TEDGlobal 2010
Gero Miesenboeck: Re-engineering the brain
Gero Miesenboeck reengenharia um cérebro
Filmed:
Readability: 4.7
717,411 views
Na busca para mapear o cérebro, muitos cientistas têm procurado a tarefa extremamente difícil de registrar a atividade de cada neurônio. Gero Miesenboeck trabalha ao contrário - a manipular neurônios específicos para descobrir exatamente o que eles fazem, através de uma série de experiências impressionantes que reestruturam a forma como as moscas de fruta percebem a luz.
Gero Miesenboeck - Optogeneticist
Using light and a little genetic engineering -- optogenetics -- Gero Miesenboeck has developed a way to control how living nerve cells work, and advanced understanding of how the brain controls behavior. Full bio
Using light and a little genetic engineering -- optogenetics -- Gero Miesenboeck has developed a way to control how living nerve cells work, and advanced understanding of how the brain controls behavior. Full bio
Double-click the English transcript below to play the video.
00:15
I have a doppelganger.
0
0
3000
Eu tenho um Doppelgänger.
00:18
(Laughter)
1
3000
3000
(Risos)
00:21
Dr. Gero is a brilliant
2
6000
3000
Dr. Gero é um cientista brilhante
00:24
but slightly mad scientist
3
9000
2000
mas ligeiramente louco
00:26
in the "Dragonball Z: Android Saga."
4
11000
3000
em Dragonball Z "Saga Andróide".
00:29
If you look very carefully,
5
14000
2000
Se olharem com atenção,
00:31
you see that his skull has been replaced
6
16000
3000
vêm que o seu crânio foi substítuido
00:34
with a transparent Plexiglas dome
7
19000
2000
por uma cúpula transparente Plexiglas
00:36
so that the workings of his brain can be observed
8
21000
3000
de modo a que o funcionamento do seu cérebro possa ser observado
00:39
and also controlled with light.
9
24000
3000
e também controlado com luz.
00:42
That's exactly what I do --
10
27000
2000
É exactamente isso que eu faço --
00:44
optical mind control.
11
29000
2000
controlo óptimo da mente.
00:46
(Laughter)
12
31000
2000
(Risos)
00:48
But in contrast to my evil twin
13
33000
2000
Mas em contrastre com o meu génio do mal,
00:50
who lusts after world domination,
14
35000
3000
que anseia dominar o mundo,
00:53
my motives are not sinister.
15
38000
3000
os meus motivos não são sinistros.
00:56
I control the brain
16
41000
2000
Eu control o cérebro
00:58
in order to understand how it works.
17
43000
2000
de modo a perceber como funciona.
01:00
Now wait a minute, you may say,
18
45000
2000
"Espera um minuto", dizem vocês,
01:02
how can you go straight to controlling the brain
19
47000
3000
como e que podes controlar logo o cérebro
01:05
without understanding it first?
20
50000
2000
sem o perceberes primeiro?
01:07
Isn't that putting the cart before the horse?
21
52000
3000
Isso não é por a carroça a frente dos bois?
01:11
Many neuroscientists agree with this view
22
56000
3000
Muitos neurocientistas concordam com este ponto de vista
01:14
and think that understanding will come
23
59000
3000
e pensam que o entendimento virá
01:17
from more detailed observation and analysis.
24
62000
3000
com mais observação e análise detalhada.
01:20
They say, "If we could record the activity of our neurons,
25
65000
4000
Dizem, "Se pudéssemos registar a actividade dos nossso neurónios,
01:24
we would understand the brain."
26
69000
3000
poderíamos entender o cérebro."
01:27
But think for a moment what that means.
27
72000
3000
Mas pensem por um momento no que isso significa.
01:30
Even if we could measure
28
75000
2000
Mesmo que pudéssemos medir
01:32
what every cell is doing at all times,
29
77000
2000
o que todas as células estão a fazer a qualquer momento,
01:34
we would still have to make sense
30
79000
2000
ainda tínhamos de racionalizar
01:36
of the recorded activity patterns,
31
81000
2000
os padrões de actividade registada,
01:38
and that's so difficult,
32
83000
2000
e isso é tão díficil,
01:40
chances are we'll understand these patterns
33
85000
2000
que as hipóteses são de virmos a compreender esses padrões
01:42
just as little as the brains that produce them.
34
87000
3000
tão pouco quanto os cérebros que os produzem.
01:45
Take a look at what brain activity might look like.
35
90000
3000
Observem aquilo com que a actividade cerebral se parece.
01:48
In this simulation, each black dot
36
93000
2000
Nesta simulação, cada ponto preto
01:50
is one nerve cell.
37
95000
2000
é uma célula nervosa.
01:52
The dot is visible
38
97000
2000
O ponto é vísivel
01:54
whenever a cell fires an electrical impulse.
39
99000
2000
sempre que a célula dispara um impulso eléctrico.
01:56
There's 10,000 neurons here.
40
101000
2000
Estão aqui 10 000 neurónios.
01:58
So you're looking at roughly one percent
41
103000
2000
Portanto estiveram a olhar para aproximadamente um por cento
02:00
of the brain of a cockroach.
42
105000
3000
do cérebro de uma barata.
02:04
Your brains are about 100 million times
43
109000
3000
Os vossos cérebros são cerca de 100 milhões de vezes
02:07
more complicated.
44
112000
2000
mais complicados.
