ABOUT THE SPEAKER
Daniel Wolpert - Movement expert
A 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.

 

 

More profile about the speaker
Daniel Wolpert | Speaker | TED.com
TEDGlobal 2011

Daniel Wolpert: The real reason for brains

Daniel Wolpert: Skutočný dôvod, prečo máme mozog

Filmed:
1,994,993 views

Neurovedec Daniel Wolpert vychádza z prekvapivého predpokladu: náš mozog sa nevyvinul preto, aby premýšľal alebo cítil, ale preto, aby riadil pohyb. V tejto zábavnej a na informácie bohatej prednáške nám umožňuje nahliadnuť do toho, ako náš mozog vytvára ladnosť a agilnosť ľudského pohybu.
- Movement expert
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 neuroscientistneurológ.
0
0
2000
Som neurovedec.
00:17
And in neuroscienceNeuroscience,
1
2000
2000
A v tejto vede
00:19
we have to dealobchod with manyveľa difficultnáročný questionsotázky about the brainmozog.
2
4000
3000
sa zaoberáme mnohými zložitými
otázkami týkajúcimi sa mozgu.
00:22
But I want to startštart with the easiestnajjednoduchšie questionotázka
3
7000
2000
Ja ale začnem tou
najjednoduchšou otázkou,
00:24
and the questionotázka you really should have all askedspýtal yourselvessami at some pointbod in your life,
4
9000
3000
ktorú si každý z vás v živote mal položiť,
00:27
because it's a fundamentalzákladné questionotázka
5
12000
2000
keďže ide o zásadnú otázku,
00:29
if we want to understandrozumieť brainmozog functionfunkcie.
6
14000
2000
ak chceme porozumieť funkcii mozgu.
00:31
And that is, why do we and other animalszver
7
16000
2000
A tá otázka znie, prečo my
a ďalšie živočíchy
00:33
have brainsmozgy?
8
18000
2000
máme mozog?
00:35
Not all speciesdruh on our planetplanéta have brainsmozgy,
9
20000
3000
Niektoré živočíšne druhy
na našej planéte mozog nemajú,
00:38
so if we want to know what the brainmozog is for,
10
23000
2000
takže ak chceme zistiť, na čo mozog slúži,
00:40
let's think about why we evolvedvyvinuli one.
11
25000
2000
premýšľajme, prečo sa nám mozog vyvinul.
00:42
Now you maysmieť reasondôvod that we have one
12
27000
2000
Bolo by pochopiteľné, že keby ste ho mali,
00:44
to perceivevnímať the worldsvet or to think,
13
29000
2000
aby ste vnímali svet alebo premýšľali,
00:46
and that's completelyúplne wrongzle.
14
31000
2000
ale to je veľký omyl.
00:48
If you think about this questionotázka for any lengthdĺžka of time,
15
33000
3000
Ak o tom aspoň chvíľku premýšľate,
00:51
it's blindinglyoslnivo obviouszrejmý why we have a brainmozog.
16
36000
2000
bude úplne zrejmé, prečo mozog máme.
00:53
We have a brainmozog for one reasondôvod and one reasondôvod only,
17
38000
3000
Mozog máme z jedného jediného dôvodu:
00:56
and that's to producevyrobiť adaptableprispôsobivý and complexkomplexné movementspohyby.
18
41000
3000
aby sme mohli vyvíjať
prispôsobivé, zložité pohyby.
00:59
There is no other reasondôvod to have a brainmozog.
19
44000
2000
Niet iného dôvodu, prečo mať mozog.
01:01
Think about it.
20
46000
2000
Zvážte to a dáte mi zapravdu.
01:03
MovementPohyb is the only way you have
21
48000
2000
Pohyb je jediný spôsob,
01:05
of affectingovplyvňujúce the worldsvet around you.
22
50000
2000
ktorým môžete ovplyvniť svet okolo seba.
01:07
Now that's not quitecelkom truepravdivý. There's one other way, and that's throughskrz sweatingpotenie.
23
52000
3000
Vlastne nie tak úplne —
je tu ešte potenie.
01:10
But apartoddelene from that,
24
55000
2000
Ale okrem toho sa všetko ostatné
01:12
everything elseinak goeside throughskrz contractionskontrakcie of musclessvaly.
25
57000
2000
deje sťahovaním svalov.
01:14
So think about communicationkomunikácia --
26
59000
2000
Vezmite si komunikáciu —
01:16
speechreč, gesturesgestá, writingpísanie, signznačka languageJazyk --
27
61000
3000
reč, gestá, písanie, znakovú reč —
01:19
they're all mediatedsprostredkované throughskrz contractionskontrakcie of your musclessvaly.
28
64000
3000
všetko to sprostredkovávajú
sťahy našich svalov.
01:22
So it's really importantdôležitý to rememberpamätať
29
67000
2000
Takže je veľmi dôležité mať na pamäti,
01:24
that sensoryzmyslový, memoryPamäť and cognitivepoznávacie processesprocesy are all importantdôležitý,
30
69000
4000
že zmyslové, pamäťové a kognitívne
procesy sú všetky dôležité,
01:28
but they're only importantdôležitý
31
73000
2000
ale dôležité sú iba preto,
aby buď poháňali, alebo
potláčali budúci pohyb.
01:30
to eitherbuď drivepohon or suppresspotlačiť futurebudúcnosť movementspohyby.
32
75000
2000
01:32
There can be no evolutionaryvývojový advantageVýhodou
33
77000
2000
Žiadna evolučná výhoda
nemôže plynúť z toho,
01:34
to layingktorým sa down memoriesspomienky of childhooddetstva
34
79000
2000
že ste si uchovali spomienky z detstva
01:36
or perceivingvnímanie the colorfarba of a roseruže
35
81000
2000
alebo vnímanie farby ruže,
01:38
if it doesn't affectovplyvniť the way you're going to movesťahovať laterneskôr in life.
36
83000
3000
ak to neovplyvní váš budúci
pohyb neskôr v živote.
01:41
Now for those who don't believe this argumentargument,
37
86000
2000
Pre tých, ktorí tejto
argumentácii neveria:
01:43
we have treesstromy and grasstráva on our planetplanéta withoutbez the brainmozog,
38
88000
2000
máme na planéte stromy
a trávy, bez mozgu,
01:45
but the clinchingdefinitívnom evidencedôkaz is this animalzviera here --
39
90000
2000
hlavným dôkazom je
však tento živočích:
01:47
the humblepokorný seamore squirtstriekať.
40
92000
2000
prostý plášťovec.
01:49
RudimentaryPrimitívne animalzviera, has a nervousnervózny systemsystém,
41
94000
3000
Primitívny živočích, má nervový systém,
01:52
swimspláva around in the oceanoceán in its juvenilemladistvý life.
42
97000
2000
pred dospelosťou pláva sem a tam oceánom,
01:54
And at some pointbod of its life,
43
99000
2000
až raz nadíde chvíľa,
01:56
it implantsimplantáty on a rockrock.
44
101000
2000
keď sa usadí na kameni.
01:58
And the first thing it does in implantingImplantácia on that rockrock, whichktorý it never leaveslisty,
45
103000
3000
A akonáhle sa usadí na tejto skale,
ktorú už nikdy neopustí,
02:01
is to digestvýťah its ownvlastný brainmozog and nervousnervózny systemsystém
46
106000
3000
strávi svoj vlastný mozog a nervy
02:04
for foodjedlo.
47
109000
2000
ako potravu.
02:06
So onceakonáhle you don't need to movesťahovať,
48
111000
2000
Takže hneď, ako sa už nepotrebujete hýbať,
02:08
you don't need the luxuryluxus of that brainmozog.
49
113000
3000
nepotrebujete luxus, akým je mozog.
02:11
And this animalzviera is oftenčasto takenzaujatý
50
116000
2000
A tento živočích často slúži
02:13
as an analogyanalógia to what happensdeje at universitiesuniverzít
51
118000
2000
ako analógia k premene
univerzitných profesorov
02:15
when professorsprofesori get tenuredržba,
52
120000
2000
po získaní titulu -
02:17
but that's a differentrozdielny subjectpredmet.
53
122000
2000
ale to je už o niečom inom.
02:19
(ApplausePotlesk)
54
124000
2000
(potlesk)
02:21
So I am a movementpohyb chauvinistšovinistické.
55
126000
3000
Som teda šovinista, čo sa týka pohybu.
02:24
I believe movementpohyb is the mostväčšina importantdôležitý functionfunkcie of the brainmozog --
56
129000
2000
Verím, že je najdôležitejšou
funkciou mozgu -
02:26
don't let anyoneniekto tell you that it's not truepravdivý.
57
131000
2000
neverte nikomu, kto bude tvrdiť opak.
02:28
Now if movementpohyb is so importantdôležitý,
58
133000
2000
Takže, ak je pohyb taký dôležitý,
02:30
how well are we doing
59
135000
2000
ako sa nám darí rozumieť tomu,
02:32
understandingporozumenie how the brainmozog controlsriadenie movementpohyb?
60
137000
2000
ako mozog riadi pohyb?
02:34
And the answerodpoveď is we're doing extremelynesmierne poorlyúboho; it's a very hardusilovne problemproblém.
61
139000
2000
Odpoveď: mizerne, ide o zložitý problém.
02:36
But we can look at how well we're doing
62
141000
2000
Na posúdenie, ako sa
nám v tejto veci darí,
02:38
by thinkingpremýšľanie about how well we're doing buildingbudova machinesstroje
63
143000
2000
zamyslime sa, ako zostavujeme stroje,
02:40
whichktorý can do what humansľudia can do.
64
145000
2000
ktoré vedia robiť to, čo ľudia.
