnieuw...
05:27
and again and again,
134
315351
3072
en opnieuw en opnieuw...
05:30
and around about then
135
318423
1047
en tegen die tijd
05:31
I decided to believe it was for real.
136
319470
2941
besloot ik te geloven dat het echt was.
05:34
But still, maybe this is
something weird about my brain
something weird about my brain
137
322411
3753
Maar toch, misschien is dit gewoon
iets eigenaardigs in mijn brein
iets eigenaardigs in mijn brein
05:38
and no one else has one of these things in there,
138
326164
2462
dat niet voorkomt bij anderen.
05:40
so to find out, we scanned a bunch of other people
139
328626
2455
Om dat uit te zoeken,
scanden we andere mensen
scanden we andere mensen
05:43
and found that pretty much everyone
140
331081
2446
en kwamen we tot het besluit
dat bijna iedereen
dat bijna iedereen
05:45
has that little face-processing region
141
333527
2006
dat plekje heeft dat gezichten verwerkt
05:47
in a similar neighborhood of the brain.
142
335533
2893
in een gelijkaardig gebied van het brein.
05:50
So the next question was,
143
338426
1888
De volgende vraag was:
05:52
what does this thing really do?
144
340314
1474
wat doet dat ding nu eigenlijk?
05:53
Is it really specialized just for face recognition?
145
341788
3932
Is het echt gespecialiseerd
in gezichtsherkenning?
in gezichtsherkenning?
05:57
Well, maybe not, right?
146
345720
1240
Misschien niet?
05:58
Maybe it responds not only to faces
147
346960
1802
Misschien reageert het
06:00
but to any body part.
148
348762
2109
ook op andere lichaamsdelen?
06:02
Maybe it responds to anything human
149
350871
2369
Misschien reageert het
op alles wat menselijk is
op alles wat menselijk is
06:05
or anything alive
150
353240
1780
of alles dat leeft
06:07
or anything round.
151
355020
1656
of alles dat rond is.
06:08
The only way to be really sure that that region
152
356676
2154
De enige manier om heel zeker te zijn
06:10
is specialized for face recognition
153
358830
2417
dat het gespecialiseerd
is in gezichtsherkenning,
is in gezichtsherkenning,
06:13
is to rule out all of those hypotheses.
154
361247
2643
is al die hypotheses uit te sluiten.
06:15
So we spent much of the next couple of years
155
363890
2830
En dus brachten we de volgende
jaren door met het scannen
jaren door met het scannen
06:18
scanning subjects while they looked at lots
156
366720
1647
van proefpersonen terwijl ze
06:20
of different kinds of images,
157
368367
1606
naar allerlei foto's keken,
06:21
and we showed that that part of the brain
158
369973
1957
en toonden aan dat dat deel van het brein
06:23
responds strongly when you look at
159
371930
1950
sterk reageert wanneer je naar gezichten
06:25
any images that are faces of any kind,
160
373880
3453
van elke aard kijkt,
06:29
and it responds much less strongly
161
377333
1913
en dat het veel minder sterk reageert
06:31
to any image you show that isn't a face,
162
379246
3149
op elk beeld dat geen gezicht is,
06:34
like some of these.
163
382395
1305
zoals deze.
06:35
So have we finally nailed the case
164
383700
2239
Hebben we dan eindelijk bewezen
06:37
that this region is necessary for face recognition?
165
385939
3240
dat dit gebied nodig is
voor gezichtsherkenning?
voor gezichtsherkenning?
06:41
No, we haven't.
166
389179
1323
Nee hoor.
06:42
Brain imaging can never tell you
167
390502
1951
Hersenbeeldvorming kan nooit bepalen
06:44
if a region is necessary for anything.
168
392453
2440
of een gebied ergens voor nodig is.
06:46
All you can do with brain imaging
169
394893
1440
Het enige wat je ziet
06:48
is watch regions turn on and off
170
396333
2048
is dat gebieden aan- en
uitgeschakeld worden
uitgeschakeld worden
06:50
as people think different thoughts.
171
398381
1968
wanneer je verschillende gedachten denkt.
06:52
To tell if a part of the brain is
necessary for a mental function,
necessary for a mental function,
172
400349
3611
Om uit te maken of een deel van het brein
nodig is voor een mentale functie,
nodig is voor een mentale functie,
06:55
you need to mess with it and see what happens,
173
403960
2509
moet je ermee spelen
en nagaan wat er gebeurt.
en nagaan wat er gebeurt.