02:09
Somewhere, in a pattern like this,
45
114000
2000
Algures, num padrão como este,
02:11
is you,
46
116000
2000
és tu,
02:13
your perceptions,
47
118000
2000
as tuas percepções,
02:15
your emotions, your memories,
48
120000
3000
a tuas emoções, memórias,
02:18
your plans for the future.
49
123000
2000
os teus planos para o futuro.
02:20
But we don't know where,
50
125000
2000
Mas não sabemos onde,
02:22
since we don't know how to read the pattern.
51
127000
3000
uma vez que não sabemos como ler o padrão.
02:25
We don't understand the code used by the brain.
52
130000
3000
Não perebemos o código usado pelo cérebro.
02:28
To make progress,
53
133000
2000
Para fazer progressos,
02:30
we need to break the code.
54
135000
2000
temos de decifrar o código.
02:32
But how?
55
137000
2000
Mas como?
02:35
An experienced code-breaker will tell you
56
140000
2000
Um criptógrafo experiente irá dizer-vos
02:37
that in order to figure out what the symbols in a code mean,
57
142000
3000
que para perceber o que é que os símbolos num código significam,
02:40
it's essential to be able to play with them,
58
145000
3000
é essencial poder jogar com eles,
02:43
to rearrange them at will.
59
148000
2000
rearranjá-los à vontade.
02:45
So in this situation too,
60
150000
2000
Portanto também nesta situação,
02:47
to decode the information
61
152000
2000
para descodificar a informação
02:49
contained in patterns like this,
62
154000
2000
contida em padrões como este,
02:51
watching alone won't do.
63
156000
2000
observar apenas não é suficiente;
02:53
We need to rearrange the pattern.
64
158000
2000
temos de rearranjar o padrão.
02:55
In other words,
65
160000
2000
Por outras palavras,
02:57
instead of recording the activity of neurons,
66
162000
2000
em vez de registar a actividade de neurónios,
02:59
we need to control it.
67
164000
2000
precisamos de os controlar.
03:01
It's not essential that we can control
68
166000
2000
Não é essencial que tenhamos de controlar
03:03
the activity of all neurons in the brain, just some.
69
168000
3000
a actividade de todos os neurónios no cérebro, apenas alguns.
03:06
The more targeted our interventions, the better.
70
171000
2000
Quanto mais direccionadas as nossas intervenções, melhor.
03:08
And I'll show you in a moment
71
173000
2000
E vou-vos mostrar num momento
03:10
how we can achieve the necessary precision.
72
175000
3000
como é que conseguimos alcançar a precisão necessária.
03:13
And since I'm realistic, rather than grandiose,
73
178000
3000
E uma vez que sou realista, ao invés de pomposo,
03:16
I don't claim that the ability to control the function of the nervous system
74
181000
3000
Não afirmo que a capacidade de controlar a função do sistema nervoso
03:19
will at once unravel all its mysteries.
75
184000
3000
vai permitir imediatamente descobrir todos os seus mistérios.
03:22
But we'll certainly learn a lot.
76
187000
3000
Mas podemos certamente aprender muito.
03:27
Now, I'm by no means
77
192000
2000
Ora, não sou de maneira alguma
03:29
the first person to realize
78
194000
2000
a primeira pessoa a aperceber-se
03:31
how powerful a tool intervention is.
79
196000
3000
quão poderosa é uma intervensão com ferramentas.
03:34
The history of attempts
80
199000
2000
O historial de tentativas
03:36
to tinker with the function of the nervous system
81
201000
2000
de manipular a função do sistema nervoso
03:38
is long and illustrious.
82
203000
2000
é longo e ilustre.
03:40
It dates back at least 200 years,
83
205000
3000
Remonta a pelo menos 200 anos,
03:43
to Galvani's famous experiments
84
208000
2000
às famosas experiências de Galvani
03:45
in the late 18th century and beyond.
85
210000
3000
nos finais do século XVIII e adiante.
03:49
Galvani showed that a frog's legs twitched
86
214000
3000
Galvani mostrou que uma perna de tinha espasmos
03:52
when he connected the lumbar nerve
87
217000
2000
quando o nervo lombar ligado
03:54
to a source of electrical current.
88
219000
3000
era ligado a uma fonte de corrente eléctrica.
03:57
This experiment revealed the first, and perhaps most fundamental,
89
222000
3000
Esta experiência revelou o primeiro, e talvez o mais fundamental,
04:00
nugget of the neural code:
90
225000
2000
elemento do código neural:
04:02
that information is written in the form
91
227000
2000
que a informação é escrita na forma
04:04
of electrical impulses.
92
229000
3000
de impulsos eléctricos.
04:08
Galvani's approach
93
233000
2000
A abordagem de Galvani
04:10
of probing the nervous system with electrodes
94
235000
2000
de sondar o sistema nervoso com eléctrodos
04:12
has remained state-of-the-art until today,
95
237000
3000
permaneceu estado-da-arte até hoje,
04:15
despite a number of drawbacks.
96
240000
3000
apesar da quantidade de desvantagens.
04:18
Sticking wires into the brain is obviously rather crude.
97
243000
3000
Espetar fios no cérebro é obviamente cruel.
04:21
It's hard to do in animals that run around,
98
246000
2000
É difícil de o fazer em animais que correm de um lado para o outro,
04:23
and there is a physical limit
99
248000
2000
e há um limite físico
04:25
to the number of wires
100
250000
2000
do número de fios
04:27
that can be inserted simultaneously.
