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: Beynimizin gerçek varoluş sebebi

Filmed:
1,994,993 views

Sinirbilimci Daniel Wolpert şaşırtıcı bir önerme ile yola çıkıyor: Beyin düşünmek ve hissetmek için değil, hareketlerimizi kontrol etmek için evrilmiştir. Bu eğlenceli ve öğretici konuşmasında Wolpert beynin insan hareketinin zerafetini ve çevikliğini nasıl sağladığı konusunda bizlere ışık tutuyor.
- 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 neuroscientistsinirbilimci.
0
0
2000
Ben bir sinirbilimciyim.
00:17
And in neurosciencenörobilim,
1
2000
2000
Ve sinirbiliminde,
00:19
we have to dealanlaştık mı with manyçok difficultzor questionssorular about the brainbeyin.
2
4000
3000
beyin hakkında birçok zor soru ile başa çıkmak zorundayız.
00:22
But I want to startbaşlama with the easiesten kolay questionsoru
3
7000
2000
Fakat ben en kolayı ile başlamak istiyorum.
00:24
and the questionsoru you really should have all askeddiye sordu yourselveskendiniz at some pointpuan in your life,
4
9000
3000
Bu soru hayatınızın bir noktasında kendinize sormak zorunda kalacağınız cinsten.
00:27
because it's a fundamentaltemel questionsoru
5
12000
2000
Çünkü, beyin fonksiyonlarını anlamak için
00:29
if we want to understandanlama brainbeyin functionfonksiyon.
6
14000
2000
bu çok temel bir soru.
00:31
And that is, why do we and other animalshayvanlar
7
16000
2000
Biz insanlar ve hayvanlar
00:33
have brainsbeyin?
8
18000
2000
neden bir beyine sahibiz?
00:35
Not all speciesTürler on our planetgezegen have brainsbeyin,
9
20000
3000
Gezegenimizdeki her turun bir beyni yok.
00:38
so if we want to know what the brainbeyin is for,
10
23000
2000
yani eğer beyinlerimizin ne işe yaradığını bilmek istiyorsak
00:40
let's think about why we evolvedgelişti one.
11
25000
2000
gelin beynin neden evrildiğini düşünelim.
00:42
Now you mayMayıs ayı reasonneden that we have one
12
27000
2000
Şimdi şunu ileri sürebilirsiniz;
00:44
to perceivealgıladıkları the worldDünya or to think,
13
29000
2000
dünyayı algılamak veya düşünmek için.
00:46
and that's completelytamamen wrongyanlış.
14
31000
2000
Ve bu tamamiyle yanlış.
00:48
If you think about this questionsoru for any lengthuzunluk of time,
15
33000
3000
Bu soruyu bir süre düşündüğünüzde,
00:51
it's blindinglykör edici obviousaçık why we have a brainbeyin.
16
36000
2000
neden beyne sahip olduğumuz apaçık ortada.
00:53
We have a brainbeyin for one reasonneden and one reasonneden only,
17
38000
3000
Sadece ve sadece tek bir neden için bir beynimiz var;
00:56
and that's to produceüretmek adaptableuyarlanabilir and complexkarmaşık movementshareketler.
18
41000
3000
uyumlu ve karmaşık hareketler üretmek için.
00:59
There is no other reasonneden to have a brainbeyin.
19
44000
2000
Bundan başka bir sebep yok.
01:01
Think about it.
20
46000
2000
Bir düşünsenize.
01:03
MovementHareketi is the only way you have
21
48000
2000
Etrafınızda dönen dünyaya etki etmenin
01:05
of affectingetkileyen the worldDünya around you.
22
50000
2000
tek yolu hareket etmek.
01:07
Now that's not quiteoldukça truedoğru. There's one other way, and that's throughvasitasiyla sweatingterleme.
23
52000
3000
Aslında bu tam anlamıyla doğru değil. Başka bir yolu daha var, terlemek.
01:10
But apartayrı from that,
24
55000
2000
Ama bunun dışında,
01:12
everything elsebaşka goesgider throughvasitasiyla contractionsKasılmalar of muscleskaslar.
25
57000
2000
diğer herşey kasların kasılmasıyla gerçekleşiyor.
01:14
So think about communicationiletişim --
26
59000
2000
İletişimi bir düşünün --
01:16
speechkonuşma, gesturesmimik, writingyazı, signişaret languagedil --
27
61000
3000
konuşma, jestler, yazma, işaret dili --
01:19
they're all mediatedaracılı throughvasitasiyla contractionsKasılmalar of your muscleskaslar.
28
64000
3000
bunların hepsi kasların kasılmasıyla gerçekleşiyor.
01:22
So it's really importantönemli to rememberhatırlamak
29
67000
2000
Şunu hatırlamakta yarar var
01:24
that sensoryduyusal, memorybellek and cognitivebilişsel processessüreçler are all importantönemli,
30
69000
4000
duyusal, bilişsel ve hafızaya dair süreçlerin hepsi önemli,
01:28
but they're only importantönemli
31
73000
2000
ancak onlar sadece
01:30
to eitherya drivesürücü or suppressbastırmak futuregelecek movementshareketler.
32
75000
2000
ilerki hareketleri başlatmak veya bastırmak için önemli.
01:32
There can be no evolutionaryevrimsel advantageavantaj
33
77000
2000
Daha sonra nasıl hareket edeceğinizi etkilemiyorsa
01:34
to layingdöşeme down memorieshatıralar of childhoodçocukluk
34
79000
2000
çocukluk anılarını hafızanızda tutmanın
01:36
or perceivingalgılama the colorrenk of a rosegül
35
81000
2000
ya da bir gülün rengini algılamanın
01:38
if it doesn't affectetkilemek the way you're going to movehareket latersonra in life.
36
83000
3000
evrimsel açıdan hiç bir avantajı yoktur.
01:41
Now for those who don't believe this argumenttartışma,
37
86000
2000
Bu argümana inanmayanlar için,
01:43
we have treesağaçlar and grassçimen on our planetgezegen withoutolmadan the brainbeyin,
38
88000
2000
gezegenimizde otların ve ağaçların beyinleri yok,
01:45
but the clinchingclinching evidencekanıt is this animalhayvan here --
39
90000
2000
ama burada tezimizi destekleyici kanıt şu hayvan--
01:47
the humblemütevazi seadeniz squirtbücür.
40
92000
2000
denizüzümü.
01:49
Rudimentaryİlkel animalhayvan, has a nervoussinir systemsistem,
41
94000
3000
İlkel bir hayvan, sınır sistemi var,
01:52
swimsyüzüyor around in the oceanokyanus in its juvenileçocuk life.
42
97000
2000
Yavruyken okyanusta ordan oraya yüzer.
01:54
And at some pointpuan of its life,
43
99000
2000
Ve hayatının bir noktasında,
01:56
it implantsimplantlar on a rockKaya.
44
101000
2000
bir kayaya yerleşir.
01:58
And the first thing it does in implantingyerleştirilmesi on that rockKaya, whichhangi it never leavesyapraklar,
45
103000
3000
Ve bir daha ayrılmayacağı o kayaya yapıştığında yaptığı ilk iş,
02:01
is to digestözet its ownkendi brainbeyin and nervoussinir systemsistem
46
106000
3000
beynini ve sinir sistemini, yiyecek olarak
02:04
for foodGıda.
47
109000
2000
tüketmektir.
02:06
So oncebir Zamanlar you don't need to movehareket,
48
111000
2000
Yani hareket etmeye ihtiyacınız yoksa,
02:08
you don't need the luxurylüks of that brainbeyin.
49
113000
3000
bir beyne sahip olma lüksüne de ihtiyacınız yoktur.
02:11
And this animalhayvan is oftensık sık takenalınmış
50
116000
2000
Ve bu arada birçok kişi
02:13
as an analogyanaloji to what happensolur at universitiesüniversiteler
51
118000
2000
üniversitelerde kadrosunu almış olan
02:15
when professorsprofesörler get tenuregörev süresi,
52
120000
2000
profesörleri bu hayvana benzetir,
02:17
but that's a differentfarklı subjectkonu.
53
122000
2000
ama bu tabii ki başka bir konu.
02:19
(ApplauseAlkış)
54
124000
2000
(Alkışlar)
02:21
So I am a movementhareket chauvinistşovenist.
55
126000
3000
Yani ben bir hareket şovenistiyim.
02:24
I believe movementhareket is the mostçoğu importantönemli functionfonksiyon of the brainbeyin --
56
129000
2000
Hareket etmenin beynimizin en önemli fonksiyonu olduğuna inanıyorum --
02:26
don't let anyonekimse tell you that it's not truedoğru.
57
131000
2000
kimsenin size bunun yanlış olduğunu söylemesine izin vermeyin.
02:28
Now if movementhareket is so importantönemli,
58
133000
2000
Şimdi eğer hareket çok önemli ise,
02:30
how well are we doing
59
135000
2000
beynin hareketi nasıl kontrol ettiğini
02:32
understandinganlayış how the brainbeyin controlskontroller movementhareket?
60
137000
2000
ne kadar iyi anlayabiliyoruz?
02:34
And the answerCevap is we're doing extremelyson derece poorlykötü; it's a very hardzor problemsorun.
61
139000
2000
Ve cevap şu ki bu konuda oldukça zayıfız; bu çok zor bir problem.
02:36
But we can look at how well we're doing
62
141000
2000
Ama aslında bunu ne kadar anlamış olduğumuzu
02:38
by thinkingdüşünme about how well we're doing buildingbina machinesmakineler
63
143000
2000
insanların yapabildiklerini yapabilen makineleri inşa etmekte ne kadar
02:40
whichhangi can do what humansinsanlar can do.
64
145000
2000
iyi olduğumuza bakarak görebiliriz.
02:42
Think about the gameoyun of chesssatranç.
65
147000
2000
Satrancı bir düşünün.
02:44
How well are we doing determiningbelirleyen what pieceparça to movehareket where?
66
149000
3000
Hangi taş ile nereye hamle yapacağımıza karar vermekte ne kadar iyiyiz?
