TEDxCaltech
Michael Dickinson: How a fly flies
Michael Dickinson: Jak lata mucha?
Filmed:
Readability: 4.2
1,787,704 views
Zdolność much do latania to jeden z największych wyczynów ewolucji. Michael Dickinson przygląda się pospolitej muszce, która może latać pomimo delikatnych skrzydeł, dzięki ich sprytnym ruchom oraz mięśniom, które są nie tylko silne, ale również elastyczne. Jednak tajną bronią muchy jest jej mózg. (Sfilmowano na TEDxCaltech)
Michael Dickinson - Biologist
Most people are irritated by the buzzing of a fly's wings. But biologist Michael Dickinson views the sound with a deep sense of wonder. Full bio
Most people are irritated by the buzzing of a fly's wings. But biologist Michael Dickinson views the sound with a deep sense of wonder. Full bio
Double-click the English transcript below to play the video.
00:16
I grew up watching Star Trek. I love Star Trek.
0
545
3532
Dorastałem, oglądając Star Treka.
Uwielbiam go.
Uwielbiam go.
00:19
Star Trek made me want to see alien creatures,
1
4077
4462
Przez Star Treka chciałem spotkać kosmitów,
00:24
creatures from a far-distant world.
2
8539
2303
istoty z odległych światów.
00:26
But basically, I figured out that I could find
3
10842
2787
Zdałem sobie sprawę, że mogę ich znaleźć
00:29
those alien creatures right on Earth.
4
13629
2977
również na Ziemi.
00:32
And what I do is I study insects.
5
16606
2653
Zajmuję się badaniem owadów.
00:35
I'm obsessed with insects, particularly insect flight.
6
19259
3256
Mam obsesję na punkcie owadów
i ich techniki latania.
i ich techniki latania.
00:38
I think the evolution of insect flight is perhaps
7
22515
3141
Myślę, że ewolucja lotu owadów
00:41
one of the most important events in the history of life.
8
25656
2742
to jedno z najważniejszych wydarzeń
w historii życia.
w historii życia.
00:44
Without insects, there'd be no flowering plants.
9
28398
2237
Bez owadów nie byłoby zapylania kwiatów.
00:46
Without flowering plants, there would be no
10
30635
1916
Bez zapylania kwiatów nie byłoby inteligentnych,
00:48
clever, fruit-eating primates giving TED Talks.
11
32551
3137
owocożernych naczelnych występujących na TED.
00:51
(Laughter)
12
35688
2300
(Śmiech)
00:53
Now,
13
37988
1987
Do rzeczy.
00:55
David and Hidehiko and Ketaki
14
39975
3039
David, Hidehiko oraz Ketaki
00:58
gave a very compelling story about
15
43014
3445
pokazali fascynujące podobieństwa
01:02
the similarities between fruit flies and humans,
16
46459
2805
łączące muszkę owocówkę i człowieka,
01:05
and there are many similarities,
17
49264
1489
a jest ich wiele.
01:06
and so you might think that if humans are similar to fruit flies,
18
50753
3002
Skoro ludzie są podobni do muszek,
01:09
the favorite behavior of a fruit fly might be this, for example --
19
53755
3797
to ulubionym zajęciem muszek może być to...
01:13
(Laughter)
20
57552
2282
(Śmiech)
01:15
but in my talk, I don't want to emphasize on the similarities
21
59834
3191
Nie chciałbym podkreślać podobieństw
łączących ludzi
łączących ludzi
01:18
between humans and fruit flies, but rather the differences,
22
63025
3067
i muszki owocowe.
Chciałbym pokazać różnice
Chciałbym pokazać różnice
01:21
and focus on the behaviors that I think fruit flies excel at doing.
23
66092
5287
i skupić się na zachowaniach,
w których muszki się wyspecjalizowały.
w których muszki się wyspecjalizowały.
01:27
And so I want to show you a high-speed video sequence
24
71379
2856
Pokażę sekwencję wideo
w przyspieszonym tempie
w przyspieszonym tempie
01:30
of a fly shot at 7,000 frames per second in infrared lighting,
25
74235
3935
7 tys. klatek na sekundę:
muszka w podczerwieni.
muszka w podczerwieni.
01:34
and to the right, off-screen, is an electronic looming predator
26
78170
4210
Z prawej, niewidoczny,
znajduje się elektroniczny drapieżca,
znajduje się elektroniczny drapieżca,
01:38
that is going to go at the fly.
27
82380
1435
który zbliża się do muchy.
01:39
The fly is going to sense this predator.
28
83815
1838
Mucha wyczuwa drapieżcę.
01:41
It is going to extend its legs out.
29
85653
2455
Wyciąga odnóża.
01:44
It's going to sashay away
30
88108
1613
Następnie odlatuje
01:45
to live to fly another day.
31
89721
2565
i przeżywa kolejny dzień.
01:48
Now I have carefully cropped this sequence
32
92286
2362
Sekwencję przyciąłem tak,
01:50
to be exactly the duration of a human eye blink,
33
94648
3160
by trwała dokładnie tyle, ile mgnienie oka.
01:53
so in the time that it would take you to blink your eye,
34
97808
2834
Czas potrzebny nam na mrugnięcie
01:56
the fly has seen this looming predator,
35
100642
3265
pozwala muszce zobaczyć
zbliżającego się drapieżcę,
zbliżającego się drapieżcę,
01:59
estimated its position, initiated a motor pattern to fly it away,
36
103907
6168
ustalić jego pozycję, zainicjować
sekwencję ruchów i odlecieć,
sekwencję ruchów i odlecieć,
02:05
beating its wings at 220 times a second as it does so.
37
110075
4464
machając skrzydłami 220 razy na sekundę.
