TEDGlobal 2012
Read Montague: What we're learning from 5,000 brains
Read Montague: 5000 beyinden öğrendiklerimiz
Filmed:
Readability: 4
763,896 views
Fareler, böcekler ve hamsterler beyini araştırmak için tek yöntem değiller. Fonksiyonel MRI (fMRI) biliminsanların canlı, nefes alan, karar veren insanların beyin hareketlerinin haritasını çıkartmalarına imkan sağlıyor. Read Montague
bu teknoljinin nasıl birbirimizle olan komplike etkileşimlerimizi anlamamızda yardımcı olacağı ile ilgili genel açıklamalar yapıyor.
Read Montague - Behavioral Neuroscientist
What does "normal behavior" look like? To find out, Read Montague is imaging thousands of brains at work. Full bio
What does "normal behavior" look like? To find out, Read Montague is imaging thousands of brains at work. Full bio
Double-click the English transcript below to play the video.
00:16
Other people. Everyone is interested in other people.
0
474
2809
Diğer insanlar. Herkes diğer insanlar ile ilgilenir.
00:19
Everyone has relationships with other people,
1
3283
2123
Herkesin diğer insanlar ile ilişkileri vardır
00:21
and they're interested in these relationships
2
5406
1592
ve bu ilişkilerle ilgilenmeleri için
00:22
for a variety of reasons.
3
6998
1855
çeşitli sebepleri vardır.
00:24
Good relationships, bad relationships,
4
8853
2012
İyi ilişkiler, kötü ilişkiler,
00:26
annoying relationships, agnostic relationships,
5
10865
3146
can sıkıcı ilişkiler, kuşkucu ilişkiler,
00:29
and what I'm going to do is focus on the central piece
6
14011
3424
ve şimdi yapacağım şey etkileşimin iletişime giden
00:33
of an interaction that goes on in a relationship.
7
17435
3303
merkezi kısmına odaklanmak.
00:36
So I'm going to take as inspiration the fact that we're all
8
20738
2336
Diğer insanlarla etkileşimde ilgileniğimiz unsuru
00:38
interested in interacting with other people,
9
23074
2425
ilham olarak alacağım.
00:41
I'm going to completely strip it of all its complicating features,
10
25499
3832
bütün komplike özelliklerinden sıyırıp
00:45
and I'm going to turn that object, that simplified object,
11
29331
3894
bu sadeleştirilmiş objeyi
00:49
into a scientific probe, and provide the early stages,
12
33225
4150
bir bilimsel araştırmaya dönüştüreceğim. aynı anda etkileşime geçtikleri sırada
00:53
embryonic stages of new insights into what happens
13
37375
2449
iki beyine ne olduğu ile ilgili yeni anlayışın
00:55
in two brains while they simultaneously interact.
14
39824
3650
erken safhalarını, embriyonik safhalarını sağlayacağım.
00:59
But before I do that, let me tell you a couple of things
15
43474
2293
Fakat bunu yapmadan önce, bunu mümkün kılan
01:01
that made this possible.
16
45767
1699
bir çift şey söylememe izin verin.
01:03
The first is we can now eavesdrop safely
17
47466
2781
Birincisi biz artık emniyetli bir şekilde
01:06
on healthy brain activity.
18
50247
2711
sağlıklı beyin aktivitesine kulak misafiri olabiliyoruz.
01:08
Without needles and radioactivity,
19
52958
2577
İğnesiz ve radyoaktivitesiz,
01:11
without any kind of clinical reason, we can go down the street
20
55535
2863
herhangi bir klinik işlem olmadan, Manyetik rezonans görüntüleme
01:14
and record from your friends' and neighbors' brains
21
58398
3127
isimli bir metod kullanarak, caddeye çıkıp
01:17
while they do a variety of cognitive tasks, and we use
22
61525
2538
çeşitli zihinsel faaliyetler yaparken
01:19
a method called functional magnetic resonance imaging.
23
64063
3734
arkadaşlarınızın ve komşularınızın beyinlerinden kayıt alabiliriz.
01:23
You've probably all read about it or heard about in some
24
67797
2325
Sizler muhtemelen bunun canlı örnekleri ile ilgili birşeyler
01:26
incarnation. Let me give you a two-sentence version of it.
25
70122
4378
okumuş veya duymuşsunuzdur. Size iki cümlelik bir örneğini vereyim.
01:30
So we've all heard of MRIs. MRIs use magnetic fields
26
74500
3484
Hepimiz MRI cihazlarını duymuşuzdur. MRI cihazları manyetik alanlar ve
01:33
and radio waves and they take snapshots of your brain
27
77984
2029
radyo dalgaları kullanır ve sizin beyninizin,
01:35
or your knee or your stomach,
28
80013
2361
dizinizin veya midenizin
01:38
grayscale images that are frozen in time.
29
82374
2045
siyah beyaz anlık görüntülerini çeker.
