TEDGlobal 2009
Rebecca Saxe: How we read each other's minds
Rebecca Saxe: W jaki sposób umysł dokonuje sądów moralnych
Filmed:
Readability: 3.6
3,311,612 views
Ludzie mają wrodzony talent do wyczuwania motywów, przekonań i uczuć innych; bliskich i obcych. W jaki sposób? Rebecca Saxe opowiada o fascynujących eksperymentach, pozwalająych odkryć, jak mózg myśli o myślach innych ludzi i jak ocenia ich działanie.
Rebecca Saxe - Cognitive neuroscientist
Rebecca Saxe studies how we think about other people's thoughts. At the Saxelab at MIT, she uses fMRI to identify what happens in our brains when we consider the motives, passions and beliefs of others. Full bio
Rebecca Saxe studies how we think about other people's thoughts. At the Saxelab at MIT, she uses fMRI to identify what happens in our brains when we consider the motives, passions and beliefs of others. Full bio
Double-click the English transcript below to play the video.
00:12
Today I'm going to talk to you about the problem of other minds.
0
0
3000
Dziś opowiem o problemie umysłów innych ludzi.
00:15
And the problem I'm going to talk about
1
3000
2000
Jednak problem, o którym będę mówić
00:17
is not the familiar one from philosophy,
2
5000
3000
to nie ten znany z filozofii,
00:20
which is, "How can we know
3
8000
2000
czyli: "Skąd wiadomo,
00:22
whether other people have minds?"
4
10000
2000
że inni ludzie mają umysł?"
00:24
That is, maybe you have a mind,
5
12000
2000
Tzn. może ty masz umysł,
00:26
and everyone else is just a really convincing robot.
6
14000
3000
a inni to tylko przekonujące roboty.
00:29
So that's a problem in philosophy,
7
17000
2000
To jest problem filozoficzny.
00:31
but for today's purposes I'm going to assume
8
19000
2000
Ale na dziś zakładam,
00:33
that many people in this audience have a mind,
9
21000
2000
że wielu ludzi na sali posiada umysł,
00:35
and that I don't have to worry about this.
10
23000
2000
i nie muszę się tym przejmować.
00:37
There is a second problem that is maybe even more familiar to us
11
25000
3000
Drugi problem jest chyba dobrze znany
00:40
as parents and teachers and spouses
12
28000
3000
rodzicom, nauczycielom, małżonkom
00:43
and novelists,
13
31000
2000
i pisarzom.
00:45
which is, "Why is it so hard
14
33000
2000
Mianowicie: "Dlaczego tak trudno
00:47
to know what somebody else wants or believes?"
15
35000
2000
poznać cudze potrzeby i przekonania?"
00:49
Or perhaps, more relevantly,
16
37000
2000
A raczej, bardziej na temat,
00:51
"Why is it so hard to change what somebody else wants or believes?"
17
39000
3000
"Czemu tak trudno je zmienić?"
00:54
I think novelists put this best.
18
42000
2000
Myślę, że najlepiej ujęli to pisarze,
00:56
Like Philip Roth, who said,
19
44000
2000
tacy jak Philip Roth, który napisał:
00:58
"And yet, what are we to do about this terribly significant business
20
46000
3000
"Cóż począć z tym okropnie ważnym problemem
01:01
of other people?
21
49000
2000
innych ludzi?
01:03
So ill equipped are we all,
22
51000
2000
Tak marnie wychodzi nam
01:05
to envision one another's interior workings
23
53000
2000
przewidywanie cudzych procesów wewnętrznych
01:07
and invisible aims."
24
55000
2000
i ukrytych dążeń".
01:09
So as a teacher and as a spouse,
25
57000
3000
Jako nauczycielka i żona
01:12
this is, of course, a problem I confront every day.
26
60000
2000
stykam się z tym problemem codziennie.
01:14
But as a scientist, I'm interested in a different problem of other minds,
27
62000
3000
Jako naukowca interesuje mnie
01:17
and that is the one I'm going to introduce to you today.
28
65000
3000
inny problem, który dziś przedstawię.
01:20
And that problem is, "How is it so easy
29
68000
2000
Mianowicie: "Dlaczego tak łatwo
01:22
to know other minds?"
30
70000
2000
poznawać umysły innych?"
01:24
So to start with an illustration,
31
72000
2000
Zacznę od przykładu:
01:26
you need almost no information,
32
74000
2000
Nie trzeba wiele informacji,
01:28
one snapshot of a stranger,
33
76000
2000
wystarczy migawka, by zgadnąć,
01:30
to guess what this woman is thinking,
34
78000
2000
o czym myśli ta kobieta
01:32
or what this man is.
35
80000
3000
lub ten mężczyzna.
01:35
And put another way, the crux of the problem is
36
83000
2000
Sednem problemu jest to,
01:37
the machine that we use for thinking about other minds,
37
85000
3000
że maszyna używana do myślenia o innych,
01:40
our brain, is made up of pieces, brain cells,
38
88000
3000
czyli nasz mózg, jest zbudowana z komórek,
01:43
that we share with all other animals, with monkeys
39
91000
2000
takich samych,
01:45
and mice and even sea slugs.
40
93000
3000
jak u małp, myszy czy ślimaków.
01:48
And yet, you put them together in a particular network,
41
96000
3000
Łączymy je w szczególną sieć
01:51
and what you get is the capacity to write Romeo and Juliet.
42
99000
3000
która pozwala pisać "Romea i Julię".