02:42
Think about the gamehra of chessšach.
65
147000
2000
Vezmite si napríklad partiu šachu.
02:44
How well are we doing determiningstanovenie what piecekus to movesťahovať where?
66
149000
3000
Ako sa nám darí určovať,
kam ktorú figúrku presunúť?
02:47
If you pitPit GarryGarry KasparovKasparov here, when he's not in jailväzenia,
67
152000
3000
Ak sem postavíte Garyho Kasparova
- ak nie je práve vo väzení -
02:50
againstproti IBM'sIBM DeepHlboké BlueModrá,
68
155000
2000
proti počítaču Deep Blue od IBM,
02:52
well the answerodpoveď is IBM'sIBM DeepHlboké BlueModrá will occasionallypríležitostne winvýhra.
69
157000
3000
potom odpoveď znie,
že Deep Blue občas vyhrá.
02:55
And I think if IBM'sIBM DeepHlboké BlueModrá playedhrala anyoneniekto in this roomizba, it would winvýhra everykaždý time.
70
160000
3000
A ak by hral proti komukoľvek
v tejto miestnosti, vždy by vyhral.
02:58
That problemproblém is solvedvyriešené.
71
163000
2000
Tento problém je vyriešený.
03:00
What about the problemproblém
72
165000
2000
A čo tak problém spočívajúci v tom,
03:02
of pickingvyberanie up a chessšach piecekus,
73
167000
2000
ako zdvihnúť šachovú figúrku,
03:04
dexterouslyobratne manipulatingmanipulačné it and puttinguvedenie it back down on the boarddoska?
74
169000
3000
obratne s ňou zaobchádzať
a položiť ju späť na šachovnicu?
Ak porovnáme 5-ročné dieťa s najlepšími
robotmi dneška čo do zručnosti,
03:07
If you put a fivepäť year-oldrok-starý child'sdieťaťa dexterityobratnosť againstproti the bestnajlepší robotsroboty of todaydnes,
75
172000
3000
03:10
the answerodpoveď is simpleprostý:
76
175000
2000
výsledok je jasný:
03:12
the childdieťa winsvyhráva easilyľahko.
77
177000
2000
dieťa s prehľadom vyhrá.
03:14
There's no competitionsúťaž at all.
78
179000
2000
Nemá žiadnu konkurenciu.
03:16
Now why is that toptop problemproblém so easyjednoduchý
79
181000
2000
Prečo je teda ten horný
problém taký jednoduchý
03:18
and the bottomdno problemproblém so hardusilovne?
80
183000
2000
a ten spodný taký zložitý?
03:20
One reasondôvod is a very smartšikovný fivepäť year-oldrok-starý
81
185000
2000
Jedným z dôvodov je,
že bystré 5-ročné dieťa
03:22
could tell you the algorithmalgoritmus for that toptop problemproblém --
82
187000
2000
by prišlo na algoritmus
k hornému problému –
03:24
look at all possiblemožný movespohyby to the endkoniec of the gamehra
83
189000
2000
zváži všetky možné ťahy
až do konca partie
03:26
and choosezvoliť the one that makesznačky you winvýhra.
84
191000
2000
a vyberie tie, vďaka ktorým vyhrá.
03:28
So it's a very simpleprostý algorithmalgoritmus.
85
193000
2000
Ide o veľmi jednoduchý algoritmus.
03:30
Now of coursekurz there are other movespohyby,
86
195000
2000
Pravdaže, možných ťahov je veľmi veľa,
03:32
but with vastnesmierny computerspočítače we approximatepribližné
87
197000
2000
ale s pomocou veľkých počítačov
03:34
and come closeZavrieť to the optimaloptimálne solutionriešenie.
88
199000
2000
sa môžeme priblížiť optimálnemu riešeniu.
03:36
When it comesprichádza to beingbytia dexterousobratný,
89
201000
2000
Pokiaľ však ide o zručnosť,
03:38
it's not even clearjasný what the algorithmalgoritmus is you have to solvevyriešiť to be dexterousobratný.
90
203000
2000
nie je ani jasné, aký algoritmus
na to máte riešiť.
03:40
And we'llmy budeme see you have to bothoboje perceivevnímať and actakt on the worldsvet,
91
205000
2000
A musíte vnímať a pôsobiť na svet,
03:42
whichktorý has a lot of problemsproblémy.
92
207000
2000
a to prináša celý rad problémov.
03:44
But let me showšou you cutting-edgerezanie-hrana roboticsrobotika.
93
209000
2000
Teraz vám predvediem
ukážku špičkovej robotiky.
03:46
Now a lot of roboticsrobotika is very impressivepôsobivý,
94
211000
2000
Veľká časť robotiky je veľmi pôsobivá,
03:48
but manipulationmanipulácia roboticsrobotika is really just in the darktmavá agesages.
95
213000
3000
ale manipulačná robotika je
zatiaľ v ranom stredoveku.
03:51
So this is the endkoniec of a PhPH.D. projectprojekt
96
216000
2000
Toto je výsledok doktorandského projektu
03:53
from one of the bestnajlepší roboticsrobotika institutesinštitúty.
97
218000
2000
z jedného z najlepších ústavov robotiky.
03:55
And the studentštudent has trainedvyškolení this robotrobot
98
220000
2000
Študent naučil robota
03:57
to pourliať this watervoda into a glasssklo.
99
222000
2000
naliať vodu do pohára:
03:59
It's a hardusilovne problemproblém because the watervoda sloshessloshes about, but it can do it.
100
224000
3000
zložitý problém, keďže voda
špliecha, ale dokáže to.
04:02
But it doesn't do it with anything like the agilityagility of a humančlovek.
101
227000
3000
Ale s ohybnosťou človeka to
nemá mnoho spoločného.
04:05
Now if you want this robotrobot to do a differentrozdielny taskúloha,
102
230000
3000
Ak by ten robot však
mal vykonať inú úlohu,
04:08
that's anotherďalší three-yeartrojročný PhPH.D. programprogram.
103
233000
3000
máte dosť práce na ďalší
doktorandský program.
04:11
There is no generalizationzovšeobecnenie at all
104
236000
2000
Vôbec sa nám nedarí zovšeobecňovať
04:13
from one taskúloha to anotherďalší in roboticsrobotika.
105
238000
2000
z jednej robotickej úlohy na druhú.
04:15
Now we can compareporovnať this
106
240000
2000
Môžeme to však porovnať
04:17
to cutting-edgerezanie-hrana humančlovek performancevýkon.
107
242000
2000
so špičkovým výkonom u ľudí.
04:19
So what I'm going to showšou you is EmilyEmily FoxFox
108
244000
2000
Teraz vám ukážem Emily Fox,
04:21
winningvíťazný the worldsvet recordrekord for cuppohár stackingstohovanie.
109
246000
3000
ako vytvára svetový
rekord vo vŕšení téglikov.
04:24
Now the AmericansAmeričania in the audiencepublikum will know all about cuppohár stackingstohovanie.
110
249000
2000
Američania v publiku
tento šport dobre poznajú.
04:26
It's a highvysoký schoolškolské sportšport
111
251000
2000
Ide o stredoškolskú športovú disciplínu.
04:28
where you have 12 cupspoháre you have to stackstoh and unstackunstack
112
253000
2000
Striedavo na seba kladiete 12 téglikov
04:30
againstproti the clockhodiny in a prescribedpredpísané orderobjednať.
113
255000
2000
a to na čas a v predpísanom poradí.
04:32
And this is her gettingzískavanie the worldsvet recordrekord in realskutočný time.
114
257000
3000
A tu vidíme na nezrýchlených záberoch,
ako vytvára svetový rekord.
04:39
(LaughterSmiech)
115
264000
8000
(smiech)
04:47
(ApplausePotlesk)
116
272000
5000
(potlesk)
04:52
And she's prettypekný happyšťastný.
117
277000
2000
A má z toho celkom radosť.
04:54
We have no ideanápad what is going on insidevnútri her brainmozog when she does that,
118
279000
2000
Netušíme, čo prebieha
v jej mozgu, keď to robí,
04:56
and that's what we'dmy by sme like to know.
119
281000
2000
a práve to by sme radi vedeli.
04:58
So in my groupskupina, what we try to do
120
283000
2000
Takže v našej skupine sa snažíme
05:00
is reversezvrátiť engineerinžinier how humansľudia controlovládanie movementpohyb.
121
285000
3000
spätne zistiť, ako človek riadi pohyb.
05:03
And it soundszvuky like an easyjednoduchý problemproblém.
122
288000
2000
Znie to ako jednoduchá úloha.
05:05
You sendodoslať a commandpríkaz down, it causespríčiny musclessvaly to contractzmluva.
123
290000
2000
Pošlete príkaz – a svaly sa stiahnu,
05:07
Your armpaže or bodytelo movespohyby,
124
292000
2000
vaša ruka alebo telo sa pohne
05:09
and you get sensoryzmyslový feedbackspätná väzba from visionvidenie, from skinkoža, from musclessvaly and so on.
125
294000
3000
a dostanete zmyslovú spätnú väzbu –
zo zraku, kože, svalstva atď.
05:12
The troubleťažkosti is
126
297000
2000
Problém je v tom,
05:14
these signalssignály are not the beautifulkrásny signalssignály you want them to be.
127
299000
2000
že signály nie sú žiadane krásne.
05:16
So one thing that makesznačky controllingovládanie movementpohyb difficultnáročný
128
301000
2000
Takže dôvod zložitosti riadenia pohybu
je napríklad v tom,
05:18
is, for examplepríklad, sensoryzmyslový feedbackspätná väzba is extremelynesmierne noisyhlučný.
