TEDGlobal 2009
Rebecca Saxe: How we read each other's minds
Rebecca Saxe: Como o cérebro faz julgamentos morais
Filmed:
Readability: 3.6
3,311,612 views
Sentir os motivos, as crenças e sentimentos aos próximos e estranhos é um talento natural para humanos. Mas como nós fazemos isso? Aqui, Rebecca Saxe compartilha seu fascinante trabalho que estuda como o cérebro pensa sobre os pensamentos das outras pessoas -- e julga suas ações.
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
Hoje irei falar sobre o problema das outras mentes.
00:15
And the problem I'm going to talk about
1
3000
2000
O problema sobre o qual irei falar
00:17
is not the familiar one from philosophy,
2
5000
3000
não é o famoso problema da filosofia
00:20
which is, "How can we know
3
8000
2000
que diz: "Como podemos saber
00:22
whether other people have minds?"
4
10000
2000
se outras pessoas têm mentes?"
00:24
That is, maybe you have a mind,
5
12000
2000
Ou seja, talvez você tenha uma mente,
00:26
and everyone else is just a really convincing robot.
6
14000
3000
e as outras pessoas sejam robôs bem convincentes.
00:29
So that's a problem in philosophy,
7
17000
2000
Isto é um problema na filosofia,
00:31
but for today's purposes I'm going to assume
8
19000
2000
mas para os objetivos de hoje irei assumir
00:33
that many people in this audience have a mind,
9
21000
2000
que muitas pessoas na plateia têm mentes,
00:35
and that I don't have to worry about this.
10
23000
2000
e que não precisarei me preocupar com isto.
00:37
There is a second problem that is maybe even more familiar to us
11
25000
3000
Tem um segundo problema que talvez nos seja mais familiar
00:40
as parents and teachers and spouses
12
28000
3000
como pais, professores, casais...
00:43
and novelists,
13
31000
2000
e romancistas.
00:45
which is, "Why is it so hard
14
33000
2000
Que é: "Por que é tão difícil
00:47
to know what somebody else wants or believes?"
15
35000
2000
saber o que outra pessoa quer ou em que ela acredita?"
00:49
Or perhaps, more relevantly,
16
37000
2000
Ou talvez, mais importante:
00:51
"Why is it so hard to change what somebody else wants or believes?"
17
39000
3000
"Por que é tão difícil mudar o que outra pessoa quer ou em que acredita?"
00:54
I think novelists put this best.
18
42000
2000
Acho que romancistas explicam melhor.
00:56
Like Philip Roth, who said,
19
44000
2000
Como Philip Roth, que disse:
00:58
"And yet, what are we to do about this terribly significant business
20
46000
3000
"E então, o que faremos sobre esses importantes assuntos,
01:01
of other people?
21
49000
2000
sobre a vida dos outros?
01:03
So ill equipped are we all,
22
51000
2000
Estamos muito mal preparados,
01:05
to envision one another's interior workings
23
53000
2000
para entendermos como os outros funcionam
01:07
and invisible aims."
24
55000
2000
e seus objetivos invisíveis."
01:09
So as a teacher and as a spouse,
25
57000
3000
Como professora, e como esposa,
01:12
this is, of course, a problem I confront every day.
26
60000
2000
este é um problema que enfrento todos os dias.
01:14
But as a scientist, I'm interested in a different problem of other minds,
27
62000
3000
Mas, como cientista, estou interessada em um problema diferente sobre as mentes
01:17
and that is the one I'm going to introduce to you today.
28
65000
3000
e é isso que irei apresentar hoje a vocês.
01:20
And that problem is, "How is it so easy
29
68000
2000
E o problema é: "Como é tão fácil
01:22
to know other minds?"
30
70000
2000
entender as outras mentes?"
01:24
So to start with an illustration,
31
72000
2000
Para começar com uma ilustração,
01:26
you need almost no information,
32
74000
2000
você não precisa de muita informação,
01:28
one snapshot of a stranger,
33
76000
2000
uma foto de uma estranha,
01:30
to guess what this woman is thinking,
34
78000
2000
para adivinhar o que essa mulher está pensando,
01:32
or what this man is.
35
80000
3000
ou o que este homem está pensando.
01:35
And put another way, the crux of the problem is
36
83000
2000
Colocando de outra forma, o foco do problema
01:37
the machine that we use for thinking about other minds,
37
85000
3000
é que a máquina que usamos para pensar sobre outras mentes,
01:40
our brain, is made up of pieces, brain cells,
38
88000
3000
nosso cérebro, é feita de peças, células nervosas,
01:43
that we share with all other animals, with monkeys
39
91000
2000
que compartilhamos com todos os outros animais, com macacos,
01:45
and mice and even sea slugs.
40
93000
3000
camundongos e até mesmo lesmas-do-mar.
01:48
And yet, you put them together in a particular network,
41
96000
3000
Então você as juntam em uma rede bem específica,
01:51
and what you get is the capacity to write Romeo and Juliet.
42
99000
3000
e o que consegue é a capacidade de escrever Romeu e Julieta.
01:54
Or to say, as Alan Greenspan did,
43
102000
2000
ou, como Alan Greenspan disse:
01:56
"I know you think you understand what you thought I said,
44
104000
3000
"Eu sei que você acha que entendeu o que pensou que eu disse,
01:59
but I'm not sure you realize that what you heard
45
107000
2000
mas eu não sei se percebeu que o que eu disse
02:01
is not what I meant."
46
109000
2000
não era o que eu queria dizer."