01:54
Or to say, as Alan Greenspan did,
43
102000
2000
Jak powiedział Alan Greenspan:
01:56
"I know you think you understand what you thought I said,
44
104000
3000
"Wiem, że sądzisz, że rozumiesz to, co, jak sądzisz, powiedziałem,
01:59
but I'm not sure you realize that what you heard
45
107000
2000
ale chyba nie rozumiesz, że to, co usłyszałeś,
02:01
is not what I meant."
46
109000
2000
to nie to, co miałem na myśli."
02:03
(Laughter)
47
111000
3000
(Śmiech)
02:06
So, the job of my field of cognitive neuroscience
48
114000
2000
Zadaniem mojej dziedziny, neurobiologii kognitywnej,
02:08
is to stand with these ideas,
49
116000
2000
jest porównanie tych idei,
02:10
one in each hand.
50
118000
2000
jest porównanie tych idei,
02:12
And to try to understand how you can put together
51
120000
3000
i próba zrozumienia, jak połączone w jedną sieć
02:15
simple units, simple messages over space and time, in a network,
52
123000
4000
proste elementy i przekazy w czasie i przestrzeni,
02:19
and get this amazing human capacity to think about minds.
53
127000
4000
dają niezwykłą umiejętność myślenia o umysłach innych.
02:23
So I'm going to tell you three things about this today.
54
131000
3000
Omówię 3 sprawy z tym związane.
02:26
Obviously the whole project here is huge.
55
134000
3000
Rzecz jasna, nasz projekt jest ogromny.
02:29
And I'm going to tell you just our first few steps
56
137000
3000
Opowiem tylko o pierwszych kilku krokach
02:32
about the discovery of a special brain region
57
140000
2000
w odkryciu specjalnego obszaru mózgu,
02:34
for thinking about other people's thoughts.
58
142000
2000
myślącego o myślach innych ludzi.
02:36
Some observations on the slow development of this system
59
144000
2000
Opowiem o powolnym rozwoju układu,
02:38
as we learn how to do this difficult job.
60
146000
4000
kiedy uczymy się tej trudnej pracy.
02:42
And then finally, to show that some of the differences
61
150000
2000
Pokażę, jak niektóre indywidualne różnice
02:44
between people, in how we judge others,
62
152000
3000
w naszej ocenie innych,
02:47
can be explained by differences in this brain system.
63
155000
4000
można wyjaśnić różnicami w tym obszarze mózgu.
02:51
So first, the first thing I want to tell you is that
64
159000
2000
Po pierwsze chcę powiedzieć,
02:53
there is a brain region in the human brain, in your brains,
65
161000
3000
że w ludzkich mózgach istnieje obszar,
02:56
whose job it is to think about other people's thoughts.
66
164000
3000
którego zadaniem jest myślenie o cudzych myślach.
02:59
This is a picture of it.
67
167000
2000
Tutaj mamy jego zdjęcie.
03:01
It's called the Right Temporo-Parietal Junction.
68
169000
2000
Nazywa się prawy styk skroniowo-ciemieniowy.
03:03
It's above and behind your right ear.
69
171000
2000
Znajduje się ponad i poza prawym uchem.
03:05
And this is the brain region you used when you saw the pictures I showed you,
70
173000
2000
Tego obszaru użyliście patrząc na zdjęcia
03:07
or when you read Romeo and Juliet
71
175000
2000
albo czytając "Romea i Julię"
03:09
or when you tried to understand Alan Greenspan.
72
177000
3000
lub próbując zrozumieć Alana Greenspana.
03:12
And you don't use it for solving any other kinds of logical problems.
73
180000
4000
Nie używamy go do rozwiązywania innych zagadek.
03:16
So this brain region is called the Right TPJ.
74
184000
3000
Tę część mózgu nazywamy RTPJ (PSSC)
03:19
And this picture shows the average activation
75
187000
2000
Na tym zdjęciu widzimy jej średnią aktywność,
03:21
in a group of what we call typical human adults.
76
189000
2000
w typowej grupie dorosłych ludzi.
03:23
They're MIT undergraduates.
77
191000
2000
Czyli u studentów MIT.
03:25
(Laughter)
78
193000
4000
(Śmiech)
03:29
The second thing I want to say about this brain system
79
197000
2000
Po drugie,
03:31
is that although we human adults
80
199000
2000
mimo że ludzie dorośli
03:33
are really good at understanding other minds,
81
201000
2000
nieźle rozumieją cudze umysły,
03:35
we weren't always that way.
82
203000
2000
nie zawsze to umieli.
03:37
It takes children a long time to break into the system.
83
205000
3000
Dotarcie do systemu zajmuje dzieciom wiele lat.
03:40
I'm going to show you a little bit of that long, extended process.
84
208000
4000
Pokażę fragment tego długiego, żmudnego procesu.
03:44
The first thing I'm going to show you is a change between age three and five,
85
212000
3000
Na początek: zmiana między 3 a 5 rokiem życia,
03:47
as kids learn to understand
86
215000
2000
kiedy dzieci uczą się rozumieć,
03:49
that somebody else can have beliefs that are different from their own.
87
217000
3000
że cudze przekonania różnią od własnych.
03:52
So I'm going to show you a five-year-old
88
220000
2000
Pokażę wam pięciolatka
03:54
who is getting a standard kind of puzzle
89
222000
2000
rozwiązującego standardowe zadanie,
03:56
that we call the false belief task.
90
224000
3000
tzw. test fałszywego przekonania.
03:59
Rebecca Saxe (Video): This is the first pirate. His name is Ivan.
91
227000
3000
Wideo: To jest pierwszy pirat. Ma na imię Ivan.
04:02
And you know what pirates really like?
92
230000
2000
Wiesz co piraci bardzo lubią?
04:04
Child: What? RS: Pirates really like cheese sandwiches.
93
232000
3000
Piraci lubią kanapki z serem.
