ABOUT THE SPEAKER
Sebastian Seung - Computational neuroscientist
Sebastian Seung is a leader in the new field of connectomics, currently the hottest space in neuroscience, which studies, in once-impossible detail, the wiring of the brain.

Why you should listen

In the brain, neurons are connected into a complex network. Sebastian Seung and his lab at MIT are inventing technologies for identifying and describing the connectome, the totality of connections between the brain's neurons -- think of it as the wiring diagram of the brain. We possess our entire genome at birth, but things like memories are not "stored" in the genome; they are acquired through life and accumulated in the brain. Seung's hypothesis is that "we are our connectome," that the connections among neurons is where memories and experiences get stored.

Seung and his collaborators, including Winfried Denk at the Max Planck Institute and Jeff Lichtman at Harvard University, are working on a plan to thin-slice a brain (probably starting with a mouse brain) and trace, from slice to slice, each neural pathway, exposing the wiring diagram of the brain and creating a powerful new way to visualize the workings of the mind. They're not the first to attempt something like this -- Sydney Brenner won a Nobel for mapping all the 7,000 connections in the nervous system of a tiny worm, C. elegans. But that took his team a dozen years, and the worm only had 302 nerve cells. One of Seung's breakthroughs is in using advanced imagining and AI to handle the crushing amount of data that a mouse brain will yield and turn it into richly visual maps that show the passageways of thought and sensation.

More profile about the speaker
Sebastian Seung | Speaker | TED.com
TEDGlobal 2010

Sebastian Seung: I am my connectome

Sebastian Seung: Eu sou o meu conectoma

Filmed:
1,131,223 views

Sebastian Seung está a mapear um novo modelo do cérebro extremamente ambicioso, que se concentra nas ligações entre cada neurónio. Ele chama-o o nosso "conectoma" e é tão único como o nosso genoma - da sua compreensão poderá surgir uma nova forma de perceber os nossos cérebros e a nossa mente.
- Computational neuroscientist
Sebastian Seung is a leader in the new field of connectomics, currently the hottest space in neuroscience, which studies, in once-impossible detail, the wiring of the brain. Full bio

