TEDGlobal 2011
Daniel Wolpert: The real reason for brains
Daniel Wolpert: Adevăratul motiv pentru care avem creier
Filmed:
Readability: 3.9
1,994,993 views
Neurologul Daniel Wolpert pornește de la o premisă surprinzătoare: creierul nu a evoluat să gândească sau să simtă, ci pentru a controla mișcarea. În această prezentare interesantă, bogată în informații, Wolpert ne arată cum reușește creierul să creeze grația și agilitatea mișcărilor umane.
Daniel Wolpert - Movement expert
A neuroscientist and engineer, Daniel Wolpert studies how the brain controls the body. Full bio
A neuroscientist and engineer, Daniel Wolpert studies how the brain controls the body. Full bio
Double-click the English transcript below to play the video.
00:15
I'm a neuroscientist.
0
0
2000
Sunt neurocercetător.
00:17
And in neuroscience,
1
2000
2000
Și în neurocercetare,
00:19
we have to deal with many difficult questions about the brain.
2
4000
3000
ne punem multe întrebări dificile legate de creier.
00:22
But I want to start with the easiest question
3
7000
2000
Vreau să încep cu cea mai simplă întrebare
00:24
and the question you really should have all asked yourselves at some point in your life,
4
9000
3000
pe care v-ați pus-o cu toții la un moment dat,
00:27
because it's a fundamental question
5
12000
2000
fiindcă e o întrebare fundamentală
00:29
if we want to understand brain function.
6
14000
2000
dacă vrem să înțelegem rolul creierului.
00:31
And that is, why do we and other animals
7
16000
2000
De ce noi și alte animale
00:33
have brains?
8
18000
2000
avem creiere?
00:35
Not all species on our planet have brains,
9
20000
3000
Nu toate speciile au,
00:38
so if we want to know what the brain is for,
10
23000
2000
așa că dacă vrem să știm ce rol are creierul,
00:40
let's think about why we evolved one.
11
25000
2000
haideți să ne gândim de ce avem unul.
00:42
Now you may reason that we have one
12
27000
2000
Puteți spune că avem creier
00:44
to perceive the world or to think,
13
29000
2000
ca să percepem lumea sau să gândim,
00:46
and that's completely wrong.
14
31000
2000
dar e complet greșit.
00:48
If you think about this question for any length of time,
15
33000
3000
Dacă vă gândiți o vreme la această întrebare,
00:51
it's blindingly obvious why we have a brain.
16
36000
2000
devine evident ce de avem creier.
00:53
We have a brain for one reason and one reason only,
17
38000
3000
Avem creier pentru un singur motiv:
00:56
and that's to produce adaptable and complex movements.
18
41000
3000
să producem mișcări complexe și să le adaptăm.
00:59
There is no other reason to have a brain.
19
44000
2000
Acesta e singurul motiv.
01:01
Think about it.
20
46000
2000
Gândiți-vă.
01:03
Movement is the only way you have
21
48000
2000
Mișcarea e singurul mod
01:05
of affecting the world around you.
22
50000
2000
prin care poți influența lumea din jur.
01:07
Now that's not quite true. There's one other way, and that's through sweating.
23
52000
3000
Nu e chiar așa. Mai e unul - prin transpirație.
01:10
But apart from that,
24
55000
2000
Dar în afară de transpirație,
01:12
everything else goes through contractions of muscles.
25
57000
2000
totul are loc prin contractarea mușchilor.
01:14
So think about communication --
26
59000
2000
Gândiți-vă la comunicare -
01:16
speech, gestures, writing, sign language --
27
61000
3000
vorbirea, gesturile, scrisul, limbajul semnelor-
01:19
they're all mediated through contractions of your muscles.
28
64000
3000
toate se fac prin contractarea mușchilor.
01:22
So it's really important to remember
29
67000
2000
Trebuie să ținem minte că
01:24
that sensory, memory and cognitive processes are all important,
30
69000
4000
procesele senzoriale, de memorie și cognitive sunt importante
01:28
but they're only important
31
73000
2000
doar pentru a porni
01:30
to either drive or suppress future movements.
32
75000
2000
sau a opri mișcări viitoare.
01:32
There can be no evolutionary advantage
33
77000
2000
Nu există niciun avantaj evoluționar
01:34
to laying down memories of childhood
34
79000
2000
să păstrezi amintiri din copilărie
01:36
or perceiving the color of a rose
35
81000
2000
sau să vezi culoarea unui trandafir,
01:38
if it doesn't affect the way you're going to move later in life.
36
83000
3000
dacă asta nu influențează modul în care te vei mișca în viață.
01:41
Now for those who don't believe this argument,
37
86000
2000
Pentru cei care resping acest argument,
01:43
we have trees and grass on our planet without the brain,
38
88000
2000
copacii și iarba nu au creier,
01:45
but the clinching evidence is this animal here --
39
90000
2000
dar dovada clară stă în acest animal -
01:47
the humble sea squirt.
40
92000
2000
ascidia.
01:49
Rudimentary animal, has a nervous system,
41
94000
3000
E un animal primitiv, are sistem nervos
01:52
swims around in the ocean in its juvenile life.
42
97000
2000
și înoată în ocean în primii ani de viață.
01:54
And at some point of its life,
43
99000
2000
La un moment dat,
01:56
it implants on a rock.
44
101000
2000
se prinde de o rocă.
01:58
And the first thing it does in implanting on that rock, which it never leaves,
45
103000
3000
Primul lucru pe care-l face după aceea - nu va părăsi niciodată roca respectivă -
02:01
is to digest its own brain and nervous system
46
106000
3000
e să își digere creierul și sistemul nervos
02:04
for food.
47
109000
2000
ca să se hrănescă.
02:06
So once you don't need to move,
48
111000
2000
Dacă nu mai trebuie să te miști,
02:08
you don't need the luxury of that brain.
49
113000
3000
nu ai nevoie de creier.
02:11
And this animal is often taken
50
116000
2000
Animalul acesta e folosit adesea
02:13
as an analogy to what happens at universities
51
118000
2000
pentru a ilustra ce se întâmplă în universități
02:15
when professors get tenure,
52
120000
2000
după ce profesorul preia postul,
02:17
but that's a different subject.
53
122000
2000
dar asta-i altă treabă.
02:19
(Applause)
54
124000
2000
(Aplauze)
02:21
So I am a movement chauvinist.
55
126000
3000
Sunt un șovinist al mișcării.
02:24
I believe movement is the most important function of the brain --
56
129000
2000
Cred că mișcarea e cea mai importantă funcție a creierului -
02:26
don't let anyone tell you that it's not true.
57
131000
2000
să nu îi credeți pe cei care spun altceva.
02:28
Now if movement is so important,
58
133000
2000
Dacă mișcarea e atât de importantă,
02:30
how well are we doing
59
135000
2000
cât de bine înțelegem
02:32
understanding how the brain controls movement?
60
137000
2000
modul în care creierul controlează mișcarea?
02:34
And the answer is we're doing extremely poorly; it's a very hard problem.
61
139000
2000
Nu foarte bine, e o problemă complicată.