02:10
I think this is a fascinating behavior
38
114539
1973
To fascynujące zachowanie
02:12
that shows how fast the fly's brain can process information.
39
116512
3921
ukazuje szybkość przetwarzania informacji
przez mózg muszki.
przez mózg muszki.
02:16
Now, flight -- what does it take to fly?
40
120433
2842
Lot - co jest do niego potrzebne?
02:19
Well, in order to fly, just as in a human aircraft,
41
123275
2864
Podobnie jak w przypadku
ludzkich maszyn,
ludzkich maszyn,
02:22
you need wings that can generate sufficient aerodynamic forces,
42
126139
2735
lot wymaga skrzydeł
generujących potrzebną siłę aerodynamiczną.
generujących potrzebną siłę aerodynamiczną.
02:24
you need an engine sufficient to generate the power required for flight,
43
128874
3546
Potrzebujemy silnika,
by uzyskać moc potrzebną do lotu,
by uzyskać moc potrzebną do lotu,
02:28
and you need a controller,
44
132420
1709
oraz kontrolera,
02:30
and in the first human aircraft, the controller was basically
45
134129
2626
którym na początku lotnictwa
02:32
the brain of Orville and Wilbur sitting in the cockpit.
46
136755
4312
były umysły Orville'a i Wilbura
siedzących w kokpicie.
siedzących w kokpicie.
02:36
Now, how does this compare to a fly?
47
141067
2753
A jak to wygląda u muchy?
02:39
Well, I spent a lot of my early career trying to figure out
48
143820
3251
Poświęciłem większość wczesnej kariery
próbom zrozumienia,
próbom zrozumienia,
02:42
how insect wings generate enough force to keep the flies in the air.
49
147071
4336
jak skrzydła owada generują wystarczającą siłę,
aby utrzymać go w powietrzu.
aby utrzymać go w powietrzu.
02:47
And you might have heard how engineers proved
50
151407
1610
Być może słyszeliście,
jak inżynierowie dowiedli,
jak inżynierowie dowiedli,
02:48
that bumblebees couldn't fly.
51
153017
2634
że trzmiele nie powinny w ogóle latać.
02:51
Well, the problem was in thinking that the insect wings
52
155651
2620
Problemem jest myślenie, że owadzie skrzydła
02:54
function in the way that aircraft wings work. But they don't.
53
158271
3119
funkcjonują jak skrzydła samolotu. Tak nie jest.
02:57
And we tackle this problem by building giant,
54
161390
2854
Rozwiązaliśmy to, budując gigantycznego robota
03:00
dynamically scaled model robot insects
55
164244
3432
odwzorowującego dynamikę owada,
03:03
that would flap in giant pools of mineral oil
56
167676
3336
który trzepotał skrzydłami
w wielkim basenie pełnym oleju.
w wielkim basenie pełnym oleju.
03:06
where we could study the aerodynamic forces.
57
171012
2274
Tak mogliśmy zbadać siły aerodynamiczne.
03:09
And it turns out that the insects flap their wings
58
173286
2158
Okazało się, że owady machają skrzydłami
03:11
in a very clever way, at a very high angle of attack
59
175444
2592
w bardzo pomysłowy sposób,
pod wysokim kątem natarcia,
pod wysokim kątem natarcia,
03:13
that creates a structure at the leading edge of the wing,
60
178036
3121
który na krawędziach wodzących skrzydła
tworzy strukturę
tworzy strukturę
03:17
a little tornado-like structure called a leading edge vortex,
61
181157
3199
podobną do tornada, zwaną
wodzącym wirem powietrza.
wodzącym wirem powietrza.
03:20
and it's that vortex that actually enables the wings
62
184356
2954
To właśnie dzięki niemu
03:23
to make enough force for the animal to stay in the air.
63
187310
3359
skrzydła wytwarzają wystarczającą siłę,
by owad utrzymał się w powietrzu.
by owad utrzymał się w powietrzu.
03:26
But the thing that's actually most -- so, what's fascinating
64
190669
2428
Ale co jest najciekawsze,
03:28
is not so much that the wing has some interesting morphology.
65
193097
2975
to nie interesująca morfologia skrzydła,
03:31
What's clever is the way the fly flaps it,
66
196072
3645
ale sposób, w jaki mucha macha skrzydłami,
03:35
which of course ultimately is controlled by the nervous system,
67
199717
3136
w całości kontrolowany przez układ nerwowy,
03:38
and this is what enables flies to perform
68
202853
2647
co pozwala muszce dokonywać
03:41
these remarkable aerial maneuvers.
69
205500
2807
takich powietrznych manewrów.
03:44
Now, what about the engine?
70
208307
2097
A co z silnikiem?
03:46
The engine of the fly is absolutely fascinating.
71
210404
2492
Silnik muchy jest fascynujący.
03:48
They have two types of flight muscle:
72
212896
1898
Muchy mają dwa typy mięśni
odpowiedzialnych za lot.
odpowiedzialnych za lot.
03:50
so-called power muscle, which is stretch-activated,
73
214794
2985
Mięśnie napędowe,
aktywowane naprężeniem mechanicznym,
aktywowane naprężeniem mechanicznym,
03:53
which means that it activates itself and does not need to be controlled
74
217779
3726
co oznacza, że aktywują się samodzielnie
i nie muszą być kontrolowane
i nie muszą być kontrolowane
03:57
on a contraction-by-contraction basis by the nervous system.
75
221505
3339
przy każdym skurczu przez układ nerwowy.
04:00
It's specialized to generate the enormous power required for flight,
76
224844
4609
Są wyspecjalizowane w wytwarzaniu
potężnej siły potrzebnej do lotu
potężnej siły potrzebnej do lotu
04:05
and it fills the middle portion of the fly,
77
229453
2079
i zajmują środkową część ciała muchy.
