ABOUT THE SPEAKER
Pawan Sinha - Visual neuroscientist
Pawan Sinha researches how our brains interpret what our eyes see -- and uses that research to give blind children the gift of sight.

Why you should listen

At Pawan Sinha's MIT lab, he and his team spend their days trying to understand how the brain learns to recognize and use the patterns and scenes we see around us. To do this, they often use computers to model the processes of the human brain, but they also study human subjects, some of whom are seeing the world for the very first time and can tell them about the experience as it happens. They find these unusual subjects through the humanitarian branch of their research, Project Prakash.

Project Prakash sets up eye-care camps in some of the most habitually underserved regions of India, and gives free eye-health screenings to, since 2003, more than 700 functionally blind children. The children are then treated without charge, even if they do not fit the profile that would make them eligible for Sinha's research.

Sinha's eventual goal is to help 500 children each year; plans are under way for a center for visual rehabilitation in new Delhi. The special relationship that Sinha has created between research and humanitarianism promises to deliver on both fronts.

More profile about the speaker
Pawan Sinha | Speaker | TED.com
TEDIndia 2009

Pawan Sinha: How brains learn to see

Pawan Sinha: Jak mózg uczy się widzieć

Filmed:
939,209 views

Pawan Sinha opisuje szczegółowo swoje przełomowe badania dotyczące rozwoju systemu wzrokowego mózgu. Shina i jego ekipa pomagają za darmo odzyskać wzrok dzieciom niewidomym od urodzenia po czym badają, jak ich mózg uczy się interpretować dane wzrokowe. Praca ta ukazuje z bliższa neurobiologię, inżynierię a nawet autyzm.
- Visual neuroscientist
Pawan Sinha researches how our brains interpret what our eyes see -- and uses that research to give blind children the gift of sight. Full bio

Double-click the English transcript below to play the video.

