TEDGlobal 2010
Sebastian Seung: I am my connectome
Sebastian Seung: Ik ben mijn connectoom
Filmed:
Readability: 4.4
1,131,223 views
Sebastian Seung brengt een geweldig ambitieus nieuw breinmodel in kaart dat focust op de verbindingen tussen neuronen. Hij noemt het ons "connectoom". Het is even persoonsgebonden als ons genoom, en proberen het te doorgronden zou ons brein en onze geest begrijpelijker kunnen maken.
Sebastian Seung - Computational neuroscientist
Sebastian Seung is a leader in the new field of connectomics, currently the hottest space in neuroscience, which studies, in once-impossible detail, the wiring of the brain. Full bio
Sebastian Seung is a leader in the new field of connectomics, currently the hottest space in neuroscience, which studies, in once-impossible detail, the wiring of the brain. Full bio
Double-click the English transcript below to play the video.
00:17
We live in in a remarkable time,
0
2000
3000
We leven in een opmerkelijke tijd,
00:20
the age of genomics.
1
5000
3000
de tijd van het genoom-onderzoek.
00:23
Your genome is the entire sequence of your DNA.
2
8000
3000
Je genoom is de volledige moleculereeks van je DNA.
00:26
Your sequence and mine are slightly different.
3
11000
3000
Jouw reeks en de mijne verschillen lichtjes.
00:29
That's why we look different.
4
14000
2000
Daarom zien we er anders uit.
00:31
I've got brown eyes;
5
16000
2000
Ik heb bruine ogen.
00:33
you might have blue or gray.
6
18000
3000
Jij hebt er misschien blauwe of grijze.
00:36
But it's not just skin-deep.
7
21000
2000
Maar dit gaat dieper dan het uiterlijk.
00:38
The headlines tell us
8
23000
2000
De krantenkoppen vertellen ons
00:40
that genes can give us scary diseases,
9
25000
3000
dat genen ons enge ziektes kunnen bezorgen,
00:43
maybe even shape our personality,
10
28000
3000
misschien zelfs onze persoonlijkheid vormen,
00:46
or give us mental disorders.
11
31000
3000
of dat ze ons mentale afwijkingen kunnen geven.
00:49
Our genes seem to have
12
34000
3000
Onze genen lijken wel een ontzagwekkende macht
00:52
awesome power over our destinies.
13
37000
3000
over ons lot te hebben.
00:56
And yet, I would like to think
14
41000
3000
En toch zou ik willen denken
00:59
that I am more than my genes.
15
44000
3000
dat ik méér ben dan mijn genen.
01:04
What do you guys think?
16
49000
2000
Wat denken jullie ervan?
01:06
Are you more than your genes?
17
51000
3000
Zijn jullie meer dan jullie genen?
01:09
(Audience: Yes.) Yes?
18
54000
2000
(Publiek: Ja.) Ja?
01:13
I think some people agree with me.
19
58000
2000
Ik denk dat sommigen het met me eens zijn.
01:15
I think we should make a statement.
20
60000
2000
Misschien moeten we er een statement van maken.
01:17
I think we should say it all together.
21
62000
2000
Laten we het allemaal samen zeggen.
01:20
All right: "I'm more than my genes" -- all together.
22
65000
3000
Vooruit: "Ik ben méér dan mijn genen" -- allemaal samen.
01:23
Everybody: I am more than my genes.
23
68000
4000
Iedereen: Ik ben méér dan mijn genen.
01:27
(Cheering)
24
72000
2000
(Gejuich)
01:30
Sebastian Seung: What am I?
25
75000
2000
Sebastian Seung: Wat ben ik?
01:32
(Laughter)
26
77000
3000
(Gelach)
01:35
I am my connectome.
27
80000
3000
Ik ben mijn connectoom.
01:40
Now, since you guys are really great,
28
85000
2000
Nu, omdat jullie zo'n geweldige mensen zijn,
01:42
maybe you can humor me and say this all together too.
29
87000
2000
kunnen jullie me een plezier doen en dat ook samen zeggen.
01:44
(Laughter)
30
89000
2000
(Gelach)
01:46
Right. All together now.
31
91000
2000
OK. Allemaal samen nu.
01:48
Everybody: I am my connectome.
32
93000
3000
Iedereen: Ik ben mijn connectoom.
01:53
SS: That sounded great.
33
98000
2000
SS: Dat klonk geweldig.
01:55
You know, you guys are so great, you don't even know what a connectome is,
34
100000
2000
Weet je, jullie zijn zo geweldig, jullie weten nog niet eens
01:57
and you're willing to play along with me.
35
102000
2000
wat een connectoom is, en jullie spelen het spelletje mee.
01:59
I could just go home now.
36
104000
3000
Ik zou nu gewoon naar huis kunnen gaan.
02:02
Well, so far only one connectome is known,
37
107000
3000
Welnu, tot op vandaag is er slechts één connectoom bekend,
02:05
that of this tiny worm.
38
110000
3000
dat van deze minuscule worm.
02:08
Its modest nervous system
39
113000
2000
Zijn bescheiden zenuwstelsel
02:10
consists of just 300 neurons.
40
115000
2000
bestaat uit slechts 300 neuronen.
02:12
And in the 1970s and '80s,
41
117000
2000
En in de jaren '70 en '80
02:14
a team of scientists
42
119000
2000
heeft een team wetenschappers
02:16
mapped all 7,000 connections
43
121000
2000
alle 7000 verbindingen tussen de neuronen
02:18
between the neurons.
44
123000
2000
in kaart gebracht.
02:21
In this diagram, every node is a neuron,
45
126000
2000
In dit diagram is elk knooppunt een neuron,
02:23
and every line is a connection.
46
128000
2000
en elke lijn een verbinding.
02:25
This is the connectome
47
130000
2000
Dit is het connectoom
02:27
of the worm C. elegans.