04:07
so when a fly hits your windshield,
78
231532
1547
Dlatego kiedy uderza w szybę,
04:08
it's basically the power muscle that you're looking at.
79
233079
2406
patrzymy głównie na mięśnie napędowe.
04:11
But attached to the base of the wing
80
235485
2146
Do podstawy skrzydła doczepiona jest
04:13
is a set of little, tiny control muscles
81
237631
2638
grupa niewielkich mięśni sterujących,
04:16
that are not very powerful at all, but they're very fast,
82
240269
3301
które nie zapewniają siły,
ale poruszają się bardzo szybko
ale poruszają się bardzo szybko
04:19
and they're able to reconfigure the hinge of the wing
83
243570
3206
i potrafią zmienić ustawienie skrzydła
04:22
on a stroke-by-stroke basis,
84
246776
1762
przy każdym ruchu.
04:24
and this is what enables the fly to change its wing
85
248538
3142
Mucha może zmieniać ustawienie skrzydeł
04:27
and generate the changes in aerodynamic forces
86
251680
2971
i wpływać na zmianę sił aerodynamicznych,
04:30
which change its flight trajectory.
87
254651
2573
dzięki czemu zmienia trajektorię lotu.
04:33
And of course, the role of the nervous system is to control all this.
88
257224
3563
Układ nerwowy kontroluje ten proces.
04:36
So let's look at the controller.
89
260787
1512
Przyjrzyjmy się więc kontrolerowi.
04:38
Now flies excel in the sorts of sensors
90
262299
2647
Muchy posiadają wysoko rozwinięte
narządy zmysłów,
narządy zmysłów,
04:40
that they carry to this problem.
91
264946
2284
które biorą udział w tym procesie.
04:43
They have antennae that sense odors and detect wind detection.
92
267230
4127
Posiadają czułki, które wyczuwają zapachy
i wykrywają wiatr.
i wykrywają wiatr.
04:47
They have a sophisticated eye which is
93
271357
1675
Ich skomplikowane oczy
04:48
the fastest visual system on the planet.
94
273032
2456
to najszybszy system wizualny na Ziemi.
04:51
They have another set of eyes on the top of their head.
95
275488
2036
Muchy mają dodatkowe oczy na czubku głowy,
04:53
We have no idea what they do.
96
277524
2052
ale nie mamy pojęcia, do czego służą.
04:55
They have sensors on their wing.
97
279576
2954
Ich skrzydła
04:58
Their wing is covered with sensors, including sensors
98
282530
3760
pokryte są sensorami.
05:02
that sense deformation of the wing.
99
286290
2046
Te sensory rejestrują odkształcenia skrzydeł.
05:04
They can even taste with their wings.
100
288336
2109
Muchy skrzydłami mogą również wyczuwać smak.
05:06
One of the most sophisticated sensors a fly has
101
290445
2555
Jednym z najbardziej zaawansowanych sensorów,
jaki posiada mucha,
jaki posiada mucha,
05:08
is a structure called the halteres.
102
293000
1807
są przezmianki,
05:10
The halteres are actually gyroscopes.
103
294807
1879
które działają jak żyroskopy.
05:12
These devices beat back and forth about 200 hertz during flight,
104
296686
4449
Urządzenia te podczas lotu
uderzają z częstotliwością 200 herców
uderzają z częstotliwością 200 herców
05:17
and the animal can use them to sense its body rotation
105
301135
2673
i dzięki nim owad
może wyczuć obrót swojego ciała
może wyczuć obrót swojego ciała
05:19
and initiate very, very fast corrective maneuvers.
106
303808
3968
oraz zainicjować bardzo szybkie
manewry korekcyjne.
manewry korekcyjne.
05:23
But all of this sensory information has to be processed
107
307776
2329
Wszystkie informacje pochodzące od sensorów
muszą być przetworzone
muszą być przetworzone
05:26
by a brain, and yes, indeed, flies have a brain,
108
310105
3720
przez mózg. Tak, muchy mają mózg.
05:29
a brain of about 100,000 neurons.
109
313825
3159
Ma on około 100 tys. neuronów.
05:32
Now several people at this conference
110
316984
2193
Kilka osób na tej konferencji
05:35
have already suggested that fruit flies could serve neuroscience
111
319177
4808
już wcześniej zasugerowało,
że muszki mogą służyć neurobiologii,
że muszki mogą służyć neurobiologii,
05:39
because they're a simple model of brain function.
112
323985
3247
bo są prostym modelem
przedstawiającym funkcjonowanie mózgu.
przedstawiającym funkcjonowanie mózgu.
05:43
And the basic punchline of my talk is,
113
327232
2077
Jednak ja w swoim wystąpieniu
05:45
I'd like to turn that over on its head.
114
329309
2658
chciałbym postawić to twierdzenie na głowie.
05:47
I don't think they're a simple model of anything.
115
331967
2628
Uważam, że muszki w żadnym razie
nie są prostym modelem.
nie są prostym modelem.
05:50
And I think that flies are a great model.
116
334595
2477
Są natomiast doskonałym modelem...
05:52
They're a great model for flies.
117
337072
2516
dla muszek.
05:55
(Laughter)
118
339588
2481
(Śmiech)
05:57
And let's explore this notion of simplicity.
119
342069
3003
Przyjrzyjmy się temu wrażeniu prostoty.
06:00
So I think, unfortunately, a lot of neuroscientists,
120
345072
2431
Niestety wielu neurobiologów
06:03
we're all somewhat narcissistic.
121
347503
1832
zachowuje się narcystycznie.
06:05
When we think of brain, we of course imagine our own brain.
122
349335
3433
Kiedy myślimy o mózgu,
wyobrażamy sobie nasz mózg.
wyobrażamy sobie nasz mózg.