00:15
If you are a blindślepy childdziecko in IndiaIndie,
0
0
4000
Gdybyś był niewidomym dzieckiem w Indiach
00:19
you will very likelyprawdopodobne have to contendtwierdzą with
1
4000
3000
prawdopodobnie musiałbyś stawić czoło
00:22
at leastnajmniej two bigduży piecessztuk of badzły newsAktualności.
2
7000
3000
przynajmniej dwóm złym wiadomościom.
00:25
The first badzły newsAktualności
3
10000
2000
Pierwszą z nich jest to,
00:27
is that the chancesszanse of gettinguzyskiwanie treatmentleczenie
4
12000
3000
że szanse na leczenie
00:30
are extremelyniezwykle slimszczupły to noneŻaden,
5
15000
3000
są znikome, jeśli nie żadne,
00:33
and that's because mostwiększość of the blindnessślepota
6
18000
2000
ponieważ większość programów
00:35
alleviationz biedą programsprogramy in the countrykraj
7
20000
2000
likwidacji ślepoty w tym kraju
00:37
are focusedskupiony on adultsdorośli ludzie,
8
22000
2000
skupia się na dorosłych
00:39
and there are very, very fewkilka hospitalsszpitale
9
24000
3000
i bardzo niewiele szpitali
00:42
that are actuallytak właściwie equippedwyposażony to treatleczyć childrendzieci.
10
27000
3000
jest odpowiednio wyposażonych do leczenia dzieci.
00:46
In factfakt, if you were to be treatedleczony,
11
31000
4000
Jeżeli zaś miałbyś być poddany leczeniu,
00:51
you mightmoc well endkoniec up beingistota treatedleczony
12
36000
3000
to prawdopodobnie leczyłby cię ktoś,
00:54
by a personosoba who has no medicalmedyczny credentialspoświadczeń
13
39000
3000
kto nie ma odpowiednich uprawnień medycznych,
00:57
as this casewalizka from RajasthanRadżastan illustratesprzedstawia.
14
42000
3000
jak to pokazuje ten przypadek z Radżastanu.
01:00
This is a three-year-oldtrzyletni orphansierota girldziewczyna
15
45000
2000
To 3-letnia sierota,
01:02
who had cataractszaćma.
16
47000
2000
która miała kataraktę.
01:04
So, her caretakersdozorcy tookwziął her
17
49000
2000
Jej opiekunowie zaprowadzili ją
01:06
to the villagewioska medicinelekarstwo man,
18
51000
2000
do miejscowego uzdrawiacza,
01:08
and insteadzamiast of suggestingsugestia to the caretakersdozorcy
19
53000
3000
który zamiast zasugerować im,
01:11
that the girldziewczyna be takenwzięty to a hospitalszpital,
20
56000
3000
aby zabrali dziewczynkę do szpitala,
01:14
the personosoba decidedzdecydowany to burnpalić się her abdomenbrzuch
21
59000
2000
postanowił wypalić jej brzuch
01:16
with red-hotrozpalone ironżelazo barsbary
22
61000
2000
rozgrzanymi do gorąca żelaznymi kratami
01:18
to drivenapęd out the demonsdemony.
23
63000
2000
żeby wypędzić demony.
01:20
The seconddruga piecekawałek of badzły newsAktualności
24
65000
3000
Druga zła wiadomość
01:23
will be delivereddostarczone to you
25
68000
2000
pochodzi od neurobiologów,
01:25
by neuroscientistsneurolodzy, who will tell you
26
70000
3000
którzy powiedzą ci,
01:28
that if you are olderstarsze than fourcztery or fivepięć yearslat of agewiek,
27
73000
3000
że jeśli masz więcej niż 4-5 lat,
01:31
that even if you have your eyeoko correctedpoprawione,
28
76000
3000
wówczas, nawet jeśli twój wzrok poprawi się,
01:34
the chancesszanse of your brainmózg learninguczenie się how to see
29
79000
3000
to jednak szanse, że twój mózg nauczy się widzieć
01:37
are very, very slimszczupły --
30
82000
2000
są bardzo, bardzo małe.
01:39
again, slimszczupły or noneŻaden.
31
84000
3000
Małe lub żadne.
01:42
So when I heardsłyszał these two things,
32
87000
2000
Kiedy o tym usłyszałem,
01:44
it troubledzmartwiony me deeplygłęboko,
33
89000
2000
bardzo się zmartwiłem
01:46
bothobie because of personalosobisty reasonspowody
34
91000
2000
z powodów zarówno osobistych,
01:48
and scientificnaukowy reasonspowody.
35
93000
2000
jak i naukowych.
01:50
So let me first startpoczątek with the personalosobisty reasonpowód.
36
95000
3000
Zacznę od powodu osobistego.
01:53
It'llBędzie to sounddźwięk cornyCorny, but it's sincereszczere.
37
98000
3000
Jest on szczery, choć pewnie zabrzmi banalnie.
01:56
That's my sonsyn, DariusDarius.
38
101000
2000
To mój syn, Darius.
01:58
As a newNowy fatherojciec,
39
103000
2000
Jako młody ojciec
02:00
I have a qualitativelyjakościowo differentróżne sensesens
40
105000
4000
nieco inaczej rozumiem to,
02:04
of just how delicatedelikatny babiesdzieci are,
41
109000
3000
jak delikatne są dzieci,
02:07
what our obligationsobowiązki are towardsw kierunku them
42
112000
3000
jakie są nasze zobowiązania względem nich,
02:10
and how much love
43
115000
2000
a także to,
02:12
we can feel towardsw kierunku a childdziecko.
44
117000
3000
jak bardzo można kochać dziecko.
02:15
I would moveruszaj się heavenniebo and earthZiemia
45
120000
2000
Poruszyłbym niebo i ziemię,
02:17
in orderzamówienie to get treatmentleczenie for DariusDarius,
46
122000
3000
żeby wyleczyć Dariusa.
02:20
and for me to be told
47
125000
2000
Natomiast to, że gdzieś
02:22
that there mightmoc be other DariusesDariuses
48
127000
2000
mogą być inne dzieci,
02:24
who are not gettinguzyskiwanie treatmentleczenie,
49
129000
2000
które nie otrzymają leczenia,
02:26
that's just viscerallyviscerally wrongźle.
50
131000
3000
uważam za niedopuszczalne.
02:29
So that's the personalosobisty reasonpowód.
51
134000
2000
To był mój osobisty powód.
02:31
ScientificNaukowych reasonpowód is that this notionpojęcie
52
136000
3000
Z kolei powód naukowy dotyczy tego,
02:34
from neuroscienceneuronauka of criticalkrytyczny periodsokresy --
53
139000
2000
iż nie zgadzam się z poglądem neurobiologii
02:36
that if the brainmózg is olderstarsze
54
141000
3000
na temat okresów krytycznych
02:39
than fourcztery or fivepięć yearslat of agewiek,
55
144000
2000
mówiącym, iż mózg osoby
02:41
it losestraci its abilityzdolność to learnuczyć się --
56
146000
2000
powyżej 4-5 roku życia
02:43
that doesn't sitsiedzieć well with me,
57
148000
2000
traci zdolność uczenia się.
02:45
because I don't think that ideapomysł
58
150000
2000
Myślę, że pogląd ten
02:47
has been testedprzetestowany adequatelyodpowiednio.
59
152000
3000
nie został odpowiednio zbadany.
02:50
The birthnarodziny of the ideapomysł is from
60
155000
2000
Zrodził się on z prac
02:52
DavidDavid HubelHubel and TorstenTorsten Wiesel'sWiesel's work,
61
157000
2000
Davida Hubela i Torstena Wiesela:
02:54
two researchersnaukowcy who were at HarvardHarvard,
62
159000
2000
dwóch naukowców z Harvardu,
02:56
and they got the NobelLaureat Nagrody Nobla PrizeNagrody in 1981
63
161000
3000
którzy w 1981 roku otrzymali Nagrodę Nobla
02:59
for theirich studiesstudia of visualwizualny physiologyfizjologia,
64
164000
2000
za swoje badania w dziedzinie fizjologii wzroku.
03:01