02:03
(Laughter)
47
111000
3000
(risos)
02:06
So, the job of my field of cognitive neuroscience
48
114000
2000
O trabalho da minha área de neurociência cognitiva
02:08
is to stand with these ideas,
49
116000
2000
é pegar estas ideias,
02:10
one in each hand.
50
118000
2000
uma em cada mão,
02:12
And to try to understand how you can put together
51
120000
3000
e tentar entender como você pode juntar
02:15
simple units, simple messages over space and time, in a network,
52
123000
4000
unidades simples, mensagens simples através do espaço e tempo,
02:19
and get this amazing human capacity to think about minds.
53
127000
4000
em uma rede, e ter essa incrível capacidade de pensar sobre a consciência.
02:23
So I'm going to tell you three things about this today.
54
131000
3000
Irei falar três coisas sobre isto hoje.
02:26
Obviously the whole project here is huge.
55
134000
3000
Obviamente o projeto todo é enorme
02:29
And I'm going to tell you just our first few steps
56
137000
3000
Apenas irei apresentar nossos primeiros passos
02:32
about the discovery of a special brain region
57
140000
2000
sobre a descoberta de uma região especial no cérebro
02:34
for thinking about other people's thoughts.
58
142000
2000
utilizada para pensar sobre o pensamento dos outros.
02:36
Some observations on the slow development of this system
59
144000
2000
Sobre o lento desenvolvimento desse sistema
02:38
as we learn how to do this difficult job.
60
146000
4000
enquanto aprendemos a realizar essa difícil tarefa.
02:42
And then finally, to show that some of the differences
61
150000
2000
E, finalmente, mostrar que algumas diferenças
02:44
between people, in how we judge others,
62
152000
3000
entre as pessoas, em como julgamos os outros,
02:47
can be explained by differences in this brain system.
63
155000
4000
podem ser explicadas pelas diferenças neste sistema cerebral.
02:51
So first, the first thing I want to tell you is that
64
159000
2000
Quero mostrar a vocês que existe uma região
02:53
there is a brain region in the human brain, in your brains,
65
161000
3000
no cérebro humano, nos cérebros de vocês,
02:56
whose job it is to think about other people's thoughts.
66
164000
3000
cujo trabalho é pensar sobre os pensamentos das outras pessoas.
02:59
This is a picture of it.
67
167000
2000
Aqui tem uma figura dela.
03:01
It's called the Right Temporo-Parietal Junction.
68
169000
2000
É chamada de Junção Temporo-Parietal Direita.
03:03
It's above and behind your right ear.
69
171000
2000
Está acima e atrás sua orelha direita.
03:05
And this is the brain region you used when you saw the pictures I showed you,
70
173000
2000
Esse é a região do cérebro que você usou quando viu as figuras que mostrei,
03:07
or when you read Romeo and Juliet
71
175000
2000
ou quando você leu Romeu e Julieta,
03:09
or when you tried to understand Alan Greenspan.
72
177000
3000
ou quando tentou entender Alan Greenspan.
03:12
And you don't use it for solving any other kinds of logical problems.
73
180000
4000
E você não a usa para resolver nenhum outro tipo de problema lógico.
03:16
So this brain region is called the Right TPJ.
74
184000
3000
Esta região do cérebro é chamada de RTPJ (sigla em inglês)
03:19
And this picture shows the average activation
75
187000
2000
Esta imagem mostra a atividade média
03:21
in a group of what we call typical human adults.
76
189000
2000
em um grupo do que conhecemos como adultos humanos típicos.
03:23
They're MIT undergraduates.
77
191000
2000
São universitários do MIT.
03:25
(Laughter)
78
193000
4000
(risos)
03:29
The second thing I want to say about this brain system
79
197000
2000
O segundo fato que quero contar sobre este sistema cerebral
03:31
is that although we human adults
80
199000
2000
é que embora nós, humanos adultos,
03:33
are really good at understanding other minds,
81
201000
2000
sejamos bons em entender outras mentes,
03:35
we weren't always that way.
82
203000
2000
nem sempre fomos assim.
03:37
It takes children a long time to break into the system.
83
205000
3000
Leva um bom tempo para as crianças entraram no sistema.
03:40
I'm going to show you a little bit of that long, extended process.
84
208000
4000
Irei mostrar um pouco desse longo e extenso processo.
03:44
The first thing I'm going to show you is a change between age three and five,
85
212000
3000
Primeiramente irei mostrar a diferença entre três e cinco anos de idade,
03:47
as kids learn to understand
86
215000
2000
quando as crianças aprendem a entender
03:49
that somebody else can have beliefs that are different from their own.
87
217000
3000
que outra pessoa também pode ter opiniões que são diferentes das delas.
03:52
So I'm going to show you a five-year-old
88
220000
2000
Vou mostrar uma criança de cinco anos
03:54
who is getting a standard kind of puzzle
89
222000
2000
que recebeu um enigma
03:56
that we call the false belief task.
90
224000
3000
chamado de tarefa da falsa crença.
03:59
Rebecca Saxe (Video): This is the first pirate. His name is Ivan.
91
227000
3000
Video: Esse é o primeiro pirata. O nome dele é Ivan.
04:02
And you know what pirates really like?
92
230000
2000
Você sabe do que piratas gostam?
04:04
Child: What? RS: Pirates really like cheese sandwiches.
93
232000
3000
Piratas gostam muito de sanduíches de queijo.
04:07
Child: Cheese? I love cheese!
94
235000
3000
Criança: Queijo? Eu amo queijo!
04:10
RS: Yeah. So Ivan has this cheese sandwich,
95
238000
2000
R.S.: Isso. Então Ivan está com seu sanduíche
04:12
and he says, "Yum yum yum yum yum!