101
252000
3000
que podem ser inseridos simultâneamente.
04:30
So around the turn of the last century,
102
255000
2000
Então por volta da viragem do último século,
04:32
I started to think,
103
257000
2000
Comecei a pensar,
04:34
"Wouldn't it be wonderful if one could take this logic
104
259000
3000
não seria maravilhoso se se pegasse nesta lógica
04:37
and turn it upside down?"
105
262000
2000
e a reverter-se?
04:39
So instead of inserting a wire
106
264000
2000
Então em vez de inserir um fio
04:41
into one spot of the brain,
107
266000
3000
num local do cérebro,
04:44
re-engineer the brain itself
108
269000
2000
reconstruir o próprio cérebro
04:46
so that some of its neural elements
109
271000
3000
para que os seus elementos neurais
04:49
become responsive to diffusely broadcast signals
110
274000
3000
se tornem responsivos a sinais de transmissão difusa,
04:52
such as a flash of light.
111
277000
3000
tal como um flash de luz.
04:55
Such an approach would literally, in a flash of light,
112
280000
3000
Tal abordagem iria literalmente, num flash de luz,
04:58
overcome many of the obstacles to discovery.
113
283000
3000
ultrapassar muitos dos obstáculos às descobertas.
05:01
First, it's clearly a non-invasive,
114
286000
3000
Primeiro, é claramente não-invasivo,
05:04
wireless form of communication.
115
289000
3000
uma forma de comunicação sem fios.
05:07
And second, just as in a radio broadcast,
116
292000
2000
E segundo, tal como uma transmissão de rádio,
05:09
you can communicate with many receivers at once.
117
294000
3000
é possível comunicar com muitos receptores ao mesmo tempo.
05:12
You don't need to know where these receivers are,
118
297000
3000
Não temos de saber onde estão estes receptores.
05:15
and it doesn't matter if these receivers move --
119
300000
2000
E não interessa se estes receptores se movem --
05:17
just think of the stereo in your car.
120
302000
3000
basta pensarem no rádio do vosso carro.
05:20
It gets even better,
121
305000
3000
É ainda melhor,
05:23
for it turns out that we can fabricate the receivers
122
308000
3000
uma vez que podemos fabricar os receptores
05:26
out of materials that are encoded in DNA.
123
311000
3000
a partir de materiais que estão codificados no ADN.
05:29
So each nerve cell
124
314000
2000
Portanto cada célula nervosa
05:31
with the right genetic makeup
125
316000
2000
com a composição genética certa
05:33
will spontaneously produce a receiver
126
318000
3000
irá espontâneamente produzir um receptor
05:36
that allows us to control its function.
127
321000
3000
que nos permite controlar a sua função.
05:39
I hope you'll appreciate
128
324000
2000
Espero que apreciem
05:41
the beautiful simplicity
129
326000
2000
a bela simplicidade
05:43
of this concept.
130
328000
2000
deste conceito.
05:45
There's no high-tech gizmos here,
131
330000
2000
Não há aqui anõezinhos de alta-tecnologia,
05:47
just biology revealed through biology.
132
332000
3000
apenas biologia revelada através de biologia.
05:51
Now let's take a look at these miraculous receivers up close.
133
336000
3000
Agora vamos olhar de perto estes receptores miraculosos.
05:54
As we zoom in on one of these purple neurons,
134
339000
3000
Ao fazermos zoom num destes neurónios roxos,
05:57
we see that its outer membrane
135
342000
2000
podemos ver que a sua membrana externa
05:59
is studded with microscopic pores.
136
344000
2000
está repleta de poros microscópicos.
06:01
Pores like these conduct electrical current
137
346000
2000
Poros como estes conduzem corrent eléctrica
06:03
and are responsible
138
348000
2000
e são responsáveis
06:05
for all the communication in the nervous system.
139
350000
2000
por toda a comunicação no sistema nervoso.
06:07
But these pores here are special.
140
352000
2000
Mas estes poros aqui são especiais.
06:09
They are coupled to light receptors
141
354000
2000
Estão acoplados a receptores de luz
06:11
similar to the ones in your eyes.
142
356000
3000
semelhantes aos dos vossos olhos.
06:14
Whenever a flash of light hits the receptor,
143
359000
2000
Quando um flash de luz atinge o receptor,
06:16
the pore opens, an electrical current is switched on,
144
361000
3000
o poro abre e corrente eléctrica é ligada,
06:19
and the neuron fires electrical impulses.
145
364000
3000
e o neurónio dispara um impulso eléctrico.
06:22
Because the light-activated pore is encoded in DNA,
146
367000
3000
Uma ves que o poro activado por luz está codificado no DNA,
06:25
we can achieve incredible precision.
147
370000
3000
podemos atingir uma precisão íncrivél.
06:28
This is because,
148
373000
2000
Assim o é porque,
06:30
although each cell in our bodies
149
375000
2000
embora cada célula nos nossos corpos
06:32
contains the same set of genes,
150
377000
2000
contenha o mesmo conjunto de genes,
06:34
different mixes of genes get turned on and off
151
379000
2000
diferentes misturas de genes são activados ou desactivados
06:36
in different cells.
152
381000
2000
em diferentes células.