04:07
Child: Cheese? I love cheese!
94
235000
3000
Dziecko: Ser? Uwielbiam ser.
04:10
RS: Yeah. So Ivan has this cheese sandwich,
95
238000
2000
R.S.: Ivan dostał kanapkę z serem
04:12
and he says, "Yum yum yum yum yum!
96
240000
2000
i mówi: "Mniam mniam mniam".
04:14
I really love cheese sandwiches."
97
242000
2000
Bardzo lubię kanapki z serem."
04:16
And Ivan puts his sandwich over here, on top of the pirate chest.
98
244000
4000
Odkłada kanapkę na pirackiej skrzyni
04:20
And Ivan says, "You know what? I need a drink with my lunch."
99
248000
4000
i mówi: "Muszę się napić czegoś do obiadu."
04:24
And so Ivan goes to get a drink.
100
252000
3000
I idzie po coś do picia.
04:27
And while Ivan is away
101
255000
2000
Kiedy go nie ma,
04:29
the wind comes,
102
257000
3000
zrywa sie wiatr
04:32
and it blows the sandwich down onto the grass.
103
260000
2000
i zdmuchuje kanapkę na trawę.
04:34
And now, here comes the other pirate.
104
262000
4000
Teraz przychodzi drugi pirat.
04:38
This pirate is called Joshua.
105
266000
3000
Ma na imię Joshua.
04:41
And Joshua also really loves cheese sandwiches.
106
269000
2000
Joshua też lubi kanapki z serem.
04:43
So Joshua has a cheese sandwich and he says,
107
271000
2000
Joshua trzyma kanapkę i mówi:
04:45
"Yum yum yum yum yum! I love cheese sandwiches."
108
273000
4000
"Mniam, mniam. Lubię kanapki z serem."
04:49
And he puts his cheese sandwich over here on top of the pirate chest.
109
277000
3000
Kładzie kanapkę na pirackiej skrzyni.
04:52
Child: So, that one is his.
110
280000
2000
Dziecko: Więc ta jest jego.
04:54
RS: That one is Joshua's. That's right.
111
282000
2000
R.S.: Tak, zgadza się.
04:56
Child: And then his went on the ground.
112
284000
2000
Dziecko: A jego potem spadła.
04:58
RS: That's exactly right.
113
286000
2000
R.S.: Właśnie.
05:00
Child: So he won't know which one is his.
114
288000
2000
Dziecko: Nie będzie wiedział, która jest jego.
05:02
RS: Oh. So now Joshua goes off to get a drink.
115
290000
3000
R.S.: Teraz Joshua idzie po coś do picia.
05:05
Ivan comes back and he says, "I want my cheese sandwich."
116
293000
4000
Ivan wraca i mówi: "Chcę moją kanapkę."
05:09
So which one do you think Ivan is going to take?
117
297000
3000
Jak myślisz, którą kanapkę weźmie?
05:12
Child: I think he is going to take that one.
118
300000
2000
Dziecko: Myślę, że weźmię tę.
05:14
RS: Yeah, you think he's going to take that one? All right. Let's see.
119
302000
2000
R.S.: Tak myślisz? Zobaczmy.
05:16
Oh yeah, you were right. He took that one.
120
304000
3000
Miałeś rację. Wziął włąśnie tę.
05:19
So that's a five-year-old who clearly understands
121
307000
2000
Ten 5-latek jasno rozumie,
05:21
that other people can have false beliefs
122
309000
2000
że ludzie mogą mieć fałszywe przekonania,
05:23
and what the consequences are for their actions.
123
311000
2000
i jakie są tego konsekwencje.
05:25
Now I'm going to show you a three-year-old
124
313000
3000
Teraz zobaczmy jak 3-latek
05:28
who got the same puzzle.
125
316000
2000
rozwiązuje tę samą zagadkę.
05:30
RS: And Ivan says, "I want my cheese sandwich."
126
318000
2000
Wideo: R.S.: I Ivan mówi: "Chcę moją kanapkę."
05:32
Which sandwich is he going to take?
127
320000
3000
Która kanapkę weźmie?
05:35
Do you think he's going to take that one? Let's see what happens.
128
323000
2000
Myślisz, że weźmie tę? Zobaczmy.
05:37
Let's see what he does. Here comes Ivan.
129
325000
2000
Zobaczmy co zrobi. Idzie Ivan.
05:39
And he says, "I want my cheese sandwich."
130
327000
3000
I mówi: "Chcę moją kanapkę."
05:42
And he takes this one.
131
330000
2000
I bierze tę.
05:44
Uh-oh. Why did he take that one?
132
332000
3000
Dlaczego wziął tę tutaj?
05:47
Child: His was on the grass.
133
335000
4000
Dziecko: Jego była na trawie.
05:51
So the three-year-old does two things differently.
134
339000
3000
R.S.: Trzylatek robi zatem dwie rzeczy inaczej.
05:54
First, he predicts Ivan will take the sandwich
135
342000
3000
Po pierwsze przewiduje, że Ivan weźmie kanapkę,
05:57
that's really his.
136
345000
2000
która faktycznie jest jego.
05:59
And second, when he sees Ivan taking the sandwich where he left his,
137
347000
4000
Po drugie, widząc, że Ivan bierze kanapkę,
06:03
where we would say he's taking that one because he thinks it's his,
138
351000
3000
którą, wg nas, uważa za swoją,
06:06
the three-year-old comes up with another explanation:
139
354000
3000
3-latek proponuje inne tłumaczenie:
06:09
He's not taking his own sandwich because he doesn't want it,
140
357000
2000
Nie bierze własnej kanapki, bo jej nie chce,
06:11
because now it's dirty, on the ground.