96
240000
2000
e diz: "Yum yum yum yum yum!
04:14
I really love cheese sandwiches."
97
242000
2000
Eu amo sanduíches de queijo."
04:16
And Ivan puts his sandwich over here, on top of the pirate chest.
98
244000
4000
Então Ivan colocou seu sanduíche aqui, em cima do baú pirata.
04:20
And Ivan says, "You know what? I need a drink with my lunch."
99
248000
4000
E ele diz: "Quer saber? Preciso de algo para beber com meu lanche."
04:24
And so Ivan goes to get a drink.
100
252000
3000
E Ivan vai pegar uma bebida.
04:27
And while Ivan is away
101
255000
2000
Enquanto Ivan não está
04:29
the wind comes,
102
257000
3000
vem o vento,
04:32
and it blows the sandwich down onto the grass.
103
260000
2000
e ele derruba o sanduíche na grama.
04:34
And now, here comes the other pirate.
104
262000
4000
Ai vem um outro pirata.
04:38
This pirate is called Joshua.
105
266000
3000
Esse pirata se chama Joshua.
04:41
And Joshua also really loves cheese sandwiches.
106
269000
2000
E Joshua também adora sanduíche de queijo.
04:43
So Joshua has a cheese sandwich and he says,
107
271000
2000
Ele também tem um sanduíche de queijo e diz:
04:45
"Yum yum yum yum yum! I love cheese sandwiches."
108
273000
4000
"Yum yum yum yum yum! Eu amo sanduíche de queijo."
04:49
And he puts his cheese sandwich over here on top of the pirate chest.
109
277000
3000
E ele o coloca em cima do baú pirata.
04:52
Child: So, that one is his.
110
280000
2000
Criança: Então aquele é o dele.
04:54
RS: That one is Joshua's. That's right.
111
282000
2000
R.S.: Aquele é do Joshua. Isso mesmo.
04:56
Child: And then his went on the ground.
112
284000
2000
Criança: E o dele caiu no chão.
04:58
RS: That's exactly right.
113
286000
2000
R.S.: Exatamente isso.
05:00
Child: So he won't know which one is his.
114
288000
2000
Criança: Então ele não sabe qual é o dele.
05:02
RS: Oh. So now Joshua goes off to get a drink.
115
290000
3000
R.S.: Agora Joshua sai para pegar uma bebida.
05:05
Ivan comes back and he says, "I want my cheese sandwich."
116
293000
4000
Ivan volta e diz: "Eu quero meu sanduíche."
05:09
So which one do you think Ivan is going to take?
117
297000
3000
Qual deles você acha que Ivan vai pegar?
05:12
Child: I think he is going to take that one.
118
300000
2000
Criança: Eu acho que ele vai pegar aquele ali.
05:14
RS: Yeah, you think he's going to take that one? All right. Let's see.
119
302000
2000
R.S.: Você acha que ele vai pegar aquele? Vamos ver.
05:16
Oh yeah, you were right. He took that one.
120
304000
3000
Sim, você estava certo. Ele pegou aquele lá.
05:19
So that's a five-year-old who clearly understands
121
307000
2000
Esta é uma criança de cinco anos que entende claramente
05:21
that other people can have false beliefs
122
309000
2000
que outras pessoas podem ter falsas crenças
05:23
and what the consequences are for their actions.
123
311000
2000
e quais são as consequências de seus atos.
05:25
Now I'm going to show you a three-year-old
124
313000
3000
Agora irei mostrar uma criança de três anos
05:28
who got the same puzzle.
125
316000
2000
que recebeu o mesmo enigma.
05:30
RS: And Ivan says, "I want my cheese sandwich."
126
318000
2000
Video: R.S.: Ivan então disse: "Eu quero meu sanduíche."
05:32
Which sandwich is he going to take?
127
320000
3000
Qual sanduíche ele irá pegar?
05:35
Do you think he's going to take that one? Let's see what happens.
128
323000
2000
Você acha que ele pegará este aqui? Vamos ver o que acontece.
05:37
Let's see what he does. Here comes Ivan.
129
325000
2000
Vamos ver o que ele faz. Aqui vem Ivan.
05:39
And he says, "I want my cheese sandwich."
130
327000
3000
E ele diz: "Eu quero meu sanduíche de queijo."
05:42
And he takes this one.
131
330000
2000
E ele pega esse aqui.
05:44
Uh-oh. Why did he take that one?
132
332000
3000
Oh-oh. Por que ele pegou aquele outro?
05:47
Child: His was on the grass.
133
335000
4000
Criança: O dele está na grama.
05:51
So the three-year-old does two things differently.
134
339000
3000
A criança de três anos faz duas coisas diferentes.
05:54
First, he predicts Ivan will take the sandwich
135
342000
3000
Primeiro ela acredita que Ivan irá pegar o sanduíche
05:57
that's really his.
136
345000
2000
que é realmente o dele.
05:59
And second, when he sees Ivan taking the sandwich where he left his,
137
347000
4000
Depois, quando ele vê Ivan pegando o sanduíche que estava do lado do dele,
06:03
where we would say he's taking that one because he thinks it's his,
138
351000
3000
e nós diríamos que ele pegou porque pensava que era o dele,
06:06
the three-year-old comes up with another explanation:
139
354000
3000
a criança de três anos mostra outra explicação.
06:09
He's not taking his own sandwich because he doesn't want it,
140
357000
2000
Ele não pegou o próprio sanduíche porque ele não quer,
06:11
because now it's dirty, on the ground.