48
132000
4000
van de worm C. elegans.
02:31
Your connectome is far more complex than this
49
136000
3000
Jouw connectoom is veel ingewikkelder dan dit,
02:34
because your brain
50
139000
2000
omdat je brein
02:36
contains 100 billion neurons
51
141000
2000
uit 100 miljard neuronen bestaat
02:38
and 10,000 times as many connections.
52
143000
3000
en 10.000 maal zoveel verbindingen.
02:41
There's a diagram like this for your brain,
53
146000
2000
Er is een diagram zoals dit voor jouw brein,
02:43
but there's no way it would fit on this slide.
54
148000
3000
maar er is geen enkele manier om het in deze dia te proppen.
02:47
Your connectome contains one million times more connections
55
152000
3000
Jouw connectoom bevat een miljoen keer meer verbindingen
02:50
than your genome has letters.
56
155000
3000
dan je genoom letters heeft.
02:53
That's a lot of information.
57
158000
2000
Dat is een hoop informatie.
02:55
What's in that information?
58
160000
3000
Wat zit er in die informatie?
02:59
We don't know for sure, but there are theories.
59
164000
3000
We weten het niet zeker, maar er zijn theorieën.
03:02
Since the 19th century, neuroscientists have speculated
60
167000
3000
Sinds de 19de eeuw hebben neurowetenschappers gespeculeerd
03:05
that maybe your memories --
61
170000
2000
dat je herinneringen --
03:07
the information that makes you, you --
62
172000
2000
de informatie de je maakt tot wie je bent --
03:09
maybe your memories are stored
63
174000
2000
misschien opgeslagen zijn
03:11
in the connections between your brain's neurons.
64
176000
2000
in de verbindingen tussen je hersencellen.
03:15
And perhaps other aspects of your personal identity --
65
180000
2000
Misschien zijn andere aspecten van je identiteit --
03:17
maybe your personality and your intellect --
66
182000
3000
bijvoorbeeld je persoonlijkheid en intellect --
03:20
maybe they're also encoded
67
185000
2000
ook gecodeerd
03:22
in the connections between your neurons.
68
187000
3000
in de verbindingen tussen je neuronen.
03:26
And so now you can see why I proposed this hypothesis:
69
191000
3000
Nu wordt het duidelijk waarom ik deze hypothese heb voorgesteld:
03:29
I am my connectome.
70
194000
3000
ik ben mijn connectoom.
03:32
I didn't ask you to chant it because it's true;
71
197000
3000
I vroeg jullie niet om het te scanderen omdat het waar is,
03:35
I just want you to remember it.
72
200000
2000
ik wil gewoon dat jullie het onthouden.
03:37
And in fact, we don't know if this hypothesis is correct,
73
202000
2000
In feite weten we niet of deze hypothese juist is,
03:39
because we have never had technologies
74
204000
2000
omdat we nooit technologie gehad hebben
03:41
powerful enough to test it.
75
206000
2000
die krachtig genoeg was om ze te testen.
03:44
Finding that worm connectome
76
209000
3000
Het vergde meer dan twaalf jaar vervelend werk
03:47
took over a dozen years of tedious labor.
77
212000
3000
om dat wormconnectoom te vinden.
03:50
And to find the connectomes of brains more like our own,
78
215000
3000
En om de connectomen van breinen zoals het onze te vinden,
03:53
we need more sophisticated technologies, that are automated,
79
218000
3000
hebben we meer geavanceerde en geautomatiseerde technologie nodig.
03:56
that will speed up the process of finding connectomes.
80
221000
3000
Dat zal het proces versnellen.
03:59
And in the next few minutes, I'll tell you about some of these technologies,
81
224000
3000
Gedurende de volgende minuten zal ik jullie wat vertellen over
04:02
which are currently under development
82
227000
2000
sommige van deze technologieën waar nu aan gewerkt wordt
04:04
in my lab and the labs of my collaborators.
83
229000
3000
in mijn labo en in de labo's van mijn medewerkers.
04:08
Now you've probably seen pictures of neurons before.
84
233000
3000
Nu hebben jullie waarschijnlijk al wel prenten van neuronen gezien.
04:11
You can recognize them instantly
85
236000
2000
Men kan ze onmiddellijk herkennen
04:13
by their fantastic shapes.
86
238000
3000
aan hun fantastische vorm.
04:16
They extend long and delicate branches,
87
241000
3000
Ze vormen langwerpige en delicate takken,
04:19
and in short, they look like trees.
88
244000
3000
en zien er, kortom, als bomen uit.
04:22
But this is just a single neuron.
89
247000
3000
Maar dit is slechts één neuron.
04:25
In order to find connectomes,
90
250000
2000
Om connectomen te vinden,
04:27
we have to see all the neurons at the same time.
91
252000
3000
moeten we alle neuronen tegelijk zien.
04:30
So let's meet Bobby Kasthuri,
92
255000
2000
Laat me jullie Bobby Kasthuri voorstellen,
04:32
who works in the laboratory of Jeff Lichtman
93
257000
2000
die in het laboratorium van Jeff Lichtman werkt
04:34
at Harvard University.
94
259000
2000
aan Harvard University.
04:36
Bobby is holding fantastically thin slices
95
261000
2000
Bobby houdt hier geweldig dunne plakjes van
04:38
of a mouse brain.
96
263000
2000
van een muizenbrein vast.
04:40
And we're zooming in by a factor of 100,000 times
97
265000
3000
En we zoomen in met een factor van 100.000
04:44
to obtain the resolution,
98
269000
2000
om de resolutie te verkrijgen
04:46
so that we can see the branches of neurons all at the same time.
99
271000
3000
die nodig is om de vertakkingen van alle neuronen tegelijk te zien.
04:50
Except, you still may not really recognize them,
100
275000
3000
Maar je kunt ze misschien nog altijd niet herkennen.