141
359000
2000
bo teraz jest brudna, na ziemi,
06:13
So that's why he's taking the other sandwich.
142
361000
2000
i dlatego bierze tę drugą.
06:15
Now of course, development doesn't end at five.
143
363000
4000
Rzecz jasna, rozwój nie kończy się w wieku 5 lat.
06:19
And we can see the continuation of this process
144
367000
2000
Widzimy kontynuację procesu
06:21
of learning to think about other people's thoughts
145
369000
2000
nauki myślenia o myślach innych,
06:23
by upping the ante
146
371000
2000
podnosząc poprzeczkę
06:25
and asking children now, not for an action prediction,
147
373000
3000
i pytając dzieci nie o przewidywania,
06:28
but for a moral judgment.
148
376000
2000
ale o sąd moralny.
06:30
So first I'm going to show you the three-year-old again.
149
378000
2000
Wróćmy do naszego 3-latka..
06:32
RS.: So is Ivan being mean and naughty for taking Joshua's sandwich?
150
380000
3000
Wideo: R.S.: Czy to nieładnie, że Ivan wziął cudzą kanapkę?
06:35
Child: Yeah.
151
383000
1000
Dziecko: Tak.
06:36
RS: Should Ivan get in trouble for taking Joshua's sandwich?
152
384000
3000
R.S.: Czy Ivan powinien dostać karę?
06:39
Child: Yeah.
153
387000
2000
Dziecko: Tak.
06:41
So it's maybe not surprising he thinks it was mean of Ivan
154
389000
2000
R.S.: Nic dziwnego, że uważa za nieładne
06:43
to take Joshua's sandwich,
155
391000
2000
zabranie cudzej kanapki,
06:45
since he thinks Ivan only took Joshua's sandwich
156
393000
2000
skoro uważa, że Ivan zrobił to dlatego,
06:47
to avoid having to eat his own dirty sandwich.
157
395000
3000
żeby nie jeść własnej kanapki z podłogi.
06:50
But now I'm going to show you the five-year-old.
158
398000
2000
Ale wróćmy do 5-latka,
06:52
Remember the five-year-old completely understood
159
400000
2000
który doskonale rozumiał,
06:54
why Ivan took Joshua's sandwich.
160
402000
2000
dlaczego Ivan zjadł nie swoją kanapkę.
06:56
RS: Was Ivan being mean and naughty
161
404000
2000
Wideo: R.S.: Czy to brzydko, że Ivan
06:58
for taking Joshua's sandwich?
162
406000
2000
wziął kanapkę Joshua'y?
07:00
Child: Um, yeah.
163
408000
2000
Dziecko: Mmm, tak.
07:02
And so, it is not until age seven
164
410000
2000
R.S.: Dopiero od 7 roku życia
07:04
that we get what looks more like an adult response.
165
412000
3000
odpowiedzi zaczynają przypominać dorosłe.
07:07
RS: Should Ivan get in trouble for taking Joshua's sandwich?
166
415000
3000
Wideo: R.S.: Czy Ivan powinien dostać karę?
07:10
Child: No, because the wind should get in trouble.
167
418000
2000
Dziecko: Nie, bo to wiatr powinien dostać karę.
07:12
He says the wind should get in trouble
168
420000
3000
R.S.: Uważa, że to wiatr powinien dostać karę
07:15
for switching the sandwiches.
169
423000
2000
za podmienienie kanapek.
07:17
(Laughter)
170
425000
2000
(Śmiech)
07:19
And now what we've started to do in my lab
171
427000
2000
W moim laboratorium
07:21
is to put children into the brain scanner
172
429000
2000
podłączyliśmy dzieci do skanera mózgu
07:23
and ask what's going on in their brain
173
431000
3000
by sprawdzić, co się tam dzieje
07:26
as they develop this ability to think about other people's thoughts.
174
434000
3000
podczas rozwoju umiejętności myślenia o myślach innych.
07:29
So the first thing is that in children we see this same brain region, the Right TPJ,
175
437000
4000
Po pierwsze, u dzieci aktywuje się ten sam obszar mózgu,
07:33
being used while children are thinking about other people.
176
441000
3000
czyli RTPJ, kiedy myślą o myślach innych.
07:36
But it's not quite like the adult brain.
177
444000
2000
Jednak działa inaczej, niż u dorosłych.
07:38
So whereas in the adults, as I told you,
178
446000
2000
U dorosłych ten obszar mózgu
07:40
this brain region is almost completely specialized --
179
448000
3000
jest niemal wyspecjalizowany.
07:43
it does almost nothing else except for thinking about other people's thoughts --
180
451000
3000
Zajmuje się tylko odczytywaniem myśli innych.
07:46
in children it's much less so,
181
454000
2000
Inaczej wygląda to
07:48
when they are age five to eight,
182
456000
2000
u dzieci w wieku 5-8 lat,
07:50
the age range of the children I just showed you.
183
458000
2000
czyli takich, jakie pokazałam.
07:52
And actually if we even look at eight to 11-year-olds,
184
460000
3000
Nawet u dzieci w wieku 8-11 lat,
07:55
getting into early adolescence,
185
463000
2000
czyli we wczesnym okresie dojrzewania,
07:57
they still don't have quite an adult-like brain region.
186
465000
3000
ten obszar mózgu nie wygląda tak, jak u dorosłych.
08:00
And so, what we can see is that over the course of childhood
187
468000
3000
Możemy więc dostrzec, że w dzieciństwie
08:03
and even into adolescence,
188
471000
2000
i nawet we wczesnym dojrzewaniu,
08:05
both the cognitive system,
189
473000
2000
zarówno możliwości poznawcze
08:07
our mind's ability to think about other minds,
190
475000
2000
pozwalające na myślenie o umysłach innych,
08:09
and the brain system that supports it
191
477000
2000
jak i mózg, który jest ich podstawą,
08:11
are continuing, slowly, to develop.
