TEDGlobal 2010
Sebastian Seung: I am my connectome
Sebastian Seung: Eu sou o meu conectoma
Filmed:
Readability: 4.4
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.
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. Full bio
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 live in in a remarkable time,
0
2000
3000
Vivemos numa época notável,
00:20
the age of genomics.
1
5000
3000
a era da genómica.
00:23
Your genome is the entire sequence of your DNA.
2
8000
3000
O vosso genoma é toda a sequência do vosso ADN.
00:26
Your sequence and mine are slightly different.
3
11000
3000
A vossa sequência e a minha são ligeiramente diferentes.
00:29
That's why we look different.
4
14000
2000
É por isso que somos diferentes.
00:31
I've got brown eyes;
5
16000
2000
Eu tenho olhos castanhos.
00:33
you might have blue or gray.
6
18000
3000
Os vossos poderão ser azuis ou cinzentos.
00:36
But it's not just skin-deep.
7
21000
2000
Mas as diferenças não são apenas superficiais.
00:38
The headlines tell us
8
23000
2000
As manchetes dizem-nos
00:40
that genes can give us scary diseases,
9
25000
3000
que os genes nos podem causar doenças assustadoras,
00:43
maybe even shape our personality,
10
28000
3000
talvez até moldem a nossa personalidade,
00:46
or give us mental disorders.
11
31000
3000
ou nos provoquem desordens mentais.
00:49
Our genes seem to have
12
34000
3000
Os nossos genes parecem ter
00:52
awesome power over our destinies.
13
37000
3000
um poder incrível sobre os nossos destinos.
00:56
And yet, I would like to think
14
41000
3000
Mas, no entanto, gostaria de pensar
00:59
that I am more than my genes.
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 genes?
17
51000
3000
Vocês são mais do que os vossos genes?
01:09
(Audience: Yes.) Yes?
18
54000
2000
(Público: Sim). Sim?
01:13
I think some people agree with me.
19
58000
2000
Penso que algumas pessoas concordam comigo.
01:15
I think we should make a statement.
20
60000
2000
Acho que deveríamos fazer uma declaração.
01:17
I think we should say it all together.
21
62000
2000
Acho que o deveríamos dizer todos juntos.
01:20
All right: "I'm more than my genes" -- all together.
22
65000
3000
Muito bem: "Eu sou mais do que os meus genes" - todos juntos.
01:23
Everybody: I am more than my genes.
23
68000
4000
Todos: Eu sou mais do que os meus genes.
01:27
(Cheering)
24
72000
2000
(Festejo)
01:30
Sebastian Seung: What am I?
25
75000
2000
Sebastian Seung: O que sou eu?
01:32
(Laughter)
26
77000
3000
(Risos)
01:35
I am my connectome.
27
80000
3000
Eu sou o meu conectoma.
01:40
Now, since you guys are really great,
28
85000
2000
Agora, uma vez que vocês são mesmo porreiros,
01:42
maybe you can humor me and say this all together too.
29
87000
2000
talvez me possam fazer a vontade e o digam também, todos juntos.
01:44
(Laughter)
30
89000
2000
(Risos)
01:46
Right. All together now.
31
91000
2000
Muito bem. Agora, todos juntos.
01:48
Everybody: I am my connectome.
32
93000
3000
Todos: Eu sou o meu conectoma.
01:53
SS: That sounded great.
33
98000
2000
SS: Espectacular.
01:55
You know, you guys are so great, you don't even know what a connectome is,
34
100000
2000
Sabem, vocês são tão porreiros que, mesmo não sabendo o que é um conectoma,
01:57
and you're willing to play along 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 far only one connectome is known,
37
107000
3000
Bem, para já, apenas um conectoma é conhecido,
02:05
that of this tiny worm.
38
110000
3000
o deste pequeno verme.
02:08
Its modest nervous system
39
113000
2000
O seu sistema nervoso modesto
02:10
consists of just 300 neurons.
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 team of scientists
42
119000
2000
uma equipa de cientistas
02:16
mapped all 7,000 connections
43
121000
2000
mapeou todas as 7000 conexões
02:18
between the neurons.
44
123000
2000
entre os neurónios.
02:21
In this diagram, every node is a neuron,
45
126000
2000
Neste diagrama, cada nó é um neurónio,
02:23
and every line is a connection.
46
128000
2000
e cada linha é uma conexão.
02:25
This is the connectome
47
130000
2000
Este é o conectoma
02:27
of the worm C. elegans.
48
132000
4000
do verme C. elegans.
02:31
Your connectome is far more complex than this
49
136000
3000
O vosso conectoma é muito mais complexo do que este,
02:34
because your brain
50
139000
2000
porque o vosso cérebro
02:36
contains 100 billion neurons
51
141000
2000
é composto por 100 mil milhões de neurónios
02:38
and 10,000 times as many connections.
52
143000
3000
e tem 10 000 vezes mais conexões.
02:41
There's a diagram like this for your brain,
53
146000
2000
Há um diagrama como este para o vosso cérebro,
02:43
but there's no way it would fit on this slide.
54
148000
3000
mas ele nunca caberia neste diapositivo.
02:47
Your connectome contains one million times more connections
55
152000
3000
O vosso conectoma tem um milhão de vezes mais conexões
02:50
than your genome has letters.