whichktóry are remarkablywybitnie beautifulpiękny studiesstudia,
65
166000
2000
Są to naprawdę wspaniałe badania,
03:03
but I believe some of theirich work
66
168000
2000
sądzę jednak, że część ich prac
03:05
has been extrapolatedekstrapolować
67
170000
2000
została przedwcześnie przeniesiona
03:07
into the humanczłowiek domaindomena prematurelyprzedwcześnie.
68
172000
2000
na człowieka.
03:09
So, they did theirich work with kittenskocięta,
69
174000
2000
Prowadzili oni badania nad małymi kotami
03:11
with differentróżne kindsrodzaje of deprivationpozbawienie regimentspułki,
70
176000
2000
z różnymi rodzajami deprywacji
03:13
and those studiesstudia,
71
178000
2000
i badania te,
03:15
whichktóry datedata back to the '60s,
72
180000
2000
pochodzące z lat 60-tych,
03:17
are now beingistota appliedstosowany to humanczłowiek childrendzieci.
73
182000
3000
są obecnie przenoszone na dzieci.
03:20
So I feltczułem that I neededpotrzebne to do two things.
74
185000
3000
Skłoniło mnie to do zrobienia dwóch rzeczy.
03:23
One: providezapewniać careopieka
75
188000
3000
Po pierwsze: zapewnienia opieki dzieciom,
03:26
to childrendzieci who are currentlyobecnie
76
191000
2000
które pozbawione są
03:28
beingistota deprivedpozbawiony of treatmentleczenie.
77
193000
2000
możliwości leczenia.
03:30
That's the humanitarianhumanitarny missionmisja.
78
195000
2000
Jest to misja humanitarna.
03:32
And the scientificnaukowy missionmisja would be
79
197000
2000
Misja naukowa polegałaby zaś
03:34
to testtest the limitsograniczenia
80
199000
2000
na testowaniu granic
03:36
of visualwizualny plasticityplastyczność.
81
201000
2000
plastyczności wzrokowej.
03:38
And these two missionsmisje, as you can tell,
82
203000
3000
Można rzec, że te dwie misje
03:41
threadwątek togetherRazem perfectlydoskonale. One addsdodaje to the other;
83
206000
3000
idealnie się uzupełniają.
03:44
in factfakt, one would be impossibleniemożliwy withoutbez the other.
84
209000
3000
Jedna nie mogłaby istnieć bez drugiej.
03:49
So, to implementwprowadzić w życie
85
214000
2000
Zatem aby wcielić te dwie misje w życie
03:51
these twinbliźniak missionsmisje,
86
216000
2000
kilka lat temu
03:53
a fewkilka yearslat agotemu, I launcheduruchomiona ProjectProjektu PrakashPrakash.
87
218000
3000
rozpocząłem Projekt Prakash.
03:56
PrakashPrakash, as manywiele of you know,
88
221000
2000
Prakash, jak wielu z was wie,
03:58
is the SanskritSanskryt wordsłowo for lightlekki,
89
223000
2000
oznacza w sanskrycie słowo światło.
04:00
and the ideapomysł is that
90
225000
2000
Chodzi bowiem o to,
04:02
in bringingprzynoszący lightlekki into the liveszyje of childrendzieci,
91
227000
3000
aby wnieść światło w życie dzieci.
04:05
we alsorównież have a chanceszansa
92
230000
2000
Mamy ponadto szansę
04:07
of sheddinglinienie lightlekki on some of the
93
232000
2000
rzucić światło na niektóre
04:09
deepestnajgłębszy mysteriesarkana of neuroscienceneuronauka.
94
234000
3000
z największych zagadek neurobiologii.
04:12
And the logologo -- even thoughchociaż it lookswygląda extremelyniezwykle IrishIrlandzki,
95
237000
3000
Logo, pomimo irlandzkiego wyglądu,
04:15
it's actuallytak właściwie derivedpochodny from
96
240000
2000
tak naprawdę zaczerpnięte zostało
04:17
the IndianIndyjski symbolsymbol of DiyaDiya, an earthengliniane lamplampa.
97
242000
4000
od indyjskiego symbolu Diya, glinianej lampy.
04:21
The PrakashPrakash, the overallogólnie effortwysiłek
98
246000
3000
Starania Prakash
04:24
has threetrzy componentsskładniki:
99
249000
2000
zawierają w sobie trzy elementy:
04:26
outreachsięgać dalej niż ktoś coś, to identifyzidentyfikować childrendzieci in need of careopieka;
100
251000
4000
identyfikację dzieci potrzebujących pomocy,
04:30
medicalmedyczny treatmentleczenie; and in subsequentkolejne studybadanie.
101
255000
3000
leczenie medyczne i w konsekwencji prowadzenie badań.
04:33
And I want to showpokazać you a shortkrótki videowideo clipspinacz
102
258000
3000
Chciałbym pokazać wam krótki klip wideo,
04:36
that illustratesprzedstawia the first two componentsskładniki of this work.
103
261000
3000
który ilustruje dwa pierwsze komponenty naszej pracy.
04:41
This is an outreachsięgać dalej niż ktoś coś stationstacja
104
266000
2000
To jest stacja pomocy potrzebującym
04:43
conductedprowadzona at a schoolszkoła for the blindślepy.
105
268000
3000
prowadzona w szkole dla niewidomych.
04:46
(TextTekst: MostWiększość of the childrendzieci are profoundlygłęboko and permanentlystałe blindślepy ...)
106
271000
5000
(Tekst: Większość dzieci jest całkowicie i trwale ślepa ...)
04:51
PawanPawan SinhaSinha: So, because this is a schoolszkoła for the blindślepy,
107
276000
5000
Ponieważ jest to szkoła dla niewidomych,
04:56
manywiele childrendzieci have permanentstały conditionswarunki.
108
281000
2000
wiele dzieci choruje tu trwale.
04:58
That's a casewalizka of microphthalmosmałoocza choroba trwała,
109
283000
3000
To jest przypadek małoocza,
05:01
whichktóry is malformednieprawidłowo eyesoczy,
110
286000
2000
czyli zniekształconych oczu
05:03
and that's a permanentstały conditionstan;
111
288000
2000
i jest to choroba trwała.
05:05
it cannotnie może be treatedleczony.
112
290000
2000
Nie można jej wyleczyć.
05:07
That's an extremeskrajny of micropthalmosmicropthalmos
113
292000
2000
To jest krańcowy stan małoocza
05:09
callednazywa enophthalmoszapadnięcie gałek ocznych.
114
294000
2000
zwany zapadnięciem gałki ocznej.
05:11
But, everykażdy so oftenczęsto, we come acrossprzez childrendzieci
115
296000
2000
Jednakże często spotykamy dzieci,
05:13
who showpokazać some residualpozostały visionwizja,
116
298000
3000
u których obserwuje się pewne szczątkowe widzenie
05:16
and that is a very good signznak
117
301000
3000
i jest to bardzo dobry znak wskazujący na to,
05:19
that the conditionstan mightmoc actuallytak właściwie be treatableuleczalne.
118
304000
2000
że taka choroba może być uleczalna.
05:21
So, after that screeningekranizacja, we bringprzynieść the childrendzieci to the hospitalszpital.
119
306000
3000
Zatem po badaniu zabieramy dziecko do szpitala.
05:24
That's the hospitalszpital we're workingpracujący with in DelhiDelhi,
120
309000
2000
To szpital z którym współpracujemy w Delhi,
05:26
the SchroffSchroff CharityMiłości EyeOko HospitalSzpital.
121
311000
3000
nazywa się Schroff Charity Eye Hospital.
05:29
It has a very well-equippeddobrze wyposażone
122
314000
2000
Ma on bardzo dobrze wyposażone
05:31
pediatricdla dzieci ophthalmicOkulistyka centercentrum,
123
316000
3000
pedriatryczne centrum okulistyczne.
05:35
whichktóry was madezrobiony possiblemożliwy in partczęść
124