192
479000
3000
cały czas się powoli rozwijają.
08:14
But of course, as you're probably aware,
193
482000
2000
Jednak, jak pewnie wiecie,
08:16
even in adulthood,
194
484000
2000
nawet dorośli ludzie
08:18
people differ from one another in how good they are
195
486000
2000
różnią się predyspozycjami
08:20
at thinking of other minds, how often they do it
196
488000
2000
do analizowania myśli innych,
08:22
and how accurately.
197
490000
2000
jak często to robią i jak trafnie.
08:24
And so what we wanted to know was, could differences among adults
198
492000
3000
Chcieliśmy wiedzieć, czy u dorosłych
08:27
in how they think about other people's thoughts
199
495000
2000
różnice w myśleniu o cudzych myślach,
08:29
be explained in terms of differences in this brain region?
200
497000
3000
można wyjaśnić różnicami mózgu w tym obszarze.
08:32
So, the first thing that we did is we gave adults a version
201
500000
3000
Daliśmy dorosłym do rozwiązania
08:35
of the pirate problem that we gave to the kids.
202
503000
2000
dorosłą wersję problemu z piratami.
08:37
And I'm going to give that to you now.
203
505000
2000
Oto on:
08:39
So Grace and her friend are on a tour of a chemical factory,
204
507000
3000
Grace z koleżanką zwiedzają fabrykę chemiczną
08:42
and they take a break for coffee.
205
510000
2000
i robią sobie przerwę na kawę.
08:44
And Grace's friend asks for some sugar in her coffee.
206
512000
3000
Koleżanka prosi Grace o cukier do kawy.
08:47
Grace goes to make the coffee
207
515000
3000
Grace idzie zrobić kawę
08:50
and finds by the coffee a pot
208
518000
2000
i znajduje przy dzbanku pudełko,
08:52
containing a white powder, which is sugar.
209
520000
3000
zawierające biały proszek - cukier.
08:55
But the powder is labeled "Deadly Poison,"
210
523000
3000
Na pudełku jest napisane: "Śmiertelna trucizna".
08:58
so Grace thinks that the powder is a deadly poison.
211
526000
3000
Grace myśli, że ten proszek to trucizna
09:01
And she puts it in her friend's coffee.
212
529000
2000
i wsypuje go do kawy koleżanki,
09:03
And her friend drinks the coffee, and is fine.
213
531000
3000
która piję kawę i nic jej nie jest.
09:06
How many people think it was morally permissible
214
534000
2000
Ile osób uważa, że działanie Grace
09:08
for Grace to put the powder in the coffee?
215
536000
4000
było moralnie dopuszczalne?
09:12
Okay. Good. (Laughter)
216
540000
3000
OK. Dobrze. (Śmiech)
09:15
So we ask people, how much should Grace be blamed
217
543000
3000
Na ile działanie Grace jest karygodne
09:18
in this case, which we call a failed attempt to harm?
218
546000
2000
w przypadku nieudanej próby zaszkodzenia?
09:20
And we can compare that to another case,
219
548000
2000
Możemy porównać to z innym przypadkiem,
09:22
where everything in the real world is the same.
220
550000
2000
gdzie wszystkie fakty są takie same,
09:24
The powder is still sugar, but what's different is what Grace thinks.
221
552000
3000
z wyjątkiem intencji Grace,
09:27
Now she thinks the powder is sugar.
222
555000
3000
która bierze proszek za cukier.
09:30
And perhaps unsurprisingly, if Grace thinks the powder is sugar
223
558000
3000
Nic dziwnego, że w tym przypadku,
09:33
and puts it in her friend's coffee,
224
561000
2000
jeśli wsypie go koleżance do kawy,
09:35
people say she deserves no blame at all.
225
563000
2000
uważamy, że nie można jej obwiniać.
09:37
Whereas if she thinks the powder was poison, even though it's really sugar,
226
565000
4000
Jeśli uważa proszek za truciznę, nawet jeśli to cukier,
09:41
now people say she deserves a lot of blame,
227
569000
3000
uważa się jej postępowanie za naganne,
09:44
even though what happened in the real world was exactly the same.
228
572000
3000
choć następstwa niczym się nie różnią.
09:47
And in fact, they say she deserves more blame
229
575000
2000
Co więcej, obwinia się ją bardziej
09:49
in this case, the failed attempt to harm,
230
577000
2000
w wypadku nieudanego zamachu,
09:51
than in another case,
231
579000
2000
niż w innej sytuacji,
09:53
which we call an accident.
232
581000
2000
którą nazywamy wypadkiem,
09:55
Where Grace thought the powder was sugar,
233
583000
2000
np. gdy Grace bierze biały proszek za cukier,
09:57
because it was labeled "sugar" and by the coffee machine,
234
585000
2000
bo pudełko z napisem "cukier" stało obok ekspresu,
09:59
but actually the powder was poison.
235
587000
2000
ale tak naprawdę zawierało truciznę.
10:01
So even though when the powder was poison,
236
589000
3000
Mimo że po wypiciu kawy z trucizną
10:04
the friend drank the coffee and died,
237
592000
3000
przyjaciółka umiera,
10:07
people say Grace deserves less blame in that case,
238
595000
3000
uważa się działanie Grace za mniej karygodne,
10:10
when she innocently thought it was sugar,
239
598000
2000
jeśli myślała, że to cukier,
10:12
than in the other case, where she thought it was poison
240
600000
2000
niż jeśli myślała, że to trucizna,
10:14
and no harm occurred.