06:58
and normally we don't get to do that.
174
406469
2275
Normaal gezien kunnen we dat niet.
07:00
But an amazing opportunity came about
175
408744
2584
Maar onlangs deed zich
een uitgelezen kans voor
een uitgelezen kans voor
07:03
very recently when a couple of colleagues of mine
176
411328
2464
toen een paar van mijn collega's
07:05
tested this man who has epilepsy
177
413792
3071
deze man met epilepsie testten
07:08
and who is shown here in his hospital bed
178
416863
2682
en die hier in zijn ziekenhuisbed ligt
07:11
where he's just had electrodes placed
179
419545
1367
waar hij net elektroden
07:12
on the surface of his brain
180
420912
2071
op zijn hoofd geplaatst kreeg
07:14
to identify the source of his seizures.
181
422983
2554
om de oorzaak van zijn aanvallen
te achterhalen.
te achterhalen.
07:17
So it turned out by total chance
182
425537
2533
Toevallig bleek het
07:20
that two of the electrodes
183
428070
1949
dat twee elektroden
07:22
happened to be right on top of his face area.
184
430019
3223
op het gezichtsgebied plakten.
07:25
So with the patient's consent,
185
433242
2329
Met de toestemming van de patiënt
07:27
the doctors asked him what happened
186
435571
2587
vroegen de dokters hem wat er gebeurde
07:30
when they electrically stimulated
that part of his brain.
that part of his brain.
187
438158
4166
wanneer ze dat deel van zijn brein
elektrisch stimuleerden.
elektrisch stimuleerden.
07:34
Now, the patient doesn't know
188
442324
1654
Nu, de patiënt weet niet
07:35
where those electrodes are,
189
443978
1384
waar de elektroden zitten en
07:37
and he's never heard of the face area.
190
445362
2212
weet niet wat het gezichtsgebied is.
07:39
So let's watch what happens.
191
447574
1991
Laten we eens kijken wat er gebeurt.
07:41
It's going to start with a control condition
192
449565
1969
Het begint met een controlevoorwaarde
07:43
that will say "Sham" nearly invisibly
193
451534
2407
waarbij bijna onzichtbaar "Sham"
07:45
in red in the lower left,
194
453941
1710
in het rood links beneden staat,
07:47
when no current is delivered,
195
455651
2282
als er geen stroom wordt gegeven.
07:49
and you'll hear the neurologist speaking
to the patient first. So let's watch.
to the patient first. So let's watch.
196
457933
3815
Je zal de neuroloog eerst tegen
de patiënt horen spreken.
de patiënt horen spreken.
07:53
(Video) Neurologist: Okay, just look at my face
197
461748
2081
(Video) Neuroloog: Kijk naar mijn gezicht
07:55
and tell me what happens when I do this.
198
463829
3285
en vertel me wat er gebeurt
wanneer ik dit doe,
wanneer ik dit doe,
07:59
All right?
199
467114
934
OK?
08:00
Patient: Okay.
200
468048
2823
Patiënt: OK.
08:02
Neurologist: One, two, three.
201
470871
4320
Neuroloog: Eén, twee, drie.
08:07
Patient: Nothing.
Neurologist: Nothing? Okay.
Neurologist: Nothing? Okay.
202
475191
3015
Patiënt: Niets.
Neuroloog: Niets? OK.
Neuroloog: Niets? OK.
08:10
I'm going to do it one more time.
203
478206
2407
Ik doe het nog een keer.
08:12
Look at my face.
204
480613
3194
Kijk naar mijn gezicht.
08:15
One, two, three.
205
483807
4500
Eén, twee, drie.
08:20
Patient: You just turned into somebody else.
206
488307
2824
Patiënt: Je veranderde in iemand anders.
08:23
Your face metamorphosed.
207
491131
2137
Je gezicht veranderde.
08:25
Your nose got saggy, it went to the left.
208
493268
3011
Je neus zakte in en ging naar links.
08:28
You almost looked like somebody I'd seen before,
209
496279
3536
Je zag er bijna uit als iemand
die ik al ooit gezien had,
die ik al ooit gezien had,
08:31
but somebody different.
210
499815
2634
maar iemand anders.
08:34
That was a trip.
211
502449
2072
Te gek!