01:40
In the 1990s, it was discovered you could use
30
84419
2321
1990'larda aynı makineleri farklı modda
01:42
the same machines in a different mode,
31
86740
2659
kullanabileceğiniz keşfedildi
01:45
and in that mode, you could make microscopic blood flow
32
89399
2346
ve bu modda beyinden bağımsız olarak
01:47
movies from hundreds of thousands of sites independently in the brain.
33
91745
3300
yüzbinlerce mikroskobik kan akışı filmi çekebiliyorsunuz.
01:50
Okay, so what? In fact, the so what is, in the brain,
34
95045
3200
Tamam, ya sonra? Aslında beyindeki
01:54
changes in neural activity, the things that make your brain work,
35
98245
3832
sinirsel aktiviteyi değiştiren, beyninizin çalışmasını sağlayan,
01:57
the things that make your software work in your brain,
36
102077
2010
beyninizdeki yazılımın çalışmasını sağlayan şeyler,
01:59
are tightly correlated with changes in blood flow.
37
104087
2489
kan akışınızın değişimi ile sıkıca bağlantılıdır.
02:02
You make a blood flow movie, you have an independent
38
106576
1973
Bir kan akışı filmi yaparsınız, bağımsız
02:04
proxy of brain activity.
39
108549
2339
bir beyin aktivitesi yerine geçer.
02:06
This has literally revolutionized cognitive science.
40
110888
3034
Bu zihinsel bilim ile ilgili tam bir devrimdir.
02:09
Take any cognitive domain you want, memory,
41
113922
1991
İstediğiniz herhangi bir zihinsel alan seçin, Hafıza,
02:11
motor planning, thinking about your mother-in-law,
42
115913
2141
planlama yapmak, kaynananızı düşünmek,
02:13
getting angry at people, emotional response, it goes on and on,
43
118054
3715
insanlara kızmak, duygusal tepkiler vermek, devam eder gider,
02:17
put people into functional MRI devices, and
44
121769
3089
insanlar işlevsel MRI cihazlarına koyun ve
02:20
image how these kinds of variables map onto brain activity.
45
124858
3383
bu tür değişkenlerin beyin aktivitesi üzerinde meydana getirdiği değişiklikleri görüntüleyin.
02:24
It's in its early stages, and it's crude by some measures,
46
128241
2849
Bu onun ilk aşamalarıdır ve işlenmemiş bazı ölçümleridir
02:26
but in fact, 20 years ago, we were at nothing.
47
131090
2568
fakat aslında 20 yıl önce sıfır noktasındaydık.
02:29
You couldn't do people like this. You couldn't do healthy people.
48
133658
2359
İnsanları bu şekilde yapamazsınız. Sağlıklı insanları yapamazsınız.
02:31
That's caused a literal revolution, and it's opened us up
49
136017
2488
Bu tam bir devrime neden oldu ve bize
02:34
to a new experimental preparation. Neurobiologists,
50
138505
2818
yeni bir deneysel hazırlanma sağladı. Nörobiyologların
02:37
as you well know, have lots of experimental preps,
51
141323
3760
bildiğiniz üzere çok çeşitli denekleri var,
02:40
worms and rodents and fruit flies and things like this.
52
145083
3141
solucanlar, kemirgenler, meyve sinekleri ve bunlar gibi şeyler.
02:44
And now, we have a new experimental prep: human beings.
53
148224
3397
Ve şimdi, yeni bir deneğimiz var, insan.
02:47
We can now use human beings to study and model
54
151621
3761
Artık yazılımları üzerinde çalışabilme ve modelleme için
02:51
the software in human beings, and we have a few
55
155382
2950
insanları kullanabiliyoruz ve bir miktar
02:54
burgeoning biological measures.
56
158332
2835
filizlenen biyolojik ölçümlerimiz var.
02:57
Okay, let me give you one example of the kinds of experiments that people do,
57
161167
3887
Evet, size insanların yaptıkları deneyler ile ilgili bir örnek vereyim
03:00
and it's in the area of what you'd call valuation.
58
165054
2677
ve bu sizin değerlendirme dediğiniz alan içerisinde.
03:03
Valuation is just what you think it is, you know?
59
167731
2135
Bildiğiniz gibi değerlendirme düşündüğünüz şeydir.
03:05
If you went and you were valuing two companies against
60
169866
2804
Eğer iki şirketi birbiri ile karşılaştırırsanız
03:08
one another, you'd want to know which was more valuable.
61
172670
2736
hangisinin daha değerli olduğunu bilmek isteyeceksiniz.
03:11
Cultures discovered the key feature of valuation thousands of years ago.
62
175406
3879
Kültürler değerlendirmenin kilit özelliğini binlerce yıl önce keşfettiler.
03:15
If you want to compare oranges to windshields, what do you do?
63
179285
2690
Portakal ile araba ön camını karşılaştırmak isterseniz ne yaparsınız?
03:17
Well, you can't compare oranges to windshields.
64
181975
2356
Portakal ve araba ön camını karşılaştıramazsınız.
03:20
They're immiscible. They don't mix with one another.
65
184331
2255
Karıştırılamazlar. Birisi diğeri ile karışmaz.
