TEDGlobal 2009
Beau Lotto: Optical illusions show how we see
Beau Lotto: As ilusões óticas mostram como vemos
Filmed:
Readability: 2.7
7,158,267 views
Os jogos de cor de Beau Lotto confundem a nossa visão, mas também colocam no centro das atenções o que normalmente não conseguimos ver: como o nosso cérebro funciona. Este divertido olhar em primeira mão sobre o nosso versátil sentido da visão revela como a evolução matiza a nossa perceção do que realmente existe.
Beau Lotto - Neuroscientist, Artist
Beau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system. Full bio
Beau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system. Full bio
Double-click the English transcript below to play the video.
00:13
I want to start with a game.
0
1000
3000
Quero começar com um jogo.
00:16
And to win this game,
1
4000
2000
E para vencer neste jogo,
00:18
all you have to do is see the reality that's in front of you
2
6000
3000
tudo o que têm de fazer é ver a realidade que está à vossa frente
00:21
as it really is. All right?
3
9000
2000
tal como ela é. Está bem?
00:23
So, we have two panels here,
4
11000
2000
Então, temos aqui dois painéis
00:25
of colored dots.
5
13000
2000
com círculos coloridos.
00:27
And one of those dots is the same
6
15000
3000
E um destes círculos é igual
00:30
in the two panels. Okay?
7
18000
3000
nos dois painéis. OK?
00:33
And you have to tell me which one.
8
21000
2000
E vocês têm de dizer-me qual deles é.
00:35
Now, narrow it down to
9
23000
3000
Ora bem, podem restringir-se
00:38
the gray one, the green one and, say, the orange one.
10
26000
3000
ao cinza, ao verde e, digamos, ao laranja.
00:41
So, by a show of hands -- we'll start with the easiest one --
11
29000
3000
Então, levantando as mãos -- vamos começar com o mais fácil --
00:44
Show of hands: how many people think it's the gray one?
12
32000
4000
Levantem as mãos: quantas pessoas pensam que é o cinza?
00:48
Really? Okay.
13
36000
2000
A sério? OK.
00:50
How many people think it's the green one?
14
38000
5000
Quantas pessoas pensam que é o verde?
00:55
And how many people think it's the orange one?
15
43000
4000
E quantas pessoas pensam que é o laranja?
00:59
Pretty even split.
16
47000
3000
Bastante equilibrado.
01:02
Let's find out what the reality is.
17
50000
3000
Vamos descobrir qual é a realidade.
01:05
Here is the orange one.
18
53000
3000
Aqui está o laranja.
01:08
(Laughter)
19
56000
2000
(Risos)
01:10
Here is the green one.
20
58000
3000
Aqui está o verde.
01:13
And here is the gray one.
21
61000
4000
E aqui está o cinza.
01:17
(Laughter)
22
65000
3000
(Risos)
01:20
So, for all of you who saw that, you're a complete realist. All right?
23
68000
4000
Por isso, todos os que viram isto são completos realistas. OK?
01:24
(Laughter)
24
72000
2000
(Risos)
01:26
So, this is pretty amazing, actually, isn't it?
25
74000
2000
Então, na verdade isto é bastante incrível, não é?
01:28
Because nearly every living system
26
76000
2000
Porque praticamente todos os sistemas vivos
01:30
has evolved the ability to detect light in one way or another.
27
78000
3000
desenvolveram a capacidade para detetar luz de uma forma ou de outra.
01:33
So, for us, seeing color is one of the simplest things the brain does.
28
81000
5000
Por isso, para nós, ver cor é uma das coisas mais simples que o cérebro faz.
01:38
And yet, even at this most fundamental level,
29
86000
2000
E no entanto, até a este nível tão básico,
01:40
context is everything.
30
88000
3000
o contexto é tudo.
01:43
What I want to talk about is not that context is everything,
31
91000
3000
Aquilo de que quero falar não é que o contexto é tudo,
01:46
but why is context everything.
32
94000
2000
mas porque é que o contexto é tudo.
01:48
Because it's answering that question that tells us not only
33
96000
4000
Porque é respondendo a essa pergunta que ficamos a saber não só
01:52
why we see what we do,
34
100000
2000
porque vemos o que vemos,
01:54
but who we are as individuals,
35
102000
2000
mas quem somos como indivíduos,
01:56
and who we are as a society.
36
104000
3000
e quem somos como sociedade.
01:59
But first, we have to ask another question,
37
107000
2000
Mas primeiro, temos de colocar outra questão,
02:01
which is, "What is color for?"
38
109000
2000
que é, "Para que serve a cor?"
02:03
And instead of telling you, I'll just show you.
39
111000
2000
E em vez de vos dizer, vou mostrar-vos.
02:05
What you see here is a jungle scene,
40
113000
3000
O que veem aqui é um cenário de selva,
02:08
and you see the surfaces according to the amount
41
116000
2000
e vocês veem as superfícies de acordo com a quantidade
02:10
of light that those surfaces reflect.
42
118000
2000
de luz que essas superfícies refletem.