129
303000
3000
že zmyslovú spätnú väzbu narúša šum.
05:21
Now by noisehluk, I do not mean soundznieť.
130
306000
3000
Pod šumom však nemyslím zvuk,
05:24
We use it in the engineeringstrojárstvo and neuroscienceNeuroscience sensezmysel
131
309000
2000
ale význam z inžinierstva a neurovedy,
05:26
meaningzmysel a randomnáhodný noisehluk corruptingkaziť a signalsignál.
132
311000
2000
teda náhodný šum rušiaci signál.
05:28
So the oldstarý daysdni before digitaldigitálne radiorádio when you were tuningtuning in your radiorádio
133
313000
3000
Kedysi, pred digitalizáciou rozhlasu,
keď ste si ladili stanicu,
05:31
and you heardpočul "crrcckkkcrrcckkk" on the stationstanice you wanted to hearpočuť,
134
316000
2000
a počuli ste „chŕŕŕ“ na hľadanej stanici,
05:33
that was the noisehluk.
135
318000
2000
tak to bol šum.
05:35
But more generallyvšeobecne, this noisehluk is something that corruptskazí the signalsignál.
136
320000
3000
Všeobecne je ale šum
niečo, čo ruší signál.
05:38
So for examplepríklad, if you put your handručné underpod a tablestôl
137
323000
2000
Keď si napríklad dáte ruku pod stôl
05:40
and try to localizelokalizovať it with your other handručné,
138
325000
2000
a snažíte sa ju nájsť druhou rukou,
05:42
you can be off by severalniekoľko centimeterscentimetre
139
327000
2000
môžete ju minúť o centimetre –
05:44
duespôsobený to the noisehluk in sensoryzmyslový feedbackspätná väzba.
140
329000
2000
šum ruší spätnú väzbu od zmyslov.
05:46
SimilarlyPodobne, when you put motormotor outputvýkon on movementpohyb outputvýkon,
141
331000
2000
Tiež, v znázornení motorických alebo
pohybových výstupov je mnoho šumu.
05:48
it's extremelynesmierne noisyhlučný.
142
333000
2000
05:50
ForgetZabudnúť about tryingsnažia to hithit the bull'sbýčie eyeočné in dartsšípky,
143
335000
2000
Zabudnite na pokusy trafiť
šípkou do čierneho,
05:52
just aimcieľ for the samerovnaký spotškvrna over and over again.
144
337000
2000
len mierte na rovnaký bod stále dokola.
05:54
You have a hugeobrovský spreadnátierka duespôsobený to movementpohyb variabilitypremenlivosť.
145
339000
3000
Dostanete široké rozpätie výsledkov
kvôli variabilite pohybu.
05:57
And more than that, the outsidezvonka worldsvet, or taskúloha,
146
342000
2000
A naviac, vonkajší svet alebo dotyčný úkon
05:59
is bothoboje ambiguousnejednoznačné and variablepremenná.
147
344000
2000
je nejasný a zároveň premenlivý.
06:01
The teapotkanvica na čaj could be fullplne, it could be emptyprázdny.
148
346000
2000
Kanvica môže byť plná alebo prázdna;
06:03
It changeszmeny over time.
149
348000
2000
mení sa v závislosti od času.
06:05
So we work in a wholecelý sensoryzmyslový movementpohyb taskúloha souppolievka of noisehluk.
150
350000
4000
Fungujeme v akejsi
zmyslovo-pohybovo-úkonovej zmesi šumu.
06:09
Now this noisehluk is so great
151
354000
2000
Ten šum je však taký silný,
06:11
that societyspoločnosť placesMiesta a hugeobrovský premiumPremium
152
356000
2000
že spoločnosť si veľmi
vysoko cení tých z nás,
06:13
on those of us who can reduceredukovať the consequencesdôsledky of noisehluk.
153
358000
3000
ktorí vedia potláčať dôsledky šumu.
06:16
So if you're luckyšťastný enoughdosť to be ableschopný to knockzaklopať a smallmalý whitebiely balllopta
154
361000
3000
Ak máte to šťastie, že viete ťuknúť
dlhou kovovou tyčou do loptičky tak,
06:19
into a holediera severalniekoľko hundredsto yardsyardov away usingpoužitím a long metalkov stickpalica,
155
364000
3000
aby spadla do diery vzdialenej
niekoľko sto metrov,
06:22
our societyspoločnosť will be willingochotný to rewardodmena you
156
367000
2000
naša spoločnosť vás rada odmení
06:24
with hundredsstovky of millionsmilióny of dollarsdolárov.
157
369000
3000
stovkami miliónov dolárov.
(smiech)
06:27
Now what I want to convincepresvedčiť you of
158
372000
2000
Chcem vás presvedčiť,
06:29
is the brainmozog alsotaktiež goeside throughskrz a lot of effortsnaha
159
374000
2000
že mozog tiež vynakladá veľkú snahu,
06:31
to reduceredukovať the negativenegatívny consequencesdôsledky
160
376000
2000
aby potlačil záporné dôsledky
06:33
of this sortdruh of noisehluk and variabilitypremenlivosť.
161
378000
2000
takého šumu a variability.
06:35
And to do that, I'm going to tell you about a frameworkrámec
162
380000
2000
Na to používa istú vzťažnú sústavu –
06:37
whichktorý is very popularpopulárne in statisticsštatistika and machinestroj learningštúdium of the last 50 yearsleta
163
382000
3000
obľúbenú v štatistike a strojovej
vede posledných 50 rokov –
06:40
calledvolal BayesianBayesian decisionrozhodnutie theoryteória.
164
385000
2000
bayesovská teória rozhodovania.
06:42
And it's more recentlynedávno a unifyingzjednotenie way
165
387000
3000
Nedávno sa stala zjednocujúcim
vysvetlením toho,
06:45
to think about how the brainmozog dealsponuky with uncertaintyneistota.
166
390000
3000
ako sa mozog vysporadúva s neurčitosťou.
06:48
And the fundamentalzákladné ideanápad is you want to make inferenceszávery and then take actionsakcie.
167
393000
3000
Jej podstata tkvie v tom, že robíme
dedukcie a potom jednáme.
06:51
So let's think about the inferencezáver.
168
396000
2000
Zoberme si dedukcie.
06:53
You want to generategenerovať beliefspresvedčenie about the worldsvet.
169
398000
2000
Cieľom je vytvárať si
predstavy o skutočnosti.
06:55
So what are beliefspresvedčenie?
170
400000
2000
Aké predstavy?
06:57
BeliefsPresvedčenie could be: where are my armszbrane in spacepriestor?
171
402000
2000
Príklad: kde v priestore sú moje ruky?
06:59
Am I looking at a catmačka or a foxlíška?
172
404000
2000
Dívam sa na mačku či na líšku?
07:01
But we're going to representpredstavovať beliefspresvedčenie with probabilitiespravdepodobnosti.
173
406000
3000
Ale my budeme predstavy
vyjadrovať pravdepodobnosťami.
07:04
So we're going to representpredstavovať a beliefviera
174
409000
2000
Predstavy teda vyjadríme
07:06
with a numberčíslo betweenmedzi zeronula and one --
175
411000
2000
číslom medzi nulou a jednotkou –
07:08
zeronula meaningzmysel I don't believe it at all, one meansprostriedky I'm absolutelyabsolútne certainistý.
176
413000
3000
0 znamená „vôbec tomu neverím“,
1 „som si úplne istý“.
07:11
And numbersčísla in betweenmedzi give you the grayšedá levelsúrovne of uncertaintyneistota.
177
416000
3000
A čísla medzi tým vyjadrujú
sivé medzistupne neistoty.
07:14
And the keykľúč ideanápad to BayesianBayesian inferencezáver
178
419000
2000
Kľúčovým konceptom
v bayesovskej dedukcii je,
07:16
is you have two sourceszdroje of informationinformácie
179
421000
2000
že máte dva zdroje informácií,
07:18
from whichktorý to make your inferencezáver.
180
423000
2000
na ktorých staviate svoju dedukciu.
07:20
You have datadáta,
181
425000
2000
Máte údaje –
a údaje v neurovede, to sú
vstupné údaje od zmyslov.
07:22
and datadáta in neuroscienceNeuroscience is sensoryzmyslový inputvstup.
182
427000
2000
07:24
So I have sensoryzmyslový inputvstup, whichktorý I can take in to make beliefspresvedčenie.
183
429000
3000
Tieto zmyslové vstupy môžem prijať –
a vytvoriť predstavy.
07:27
But there's anotherďalší sourcezdroj of informationinformácie, and that's effectivelyúčinne priorpred knowledgevedomosti.
184
432000
3000
Máme ale ďalší zdroj informácií,
a tým je už získané poznanie.
07:30
You accumulateakumulovať knowledgevedomosti throughoutcez your life in memoriesspomienky.
185
435000
3000
Celý svoj život hromadíte
poznanie v podobe spomienok.
07:33
And the pointbod about BayesianBayesian decisionrozhodnutie theoryteória
186
438000
2000
A podstatou bayeovskej teórie rozhodovania
je umožniť matematicky spracovať
07:35
is it givesposkytuje you the mathematicsmatematika
187
440000
2000
07:37
of the optimaloptimálne way to combinekombinovať
188
442000
2000
optimálny spôsob, ako spojiť
už získané poznanie so svedectvom zmyslov
07:39
your priorpred knowledgevedomosti with your sensoryzmyslový evidencedôkaz
189
444000
2000
07:41
to generategenerovať newNový beliefspresvedčenie.
190
446000
2000
a vytvárať tak nové predstavy.
07:43
And I've put the formulavzorec up there.