02:47
If you pitçukur GarryGarry KasparovKasparov here, when he's not in jailhapis,
67
152000
3000
Eğer Gary Kasparov burada olsaydı, hapiste olmadığı zaman,
02:50
againstkarşısında IBM'sIBM'in DeepDerin BlueMavi,
68
155000
2000
ve IBM Deep Blue'ya karşı oynasaydı,
02:52
well the answerCevap is IBM'sIBM'in DeepDerin BlueMavi will occasionallybazen winkazanmak.
69
157000
3000
IBM Deep Blue zaman zaman kazanırdı.
02:55
And I think if IBM'sIBM'in DeepDerin BlueMavi playedOyunun anyonekimse in this roomoda, it would winkazanmak everyher time.
70
160000
3000
Ve bence IBM Deep Blue bu salonda kimle oynarsa oynasın her seferinde kazanırdı.
02:58
That problemsorun is solvedçözülmüş.
71
163000
2000
O sorun çözüldü.
03:00
What about the problemsorun
72
165000
2000
Peki ya bir satranç taşını
03:02
of pickingtoplama up a chesssatranç pieceparça,
73
167000
2000
tutup kaldırma,
03:04
dexterouslyustalıkla manipulatingmanipulasyon it and puttingkoyarak it back down on the boardyazı tahtası?
74
169000
3000
ve onu ustalıkla hareket ettirip tahtaya geri koyma konusuna ne demeli?
03:07
If you put a fivebeş year-oldyaş child'sçocuğun dexterityel becerisi againstkarşısında the besten iyi robotsrobotlar of todaybugün,
75
172000
3000
Eğer beş yaşında ki bir çocuğun el yeteneğini alıp günümüzün en iyi robotuyla karşılaştırırsak,
03:10
the answerCevap is simplebasit:
76
175000
2000
cevabımız çok kolay olurdu:
03:12
the childçocuk winskazanç easilykolayca.
77
177000
2000
Çocuk kolayca kazanır.
03:14
There's no competitionyarışma at all.
78
179000
2000
Bir rekabet söz konusu bile değildir.
03:16
Now why is that topüst problemsorun so easykolay
79
181000
2000
Peki neden bu ilk problemimiz çok kolay da
03:18
and the bottomalt problemsorun so hardzor?
80
183000
2000
sonraki problemimiz çok zor?
03:20
One reasonneden is a very smartakıllı fivebeş year-oldyaş
81
185000
2000
Bir sebebi, 5 yaşında çok zeki bir çocuk
03:22
could tell you the algorithmalgoritma for that topüst problemsorun --
82
187000
2000
oyunun olası hamlelerine bakarak
03:24
look at all possiblemümkün moveshamle to the endson of the gameoyun
83
189000
2000
size ilk problemin algoritmasını söyleyebilir
03:26
and chooseseçmek the one that makesmarkaları you winkazanmak.
84
191000
2000
ve size oyunu kazandıracak hamleyi seçebilir.
03:28
So it's a very simplebasit algorithmalgoritma.
85
193000
2000
Yani bu çok basit bir algoritma.
03:30
Now of coursekurs there are other moveshamle,
86
195000
2000
Şimdi tabii ki başka hamleler de var,
03:32
but with vastgeniş computersbilgisayarlar we approximateyaklaşık
87
197000
2000
ama gelişmiş bilgisayarlarla tahmin yürütüp
03:34
and come closekapat to the optimalEn iyi solutionçözüm.
88
199000
2000
optimal sonuca yaklaşıyoruz.
03:36
When it comesgeliyor to beingolmak dexteroushünerli,
89
201000
2000
Halbuki iş el becerisine gelince,
03:38
it's not even clearaçık what the algorithmalgoritma is you have to solveçözmek to be dexteroushünerli.
90
203000
2000
el becerisine sahip olmak için nasıl bir algoritma çözmek gerektiği bile değil.
03:40
And we'lliyi see you have to bothher ikisi de perceivealgıladıkları and actdavranmak on the worldDünya,
91
205000
2000
Ve göreceğiz ki, dünyada bir çok problemi aynı anda hem algılayıp
03:42
whichhangi has a lot of problemssorunlar.
92
207000
2000
hem de harekete geçmek zorundasınız.
03:44
But let me showgöstermek you cutting-edgeson teknoloji roboticsRobotik.
93
209000
2000
Ama şimdi size son teknoloji robotları göstereyim.
03:46
Now a lot of roboticsRobotik is very impressiveetkileyici,
94
211000
2000
Günümüzde robotlar çok etkileyiciler,
03:48
but manipulationhile roboticsRobotik is really just in the darkkaranlık agesyaşlar.
95
213000
3000
ama elini hareket ettiren robotlar hala karanlık çağlarda.
03:51
So this is the endson of a PhPH.D. projectproje
96
216000
2000
İşte bu bir doktora projesinin sonucu,
03:53
from one of the besten iyi roboticsRobotik institutesEnstitüleri.
97
218000
2000
en iyi robot enstitülerinden birinden alınma.
03:55
And the studentÖğrenci has trainedeğitilmiş this robotrobot
98
220000
2000
Ve öğrenci bu robota
03:57
to pourdökün this waterSu into a glassbardak.
99
222000
2000
bardağa su doldurmayı öğretti.
03:59
It's a hardzor problemsorun because the waterSu sloshessloshes about, but it can do it.
100
224000
3000
Bu zor bir problem çünkü su her yere dökülüyor, ama bunu yapabilir.
04:02
But it doesn't do it with anything like the agilityçeviklik of a humaninsan.
101
227000
3000
Ama yaptığı iş hiç bir şekilde insan elinin becerikliliğini yakalayamayacak.
04:05
Now if you want this robotrobot to do a differentfarklı taskgörev,
102
230000
3000
Şimdi eğer bu robotun zor bir görev yapmasını isterseniz,
04:08
that's anotherbir diğeri three-yearüç yıllık PhPH.D. programprogram.
103
233000
3000
bu yıllık başka bir doktora programı demektir.
04:11
There is no generalizationgenelleme at all
104
236000
2000
Robotlarda görevden göreve geçerken
04:13
from one taskgörev to anotherbir diğeri in roboticsRobotik.
105
238000
2000
genelleme yapamazsınız.
04:15
Now we can comparekarşılaştırmak this
106
240000
2000
Şimdi bunu en üst düzeyde
04:17
to cutting-edgeson teknoloji humaninsan performanceperformans.
107
242000
2000
insanoğlunun performansıyla kıyaslayabiliriz.
04:19
So what I'm going to showgöstermek you is EmilyEmily FoxFox
108
244000
2000
Size Emily Fox'u göstereceğim.
04:21
winningkazanan the worldDünya recordkayıt for cupFincan stackingyığınlama.
109
246000
3000
Fincan istiflemede dünya rekorunun sahibi.
04:24
Now the AmericansAmerikalılar in the audienceseyirci will know all about cupFincan stackingyığınlama.
110
249000
2000
Şimdi Amerikalı dinleyiciler fincan istifleme ile ilgili
04:26
It's a highyüksek schoolokul sportspor
111
251000
2000
herşeyi bilecek.
04:28
where you have 12 cupssu bardağı you have to stackyığın and unstackunstack
112
253000
2000
Bu bir lise sporudur. 12 fincanı belirlenmiş bir sırayla
04:30
againstkarşısında the clocksaat in a prescribedreçete ordersipariş.
113
255000
2000
zamana karşı dizip sonra kaldırıyorsunuz.
04:32
And this is her gettingalma the worldDünya recordkayıt in realgerçek time.
114
257000
3000
Ve bu Emily dünya rekorunu elde ettiği zaman.
04:39
(LaughterKahkaha)
115
264000
8000
(Kahkahalar)
04:47
(ApplauseAlkış)
116
272000
5000
(Alkışlar)
04:52
And she's prettygüzel happymutlu.
117
277000
2000
Ve oldukça mutlu.
04:54
We have no ideaFikir what is going on insideiçeride her brainbeyin when she does that,
118
279000
2000
Onun bunu yaparken beyninde neler olduğu hakkında hiçbir fikrimiz yok,
04:56
and that's what we'devlenmek like to know.
119
281000
2000
keşke bilebilseydik.
04:58
So in my groupgrup, what we try to do
120
283000
2000
Bu yüzden grubumla yapmaya çalıştığımız
05:00
is reverseters engineermühendis how humansinsanlar controlkontrol movementhareket.
121
285000
3000
tersine mühendislikle insanların hareket kontrolünü çözmek.
05:03
And it soundssesleri like an easykolay problemsorun.
122
288000
2000
Ve bu kulağa kolaymış gibi geliyor.
05:05
You sendgöndermek a commandkomuta down, it causesnedenleri muscleskaslar to contractsözleşme.
123
290000
2000
Bir talimat gönderirsiniz, kasların kasılmasına sebep olur.
05:07
Your armkol or bodyvücut moveshamle,
124
292000
2000
Kolunuz veya vücudunuz hareket eder.
05:09
and you get sensoryduyusal feedbackgeri bildirim from visionvizyon, from skincilt, from muscleskaslar and so on.
125
294000
3000
ve gözleriniz, teniniz, kaslarınız vb. sayesinde duyusal geri dönüş alırsınız.
05:12
The troublesorun is
126
297000
2000
Sorun şu ki;
05:14
these signalssinyalleri are not the beautifulgüzel signalssinyalleri you want them to be.
127
299000
2000
bu sinyaller istediğiniz gibi güzel değiller.
05:16
So one thing that makesmarkaları controllingkontrol movementhareket difficultzor
128
301000
2000
Hareket kontrolünü çok zor kılan şeylerden biri de
05:18
is, for exampleörnek, sensoryduyusal feedbackgeri bildirim is extremelyson derece noisygürültülü.
129
303000
3000
duyusal geri dönüşün çok gürültülü olması.
05:21
Now by noisegürültü, I do not mean soundses.
130
306000
3000
Buradaki gürültü derken sesi kastetmiyorum.