02:12
Now, can any of you see the predator that's about to jump out at you?
43
120000
5000
Agora, algum de vocês consegue ver o predador que está prestes a atacar-vos?
02:17
And if you haven't seen it yet, you're dead. Right?
44
125000
2000
E se ainda não o viram, estão mortos. Certo?
02:19
(Laughter)
45
127000
2000
(Risos)
02:21
Can anyone see it? Anyone? No?
46
129000
2000
Alguém consegue vê-lo? Alguém? Não?
02:23
Now, let's see the surfaces according to the quality of light that they reflect.
47
131000
4000
Agora, vejamos as superfícies de acordo com a qualidade da luz que elas refletem.
02:27
And now you see it.
48
135000
3000
E agora veem-no.
02:30
So, color enables us to see
49
138000
3000
Então, a cor permite-nos ver
02:33
the similarities and differences between surfaces,
50
141000
2000
as semelhanças e as diferenças entre as superfícies,
02:35
according to the full spectrum of light that they reflect.
51
143000
3000
consoante todo o espetro de luz que elas refletem.
02:38
But what you've just done is, in many respects, mathematically impossible.
52
146000
4000
Mas o que acabaram de fazer é, em muitos aspetos, matematicamente impossível.
02:42
Why? Because, as Berkeley tells us,
53
150000
3000
Porquê? Porque, como nos diz Berkeley,
02:45
we have no direct access to our physical world,
54
153000
3000
não temos acesso direto ao nosso mundo físico,
02:48
other than through our senses.
55
156000
2000
a não ser com os nossos sentidos.
02:50
And the light that falls onto our eyes
56
158000
2000
E a luz que chega aos nossos olhos
02:52
is determined by multiple things in the world --
57
160000
2000
é determinada por múltiplas coisas no mundo --
02:54
not only the color of objects,
58
162000
2000
não apenas pela cor dos objetos,
02:56
but also the color of their illumination,
59
164000
2000
mas também pela cor da sua iluminação,
02:58
and the color of the space between us and those objects.
60
166000
3000
e pela cor do espaço entre nós e esses objetos.
03:01
You vary any one of those parameters,
61
169000
2000
Alterem qualquer um desses parâmetros,
03:03
and you'll change the color of the light that falls onto your eye.
62
171000
5000
e vão mudar a cor da luz que chega ao vosso olho.
03:08
This is a huge problem because it means that
63
176000
2000
Este é um enorme problema porque significa que
03:10
the same image could have an infinite number
64
178000
3000
a mesma imagem poderia ter um número infinito
03:13
of possible real-world sources.
65
181000
3000
de fontes possíveis no mundo real.
03:16
So let me show you what I mean. Imagine that this is the back of your eye.
66
184000
3000
Então deixem-me mostrar-vos o que quero dizer. Imaginem que isto é a parte de trás do vosso olho.
03:19
And these are two projections from the world.
67
187000
3000
E estas são duas projeções do mundo.
03:22
They are identical in every single way.
68
190000
3000
Elas são idênticas em todos os aspetos.
03:25
Identical in shape, size, spectral content.
69
193000
4000
Idênticas na forma, tamanho, conteúdo espetral.
03:29
They are the same, as far as your eye is concerned.
70
197000
4000
São iguais, no que respeita ao vosso olho.
03:33
And yet they come from completely different sources.
71
201000
5000
E no entanto, provêm de fontes completamente diferentes.
03:38
The one on the right
72
206000
2000
A da direita
03:40
comes from a yellow surface,
73
208000
3000
provém de uma superfície amarela,
03:43
in shadow, oriented facing the left,
74
211000
2000
à sombra, orientada de frente para a esquerda,
03:45
viewed through a pinkish medium.
75
213000
3000
vista através de um meio rosado.
03:48
The one on the left comes from an orange surface,
76
216000
3000
A da esquerda provém de uma superfície laranja,
03:51
under direct light, facing to the right,
77
219000
2000
sob luz direta, orientada para a direita,
03:53
viewed through a sort of a bluish medium.
78
221000
2000
vista através de um meio azulado.
03:55
Completely different meanings,
79
223000
3000
Significados completamente diferentes,
03:58
giving rise to the exact same retinal information.
80
226000
3000
dando origem a precisamente a mesma informação retiniana.
04:01
And yet it's only the retinal information
81
229000
2000
E, no entanto, é só a informação retiniana
04:03
that we get.
82
231000
2000
que recebemos.
04:05
So how on Earth do we even see?
83
233000
3000
Então, como é que raio conseguimos ver, sequer?
04:08
So, if you remember anything in this next 18 minutes,
84
236000
4000
Bem, se recordarem alguma coisa nestes próximos 18 minutos,
04:12
remember this: that the light that falls on to your eye,
85
240000
3000
recordem isto: que a luz que chega ao vosso olho,
04:15
sensory information, is meaningless,
86
243000
2000
informação sensorial, não tem significado,
04:17
because it could mean literally anything.
87
245000
3000
porque poderia significar literalmente qualquer coisa.
04:20
And what's true for sensory information is true for information generally.
