TEDIndia 2009
Pawan Sinha: How brains learn to see
Pawan Sinha over hoe hersenen leren zien
Filmed:
Readability: 4.5
939,209 views
Pawan Sinha vertelt over baanbrekend onderzoek naar de ontwikkeling van het vermogen te zien in de hersenen. Sinha en zijn team verzorgen gratis behandelingen waarin blind geboren kinderen het vermogen te zien terugkrijgen, en bestuderen vervolgens hoe hun hersenen leren interpreteren wat de ogen zien. Het werk biedt inzicht in de neurowetenschap, techniek en zelfs autisme.
Pawan Sinha - Visual neuroscientist
Pawan Sinha researches how our brains interpret what our eyes see -- and uses that research to give blind children the gift of sight. Full bio
Pawan Sinha researches how our brains interpret what our eyes see -- and uses that research to give blind children the gift of sight. Full bio
Double-click the English transcript below to play the video.
00:15
If you are a blind child in India,
0
0
4000
Als je een blind kind bent in India
00:19
you will very likely have to contend with
1
4000
3000
moet je waarschijnlijk met ten minste
00:22
at least two big pieces of bad news.
2
7000
3000
twee belangrijke zaken leren leven.
00:25
The first bad news
3
10000
2000
Het eerste slechte nieuws
00:27
is that the chances of getting treatment
4
12000
3000
is dat de kans dat je behandeld wordt
00:30
are extremely slim to none,
5
15000
3000
vrijwel nul is,
00:33
and that's because most of the blindness
6
18000
2000
en dat komt omdat de meeste programma's
00:35
alleviation programs in the country
7
20000
2000
in dat land voor het verhelpen van blindheid
00:37
are focused on adults,
8
22000
2000
gericht zijn op volwassenen
00:39
and there are very, very few hospitals
9
24000
3000
en er zijn maar erg weinig ziekenhuizen
00:42
that are actually equipped to treat children.
10
27000
3000
die uitgerust zijn om kinderen te behandelen.
00:46
In fact, if you were to be treated,
11
31000
4000
Als je behandeld wordt kan het zelfs zo zijn
00:51
you might well end up being treated
12
36000
3000
dat je behandeld wordt
00:54
by a person who has no medical credentials
13
39000
3000
door iemand zonder geneeskundige kwalificatie
00:57
as this case from Rajasthan illustrates.
14
42000
3000
zoals deze zaak uit Rajasthan laat zien.
01:00
This is a three-year-old orphan girl
15
45000
2000
Dit is een drie jaar oud weesmeisje
01:02
who had cataracts.
16
47000
2000
met grauwe staar.
01:04
So, her caretakers took her
17
49000
2000
Dus namen haar verzorgers haar mee
01:06
to the village medicine man,
18
51000
2000
naar de dorpsmedicijnman.
01:08
and instead of suggesting to the caretakers
19
53000
3000
In plaats van voor te stellen aan de verzorgers
01:11
that the girl be taken to a hospital,
20
56000
3000
dat het meisje naar een ziekenhuis moest,
01:14
the person decided to burn her abdomen
21
59000
2000
besloot de man haar buik te verbranden
01:16
with red-hot iron bars
22
61000
2000
met roodhete ijzeren staven
01:18
to drive out the demons.
23
63000
2000
om demonen uit te drijven.
01:20
The second piece of bad news
24
65000
3000
Het tweede slechte nieuws
01:23
will be delivered to you
25
68000
2000
zal je gebracht worden
01:25
by neuroscientists, who will tell you
26
70000
3000
door neurowetenschappers die je zullen zeggen
01:28
that if you are older than four or five years of age,
27
73000
3000
dat als je ouder dan vier of vijf jaar bent
01:31
that even if you have your eye corrected,
28
76000
3000
het zo is dat zelfs wanneer je ogen behandeld zijn
01:34
the chances of your brain learning how to see
29
79000
3000
de kans dat je hersenen leren zien
01:37
are very, very slim --
30
82000
2000
heel erg klein is.
01:39
again, slim or none.
31
84000
3000
Weer zo goed als nul.
01:42
So when I heard these two things,
32
87000
2000
Ik had er grote moeite mee
01:44
it troubled me deeply,
33
89000
2000
deze dingen te horen
01:46
both because of personal reasons
34
91000
2000
om zowel persoonlijke
01:48
and scientific reasons.
35
93000
2000
als wetenschappelijke redenen.
01:50
So let me first start with the personal reason.
36
95000
3000
Laat me beginnen met de persoonlijke reden.
01:53
It'll sound corny, but it's sincere.
37
98000
3000
Het zal afgezaagd klinken, maar ik meen het oprecht.
01:56
That's my son, Darius.
38
101000
2000
Dat is mijn zoon, Darius.
01:58
As a new father,
39
103000
2000
Na de geboorte van mijn eerste kind
02:00
I have a qualitatively different sense
40
105000
4000
heb ik een kwalitatief ander gevoel
02:04
of just how delicate babies are,
41
109000
3000
over hoe teer baby's zijn,
02:07
what our obligations are towards them
42
112000
3000
wat onze verplichtingen naar ze zijn
02:10
and how much love
43
115000
2000
en hoe veel liefde
02:12
we can feel towards a child.
44
117000
3000
we voor een kind kunnen voelen.
02:15
I would move heaven and earth
45
120000
2000
Ik zou hemel en aarde bewegen
02:17
in order to get treatment for Darius,
46
122000
3000
om Darius te laten behandelen.