56
155000
3000
do que o vosso genoma tem letras.
02:53
That's a lot of information.
57
158000
2000
É muita informação.
02:55
What's in that information?
58
160000
3000
No que consiste essa informação?
02:59
We don't know for sure, but there are theories.
59
164000
3000
Não sabemos ao certo, mas existem teorias.
03:02
Since the 19th century, neuroscientists have speculated
60
167000
3000
Desde o século XIX que os neurocientistas especulam
03:05
that maybe your memories --
61
170000
2000
que talvez as nossas memórias -
03:07
the information that makes you, you --
62
172000
2000
a informação que nos torna nós próprios -
03:09
maybe your memories are stored
63
174000
2000
talvez as nossas memórias estejam armazenadas
03:11
in the connections between your brain's neurons.
64
176000
2000
nas conexões entre os neurónios do nosso cérebro.
03:15
And perhaps other aspects of your personal identity --
65
180000
2000
E talvez outros aspectos da nossa identidade pessoal -
03:17
maybe your personality and your intellect --
66
182000
3000
talvez a nossa personalidade e o nosso intelecto -
03:20
maybe they're also encoded
67
185000
2000
talvez estes estejam também codificados
03:22
in the connections between your neurons.
68
187000
3000
nas conexões entre os nossos neurónios.
03:26
And so now you can see why I proposed this hypothesis:
69
191000
3000
Podem, agora, perceber o porquê de eu ter proposto esta hipótese:
03:29
I am my connectome.
70
194000
3000
Eu sou o meu conectoma.
03:32
I didn't ask you to chant it because it's true;
71
197000
3000
Não vos pedi que a recitassem por ser verdade,
03:35
I just want you to remember it.
72
200000
2000
quero apenas que se lembrem dela.
03:37
And in fact, we don't know if this hypothesis is correct,
73
202000
2000
Na realidade, não sabemos se está hipótese está correcta,
03:39
because we have never had technologies
74
204000
2000
devido ao facto de nunca termos tido tecnologias
03:41
powerful enough to test it.
75
206000
2000
poderosas o suficiente para testá-la.
03:44
Finding that worm connectome
76
209000
3000
A descoberta daquele conectoma de verme
03:47
took over a dozen years of tedious labor.
77
212000
3000
implicou mais de uma dúzia de anos de trabalho fastidioso.
03:50
And to find the connectomes of brains more like our own,
78
215000
3000
E para descobrir conectomas de cérebros como o nosso,
03:53
we need more sophisticated technologies, that are automated,
79
218000
3000
precisamos de tecnologias mais sofisticadas, que sejam automatizadas,
03:56
that will speed up the process of finding connectomes.
80
221000
3000
para que acelerem o processo de descoberta de conectomas.
03:59
And in the next few minutes, I'll tell you about some of these technologies,
81
224000
3000
Nos próximos minutos, falar-vos-ei sobre algumas destas tecnologias,
04:02
which are currently under development
82
227000
2000
que estão presentemente a ser desenvolvidas
04:04
in my lab and the labs of my collaborators.
83
229000
3000
no meu laboratório e nos laboratórios dos meus colaboradores.
04:08
Now you've probably seen pictures of neurons before.
84
233000
3000
Provavelmente já viram imagens de neurónios.
04:11
You can recognize them instantly
85
236000
2000
Conseguem reconhecê-los imediatamente,
04:13
by their fantastic shapes.
86
238000
3000
devido às suas formas fantásticas.
04:16
They extend long and delicate branches,
87
241000
3000
Eles alongam-se por ramificações longas e delicadas,
04:19
and in short, they look like trees.
88
244000
3000
em suma, parecem árvores.
04:22
But this is just a single neuron.
89
247000
3000
Mas isto é apenas um único neurónio.
04:25
In order to find connectomes,
90
250000
2000
Para que possamos descobrir conectomas,
04:27
we have to see all the neurons at the same time.
91
252000
3000
temos de ver todos os neurónios ao mesmo tempo.
04:30
So let's meet Bobby Kasthuri,
92
255000
2000
Vamos então conhecer Bobby Kasthuri,
04:32
who works in the laboratory of Jeff Lichtman
93
257000
2000
que trabalha no laboratório de Jeff Lichtman,
04:34
at Harvard University.
94
259000
2000
na Universidade de Harvard.
04:36
Bobby is holding fantastically thin slices
95
261000
2000
O Bobby está a segurar em fatias extremamente finas
04:38
of a mouse brain.
96
263000
2000
de um cérebro de ratinho.
04:40
And we're zooming in by a factor of 100,000 times
97
265000
3000
E estamos a ampliar num factor de 100 000 vezes
04:44
to obtain the resolution,
98
269000
2000
para obter a resolução,
04:46
so that we can see the branches of neurons all at the same time.
99
271000
3000
para que possamos observar as ramificações dos neurónios todas ao mesmo tempo.
04:50
Except, you still may not really recognize 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 three dimensions.
101
278000
3000
e é por isso que temos de trabalhar em três dimensões.
04:56
If we take many images of many slices of the brain
102
281000
2000
Se pegarmos em muitas imagens de muitas fatias do cérebro
04:58
and stack them up,
103
283000
2000
e as empilharmos,
05:00
we get a three-dimensional image.