02:36
But we can look at how well we're doing
62
141000
2000
Dar putem găsi un răspuns
02:38
by thinking about how well we're doing building machines
63
143000
2000
uitându-ne cât de bine reușim să construim mașini
02:40
which can do what humans can do.
64
145000
2000
care să facă ce fac oamenii.
02:42
Think about the game of chess.
65
147000
2000
Gândiți-vă la șah.
02:44
How well are we doing determining what piece to move where?
66
149000
3000
Cât ne bine ne descurcăm să mișcăm piesele?
02:47
If you pit Garry Kasparov here, when he's not in jail,
67
152000
3000
Dacă Gary Kasparov, când nu e în închisoare,
02:50
against IBM's Deep Blue,
68
155000
2000
joacă împotriva Deep Blue al IBM-ului,
02:52
well the answer is IBM's Deep Blue will occasionally win.
69
157000
3000
Deep Blue mai câștigă câteodată.
02:55
And I think if IBM's Deep Blue played anyone in this room, it would win every time.
70
160000
3000
Cred că dacă Deep Blue ar juca împotriva celor de aici, ar câștiga mereu.
02:58
That problem is solved.
71
163000
2000
Problema asta e rezolvată.
03:00
What about the problem
72
165000
2000
Cum rămâne cu problema
03:02
of picking up a chess piece,
73
167000
2000
ridicării unei piese de șah,
03:04
dexterously manipulating it and putting it back down on the board?
74
169000
3000
de manipularea ei cu dexteritate și așezarea ei pe tablă?
03:07
If you put a five year-old child's dexterity against the best robots of today,
75
172000
3000
Dacă vei compara dexteritatea unui copil de 5 ani cu cea a unui robot,
03:10
the answer is simple:
76
175000
2000
răspunsul e simplu:
03:12
the child wins easily.
77
177000
2000
copilul câștigă de fiecare dată.
03:14
There's no competition at all.
78
179000
2000
Nu există niciun fel de competiție.
03:16
Now why is that top problem so easy
79
181000
2000
De ce problema de sus e ușor de rezolvat,
03:18
and the bottom problem so hard?
80
183000
2000
și cea de jos e atât de grea?
03:20
One reason is a very smart five year-old
81
185000
2000
Un motiv e că un copil isteț de 5 ani
03:22
could tell you the algorithm for that top problem --
82
187000
2000
îți poate spune algoritmul pentru problema de sus -
03:24
look at all possible moves to the end of the game
83
189000
2000
analizează mișcările posibile până la sfârșitul partidei
03:26
and choose the one that makes you win.
84
191000
2000
și o alege pe cea câștigătoare.
03:28
So it's a very simple algorithm.
85
193000
2000
E un algoritm foarte simplu.
03:30
Now of course there are other moves,
86
195000
2000
Desigur, există și alte mișcări,
03:32
but with vast computers we approximate
87
197000
2000
dar cu ajutorul computerelor le aproximăm
03:34
and come close to the optimal solution.
88
199000
2000
și ne apropiem de cea mai bună soluție.
03:36
When it comes to being dexterous,
89
201000
2000
Când vine vorba de dexteritate,
03:38
it's not even clear what the algorithm is you have to solve to be dexterous.
90
203000
2000
nici nu e clar care e algoritmul pentru a fi îndemânatic.
03:40
And we'll see you have to both perceive and act on the world,
91
205000
2000
Trebuie să percepi și să acționezi asupra lumii,
03:42
which has a lot of problems.
92
207000
2000
unde există multe probleme.
03:44
But let me show you cutting-edge robotics.
93
209000
2000
Să vă arăt robotica modernă.
03:46
Now a lot of robotics is very impressive,
94
211000
2000
Marea ei parte e uimitoare,
03:48
but manipulation robotics is really just in the dark ages.
95
213000
3000
dar robotica mișcării e de-abia la început.
03:51
So this is the end of a Ph.D. project
96
216000
2000
Iată un proiect de doctorat
03:53
from one of the best robotics institutes.
97
218000
2000
al unuia din cele mai bune institute de robotică.
03:55
And the student has trained this robot
98
220000
2000
Studentul a învățat robotul
03:57
to pour this water into a glass.
99
222000
2000
să toarne apă în pahar.
03:59
It's a hard problem because the water sloshes about, but it can do it.
100
224000
3000
E greu pentru că apa sare în jur, dar robotul se descurcă.
04:02
But it doesn't do it with anything like the agility of a human.
101
227000
3000
Însă nu are nici pe departe îndemânarea omului.
04:05
Now if you want this robot to do a different task,
102
230000
3000
Dacă vrei ca robotul să îndeplinească altă sarcină,
04:08
that's another three-year Ph.D. program.
103
233000
3000
asta înseamnă alți trei ani de doctorat.
04:11
There is no generalization at all
104
236000
2000
Nu există niciun fel de generalizare
04:13
from one task to another in robotics.
105
238000
2000
de la o sarcină la alta în robotică.
04:15
Now we can compare this
106
240000
2000
Putem compara asta
04:17
to cutting-edge human performance.
107
242000
2000
cu cele mai bune performanțe umane.
04:19
So what I'm going to show you is Emily Fox
108
244000
2000
V-o prezint pe Emily Fox, care deține
04:21
winning the world record for cup stacking.
109
246000
3000
recordul mondial la aranjat pahare.
04:24
Now the Americans in the audience will know all about cup stacking.
110
249000
2000
Americanii din public sunt familiarizați cu aranjatul paharelor.
04:26
It's a high school sport
111
251000
2000
E un sport la liceu,
04:28
where you have 12 cups you have to stack and unstack
112
253000
2000
unde ai 12 pahare pe care trebuie să le aranjezi
04:30
against the clock in a prescribed order.
113
255000
2000
contracronometru în ordinea stabilită.
04:32
And this is her getting the world record in real time.
114
257000
3000
Aici. Emily realizează recordul mondial.
04:39
(Laughter)
115
264000
8000
(Râsete)
04:47
(Applause)
116
272000
5000
(Aplauze)
04:52
And she's pretty happy.
117
277000
2000
E foarte bucuroasă.
04:54
We have no idea what is going on inside her brain when she does that,
118
279000
2000
Nu știm ce se întâmplă în creierul ei când face asta,
04:56
and that's what we'd like to know.
119
281000
2000
dar am vrea să știm.
04:58
So in my group, what we try to do
120
283000
2000
De aceea, în grupul meu încercăm
05:00
is reverse engineer how humans control movement.
121
285000
3000
să realizăm ingineria inversă a mișcării umane.
05:03
And it sounds like an easy problem.
122
288000
2000
Pare simplu.
05:05
You send a command down, it causes muscles to contract.
123
290000
2000
Trimiți o comandă și mușchii se contractă.
05:07
Your arm or body moves,
124
292000
2000
Brațul sau corpul se mișcă
05:09
and you get sensory feedback from vision, from skin, from muscles and so on.
125
294000
3000
și primești feedback senzorial de la ochi, piele, mușchii etc.