06:08
But remember that this kind of brain,
123
352768
1960
Należy jednak pamiętać, że mózg muchy
06:10
which is much, much smaller
124
354728
1768
jest znacznie mniejszy.
06:12
— instead of 100 billion neurons, it has 100,000 neurons —
125
356496
2678
Zamiast 100 mld neuronów
ma 100 tys. neuronów,
ma 100 tys. neuronów,
06:15
but this is the most common form of brain on the planet
126
359174
2882
ale to właśnie ten typ mózgu
jest najbardziej powszechny na Ziemi
jest najbardziej powszechny na Ziemi
06:17
and has been for 400 million years.
127
362056
2904
i to od 400 mln lat.
06:20
And is it fair to say that it's simple?
128
364960
2288
Więc czy to sprawiedliwe mówić, że jest prosty?
06:23
Well, it's simple in the sense that it has fewer neurons,
129
367248
2095
Oczywiście posiada mniej neuronów,
więc w tym sensie jest prostszy.
więc w tym sensie jest prostszy.
06:25
but is that a fair metric?
130
369343
1754
Ale czy ilość neuronów to dobra miara?
06:26
And I would propose it's not a fair metric.
131
371097
2276
Uważam, że nie.
06:29
So let's sort of think about this. I think we have to compare --
132
373373
3100
Zastanówmy się nad tym. Powinniśmy porównać...
06:32
(Laughter) —
133
376473
1559
(Śmiech)
06:33
we have to compare the size of the brain
134
378032
5121
...musimy porównać rozmiar mózgu
06:39
with what the brain can do.
135
383153
2030
z jego możliwościami.
06:41
So I propose we have a Trump number,
136
385183
2881
Proponuję liczbę Trumpa,
06:43
and the Trump number is the ratio of this man's
137
388064
2865
która będzie stosunkiem określającym
06:46
behavioral repertoire to the number of neurons in his brain.
138
390929
3679
zakres zachowań tego człowieka
do liczby neuronów w jego mózgu.
do liczby neuronów w jego mózgu.
06:50
We'll calculate the Trump number for the fruit fly.
139
394608
2668
Obliczmy liczbę Trumpa dla muszki.
06:53
Now, how many people here think the Trump number
140
397276
2684
Ile z was myśli, że liczba Trumpa
06:55
is higher for the fruit fly?
141
399960
2489
jest wyższa dla muszki?
06:58
(Applause)
142
402449
2431
(Brawa)
07:00
It's a very smart, smart audience.
143
404880
3428
Bardzo bystra widownia.
07:04
Yes, the inequality goes in this direction, or I would posit it.
144
408308
3327
Nierówność skierowana jest w tę stronę.
07:07
Now I realize that it is a little bit absurd
145
411635
2382
Oczywiście zdaję sobie sprawę,
że to nieco absurdalne,
że to nieco absurdalne,
07:09
to compare the behavioral repertoire of a human to a fly.
146
414017
3558
porównywać zakres zachowań człowieka
z zachowaniami muchy.
z zachowaniami muchy.
07:13
But let's take another animal just as an example. Here's a mouse.
147
417575
4143
W takim razie weźmy jako przykład
inne zwierzę. Oto mysz.
inne zwierzę. Oto mysz.
07:17
A mouse has about 1,000 times as many neurons as a fly.
148
421718
4305
Mysz ma mniej więcej
tysiąc razy więcej neuronów niż mucha.
tysiąc razy więcej neuronów niż mucha.
07:21
I used to study mice. When I studied mice,
149
426023
2027
Kiedyś zajmowałem się badaniem myszy.
07:23
I used to talk really slowly.
150
428050
2837
Mówiłem wtedy bardzo wolno.
07:26
And then something happened when I started to work on flies.
151
430887
2576
Później coś się stało,
kiedy zacząłem badać muchy.
kiedy zacząłem badać muchy.
07:29
(Laughter)
152
433463
2412
(Śmiech)
07:31
And I think if you compare the natural history of flies and mice,
153
435875
3460
Uważam, że historie naturalne much i myszy
07:35
it's really comparable. They have to forage for food.
154
439335
3313
są porównywalne.
Oba gatunki muszą szukać jedzenia.
Oba gatunki muszą szukać jedzenia.
07:38
They have to engage in courtship.
155
442648
2447
Muszą angażować się w gody,
07:40
They have sex. They hide from predators.
156
445095
3471
kopulować i ukrywać się przed drapieżnikami.
07:44
They do a lot of the similar things.
157
448566
1980
Robią wiele podobnych rzeczy.
07:46
But I would argue that flies do more.
158
450546
1718
Twierdzę jednak, że muchy robią więcej.
07:48
So for example, I'm going to show you a sequence,
159
452264
3378
Dla przykładu pokażę sekwencję wideo
07:51
and I have to say, some of my funding comes from the military,
160
455642
4205
i muszę powiedzieć,
że po części finansuje mnie wojsko,
że po części finansuje mnie wojsko,
07:55
so I'm showing this classified sequence
161
459847
2072
dlatego o tej poufnej sekwencji wideo
07:57
and you cannot discuss it outside of this room. Okay?
162
461919
4093
nie wolno rozmawiać poza tą salą. W porządku?
08:01
So I want you to look at the payload
163
466012
1908
Zwróćcie uwagę na ładunek,
08:03
at the tail of the fruit fly.
164
467920
3026
znajdujący się przy ogonie muchy.
08:06
Watch it very closely,
165
470946
2101
Patrzcie uważnie,
08:08
and you'll see why my six-year-old son
166
473047
4297
a zobaczycie, dlaczego mój sześcioletni syn
08:13
now wants to be a neuroscientist.
167
477344
4729
chce zostać neurobiologiem.