06:38
You can exploit this to make sure
153
383000
2000
Podem explorar isto para certificarem-se
06:40
that only some neurons
154
385000
2000
que apenas alguns neurónios
06:42
contain our light-activated pore and others don't.
155
387000
3000
contêm os poros activados por luz e outros não.
06:45
So in this cartoon, the bluish white cell
156
390000
2000
Portanto nesta animação, a célula branca-azulada
06:47
in the upper-left corner
157
392000
2000
no canto superior esquerdo
06:49
does not respond to light
158
394000
2000
não responde à luz
06:51
because it lacks the light-activated pore.
159
396000
3000
porque não possui o poro activado por luz.
06:54
The approach works so well
160
399000
2000
A abordagem funciona tão bem
06:56
that we can write purely artificial messages
161
401000
2000
que podemos escrever mensagens completamente artificias
06:58
directly to the brain.
162
403000
2000
directamente para o cérebro.
07:00
In this example, each electrical impulse,
163
405000
2000
Neste exemplo, cada impulso eléctrico,
07:02
each deflection on the trace,
164
407000
3000
cada deflexão no traço,
07:05
is caused by a brief pulse of light.
165
410000
3000
é causada por um curto pulso de luz.
07:08
And the approach, of course, also works
166
413000
2000
E a aborgagem também funciona
07:10
in moving, behaving animals.
167
415000
3000
em animais em movimento, que exibem comportamento.
07:13
This is the first ever such experiment,
168
418000
2000
Esta é a primeira experiência deste tipo,
07:15
sort of the optical equivalent of Galvani's.
169
420000
3000
uma espécie de equivalente óptica da de Galvani.
07:18
It was done six or seven years ago
170
423000
2000
Foi realizada à seis ou sete anos
07:20
by my then graduate student, Susana Lima.
171
425000
3000
pela então minha aluna, Susana Lima.
07:23
Susana had engineered the fruit fly on the left
172
428000
3000
A Susana tinha manipulado a mosca da fruta da esquerda
07:26
so that just two out of the 200,000 cells in its brain
173
431000
4000
para que apenas duas das 200 mil células no seu cérebro
07:30
expressed the light-activated pore.
174
435000
3000
expressassem o poro activdo por luz.
07:33
You're familiar with these cells
175
438000
2000
Vocês estão familiarizadso com estas células
07:35
because they are the ones that frustrate you
176
440000
2000
porque elas são as que vos deixam frustrados
07:37
when you try to swat the fly.
177
442000
2000
quando tentam esmagar a mosca.
07:39
They trained the escape reflex that makes the fly jump into the air
178
444000
3000
Elas reforçam o reflexo de fuga que faz com que a mosca salte para o ar
07:42
and fly away whenever you move your hand in position.
179
447000
3000
e voe quando movem a vossa mão.
07:46
And you can see here that the flash of light has exactly the same effect.
180
451000
3000
E podem ver aqui que flash de luz tem exactamente o mesmo efeito.
07:49
The animal jumps, it spreads its wings, it vibrates them,
181
454000
3000
O animal salta, abre as asas, vibra-as,
07:52
but it can't actually take off
182
457000
2000
mas não consegue de facto voar,
07:54
because the fly is sandwiched between two glass plates.
183
459000
3000
porque está imprensada entre duas placas de vidro.
07:58
Now to make sure that this was no reaction of the fly
184
463000
2000
Para garantir que esta não é uma reacção da luz
08:00
to a flash it could see,
185
465000
3000
ao flash que podia ver,
08:03
Susana did a simple
186
468000
2000
A Susana fez uma experiência simples
08:05
but brutally effective experiment.
187
470000
2000
mas brutalmente eficiente.
08:07
She cut the heads off of her flies.
188
472000
3000
Cortou as cabeças das moscas.
08:11
These headless bodies can live for about a day,
189
476000
3000
Estes corpos sem cabeça conseguem viver durante um dia,
08:14
but they don't do much.
190
479000
2000
mas não fazem muito.
08:16
They just stand around
191
481000
3000
Apenas permanecem quietas
08:19
and groom excessively.
192
484000
3000
de um modo enfadonho.
08:22
So it seems that the only trait that survives decapitation is vanity.
193
487000
3000
Portanto parece que a única característica que resite à decapitação é a vaidade.
08:25
(Laughter)
194
490000
3000
(Risos)
08:30
Anyway, as you'll see in a moment,
195
495000
2000
De qualquer maneira, como vão ver num momento,
08:32
Susana was able to turn on the flight motor
196
497000
3000
A Susana foi capaz de activar o motor de voo
08:35
of what's the equivalent of the spinal cord of these flies
197
500000
3000
daquilo que é o equivalente da espinhal medula das moscas
08:38
and get some of the headless bodies
198
503000
2000
e por alguns destes corpos decapitados
08:40
to actually take off and fly away.
199
505000
3000
a levantar voo e voar.
08:47
They didn't get very far, obviously.
200
512000
2000
Não voaram para muito longe, obviamente.
08:50
Since we took these first steps,
201
515000
2000
Desde que tomámos estes passos iniciais,
08:52
the field of optogenetics has exploded.
202
517000
3000
o ramo da optogenética explodiu.
08:55
And there are now hundreds of labs
203
520000
2000
E há centenas de laboratórios
08:57
using these approaches.
204
522000
2000
a utilizar estas abordagens.