03:22
So instead, you convert them to a common currency scale,
66
186586
2351
Bunun yerine siz onları ortak bir değer ölçüsüne çevirirsiniz.
03:24
put them on that scale, and value them accordingly.
67
188937
2706
İkisinide bu ölçeğe koyarız ve buna göre değerlendiririz.
03:27
Well, your brain has to do something just like that as well,
68
191643
3436
Beyninizin de buna benzer birşey yapması gerekir
03:30
and we're now beginning to understand and identify
69
195079
2488
biz artık değerlemeye tabi tuttuğumuz
03:33
brain systems involved in valuation,
70
197567
2137
beyin sistemlerini anlayıp tanımlayabiliyoruz,
03:35
and one of them includes a neurotransmitter system
71
199704
2632
bunlardan bir tanesi hücreleri beyinsapında bulunan
03:38
whose cells are located in your brainstem
72
202336
2632
nörotransmitter sistemi kapsayan
03:40
and deliver the chemical dopamine to the rest of your brain.
73
204968
3175
ve dopamin kimyasalını beynin geri kalanına gönderendir.
03:44
I won't go through the details of it, but that's an important
74
208143
2442
Bunun detaylarına girmeyeceğim, fakat bu önemli bir
03:46
discovery, and we know a good bit about that now,
75
210585
2157
keşif ve bizim bunun hakkında bir parça bilgimiz var,
03:48
and it's just a small piece of it, but it's important because
76
212742
2230
sadece küçük bir parçası fakat bu önemli çünkü
03:50
those are the neurons that you would lose if you had Parkinson's disease,
77
214972
3275
bunlar Parkinson hastalığına yakalanmanız durumunda kaybedeceğiniz nöronlar,
03:54
and they're also the neurons that are hijacked by literally
78
218247
2016
ve bunlar aynı zamanda uyuşturucu bağımlılığı
03:56
every drug of abuse, and that makes sense.
79
220263
2232
tarafından gaspedilen nöronlar, ve bunun bir anlamı var.
03:58
Drugs of abuse would come in, and they would change
80
222495
2336
Uyuşturucu bağımlılığı gelir ve sizin
04:00
the way you value the world. They change the way
81
224831
1789
dünyayı değerlendirme şeklinizi değiştirir.
04:02
you value the symbols associated with your drug of choice,
82
226620
3199
sembollere, bakış açınız ile ilişkilendirerek anlamlar yüklersiniz
04:05
and they make you value that over everything else.
83
229819
2514
ve onlar sizin bunu herşeyin üzerinde yapmanızı sağlarlar.
04:08
Here's the key feature though. These neurons are also
84
232333
3021
Anahtar özellik şu. Bu nöronlar sizin
04:11
involved in the way you can assign value to literally abstract ideas,
85
235354
3501
tamamen soyut fikirlere atayabileceğiniz değerleri engeller
04:14
and I put some symbols up here that we assign value to
86
238855
2041
buraya çeşitli sebeplerden dolayı değer verdiğimiz
04:16
for various reasons.
87
240896
2720
bir takım semboller koydum.
04:19
We have a behavioral superpower in our brain,
88
243616
2689
Beynimizde davranışsal olarak çok güçlüyüzdür
04:22
and it at least in part involves dopamine.
89
246305
1753
ve en azından bir kısmı dopamin ile ilgilidir.
04:23
We can deny every instinct we have for survival for an idea,
90
248058
4189
Bir fikrin ayakta kalması için, bütün içgüdülerimizi reddedebiliriz,
04:28
for a mere idea. No other species can do that.
91
252247
4005
önemsiz bir fikir için. Başka hiçbir canlı türü bunu yapamaz.
04:32
In 1997, the cult Heaven's Gate committed mass suicide
92
256252
3606
1997 yılında "cennetin Kapısı" tarikatı o sıralarda görülebilen
04:35
predicated on the idea that there was a spaceship
93
259858
2215
Hale-Bopp kuyrukluyıldızının kuyruğunun arkasına
04:37
hiding in the tail of the then-visible comet Hale-Bopp
94
262073
3785
saklanan bir uzaygemisinin kendilerini bir sonraki seviyeye
04:41
waiting to take them to the next level. It was an incredibly tragic event.
95
265858
4272
götürmek için beklediği düşüncesi ile toplu intihar eylemi gerçekleştirdi.
04:46
More than two thirds of them had college degrees.
96
270130
3485
Üçte ikisinden fazlası üniversite mezunuydular.
04:49
But the point here is they were able to deny their instincts for survival
97
273615
3723
Buradaki ana nokta kendilerini kurtarmak için koyulanla
04:53
using exactly the same systems that were put there
98
277338
2866
tamamen benzer bir sistemi kullanan hayatta kalma
04:56
to make them survive. That's a lot of control, okay?
99
280204
4042
içgüdülerini reddedebilmeleriydi. Bu çok büyük bir hakimiyet değil mi?