08:17
Wait for it.
168
482073
1179
Czekajcie.
08:19
Pshhew.
169
483252
1569
Pshhew.
08:20
So at least you'll admit that if fruit flies are not as clever as mice,
170
484821
3084
Może muchy nie są tak sprytne jak myszy,
08:23
they're at least as clever as pigeons. (Laughter)
171
487905
4916
ale dorównują gołębiom. (Śmiech)
08:28
Now, I want to get across that it's not just a matter of numbers
172
492821
3967
W każdym razie chciałbym zaznaczyć,
że to nie tylko kwestia liczb,
że to nie tylko kwestia liczb,
08:32
but also the challenge for a fly to compute
173
496788
2598
ale również wyzwanie dla muchy,
08:35
everything its brain has to compute with such tiny neurons.
174
499386
2849
której mózg musi wyliczyć wszystko
przy tak niewielkich neuronach.
przy tak niewielkich neuronach.
08:38
So this is a beautiful image of a visual interneuron from a mouse
175
502235
2988
Ten obrazek przedstawia interneuron
kory wzrokowej myszy,
kory wzrokowej myszy,
08:41
that came from Jeff Lichtman's lab,
176
505223
2768
która pochodziła z laboratorium Jeffa Lichtmana.
08:43
and you can see the wonderful images of brains
177
507991
3247
Możecie zobaczyć wspaniałe obrazy mózgów,
08:47
that he showed in his talk.
178
511238
3193
które pokazywał w swoim wystąpieniu.
08:50
But up in the corner, in the right corner, you'll see,
179
514431
2368
W prawym górnym rogu,
08:52
at the same scale, a visual interneuron from a fly.
180
516799
4112
w tej samej skali, znajduje się interneuron
kory wzrokowej muchy.
kory wzrokowej muchy.
08:56
And I'll expand this up.
181
520911
1841
Powiększę go.
08:58
And it's a beautifully complex neuron.
182
522752
2170
To przepiękny, skomplikowany neuron.
09:00
It's just very, very tiny, and there's lots of biophysical challenges
183
524922
3485
Jest tylko bardzo mały
i istnieje wiele wyzwań biofizycznych
i istnieje wiele wyzwań biofizycznych
09:04
with trying to compute information with tiny, tiny neurons.
184
528407
3623
ograniczających przetwarzanie informacji
takimi niewielkimi neuronami.
takimi niewielkimi neuronami.
09:07
How small can neurons get? Well, look at this interesting insect.
185
532030
3537
Jak mały może być neuron?
Popatrzmy na tego owada.
Popatrzmy na tego owada.
09:11
It looks sort of like a fly. It has wings, it has eyes,
186
535567
2212
Wygląda podobnie do muchy.
Ma skrzydła, oczy,
Ma skrzydła, oczy,
09:13
it has antennae, its legs, complicated life history,
187
537779
2799
czułki, nogi, skomplikowany życiorys,
09:16
it's a parasite, it has to fly around and find caterpillars
188
540578
3096
to pasożyt. Musi latać, by znajdować gąsienice,
09:19
to parasatize,
189
543674
1382
na których pasożytuje,
09:20
but not only is its brain the size of a salt grain,
190
545056
4115
ale ma mózg rozmiaru kryształu soli,
09:25
which is comparable for a fruit fly,
191
549171
1969
podobnie jak muszka owocówka.
09:27
it is the size of a salt grain.
192
551140
2926
Cały owad jest rozmiaru kryształu soli.
09:29
So here's some other organisms at the similar scale.
193
554066
3635
Oto kilka innych organizmów
o podobnym rozmiarze.
o podobnym rozmiarze.
09:33
This animal is the size of a paramecium and an amoeba,
194
557701
4130
Ten ma rozmiar pantofelka i ameby,
09:37
and it has a brain of 7,000 neurons that's so small --
195
561831
3880
a jego mózg ma zaledwie 7 tys. neuronów.
09:41
you know these things called cell bodies you've been hearing about,
196
565711
2456
Słyszeliście na pewno o ciele komórki,
09:44
where the nucleus of the neuron is?
197
568167
1651
w którym znajduje się jądro komórkowe neuronu.
09:45
This animal gets rid of them because they take up too much space.
198
569818
3460
Ten organizm pozbył się tych ciał,
bo zajmują za dużo miejsca.
bo zajmują za dużo miejsca.
09:49
So this is a session on frontiers in neuroscience.
199
573278
2473
Ta prezentacja poświęcona jest
granicom wiedzy neurobiologii.
granicom wiedzy neurobiologii.
09:51
I would posit that one frontier in neuroscience is to figure out how the brain of that thing works.
200
575751
5360
Jedną z takich granic jest poznanie,
jak działa mózg takiego stworzenia.
jak działa mózg takiego stworzenia.
09:57
But let's think about this. How can you make a small number of neurons do a lot?
201
581111
5633
Teraz coś innego. Jak zmusić niewiele neuronów,
aby robiły dużo?
aby robiły dużo?
10:02
And I think, from an engineering perspective,
202
586744
2522
Z perspektywy inżyniera można pomyśleć
10:05
you think of multiplexing.
203
589266
1729
o wielozadaniowości.
10:06
You can take a hardware and have that hardware
204
590995
2703
Można mieć komputery,
10:09
do different things at different times,
205
593698
1613
które robią różne rzeczy, w różnym czasie,
10:11
or have different parts of the hardware doing different things.
206
595311
2995
albo różne części komputera
pracujące nad różnymi zadaniami.
pracujące nad różnymi zadaniami.
10:14
And these are the two concepts I'd like to explore.
207
598306
3271
Chciałbym przyjrzeć się tym dwóm zagadnieniom.