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

00:17
We liveviver in in a remarkablenotável time,
0
2000
3000
Vivemos numa época notável,
00:20
the ageera of genomicsgenômica.
1
5000
3000
a era da genómica.
00:23
Your genomegenoma is the entireinteira sequenceseqüência of your DNADNA.
2
8000
3000
O vosso genoma é toda a sequência do vosso ADN.
00:26
Your sequenceseqüência and minemeu are slightlylevemente differentdiferente.
3
11000
3000
A vossa sequência e a minha são ligeiramente diferentes.
00:29
That's why we look differentdiferente.
4
14000
2000
É por isso que somos diferentes.
00:31
I've got brownCastanho eyesolhos;
5
16000
2000
Eu tenho olhos castanhos.
00:33
you mightpoderia have blueazul or graycinzento.
6
18000
3000
Os vossos poderão ser azuis ou cinzentos.
00:36
But it's not just skin-deepsuperficial.
7
21000
2000
Mas as diferenças não são apenas superficiais.
00:38
The headlinesmanchetes tell us
8
23000
2000
As manchetes dizem-nos
00:40
that genesgenes can give us scaryassustador diseasesdoenças,
9
25000
3000
que os genes nos podem causar doenças assustadoras,
00:43
maybe even shapeforma our personalitypersonalidade,
10
28000
3000
talvez até moldem a nossa personalidade,
00:46
or give us mentalmental disordersdesordens.
11
31000
3000
ou nos provoquem desordens mentais.
00:49
Our genesgenes seemparecem to have
12
34000
3000
Os nossos genes parecem ter
00:52
awesomeimpressionante powerpoder over our destiniesdestinos.
13
37000
3000
um poder incrível sobre os nossos destinos.
00:56
And yetainda, I would like to think
14
41000
3000
Mas, no entanto, gostaria de pensar
00:59
that I am more than my genesgenes.
15
44000
3000
que eu sou mais do que os meus genes.
01:04
What do you guys think?
16
49000
2000
O que é que vocês acham?
01:06
Are you more than your genesgenes?
17
51000
3000
Vocês são mais do que os vossos genes?
01:09
(AudienceAudiência: Yes.) Yes?
18
54000
2000
(Público: Sim). Sim?
01:13
I think some people agreeaceita with me.
19
58000
2000
Penso que algumas pessoas concordam comigo.
01:15
I think we should make a statementdeclaração.
20
60000
2000
Acho que deveríamos fazer uma declaração.
01:17
I think we should say it all togetherjuntos.
21
62000
2000
Acho que o deveríamos dizer todos juntos.
01:20
All right: "I'm more than my genesgenes" -- all togetherjuntos.
22
65000
3000
Muito bem: "Eu sou mais do que os meus genes" - todos juntos.
01:23
EverybodyToda a gente: I am more than my genesgenes.
23
68000
4000
Todos: Eu sou mais do que os meus genes.
01:27
(CheeringTorcendo)
24
72000
2000
(Festejo)
01:30
SebastianSebastian SeungSeung: What am I?
25
75000
2000
Sebastian Seung: O que sou eu?
01:32
(LaughterRiso)
26
77000
3000
(Risos)
01:35
I am my connectomeconectoma.
27
80000
3000
Eu sou o meu conectoma.
01:40
Now, sinceDesde a you guys are really great,
28
85000
2000
Agora, uma vez que vocês são mesmo porreiros,
01:42
maybe you can humorhumor me and say this all togetherjuntos too.
29
87000
2000
talvez me possam fazer a vontade e o digam também, todos juntos.
01:44
(LaughterRiso)
30
89000
2000
(Risos)
01:46
Right. All togetherjuntos now.
31
91000
2000
Muito bem. Agora, todos juntos.
01:48
EverybodyToda a gente: I am my connectomeconectoma.
32
93000
3000
Todos: Eu sou o meu conectoma.
01:53
SSSS: That soundedsoou great.
33
98000
2000
SS: Espectacular.
01:55
You know, you guys are so great, you don't even know what a connectomeconectoma is,
34
100000
2000
Sabem, vocês são tão porreiros que, mesmo não sabendo o que é um conectoma,
01:57
and you're willingdisposto to playToque alongao longo with me.
35
102000
2000
estão a alinhar na brincadeira.
01:59
I could just go home now.
36
104000
3000
Iria embora feliz, agora.
02:02
Well, so farlonge only one connectomeconectoma is knownconhecido,
37
107000
3000
Bem, para já, apenas um conectoma é conhecido,
02:05
that of this tinyminúsculo wormMinhoca.
38
110000
3000
o deste pequeno verme.
02:08
Its modestmodesto nervousnervoso systemsistema
39
113000
2000
O seu sistema nervoso modesto
02:10
consistsconsiste of just 300 neuronsneurônios.
40
115000
2000
é composto por apenas 300 neurónios.
02:12
And in the 1970s and '80s,
41
117000
2000
Nas décadas de 1970 e 80,
02:14
a teamequipe of scientistscientistas
42
119000
2000
uma equipa de cientistas
02:16
mappedmapeado all 7,000 connectionsconexões
43
121000
2000
mapeou todas as 7000 conexões
02:18
betweenentre the neuronsneurônios.
44
123000
2000
entre os neurónios.
02:21
In this diagramdiagrama, everycada nodenó de is a neuronneurônio,
45
126000
2000
Neste diagrama, cada nó é um neurónio,
02:23
and everycada linelinha is a connectionconexão.
46
128000
2000
e cada linha é uma conexão.
02:25
This is the connectomeconectoma
47
130000
2000
Este é o conectoma
02:27
of the wormMinhoca C. eleganselegans.
48
132000
4000
do verme C. elegans.
02:31
Your connectomeconectoma is farlonge more complexcomplexo than this
49
136000
3000
O vosso conectoma é muito mais complexo do que este,
02:34
because your braincérebro
50
139000
2000
porque o vosso cérebro
02:36
containscontém 100 billionbilhão neuronsneurônios
51
141000
2000
é composto por 100 mil milhões de neurónios
02:38
and 10,000 timesvezes as manymuitos connectionsconexões.
52
143000
3000
e tem 10 000 vezes mais conexões.
02:41
There's a diagramdiagrama like this for your braincérebro,
53
146000
2000
Há um diagrama como este para o vosso cérebro,
02:43
but there's no way it would fitem forma on this slidedeslizar.
54
148000
3000
mas ele nunca caberia neste diapositivo.
02:47
Your connectomeconectoma containscontém one millionmilhão timesvezes more connectionsconexões
55
152000
3000
O vosso conectoma tem um milhão de vezes mais conexões
02:50
than your genomegenoma has letterscartas.
56
155000
3000
do que o vosso genoma tem letras.
02:53
That's a lot of informationem formação.
57
158000
2000
É muita informação.
02:55
What's in that informationem formação?
58
160000
3000
No que consiste essa informação?
02:59
We don't know for sure, but there are theoriesteorias.
59
164000
3000
Não sabemos ao certo, mas existem teorias.
03:02
SinceDesde the 19thº centuryséculo, neuroscientistsneurocientistas have speculatedespeculado
60
167000
3000
Desde o século XIX que os neurocientistas especulam
03:05
that maybe your memoriesrecordações --
61
170000
2000
que talvez as nossas memórias -
03:07
the informationem formação that makesfaz com que you, you --
62
172000
2000
a informação que nos torna nós próprios -
03:09
maybe your memoriesrecordações are storedarmazenados
63
174000
2000
talvez as nossas memórias estejam armazenadas
03:11
in the connectionsconexões betweenentre your brain'scérebro neuronsneurônios.
64
176000
2000
nas conexões entre os neurónios do nosso cérebro.
03:15
And perhapspossivelmente other aspectsaspectos of your personalpessoal identityidentidade --
65
180000
2000
E talvez outros aspectos da nossa identidade pessoal -
03:17
maybe your personalitypersonalidade and your intellectintelecto --
66
182000
3000
talvez a nossa personalidade e o nosso intelecto -
03:20
maybe they're alsoAlém disso encodedcodificado
67
185000
2000
talvez estes estejam também codificados
03:22
in the connectionsconexões betweenentre your neuronsneurônios.
68
187000
3000
nas conexões entre os nossos neurónios.
03:26
And so now you can see why I proposedproposto this hypothesishipótese:
69
191000
3000
Podem, agora, perceber o porquê de eu ter proposto esta hipótese:
03:29
I am my connectomeconectoma.
70
194000
3000
Eu sou o meu conectoma.
03:32
I didn't askpergunte you to chantcanto it because it's trueverdade;
71
197000
3000
Não vos pedi que a recitassem por ser verdade,
03:35
I just want you to rememberlembrar it.
72
200000
2000
quero apenas que se lembrem dela.
03:37
And in factfacto, we don't know if this hypothesishipótese is correctum lugar para outro,
73
202000
2000
Na realidade, não sabemos se está hipótese está correcta,
03:39
because we have never had technologiestecnologias
74
204000
2000
devido ao facto de nunca termos tido tecnologias
03:41
powerfulpoderoso enoughsuficiente to testteste it.
75
206000
2000
poderosas o suficiente para testá-la.