05:12
The trouble is
126
297000
2000
Problema e că
05:14
these signals are not the beautiful signals you want them to be.
127
299000
2000
aceste semnale nu sunt perfecte.
05:16
So one thing that makes controlling movement difficult
128
301000
2000
Unul dintre lucrurile care îngreunează controlul mișcării
05:18
is, for example, sensory feedback is extremely noisy.
129
303000
3000
e feedback-ul senzorial zgomotos.
05:21
Now by noise, I do not mean sound.
130
306000
3000
Și aici nu mă refer la sunet.
05:24
We use it in the engineering and neuroscience sense
131
309000
2000
În termeni inginerești și neurologici înseamnă
05:26
meaning a random noise corrupting a signal.
132
311000
2000
un zgomot haotic ce modifică semnalul.
05:28
So the old days before digital radio when you were tuning in your radio
133
313000
3000
Înainte de radioul digital, când deschideai radioul,
05:31
and you heard "crrcckkk" on the station you wanted to hear,
134
316000
2000
auzeai „crrrcc” pe post,
05:33
that was the noise.
135
318000
2000
asta era zgomotul.
05:35
But more generally, this noise is something that corrupts the signal.
136
320000
3000
În general, zgomotul e ceva ce modifică semnalul.
05:38
So for example, if you put your hand under a table
137
323000
2000
De exemplu, dacă pui mâna sub masă
05:40
and try to localize it with your other hand,
138
325000
2000
și încerci să o localizezi cu cealaltă mână,
05:42
you can be off by several centimeters
139
327000
2000
poți să greșești cu câțiva centimetri
05:44
due to the noise in sensory feedback.
140
329000
2000
din cauza zgomotului din feedback-ul senzorial.
05:46
Similarly, when you put motor output on movement output,
141
331000
2000
La fel se întâmplă când stimulezi efectorii,
05:48
it's extremely noisy.
142
333000
2000
rezultă mult zgomot.
05:50
Forget about trying to hit the bull's eye in darts,
143
335000
2000
Uitați de lovitul centrului la darts,
05:52
just aim for the same spot over and over again.
144
337000
2000
încercați să ochiți în același loc iar și iar.
05:54
You have a huge spread due to movement variability.
145
339000
3000
Apar abateri mari din cauza variației mișcării.
05:57
And more than that, the outside world, or task,
146
342000
2000
În plus, lumea exterioară sau sarcina primită,
05:59
is both ambiguous and variable.
147
344000
2000
sunt ambigue și schimbătoare.
06:01
The teapot could be full, it could be empty.
148
346000
2000
Ceainicul poate fi plin sau gol.
06:03
It changes over time.
149
348000
2000
Se schimbă în timp.
06:05
So we work in a whole sensory movement task soup of noise.
150
350000
4000
Deci, ne mișcăm într-un amestec de zgomote senzoriale.
06:09
Now this noise is so great
151
354000
2000
Zgomotul e așa de mare
06:11
that society places a huge premium
152
356000
2000
încât societatea acordă un premiu uriaș
06:13
on those of us who can reduce the consequences of noise.
153
358000
3000
celor care pot reduce consecințele lui.
06:16
So if you're lucky enough to be able to knock a small white ball
154
361000
3000
Dacă ești norocos și bagi o minge mică, albă
06:19
into a hole several hundred yards away using a long metal stick,
155
364000
3000
într-o gaură la zeci de metri depărtare, folosind o crosă,
06:22
our society will be willing to reward you
156
367000
2000
societatea te răsplătește
06:24
with hundreds of millions of dollars.
157
369000
3000
cu sute de milioane de dolari.
06:27
Now what I want to convince you of
158
372000
2000
Vreau să vă conving că
06:29
is the brain also goes through a lot of effort
159
374000
2000
și creierul face eforturi mari
06:31
to reduce the negative consequences
160
376000
2000
să reducă efectele negative
06:33
of this sort of noise and variability.
161
378000
2000
ale zgomotului și variabilelor.
06:35
And to do that, I'm going to tell you about a framework
162
380000
2000
Pentru asta, vă voi prezenta un cadru
06:37
which is very popular in statistics and machine learning of the last 50 years
163
382000
3000
folosit des în ultimii 50 de ani în statistică și în învățarea automată,
06:40
called Bayesian decision theory.
164
385000
2000
numit teoria decizională Baye.
06:42
And it's more recently a unifying way
165
387000
3000
Mai nou, e un mod de a ilustra
06:45
to think about how the brain deals with uncertainty.
166
390000
3000
cum reacționează creierul în fața variabilelor.
06:48
And the fundamental idea is you want to make inferences and then take actions.
167
393000
3000
Ideea de bază e că vrei să faci deducții și să acționezi.
06:51
So let's think about the inference.
168
396000
2000
Să ne gândim la deducții.
06:53
You want to generate beliefs about the world.
169
398000
2000
Vrei să generezi deducții despre lume.
06:55
So what are beliefs?
170
400000
2000
Ce sunt deducțiile?
06:57
Beliefs could be: where are my arms in space?
171
402000
2000
Exemplu de deducție: unde-mi sunt situate brațele în spațiu?
06:59
Am I looking at a cat or a fox?
172
404000
2000
Mă uit la o pisică sau la o vulpe?
07:01
But we're going to represent beliefs with probabilities.
173
406000
3000
Vom reprezenta deducțiile prin probabilități.
07:04
So we're going to represent a belief
174
409000
2000
Vom reprezenta o deducție
07:06
with a number between zero and one --
175
411000
2000
cu o cifră între 0 și 1 -
07:08
zero meaning I don't believe it at all, one means I'm absolutely certain.
176
413000
3000
0 înseamnă că nu cred, 1 că sunt sigur.
07:11
And numbers in between give you the gray levels of uncertainty.
177
416000
3000
Cifrele între 0 și 1 ilustreză gradul de nesiguranță.
07:14
And the key idea to Bayesian inference
178
419000
2000
Idea în deducția bayesiană
07:16
is you have two sources of information
179
421000
2000
e că ai două surse de informații
07:18
from which to make your inference.
180
423000
2000
pe care să-ți bazezi deducțiile.
07:20
You have data,
181
425000
2000
Ai datele
07:22
and data in neuroscience is sensory input.
182
427000
2000
și în neuroștiință asta înseamnă informații senzoriale.
07:24
So I have sensory input, which I can take in to make beliefs.
183
429000
3000
Primesc informații senzoriale pe care îmi pot fonda deducțiile.
07:27
But there's another source of information, and that's effectively prior knowledge.
184
432000
3000
Dar mai e o sursă de informații, și anume cunoștințele anterioare.
07:30
You accumulate knowledge throughout your life in memories.
185
435000
3000
Toată viața acumulezi cunoștințe în memorie.
07:33
And the point about Bayesian decision theory
186
438000
2000
Iar teoria decizională bayesiană
07:35
is it gives you the mathematics
187
440000
2000
îți furnizează cea mai bună
07:37
of the optimal way to combine
188
442000
2000
cale matematică să combini
07:39
your prior knowledge with your sensory evidence
189
444000
2000
cunoștințele anterioare cu dovezile senzoriale
07:41
to generate new beliefs.