05:00
One thing that I've left out of this narrative
100
284246
2089
Bu hikayenin dışında tuttuğum en belirli şey
05:02
is the obvious thing, which is the focus of the rest of my
101
286335
2234
ki kısa konuşmamın geri kalanının tamamını oluşturuyor,
05:04
little talk, and that is other people.
102
288569
2159
bu diğer insanlar.
05:06
These same valuation systems are redeployed
103
290728
2996
Bu benzer değerleme sistemleri diğer insanlarla olan
05:09
when we're valuing interactions with other people.
104
293724
2492
etkileşimleri değerlendirdiğimiz zaman yeniden düzenlenir.
05:12
So this same dopamine system that gets addicted to drugs,
105
296216
3271
Yani bu, ilaçlara bağlı benzer dopamin sistemi,
05:15
that makes you freeze when you get Parkinson's disease,
106
299487
2524
Parkinson hastalığına yakalandığınızda sizi dondurur,
05:17
that contributes to various forms of psychosis,
107
302011
3077
farklı biçimlerde akıl hastalıklarına katkıda bulunur,
05:20
is also redeployed to value interactions with other people
108
305088
3920
ayrıca insanlarla ilişkileri değerlendirmemizi yeniden düzenler.
05:24
and to assign value to gestures that you do
109
309008
2896
ve başkaları ile etkileşim halindeyken
05:27
when you're interacting with somebody else.
110
311904
2574
yaptığınız jestlere değer katar.
05:30
Let me give you an example of this.
111
314478
2577
Bunun bir örneğini vereyim.
05:32
You bring to the table such enormous processing power
112
317055
2967
Bu alanda zorluklara rağmen farkettiğiniz çok büyük işlem gücü
05:35
in this domain that you hardly even notice it.
113
320022
2624
ile ilgili bir fikir öne sürüyorsunuz.
05:38
Let me just give you a few examples. So here's a baby.
114
322646
1467
Birkaç örnek vereyim. Bu bir bebek.
05:40
She's three months old. She still poops in her diapers and she can't do calculus.
115
324113
3730
O üç aylık. hala bezine yapıyor ve hesap yapamıyor.
05:43
She's related to me. Somebody will be very glad that she's up here on the screen.
116
327843
3353
O benimle ilgilidir. Birisi onun burada ekranda olmasından çok memnun olacak.
05:47
You can cover up one of her eyes, and you can still read
117
331196
2376
Gözlerinden birisini örtebilirsiniz ve hala diğer gözünden
05:49
something in the other eye, and I see sort of curiosity
118
333572
2755
bir anlam çıkarabilirsiniz,bir gözünde merak görüyorum,
05:52
in one eye, I see maybe a little bit of surprise in the other.
119
336327
3597
diğerinde belki bir miktar şaşırma.
05:55
Here's a couple. They're sharing a moment together,
120
339924
3179
Bir çift. Birlikte bir an paylaşıyorlar
05:59
and we've even done an experiment where you can cut out
121
343103
1318
hatta bu karenin herhangi bir parçasını
06:00
different pieces of this frame and you can still see
122
344421
3007
kesip çıkarttığımız halde hala paylaştıklarını göreceğimiz bir deney bile yapmıştık.
06:03
that they're sharing it. They're sharing it sort of in parallel.
123
347428
2504
Onlar benzer şekilde paylaşıyorlar.
06:05
Now, the elements of the scene also communicate this
124
349932
2463
Bu görüntünün unsurları da bize bunu anlatıyorlar
06:08
to us, but you can read it straight off their faces,
125
352395
2235
fakat siz bunu dosdoğru yüzlerinden okuyabilirsiniz,
06:10
and if you compare their faces to normal faces, it would be a very subtle cue.
126
354630
3503
onların yüzlerini normal yüzlerle karşılaştırırsanız bu fazla göze batmayan bir belirtidir.
06:14
Here's another couple. He's projecting out at us,
127
358133
3347
İşte başka bir çift. erkek bizle ilgileniyor,
06:17
and she's clearly projecting, you know,
128
361480
2888
ve bayan ise açıkça, gördüğünüz gibi,
06:20
love and admiration at him.
129
364368
2263
sevgi ve hayranlık ile onunla.
06:22
Here's another couple. (Laughter)
130
366631
3635
İşte başka bir çift. (Kahkaha)
06:26
And I'm thinking I'm not seeing love and admiration on the left. (Laughter)
131
370266
5150
Soldakinde sevgi ve hayranlık görmediğimi düşünüyorum.(Kahkaha)
06:31
In fact, I know this is his sister, and you can just see
132
375416
2560
Aslında, ben onun kız kardeşi olduğunu biliyorum ve siz onun
06:33
him saying, "Okay, we're doing this for the camera,
133
377976
2513
"Tamam biz bunu kamera için yapıyoruz,
06:36
and then afterwards you steal my candy and you punch me in the face." (Laughter)
134
380489
5702
"daha sonra sen benim şekerlemelerimi alacaksın ve suratıma bir yumruk atacaksın." (Kahkaha)
06:42
He'll kill me for showing that.