08:36
(Laughter)
212
504521
3132
(Gelach)
08:39
Nancy Kanwisher: So this experiment —
213
507653
1615
Nancy Kanwisher: Dit experiment -
08:41
(Applause) —
214
509268
4223
(Applaus) -
08:45
this experiment finally nails the case
215
513491
2682
Dit experiment bewijst eindelijk
08:48
that this region of the brain is not only
216
516173
1825
dat dit deel van het brein niet alleen
08:49
selectively responsive to faces
217
517998
2137
selectief reageert op gezichten,
08:52
but causally involved in face perception.
218
520135
3045
maar ook actief betrokken is
bij gezichtsherkenning.
bij gezichtsherkenning.
08:55
So I went through all of these details
219
523180
2130
Ik bekeek al deze details
over het gezichtsgebied
over het gezichtsgebied
08:57
about the face region to show you what it takes
220
525310
2464
om te tonen wat vereist is om te bewijzen
dat een deel van het brein
dat een deel van het brein
08:59
to really establish that a part of the brain
221
527774
2339
selectief betrokken is bij een
specifiek mentaal proces.
specifiek mentaal proces.
09:02
is selectively involved in a specific mental process.
222
530113
3128
09:05
Next, I'll go through much more quickly
223
533241
2159
Nu overloop ik wat sneller
09:07
some of the other specialized regions of the brain
224
535400
2660
enkele andere gespecialiseerde
gebieden van het brein
gebieden van het brein
09:10
that we and others have found.
225
538060
2100
die wij en anderen ontdekt hebben.
09:12
So to do this, I've spent a lot of time
226
540160
2114
De voorbije maand heb ik veel tijd
09:14
in the scanner over the last month
227
542274
1867
in de scanner doorgebracht
09:16
so I can show you these things in my brain.
228
544141
2261
om jullie deze dingen
in mijn brein te tonen.
in mijn brein te tonen.
09:18
So let's get started. Here's my right hemisphere.
229
546402
3233
Hier gaan we. Dit is
mijn rechter hersenhelft.
mijn rechter hersenhelft.
09:21
So we're oriented like that.
You're looking at my head this way.
You're looking at my head this way.
230
549635
2662
We zijn zo georiënteerd.
Je kijkt zo naar mijn hoofd.
Je kijkt zo naar mijn hoofd.
09:24
Imagine taking the skull off
231
552297
1093
Denk de schedel weg
09:25
and looking at the surface of the brain like that.
232
553390
2268
en beeld je in dat je zo
naar het brein kijkt.
naar het brein kijkt.
09:27
Okay, now as you can see,
233
555658
1758
Zoals je kan zien, is het oppervlak
09:29
the surface of the brain is all folded up.
234
557416
1503
van het brein opgevouwen.
09:30
So that's not good. Stuff could be hidden in there.
235
558919
1721
Misschien zit daar iets verborgen.
09:32
We want to see the whole thing,
236
560640
1434
We willen alles zien,
09:34
so let's inflate it so we can see the whole thing.
237
562074
3312
dus laten we het opblazen.
09:37
Next, let's find that face area I've been talking about
238
565386
2829
Nu gaan we het gebied zoeken
waarover ik het had
waarover ik het had
09:40
that responds to images like these.
239
568215
2227
dat op beelden als deze reageert.
09:42
To see that, let's turn the brain around
240
570442
1519
We draaien het brein om
09:43
and look on the inside surface on the bottom,
241
571961
2019
en kijken naar de binnenkant beneden.
09:45
and there it is, that's my face area.
242
573980
2305
Daar ligt mijn gezichtsgebied.
09:48
Just to the right of that is another region
243
576285
2707
Net rechts daarvan ligt een ander gebied
09:50
that is shown in purple
244
578992
1638
in het paars aangeduid
09:52
that responds when you process color information,
245
580630
3072
dat reageert wanneer je
kleureninformatie verwerkt,
kleureninformatie verwerkt,
09:55
and near those regions are other regions
246
583702
2691
en dichtbij die gebieden
liggen andere gebieden
liggen andere gebieden
09:58
that are involved in perceiving places,
247
586393
2363
die betrokken zijn bij
het waarnemen van plaatsen.
het waarnemen van plaatsen.
10:00
like right now, I'm seeing
this layout of space around me
this layout of space around me
248
588756
2838
Nu zie ik bijvoorbeeld
deze ruimte rondom mij
deze ruimte rondom mij
10:03
and these regions in green right there
249
591594
1752
en deze gebieden in het groen
10:05
are really active.
250
593346
1274
zijn heel actief.