03:44
FindingEncontrar that wormMinhoca connectomeconectoma
76
209000
3000
A descoberta daquele conectoma de verme
03:47
tooktomou over a dozendúzia yearsanos of tedioustedioso labortrabalho.
77
212000
3000
implicou mais de uma dúzia de anos de trabalho fastidioso.
03:50
And to find the connectomesconnectomes of brainscérebro more like our ownpróprio,
78
215000
3000
E para descobrir conectomas de cérebros como o nosso,
03:53
we need more sophisticatedsofisticado technologiestecnologias, that are automatedautomatizado,
79
218000
3000
precisamos de tecnologias mais sofisticadas, que sejam automatizadas,
03:56
that will speedRapidez up the processprocesso of findingencontrando connectomesconnectomes.
80
221000
3000
para que acelerem o processo de descoberta de conectomas.
03:59
And in the nextPróximo fewpoucos minutesminutos, I'll tell you about some of these technologiestecnologias,
81
224000
3000
Nos próximos minutos, falar-vos-ei sobre algumas destas tecnologias,
04:02
whichqual are currentlyatualmente undersob developmentdesenvolvimento
82
227000
2000
que estão presentemente a ser desenvolvidas
04:04
in my lablaboratório and the labslaboratórios of my collaboratorscolaboradores.
83
229000
3000
no meu laboratório e nos laboratórios dos meus colaboradores.
04:08
Now you've probablyprovavelmente seenvisto picturesAs fotos of neuronsneurônios before.
84
233000
3000
Provavelmente já viram imagens de neurónios.
04:11
You can recognizereconhecer them instantlyimediatamente
85
236000
2000
Conseguem reconhecê-los imediatamente,
04:13
by theirdeles fantasticfantástico shapesformas.
86
238000
3000
devido às suas formas fantásticas.
04:16
They extendampliar long and delicatedelicado branchesRamos,
87
241000
3000
Eles alongam-se por ramificações longas e delicadas,
04:19
and in shortcurto, they look like treesárvores.
88
244000
3000
em suma, parecem árvores.
04:22
But this is just a singlesolteiro neuronneurônio.
89
247000
3000
Mas isto é apenas um único neurónio.
04:25
In orderordem to find connectomesconnectomes,
90
250000
2000
Para que possamos descobrir conectomas,
04:27
we have to see all the neuronsneurônios at the samemesmo time.
91
252000
3000
temos de ver todos os neurónios ao mesmo tempo.
04:30
So let's meetConheça BobbyBobby KasthuriKasthuri,
92
255000
2000
Vamos então conhecer Bobby Kasthuri,
04:32
who workstrabalho in the laboratorylaboratório of JeffJeff LichtmanLichtman
93
257000
2000
que trabalha no laboratório de Jeff Lichtman,
04:34
at HarvardHarvard UniversityUniversidade.
94
259000
2000
na Universidade de Harvard.
04:36
BobbyBobby is holdingsegurando fantasticallyfantasticamente thinfino slicesfatias
95
261000
2000
O Bobby está a segurar em fatias extremamente finas
04:38
of a mouserato braincérebro.
96
263000
2000
de um cérebro de ratinho.
04:40
And we're zoomingzoom in by a factorfator of 100,000 timesvezes
97
265000
3000
E estamos a ampliar num factor de 100 000 vezes
04:44
to obtainobtivermos the resolutionresolução,
98
269000
2000
para obter a resolução,
04:46
so that we can see the branchesRamos of neuronsneurônios all at the samemesmo time.
99
271000
3000
para que possamos observar as ramificações dos neurónios todas ao mesmo tempo.
04:50
ExceptExceto, you still maypode not really recognizereconhecer them,
100
275000
3000
Acontece que poderão ainda não os conseguir reconhecer de facto,
04:53
and that's because we have to work in threetrês dimensionsdimensões.
101
278000
3000
e é por isso que temos de trabalhar em três dimensões.
04:56
If we take manymuitos imagesimagens of manymuitos slicesfatias of the braincérebro
102
281000
2000
Se pegarmos em muitas imagens de muitas fatias do cérebro
04:58
and stackpilha them up,
103
283000
2000
e as empilharmos,
05:00
we get a three-dimensionaltridimensional imageimagem.
104
285000
2000
obteremos uma imagem tridimensional.
05:02
And still, you maypode not see the branchesRamos.
105
287000
2000
E mesmo assim, poderão ainda não conseguir ver as ramificações.
05:04
So we startcomeçar at the toptopo,
106
289000
2000
Por isso começamos a partir de cima,
05:06
and we colorcor in the cross-sectionsecção transversal of one branchramo in redvermelho,
107
291000
3000
e colorimos de vermelho a secção de uma ramificação,
05:09
and we do that for the nextPróximo slicefatia
108
294000
2000
E fazemos o mesmo com a próxima fatia,
05:11
and for the nextPróximo slicefatia.
109
296000
2000
e com a próxima depois dessa.
05:13
And we keep on doing that,
110
298000
2000
E continuamos a fazê-lo,
05:15
slicefatia after slicefatia.
111
300000
3000
fatia após fatia.
05:18
If we continuecontinuar throughatravés the entireinteira stackpilha,
112
303000
2000
Se continuarmos por toda a pilha,
05:20
we can reconstructreconstruir the three-dimensionaltridimensional shapeforma
113
305000
3000
podemos reconstruir a forma tridimensional
05:23
of a smallpequeno fragmentfragmento de of a branchramo of a neuronneurônio.
114
308000
3000
de um pequeno fragmento de uma ramificação de um neurónio.
05:26
And we can do that for anotheroutro neuronneurônio in greenverde.
115
311000
2000
E podemos fazê-lo com outro neurónio, a verde.
05:28
And you can see that the greenverde neuronneurônio touchestoca the redvermelho neuronneurônio
116
313000
2000
Conseguem ver que o neurónio verde toca o neurónio vermelho
05:30
at two locationsLocalizações,
117
315000
2000
em dois sítios,
05:32
and these are what are calledchamado synapsessinapses.
118
317000
2000
e é a isso que chamamos sinapses.
05:34
Let's zoomzoom in on one synapsesinapse,
119
319000
2000
Ampliemos uma sinapse.
05:36
and keep your eyesolhos on the interiorinterior of the greenverde neuronneurônio.
120
321000
3000
Fiquem atentos ao interior do neurónio verde.
05:39
You should see smallpequeno circlescírculos --
121
324000
2000
Deverão ver pequenos círculos.
05:41
these are calledchamado vesiclesvesículas.
122
326000
3000
Estes chamam-se vesículas.
05:44
They containconter a moleculemolécula know as a neurotransmitterneurotransmissor.
123
329000
3000
Estas contêm uma molécula conhecida por neurotransmissor.
05:47
And so when the greenverde neuronneurônio wants to communicatecomunicar,
124
332000
2000
Então, quando o neurónio verde quer comunicar,
05:49
it wants to sendenviar a messagemensagem to the redvermelho neuronneurônio,
125
334000
2000
quando quer enviar uma mensagem ao neurónio vermelho,
05:51
it spitsCospe out neurotransmitterneurotransmissor.
126
336000
3000
expele neurotransmissores.
05:54
At the synapsesinapse, the two neuronsneurônios
127
339000
2000
Na sinapse, os dois neurónios
05:56
are said to be connectedconectado
128
341000
2000
parecem estar conectados
05:58
like two friendsamigos talkingfalando on the telephoneTelefone.
129
343000
3000
como se de dois amigos a falar ao telefone se tratassem.
06:02
So you see how to find a synapsesinapse.
130
347000
2000
Então vêem como encontrar uma sinapse.
06:04
How can we find an entireinteira connectomeconectoma?
131
349000
3000
Como podemos encontrar todo um conectoma?
06:07
Well, we take this three-dimensionaltridimensional stackpilha of imagesimagens
132
352000
3000
Bem, pegamos numa pilha de imagens tridimensional
06:10
and treattratar it as a giganticgigantesco three-dimensionaltridimensional coloringpara colorir booklivro.
133
355000
3000
e tratámo-la como um livro de colorir tridimensional gigantesco.
06:13
We colorcor everycada neuronneurônio in, in a differentdiferente colorcor,
134
358000
3000
Colorimos cada neurónio com uma cor diferente,
06:16
and then we look throughatravés all of the imagesimagens,
135
361000
2000
e depois olhamos por entre todas as imagens,
06:18
find the synapsessinapses
136
363000
2000
encontramos as sinapses,
06:20
and noteNota the colorscores of the two neuronsneurônios involvedenvolvido in eachcada synapsesinapse.
137
365000
3000
e reparamos nas cores dos dois neurónios envolvidos em cada sinapse.
06:23
If we can do that throughoutao longo all the imagesimagens,
138
368000
3000
Se o conseguirmos fazer ao longo de todas as imagens,
06:26
we could find a connectomeconectoma.
139
371000
2000