191
448000
2000
Ten vzorec som vám premietol.
07:45
I'm not going to explainvysvetliť what that formulavzorec is, but it's very beautifulkrásny.
192
450000
2000
Nebudem to vysvetľovať.
Je však veľmi krásny.
07:47
And it has realskutočný beautykrása and realskutočný explanatoryvysvetľujúce powermoc.
193
452000
3000
Má v sebe skutočnú krásu
a objasňujúcu silu.
07:50
And what it really sayshovorí, and what you want to estimateodhad,
194
455000
2000
To, čo vlastne hovorí
a čo chceme odhadnúť,
07:52
is the probabilitypravdepodobnosť of differentrozdielny beliefspresvedčenie
195
457000
2000
je pravdepodobnosť jednotlivých predstáv
07:54
givendaný your sensoryzmyslový inputvstup.
196
459000
2000
na základe zo vstupných údajov od zmyslov.
07:56
So let me give you an intuitiveintuitívne examplepríklad.
197
461000
2000
Dám vám intuitívny príklad.
07:58
ImaginePredstavte si you're learningštúdium to playhrať tennistenis
198
463000
3000
Predstavte si, že sa učíte hrať tenis
08:01
and you want to deciderozhodnúť where the balllopta is going to bounceBounce
199
466000
2000
a chcete zistiť, kde sa odrazí loptička
08:03
as it comesprichádza over the netnetto towardsvoči you.
200
468000
2000
letiaca k vám cez sieť.
08:05
There are two sourceszdroje of informationinformácie
201
470000
2000
Máme dva zdroje informácií,
08:07
Bayes'Bayesova rulepravidlo tellshovorí you.
202
472000
2000
ako nám hovorí Bayesovo pravidlo.
08:09
There's sensoryzmyslový evidencedôkaz -- you can use visualvizuálne informationinformácie auditorysluchový informationinformácie,
203
474000
3000
Máme zmyslové poznatky – môžeme
využiť zrakové a sluchové údaje
08:12
and that mightsila tell you it's going to landpôda in that redčervená spotškvrna.
204
477000
3000
a usúdiť tak, že loptička dopadne
na to červené miesto.
08:15
But you know that your senseszmysly are not perfectperfektný,
205
480000
3000
Ale ako viete, zmysly nie sú dokonalé,
08:18
and thereforeteda there's some variabilitypremenlivosť of where it's going to landpôda
206
483000
2000
takže čelíme variabilite,
kam lopta dopadne –
08:20
shownzobrazené by that cloudmrak of redčervená,
207
485000
2000
znázornené tou červenou škvrnou
08:22
representingpredstavujúce numbersčísla betweenmedzi 0.5 and maybe 0.1.
208
487000
3000
predstavujúcou čísla
medzi 0,5 a zhruba 0,1.
Tieto informácie sú
k dispozícii pri tejto rane,
08:26
That informationinformácie is availablek dispozícii in the currentprúd shotshot,
209
491000
2000
08:28
but there's anotherďalší sourcezdroj of informationinformácie
210
493000
2000
ale existuje iný zdroj informácií,
08:30
not availablek dispozícii on the currentprúd shotshot,
211
495000
2000
ktoré tu k dispozícii nie sú,
08:32
but only availablek dispozícii by repeatedopakovala experienceskúsenosť in the gamehra of tennistenis,
212
497000
3000
a sú dostupné iba opakovaným
prežitím tenisového zápasu:
08:35
and that's that the balllopta doesn't bounceBounce
213
500000
2000
a to, že loptička
počas stretnutia nedopadá
08:37
with equalrovný probabilitypravdepodobnosť over the courtsúd duringpočas the matchzápas.
214
502000
2000
s rovnakou pravdepodobnosťou
po celom kurte.
08:39
If you're playinghracie againstproti a very good opponentprotivník,
215
504000
2000
Ak máte schopného protihráča,
08:41
they maysmieť distributerozložiť it in that greenzelená arearozloha,
216
506000
2000
môže ju umiestňovať po tej zelenej ploche,
08:43
whichktorý is the priorpred distributiondistribúcia,
217
508000
2000
predstavujúcej predchádzajúcu distribúciu,
08:45
makingmaking it hardusilovne for you to returnspiatočný.
218
510000
2000
kde je pre vás najťažšie ju vrátiť.
08:47
Now bothoboje these sourceszdroje of informationinformácie carryniesť importantdôležitý informationinformácie.
219
512000
2000
Oba tieto informačné zdroje
poskytujú dôležité údaje.
08:49
And what Bayes'Bayesova rulepravidlo sayshovorí
220
514000
2000
Podľa Bayesovho pravidla
08:51
is that I should multiplynásobiť the numbersčísla on the redčervená by the numbersčísla on the greenzelená
221
516000
3000
máme vynásobiť červené čísla zelenými,
08:54
to get the numbersčísla of the yellowžltá, whichktorý have the ellipseselipsy,
222
519000
3000
aby sme dostali žlté čísla,
ku ktorým patria tie elipsy,
08:57
and that's my beliefviera.
223
522000
2000
a to je potom moja predstava.
08:59
So it's the optimaloptimálne way of combiningkombinovanie informationinformácie.
224
524000
3000
To je optimálny spôsob,
ako spájať informácie.
09:02
Now I wouldn'tnie tell you all this if it wasn'tnebol that a fewmálo yearsleta agopred,
225
527000
2000
Nehovoril by som toto všetko,
no pred niekoľkými rokmi
09:04
we showedukázal this is exactlypresne what people do
226
529000
2000
sme dokázali, že presne toto ľudia robia,
09:06
when they learnučiť sa newNový movementpohyb skillszručností.
227
531000
2000
keď sa učia novým pohybovým zručnostiam.
09:08
And what it meansprostriedky
228
533000
2000
A to znamená,
09:10
is we really are BayesianBayesian inferencezáver machinesstroje.
229
535000
2000
že sme vlastne bayesovské dedukčné stroje.
09:12
As we go around, we learnučiť sa about statisticsštatistika of the worldsvet and laypoložiť that down,
230
537000
4000
Chodíme po svete a zaznamenávame
si štatistické údaje –
09:16
but we alsotaktiež learnučiť sa
231
541000
2000
tiež ale zisťujeme,
09:18
about how noisyhlučný our ownvlastný sensoryzmyslový apparatusprístroje is,
232
543000
2000
koľko je v našom zmyslovom aparáte šumu –,
09:20
and then combinekombinovať those
233
545000
2000
a potom ich spájame
09:22
in a realskutočný BayesianBayesian way.
234
547000
2000
skutočne bayesovským spôsobom.
09:24
Now a keykľúč partčasť to the BayesianBayesian is this partčasť of the formulavzorec.
235
549000
3000
Dôležitým prvkom bayesovského
prístupu je táto časť vzorca.
09:27
And what this partčasť really sayshovorí
236
552000
2000
A tá časť znamená,
09:29
is I have to predictpredpovedať the probabilitypravdepodobnosť
237
554000
2000
že musím predpovedať pravdepodobnosť
09:31
of differentrozdielny sensoryzmyslový feedbacksOhlasy
238
556000
2000
rôznych údajov zmyslovej spätnej väzby,
09:33
givendaný my beliefspresvedčenie.
239
558000
2000
vychádzajúc zo svojich predstáv.
09:35
So that really meansprostriedky I have to make predictionspredpovede of the futurebudúcnosť.
240
560000
3000
Vlastne to znamená,
že musím predpovedať budúcnosť.
09:38
And I want to convincepresvedčiť you the brainmozog does make predictionspredpovede
241
563000
2000
Ja vás chcem presvedčiť,
že mozog predpovedá,
09:40
of the sensoryzmyslový feedbackspätná väzba it's going to get.
242
565000
2000
akú spätnú väzbu od zmyslov dostane.
09:42
And moreovernavyše, it profoundlyhlboko changeszmeny your perceptionsvnímanie
243
567000
2000
A čo viac, zásadne mení naše vnímanie
09:44
by what you do.
244
569000
2000
podľa toho, čo robíte.
09:46
And to do that, I'll tell you
245
571000
2000
A preto vám poviem o tom,
09:48
about how the brainmozog dealsponuky with sensoryzmyslový inputvstup.
246
573000
2000
ako náš mozog využíva
vstupné údaje od zmyslov.
09:50
So you sendodoslať a commandpríkaz out,
247
575000
3000
Takže, keď vyšlete príkaz,
09:53
you get sensoryzmyslový feedbackspätná väzba back,
248
578000
2000
dostanete spätnú väzbu od zmyslov,
09:55
and that transformationpremena is governedriadia
249
580000
2000
a táto transformácia sa riadi
09:57
by the physicsfyzika of your bodytelo and your sensoryzmyslový apparatusprístroje.
250
582000
3000
fyzikálnymi vlastnosťami vášho tela
a zmyslového ústrojenstva.
10:00
But you can imaginepredstaviť si looking insidevnútri the brainmozog.
251
585000
2000
Môžete si ale predstaviť,
že hľadíte do mozgu – a tu to je.
10:02
And here'stady insidevnútri the brainmozog.
252
587000
2000
Je tam akýsi malý ukazovateľ,
neurálny simulátor toho,
10:04
You mightsila have a little predictorpredictor, a neuralnervový simulatorsimulátor,
253
589000
2000
10:06
of the physicsfyzika of your bodytelo and your senseszmysly.
254
591000
2000
ako sa budú správať vaše telo a zmysly.