88
248000
3000
E o que se aplica à informação sensorial, aplica-se à informação em geral.
04:23
There is no inherent meaning in information.
89
251000
2000
Não existe significado inerente na informação.
04:25
It's what we do with that information that matters.
90
253000
4000
É o que fazemos com essa informação que importa.
04:29
So, how do we see? Well, we see by learning to see.
91
257000
3000
Então, como é que vemos? Bem, vemos aprendendo a ver.
04:32
So, the brain evolved the mechanisms for finding patterns,
92
260000
4000
Assim, o cérebro desenvolveu os mecanismos para encontrar padrões,
04:36
finding relationships in information
93
264000
2000
encontrar relações na informação,
04:38
and associating those relationships
94
266000
2000
e associando essas relações
04:40
with a behavioral meaning,
95
268000
2000
com um significado comportamental,
04:42
a significance, by interacting with the world.
96
270000
3000
uma significância, através da interação com o mundo.
04:45
We're very aware of this
97
273000
2000
Estamos muito cientes disto
04:47
in the form of more cognitive attributes, like language.
98
275000
3000
quando toma a forma de atributos mais cognitivos, como a linguagem.
04:50
So, I'm going to give you some letter strings. And I want you to read them out for me,
99
278000
2000
Então, vou mostrar-vos algumas sequências de letras. E quero que as leiam em voz alta,
04:52
if you can.
100
280000
2000
se conseguirem.
04:54
Audience: "Can you read this?"
101
282000
3000
Audiência: "Conseguem ler isto?"
04:57
"You are not reading this."
102
285000
2000
"Não estão a ler isto."
04:59
"What are you reading?"
103
287000
2000
"O que é que estão a ler?"
05:01
Beau Lotto: "What are you reading?" Half the letters are missing. Right?
104
289000
3000
Beau Lotto: "O que é que estão a ler?" Metade das letras não estão lá. Certo?
05:04
There is no a priori reason why an "H" has to go
105
292000
2000
Não existe uma razão a priori para que um "H" tenha de estar
05:06
between that "W" and "A."
106
294000
2000
entre aquele "W" e o "A".
05:08
But you put one there. Why?
107
296000
2000
Mas colocam um lá. Porquê?
05:10
Because in the statistics of your past experience
108
298000
2000
Porque na estatística da vossa experiência passada
05:12
it would have been useful to do so. So you do so again.
109
300000
3000
teria sido útil fazê-lo assim. Por isso voltam a fazê-lo.
05:15
And yet you don't put a letter after that first "T."
110
303000
3000
E no entanto, não colocam uma letra a seguir ao primeiro "T".
05:18
Why? Because it wouldn't have been useful in the past.
111
306000
3000
Porquê? Porque não teria sido útil no passado.
05:21
So you don't do it again.
112
309000
2000
Por isso não o fazem novamente.
05:23
So let me show you how quickly our brains can redefine normality,
113
311000
4000
Então deixem-me mostrar-vos quão rapidamente os nossos cérebros conseguem redefinir a normalidade,
05:27
even at the simplest thing the brain does, which is color.
114
315000
2000
até na coisa mais simples que o cérebro faz, que é a cor.
05:29
So, if I could have the lights down up here.
115
317000
3000
Então, se pudessem apagar as luzes aqui.
05:32
I want you to first notice that those two desert scenes are physically the same.
116
320000
3000
Primeiro quero que reparem que aquelas duas cenas de deserto são iguais fisicamente.
05:35
One is simply the flipping of the other. Okay?
117
323000
5000
Uma é simplesmente uma versão espelhada da outra. OK?
05:40
Now I want you to look at that dot
118
328000
2000
Agora quero que olhem para aquele ponto
05:42
between the green and the red. Okay?
119
330000
3000
entre o verde e o vermelho. OK?
05:45
And I want you to stare at that dot. Don't look anywhere else.
120
333000
3000
E quero que fixem aquele ponto. Não olhem para mais lado nenhum.
05:48
And we're going to look at that for about 30 seconds,
121
336000
1000
E vamos fixar aquele ponto durante 30 segundos,
05:49
which is a bit of a killer in an 18-minute talk.
122
337000
3000
o que é um bocado chato numa apresentação de 18 minutos.
05:52
(Laughter)
123
340000
1000
(Risos)
05:53
But I really want you to learn.
124
341000
2000
Mas eu quero mesmo que vocês aprendam.
05:55
And I'll tell you -- don't look anywhere else --
125
343000
3000
E eu vou dizer-vos -- não olhem para mais lado nenhum --
05:58
and I'll tell you what's happening inside your head.
126
346000
2000
e eu vou dizer-vos o que está a acontecer dentro da vossa cabeça.
06:00
Your brain is learning. And it's learning that the right side of its visual field
127
348000
3000
O vosso cérebro está a aprender. E está a aprender que o lado direito do seu campo visual
06:03
is under red illumination;
128
351000
2000
está sob iluminação encarnada;
06:05
the left side of its visual field is under green illumination.