conseguiremos encontrar um conectoma.
06:29
Now, at this pointponto,
140
374000
2000
Por esta altura,
06:31
you've learnedaprendido the basicsNoções básicas of neuronsneurônios and synapsessinapses.
141
376000
2000
aprenderam o básico sobre neurónios e sinapses.
06:33
And so I think we're readypronto to tackleatacar
142
378000
2000
Penso então que estamos preparados para discutir
06:35
one of the mosta maioria importantimportante questionsquestões in neuroscienceneurociência:
143
380000
3000
uma das questões mais importantes na neurociência:
06:39
how are the brainscérebro of menhomens and womenmulheres differentdiferente?
144
384000
3000
Qual a diferença entre os cérebros dos homens e das mulheres?
06:42
(LaughterRiso)
145
387000
2000
(Risos)
06:44
AccordingDe acordo com to this self-helpautoajuda booklivro,
146
389000
2000
De acordo com este livro de autoajuda,
06:46
guys brainscérebro are like waffleswaffles;
147
391000
2000
os cérebros dos homens são como as waffles;
06:48
they keep theirdeles livesvidas compartmentalizedcompartimentado in boxescaixas.
148
393000
3000
eles mantêm as suas vidas separadas em caixas.
06:51
Girls'Meninas brainscérebro are like spaghettiespaguete;
149
396000
3000
Os cérebros das miúdas são como esparguete;
06:54
everything in theirdeles life is connectedconectado to everything elseoutro.
150
399000
3000
tudo nas suas vidas está conectado com tudo o resto.
06:57
(LaughterRiso)
151
402000
2000
(Risos)
06:59
You guys are laughingrindo,
152
404000
2000
Vocês estão a rir,
07:01
but you know, this booklivro changedmudou my life.
153
406000
2000
mas fiquem sabendo que este livro mudou a minha vida.
07:03
(LaughterRiso)
154
408000
2000
(Risos)
07:07
But seriouslya sério, what's wrongerrado with this?
155
412000
3000
Agora a sério, onde está o erro?
07:10
You already know enoughsuficiente to tell me -- what's wrongerrado with this statementdeclaração?
156
415000
3000
Já sabem o suficiente para mo dizer. O que está errado nesta afirmação?
07:20
It doesn't matterimportam whetherse you're a guy or girlmenina,
157
425000
3000
O facto de se ser homem ou mulher não importa,
07:23
everyone'stodos brainscérebro are like spaghettiespaguete.
158
428000
3000
os cérebros de todos são como esparguete.
07:26
Or maybe really, really fine capelliniCapellini with branchesRamos.
159
431000
3000
Ou então, capellini, muito, muito fino, com ramificações.
07:30
Just as one strandStrand of spaghettiespaguete
160
435000
2000
Assim como um fio de esparguete
07:32
contactsContatos manymuitos other strandsvertentes on your plateprato,
161
437000
3000
toca em muitos outros fios no nosso prato,
07:35
one neuronneurônio touchestoca manymuitos other neuronsneurônios
162
440000
2000
também um neurónio toca em muitos outros neurónios
07:37
throughatravés theirdeles entangledenredada branchesRamos.
163
442000
2000
através das sua rede de ramificações.
07:39
One neuronneurônio can be connectedconectado to so manymuitos other neuronsneurônios,
164
444000
3000
Um neurónio pode estar conectado a todos esses outros neurónios,
07:42
because there can be synapsessinapses
165
447000
2000
porque podem existir sinapses
07:44
at these pointspontos of contactcontato.
166
449000
3000
nesses pontos de contacto.
07:49
By now, you mightpoderia have sortordenar of lostperdido perspectiveperspectiva
167
454000
3000
Por agora, podem já ter perdido a noção
07:52
on how largeampla this cubecubo of braincérebro tissuelenço de papel actuallyna realidade is.
168
457000
3000
da real dimensão deste cubo de tecido cerebral.
07:55
And so let's do a seriesSeries of comparisonscomparações to showexposição you.
169
460000
3000
Façamos então uma série de comparações para que a saibam.
07:58
I assureassegurar you, this is very tinyminúsculo. It's just sixseis micronsmícrons on a sidelado.
170
463000
3000
Asseguro-vos, é muito pequeno. Tem apenas 6 microns de lado.
08:03
So, here'saqui está how it stackspilhas up againstcontra an entireinteira neuronneurônio.
171
468000
3000
Então, eis a sua posição no complexo que é todo o neurónio.
08:06
And you can tell that, really, only the smallestmenor fragmentsfragmentos of branchesRamos
172
471000
3000
E sabem com certeza que neste cubo existem
08:09
are containedcontido insidedentro this cubecubo.
173
474000
3000
apenas pequeníssimos fragmentos de ramificações
08:12
And a neuronneurônio, well, that's smallermenor than braincérebro.
174
477000
3000
E um neurónio, bem, é mais pequeno do que um cérebro.
08:17
And that's just a mouserato braincérebro --
175
482000
2000
E aquilo é apenas o cérebro de um rato.
08:21
it's a lot smallermenor than a humanhumano braincérebro.
176
486000
3000
É bem mais pequeno do que o cérebro humano.
08:25
So when showexposição my friendsamigos this,
177
490000
2000
Então, em discussões com os meus amigos,
08:27
sometimesas vezes they'veeles têm told me,
178
492000
2000
eles às vezes dizem-me,
08:29
"You know, SebastianSebastian, you should just give up.
179
494000
3000
"Sabes, Sebastian, devias ir por outro lado.
08:32
NeuroscienceNeurociência is hopelesssem esperança."
180
497000
2000
A neurociência está parada".
08:34
Because if you look at a braincérebro with your nakednu eyeolho,
181
499000
2000
Porque se olharem para um cérebro a olho nu,
08:36
you don't really see how complexcomplexo it is,
182
501000
2000
não conseguem ver grande complexidade,
08:38
but when you use a microscopemicroscópio,
183
503000
2000
mas se usarem um microscópio,
08:40
finallyfinalmente the hiddenescondido complexitycomplexidade is revealedrevelado.
184
505000
3000
aí sim, a complexidade oculta é revelada.
08:45
In the 17thº centuryséculo,
185
510000
2000
No século XVII,
08:47
the mathematicianmatemático and philosopherfilósofo, BlaiseBlaise PascalPascal,
186
512000
2000
o matemático e filósofo Blaise Pascal
08:49
wroteescrevi of his dreadtemerar of the infiniteinfinito,
187
514000
3000
escreveu acerca do seu respeito pelo infinito,
08:52
his feelingsentindo-me of insignificanceinsignificância
188
517000
2000
do seu sentimento de pequenez
08:54
at contemplatingcontemplando the vastgrande reachesatinge of outerexterior spaceespaço.
189
519000
3000
ao contemplar tudo aquilo que não se sabe sobre o Universo.
08:59
And, as a scientistcientista,
190
524000
2000
E, como cientista que sou,
09:01
I'm not supposedsuposto to talk about my feelingssentimentos --
191
526000
3000
não é suposto eu falar sobre os meus sentimentos.
09:04
too much informationem formação, professorprofessor.
192
529000
2000
Demasiada informação, professor.
09:06
(LaughterRiso)
193
531000
2000
(Risos)
09:08
But maypode I?
194
533000
2000
Mas, permitem-me?
09:10
(LaughterRiso)
195
535000
2000
(Risos)
09:12
(ApplauseAplausos)
196
537000
2000
(Aplausos)
09:14
I feel curiositycuriosidade,
197
539000
2000
Sinto curiosidade,
09:16
and I feel wondermaravilha,
198
541000
2000
e sinto encanto,
09:18
but at timesvezes I have alsoAlém disso feltsentiu despairdesespero.
199
543000
3000
mas às vezes também senti desespero.
09:22
Why did I chooseescolher to studyestude
200
547000
2000
Porque decidi eu estudar
09:24
this organórgão that is so awesomeimpressionante in its complexitycomplexidade
201
549000
3000
um orgão que é tão grandioso na sua complexidade
09:27
that it mightpoderia well be infiniteinfinito?
202
552000
2000
que pode até ser que seja infinito?
09:29
It's absurdabsurdo.
203
554000
2000
É absurdo.
09:31
How could we even dareousar to think
204
556000
2000
Como nos podemos sequer atrever a pensar
09:33
that we mightpoderia ever understandCompreendo this?
205
558000
3000
que um dia talvez o compreendamos?
09:38
And yetainda, I persistpersistir in this quixoticquixotesca endeavorEndeavor.
206
563000
3000
No entanto, insisto nesta investida quixotesca.
09:41
And indeedde fato, these daysdias I harborporto newNovo hopesesperanças.
207
566000
3000
E na verdade, hoje acalento novas esperanças.
09:45
SomedayUm dia,
208
570000
2000
Um dia,
09:47
a fleetfrota of microscopesmicroscópios will capturecapturar
209
572000
2000
uma frota de microscópios capturará
09:49
everycada neuronneurônio and everycada synapsesinapse
210