241
602000
3000
ale nic się nikomu nie stało.
10:17
People, though, disagree a little bit
242
605000
2000
Nie ma jednak zgody co do tego,
10:19
about exactly how much blame Grace should get
243
607000
2000
jak winna jest Grace
10:21
in the accident case.
244
609000
2000
w ostatnim przypadku.
10:23
Some people think she should deserve more blame,
245
611000
2000
Niektórzy uważają że bardziej,
10:25
and other people less.
246
613000
2000
inni że mniej.
10:27
And what I'm going to show you is what happened when we look inside
247
615000
2000
Zobaczmy, co działo się w mózgach
10:29
the brains of people while they're making that judgment.
248
617000
2000
ludzi wydających taki osąd.
10:31
So what I'm showing you, from left to right,
249
619000
2000
Od lewej do prawej widzimy,
10:33
is how much activity there was in this brain region,
250
621000
3000
jak wielką aktywność wykazywał ten obszar mózgu,
10:36
and from top to bottom, how much blame
251
624000
2000
a od góry do dołu, jak wiele winy
10:38
people said that Grace deserved.
252
626000
2000
ludzie przypisywali Grace.
10:40
And what you can see is, on the left
253
628000
2000
Po lewej stronie,
10:42
when there was very little activity in this brain region,
254
630000
2000
przy niskiej aktywności mózgu,
10:44
people paid little attention to her innocent belief
255
632000
3000
nie zwracano uwagi na intencje Grace
10:47
and said she deserved a lot of blame for the accident.
256
635000
3000
i twierdzono, że jej zachowanie było karygodne.
10:50
Whereas on the right, where there was a lot of activity,
257
638000
2000
Po prawej stronie, przy wysokiej aktywności,
10:52
people paid a lot more attention to her innocent belief,
258
640000
3000
zwracano więcej uwagi na jej intencje
10:55
and said she deserved a lot less blame
259
643000
2000
i obwiniano ją mniej
10:57
for causing the accident.
260
645000
2000
o spowodowanie wypadku.
10:59
So that's good, but of course
261
647000
2000
To dobrze, ale oczywiście
11:01
what we'd rather is have a way to interfere
262
649000
2000
wolelibyśmy mieć wpływ
11:03
with function in this brain region,
263
651000
2000
na działanie tego obszaru
11:05
and see if we could change people's moral judgment.
264
653000
3000
i sprawdzić, czy można zmienić osądy moralne.
11:08
And we do have such a tool.
265
656000
2000
Mamy takie narzędzie.
11:10
It's called Trans-Cranial Magnetic Stimulation,
266
658000
2000
Nazywa się Trans-Cranial Magnetic Stimulation
11:12
or TMS.
267
660000
2000
(Przezczaszkowa Stymulacja Magnetyczna) czyli TMS.
11:14
This is a tool that lets us pass a magnetic pulse
268
662000
2000
Pozwala na przesłanie impulsu magnetycznego
11:16
through somebody's skull, into a small region of their brain,
269
664000
4000
przez czaszkę do małego obszaru w mózgu,
11:20
and temporarily disorganize the function of the neurons in that region.
270
668000
4000
chwilowo dezorganizując działanie neuronów.
11:24
So I'm going to show you a demo of this.
271
672000
2000
Zademonstruję teraz, jak to działa.
11:26
First, I'm going to show you that this is a magnetic pulse.
272
674000
3000
Najpierw pokażę, że to impuls magnetyczny.
11:29
I'm going to show you what happens when you put a quarter on the machine.
273
677000
3000
Co się stanie, kiedy położę tu monetę.
11:32
When you hear clicks, we're turning the machine on.
274
680000
4000
Pstrykanie oznacza, że włączamy maszynę.
11:42
So now I'm going to apply that same pulse to my brain,
275
690000
3000
Zaaplikuję ten sam impuls sobie,
11:45
to the part of my brain that controls my hand.
276
693000
2000
a raczej części mózgu kontrolującej rękę.
11:47
So there is no physical force, just a magnetic pulse.
277
695000
3000
Nie ma tu fizycznej siły, tylko impuls magnetyczny.
11:54
Woman (Video): Ready, Rebecca? RS: Yes.
278
702000
2000
Wideo: Kobieta: Gotowa? RS: Tak.
11:57
Okay, so it causes a small involuntary contraction in my hand
279
705000
3000
Powoduje mimowolny skurcz dłoni,
12:00
by putting a magnetic pulse in my brain.
280
708000
3000
przez wysłanie do mózgu impulsu magnetycznego.
12:03
And we can use that same pulse,
281
711000
2000
Można taki sam impuls
12:05
now applied to the RTPJ,
282
713000
2000
wysłać do RTPJ, by sprawdzić,
12:07
to ask if we can change people's moral judgments.
283
715000
3000
czy możemy zmienić osądy moralne.
12:10
So these are the judgments I showed you before, people's normal moral judgments.
284
718000
2000
Tutaj są normalne osądy, pokazane wcześniej.
12:12
And then we can apply TMS to the RTPJ
285
720000
3000
A teraz wyślemy impuls do RTPJ
12:15
and ask how people's judgments change.
286
723000
2000
i zobaczymy, w jaki sposób osądy się zmieniają.
12:17
And the first thing is, people can still do this task overall.
287
725000
4000
Po pierwsze, ludzie nadal potrafią wykonać zadanie.
12:21
So their judgments of the case when everything was fine
288
729000
2000
Osądy przypadku, gdzie nic się nie stało
12:23
remain the same. They say she deserves no blame.
