ABOUT THE SPEAKER
Sebastian Seung - Computational neuroscientist
Sebastian Seung is a leader in the new field of connectomics, currently the hottest space in neuroscience, which studies, in once-impossible detail, the wiring of the brain.

Why you should listen

In the brain, neurons are connected into a complex network. Sebastian Seung and his lab at MIT are inventing technologies for identifying and describing the connectome, the totality of connections between the brain's neurons -- think of it as the wiring diagram of the brain. We possess our entire genome at birth, but things like memories are not "stored" in the genome; they are acquired through life and accumulated in the brain. Seung's hypothesis is that "we are our connectome," that the connections among neurons is where memories and experiences get stored.

Seung and his collaborators, including Winfried Denk at the Max Planck Institute and Jeff Lichtman at Harvard University, are working on a plan to thin-slice a brain (probably starting with a mouse brain) and trace, from slice to slice, each neural pathway, exposing the wiring diagram of the brain and creating a powerful new way to visualize the workings of the mind. They're not the first to attempt something like this -- Sydney Brenner won a Nobel for mapping all the 7,000 connections in the nervous system of a tiny worm, C. elegans. But that took his team a dozen years, and the worm only had 302 nerve cells. One of Seung's breakthroughs is in using advanced imagining and AI to handle the crushing amount of data that a mouse brain will yield and turn it into richly visual maps that show the passageways of thought and sensation.

More profile about the speaker
Sebastian Seung | Speaker | TED.com
TEDGlobal 2010

Sebastian Seung: I am my connectome

Sebastian Seung:Konektomum neyse oyum.

Filmed:
1,131,223 views

Sebastian Seung beyindeki her nöron arasındaki bağlantılara odaklanan çok iddialı yeni bir beyin modelinin haritasını çıkarmaktadır. Bu modele "konektom" demektedir, sahip olduğumuz konektom genomumuz kadar bize özgüdür -- bunu anlamak beynimizi ve zihnimizi anlamak için yepyeni ufuklar açabilir.
- Computational neuroscientist
Sebastian Seung is a leader in the new field of connectomics, currently the hottest space in neuroscience, which studies, in once-impossible detail, the wiring of the brain. Full bio

Double-click the English transcript below to play the video.

00:17
We livecanlı in in a remarkabledikkat çekici time,
0
2000
3000
Kayda değer bir dönemde yaşıyoruz,
00:20
the ageyaş of genomicsgenom.
1
5000
3000
genom bilimi çağı.
00:23
Your genomegenom is the entiretüm sequencesıra of your DNADNA.
2
8000
3000
Genomunuz DNAnızın tüm dizisidir.
00:26
Your sequencesıra and mineMayın are slightlyhafifçe differentfarklı.
3
11000
3000
Sizin diziniz ile benimki biraz farklıdır.
00:29
That's why we look differentfarklı.
4
14000
2000
Bu yüzden farklı görünüyoruz.
00:31
I've got brownkahverengi eyesgözleri;
5
16000
2000
Benim gözlerim kahverengi.
00:33
you mightbelki have bluemavi or graygri.
6
18000
3000
Sizinki mavi ya da gri olabilir.
00:36
But it's not just skin-deepbulurlar.
7
21000
2000
Ama bu sadece yüzeydeki şeylerle ilgili değil.
00:38
The headlineshaber başlıkları tell us
8
23000
2000
Manşetlere göre
00:40
that genesgenler can give us scarykorkutucu diseaseshastalıklar,
9
25000
3000
genler bize korkunç hastalıklar verebilir,
00:43
maybe even shapeşekil our personalitykişilik,
10
28000
3000
hatta belki kişiliğimizi şekillendirebilir
00:46
or give us mentalzihinsel disordersbozukluklar.
11
31000
3000
veya bize akıl hastalıkları verebilir.
00:49
Our genesgenler seemgörünmek to have
12
34000
3000
Görünen o ki genlerimiz
00:52
awesomemüthiş powergüç over our destinieskaderlerini.
13
37000
3000
kaderimiz üzerinde büyük bir güce sahip.
