TEDGlobal 2012
Read Montague: What we're learning from 5,000 brains
Read Montague: O que estamos aprendendo de 5.000 cérebros
Filmed:
Readability: 4
763,896 views
Camundongos, insetos e hamsters não são mais o único meio de estudar o cérebro. Imagem de Ressonância Magnética Functional iRMF (fMRI em inglês) permite que os cientistas mapeiem a atividade cerebral em seres humanos vivos, que respiram e tomam decisões. Read Montague nos dá um panorama de como essa tenologia está ajudando a entender os complicados modos pelos quais interagimos uns com os outros.
Read Montague - Behavioral Neuroscientist
What does "normal behavior" look like? To find out, Read Montague is imaging thousands of brains at work. Full bio
What does "normal behavior" look like? To find out, Read Montague is imaging thousands of brains at work. Full bio
Double-click the English transcript below to play the video.
00:16
Other people. Everyone is interested in other people.
0
474
2809
Outras pessoas. Todo mundo tem interesse em outras pessoas.
00:19
Everyone has relationships with other people,
1
3283
2123
Todo mundo tem relações com outras pessoas,
00:21
and they're interested in these relationships
2
5406
1592
e eles têm interesse nestas relações
00:22
for a variety of reasons.
3
6998
1855
por vários motivos.
00:24
Good relationships, bad relationships,
4
8853
2012
Bons relacionamentos, maus relacionamentos,
00:26
annoying relationships, agnostic relationships,
5
10865
3146
relacionamentos irritantes, relacionamentos agnósticos
00:29
and what I'm going to do is focus on the central piece
6
14011
3424
e o que farei é centrar no ponto central
00:33
of an interaction that goes on in a relationship.
7
17435
3303
de interação que ocorre num relacionamento.
00:36
So I'm going to take as inspiration the fact that we're all
8
20738
2336
Então eu vou me inspirar no fato de que nós todos
00:38
interested in interacting with other people,
9
23074
2425
somos interessados em interagir com outras pessoas
00:41
I'm going to completely strip it of all its complicating features,
10
25499
3832
Eu vou retirar todas todas as características complicadas,
00:45
and I'm going to turn that object, that simplified object,
11
29331
3894
e vou transformar esse objeto, esse objeto simplificado,
00:49
into a scientific probe, and provide the early stages,
12
33225
4150
numa experiência científica, e prover os estágios iniciais,
00:53
embryonic stages of new insights into what happens
13
37375
2449
estágios embrionários de novas ideias no que acontece
00:55
in two brains while they simultaneously interact.
14
39824
3650
em dois cérebros enquando interagem.
00:59
But before I do that, let me tell you a couple of things
15
43474
2293
Mas antes que eu faça isso, deixe-me lhes dizer algumas coisas
01:01
that made this possible.
16
45767
1699
que tornaram isto possível.
01:03
The first is we can now eavesdrop safely
17
47466
2781
A primeira, é que agora nós podemos perscutar seguramente
01:06
on healthy brain activity.
18
50247
2711
a atividade do cérebro saudável.
01:08
Without needles and radioactivity,
19
52958
2577
Sem agulhas e radiação,
01:11
without any kind of clinical reason, we can go down the street
20
55535
2863
sem qualquer razão clinica, nós podemos ir pela rua
01:14
and record from your friends' and neighbors' brains
21
58398
3127
e gravar os cérebros de seus amigos e vizinhos
01:17
while they do a variety of cognitive tasks, and we use
22
61525
2538
enquanto eles realizam tarefas cognitivas e nós usamos
01:19
a method called functional magnetic resonance imaging.
23
64063
3734
um método chamado imagem de ressonância magnética funcional.
01:23
You've probably all read about it or heard about in some
24
67797
2325
Vocês provavelmente vocês todos leram ou ouviram sobre isso em alguma
01:26
incarnation. Let me give you a two-sentence version of it.
25
70122
4378
encarnação. Deixe-me dar uma versão disso em duas sentenças.
01:30
So we've all heard of MRIs. MRIs use magnetic fields
26
74500
3484
Então todos ouvimos falar de IRMs. IRMs usam campos magnéticos
01:33
and radio waves and they take snapshots of your brain
27
77984
2029
e ondas de rádio e tiram fotos de seu cérebro,
01:35
or your knee or your stomach,
28
80013
2361
joelho, ou estômago,
01:38
grayscale images that are frozen in time.
29
82374
2045
imagens estáticas em tons de cinza congeladas no tempo.