104
285000
2000
obteremos uma imagem tridimensional.
05:02
And still, you may not see the branches.
105
287000
2000
E mesmo assim, poderão ainda não conseguir ver as ramificações.
05:04
So we start at the top,
106
289000
2000
Por isso começamos a partir de cima,
05:06
and we color in the cross-section of one branch in red,
107
291000
3000
e colorimos de vermelho a secção de uma ramificação,
05:09
and we do that for the next slice
108
294000
2000
E fazemos o mesmo com a próxima fatia,
05:11
and for the next slice.
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
slice after slice.
111
300000
3000
fatia após fatia.
05:18
If we continue through the entire stack,
112
303000
2000
Se continuarmos por toda a pilha,
05:20
we can reconstruct the three-dimensional shape
113
305000
3000
podemos reconstruir a forma tridimensional
05:23
of a small fragment of a branch of a neuron.
114
308000
3000
de um pequeno fragmento de uma ramificação de um neurónio.
05:26
And we can do that for another neuron in green.
115
311000
2000
E podemos fazê-lo com outro neurónio, a verde.
05:28
And you can see that the green neuron touches the red neuron
116
313000
2000
Conseguem ver que o neurónio verde toca o neurónio vermelho
05:30
at two locations,
117
315000
2000
em dois sítios,
05:32
and these are what are called synapses.
118
317000
2000
e é a isso que chamamos sinapses.
05:34
Let's zoom in on one synapse,
119
319000
2000
Ampliemos uma sinapse.
05:36
and keep your eyes on the interior of the green neuron.
120
321000
3000
Fiquem atentos ao interior do neurónio verde.
05:39
You should see small circles --
121
324000
2000
Deverão ver pequenos círculos.
05:41
these are called vesicles.
122
326000
3000
Estes chamam-se vesículas.
05:44
They contain a molecule know as a neurotransmitter.
123
329000
3000
Estas contêm uma molécula conhecida por neurotransmissor.
05:47
And so when the green neuron wants to communicate,
124
332000
2000
Então, quando o neurónio verde quer comunicar,
05:49
it wants to send a message to the red neuron,
125
334000
2000
quando quer enviar uma mensagem ao neurónio vermelho,
05:51
it spits out neurotransmitter.
126
336000
3000
expele neurotransmissores.
05:54
At the synapse, the two neurons
127
339000
2000
Na sinapse, os dois neurónios
05:56
are said to be connected
128
341000
2000
parecem estar conectados
05:58
like two friends talking on the telephone.
129
343000
3000
como se de dois amigos a falar ao telefone se tratassem.
06:02
So you see how to find a synapse.
130
347000
2000
Então vêem como encontrar uma sinapse.
06:04
How can we find an entire connectome?
131
349000
3000
Como podemos encontrar todo um conectoma?
06:07
Well, we take this three-dimensional stack of images
132
352000
3000
Bem, pegamos numa pilha de imagens tridimensional
06:10
and treat it as a gigantic three-dimensional coloring book.
133
355000
3000
e tratámo-la como um livro de colorir tridimensional gigantesco.
06:13
We color every neuron in, in a different color,
134
358000
3000
Colorimos cada neurónio com uma cor diferente,
06:16
and then we look through all of the images,
135
361000
2000
e depois olhamos por entre todas as imagens,
06:18
find the synapses
136
363000
2000
encontramos as sinapses,
06:20
and note the colors of the two neurons involved in each synapse.
137
365000
3000
e reparamos nas cores dos dois neurónios envolvidos em cada sinapse.
06:23
If we can do that throughout all the images,
138
368000
3000
Se o conseguirmos fazer ao longo de todas as imagens,
06:26
we could find a connectome.
139
371000
2000
conseguiremos encontrar um conectoma.
06:29
Now, at this point,
140
374000
2000
Por esta altura,
06:31
you've learned the basics of neurons and synapses.
141
376000
2000
aprenderam o básico sobre neurónios e sinapses.
06:33
And so I think we're ready to tackle
142
378000
2000
Penso então que estamos preparados para discutir
06:35
one of the most important questions in neuroscience:
143
380000
3000
uma das questões mais importantes na neurociência:
06:39
how are the brains of men and women different?
144
384000
3000
Qual a diferença entre os cérebros dos homens e das mulheres?
06:42
(Laughter)
145
387000
2000
(Risos)
06:44
According to this self-help book,
146
389000
2000
De acordo com este livro de autoajuda,
06:46
guys brains are like waffles;
147
391000
2000
os cérebros dos homens são como as waffles;
06:48
they keep their lives compartmentalized in boxes.
148
393000
3000
eles mantêm as suas vidas separadas em caixas.
06:51
Girls' brains are like spaghetti;
149
396000
3000
Os cérebros das miúdas são como esparguete;
06:54
everything in their life is connected to everything else.
150
399000
3000
tudo nas suas vidas está conectado com tudo o resto.
06:57
(Laughter)
151
402000
2000
(Risos)
06:59
You guys are laughing,
152
404000
2000
Vocês estão a rir,
07:01
but you know, this book changed my life.
153
406000
2000
mas fiquem sabendo que este livro mudou a minha vida.