00:56
And yethenüz, I would like to think
14
41000
3000
Buna rağmen ben genlerimden fazlası
00:59
that I am more than my genesgenler.
15
44000
3000
olduğumu düşünmeyi terchi ederim.
01:04
What do you guys think?
16
49000
2000
Siz ne düşünüyorsunuz?
01:06
Are you more than your genesgenler?
17
51000
3000
Genlerinizden daha fazlası mısınız?
01:09
(AudienceSeyirci: Yes.) Yes?
18
54000
2000
(Seyirciler: Evet.) Evet?
01:13
I think some people agreeanlaşmak with me.
19
58000
2000
Galiba bazı insanlar bana katılıyor.
01:15
I think we should make a statementaçıklama.
20
60000
2000
Sanırım bu iddiayı dile getirmeliyiz.
01:17
I think we should say it all togetherbirlikte.
21
62000
2000
Bence bunu hep birlikte söylemeliyiz.
01:20
All right: "I'm more than my genesgenler" -- all togetherbirlikte.
22
65000
3000
Pekala: "Ben genlerimden daha fazlasıyım" -- hep beraber.
01:23
EverybodyHerkes: I am more than my genesgenler.
23
68000
4000
Herkes: Ben genlerimden daha fazlasıyım.
01:27
(CheeringTezahürat)
24
72000
2000
(Neşeli)
01:30
SebastianSebastian SeungSeung: What am I?
25
75000
2000
Sebastian Seung: Ben neyim?
01:32
(LaughterKahkaha)
26
77000
3000
(Gülüşmeler)
01:35
I am my connectomeconnectome.
27
80000
3000
Konektomum neyse ben oyum.
01:40
Now, sincedan beri you guys are really great,
28
85000
2000
Şimdi, siz harika insanlar olduğunuza göre
01:42
maybe you can humormizah me and say this all togetherbirlikte too.
29
87000
2000
belki beni eğlendirebilir ve bunu da hep birlikte söyleyebilirsiniz.
01:44
(LaughterKahkaha)
30
89000
2000
(Gülüşmeler)
01:46
Right. All togetherbirlikte now.
31
91000
2000
Pekala. Şimdi hep birlikte.
01:48
EverybodyHerkes: I am my connectomeconnectome.
32
93000
3000
Herkes: Konektomum neyse ben oyum.
01:53
SSSS: That soundedkulağa great.
33
98000
2000
SS: Bu harikaydı.
01:55
You know, you guys are so great, you don't even know what a connectomeconnectome is,
34
100000
2000
O kadar harikasınız ki, konektom nedir bilmediğiniz halde
01:57
and you're willingistekli to playoyun alonguzun bir with me.
35
102000
2000
bana eşlik ediyorsunuz.
01:59
I could just go home now.
36
104000
3000
Ben de şimdi eve gidebilirim.
02:02
Well, so faruzak only one connectomeconnectome is knownbilinen,
37
107000
3000
Pekala, şimdiye dek sadece tek bir konektom biliniyor
02:05
that of this tinyminik wormsolucan.
38
110000
3000
ve o da bu minik kurtçuğa ait.
02:08
Its modestmütevazi nervoussinir systemsistem
39
113000
2000
Onun basit sinir sistemi
02:10
consistsoluşur of just 300 neuronsnöronlar.
40
115000
2000
sadece 300 nörondan ibaret.
02:12
And in the 1970s and '80s,
41
117000
2000
1970ler ve 80lerde,
02:14
a teamtakım of scientistsBilim adamları
42
119000
2000
bir grup bilim insanı
02:16
mappedeşlenen all 7,000 connectionsbağlantıları
43
121000
2000
bu nöronlar arasındaki 7000 bağlantının
02:18
betweenarasında the neuronsnöronlar.
44
123000
2000
haritasını çıkardı.
02:21
In this diagramdiyagram, everyher nodedüğüm is a neuronnöron,
45
126000
2000
Bu diyagramda her nokta bir nörondur
02:23
and everyher linehat is a connectionbağ.
46
128000
2000
ve her çizgi de bir bağlantı.
02:25
This is the connectomeconnectome
47
130000
2000
Bu C. elegans kurtçuğunun
02:27
of the wormsolucan C. eleganselegans.