289
731000
3000
pozostają bez zmian: Grace jest niewinna.
12:26
But in the case of a failed attempt to harm,
290
734000
4000
Przy nieudanej próbie zaszkodzenia,
12:30
where Grace thought that it was poison, although it was really sugar,
291
738000
3000
kiedy Grace sądziła, że cukier to trucizna,
12:33
people now say it was more okay, she deserves less blame
292
741000
3000
oceniają ją łagodniej niż poprzednio.
12:36
for putting the powder in the coffee.
293
744000
3000
oceniają ją łagodniej niż poprzednio.
12:39
And in the case of the accident, where she thought that it was sugar,
294
747000
2000
Kiedy uważała, że trucizna to cukier
12:41
but it was really poison and so she caused a death,
295
749000
3000
i spowodowała śmierć koleżanki,
12:44
people say that it was less okay, she deserves more blame.
296
752000
6000
oceny stały się surowsze; obwiniano ją bardziej.
12:50
So what I've told you today is that
297
758000
2000
Opowiedziałam dziś o tym,
12:52
people come, actually, especially well equipped
298
760000
4000
że ludzie są świetnie przystosowani
12:56
to think about other people's thoughts.
299
764000
2000
do myślenia o cudzych myślach.
12:58
We have a special brain system
300
766000
2000
Specjalny układ mózgowy
13:00
that lets us think about what other people are thinking.
301
768000
3000
pozwala nam rozważać cudze myśli.
13:03
This system takes a long time to develop,
302
771000
2000
Ten układ rozwija się długo i powoli,
13:05
slowly throughout the course of childhood and into early adolescence.
303
773000
3000
przez dzieciństwo do wczesnego dojrzewania.
13:08
And even in adulthood, differences in this brain region
304
776000
3000
Nawet u dorosłych różnice w tym obszarze mózgu
13:11
can explain differences among adults
305
779000
2000
mogą tłumaczyć różnice w tym,
13:13
in how we think about and judge other people.
306
781000
3000
jak myślimy o innych i jak ich osądzamy.
13:16
But I want to give the last word back to the novelists,
307
784000
3000
Ostatnie słowo chcę zostawić pisarzom.
13:19
and to Philip Roth, who ended by saying,
308
787000
3000
Philip Roth pisze:
13:22
"The fact remains that getting people right
309
790000
2000
"Pozostaje faktem, że trafna ocena innych
13:24
is not what living is all about anyway.
310
792000
2000
to nie to, o co w życiu chodzi.
13:26
It's getting them wrong that is living.
311
794000
2000
Życie to ciągłe mylenie się co do innych.
13:28
Getting them wrong and wrong and wrong,
312
796000
3000
Mylenie się wciąż na nowo,
13:31
and then on careful reconsideration,
313
799000
2000
a po starannych rozważaniach,
13:33
getting them wrong again."
314
801000
2000
mylenie się jeszcze raz."
13:35
Thank you.
315
803000
2000
Dziękuję.
13:37
(Applause)
316
805000
10000
(Oklaski)
13:47
Chris Anderson: So, I have a question. When you start talking about using
317
815000
2000
Chris Anderson: Używanie impulsów magnetycznych
13:49
magnetic pulses to change people's moral judgments,
318
817000
3000
do zmiany ludzkich osądów moralnych
13:52
that sounds alarming.
319
820000
3000
brzmi to zatrważająco.
13:55
(Laughter)
320
823000
1000
(Śmiech)
13:56
Please tell me that you're not taking phone calls from the Pentagon, say.
321
824000
4000
Powiedz, że nie odbierasz telefonów z Pentagonu.
14:00
RS: I'm not.
322
828000
2000
RS: Nie.
14:02
I mean, they're calling, but I'm not taking the call.
323
830000
3000
To znaczy, oni dzwonią, ja nie odbieram.
14:05
(Laughter)
324
833000
1000
(Śmiech)
14:06
CA: They really are calling?
325
834000
2000
C.A.: Naprawdę dzwonią?
14:08
So then seriously,
326
836000
3000
Zatem, zupełnie poważnie
14:11
you must lie awake at night sometimes
327
839000
3000
chyba czasem nie daje ci spać myśl,
14:14
wondering where this work leads.
328
842000
2000
dokąd te badania prowadzą.
14:16
I mean, you're clearly an incredible human being,
329
844000
2000
Oczywiście, ty jesteś niezwykła,
14:18
but someone could take this knowledge
330
846000
3000
ale ktoś mógłby wykorzystać tę wiedzę
14:21
and in some future
331
849000
2000
i w przyszłości,
14:23
not-torture chamber,
332
851000
2000
w jakiejś sali nie-tortur,
14:25
do acts that people here might be worried about.
333
853000
3000
robić niepokojące rzeczy.
14:28
RS: Yeah, we worry about this.
334
856000
2000
R.S.: Tak, to nas niepokoi.
14:30
So, there's a couple of things to say about TMS.
335
858000
3000
Chcę coś dodać o TMS:
14:33
One is that you can't be TMSed without knowing it.
336
861000
2000
nie da się go stosować bez wiedzy testowanego,
14:35
So it's not a surreptitious technology.
337
863000
3000
więc nie jest to jakaś tajna technologia.
14:38
It's quite hard, actually, to get those very small changes.
338
866000
3000
I dość trudno spowodować nawet niewielkie zmiany.
14:41
The changes I showed you are impressive to me
339
869000
3000
Na mnie te zmiany robią wrażenie,
14:44
because of what they tell us about the function of the brain,
340
872000
2000
bo mówią coś o działaniu mózgu,
14:46
but they're small on the scale
341
874000
2000
jednak są niewielkie w skali
14:48
of the moral judgments that we actually make.