320000
2000
Stworzenie go było możliwe po części
05:37
by a giftprezent from the RonaldRonald McDonaldMcDonald charitydobroczynność.
125
322000
4000
dzięki darom organizacji charytatywnej Ronalda McDonalda.
05:41
So, eatingjedzenie burgershamburgery actuallytak właściwie helpspomaga.
126
326000
3000
Jedzenie burgerów zatem pomaga.
05:45
(TextTekst: SuchTakie examinationsbadania allowdopuszczać us to improveulepszać
127
330000
2000
(Tekst: Tego typu badania pozwalają nam polepszyć
05:47
eye-healthzdrowie oczu in manywiele childrendzieci, and ...
128
332000
2000
zdrowie oczu wielu dzieci i...
05:54
... help us find childrendzieci who can participateuczestniczyć in ProjectProjektu PrakashPrakash.)
129
339000
3000
...pomagają znaleźć dzieci, które mogą uczestniczyć w projekcie Prakash.)
05:57
PSPS: So, as I zoomPowiększenie in to the eyesoczy of this childdziecko,
130
342000
2000
PS: Na zbliżeniu oczu tego dziecka
05:59
you will see the causeprzyczyna of his blindnessślepota.
131
344000
3000
możecie zobaczyć powód jego ślepoty.
06:03
The whitesbiałka that you see in the middleśrodkowy of his pupilsuczniowie
132
348000
3000
Upławy, które widać na środku jego źrenic
06:06
are congenitalwrodzona cataractszaćma,
133
351000
3000
to wrodzona katarakta,
06:09
so opacitieszmętnienie of the lensobiektyw.
134
354000
2000
czyli mętność soczewek.
06:11
In our eyesoczy, the lensobiektyw is clearjasny,
135
356000
3000
Soczewki w naszych oczach są przezroczyste,
06:14
but in this childdziecko, the lensobiektyw has becomestają się opaquenieprzezroczysty,
136
359000
2000
ale u tego dziecka mogą się zmętnić,
06:16
and thereforew związku z tym he can't see the worldświat.
137
361000
3000
przez co nie może ono widzieć.
06:19
So, the childdziecko is givendany treatmentleczenie. You'llBędziesz see shotsstrzały of the eyeoko.
138
364000
3000
Dziecko poddano leczeniu. Zobaczycie zdjęcia oka.
06:22
Here'sTutaj jest the eyeoko with the opaquenieprzezroczysty lensobiektyw,
139
367000
2000
To oko ze zmętnionymi soczewkami.
06:24
the opaquenieprzezroczysty lensobiektyw extractedwyodrębnione
140
369000
2000
Zostały one usunięte
06:26
and an acrylicakryl lensobiektyw insertedwstawiony.
141
371000
3000
a w ich miejsce umieszczono soczewki akrylowe.
06:29
And here'soto jest the samepodobnie childdziecko
142
374000
2000
Tu widać to samo dziecko
06:31
threetrzy weekstygodnie post-operationpo operacji,
143
376000
3000
trzy tygodnie po operacji,
06:34
with the right eyeoko openotwarty.
144
379000
3000
z otwartym prawym okiem.
06:40
(ApplauseAplauz)
145
385000
6000
(Brawa)
06:46
Thank you.
146
391000
2000
Dziękuję.
06:48
So, even from that little clipspinacz, you can beginzaczynać to get the sensesens
147
393000
3000
Nawet po obejrzeniu tego krótkiego klipu widać,
06:51
that recoveryodzyskiwanie is possiblemożliwy,
148
396000
2000
że powrót do zdrowia jest możliwy.
06:53
and we have now
149
398000
2000
Do tej pory otoczyliśmy opieką medyczną
06:55
providedopatrzony treatmentleczenie to over 200 childrendzieci,
150
400000
3000
ponad 200 dzieci,
06:58
and the storyfabuła repeatspowtarza itselfsamo.
151
403000
2000
a historia sama się powtarza.
07:00
After treatmentleczenie, the childdziecko
152
405000
2000
Po leczeniu dziecko
07:02
gainszyski significantznaczący functionalityfunkcjonalność.
153
407000
3000
zyskuje znaczną funkcjonalność.
07:05
In factfakt, the storyfabuła holdstrzyma trueprawdziwe
154
410000
3000
To samo ma miejsce nawet wówczas,
07:08
even if you have a personosoba who got sightwidok
155
413000
2000
kiedy dana osoba utraciła wzrok
07:10
after severalkilka yearslat of deprivationpozbawienie.
156
415000
2000
przed kilku laty.
07:12
We did a paperpapier a fewkilka yearslat agotemu
157
417000
2000
Parę lat temu wygłosiliśmy referat
07:14
about this womankobieta that you see on the right, SRDSRD,
158
419000
4000
na temat kobiety, którą widać po prawej, SRD.
07:18
and she got her sightwidok latepóźno in life,
159
423000
2000
Odzyskała wzrok stosunkowo późno,
07:20
and her visionwizja is remarkableznakomity at this agewiek.
160
425000
4000
i widzi dość dobrze.
07:24
I should addDodaj a tragictragiczny postscriptPostScript to this --
161
429000
3000
Powinienem dopowiedzieć tutaj tragiczny epilog:
07:27
she diedzmarły two yearslat agotemu
162
432000
2000
kobieta ta zmarła dwa lata temu
07:29
in a busautobus accidentwypadek.
163
434000
2000
w wypadku autobusowym.
07:31
So, hersjej is just a trulynaprawdę inspiringinspirujący storyfabuła --
164
436000
4000
Jej historia jest naprawdę inspirująca,
07:35
unknownnieznany, but inspiringinspirujący storyfabuła.
165
440000
3000
choć nieznana.
07:38
So when we startedRozpoczęty findingodkrycie these resultswyniki,
166
443000
2000
Możecie więc sobie wyobrazić,
07:40
as you mightmoc imaginewyobrażać sobie, it createdstworzony quitecałkiem a bitkawałek of stirmieszać
167
445000
3000
że kiedy zaczęliśmy odnosić takie rezultaty,
07:43
in the scientificnaukowy and the popularpopularny pressnaciśnij.
168
448000
3000
wywołało to poruszenie wśród prasy naukowej i popularnej.
07:46
Here'sTutaj jest an articleartykuł in NatureNatura
169
451000
2000
Oto artykuł w Nature,
07:48
that profiledprofilowane this work,
170
453000
2000
który opisał naszą pracę,
07:50
and anotherinne one in Time.
171
455000
2000
a to inny artykuł w Time.
07:52
So, we were fairlydość convincedprzekonany -- we are convincedprzekonany --
172
457000
2000
Byliśmy więc przekonani, jesteśmy przekonani,
07:54
that recoveryodzyskiwanie is feasiblewykonalny,
173
459000
2000
że wyzdrowienie jest możliwe
07:56
despitepomimo extendedrozszerzony visualwizualny deprivationpozbawienie.
174
461000
3000
pomimo pozbawienia wzroku.
07:59
The nextNastępny obviousoczywisty questionpytanie to askzapytać:
175
464000
2000
Kolejnym ważnym pytaniem było to,
08:01
What is the processproces of recoveryodzyskiwanie?
176
466000
3000
jak wygląda proces powrotu do zdrowia?
08:04
So, the way we studybadanie that is,
177
469000
3000
Badamy to w ten sposób,
08:07
let's say we find a childdziecko who has lightlekki sensitivityczułość.
178
472000
2000
że znajdujemy dziecko cierpiące na światłowstręt.
08:09
The childdziecko is providedopatrzony treatmentleczenie,
179
474000
2000
Poddajemy je leczeniu
08:11
and I want to stressnaprężenie that the treatmentleczenie
180
476000
2000
i chciałbym podkreślić, że leczenie to
08:13
is completelycałkowicie unconditionalbezwarunkowe;
181
478000
2000
jest całkowicie bezwarunkowe,
08:15
there is no quidQuid prozawodowiec quoQuo.
182
480000
2000
a nie na zasadzie quid pro quo.
08:17