190
446000
2000
pentru a crea noi deducții.
07:43
And I've put the formula up there.
191
448000
2000
Am pus formula aici.
07:45
I'm not going to explain what that formula is, but it's very beautiful.
192
450000
2000
N-o să vă explic formula, dar e foarte frumoasă.
07:47
And it has real beauty and real explanatory power.
193
452000
3000
Conține o frumusețe și o putere de explicație reală.
07:50
And what it really says, and what you want to estimate,
194
455000
2000
Formula se referă la probabilitatea
07:52
is the probability of different beliefs
195
457000
2000
apariției unor deducții diferite
07:54
given your sensory input.
196
459000
2000
în funcție de informațiile senzoriale.
07:56
So let me give you an intuitive example.
197
461000
2000
Să vă dau un exemplu intuitiv.
07:58
Imagine you're learning to play tennis
198
463000
3000
Imaginați-vă că învățați să jucați tenis
08:01
and you want to decide where the ball is going to bounce
199
466000
2000
și vreți să decideți unde va sări mingea
08:03
as it comes over the net towards you.
200
468000
2000
când trece de plasă și vine către voi.
08:05
There are two sources of information
201
470000
2000
Regula lui Baye îți spune că
08:07
Bayes' rule tells you.
202
472000
2000
există două surse de informații.
08:09
There's sensory evidence -- you can use visual information auditory information,
203
474000
3000
Cele senzoriale - folosești informații vizuale și auditive -
08:12
and that might tell you it's going to land in that red spot.
204
477000
3000
care te ajută să identifici punctul roșu.
08:15
But you know that your senses are not perfect,
205
480000
3000
Dar știi că simțurile tale nu sunt perfecte
08:18
and therefore there's some variability of where it's going to land
206
483000
2000
și există variabile legate de locul aterizării mingii,
08:20
shown by that cloud of red,
207
485000
2000
ilustrate prin norul roșu
08:22
representing numbers between 0.5 and maybe 0.1.
208
487000
3000
reprezentând numere între 0.5 și 1.
08:26
That information is available in the current shot,
209
491000
2000
Acele informații vin din lovitura respectivă,
08:28
but there's another source of information
210
493000
2000
dar mai există altă sursă de informații
08:30
not available on the current shot,
211
495000
2000
care nu vine din acea lovitură,
08:32
but only available by repeated experience in the game of tennis,
212
497000
3000
ci se dezvoltă prin experiențe repetate în jocul de tenis
08:35
and that's that the ball doesn't bounce
213
500000
2000
și anume - mingea nu sare
08:37
with equal probability over the court during the match.
214
502000
2000
cu aceeași probabilitate pe teren în timpul meciului.
08:39
If you're playing against a very good opponent,
215
504000
2000
Dacă adversarul tău e foarte bun,
08:41
they may distribute it in that green area,
216
506000
2000
el poate trimite mingea în zona verde,
08:43
which is the prior distribution,
217
508000
2000
bazându-se pe experiența lui,
08:45
making it hard for you to return.
218
510000
2000
iar mingea este greu de returnat.
08:47
Now both these sources of information carry important information.
219
512000
2000
Ambele surse transmit informații importante.
08:49
And what Bayes' rule says
220
514000
2000
Legea lui Baye îmi spune
08:51
is that I should multiply the numbers on the red by the numbers on the green
221
516000
3000
să înmulțesc numerele din zona roșie cu cele din zona verde
08:54
to get the numbers of the yellow, which have the ellipses,
222
519000
3000
pentru a obține numerele din zona galbenă, care au elipsele,
08:57
and that's my belief.
223
522000
2000
și aceea e deducția mea.
08:59
So it's the optimal way of combining information.
224
524000
3000
E cea mai bună cale de a combina informațiile.
09:02
Now I wouldn't tell you all this if it wasn't that a few years ago,
225
527000
2000
Nu v-aș povești asta, dacă în urmă cu câțiva ani,
09:04
we showed this is exactly what people do
226
529000
2000
nu am fi arătat că exact asta fac oamenii
09:06
when they learn new movement skills.
227
531000
2000
când învață mișcări noi.
09:08
And what it means
228
533000
2000
Înseamnă că suntem
09:10
is we really are Bayesian inference machines.
229
535000
2000
mașini bayesiane de făcut deducții.
09:12
As we go around, we learn about statistics of the world and lay that down,
230
537000
4000
În viață, ne însușim statistici despre lume și le stocăm,
09:16
but we also learn
231
541000
2000
dar învățăm și
09:18
about how noisy our own sensory apparatus is,
232
543000
2000
cât de zgomots e aparatul nostru senzorial
09:20
and then combine those
233
545000
2000
și apoi combinăm datele
09:22
in a real Bayesian way.
234
547000
2000
după legea lui Baye.
09:24
Now a key part to the Bayesian is this part of the formula.
235
549000
3000
Asta e o parte-cheie a formulei lui Baye.
09:27
And what this part really says
236
552000
2000
Ea spune că
09:29
is I have to predict the probability
237
554000
2000
trebuie să prevăd probabilitatea
09:31
of different sensory feedbacks
238
556000
2000
diferitelor reacții senzoriale
09:33
given my beliefs.
239
558000
2000
în funcție de deducțiile mele.
09:35
So that really means I have to make predictions of the future.
240
560000
3000
Înseamnă că trebuie să fac predicții despre viitor.
09:38
And I want to convince you the brain does make predictions
241
563000
2000
Vreau să vă conving că mintea chiar prevede
09:40
of the sensory feedback it's going to get.
242
565000
2000
feedback-ul senzorial pe care-l va primi
09:42
And moreover, it profoundly changes your perceptions
243
567000
2000
și îți schimbă profund percepțiile
09:44
by what you do.
244
569000
2000
prin ce faci.
09:46
And to do that, I'll tell you
245
571000
2000
Vă voi arăta
09:48
about how the brain deals with sensory input.
246
573000
2000
cum prelucrează creierul informațiile senzoriale.
09:50
So you send a command out,
247
575000
3000
Trimiți o comandă,
09:53
you get sensory feedback back,
248
578000
2000
primești feedback senzorial
09:55
and that transformation is governed
249
580000
2000
și acea transformare e controlată
09:57
by the physics of your body and your sensory apparatus.
250
582000
3000
de legile fizicii din corpul și sistemul tău senzorial.
10:00
But you can imagine looking inside the brain.
251
585000
2000
Să ne imaginăm interiorul creierului.
10:02
And here's inside the brain.
252
587000
2000
Iată cum arată creierul pe interior.
10:04
You might have a little predictor, a neural simulator,
253
589000
2000
Ai un simulator neuronal care indică
10:06
of the physics of your body and your senses.
254
591000
2000
legile fizicii din corpul și simțurile tale.
10:08
So as you send a movement command down,
255
593000
2000
Când trimiți o comandă de mișcare,
10:10
you tap a copy of that off
256
595000
2000
copiezi acea comandă
10:12
and run it into your neural simulator
257
597000
2000
și o treci prin simulatorul tău neuronal
10:14
to anticipate the sensory consequences of your actions.