10:06
There's another one out on the outside surface again
251
594620
2370
Er is er nog een op het buitenoppervlak
10:08
where there's a couple more face regions as well.
252
596990
2805
waar ook een aantal
gezichtsgebieden liggen.
gezichtsgebieden liggen.
10:11
Also in this vicinity
253
599795
2345
Hier dichtbij ligt een gebied
10:14
is a region that's selectively involved
254
602140
1645
dat selectief betrokken is
10:15
in processing visual motion,
255
603785
1936
bij het verwerken van visuele beweging
10:17
like these moving dots here,
256
605721
1504
zoals deze bewegende stipjes,
10:19
and that's in yellow at the bottom of the brain,
257
607225
2689
aangeduid in het geel
aan de onderkant van het brein.
aan de onderkant van het brein.
10:21
and near that is a region that responds
258
609914
3168
Dicht daarbij ligt een gebied dat reageert
10:25
when you look at images of bodies and body parts
259
613082
2897
als je naar beelden van
lichamen en lichaamsdelen kijkt,
lichamen en lichaamsdelen kijkt,
10:27
like these, and that region is shown in lime green
260
615979
2745
zoals deze, en dat gebied
is aangeduid in het groen
is aangeduid in het groen
10:30
at the bottom of the brain.
261
618724
2003
aan de onderkant van het brein.
10:32
Now all these regions I've shown you so far
262
620727
2632
Alle gebieden die ik
tot nu toe getoond heb,
tot nu toe getoond heb,
10:35
are involved in specific aspects of visual perception.
263
623359
4432
zijn betrokken bij specifieke aspecten
van visuele waarneming.
van visuele waarneming.
10:39
Do we also have specialized brain regions
264
627791
2148
Hebben we dan ook
gespecialiseerde gebieden
gespecialiseerde gebieden
10:41
for other senses, like hearing?
265
629939
2813
voor andere zintuigen, zoals het gehoor?
10:44
Yes, we do. So if we turn the brain around a little bit,
266
632752
3037
Jazeker: als we het brein
een beetje draaien,
een beetje draaien,
10:47
here's a region in dark blue
267
635789
2401
zie je hier een gebied in het blauw
10:50
that we reported just a couple of months ago,
268
638190
2346
dat we pas een paar maanden
geleden opmerkten
geleden opmerkten
10:52
and this region responds strongly
269
640536
1634
en dit gebied reageert sterk
10:54
when you hear sounds with pitch, like these.
270
642170
3429
wanneer je geluiden met
een toonhoogte als deze hoort
een toonhoogte als deze hoort
10:57
(Sirens)
271
645599
2143
(Sirene)
10:59
(Cello music)
272
647742
2081
(Cello)
11:01
(Doorbell)
273
649823
1917
(Deurbel)
11:03
In contrast, that same region
does not respond strongly
does not respond strongly
274
651740
3608
Maar datzelfde gebied
reageert niet sterk
reageert niet sterk
11:07
when you hear perfectly familiar sounds
275
655348
1562
als je bekende geluiden hoort
11:08
that don't have a clear pitch, like these.
276
656910
2362
die geen duidelijke toonhoogte
hebben, zoals deze -
hebben, zoals deze -
11:11
(Chomping)
277
659272
2469
(Gekauw)
11:13
(Drum roll)
278
661741
2200
(Trommelgeroffel)
11:15
(Toilet flushing)
279
663941
2767
(Doorspoelen van toilet)
11:18
Okay. Next to the pitch region
280
666708
2498
Naast dat gebied
11:21
is another set of regions that
are selectively responsive
are selectively responsive
281
669206
2474
ligt een aantal gebieden
die selectief reageren
die selectief reageren
11:23
when you hear the sounds of speech.
282
671680
2765
als je spraakgeluiden hoort.
11:26
Okay, now let's look at these same regions.
283
674445
1840
Laten we deze gebieden eens bekijken.
11:28
In my left hemisphere, there's a similar arrangement —
284
676285
2468
Mijn linker hersenhelft is gelijkaardig,
11:30
not identical, but similar —
285
678753
1473
maar niet identiek
11:32
and most of the same regions are in here,
286
680226
2209
en de meeste gebieden
liggen ook aan deze kant,
liggen ook aan deze kant,
11:34
albeit sometimes different in size.
287
682435
2002
zij het soms in een andere grootte.