We treatleczyć manywiele more childrendzieci then we actuallytak właściwie work with.
183
482000
3000
Leczymy więcej dzieci niż rzeczywiście potrzebujemy do badań.
08:20
EveryKażdy childdziecko who needswymagania treatmentleczenie is treatedleczony.
184
485000
3000
Każde dziecko, które potrzebuje opieki medycznej, dostaje ją.
08:23
After treatmentleczenie, about everykażdy weektydzień,
185
488000
2000
Około tydzień po leczeniu
08:25
we runbiegać the childdziecko
186
490000
2000
poddajemy dziecko szeregowi
08:27
on a batterybateria of simpleprosty visualwizualny teststesty
187
492000
3000
prostych testów wzrokowych
08:30
in orderzamówienie to see how theirich visualwizualny skillsumiejętności
188
495000
2000
aby sprawdzić, jak za koleją rozwijają się
08:32
are comingprzyjście on linelinia.
189
497000
2000
jego umiejętności wzrokowe.
08:34
And we try to do this for as long as possiblemożliwy.
190
499000
3000
Staramy się to robić tak długo, jak to możliwe.
08:37
This arcłuk of developmentrozwój
191
502000
2000
Dostarcza nam to
08:39
givesdaje us unprecedentedbez precedensu
192
504000
2000
niespotykanych i niesamowicie ważnych
08:41
and extremelyniezwykle valuablecenny informationInformacja
193
506000
2000
informacji odnośnie tego,
08:43
about how the scaffoldingrusztowanie of visionwizja
194
508000
2000
jak wygląda proces
08:45
getsdostaje setzestaw up.
195
510000
2000
powstawania wzroku.
08:47
What mightmoc be the causalprzyczynowy connectionsznajomości
196
512000
2000
Jakie są relacje, pomiędzy umiejętnościami
08:49
betweenpomiędzy the earlywcześnie developingrozwijanie skillsumiejętności
197
514000
2000
rozwijającymi się wcześnie,
08:51
and the laterpóźniej developingrozwijanie oneste?
198
516000
2000
a tymi, które powstają później?
08:53
And we'vemamy used this generalgenerał approachpodejście to studybadanie
199
518000
2000
Wykorzystaliśmy to podejście do zbadania
08:55
manywiele differentróżne visualwizualny proficienciesbiegłości,
200
520000
3000
wielu różnych sprawności wzrokowych,
08:58
but I want to highlightPodświetl one particularszczególny one,
201
523000
4000
jednak ja chcę szczególnie podkreślić jedną z nich,
09:02
and that is imageobraz parsingpodczas analizowania into objectsobiekty.
202
527000
3000
mianowicie to, jak obraz staje się przedmiotem.
09:05
So, any imageobraz of the kinduprzejmy that you see on the left,
203
530000
2000
Zatem, każdy rodzaj obrazu, który widać po lewej,
09:07
be it a realreal imageobraz or a syntheticsyntetyczny imageobraz,
204
532000
3000
czy to realny czy syntetyczny,
09:10
it's madezrobiony up of little regionsregiony
205
535000
2000
składa się z małych obszarów
09:12
that you see in the middleśrodkowy columnkolumna,
206
537000
2000
o różnych kolorach i luminacjach,
09:14
regionsregiony of differentróżne colorszabarwienie, differentróżne luminancesluminacjach.
207
539000
3000
które widzicie w środkowej kolumnie.
09:17
The brainmózg has this complexzłożony taskzadanie
208
542000
3000
Mózg staje przed trudnym zadaniem
09:20
of puttingwprowadzenie togetherRazem, integratingintegracja,
209
545000
3000
połączenia razem, zintegrowania
09:23
subsetspodzbiory of these regionsregiony
210
548000
2000
podzbiorów tych obszarów
09:25
into something that's more meaningfulznaczący,
211
550000
2000
w coś bardziej znaczącego,
09:27
into what we would considerrozważać to be objectsobiekty,
212
552000
2000
co można by uznać za przedmiot,
09:29
as you see on the right.
213
554000
2000
jak widać po prawej.
09:31
And nobodynikt knowswie how this integrationintegracja happensdzieje się,
214
556000
2000
Nikt nie wie natomiast, jak ta integracja zachodzi.
09:33
and that's the questionpytanie we askedspytał with ProjectProjektu PrakashPrakash.
215
558000
4000
To właśnie pytanie zadaliśmy w Projekcie Prakash.
09:37
So, here'soto jest what happensdzieje się
216
562000
2000
Oto co się dzieje
09:39
very soonwkrótce after the onsetPoczątek of sightwidok.
217
564000
3000
tuż po odzyskaniu wzroku.
09:42
Here'sTutaj jest a personosoba who had gainedzyskał sightwidok just a couplepara of weekstygodnie agotemu,
218
567000
3000
To osoba, która odzyskała wzrok parę tygodni temu.
09:45
and you see EthanEthan MyersMyers, a graduateukończyć studentstudent from MITMIT,
219
570000
3000
Widać również Ethana Myersa, absolwenta MIT,
09:48
runningbieganie the experimenteksperyment with him.
220
573000
3000
który przeprowadza eksperyment.
09:51
His visual-motorwzrokowo ruchowej coordinationkoordynacja is quitecałkiem poorubogi,
221
576000
4000
Koordynacja wzrokowo-ruchowa mężczyzny jest bardzo słaba,
09:55
but you get a generalgenerał sensesens
222
580000
2000
ale widać, jakie regiony
09:57
of what are the regionsregiony that he's tryingpróbować to traceślad out.
223
582000
3000
próbuje on poruszyć.
10:00
If you showpokazać him realreal worldświat imagesobrazy,
224
585000
2000
Gdyby pokazać mu realne obrazy,
10:02
if you showpokazać othersinni like him realreal worldświat imagesobrazy,
225
587000
3000
gdyby pokazać te obrazy takim jak on,
10:05
they are unableniezdolny to recognizerozpoznać mostwiększość of the objectsobiekty
226
590000
2000
nie będą oni w stanie rozpoznać większości przedmiotów,
10:07
because the worldświat to them is over-fragmentednadmiernie pofragmentowany;
227
592000
3000
ponieważ dla nich świat składa się z fragmentów,
10:10
it's madezrobiony up of a collagekolaż, a patchworkpatchwork,
228
595000
3000
z części kolażu, mozaiki,
10:13
of regionsregiony of differentróżne colorszabarwienie and luminancesluminacjach.
229
598000
2000
obszarów o różnych kolorach i luminacjach.
10:15
And that's what's indicatedwskazane in the greenZielony outlineskontury.
230
600000
2000
To właśnie pokazują zielone kontury.
10:17
When you askzapytać them,
231
602000
2000
Gdyby zapytać ich,
10:19
"Even if you can't nameNazwa the objectsobiekty, just pointpunkt to where the objectsobiekty are,"
232
604000
3000
nawet jeśli nie potrafią nazwać obiektów, by choć wskazali, gdzie one są,
10:22
these are the regionsregiony that they pointpunkt to.
233
607000
2000
to wskażą właśnie na te obszary.
10:24
So the worldświat is this complexzłożony
234
609000
2000
Tak więc świat
10:26
patchworkpatchwork of regionsregiony.
235
611000
2000
to złożona mozaika obszarów.
10:28
Even the shadowcień on the ballpiłka
236
613000
2000
Nawet cień na piłce
10:30
becomesstaje się its ownwłasny objectobiekt.
237
615000
3000
staje się przedmiotem.
10:33
InterestinglyCo ciekawe enoughdość,
238
618000
2000
Co interesujące,
10:35
you give them a fewkilka monthsmiesiące,
239
620000
2000
po paru miesiącach
10:37
and this is what happensdzieje się.
240