129
353000
3000
o lado esquerdo do seu campo visual está sob iluminação verde.
06:08
That's what it's learning. Okay?
130
356000
3000
É isso que está a aprender. OK?
06:11
Now, when I tell you, I want you to look at the dot between the two desert scenes.
131
359000
5000
Agora, quando eu disser, quero que fixem aquele ponto entre as duas cenas de deserto.
06:16
So why don't you do that now?
132
364000
2000
Então, porque não fazerem isso agora?
06:18
(Laughter)
133
366000
3000
(Risos)
06:21
Can I have the lights up again?
134
369000
2000
Podem voltar a acender as luzes?
06:23
I take it from your response they don't look the same anymore. Right?
135
371000
4000
Percebo pela vossa reação que eles já não parecem iguais. Certo?
06:27
(Applause)
136
375000
1000
(Aplausos)
06:28
Why? Because your brain is seeing that same information
137
376000
3000
Porquê? Porque o vosso cérebro está a ver a mesma informação
06:31
as if the right one is still under red light,
138
379000
2000
como se a da direita ainda estivesse sob luz vermelha,
06:33
and the left one is still under green light.
139
381000
2000
e a da esquerda ainda estivesse sob luz verde.
06:35
That's your new normal.
140
383000
2000
Esse é o vosso novo normal.
06:37
So, what does this mean for context?
141
385000
2000
Então, o que é que isto significa para o contexto?
06:39
It means that I can take these two identical squares,
142
387000
2000
Significa que posso pegar nestes dois quadrados idênticos,
06:41
and I can put them in light and dark surrounds.
143
389000
2000
e posso colocá-los sobre fundos claros e escuros.
06:43
And now the one on the dark surround looks lighter than the one on the light surround.
144
391000
3000
E agora o que está sobre o fundo escuro parece mais claro do que o que está sobre o fundo claro.
06:46
What's significant is not simply the light and dark surrounds that matter.
145
394000
4000
O que é significativo é que não são apenas os fundos claros e escuros que importam.
06:50
It's what those light and dark surrounds meant for your behavior in the past.
146
398000
4000
É o que esses fundos claros e escuros significaram para o vosso comportamento no passado.
06:54
So I'll show you what I mean. Here we have
147
402000
2000
Vou mostrar-vos o que quero dizer. Aqui temos
06:56
that exact same illusion.
148
404000
2000
exatamente a mesma ilusão.
06:58
We have two identical tiles, on the left,
149
406000
2000
Temos dois azulejos idênticos, à esquerda,
07:00
one in a dark surround, one in a light surround.
150
408000
2000
um sobre um fundo escuro, um sobre um fundo claro.
07:02
And the same thing over on the right.
151
410000
2000
E a mesma coisa no lado direito.
07:04
Now, what I'm going to do is I'm going to review those two scenes.
152
412000
3000
Agora, o que vou fazer é, vou revelar estas duas cenas.
07:07
But I'm not going to change anything within those boxes,
153
415000
2000
Mas não vou alterar nada dentro destas caixas,
07:09
except their meaning.
154
417000
2000
exceto o seu significado.
07:11
And see what happens to your perception.
155
419000
2000
E vejam o que acontece à vossa perceção.
07:13
Notice that on the left
156
421000
2000
Reparem que à esquerda
07:15
the two tiles look nearly completely opposite:
157
423000
3000
os dois azulejos parecem praticamente opostos:
07:18
one very white and one very dark.
158
426000
2000
um muito branco e o outro muito escuro.
07:20
All right? Whereas on the right,
159
428000
2000
Certo? Enquanto à direita,
07:22
the two tiles look nearly the same.
160
430000
2000
os dois azulejos parecem quase iguais.
07:24
And yet there is still one on a dark surround and one on a light surround.
161
432000
4000
E no entanto continua a haver um sobre um fundo escuro e um sobre um fundo claro.
07:28
Why? Because if the tile in that shadow
162
436000
3000
Porquê? Porque se o azulejo naquela sombra
07:31
were in fact in shadow,
163
439000
2000
estivesse de facto na sombra,
07:33
and reflecting the same amount of light to your eye
164
441000
2000
e a refletir a mesma quantidade de luz para o vosso olho
07:35
as the one outside the shadow,
165
443000
2000
que o que está fora da sombra,
07:37
it would have to be more reflective -- just the laws of physics.
166
445000
3000
teria de ser mais refletor -- são apenas as leis da física.
07:40
So you see it that way.
167
448000
2000
Por isso veem-no dessa forma.
07:42
Whereas on the right, the information is consistent
168
450000
3000
Enquanto que à direita, a informação é consistente
07:45
with those two tiles being under the same light.
169
453000
2000
com o facto de aqueles dois azulejos estarem sob a mesma luz.
07:47
If they are under the same light, reflecting the same amount of light
170
455000
2000
Se eles estão sob a mesma luz, refletindo a mesma quantidade de luz
07:49
to your eye,
171
457000
2000
para o vosso olho,
07:51
then they must be equally reflective.
172
459000
2000
então devem ser iguais quanto à reflexão.