02:20
and for me to be told
47
125000
2000
En om het aan te horen
02:22
that there might be other Dariuses
48
127000
2000
dat er andere Dariussen kunnen zijn
02:24
who are not getting treatment,
49
129000
2000
die geen behandeling krijgen,
02:26
that's just viscerally wrong.
50
131000
3000
is diep, diep verkeerd.
02:29
So that's the personal reason.
51
134000
2000
Dat is dus de persoonlijke reden.
02:31
Scientific reason is that this notion
52
136000
3000
De wetenschappelijke reden is dat de idee
02:34
from neuroscience of critical periods --
53
139000
2000
van de kritische periode, uit de neurowetenschappen,
02:36
that if the brain is older
54
141000
3000
dat als de hersenen ouder zijn
02:39
than four or five years of age,
55
144000
2000
dan vier of vijf jaar
02:41
it loses its ability to learn --
56
146000
2000
ze het vermogen om te leren verliezen
02:43
that doesn't sit well with me,
57
148000
2000
me onjuist lijkt
02:45
because I don't think that idea
58
150000
2000
omdat ik niet denk dat deze idee
02:47
has been tested adequately.
59
152000
3000
voldoende op de proef is gesteld.
02:50
The birth of the idea is from
60
155000
2000
Deze idee komt
02:52
David Hubel and Torsten Wiesel's work,
61
157000
2000
uit het werk van David Hubel en Torsten Wiesel.
02:54
two researchers who were at Harvard,
62
159000
2000
Zij waren twee wetenschappers van Harvard
02:56
and they got the Nobel Prize in 1981
63
161000
3000
en kregen in 1981 de Nobelprijs
02:59
for their studies of visual physiology,
64
164000
2000
voor hun onderzoek in visuele fysiologie,
03:01
which are remarkably beautiful studies,
65
166000
2000
opmerkelijk mooie onderzoeken,
03:03
but I believe some of their work
66
168000
2000
maar ik denk dat een deel van hun werk
03:05
has been extrapolated
67
170000
2000
te gemakkelijk wordt gezien
03:07
into the human domain prematurely.
68
172000
2000
als geldend voor mensen.
03:09
So, they did their work with kittens,
69
174000
2000
Zij werkten met jonge katten
03:11
with different kinds of deprivation regiments,
70
176000
2000
die ze de ene of andere prikkel onthielden
03:13
and those studies,
71
178000
2000
en deze onderzoeken,
03:15
which date back to the '60s,
72
180000
2000
die uit de jaren zestig stammen,
03:17
are now being applied to human children.
73
182000
3000
worden nu gezien als geldend voor kinderen.
03:20
So I felt that I needed to do two things.
74
185000
3000
Ik vond dat ik twee dingen moest doen.
03:23
One: provide care
75
188000
3000
Ten eerste: verzorging bieden
03:26
to children who are currently
76
191000
2000
aan kinderen die
03:28
being deprived of treatment.
77
193000
2000
daar nu van verstoken blijven.
03:30
That's the humanitarian mission.
78
195000
2000
Dat is het humanitaire doel.
03:32
And the scientific mission would be
79
197000
2000
En het wetenschappelijke doel is
03:34
to test the limits
80
199000
2000
het nagaan van de grenzen
03:36
of visual plasticity.
81
201000
2000
van het visuele aanpassingsvermogen.
03:38
And these two missions, as you can tell,
82
203000
3000
En deze twee doelen, zoals je kan zien,
03:41
thread together perfectly. One adds to the other;
83
206000
3000
passen volmaakt bij elkaar, zij versterken elkaar.
03:44
in fact, one would be impossible without the other.
84
209000
3000
We zouden het één helemaal niet kunnen doen zonder het ander.
03:49
So, to implement
85
214000
2000
Om dus deze twee doelen
03:51
these twin missions,
86
216000
2000
te verwezenlijken
03:53
a few years ago, I launched Project Prakash.
87
218000
3000
heb ik een paar jaar geleden Project Prakash opgericht.
03:56
Prakash, as many of you know,
88
221000
2000
Prakash is zoals velen van jullie weten
03:58
is the Sanskrit word for light,
89
223000
2000
het woord voor licht in het Sanskriet
04:00
and the idea is that
90
225000
2000
en de gedachte is dat
04:02
in bringing light into the lives of children,
91
227000
3000
door licht te brengen in het leven van kinderen
04:05
we also have a chance
92
230000
2000
we ook een kans hebben
04:07
of shedding light on some of the
93
232000
2000
licht te werpen op een paar
04:09
deepest mysteries of neuroscience.
94
234000
3000
van de diepste raadsels uit de neurowetenschappen.
04:12
And the logo -- even though it looks extremely Irish,
95
237000
3000
En hoewel het beeldmerk er bijzonder Iers uitziet
04:15
it's actually derived from
96
240000
2000
is het eigenlijk afgeleid
04:17
the Indian symbol of Diya, an earthen lamp.
97
242000
4000
van het Indiase symbool Diya, een aarden lamp.
04:21
The Prakash, the overall effort
98
246000
3000
De Prakash, de gehele verrichting
04:24
has three components:
99
249000
2000
bestaat uit drie delen:
04:26
outreach, to identify children in need of care;
100
251000
4000
Het vinden van de kinderen die hulp nodig hebben,
04:30
medical treatment; and in subsequent study.
101
255000
3000
de geneeskundige behandeling en uiteindelijk het onderzoek.