622000
3000
będzie miało miejsce coś takiego:
10:43
DoctorLekarz: How manywiele are these?
241
628000
2000
Lekarz: Ile przedmiotów widzisz?
10:45
PatientPacjent: These are two things.
242
630000
2000
Pacjent: Dwa.
10:47
DoctorLekarz: What are theirich shapeskształty?
243
632000
2000
Lekarz: Jaki mają kształt?
10:49
PatientPacjent: TheirIch shapeskształty ...
244
634000
2000
Pacjent: Są kształtu...
10:51
This one is a circleokrąg,
245
636000
3000
To jest koło
10:54
and this
246
639000
2000
a to
10:56
is a squareplac.
247
641000
2000
kwadrat.
10:58
PSPS: A very dramaticdramatyczny transformationtransformacja has come about.
248
643000
3000
PS: Miała miejsce niesamowita transformacja.
11:01
And the questionpytanie is:
249
646000
2000
Pytanie tylko:
11:03
What underliesleży u podstaw this transformationtransformacja?
250
648000
2000
jak ona zaszła?
11:05
It's a profoundgłęboki questionpytanie,
251
650000
2000
To gruntowne pytanie,
11:07
and what's even more amazingniesamowity is how simpleprosty
252
652000
2000
a zadziwiające jest to,
11:09
the answerodpowiedź is.
253
654000
2000
jak prosta jest odpowiedź na nie.
11:11
The answerodpowiedź lieskłamstwa in motionruch
254
656000
2000
Odpowiedź leży w ruchu
11:13
and that's what I want to showpokazać you in the nextNastępny clipspinacz.
255
658000
3000
i właśnie to chcę pokazać w następnym klipie.
11:18
DoctorLekarz: What shapekształt do you see here?
256
663000
2000
Lekarz: Jaki kształt tu widzisz?
11:20
PatientPacjent: I can't make it out.
257
665000
3000
Pacjent: Nie potrafię rozpoznać.
11:28
DoctorLekarz: Now?
258
673000
2000
Lekarz: A teraz?
11:31
PatientPacjent: TriangleTrójkąt.
259
676000
2000
Pacjent: Trójkąt.
11:35
DoctorLekarz: How manywiele things are these?
260
680000
3000
Lekarz: Ile tu jest przedmiotów?
11:48
Now, how manywiele things are these?
261
693000
3000
Ile?
11:51
PatientPacjent: Two.
262
696000
2000
Pacjent: Dwa.
11:53
DoctorLekarz: What are these things?
263
698000
2000
Lekarz: Co to za przedmioty?
11:56
PatientPacjent: A squareplac and a circleokrąg.
264
701000
2000
Pacjent: Kwadrat i koło.
11:58
PSPS: And we see this patternwzór over and over again.
265
703000
3000
PS: I tak w kółko.
12:01
The one thing the visualwizualny systemsystem needswymagania
266
706000
3000
Aby móc podzielić świat na części
12:04
in orderzamówienie to beginzaczynać parsingpodczas analizowania the worldświat
267
709000
2000
system wzrokowy potrzebuje
12:06
is dynamicdynamiczny informationInformacja.
268
711000
2000
dynamicznej informacji.
12:08
So the inferencewnioskowanie we are derivingwynikających from this,
269
713000
2000
I w ten sposób, oraz dzięki kilku podobnym eksperymentom
12:10
and severalkilka suchtaki experimentseksperymenty,
270
715000
2000
dochodzimy do wniosku,
12:12
is that dynamicdynamiczny informationInformacja processingprzetwarzanie,
271
717000
2000
że przetwarzanie dynamicznych informacji,
12:14
or motionruch processingprzetwarzanie,
272
719000
2000
albo przetwarzanie ruchu,
12:16
servessłuży as the bedrockBedrock for buildingbudynek
273
721000
2000
stanowi podstawę
12:18
the restodpoczynek of the complexityzłożoność of visualwizualny processingprzetwarzanie;
274
723000
4000
pozostałej złożoności przetwarzania wzrokowego.
12:22
it leadswskazówki to visualwizualny integrationintegracja
275
727000
2000
Prowadzi to do wzrokowej integracji
12:24
and eventuallyostatecznie to recognitionuznanie.
276
729000
3000
i w efekcie końcowym do rozpoznania.
12:27
This simpleprosty ideapomysł has fardaleko reachingosiągając implicationsimplikacje.
277
732000
3000
Ten prosty wniosek ma daleko idące konsekwencje.
12:30
And let me just quicklyszybko mentionwzmianka two,
278
735000
3000
Pozwolę sobie szybko wymienić dwie z nich.
12:33
one, drawingrysunek from the domaindomena of engineeringInżynieria,
279
738000
2000
Jedną związaną z inżynierią,
12:35
and one from the clinicklinika.
280
740000
2000
a drugą z medycyną.
12:37
So, from the perspectiveperspektywiczny of engineeringInżynieria,
281
742000
2000
Zatem, z punktu widzenia inżynierii,
12:39
we can askzapytać: GovenGoven that we know
282
744000
3000
założenie, że ruch jest tak ważny
12:42
that motionruch is so importantważny for the humanczłowiek visualwizualny systemsystem,
283
747000
2000
dla ludzkiego systemu wzrokowego
12:44
can we use this as a recipePrzepis
284
749000
3000
może posłużyć jako wskazówka
12:47
for constructingkonstruowanie machine-basedna podstawie maszyny visionwizja systemssystemy
285
752000
3000
do skonstruowania maszynowego systemu wzrokowego,
12:50
that can learnuczyć się on theirich ownwłasny, that don't need to be programmedzaprogramowany
286
755000
3000
który może się samodzielnie uczyć i nie musi być
12:53
by a humanczłowiek programmerprogramista?
287
758000
2000
zaprogramowany przez człowieka.
12:55
And that's what we're tryingpróbować to do.
288
760000
2000
I właśnie to próbujemy osiągnąć.
12:57
I'm at MITMIT, at MITMIT you need to applyzastosować
289
762000
3000
Należę do Massachusetts Institute of Technology.
13:00
whatevercokolwiek basicpodstawowy knowledgewiedza, umiejętności you gainzdobyć.
290
765000
2000
W MIT trzeba wykorzystywać każdą zdobytą wiedzę.
13:02
So we are creatingtworzenie DylanDylan,
291
767000
2000
Dlatego też pracujemy nad Dylanem,
13:04
whichktóry is a computationalobliczeniowy systemsystem
292
769000
2000
czyli komputerowym systemem
13:06
with an ambitiousambitny goalcel
293
771000
2000
o ambitnym celu.
13:08
of takingnabierający in visualwizualny inputswejścia
294
773000
2000
Ma on mianowicie odbierać takie same dane wzrokowe,
13:10
of the samepodobnie kinduprzejmy that a humanczłowiek childdziecko would receiveotrzymać,
295
775000
3000
jak te, które odbiera dziecko
13:13
and autonomouslyautonomicznie discoveringodkrywanie:
296
778000
2000
i samodzielnie odkrywać,
13:15
What are the objectsobiekty in this visualwizualny inputwkład?
297
780000
3000
jaki przedmiot ukazują.
13:18
So, don't worrymartwić się about the internalswewnętrzne of DylanDylan.
298
783000
3000
Nie martwicie się o Dylana.
13:21
Here, I'm just going to talk about
299
786000
3000
Chcę tylko opowiedzieć o tym,
13:24
how we testtest DylanDylan.
300
789000
2000
w jaki sposób go testujemy.
13:26
The way we testtest DylanDylan is by givingdający it
301
791000
2000
Jak wspomniałem, dajemy mu
13:28
inputswejścia, as I said, of the samepodobnie kinduprzejmy
302
793000
3000
takie same dane, jakie otrzymałoby
13:31
that a babydziecko, or a childdziecko in ProjectProjektu PrakashPrakash would get.
303
796000
3000
niemowlę albo dziecko z projektu Parkash.
13:34