342
876000
2000
wszystkich sądów moralnych, jakie wydajemy.
14:50
And what we changed was not people's
343
878000
2000
Nie też zmieniliśmy osądów moralnych
14:52
moral judgments when they're deciding what to do,
344
880000
3000
używanych do podejmowania decyzji,
14:55
when they're making action choices.
345
883000
2000
dokonywania czynnych wyborów.
14:57
We changed their ability to judge other people's actions.
346
885000
3000
Zmieniliśmy zdolność do oceny innych.
15:00
And so, I think of what I'm doing not so much as
347
888000
2000
Uważam to co robię,
15:02
studying the defendant in a criminal trial,
348
890000
2000
nie tyle za studiowanie oskarżonego,
15:04
but studying the jury.
349
892000
2000
co ławy przysięgłych.
15:06
CA: Is your work going to lead to any recommendations
350
894000
3000
C.A.: Czy badania mogą prowadzić do zaleceń
15:09
in education, to perhaps bring up
351
897000
3000
w edukacji, np. by wychować
15:12
a generation of kids able to make fairer moral judgments?
352
900000
5000
pokolenie bardziej sprawiedliwe moralnie?
15:17
RS: That's one of the idealistic hopes.
353
905000
3000
R.S.: To jeden z naszych ideałów.
15:20
The whole research program here of studying
354
908000
4000
Cały program badania różnych części mózgu
15:24
the distinctive parts of the human brain is brand new.
355
912000
4000
jest zupełnie nowy.
15:28
Until recently, what we knew about the brain
356
916000
2000
Do niedawna nasza wiedza o mózgu
15:30
were the things that any other animal's brain could do too,
357
918000
3000
ograniczała się do funkcji występujących także u zwierząt.
15:33
so we could study it in animal models.
358
921000
2000
Mogliśmy studiować zwierzęta.
15:35
We knew how brains see, and how they control the body
359
923000
2000
Dowiedzieliśmy się, jak działa wzrok, kontrola ciała,
15:37
and how they hear and sense.
360
925000
2000
słuch i inne zmysły.
15:39
And the whole project of understanding
361
927000
3000
Cały projekt, polegający na próbie zrozumienia,
15:42
how brains do the uniquely human things --
362
930000
2000
jak działają funkcje typowo ludzkie:
15:44
learn language and abstract concepts,
363
932000
3000
nauka języka, abstrakcyjnych pojęć,
15:47
and thinking about other people's thoughts -- that's brand new.
364
935000
2000
oraz myślenia o cudzych myślach, jest zupełnie nowy.
15:49
And we don't know yet what the implications will be
365
937000
2000
Nie znamy jeszcze następstw
15:51
of understanding it.
366
939000
2000
takiego zrozumienia.
15:53
CA: So I've got one last question. There is this thing called
367
941000
2000
C.A.: Ostatnie pytanie:
15:55
the hard problem of consciousness,
368
943000
2000
tzw. trudny problem świadomości,
15:57
that puzzles a lot of people.
369
945000
2000
który nurtuje wiele osób.
15:59
The notion that you can understand
370
947000
3000
Czyli pogląd, według którego,
16:02
why a brain works, perhaps.
371
950000
2000
możemy zrozumieć działanie mózgu,
16:04
But why does anyone have to feel anything?
372
952000
3000
ale nie wiemy, do czego potrzebne są odczucia.
16:07
Why does it seem to require these beings who sense things
373
955000
3000
Dlaczego wydaje się, że, aby funkcjonować
16:10
for us to operate?
374
958000
2000
musimy odczuwać?
16:12
You're a brilliant young neuroscientist.
375
960000
3000
Jesteś znakomitą, młodą badaczką.
16:15
I mean, what chances do you think there are
376
963000
2000
Czy uważasz, że jest szansa,
16:17
that at some time in your career,
377
965000
2000
jeszcze w trakcie twojej kariery,
16:19
someone, you or someone else,
378
967000
2000
że ty, lub ktokolwiek inny,
16:21
is going to come up with some paradigm shift
379
969000
2000
wymyśli inne podejście do zrozumienia
16:23
in understanding what seems an impossible problem?
380
971000
4000
tego pozornie nierozwiązywalnego problemu?
16:27
RS: I hope they do. And I think they probably won't.
381
975000
4000
R.S.: Taką mam nadzieję. Ale w to nie wierzę.
16:31
CA: Why?
382
979000
3000
C.A.: Dlaczego?
16:34
RS: It's not called the hard problem of consciousness for nothing.
383
982000
3000
R.S.: Nie bez powodu nazywamy to "trudnym problemem".
16:37
(Laughter)
384
985000
2000
(Śmiech)
16:39
CA: That's a great answer. Rebecca Saxe, thank you very much. That was fantastic.
385
987000
3000
C.A.: Świetna odpowiedź. Dziękuję ci bardzo.
16:42
(Applause)
386
990000
4000
(Oklaski)
ABOUT THE SPEAKER
Rebecca Saxe - Cognitive neuroscientistRebecca Saxe studies how we think about other people's thoughts. At the Saxelab at MIT, she uses fMRI to identify what happens in our brains when we consider the motives, passions and beliefs of others.
Why you should listen
While still a graduate student, Rebecca Saxe made a breakthrough discovery: There's a specific region in our brain that becomes active when we contemplate the workings of other minds. Now, at MIT's Saxelab, she and her team have been further exploring her grad-school finding, exploring how it may help us understand conditions such as autism.
As Saxe delves into the complexities of social cognition, this young scientist is working toward revealing the enigma of human minds interacting.
Rebecca Saxe | Speaker | TED.com