07:03
(Laughter)
154
408000
2000
(Risos)
07:07
But seriously, what's wrong with this?
155
412000
3000
Agora a sério, onde está o erro?
07:10
You already know enough to tell me -- what's wrong with this statement?
156
415000
3000
Já sabem o suficiente para mo dizer. O que está errado nesta afirmação?
07:20
It doesn't matter whether you're a guy or girl,
157
425000
3000
O facto de se ser homem ou mulher não importa,
07:23
everyone's brains are like spaghetti.
158
428000
3000
os cérebros de todos são como esparguete.
07:26
Or maybe really, really fine capellini with branches.
159
431000
3000
Ou então, capellini, muito, muito fino, com ramificações.
07:30
Just as one strand of spaghetti
160
435000
2000
Assim como um fio de esparguete
07:32
contacts many other strands on your plate,
161
437000
3000
toca em muitos outros fios no nosso prato,
07:35
one neuron touches many other neurons
162
440000
2000
também um neurónio toca em muitos outros neurónios
07:37
through their entangled branches.
163
442000
2000
através das sua rede de ramificações.
07:39
One neuron can be connected to so many other neurons,
164
444000
3000
Um neurónio pode estar conectado a todos esses outros neurónios,
07:42
because there can be synapses
165
447000
2000
porque podem existir sinapses
07:44
at these points of contact.
166
449000
3000
nesses pontos de contacto.
07:49
By now, you might have sort of lost perspective
167
454000
3000
Por agora, podem já ter perdido a noção
07:52
on how large this cube of brain tissue actually is.
168
457000
3000
da real dimensão deste cubo de tecido cerebral.
07:55
And so let's do a series of comparisons to show you.
169
460000
3000
Façamos então uma série de comparações para que a saibam.
07:58
I assure you, this is very tiny. It's just six microns on a side.
170
463000
3000
Asseguro-vos, é muito pequeno. Tem apenas 6 microns de lado.
08:03
So, here's how it stacks up against an entire neuron.
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 smallest fragments of branches
172
471000
3000
E sabem com certeza que neste cubo existem
08:09
are contained inside this cube.
173
474000
3000
apenas pequeníssimos fragmentos de ramificações
08:12
And a neuron, well, that's smaller than brain.
174
477000
3000
E um neurónio, bem, é mais pequeno do que um cérebro.
08:17
And that's just a mouse brain --
175
482000
2000
E aquilo é apenas o cérebro de um rato.
08:21
it's a lot smaller than a human brain.
176
486000
3000
É bem mais pequeno do que o cérebro humano.
08:25
So when show my friends this,
177
490000
2000
Então, em discussões com os meus amigos,
08:27
sometimes they've told me,
178
492000
2000
eles às vezes dizem-me,
08:29
"You know, Sebastian, you should just give up.
179
494000
3000
"Sabes, Sebastian, devias ir por outro lado.
08:32
Neuroscience is hopeless."
180
497000
2000
A neurociência está parada".
08:34
Because if you look at a brain with your naked eye,
181
499000
2000
Porque se olharem para um cérebro a olho nu,
08:36
you don't really see how complex it is,
182
501000
2000
não conseguem ver grande complexidade,
08:38
but when you use a microscope,
183
503000
2000
mas se usarem um microscópio,
08:40
finally the hidden complexity is revealed.
184
505000
3000
aí sim, a complexidade oculta é revelada.
08:45
In the 17th century,
185
510000
2000
No século XVII,
08:47
the mathematician and philosopher, Blaise Pascal,
186
512000
2000
o matemático e filósofo Blaise Pascal
08:49
wrote of his dread of the infinite,
187
514000
3000
escreveu acerca do seu respeito pelo infinito,
08:52
his feeling of insignificance
188
517000
2000
do seu sentimento de pequenez
08:54
at contemplating the vast reaches of outer space.
189
519000
3000
ao contemplar tudo aquilo que não se sabe sobre o Universo.
08:59
And, as a scientist,
190
524000
2000
E, como cientista que sou,
09:01
I'm not supposed to talk about my feelings --
191
526000
3000
não é suposto eu falar sobre os meus sentimentos.
09:04
too much information, professor.
192
529000
2000
Demasiada informação, professor.
09:06
(Laughter)
193
531000
2000
(Risos)
09:08
But may I?
194
533000
2000
Mas, permitem-me?
09:10
(Laughter)
195
535000
2000
(Risos)
09:12
(Applause)
196
537000
2000
(Aplausos)
09:14
I feel curiosity,
197
539000
2000
Sinto curiosidade,
09:16
and I feel wonder,
198
541000
2000
e sinto encanto,
09:18
but at times I have also felt despair.
199
543000
3000
mas às vezes também senti desespero.
09:22
Why did I choose to study
200
547000
2000
Porque decidi eu estudar
09:24
this organ that is so awesome in its complexity
201
549000
3000
um orgão que é tão grandioso na sua complexidade
09:27
that it might well be infinite?
202
552000
2000
que pode até ser que seja infinito?
09:29
It's absurd.
203
554000
2000
É absurdo.
09:31
How could we even dare to think
204
556000
2000
Como nos podemos sequer atrever a pensar
09:33
that we might ever understand this?
205
558000
3000
que um dia talvez o compreendamos?
09:38
And yet, I persist in this quixotic endeavor.