141
359000
2000
porque agora está sujo, caído no chão.
06:13
So that's why he's taking the other sandwich.
142
361000
2000
E é por isso que ele pegou o outro sanduíche.
06:15
Now of course, development doesn't end at five.
143
363000
4000
E é claro, o desenvolvimento não termina aos cinco anos.
06:19
And we can see the continuation of this process
144
367000
2000
Podemos ver a continuação do processo
06:21
of learning to think about other people's thoughts
145
369000
2000
de aprendizagem sobre o pensamento dos outros
06:23
by upping the ante
146
371000
2000
aumentando a dificuldade
06:25
and asking children now, not for an action prediction,
147
373000
3000
e pedindo à criança, não para prever uma ação,
06:28
but for a moral judgment.
148
376000
2000
mas para fazer um julgamento moral.
06:30
So first I'm going to show you the three-year-old again.
149
378000
2000
Primeiro irei mostrar o de três anos de novo.
06:32
RS.: So is Ivan being mean and naughty for taking Joshua's sandwich?
150
380000
3000
Vídeo: R.S.: Ivan foi malcriado por ter pego o sanduíche do Joshua?
06:35
Child: Yeah.
151
383000
1000
Criança: Foi.
06:36
RS: Should Ivan get in trouble for taking Joshua's sandwich?
152
384000
3000
R.S.: Ele deveria ficar encrencado por ter pego o sanduíche do Joshua?
06:39
Child: Yeah.
153
387000
2000
Criança: Sim.
06:41
So it's maybe not surprising he thinks it was mean of Ivan
154
389000
2000
R.S.: Talvez não seja imprevisível ele achar que Ivan foi mau
06:43
to take Joshua's sandwich,
155
391000
2000
por ter pego o sanduíche do Joshua,
06:45
since he thinks Ivan only took Joshua's sandwich
156
393000
2000
já que ele pensa que Ivan apenas pegou o outro sanduíche
06:47
to avoid having to eat his own dirty sandwich.
157
395000
3000
para evitar de comer o próprio sanduíche sujo.
06:50
But now I'm going to show you the five-year-old.
158
398000
2000
Mas agora irei mostrar o de cinco anos.
06:52
Remember the five-year-old completely understood
159
400000
2000
Lembrem-se que ele entendia completamente
06:54
why Ivan took Joshua's sandwich.
160
402000
2000
porque Ivan pegou o sanduíche do Joshua.
06:56
RS: Was Ivan being mean and naughty
161
404000
2000
Video: R.S.: Ivan foi malcriado
06:58
for taking Joshua's sandwich?
162
406000
2000
por ter pego o sanduíche do Joshua?
07:00
Child: Um, yeah.
163
408000
2000
Criança: Hmm, sim.
07:02
And so, it is not until age seven
164
410000
2000
R.S.: E então, é só após os sete anos
07:04
that we get what looks more like an adult response.
165
412000
3000
que nós criamos o que parece mais como uma resposta adulta.
07:07
RS: Should Ivan get in trouble for taking Joshua's sandwich?
166
415000
3000
Video: R.S.: Ivan deve ficar encrencado por ter pego o outro sanduíche?
07:10
Child: No, because the wind should get in trouble.
167
418000
2000
Criança: Não, o vento deveria ficar encrencado.
07:12
He says the wind should get in trouble
168
420000
3000
R.S.: Ele disse que o vento é quem deveria ficar encrencado
07:15
for switching the sandwiches.
169
423000
2000
por ter trocado os sanduíches.
07:17
(Laughter)
170
425000
2000
(risos)
07:19
And now what we've started to do in my lab
171
427000
2000
O que nós começamos a fazer em meu laboratório
07:21
is to put children into the brain scanner
172
429000
2000
foi colocar crianças em um aparelho de ressonância magnética
07:23
and ask what's going on in their brain
173
431000
3000
e tentamos entender o que acontece em seus cérebros enquanto
07:26
as they develop this ability to think about other people's thoughts.
174
434000
3000
desenvolvem a habilidade de pensar sobre o pensamento de outros.
07:29
So the first thing is that in children we see this same brain region, the Right TPJ,
175
437000
4000
Nas crianças nós vimos a mesma região, o RTPJ, em ativação
07:33
being used while children are thinking about other people.
176
441000
3000
enquanto elas pensavam sobre outras pessoas.
07:36
But it's not quite like the adult brain.
177
444000
2000
Porém não é tanto quanto no cérebro adulto.
07:38
So whereas in the adults, as I told you,
178
446000
2000
Nos adultos, como eu disse,
07:40
this brain region is almost completely specialized --
179
448000
3000
essa região do cérebro é quase totalmente especializada.
07:43
it does almost nothing else except for thinking about other people's thoughts --
180
451000
3000
Não faz quase nada além de pensar sobre os pensamentos dos outros.
07:46
in children it's much less so,
181
454000
2000
Nas crianças é uma região bem menor
07:48
when they are age five to eight,
182
456000
2000
quando eles têm de cinco a oito anos,
07:50
the age range of the children I just showed you.
183
458000
2000
a faixa etária que eu acabei de mostrar.
07:52
And actually if we even look at eight to 11-year-olds,
184
460000
3000
Até mesmo se olharmos um com onze anos,
07:55
getting into early adolescence,
185
463000
2000
entrando na adolescência,
07:57
they still don't have quite an adult-like brain region.
186
465000
3000
eles ainda não possuem essa região como a dos adultos.