258
599000
4000
pentru a anticipa consecințele senzoriale ale acțiunilor tale.
10:18
So as I shake this ketchup bottle,
259
603000
2000
Când scutur această sticlă de ketchup,
10:20
I get some true sensory feedback as the function of time in the bottom row.
260
605000
3000
primesc un feedback senzorial real pe rândul de jos.
10:23
And if I've got a good predictor, it predicts the same thing.
261
608000
3000
Un simulator bun, va prevede același lucru.
10:26
Well why would I bother doing that?
262
611000
2000
De ce m-aș obosi să fac asta?
10:28
I'm going to get the same feedback anyway.
263
613000
2000
Oricum voi primi același feedback.
10:30
Well there's good reasons.
264
615000
2000
Există niște motive bune.
10:32
Imagine, as I shake the ketchup bottle,
265
617000
2000
Imaginați-vă, pe când agit sticla de ketchup,
10:34
someone very kindly comes up to me and taps it on the back for me.
266
619000
3000
vine cineva și atinge fundul sticlei.
10:37
Now I get an extra source of sensory information
267
622000
2000
Acum primesc informații senzoriale suplimentare
10:39
due to that external act.
268
624000
2000
datorită actului extern.
10:41
So I get two sources.
269
626000
2000
Deci am două surse.
10:43
I get you tapping on it, and I get me shaking it,
270
628000
3000
Tu atingi sticla și eu o agit,
10:46
but from my senses' point of view,
271
631000
2000
dar simțurile mele
10:48
that is combined together into one source of information.
272
633000
3000
combină aceste lucruri într-o singură sursă de informații.
10:51
Now there's good reason to believe
273
636000
2000
Există un motiv bun să crezi
10:53
that you would want to be able to distinguish external events from internal events.
274
638000
3000
că ai vrea să poți distinge evenimente externe de cele interne.
10:56
Because external events are actually much more behaviorally relevant
275
641000
3000
Cele externe îmi spun mai multe despre comportament
10:59
than feeling everything that's going on inside my body.
276
644000
3000
decât dacă aș simți tot ce se petrece în interiorul meu.
11:02
So one way to reconstruct that
277
647000
2000
O cale de a reconstrui asta
11:04
is to compare the prediction --
278
649000
2000
e să compari predicția -
11:06
which is only based on your movement commands --
279
651000
2000
care se bazează doar pe comenzile de mișcare -
11:08
with the reality.
280
653000
2000
cu realitatea.
11:10
Any discrepancy should hopefully be external.
281
655000
3000
Orice discrepanțe ar trebuie să fie externe.
11:13
So as I go around the world,
282
658000
2000
În viața de zi cu zi,
11:15
I'm making predictions of what I should get, subtracting them off.
283
660000
3000
fac predicții despre ce ar trebui să primesc.
11:18
Everything left over is external to me.
284
663000
2000
Restul mi se par elemente externe.
11:20
What evidence is there for this?
285
665000
2000
Ce dovadă există în acest sens?
11:22
Well there's one very clear example
286
667000
2000
Există un exemplu foarte clar
11:24
where a sensation generated by myself feels very different
287
669000
2000
când o senzație produsă de mine e foarte diferită
11:26
then if generated by another person.
288
671000
2000
decât cea produsă de altă persoană.
11:28
And so we decided the most obvious place to start
289
673000
2000
Ne-am decis că locul cel mai bun punct de plecare
11:30
was with tickling.
290
675000
2000
e gâdilatul.
11:32
It's been known for a long time, you can't tickle yourself
291
677000
2000
Se știe, nu te poți gâdila singur
11:34
as well as other people can.
292
679000
2000
la fel de bine cum te gâdilă ceilalți.
11:36
But it hasn't really been shown, it's because you have a neural simulator,
293
681000
3000
Dar nu s-a demonstrat că simulatorul neuronal e de vină,
11:39
simulating your own body
294
684000
2000
care îți imită corpul
11:41
and subtracting off that sense.
295
686000
2000
și extrage acel simț.
11:43
So we can bring the experiments of the 21st century
296
688000
3000
Putem aduce experimentele în secolul al XXI-lea
11:46
by applying robotic technologies to this problem.
297
691000
3000
folosind tehnologii robotice pentru această chestiune.
11:49
And in effect, what we have is some sort of stick in one hand attached to a robot,
298
694000
3000
Avem un fel de băț legat de brațul unui robot,
11:52
and they're going to move that back and forward.
299
697000
2000
care va mișca bățul înainte și înapoi.
11:54
And then we're going to track that with a computer
300
699000
2000
Vom urmări mișcarea cu ajutorul unui computer
11:56
and use it to control another robot,
301
701000
2000
și o vom folosi pentru a controla alt robot
11:58
which is going to tickle their palm with another stick.
302
703000
2000
care-și va gâdila palma cu alt băț.
12:00
And then we're going to ask them to rate a bunch of things
303
705000
2000
Apoi îi vom ruga să evalueze o serie de lucruri,
12:02
including ticklishness.
304
707000
2000
inclusiv gradul de gâdilare.
12:04
I'll show you just one part of our study.
305
709000
2000
Vă voi arăta o parte din studiul nostru.
12:06
And here I've taken away the robots,
306
711000
2000
Aici am eliminat roboții -
12:08
but basically people move with their right arm sinusoidally back and forward.
307
713000
3000
oamenii își mișcă brațul drept sinusoidal înainte și înapoi.
12:11
And we replay that to the other hand with a time delay.
308
716000
3000
Fac același lucru cu cealaltă mână, cu o oarecare întârziere.
12:14
Either no time delay,
309
719000
2000
Fie nu există întârziere,
12:16
in which case light would just tickle your palm,
310
721000
2000
caz în care lumina doar îți gâdilă palma
12:18
or with a time delay of two-tenths of three-tenths of a second.
311
723000
4000
sau cu o întâziere de 2/10 sau 3/10 dintr-o secundă.
12:22
So the important point here
312
727000
2000
E important
12:24
is the right hand always does the same things -- sinusoidal movement.
313
729000
3000
ca mâna dreaptă să facă mereu mișcări sinusoidale.
12:27
The left hand always is the same and puts sinusoidal tickle.
314
732000
3000
Mâna stângă e mereu aceeași și provoacă gâdilăturile sinusoidale.
12:30
All we're playing with is a tempo causality.
315
735000
2000
Ne jucăm cu o cauzalitate temporală.
12:32
And as we go from naught to 0.1 second,
316
737000
2000
Când trecem de la 0 la 0.1 secunde,
12:34
it becomes more ticklish.
317
739000
2000
gâdilatul e mai puternic.
12:36
As you go from 0.1 to 0.2,
318
741000
2000
Când treci de la 0.1 la 0.2,
12:38
it becomes more ticklish at the end.
319
743000
2000
gândilatul e mai puternic la sfârșit.