07:53
So you see it that way.
173
461000
2000
Então veem-nos dessa forma.
07:55
Which means we can bring all this information together
174
463000
2000
O que significa que podemos reunir toda esta informação
07:57
to create some incredibly strong illusions.
175
465000
2000
para criar algumas ilusões incrivelmente fortes.
07:59
This is one I made a few years ago.
176
467000
2000
Esta é uma que criei há alguns anos.
08:01
And you'll notice you see a dark brown tile at the top,
177
469000
3000
E vão reparar que veem um azulejo castanho escuro no topo,
08:04
and a bright orange tile at the side.
178
472000
3000
e um azulejo laranja vivo no lado.
08:07
That is your perceptual reality. The physical reality
179
475000
2000
Essa é a vossa realidade percetual. A realidade física
08:09
is that those two tiles are the same.
180
477000
5000
é que esses dois azulejos são iguais.
08:14
Here you see four gray tiles on your left,
181
482000
3000
Aqui veem quatro azulejos cinzentos à vossa esquerda,
08:17
seven gray tiles on the right.
182
485000
2000
sete azulejos cinzentos à direita.
08:19
I'm not going to change those tiles at all,
183
487000
2000
Não vou alterar os azulejos de forma nenhuma,
08:21
but I'm going to reveal the rest of the scene
184
489000
2000
mas vou revelar o resto da cena
08:23
and see what happens to your perception.
185
491000
3000
e vejam o que acontece à vossa perceção.
08:26
The four blue tiles on the left are gray.
186
494000
4000
Os quatro azulejos azuis à esquerda são cinzentos.
08:30
The seven yellow tiles on the right are also gray.
187
498000
3000
Os sete azulejos amarelos à direita também são cinzentos.
08:33
They are the same. Okay?
188
501000
2000
São iguais. OK?
08:35
Don't believe me? Let's watch it again.
189
503000
4000
Não acreditam em mim? Vamos ver de novo.
08:39
What's true for color is also true for complex perceptions of motion.
190
507000
4000
O que é verdade para a cor também é verdade para perceções complexas de movimento.
08:43
So here we have --
191
511000
3000
Então, aqui temos --
08:46
let's turn this around -- a diamond.
192
514000
5000
vamos virar isto -- um diamante.
08:51
And what I'm going to do is, I'm going to hold it here,
193
519000
2000
E o que vou fazer é, vou segurá-lo aqui,
08:53
and I'm going to spin it.
194
521000
4000
e vou fazê-lo girar.
08:57
And for all of you, you'll see it probably spinning this direction.
195
525000
3000
E todos vocês vão provavelmente vê-lo a rodar nesta direcção.
09:00
Now I want you to keep looking at it.
196
528000
3000
Agora quero que continuem a olhar para ele.
09:03
Move your eyes around, blink, maybe close one eye.
197
531000
2000
Movam o vosso olhar, pestanejem, fechem um olho, talvez.
09:05
And suddenly it will flip, and start spinning the opposite direction.
198
533000
4000
E subitamente irá reverter-se, e começar a girar na direção oposta.
09:09
Yes? Raise your hand if you got that. Yes?
199
537000
3000
Sim? Ponham a mão no ar, se conseguiram ver. Sim?
09:12
Keep blinking. Every time you blink it will switch. Alright?
200
540000
4000
Continuem a pestanejar. Cada vez que pestanejam, ele vai trocar. Certo?
09:16
So I can ask you, which direction is it rotating?
201
544000
4000
Então, posso perguntar-vos, em que direção está a rodar?
09:20
How do you know?
202
548000
2000
Como é que sabem?
09:22
Your brain doesn't know. Because both are equally likely.
203
550000
3000
O vosso cérebro não sabe. Porque ambas são igualmente prováveis.
09:25
So depending on where it looks, it flips
204
553000
2000
Então, dependendo de para onde está a olhar, alterna
09:27
between the two possibilities.
205
555000
3000
entre as duas possibilidades.
09:30
Are we the only ones that see illusions?
206
558000
2000
Somos nós os únicos que veem ilusões?
09:32
The answer to this question is no.
207
560000
2000
A resposta a esta pergunta é não.
09:34
Even the beautiful bumblebee,
208
562000
2000
Até a bela abelha,
09:36
with its mere one million brain cells,
209
564000
2000
com o seu mero milhão de células cerebrais,
09:38
which is 250 times fewer cells than you have in one retina,
210
566000
3000
o que é 250 vezes menos células do que nós temos numa retina,
09:41
sees illusions, does the most complicated things
211
569000
3000
vê ilusões, faz as coisas mais complicadas,
09:44
that even our most sophisticated computers can't do.
212
572000
3000
que nem mesmo os nossos computadores mais sofisticados conseguem fazer.
09:47
So in my lab, we of course work on bumblebees.
213
575000
2000
Por isso, no meu laboratório, trabalhamos com abelhas, claro.
09:49
Because we can completely control their experience,
214
577000
2000
Porque conseguimos controlar completamente a sua experiência
09:51
and see how that alters the architecture of their brain.