08:00
And so, what we can see is that over the course of childhood
187
468000
3000
O que nós vemos é que durante a infância,
08:03
and even into adolescence,
188
471000
2000
até mesmo na adolescência,
08:05
both the cognitive system,
189
473000
2000
tanto nosso sistema cognitivo,
08:07
our mind's ability to think about other minds,
190
475000
2000
nossa habilidade em pensar em outras mentes,
08:09
and the brain system that supports it
191
477000
2000
quanto o sistema do cérebro que o sustenta,
08:11
are continuing, slowly, to develop.
192
479000
3000
continuam a se desenvolver lentamente.
08:14
But of course, as you're probably aware,
193
482000
2000
Mas é claro, como devem imaginar,
08:16
even in adulthood,
194
484000
2000
mesmo na idade adulta
08:18
people differ from one another in how good they are
195
486000
2000
as pessoas se diferem umas das outras em como
08:20
at thinking of other minds, how often they do it
196
488000
2000
elas pensam sobre outras mentes, na frequência
08:22
and how accurately.
197
490000
2000
e na precisão disso.
08:24
And so what we wanted to know was, could differences among adults
198
492000
3000
O que queríamos descobrir era se as diferenças entre adultos,
08:27
in how they think about other people's thoughts
199
495000
2000
em como eles pensam sobre pensamentos dos outros,
08:29
be explained in terms of differences in this brain region?
200
497000
3000
podiam ser explicadas pela diferença nessa região cerebral.
08:32
So, the first thing that we did is we gave adults a version
201
500000
3000
Então nós demos aos adultos
08:35
of the pirate problem that we gave to the kids.
202
503000
2000
uma versão do enigma do pirata que as crianças receberam.
08:37
And I'm going to give that to you now.
203
505000
2000
Eu irei passar para vocês agora.
08:39
So Grace and her friend are on a tour of a chemical factory,
204
507000
3000
Grace e sua amiga estavam em uma fábrica química
08:42
and they take a break for coffee.
205
510000
2000
e pararam para tomar um café.
08:44
And Grace's friend asks for some sugar in her coffee.
206
512000
3000
A amiga da Grace pediu para colocar açúcar no seu café.
08:47
Grace goes to make the coffee
207
515000
3000
Grace vai preparar o café
08:50
and finds by the coffee a pot
208
518000
2000
e encontra um pote ao lado do café
08:52
containing a white powder, which is sugar.
209
520000
3000
contendo um pó branco, que é açúcar.
08:55
But the powder is labeled "Deadly Poison,"
210
523000
3000
Mas no rótulo está escrito: "Veneno mortal".
08:58
so Grace thinks that the powder is a deadly poison.
211
526000
3000
Grace acha que o pó é um veneno
09:01
And she puts it in her friend's coffee.
212
529000
2000
e ela o coloca dentro do café da amiga.
09:03
And her friend drinks the coffee, and is fine.
213
531000
3000
Sua amiga bebe o café, e não acontece nada.
09:06
How many people think it was morally permissible
214
534000
2000
Quantas pessoas acham que foi moralmente aceitável
09:08
for Grace to put the powder in the coffee?
215
536000
4000
Grace ter colocado o pó no café?
09:12
Okay. Good. (Laughter)
216
540000
3000
Ok. Ótimo. (risos)
09:15
So we ask people, how much should Grace be blamed
217
543000
3000
Nós perguntamos às pessoas se Grace deveria ser culpada
09:18
in this case, which we call a failed attempt to harm?
218
546000
2000
nesse caso, que chamamos de dano fracassado.
09:20
And we can compare that to another case,
219
548000
2000
E podemos fazer a comparação com outro caso
09:22
where everything in the real world is the same.
220
550000
2000
onde tudo continua igual,
09:24
The powder is still sugar, but what's different is what Grace thinks.
221
552000
3000
o pó continua sendo açúcar, o que muda é o que Grace pensa.
09:27
Now she thinks the powder is sugar.
222
555000
3000
Agora ela acha que o pó é açúcar.
09:30
And perhaps unsurprisingly, if Grace thinks the powder is sugar
223
558000
3000
E talvez obviamente, se Grace acha que o pó é açúcar
09:33
and puts it in her friend's coffee,
224
561000
2000
e coloca no café da amiga,
09:35
people say she deserves no blame at all.
225
563000
2000
as pessoas acham que ela não merece ter culpa alguma.
09:37
Whereas if she thinks the powder was poison, even though it's really sugar,
226
565000
4000
Enquanto que se ela pensa que o pó é veneno, mesmo sendo açúcar,
09:41
now people say she deserves a lot of blame,
227
569000
3000
as pessoas acham que ela merece muita culpa,
09:44
even though what happened in the real world was exactly the same.
228
572000
3000
mesmo o resultado sendo exatamente o mesmo.
09:47
And in fact, they say she deserves more blame
229
575000
2000
Na verdade elas acham que ela merece mais culpa
09:49
in this case, the failed attempt to harm,
230
577000
2000
nesse caso, na tentativa de dano fracassado,
09:51
than in another case,
231
579000
2000
do que no outro caso,
09:53
which we call an accident.
232
581000
2000
que chamamos de acidente,
09:55
Where Grace thought the powder was sugar,
233
583000
2000
quando Grace pensa que o pó é açúcar
09:57
because it was labeled "sugar" and by the coffee machine,
234
585000
2000
porque no rótulo está escrito açúcar,
09:59
but actually the powder was poison.
235
587000
2000
mas na verdade o pó era veneno.