12:40
And by 0.2 of a second,
320
745000
2000
Când ajungi la 0.2 dintr-o secundă,
12:42
it's equivalently ticklish
321
747000
2000
senzația de gâdilat e la fel
12:44
to the robot that just tickled you without you doing anything.
322
749000
2000
de puternică pentru robotul care te-a gâdilat fără ca tu să faci nimic.
12:46
So whatever is responsible for this cancellation
323
751000
2000
Orice anulează acest lucru
12:48
is extremely tightly coupled with tempo causality.
324
753000
3000
e legat de cauzalitatea temporală.
12:51
And based on this illustration, we really convinced ourselves in the field
325
756000
3000
Bazându-ne pe acest exemplu, suntem convinși de asta:
12:54
that the brain's making precise predictions
326
759000
2000
creierul face predicții precise
12:56
and subtracting them off from the sensations.
327
761000
3000
și le extrage din senzații.
12:59
Now I have to admit, these are the worst studies my lab has ever run.
328
764000
3000
Recunosc, astea sunt cele mai proaste studii din laboratorul meu.
13:02
Because the tickle sensation on the palm comes and goes,
329
767000
2000
Findcă senzația de gâdilat din palmă vine și trece,
13:04
you need large numbers of subjects
330
769000
2000
ai nevoie de mulți subiecți
13:06
with these stars making them significant.
331
771000
2000
ca rezultatele să fie semnificative.
13:08
So we were looking for a much more objective way
332
773000
2000
Căutam un mod mai obiectiv
13:10
to assess this phenomena.
333
775000
2000
de a evalua fenomenul.
13:12
And in the intervening years I had two daughters.
334
777000
2000
Între timp, mi s-au născut două fiice.
13:14
And one thing you notice about children in backseats of cars on long journeys,
335
779000
3000
În mașină, în timpul călătoriilor lungi, copiii de pe bancheta din spate,
13:17
they get into fights --
336
782000
2000
încep să se bată -
13:19
which started with one of them doing something to the other, the other retaliating.
337
784000
3000
unul îi face ceva celuilalt, care retaliază.
13:22
It quickly escalates.
338
787000
2000
Lucrurile degenerează repede.
13:24
And children tend to get into fights which escalate in terms of force.
339
789000
3000
Copii tind să folosească prea multă forță când se ceartă.
13:27
Now when I screamed at my children to stop,
340
792000
2000
Când țipam la ele să înceteze,
13:29
sometimes they would both say to me
341
794000
2000
uneori îmi spuneau amândouă
13:31
the other person hit them harder.
342
796000
3000
că cealaltă a lovit mai tare.
13:34
Now I happen to know my children don't lie,
343
799000
2000
Știu că fetele mele nu mint,
13:36
so I thought, as a neuroscientist,
344
801000
2000
și, ca neurocercetător, m-am gândit
13:38
it was important how I could explain
345
803000
2000
că era important să pot explica
13:40
how they were telling inconsistent truths.
346
805000
2000
cum de spuneau adevăruri contradictorii.
13:42
And we hypothesize based on the tickling study
347
807000
2000
Pe baza studiului despre gâdilat, am presupus
13:44
that when one child hits another,
348
809000
2000
că după ce un copil îl lovește pe altul,
13:46
they generate the movement command.
349
811000
2000
se declanșează comanda de mișcare.
13:48
They predict the sensory consequences and subtract it off.
350
813000
3000
Prevăd consecința senzorială și o extrag.
13:51
So they actually think they've hit the person less hard than they have --
351
816000
2000
Cred că l-au lovit pe celălalt mai puțin tare decât în realitate -
13:53
rather like the tickling.
352
818000
2000
ca la gâdilat.
13:55
Whereas the passive recipient
353
820000
2000
Pe când cel pasiv
13:57
doesn't make the prediction, feels the full blow.
354
822000
2000
nu face predicția, ci simte lovitura din plin.
13:59
So if they retaliate with the same force,
355
824000
2000
Dacă răspunde cu aceeași forță,
14:01
the first person will think it's been escalated.
356
826000
2000
primul va crede că a lovit mai tare.
14:03
So we decided to test this in the lab.
357
828000
2000
Am hotărât să testăm ideea în laborator.
14:05
(Laughter)
358
830000
3000
(Râsete)
14:08
Now we don't work with children, we don't work with hitting,
359
833000
2000
Nu lucrăm cu copii, nu lovim,
14:10
but the concept is identical.
360
835000
2000
dar conceptul e identic.
14:12
We bring in two adults. We tell them they're going to play a game.
361
837000
3000
Luăm doi adulți. Le spunem că vor juca în joc.
14:15
And so here's player one and player two sitting opposite to each other.
362
840000
2000
Jucătorii stau față în față.
14:17
And the game is very simple.
363
842000
2000
Jocul e foarte simplu.
14:19
We started with a motor
364
844000
2000
Am început cu un motor,
14:21
with a little lever, a little force transfuser.
365
846000
2000
cu o pârghie și un transmițător de forțe.
14:23
And we use this motor to apply force down to player one's fingers
366
848000
2000
Motorul aplică o forță pe degetele primului jucător,
14:25
for three seconds and then it stops.
367
850000
3000
timp de trei secunde.
14:28
And that player's been told, remember the experience of that force
368
853000
3000
I-am spus să țină minte intensitatea forței
14:31
and use your other finger
369
856000
2000
și să-și folosească celălalt deget
14:33
to apply the same force
370
858000
2000
pentru a aplica aceeași forță
14:35
down to the other subject's finger through a force transfuser -- and they do that.
371
860000
3000
pe degetul celuilalt subiect prin transmițătorul de forțe.
14:38
And player two's been told, remember the experience of that force.
372
863000
3000
I-am spus și celuilalt jucător să rețină intensitatea forței
14:41
Use your other hand to apply the force back down.
373
866000
3000
și să aplice forța cu cealaltă mână.
14:44
And so they take it in turns
374
869000
2000
Pe rând, ei aplică
14:46
to apply the force they've just experienced back and forward.
375
871000
2000
celuilalt forța pe care au simțit-o.
14:48
But critically,
376
873000
2000
Atenție,
14:50
they're briefed about the rules of the game in separate rooms.
377
875000
3000
li s-au explicat regulile jocului în săli separate.
14:53
So they don't know the rules the other person's playing by.
378
878000
2000
Nu știu după ce reguli joacă celălalt.
14:55
And what we've measured
379
880000
2000
Și am măsurat
14:57
is the force as a function of terms.
380
882000
2000
variațiile forței.
14:59
And if we look at what we start with,
381
884000
2000
Dacă ne uităm cu ce am început,
15:01
a quarter of a Newton there, a number of turns,
382
886000
2000
0.25 N aici, idealul ar fi ca forța
15:03
perfect would be that red line.
383
888000
2000
să se mențină pe linia roșie.
15:05
And what we see in all pairs of subjects is this --
384
890000
3000
În cazul tuturor perechilor am constatat
15:08
a 70 percent escalation in force
385
893000
2000
că forța crește cu 70%
15:10
on each go.
386
895000
2000
după fiecare apăsare.