574000
2000
cada neurónio e cada sinapse
09:51
in a vastgrande databasebase de dados of imagesimagens.
211
576000
3000
numa imensa base de dados de imagens.
09:54
And some day, artificiallyartificialmente intelligentinteligente supercomputerssupercomputadores
212
579000
3000
E algum dia, supercomputadores dotados de inteligência artificial
09:57
will analyzeanalisar the imagesimagens withoutsem humanhumano assistanceassistência
213
582000
3000
analisarão as imagens sem assistência humana,
10:00
to summarizeresumir them in a connectomeconectoma.
214
585000
3000
para as resumir num conectoma.
10:04
I do not know, but I hopeesperança that I will liveviver to see that day,
215
589000
3000
Eu não sei, mas espero viver para ver esse dia.
10:08
because findingencontrando an entireinteira humanhumano connectomeconectoma
216
593000
2000
Porque encontrar todo um conectoma humano
10:10
is one of the greatestmaior technologicaltecnológica challengesdesafios of all time.
217
595000
3000
é um dos maiores desafios tecnológicos de sempre.
10:13
It will take the work of generationsgerações to succeedter sucesso.
218
598000
3000
O seu sucesso implicará o trabalho de muitas gerações.
10:17
At the presentpresente time, my collaboratorscolaboradores and I,
219
602000
3000
Atualmente, os meus colaboradores e eu,
10:20
what we're aimingcom o objetivo for is much more modestmodesto --
220
605000
2000
aquilo a que almejamos é muito mais modesto -
10:22
just to find partialparcial connectomesconnectomes
221
607000
2000
encontrar apenas conectomas parciais,
10:24
of tinyminúsculo chunkspedaços of mouserato and humanhumano braincérebro.
222
609000
3000
provenientes de pequeníssimos blocos de cérebro de ratinho e humano.
10:27
But even that will be enoughsuficiente for the first teststestes of this hypothesishipótese
223
612000
3000
Mas mesmo só isso será o suficiente para testar pela primeira vez esta hipótese,
10:30
that I am my connectomeconectoma.
224
615000
3000
que eu sou o meu conectoma.
10:35
For now, let me try to convinceconvencer you of the plausibilityplausibilidade of this hypothesishipótese,
225
620000
3000
Por ora, deixem-me tentar convencê-los da plausibilidade desta hipótese,
10:38
that it's actuallyna realidade worthque vale a pena takinglevando seriouslya sério.
226
623000
3000
de que realmente vale a pena levá-la a sério.
10:42
As you growcrescer duringdurante childhoodinfância
227
627000
2000
À medida que crescem durante a infância,
10:44
and ageera duringdurante adulthoodidade adulta,
228
629000
3000
e envelhecem na idade adulta,
10:47
your personalpessoal identityidentidade changesalterar slowlylentamente.
229
632000
3000
a vossa identidade pessoal muda lentamente.
10:50
LikewiseDa mesma forma, everycada connectomeconectoma
230
635000
2000
Da mesma forma, cada conectoma
10:52
changesalterar over time.
231
637000
2000
muda ao longo do tempo.
10:55
What kindstipos of changesalterar happenacontecer?
232
640000
2000
Que tipos de mudanças ocorrem?
10:57
Well, neuronsneurônios, like treesárvores,
233
642000
2000
Bem, os neurónios, como as árvores,
10:59
can growcrescer newNovo branchesRamos,
234
644000
2000
conseguem desenvolver novas ramificações,
11:01
and they can loseperder oldvelho onesuns.
235
646000
3000
e conseguem perder velhas.
11:04
SynapsesSinapses can be createdcriada,
236
649000
3000
Sinapses podem ser criadas
11:07
and they can be eliminatedeliminado.
237
652000
3000
e podem ser eliminadas.
11:10
And synapsessinapses can growcrescer largermaior,
238
655000
2000
E as sinapses podem ficar maiores
11:12
and they can growcrescer smallermenor.
239
657000
3000
e podem ficar menores.
11:15
SecondSegundo questionquestão:
240
660000
2000
Segunda questão:
11:17
what causescausas these changesalterar?
241
662000
3000
o que causa estas mudanças?
11:20
Well, it's trueverdade.
242
665000
2000
Bem, é verdade.
11:22
To some extentextensão, they are programmedprogramado by your genesgenes.
243
667000
3000
Até certo ponto, são programados pelos nossos genes.
11:25
But that's not the wholetodo storyhistória,
244
670000
2000
Mas não fica por aí,
11:27
because there are signalssinais, electricalelétrico signalssinais,
245
672000
2000
porque existem sinais, sinais elétricos,
11:29
that travelviagem alongao longo the branchesRamos of neuronsneurônios
246
674000
2000
que viajam pelas ramificações dos neurónios,
11:31
and chemicalquímico signalssinais
247
676000
2000
e sinais químicos
11:33
that jumpsaltar acrossatravés from branchramo to branchramo.
248
678000
2000
que saltam de ramificação para ramificaçao.
11:35
These signalssinais are calledchamado neuralneural activityatividade.
249
680000
3000
Estes sinais chamam-se atividade neuronal.
11:38
And there's a lot of evidenceevidência
250
683000
2000
E existem muitas evidências
11:40
that neuralneural activityatividade
251
685000
3000
que a atividade neuronal
11:43
is encodingcodificação de our thoughtspensamentos, feelingssentimentos and perceptionspercepções,
252
688000
3000
esta a codificar os nossos pensamentos, sentimentos e percepções,
11:46
our mentalmental experiencesexperiências.
253
691000
2000
as nossas experiências mentais.
11:48
And there's a lot of evidenceevidência that neuralneural activityatividade
254
693000
3000
E existem muitas evidências que a atividade neuronal
11:51
can causecausa your connectionsconexões to changemudança.
255
696000
3000
pode fazer com que as vossas conexões mudem.
11:54
And if you put those two factsfatos togetherjuntos,
256
699000
3000
E se juntarem estes dois factos,
11:57
it meanssignifica that your experiencesexperiências
257
702000
2000
temos que as vossas experiências
11:59
can changemudança your connectomeconectoma.
258
704000
3000
podem alterar os vossos conectomas.
12:02
And that's why everycada connectomeconectoma is uniqueúnico,
259
707000
2000
E é essa a razão de cada conectoma ser único,
12:04
even those of geneticallygeneticamente identicalidêntico twinsgêmeos.
260
709000
3000
mesmo aqueles de gémeos verdadeiros.
12:08
The connectomeconectoma is where naturenatureza meetsreúne-se nurturenutrir.
261
713000
3000
O conectoma é onde a natureza encontra o ambiente.
12:12
And it mightpoderia trueverdade
262
717000
2000
E pode ser verdade
12:14
that just the meremero actAja of thinkingpensando
263
719000
2000
que o mero acto de pensar
12:16
can changemudança your connectomeconectoma --
264
721000
2000
possa alterar o vosso conectoma -
12:18
an ideaidéia that you maypode find empoweringcapacitação.
265
723000
3000
uma ideia que podem considerar poderosa.
12:24
What's in this picturecenário?
266
729000
2000
O que está naquela imagem?
12:28
A coollegal and refreshingrefrescantes streamcorrente of wateragua, you say.
267
733000
3000
Uma corrente de água refrescante, poderão dizer.
12:32
What elseoutro is in this picturecenário?
268
737000
2000
O que mais está na imagem?
12:37
Do not forgetesqueço that groovesulco in the EarthTerra
269
742000
2000
Não se esqueçam daquela fenda na Terra,
12:39
calledchamado the streamcorrente bedcama.
270
744000
3000
chamada o leito da corrente.
12:42
WithoutSem it, the wateragua would not know in whichqual directiondireção to flowfluxo.
271
747000
3000
Sem ele, a água não saberia em que direção seguir.
12:45
And with the streamcorrente,
272
750000
2000
E com a corrente de água,
12:47
I would like to proposepropor a metaphormetáfora
273
752000
2000
gostaria de propor uma metáfora
12:49
for the relationshiprelação betweenentre neuralneural activityatividade
274
754000
2000
para a relação entre atividade neuronal
12:51
and connectivityconectividade.
275
756000
2000
e conectividade.
12:54
NeuralNeural activityatividade is constantlyconstantemente changingmudando.
276
759000
3000
A atividade neuronal está em constante mudança.
12:57
It's like the wateragua of the streamcorrente; it never sitssenta still.
277
762000
3000
É como a água da corrente; nunca pára.
13:00
The connectionsconexões
278
765000
2000
As conexões
13:02
of the brain'scérebro neuralneural networkrede
279
767000
2000
da rede neuronal do cérebro
13:04
determinesdetermina the pathwayscaminhos
280
769000