48
132000
4000
konektomudur.
02:31
Your connectomeconnectome is faruzak more complexkarmaşık than this
49
136000
3000
Sizin konektomunuz bundan çok daha karmaşıktır
02:34
because your brainbeyin
50
139000
2000
çünkü sizin beyninizde
02:36
containsiçeren 100 billionmilyar neuronsnöronlar
51
141000
2000
100 milyar nöron ve
02:38
and 10,000 timeszamanlar as manyçok connectionsbağlantıları.
52
143000
3000
bundan 10.000 kat daha çok bağlantı vardır.
02:41
There's a diagramdiyagram like this for your brainbeyin,
53
146000
2000
Sizin beyniniz için de bunun gibi bir diyagram var
02:43
but there's no way it would fituygun on this slidekaymak.
54
148000
3000
ama onu bu ekrana sığdıramam.
02:47
Your connectomeconnectome containsiçeren one millionmilyon timeszamanlar more connectionsbağlantıları
55
152000
3000
Sizin konektomunuzdaki bağlantı sayısı genomunuzdaki harflerden
02:50
than your genomegenom has lettersharfler.
56
155000
3000
bir milyon kat daha fazladır.
02:53
That's a lot of informationbilgi.
57
158000
2000
Bu epey çok bilgi demektir.
02:55
What's in that informationbilgi?
58
160000
3000
Peki bu bilginin anlamı ne?
02:59
We don't know for sure, but there are theoriesteoriler.
59
164000
3000
Tam olarak bilmiyoruz ama bazı teoriler var.
03:02
SinceBeri the 19thinci centuryyüzyıl, neuroscientistsnörologlar have speculatedileri sürüldü
60
167000
3000
19. yüzyıldan beri nörobilimciler çeşitli şeyler düşündüler,
03:05
that maybe your memorieshatıralar --
61
170000
2000
belki de hafızalarınız --
03:07
the informationbilgi that makesmarkaları you, you --
62
172000
2000
yani sizi siz yapan bilgiler --
03:09
maybe your memorieshatıralar are storeddepolanan
63
174000
2000
beyinleriniz arasındaki bağlantılarda
03:11
in the connectionsbağlantıları betweenarasında your brain'sbeyni neuronsnöronlar.
64
176000
2000
depolanmaktadır.
03:15
And perhapsbelki other aspectsyönleri of your personalkişisel identityKimlik --
65
180000
2000
Ve belki kişisel kimliğinizin diğer noktaları da --
03:17
maybe your personalitykişilik and your intellectakıl --
66
182000
3000
belki de kişiliğiniz ve düşünce dünyanız --
03:20
maybe they're alsoAyrıca encodedkodlanmış
67
185000
2000
belki bunlar da
03:22
in the connectionsbağlantıları betweenarasında your neuronsnöronlar.
68
187000
3000
nöronlarınız arasındaki bağlantılarla kodlanmıştır.
03:26
And so now you can see why I proposedönerilen this hypothesishipotez:
69
191000
3000
Ve şimdi benim neden şu hipotezi ortaya attığımı görebilirsiniz sanırım:
03:29
I am my connectomeconnectome.
70
194000
3000
Konektomum neyse ben oyum.
03:32
I didn't asksormak you to chantilahi it because it's truedoğru;
71
197000
3000
Bu doğru olduğu için istemedim bunu hep bir ağızdan söylemenizi.
03:35
I just want you to rememberhatırlamak it.
72
200000
2000
Sadece hatırlamanızı istiyorum.
03:37
And in factgerçek, we don't know if this hypothesishipotez is correctdoğru,
73
202000
2000
Aslında bu hipotez doğru mu bilmiyoruz
03:39
because we have never had technologiesteknolojiler
74
204000
2000
çünkü bunu test edebilecek kadar güçlü
03:41
powerfulgüçlü enoughyeterli to testÖlçek it.
75
206000
2000
teknolojimiz hiç olmamıştı.
03:44
FindingBulma that wormsolucan connectomeconnectome
76
209000
3000
O kurtçuğun konektomunu bulmak
03:47
tookaldı over a dozendüzine yearsyıl of tedioussıkıcı laboremek.