01:40
In the 1990s, it was discovered you could use
30
84419
2321
Nos anos 90 foi descoberto que você podia usar
01:42
the same machines in a different mode,
31
86740
2659
as mesmas máquinas de modo diferente,
01:45
and in that mode, you could make microscopic blood flow
32
89399
2346
e daquele modo, você podia fazer filmes
01:47
movies from hundreds of thousands of sites independently in the brain.
33
91745
3300
do microscópico fluxo sanguíneo em milhares de lugares no cérebro ao mesmo tempo.
01:50
Okay, so what? In fact, the so what is, in the brain,
34
95045
3200
Ok, mas e dai? O fato é que aí no cérebro as
01:54
changes in neural activity, the things that make your brain work,
35
98245
3832
mudanças na atividade neural, as coisas que fazem seu cérebro funcionar,
01:57
the things that make your software work in your brain,
36
102077
2010
as coisas que fazem o software do seu cérebro funcionar
01:59
are tightly correlated with changes in blood flow.
37
104087
2489
são altamente correlacionadas à corrente sanguínea.
02:02
You make a blood flow movie, you have an independent
38
106576
1973
Você faz um filme da corrente sanguínea, você tem
02:04
proxy of brain activity.
39
108549
2339
uma correspondência da atividade cerebral.
02:06
This has literally revolutionized cognitive science.
40
110888
3034
Isso literalmente revolucionou as ciência cognitiva.
02:09
Take any cognitive domain you want, memory,
41
113922
1991
Tome o domínio cognitivo que quiser: memória,
02:11
motor planning, thinking about your mother-in-law,
42
115913
2141
atividade motora, pensamentos sobre sua sogra,
02:13
getting angry at people, emotional response, it goes on and on,
43
118054
3715
ficar bravo com outras pessoas, respostas emocionais, e assim vai
02:17
put people into functional MRI devices, and
44
121769
3089
ponha gente nos equipamentos de IRM e
02:20
image how these kinds of variables map onto brain activity.
45
124858
3383
veja como estas variáveis mapeiam a atividade cerebral.
02:24
It's in its early stages, and it's crude by some measures,
46
128241
2849
Está nos estágios iniciais, de algum modo é rudimentar,
02:26
but in fact, 20 years ago, we were at nothing.
47
131090
2568
mas de fato, 20 anos atrás, estávamos no nada.
02:29
You couldn't do people like this. You couldn't do healthy people.
48
133658
2359
Você não podia fazer isso com as pessoas. Não podia fazer com pessoas saudáveis.
02:31
That's caused a literal revolution, and it's opened us up
49
136017
2488
Isso literalmente causou uma revolução, e nos deu acesso a
02:34
to a new experimental preparation. Neurobiologists,
50
138505
2818
novas coabaias. Neurobiólogos,
02:37
as you well know, have lots of experimental preps,
51
141323
3760
como vocês sabem, têm muitas cobaias,
02:40
worms and rodents and fruit flies and things like this.
52
145083
3141
vermes, roedores, moscas e coisas do tipo.
02:44
And now, we have a new experimental prep: human beings.
53
148224
3397
E agora temos uma nova cobaia: seres humanos.
02:47
We can now use human beings to study and model
54
151621
3761
Nós agora podemos usar seres humanos e modelar
02:51
the software in human beings, and we have a few
55
155382
2950
o software em seres humanos, e temos algumas
02:54
burgeoning biological measures.
56
158332
2835
medidas biológicas florecendo .
02:57
Okay, let me give you one example of the kinds of experiments that people do,
57
161167
3887
Ok, deixe-me dar um exemplo dos tipos de experimentos que as pessoas fazem,
03:00
and it's in the area of what you'd call valuation.
58
165054
2677
e isto na área que vocês chamariam de avaliação.
03:03
Valuation is just what you think it is, you know?
59
167731
2135
Avaliação é o que você pensa que é, você sabe?
03:05
If you went and you were valuing two companies against
60
169866
2804
Se você tivesse que avaliar duas companhias uma
03:08
one another, you'd want to know which was more valuable.
61
172670
2736
contra a outra, e quisesse saber qual é a mais valiosa.
03:11
Cultures discovered the key feature of valuation thousands of years ago.
62
175406
3879
Culturas descobriram a chave da avaliação milhares de anos atrás.
03:15
If you want to compare oranges to windshields, what do you do?
63
179285
2690
Se você quer comparar laranjas com pára-brisas, o que você faz?
03:17
Well, you can't compare oranges to windshields.
64
181975
2356
Bem, você não pode comparar laranjas com pára-brisas.