04:33
And I want to show you a short video clip
102
258000
3000
Ik wil graag een korte video laten zien
04:36
that illustrates the first two components of this work.
103
261000
3000
die de eerste twee delen van dit werk verheldert.
04:41
This is an outreach station
104
266000
2000
Dit is een opsporingsstation
04:43
conducted at a school for the blind.
105
268000
3000
in een blindenschool.
04:46
(Text: Most of the children are profoundly and permanently blind ...)
106
271000
5000
(Tekst: De meeste kinderen zijn volledig en blijvend blind...)
04:51
Pawan Sinha: So, because this is a school for the blind,
107
276000
5000
Pawan Sinha: Omdat dit dus een blindenschool is,
04:56
many children have permanent conditions.
108
281000
2000
vind je hier veel kinderen met een blijvende aandoening.
04:58
That's a case of microphthalmos,
109
283000
3000
Dit is een geval van microftalmie
05:01
which is malformed eyes,
110
286000
2000
een blijvende aandoening
05:03
and that's a permanent condition;
111
288000
2000
waarbij het oog misvormd is.
05:05
it cannot be treated.
112
290000
2000
Het kan niet verholpen worden.
05:07
That's an extreme of micropthalmos
113
292000
2000
Dit is een heel erge vorm van microftalmie
05:09
called enophthalmos.
114
294000
2000
die enoftalmie heet.
05:11
But, every so often, we come across children
115
296000
2000
Maar zo nu en dan komen we kinderen tegen
05:13
who show some residual vision,
116
298000
3000
met nog wat resterend gezichtsvermogen
05:16
and that is a very good sign
117
301000
3000
en dat is een goed teken
05:19
that the condition might actually be treatable.
118
304000
2000
dat hun aandoening misschien verholpen kan worden.
05:21
So, after that screening, we bring the children to the hospital.
119
306000
3000
Na de doorlichting brengen we de kinderen naar het ziekenhuis.
05:24
That's the hospital we're working with in Delhi,
120
309000
2000
Dat is het ziekenhuis waarmee we samenwerken in Delhi,
05:26
the Schroff Charity Eye Hospital.
121
311000
3000
het Schroff Charity Eye Hospital.
05:29
It has a very well-equipped
122
314000
2000
Het is een zeer goed uitgerust
05:31
pediatric ophthalmic center,
123
316000
3000
kindergeneeskundig oogheelkundig centrum,
05:35
which was made possible in part
124
320000
2000
dat mede bestaat
05:37
by a gift from the Ronald McDonald charity.
125
322000
4000
dankzij een gift van de Ronald McDonaldliefdadigheid.
05:41
So, eating burgers actually helps.
126
326000
3000
Hamburgers eten helpt dus toch.
05:45
(Text: Such examinations allow us to improve
127
330000
2000
(Tekst: Zulke onderzoeken stellen ons in staat
05:47
eye-health in many children, and ...
128
332000
2000
de gezondheid van de ogen van veel kinderen te verbeteren, en...
05:54
... help us find children who can participate in Project Prakash.)
129
339000
3000
... helpen ons kinderen te vinden die aan Project Prakash kunnen deelnemen.)
05:57
PS: So, as I zoom in to the eyes of this child,
130
342000
2000
Pawan Sinha: Zo, als ik inzoom op de ogen van dit kind
05:59
you will see the cause of his blindness.
131
344000
3000
kun je de oorzaak van zijn blindheid zien.
06:03
The whites that you see in the middle of his pupils
132
348000
3000
Het wit dat je in het midden van de pupil ziet
06:06
are congenital cataracts,
133
351000
3000
is aangeboren grauwe staar,
06:09
so opacities of the lens.
134
354000
2000
ondoorzichtigheden in de lens dus.
06:11
In our eyes, the lens is clear,
135
356000
3000
In onze ogen is de lens doorzichtig
06:14
but in this child, the lens has become opaque,
136
359000
2000
maar in dit kind is de lens ondoorzichtig geworden
06:16
and therefore he can't see the world.
137
361000
3000
en daardoor kan het niet zien.
06:19
So, the child is given treatment. You'll see shots of the eye.
138
364000
3000
Het kind wordt dus behandeld, ik laat plaatjes van het oog zien.
06:22
Here's the eye with the opaque lens,
139
367000
2000
Hier is het oog met de ondoorzichtige lens
06:24
the opaque lens extracted
140
369000
2000
die eruit wordt gehaald
06:26
and an acrylic lens inserted.
141
371000
3000
en wordt vervangen door een lens van acryl.
06:29
And here's the same child
142
374000
2000
Hier is hetzelfde kind
06:31
three weeks post-operation,
143
376000
3000
drie weken na de ingreep
06:34
with the right eye open.
144
379000
3000
met het rechteroog open.
06:40
(Applause)
145
385000
6000
(applaus)
06:46
Thank you.
146
391000
2000
Bedankt.
06:48
So, even from that little clip, you can begin to get the sense
147
393000
3000
Zelfs van dat stukje beeld kan je al het gevoel krijgen
06:51
that recovery is possible,
148
396000
2000
dat herstel mogelijk is,
06:53
and we have now
149
398000
2000
en we hebben nu
06:55
provided treatment to over 200 children,
150
400000
3000
tweehonderd kinderen behandeld
06:58
and the story repeats itself.
151
403000
2000
en het verhaal is steeds hetzelfde.