04:53
and that's because we have to work in three dimensions.
101
278000
3000
En dat is omdat we in drie dimensies moeten werken.
04:56
If we take many images of many slices of the brain
102
281000
2000
Als we veel foto's nemen van veel doorsneden van het brein,
04:58
and stack them up,
103
283000
2000
en ze op elkaar stapelen,
05:00
we get a three-dimensional image.
104
285000
2000
krijgen we een driedimensionaal beeld.
05:02
And still, you may not see the branches.
105
287000
2000
En toch kan je misschien de vertakkingen niet zien.
05:04
So we start at the top,
106
289000
2000
Dus beginnen we bovenaan,
05:06
and we color in the cross-section of one branch in red,
107
291000
3000
en kleuren we de doorsnede van één tak rood,
05:09
and we do that for the next slice
108
294000
2000
En we doen dat voor de volgende plak,
05:11
and for the next slice.
109
296000
2000
en de volgende.
05:13
And we keep on doing that,
110
298000
2000
En we blijven dat doen,
05:15
slice after slice.
111
300000
3000
plak voor plak.
05:18
If we continue through the entire stack,
112
303000
2000
Als we zo doorgaan door de hele stapel
05:20
we can reconstruct the three-dimensional shape
113
305000
3000
kunnen we de driedimensionale vorm reconstrueren
05:23
of a small fragment of a branch of a neuron.
114
308000
3000
van een klein fragment van een tak van een neuron.
05:26
And we can do that for another neuron in green.
115
311000
2000
En we kunnen dat voor een ander neuron in het groen doen.
05:28
And you can see that the green neuron touches the red neuron
116
313000
2000
Je kunt zien dat het groene neuron het rode raakt
05:30
at two locations,
117
315000
2000
op twee plaatsen,
05:32
and these are what are called synapses.
118
317000
2000
die we synapsen noemen.
05:34
Let's zoom in on one synapse,
119
319000
2000
Laten we inzoomen op één synaps.
05:36
and keep your eyes on the interior of the green neuron.
120
321000
3000
Blijf kijken naar de binnenkant van het groene neuron.
05:39
You should see small circles --
121
324000
2000
Je zou kleine cirkels moeten zien.
05:41
these are called vesicles.
122
326000
3000
Dat zijn vesikels.
05:44
They contain a molecule know as a neurotransmitter.
123
329000
3000
Ze bevatten een molecule die bekendstaat als een neurotransmitter.
05:47
And so when the green neuron wants to communicate,
124
332000
2000
Als het groene neuron dus wil communiceren-
05:49
it wants to send a message to the red neuron,
125
334000
2000
-als het een bericht wil sturen naar het rode neuron-
05:51
it spits out neurotransmitter.
126
336000
3000
spuugt het neurotransmitter uit.
05:54
At the synapse, the two neurons
127
339000
2000
Aan de synaps -zo zegt men-
05:56
are said to be connected
128
341000
2000
zijn de twee neuronen verbonden
05:58
like two friends talking on the telephone.
129
343000
3000
zoals twee vrienden die met elkaar telefoneren.
06:02
So you see how to find a synapse.
130
347000
2000
Nu zie je dus hoe je een synaps moet vinden.
06:04
How can we find an entire connectome?
131
349000
3000
Hoe vinden we dan een volledig connectoom?
06:07
Well, we take this three-dimensional stack of images
132
352000
3000
Wel, we nemen deze driedimensionale stapel afbeeldingen,
06:10
and treat it as a gigantic three-dimensional coloring book.
133
355000
3000
en we behandelen het als een gigantisch driedimensionaal kleurboek.
06:13
We color every neuron in, in a different color,
134
358000
3000
We kleuren elk neuron in een verschillende kleur,
06:16
and then we look through all of the images,
135
361000
2000
en dan kijken we naar alle afbeeldingen,
06:18
find the synapses
136
363000
2000
zoeken de synapsen
06:20
and note the colors of the two neurons involved in each synapse.
137
365000
3000
en schrijven de kleuren op van de twee betrokken neuronen.
06:23
If we can do that throughout all the images,
138
368000
3000
Als we dat voor alle afbeeldingen doen,
06:26
we could find a connectome.
139
371000
2000
zouden we een connectoom kunnen vinden.
06:29
Now, at this point,
140
374000
2000
Nu we op dit punt gekomen zijn,
06:31
you've learned the basics of neurons and synapses.
141
376000
2000
hebben jullie een basis van neuronen en synapsen.
06:33
And so I think we're ready to tackle
142
378000
2000
Ik denk dat we klaar zijn voor
06:35
one of the most important questions in neuroscience:
143
380000
3000
één van de belangrijkste kwesties in de neurowetenschappen:
06:39
how are the brains of men and women different?
144
384000
3000
Wat is het verschil tussen een vrouwenbrein en een mannenbrein?
06:42
(Laughter)
145
387000
2000
(Gelach)
06:44
According to this self-help book,
146
389000
2000
Volgens dit zelfhulpboek,
06:46
guys brains are like waffles;
147
391000
2000
zijn mannenbreinen als wafels;
06:48
they keep their lives compartmentalized in boxes.
148
393000
3000
ze delen hun leven op in hokjes.
06:51
Girls' brains are like spaghetti;
149
396000
3000
Vrouwenbreinen zijn zoals spaghetti;
06:54
everything in their life is connected to everything else.
150
399000
3000
Alles in hun leven is verbonden met al de rest.
06:57
(Laughter)
151
402000
2000
(Gelach)
06:59
You guys are laughing,
152
404000
2000
Ja, jullie lachen wel,
07:01
but you know, this book changed my life.
153
406000
2000
maar weten jullie dat dit boek mijn leven heeft veranderd?
07:03
(Laughter)
154
408000
2000
(Gelach)
07:07
But seriously, what's wrong with this?