10:08
So as you sendodoslať a movementpohyb commandpríkaz down,
255
593000
2000
Keď vyšlete príkaz k pohybu,
10:10
you tapkohútik a copykópie of that off
256
595000
2000
odoberiete tiež jeho kópiu,
10:12
and runbeh it into your neuralnervový simulatorsimulátor
257
597000
2000
necháte ju prejsť neurálnym simulátorom,
10:14
to anticipatepredbiehať the sensoryzmyslový consequencesdôsledky of your actionsakcie.
258
599000
4000
aby ste predpovedali zmyslové
dôsledky svojho konania.
10:18
So as I shaketriasť this ketchupkečup bottlefľaša,
259
603000
2000
Takže kým trepem fľašou s kečupom,
10:20
I get some truepravdivý sensoryzmyslový feedbackspätná väzba as the functionfunkcie of time in the bottomdno rowriadok.
260
605000
3000
dostávam pravú spätnú väzbu
ako funkciu času v spodnom rade.
10:23
And if I've got a good predictorpredictor, it predictspredpovedá the samerovnaký thing.
261
608000
3000
A ak mám dobrý simulátor,
bude jeho predpoveď totožná.
10:26
Well why would I botherobťažovať doing that?
262
611000
2000
Tak prečo to vôbec robím?
10:28
I'm going to get the samerovnaký feedbackspätná väzba anywayv každom prípade.
263
613000
2000
Aj tak dostanem rovnakú spätnú väzbu.
10:30
Well there's good reasonsdôvody.
264
615000
2000
Existujú dobré dôvody.
10:32
ImaginePredstavte si, as I shaketriasť the ketchupkečup bottlefľaša,
265
617000
2000
Predstavte si, že ako trepem tou fľašou,
10:34
someoneniekto very kindlyláskavo comesprichádza up to me and tapskohúty it on the back for me.
266
619000
3000
niekto ochotne pristúpi
a poklepe mi na dno fľaše.
10:37
Now I get an extraextra sourcezdroj of sensoryzmyslový informationinformácie
267
622000
2000
Teraz mám ďalší zdroj
zmyslových informácií
10:39
duespôsobený to that externalexterný actakt.
268
624000
2000
kvôli tomuto vonkajšiemu pôsobeniu.
10:41
So I get two sourceszdroje.
269
626000
2000
Mám teda dva zdroje:
10:43
I get you tappingpoklepaním on it, and I get me shakingtrasenie it,
270
628000
3000
vás, ktorý na to klepete,
a mňa, ktorý tým trepem.
10:46
but from my senses'zmyslov pointbod of viewvyhliadka,
271
631000
2000
Ale z pohľadu mojich zmyslov
10:48
that is combinedkombinovaný togetherspolu into one sourcezdroj of informationinformácie.
272
633000
3000
je to zlúčené do jediného
informačného zdroja.
10:51
Now there's good reasondôvod to believe
273
636000
2000
Máme pádny dôvod k tomu sa domnievať,
10:53
that you would want to be ableschopný to distinguishrozlíšiť externalexterný eventsdiania from internalinterný eventsdiania.
274
638000
3000
že by ste chceli vedieť rozoznať
vonkajšie udalosti od vnútorných.
10:56
Because externalexterný eventsdiania are actuallyvlastne much more behaviorallybehaviorálna relevantpríslušný
275
641000
3000
To je preto, že vonkajšie udalosti
majú väčší dopad na správanie
10:59
than feelingpocit everything that's going on insidevnútri my bodytelo.
276
644000
3000
než schopnosť rozoznať všetko,
čo sa deje v mojom tele.
11:02
So one way to reconstructrekonštruovať that
277
647000
2000
Jedným zo spôsobov, ako to zrekonštruovať,
11:04
is to compareporovnať the predictionpredpoveď --
278
649000
2000
je porovnať predpoveď –
11:06
whichktorý is only basedzaložené on your movementpohyb commandspríkazy --
279
651000
2000
ktorá vychádza len z pohybových príkazov –
11:08
with the realityrealita.
280
653000
2000
s realitou.
11:10
Any discrepancyrozpor should hopefullydúfajme be externalexterný.
281
655000
3000
Prípadná nezrovnalosť by mala
byť daná – dúfajme – vonkajším vplyvom.
11:13
So as I go around the worldsvet,
282
658000
2000
Takže ako tak chodím po svete,
11:15
I'm makingmaking predictionspredpovede of what I should get, subtractingodpočítaním them off.
283
660000
3000
predpovedám, čo by sa malo stať
– a odčítavam to.
11:18
Everything left over is externalexterný to me.
284
663000
2000
A to, čo mi zostane,
je voči mne vonkajšie.
11:20
What evidencedôkaz is there for this?
285
665000
2000
Aké sú pre to dôkazy?
11:22
Well there's one very clearjasný examplepríklad
286
667000
2000
Existuje jeden jednoznačný príklad toho,
11:24
where a sensationsenzácia generatedgenerované by myselfja sám feelscíti very differentrozdielny
287
669000
2000
kde môj pocit, ktorý vyvolám ja,
11:26
then if generatedgenerované by anotherďalší persončlovek.
288
671000
2000
sa líši od pocitu vyvolaného niekým iným.
11:28
And so we decidedrozhodol the mostväčšina obviouszrejmý placemiesto to startštart
289
673000
2000
Usúdili sme, že najvhodnejšie
by bolo začať
11:30
was with ticklingšteklenie.
290
675000
2000
šteklením.
11:32
It's been knownznámy for a long time, you can't tickleTickle yourselfsám
291
677000
2000
Už dlho vieme, že človek
sám seba nemôže štekliť
11:34
as well as other people can.
292
679000
2000
tak dobre, ako to vie niekto iný.
11:36
But it hasn'tnemá really been shownzobrazené, it's because you have a neuralnervový simulatorsimulátor,
293
681000
3000
Ešte však nebolo dokázané,
že za tým stojí neurálny simulátor,
11:39
simulatingSimulácia your ownvlastný bodytelo
294
684000
2000
simulujúci činnosť nášho tela
11:41
and subtractingodpočítaním off that sensezmysel.
295
686000
2000
a odčítavajúci príslušné pocity.
11:43
So we can bringpriniesť the experimentspokusy of the 21stst centurystoročia
296
688000
3000
My ale môžeme tieto
pokusy preniesť do 21. storočia
11:46
by applyingaplikovanie roboticrobotické technologiestechnológie to this problemproblém.
297
691000
3000
a pri riešení využiť
robotické technológie.
To znamená, že niekto jednou
rukou drží tyčku pripojenú k robotovi –
11:49
And in effectúčinok, what we have is some sortdruh of stickpalica in one handručné attachedpripojený to a robotrobot,
298
694000
3000
11:52
and they're going to movesťahovať that back and forwardvpred.
299
697000
2000
a tou tyčkou hýbe sem a tam.
11:54
And then we're going to trackstopa that with a computerpočítačový
300
699000
2000
Tento pohyb sledujeme v počítači
11:56
and use it to controlovládanie anotherďalší robotrobot,
301
701000
2000
a riadime pomocou neho druhého robota,
11:58
whichktorý is going to tickleTickle theirich palmdlaň with anotherďalší stickpalica.
302
703000
2000
ktorý dotyčného šteklí
na dlani inou tyčkou.
12:00
And then we're going to askopýtať sa them to raterýchlosť a bunchchumáč of things
303
705000
2000
Potom chceme, aby vyhodnotil rad vecí,
12:02
includingpočítajúc do toho ticklishnessticklishness.
304
707000
2000
medzi ktorými je šteklivosť.
12:04
I'll showšou you just one partčasť of our studyštudovať.
305
709000
2000
Ukážem vám časť našej štúdie.
12:06
And here I've takenzaujatý away the robotsroboty,
306
711000
2000
Tu už nevidíte roboty,
v podstate ide len o pohyb
12:08
but basicallyv podstate people movesťahovať with theirich right armpaže sinusoidallySin back and forwardvpred.
307
713000
3000
pravou rukou sem a tam
po akejsi sínusoide.
12:11
And we replayReplay that to the other handručné with a time delayoneskorenie.
308
716000
3000
A tento pohyb vykonávame
na druhú ruku, ale s oneskorením.
12:14
EitherBuď no time delayoneskorenie,
309
719000
2000
Buď s nulovým,
12:16
in whichktorý casepúzdro lightsvetlo would just tickleTickle your palmdlaň,
310
721000
2000
vtedy pravá ruka šteklí dlaň priamo,
12:18
or with a time delayoneskorenie of two-tenthsdve desatiny of three-tenthstri desatiny of a seconddruhý.
311
723000
4000
alebo s oneskorením 1/10,
2/10 alebo 3/10 sekundy.
12:22
So the importantdôležitý pointbod here
312
727000
2000
Tu je dôležité pripomenúť,
12:24
is the right handručné always does the samerovnaký things -- sinusoidalsínusové movementpohyb.
313
729000
3000
že pravá ruka vykonáva stále
to isté – sínusoidný pohyb.
12:27
The left handručné always is the samerovnaký and putsputs sinusoidalsínusové tickleTickle.
314
732000
3000
Ľavá tiež robí stále to isté
a vyvoláva sínusoidnú šteklivosť.
12:30
All we're playinghracie with is a tempotempo causalitykauzalita.
315
735000
2000
Hráme sa len s časovou kauzalitou.
12:32
And as we go from naughtnič to 0.1 seconddruhý,
316
737000
2000
A keď oneskorenie zvyšujeme
z 0 na 0,1 sekundy,
12:34
it becomesstáva more ticklishšteklivý.
317
739000
2000
šteklivosť rastie.
12:36
As you go from 0.1 to 0.2,
318
741000
2000
A keď potom oneskorenie
zvyšujeme z 0,1 na 0,2 sekundy,
12:38
it becomesstáva more ticklishšteklivý at the endkoniec.