10:17
And they're not concepts that I've come up with,
208
601577
1658
Nie wpadłem na to sam,
10:19
but concepts that have been proposed by others in the past.
209
603235
4545
lecz zaproponowano to już w przeszłości.
10:23
And one idea comes from lessons from chewing crabs.
210
607780
3075
Jeden z pomysłów nasunęła obserwacja
przeżuwających krabów.
przeżuwających krabów.
10:26
And I don't mean chewing the crabs.
211
610855
1867
Nie, nie przeżuwania krabów.
10:28
I grew up in Baltimore, and I chew crabs very, very well.
212
612722
3599
Dorastałem w Baltimore
i przeżuwam kraby bardzo sprawnie.
i przeżuwam kraby bardzo sprawnie.
10:32
But I'm talking about the crabs actually doing the chewing.
213
616321
2857
Mam na myśli kraby przeżuwające pokarm.
10:35
Crab chewing is actually really fascinating.
214
619178
2030
Przeżuwający krab jest naprawdę fascynujący.
10:37
Crabs have this complicated structure under their carapace
215
621208
3259
Pod pancerzem kraby mają skomplikowany układ,
10:40
called the gastric mill
216
624467
1310
zwany aparatem żującym,
10:41
that grinds their food in a variety of different ways.
217
625777
2430
który pozwala mielić pokarm na różne sposoby.
10:44
And here's an endoscopic movie of this structure.
218
628207
5259
Film przedstawia obraz endoskopowy
takiego aparatu.
takiego aparatu.
10:49
The amazing thing about this is that it's controlled
219
633466
2560
Co zadziwiające, jest on kontrolowany
10:51
by a really tiny set of neurons, about two dozen neurons
220
636026
3432
przez bardzo niewielki zestaw neuronów,
mniej więcej dwa tuziny,
mniej więcej dwa tuziny,
10:55
that can produce a vast variety of different motor patterns,
221
639458
4963
ale mimo to dzięki nim krab posiada
zróżnicowany układ ruchów.
zróżnicowany układ ruchów.
11:00
and the reason it can do this is that this little tiny ganglion
222
644421
4347
Źródłem tych ruchów jest ten mały ganglion
11:04
in the crab is actually inundated by many, many neuromodulators.
223
648768
4184
zatopiony w wielu neuromodulatorach.
11:08
You heard about neuromodulators earlier.
224
652952
2141
Słyszeliście wcześniej o neuromodulatorach.
11:10
There are more neuromodulators
225
655093
2225
Istnieje wiele różnych neuromodulatorów,
11:13
that alter, that innervate this structure than actually neurons in the structure,
226
657318
5485
której unerwiają tę strukturę bardziej niż neurony
11:18
and they're able to generate a complicated set of patterns.
227
662803
4242
i potrafią wygenerować tak skomplikowaną
sekwencję ruchów.
sekwencję ruchów.
11:22
And this is the work by Eve Marder and her many colleagues
228
667045
3441
Powyższe odkrycia zawdzięczamy pracy
Eve Marder i wielu jej kolegów,
Eve Marder i wielu jej kolegów,
11:26
who've been studying this fascinating system
229
670486
2295
którzy zajmowali się
tym fascynującym układem
tym fascynującym układem
11:28
that show how a smaller cluster of neurons
230
672781
2152
i pokazali, jak niewielkie skupisko neuronów
11:30
can do many, many, many things
231
674933
1825
może zrobić wiele rzeczy
11:32
because of neuromodulation that can take place on a moment-by-moment basis.
232
676758
4856
dzięki neuromodulacji,
która może zachodzić w jednej chwili.
która może zachodzić w jednej chwili.
11:37
So this is basically multiplexing in time.
233
681614
2439
Jest to więc wielozadaniowość czasowa.
11:39
Imagine a network of neurons with one neuromodulator.
234
684053
2785
Wyobraźcie sobie sieć neuronów
z jednym neuromodulatorem.
z jednym neuromodulatorem.
11:42
You select one set of cells to perform one sort of behavior,
235
686838
3478
Wybieramy jedną grupę komórek
do wykonania jednego zadania,
do wykonania jednego zadania,
11:46
another neuromodulator, another set of cells,
236
690316
2618
potem kolejny neuromodulator,
następną grupę komórek
następną grupę komórek
11:48
a different pattern, and you can imagine
237
692934
1713
i kolejne zadanie.
Można sobie wyobrazić,
Można sobie wyobrazić,
11:50
you could extrapolate to a very, very complicated system.
238
694647
3878
że przenosimy ten proces
na wyjątkowo skomplikowany układ.
na wyjątkowo skomplikowany układ.
11:54
Is there any evidence that flies do this?
239
698525
2094
Czy jest jakiś dowód na to,
że muchy tak robią?
że muchy tak robią?
11:56
Well, for many years in my laboratory and other laboratories around the world,
240
700619
3375
Przez wiele lat w moim laboratorium,
a także w laboratoriach na całym świecie,
a także w laboratoriach na całym świecie,
11:59
we've been studying fly behaviors in little flight simulators.
241
703994
2648
zajmowaliśmy się zachowaniami much
w małych symulatorach.
w małych symulatorach.
12:02
You can tether a fly to a little stick.
242
706642
1706
Można przyczepić muchę do małego patyczka.
12:04
You can measure the aerodynamic forces it's creating.
243
708348
2501
Zmierzyć działające siły aerodynamiczne.
12:06
You can let the fly play a little video game
244
710849
2546
Można pozwolić muszce zagrać w grę wideo,
12:09
by letting it fly around in a visual display.
245
713395
3878
pozwalając jej latać po wyświetlaczu.
12:13
So let me show you a little tiny sequence of this.
246
717273
2337
Pokażę wam sekwencję wideo z takiej gry.