03:20
They're immiscible. They don't mix with one another.
65
184331
2255
Eles são imiscíveis. Não se misturam um com o outro.
03:22
So instead, you convert them to a common currency scale,
66
186586
2351
Então, em vez disso, você os converte a uma escala de avaliação comum,
03:24
put them on that scale, and value them accordingly.
67
188937
2706
os coloca numa escala, e avalia em de acordo.
03:27
Well, your brain has to do something just like that as well,
68
191643
3436
Bem, seu cérebro tem de fazer algo assim também,
03:30
and we're now beginning to understand and identify
69
195079
2488
e nós estamos começando a entender e identificar
03:33
brain systems involved in valuation,
70
197567
2137
sistemas cerebrais envolvidos na avaliação,
03:35
and one of them includes a neurotransmitter system
71
199704
2632
e um deles inclui um sistema neurotransmissor
03:38
whose cells are located in your brainstem
72
202336
2632
cujas células estão localizadas no seu tronco cerebral
03:40
and deliver the chemical dopamine to the rest of your brain.
73
204968
3175
e produz a dopamina para o resto do cérebro.
03:44
I won't go through the details of it, but that's an important
74
208143
2442
Não vou entrar nos detalhes disso, mas uma importante
03:46
discovery, and we know a good bit about that now,
75
210585
2157
descoberta, e agora conhecemos um pouco disso,
03:48
and it's just a small piece of it, but it's important because
76
212742
2230
é apenas uma pequena parte, mas é importante porque
03:50
those are the neurons that you would lose if you had Parkinson's disease,
77
214972
3275
aqueles neurônios que você perderia se tivesse mal de Parkinson,
03:54
and they're also the neurons that are hijacked by literally
78
218247
2016
são os neurônios literalmente sequestrados por
03:56
every drug of abuse, and that makes sense.
79
220263
2232
cada droga sem prescrição, e isso faz sentido.
03:58
Drugs of abuse would come in, and they would change
80
222495
2336
A droga sem prescrição poderia entrar, e isso poderia mudar
04:00
the way you value the world. They change the way
81
224831
1789
o modo que você avaliar o mundo. Elas mudam o modo
04:02
you value the symbols associated with your drug of choice,
82
226620
3199
como você avalia os símbolos associados com sua droga escolhida,
04:05
and they make you value that over everything else.
83
229819
2514
e fariam você avaliar aquilo em relação a todo o resto.
04:08
Here's the key feature though. These neurons are also
84
232333
3021
Entretanto aqui há um elemento-chave. Esses neurônios estão envolvidos
04:11
involved in the way you can assign value to literally abstract ideas,
85
235354
3501
também no modo como você avalia as ideias abstratas,
04:14
and I put some symbols up here that we assign value to
86
238855
2041
e eu pus alguns símbolos aqui que nós avaliamos devido a
04:16
for various reasons.
87
240896
2720
vários motivos.
04:19
We have a behavioral superpower in our brain,
88
243616
2689
Nós temos um super poder comportamental no cérebro,
04:22
and it at least in part involves dopamine.
89
246305
1753
e isto no mínimo envolve em parte a dopamina .
04:23
We can deny every instinct we have for survival for an idea,
90
248058
4189
Nós podemos negar cada instinto de sobrevivência em favor de uma ideia,
04:28
for a mere idea. No other species can do that.
91
252247
4005
por uma mera ideia. Nenhuma outra espécie pode fazer isso.
04:32
In 1997, the cult Heaven's Gate committed mass suicide
92
256252
3606
Em 1997, o culto "Portões do Céu" cometeu suicídio em massa
04:35
predicated on the idea that there was a spaceship
93
259858
2215
baseados na ideia de que havia uma nave espacial
04:37
hiding in the tail of the then-visible comet Hale-Bopp
94
262073
3785
escondendo-se na cauda do então visível cometa Hale-Bopp
04:41
waiting to take them to the next level. It was an incredibly tragic event.
95
265858
4272
esperando para levá-los para o próximo nível. Foi um evento incrivelmente trágico.
04:46
More than two thirds of them had college degrees.
96
270130
3485
Mais de dois terços deles tinham diplomas universitários.
04:49
But the point here is they were able to deny their instincts for survival
97
273615
3723
Mas o ponto aqui é que eles foram capazes de negar seus instintos de sobrevivência
04:53
using exactly the same systems that were put there
98
277338
2866
usando exatamente os mesmos sistemas que foram postos lá
04:56
to make them survive. That's a lot of control, okay?