215
579000
2000
e ver como isso altera a arquitetura do seu cérebro.
09:53
And we do this in what we call the Bee Matrix.
216
581000
3000
E fazêmo-lo naquilo a que chamamos a Bee Matrix (Matriz das Abelhas).
09:56
And here you have the hive. You can see the queen bee,
217
584000
2000
E aqui têm a colmeia. Podem ver a abelha-rainha,
09:58
that large bee in the middle there. Those are all her daughters, the eggs.
218
586000
3000
aquela abelha grande ali no meio. Aquelas são todas suas filhas, os ovos.
10:01
And they go back and forth between this hive
219
589000
3000
E elas andam para a frente e para trás entre esta colmeia
10:04
and the arena, via this tube.
220
592000
5000
e a arena, através deste tubo.
10:09
And you'll see one of the bees come out here.
221
597000
2000
E vão ver uma das abelhas a sair, por aqui.
10:11
You see how she has a little number on her?
222
599000
3000
Veem como está marcada com um pequeno número?
10:14
Yeah there is another one coming out. She has another number on her.
223
602000
3000
Sim, aqui está outra a sair. Tem outro número a marcá-la.
10:17
Now, they are not born that way. Right?
224
605000
3000
Ora, elas não nascem assim. Certo?
10:20
We pull them out, put them in the fridge, and they fall asleep.
225
608000
2000
Apanhamo-las, colocamo-las no frigorífico, e elas adormecem.
10:22
And then you can superglue little numbers on them.
226
610000
2000
E então podemos usar super cola para lhes colar pequenos números.
10:24
(Laughter)
227
612000
2000
(Risos)
10:26
And now, in this experiment they get rewarded if they go to the blue flowers.
228
614000
4000
E agora, nesta experiência, elas são recompensadas se forem para as flores azuis.
10:30
And they land on the flower. They stick their tongue in there,
229
618000
3000
E elas pousam na flor. Enfiam a língua delas ali,
10:33
called a proboscis, and they drink sugar water.
230
621000
2000
que se chama probóscide, e bebem água açucarada.
10:35
Now she is drinking a glass of water that's about that big to you and I,
231
623000
3000
Agora ela está a beber um copo de água que é o equivalente a este tamanho para nós,
10:38
will do that about three times, and then fly.
232
626000
6000
vai fazer isso cerca de três vezes, e a seguir voa.
10:44
And sometimes they learn not to go to the blue,
233
632000
2000
E por vezes elas aprendem a não ir às azuis,
10:46
but to go to where the other bees go.
234
634000
2000
mas a ir onde as outras abelhas vão.
10:48
So they copy each other. They can count to five. They can recognize faces.
235
636000
3000
Elas imitam-se. Elas conseguem contar até cinco. Elas conseguem reconhecer caras.
10:51
And here she comes down the ladder.
236
639000
3000
E aqui vem ela a descer a escada.
10:54
And she'll come into the hive, find an empty honey pot
237
642000
2000
E vai entrar na colmeia, encontrar um pote de mel vazio
10:56
and throw up, and that's honey.
238
644000
2000
e vomitar, e assim temos mel.
10:58
(Laughter)
239
646000
1000
(Risos)
10:59
Now remember -- (Laughter)
240
647000
3000
Agora lembrem-se -- (Risos)
11:02
-- she's supposed to be going to the blue flowers.
241
650000
2000
-- é suposto que ela vá às flores azuis.
11:04
But what are these bees doing in the upper right corner?
242
652000
3000
Mas o que é que estas abelhas, no canto superior direito, estão a fazer?
11:07
It looks like they're going to green flowers.
243
655000
2000
Parece que estão a ir às flores verdes.
11:09
Now, are they getting it wrong?
244
657000
3000
Ora, será que estão erradas?
11:12
And the answer to the question is no. Those are actually blue flowers.
245
660000
3000
E a resposta à pergunta é não. Aquelas são na verdade flores azuis.
11:15
But those are blue flowers under green light.
246
663000
4000
Mas são flores azuis sob uma luz verde.
11:19
So they are using the relationships between the colors to solve the puzzle,
247
667000
4000
Por isso elas estão a usar as relações entre as cores para solucionar o puzzle,
11:23
which is exactly what we do.
248
671000
2000
que é precisamente o que nós fazemos.
11:25
So, illusions are often used,
249
673000
2000
Então, as ilusões são frequentemente usadas,
11:27
especially in art, in the words of a more contemporary artist,
250
675000
4000
especialmente na arte, nas palavras de um artista mais contemporâneo,
11:31
"to demonstrate the fragility of our senses."
251
679000
2000
"para demonstrar a fragilidade dos nossos sentidos".
11:33
Okay, this is complete rubbish.
252
681000
3000
OK, isto é treta.
11:36
The senses aren't fragile. And if they were, we wouldn't be here.
253
684000
3000
Os sentidos não são frágeis. E se fossem, nós não estaríamos aqui.