11:36
Now, everything I've shown you so far
288
684437
2014
Alles wat ik tot nu toe heb laten zien,
11:38
are regions that are involved in
different aspects of perception,
different aspects of perception,
289
686451
3026
zijn gebieden voor verschillende
aspecten van waarneming,
aspecten van waarneming,
11:41
vision and hearing.
290
689477
1833
zien en horen.
11:43
Do we also have specialized brain regions
291
691310
1660
Zijn er ook zulke gebieden
11:44
for really fancy, complicated mental processes?
292
692970
3435
voor heel chique, ingewikkelde
mentale processen?
mentale processen?
11:48
Yes, we do.
293
696405
1429
Ja, die hebben we.
11:49
So here in pink are my language regions.
294
697834
3389
Hier in het roze liggen mijn taalgebieden.
11:53
So it's been known for a very long time
295
701223
1428
Het is al heel lang geweten
11:54
that that general vicinity of the brain
296
702651
2035
dat dit algemene gebied in het brein
11:56
is involved in processing language,
297
704686
2193
betrokken is bij taalverwerking,
11:58
but we showed very recently
298
706879
1732
maar heel recent toonden we aan
12:00
that these pink regions
299
708611
1710
dat deze roze gebieden
12:02
respond extremely selectively.
300
710321
2205
extreem selectief reageren.
12:04
They respond when you understand
the meaning of a sentence,
the meaning of a sentence,
301
712526
2812
Ze reageren wanneer je
de betekenis van een zin begrijpt,
de betekenis van een zin begrijpt,
12:07
but not when you do other complex mental things,
302
715338
2838
maar niet wanneer je andere
ingewikkelde mentale dingen doet
ingewikkelde mentale dingen doet
12:10
like mental arithmetic
303
718176
2179
zoals hoofdrekenen
12:12
or holding information in memory
304
720355
2396
of informatie in het geheugen houden
12:14
or appreciating the complex structure
305
722751
2655
of de complexe structuur
12:17
in a piece of music.
306
725406
2284
van een muziekstuk bevatten.
12:21
The most amazing region that's been found yet
307
729664
2889
Het meest verbazende gebied dat we
tot nu toe gevonden hebben
tot nu toe gevonden hebben
12:24
is this one right here in turquoise.
308
732553
3307
is het turkooizen gebied hier.
12:27
This region responds
309
735860
2190
Dit gebied reageert
12:30
when you think about what another person is thinking.
310
738050
4268
wanneer je denkt aan wat
een andere persoon aan het denken is.
een andere persoon aan het denken is.
12:34
So that may seem crazy,
311
742318
1644
Dat lijkt misschien gek,
12:35
but actually, we humans do this all the time.
312
743962
3868
maar eigenlijk doen wij
mensen dat voortdurend.
mensen dat voortdurend.
12:39
You're doing this when you realize
313
747830
2193
Je doet het wanneer je beseft
12:42
that your partner is going to be worried
314
750023
1631
dat je partner bezorgd zal zijn
12:43
if you don't call home to say you're running late.
315
751654
2507
als je niet naar huis belt
als je later zal komen.
als je later zal komen.
12:46
I'm doing this with that region of my brain right now
316
754161
3469
Ik doe het nu met
dat gebied van mijn brein
dat gebied van mijn brein
12:49
when I realize that you guys
317
757630
2281
wanneer ik besef dat jullie zich nu
12:51
are probably now wondering about
318
759911
1598
waarschijnlijk afvragen wat
12:53
all that gray, uncharted territory in the brain,
319
761509
2547
dat grijze onbekende gebied
in het brein is,
in het brein is,
12:56
and what's up with that?
320
764056
1964
en wat doet dat juist?
12:58
Well, I'm wondering about that too,
321
766020
1685
Wel, ik vraag me dat ook af
12:59
and we're running a bunch of
experiments in my lab right now
experiments in my lab right now
322
767705
2395
en we zijn bezig met
een aantal experimenten
een aantal experimenten
13:02
to try to find a number of other
323
770100
2013
om een aantal andere mogelijke
specialisaties te vinden
specialisaties te vinden
13:04
possible specializations in the brain
324
772113
2032
13:06
for other very specific mental functions.
325
774145
3368
voor andere zeer specifieke
mentale functies.
mentale functies.
13:09
But importantly, I don't think we have
326
777513
2621
Maar ik denk niet
13:12
specializations in the brain
327
780134
1564
dat er specialisaties zijn
13:13
for every important mental function,
328
781698
2746
voor elke belangrijke mentale functie,
13:16
even mental functions that may be critical for survival.