99
280204
4042
para fazê-los sobreviver. Isso é muito controle, certo?
05:00
One thing that I've left out of this narrative
100
284246
2089
Uma coisa que deixei fora dessa narrativa
05:02
is the obvious thing, which is the focus of the rest of my
101
286335
2234
é a coisa óbvia, que é o centro do resto da minha
05:04
little talk, and that is other people.
102
288569
2159
pequena fala, e isso são as outras pessoas.
05:06
These same valuation systems are redeployed
103
290728
2996
Estes mesmos sistemas de avaliação são empregados
05:09
when we're valuing interactions with other people.
104
293724
2492
quando nós estamos avaliando interações com outras pessoas.
05:12
So this same dopamine system that gets addicted to drugs,
105
296216
3271
Então esse mesmo sistema de dopamina que se vicia em drogas,
05:15
that makes you freeze when you get Parkinson's disease,
106
299487
2524
que faz você congelar quando você tem mal de Parkinson,
05:17
that contributes to various forms of psychosis,
107
302011
3077
que contribui com vários tipos de psicose,
05:20
is also redeployed to value interactions with other people
108
305088
3920
é também empregado para avaliar interações com outras pessoas.
05:24
and to assign value to gestures that you do
109
309008
2896
e atribui valores para os gestos que você faz
05:27
when you're interacting with somebody else.
110
311904
2574
quando interage com alguém.
05:30
Let me give you an example of this.
111
314478
2577
Deixe-me dar um exemplo disto.
05:32
You bring to the table such enormous processing power
112
317055
2967
Você traz a tona um poder de processamento enorme
05:35
in this domain that you hardly even notice it.
113
320022
2624
neste domínio que você raramente nota.
05:38
Let me just give you a few examples. So here's a baby.
114
322646
1467
Deixe-me dar apenas alguns pequenos exemplos. Então aqui tem um bebê.
05:40
She's three months old. She still poops in her diapers and she can't do calculus.
115
324113
3730
Ela tem três meses. Ela ainda faz cocô nas fraldas e não pode fazer cálculo.
05:43
She's related to me. Somebody will be very glad that she's up here on the screen.
116
327843
3353
Ela tem uma relação comigo. Alguém vai ficar muito contente que ela apareceu aqui na tela.
05:47
You can cover up one of her eyes, and you can still read
117
331196
2376
Você pode cobrir um dos olhos dela, e você ainda pode ler
05:49
something in the other eye, and I see sort of curiosity
118
333572
2755
alguma coisa no outro olho, e eu vejo algo de curiosidade
05:52
in one eye, I see maybe a little bit of surprise in the other.
119
336327
3597
em um olho, talvez veja um pouco de surpresa no outro.
05:55
Here's a couple. They're sharing a moment together,
120
339924
3179
Aqui temos um casal. Eles compartilham um momento juntos,
05:59
and we've even done an experiment where you can cut out
121
343103
1318
e fizemos um experimento no qual você pode cortar
06:00
different pieces of this frame and you can still see
122
344421
3007
pedaços desse quadro mas você ainda pode ver
06:03
that they're sharing it. They're sharing it sort of in parallel.
123
347428
2504
que eles compartilham algo. Eles compartilham meio que em paralelo.
06:05
Now, the elements of the scene also communicate this
124
349932
2463
Agora, esses elementos da cena também comunicam isto
06:08
to us, but you can read it straight off their faces,
125
352395
2235
para nós, mas você pode ler isto direto nas faces deles,
06:10
and if you compare their faces to normal faces, it would be a very subtle cue.
126
354630
3503
e se você compara suas faces com faces normais, seria um detalhe bem sutil.
06:14
Here's another couple. He's projecting out at us,
127
358133
3347
Aqui temos outro casal. Ele projeta para nós,
06:17
and she's clearly projecting, you know,
128
361480
2888
e ela claramente projeta, vocês sabem,
06:20
love and admiration at him.
129
364368
2263
amor e admiração por ele.
06:22
Here's another couple. (Laughter)
130
366631
3635
Aqui outro casal. (Risos)
06:26
And I'm thinking I'm not seeing love and admiration on the left. (Laughter)
131
370266
5150
E penso que não vejo amor e admiração na esquerda (Risos)
06:31
In fact, I know this is his sister, and you can just see
132
375416
2560
De fato, eu sei que ela é sua irmã, e vocês podem ver
06:33
him saying, "Okay, we're doing this for the camera,
133
377976
2513
que ele está dizendo: "ok, você está fazendo isso para a câmera,
06:36
and then afterwards you steal my candy and you punch me in the face." (Laughter)
134
380489
5702
e então depois disso você rouba meus doces e bate na minha cara." (Risos)
06:42
He'll kill me for showing that.