2000
determinam os caminhos
13:06
alongao longo whichqual neuralneural activityatividade flowsflui.
281
771000
2000
pelos quais a atividade neuronal flui.
13:08
And so the connectomeconectoma is like bedcama of the streamcorrente;
282
773000
3000
O conectoma é então como o leito da corrente de água.
13:13
but the metaphormetáfora is richermais rico than that,
283
778000
3000
Mas a metáfora é mais rica do que isso.
13:16
because it's trueverdade that the streamcorrente bedcama
284
781000
3000
Porque é verdade que o leito
13:19
guidesguias the flowfluxo of the wateragua,
285
784000
2000
orienta o fluxo de água,
13:21
but over long timescalesescalas de tempo,
286
786000
2000
mas, a longo prazo,
13:23
the wateragua alsoAlém disso reshapesremodela the bedcama of the streamcorrente.
287
788000
3000
a água também remodela o leito da corrente.
13:26
And as I told you just now,
288
791000
2000
E como acabei de vos dizer,
13:28
neuralneural activityatividade can changemudança the connectomeconectoma.
289
793000
3000
a atividade neuronal pode mudar o conectoma.
13:33
And if you'llvocê vai allowpermitir me to ascendascender
290
798000
2000
E se me permitirem ascender
13:35
to metaphoricalmetafórico heightsalturas,
291
800000
3000
a alturas metafóricas,
13:38
I will remindlembrar you that neuralneural activityatividade
292
803000
3000
lembrar-vos-ei que a atividade neuronal
13:41
is the physicalfisica basisbase -- or so neuroscientistsneurocientistas think --
293
806000
2000
é a base física - ou assim pensam os neurocientistas -
13:43
of thoughtspensamentos, feelingssentimentos and perceptionspercepções.
294
808000
3000
dos pensamentos, sentimentos e percepções.
13:46
And so we mightpoderia even speakfalar of
295
811000
2000
E assim poderemos falar, até,
13:48
the streamcorrente of consciousnessconsciência.
296
813000
2000
da corrente de consciência.
13:50
NeuralNeural activityatividade is its wateragua,
297
815000
3000
A atividade neuronal é a água,
13:53
and the connectomeconectoma is its bedcama.
298
818000
3000
e o conectoma é o leito.
13:57
So let's returnRetorna from the heightsalturas of metaphormetáfora
299
822000
2000
Regressemos das alturas metafóricas
13:59
and returnRetorna to scienceCiência.
300
824000
2000
e voltemos à ciência.
14:01
SupposeSuponha que our technologiestecnologias for findingencontrando connectomesconnectomes
301
826000
2000
Suponham que as nossas tecnologias para encontrar conectomas
14:03
actuallyna realidade work.
302
828000
2000
de facto funcionam.
14:05
How will we go about testingtestando the hypothesishipótese
303
830000
2000
Como testaremos a hipótese
14:07
"I am my connectomeconectoma?"
304
832000
3000
"eu sou o meu conectoma"?
14:10
Well, I proposepropor a directdireto testteste.
305
835000
3000
Bem, proponho um teste direto.
14:13
Let us attempttentativa
306
838000
2000
Tentemos
14:15
to readler out memoriesrecordações from connectomesconnectomes.
307
840000
3000
ler memórias nos conectomas.
14:18
ConsiderConsidere the memorymemória
308
843000
2000
Considerem a memória
14:20
of long temporaltemporal sequencessequências de of movementsmovimentos,
309
845000
3000
de sequências temporais longas de movimentos,
14:23
like a pianistpianista playingjogando a BeethovenBeethoven sonataSonata para.
310
848000
3000
como um pianista a tocar uma sonata de Beethoven.
14:26
AccordingDe acordo com to a theoryteoria that datesdatas back to the 19thº centuryséculo,
311
851000
3000
De acordo com uma teoria que remonta ao século XIX,
14:29
suchtal memoriesrecordações are storedarmazenados
312
854000
2000
essas memórias estão armazenadas
14:31
as chainscorrentes of synapticsináptica connectionsconexões insidedentro your braincérebro.
313
856000
3000
como cadeias de conexões sinápticas, no vosso cérebro.
14:35
Because, if the first neuronsneurônios in the chaincadeia are activatedativado,
314
860000
3000
Porque, se os primeiros neurónios da cadeia forem ativados,
14:38
throughatravés theirdeles synapsessinapses they sendenviar messagesmensagens to the secondsegundo neuronsneurônios, whichqual are activatedativado,
315
863000
3000
eles enviam mensagens para os segundos neurónios, através das sinapses, ficando também ativos,
14:41
and so on down the linelinha,
316
866000
2000
e assim por diante, em toda a fila,
14:43
like a chaincadeia of fallingqueda dominoesdominó.
317
868000
2000
como uma cadeia de dominós.
14:45
And this sequenceseqüência of neuralneural activationativação
318
870000
2000
E põe-se como hipótese que
14:47
is hypothesizeda hipótese de to be the neuralneural basisbase
319
872000
3000
esta sequência de atividade neuronal seja
14:50
of those sequenceseqüência of movementsmovimentos.
320
875000
2000
a base neuronal daquela sequência de movimentos.
14:52
So one way of tryingtentando to testteste the theoryteoria
321
877000
2000
Então, uma maneira de testar a teoria
14:54
is to look for suchtal chainscorrentes
322
879000
2000
é procurar essas cadeias
14:56
insidedentro connectomesconnectomes.
323
881000
2000
dentro dos conectomas.
14:58
But it won'tnão vai be easyfácil, because they're not going to look like this.
324
883000
3000
Mas não será fácil, porque não se assemelharão a isto.
15:01
They're going to be scrambledovos mexidos up.
325
886000
2000
Estarão todas emaranhadas.
15:03
So we'llbem have to use our computerscomputadores
326
888000
2000
Teremos então de usar os nossos computadores
15:05
to try to unscrambledesembaralhar the chaincadeia.
327
890000
3000
para tentar desemaranhar a cadeia.
15:08
And if we can do that,
328
893000
2000
E, se o conseguirmos,
15:10
the sequenceseqüência of the neuronsneurônios we recoverrecuperar from that unscramblingunscrambling das
329
895000
3000
a sequência de neurónios que resgatamos desse novelo
15:13
will be a predictionpredição of the patternpadronizar of neuralneural activityatividade
330
898000
3000
será uma previsão do padrão de atividade neuronal
15:16
that is replayedrepetidos in the braincérebro duringdurante memorymemória recallrecordar.
331
901000
3000
que tem lugar no cérebro durante o chamamento da memória.
15:19
And if that were successfulbem sucedido,
332
904000
2000
E se isto tivesse êxito,
15:21
that would be the first exampleexemplo of readingleitura a memorymemória from a connectomeconectoma.
333
906000
3000
esse seria o primeiro exemplo de leitura de uma memória a partir de um conectoma.
15:28
(LaughterRiso)
334
913000
2000
(Risos)
15:30
What a messbagunça --
335
915000
2000
Que confusão.
15:33
have you ever triedtentou to wirefio up a systemsistema
336
918000
2000
Alguma vez tentaram montar um sistema
15:35
as complexcomplexo as this?
337
920000
2000
tão complexo quanto este?
15:37
I hopeesperança not.
338
922000
2000
Espero que não.
15:39
But if you have, you know it's very easyfácil to make a mistakeerro.
339
924000
3000
Mas se sim, saberão que é muito fácil cometer um erro.
15:45
The branchesRamos of neuronsneurônios are like the wiresfios of the braincérebro.
340
930000
2000
As ramificações dos neurónios são como os cabos do cérebro.
15:47
Can anyonealguém guessacho: what's the totaltotal lengthcomprimento of wiresfios in your braincérebro?
341
932000
4000
Alguém consegue adivinhar qual o comprimento total dos cabos no vosso cérebro?
15:54
I'll give you a hintsugestão. It's a biggrande numbernúmero.
342
939000
2000
Vou dar-vos uma pista. É um número grande.
15:56
(LaughterRiso)
343
941000
2000
(Risos)
15:59
I estimateestimativa, millionsmilhões of milesmilhas,
344
944000
3000
Faço uma estimativa de milhões de quilómetros.
16:02
all packedembalado in your skullcrânio.
345
947000
3000
Tudo acondicionado no vosso crânio.
16:05
And if you appreciateapreciar that numbernúmero,
346
950000
2000
E se considerarem esse número,
16:07
you can easilyfacilmente see
347
952000
2000
podem facilmente constatar
16:09
there is hugeenorme potentialpotencial for mis-wiringmis de fiação of the braincérebro.
348
954000
2000
que existe um enorme potencial para erros de conexão no cérebro.
16:11
And indeedde fato, the popularpopular presspressione lovesO amor é headlinesmanchetes like,
349
956000
3000