05:24
We use it in the engineeringmühendislik and neurosciencenörobilim senseduyu
131
309000
2000
Bu deyimi mühendislik ve nöroloji alanlarında
05:26
meaninganlam a randomrasgele noisegürültü corruptingbozgunculuk a signalişaret.
132
311000
2000
sinyali bozan rasgele bir sesten bahsederken kullanıyoruz.
05:28
So the oldeski daysgünler before digitaldijital radioradyo when you were tuningayarlama in your radioradyo
133
313000
3000
Dijital radyodan önce radyoda kanal ararken
05:31
and you heardduymuş "crrcckkkcrrcckkk" on the stationistasyon you wanted to hearduymak,
134
316000
2000
dinlemek istediğiniz kanalın frekansında hışırtılı sesler duyardınız,
05:33
that was the noisegürültü.
135
318000
2000
bu bahsettiğim gürültüdür.
05:35
But more generallygenellikle, this noisegürültü is something that corruptsbozmak the signalişaret.
136
320000
3000
Ama genel anlamda, bu gürültü sinyali bozan bir şeydir.
05:38
So for exampleörnek, if you put your handel underaltında a tabletablo
137
323000
2000
Örneğin, elinizi masanın altına koyduğunuz zaman
05:40
and try to localizeYerelleştir it with your other handel,
138
325000
2000
ve diğer elinizle eşleştirmek istediğinizde,
05:42
you can be off by severalbirkaç centimeterssantimetre
139
327000
2000
bir kaç santimetre ile kaçırabilirsiniz,
05:44
duenedeniyle to the noisegürültü in sensoryduyusal feedbackgeri bildirim.
140
329000
2000
duyusal geri dönüşteki gürültü nedeniyle.
05:46
SimilarlyBenzer şekilde, when you put motormotor outputçıktı on movementhareket outputçıktı,
141
331000
2000
Aynı şekilde, motor çıktısını hareket çıktısının üstüne koyarsanız,
05:48
it's extremelyson derece noisygürültülü.
142
333000
2000
çok gürültülü olacaktır.
05:50
ForgetUnut about tryingçalışıyor to hitvurmak the bull'sBoğa eyegöz in dartsdart,
143
335000
2000
Dartlarda onikiden vurmayı unutun,
05:52
just aimamaç for the sameaynı spotyer over and over again.
144
337000
2000
sadece aynı noktayı sürekli hedefleyin
05:54
You have a hugeKocaman spreadYAYILMIŞ duenedeniyle to movementhareket variabilitydeğişkenlik.
145
339000
3000
Hareket çeşitliliğinizden dolayı geniş bir alan seçeneğiniz vardır.
05:57
And more than that, the outsidedışında worldDünya, or taskgörev,
146
342000
2000
Bunun da ötesinde, gerçek dünya ya da görev
05:59
is bothher ikisi de ambiguousbelirsiz and variabledeğişken.
147
344000
2000
hem bilinmez hem de çok çeşitlidir.
06:01
The teapotdemlik could be fulltam, it could be emptyboş.
148
346000
2000
Demlik dolu olabilir, boş da olabilir.
06:03
It changesdeğişiklikler over time.
149
348000
2000
Zamanla değişir.
06:05
So we work in a wholebütün sensoryduyusal movementhareket taskgörev soupçorba of noisegürültü.
150
350000
4000
Yani bütün duyusal hareket görevlerimizi gürültü altında yapıyoruz.
06:09
Now this noisegürültü is so great
151
354000
2000
Şimdi, bu gürültü öylesine büyük ki
06:11
that societytoplum placesyerler a hugeKocaman premiumsigorta primi
152
356000
2000
toplum bu gürültünün sonuçlarını
06:13
on those of us who can reduceazaltmak the consequencessonuçları of noisegürültü.
153
358000
3000
en aza düşüren kişileri ödüllendirmektedir.
06:16
So if you're luckyşanslı enoughyeterli to be ableyapabilmek to knockKnock a smallküçük whitebeyaz balltop
154
361000
3000
Yani eğer küçük beyaz bir topu uzun bir metal sopayla
06:19
into a holedelik severalbirkaç hundredyüz yardskilometre away usingkullanma a long metalmetal stickÇubuk,
155
364000
3000
metrelerce uzaklıktaki bir deliğe sokacak kadar şanslıysanız
06:22
our societytoplum will be willingistekli to rewardödül you
156
367000
2000
toplumumuz sizi yüzlerce milyon dolarla
06:24
with hundredsyüzlerce of millionsmilyonlarca of dollarsdolar.
157
369000
3000
ödüllendirmeye hazırdır.
06:27
Now what I want to convinceikna etmek you of
158
372000
2000
Şimdi sizi ikna etmek istediğim nokta şu:
06:29
is the brainbeyin alsoAyrıca goesgider throughvasitasiyla a lot of effortçaba
159
374000
2000
Beyin bu gürültü ve çeşitliliğin
06:31
to reduceazaltmak the negativenegatif consequencessonuçları
160
376000
2000
olumsuz sonuçlarını azaltmak için
06:33
of this sortçeşit of noisegürültü and variabilitydeğişkenlik.
161
378000
2000
çok fazla çaba sarfetmektedir.
06:35
And to do that, I'm going to tell you about a frameworkiskelet
162
380000
2000
Bunu yapmak için, son elli yılın istatistik ve mekanik öğretilerinde
06:37
whichhangi is very popularpopüler in statisticsistatistik and machinemakine learningöğrenme of the last 50 yearsyıl
163
382000
3000
çok popüler olan, Bayes karar teorisi adı verilen
06:40
calleddenilen BayesianBayesian decisionkarar theoryteori.
164
385000
2000
bir karar verme sistemini anlatacağım.
06:42
And it's more recentlyson günlerde a unifyingbirleştirici way
165
387000
3000
Ve bu son zamanlarda
06:45
to think about how the brainbeyin dealsfırsatlar with uncertaintybelirsizlik.
166
390000
3000
beynin belirsizliklerle nasıl başettiğini anlamada birleştirici bir yol.
06:48
And the fundamentaltemel ideaFikir is you want to make inferencesçıkarımlar and then take actionseylemler.
167
393000
3000
Temelde yatan fikir şu, önce çıkarımlar yapıyor ve sonra harekete geçiyorsunuz.
06:51
So let's think about the inferencesonuç.
168
396000
2000
O zaman çıkarımları düşünelim.
06:53
You want to generateüretmek beliefsinançlar about the worldDünya.
169
398000
2000
Dünyaya dair bazı inançlar geliştirmek istersiniz.
06:55
So what are beliefsinançlar?
170
400000
2000
Bu inançlar nelerdir?
06:57
Beliefsİnançlar could be: where are my armssilâh in spaceuzay?
171
402000
2000
İnançlar şu şekilde olabilir: boşlukta kollarım nerede?
06:59
Am I looking at a catkedi or a foxtilki?
172
404000
2000
Bir kediye mi yoksa bir tilkiye mi bakıyorum?
07:01
But we're going to representtemsil etmek beliefsinançlar with probabilitiesolasılıklar.
173
406000
3000
Ama şimdi inançları olasılık ile sunacağız.
07:04
So we're going to representtemsil etmek a beliefinanç
174
409000
2000
Yani inancı 0 ile 1 arasında bir numarayla
07:06
with a numbernumara betweenarasında zerosıfır and one --
175
411000
2000
temsil edelim --
07:08
zerosıfır meaninganlam I don't believe it at all, one meansanlamına geliyor I'm absolutelykesinlikle certainbelli.
176
413000
3000
0 hiç inanmıyorum, 1 kesinlikle inanıyorum demek olsun.
07:11
And numberssayılar in betweenarasında give you the graygri levelsseviyeleri of uncertaintybelirsizlik.
177
416000
3000
Ve aradaki numaralar size olasılığın gri seviyelerini verecektir.
07:14
And the keyanahtar ideaFikir to BayesianBayesian inferencesonuç
178
419000
2000
Bayes çıkarımının temel fikri ise
07:16
is you have two sourceskaynaklar of informationbilgi
179
421000
2000
iki bilgi kaynağına sahip olduğumuzdur
07:18
from whichhangi to make your inferencesonuç.
180
423000
2000
ve bunlardan çıkarımınızı yaparsınız.
07:20
You have dataveri,
181
425000
2000
Veriniz var,
07:22
and dataveri in neurosciencenörobilim is sensoryduyusal inputgiriş.
182
427000
2000
ve nörolojide veri duyusal girdidir.
07:24
So I have sensoryduyusal inputgiriş, whichhangi I can take in to make beliefsinançlar.
183
429000
3000
Yani, inanca dönüştürebileceğim duyusal girdilerim var.
07:27
But there's anotherbir diğeri sourcekaynak of informationbilgi, and that's effectivelyetkili bir şekilde priorönceki knowledgebilgi.
184
432000
3000
Ancak diğer bir bilgi kaynağı daha var, daha etkili ve öncelikli bir bilgi.
07:30
You accumulatebiriktirmek knowledgebilgi throughoutboyunca your life in memorieshatıralar.
185
435000
3000
Hayatınızda anılarla birlikte bilgiyi de biriktirirsiniz.
07:33
And the pointpuan about BayesianBayesian decisionkarar theoryteori
186
438000
2000
Ve Bayes karar teorisinin altında yatan budur;
07:35
is it givesverir you the mathematicsmatematik
187
440000
2000
duyusal verilerinizi
07:37
of the optimalEn iyi way to combinebirleştirmek
188
442000
2000
önceki bilgilerinizle harmanlayarak
07:39
your priorönceki knowledgebilgi with your sensoryduyusal evidencekanıt
189
444000
2000
yeni inançlar üretmenizi sağlayacak ideal yöntemin
07:41
to generateüretmek newyeni beliefsinançlar.
190
446000
2000
matematiğini verir.
07:43
And I've put the formulaformül up there.
191
448000
2000
Ve formülü bir kenara bıraktım.
07:45
I'm not going to explainaçıklamak what that formulaformül is, but it's very beautifulgüzel.