135
386191
2106
Ele vai me matar por essa.
06:44
All right, so what does this mean?
136
388297
2797
Tudo bem, então o que isso significa?
06:46
It means we bring an enormous amount of processing power to the problem.
137
391094
3350
Significa que trazemos uma enorme quantidade de poder de processamento para o problema.
06:50
It engages deep systems in our brain, in dopaminergic
138
394444
3648
Isso envolve profundos sistemas no nosso cérebro, nos sistemas
06:53
systems that are there to make you chase sex, food and salt.
139
398092
2818
dopaminérgicos que são os que fazem você buscar sexo, comida e sal.
06:56
They keep you alive. It gives them the pie, it gives
140
400910
2894
Eles te mantêm vivo. Dão a torta, dão
06:59
that kind of a behavioral punch which we've called a superpower.
141
403804
2904
aquele tipo de impulso no comportamento que chamamos de superpoder
07:02
So how can we take that and arrange a kind of staged
142
406708
3654
Então como podemos pegar isso e arranjar numa
07:06
social interaction and turn that into a scientific probe?
143
410362
2698
interação social teatral e transformar isso numa experiência científica?
07:08
And the short answer is games.
144
413060
2691
E a resposta curta é jogos.
07:11
Economic games. So what we do is we go into two areas.
145
415751
4404
Jogos econômicos. Então o que fazemos é atuar em duas áreas:
07:16
One area is called experimental economics. The other area is called behavioral economics.
146
420155
3336
Uma área é chamada economia experimental. A outra é chamada economia comportamental.
07:19
And we steal their games. And we contrive them to our own purposes.
147
423491
4078
E roubamos os jogos delas. E ajustamos conforme nossos próprios propósitos.
07:23
So this shows you one particular game called an ultimatum game.
148
427569
2967
Então isto mostra um jogo particular chamado jogo do ultimato.
07:26
Red person is given a hundred dollars and can offer
149
430536
1845
A pessoa vermelha tem cem dólares e pode oferecer
07:28
a split to blue. Let's say red wants to keep 70,
150
432381
3723
a metade para a azul. Digamos, a vermelha quer ficar com 70,
07:32
and offers blue 30. So he offers a 70-30 split with blue.
151
436104
4086
e oferece 30 para a azul. Então ela oferece uma divisão de 70-30 com a azul.
07:36
Control passes to blue, and blue says, "I accept it,"
152
440190
2851
O controle passa para a azul, e a azul diz: " Eu aceito",
07:38
in which case he'd get the money, or blue says,
153
443041
1956
no caso em que ele pega o dinheiro, ou o azul diz,
07:40
"I reject it," in which case no one gets anything. Okay?
154
444997
4307
" Eu rejeito", no caso em que ninguém pega nada.
07:45
So a rational choice economist would say, well,
155
449304
3392
Então numa escolha racional um economista diria, bem,
07:48
you should take all non-zero offers.
156
452696
2056
você deveria pegar todas as ofertas.
07:50
What do people do? People are indifferent at an 80-20 split.
157
454752
3762
O que as pessoas fazem? Elas são indiferentes a uma divisão de 80-20.
07:54
At 80-20, it's a coin flip whether you accept that or not.
158
458514
3524
Uma divisão de 80-20, é cara ou coroa você aceite ou não.
07:57
Why is that? You know, because you're pissed off.
159
462038
2891
Porquê? Você sabe, porque vocês está bravo.
08:00
You're mad. That's an unfair offer, and you know what an unfair offer is.
160
464929
3609
Você está louco. Isso é uma oferta injusta, e você sabe que é uma oferta injusta.
08:04
This is the kind of game done by my lab and many around the world.
161
468538
2704
Esse é o tipo de jogo feito no meu laboratório e em muitos em todo mundo.
08:07
That just gives you an example of the kind of thing that
162
471242
2544
Isso lhes dá um exemplo do tipo de coisa que
08:09
these games probe. The interesting thing is, these games
163
473786
3738
esses jogos testam. A coisa interessante destes jogos é
08:13
require that you have a lot of cognitive apparatus on line.
164
477524
3707
que eles requerem de você muita força cognitiva.
08:17
You have to be able to come to the table with a proper model of another person.
165
481231
2928
Você tem de ser capaz de trazer a tona um modelo adequado da outra pessoa.
08:20
You have to be able to remember what you've done.