15:12
So it really suggests, when you're doing this --
387
897000
2000
Iată ce reiese din acest experiment
15:14
based on this study and others we've done --
388
899000
2000
și altele pe care le-am făcut:
15:16
that the brain is canceling the sensory consequences
389
901000
2000
creierul anulează consecințele senzoriale
15:18
and underestimating the force it's producing.
390
903000
2000
și subestimează forța pe care o folosește.
15:20
So it re-shows the brain makes predictions
391
905000
2000
Creierul face predicții
15:22
and fundamentally changes the precepts.
392
907000
3000
și schimbă fundamental principiile.
15:25
So we've made inferences, we've done predictions,
393
910000
3000
Am făcut deducții, predicții,
15:28
now we have to generate actions.
394
913000
2000
acum trebuie să acționăm.
15:30
And what Bayes' rule says is, given my beliefs,
395
915000
2000
Baye spune că, în funcție de deducțiile mele,
15:32
the action should in some sense be optimal.
396
917000
2000
acțiunea ar trebui să fie optimă.
15:34
But we've got a problem.
397
919000
2000
Dar avem o problemă.
15:36
Tasks are symbolic -- I want to drink, I want to dance --
398
921000
3000
Sarcinile sunt simbolice - vreau să beau, să dansez -
15:39
but the movement system has to contract 600 muscles
399
924000
2000
dar corpul trebuie să contracteze 600 de mușchi
15:41
in a particular sequence.
400
926000
2000
într-o ordine precisă.
15:43
And there's a big gap
401
928000
2000
Există o diferență mare
15:45
between the task and the movement system.
402
930000
2000
între sarcină și sistemul de mișcare.
15:47
So it could be bridged in infinitely many different ways.
403
932000
2000
Diferența poate fi compensată în multe moduri.
15:49
So think about just a point to point movement.
404
934000
2000
Gândiți-vă la mișcarea de deplasare dintr-un punct în altul.
15:51
I could choose these two paths
405
936000
2000
Pot alege aceste două mișcări
15:53
out of an infinite number of paths.
406
938000
2000
sau un număr infinit de mișcări.
15:55
Having chosen a particular path,
407
940000
2000
După ce am ales o mișcare,
15:57
I can hold my hand on that path
408
942000
2000
pot să fac mișcarea respectivă
15:59
as infinitely many different joint configurations.
409
944000
2000
având multe poziții diferite ale încheieturilor.
16:01
And I can hold my arm in a particular joint configuration
410
946000
2000
Pot să îmi țin mâna într-o anumită poziție,
16:03
either very stiff or very relaxed.
411
948000
2000
fie să o încordez sau o relaxez.
16:05
So I have a huge amount of choice to make.
412
950000
3000
Avem multe alegeri de făcut.
16:08
Now it turns out, we are extremely stereotypical.
413
953000
3000
Se pare că respectăm niște stereotipuri.
16:11
We all move the same way pretty much.
414
956000
3000
Ne mișcăm cu toții cam în același mod.
16:14
And so it turns out we're so stereotypical,
415
959000
2000
Respectăm atât de multe stereotipurile
16:16
our brains have got dedicated neural circuitry
416
961000
2000
încât creierul are circuite neuronale speciale
16:18
to decode this stereotyping.
417
963000
2000
pentru a le decoda.
16:20
So if I take some dots
418
965000
2000
Dacă iau niște puncte
16:22
and set them in motion with biological motion,
419
967000
3000
și le pun în mișcare printr-o mișcare biologică,
16:25
your brain's circuitry would understand instantly what's going on.
420
970000
3000
circuitul din creier înțelege imediat ce se petrece.
16:28
Now this is a bunch of dots moving.
421
973000
2000
Multe puncte se mișcă.
16:30
You will know what this person is doing,
422
975000
3000
Vei știi ce face acea persoană,
16:33
whether happy, sad, old, young -- a huge amount of information.
423
978000
3000
fie că e fericită, tristă, bătrână, tânără - sunt multe informații.
16:36
If these dots were cars going on a racing circuit,
424
981000
2000
Dacă punctele ar fi mașini pe un circuit de curse,
16:38
you would have absolutely no idea what's going on.
425
983000
3000
nu ai ști deloc ce se întâmplă.
16:41
So why is it
426
986000
2000
De ce
16:43
that we move the particular ways we do?
427
988000
2000
ne mișcăm astfel?
16:45
Well let's think about what really happens.
428
990000
2000
Să ne gândim la ce se întâmplă.
16:47
Maybe we don't all quite move the same way.
429
992000
3000
Poate că nu ne mișcăm cu toții la fel.
16:50
Maybe there's variation in the population.
430
995000
2000
Poate că există variații printre indivizi.
16:52
And maybe those who move better than others
431
997000
2000
Poate că cei care se mișcă mai bine
16:54
have got more chance of getting their children into the next generation.
432
999000
2000
au mai multe șanse să își crească copiii.
16:56
So in evolutionary scales, movements get better.
433
1001000
3000
Pe scară evoluționară, mișcarea se perfecționează.
16:59
And perhaps in life, movements get better through learning.
434
1004000
3000
Poate că în viață, mișcarea e perfecționată prin învățare.
17:02
So what is it about a movement which is good or bad?
435
1007000
2000
Ce o mișcare bună și una proastă?
17:04
Imagine I want to intercept this ball.
436
1009000
2000
Imaginați-vă că vreau să interceptez mingea.
17:06
Here are two possible paths to that ball.
437
1011000
3000
Există două drumuri posibile către ea.
17:09
Well if I choose the left-hand path,
438
1014000
2000
Dacă-l aleg pe cel din stânga,
17:11
I can work out the forces required
439
1016000
2000
pot să evaluez forța necesară
17:13
in one of my muscles as a function of time.
440
1018000
2000
în unul din mușchi ca o funcție temporală.
17:15
But there's noise added to this.
441
1020000
2000
Dar există zgomot.
17:17
So what I actually get, based on this lovely, smooth, desired force,
442
1022000
3000
Pe baza acestei forțe estimate, primesc
17:20
is a very noisy version.
443
1025000
2000
o versiune foarte zgomotoasă.
17:22
So if I pick the same command through many times,
444
1027000
3000
Dacă repet aceeași comandă de multe ori,
17:25
I will get a different noisy version each time, because noise changes each time.
445
1030000
3000
primesc mereu o versiune zgomotoasă diferită, fiindcă zgomotul se schimbă mereu.
17:28
So what I can show you here
446
1033000
2000
Așadar, pot să vă arăt
17:30
is how the variability of the movement will evolve
447
1035000
2000
cum evoluează variabilitatea
17:32
if I choose that way.
448
1037000
2000
dacă aleg acel drum.
17:34
If I choose a different way of moving -- on the right for example --
449
1039000
3000
Dacă aleg să mă mișc altfel - ca în imaginea din dreapta -
17:37
then I'll have a different command, different noise,
450
1042000
2000
folosesc o comandă diferită, un zgomot diferit,
17:39
playing through a noisy system, very complicated.
451
1044000
3000
mă joc în acel sistem zgomotos complicat.
17:42
All we can be sure of is the variability will be different.