192
450000
2000
Formülün ne olduğunu açıklamayacağım, ama çok güzel bir şey.
07:47
And it has realgerçek beautygüzellik and realgerçek explanatoryaçıklayıcı powergüç.
193
452000
3000
Gerçek bir güzelliği ve açıklayıcı bir gücü var.
07:50
And what it really saysdiyor, and what you want to estimatetahmin,
194
455000
2000
Aslında söylediği ve sizin hesaplamak istediğiniz şey,
07:52
is the probabilityolasılık of differentfarklı beliefsinançlar
195
457000
2000
duyusal girdileriniz doğrultusunda
07:54
givenverilmiş your sensoryduyusal inputgiriş.
196
459000
2000
farklı inançların oluşma olasılığıdır.
07:56
So let me give you an intuitivesezgisel exampleörnek.
197
461000
2000
Durun size sezgiyle ilgili bir örnek vereyim.
07:58
ImagineHayal you're learningöğrenme to playoyun tennistenis
198
463000
3000
Tenis oynamayı öğrendiğinizi düşünün
08:01
and you want to decidekarar ver where the balltop is going to bouncehemen çıkma
199
466000
2000
top filenin üstünden size doğru geldiği zaman
08:03
as it comesgeliyor over the net towardskarşı you.
200
468000
2000
topun nerede sekeceğine karar vermek istiyorsunuz.
08:05
There are two sourceskaynaklar of informationbilgi
201
470000
2000
Burada 2 farklı bilgi kaynağı var.
08:07
Bayes'Bayes rulekural tellsanlatır you.
202
472000
2000
Bayes'in kuralı size şunu söyler.
08:09
There's sensoryduyusal evidencekanıt -- you can use visualgörsel informationbilgi auditoryişitsel informationbilgi,
203
474000
3000
Duyusal veri var -- görsel ve işitsel bilginizi kullanabilirsiniz.
08:12
and that mightbelki tell you it's going to landarazi in that redkırmızı spotyer.
204
477000
3000
ve bunlar size topun kırmızı noktaya düşeceğini söyleyebilir.
08:15
But you know that your sensesduyular are not perfectmükemmel,
205
480000
3000
Ama biliyorsunuz ki hisleriniz kusursuz değil,
08:18
and thereforebu nedenle there's some variabilitydeğişkenlik of where it's going to landarazi
206
483000
2000
bu yüzden topun yere düşeceği çeşitli noktalar mevcut,
08:20
showngösterilen by that cloudbulut of redkırmızı,
207
485000
2000
kırmızı bulut bunları göstermekte,
08:22
representingtemsil eden numberssayılar betweenarasında 0.5 and maybe 0.1.
208
487000
3000
0.5 veya 0.1 arası sayılarla ifade edebiliriz.
08:26
That informationbilgi is availablemevcut in the currentşimdiki shotatış,
209
491000
2000
Bu bilgi o anki vuruş için geçerli,
08:28
but there's anotherbir diğeri sourcekaynak of informationbilgi
210
493000
2000
ancak o anki vuruş için geçerli olmayan
08:30
not availablemevcut on the currentşimdiki shotatış,
211
495000
2000
başka bir bilgi kaynağı daha var.
08:32
but only availablemevcut by repeatedtekrarlanan experiencedeneyim in the gameoyun of tennistenis,
212
497000
3000
ancak bu yalnızca sürekli tenis oynayanlar için geçerli bir kaynak,
08:35
and that's that the balltop doesn't bouncehemen çıkma
213
500000
2000
Ve bu da topun maç esnasında kortta
08:37
with equaleşit probabilityolasılık over the courtmahkeme duringsırasında the matchmaç.
214
502000
2000
eşit olasılıklarla sekmediğidir.
08:39
If you're playingoynama againstkarşısında a very good opponentkarşı taraf,
215
504000
2000
Eğer çok iyi bir rakibe karşı oynuyorsanız,
08:41
they mayMayıs ayı distributedağıtmak it in that greenyeşil areaalan,
216
506000
2000
topu o yeşil alana gönderebilir ,
08:43
whichhangi is the priorönceki distributiondağıtım,
217
508000
2000
ki bu sizin topu karşılamızı
08:45
makingyapma it hardzor for you to returndönüş.
218
510000
2000
zorlaştıracaktır öncelikli alandır.
08:47
Now bothher ikisi de these sourceskaynaklar of informationbilgi carrytaşımak importantönemli informationbilgi.
219
512000
2000
Şimdi iki bilgi kaynağı da önemli veriler içeriyor.
08:49
And what Bayes'Bayes rulekural saysdiyor
220
514000
2000
Ve Bayes'in kuralına göre
08:51
is that I should multiplyçarpmak the numberssayılar on the redkırmızı by the numberssayılar on the greenyeşil
221
516000
3000
kırmızıdaki sayılarla yeşildekileri çarpmam gerekir, bu şekilde
08:54
to get the numberssayılar of the yellowSarı, whichhangi have the ellipsesElips,
222
519000
3000
sarı rengin üzerindeki, elipsleri içeren sayıları elde ederim
08:57
and that's my beliefinanç.
223
522000
2000
bu da benim inancımı oluşturur.
08:59
So it's the optimalEn iyi way of combiningbirleştirme informationbilgi.
224
524000
3000
İşte bu bilgileri birleştirmenin en ideal yöntemidir.
09:02
Now I wouldn'tolmaz tell you all this if it wasn'tdeğildi that a fewaz yearsyıl agoönce,
225
527000
2000
Şimdi birkaç yıl önce insanların yeni hareketler
09:04
we showedgösterdi this is exactlykesinlikle what people do
226
529000
2000
öğrendiklerinde ne yaptıklarını göstermiş
09:06
when they learnöğrenmek newyeni movementhareket skillsbecerileri.
227
531000
2000
olmasaydık bugün size bunları söylemezdim.
09:08
And what it meansanlamına geliyor
228
533000
2000
Bu şu demek,
09:10
is we really are BayesianBayesian inferencesonuç machinesmakineler.
229
535000
2000
Biz gerçekten Bayes çıkarım makineleriyiz.
09:12
As we go around, we learnöğrenmek about statisticsistatistik of the worldDünya and layyatırmak that down,
230
537000
4000
Yaşadıkça, dünyanın istatistiğini öğrenip değerlendirmeye alıyoruz,
09:16
but we alsoAyrıca learnöğrenmek
231
541000
2000
kendi duyu organlarımızın
09:18
about how noisygürültülü our ownkendi sensoryduyusal apparatusaparatı is,
232
543000
2000
ne kadar gürültülü olduğunu da öğreniyoruz,
09:20
and then combinebirleştirmek those
233
545000
2000
sonra bunları gerçek bir
09:22
in a realgerçek BayesianBayesian way.
234
547000
2000
Bayes tekniğiyle birleştiriyoruz.
09:24
Now a keyanahtar partBölüm to the BayesianBayesian is this partBölüm of the formulaformül.
235
549000
3000
Bayes'in önemli bir kısmı formülün bu bölümünde gizli.
09:27
And what this partBölüm really saysdiyor
236
552000
2000
Ve bu bölümün dediği şey
09:29
is I have to predicttahmin the probabilityolasılık
237
554000
2000
inançlarım doğrultusunda
09:31
of differentfarklı sensoryduyusal feedbacksgeri bildirimler
238
556000
2000
geri dönüşlerin farklı olasılıklarını
09:33
givenverilmiş my beliefsinançlar.
239
558000
2000
tahmin etmem gerektiği.
09:35
So that really meansanlamına geliyor I have to make predictionstahminler of the futuregelecek.
240
560000
3000
Bu gerçekten gelecek ile ilgili tahminler yapmamı zorunlu kılıyor.
09:38
And I want to convinceikna etmek you the brainbeyin does make predictionstahminler
241
563000
2000
Ve sizi beynin tahmin yaptığına ikna etmek istiyorum,
09:40
of the sensoryduyusal feedbackgeri bildirim it's going to get.
242
565000
2000
alacağı duyusal geri dönüşün önceden tahmini.
09:42
And moreoverDahası, it profoundlyderinden changesdeğişiklikler your perceptionsalgılamalar
243
567000
2000
Dahası, algılarınızı yaptıklarınızla derinlemesine
09:44
by what you do.
244
569000
2000
değiştiriyor.
09:46
And to do that, I'll tell you
245
571000
2000
Bunu yapabilmek için
09:48
about how the brainbeyin dealsfırsatlar with sensoryduyusal inputgiriş.
246
573000
2000
beynin duyusal girdilerle nasıl başettiğini anlatacağım.
09:50
So you sendgöndermek a commandkomuta out,
247
575000
3000
Bir talimat gönderiyorsunuz
09:53
you get sensoryduyusal feedbackgeri bildirim back,
248
578000
2000
duyusal geri dönüş alıyorsunuz,
09:55
and that transformationdönüşüm is governedyönetilir
249
580000
2000
ve bu dönüşüm vücut fiziği
09:57
by the physicsfizik of your bodyvücut and your sensoryduyusal apparatusaparatı.
250
582000
3000
ve duyu araçlarınız tarafından yönetiliyor.
10:00
But you can imaginehayal etmek looking insideiçeride the brainbeyin.
251
585000
2000
Ama beynin içine baktığınızı düşünün.
10:02
And here'sburada insideiçeride the brainbeyin.
252
587000
2000
İşte beynin içi.
10:04
You mightbelki have a little predictorPredictor, a neuralsinirsel simulatorsimülatörü,
253
589000
2000
Ufak bir tahmin ediciye, vücut fiziği ve duyuların
10:06
of the physicsfizik of your bodyvücut and your sensesduyular.
254
591000
2000
sinirsel bir simülatörüne sahip olabilirsiniz.
10:08
So as you sendgöndermek a movementhareket commandkomuta down,
255
593000
2000
Hareket emrini aşağıya gönderdiğiniz zaman
10:10
you tapmusluk a copykopya of that off
256
595000
2000
bu emrin bir kopyasını çıkarıyorsunuz,
10:12
and runkoş it into your neuralsinirsel simulatorsimülatörü
257
597000
2000
ve bunu, hareketlerinizin duyusal sonuçlarını
10:14
to anticipatetahmin etmek the sensoryduyusal consequencessonuçları of your actionseylemler.