11:39
Instead, color tells us something completely different,
254
687000
4000
Em vez disso, a cor diz-nos algo completamente diferente,
11:43
that the brain didn't actually evolve to see the world the way it is.
255
691000
3000
que o cérebro, na realidade, não evoluiu para ver o mundo como ele é.
11:46
We can't. Instead, the brain evolved to see the world
256
694000
4000
Não podemos. Em vez disso, o cérebro evoluiu para ver o mundo
11:50
the way it was useful to see in the past.
257
698000
3000
da forma como nos era útil ver no passado.
11:53
And how we see is by continually redefining normality.
258
701000
6000
E nós vemos através de uma redefinição contínua da normalidade.
11:59
So how can we take this
259
707000
4000
Então como é que podemos aproveitar esta
12:03
incredible capacity of plasticity of the brain
260
711000
3000
capacidade de plasticidade incrível do cérebro
12:06
and get people to experience their world differently?
261
714000
3000
e levar as pessoas a experienciarem o seu mundo de maneira diferente?
12:09
Well, one of the ways we do in my lab and studio
262
717000
3000
Bem, uma das formas que colocamos em prática no meu laboratório e estúdio
12:12
is we translate the light into sound
263
720000
3000
consiste em traduzirmos a luz em som
12:15
and we enable people to hear their visual world.
264
723000
4000
e possibilitarmos às pessoas ouvirem o seu mundo visual.
12:19
And they can navigate the world using their ears.
265
727000
3000
E elas podem navegar pelo mundo usando os seus ouvidos.
12:22
Here is David, in the right. And he is holding a camera.
266
730000
3000
Aqui está o David, à direita. E ele está a segurar uma câmara.
12:25
On the left is what his camera sees.
267
733000
2000
À esquerda está o que a câmara dele vê.
12:27
And you'll see there is a line, a faint line going across that image.
268
735000
3000
E podem ver que há uma linha, uma linha ténue que separa a imagem.
12:30
That line is broken up into 32 squares.
269
738000
3000
Essa linha está dividida em 32 quadrados.
12:33
In each square we calculate the average color.
270
741000
2000
Para cada quadrado calculamos a cor média.
12:35
And then we just simply translate that into sound.
271
743000
2000
E depois simplesmente traduzimos essa informação em som.
12:37
And now he's going to
272
745000
3000
E agora ele vai
12:40
turn around, close his eyes,
273
748000
4000
virar-se, fechar os olhos,
12:44
and find a plate on the ground with his eyes closed.
274
752000
3000
e encontrar um prato no chão, de olhos fechados.
13:06
He finds it. Amazing. Right?
275
774000
2000
Ele encontra-o. Incrível. Não é?
13:08
So not only can we create a prosthetic for the visually impaired,
276
776000
2000
Não apenas podemos criar uma prótese para os invisuais,
13:10
but we can also investigate how people
277
778000
3000
mas também podemos investigar como é que as pessoas
13:13
literally make sense of the world.
278
781000
3000
fazem sentido do mundo, literalmente.
13:16
But we can also do something else. We can also make music with color.
279
784000
4000
Mas também podemos fazer outra coisa. Também podemos fazer música com cor.
13:20
So, working with kids,
280
788000
2000
Então, trabalhando com crianças,
13:22
they created images,
281
790000
2000
elas criaram imagens,
13:24
thinking about what might the images you see
282
792000
2000
pensando sobre como é que as imagens que vemos
13:26
sound like if we could listen to them.
283
794000
2000
soariam se as pudéssemos ouvir.
13:28
And then we translated these images.
284
796000
2000
E depois traduzimos estas imagens.
13:30
And this is one of those images.
285
798000
2000
E esta é uma dessas imagens.
13:32
And this is a six-year-old child composing a piece of music
286
800000
3000
E esta é uma criança de seis anos a compôr uma peça de música
13:35
for a 32-piece orchestra.
287
803000
3000
para uma orquestra de 32 elementos.
13:38
And this is what it sounds like.
288
806000
2000
E é assim que soa.
14:06
So, a six-year-old child. Okay?
289
834000
3000
Uma criança de seis anos. OK?
14:09
Now, what does all this mean?
290
837000
3000
Então, o que é que tudo isto significa?
14:12
What this suggests is that no one is an outside observer
291
840000
3000
O que isto sugere é que ninguém é um observador externo
14:15
of nature. Okay?
292
843000
2000
da natureza. OK?
14:17
We are not defined by our central properties,
293
845000
2000
Não somos definidos pelas nossas propriedades centrais,
14:19
by the bits that make us up.
294
847000
2000
pelos pedaços que nos dão forma.
14:21
We're defined by our environment and our interaction with that environment --
295
849000
3000
Somos definidos pelo nosso ambiente e pela nossa interação com esse ambiente --
14:24
by our ecology.
296
852000
2000
pela nossa ecologia.
14:26
And that ecology is necessarily relative,
297
854000
4000
E essa ecologia é necessariamente relativa,
14:30
historical and empirical.
298
858000
2000
histórica e empírica.
14:32
So what I'd like to finish with is this over here.