07:00
After treatment, the child
152
405000
2000
Na de behandeling wint het kind
07:02
gains significant functionality.
153
407000
3000
een belangrijk deel aan gezichtsvermogen.
07:05
In fact, the story holds true
154
410000
3000
Dit geldt bovendien zelfs
07:08
even if you have a person who got sight
155
413000
2000
voor mensen die vele jaren
07:10
after several years of deprivation.
156
415000
2000
niet hebben kunnen zien.
07:12
We did a paper a few years ago
157
417000
2000
We schreven een paar jaar geleden
07:14
about this woman that you see on the right, SRD,
158
419000
4000
over deze vrouw die je aan de rechterkant ziet, SRD,
07:18
and she got her sight late in life,
159
423000
2000
en zij kreeg pas laat in haar leven zicht
07:20
and her vision is remarkable at this age.
160
425000
4000
maar ze kon toch verbazend goed zien.
07:24
I should add a tragic postscript to this --
161
429000
3000
Er zit een droevig einde aan dit verhaal.
07:27
she died two years ago
162
432000
2000
Zij stierf twee jaar geleden
07:29
in a bus accident.
163
434000
2000
in een busongeluk.
07:31
So, hers is just a truly inspiring story --
164
436000
4000
Haar verhaal is ongelofelijk bezielend,
07:35
unknown, but inspiring story.
165
440000
3000
onbekend, maar bezielend.
07:38
So when we started finding these results,
166
443000
2000
Toen we dus deze uitkomsten vonden
07:40
as you might imagine, it created quite a bit of stir
167
445000
3000
ontstond er zoals je je kan voorstellen nogal wat beroering
07:43
in the scientific and the popular press.
168
448000
3000
in de wetenschappelijke en gewone pers.
07:46
Here's an article in Nature
169
451000
2000
Dit is een artikel in Nature
07:48
that profiled this work,
170
453000
2000
over dit werk
07:50
and another one in Time.
171
455000
2000
en één in Time.
07:52
So, we were fairly convinced -- we are convinced --
172
457000
2000
We zijn redelijk overtuigd, we zijn overtuigd
07:54
that recovery is feasible,
173
459000
2000
dat herstel mogelijk is
07:56
despite extended visual deprivation.
174
461000
3000
ondanks langdurige afwezigheid van zicht.
07:59
The next obvious question to ask:
175
464000
2000
De volgende voor de hand liggende vraag is
08:01
What is the process of recovery?
176
466000
3000
hoe verloop de ontwikkeling van herstel?
08:04
So, the way we study that is,
177
469000
3000
De manier waarop we dat onderzoeken is
08:07
let's say we find a child who has light sensitivity.
178
472000
2000
dat we een kind vinden dat gevoelig is voor licht.
08:09
The child is provided treatment,
179
474000
2000
Het kind krijgt een behandeling,
08:11
and I want to stress that the treatment
180
476000
2000
en ik wil graag benadrukken dat de behandeling
08:13
is completely unconditional;
181
478000
2000
volkomen onvoorwaardelijk is.
08:15
there is no quid pro quo.
182
480000
2000
We eisen geen tegenprestatie.
08:17
We treat many more children then we actually work with.
183
482000
3000
We behandelen veel meer kinderen dan we onderzoeken.
08:20
Every child who needs treatment is treated.
184
485000
3000
Elk kind dat het nodig heeft wordt behandeld.
08:23
After treatment, about every week,
185
488000
2000
Ongeveer een week na de behandeling
08:25
we run the child
186
490000
2000
laten we het kind
08:27
on a battery of simple visual tests
187
492000
3000
een hele reeks gezichtsoefeningen doen
08:30
in order to see how their visual skills
188
495000
2000
om te kijken hoe hun kijkvaardigheid
08:32
are coming on line.
189
497000
2000
zich ontwikkelde.
08:34
And we try to do this for as long as possible.
190
499000
3000
En we trachten dit zo lang mogelijk vol te houden.
08:37
This arc of development
191
502000
2000
De weg waarlangs deze ontwikkeling
08:39
gives us unprecedented
192
504000
2000
plaatsvindt, geeft ons ongekende
08:41
and extremely valuable information
193
506000
2000
en uitermate waardevolle gegevens
08:43
about how the scaffolding of vision
194
508000
2000
over hoe de structuur van ons zien
08:45
gets set up.
195
510000
2000
is opgebouwd.
08:47
What might be the causal connections
196
512000
2000
Wat zouden de oorzakelijke verbanden
08:49
between the early developing skills
197
514000
2000
tussen de zich vroeg ontwikkelende vermogens
08:51
and the later developing ones?
198
516000
2000
en de latere kunnen zijn?
08:53
And we've used this general approach to study
199
518000
2000
En we hebben deze algemene benadering gebruikt
08:55
many different visual proficiencies,
200
520000
3000
om vele verschillende visuele vaardigheden te toetsen,
08:58
but I want to highlight one particular one,
201
523000
4000
maar ik wil er één benadrukken
09:02
and that is image parsing into objects.
202
527000
3000
en dat is het zien van voorwerpen in beelden.
09:05
So, any image of the kind that you see on the left,
203
530000
2000
Elk beeld zoals je dat links ziet
09:07
be it a real image or a synthetic image,
204
532000
3000
of het nu echt of kunstmatig is
09:10
it's made up of little regions
205
535000
2000
bestaat uit kleine gebieden
09:12
that you see in the middle column,
206
537000
2000
die je in het midden ziet,
09:14
regions of different colors, different luminances.