77
212000
3000
12 yıldan daha uzun süre boyunca çok ciddi emek gerektirdi.
03:50
And to find the connectomesconnectomes of brainsbeyin more like our ownkendi,
78
215000
3000
Ve bizimki gibi beyinlerin konektoumunu bulmak için
03:53
we need more sophisticatedsofistike technologiesteknolojiler, that are automatedotomatikleştirilmiş,
79
218000
3000
konektomları bulmamızı hızlandıracak
03:56
that will speedhız up the processsüreç of findingbulgu connectomesconnectomes.
80
221000
3000
daha sofistike ve otomatik teknolojilere ihtiyacımız var.
03:59
And in the nextSonraki fewaz minutesdakika, I'll tell you about some of these technologiesteknolojiler,
81
224000
3000
Önümüzdeki birkaç dakika boyunca size şu anda benim ve çalışma arkadaşlarımın
04:02
whichhangi are currentlyşu anda underaltında developmentgelişme
82
227000
2000
laboratuvarlarında geliştirilmekte olan
04:04
in my lablaboratuvar and the labslaboratuarları of my collaboratorsortak çalışanlar.
83
229000
3000
teknolojilerden bahsedeceğim.
04:08
Now you've probablymuhtemelen seengörüldü picturesresimler of neuronsnöronlar before.
84
233000
3000
Muhtemelen daha önce nöron resimleri görmüşsünüzdür.
04:11
You can recognizetanımak them instantlyanında
85
236000
2000
Onları fantastik şekillerine bakarak
04:13
by theironların fantasticfantastik shapesşekiller.
86
238000
3000
hemen tanıyabilirsiniz.
04:16
They extenduzatmak long and delicatenarin branchesdalları,
87
241000
3000
Uzun ve ince dallar boyunca uzanırlar,
04:19
and in shortkısa, they look like treesağaçlar.
88
244000
3000
kısaca ağaçlara benzerler.
04:22
But this is just a singletek neuronnöron.
89
247000
3000
Ama bu sadece tek bir nöron.
04:25
In ordersipariş to find connectomesconnectomes,
90
250000
2000
Konektomları bulabilmek için
04:27
we have to see all the neuronsnöronlar at the sameaynı time.
91
252000
3000
tüm nöronları aynı anda görmemiz gerekiyor.
04:30
So let's meetkarşılamak BobbyBobby KasthuriKasthuri,
92
255000
2000
Bu yüzden Bobby Kasthuri ile tanışalım,
04:32
who worksEserleri in the laboratorylaboratuvar of JeffJeff LichtmanLichtman
93
257000
2000
kendisi Harvard Üniversitesi'nde Jeff Lichtman'ın laboratuvarında
04:34
at HarvardHarvard UniversityÜniversitesi.
94
259000
2000
çalışıyor.
04:36
BobbyBobby is holdingtutma fantasticallyfantastik thinince slicesdilimleri
95
261000
2000
Bobby fare beyninin çok ince
04:38
of a mousefare brainbeyin.
96
263000
2000
dilimlerini tutuyor.
04:40
And we're zoomingYakınlaştırma in by a factorfaktör of 100,000 timeszamanlar
97
265000
3000
Ve 100.000 kere büyütüyoruz
04:44
to obtainelde etmek the resolutionçözüm,
98
269000
2000
ki tüm nöronların dallarını
04:46
so that we can see the branchesdalları of neuronsnöronlar all at the sameaynı time.
99
271000
3000
aynı zamanda görebilelim.
04:50
ExceptHariç, you still mayMayıs ayı not really recognizetanımak them,
100
275000
3000
Ancak yine de onları seçemiyor olabilirsiniz
04:53
and that's because we have to work in threeüç dimensionsboyutlar.
101
278000
3000
çünkü bunun için üç boyutta çalışmamız gerekiyor.
04:56
If we take manyçok imagesGörüntüler of manyçok slicesdilimleri of the brainbeyin
102
281000
2000
Eğer beyin dilimlerinin pek çok görüntüsünü alıp
04:58
and stackyığın them up,
103
283000
2000
üst üste yerleştirirsek
05:00
we get a three-dimensional3 boyutlu imagegörüntü.