206
563000
3000
No entanto, insisto nesta investida quixotesca.
09:41
And indeed, these days I harbor new hopes.
207
566000
3000
E na verdade, hoje acalento novas esperanças.
09:45
Someday,
208
570000
2000
Um dia,
09:47
a fleet of microscopes will capture
209
572000
2000
uma frota de microscópios capturará
09:49
every neuron and every synapse
210
574000
2000
cada neurónio e cada sinapse
09:51
in a vast database of images.
211
576000
3000
numa imensa base de dados de imagens.
09:54
And some day, artificially intelligent supercomputers
212
579000
3000
E algum dia, supercomputadores dotados de inteligência artificial
09:57
will analyze the images without human assistance
213
582000
3000
analisarão as imagens sem assistência humana,
10:00
to summarize them in a connectome.
214
585000
3000
para as resumir num conectoma.
10:04
I do not know, but I hope that I will live to see that day,
215
589000
3000
Eu não sei, mas espero viver para ver esse dia.
10:08
because finding an entire human connectome
216
593000
2000
Porque encontrar todo um conectoma humano
10:10
is one of the greatest technological challenges of all time.
217
595000
3000
é um dos maiores desafios tecnológicos de sempre.
10:13
It will take the work of generations to succeed.
218
598000
3000
O seu sucesso implicará o trabalho de muitas gerações.
10:17
At the present time, my collaborators and I,
219
602000
3000
Atualmente, os meus colaboradores e eu,
10:20
what we're aiming for is much more modest --
220
605000
2000
aquilo a que almejamos é muito mais modesto -
10:22
just to find partial connectomes
221
607000
2000
encontrar apenas conectomas parciais,
10:24
of tiny chunks of mouse and human brain.
222
609000
3000
provenientes de pequeníssimos blocos de cérebro de ratinho e humano.
10:27
But even that will be enough for the first tests of this hypothesis
223
612000
3000
Mas mesmo só isso será o suficiente para testar pela primeira vez esta hipótese,
10:30
that I am my connectome.
224
615000
3000
que eu sou o meu conectoma.
10:35
For now, let me try to convince you of the plausibility of this hypothesis,
225
620000
3000
Por ora, deixem-me tentar convencê-los da plausibilidade desta hipótese,
10:38
that it's actually worth taking seriously.
226
623000
3000
de que realmente vale a pena levá-la a sério.
10:42
As you grow during childhood
227
627000
2000
À medida que crescem durante a infância,
10:44
and age during adulthood,
228
629000
3000
e envelhecem na idade adulta,
10:47
your personal identity changes slowly.
229
632000
3000
a vossa identidade pessoal muda lentamente.
10:50
Likewise, every connectome
230
635000
2000
Da mesma forma, cada conectoma
10:52
changes over time.
231
637000
2000
muda ao longo do tempo.
10:55
What kinds of changes happen?
232
640000
2000
Que tipos de mudanças ocorrem?
10:57
Well, neurons, like trees,
233
642000
2000
Bem, os neurónios, como as árvores,
10:59
can grow new branches,
234
644000
2000
conseguem desenvolver novas ramificações,
11:01
and they can lose old ones.
235
646000
3000
e conseguem perder velhas.
11:04
Synapses can be created,
236
649000
3000
Sinapses podem ser criadas
11:07
and they can be eliminated.
237
652000
3000
e podem ser eliminadas.
11:10
And synapses can grow larger,
238
655000
2000
E as sinapses podem ficar maiores
11:12
and they can grow smaller.
239
657000
3000
e podem ficar menores.
11:15
Second question:
240
660000
2000
Segunda questão:
11:17
what causes these changes?
241
662000
3000
o que causa estas mudanças?
11:20
Well, it's true.
242
665000
2000
Bem, é verdade.
11:22
To some extent, they are programmed by your genes.
243
667000
3000
Até certo ponto, são programados pelos nossos genes.
11:25
But that's not the whole story,
244
670000
2000
Mas não fica por aí,
11:27
because there are signals, electrical signals,
245
672000
2000
porque existem sinais, sinais elétricos,
11:29
that travel along the branches of neurons
246
674000
2000
que viajam pelas ramificações dos neurónios,
11:31
and chemical signals
247
676000
2000
e sinais químicos
11:33
that jump across from branch to branch.
248
678000
2000
que saltam de ramificação para ramificaçao.
11:35
These signals are called neural activity.
249
680000
3000
Estes sinais chamam-se atividade neuronal.
11:38
And there's a lot of evidence
250
683000
2000
E existem muitas evidências
11:40
that neural activity
251
685000
3000
que a atividade neuronal
11:43
is encoding our thoughts, feelings and perceptions,
252
688000
3000
esta a codificar os nossos pensamentos, sentimentos e percepções,
11:46
our mental experiences.
253
691000
2000
as nossas experiências mentais.
11:48
And there's a lot of evidence that neural activity
254
693000
3000
E existem muitas evidências que a atividade neuronal
11:51
can cause your connections to change.
255
696000
3000
pode fazer com que as vossas conexões mudem.
11:54
And if you put those two facts together,
256
699000
3000
E se juntarem estes dois factos,
11:57
it means that your experiences
257
702000
2000
temos que as vossas experiências
11:59
can change your connectome.