207
539000
3000
gebieden met verschillende kleuren en belichting.
09:17
The brain has this complex task
208
542000
3000
De hersenen hebben de ingewikkelde taak
09:20
of putting together, integrating,
209
545000
3000
dit te ontleden
09:23
subsets of these regions
210
548000
2000
en deelverzamelingen hiervan
09:25
into something that's more meaningful,
211
550000
2000
tot iets betekenisvols samen te voegen,
09:27
into what we would consider to be objects,
212
552000
2000
tot iets dat wij zouden herkennen als voorwerpen
09:29
as you see on the right.
213
554000
2000
zoals je rechts ziet.
09:31
And nobody knows how this integration happens,
214
556000
2000
En niemand weet hoe dit samenvoegen plaatsvindt.
09:33
and that's the question we asked with Project Prakash.
215
558000
4000
En dat is de vraag die we stelden met Project Prakash.
09:37
So, here's what happens
216
562000
2000
Nu, dit is wat er
09:39
very soon after the onset of sight.
217
564000
3000
kort na het verkrijgen van zicht gebeurt.
09:42
Here's a person who had gained sight just a couple of weeks ago,
218
567000
3000
Dit is iemand die net een paar weken eerder zicht had verkregen
09:45
and you see Ethan Myers, a graduate student from MIT,
219
570000
3000
en je ziet Ethan Myers, een student van MIT,
09:48
running the experiment with him.
220
573000
3000
een proef met hem doorlopen.
09:51
His visual-motor coordination is quite poor,
221
576000
4000
Bij hem is de samenwerking tussen zien en doen nogal slecht,
09:55
but you get a general sense
222
580000
2000
maar je krijgt wel de indruk
09:57
of what are the regions that he's trying to trace out.
223
582000
3000
van de gebieden die hij probeert op te sporen.
10:00
If you show him real world images,
224
585000
2000
Als je hem beelden van echte zaken laat zien,
10:02
if you show others like him real world images,
225
587000
3000
wanneer je iemand als hij zulke beelden laat zien,
10:05
they are unable to recognize most of the objects
226
590000
2000
zijn ze niet in staat de meeste voorwerpen te herkennen
10:07
because the world to them is over-fragmented;
227
592000
3000
omdat de wereld voor hun uit te veel losse stukjes bestaat.
10:10
it's made up of a collage, a patchwork,
228
595000
3000
Het bestaat uit brokjes en vlekken
10:13
of regions of different colors and luminances.
229
598000
2000
van stukken met verschillende kleuren en belichtingen.
10:15
And that's what's indicated in the green outlines.
230
600000
2000
En dat is wat de groene lijnen aangeven.
10:17
When you ask them,
231
602000
2000
Wanneer je ze vraagt voorwerpen
10:19
"Even if you can't name the objects, just point to where the objects are,"
232
604000
3000
aan te wijzen, als ze ze niet kan benoemen,
10:22
these are the regions that they point to.
233
607000
2000
zijn dit de gebieden die ze aanwijzen.
10:24
So the world is this complex
234
609000
2000
De wereld is dus een ingewikkelde
10:26
patchwork of regions.
235
611000
2000
vlekkendeken.
10:28
Even the shadow on the ball
236
613000
2000
Zelfs de schaduw op de bal
10:30
becomes its own object.
237
615000
3000
lijkt een voorwerp op zich.
10:33
Interestingly enough,
238
618000
2000
Wat belangwekkend is,
10:35
you give them a few months,
239
620000
2000
is dat er na een paar maand
10:37
and this is what happens.
240
622000
3000
dit gebeurt.
10:43
Doctor: How many are these?
241
628000
2000
Arts: Hoeveel zijn er?
10:45
Patient: These are two things.
242
630000
2000
Patiënt: Dit zijn twee dingen.
10:47
Doctor: What are their shapes?
243
632000
2000
Arts: Wat voor vorm hebben ze?
10:49
Patient: Their shapes ...
244
634000
2000
Patiënt: Hun vorm...
10:51
This one is a circle,
245
636000
3000
Dit is een ring
10:54
and this
246
639000
2000
en dit
10:56
is a square.
247
641000
2000
is een vierkant.
10:58
PS: A very dramatic transformation has come about.
248
643000
3000
Pawan Sinha: Er is een heel indrukwekkende verandering opgetreden
11:01
And the question is:
249
646000
2000
en de vraag is
11:03
What underlies this transformation?
250
648000
2000
wat daaraan ten grondslag ligt.
11:05
It's a profound question,
251
650000
2000
Het is een diepgaande vraag
11:07
and what's even more amazing is how simple
252
652000
2000
en wat nog verbazingwekkender is,
11:09
the answer is.
253
654000
2000
is hoe eenvoudig het antwoord is.
11:11
The answer lies in motion
254
656000
2000
Het antwoord zit hem in beweging
11:13
and that's what I want to show you in the next clip.
255
658000
3000
en dat is wat ik wil laten zien met de volgende beelden.
11:18
Doctor: What shape do you see here?
256
663000
2000
Arts: Wat voor vorm zie je hier?
11:20
Patient: I can't make it out.
257
665000
3000
Patiënt: Ik weet het niet.
11:28
Doctor: Now?
258
673000
2000
Arts: Nu?
11:31
Patient: Triangle.
259
676000
2000
Patiënt: Driehoek.
11:35
Doctor: How many things are these?