166
484159
3213
Você tem de ser capaz de lembrar o que você fez.
08:23
You have to stand up in the moment to do that.
167
487372
1420
Você tem de se levantar na hora para fazer isso.
08:24
Then you have to update your model based on the signals coming back,
168
488792
3350
Então tem de atualizar seus modelos basados nos sinais de que recebe,
08:28
and you have to do something that is interesting,
169
492142
2972
e tem de fazer alguma coisa interessante,
08:31
which is you have to do a kind of depth of thought assay.
170
495114
2597
que é você ter de fazer uma reflexão profunda.
08:33
That is, you have to decide what that other person expects of you.
171
497711
3333
É isso, você tem de decidir o que a outra pessoa espera de você.
08:36
You have to send signals to manage your image in their mind.
172
501044
2954
Você tem de mandar sinais para negociar sua imagem na mente dela.
08:39
Like a job interview. You sit across the desk from somebody,
173
503998
2853
Como numa entrevista de emprego. Você se senta do outro lado da mesa de alguém
08:42
they have some prior image of you,
174
506851
1369
que tem uma imagem preformada de você,
08:44
you send signals across the desk to move their image
175
508220
2751
você envia sinais para o outro lado da mesa para mudar a imagem que
08:46
of you from one place to a place where you want it to be.
176
510971
3920
eles tem de você para uma que o favoreça.
08:50
We're so good at this we don't really even notice it.
177
514891
3385
Somos tão bons nesta hora que realmente nem notamos.
08:54
These kinds of probes exploit it. Okay?
178
518276
3767
Estes tipos de experiencias exploram isso. Certo?
08:57
In doing this, what we've discovered is that humans
179
522043
1807
Fazendo isso, nós descobrimos que somos
08:59
are literal canaries in social exchanges.
180
523850
2331
literalmente como canários nas trocas sociais.
09:02
Canaries used to be used as kind of biosensors in mines.
181
526181
3397
Os canários são comumente usados como sensores para minas.
09:05
When methane built up, or carbon dioxide built up,
182
529578
3560
Quando metano aumenta, ou dióxido de carbono aumenta,
09:09
or oxygen was diminished, the birds would swoon
183
533138
4186
ou oxigênio diminui, os pássaros perdem a consciência
09:13
before people would -- so it acted as an early warning system:
184
537324
2326
antes das pessoas. Então isso age como um sistema de avisos:
09:15
Hey, get out of the mine. Things aren't going so well.
185
539650
2980
Ei, desvie da mina! As coisas não estão tão boas.
09:18
People come to the table, and even these very blunt,
186
542630
2954
As pessoas vieram a mesa e, mesmo as mais rudes,
09:21
staged social interactions, and they, and there's just
187
545584
2990
atuaram em interações sociais, e há
09:24
numbers going back and forth between the people,
188
548574
3016
apenas números indo e vindo no entre as pessoas,
09:27
and they bring enormous sensitivities to it.
189
551590
2199
e eles trouxeram uma enorme sensibilidades para isso.
09:29
So we realized we could exploit this, and in fact,
190
553789
2689
Então descobrimos que podíamos explorar isso, e de fato
09:32
as we've done that, and we've done this now in
191
556478
2556
fizemos isto, e fizemos isso agora em
09:34
many thousands of people, I think on the order of
192
559034
2694
milhares de pessoas, eu penso que da ordem de
09:37
five or six thousand. We actually, to make this
193
561728
2165
cinco ou seis mil. Nós de fato, para fazermos disto
09:39
a biological probe, need bigger numbers than that,
194
563893
2224
um experimento biológico, precisamos de um número maior que este,
09:42
remarkably so. But anyway,
195
566117
3674
bem maiores. Mas de qualquer modo,
09:45
patterns have emerged, and we've been able to take
196
569791
2004
têm emergido padrões e fomos capazes de recolhe-los
09:47
those patterns, convert them into mathematical models,
197
571795
3836
e convertê-los em modelos matemáticos,
09:51
and use those mathematical models to gain new insights
198
575631
2689
e usar aqueles modelos matemáticos para gerar novas ideias
09:54
into these exchanges. Okay, so what?
199
578320
2131
sobre estas trocas. Tá bom, mas e daí?
09:56
Well, the so what is, that's a really nice behavioral measure,
200
580451
3313
Bem, daí que esta é uma bela medida de comportamento,
09:59
the economic games bring to us notions of optimal play.
201
583764
3319
os jogos econômicos nos trazem a noção do jogo ideal.