299
860000
6000
Então gostaria de terminar com isto.
14:38
Because what I've been trying to do is really celebrate uncertainty.
300
866000
3000
Porque o que tenho realmente procurado fazer é celebrar a incerteza.
14:41
Because I think only through uncertainty is there potential for understanding.
301
869000
4000
Porque penso que apenas através da incerteza há potencial para a compreensão.
14:45
So, if some of you are still feeling a bit too certain,
302
873000
3000
Por isso, se alguns de vocês ainda se sentem um pouco seguros demais,
14:48
I'd like to do this one.
303
876000
2000
gostaria de fazer isto.
14:50
So, if we have the lights down.
304
878000
2000
Então, se puderem apagar a luz.
14:52
And what we have here --
305
880000
6000
E o que temos aqui --
14:58
Can everyone see 25 purple surfaces
306
886000
3000
Todos conseguem ver as 25 superfícies roxas
15:01
on your left,
307
889000
2000
à vossa esquerda,
15:03
and 25, call it yellowish, surfaces on your right?
308
891000
4000
e as 25 superfícies, digamos amareladas, à vossa direita?
15:07
So, now, what I want to do:
309
895000
2000
Então, agora, eis o que quero que façam:
15:09
I'm going to put the middle nine surfaces here
310
897000
2000
Vou colocar as nove superfícies do meio aqui
15:11
under yellow illumination
311
899000
2000
sob iluminação amarela
15:13
by simply putting a filter behind them.
312
901000
4000
colocando simplesmente um filtro por detrás delas.
15:17
All right. Now you can see that changes the light
313
905000
3000
Muito bem. Agora conseguem ver que isso altera a luz
15:20
that's coming through there. Right?
314
908000
2000
que está a entrar por ali. Certo?
15:22
Because now the light is going through a yellowish filter
315
910000
2000
Porque agora a luz está a passar por um filtro amarelado
15:24
and then a purplish filter.
316
912000
2000
e depois por um filtro arroxeado.
15:26
I'm going to do this opposite on the left here.
317
914000
5000
Vou fazer o oposto aqui à esquerda.
15:31
I'm going to put the middle nine under a purplish light.
318
919000
7000
Vou colocar os nove do meio sob uma luz arroxeada.
15:38
Now, some of you will notice that the consequence is that
319
926000
4000
Agora, alguns de vocês vão reparar que a consequência é que
15:42
the light coming through those middle nine on the right,
320
930000
3000
a luz que está a atravessar estes nove do meio à direita,
15:45
or your left,
321
933000
2000
ou à vossa esquerda,
15:47
is exactly the same as the light coming through
322
935000
2000
é exatamente a mesma que a luz que está a atravessar
15:49
the middle nine on your right.
323
937000
2000
os nove do meio à vossa direita.
15:51
Agreed? Yes?
324
939000
3000
De acordo? Sim?
15:54
Okay. So they are physically the same.
325
942000
2000
OK. Então eles são fisicamente iguais.
15:56
Let's pull the covers off.
326
944000
6000
Vamos retirar as capas.
16:02
Now remember,
327
950000
4000
Agora lembrem-se,
16:06
you know the middle nine are exactly the same.
328
954000
3000
vocês sabem que os nove do meio são exatamente iguais.
16:09
Do they look the same? No.
329
957000
4000
Eles parecem iguais? Não.
16:13
The question is, "Is that an illusion?"
330
961000
2000
A questão é, "É isto uma ilusão?"
16:15
And I'll leave you with that.
331
963000
2000
E deixo-vos com isso.
16:17
So, thank you very much.
332
965000
2000
Muito obrigado.
16:19
(Applause)
333
967000
3000
(Aplausos)
ABOUT THE SPEAKER
Beau Lotto - Neuroscientist, ArtistBeau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system.
Why you should listen
"Let there be perception," was evolution's proclamation, and so it was that all creatures, from honeybees to humans, came to see the world not as it is, but as was most useful. This uncomfortable place--where what an organism's brain sees diverges from what is actually out there--is what Beau Lotto and his team at Lottolab are exploring through their dazzling art-sci experiments and public illusions. Their Bee Matrix installation, for example, places a live bee in a transparent enclosure where gallerygoers may watch it seek nectar in a virtual meadow of luminous Plexiglas flowers. (Bees, Lotto will tell you, see colors much like we humans do.) The data captured isn't just discarded, either: it's put to good use in probing scientific papers, and sometimes in more exhibits.
At their home in London’s Science Museum, the lab holds "synesthetic workshops" where kids and adults make abstract paintings that computers interpret into music, and they host regular Lates--evenings of science, music and "mass experiments." Lotto is passionate about involving people from all walks of life in research on perception--both as subjects and as fellow researchers. One such program, called "i,scientist," in fact led to the publication of the first ever peer-reviewed scientific paper written by schoolchildren ("Blackawton Bees," December 2010). It starts, "Once upon a time ..."
These and Lotto's other conjurings are slowly, charmingly bending the science of perception--and our perceptions of what science can be.
Beau Lotto | Speaker | TED.com