260
680000
3000
Arts: Hoeveel dingen zijn er hier?
11:48
Now, how many things are these?
261
693000
3000
Nu, hoeveel zijn er?
11:51
Patient: Two.
262
696000
2000
Patiënt: Twee.
11:53
Doctor: What are these things?
263
698000
2000
Arts: Wat zijn dit voor vormen?
11:56
Patient: A square and a circle.
264
701000
2000
Patiënt: Een vierkant en een ring.
11:58
PS: And we see this pattern over and over again.
265
703000
3000
Pawan Sinha: En dit verschijnsel vinden telkens weer.
12:01
The one thing the visual system needs
266
706000
3000
Datgene wat we nodig hebben
12:04
in order to begin parsing the world
267
709000
2000
om de wereld goed te kunnen waarnemen
12:06
is dynamic information.
268
711000
2000
is dynamische informatie.
12:08
So the inference we are deriving from this,
269
713000
2000
De gevolgtrekking die we hieruit maken
12:10
and several such experiments,
270
715000
2000
en uit verschillende andere van zulke proeven
12:12
is that dynamic information processing,
271
717000
2000
is dat het verwerken van dynamische informatie
12:14
or motion processing,
272
719000
2000
of van beweging
12:16
serves as the bedrock for building
273
721000
2000
de ondergrond vormt voor het opbouwen
12:18
the rest of the complexity of visual processing;
274
723000
4000
van de andere delen van de ingewikkelde verwerking van deze gegevens.
12:22
it leads to visual integration
275
727000
2000
Het leidt tot het samenvoegen van wat je ziet
12:24
and eventually to recognition.
276
729000
3000
en uiteindelijk tot herkenning.
12:27
This simple idea has far reaching implications.
277
732000
3000
Deze eenvoudige gedachte heeft verstrekkende gevolgen.
12:30
And let me just quickly mention two,
278
735000
3000
Laat me er snel twee noemen.
12:33
one, drawing from the domain of engineering,
279
738000
2000
Eén komt uit de techniek
12:35
and one from the clinic.
280
740000
2000
en de andere uit de kliniek.
12:37
So, from the perspective of engineering,
281
742000
2000
Vanuit de invalshoek van de techniek
12:39
we can ask: Goven that we know
282
744000
3000
kunnen we vragen: gegeven dat we weten
12:42
that motion is so important for the human visual system,
283
747000
2000
dat beweging zo belangrijk is voor de menselijke verwerking van zicht,
12:44
can we use this as a recipe
284
749000
3000
kunnen we dit als voorbeeld gebruiken
12:47
for constructing machine-based vision systems
285
752000
3000
voor het maken van toestellen met een zichtsysteem
12:50
that can learn on their own, that don't need to be programmed
286
755000
3000
dat zelf kan leren zonder dat het geprogrammeerd hoeft te worden
12:53
by a human programmer?
287
758000
2000
door een mens?
12:55
And that's what we're trying to do.
288
760000
2000
En dat is wat we trachten te doen.
12:57
I'm at MIT, at MIT you need to apply
289
762000
3000
Ik zit bij MIT, en daar moet je
13:00
whatever basic knowledge you gain.
290
765000
2000
alle kennis die je opdoet toepassen.
13:02
So we are creating Dylan,
291
767000
2000
Daarom maken we Dylan.
13:04
which is a computational system
292
769000
2000
Dat is een computationeel systeem
13:06
with an ambitious goal
293
771000
2000
met het vooruitstrevende doel
13:08
of taking in visual inputs
294
773000
2000
visuele invoer te gebruiken
13:10
of the same kind that a human child would receive,
295
775000
3000
van het soort dat menselijke kinderen krijgen
13:13
and autonomously discovering:
296
778000
2000
en het onafhankelijk te laten ontdekken
13:15
What are the objects in this visual input?
297
780000
3000
wat de voorwerpen zijn in die invoer die het ziet.
13:18
So, don't worry about the internals of Dylan.
298
783000
3000
Maak je geen zorgen over de binnenkant van Dylan.
13:21
Here, I'm just going to talk about
299
786000
3000
Ik zal het hier alleen hebben over
13:24
how we test Dylan.
300
789000
2000
hoe we het toetsen.
13:26
The way we test Dylan is by giving it
301
791000
2000
We toetsen het door het bepaalde
13:28
inputs, as I said, of the same kind
302
793000
3000
invoer te geven, zoals ik zei, van het soort
13:31
that a baby, or a child in Project Prakash would get.
303
796000
3000
dat een baby of een kind in Project Prakash zou krijgen.
13:34
But for a long time we couldn't quite figure out:
304
799000
3000
Maar het duurde een hele tijd voordat we konden bedenken
13:37
Wow can we get these kinds of video inputs?
305
802000
3000
hoe we zulke beelden konden verkrijgen.
13:41
So, I thought,
306
806000
2000
En daar dacht ik
13:43
could we have Darius
307
808000
2000
dat we Darius konden inzetten
13:45
serve as our babycam carrier,
308
810000
3000
voor het verkrijgen van de babybeelden
13:48
and that way get the inputs that we feed into Dylan?
309
813000
3000
en dat we die invoer aan Dylan konden geven.
13:51
So that's what we did.
310
816000
2000
En dat is wat we deden.
13:53
(Laughter)
311
818000
7000
(gelach)
14:00
I had to have long conversations with my wife.
312
825000
3000
Ik heb lange gesprekken met mijn vrouw moeten voeren.