10:02
We can compute that during the game.
202
587083
2484
Você pode computar isso durante o jogo.
10:05
And we can use that to sort of carve up the behavior.
203
589567
2953
E podemos usar isso para subdividir o comportamento.
10:08
Here's the cool thing. Six or seven years ago,
204
592520
4330
Veja que da hora. Seis ou sete anos atrás,
10:12
we developed a team. It was at the time in Houston, Texas.
205
596850
2550
nós desenvolvemos uma equipe. Ficava em Houston, Texas.
10:15
It's now in Virginia and London. And we built software
206
599400
3394
E agora está na Virginia e Londres. Construímos software
10:18
that'll link functional magnetic resonance imaging devices
207
602794
3207
que irá ligar os equipamentos de ressonância magnética
10:21
up over the Internet. I guess we've done up to six machines
208
606001
4035
com a internet. Eu acho que fizemos com umas seis máquinas
10:25
at a time, but let's just focus on two.
209
610036
1981
de cada vez, mas vamos focar apenas em duas.
10:27
So it synchronizes machines anywhere in the world.
210
612017
3058
Então isso sincroniza as máquinas em qualquer lugar no mundo.
10:30
We synchronize the machines, set them into these
211
615075
3169
Sincronizamos as máquinas, ajustamos nessas
10:34
staged social interactions, and we eavesdrop on both
212
618244
1983
interações sociais e perscutamos ambas
10:36
of the interacting brains. So for the first time,
213
620227
1666
as interações dos cérebros. Então pela primeira vez,
10:37
we don't have to look at just averages over single individuals,
214
621893
3607
não temos que olhar a média de apenas um indivíduo
10:41
or have individuals playing computers, or try to make
215
625500
2897
ou ter indivíduos jogando no computador, ou tentando fazer
10:44
inferences that way. We can study individual dyads.
216
628397
2763
inferências daquele jeito. Nós podemos estudar duplas individualmente.
10:47
We can study the way that one person interacts with another person,
217
631160
2785
Podemos estudar o modo como uma pessoa interage com outra pessoa,
10:49
turn the numbers up, and start to gain new insights
218
633945
2564
multiplicar os números, e começar a ter novas ideias
10:52
into the boundaries of normal cognition,
219
636509
2515
nos domínios da cognição normal,
10:54
but more importantly, we can put people with
220
639024
2732
porém mais importante, nós podemos por essas pessoas com
10:57
classically defined mental illnesses, or brain damage,
221
641756
3337
doença mental clássica, ou dano cerebral
11:00
into these social interactions, and use these as probes of that.
222
645093
3551
nestas interações sociais, e usar como prova disso.
11:04
So we've started this effort. We've made a few hits,
223
648644
2350
Então nós começamos essa tentativa. Fizemos alguns pontos,
11:06
a few, I think, embryonic discoveries.
224
650994
2449
umas poucas, penso eu, descobertas embrionárias.
11:09
We think there's a future to this. But it's our way
225
653443
2812
Pensamos que há um futuro nisto. Mas este é nosso jeito
11:12
of going in and redefining, with a new lexicon,
226
656255
2560
continuar e redefinirmos, com um novo vocabulário,
11:14
a mathematical one actually, as opposed to the standard
227
658815
4022
um modelo matemático, que se openha ao modo
11:18
ways that we think about mental illness,
228
662837
2578
comum de avaliar a doença mental,
11:21
characterizing these diseases, by using the people
229
665415
2067
caracterizando estas doenças, ao usar pessoas
11:23
as birds in the exchanges. That is, we exploit the fact
230
667482
3007
como pássaros nas trocas. Ou seja, exploramos o fato
11:26
that the healthy partner, playing somebody with major depression,
231
670489
4244
de que alguém saudável, jogando com alguém que tem depressão
11:30
or playing somebody with autism spectrum disorder,
232
674733
2910
ou jogando com alguém que esteja no espectro do autismo,
11:33
or playing somebody with attention deficit hyperactivity disorder,
233
677643
3850
ou jogando com alguém que tenha dislexia,
11:37
we use that as a kind of biosensor, and then we use
234
681493
3219
usamos isso como um biosensor e então usamos
11:40
computer programs to model that person, and it gives us
235
684712
2644
programas de computador para modelar aquela pessoa, e isso nos dá
11:43
a kind of assay of this.
236
687356
2470
a chave para testarmos isto.
11:45
Early days, and we're just beginning, we're setting up sites
237
689826
2131
Antes, e estamos apenas no começo, só montavamos cenários
11:47
around the world. Here are a few of our collaborating sites.