258
599000
4000
tahmin edebilmek için sinirsel simülatöre gönderiyorsunuz.
10:18
So as I shakesallamak this ketchupketçap bottleşişe,
259
603000
2000
Yani bu ketçap şişesini salladığımda
10:20
I get some truedoğru sensoryduyusal feedbackgeri bildirim as the functionfonksiyon of time in the bottomalt rowsıra.
260
605000
3000
en alt sıradaki zamanın fonksiyonu olarak doğru bir duyusal dönüş alırım.
10:23
And if I've got a good predictorPredictor, it predictstahmin eder the sameaynı thing.
261
608000
3000
Eğer tahmin edicim iyiyse, aynı şeyi öngörecektir.
10:26
Well why would I botherrahatsız doing that?
262
611000
2000
Peki ne diye bu zahmete katlanıyorum?
10:28
I'm going to get the sameaynı feedbackgeri bildirim anywayneyse.
263
613000
2000
Zaten aynı geri dönüşümü alacağım.
10:30
Well there's good reasonsnedenleri.
264
615000
2000
Aslında geçerli sebepleri var.
10:32
ImagineHayal, as I shakesallamak the ketchupketçap bottleşişe,
265
617000
2000
Düşünün ki bu ketçap şişesini sallarken,
10:34
someonebirisi very kindlyLütfen comesgeliyor up to me and tapsmusluklar it on the back for me.
266
619000
3000
biri yanıma gelip kibarca şişenin arkasına vuruyor.
10:37
Now I get an extraekstra sourcekaynak of sensoryduyusal informationbilgi
267
622000
2000
Şimdi bu dış hareketten dolayı ekstra bir
10:39
duenedeniyle to that externaldış actdavranmak.
268
624000
2000
duyusal bilgi kaynağım oluverdi.
10:41
So I get two sourceskaynaklar.
269
626000
2000
Yani iki kaynağım var.
10:43
I get you tappingdokunarak on it, and I get me shakingsallama it,
270
628000
3000
Sen şişenin altına vuruyosun ben de sallıyorum,
10:46
but from my senses'duyu pointpuan of viewgörünüm,
271
631000
2000
ama benim duyularıma göre
10:48
that is combinedkombine togetherbirlikte into one sourcekaynak of informationbilgi.
272
633000
3000
tüm bunlar tek bir bilgi kaynağında toplanıyor.
10:51
Now there's good reasonneden to believe
273
636000
2000
Dış olaylarla iç hareketleri birbirinden
10:53
that you would want to be ableyapabilmek to distinguishayırmak externaldış eventsolaylar from internal eventsolaylar.
274
638000
3000
ayırabilmeyi istemek için çok iyi bir nedeniniz var
10:56
Because externaldış eventsolaylar are actuallyaslında much more behaviorallydavranışsal relevantuygun
275
641000
3000
Çünkü dış kaynaklı olaylar, kendi vücudumda olup bitenleri
10:59
than feelingduygu everything that's going on insideiçeride my bodyvücut.
276
644000
3000
hissedebilmekten öte daha çok davranışsallıkla alakalıdır.
11:02
So one way to reconstructyeniden yapılandırma that
277
647000
2000
Bunu yeniden kurabilmemizin bir yolu
11:04
is to comparekarşılaştırmak the predictiontahmin --
278
649000
2000
öngörü ve tahminleri --
11:06
whichhangi is only basedmerkezli on your movementhareket commandskomutları --
279
651000
2000
ki bu hareket emirlerinize dayanmaktadır --
11:08
with the realitygerçeklik.
280
653000
2000
gerçekle kıyaslamaktır.
11:10
Any discrepancytutarsızlık should hopefullyinşallah be externaldış.
281
655000
3000
Herhangi bir uyuşmazlığın dış kaynaklı olması gerekir.
11:13
So as I go around the worldDünya,
282
658000
2000
Dünyada geçirdiğim süre boyunca,
11:15
I'm makingyapma predictionstahminler of what I should get, subtractingçıkarılarak them off.
283
660000
3000
edinmem gerekenleri tahmin ediyor ve onları listeden siliyorum.
11:18
Everything left over is externaldış to me.
284
663000
2000
Geri kalan herşey benim için dış kaynaklıdır.
11:20
What evidencekanıt is there for this?
285
665000
2000
Bunun kanıtları ne?
11:22
Well there's one very clearaçık exampleörnek
286
667000
2000
Aslında çok net bir örnek var,
11:24
where a sensationduygu generatedoluşturulan by myselfkendim feelshissediyor very differentfarklı
287
669000
2000
bu örnekte, kendi kendime ürettiğim bir his başka biri
11:26
then if generatedoluşturulan by anotherbir diğeri personkişi.
288
671000
2000
tarafından üretilenden daha farklı hissettiriyor.
11:28
And so we decidedkarar the mostçoğu obviousaçık placeyer to startbaşlama
289
673000
2000
Size en kesin örneği vererek başlayacağım:
11:30
was with ticklinggıdıklama.
290
675000
2000
gıdıklanmak.
11:32
It's been knownbilinen for a long time, you can't ticklegıdıklamak yourselfkendin
291
677000
2000
Uzun zamandır biliniyor ki, başkaları sizi gıdıklayabilirken
11:34
as well as other people can.
292
679000
2000
siz kendi kendinizi gıdıklayamazsınız
11:36
But it hasn'tdeğil sahiptir really been showngösterilen, it's because you have a neuralsinirsel simulatorsimülatörü,
293
681000
3000
Ama bunun sizde varolan sinirsel simülatörde
11:39
simulatingsimüle your ownkendi bodyvücut
294
684000
2000
denenmiş ve
11:41
and subtractingçıkarılarak off that senseduyu.
295
686000
2000
listeden silinmiş olduğu söylenmez.
11:43
So we can bringgetirmek the experimentsdeneyler of the 21stst centuryyüzyıl
296
688000
3000
Bu probleme robot teknolojisini uygulayarak
11:46
by applyinguygulayarak roboticrobotik technologiesteknolojiler to this problemsorun.
297
691000
3000
21. yüzyılın deneylerine ulaşabiliriz.
11:49
And in effectEfekt, what we have is some sortçeşit of stickÇubuk in one handel attachedekli to a robotrobot,
298
694000
3000
Elimizde bir robota bağlı olan bir çubuk var ve
11:52
and they're going to movehareket that back and forwardileri.
299
697000
2000
bu çubuklar ileri-geri hareket ettirilecekler.
11:54
And then we're going to trackiz that with a computerbilgisayar
300
699000
2000
Sonra biz bunu bilgisayar yoluyla takip edip
11:56
and use it to controlkontrol anotherbir diğeri robotrobot,
301
701000
2000
başka bir robotu kontrol etmek için kullanacağız,
11:58
whichhangi is going to ticklegıdıklamak theironların palmavuç içi with anotherbir diğeri stickÇubuk.
302
703000
2000
ve bu son robot başka bir çubukla avcun içini gıdıklayacak.
12:00
And then we're going to asksormak them to rateoran a bunchDemet of things
303
705000
2000
Ve sonra deneklerimiz gıdıklanmakla alakalı
12:02
includingdahil olmak üzere ticklishnessticklishness.
304
707000
2000
bir kaç değerlendirme yapacaklar.
12:04
I'll showgöstermek you just one partBölüm of our studyders çalışma.
305
709000
2000
Size çalışmanın bir parçasını göstereyim.
12:06
And here I've takenalınmış away the robotsrobotlar,
306
711000
2000
Burada robotları aldık,
12:08
but basicallytemel olarak people movehareket with theironların right armkol sinusoidallysinusoidally back and forwardileri.
307
713000
3000
ama temel olarak denekler sağ kollarını ileri-geri hareket ettiriyorlar.
12:11
And we replayyeniden yürütme that to the other handel with a time delaygecikme.
308
716000
3000
Bir zaman aralığından sonra bunu diğer kolla da yaptırdık.
12:14
EitherHer iki no time delaygecikme,
309
719000
2000
Hiçbir zaman aralığı olmadan,
12:16
in whichhangi casedurum lightışık would just ticklegıdıklamak your palmavuç içi,
310
721000
2000
ya da saniyenin onda ikisi-onda üçü gibi zaman aralıklarında
12:18
or with a time delaygecikme of two-tenthsiki-onda of three-tenthsÜç-onda of a secondikinci.
311
723000
4000
sadece ışık avcunuzu gıdıklayabilir,
12:22
So the importantönemli pointpuan here
312
727000
2000
Buradaki önemli nokta
12:24
is the right handel always does the sameaynı things -- sinusoidalsinüsoidal movementhareket.
313
729000
3000
sağ kol her zaman aynı şeyi yapıyor -- sinüsoidal hareketini.
12:27
The left handel always is the sameaynı and putskoyar sinusoidalsinüsoidal ticklegıdıklamak.
314
732000
3000
Sol el hep aynı ve sinüsoidal gıdıklamayı gerçekleştiriyor.
12:30
All we're playingoynama with is a tempoTempo causalitynedensellik.
315
735000
2000
Oynadığımız şey tamamiyle bir tempo nedensellik ilişkisi.
12:32
And as we go from naughtboş yere buraya to 0.1 secondikinci,
316
737000
2000
Ve sıfırdan 0.1 saniyeye geçtiğimizde
12:34
it becomesolur more ticklishGıdıklanır.
317
739000
2000
daha gıdıklayıcı oluyor.
12:36
As you go from 0.1 to 0.2,
318
741000
2000
0.1'den 0.2'ye gittiğinizde
12:38
it becomesolur more ticklishGıdıklanır at the endson.
319
743000
2000
sonunda daha da gıdıklayıcı oluyor
12:40
And by 0.2 of a secondikinci,
320
745000
2000
Ve bir saniyenin 0.2'sinde
12:42
it's equivalentlyequivalently ticklishGıdıklanır
321
747000
2000
siz hiçbir şey yapmadan
12:44
to the robotrobot that just tickleddört köşe you withoutolmadan you doing anything.