12:15
Here's a fly
247
719610
1227
Oto mucha,
12:16
and a large infrared view of the fly in the flight simulator,
248
720837
3437
jej duży obraz w podczerwieni,
wewnątrz symulatora
wewnątrz symulatora
12:20
and this is a game the flies love to play.
249
724274
1955
oraz gra, w którą muchy uwielbiają grać.
12:22
You allow them to steer towards the little stripe,
250
726229
2437
Muchy mogą się kierować
w stronę niewielkiego paska
w stronę niewielkiego paska
12:24
and they'll just steer towards that stripe forever.
251
728666
2825
i będą to robić przez wieczność.
12:27
It's part of their visual guidance system.
252
731491
3558
To część ich wzrokowego układu sterowania.
12:30
But very, very recently, it's been possible
253
735049
2345
Niedawno udało się
12:33
to modify these sorts of behavioral arenas for physiologies.
254
737394
4940
zmodyfikować takie struktury testujące zachowania
pod kątem fizjologicznym.
pod kątem fizjologicznym.
12:38
So this is the preparation that one of my former post-docs,
255
742334
2488
Oto układ eksperymentalny, wykonany przez mojego byłego pracownika naukowego,
12:40
Gaby Maimon, who's now at Rockefeller, developed,
256
744822
2443
Gaby Maimon, który pracuje
na Uniwersytecie Rockefellera.
na Uniwersytecie Rockefellera.
12:43
and it's basically a flight simulator
257
747265
1686
To on rozwinął symulator,
12:44
but under conditions where you actually can stick an electrode
258
748951
3075
w którym wszczepia się elektrodę
12:47
in the brain of the fly and record
259
752026
2264
do mózgu muchy i zbiera informacje
12:50
from a genetically identified neuron in the fly's brain.
260
754290
3656
bezpośrednio z genetycznie
wyselekcjonowanego neuronu.
wyselekcjonowanego neuronu.
12:53
And this is what one of these experiments looks like.
261
757946
2298
Tak wyglądał jeden z tych eksperymentów.
12:56
It was a sequence taken from another post-doc in the lab,
262
760244
2971
Sekwencję wideo przygotowała inna doktorantka,
12:59
Bettina Schnell.
263
763215
1199
Bettina Schnell.
13:00
The green trace at the bottom is the membrane potential
264
764414
3392
Zielony ślad na dole
to potencjał membrany
to potencjał membrany
13:03
of a neuron in the fly's brain,
265
767806
2030
neuronu w mózgu muchy
13:05
and you'll see the fly start to fly, and the fly is actually
266
769836
2942
i zaraz zobaczycie, że kiedy mucha
zaczyna lecieć,
zaczyna lecieć,
13:08
controlling the rotation of that visual pattern itself
267
772778
3279
jednocześnie kontroluje obrót wyświetlanego wzoru
13:11
by its own wing motion,
268
776057
1479
ruchem swoich skrzydeł.
13:13
and you can see this visual interneuron
269
777536
2110
Możecie zaobserwować,
że ten interneuron kory wzrokowej
że ten interneuron kory wzrokowej
13:15
respond to the pattern of wing motion as the fly flies.
270
779646
3908
odpowiada schematowi ruchu skrzydeł,
kiedy mucha leci.
kiedy mucha leci.
13:19
So for the first time we've actually been able to record
271
783554
2376
Po raz pierwszy udało się nam zarejestrować
13:21
from neurons in the fly's brain while the fly
272
785930
2908
działanie neuronów w mózgu muchy,
13:24
is performing sophisticated behaviors such as flight.
273
788838
4468
gdy wykonuje ona skomplikowane ruchy
takie jak lot.
takie jak lot.
13:29
And one of the lessons we've been learning
274
793306
1855
Udało nam się dzięki temu dowiedzieć,
13:31
is that the physiology of cells that we've been studying
275
795161
2420
że fizjologia komórek, którą studiowaliśmy
13:33
for many years in quiescent flies
276
797581
2421
od wielu lat u much w bezruchu,
13:35
is not the same as the physiology of those cells
277
800002
2648
nie jest taka sama jak fizjologia komórek
13:38
when the flies actually engage in active behaviors
278
802650
2736
w przypadku dynamicznych zachowań
13:41
like flying and walking and so forth.
279
805386
2539
takich jak latanie, chodzenie itd.
13:43
And why is the physiology different?
280
807925
2925
Czemu fizjologia jest inna?
13:46
Well it turns out it's these neuromodulators,
281
810850
2057
Okazało się, że przyczyną są neuromodulatory,
13:48
just like the neuromodulators in that little tiny ganglion in the crabs.
282
812907
3951
dokładnie takie jak w malutkim ganglionie u krabów.
13:52
So here's a picture of the octopamine system.
283
816858
2550
Zdjęcie przedstawia oktopaminę.
13:55
Octopamine is a neuromodulator
284
819408
1754
Jest ona neuromodulatorem
13:57
that seems to play an important role in flight and other behaviors.
285
821162
4336
i prawdopodobnie jest istotna podczas lotu muchy
oraz innych zachowań.
oraz innych zachowań.
14:01
But this is just one of many neuromodulators
286
825498
2472
Jednak to tylko jeden
z wielu neuromodulatorów,
z wielu neuromodulatorów,
14:03
that's in the fly's brain.
287
827970
1071
które występują w mózgu muchy.
14:04
So I really think that, as we learn more,
288
829041
2666
Uważam, że wraz z rozwojem naszej wiedzy,
14:07
it's going to turn out that the whole fly brain
289
831707
2527
okaże się, że cały mózg muchy
14:10
is just like a large version of this stomatogastric ganglion,
290
834234
3089
jest dużą wersją ganglionu,
takiego jak u krabów.
takiego jak u krabów.