319
743000
2000
šteklivosť stále rastie.
12:40
And by 0.2 of a seconddruhý,
320
745000
2000
A kým šteklivosť dosiahne 0,2 sekundy,
12:42
it's equivalentlyekvivalentne ticklishšteklivý
321
747000
2000
šteklivosť je rovnaká,
12:44
to the robotrobot that just tickledLechtal you withoutbez you doing anything.
322
749000
2000
ako keď robot šteklí bez vášho pričinenia.
12:46
So whateverHocičo is responsiblezodpovedný for this cancellationzrušenie
323
751000
2000
Čokoľvek teda zapríčiňuje ono rušenie,
12:48
is extremelynesmierne tightlytesne coupledspolu with tempotempo causalitykauzalita.
324
753000
3000
musí to byť úzko prepojené
s časovou kauzalitou.
12:51
And basedzaložené on this illustrationilustrácie, we really convincedpresvedčený ourselvesmy sami in the fieldlúka
325
756000
3000
Táto a ďalšia štúdia nás vedcov
z tohto odboru presvedčili,
12:54
that the brain'smozog je makingmaking precisepresný predictionspredpovede
326
759000
2000
že mozog vykonáva presné predpovede
12:56
and subtractingodpočítaním them off from the sensationspocity.
327
761000
3000
a odčítava ich od vnemov.
12:59
Now I have to admitpripustiť, these are the worstnajhorší studiesštúdie my lablaboratórium has ever runbeh.
328
764000
3000
Musím priznať, že išlo o najťažšie
štúdie v histórii nášho laboratória.
13:02
Because the tickleTickle sensationsenzácia on the palmdlaň comesprichádza and goeside,
329
767000
2000
Pretože šteklivosť dlane kolísa,
13:04
you need largeveľký numbersčísla of subjectspredmety
330
769000
2000
potrebujete značný počet subjektov,
13:06
with these starshviezdy makingmaking them significantvýznamný.
331
771000
2000
na štatisticky signifikantné výsledky.
13:08
So we were looking for a much more objectiveobjektívny way
332
773000
2000
Takže sme hľadali omnoho
objektívnejší spôsob,
13:10
to assessposúdiť this phenomenajavy.
333
775000
2000
ako vyhodnotiť tento fenomén.
13:12
And in the interveningvedľajší yearsleta I had two daughtersdcéry.
334
777000
2000
A medzitým sa mi narodili dve dcéry.
13:14
And one thing you noticeoznámenia about childrendeti in backseatsúchytky of carscars on long journeyscesty,
335
779000
3000
Všimnite si, že deti, keď sedia
na zadných sedadlách auta
13:17
they get into fightsbojuje --
336
782000
2000
pri dlhých jazdách, začnú sa biť.
13:19
whichktorý startedzahájená with one of them doing something to the other, the other retaliatingodplata.
337
784000
3000
Začína to, keď jeden urobí niečo
tomu druhému, ten mu to vráti
13:22
It quicklyrýchlo escalateseskaluje.
338
787000
2000
a situácia sa rýchlo vyhrotí.
13:24
And childrendeti tendsklon to get into fightsbojuje whichktorý escalateeskalovať in termspodmienky of forcesila.
339
789000
3000
Detské bitky sa často
stupňujú svojou silou.
13:27
Now when I screamedkričal at my childrendeti to stop,
340
792000
2000
Keď na deti zarevem, nech s tým prestanú,
13:29
sometimesniekedy they would bothoboje say to me
341
794000
2000
tak niekedy obe hovoria,
13:31
the other persončlovek hithit them harderťažšie.
342
796000
3000
že tá druhá ju buchla silnejšie.
13:34
Now I happenstať sa to know my childrendeti don't lielož,
343
799000
2000
No a ja náhodou viem,
že moje deti neklamú,
13:36
so I thought, as a neuroscientistneurológ,
344
801000
2000
tak som si povedal – ako neurovedec –,
13:38
it was importantdôležitý how I could explainvysvetliť
345
803000
2000
že by sa zišlo vysvetliť,
13:40
how they were tellingrozprávanie inconsistentnekonzistentné truthspravdy.
346
805000
2000
ako si môžu ich pravdivé výroky odporovať.
13:42
And we hypothesizehypotézu basedzaložené on the ticklingšteklenie studyštudovať
347
807000
2000
Zo štúdie o šteklení vznikla hypotéza,
13:44
that when one childdieťa hitshity anotherďalší,
348
809000
2000
že ak jedno dieťa buchne druhé,
13:46
they generategenerovať the movementpohyb commandpríkaz.
349
811000
2000
zadá pohybový príkaz.
13:48
They predictpredpovedať the sensoryzmyslový consequencesdôsledky and subtractodčítanie it off.
350
813000
3000
Predpovedia zmyslové
následky a odčítajú ich.
13:51
So they actuallyvlastne think they'veoni majú hithit the persončlovek lessmenej hardusilovne than they have --
351
816000
2000
Takže si myslia, že druhého buchli slabšie
13:53
rathertrochu like the ticklingšteklenie.
352
818000
2000
podobne ako to bolo so šteklením.
13:55
WhereasKeďže the passivepasívny recipientpríjemca
353
820000
2000
Hoci pasívny príjemca rany
13:57
doesn't make the predictionpredpoveď, feelscíti the fullplne blowúder.
354
822000
2000
nič nepredpovedá – a cíti ranu naplno.
13:59
So if they retaliateodvetným opatreniam with the samerovnaký forcesila,
355
824000
2000
Ak mu ju oplatí rovnakou silou,
14:01
the first persončlovek will think it's been escalatedvystupňoval.
356
826000
2000
bude si ten prvý myslieť,
že došlo k eskalácii.
14:03
So we decidedrozhodol to testtest this in the lablaboratórium.
357
828000
2000
No a tak sme sa rozhodli
vyskúšať to v laboratóriu.
14:05
(LaughterSmiech)
358
830000
3000
(smiech)
14:08
Now we don't work with childrendeti, we don't work with hittingbiť,
359
833000
2000
S deťmi nepracujeme, ani s údermi –
14:10
but the conceptpojem is identicalidentický.
360
835000
2000
ale koncept je rovnaký.
14:12
We bringpriniesť in two adultsdospelí. We tell them they're going to playhrať a gamehra.
361
837000
3000
Privedieme dvoch dospelých
a povieme im, že si zahrajú hru.
14:15
And so here'stady playerprehrávač one and playerprehrávač two sittingsediaci oppositeopak to eachkaždý other.
362
840000
2000
Tu je hráč 1 a hráč 2,
sedia oproti sebe.
14:17
And the gamehra is very simpleprostý.
363
842000
2000
Hra je veľmi jednoduchá.
14:19
We startedzahájená with a motormotor
364
844000
2000
Začali sme s motorom,
14:21
with a little leverpáka, a little forcesila transfusertransfuser.
365
846000
2000
s malou páčkou – malým zosilňovačom.
14:23
And we use this motormotor to applyplatiť forcesila down to playerprehrávač one'sniečí fingersprsty
366
848000
2000
Pomocou tohto motorčeka
vyvíjame tlak na prsty hráča,
14:25
for threetri secondssekundy and then it stopszastávok.
367
850000
3000
3 sekundy a dosť.
14:28
And that player'shráča been told, rememberpamätať the experienceskúsenosť of that forcesila
368
853000
3000
Tomu hráčovi sme povedali,
nech si zapamätá pocit z toho tlaku
14:31
and use your other fingerprst
369
856000
2000
a potom druhým prstom
14:33
to applyplatiť the samerovnaký forcesila
370
858000
2000
vyvinie rovnaký tlak
14:35
down to the other subject'ssubjektu fingerprst throughskrz a forcesila transfusertransfuser -- and they do that.
371
860000
3000
na prst protihráča pomocou
zosilňovača – čo aj urobil.
14:38
And playerprehrávač two'sdva been told, rememberpamätať the experienceskúsenosť of that forcesila.
372
863000
3000
A hráčovi 2 sme povedali,
nech si zapamätá pocit z toho tlaku
14:41
Use your other handručné to applyplatiť the forcesila back down.
373
866000
3000
a druhou rukou ten tlak zopakuje.
14:44
And so they take it in turnszákruty
374
869000
2000
Takto sa teda striedajú
14:46
to applyplatiť the forcesila they'veoni majú just experiencedskúsený back and forwardvpred.
375
871000
2000
vo vyvíjaní tlaku, ktorý práve pocítili.
14:48
But criticallyvážne,
376
873000
2000
Kľúčové je ale to,
14:50
they're briefedinformoval about the rulespravidlá of the gamehra in separateoddelený roomsizby.
377
875000
3000
že sme ich poučili o pravidlách
hry v oddelených miestnostiach.
14:53
So they don't know the rulespravidlá the other person'sodsúdený playinghracie by.
378
878000
2000
Takže nepoznajú pravidlá protihráča.
14:55
And what we'vemy máme measuredmerané
379
880000
2000
Pri tomto pokuse sme merali
14:57
is the forcesila as a functionfunkcie of termspodmienky.
380
882000
2000
silu ako funkciu počtu striedaní.
14:59
And if we look at what we startštart with,
381
884000
2000
A ak sa pozrieme
na prvú nameranú hodnotu –
15:01
a quarterštvrťrok of a NewtonNewton there, a numberčíslo of turnszákruty,
382
886000
2000
štvrť Newtonu... a počet striedaní...
15:03
perfectperfektný would be that redčervená lineriadok.
383
888000
2000
Ideálnym výsledkom
by bola tá červená čiara.