322
749000
2000
sizi gıdıklayan robot için eşit gıdıklayıcılıkta oluyor.
12:46
So whateverher neyse is responsiblesorumluluk sahibi for this cancellationiptal
323
751000
2000
Yani bu iptalden ne sorumluysa
12:48
is extremelyson derece tightlysıkıca coupledbirleştiğinde with tempoTempo causalitynedensellik.
324
753000
3000
tempo nedenselliği ile sıkı bir ilişki içerisinde.
12:51
And basedmerkezli on this illustrationörnekleme, we really convincedikna olmuş ourselveskendimizi in the fieldalan
325
756000
3000
Bu örneğe dayalı olarak, kendimizi şuna inandırdık ki beyin
12:54
that the brain'sbeyni makingyapma precisekesin predictionstahminler
326
759000
2000
kesin tahminler yapıyor
12:56
and subtractingçıkarılarak them off from the sensationsduyumları.
327
761000
3000
ve bunları hislerden siliyor
12:59
Now I have to admititiraf etmek, these are the worsten kötü studiesçalışmalar my lablaboratuvar has ever runkoş.
328
764000
3000
Şimdi itiraf etmem gerekir ki bunlar labratuvarımın en kötü çalışmaları.
13:02
Because the ticklegıdıklamak sensationduygu on the palmavuç içi comesgeliyor and goesgider,
329
767000
2000
Çünkü avuçtaki gıdıklanma hissi gelir ve gider,
13:04
you need largegeniş numberssayılar of subjectskonular
330
769000
2000
çok sayıda deneğe ihtiyacınız vardır
13:06
with these starsyıldızlar makingyapma them significantönemli.
331
771000
2000
ve bu yıldızlar onları önemli kılar.
13:08
So we were looking for a much more objectiveamaç way
332
773000
2000
Bu nedenle çok daha nesnel bir yöntem arıyoruz
13:10
to assessbelirlemek this phenomenafenomenler.
333
775000
2000
ki bu durumu değerlendirebilelim.
13:12
And in the interveningmüdahale yearsyıl I had two daughterskız çocukları.
334
777000
2000
Ve bu zaman zarfında iki tane kızım oldu.
13:14
And one thing you noticeihbar about childrençocuklar in backseatsbackseats of carsarabalar on long journeysyolculuklarda,
335
779000
3000
Çocuklarınız arka koltukta iken uzun yolculuklara çıktığınızda şunu farkedersiniz,
13:17
they get into fightskavgalar --
336
782000
2000
kavga ederler --
13:19
whichhangi startedbaşladı with one of them doing something to the other, the other retaliatingmisilleme.
337
784000
3000
bu kavgalar birinin ötekine bir şey yapması ve diğerinin karşılık vermesi ile başlar,
13:22
It quicklyhızlı bir şekilde escalatesdozu artarken.
338
787000
2000
ve hemen kızışır.
13:24
And childrençocuklar tendeğiliminde to get into fightskavgalar whichhangi escalateyükselmek in termsşartlar of forcekuvvet.
339
789000
3000
Ve çocuklar güç gösterimi ile kızışan kavgalara girmeye eğilimlidirler.
13:27
Now when I screamedçığlık at my childrençocuklar to stop,
340
792000
2000
Çocuklarıma durmaları için bağırdığımda,
13:29
sometimesara sıra they would bothher ikisi de say to me
341
794000
2000
bazen bana her ikisi de der ki
13:31
the other personkişi hitvurmak them harderDaha güçlü.
342
796000
3000
o bana daha sert vurdu.
13:34
Now I happenolmak to know my childrençocuklar don't lieYalan,
343
799000
2000
Şunu biliyorum ki benim çocuklarım yalan söylemez,
13:36
so I thought, as a neuroscientistsinirbilimci,
344
801000
2000
bu yüzden bir sinir bilimcisi olarak düşündüm ki,
13:38
it was importantönemli how I could explainaçıklamak
345
803000
2000
şunu açıklayabiliyor olmam önemliydi;
13:40
how they were tellingsöylüyorum inconsistenttutarsız truthsgerçekler.
346
805000
2000
nasıl birbiri ile tutarsız gerçekler söyleyebiliyorlar.
13:42
And we hypothesizehipotez basedmerkezli on the ticklinggıdıklama studyders çalışma
347
807000
2000
Ve gıdıklama çalışmasına dayanarak bir tez öne sürdük,
13:44
that when one childçocuk hitsisabetler anotherbir diğeri,
348
809000
2000
buna göre bir çocuk diğerine vurduğunda,
13:46
they generateüretmek the movementhareket commandkomuta.
349
811000
2000
hareket emrini üretiyorlar.
13:48
They predicttahmin the sensoryduyusal consequencessonuçları and subtractçıkarma it off.
350
813000
3000
Duyusal sonuçlarını tahmin ediyorlar ve çıkarıyorlar.
13:51
So they actuallyaslında think they'veonlar ettik hitvurmak the personkişi lessaz hardzor than they have --
351
816000
2000
Bu yüzden de vurdukları kişiye daha az sert vurduklarını zannediyorlar --
13:53
ratherdaha doğrusu like the ticklinggıdıklama.
352
818000
2000
tıpkı gıdıklamada olduğu gibi.
13:55
WhereasOysa the passivepasif recipientalıcı
353
820000
2000
Ancak vuruşu hisseden pasif kişi
13:57
doesn't make the predictiontahmin, feelshissediyor the fulltam blowdarbe.
354
822000
2000
böyle bir tahmin yapmıyor ve vuruşu tamamiyle hissediyor.
13:59
So if they retaliatemisilleme with the sameaynı forcekuvvet,
355
824000
2000
Yani eğer onlar hissettikleri güç ile karşılık verirlerse,
14:01
the first personkişi will think it's been escalatedtırmandı.
356
826000
2000
ilk kişi vuruş gücünün arttığını sanıyor.
14:03
So we decidedkarar to testÖlçek this in the lablaboratuvar.
357
828000
2000
Ve bunu labratuvarda test etmeye karar verdik
14:05
(LaughterKahkaha)
358
830000
3000
(Gülüşmeler)
14:08
Now we don't work with childrençocuklar, we don't work with hittingisabet,
359
833000
2000
Tabii ki çocuklarla ya da birbirine vurmayı esas alarak çalışmıyoruz.
14:10
but the conceptkavram is identicalözdeş.
360
835000
2000
ama kavram benzer.
14:12
We bringgetirmek in two adultsyetişkinler. We tell them they're going to playoyun a gameoyun.
361
837000
3000
İki yetişkin alıyoruz. Onlara bir oyun oynayacaklarını söylüyoruz.
14:15
And so here'sburada playeroyuncu one and playeroyuncu two sittingoturma oppositekarşısında to eachher other.
362
840000
2000
Ve işte burda karşılıklı oturan birinci ve ikinci oyuncular.
14:17
And the gameoyun is very simplebasit.
363
842000
2000
Ve oyun çok basit.
14:19
We startedbaşladı with a motormotor
364
844000
2000
Bir motor,
14:21
with a little leverkolu, a little forcekuvvet transfusertransfuser.
365
846000
2000
ufak bir kaldıraç ve güç nakledici ile başladık.
14:23
And we use this motormotor to applyuygulamak forcekuvvet down to playeroyuncu one'sbiri fingersparmaklar
366
848000
2000
Bu motoru birinci oyuncunun parmaklarına güç vermek için kullanıyoruz,
14:25
for threeüç secondssaniye and then it stopsdurak.
367
850000
3000
üç saniye sürüyor ve duruyor.
14:28
And that player'sPlayer'ın been told, rememberhatırlamak the experiencedeneyim of that forcekuvvet
368
853000
3000
Ve bu oyuncuya deniyor ki bu gücün şiddetini hatırlayın
14:31
and use your other fingerparmak
369
856000
2000
ve diğer parmağınızı kullanarak
14:33
to applyuygulamak the sameaynı forcekuvvet
370
858000
2000
aynı gücü
14:35
down to the other subject'sİlgilinin fingerparmak throughvasitasiyla a forcekuvvet transfusertransfuser -- and they do that.
371
860000
3000
diğer oyuncunun parmağına bir güç nakledici aracılığıyla uygulayın -- ve yapıyorlar.
14:38
And playeroyuncu two'siki kişinin been told, rememberhatırlamak the experiencedeneyim of that forcekuvvet.
372
863000
3000
Ve ikinci oyuncuya bu gücü hatırlaması,
14:41
Use your other handel to applyuygulamak the forcekuvvet back down.
373
866000
3000
diğer elini aynı gücü geri uygulamak için kullanması söyleniyor.
14:44
And so they take it in turnsdönüşler
374
869000
2000
Ve bu şekilde
14:46
to applyuygulamak the forcekuvvet they'veonlar ettik just experienceddeneyimli back and forwardileri.
375
871000
2000
hissettikleri gücü sırayla tekrar geri uyguluyorlar.
14:48
But criticallyciddi olarak,
376
873000
2000
Önemli bir detay,
14:50
they're briefedbilgi verdi about the ruleskurallar of the gameoyun in separateayrı roomsOdalar.
377
875000
3000
oyuncular oyunun kuralları hakkında ayrı odalarda bilgilendiriliyorlar.
14:53
So they don't know the ruleskurallar the other person'skişiler playingoynama by.
378
878000
2000
Yani dğer oyuncunun hangi kurallarla oynadığını bilmiyorlar.
14:55
And what we'vebiz ettik measuredölçülü
379
880000
2000
Ölçtüğümüz şu;
14:57
is the forcekuvvet as a functionfonksiyon of termsşartlar.
380
882000
2000
her bir kadamedeki gücün şiddeti.