329
784444
3409
zelfs mentale functies die
essentieel zijn voor overleving.
essentieel zijn voor overleving.
13:19
In fact, a few years ago,
330
787853
2102
Een aantal jaar geleden
13:21
there was a scientist in my lab
331
789955
1117
was een wetenschapper
uit mijn labo ervan overtuigd
uit mijn labo ervan overtuigd
13:23
who became quite convinced
332
791072
1409
13:24
that he'd found a brain region
333
792481
1749
dat hij een gebied had gevonden
13:26
for detecting food,
334
794230
1912
voor het opsporen van voedsel.
13:28
and it responded really strongly in the scanner
335
796142
1918
Het reageerde sterk in de scanner
13:30
when people looked at images like this.
336
798060
2728
wanneer mensen naar
beelden als deze keken.
beelden als deze keken.
13:32
And further, he found a similar response
337
800788
2912
Verder vond hij een gelijkaardige reactie
13:35
in more or less the same location
338
803700
1939
op ongeveer dezelfde plaats
13:37
in 10 out of 12 subjects.
339
805639
2001
bij 10 op de 12 subjecten.
13:39
So he was pretty stoked,
340
807640
2294
Hij was dus nogal in de wolken
13:41
and he was running around the lab
341
809934
1260
en rende door het labo
13:43
telling everyone that he was going to go on "Oprah"
342
811194
2002
en riep dat hij naar 'Oprah' zou gaan
13:45
with his big discovery.
343
813196
2018
met deze grote ontdekking.
13:47
But then he devised the critical test:
344
815214
3022
Maar toen bedacht hij
de beslissende test:
de beslissende test:
13:50
He showed subjects images of food like this
345
818236
3183
hij liet beelden zien van
voedsel zoals deze
voedsel zoals deze
13:53
and compared them to images with very similar
346
821419
2741
en vergeleek ze met beelden
met zeer gelijkaardige
met zeer gelijkaardige
13:56
color and shape, but that weren't food, like these.
347
824160
3810
kleuren en vormen, maar
geen voedsel, zoals deze.
geen voedsel, zoals deze.
13:59
And his region responded the same
348
827970
2131
En het gebied reageerde
op dezelfde manier
op dezelfde manier
14:02
to both sets of images.
349
830101
1949
op beide beelden.
14:04
So it wasn't a food area,
350
832050
1327
Het was geen voedselgebied,
14:05
it was just a region that liked colors and shapes.
351
833377
2771
alleen een gebied dat graag
kleuren en vormen ziet.
kleuren en vormen ziet.
14:08
So much for "Oprah."
352
836148
2561
Geen "Oprah" dus.
14:12
But then the question, of course, is,
353
840483
2225
De vraag is natuurlijk,
14:14
how do we process all this other stuff
354
842708
2126
hoe verwerken we alle andere dingen
14:16
that we don't have specialized brain regions for?
355
844834
2970
waar we geen gespecialiseerde
gebieden voor hebben?
gebieden voor hebben?
14:19
Well, I think the answer is that in addition
356
847804
1811
Wel, ik denk dat we
buiten de gespecialiseerde onderdelen
buiten de gespecialiseerde onderdelen
14:21
to these highly specialized components
that I've been describing,
that I've been describing,
357
849615
3554
die ik beschreven heb
14:25
we also have a lot of very general-
purpose machinery in our heads
purpose machinery in our heads
358
853169
3679
ook veel algemene machinerie
in ons hoofd hebben
in ons hoofd hebben
14:28
that enables us to tackle
359
856848
1494
die ons toelaat
14:30
whatever problem comes along.
360
858342
2106
om welk probleem dan ook aan te pakken.
14:32
In fact, we've shown recently that
361
860448
2055
We hebben onlangs aangetoond dat
14:34
these regions here in white
362
862503
2068
de gebieden hier in het wit
14:36
respond whenever you do any difficult mental task
363
864571
3411
reageren wanneer je een moeilijke
mentale taak uitvoert, of toch ten minste
mentale taak uitvoert, of toch ten minste
14:39
at all —
364
867982
1101
een van de zeven taken
die we hebben getest.
die we hebben getest.
14:41
well, of the seven that we've tested.
365
869083
3571
14:44
So each of the brain regions that I've described
366
872654
2169
Elk van de gebieden
14:46
to you today
367
874823
1306
die ik beschreven heb,
14:48
is present in approximately the same location
368
876129
2767
is aanwezig op ongeveer dezelfde plaats
14:50
in every normal subject.