15:05
And what we see in all pairspárov of subjectspredmety is this --
384
890000
3000
Čo ale vidíme pri každom
páre subjektov, je toto:
15:08
a 70 percentpercento escalationEskalácia in forcesila
385
893000
2000
70 % stupňovanie sily
15:10
on eachkaždý go.
386
895000
2000
pri každom striedaní.
15:12
So it really suggestsnavrhne, when you're doing this --
387
897000
2000
To naozaj svedčí o tom, že pri tejto hre –
15:14
basedzaložené on this studyštudovať and othersostatné we'vemy máme donehotový --
388
899000
2000
tu vychádzame z tejto
a iných našich štúdií –
15:16
that the brainmozog is cancelingzrušenie the sensoryzmyslový consequencesdôsledky
389
901000
2000
mozog odčítava zmyslové následky
15:18
and underestimatingpodceňovanie the forcesila it's producingprodukujúce.
390
903000
2000
a podhodnocuje silu, ktorú vyvíja.
15:20
So it re-showsznova ukazuje the brainmozog makesznačky predictionspredpovede
391
905000
2000
Takže to naozaj dokazuje,
že mozog predpovedá
15:22
and fundamentallyv podstate changeszmeny the preceptsprikázaní.
392
907000
3000
a mení podstatu vnímania.
15:25
So we'vemy máme madevyrobený inferenceszávery, we'vemy máme donehotový predictionspredpovede,
393
910000
3000
Po dedukciách a predpovediach
15:28
now we have to generategenerovať actionsakcie.
394
913000
2000
musí prísť samotné konanie.
15:30
And what Bayes'Bayesova rulepravidlo sayshovorí is, givendaný my beliefspresvedčenie,
395
915000
2000
Bayesovo pravidlo tvrdí,
vychádzajúc z predstáv,
15:32
the actionakčné should in some sensezmysel be optimaloptimálne.
396
917000
2000
konanie by malo byť akosi optimálne.
15:34
But we'vemy máme got a problemproblém.
397
919000
2000
Narážame ale na prekážku.
15:36
TasksÚlohy are symbolicsymbolické -- I want to drinkpiť, I want to dancetanec --
398
921000
3000
Úkony sú symbolické –
chcem sa napiť, chcem tancovať –,
15:39
but the movementpohyb systemsystém has to contractzmluva 600 musclessvaly
399
924000
2000
ale pohybové ústrojenstvo musí
stiahnuť 600 rôznych svalov
15:41
in a particularkonkrétny sequencesekvencie.
400
926000
2000
v určitom slede.
15:43
And there's a bigveľký gapmedzera
401
928000
2000
Je tu veľký rozdiel
15:45
betweenmedzi the taskúloha and the movementpohyb systemsystém.
402
930000
2000
medzi úkonom a pohybovým ústrojenstvom.
15:47
So it could be bridgedpreklenúť in infinitelynekonečne manyveľa differentrozdielny waysspôsoby.
403
932000
2000
Je veľa spôsobov,
ako ten rozdiel prekonať.
15:49
So think about just a pointbod to pointbod movementpohyb.
404
934000
2000
Vezmime si obyčajný pohyb z bodu do bodu.
15:51
I could choosezvoliť these two pathscesty
405
936000
2000
Môžem zvoliť tieto dve dráhy –
15:53
out of an infinitenekonečný numberčíslo of pathscesty.
406
938000
2000
z nekonečného počtu možných dráh.
15:55
HavingSo chosenvybraný a particularkonkrétny pathcesta,
407
940000
2000
Akonáhle som si zvolil konkrétnu dráhu,
15:57
I can holdvydržať my handručné on that pathcesta
408
942000
2000
môžem na nej držať ruku
15:59
as infinitelynekonečne manyveľa differentrozdielny jointkĺb configurationskonfigurácia.
409
944000
2000
v nekonečnej rôznej konfigurácií kĺbov.
16:01
And I can holdvydržať my armpaže in a particularkonkrétny jointkĺb configurationKonfigurácia
410
946000
2000
Môžem si držať ruku
v určitej konfigurácii,
16:03
eitherbuď very stiffstuhnutý or very relaxeduvoľnené.
411
948000
2000
môžem ju mať veľmi zaťatú alebo uvoľnenú.
16:05
So I have a hugeobrovský amountčiastka of choicevýber to make.
412
950000
3000
Takže si musím vybrať
z ohromného množstva možností.
16:08
Now it turnszákruty out, we are extremelynesmierne stereotypicalstereotypné.
413
953000
3000
A ako sa ukázalo, sme veľmi stereotypní.
16:11
We all movesťahovať the samerovnaký way prettypekný much.
414
956000
3000
Všetci robíme takmer rovnaké pohyby.
16:14
And so it turnszákruty out we're so stereotypicalstereotypné,
415
959000
2000
A keďže sa ukazuje,
že sme takí stereotypní,
16:16
our brainsmozgy have got dedicatedoddaný neuralnervový circuitryobvodov
416
961000
2000
naše mozgy majú určený neurálny systém
16:18
to decodedekódovať this stereotypingstereotypy.
417
963000
2000
na dešifrovanie týchto stereotypov.
16:20
So if I take some dotsbodky
418
965000
2000
Takže keď zoberiem pár bodiek
16:22
and setsada them in motionpohyb with biologicalbiologický motionpohyb,
419
967000
3000
a rozpohybujem ich biologickým pohybom,
16:25
your brain'smozog je circuitryobvodov would understandrozumieť instantlyokamžite what's going on.
420
970000
3000
neurálny systém vo vašom
mozgu by hneď pochopil, o čo ide.
16:28
Now this is a bunchchumáč of dotsbodky movingpohyblivý.
421
973000
2000
Toto je zhluk pohybujúcich sa bodiek,
16:30
You will know what this persončlovek is doing,
422
975000
3000
ale vy spoznáte, čo ten človek urobí,
16:33
whetherči happyšťastný, sadsmutný, oldstarý, youngmladý -- a hugeobrovský amountčiastka of informationinformácie.
423
978000
3000
či je spokojný, smutný, starý, mladý –
obrovské množstvo informácií.
16:36
If these dotsbodky were carscars going on a racingpretekanie circuitobvod,
424
981000
2000
Ak by tieto body predstavovali
autá na závodnej dráhe,
16:38
you would have absolutelyabsolútne no ideanápad what's going on.
425
983000
3000
nemali by ste tušenie, čo sa deje.
16:41
So why is it
426
986000
2000
Prečo sa teda pohybujeme
16:43
that we movesťahovať the particularkonkrétny waysspôsoby we do?
427
988000
2000
iba určitými spôsobmi?
16:45
Well let's think about what really happensdeje.
428
990000
2000
Zamyslime sa teda, čo sa naozaj deje.
16:47
Maybe we don't all quitecelkom movesťahovať the samerovnaký way.
429
992000
3000
Možno sa všetci
nepohybujeme úplne rovnako.
16:50
Maybe there's variationvariácie in the populationpopulácia.
430
995000
2000
Možno je v populácii variabilita.
16:52
And maybe those who movesťahovať better than othersostatné
431
997000
2000
Možno tí, ktorí sa pohybujú
lepšie ako ostatní,
16:54
have got more chancešanca of gettingzískavanie theirich childrendeti into the nextĎalšie generationgenerácie.
432
999000
2000
majú väčšiu šancu na potomkov
v ďalšej generácii.
16:56
So in evolutionaryvývojový scalesváhy, movementspohyby get better.
433
1001000
3000
Na evolučnej stupnici
sa pohybové schopnosti zlepšujú.
16:59
And perhapsmožno in life, movementspohyby get better throughskrz learningštúdium.
434
1004000
3000
A možno sa naše pohyby
počas života zlepšujú učením.
17:02
So what is it about a movementpohyb whichktorý is good or badzlý?
435
1007000
2000
Prečo je nejaký pohyb dobrý a iný zlý?
17:04
ImaginePredstavte si I want to interceptintercept this balllopta.
436
1009000
2000
Predstavte si, že chcem
chytiť túto loptičku.
17:06
Here are two possiblemožný pathscesty to that balllopta.
437
1011000
3000
Tu vidíte dve možné dráhy k loptičke.
17:09
Well if I choosezvoliť the left-handľavá ruka pathcesta,
438
1014000
2000
Ak zvolím tú naľavo,
17:11
I can work out the forcessily requiredpožadovaný
439
1016000
2000
môžem prísť na to, aká sila je potrebná
17:13
in one of my musclessvaly as a functionfunkcie of time.
440
1018000
2000
v tom-ktorom svale v závislosti na čase.
17:15
But there's noisehluk addedpridaný to this.
441
1020000
2000
Vstupuje do toho však aj šum.
17:17
So what I actuallyvlastne get, basedzaložené on this lovelypôvabný, smoothhladký, desiredpožadovanú forcesila,
442
1022000
3000
Nakoniec dostanem na základe
tejto krásnej, hladkej, žiadanej sily
17:20
is a very noisyhlučný versionverzia.
443
1025000
2000
šumom zamorenú verziu.
17:22
So if I pickvyzdvihnúť the samerovnaký commandpríkaz throughskrz manyveľa timesdoba,
444
1027000
3000
Takže ak opakovane zvolím rovnaký príkaz,
17:25
I will get a differentrozdielny noisyhlučný versionverzia eachkaždý time, because noisehluk changeszmeny eachkaždý time.
445
1030000
3000
dostanem vďaka šumu vždy inú verziu,
keďže šum je vždy iný.
17:28
So what I can showšou you here
446
1033000
2000
Takže tu vám môžem ukázať,
17:30
is how the variabilitypremenlivosť of the movementpohyb will evolvevyvinúť
447
1035000
2000
ako sa tá variabilita pohybu bude vyvíjať,
17:32
if I choosezvoliť that way.