But for a long time we couldn'tnie mógł quitecałkiem figurepostać out:
304
799000
3000
Jednak przez dłuższy czas nie wiedzieliśmy
13:37
WowWow can we get these kindsrodzaje of videowideo inputswejścia?
305
802000
3000
w jaki sposób można otrzymać taki rodzaj danych.
13:41
So, I thought,
306
806000
2000
Więc pomyślałem, ze Darius
13:43
could we have DariusDarius
307
808000
2000
mógłby posłużyć jako dziecięcy
13:45
serveobsługiwać as our babycamdziecka carriernośnik,
308
810000
3000
przekaźnik kamery, co umożliwiłoby nam
13:48
and that way get the inputswejścia that we feedkarmić into DylanDylan?
309
813000
3000
otrzymanie danych, które przekażemy następnie Dylanowi.
13:51
So that's what we did.
310
816000
2000
Tak właśnie zrobiliśmy.
13:53
(LaughterŚmiech)
311
818000
7000
(Śmiech)
14:00
I had to have long conversationsrozmowy with my wifeżona.
312
825000
3000
Musiałem odbyć długą rozmowę z żoną.
14:03
(LaughterŚmiech)
313
828000
5000
(Śmiech)
14:08
In factfakt, PamPam, if you're watchingoglądanie this,
314
833000
2000
Pam, jeśli to oglądasz,
14:10
please forgiveprzebaczyć me.
315
835000
2000
wybacz mi.
14:13
So, we modifiedzmodyfikowano the opticsoptyka of the cameraaparat fotograficzny
316
838000
4000
Zmodyfikowaliśmy optykę kamery,
14:17
in orderzamówienie to mimicimitować the baby'sdziecka visualwizualny acuityostrość widzenia.
317
842000
3000
aby odwzorować ostrość wzroku dziecka.
14:20
As some of you mightmoc know,
318
845000
2000
Jak pewnie większość z was wie,
14:22
babyiesbabyies are bornurodzony prettyładny much legallyzgodnie z prawem blindślepy.
319
847000
4000
dzieci rodzą się praktycznie niewidome.
14:26
TheirIch acuityostrość widzenia -- our acuityostrość widzenia is 20/20;
320
851000
3000
Gdy nasza ostrość wzroku wynosi 20/20,
14:29
babies'dla niemowląt acuityostrość widzenia is like 20/800,
321
854000
3000
ich to około 20/800
14:32
so they are looking at the worldświat
322
857000
2000
więc spoglądają na świat
14:34
in a very, very blurryRozmazany fashionmoda.
323
859000
3000
przez bardzo bardzo zamazany obraz.
14:37
Here'sTutaj jest what a baby-camBaby-cam videowideo lookswygląda like.
324
862000
3000
Tak mniej więcej wygląda obraz dziecka.
14:41
(LaughterŚmiech)
325
866000
9000
(Śmiech)
14:50
(ApplauseAplauz)
326
875000
3000
(Oklaski)
14:53
ThankfullyNa szczęście, there isn't any audioaudio
327
878000
2000
Całe szczęście,
14:55
to go with this.
328
880000
3000
że nie ma do tego głosu.
14:58
What's amazingniesamowity is that workingpracujący with suchtaki
329
883000
2000
Zadziwiające jest to,
15:00
highlywysoko degradedzdegradowanych inputwkład,
330
885000
2000
że przy tak słabych danych
15:02
the babydziecko, very quicklyszybko, is ablezdolny
331
887000
2000
dziecko bardzo szybko jest w stanie
15:04
to discoverodkryć meaningznaczenie in suchtaki inputwkład.
332
889000
3000
rozpoznać ich znaczenie.
15:07
But then two or threetrzy daysdni afterwardpóźniej,
333
892000
2000
Ale już dwa, trzy dni później
15:09
babiesdzieci beginzaczynać to payzapłacić attentionUwaga
334
894000
2000
dzieci zaczynają zwracać uwagę
15:11
to theirich mother'smatki or theirich father'sojca facetwarz.
335
896000
2000
na twarz matki i ojca.
15:13
How does that happenzdarzyć? We want DylanDylan to be ablezdolny to do that,
336
898000
3000
Jak to się dzieje? Chcemy, żeby Dylan też to potrafił.
15:16
and usingza pomocą this mantramantra of motionruch,
337
901000
3000
Używając ruchów,
15:19
DylanDylan actuallytak właściwie can do that.
338
904000
2000
Dylan tak naprawdę już to umie.
15:21
So, givendany that kinduprzejmy of videowideo inputwkład,
339
906000
3000
Po otrzymaniu takiego rodzaju danych,
15:24
with just about sixsześć or sevensiedem minutesminuty worthwartość of videowideo,
340
909000
3000
już po sześciu czy siedmiu minutach nagrania
15:27
DylanDylan can beginzaczynać to extractwyciąg patternswzorce
341
912000
3000
Dylan zaczyna rozpoznawać kształty,
15:30
that includezawierać facestwarze.
342
915000
3000
również twarze.
15:33
So, it's an importantważny demonstrationdemonstracja
343
918000
2000
To ważny pokaz
15:35
of the powermoc of motionruch.
344
920000
2000
potęgi ruchu.
15:37
The clinicalkliniczny implicationdomniemanie, it comespochodzi from the domaindomena of autismautyzm.
345
922000
3000
Zastosowanie w medycynie dotyczy autyzmu.
15:40
VisualVisual integrationintegracja has been associatedpowiązany with autismautyzm
346
925000
2000
Integracja wizualna kojarzona była z autyzmem
15:42
by severalkilka researchersnaukowcy.
347
927000
2000
przez kilku badaczy.
15:44
When we saw that, we askedspytał:
348
929000
2000
Kiedy to zobaczyliśmy, zadaliśmy sobie pytanie:
15:46
Could the impairmentosłabienie in visualwizualny integrationintegracja
349
931000
3000
Czy utrudnienia w integracji wzrokowej
15:49
be the manifestationmanifestacja of something underneathpod spodem,
350
934000
3000
mogą być objawem czegoś innego:
15:52
of dynamicdynamiczny informationInformacja processingprzetwarzanie deficienciesbraki in autismautyzm?
351
937000
3000
braku umiejętności przetwarzania dynamicznych danych w autyzmie?
15:55
Because, if that hypothesishipoteza were to be trueprawdziwe,
352
940000
3000
Jeżeli okazałoby się to prawdą,
15:58
it would have massivemasywny repercussionsnastępstwa in our understandingzrozumienie
353
943000
3000
wpłynęłoby to na nasze rozumienie tego,
16:01
of what's causingspowodowanie the manywiele differentróżne aspectsaspekty
354
946000
2000
co powoduje różne apekty
16:03
of the autismautyzm phenotypefenotyp.
355
948000
3000
fenotypu autyzmu.
16:06
What you're going to see are
356
951000
2000
Zobaczą teraz państwo
16:08
videowideo clipsklipy of two childrendzieci -- one neurotypicalneurotypical,
357
953000
3000
wideoklipy z dwójką dzieci grających w ping-ponga.
16:11
one with autismautyzm, playinggra PongPong.
358
956000
2000
Jedno z nich jest autystyczne, a drugie nie.
16:13
So, while the childdziecko is playinggra PongPong, we are trackingśledzenie where they're looking.
359
958000
3000
Podczas gry śledzimy ich wzrok.
16:16
In redczerwony are the eyeoko movementruch tracesślady.
360
961000
3000
Na czerwono zaznaczono tor ruchu oczu.
16:19
This is the neurotypicalneurotypical childdziecko, and what you see
361
964000
3000
To ruch oczu dziecka nie cierpiącego na autyzm
16:22
is that the childdziecko is ablezdolny to make cuespodpowiedzi
362
967000
2000
i jak widać jest ono w stanie
16:24
of the dynamicdynamiczny informationInformacja
363
969000
2000
wykorzystywać dynamiczne informacje
16:26
to predictprzepowiadać, wywróżyć where the ballpiłka is going to go.
364
971000
2000