135
386191
2106
Bunu gösterdiğim için beni öldürecek.
06:44
All right, so what does this mean?
136
388297
2797
Tamam, Peki bu ne demek?
06:46
It means we bring an enormous amount of processing power to the problem.
137
391094
3350
Bu, bizim soruna çok büyük miktarda işlem gücü getirdiğimiz anlamına gelir.
06:50
It engages deep systems in our brain, in dopaminergic
138
394444
3648
Beynimizin derin sistemlerine bağlıdır,
06:53
systems that are there to make you chase sex, food and salt.
139
398092
2818
seks, yemek ve tuz peşinde koşan dopaminerjik sistemlerine.
06:56
They keep you alive. It gives them the pie, it gives
140
400910
2894
Sizi canlı tutarlar. cenneti verir,
06:59
that kind of a behavioral punch which we've called a superpower.
141
403804
2904
süpergüç diye adlandırdığımız bir tür davranışsal güç verir.
07:02
So how can we take that and arrange a kind of staged
142
406708
3654
Bunu nasıl ele alabiliriz, sosyal etkileşimin bir aşaması
07:06
social interaction and turn that into a scientific probe?
143
410362
2698
olarak düzenleyebiliriz ve bilimsel bir araştırmaya dönüştürebiliriz.
07:08
And the short answer is games.
144
413060
2691
Kısa cevap oyunlardır.
07:11
Economic games. So what we do is we go into two areas.
145
415751
4404
Ekonomik oyunlar. Yani yaptığımız 2 alanı incelemektir.
07:16
One area is called experimental economics. The other area is called behavioral economics.
146
420155
3336
Bir alan deneysel ekonomi olarak adlandırılır. diğer alan ise davranışsal ekonomi olarak adlandırılır.
07:19
And we steal their games. And we contrive them to our own purposes.
147
423491
4078
Biz onların oyunlarını çalarız. Ve kendi amaçlarımıza uydururuz.
07:23
So this shows you one particular game called an ultimatum game.
148
427569
2967
Bu size ultimatom oyunu olarak adlandırılan belirli bir oyunu görterir.
07:26
Red person is given a hundred dollars and can offer
149
430536
1845
Kırmızı adama 100 dolar verilmiştir ve
07:28
a split to blue. Let's say red wants to keep 70,
150
432381
3723
maviye bir paylaşım teklif edebilir.Kırmızının 70'i kendisine saklayıp
07:32
and offers blue 30. So he offers a 70-30 split with blue.
151
436104
4086
maviye 30 teklif ettiğini farzedelim. Yani maviyle 70-30 bir paylaşım teklif ediyor.
07:36
Control passes to blue, and blue says, "I accept it,"
152
440190
2851
Kontrol maviye geçtiğinde mavi "Kabul ediyorum" diyor
07:38
in which case he'd get the money, or blue says,
153
443041
1956
ve bu durumda parayı alıyor veya
07:40
"I reject it," in which case no one gets anything. Okay?
154
444997
4307
"Kabul etmiyorum" diyor ve bu durumda kimse hiçbirşey alamıyor. Tamam mı?
07:45
So a rational choice economist would say, well,
155
449304
3392
Yani oransal seçimler ile ilgili ekonomistler
07:48
you should take all non-zero offers.
156
452696
2056
sıfır olmayan bütün teklifleri kabul edin diyeceklerdir.
07:50
What do people do? People are indifferent at an 80-20 split.
157
454752
3762
İnsanlar ne yapar. İnsanlar 80-20 paylaşımlara kayıtsız kalırlar.
07:54
At 80-20, it's a coin flip whether you accept that or not.
158
458514
3524
80-20 kabul edip etmeyeceğiniz bir yazı turadır.
07:57
Why is that? You know, because you're pissed off.
159
462038
2891
Neden böyledir? Bilirsiniz. çünkü sinirlisinizdir.
08:00
You're mad. That's an unfair offer, and you know what an unfair offer is.
160
464929
3609
Kızmışsınızdır. Bu adil olmayan bir tekliftir, ve siz adil olmayan bir teklifin ne olduğunu bilirsiniz.
08:04
This is the kind of game done by my lab and many around the world.
161
468538
2704
Bu benim labaratuarım ve dünyadaki birçokları tarafından yapılan bir oyundur.
08:07
That just gives you an example of the kind of thing that
162
471242
2544
Bu size bu oyunların araştırdığı türde bir örnek verir.
08:09
these games probe. The interesting thing is, these games
163
473786
3738
İlginç olan bu oyunlar sizden
08:13
require that you have a lot of cognitive apparatus on line.
164
477524
3707
bir sürü kavramsal cihazın doğrudan bağlantılı olmasını ister.
08:17
You have to be able to come to the table with a proper model of another person.
165
481231
2928
Masaya bir başka insanın uygun bir modeli ile gelebilmelisiniz.
08:20
You have to be able to remember what you've done.
166
484159
3213
Neler yaptığınızı hatırlayabilmelisiniz.
08:23
You have to stand up in the moment to do that.