14:03
(Laughter)
313
828000
5000
(gelach)
14:08
In fact, Pam, if you're watching this,
314
833000
2000
Pam, als je dit ziet
14:10
please forgive me.
315
835000
2000
vergeef me alsjeblieft.
14:13
So, we modified the optics of the camera
316
838000
4000
We hebben de scherpte van de camera
14:17
in order to mimic the baby's visual acuity.
317
842000
3000
zo veranderd dat het het zicht van een baby namaakt.
14:20
As some of you might know,
318
845000
2000
En sommigen van jullie weten misschien
14:22
babyies are born pretty much legally blind.
319
847000
4000
dat baby's min of meer blind geboren worden.
14:26
Their acuity -- our acuity is 20/20;
320
851000
3000
Wij hebben normaal gezichtsvermogen
14:29
babies' acuity is like 20/800,
321
854000
3000
maar baby's hebben heel wazig zicht
14:32
so they are looking at the world
322
857000
2000
dus ze zien de wereld
14:34
in a very, very blurry fashion.
323
859000
3000
op een nogal uitgelopen manier.
14:37
Here's what a baby-cam video looks like.
324
862000
3000
Zo zien beelden van een babycam eruit.
14:41
(Laughter)
325
866000
9000
(gelach)
14:50
(Applause)
326
875000
3000
(applaus)
14:53
Thankfully, there isn't any audio
327
878000
2000
Gelukkig is er geen geluid
14:55
to go with this.
328
880000
3000
bij dit beeld.
14:58
What's amazing is that working with such
329
883000
2000
Wat verbazingwekkend is, is dat met deze
15:00
highly degraded input,
330
885000
2000
sterk verwaterde invoer,
15:02
the baby, very quickly, is able
331
887000
2000
de baby heel snel leert
15:04
to discover meaning in such input.
332
889000
3000
er betekenis uit te halen.
15:07
But then two or three days afterward,
333
892000
2000
Na twee of drie dagen
15:09
babies begin to pay attention
334
894000
2000
beginnen baby's aandacht te schenken
15:11
to their mother's or their father's face.
335
896000
2000
aan de gezichten van de ouders.
15:13
How does that happen? We want Dylan to be able to do that,
336
898000
3000
Hoe kan dat? We willen dat Dylan dat ook kan.
15:16
and using this mantra of motion,
337
901000
3000
En met deze heilige graal: beweging,
15:19
Dylan actually can do that.
338
904000
2000
kan Dylan dat werkelijk doen.
15:21
So, given that kind of video input,
339
906000
3000
Met invoer van zulke beelden,
15:24
with just about six or seven minutes worth of video,
340
909000
3000
al duurt het maar zes of zeven minuten,
15:27
Dylan can begin to extract patterns
341
912000
3000
kan Dylan beginnen patronen te herkennen
15:30
that include faces.
342
915000
3000
zoals gezichten.
15:33
So, it's an important demonstration
343
918000
2000
Het is dus een belangrijke vertoning
15:35
of the power of motion.
344
920000
2000
van de kracht van beweging.
15:37
The clinical implication, it comes from the domain of autism.
345
922000
3000
De geneeskundige gevolgen zien we bij autisme.
15:40
Visual integration has been associated with autism
346
925000
2000
Het integreren van zicht is door een aantal onderzoekers
15:42
by several researchers.
347
927000
2000
in verband gebracht met autisme.
15:44
When we saw that, we asked:
348
929000
2000
Toen we dat zagen, vroegen we ons af
15:46
Could the impairment in visual integration
349
931000
3000
of deze beperking in het integreren van zicht
15:49
be the manifestation of something underneath,
350
934000
3000
een uiting van een onderliggend probleem
15:52
of dynamic information processing deficiencies in autism?
351
937000
3000
met de verwerking van dynamische informatie kon zijn.
15:55
Because, if that hypothesis were to be true,
352
940000
3000
Want als deze hypothese waar is,
15:58
it would have massive repercussions in our understanding
353
943000
3000
zou dat geweldige invloed hebben op ons begrip
16:01
of what's causing the many different aspects
354
946000
2000
van de oorzaak van al de verschillende zijden
16:03
of the autism phenotype.
355
948000
3000
van het autismefenotype.
16:06
What you're going to see are
356
951000
2000
Ik ga nu beelden laten zien
16:08
video clips of two children -- one neurotypical,
357
953000
3000
van twee kinderen, één gewoon kind
16:11
one with autism, playing Pong.
358
956000
2000
en één met autisme, die Pong spelen.
16:13
So, while the child is playing Pong, we are tracking where they're looking.
359
958000
3000
Terwijl de kinderen Pong spelen, volgen wij waar ze kijken.
16:16
In red are the eye movement traces.
360
961000
3000
In het rood zie je de oogbewegingen
16:19
This is the neurotypical child, and what you see
361
964000
3000
van het gewone kind, en je ziet
16:22
is that the child is able to make cues
362
967000
2000
dat dit kind voorspellingen kan maken
16:24
of the dynamic information
363
969000
2000
met de dynamische informatie
16:26
to predict where the ball is going to go.
364
971000
2000
voor waar de bal naartoe zal gaan.
16:28
Even before the ball gets to a place,
365
973000
3000
Zelfs voordat de bal er aankomt,
16:31
the child is already looking there.
366
976000
3000
kijkt het kind al naar de juiste plaats.
16:34
Contrast this with a child
367
979000
2000
Vergelijk dit met een kind
16:36
with autism playing the same game.