08:59
And we've come a long way
205
524000
2000
E percorremos um grande caminho
09:01
since Galvani's and Susana's first successes
206
526000
3000
desde os primeiros sucessos de Galvani e da Susana
09:04
in making animals twitch or jump.
207
529000
2000
em fazer os animasi torcerem-se ou saltar.
09:06
We can now actually interfere with their psychology
208
531000
3000
Agora podemos de facto interferir com a sua psicologia
09:09
in rather profound ways,
209
534000
2000
e maneiras verdadeiramente profundas
09:11
as I'll show you in my last example,
210
536000
2000
como vos vou mostrar no meu último exemplo,
09:13
which is directed at a familiar question.
211
538000
3000
que é direccionado a uma questão familiar.
09:16
Life is a string of choices
212
541000
3000
A vida é uma corrente de escolhas
09:19
creating a constant pressure to decide what to do next.
213
544000
3000
criando uma pressão constante para decidir o que fazer a seguir.
09:23
We cope with this pressure by having brains,
214
548000
3000
Nós lidamos com esta pressão ao ter cerébros,
09:26
and within our brains, decision-making centers
215
551000
3000
e dentro dos nossos cérebros, centros de tomada de decisão
09:29
that I've called here the "Actor."
216
554000
3000
que eu chamei aque de o Actor.
09:33
The Actor implements a policy that takes into account
217
558000
3000
O Actor implementa uma política que tem em consideração
09:36
the state of the environment
218
561000
2000
o estado do ambiente
09:38
and the context in which we operate.
219
563000
3000
e o contexto no qual operamos.
09:41
Our actions change the environment, or context,
220
566000
3000
As nossas acções alteram o ambiente, ou o contexto,
09:44
and these changes are then fed back into the decision loop.
221
569000
3000
e estas alterações são depois devolvidas no circuito (loop) de decisão.
09:48
Now to put some neurobiological meat
222
573000
3000
Agora para pôr algum conteúdo neurobiológico
09:51
on this abstract model,
223
576000
2000
neste modelo abstracto,
09:53
we constructed a simple one-dimensional world
224
578000
2000
nós construímos um mundo uni-dimensional simples
09:55
for our favorite subject, fruit flies.
225
580000
3000
para o nosso sujeito favorito, moscas da fruta.
09:58
Each chamber in these two vertical stacks
226
583000
2000
Cada câmara destas duas colunas verticais
10:00
contains one fly.
227
585000
2000
contém uma mosca.
10:02
The left and the right halves of the chamber
228
587000
3000
A metade esquerda e direita da câmara
10:05
are filled with two different odors,
229
590000
2000
estão preenchidas por dois odores diferentes,
10:07
and a security camera watches
230
592000
2000
e uma câmara de segurança regista
10:09
as the flies pace up and down between them.
231
594000
3000
os movimentos das moscas entre elas.
10:12
Here's some such CCTV footage.
232
597000
2000
Aqui está uma gravação CCTV.
10:14
Whenever a fly reaches the midpoint of the chamber
233
599000
3000
Assim que uma mosca atinge o ponto médio da câmara
10:17
where the two odor streams meet,
234
602000
2000
onde as duas correntes de odores se encontram,
10:19
it has to make a decision.
235
604000
2000
tem de tomar uma decisão.
10:21
It has to decide whether to turn around
236
606000
2000
Tem de decidir entre virar-se para trás
10:23
and stay in the same odor,
237
608000
2000
e permanecer no mesmo odor,
10:25
or whether to cross the midline
238
610000
2000
ou se atravessa a linha média
10:27
and try something new.
239
612000
2000
e experimenta algo novo.
10:29
These decisions are clearly a reflection
240
614000
3000
Estas decisões são claramente um reflexo
10:32
of the Actor's policy.
241
617000
3000
da política do Actor.
10:36
Now for an intelligent being like our fly,
242
621000
3000
Ora para um ser inteligente como a nossa mosca,
10:39
this policy is not written in stone
243
624000
3000
esta política não está escrita em pedra,
10:42
but rather changes as the animal learns from experience.
244
627000
3000
mas sim muda conforme o animal aprende com a experiência.
10:45
We can incorporate such an element
245
630000
2000
Podemos incorporar tal elemento
10:47
of adaptive intelligence into our model
246
632000
3000
de inteligência adaptativa no nosso modelo
10:50
by assuming that the fly's brain
247
635000
2000
ao assumir que o cérebro da mosca
10:52
contains not only an Actor,
248
637000
2000
contém não apenas um Actor,
10:54
but a different group of cells,
249
639000
2000
mas um diferente grupo de células,
10:56
a "Critic," that provides a running commentary
250
641000
3000
um Crítico, que fornece um comentário contínuo
10:59
on the Actor's choices.
251
644000
2000
acerca das decisões do Actor.
11:01
You can think of this nagging inner voice
252
646000
3000
Podem pensar nesta voz interior enervante
11:04
as sort of the brain's equivalent
253
649000
2000
como uma espécie de equivalente cerebral
11:06
of the Catholic Church,
254
651000
2000
da Igreja Católica,
11:08
if you're an Austrian like me,
255
653000
3000
se forem um Austríaco como eu,
11:11
or the super-ego, if you're Freudian,
256
656000
3000
ou o superego, se forem Freudianos,
11:14
or your mother, if you're Jewish.
257
659000
2000
ou a vossa mãe, se forem Judeus.