167
487372
1420
Bunu yaptığınız zamanda dayanabilmelisiniz.
08:24
Then you have to update your model based on the signals coming back,
168
488792
3350
Sonra geri gelen sinyallere göre modelinizi güncellemelisiniz,
08:28
and you have to do something that is interesting,
169
492142
2972
derin düşünce denemesi türünden
08:31
which is you have to do a kind of depth of thought assay.
170
495114
2597
ilginç birşeyler yapmalısınız.
08:33
That is, you have to decide what that other person expects of you.
171
497711
3333
Bu, diğer insanın sizden ne beklediğinize karar verme zorunluluğunuzdur.
08:36
You have to send signals to manage your image in their mind.
172
501044
2954
Onların zihinlerindeki imajınızı yönetmek için sinyaller göndermelisiniz.
08:39
Like a job interview. You sit across the desk from somebody,
173
503998
2853
Bir iş görüşmesi gibi. Bir masada birilerinin karşısında oturuyorsunuz,
08:42
they have some prior image of you,
174
506851
1369
onlarda size ait bir ön imaj vardır,
08:44
you send signals across the desk to move their image
175
508220
2751
masanın diğer tarafına onların sizin hakkınızdaki kanılarını
08:46
of you from one place to a place where you want it to be.
176
510971
3920
istediğiniz şekilde değiştirebilmek için sinyaller gönderirsiniz.
08:50
We're so good at this we don't really even notice it.
177
514891
3385
Bunu gerçekten farkedemesek bile bu konuda çok iyiyizdir.
08:54
These kinds of probes exploit it. Okay?
178
518276
3767
Bu tür araştırmalar bunu kullanır, değil mi?
08:57
In doing this, what we've discovered is that humans
179
522043
1807
Bunu yaparken keşfettiğimiz şey insanların
08:59
are literal canaries in social exchanges.
180
523850
2331
sosyal değişimlerde bağımlı kanaryalar gibi oldukları.
09:02
Canaries used to be used as kind of biosensors in mines.
181
526181
3397
Kanaryalar bir çeşit biosensör gibi madenlerde kullanılırlardı.
09:05
When methane built up, or carbon dioxide built up,
182
529578
3560
Metan arttığı zaman, karbon dioksit arttığı zaman,
09:09
or oxygen was diminished, the birds would swoon
183
533138
4186
oksijen azaldığı zaman kuşlar insanlardan önce bayılırlardı
09:13
before people would -- so it acted as an early warning system:
184
537324
2326
erken uyarı sistemi gibi davranırdı:
09:15
Hey, get out of the mine. Things aren't going so well.
185
539650
2980
Madenden dışarı çıkın. Birşeyler iyi gitmiyor.
09:18
People come to the table, and even these very blunt,
186
542630
2954
İnsanlar ve hatta bu açıksözlü sahnelenen sosyal etkileşimler
09:21
staged social interactions, and they, and there's just
187
545584
2990
masaya gelirler
09:24
numbers going back and forth between the people,
188
548574
3016
insanlar arasında sadece numaralar ileri geri gider gelir.
09:27
and they bring enormous sensitivities to it.
189
551590
2199
ve çok büyük hassasiyet getirirler.
09:29
So we realized we could exploit this, and in fact,
190
553789
2689
Bundan faydalanabileceğimizi fark ettik, hatta
09:32
as we've done that, and we've done this now in
191
556478
2556
biz bunu yaparken ve biz bunu şimdi
09:34
many thousands of people, I think on the order of
192
559034
2694
binlerce kişiye yaptık, Yaklaşık olarak
09:37
five or six thousand. We actually, to make this
193
561728
2165
beş veya altı bin civarında olduğunu düşünüyorum.
09:39
a biological probe, need bigger numbers than that,
194
563893
2224
Biz bunu bir biyolojik araştırma yapmak için aslında
09:42
remarkably so. But anyway,
195
566117
3674
bundan daha büyük dikkat çekici sayılara ihtiyacımız var.
09:45
patterns have emerged, and we've been able to take
196
569791
2004
Fakat nasılsa örnekler ortaya çıkmış ve
09:47
those patterns, convert them into mathematical models,
197
571795
3836
bu örnekleri alabiliyoruz, bunları matematiksel modellere dönüştürebiliyoruz,
09:51
and use those mathematical models to gain new insights
198
575631
2689
ve bu matematiksel modelleri yeni anlayışlar
09:54
into these exchanges. Okay, so what?
199
578320
2131
elde etmek için kullanırız. Tamam, ne olmuş yani?
09:56
Well, the so what is, that's a really nice behavioral measure,
200
580451
3313
Yani bu gerçekten güzel bir davranışsal ölçüm
09:59
the economic games bring to us notions of optimal play.
201
583764
3319
ekonomik oyunlar bize en uygun oyun kavramını kazandırırlar.
10:02
We can compute that during the game.
202
587083
2484
Bunu oyun sırasında hesaplayabiliriz.
10:05
And we can use that to sort of carve up the behavior.