104
285000
2000
üç boyutlu bir görüntü elde ederiz.
05:02
And still, you mayMayıs ayı not see the branchesdalları.
105
287000
2000
Yine de belki dalları göremeyebilirsiniz.
05:04
So we startbaşlama at the topüst,
106
289000
2000
Bu yüzden tepeden başlayıp
05:06
and we colorrenk in the cross-sectionkesit of one branchşube in redkırmızı,
107
291000
3000
bir dalın kesitini kırmızı ile renklendiriyoruz
05:09
and we do that for the nextSonraki slicedilim
108
294000
2000
ve bunu bir sonraki dilim için yapıyoruz
05:11
and for the nextSonraki slicedilim.
109
296000
2000
ve bir sonraki dilim için de.
05:13
And we keep on doing that,
110
298000
2000
Ve bunu dilim dilim
05:15
slicedilim after slicedilim.
111
300000
3000
yapmayı sürdürüyoruz.
05:18
If we continuedevam et throughvasitasiyla the entiretüm stackyığın,
112
303000
2000
Eğer tüm yığın boyunca devam edersek
05:20
we can reconstructyeniden yapılandırma the three-dimensional3 boyutlu shapeşekil
113
305000
3000
bir nöronun dalının küçük bir parçasının
05:23
of a smallküçük fragmentparça of a branchşube of a neuronnöron.
114
308000
3000
üç boyutlu şeklini yeniden oluşturabiliriz.
05:26
And we can do that for anotherbir diğeri neuronnöron in greenyeşil.
115
311000
2000
Ve bunu bir başka nöron için yeşil renk kullanarak yapabiliriz.
05:28
And you can see that the greenyeşil neuronnöron touchesdokunuşlar the redkırmızı neuronnöron
116
313000
2000
Ve yeşil nöron ile kırmızı nöronun iki noktada
05:30
at two locationsyerleri,
117
315000
2000
temas ettiklerini görebilirsiniz,
05:32
and these are what are calleddenilen synapsessinapsların.
118
317000
2000
bu oluşuma sinaps denir.
05:34
Let's zoomyakınlaştırma in on one synapseSYNAPSE,
119
319000
2000
Bir sinapsa yakından bakalım.
05:36
and keep your eyesgözleri on the interior of the greenyeşil neuronnöron.
120
321000
3000
Ve gözlerimizi de yeşil nöronun içinden ayırmayalım.
05:39
You should see smallküçük circlesçevreler --
121
324000
2000
Küçük çemberleri görebiliyor olmalısınız.
05:41
these are calleddenilen vesiclesveziküller.
122
326000
3000
Bunlara kesecik denir.
05:44
They containiçermek a moleculemolekül know as a neurotransmitternörotransmitter.
123
329000
3000
İçlerinde nörotransmiter olarak bilinen bir molekül vardır.
05:47
And so when the greenyeşil neuronnöron wants to communicateiletişim kurmak,
124
332000
2000
Yeşil nöron iletişim kurmak istediğinde,
05:49
it wants to sendgöndermek a messagemesaj to the redkırmızı neuronnöron,
125
334000
2000
kırmızı nörona bir mesaj göndermek istediğinde,
05:51
it spitstükürüyor out neurotransmitternörotransmitter.
126
336000
3000
dışarı nörotransmiter salgılar.
05:54
At the synapseSYNAPSE, the two neuronsnöronlar
127
339000
2000
Sinaps bölgesinde iki nöronun
05:56
are said to be connectedbağlı
128
341000
2000
tıpkı telefonda konuşan iki arkadaş gibi
05:58
like two friendsarkadaşlar talkingkonuşma on the telephonetelefon.
129
343000
3000
bağlantılı olduğu söylenir.
06:02
So you see how to find a synapseSYNAPSE.
130
347000
2000
Artık bir sinapsı nasıl bulabileceğinizi biliyorsunuz.
06:04
How can we find an entiretüm connectomeconnectome?
131
349000
3000
Peki ama tüm bir konektomu nasıl bulabiliriz?