369
878896
1742
bij elke normale persoon.
14:52
I could take any of you,
370
880638
1623
Ik zou iemand kunnen uitkiezen,
14:54
pop you in the scanner,
371
882261
1226
hem in de scanner leggen,
14:55
and find each of those regions in your brain,
372
883487
2285
en elk van die gebieden
kunnen terugvinden,
kunnen terugvinden,
14:57
and it would look a lot like my brain,
373
885772
1905
en ze zouden erg op mijn brein lijken,
14:59
although the regions would be slightly different
374
887677
2070
zij het lichtjes verschillend
15:01
in their exact location and in their size.
375
889747
3564
in hun exacte locatie en grootte.
15:05
What's important to me about this work
376
893311
2365
Wat voor mij belangrijk is aan dit werk,
15:07
is not the particular locations of these brain regions,
377
895676
2969
zijn niet de specifieke
locaties van deze gebieden,
locaties van deze gebieden,
15:10
but the simple fact that we have
378
898645
2587
maar het simpele feit dat we selectieve,
15:13
selective, specific components of mind and brain
379
901232
2568
überhaupt specifieke onderdelen
in ons brein hebben.
in ons brein hebben.
15:15
in the first place.
380
903800
1648
15:17
I mean, it could have been otherwise.
381
905448
2011
Het had namelijk anders kunnen zijn.
15:19
The brain could have been a single,
382
907459
2441
Het brein zou een enkele,
15:21
general-purpose processor,
383
909900
1495
algemene processor kunnen zijn,
15:23
more like a kitchen knife
384
911395
1472
meer een keukenmes
15:24
than a Swiss Army knife.
385
912867
1683
dan een Zwitsers mes.
15:26
Instead, what brain imaging has delivered
386
914550
3111
Maar wat hersenbeeldvorming
ons gegeven heeft,
ons gegeven heeft,
15:29
is this rich and interesting picture of the human mind.
387
917661
3846
is een rijk en interessant beeld
van het menselijk brein.
van het menselijk brein.
15:33
So we have this picture of very general-purpose
388
921507
2463
Zo hebben we een beeld
van de algemene machinerie
van de algemene machinerie
15:35
machinery in our heads
389
923970
1070
in ons hoofd
15:37
in addition to this surprising array
390
925040
2357
bovenop de verrassende waaier
15:39
of very specialized components.
391
927397
3435
aan zeer gespecialiseerde onderdelen.
15:43
It's early days in this enterprise.
392
931712
2153
Maar we zijn er nog lang niet.
15:45
We've painted only the first brushstrokes
393
933865
2776
We zijn nog maar
aan de eerste penseelstrekenntoe
aan de eerste penseelstrekenntoe
15:48
in our neural portrait of the human mind.
394
936641
2927
van ons neuraal portret.
15:51
The most fundamental questions remain unanswered.
395
939568
3082
De meest fundamentele vragen
blijven nog onbeantwoord.
blijven nog onbeantwoord.
15:54
So for example, what does each
of these regions do exactly?
of these regions do exactly?
396
942650
3800
Bijvoorbeeld, wat doet elk
van deze gebieden precies?
van deze gebieden precies?
15:58
Why do we need three face areas
397
946450
2142
Waarom hebben we drie
gezichtsgebieden nodig
gezichtsgebieden nodig
16:00
and three place areas,
398
948592
1465
en drie locatiegebieden,
16:02
and what's the division of labor between them?
399
950057
2868
en wat is de werkverdeling onderling?
16:04
Second, how are all these things
400
952925
2693
Ten tweede, hoe zijn deze dingen
16:07
connected in the brain?
401
955618
1712
met elkaar verbonden in het brein?
16:09
With diffusion imaging,
402
957330
1587
Met diffusiebeeldvorming
16:10
you can trace bundles of neurons
403
958917
2179
kan je hoopjes neuronen opsporen
16:13
that connect to different parts of the brain,
404
961096
2575
verbonden met verschillende delen
van het brein
van het brein
16:15
and with this method shown here,
405
963671
1631
en met deze methode hier
16:17
you can trace the connections of
individual neurons in the brain,
individual neurons in the brain,
406
965302
3697
kan je de verbindingen van
individuele neuronen opsporen,
individuele neuronen opsporen,
16:20
potentially someday giving us a wiring diagram
407
968999
2718
wat ons ooit een bedradingsdiagram
zou kunnen opleveren
zou kunnen opleveren
16:23
of the entire human brain.