11:16
(Laughter)
258
661000
4000
(Risos)
11:20
Now obviously,
259
665000
2000
Ora obviamente,
11:22
the Critic is a key ingredient
260
667000
3000
o Crítico é um ingrediente chave
11:25
in what makes us intelligent.
261
670000
2000
no que nos torna inteligentes.
11:27
So we set out to identify
262
672000
2000
Portanto decidimos indentificar
11:29
the cells in the fly's brain
263
674000
2000
as células no cérebro da mosca
11:31
that played the role of the Critic.
264
676000
2000
que desempenham o papel do Crítico.
11:33
And the logic of our experiment was simple.
265
678000
3000
E a lógica da nossa experiência era simples.
11:36
We thought if we could use our optical remote control
266
681000
3000
Pensámos que se pudéssemos usar o nosso controlo remoto óptico
11:39
to activate the cells of the Critic,
267
684000
3000
para activar as células do crítico,
11:42
we should be able, artificially, to nag the Actor
268
687000
3000
deveríamos ser capazes de, artificialmente, importunar o Actor
11:45
into changing its policy.
269
690000
2000
para mudar a sua política.
11:47
In other words,
270
692000
2000
Por outras palavras,
11:49
the fly should learn from mistakes
271
694000
2000
a mosca devia aprender a partir do erros
11:51
that it thought it had made
272
696000
2000
que pensava ter feito,
11:53
but, in reality, it had not made.
273
698000
3000
mas que na realidade não tinha feito.
11:56
So we bred flies
274
701000
2000
Portanto criámos moscas
11:58
whose brains were more or less randomly peppered
275
703000
3000
cujos cérebros estavam mais ou menos pulvilhados ao acaso
12:01
with cells that were light addressable.
276
706000
2000
com células que eram sensíveis à luz.
12:03
And then we took these flies
277
708000
2000
E depois pegámos nessas moscas
12:05
and allowed them to make choices.
278
710000
2000
e deixámo-las fazer escolhas.
12:07
And whenever they made one of the two choices,
279
712000
2000
E sempre que faziam uma das duas escolhas,
12:09
chose one odor,
280
714000
2000
escolher um odor,
12:11
in this case the blue one over the orange one,
281
716000
2000
neste caso o azul ou o laranja,
12:13
we switched on the lights.
282
718000
2000
ligávamos as luzes.
12:15
If the Critic was among the optically activated cells,
283
720000
3000
Se o Crítico se econtrasse nestas células opticamente activáveis ,
12:18
the result of this intervention
284
723000
2000
o resultado desta intervenção
12:20
should be a change in policy.
285
725000
3000
deveria ser uma mudança de política.
12:23
The fly should learn to avoid
286
728000
2000
A mosca deveria aprender a evitar
12:25
the optically reinforced odor.
287
730000
2000
o odor opticamente estimulado.
12:27
Here's what happened in two instances:
288
732000
3000
Aqui está o que aconteceu em dois casos.
12:30
We're comparing two strains of flies,
289
735000
3000
Estamos a compara as duas estirpes de moscas,
12:33
each of them having
290
738000
2000
cada uma tendo
12:35
about 100 light-addressable cells in their brains,
291
740000
2000
cerca de 100 células sensíveis à luz nos seus cérebros,
12:37
shown here in green on the left and on the right.
292
742000
3000
mostradas aqui a azul na esquerda e na direita.
12:40
What's common among these groups of cells
293
745000
3000
O que é comum neste grupo de células
12:43
is that they all produce the neurotransmitter dopamine.
294
748000
3000
é que todas elas produzem o neurotransmissor dopamina.
12:46
But the identities of the individual
295
751000
2000
Mas as identidades dos
12:48
dopamine-producing neurons
296
753000
2000
neurónios produtores de dopamina individuais
12:50
are clearly largely different on the left and on the right.
297
755000
3000
são claramente e largamente diferentes na esquerda e na direita.
12:53
Optically activating
298
758000
2000
Activar opticamente
12:55
these hundred or so cells
299
760000
2000
estas centenas de células
12:57
into two strains of flies
300
762000
2000
em duas estirpes de moscas,
12:59
has dramatically different consequences.
301
764000
2000
tem consequências dramaticamente diferentes.
13:01
If you look first at the behavior
302
766000
2000
Se olharem primeiro para o comportamento
13:03
of the fly on the right,
303
768000
2000
da mosca da direita,
13:05
you can see that whenever it reaches the midpoint of the chamber
304
770000
3000
podem ver que sempre que atinge o ponto médio da câmara
13:08
where the two odors meet,
305
773000
2000
onde os dois odores se encontram,
13:10
it marches straight through, as it did before.
306
775000
3000
continua a sua marcha como o faria anteriormente.
13:13
Its behavior is completely unchanged.
307
778000
2000
O seu comportamento permanece completamente inalterado.
13:15
But the behavior of the fly on the left is very different.
308
780000
3000
Mas o comportamento da mosca da esquerda é muito diferente.
13:18
Whenever it comes up to the midpoint,
309
783000
3000
Sempre que atinge o ponto médio,
13:21
it pauses,
310
786000
2000
pausa,
13:23
it carefully scans the odor interface
311
788000
2000
examina cuidadosamente a interface de odores,
13:25
as if it was sniffing out its environment,
312
790000
2000
como se tivesse a analisar o seu ambiente
13:27
and then it turns around.