10:01
So even though when the powder was poison,
236
589000
3000
Portanto mesmo quando o pó era veneno,
10:04
the friend drank the coffee and died,
237
592000
3000
e a amiga bebeu o café e morreu,
10:07
people say Grace deserves less blame in that case,
238
595000
3000
as pessoas acham que Grace merece menos culpa nesse caso,
10:10
when she innocently thought it was sugar,
239
598000
2000
em que ela inocentemente achou que era açúcar,
10:12
than in the other case, where she thought it was poison
240
600000
2000
do que no outro caso, que ela achou que era veneno,
10:14
and no harm occurred.
241
602000
3000
e não causou nenhum dano.
10:17
People, though, disagree a little bit
242
605000
2000
Contudo as pessoas discordam um pouco
10:19
about exactly how much blame Grace should get
243
607000
2000
exatamente sobre quanto de culpa Grace merece
10:21
in the accident case.
244
609000
2000
no caso do acidente.
10:23
Some people think she should deserve more blame,
245
611000
2000
Algumas acham que ela merece mais,
10:25
and other people less.
246
613000
2000
outras menos culpa.
10:27
And what I'm going to show you is what happened when we look inside
247
615000
2000
Agora irei mostrar o que acontece quando olhamos
10:29
the brains of people while they're making that judgment.
248
617000
2000
o cérebro das pessoas enquanto elas fazem esse julgamento.
10:31
So what I'm showing you, from left to right,
249
619000
2000
O que estou mostrando, da esquerda para a direita,
10:33
is how much activity there was in this brain region,
250
621000
3000
é o quanto de atividade observamos nessa região cerebral
10:36
and from top to bottom, how much blame
251
624000
2000
e de cima até em baixo, o quanto de culpa
10:38
people said that Grace deserved.
252
626000
2000
elas disseram que Grace merecia.
10:40
And what you can see is, on the left
253
628000
2000
O que nós vemos, à esquerda
10:42
when there was very little activity in this brain region,
254
630000
2000
quando há bem pouca atividade nessa região, é que
10:44
people paid little attention to her innocent belief
255
632000
3000
as pessoas deram menos atenção à crença inocente da Grace
10:47
and said she deserved a lot of blame for the accident.
256
635000
3000
e disseram que ela merecia muita culpa pelo acidente.
10:50
Whereas on the right, where there was a lot of activity,
257
638000
2000
Enquanto que, no lado direito, quando havia muita atividade,
10:52
people paid a lot more attention to her innocent belief,
258
640000
3000
as pessoas deram mais atenção à opinião inocente dela,
10:55
and said she deserved a lot less blame
259
643000
2000
e disseram que ela merecia menos culpa
10:57
for causing the accident.
260
645000
2000
por ter causado o acidente.
10:59
So that's good, but of course
261
647000
2000
Isso é ótimo. Mas é claro
11:01
what we'd rather is have a way to interfere
262
649000
2000
que o que queríamos é ter uma maneira de interferir
11:03
with function in this brain region,
263
651000
2000
na função dessa região cerebral
11:05
and see if we could change people's moral judgment.
264
653000
3000
e ver se poderíamos mudar os julgamentos morais das pessoas.
11:08
And we do have such a tool.
265
656000
2000
Então criamos uma ferramenta,
11:10
It's called Trans-Cranial Magnetic Stimulation,
266
658000
2000
chamada de Estimulador Magnético Transcraniano,
11:12
or TMS.
267
660000
2000
ou TMS (sigla em inglês).
11:14
This is a tool that lets us pass a magnetic pulse
268
662000
2000
Esta é uma ferramenta que envia impulsos magnéticos
11:16
through somebody's skull, into a small region of their brain,
269
664000
4000
através do crânio de alguém até a pequena região do seu cérebro,
11:20
and temporarily disorganize the function of the neurons in that region.
270
668000
4000
e temporariamente desorientamos a função dos neurônios na região.
11:24
So I'm going to show you a demo of this.
271
672000
2000
Irei mostrar uma demonstração desse aparelho.
11:26
First, I'm going to show you that this is a magnetic pulse.
272
674000
3000
Primeiro mostrarei que ele envia pulsos magnéticos,
11:29
I'm going to show you what happens when you put a quarter on the machine.
273
677000
3000
e o que acontece quando colocamos uma moeda nesta máquina.
11:32
When you hear clicks, we're turning the machine on.
274
680000
4000
Quando ouvir um click é quando ligamos o aparelho.
11:42
So now I'm going to apply that same pulse to my brain,
275
690000
3000
Agora irei aplicar o mesmo pulso ao meu cérebro
11:45
to the part of my brain that controls my hand.
276
693000
2000
sobre a parte que controla minha mão.
11:47
So there is no physical force, just a magnetic pulse.
277
695000
3000
Nenhuma força física, apenas o pulso magnético.
11:54
Woman (Video): Ready, Rebecca? RS: Yes.
278
702000
2000
Video: Mulher: Preparada? Rebecca Saxe: Sim.
11:57
Okay, so it causes a small involuntary contraction in my hand
279
705000
3000
Isso causou uma contração involuntária em minha mão
12:00
by putting a magnetic pulse in my brain.
280
708000
3000
quando apliquei um pulso magnético no meu cérebro.
12:03
And we can use that same pulse,
281
711000
2000
Assim nós podemos usar o mesmo pulso,
12:05
now applied to the RTPJ,
282
713000
2000
mas aplicado à região RTPJ,
12:07
to ask if we can change people's moral judgments.
283
715000
3000
para ver se podemos mudar o julgamento moral das pessoas.
12:10
So these are the judgments I showed you before, people's normal moral judgments.
284
718000
2000
Esses são os julgamentos que mostrei. Os julgamentos normais das pessoas.