408
971717
2066
van het volledige menselijke brein.
16:25
Third, how does all of this
409
973783
2047
Ten derde, hoe wordt deze
16:27
very systematic structure get built,
410
975830
3149
zeer systematische structuur gebouwd
16:30
both over development in childhood
411
978979
2956
doorheen de ontwikkeling in de kindertijd
16:33
and over the evolution of our species?
412
981935
2812
en doorheen de evolutie van onze soort?
16:36
To address questions like that,
413
984747
1900
Om zulke vragen te beantwoorden,
16:38
scientists are now scanning
414
986647
1783
zijn wetenschappers bezig
16:40
other species of animals,
415
988430
2157
met het scannen van andere diersoorten
16:42
and they're also scanning human infants.
416
990587
5386
en ook met het scannen van baby's.
16:48
Many people justify the high
cost of neuroscience research
cost of neuroscience research
417
996931
3651
Veel mensen rechtvaardigen de hoge kosten
van neurowetenschappelijk onderzoek
van neurowetenschappelijk onderzoek
16:52
by pointing out that it may help us someday
418
1000582
2754
door erop te wijzen dat het ons
ooit zou kunnen helpen
ooit zou kunnen helpen
16:55
to treat brain disorders like Alzheimer's and autism.
419
1003336
3457
om stoornissen als Alzheimer
en autisme te behandelen.
en autisme te behandelen.
16:58
That's a hugely important goal,
420
1006793
1947
Dat is een enorm belangrijk doel
17:00
and I'd be thrilled if any of my work contributed to it,
421
1008740
3221
en ik zou het fantastisch vinden als
mijn werk daartoe bijdroeg.
mijn werk daartoe bijdroeg.
17:03
but fixing things that are broken in the world
422
1011961
2998
Maar dingen herstellen
die gebroken zijn,
die gebroken zijn,
17:06
is not the only thing that's worth doing.
423
1014959
2801
is niet het enige dat de moeite waard is.
17:09
The effort to understand the human mind and brain
424
1017760
3228
De inspanning om het menselijke brein
te begrijpen is waardevol,
te begrijpen is waardevol,
17:12
is worthwhile even if it never led to the treatment
425
1020988
2818
ook al heeft het nooit
geleid tot de behandeling
geleid tot de behandeling
17:15
of a single disease.
426
1023806
1677
van een ziekte.
17:17
What could be more thrilling
427
1025483
2037
Wat zou er boeiender zijn
17:19
than to understand the fundamental mechanisms
428
1027520
3141
dan de fundamentele
mechanismen te begrijpen
mechanismen te begrijpen
17:22
that underlie human experience,
429
1030661
2296
die aan de grondslag liggen
van het menszijn,
van het menszijn,
17:24
to understand, in essence, who we are?
430
1032957
2926
om in essentie te begrijpen wie we zijn?
17:27
This is, I think, the greatest scientific quest
431
1035883
3449
Dat is, denk ik, de grootste
wetenschappelijke zoektocht aller tijden.
wetenschappelijke zoektocht aller tijden.
17:31
of all time.
432
1039332
2713
17:34
(Applause)
433
1042045
5470
(Applaus)
ABOUT THE SPEAKER
Nancy Kanwisher - Brain researcherUsing fMRI imaging to watch the human brain at work, Nancy Kanwisher’s team has discovered cortical regions responsible for some surprisingly specific elements of cognition.
Why you should listen
Does the brain use specialized processors to solve complex problems, or does it rely instead on more general-purpose systems?
This question has been at the crux of brain research for centuries. MIT researcher Nancy Kanwisher seeks to answer this question by discovering a “parts list” for the human mind and brain. "Understanding the nature of the human mind," she says, "is arguably the greatest intellectual quest of all time."
Kanwisher and her colleagues have used fMRI to identify distinct sites in the brain for face recognition, knowing where you are, and thinking about other people’s thoughts. Yet these discoveries are a prelude to bigger questions: How do these brain regions develop and function? What are the actual computations that go on in each region, and how are these computations implemented in circuits of neurons? And how do these work together to produce human intelligence?
To learn more, see Kanwisher's collection of short talks on how scientists actually study the human mind and brain and what they have learned so far.
Nancy Kanwisher | Speaker | TED.com