E, de facto, a imprensa popular adora manchetes como:
16:14
"AnorexicAnoréxica brainscérebro are wiredcom fio differentlydiferente,"
350
959000
2000
"Os cérebros de anorécticos estão conectados de forma diferente",
16:16
or "AutisticAutista brainscérebro are wiredcom fio differentlydiferente."
351
961000
2000
ou, "Os cérebros de autistas estão conectados de forma diferente".
16:18
These are plausibleplausível claimsreivindicações,
352
963000
2000
Estas alegações são plausíveis,
16:20
but in truthverdade,
353
965000
2000
mas, na verdade,
16:22
we can't see the brain'scérebro wiringfiação clearlyclaramente enoughsuficiente
354
967000
2000
não conseguimos ver a cablagem do cérebro de forma suficientemente clara
16:24
to tell if these are really trueverdade.
355
969000
2000
para dizer da sua veracidade.
16:26
And so the technologiestecnologias for seeingvendo connectomesconnectomes
356
971000
3000
Então, as tecnologias para ver conectomas
16:29
will allowpermitir us to finallyfinalmente
357
974000
2000
permitir-nos-ão finalmente
16:31
readler mis-wiringmis de fiação of the braincérebro,
358
976000
2000
ler as conexões erradas do cérebro,
16:33
to see mentalmental disordersdesordens in connectomesconnectomes.
359
978000
3000
para ver as desordens mentais nos conectomas.
16:40
SometimesÀs vezes the bestmelhor way to testteste a hypothesishipótese
360
985000
3000
Às vezes, a melhor maneira de testar uma hipótese
16:43
is to considerconsiderar its mosta maioria extremeextremo implicationimplicação.
361
988000
3000
é considerando a sua implicação mais extrema.
16:46
PhilosophersFilósofos know this gamejogos very well.
362
991000
3000
Os filósofos conhecem muito bem este jogo.
16:50
If you believe that I am my connectomeconectoma,
363
995000
3000
Se acreditarem que eu sou o meu conectoma,
16:53
I think you mustdevo alsoAlém disso acceptaceitar the ideaidéia
364
998000
3000
creio que também aceitarão a ideia
16:56
that deathmorte is the destructiondestruição
365
1001000
2000
que a morte é a destruição
16:58
of your connectomeconectoma.
366
1003000
3000
do vosso conectoma.
17:02
I mentionmenção this because there are prophetsprofetas todayhoje
367
1007000
3000
Refiro-me a isto porque há hoje profetas
17:05
who claimafirmação that technologytecnologia
368
1010000
3000
que alegam que a tecnologia
17:08
will fundamentallyfundamentalmente alterALTER the humanhumano conditioncondição
369
1013000
3000
irá alterar a condição humana na sua fundação,
17:11
and perhapspossivelmente even transformtransformar the humanhumano speciesespécies.
370
1016000
3000
e talvez até transformar a espécie humana.
17:14
One of theirdeles mosta maioria cherishedacalentado dreamssonhos
371
1019000
3000
Um dos seus sonhos mais queridos
17:17
is to cheatbatota deathmorte
372
1022000
2000
é enganar a morte,
17:19
by that practiceprática knownconhecido as cryonicscriogenia.
373
1024000
2000
pela prática daquilo a que se chama criogenia.
17:21
If you paypagamento 100,000 dollarsdólares,
374
1026000
2000
Se pagarem 74 000 euros,
17:23
you can arrangeorganizar to have your bodycorpo frozencongeladas after deathmorte
375
1028000
3000
conseguem que o vosso corpo seja congelado após a morte
17:26
and storedarmazenados in liquidlíquido nitrogennitrogênio
376
1031000
2000
e armazenado em azoto líquido
17:28
in one of these tankstanques in an ArizonaArizona warehousearmazém,
377
1033000
2000
num desses tanques num armazém no Arizona,
17:30
awaitingaguardando a futurefuturo civilizationcivilização
378
1035000
2000
aguardando uma civilização futura
17:32
that is advancedavançado to resurrectressuscitar you.
379
1037000
3000
avançada que vos ressuscite.
17:36
Should we ridiculeridicularização the modernmoderno seekersrequerentes of immortalityimortalidade,
380
1041000
2000
Deveremos ridicularizar estes perseguidores modernos da imortalidade,
17:38
callingligando them foolstolos?
381
1043000
2000
chamando-lhes doidos?
17:40
Or will they somedayalgum dia chucklerisada
382
1045000
2000
Ou rirão eles, um dia,
17:42
over our gravessepulturas?
383
1047000
2000
sobre os nossos túmulos?
17:45
I don't know --
384
1050000
2000
Não o sei.
17:47
I preferpreferem to testteste theirdeles beliefscrenças, scientificallycientificamente.
385
1052000
3000
Prefiro testar as suas crenças, cientificamente.
17:50
I proposepropor that we attempttentativa to find a connectomeconectoma
386
1055000
2000
Proponho que tentemos encontrar um conectoma
17:52
of a frozencongeladas braincérebro.
387
1057000
2000
de um cérebro congelado.
17:54
We know that damagedanificar to the braincérebro
388
1059000
2000
Sabemos que o dano ao cérebro
17:56
occursocorre after deathmorte and duringdurante freezingcongelamento.
389
1061000
2000
ocorre depois da morte, e durante o congelamento.
17:58
The questionquestão is: has that damagedanificar erasedapagado the connectomeconectoma?
390
1063000
3000
A pergunta é: terá esse dano eliminado o conectoma?
18:01
If it has, there is no way that any futurefuturo civilizationcivilização
391
1066000
3000
Se sim, de forma alguma conseguirá uma civilização futura
18:04
will be ablecapaz to recoverrecuperar the memoriesrecordações of these frozencongeladas brainscérebro.
392
1069000
3000
recuperar as memórias desses cérebros congelados.
18:07
ResurrectionRessurreição mightpoderia succeedter sucesso for the bodycorpo,
393
1072000
2000
A ressurreição poderá ser bem sucedida no corpo,
18:09
but not for the mindmente.
394
1074000
2000
mas não na mente.
18:11
On the other handmão, if the connectomeconectoma is still intactintacta,
395
1076000
3000
Por outro lado, se o conectoma se mantiver intacto,
18:14
we cannotnão podes ridiculeridicularização the claimsreivindicações of cryonicscriogenia so easilyfacilmente.
396
1079000
3000
não poderemos ridicularizar as pretensões da criogenia tão facilmente.
18:20
I've describeddescrito a questbusca
397
1085000
2000
Descrevi uma procura,
18:22
that beginscomeça in the worldmundo of the very smallpequeno,
398
1087000
3000
que começa no mundo do muito pequeno
18:25
and propelsimpulsiona- us to the worldmundo of the farlonge futurefuturo.
399
1090000
3000
e nos leva ao mundo do futuro longínquo.
18:28
ConnectomesConnectomes will markmarca a turninggiro pointponto in humanhumano historyhistória.
400
1093000
3000
Os conectomas marcarão um ponto de viragem na história humana.
18:32
As we evolvedevoluiu from our ape-likesímios ancestorsantepassados
401
1097000
2000
À medida que evoluímos dos nossos ancestrais semelhantes a macacos,
18:34
on the AfricanAfricano savannasavana,
402
1099000
2000
na savana africana,
18:36
what distinguisheddistinto us was our largermaior brainscérebro.
403
1101000
3000
o que nos distinguiu foram os nossos cérebros maiores.
18:40
We have used our brainscérebro to fashionmoda
404
1105000
2000
Usámos os nossos cérebros para moldar
18:42
ever more amazingsurpreendente technologiestecnologias.
405
1107000
3000
tecnologias cada vez mais fantásticas.
18:45
EventuallyEventualmente, these technologiestecnologias will becometornar-se so powerfulpoderoso
406
1110000
3000
Eventualmente, estas tecnologias tornar-se-ão tão poderosas
18:48
that we will use them to know ourselvesnós mesmos
407
1113000
3000
que as utilizaremos para nos conhecermos a nós próprios,
18:51
by deconstructingDesconstruindo and reconstructinga reconstrução
408
1116000
3000
ao desconstruir e reconstruir
18:54
our ownpróprio brainscérebro.
409
1119000
3000
os nossos próprios cérebros.
18:57
I believe that this voyageviagem of self-discoveryauto descoberta
410
1122000
3000
Acredito que esta viagem de autodescoberta
19:00
is not just for scientistscientistas,
411
1125000
3000
não se destina apenas aos cientistas,
19:03
but for all of us.
412
1128000
2000
mas a todos nós.
19:05
And I'm gratefulgrato for the opportunityoportunidade to sharecompartilhar this voyageviagem with you todayhoje.
413
1130000
3000
E estou grato pela oportunidade de partilhar esta viajem convosco, hoje.
19:08
Thank you.
414
1133000
2000
Obrigado.
19:10
(ApplauseAplausos)
415
1135000
8000
(Aplausos)
Translated by Mafalda Dias
Reviewed by Nuno Monteiro