155
412000
3000
Serieus, wat is hier mis mee?
07:10
You already know enough to tell me -- what's wrong with this statement?
156
415000
3000
Jullie weten best genoeg. Wat is er mis met deze stelling?
07:20
It doesn't matter whether you're a guy or girl,
157
425000
3000
Het maakt niet uit of je man of vrouw bent,
07:23
everyone's brains are like spaghetti.
158
428000
3000
ieders brein is zoals spaghetti.
07:26
Or maybe really, really fine capellini with branches.
159
431000
3000
Of misschien heel dunne cappellini met takjes.
07:30
Just as one strand of spaghetti
160
435000
2000
Net zoals één sliertje spaghetti
07:32
contacts many other strands on your plate,
161
437000
3000
verbonden is met vele andere slierten op je bord,
07:35
one neuron touches many other neurons
162
440000
2000
raakt één neuron aan vele andere neuronen
07:37
through their entangled branches.
163
442000
2000
via hun verstrengelde takken.
07:39
One neuron can be connected to so many other neurons,
164
444000
3000
Een neuron kan verbonden zijn met zoveel andere neuronen,
07:42
because there can be synapses
165
447000
2000
omdat synapsen kunnen voorkomen
07:44
at these points of contact.
166
449000
3000
aan elk van deze contactpunten.
07:49
By now, you might have sort of lost perspective
167
454000
3000
Nu hebben jullie misschien het zicht al verloren
07:52
on how large this cube of brain tissue actually is.
168
457000
3000
op de eigenlijke grootte van deze kubus breinmaterie.
07:55
And so let's do a series of comparisons to show you.
169
460000
3000
Laten we dus een reeks vergelijkingen doen.
07:58
I assure you, this is very tiny. It's just six microns on a side.
170
463000
3000
Ik zal het jullie laten zien. Dit is zeer klein, zes microns per ribbe.
08:03
So, here's how it stacks up against an entire neuron.
171
468000
3000
Hier zie je hoe dat zich verhoudt tot een volledig neuron.
08:06
And you can tell that, really, only the smallest fragments of branches
172
471000
3000
En je kunt zien dat enkel de kleinste fragmenten van de takken
08:09
are contained inside this cube.
173
474000
3000
in deze kubus zitten.
08:12
And a neuron, well, that's smaller than brain.
174
477000
3000
Ja, een neuron is kleiner dan een brein.
08:17
And that's just a mouse brain --
175
482000
2000
En dat zijn nog maar muizenhersenen.
08:21
it's a lot smaller than a human brain.
176
486000
3000
Het is een stuk kleiner dan een menselijk brein.
08:25
So when show my friends this,
177
490000
2000
Als ik dit aan mijn vrienden laat zien,
08:27
sometimes they've told me,
178
492000
2000
vertellen ze me soms:
08:29
"You know, Sebastian, you should just give up.
179
494000
3000
"Weet je, Sebastian, misschien moet je het maar opgeven.
08:32
Neuroscience is hopeless."
180
497000
2000
Neurowetenschap is hopeloos."
08:34
Because if you look at a brain with your naked eye,
181
499000
2000
Want als je met het blote oog naar het brein kijkt,
08:36
you don't really see how complex it is,
182
501000
2000
zie je niet hoe complex het is.
08:38
but when you use a microscope,
183
503000
2000
Maar als je een microscoop gebruikt
08:40
finally the hidden complexity is revealed.
184
505000
3000
laat de verborgen complexiteit zich eindelijk zien.
08:45
In the 17th century,
185
510000
2000
In de 17de eeuw
08:47
the mathematician and philosopher, Blaise Pascal,
186
512000
2000
schreef de wiskundige en filosoof Blaise Pascal,
08:49
wrote of his dread of the infinite,
187
514000
3000
over zijn afschuw van het oneindige,
08:52
his feeling of insignificance
188
517000
2000
zijn gevoel van onbenulligheid
08:54
at contemplating the vast reaches of outer space.
189
519000
3000
wanneer hij nadacht over de geweldigheid van de ruimte.
08:59
And, as a scientist,
190
524000
2000
En, als wetenschapper,
09:01
I'm not supposed to talk about my feelings --
191
526000
3000
mag ik eigenlijk niet over mijn gevoelens praten.
09:04
too much information, professor.
192
529000
2000
Te veel informatie, professor.
09:06
(Laughter)
193
531000
2000
(Gelach)
09:08
But may I?
194
533000
2000
Maar mag ik?
09:10
(Laughter)
195
535000
2000
(Gelach)
09:12
(Applause)
196
537000
2000
(Applaus)
09:14
I feel curiosity,
197
539000
2000
Ik voel nieuwsgierigheid,
09:16
and I feel wonder,
198
541000
2000
en verwondering,
09:18
but at times I have also felt despair.
199
543000
3000
maar soms heb ik ook wanhoop gevoeld.
09:22
Why did I choose to study
200
547000
2000
Waarom heb ik gekozen om dit orgaan
09:24
this organ that is so awesome in its complexity
201
549000
3000
te bestuderen, dat zo ontzagwekkend complex is,
09:27
that it might well be infinite?
202
552000
2000
dat het wel oneindig zou kunnen zijn.
09:29
It's absurd.
203
554000
2000
Het is absurd.
09:31
How could we even dare to think
204
556000
2000
Hoe zouden we zelfs maar durven denken
09:33
that we might ever understand this?
205
558000
3000
dat we dit ooit kunnen begrijpen?
09:38
And yet, I persist in this quixotic endeavor.
206
563000
3000
En toch zet ik door in deze quichotachtige onderneming.
09:41
And indeed, these days I harbor new hopes.
207
566000
3000
En inderdaad, deze dagen brengen me nieuwe hoop.