12:12
And then we can apply TMS to the RTPJ
285
720000
3000
E agora nós aplicamos o TMS ao RTPJ
12:15
and ask how people's judgments change.
286
723000
2000
e podemos ver o quanto o julgamento das pessoas muda.
12:17
And the first thing is, people can still do this task overall.
287
725000
4000
A primeira coisa é que as pessoas ainda conseguem fazer o teste.
12:21
So their judgments of the case when everything was fine
288
729000
2000
O julgamento de quando tudo estava bem
12:23
remain the same. They say she deserves no blame.
289
731000
3000
continua o mesmo. Elas falaram que ela não merece ser culpada.
12:26
But in the case of a failed attempt to harm,
290
734000
4000
Mas no caso da tentativa de dano fracassado,
12:30
where Grace thought that it was poison, although it was really sugar,
291
738000
3000
quando Grace pensou que era veneno, mas na verdade era açúcar,
12:33
people now say it was more okay, she deserves less blame
292
741000
3000
as pessoas agora dizem que está mais OK, ela merece menos culpa
12:36
for putting the powder in the coffee.
293
744000
3000
por ter colocado o pó no café.
12:39
And in the case of the accident, where she thought that it was sugar,
294
747000
2000
E no caso do acidente, quando ela pensou que era açúcar,
12:41
but it was really poison and so she caused a death,
295
749000
3000
mas na verdade era veneno e matou a amiga,
12:44
people say that it was less okay, she deserves more blame.
296
752000
6000
as pessoas dizem que está menos OK, que ela merece mais culpa.
12:50
So what I've told you today is that
297
758000
2000
Resumindo o que eu disse hoje,
12:52
people come, actually, especially well equipped
298
760000
4000
as pessoas estão muito bem equipadas
12:56
to think about other people's thoughts.
299
764000
2000
para pensar sobre os pensamentos dos outros.
12:58
We have a special brain system
300
766000
2000
Nós temos um sistema cerebral especializado
13:00
that lets us think about what other people are thinking.
301
768000
3000
que nos permite pensar em que as outras pessoas estão pensando.
13:03
This system takes a long time to develop,
302
771000
2000
Esse sistema precisa de tempo para se desenvolver,
13:05
slowly throughout the course of childhood and into early adolescence.
303
773000
3000
vagarosamente, através da infância até a pré-adolescência.
13:08
And even in adulthood, differences in this brain region
304
776000
3000
E mesmo na idade adulta, as diferenças nessa região
13:11
can explain differences among adults
305
779000
2000
podem explicar a diferença entre os adultos,
13:13
in how we think about and judge other people.
306
781000
3000
em como cada um deles julga as pessoas.
13:16
But I want to give the last word back to the novelists,
307
784000
3000
Eu quero terminar voltando aos romancistas,
13:19
and to Philip Roth, who ended by saying,
308
787000
3000
ao Philip Roth, que disse:
13:22
"The fact remains that getting people right
309
790000
2000
"O fato é que entender as pessoas
13:24
is not what living is all about anyway.
310
792000
2000
não é exatamente como a vida funciona.
13:26
It's getting them wrong that is living.
311
794000
2000
A vida é entendê-las errado.
13:28
Getting them wrong and wrong and wrong,
312
796000
3000
Entendê-las errado, e errado, e errado
13:31
and then on careful reconsideration,
313
799000
2000
e, depois, reconsiderar cuidadosamente
13:33
getting them wrong again."
314
801000
2000
e entendê-las errado novamente."
13:35
Thank you.
315
803000
2000
Obrigada.
13:37
(Applause)
316
805000
10000
(aplausos)
13:47
Chris Anderson: So, I have a question. When you start talking about using
317
815000
2000
Chris Anderson: Quando você começou a falar em usar
13:49
magnetic pulses to change people's moral judgments,
318
817000
3000
pulsos magnéticos para mudar os julgamentos morais,
13:52
that sounds alarming.
319
820000
3000
isso pareceu perigoso.
13:55
(Laughter)
320
823000
1000
(risos)
13:56
Please tell me that you're not taking phone calls from the Pentagon, say.
321
824000
4000
Por favor me diga que não está recebendo ligações do Pentágono.
14:00
RS: I'm not.
322
828000
2000
Rebecca Saxe: Não estou.
14:02
I mean, they're calling, but I'm not taking the call.
323
830000
3000
Quer dizer, eles estão ligando, mas não estou atendendo.
14:05
(Laughter)
324
833000
1000
(risos)
14:06
CA: They really are calling?
325
834000
2000
C.A.: Eles estão realmente telefonando?
14:08
So then seriously,
326
836000
3000
Sério,
14:11
you must lie awake at night sometimes
327
839000
3000
você deve ficar noites acordada
14:14
wondering where this work leads.
328
842000
2000
imaginando até onde esse projeto pode levar.
14:16
I mean, you're clearly an incredible human being,
329
844000
2000
Quero dizer, você é claramente um ser humano incrível.
14:18
but someone could take this knowledge
330
846000
3000
Mas alguém pode pegar este conhecimento
14:21
and in some future
331
849000
2000
e no futuro
14:23
not-torture chamber,
332
851000
2000
não por tortura,
14:25
do acts that people here might be worried about.
333
853000
3000
fazer coisas com que as pessoas aqui podem estar preocupadas.
14:28
RS: Yeah, we worry about this.
334
856000
2000
R.S.: Sim, nós nos preocupamos com isto,
14:30
So, there's a couple of things to say about TMS.
335
858000
3000
e existe duas coisas sobre o TMS.
14:33
One is that you can't be TMSed without knowing it.