203
589567
2953
Bunu bir nevi davranışa üstün gelmek için kullanabiliriz.
10:08
Here's the cool thing. Six or seven years ago,
204
592520
4330
Şimdi en harika olanı. Altı veya yedi yıl önce
10:12
we developed a team. It was at the time in Houston, Texas.
205
596850
2550
bir takım geliştirdik. O zamanlar Houston Teksas'taydı.
10:15
It's now in Virginia and London. And we built software
206
599400
3394
Şimdi Virginia ve Londra'da. İnternet üzerinden
10:18
that'll link functional magnetic resonance imaging devices
207
602794
3207
kullanımda olan manyetik rezonans görüntüleme cihazlarını
10:21
up over the Internet. I guess we've done up to six machines
208
606001
4035
balğlayan bir yazılım ürettik. Bir seferde 6 makinayı bağladığımızı tahmine ediyorum
10:25
at a time, but let's just focus on two.
209
610036
1981
ama gelin 2 tane üzerine odaklanalım.
10:27
So it synchronizes machines anywhere in the world.
210
612017
3058
Yani dünyanın herhangi bir yerindeki makineleri senkronize edebiliyor.
10:30
We synchronize the machines, set them into these
211
615075
3169
Makineleri senkronize ederiz,
10:34
staged social interactions, and we eavesdrop on both
212
618244
1983
bu sahnelenen sosyal etkileşime ayarlarız,
10:36
of the interacting brains. So for the first time,
213
620227
1666
etkileşim içindeki beyinleri gizlice dinleriz.
10:37
we don't have to look at just averages over single individuals,
214
621893
3607
İlk sefer için tekil bireylerin ortalamalarına bakmak zorunda değiliz
10:41
or have individuals playing computers, or try to make
215
625500
2897
veya bilgisayar oyunu oynamalarına göz yumabiliriz veya bu yolla
10:44
inferences that way. We can study individual dyads.
216
628397
2763
sonuç çıkarabiliriz. Birbirinden farklı 2 bireyi çalışabiliriz.
10:47
We can study the way that one person interacts with another person,
217
631160
2785
Bir kişinin diğeri ile etkileşim şeklini çalışabiliriz.
10:49
turn the numbers up, and start to gain new insights
218
633945
2564
sayıları arttırırız ve normal bilişsel sınırlar içerisinde
10:52
into the boundaries of normal cognition,
219
636509
2515
yeni anlayışlar elde ederiz,
10:54
but more importantly, we can put people with
220
639024
2732
fakat daha önemlisi, insanları
10:57
classically defined mental illnesses, or brain damage,
221
641756
3337
klasik olarak tanımlanmış zihinsel hastalıklar veya beyin hasarları
11:00
into these social interactions, and use these as probes of that.
222
645093
3551
ile sosyal etkileşimler içerisine koyarız, ve bunları bunun araştırması olarak kullanırız.
11:04
So we've started this effort. We've made a few hits,
223
648644
2350
yani biz bu çabaya başladık. birkaç küçük isabetimiz oldu,
11:06
a few, I think, embryonic discoveries.
224
650994
2449
bir kaç, başlangıç aşamasında keşifler.
11:09
We think there's a future to this. But it's our way
225
653443
2812
Bunda bir gelecek olduğunu düşünüyoruz.
11:12
of going in and redefining, with a new lexicon,
226
656255
2560
Bu yeniden tanımlamada veri sözlüğü ile,
11:14
a mathematical one actually, as opposed to the standard
227
658815
4022
daha matematiksel, bizim şimdiye kadar düşündüğümüz
11:18
ways that we think about mental illness,
228
662837
2578
standart zihinsel hastalıkların karşısında kendi yolumuz.
11:21
characterizing these diseases, by using the people
229
665415
2067
bu hastalıkları, insanları
11:23
as birds in the exchanges. That is, we exploit the fact
230
667482
3007
kuşların yerine koyarak tanımlıyoruz. Bu sağlıklı insanın
11:26
that the healthy partner, playing somebody with major depression,
231
670489
4244
büyük depresyonda birisi ile oynaması,
11:30
or playing somebody with autism spectrum disorder,
232
674733
2910
otizm hastalığı olan birisi ile oynaması,
11:33
or playing somebody with attention deficit hyperactivity disorder,
233
677643
3850
veya hiperaktif dikkat eksikliği hastalığı olan birisi ile oynaması durumunu kulandığımız durumdur.
11:37
we use that as a kind of biosensor, and then we use
234
681493
3219
bunu bir tür biosensör olarak kullanırız ve bu kişiyi
11:40
computer programs to model that person, and it gives us
235
684712
2644
modellemek için bilgisayar programları kullanırız ve bu bize
11:43
a kind of assay of this.
236
687356
2470
bunun bir tahlilini verir.
11:45
Early days, and we're just beginning, we're setting up sites
237
689826
2131
İlk zamanlar, başlangıçtaydık, dünyanın
11:47
around the world. Here are a few of our collaborating sites.