258
704000
3000
podem alterar os vossos conectomas.
12:02
And that's why every connectome is unique,
259
707000
2000
E é essa a razão de cada conectoma ser único,
12:04
even those of genetically identical twins.
260
709000
3000
mesmo aqueles de gémeos verdadeiros.
12:08
The connectome is where nature meets nurture.
261
713000
3000
O conectoma é onde a natureza encontra o ambiente.
12:12
And it might true
262
717000
2000
E pode ser verdade
12:14
that just the mere act of thinking
263
719000
2000
que o mero acto de pensar
12:16
can change your connectome --
264
721000
2000
possa alterar o vosso conectoma -
12:18
an idea that you may find empowering.
265
723000
3000
uma ideia que podem considerar poderosa.
12:24
What's in this picture?
266
729000
2000
O que está naquela imagem?
12:28
A cool and refreshing stream of water, you say.
267
733000
3000
Uma corrente de água refrescante, poderão dizer.
12:32
What else is in this picture?
268
737000
2000
O que mais está na imagem?
12:37
Do not forget that groove in the Earth
269
742000
2000
Não se esqueçam daquela fenda na Terra,
12:39
called the stream bed.
270
744000
3000
chamada o leito da corrente.
12:42
Without it, the water would not know in which direction to flow.
271
747000
3000
Sem ele, a água não saberia em que direção seguir.
12:45
And with the stream,
272
750000
2000
E com a corrente de água,
12:47
I would like to propose a metaphor
273
752000
2000
gostaria de propor uma metáfora
12:49
for the relationship between neural activity
274
754000
2000
para a relação entre atividade neuronal
12:51
and connectivity.
275
756000
2000
e conectividade.
12:54
Neural activity is constantly changing.
276
759000
3000
A atividade neuronal está em constante mudança.
12:57
It's like the water of the stream; it never sits still.
277
762000
3000
É como a água da corrente; nunca pára.
13:00
The connections
278
765000
2000
As conexões
13:02
of the brain's neural network
279
767000
2000
da rede neuronal do cérebro
13:04
determines the pathways
280
769000
2000
determinam os caminhos
13:06
along which neural activity flows.
281
771000
2000
pelos quais a atividade neuronal flui.
13:08
And so the connectome is like bed of the stream;
282
773000
3000
O conectoma é então como o leito da corrente de água.
13:13
but the metaphor is richer than that,
283
778000
3000
Mas a metáfora é mais rica do que isso.
13:16
because it's true that the stream bed
284
781000
3000
Porque é verdade que o leito
13:19
guides the flow of the water,
285
784000
2000
orienta o fluxo de água,
13:21
but over long timescales,
286
786000
2000
mas, a longo prazo,
13:23
the water also reshapes the bed of the stream.
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
neural activity can change the connectome.
289
793000
3000
a atividade neuronal pode mudar o conectoma.
13:33
And if you'll allow me to ascend
290
798000
2000
E se me permitirem ascender
13:35
to metaphorical heights,
291
800000
3000
a alturas metafóricas,
13:38
I will remind you that neural activity
292
803000
3000
lembrar-vos-ei que a atividade neuronal
13:41
is the physical basis -- or so neuroscientists think --
293
806000
2000
é a base física - ou assim pensam os neurocientistas -
13:43
of thoughts, feelings and perceptions.
294
808000
3000
dos pensamentos, sentimentos e percepções.
13:46
And so we might even speak of
295
811000
2000
E assim poderemos falar, até,
13:48
the stream of consciousness.
296
813000
2000
da corrente de consciência.
13:50
Neural activity is its water,
297
815000
3000
A atividade neuronal é a água,
13:53
and the connectome is its bed.
298
818000
3000
e o conectoma é o leito.
13:57
So let's return from the heights of metaphor
299
822000
2000
Regressemos das alturas metafóricas
13:59
and return to science.
300
824000
2000
e voltemos à ciência.
14:01
Suppose our technologies for finding connectomes
301
826000
2000
Suponham que as nossas tecnologias para encontrar conectomas
14:03
actually work.
302
828000
2000
de facto funcionam.
14:05
How will we go about testing the hypothesis
303
830000
2000
Como testaremos a hipótese
14:07
"I am my connectome?"
304
832000
3000
"eu sou o meu conectoma"?
14:10
Well, I propose a direct test.
305
835000
3000
Bem, proponho um teste direto.
14:13
Let us attempt
306
838000
2000
Tentemos
14:15
to read out memories from connectomes.
307
840000
3000
ler memórias nos conectomas.
14:18
Consider the memory
308
843000
2000
Considerem a memória
14:20
of long temporal sequences of movements,
309
845000
3000
de sequências temporais longas de movimentos,
14:23
like a pianist playing a Beethoven sonata.
310
848000
3000
como um pianista a tocar uma sonata de Beethoven.
14:26
According to a theory that dates back to the 19th century,
311
851000
3000
De acordo com uma teoria que remonta ao século XIX,
14:29
such memories are stored
312
854000
2000
essas memórias estão armazenadas
14:31
as chains of synaptic connections inside your brain.
313
856000
3000
como cadeias de conexões sinápticas, no vosso cérebro.