09:45
Someday,
208
570000
2000
Op een dag
09:47
a fleet of microscopes will capture
209
572000
2000
zal een vloot microscopen elk neuron
09:49
every neuron and every synapse
210
574000
2000
en elke synaps vastleggen
09:51
in a vast database of images.
211
576000
3000
in een gigantische database van beelden.
09:54
And some day, artificially intelligent supercomputers
212
579000
3000
En op een dag zullen artificieel intelligente supercomputers
09:57
will analyze the images without human assistance
213
582000
3000
de beelden analyseren zonder menselijke tussenkomst,
10:00
to summarize them in a connectome.
214
585000
3000
om ze samen te vatten in een connectoom.
10:04
I do not know, but I hope that I will live to see that day,
215
589000
3000
Ik weet het niet, maar ik hoop dat ik die dag nog zal meemaken.
10:08
because finding an entire human connectome
216
593000
2000
Omdat het vinden van een volledig menselijk connectoom
10:10
is one of the greatest technological challenges of all time.
217
595000
3000
één van de grootste technologische uitdagingen ooit is.
10:13
It will take the work of generations to succeed.
218
598000
3000
Het zal generaties werk vergen om te slagen.
10:17
At the present time, my collaborators and I,
219
602000
3000
Voorlopig mikken mijn medewerkers en ik
10:20
what we're aiming for is much more modest --
220
605000
2000
op een veel bescheidener doel.
10:22
just to find partial connectomes
221
607000
2000
We willen enkel partiële connectomen vinden
10:24
of tiny chunks of mouse and human brain.
222
609000
3000
van kleine stukjes muizen- en mensenhersenen.
10:27
But even that will be enough for the first tests of this hypothesis
223
612000
3000
Maar zelfs dat zal genoeg zijn voor de eerste tests van de hypothese
10:30
that I am my connectome.
224
615000
3000
dat ik mijn connectoom ben.
10:35
For now, let me try to convince you of the plausibility of this hypothesis,
225
620000
3000
Voorlopig zal ik jullie proberen te overtuigen van de geschiktheid
10:38
that it's actually worth taking seriously.
226
623000
3000
van deze hypothese, dat we ze serieus mogen nemen.
10:42
As you grow during childhood
227
627000
2000
Terwijl je groeit tijdens je kinderjaren,
10:44
and age during adulthood,
228
629000
3000
en ouder wordt als volwassene
10:47
your personal identity changes slowly.
229
632000
3000
verandert je persoonlijke identiteit langzaam.
10:50
Likewise, every connectome
230
635000
2000
Op dezelfde manier verandert elk connectoom
10:52
changes over time.
231
637000
2000
door de jaren heen.
10:55
What kinds of changes happen?
232
640000
2000
Hoe verandert het dan?
10:57
Well, neurons, like trees,
233
642000
2000
Wel, neuronen kunnen, net als bomen
10:59
can grow new branches,
234
644000
2000
nieuwe takken doen groeien,
11:01
and they can lose old ones.
235
646000
3000
en oude takken verliezen.
11:04
Synapses can be created,
236
649000
3000
Synapsen kunnen gecreëerd worden,
11:07
and they can be eliminated.
237
652000
3000
en geëlimineerd.
11:10
And synapses can grow larger,
238
655000
2000
Synapsen kunnen ook groter
11:12
and they can grow smaller.
239
657000
3000
en kleiner worden.
11:15
Second question:
240
660000
2000
Tweede vraag:
11:17
what causes these changes?
241
662000
3000
wat veroorzaakt deze veranderingen.
11:20
Well, it's true.
242
665000
2000
Welnu, het is waar;
11:22
To some extent, they are programmed by your genes.
243
667000
3000
tot op zekere hoogte zijn ze voorgeprogrammeerd in je genen.
11:25
But that's not the whole story,
244
670000
2000
Maar dat is niet het hele verhaal,
11:27
because there are signals, electrical signals,
245
672000
2000
er zijn namelijk signalen, elektrische signalen -
11:29
that travel along the branches of neurons
246
674000
2000
die langs de takken van de neuronen reizen-
11:31
and chemical signals
247
676000
2000
en chemische signalen -
11:33
that jump across from branch to branch.
248
678000
2000
die van tak tot tak springen.
11:35
These signals are called neural activity.
249
680000
3000
Deze signalen noemt men hersenactiviteit.
11:38
And there's a lot of evidence
250
683000
2000
Er is tevens bewijs te over
11:40
that neural activity
251
685000
3000
dat hersenactiviteit
11:43
is encoding our thoughts, feelings and perceptions,
252
688000
3000
onze gedachten, gevoelens en waarnemingen coderen,
11:46
our mental experiences.
253
691000
2000
onze mentale ervaringen.
11:48
And there's a lot of evidence that neural activity
254
693000
3000
Er is ook bewijs dat hersenactiviteit
11:51
can cause your connections to change.
255
696000
3000
je verbindingen kan veranderen.
11:54
And if you put those two facts together,
256
699000
3000
Als je deze twee feiten combineert,
11:57
it means that your experiences
257
702000
2000
betekent dat dat je ervaringen
11:59
can change your connectome.
258
704000
3000
je connectoom kunnen veranderen.
12:02
And that's why every connectome is unique,
259
707000
2000
En dat is waarom elk connectoom uniek is,
12:04
even those of genetically identical twins.
260
709000
3000
zelfs die van genetisch identieke tweelingen.
12:08
The connectome is where nature meets nurture.
261
713000
3000
Het connectoom is waar 'nature' en 'nurture' elkaar ontmoeten.
12:12
And it might true
262
717000
2000
Het zou zelfs kunnen
12:14
that just the mere act of thinking
263
719000
2000
dat slechts een gedachte
12:16
can change your connectome --
264
721000
2000
je connectoom kan veranderen --
12:18
an idea that you may find empowering.
265
723000
3000
een idee waar je energie uit put.