448
1037000
2000
keď si zvolím túto dráhu.
17:34
If I choosezvoliť a differentrozdielny way of movingpohyblivý -- on the right for examplepríklad --
449
1039000
3000
Keď si zvolím inú dráhu,
napríklad tú napravo,
17:37
then I'll have a differentrozdielny commandpríkaz, differentrozdielny noisehluk,
450
1042000
2000
tak dostanem iné príkazy, iný šum,
17:39
playinghracie throughskrz a noisyhlučný systemsystém, very complicatedkomplikovaný.
451
1044000
3000
keďže všetko ide cez zašumený
systém, je to veľmi zložité.
17:42
All we can be sure of is the variabilitypremenlivosť will be differentrozdielny.
452
1047000
3000
Môžeme si byť istí len tým,
že tá variabilita bude odlišná.
17:45
If I movesťahovať in this particularkonkrétny way,
453
1050000
2000
Ak zvolím túto konkrétnu dráhu,
17:47
I endkoniec up with a smallermenšie variabilitypremenlivosť acrossnaprieč manyveľa movementspohyby.
454
1052000
3000
dostanem menšiu variabilitu.
17:50
So if I have to choosezvoliť betweenmedzi those two,
455
1055000
2000
Ak si teda musím vybrať medzi tými dvoma,
17:52
I would choosezvoliť the right one because it's lessmenej variablepremenná.
456
1057000
2000
vybral by som si tú menej variabilnú.
17:54
And the fundamentalzákladné ideanápad
457
1059000
2000
Kľúčovou myšlienkou je teda to,
17:56
is you want to planplán your movementspohyby
458
1061000
2000
že chcete rozvrhnúť svoje pohyby tak,
17:58
so as to minimizeminimalizovať the negativenegatívny consequencedôsledok of the noisehluk.
459
1063000
3000
aby tie nepriaznivé dôsledky
šumu boli čo najmenšie.
18:01
And one intuitionintuícia to get
460
1066000
2000
A je treba pochopiť
jeden intuitívny vhľad,
18:03
is actuallyvlastne the amountčiastka of noisehluk or variabilitypremenlivosť I showšou here
461
1068000
2000
že množstvo šumu či variability
tu predvádzanej
18:05
getsdostane biggerväčšia as the forcesila getsdostane biggerväčšia.
462
1070000
2000
je tým väčšie, čím väčšia je sila.
18:07
So you want to avoidvyhnúť sa bigveľký forcessily as one principlezásada.
463
1072000
3000
Takže jednou zásadou je
vyhnúť sa veľkým silám.
18:10
So we'vemy máme shownzobrazené that usingpoužitím this,
464
1075000
2000
Takže sme ukázali,
18:12
we can explainvysvetliť a hugeobrovský amountčiastka of datadáta --
465
1077000
2000
že môžeme vysvetliť
veľké množstvo údajov –
18:14
that exactlypresne people are going about theirich livesživoty planningplánovanie movementspohyby
466
1079000
3000
že ľudia vo svojom praktickom
živote plánujú svoje pohyby tak,
18:17
so as to minimizeminimalizovať negativenegatívny consequencesdôsledky of noisehluk.
467
1082000
3000
aby znížili na najmenšiu mieru
nepriaznivé dôsledky šumu.
18:20
So I hopenádej I've convincedpresvedčený you the brainmozog is there
468
1085000
2000
Dúfam, že som vás presvedčil,
že takýto je mozog,
18:22
and evolvedvyvinuli to controlovládanie movementpohyb.
469
1087000
2000
a že sa vyvinul, aby riadil pohyb.
18:24
And it's an intellectualintelektuálne challengevýzva to understandrozumieť how we do that.
470
1089000
3000
A porozumieť tomu, ako to robíme,
je intelektuálna výzva.
18:27
But it's alsotaktiež relevantpríslušný
471
1092000
2000
Má to ale tiež význam
18:29
for diseasechoroba and rehabilitationrehabilitácia.
472
1094000
2000
pri chorobách a rehabilitácii.
18:31
There are manyveľa diseaseschoroby whichktorý effectúčinok movementpohyb.
473
1096000
3000
Mnohé choroby ovplyvňujú pohyb.
18:34
And hopefullydúfajme if we understandrozumieť how we controlovládanie movementpohyb,
474
1099000
2000
A snáď ak pochopíme, ako riadime pohyb,
budeme to môcť využiť
v robotickej technológii.
18:36
we can applyplatiť that to roboticrobotické technologytechnológie.
475
1101000
2000
18:38
And finallykonečne, I want to remindpripomenúť you,
476
1103000
2000
A na záver by som vám chcel pripomenúť,
18:40
when you see animalszver do what look like very simpleprostý tasksúlohy,
477
1105000
2000
že keď uvidíte zvieratá robiť
čosi veľmi jednoduché,
18:42
the actualskutočný complexityzložitosť of what is going on insidevnútri theirich brainmozog
478
1107000
2000
zložitosť procesov, ktoré
vtedy prebiehajú v ich mozgu,
18:44
is really quitecelkom dramaticdramatický.
479
1109000
2000
sú naozaj úžasné.
18:46
Thank you very much.
480
1111000
2000
Ďakujem pekne.
18:48
(ApplausePotlesk)
481
1113000
8000
(potlesk)
18:56
ChrisChris AndersonAnderson: QuickRýchly questionotázka for you, DanDan.
482
1121000
2000
Chris Anderson: Jedna rýchla otázka, Dan.
18:58
So you're a movementpohyb -- (DWDW: ChauvinistŠovinistické.) -- chauvinistšovinistické.
483
1123000
4000
Takže ty si pohybový – šovinista.
Znamená to, že podľa teba tie ďalšie veci,
ktoré našim mozgom pripisujeme –
19:02
Does that mean that you think that the other things we think our brainsmozgy are about --
484
1127000
3000
19:05
the dreamingsnívanie, the yearningtúžba, the fallingpadajúce in love and all these things --
485
1130000
3000
snívanie, túžbu, zamilovanie sa
a všetky podobné veci –
19:08
are a kinddruh of sidebočné showšou, an accidentnehoda?
486
1133000
3000
odvádzajú pozornosť od podstaty
a sú iba náhodné?
19:11
DWDW: No, no, actuallyvlastne I think they're all importantdôležitý
487
1136000
2000
DW: Myslím si, že všetky sú dôležité
19:13
to drivepohon the right movementpohyb behaviorsprávanie to get reproductionreprodukcia in the endkoniec.
488
1138000
3000
ako hnacia sila pohybového
správania vedúceho k rozmnoženiu.
19:16
So I think people who studyštudovať sensationsenzácia or memoryPamäť
489
1141000
3000
Takže podľa mňa ľudia, ktorí
skúmajú zmysly alebo pamäť,
19:19
withoutbez realizinguskutočnenie why you're layingktorým sa down memoriesspomienky of childhooddetstva.
490
1144000
2000
si neuvedomujú, dôvod
uchovávania raných spomienok.
19:21
The factskutočnosť that we forgetzabudnúť mostväčšina of our childhooddetstva, for examplepríklad,
491
1146000
3000
Napríklad to, že väčšinu
svojho detstva zabudneme,
19:24
is probablypravdepodobne fine, because it doesn't effectúčinok our movementspohyby laterneskôr in life.
492
1149000
3000
je asi v poriadku, pretože to
neovplyvňuje pohyby neskôr v živote.
19:27
You only need to storesklad things whichktorý are really going to effectúčinok movementpohyb.
493
1152000
3000
Potrebujete uchovávať iba to,
čo bude mať vplyv na pohyb.
19:30
CACA: So you think that people thinkingpremýšľanie about the brainmozog, and consciousnessvedomie generallyvšeobecne,
494
1155000
3000
CA: Čiže ľudia, ktorí rozmýšľajú
o mozgu či všeobecne o vedomí,
19:33
could get realskutočný insightnáhľad
495
1158000
2000
by mohli dosiahnuť dôležité vhľady,
19:35
by sayingpríslovie, where does movementpohyb playhrať in this gamehra?
496
1160000
2000
ak by si povedali:
„Akú rolu tu hrá pohyb?“
19:37
DWDW: So people have foundnájdených out for examplepríklad
497
1162000
2000
DW: Takto ľudia napríklad prišli na to,
19:39
that studyingštudovať visionvidenie in the absenceneprítomnosť of realizinguskutočnenie why you have visionvidenie
498
1164000
2000
že skúmanie zraku, bez uvedomovania si,
na čo zrak máme, je chybou.
19:41
is a mistakechyba.
499
1166000
2000
19:43
You have to studyštudovať visionvidenie with the realizationrealizácia
500
1168000
2000
Pri skúmaní zraku si musíme uvedomovať,
19:45
of how the movementpohyb systemsystém is going to use visionvidenie.
501
1170000
2000
ako bude pohybové
ústrojenstvo zrak využívať.
19:47
And it usespoužitie it very differentlyodlišne onceakonáhle you think about it that way.
502
1172000
2000
Využíva ho úplne inak – keď sa zamyslíte.
19:49
CACA: Well that was quitecelkom fascinatingfascinujúce. Thank you very much indeednaozaj.
503
1174000
3000
CA: Tak teda, toto bolo fascinujúce.
Veľmi pekne ti ďakujem.
19:52
(ApplausePotlesk)
504
1177000
2000
(potlesk)
Translated by Linda Magáthová
Reviewed by Peter Štrba

▲Back to top

ABOUT THE SPEAKER
Daniel Wolpert - Movement expert
A 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.

 

 

More profile about the speaker
Daniel Wolpert | Speaker | TED.com