14:35
Because, if the first neurons in the chain are activated,
314
860000
3000
Porque, se os primeiros neurónios da cadeia forem ativados,
14:38
through their synapses they send messages to the second neurons, which are activated,
315
863000
3000
eles enviam mensagens para os segundos neurónios, através das sinapses, ficando também ativos,
14:41
and so on down the line,
316
866000
2000
e assim por diante, em toda a fila,
14:43
like a chain of falling dominoes.
317
868000
2000
como uma cadeia de dominós.
14:45
And this sequence of neural activation
318
870000
2000
E põe-se como hipótese que
14:47
is hypothesized to be the neural basis
319
872000
3000
esta sequência de atividade neuronal seja
14:50
of those sequence of movements.
320
875000
2000
a base neuronal daquela sequência de movimentos.
14:52
So one way of trying to test the theory
321
877000
2000
Então, uma maneira de testar a teoria
14:54
is to look for such chains
322
879000
2000
é procurar essas cadeias
14:56
inside connectomes.
323
881000
2000
dentro dos conectomas.
14:58
But it won't be easy, 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 scrambled up.
325
886000
2000
Estarão todas emaranhadas.
15:03
So we'll have to use our computers
326
888000
2000
Teremos então de usar os nossos computadores
15:05
to try to unscramble the chain.
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 sequence of the neurons we recover from that unscrambling
329
895000
3000
a sequência de neurónios que resgatamos desse novelo
15:13
will be a prediction of the pattern of neural activity
330
898000
3000
será uma previsão do padrão de atividade neuronal
15:16
that is replayed in the brain during memory recall.
331
901000
3000
que tem lugar no cérebro durante o chamamento da memória.
15:19
And if that were successful,
332
904000
2000
E se isto tivesse êxito,
15:21
that would be the first example of reading a memory from a connectome.
333
906000
3000
esse seria o primeiro exemplo de leitura de uma memória a partir de um conectoma.
15:28
(Laughter)
334
913000
2000
(Risos)
15:30
What a mess --
335
915000
2000
Que confusão.
15:33
have you ever tried to wire up a system
336
918000
2000
Alguma vez tentaram montar um sistema
15:35
as complex as this?
337
920000
2000
tão complexo quanto este?
15:37
I hope not.
338
922000
2000
Espero que não.
15:39
But if you have, you know it's very easy to make a mistake.
339
924000
3000
Mas se sim, saberão que é muito fácil cometer um erro.
15:45
The branches of neurons are like the wires of the brain.
340
930000
2000
As ramificações dos neurónios são como os cabos do cérebro.
15:47
Can anyone guess: what's the total length of wires in your brain?
341
932000
4000
Alguém consegue adivinhar qual o comprimento total dos cabos no vosso cérebro?
15:54
I'll give you a hint. It's a big number.
342
939000
2000
Vou dar-vos uma pista. É um número grande.
15:56
(Laughter)
343
941000
2000
(Risos)
15:59
I estimate, millions of miles,
344
944000
3000
Faço uma estimativa de milhões de quilómetros.
16:02
all packed in your skull.
345
947000
3000
Tudo acondicionado no vosso crânio.
16:05
And if you appreciate that number,
346
950000
2000
E se considerarem esse número,
16:07
you can easily see
347
952000
2000
podem facilmente constatar
16:09
there is huge potential for mis-wiring of the brain.
348
954000
2000
que existe um enorme potencial para erros de conexão no cérebro.
16:11
And indeed, the popular press loves headlines like,
349
956000
3000
E, de facto, a imprensa popular adora manchetes como:
16:14
"Anorexic brains are wired differently,"
350
959000
2000
"Os cérebros de anorécticos estão conectados de forma diferente",
16:16
or "Autistic brains are wired differently."
351
961000
2000
ou, "Os cérebros de autistas estão conectados de forma diferente".
16:18
These are plausible claims,
352
963000
2000
Estas alegações são plausíveis,
16:20
but in truth,
353
965000
2000
mas, na verdade,
16:22
we can't see the brain's wiring clearly enough
354
967000
2000
não conseguimos ver a cablagem do cérebro de forma suficientemente clara
16:24
to tell if these are really true.
355
969000
2000
para dizer da sua veracidade.
16:26
And so the technologies for seeing connectomes
356
971000
3000
Então, as tecnologias para ver conectomas
16:29
will allow us to finally
357
974000
2000
permitir-nos-ão finalmente
16:31
read mis-wiring of the brain,
358
976000
2000
ler as conexões erradas do cérebro,
16:33
to see mental disorders in connectomes.
359
978000
3000
para ver as desordens mentais nos conectomas.
16:40
Sometimes the best way to test a hypothesis
360
985000
3000
Às vezes, a melhor maneira de testar uma hipótese
16:43
is to consider its most extreme implication.
361
988000
3000
é considerando a sua implicação mais extrema.
16:46
Philosophers know this game very well.
362
991000
3000
Os filósofos conhecem muito bem este jogo.
16:50
If you believe that I am my connectome,
363
995000
3000
Se acreditarem que eu sou o meu conectoma,
16:53
I think you must also accept the idea
364
998000
3000
creio que também aceitarão a ideia
16:56
that death is the destruction
365
1001000
2000
que a morte é a destruição
16:58
of your connectome.
366
1003000
3000
do vosso conectoma.