336
861000
2000
Uma é que não podem usá-lo sem que você saiba.
14:35
So it's not a surreptitious technology.
337
863000
3000
Não é uma tecnologia que se pode esconder.
14:38
It's quite hard, actually, to get those very small changes.
338
866000
3000
E é um pouco difícil conseguir essas pequenas mudanças.
14:41
The changes I showed you are impressive to me
339
869000
3000
As mudanças que eu mostrei são impressionantes para mim
14:44
because of what they tell us about the function of the brain,
340
872000
2000
por causa do que elas nos dizem sobre a funcionalidade do cérebro.
14:46
but they're small on the scale
341
874000
2000
Mas são uma escala bem pequena
14:48
of the moral judgments that we actually make.
342
876000
2000
dos julgamentos morais que no fundo nós fazemos.
14:50
And what we changed was not people's
343
878000
2000
O que mudamos não foram os julgamentos
14:52
moral judgments when they're deciding what to do,
344
880000
3000
enquanto as pessoas estão decidindo o que fazer,
14:55
when they're making action choices.
345
883000
2000
quando estão fazendo suas escolhas.
14:57
We changed their ability to judge other people's actions.
346
885000
3000
Nós mudamos suas habilidades de julgar os atos dos outros.
15:00
And so, I think of what I'm doing not so much as
347
888000
2000
O que acredito que estou fazendo não é
15:02
studying the defendant in a criminal trial,
348
890000
2000
estudar o réu em um julgamento,
15:04
but studying the jury.
349
892000
2000
estou na verdade estudando o júri.
15:06
CA: Is your work going to lead to any recommendations
350
894000
3000
C.A.: Seu trabalho pode ajudar na educação
15:09
in education, to perhaps bring up
351
897000
3000
para talvez moldar uma nova geração
15:12
a generation of kids able to make fairer moral judgments?
352
900000
5000
de crianças capaz de fazer julgamentos mais justos?
15:17
RS: That's one of the idealistic hopes.
353
905000
3000
R.S.: Esse é um de nossos ideais.
15:20
The whole research program here of studying
354
908000
4000
Toda a pesquisa do programa, de estudar
15:24
the distinctive parts of the human brain is brand new.
355
912000
4000
as partes distintas do cérebro humano, é bem nova.
15:28
Until recently, what we knew about the brain
356
916000
2000
Até pouco tempo o que sabíamos sobre o cérebro
15:30
were the things that any other animal's brain could do too,
357
918000
3000
eram as coisas que qualquer outro animal também pode fazer.
15:33
so we could study it in animal models.
358
921000
2000
Por isso podíamos estudar com modelos animais.
15:35
We knew how brains see, and how they control the body
359
923000
2000
Nós sabemos como nosso cérebro enxerga, como ele controla o corpo,
15:37
and how they hear and sense.
360
925000
2000
como ele ouve e como ele sente.
15:39
And the whole project of understanding
361
927000
3000
Mas todo o conceito de entender
15:42
how brains do the uniquely human things --
362
930000
2000
como o cérebro faz as coisas genuinamente humanas,
15:44
learn language and abstract concepts,
363
932000
3000
aprender línguas, conceitos abstratos,
15:47
and thinking about other people's thoughts -- that's brand new.
364
935000
2000
e pensar sobre a moral dos outros, isso é muito novo.
15:49
And we don't know yet what the implications will be
365
937000
2000
E não sabemos ainda quais são as implicações
15:51
of understanding it.
366
939000
2000
que virão por entender o cérebro.
15:53
CA: So I've got one last question. There is this thing called
367
941000
2000
C.A.: Uma última pergunta. Existe algo chamado
15:55
the hard problem of consciousness,
368
943000
2000
de "O difícil problema da consciência",
15:57
that puzzles a lot of people.
369
945000
2000
que intriga muita gente.
15:59
The notion that you can understand
370
947000
3000
A noção de que você é capaz de entender
16:02
why a brain works, perhaps.
371
950000
2000
o que seu cérebro faz.
16:04
But why does anyone have to feel anything?
372
952000
3000
Mas por que alguém tem que sentir algo?
16:07
Why does it seem to require these beings who sense things
373
955000
3000
Por que parece que é preciso que sejamos seres sensitivos
16:10
for us to operate?
374
958000
2000
para funcionarmos?
16:12
You're a brilliant young neuroscientist.
375
960000
3000
Você é uma jovem e brilhante neurocientista.
16:15
I mean, what chances do you think there are
376
963000
2000
Digo, quais as chances você acha de que
16:17
that at some time in your career,
377
965000
2000
em algum momento na sua carreira
16:19
someone, you or someone else,
378
967000
2000
alguém, você ou outra pessoa,
16:21
is going to come up with some paradigm shift
379
969000
2000
possa surgir com uma mudança de paradigma
16:23
in understanding what seems an impossible problem?
380
971000
4000
e entender o que parece ser um problema impossível?
16:27
RS: I hope they do. And I think they probably won't.
381
975000
4000
R.S.: Espero que consigam, mas eu acho que provavelmente não irão.
16:31
CA: Why?
382
979000
3000
C.A.: Por quê?
16:34
RS: It's not called the hard problem of consciousness for nothing.
383
982000
3000
R.S.: Não é chamado de problema da consciência à toa.
16:37
(Laughter)
384
985000
2000
(risos)
16:39
CA: That's a great answer. Rebecca Saxe, thank you very much. That was fantastic.
385
987000
3000
C.A.: Ótima resposta. Rebecca Saxe, muito obrigado. Foi fantástico.
16:42
(Applause)
386
990000
4000
(aplausos)
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