368
981000
2000
met autisme, dat hetzelfde spel speelt.
16:38
Instead of anticipating,
369
983000
2000
In plaats van vooruit te kijken,
16:40
the child always follows where the ball has been.
370
985000
3000
volgt dit kind steeds waar de bal geweest is.
16:43
The efficiency of the use
371
988000
2000
Het doelmatige gebruik
16:45
of dynamic information
372
990000
2000
van dynamische informatie
16:47
seems to be significantly compromised in autism.
373
992000
3000
lijkt behoorlijk beperkt te zijn bij autisme.
16:51
So we are pursuing this line of work
374
996000
3000
We volgen deze lijn dus
16:54
and hopefully we'll have
375
999000
2000
en hopelijk zullen we
16:56
more results to report soon.
376
1001000
2000
binnenkort meer uitkomsten hebben.
16:58
Looking ahead, if you think of this disk
377
1003000
3000
Vooruitkijkend, als deze schijf
17:01
as representing all of the children
378
1006000
2000
alle kinderen voorstelt
17:03
we've treated so far,
379
1008000
2000
die we al behandeld hebben,
17:05
this is the magnitude of the problem.
380
1010000
2000
dan is dit de grootte van het probleem.
17:07
The red dots are the children we have not treated.
381
1012000
3000
De rode stippen zijn de kinderen die we niet hebben behandeld.
17:10
So, there are many, many more children who need to be treated,
382
1015000
2000
Er zijn dus heel veel meer kinderen die moeten worden gehandeld
17:12
and in order to expand the scope of the project,
383
1017000
3000
en om het bereik van deze onderneming te vergroten
17:15
we are planning on launching
384
1020000
2000
zijn we van plan
17:17
The Prakash Center for Children,
385
1022000
2000
het Prakash Center for Children op te zetten
17:19
which will have a dedicated pediatric hospital,
386
1024000
3000
dat een toegewijd kinderziekenhuis zal hebben,
17:22
a school for the children we are treating
387
1027000
2000
een school voor de kinderen die we behandelen
17:24
and also a cutting-edge research facility.
388
1029000
2000
en een zeer vooruitstrevende onderzoeksafdeling.
17:26
The Prakash Center will integrate health care,
389
1031000
3000
Het Prakash Center zal gezondheidszorg
17:29
education and research in a way
390
1034000
2000
onderwijs en onderzoek samenbrengen op een manier
17:31
that truly creates the whole
391
1036000
2000
die er zeker voor zorgt dat het geheel
17:33
to be greater than the sum of the parts.
392
1038000
3000
meer zal zijn dan de som der delen.
17:36
So, to summarize: Prakash, in its five years of existence,
393
1041000
3000
Samenvattend, Prakash heeft in de vijf jaar dat het bestaat
17:39
it's had an impact in multiple areas,
394
1044000
3000
invloed gehad op verschillende gebieden
17:42
ranging from basic neuroscience
395
1047000
2000
uiteenlopend van fundamentele kneedbaarheid ontdekt
17:44
plasticity and learning in the brain,
396
1049000
2000
in de neurowetenschap, en het leren van de hersenen,
17:46
to clinically relevant hypotheses like in autism,
397
1051000
4000
tot klinisch relevante hypothesen over autisme
17:50
the development of autonomous machine vision systems,
398
1055000
3000
het ontwikkelen van zelfstandige zichtsystemen in toestellen
17:53
education of the undergraduate and graduate students,
399
1058000
3000
en onderwijs voor studenten.
17:56
and most importantly in the alleviation
400
1061000
2000
En het allerbelangrijkste is de bestrijding
17:58
of childhood blindness.
401
1063000
2000
van blindheid bij kinderen.
18:00
And for my students and I, it's been
402
1065000
2000
En voor mijn studenten en mijzelf is het
18:02
just a phenomenal experience
403
1067000
2000
gewoon een schitterende ervaring geweest
18:04
because we have gotten to do interesting research,
404
1069000
4000
omdat we belangwekkend onderzoek hebben kunnen doen
18:08
while at the same time
405
1073000
2000
terwijl we tegelijkertijd
18:10
helping the many children that we have worked with.
406
1075000
2000
vele kinderen waarmee we gewerkt hebben konden helpen.
18:12
Thank you very much.
407
1077000
2000
Heel erg bedankt.
18:14
(Applause)
408
1079000
2000
(applaus)
ABOUT THE SPEAKER
Pawan Sinha - Visual neuroscientistPawan Sinha researches how our brains interpret what our eyes see -- and uses that research to give blind children the gift of sight.
Why you should listen
At Pawan Sinha's MIT lab, he and his team spend their days trying to understand how the brain learns to recognize and use the patterns and scenes we see around us. To do this, they often use computers to model the processes of the human brain, but they also study human subjects, some of whom are seeing the world for the very first time and can tell them about the experience as it happens. They find these unusual subjects through the humanitarian branch of their research, Project Prakash.
Project Prakash sets up eye-care camps in some of the most habitually underserved regions of India, and gives free eye-health screenings to, since 2003, more than 700 functionally blind children. The children are then treated without charge, even if they do not fit the profile that would make them eligible for Sinha's research.
Sinha's eventual goal is to help 500 children each year; plans are under way for a center for visual rehabilitation in new Delhi. The special relationship that Sinha has created between research and humanitarianism promises to deliver on both fronts.
Pawan Sinha | Speaker | TED.com