12:24
What's in this picture?
266
729000
2000
Wat is er te zien op dit beeld?
12:28
A cool and refreshing stream of water, you say.
267
733000
3000
Een koele en verfrissende waterstroom, zeg je.
12:32
What else is in this picture?
268
737000
2000
Wat is er nog te zien?
12:37
Do not forget that groove in the Earth
269
742000
2000
Vergeet de groef in de aarde niet,
12:39
called the stream bed.
270
744000
3000
de rivierbedding.
12:42
Without it, the water would not know in which direction to flow.
271
747000
3000
Zonder de bedding zou het water niet weten in welke richting het moest stromen.
12:45
And with the stream,
272
750000
2000
Met deze stroom
12:47
I would like to propose a metaphor
273
752000
2000
zou ik een metafoor willen voorstellen
12:49
for the relationship between neural activity
274
754000
2000
voor de relatie tussen hersenactiviteit
12:51
and connectivity.
275
756000
2000
en verbinding.
12:54
Neural activity is constantly changing.
276
759000
3000
Hersenactiviteit verandert voortdurend.
12:57
It's like the water of the stream; it never sits still.
277
762000
3000
Het is zoals het water van de stroom; het zit nooit stil.
13:00
The connections
278
765000
2000
De verbindingen
13:02
of the brain's neural network
279
767000
2000
van het neurale netwerk
13:04
determines the pathways
280
769000
2000
zetten de weg uit
13:06
along which neural activity flows.
281
771000
2000
waarlangs de hersenactiviteit gaat.
13:08
And so the connectome is like bed of the stream;
282
773000
3000
Dus is het connectoom zoals de rivierbedding.
13:13
but the metaphor is richer than that,
283
778000
3000
Maar er zit meer in de metafoor,
13:16
because it's true that the stream bed
284
781000
3000
want het is waar dat de rivierbedding
13:19
guides the flow of the water,
285
784000
2000
de stroming van het water gidst;
13:21
but over long timescales,
286
786000
2000
maar over langere periodes
13:23
the water also reshapes the bed of the stream.
287
788000
3000
herkneedt het water ook de rivierbedding.
13:26
And as I told you just now,
288
791000
2000
En zoals ik jullie net vertelde,
13:28
neural activity can change the connectome.
289
793000
3000
kan hersenactiviteit het connectoom veranderen.
13:33
And if you'll allow me to ascend
290
798000
2000
Als jullie me toelaten om te stijgen
13:35
to metaphorical heights,
291
800000
3000
naar spreekwoordelijke hoogten,
13:38
I will remind you that neural activity
292
803000
3000
herinner ik jullie eraan dat hersenactiviteit
13:41
is the physical basis -- or so neuroscientists think --
293
806000
2000
de fysieke basis is -- althans, dat denken de neurowetenschappers --
13:43
of thoughts, feelings and perceptions.
294
808000
3000
van gedachten, gevoelens, en waarnemingen.
13:46
And so we might even speak of
295
811000
2000
We kunnen dus misschien zelfs spreken
13:48
the stream of consciousness.
296
813000
2000
van de stroom van het bewustzijn.
13:50
Neural activity is its water,
297
815000
3000
Hersenactiviteit is zijn water,
13:53
and the connectome is its bed.
298
818000
3000
en het connectoom zijn bedding.
13:57
So let's return from the heights of metaphor
299
822000
2000
Laten we nu dan maar afdalen van de toppen van de metafoor
13:59
and return to science.
300
824000
2000
en terugkeren naar de wetenschap.
14:01
Suppose our technologies for finding connectomes
301
826000
2000
Veronderstel dat onze technologieën
14:03
actually work.
302
828000
2000
om connectomen te vinden werken.
14:05
How will we go about testing the hypothesis
303
830000
2000
Hoe zullen we het testen van de hypothese
14:07
"I am my connectome?"
304
832000
3000
"Ik ben mijn connectoom" dan aanpakken?
14:10
Well, I propose a direct test.
305
835000
3000
Wel, ik stel een directe test voor.
14:13
Let us attempt
306
838000
2000
Laten we proberen
14:15
to read out memories from connectomes.
307
840000
3000
om herinneringen uit connectomen te lezen.
14:18
Consider the memory
308
843000
2000
Stel je de herinnering voor
14:20
of long temporal sequences of movements,
309
845000
3000
van lange, getimede reeksen van bewegingen,
14:23
like a pianist playing a Beethoven sonata.
310
848000
3000
zoals een pianist die een Beethoven-sonate speelt.
14:26
According to a theory that dates back to the 19th century,
311
851000
3000
Volgens een theorie die dateert van de negentiende eeuw,
14:29
such memories are stored
312
854000
2000
worden zulke herinneringen bewaard
14:31
as chains of synaptic connections inside your brain.
313
856000
3000
als kettingen van synaptische verbindingen in je brein.
14:35
Because, if the first neurons in the chain are activated,
314
860000
3000
Omdat, als de eerste neuronen in de ketting geactiveerd worden,
14:38
through their synapses they send messages to the second neurons, which are activated,
315
863000
3000
ze berichten sturen door hun synapsen naar de tweede reeks neuronen,
14:41
and so on down the line,
316
866000
2000
die dan geactiveerd worden, en zo verder,
14:43
like a chain of falling dominoes.
317
868000
2000
zoals een ketting van vallende dominostenen.
14:45
And this sequence of neural activation
318
870000
2000
En deze reeks van neurale activering,
14:47
is hypothesized to be the neural basis
319
872000
3000
wordt verondersteld de neurale basis te zijn
14:50
of those sequence of movements.
320
875000
2000
van deze reeks bewegingen.
14:52
So one way of trying to test the theory
321
877000
2000
Dus één manier om de theorie te testen
14:54
is to look for such chains
322
879000
2000
is te zoeken naar zulke kettingen
14:56
inside connectomes.