14:13
and that's one of the reasons why it can do so much with so few neurons.
291
837323
4360
Dlatego mucha może tak wiele,
posiadając niedużą ilość neuronów.
posiadając niedużą ilość neuronów.
14:17
Now, another idea, another way of multiplexing
292
841683
2787
Innym pomysłem na wielozadaniowość
14:20
is multiplexing in space,
293
844470
1656
jest rozdzielenie jej w przestrzeni,
14:22
having different parts of a neuron
294
846126
1694
a więc różne części neuronu
14:23
do different things at the same time.
295
847820
2122
robią inne rzeczy w tym samym czasie.
14:25
So here's two sort of canonical neurons
296
849942
1833
Tak wyglądają dwa rodzaje
neuronów kanonicznych
neuronów kanonicznych
14:27
from a vertebrate and an invertebrate,
297
851775
2285
u kręgowców i bezkręgowców.
14:29
a human pyramidal neuron from Ramon y Cajal,
298
854060
3250
Z lewej neuron piramidalny,
odkryty przez Ramona y Cajala,
odkryty przez Ramona y Cajala,
14:33
and another cell to the right, a non-spiking interneuron,
299
857310
4003
a po prawej interneuron
niegenerujący potencjałów czynnościowych,
niegenerujący potencjałów czynnościowych,
14:37
and this is the work of Alan Watson and Malcolm Burrows many years ago,
300
861313
4147
pochodzący z prac Alana Watsona
i Malcolma Burrowsa,
i Malcolma Burrowsa,
14:41
and Malcolm Burrows came up with a pretty interesting idea
301
865460
3075
ten ostatni zaproponował interesującą ideę
14:44
based on the fact that this neuron from a locust
302
868535
2882
bazującą na fakcie, że tego typu neurony
występujące u szarańczy
występujące u szarańczy
14:47
does not fire action potentials.
303
871417
1959
nie generują potencjałów czynnościowych.
14:49
It's a non-spiking cell.
304
873376
1748
To neurony niegenerujące
potencjałów czynnościowych.
potencjałów czynnościowych.
14:51
So a typical cell, like the neurons in our brain,
305
875124
2780
Typowe komórki, takie jak neurony
w naszych mózgach,
w naszych mózgach,
14:53
has a region called the dendrites that receives input,
306
877904
2752
posiadają część zwaną dendrytami,
które otrzymują sygnał,
które otrzymują sygnał,
14:56
and that input sums together
307
880656
2589
jest on następnie sumowany
14:59
and will produce action potentials
308
883245
2296
i wyzwala się potencjał czynnościowy.
15:01
that run down the axon and then activate
309
885541
2331
Biegnie on przez akson i aktywuje
15:03
all the output regions of the neuron.
310
887872
2296
wszystkie regiony wyjściowe neuronu.
15:06
But non-spiking neurons are actually quite complicated
311
890168
2876
Neurony niegenerujące potencjałów czynnościowych
są skomplikowane,
są skomplikowane,
15:08
because they can have input synapses and output synapses
312
893044
3112
bo mogą mieć synapsy wejściowe i wyjściowe,
15:12
all interdigitated, and there's no single action potential
313
896156
3663
wzajemnie się zazębiające, oraz nie generują
pojedynczego potencjału czynnościowego,
pojedynczego potencjału czynnościowego,
15:15
that drives all the outputs at the same time.
314
899819
3126
który rozchodzi się po wszystkich
synapsach wyjściowych równocześnie.
synapsach wyjściowych równocześnie.
15:18
So there's a possibility that you have computational compartments
315
902945
3907
Dlatego istnieje prawdopodobieństwo
utworzenia komór obliczeniowych,
utworzenia komór obliczeniowych,
15:22
that allow the different parts of the neuron
316
906852
3978
które pozwalają różnym częściom neuronu
15:26
to do different things at the same time.
317
910830
2560
robić różne rzeczy w tym samym czasie.
15:29
So these basic concepts of multitasking in time
318
913390
4671
Podstawy wielozadaniowości czasowej
15:33
and multitasking in space,
319
918061
2361
oraz wielozadaniowości przestrzennej
15:36
I think these are things that are true in our brains as well,
320
920422
2832
według mnie istnieją również w naszych mózgach,
15:39
but I think the insects are the true masters of this.
321
923254
2577
ale to owady wyspecjalizowały się w tej dziedzinie.
15:41
So I hope you think of insects a little bit differently next time,
322
925831
3116
Mam nadzieję, że następnym razem
spojrzycie na owady nieco inaczej.
spojrzycie na owady nieco inaczej.
15:44
and as I say up here, please think before you swat.
323
928947
2935
Jak ja to mówię - proszę,
pomyśl, zanim rozgnieciesz.
pomyśl, zanim rozgnieciesz.
15:47
(Applause)
324
931882
2953
(Brawa)
ABOUT THE SPEAKER
Michael Dickinson - BiologistMost people are irritated by the buzzing of a fly's wings. But biologist Michael Dickinson views the sound with a deep sense of wonder.
Why you should listen
Some things are so commonplace that they barely register our attention. Michael Dickinson has dedicated much of his research to one such thing -- the flight of the fly. Dickinson aims to understand how a fly's nervous system allows it to accomplish such incredible aerodynamic feats. Affectionately dubbed the "Fly Guy" by The Scientist, Dickinson's research brings together zoology, neuroscience and fluid mechanics.
Dickinson was named a MacArthur Fellow in 2001. He is now a professor of biology at the University of Washington, where he heads The Dickinson Lab. The lab conducts research into insect flight control, animal brain recordings, animal/robot interactions and animal visual navigation and welcomes students with an interest in studying insect flight, behavior and evolution from an interdisciplinary approach perspective.
Michael Dickinson | Speaker | TED.com