14:59
And if we look at what we startbaşlama with,
381
884000
2000
Ve başladığımız noktaya bakacak olursak,
15:01
a quarterçeyrek of a NewtonNewton there, a numbernumara of turnsdönüşler,
382
886000
2000
bir Newton'ın çeyreği şiddetinde başlıyor, birkaç aşama sonra,
15:03
perfectmükemmel would be that redkırmızı linehat.
383
888000
2000
şu kırmızı noktaya ulaşıyor.
15:05
And what we see in all pairsçiftleri of subjectskonular is this --
384
890000
3000
Ve bütün çiftlerde şunu gördük ki --
15:08
a 70 percentyüzde escalationyükseltme in forcekuvvet
385
893000
2000
her oyuncu her seferinde gücü %70
15:10
on eachher go.
386
895000
2000
oranında arttırıyor.
15:12
So it really suggestsanlaşılacağı, when you're doing this --
387
897000
2000
Yani bu demek oluyor ki bunu yaparken --
15:14
basedmerkezli on this studyders çalışma and othersdiğerleri we'vebiz ettik donetamam --
388
899000
2000
bu ve yaptığımız diğer çalışmalara dayanarak --
15:16
that the brainbeyin is cancelingiptal etme the sensoryduyusal consequencessonuçları
389
901000
2000
beyin duyusal sonuçları iptal ediyor
15:18
and underestimatingküçümseyen the forcekuvvet it's producingüreten.
390
903000
2000
ve ürettiği gücün şiddetini hafife alıyor.
15:20
So it re-showsyeniden gösterir the brainbeyin makesmarkaları predictionstahminler
391
905000
2000
Bu tekrar gösteriyor ki beyin tahminler yapar
15:22
and fundamentallyesasen changesdeğişiklikler the preceptsemirleri.
392
907000
3000
ve temel hükümleri değiştiriyor.
15:25
So we'vebiz ettik madeyapılmış inferencesçıkarımlar, we'vebiz ettik donetamam predictionstahminler,
393
910000
3000
Yani çıkarımlar yaptık, tahminler yaptık,
15:28
now we have to generateüretmek actionseylemler.
394
913000
2000
ve şimdi hareket üretmeliyiz.
15:30
And what Bayes'Bayes rulekural saysdiyor is, givenverilmiş my beliefsinançlar,
395
915000
2000
Ve Bayes'in kuralı der ki, inançlarım doğrultusunda,
15:32
the actionaksiyon should in some senseduyu be optimalEn iyi.
396
917000
2000
hareket bir anlamda optimal olmalı.
15:34
But we'vebiz ettik got a problemsorun.
397
919000
2000
Ancak bir sorunumuz var.
15:36
TasksGörevleri are symbolicsembolik -- I want to drinkiçki, I want to dancedans --
398
921000
3000
Görevler semboliktir -- içmek istiyorum, dansetmek istiyorum --
15:39
but the movementhareket systemsistem has to contractsözleşme 600 muscleskaslar
399
924000
2000
ama hareket sistemi 600 kası belli aralıklarla
15:41
in a particularbelirli sequencesıra.
400
926000
2000
kasmak zorundadır.
15:43
And there's a bigbüyük gapboşluk
401
928000
2000
Ve görev ile hareket
15:45
betweenarasında the taskgörev and the movementhareket systemsistem.
402
930000
2000
sistemi arasında büyük bir boşluk bulunmaktadır.
15:47
So it could be bridgedKöprü in infinitelysonsuz manyçok differentfarklı waysyolları.
403
932000
2000
Yani bu sonsuz sayıda farklı şekilde birleştirilebilir.
15:49
So think about just a pointpuan to pointpuan movementhareket.
404
934000
2000
Yalnız bir noktadan diğer bir noktaya olan bir hareketi düşünün.
15:51
I could chooseseçmek these two pathsyolları
405
936000
2000
Bu iki yolu
15:53
out of an infinitesonsuz numbernumara of pathsyolları.
406
938000
2000
sınırsız sayıda yol arasından seçebilirim.
15:55
HavingSahip chosenseçilmiş a particularbelirli pathyol,
407
940000
2000
Belirli bir yol seçtikten sonra,
15:57
I can holdambar my handel on that pathyol
408
942000
2000
Elimi o yol üzerinde
15:59
as infinitelysonsuz manyçok differentfarklı jointortak configurationskonfigürasyonları.
409
944000
2000
sonsuz sayıda farklı eklem düzenlemeleri ile tutabilirim.
16:01
And I can holdambar my armkol in a particularbelirli jointortak configurationyapılandırma
410
946000
2000
Ve kolumu belirli bir eklem düzenlemesi ile
16:03
eitherya very stiffkatı or very relaxedrahat.
411
948000
2000
ya çok katı ya da gevşek tutabilirim.
16:05
So I have a hugeKocaman amounttutar of choiceseçim to make.
412
950000
3000
Yani inanılmaz derecede fazla seçeneğim var.
16:08
Now it turnsdönüşler out, we are extremelyson derece stereotypicalbasmakalıp.
413
953000
3000
Şimdi ortaya çıkıyor ki, bizler aşırı derecede stereotipik varlıklarız.
16:11
We all movehareket the sameaynı way prettygüzel much.
414
956000
3000
Genelde aynı yolu takip ederek hareket ediyoruz.
16:14
And so it turnsdönüşler out we're so stereotypicalbasmakalıp,
415
959000
2000
Sonuçta ne kadar standart olduğumuz ortaya çıkar,
16:16
our brainsbeyin have got dedicatedadanmış neuralsinirsel circuitrydevre sistemi
416
961000
2000
beynimiz standart hareketi deşifre etmek için
16:18
to decodekod çözme this stereotypingsterotipleme.
417
963000
2000
kendini sinirsel devreye adamıştır.
16:20
So if I take some dotsnoktalar
418
965000
2000
Yani birkaç nokta alır
16:22
and setset them in motionhareket with biologicalbiyolojik motionhareket,
419
967000
3000
ve onları biyolojik hareketle ilişkilendirirsem,
16:25
your brain'sbeyni circuitrydevre sistemi would understandanlama instantlyanında what's going on.
420
970000
3000
beyninizin devresi hemen ne olduğunu algılayacaktır.
16:28
Now this is a bunchDemet of dotsnoktalar movinghareketli.
421
973000
2000
Şimd burada hareket eden bir sürü nokta var.
16:30
You will know what this personkişi is doing,
422
975000
3000
Ama bu insanın ne yaptığını anlarsınız.
16:33
whetherolup olmadığını happymutlu, sadüzgün, oldeski, younggenç -- a hugeKocaman amounttutar of informationbilgi.
423
978000
3000
mutlu mu, mutsuz mu, yaşlı mı, genç mi -- çok fazla bilgi.
16:36
If these dotsnoktalar were carsarabalar going on a racingyarış circuitdevre,
424
981000
2000
Eğer bu noktalar bir yarış devresindeki arabalar olsaydı,
16:38
you would have absolutelykesinlikle no ideaFikir what's going on.
425
983000
3000
ne olduğu hakkında hiçbir fikriniz olmazdı.
16:41
So why is it
426
986000
2000
O zaman neden
16:43
that we movehareket the particularbelirli waysyolları we do?
427
988000
2000
belli şekillerde hareket ediyoruz?
16:45
Well let's think about what really happensolur.
428
990000
2000
Şimdi aslında ne olduğu hakkında düşünelim.
16:47
Maybe we don't all quiteoldukça movehareket the sameaynı way.
429
992000
3000
Belki de tam olarak aynı şekilde hareket etmiyoruz.
16:50
Maybe there's variationvaryasyon in the populationnüfus.
430
995000
2000
Belki de popülasyon içinde çeşitlilik var.
16:52
And maybe those who movehareket better than othersdiğerleri
431
997000
2000
Ve belki diğerlerinden daha iyi hareket edenler
16:54
have got more chanceşans of gettingalma theironların childrençocuklar into the nextSonraki generationnesil.
432
999000
2000
çocuklarını sonraki nesillere taşımakta daha şanslı olacaklar.
16:56
So in evolutionaryevrimsel scalesterazi, movementshareketler get better.
433
1001000
3000
Yani evrimsel boyutta, hareketler daha iyiye gider.
16:59
And perhapsbelki in life, movementshareketler get better throughvasitasiyla learningöğrenme.
434
1004000
3000
Ve belki hayatta hareketler öğrenme aracılığıyla gelişir.
17:02
So what is it about a movementhareket whichhangi is good or badkötü?
435
1007000
2000
Peki bir harekete iyi ya da kötü derken neyi kastediyoruz?
17:04
ImagineHayal I want to interceptkesme noktası this balltop.
436
1009000
2000
Düşünün ki ben bu topu durdurmak istiyorum.
17:06
Here are two possiblemümkün pathsyolları to that balltop.
437
1011000
3000
Topa giden iki olası yol var.
17:09
Well if I chooseseçmek the left-handsol pathyol,
438
1014000
2000
Eğer sol elin yolunu seçersem,
17:11
I can work out the forcesgüçler requiredgereklidir
439
1016000
2000
gerekli olan gücü zamanın bir fonksiyonu
17:13
in one of my muscleskaslar as a functionfonksiyon of time.
440
1018000
2000
olarak kaslarımdan birinde uygulayabilirim.
17:15
But there's noisegürültü addedkatma to this.
441
1020000
2000
Ama buna eklenen bir gürültü var.
17:17
So what I actuallyaslında get, basedmerkezli on this lovelygüzel, smoothpürüzsüz, desiredistenen forcekuvvet,
442
1022000
3000
Yani aslında bu istediğim güzel ve akıcı hareketle elime geçen
17:20
is a very noisygürültülü versionversiyon.
443
1025000
2000
çok gürültülü bir versiyon.
17:22
So if I pickalmak the sameaynı commandkomuta throughvasitasiyla manyçok timeszamanlar,
444
1027000
3000
Aynı emri bir çok defa verirsem,
17:25
I will get a differentfarklı noisygürültülü versionversiyon eachher time, because noisegürültü changesdeğişiklikler eachher time.
445
1030000
3000
Her seferinde farklı bir gürültülü versiyona ulaşırım, çünkü gürültüler değişir.