323
881000
2000
in connectomen.
14:58
But it won't be easy, because they're not going to look like this.
324
883000
3000
Maar het zal niet gemakkelijk zijn, want ze zullen er niet zo uitzien.
15:01
They're going to be scrambled up.
325
886000
2000
Ze zullen door elkaar gegooid zijn.
15:03
So we'll have to use our computers
326
888000
2000
We zullen dus onze computers moeten gebruiken
15:05
to try to unscramble the chain.
327
890000
3000
om te proberen de ketting te ontwarren.
15:08
And if we can do that,
328
893000
2000
Als we dat kunnen doen,
15:10
the sequence of the neurons we recover from that unscrambling
329
895000
3000
zal de reeks neuronen die we uit die ontwarring halen
15:13
will be a prediction of the pattern of neural activity
330
898000
3000
een voorspelling zijn van het patroon van de hersenactiviteit
15:16
that is replayed in the brain during memory recall.
331
901000
3000
die wordt afgespeeld in het brein tijdens het herinneren.
15:19
And if that were successful,
332
904000
2000
Als dat een succes zou zijn,
15:21
that would be the first example of reading a memory from a connectome.
333
906000
3000
zou dat het eerste voorbeeld zijn van herinneringen lezen uit een connectoom.
15:28
(Laughter)
334
913000
2000
(Gelach)
15:30
What a mess --
335
915000
2000
Wat een rommeltje.
15:33
have you ever tried to wire up a system
336
918000
2000
Heb je ooit geprobeerd een circuit te bedraden
15:35
as complex as this?
337
920000
2000
dat zo ingewikkeld was als het deze?
15:37
I hope not.
338
922000
2000
Ik hoop van niet.
15:39
But if you have, you know it's very easy to make a mistake.
339
924000
3000
Maar als je het ooit gedaan hebt, weet je dat het erg makkelijk is om je te vergissen.
15:45
The branches of neurons are like the wires of the brain.
340
930000
2000
Vertakkingen van neuronen zijn zoals de draden van het brein.
15:47
Can anyone guess: what's the total length of wires in your brain?
341
932000
4000
Kan iemand raden wat de totale lengte van de bedrading in je brein is?
15:54
I'll give you a hint. It's a big number.
342
939000
2000
Ik zal een hint geven. Het is een groot getal.
15:56
(Laughter)
343
941000
2000
(Gelach)
15:59
I estimate, millions of miles,
344
944000
3000
Ik schat miljoenen mijlen.
16:02
all packed in your skull.
345
947000
3000
Allemaal samengepropt in je schedel.
16:05
And if you appreciate that number,
346
950000
2000
Als je je dat getal voorstelt,
16:07
you can easily see
347
952000
2000
kan je gemakkelijk zien
16:09
there is huge potential for mis-wiring of the brain.
348
954000
2000
dat er een geweldige kans op bedradingsfouten is in het brein.
16:11
And indeed, the popular press loves headlines like,
349
956000
3000
Inderdaad, de populaire pers houdt van koppen als
16:14
"Anorexic brains are wired differently,"
350
959000
2000
"Breinen met anorexia hebben andere verbindingen",
16:16
or "Autistic brains are wired differently."
351
961000
2000
of "Autistische breinen hebben andere verbindingen".
16:18
These are plausible claims,
352
963000
2000
Dit zijn plausibele stellingen,
16:20
but in truth,
353
965000
2000
maar eigenlijk
16:22
we can't see the brain's wiring clearly enough
354
967000
2000
kunnen we de bedrading van het brein niet goed genoeg zien
16:24
to tell if these are really true.
355
969000
2000
om te zeggen of deze echt waar zijn.
16:26
And so the technologies for seeing connectomes
356
971000
3000
En dus zullen de technologieën om connectomen te zien
16:29
will allow us to finally
357
974000
2000
ons eindelijk toelaten
16:31
read mis-wiring of the brain,
358
976000
2000
om verbindingsfouten in het brein te lezen
16:33
to see mental disorders in connectomes.
359
978000
3000
en geestelijke aandoeningen in connectomen te zien.
16:40
Sometimes the best way to test a hypothesis
360
985000
3000
Soms is het goed om je het meest extreme gevolg van een hypothese
16:43
is to consider its most extreme implication.
361
988000
3000
voor te stellen om deze te testen.
16:46
Philosophers know this game very well.
362
991000
3000
Filosofen kennen dit spelletje zeer goed.
16:50
If you believe that I am my connectome,
363
995000
3000
Als je gelooft dat ik mijn connectoom ben
16:53
I think you must also accept the idea
364
998000
3000
denk ik dat je ook moet aannemen
16:56
that death is the destruction
365
1001000
2000
dat de dood de vernietiging
16:58
of your connectome.
366
1003000
3000
van je connectoom is.
17:02
I mention this because there are prophets today
367
1007000
3000
Ik vermeld dit omdat er vandaag de dag profeten zijn
17:05
who claim that technology
368
1010000
3000
die zeggen dat de technologie
17:08
will fundamentally alter the human condition
369
1013000
3000
de menselijke conditie fundamenteel zal veranderen
17:11
and perhaps even transform the human species.
370
1016000
3000
en misschien zelfs de menselijke soort zal transformeren.
17:14
One of their most cherished dreams
371
1019000
3000
Eén van hun meest gekoesterde dromen
17:17
is to cheat death
372
1022000
2000
is de dood te omzeilen
17:19
by that practice known as cryonics.
373
1024000
2000
met een techniek die bekendstaat als cryonica.