17:02
I mention this because there are prophets today
367
1007000
3000
Refiro-me a isto porque há hoje profetas
17:05
who claim that technology
368
1010000
3000
que alegam que a tecnologia
17:08
will fundamentally alter the human condition
369
1013000
3000
irá alterar a condição humana na sua fundação,
17:11
and perhaps even transform the human species.
370
1016000
3000
e talvez até transformar a espécie humana.
17:14
One of their most cherished dreams
371
1019000
3000
Um dos seus sonhos mais queridos
17:17
is to cheat death
372
1022000
2000
é enganar a morte,
17:19
by that practice known as cryonics.
373
1024000
2000
pela prática daquilo a que se chama criogenia.
17:21
If you pay 100,000 dollars,
374
1026000
2000
Se pagarem 74 000 euros,
17:23
you can arrange to have your body frozen after death
375
1028000
3000
conseguem que o vosso corpo seja congelado após a morte
17:26
and stored in liquid nitrogen
376
1031000
2000
e armazenado em azoto líquido
17:28
in one of these tanks in an Arizona warehouse,
377
1033000
2000
num desses tanques num armazém no Arizona,
17:30
awaiting a future civilization
378
1035000
2000
aguardando uma civilização futura
17:32
that is advanced to resurrect you.
379
1037000
3000
avançada que vos ressuscite.
17:36
Should we ridicule the modern seekers of immortality,
380
1041000
2000
Deveremos ridicularizar estes perseguidores modernos da imortalidade,
17:38
calling them fools?
381
1043000
2000
chamando-lhes doidos?
17:40
Or will they someday chuckle
382
1045000
2000
Ou rirão eles, um dia,
17:42
over our graves?
383
1047000
2000
sobre os nossos túmulos?
17:45
I don't know --
384
1050000
2000
Não o sei.
17:47
I prefer to test their beliefs, scientifically.
385
1052000
3000
Prefiro testar as suas crenças, cientificamente.
17:50
I propose that we attempt to find a connectome
386
1055000
2000
Proponho que tentemos encontrar um conectoma
17:52
of a frozen brain.
387
1057000
2000
de um cérebro congelado.
17:54
We know that damage to the brain
388
1059000
2000
Sabemos que o dano ao cérebro
17:56
occurs after death and during freezing.
389
1061000
2000
ocorre depois da morte, e durante o congelamento.
17:58
The question is: has that damage erased the connectome?
390
1063000
3000
A pergunta é: terá esse dano eliminado o conectoma?
18:01
If it has, there is no way that any future civilization
391
1066000
3000
Se sim, de forma alguma conseguirá uma civilização futura
18:04
will be able to recover the memories of these frozen brains.
392
1069000
3000
recuperar as memórias desses cérebros congelados.
18:07
Resurrection might succeed for the body,
393
1072000
2000
A ressurreição poderá ser bem sucedida no corpo,
18:09
but not for the mind.
394
1074000
2000
mas não na mente.
18:11
On the other hand, if the connectome is still intact,
395
1076000
3000
Por outro lado, se o conectoma se mantiver intacto,
18:14
we cannot ridicule the claims of cryonics so easily.
396
1079000
3000
não poderemos ridicularizar as pretensões da criogenia tão facilmente.
18:20
I've described a quest
397
1085000
2000
Descrevi uma procura,
18:22
that begins in the world of the very small,
398
1087000
3000
que começa no mundo do muito pequeno
18:25
and propels us to the world of the far future.
399
1090000
3000
e nos leva ao mundo do futuro longínquo.
18:28
Connectomes will mark a turning point in human history.
400
1093000
3000
Os conectomas marcarão um ponto de viragem na história humana.
18:32
As we evolved from our ape-like ancestors
401
1097000
2000
À medida que evoluímos dos nossos ancestrais semelhantes a macacos,
18:34
on the African savanna,
402
1099000
2000
na savana africana,
18:36
what distinguished us was our larger brains.
403
1101000
3000
o que nos distinguiu foram os nossos cérebros maiores.
18:40
We have used our brains to fashion
404
1105000
2000
Usámos os nossos cérebros para moldar
18:42
ever more amazing technologies.
405
1107000
3000
tecnologias cada vez mais fantásticas.
18:45
Eventually, these technologies will become so powerful
406
1110000
3000
Eventualmente, estas tecnologias tornar-se-ão tão poderosas
18:48
that we will use them to know ourselves
407
1113000
3000
que as utilizaremos para nos conhecermos a nós próprios,
18:51
by deconstructing and reconstructing
408
1116000
3000
ao desconstruir e reconstruir
18:54
our own brains.
409
1119000
3000
os nossos próprios cérebros.
18:57
I believe that this voyage of self-discovery
410
1122000
3000
Acredito que esta viagem de autodescoberta
19:00
is not just for scientists,
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 grateful for the opportunity to share this voyage with you today.
413
1130000
3000
E estou grato pela oportunidade de partilhar esta viajem convosco, hoje.
19:08
Thank you.
414
1133000
2000
Obrigado.
19:10
(Applause)
415
1135000
8000
(Aplausos)
ABOUT THE SPEAKER
Sebastian Seung - Computational neuroscientistSebastian 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.
Sebastian Seung | Speaker | TED.com