▲Back to top

ABOUT THE SPEAKER
Sebastian Seung - Computational neuroscientist
Sebastian Seung is a leader in the new field of connectomics, currently the hottest space in neuroscience, which studies, in once-impossible detail, the wiring of the brain.

Why you should listen

In the brain, neurons are connected into a complex network. Sebastian Seung and his lab at MIT are inventing technologies for identifying and describing the connectome, the totality of connections between the brain's neurons -- think of it as the wiring diagram of the brain. We possess our entire genome at birth, but things like memories are not "stored" in the genome; they are acquired through life and accumulated in the brain. Seung's hypothesis is that "we are our connectome," that the connections among neurons is where memories and experiences get stored.

Seung and his collaborators, including Winfried Denk at the Max Planck Institute and Jeff Lichtman at Harvard University, are working on a plan to thin-slice a brain (probably starting with a mouse brain) and trace, from slice to slice, each neural pathway, exposing the wiring diagram of the brain and creating a powerful new way to visualize the workings of the mind. They're not the first to attempt something like this -- Sydney Brenner won a Nobel for mapping all the 7,000 connections in the nervous system of a tiny worm, C. elegans. But that took his team a dozen years, and the worm only had 302 nerve cells. One of Seung's breakthroughs is in using advanced imagining and AI to handle the crushing amount of data that a mouse brain will yield and turn it into richly visual maps that show the passageways of thought and sensation.

More profile about the speaker
Sebastian Seung | Speaker | TED.com