17:21
If you pay 100,000 dollars,
374
1026000
2000
Als je 100.000 dollar neertelt
17:23
you can arrange to have your body frozen after death
375
1028000
3000
kan je je lichaam na je dood laten invriezen
17:26
and stored in liquid nitrogen
376
1031000
2000
en laten bewaren in vloeibare stikstof
17:28
in one of these tanks in an Arizona warehouse,
377
1033000
2000
in één van deze tanks in een pakhuis in Arizona,
17:30
awaiting a future civilization
378
1035000
2000
wachtend op een toekomstige beschaving
17:32
that is advanced to resurrect you.
379
1037000
3000
die geavanceerd genoeg is om je te doen herrijzen.
17:36
Should we ridicule the modern seekers of immortality,
380
1041000
2000
Moeten we de moderne zoekers van de onsterfelijkheid
17:38
calling them fools?
381
1043000
2000
belachelijk maken en hen als dwazen bestempelen?
17:40
Or will they someday chuckle
382
1045000
2000
Of zullen ze op een dag
17:42
over our graves?
383
1047000
2000
grinniken op ons graf?
17:45
I don't know --
384
1050000
2000
Ik weet het niet.
17:47
I prefer to test their beliefs, scientifically.
385
1052000
3000
Ik test liever wetenschappelijk of hun overtuiging klopt.
17:50
I propose that we attempt to find a connectome
386
1055000
2000
Ik stel voor dat we proberen een connectoom te vinden
17:52
of a frozen brain.
387
1057000
2000
van een ingevroren brein.
17:54
We know that damage to the brain
388
1059000
2000
We weten dat schade aan het brein
17:56
occurs after death and during freezing.
389
1061000
2000
zich voordoet na de dood en tijdens het bevriezen.
17:58
The question is: has that damage erased the connectome?
390
1063000
3000
De vraag is: wist die schade het connectoom uit?
18:01
If it has, there is no way that any future civilization
391
1066000
3000
Als dat zo is, is er geen enkele manier
18:04
will be able to recover the memories of these frozen brains.
392
1069000
3000
om de herinneringen van die bevroren breinen terug te halen.
18:07
Resurrection might succeed for the body,
393
1072000
2000
Verrijzenis mag dan wel mogelijk zijn voor het lichaam,
18:09
but not for the mind.
394
1074000
2000
maar niet voor de geest.
18:11
On the other hand, if the connectome is still intact,
395
1076000
3000
Aan de andere kant, als het connectoom nog intact is,
18:14
we cannot ridicule the claims of cryonics so easily.
396
1079000
3000
kunnen we de stellingen van de cryonica niet zo gemakkelijk bespotten.
18:20
I've described a quest
397
1085000
2000
Ik heb een missie beschreven
18:22
that begins in the world of the very small,
398
1087000
3000
die begint in de wereld van het zeer kleine,
18:25
and propels us to the world of the far future.
399
1090000
3000
en ons voortstuwt naar de wereld van de verre toekomst.
18:28
Connectomes will mark a turning point in human history.
400
1093000
3000
Connectomen zullen een keerpunt in de menselijke geschiedenis markeren.
18:32
As we evolved from our ape-like ancestors
401
1097000
2000
Terwijl we evolueerden van onze aapachtige voorouders
18:34
on the African savanna,
402
1099000
2000
op de Afrikaanse savanne,
18:36
what distinguished us was our larger brains.
403
1101000
3000
was onze herseninhoud wat ons onderscheidde.
18:40
We have used our brains to fashion
404
1105000
2000
We hebben onze breinen gebruikt
18:42
ever more amazing technologies.
405
1107000
3000
om nog verbluffender technologieën te ontwerpen.
18:45
Eventually, these technologies will become so powerful
406
1110000
3000
Ooit zullen deze technologieën zo krachtig worden
18:48
that we will use them to know ourselves
407
1113000
3000
dat we ze zullen gebruiken om onszelf te kennen
18:51
by deconstructing and reconstructing
408
1116000
3000
door onze breinen af te breken
18:54
our own brains.
409
1119000
3000
en opnieuw op te bouwen.
18:57
I believe that this voyage of self-discovery
410
1122000
3000
Ik geloof dat deze reis van zelfontdekking
19:00
is not just for scientists,
411
1125000
3000
niet enkel voor wetenschappers is,
19:03
but for all of us.
412
1128000
2000
maar voor ons allemaal.
19:05
And I'm grateful for the opportunity to share this voyage with you today.
413
1130000
3000
En ik ben dankbaar om de kans om deze reis vandaag met jullie te delen.
19:08
Thank you.
414
1133000
2000
Bedankt.
19:10
(Applause)
415
1135000
8000
(Applaus)
ABOUT THE SPEAKER
Sebastian Seung - Computational neuroscientistSebastian Seung is a leader in the new field of connectomics, currently the hottest space in neuroscience, which studies, in once-impossible detail, the wiring of the brain.
Why you should listen
In the brain, neurons are connected into a complex network. Sebastian Seung and his lab at MIT are inventing technologies for identifying and describing the connectome, the totality of connections between the brain's neurons -- think of it as the wiring diagram of the brain. We possess our entire genome at birth, but things like memories are not "stored" in the genome; they are acquired through life and accumulated in the brain. Seung's hypothesis is that "we are our connectome," that the connections among neurons is where memories and experiences get stored.
Seung and his collaborators, including Winfried Denk at the Max Planck Institute and Jeff Lichtman at Harvard University, are working on a plan to thin-slice a brain (probably starting with a mouse brain) and trace, from slice to slice, each neural pathway, exposing the wiring diagram of the brain and creating a powerful new way to visualize the workings of the mind. They're not the first to attempt something like this -- Sydney Brenner won a Nobel for mapping all the 7,000 connections in the nervous system of a tiny worm, C. elegans. But that took his team a dozen years, and the worm only had 302 nerve cells. One of Seung's breakthroughs is in using advanced imagining and AI to handle the crushing amount of data that a mouse brain will yield and turn it into richly visual maps that show the passageways of thought and sensation.
Sebastian Seung | Speaker | TED.com