aby przewidzieć, gdzie przemieści się piłka.
16:28
Even before the ballpiłka getsdostaje to a placemiejsce,
365
973000
3000
Dziecko patrzy na miejsce, w którym spadnie piłka
16:31
the childdziecko is alreadyjuż looking there.
366
976000
3000
jeszcze zanim ona tam dotrze.
16:34
ContrastKontrast this with a childdziecko
367
979000
2000
Porównajmy to z dzieckiem
16:36
with autismautyzm playinggra the samepodobnie gamegra.
368
981000
2000
cierpiącym na autyzm.
16:38
InsteadZamiast tego of anticipatingprzewidywanie,
369
983000
2000
Zamiast przewidywać,
16:40
the childdziecko always followsnastępuje where the ballpiłka has been.
370
985000
3000
dziecko śledzi ruch piłki.
16:43
The efficiencywydajność of the use
371
988000
2000
W przypadku autyzmu
16:45
of dynamicdynamiczny informationInformacja
372
990000
2000
wykorzystywanie dynamicznych informacji
16:47
seemswydaje się to be significantlyznacząco compromisedzagrożony in autismautyzm.
373
992000
3000
zdaje się być znacznie utrudnione.
16:51
So we are pursuingdążenie this linelinia of work
374
996000
3000
Kontynuujemy zatem nasze badania
16:54
and hopefullyufnie we'lldobrze have
375
999000
2000
i mamy nadzieje, że już niedługo
16:56
more resultswyniki to reportraport soonwkrótce.
376
1001000
2000
będziemy mogli przedstawić więcej wyników.
16:58
Looking aheadprzed siebie, if you think of this diskdysk
377
1003000
3000
Jeśli spojrzycie państwo na dysk
17:01
as representingreprezentowanie all of the childrendzieci
378
1006000
2000
przedstawiający wszystkie dzieci,
17:03
we'vemamy treatedleczony so fardaleko,
379
1008000
2000
które do tej pory leczyliśmy,
17:05
this is the magnitudewielkość of the problemproblem.
380
1010000
2000
widać skalę problemu.
17:07
The redczerwony dotskropki are the childrendzieci we have not treatedleczony.
381
1012000
3000
Czerwone kropki to dzieci, których jeszcze nie leczyliśmy.
17:10
So, there are manywiele, manywiele more childrendzieci who need to be treatedleczony,
382
1015000
2000
Jak widać, jeszcze bardzo dużo dzieci potrzebuje leczenia
17:12
and in orderzamówienie to expandrozszerzać the scopezakres of the projectprojekt,
383
1017000
3000
i aby zwiększyć zasięg projektu
17:15
we are planningplanowanie on launchingwodowanie
384
1020000
2000
planujemy otworzyć
17:17
The PrakashPrakash CenterCentrum for ChildrenDzieci,
385
1022000
2000
The Prakash Center for Children,
17:19
whichktóry will have a dedicateddedykowane pediatricdla dzieci hospitalszpital,
386
1024000
3000
który będzie dysponował szpitalem dziecięcym,
17:22
a schoolszkoła for the childrendzieci we are treatingleczenie
387
1027000
2000
szkołą dla dzieci pozostających pod naszą opieką medyczną
17:24
and alsorównież a cutting-edgenajnowocześniejsze researchBadania facilityobiekt.
388
1029000
2000
oraz nowatorskim centrum badawczym.
17:26
The PrakashPrakash CenterCentrum will integratezintegrować healthzdrowie careopieka,
389
1031000
3000
Prakash Center połączy opiekę medyczną,
17:29
educationEdukacja and researchBadania in a way
390
1034000
2000
edukację oraz badania naukowe w sposób,
17:31
that trulynaprawdę createstworzy the wholecały
391
1036000
2000
dzięki któremu uzyskana całość
17:33
to be greaterwiększy than the sumsuma of the partsCzęści.
392
1038000
3000
będzie większa, niż suma poszczególnych części.
17:36
So, to summarizepodsumować: PrakashPrakash, in its fivepięć yearslat of existenceistnienie,
393
1041000
3000
Podsumowując, podczas swoich pięciu lat istnienia
17:39
it's had an impactwpływ in multiplewielokrotność areasobszary,
394
1044000
3000
Prakash wywarł wpływ na wiele dziedzin
17:42
rangingpocząwszy from basicpodstawowy neuroscienceneuronauka
395
1047000
2000
począwszy od podstaw neurobiologi:
17:44
plasticityplastyczność and learninguczenie się in the brainmózg,
396
1049000
2000
plastyczności i procesów uczenia się mózgu,
17:46
to clinicallyklinicznie relevantistotnych hypotheseshipotezy like in autismautyzm,
397
1051000
4000
do ważnych klinicznie hipotez takich jak w przypadku autyzmu,
17:50
the developmentrozwój of autonomousautonomiczny machinemaszyna visionwizja systemssystemy,
398
1055000
3000
rozwój niezależnych systemów wzrokowych maszyn,
17:53
educationEdukacja of the undergraduatestudia licencjackie and graduateukończyć studentsstudenci,
399
1058000
3000
edukacja studentów
17:56
and mostwiększość importantlyco ważne in the alleviationz biedą
400
1061000
2000
i, co najważniejsze,
17:58
of childhooddzieciństwo blindnessślepota.
401
1063000
2000
złagodzenie dziecięcej ślepoty.
18:00
And for my studentsstudenci and I, it's been
402
1065000
2000
Dla mnie i moich studentów
18:02
just a phenomenalfenomenalny experiencedoświadczenie
403
1067000
2000
było no po prostu zjawiskowe przeżycie,
18:04
because we have gottenzdobyć to do interestingciekawy researchBadania,
404
1069000
4000
ponieważ prowadziliśmy interesujące badania
18:08
while at the samepodobnie time
405
1073000
2000
jednocześnie pomagając dzieciom,
18:10
helpingporcja jedzenia the manywiele childrendzieci that we have workedpracował with.
406
1075000
2000
z którymi pracowaliśmy.
18:12
Thank you very much.
407
1077000
2000
Dziękuję bardzo.
18:14
(ApplauseAplauz)
408
1079000
2000
(Oklaski)
Translated by Anna Romańska
Reviewed by Marcin Cwikla

▲Back to top

ABOUT THE SPEAKER
Pawan Sinha - Visual neuroscientist
Pawan Sinha researches how our brains interpret what our eyes see -- and uses that research to give blind children the gift of sight.

Why you should listen

At Pawan Sinha's MIT lab, he and his team spend their days trying to understand how the brain learns to recognize and use the patterns and scenes we see around us. To do this, they often use computers to model the processes of the human brain, but they also study human subjects, some of whom are seeing the world for the very first time and can tell them about the experience as it happens. They find these unusual subjects through the humanitarian branch of their research, Project Prakash.

Project Prakash sets up eye-care camps in some of the most habitually underserved regions of India, and gives free eye-health screenings to, since 2003, more than 700 functionally blind children. The children are then treated without charge, even if they do not fit the profile that would make them eligible for Sinha's research.

Sinha's eventual goal is to help 500 children each year; plans are under way for a center for visual rehabilitation in new Delhi. The special relationship that Sinha has created between research and humanitarianism promises to deliver on both fronts.

More profile about the speaker
Pawan Sinha | Speaker | TED.com