238
691957
3410
pelo mundo. Aqui estão alguns de nossos colaboradores.
11:51
The hub, ironically enough,
239
695367
2309
O centro, ironicamente
11:53
is centered in little Roanoke, Virginia.
240
697676
2889
é situado na pequena Roanoke, Virginia.
11:56
There's another hub in London, now, and the rest
241
700565
2269
Existe outro centro em Londres, agora, e o resto
11:58
are getting set up. We hope to give the data away
242
702834
4009
está sendo organizado. Esperamos publicar os dados
12:02
at some stage. That's a complicated issue
243
706843
3673
em algum momento. É uma questão delicada
12:06
about making it available to the rest of the world.
244
710516
2994
publicar os dados para o resto do mundo.
12:09
But we're also studying just a small part
245
713510
1847
Mas estamos também estudando uma pequena parte
12:11
of what makes us interesting as human beings, and so
246
715357
2267
do que nos torna interessantes com seres humanos e então
12:13
I would invite other people who are interested in this
247
717624
2041
eu convidaria outras pessoas interessadas nisto
12:15
to ask us for the software, or even for guidance
248
719665
2569
para nos pedir o software, ou mesmo orientação
12:18
on how to move forward with that.
249
722234
2219
de como ir adiante com isso.
12:20
Let me leave you with one thought in closing.
250
724453
2341
Como conclusão, deixo um pensamento.
12:22
The interesting thing about studying cognition
251
726794
1942
A coisa interessante de se estudar cognição
12:24
has been that we've been limited, in a way.
252
728736
3732
tem sido que estamos limitados, de certo modo.
12:28
We just haven't had the tools to look at interacting brains
253
732468
2943
Nós não tínhamos as ferramentas para examinarmos cérebros interagindo
12:31
simultaneously.
254
735411
1200
simultaneamente.
12:32
The fact is, though, that even when we're alone,
255
736611
2470
O fato é que, de qualquer jeito, mesmo que estejamos sozinhos,
12:34
we're a profoundly social creature. We're not a solitary mind
256
739081
4111
somos uma criatura profundamente social. Não somos uma mente solitária
12:39
built out of properties that kept it alive in the world
257
743192
4373
construída de propriedades que o mantém vivo no mundo
12:43
independent of other people. In fact, our minds
258
747565
3948
independente das outras pessoas. De fato, nossas mentes
12:47
depend on other people. They depend on other people,
259
751513
2870
dependem de outras pessoas. Elas dependem do outro
12:50
and they're expressed in other people,
260
754383
1541
e se expressam pelo outro,
12:51
so the notion of who you are, you often don't know
261
755924
3652
então a noção de de quem você é, você frequentemente não sabe
12:55
who you are until you see yourself in interaction with people
262
759576
2688
quem você é até se ver interagindo com pessoas
12:58
that are close to you, people that are enemies of you,
263
762264
2406
que são próximas a você, pessoas que são suas inimigas,
13:00
people that are agnostic to you.
264
764670
2545
pessoas que não te reconhecem.
13:03
So this is the first sort of step into using that insight
265
767215
3776
Então esté é o primeiro passo em usar estas ideias
13:06
into what makes us human beings, turning it into a tool,
266
770991
3295
do que nos fazem humanos, e transformá-las numa ferramenta
13:10
and trying to gain new insights into mental illness.
267
774286
1978
e tentar ter novas ideias sobre a doença mental.
13:12
Thanks for having me. (Applause)
268
776264
3121
Obrigado por me receberem. ( Aplausos)
13:15
(Applause)
269
779385
3089
(Aplausos)
ABOUT THE SPEAKER
Read Montague - Behavioral NeuroscientistWhat does "normal behavior" look like? To find out, Read Montague is imaging thousands of brains at work.
Why you should listen
Until recently, the world's curiosity about our brains seemed to focus on abnormal behavior. Which of course left a big question unanswered: Do we even know what "normal behavior" is? Through the landmark Roanoke Brain Study, Read Montague is hoping to find that out, exploring the everyday tasks of brains -- making decisions, understanding social context, and relating to others -- by neuroimaging some 5,000 people, ages 18-85, over a period of many years.
Montague's teams in Virginia and in London lead fascinating research in computational neuroscience (how the brain's "machinery" works), offering insight into the relationship between the social and cognitive functions. For instance, a recent study from his group found that in small social groups, some people will alter the expression of their IQ in reaction to social pressures -- revising, in almost all cases, downward.
Read Montague | Speaker | TED.com