452
1047000
3000
Ce e sigur e că variabilitatea e diferită.
17:45
If I move in this particular way,
453
1050000
2000
Dacă mă mișc în această manieră,
17:47
I end up with a smaller variability across many movements.
454
1052000
3000
variabilitate mișcărilor e mai redusă.
17:50
So if I have to choose between those two,
455
1055000
2000
Dacă trebuie să aleg între cele două,
17:52
I would choose the right one because it's less variable.
456
1057000
2000
aș alege mișcarea din stânga, e mai puțin variabilă.
17:54
And the fundamental idea
457
1059000
2000
Ideea fundamentală e
17:56
is you want to plan your movements
458
1061000
2000
că vrei să îți plănuiește mișcările
17:58
so as to minimize the negative consequence of the noise.
459
1063000
3000
ca să minimizezi consecințele negative ale zgomotului.
18:01
And one intuition to get
460
1066000
2000
Una din concluzii
18:03
is actually the amount of noise or variability I show here
461
1068000
2000
e că zgomotul sau variabilitatea crește
18:05
gets bigger as the force gets bigger.
462
1070000
2000
pe măsură ce forța crește.
18:07
So you want to avoid big forces as one principle.
463
1072000
3000
Un prim principiu e să eviți forțele mari.
18:10
So we've shown that using this,
464
1075000
2000
Folosindu-ne de acest lucru, am arătat că
18:12
we can explain a huge amount of data --
465
1077000
2000
putem explica multe informații -
18:14
that exactly people are going about their lives planning movements
466
1079000
3000
că oamenii își plănuiesc mișcările
18:17
so as to minimize negative consequences of noise.
467
1082000
3000
pentru a minimiza consecințele negative ale zgomotelor.
18:20
So I hope I've convinced you the brain is there
468
1085000
2000
Sper că v-am convins că rolul creierului
18:22
and evolved to control movement.
469
1087000
2000
e să controleze mișcarea.
18:24
And it's an intellectual challenge to understand how we do that.
470
1089000
3000
E o provocare intelectuală să înțelegem cum facem asta.
18:27
But it's also relevant
471
1092000
2000
Dar e un lucru important
18:29
for disease and rehabilitation.
472
1094000
2000
pentru înțelegerea și tratarea bolilor.
18:31
There are many diseases which effect movement.
473
1096000
3000
Există multe boli care afectează mișcarea.
18:34
And hopefully if we understand how we control movement,
474
1099000
2000
Sperăm să înțelegem cum controlăm mișcarea,
18:36
we can apply that to robotic technology.
475
1101000
2000
și să aplicăm asta în robotică.
18:38
And finally, I want to remind you,
476
1103000
2000
La final, vreau să vă reamintesc -
18:40
when you see animals do what look like very simple tasks,
477
1105000
2000
când animalele îndeplinesc sarcini aparent simple,
18:42
the actual complexity of what is going on inside their brain
478
1107000
2000
complexitatea proceselor cerebrale
18:44
is really quite dramatic.
479
1109000
2000
este imensă.
18:46
Thank you very much.
480
1111000
2000
Vă mulțumesc!
18:48
(Applause)
481
1113000
8000
(Aplauze)
18:56
Chris Anderson: Quick question for you, Dan.
482
1121000
2000
C.A. Am o întrebare pentru tine, Dan.
18:58
So you're a movement -- (DW: Chauvinist.) -- chauvinist.
483
1123000
4000
Ești un șovinist al mișcării.
19:02
Does that mean that you think that the other things we think our brains are about --
484
1127000
3000
Crezi că toate lucrurile de care creierul nostru e responsabil -
19:05
the dreaming, the yearning, the falling in love and all these things --
485
1130000
3000
visele, dorințele, iubirea și altele -
19:08
are a kind of side show, an accident?
486
1133000
3000
reprezintă un accident?
19:11
DW: No, no, actually I think they're all important
487
1136000
2000
DW: Nu, cred că sunt foarte importante
19:13
to drive the right movement behavior to get reproduction in the end.
488
1138000
3000
pentru a genera mișcarea comportamentală de reproducere.
19:16
So I think people who study sensation or memory
489
1141000
3000
Cred că oamenii studiază senzațiile sau memoria
19:19
without realizing why you're laying down memories of childhood.
490
1144000
2000
fără să știe de ce păstrăm amintiri din copilărie.
19:21
The fact that we forget most of our childhood, for example,
491
1146000
3000
Uităm cea mai mare parte a copilăriei, probabil că
19:24
is probably fine, because it doesn't effect our movements later in life.
492
1149000
3000
e în regulă fiindcă asta nu ne afectează mișcările în viață.
19:27
You only need to store things which are really going to effect movement.
493
1152000
3000
Stochezi doar lucrurile care îți vor influența mișcarea.
19:30
CA: So you think that people thinking about the brain, and consciousness generally,
494
1155000
3000
CA: Crezi că cei care studiază creierul și conștiința,
19:33
could get real insight
495
1158000
2000
ar afla mai multe
19:35
by saying, where does movement play in this game?
496
1160000
2000
dacă ar studia ce rol are mișcarea pentru creier și conștiință?
19:37
DW: So people have found out for example
497
1162000
2000
DW: Am aflat că studierea
19:39
that studying vision in the absence of realizing why you have vision
498
1164000
2000
văzului, fără să înțelegi rolul văzului,
19:41
is a mistake.
499
1166000
2000
e o greșeală.
19:43
You have to study vision with the realization
500
1168000
2000
Trebuie să studiezi văzul înțelegând
19:45
of how the movement system is going to use vision.
501
1170000
2000
cum e folosit în mișcare.
19:47
And it uses it very differently once you think about it that way.
502
1172000
2000
Văzul e folosit diferit în mișcare, dacă te gândești așa.
19:49
CA: Well that was quite fascinating. Thank you very much indeed.
503
1174000
3000
CA: A fost foarte interesant. Îți mulțumesc!
19:52
(Applause)
504
1177000
2000
(Aplauze)
ABOUT THE SPEAKER
Daniel Wolpert - Movement expertA neuroscientist and engineer, Daniel Wolpert studies how the brain controls the body.
Why you should listen
Consider your hand. You use it to lift things, to balance yourself, to give and take, to sense the world. It has a range of interacting degrees of freedom, and it interacts with many different objects under a variety of environmental conditions. And for most of us, it all just works. At his lab in the Engineering department at Cambridge, Daniel Wolpert and his team are studying why, looking to understand the computations underlying the brain's sensorimotor control of the body.
As he says, "I believe that to understand movement is to understand the whole brain. And therefore it’s important to remember when you are studying memory, cognition, sensory processing, they’re there for a reason, and that reason is action.” Movement is the only way we have of interacting with the world, whether foraging for food or attracting a waiter's attention. Indeed, all communication, including speech, sign language, gestures and writing, is mediated via the motor system. Taking this viewpoint, and using computational and robotic techniques as well as virtual reality systems, Wolpert and his team research the purpose of the human brain and the way it determines future actions.
Daniel Wolpert | Speaker | TED.com