313
792000
2000
e depois volta para trás.
13:29
This means that the policy that the Actor implements
314
794000
3000
Isto significa que a política que o Actor implementa
13:32
now includes an instruction to avoid the odor
315
797000
2000
agora ínclui uma instrução para evitar o odor
13:34
that's in the right half of the chamber.
316
799000
3000
que está na parte direita da câmara.
13:37
This means that the Critic
317
802000
2000
Isto significa que o Crítico
13:39
must have spoken in that animal,
318
804000
2000
teve de falar naquele animal,
13:41
and that the Critic must be contained
319
806000
2000
e que o Crítico deve estar contido
13:43
among the dopamine-producing neurons on the left,
320
808000
3000
entre os neurónios produtores de dopamina na esquerda,
13:46
but not among the dopamine producing neurons on the right.
321
811000
3000
mas não nos neurónios produtores dopamina na direita.
13:49
Through many such experiments,
322
814000
3000
Através de muitas experiências como esta esta,
13:52
we were able to narrow down
323
817000
2000
fomos capazes de reduzir
13:54
the identity of the Critic
324
819000
2000
a identidade do Crítico
13:56
to just 12 cells.
325
821000
2000
para apenas 12 células.
13:58
These 12 cells, as shown here in green,
326
823000
3000
Estas 12 células, aqui mostradas em verde,
14:01
send the output to a brain structure
327
826000
2000
enviam um sinal para uma estrutura do cérebro
14:03
called the "mushroom body,"
328
828000
2000
chamado o corpo cogumelo,
14:05
which is shown here in gray.
329
830000
2000
que está aqui a cinzento.
14:07
We know from our formal model
330
832000
2000
Sabemos a partir do nosso modelo formal
14:09
that the brain structure
331
834000
2000
que a estrutura cerebral
14:11
at the receiving end of the Critic's commentary is the Actor.
332
836000
3000
no terminal receptor do comentário do Crítico é o Actor.
14:14
So this anatomy suggests
333
839000
2000
Portanto esta anatomia sugere
14:16
that the mushroom bodies have something to do
334
841000
3000
que os corpos cogumelo têm algo a haver com
14:19
with action choice.
335
844000
2000
a escolha de acção.
14:21
Based on everything we know about the mushroom bodies,
336
846000
2000
Baseado em tudo aquilo que sabemos sobre os corpos cogumelo,
14:23
this makes perfect sense.
337
848000
2000
isto faz perfeito sentido.
14:25
In fact, it makes so much sense
338
850000
2000
De facto, faz tanto sentido,
14:27
that we can construct an electronic toy circuit
339
852000
3000
que podemos construir um circuito electrónico de brinquedos
14:30
that simulates the behavior of the fly.
340
855000
3000
que simule o comportamento da mosca.
14:33
In this electronic toy circuit,
341
858000
3000
Neste circuito electrónico,
14:36
the mushroom body neurons are symbolized
342
861000
2000
os neurónios do corpo cogumelo são representados
14:38
by the vertical bank of blue LEDs
343
863000
3000
pelo banco vertical de LEDs azuis
14:41
in the center of the board.
344
866000
3000
no centro da placa.
14:44
These LED's are wired to sensors
345
869000
2000
Estes LEDs estão ligados a sensores
14:46
that detect the presence of odorous molecules in the air.
346
871000
3000
que detectam a presença de moleculas odorosas no ar.
14:50
Each odor activates a different combination of sensors,
347
875000
3000
Cada odor activa uma combinação diferente de sensores,
14:53
which in turn activates
348
878000
2000
que por sua vez activa
14:55
a different odor detector in the mushroom body.
349
880000
3000
um detector de odor diferente no corpo cogumelo.
14:58
So the pilot in the cockpit of the fly,
350
883000
2000
Portanto o piloto no cockpit da mosca,
15:00
the Actor,
351
885000
2000
o Actor,
15:02
can tell which odor is present
352
887000
2000
consegue destinguir que odor está presente
15:04
simply by looking at which of the blue LEDs lights up.
353
889000
4000
simplesmente por olhar para que LEDs azuis se acendem.
15:09
What the Actor does with this information
354
894000
2000
O que Actor faz com esta informação
15:11
depends on its policy,
355
896000
2000
depende da sua política,
15:13
which is stored in the strengths of the connection,
356
898000
2000
que está armazenada na força da conexão,
15:15
between the odor detectors
357
900000
2000
entre os detectores de odor
15:17
and the motors
358
902000
2000
e os motores
15:19
that power the fly's evasive actions.
359
904000
2000
que alimentam as acções evasivas da mosca.
15:22
If the connection is weak, the motors will stay off
360
907000
2000
Se a conexão for fraca, os motores irão permanecer desligados
15:24
and the fly will continue straight on its course.
361
909000
3000
e a mosca irá continuar o seu curso a direito.
15:27
If the connection is strong, the motors will turn on
362
912000
3000
Se a conexão for forte, os motores irão ligar-se
15:30
and the fly will initiate a turn.
363
915000
3000
e a mosca irá iniciar a sua viragem.
15:33
Now consider a situation
364
918000
2000
Agora considerem a situação
15:35
in which the motors stay off,
365
920000
2000
em que os motores permanecem desligados,
15:37
the fly continues on its path
366
922000
3000
e a mosca continua o seu percurso
15:40
and it suffers some painful consequence
367
925000
2000
e sofre uma consequência dolorosa
15:42
such as getting zapped.