17:28
So what I can showgöstermek you here
446
1033000
2000
Yani size burada şunu gösterebilirim,
17:30
is how the variabilitydeğişkenlik of the movementhareket will evolvegelişmek
447
1035000
2000
o yolu seçtiğimde hareketin çeşitliliği nasıl
17:32
if I chooseseçmek that way.
448
1037000
2000
evrilir.
17:34
If I chooseseçmek a differentfarklı way of movinghareketli -- on the right for exampleörnek --
449
1039000
3000
Eğer hareket etmek için farklı bir yol seçersem -- örneğin sağ tarafta --
17:37
then I'll have a differentfarklı commandkomuta, differentfarklı noisegürültü,
450
1042000
2000
o zaman farklı emir, farklı gürültüler oluşacaktır,
17:39
playingoynama throughvasitasiyla a noisygürültülü systemsistem, very complicatedkarmaşık.
451
1044000
3000
gürültülü bir sistemde oynamak oldukça karışıktır.
17:42
All we can be sure of is the variabilitydeğişkenlik will be differentfarklı.
452
1047000
3000
Emin olabileceğimiz tek şey çeşitlilik farklı olacaktır.
17:45
If I movehareket in this particularbelirli way,
453
1050000
2000
Eğer şu şekilde hareket edersem,
17:47
I endson up with a smallerdaha küçük variabilitydeğişkenlik acrosskarşısında manyçok movementshareketler.
454
1052000
3000
farklı hareket seçeneklerine kıyasla daha az bir çeşitliliğe ulaşırım.
17:50
So if I have to chooseseçmek betweenarasında those two,
455
1055000
2000
Yabi bu ikisi arasında karar vermem gerekirse,
17:52
I would chooseseçmek the right one because it's lessaz variabledeğişken.
456
1057000
2000
sağ tarafı tercih ederim çünkü orası daha az değişkendir.
17:54
And the fundamentaltemel ideaFikir
457
1059000
2000
Ve temel fikir şu ki
17:56
is you want to planplan your movementshareketler
458
1061000
2000
hareketlerinizi planlamak istersiniz,
17:58
so as to minimizeküçültmek the negativenegatif consequencesonuç of the noisegürültü.
459
1063000
3000
bu şekilde gürültünün olumsuz sonuçlarını azaltmaya çalışırsınız.
18:01
And one intuitionsezgi to get
460
1066000
2000
Ve elde edilen bir sezgi şudur,
18:03
is actuallyaslında the amounttutar of noisegürültü or variabilitydeğişkenlik I showgöstermek here
461
1068000
2000
burada gösterdiğim gürültünün miktarı ve çeşitliliği aslında
18:05
getsalır biggerDaha büyük as the forcekuvvet getsalır biggerDaha büyük.
462
1070000
2000
güç büyüdükçe artar.
18:07
So you want to avoidönlemek bigbüyük forcesgüçler as one principleprensip.
463
1072000
3000
Yani kural olarak büyük güçlerden kaçınmaya çalışırsınız.
18:10
So we'vebiz ettik showngösterilen that usingkullanma this,
464
1075000
2000
Bunu kullanarak şunu göstermiş oluyoruz ki
18:12
we can explainaçıklamak a hugeKocaman amounttutar of dataveri --
465
1077000
2000
çok sayıda veriyi açıklayabiliriz --
18:14
that exactlykesinlikle people are going about theironların liveshayatları planningplanlama movementshareketler
466
1079000
3000
insanlar hayatları boyunca hareketlerini planlamaktadırlar,
18:17
so as to minimizeküçültmek negativenegatif consequencessonuçları of noisegürültü.
467
1082000
3000
böylelikle gürültünün olumsuz sonuçlarını azaltmayı amaçlarlar.
18:20
So I hopeumut I've convincedikna olmuş you the brainbeyin is there
468
1085000
2000
Umarım beynin orda olduğuna sizi ikna etmişimdir,
18:22
and evolvedgelişti to controlkontrol movementhareket.
469
1087000
2000
ve hareketlerimizi kontrol etmek için evrildiğine.
18:24
And it's an intellectualentellektüel challengemeydan okuma to understandanlama how we do that.
470
1089000
3000
Ve bunu nasıl yaptığımız entellektüel bir meydan okumadır.
18:27
But it's alsoAyrıca relevantuygun
471
1092000
2000
Ama aynı zamanda
18:29
for diseasehastalık and rehabilitationRehabilitasyon.
472
1094000
2000
hastalıklar ve rehabilatasyonla alakalıdır.
18:31
There are manyçok diseaseshastalıklar whichhangi effectEfekt movementhareket.
473
1096000
3000
Hareketi etkileyen çok sayıda hastalık vardır.
18:34
And hopefullyinşallah if we understandanlama how we controlkontrol movementhareket,
474
1099000
2000
Umut ediyorum ki eğer hareketi nasıl kontrol ettiğimizi anlarsak,
18:36
we can applyuygulamak that to roboticrobotik technologyteknoloji.
475
1101000
2000
bunu robot teknolojisine yansıtabiliriz.
18:38
And finallyen sonunda, I want to remindhatırlatmak you,
476
1103000
2000
Ve son olarak size hatırlatmak istiyorum ki,
18:40
when you see animalshayvanlar do what look like very simplebasit tasksgörevler,
477
1105000
2000
hayvanların çok basitmiş gibi gözüken görevleri yaparken gördüğünüzde,
18:42
the actualgerçek complexitykarmaşa of what is going on insideiçeride theironların brainbeyin
478
1107000
2000
beyinlerinin içinde olanların karmaşıklığı
18:44
is really quiteoldukça dramaticdramatik.
479
1109000
2000
oldukça çarpıcıdır.
18:46
Thank you very much.
480
1111000
2000
Çok teşekkür ederim.
18:48
(ApplauseAlkış)
481
1113000
8000
(Alkışlar)
18:56
ChrisChris AndersonAnderson: QuickHızlı questionsoru for you, DanDan.
482
1121000
2000
Chris Anderson: Dan, sana hızlı bir soru.
18:58
So you're a movementhareket -- (DWDW: ChauvinistŞovenist.) -- chauvinistşovenist.
483
1123000
4000
Yani sen bir hareket şovenistisin.
19:02
Does that mean that you think that the other things we think our brainsbeyin are about --
484
1127000
3000
Bu şu mu demek oluyor, beynimizle ilgili olduğunu sandığımız diğer şeyler --
19:05
the dreamingrüya görmek, the yearningözlem, the fallingdüşen in love and all these things --
485
1130000
3000
rüya görmek, bir şeyi arzulamak, aşık olmak ve bunun gibi birçok şey --
19:08
are a kindtür of sideyan showgöstermek, an accidentkaza?
486
1133000
3000
asında bir yan ürün, birer kaza mı?
19:11
DWDW: No, no, actuallyaslında I think they're all importantönemli
487
1136000
2000
DW: Hayır, hayır, aslında bence onların tümü önemli,
19:13
to drivesürücü the right movementhareket behaviordavranış to get reproductionüreme in the endson.
488
1138000
3000
bizi aynı hareketi yeniden üretebilmeye yönelik doğru davranışa yöneltirler.
19:16
So I think people who studyders çalışma sensationduygu or memorybellek
489
1141000
3000
Yani inanıyorum ki his ve hafıza üzerine çalışan insanlar
19:19
withoutolmadan realizingfark why you're layingdöşeme down memorieshatıralar of childhoodçocukluk.
490
1144000
2000
bazen çocukluk anılarını neden sakladığımızı farketmezler.
19:21
The factgerçek that we forgetunutmak mostçoğu of our childhoodçocukluk, for exampleörnek,
491
1146000
3000
Mesela çocukluğumuzun büyük bir kısmını unutmamız
19:24
is probablymuhtemelen fine, because it doesn't effectEfekt our movementshareketler latersonra in life.
492
1149000
3000
olağandır, çünkü hayatımızın geri kalanındaki hareketlerimizi etkilemez
19:27
You only need to storemağaza things whichhangi are really going to effectEfekt movementhareket.
493
1152000
3000
Sadece hareketlerinizi gerçekten etkileyecek şeyleri saklama ihtiyacı duyarsınız.
19:30
CACA: So you think that people thinkingdüşünme about the brainbeyin, and consciousnessbilinç generallygenellikle,
494
1155000
3000
CA: Yani diyorsun ki beyin ve genel anlamda bilinç üzerinde düşünen insanlar
19:33
could get realgerçek insightIçgörü
495
1158000
2000
hareket bu oyunun neresinde
19:35
by sayingsöz, where does movementhareket playoyun in this gameoyun?
496
1160000
2000
diye düşünerek derinleşebilirler?
19:37
DWDW: So people have foundbulunan out for exampleörnek
497
1162000
2000
DW: Yani insanlar örneğin şunu bulmuştur
19:39
that studyingders çalışıyor visionvizyon in the absenceyokluk of realizingfark why you have visionvizyon
498
1164000
2000
neden görme duyumuz olduğunu farketmeden görme duyusu üzerine çalışmak
19:41
is a mistakehata.
499
1166000
2000
bir hatadır.
19:43
You have to studyders çalışma visionvizyon with the realizationgerçekleşme
500
1168000
2000
Görme duyusunu hareket sistemimizin
19:45
of how the movementhareket systemsistem is going to use visionvizyon.
501
1170000
2000
onu nasıl kullanacağını düşünerek çalışmalısınız.
19:47
And it useskullanımları it very differentlyfarklı olarak oncebir Zamanlar you think about it that way.
502
1172000
2000
Ve bu şekilde düşündüğünde onu çok farklı kullandığını görebilirsiniz
19:49
CACA: Well that was quiteoldukça fascinatingbüyüleyici. Thank you very much indeedaslında.
503
1174000
3000
CA: Evet, bu gerçekten etkileyiciydi. Çok teşekkür ederiz.
19:52
(ApplauseAlkış)
504
1177000
2000
(Alkış)
Translated by Ayca Bayraktaroglu
Reviewed by Meric Aydonat

▲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