238
691957
3410
dört bir yanında siteler kuruyorduk. Bunlar birlikte çalıştığımız sitelerden bazıları.
11:51
The hub, ironically enough,
239
695367
2309
Dağıtım soketi yeterince ironik bir şekilde
11:53
is centered in little Roanoke, Virginia.
240
697676
2889
Roanoke Virginia'da kurulmuştu.
11:56
There's another hub in London, now, and the rest
241
700565
2269
Şimdi diğer bir dağıtım merkezi Londra'da. Geri kalanlar
11:58
are getting set up. We hope to give the data away
242
702834
4009
kuruluyorlar. Verileri başka bir platformda paylaşmayı umuyoruz.
12:02
at some stage. That's a complicated issue
243
706843
3673
Bunu dünyanın geri kalanında kullanılır hale getirmek
12:06
about making it available to the rest of the world.
244
710516
2994
komplike bir mesele.
12:09
But we're also studying just a small part
245
713510
1847
Biz aynı zamanda bizi insan olarak neyin ilginç
12:11
of what makes us interesting as human beings, and so
246
715357
2267
yaptığı konusunun bir kısmı üzerinde de çalışıyoruz.
12:13
I would invite other people who are interested in this
247
717624
2041
Bu konu ile ilgilenen herkesi
12:15
to ask us for the software, or even for guidance
248
719665
2569
bize bu yazılım ile ilgili sorular sormak ve bununla nasıl daha ileriye gidebileceğimiz
12:18
on how to move forward with that.
249
722234
2219
ile ilgili rehberlik yapmak üzere davet etmek istiyorum.
12:20
Let me leave you with one thought in closing.
250
724453
2341
Kapanışta sizinle bir düşüncemi daha paylaşmama izin verin.
12:22
The interesting thing about studying cognition
251
726794
1942
Kavrayış konusunda çalışma ile ilgili ilginç olan şey
12:24
has been that we've been limited, in a way.
252
728736
3732
kısıtlı olduğumuzdu, bir şekilde.
12:28
We just haven't had the tools to look at interacting brains
253
732468
2943
Simultane olarak etkileşim içinde olan beyinlere
12:31
simultaneously.
254
735411
1200
bakabilecek cihazlarımız yoktu.
12:32
The fact is, though, that even when we're alone,
255
736611
2470
Hakikat, yanlız olduğumuz zaman bile,
12:34
we're a profoundly social creature. We're not a solitary mind
256
739081
4111
son derece sosyal varlıklar olduğumuz. Bizler bizi dünyadaki
12:39
built out of properties that kept it alive in the world
257
743192
4373
diğer insanlardan bağımsız olarak hayatta tutan,
12:43
independent of other people. In fact, our minds
258
747565
3948
yalnız birer zihin değiliz. Hatta zihinlerimiz
12:47
depend on other people. They depend on other people,
259
751513
2870
diğer insanlara bağlıdır. Onlar diğer insanlara bağlıdır
12:50
and they're expressed in other people,
260
754383
1541
ve diğer insanlarla ifade edilirler.
12:51
so the notion of who you are, you often don't know
261
755924
3652
Yani kim olduğunuz kavramını
12:55
who you are until you see yourself in interaction with people
262
759576
2688
size yakın olan diğer insanlarla,
12:58
that are close to you, people that are enemies of you,
263
762264
2406
düşmanlarınızla, size kuşku ile yaklaşanlarla
13:00
people that are agnostic to you.
264
764670
2545
etkileşene kadar genellikle bilmezsiniz.
13:03
So this is the first sort of step into using that insight
265
767215
3776
Bu bir nevi bizi neyin insan yaptığı anlayışını kullanmaya
13:06
into what makes us human beings, turning it into a tool,
266
770991
3295
bir cihaza dönüştürüp, zihinsel hastalıklar ile ilgili yeni anlayışlar
13:10
and trying to gain new insights into mental illness.
267
774286
1978
elde etmeye çalışmak yönelik ilk adım
13:12
Thanks for having me. (Applause)
268
776264
3121
Beni dinlediğiniz için teşekkür ederim. (Alkış)
13:15
(Applause)
269
779385
3089
(Alkış)
ABOUT THE SPEAKER
Read Montague - Behavioral NeuroscientistWhat does "normal behavior" look like? To find out, Read Montague is imaging thousands of brains at work.
Why you should listen
Until recently, the world's curiosity about our brains seemed to focus on abnormal behavior. Which of course left a big question unanswered: Do we even know what "normal behavior" is? Through the landmark Roanoke Brain Study, Read Montague is hoping to find that out, exploring the everyday tasks of brains -- making decisions, understanding social context, and relating to others -- by neuroimaging some 5,000 people, ages 18-85, over a period of many years.
Montague's teams in Virginia and in London lead fascinating research in computational neuroscience (how the brain's "machinery" works), offering insight into the relationship between the social and cognitive functions. For instance, a recent study from his group found that in small social groups, some people will alter the expression of their IQ in reaction to social pressures -- revising, in almost all cases, downward.
Read Montague | Speaker | TED.com