368
927000
2000
tal como ser atingida.
15:44
In a situation like this,
369
929000
2000
Numa situação como esta,
15:46
we would expect the Critic to speak up
370
931000
2000
podemos esperar que o Crítico se manifeste
15:48
and to tell the Actor
371
933000
2000
e diga ao Actor
15:50
to change its policy.
372
935000
2000
para mudar a sua política.
15:52
We have created such a situation, artificially,
373
937000
3000
Nós criámos tal situação artificialmente
15:55
by turning on the critic with a flash of light.
374
940000
3000
ao ligar o Crítico com um flash de luz,
15:58
That caused a strengthening of the connections
375
943000
3000
Que causou um fortalecimento das conexões
16:01
between the currently active odor detector
376
946000
3000
entre os detectores de odor presentemente activos
16:04
and the motors.
377
949000
2000
e os motores.
16:06
So the next time
378
951000
2000
Portanto da próxima vez
16:08
the fly finds itself facing the same odor again,
379
953000
3000
que a mosca se depare com o mesmo odor,
16:11
the connection is strong enough to turn on the motors
380
956000
3000
a conexão é forte o suficiente para que ligar os motores
16:14
and to trigger an evasive maneuver.
381
959000
3000
e para desencadear uma manobra evasiva.
16:19
I don't know about you,
382
964000
3000
Eu não quanto a vocês,
16:22
but I find it exhilarating to see
383
967000
3000
mas eu acho emocionante ver
16:25
how vague psychological notions
384
970000
3000
como noções psicológicas tão vagas
16:28
evaporate and give rise
385
973000
2000
se evaporam e dão luz
16:30
to a physical, mechanistic understanding of the mind,
386
975000
3000
a um entendimento físico e mecanístico da mente,
16:33
even if it's the mind of the fly.
387
978000
3000
mesmo que seja da mente de uma mosca.
16:36
This is one piece of good news.
388
981000
3000
Esta é uma parte das boas notícias.
16:39
The other piece of good news,
389
984000
2000
A outra parte das boas notícias,
16:41
for a scientist at least,
390
986000
2000
para um cientista pelo menos,
16:43
is that much remains to be discovered.
391
988000
3000
é que muito permanece desconhecido.
16:46
In the experiments I told you about,
392
991000
2000
Nas experiências que vos contei,
16:48
we have lifted the identity of the Critic,
393
993000
3000
revelámos a indentidade do Crítico,
16:51
but we still have no idea
394
996000
2000
mas ainda não fazemos ideia
16:53
how the Critic does its job.
395
998000
2000
de como o Crítico faz o seu trabalho.
16:55
Come to think of it, knowing when you're wrong
396
1000000
2000
Ao pensar nisso, saber quando estamos errados
16:57
without a teacher, or your mother, telling you,
397
1002000
3000
sem um professor, ou uma mãe a dizer-vos,
17:00
is a very hard problem.
398
1005000
2000
é um problema muito difícil.
17:02
There are some ideas in computer science
399
1007000
2000
Há algumas ideias em ciências da computação
17:04
and in artificial intelligence
400
1009000
2000
e em inteligência artificial
17:06
as to how this might be done,
401
1011000
2000
de como isto pode ser feito,
17:08
but we still haven't solved
402
1013000
2000
mas ainda não resolvemos
17:10
a single example
403
1015000
2000
um único exemplo
17:12
of how intelligent behavior
404
1017000
3000
de como o comportamento inteligente
17:15
springs from the physical interactions
405
1020000
2000
resulta de interacções físicas
17:17
in living matter.
406
1022000
2000
em matéria viva.
17:19
I think we'll get there in the not too distant future.
407
1024000
3000
Acho que iremos lá chegar num futuo não muito distante.
17:22
Thank you.
408
1027000
2000
Obrigado.
17:24
(Applause)
409
1029000
4000
(Aplausos)
ABOUT THE SPEAKER
Gero Miesenboeck - OptogeneticistUsing light and a little genetic engineering -- optogenetics -- Gero Miesenboeck has developed a way to control how living nerve cells work, and advanced understanding of how the brain controls behavior.
Why you should listen
Gero Miesenboeck is pioneering the field of optogenetics: genetically modifying nerve cells to respond to light. By flashing light at a modified neuron in a living nervous system, Miesenboeck and his collaborators can mimic a brain impulse -- and then study what happens next. Optogenetics will allow ever more precise experiments on living brains, allowing us to gather better evidence on how electrical impulses on tissue translate into actual behavior and thoughts.
In one experiment, done at Yale, he and his team engineered fruit flies to be light-sensitive in the neural area responsible for escape response. Then the flies were beheaded; fruit flies can live for a day without their heads, but they don't move. When the modified cells were flashed with light, though, the headless flies flew. Miesenboeck had successfully simulated an order from a brain that wasn't even there anymore.
Miesenboeck's current research at Oxford's growing department of neurobiology focuses on the nerve cell networks that underpin what animals perceive, remember and do. In one recent experiment, he used optogenetics to implant an unpleasant memory in a fruit fly, causing it to "remember" to avoid a certain odor as it traveled around. He and his team were able, in fact, to find the fly's specific 12-neuron brain circuit that govern memory formation.
Gero Miesenboeck | Speaker | TED.com