06:07
Well, we take this three-dimensional3 boyutlu stackyığın of imagesGörüntüler
132
352000
3000
Bu üç boyutlu görüntü yığıtını alıyor
06:10
and treattedavi etmek it as a giganticDev three-dimensional3 boyutlu coloringBoyama bookkitap.
133
355000
3000
ve kocaman, üç boyutlu boyama kitabıymış gibi hareket ediyoruz.
06:13
We colorrenk everyher neuronnöron in, in a differentfarklı colorrenk,
134
358000
3000
Her nöronu farklı bir renge boyuyor,
06:16
and then we look throughvasitasiyla all of the imagesGörüntüler,
135
361000
2000
ve sonra görüntülerin içinden bakıp
06:18
find the synapsessinapsların
136
363000
2000
sinapsları buluyor
06:20
and noteNot the colorsrenkler of the two neuronsnöronlar involvedilgili in eachher synapseSYNAPSE.
137
365000
3000
ve sinapsta kesişen iki nöronun rengini not ediyoruz.
06:23
If we can do that throughoutboyunca all the imagesGörüntüler,
138
368000
3000
Bunu tüm görüntüler için yapabilirsek
06:26
we could find a connectomeconnectome.
139
371000
2000
bir konektom bulabiliriz.
06:29
Now, at this pointpuan,
140
374000
2000
Şimdi bu aşamada,
06:31
you've learnedbilgili the basicstemel bilgiler of neuronsnöronlar and synapsessinapsların.
141
376000
2000
nöronlar ve sinapsların temellerini öğrendiniz.
06:33
And so I think we're readyhazır to tackleele almak
142
378000
2000
Ve sanırım nörobilimdeki en en önemli
06:35
one of the mostçoğu importantönemli questionssorular in neurosciencenörobilim:
143
380000
3000
soru ile uğraşmaya hazırsınız:
06:39
how are the brainsbeyin of menerkekler and womenkadınlar differentfarklı?
144
384000
3000
erkek beyni ile kadın beyni arasındaki fark nedir?
06:42
(LaughterKahkaha)
145
387000
2000
(Gülüşmeler)
06:44
AccordingAccording to this self-helpkendi kendine yardım bookkitap,
146
389000
2000
Bu kişisel gelişim kitabına göre,
06:46
guys brainsbeyin are like wafflesWaffle;
147
391000
2000
erkeklerin beyni waffle gibidir,
06:48
they keep theironların liveshayatları compartmentalizedbölümlere in boxeskutuları.
148
393000
3000
hayatlarını çeşitli kutulara bölünmüş olarak geçirirler.
06:51
Girls'Kızların brainsbeyin are like spaghettiSpagetti;
149
396000
3000
Kadın beyinleri ise spagetti gibidir,
06:54
everything in theironların life is connectedbağlı to everything elsebaşka.
150
399000
3000
hayatlarındaki her şey diğer her şey ile bağlantılıdır.
06:57
(LaughterKahkaha)
151
402000
2000
(Gülüşmeler)
06:59
You guys are laughinggülme,
152
404000
2000
Gülüyorsunuz ama
07:01
but you know, this bookkitap changeddeğişmiş my life.
153
406000
2000
bu kitap hayatımı değiştirdi.
07:03
(LaughterKahkaha)
154
408000
2000
(Gülüşmeler)
07:07
But seriouslycidden mi, what's wrongyanlış with this?
155
412000
3000
Ciddiyim ben, bunda sorun ne?
07:10
You alreadyzaten know enoughyeterli to tell me -- what's wrongyanlış with this statementaçıklama?
156
415000
3000
Sorunun ne olduğunu söyleyecek kadar bilginiz var artık. Bu cümlede sorun ne?
07:20
It doesn't mattermadde whetherolup olmadığını you're a guy or girlkız,
157
425000
3000
Kadın ya da erkek fark etmez,
07:23
everyone'sherkesin var brainsbeyin are like spaghettiSpagetti.
158
428000
3000
herkesin beyni spagetti gibidir.
07:26
Or maybe really, really fine capelliniCapellini with branchesdalları.
159
431000
3000
Ya da belki gerçekten, gerçekten de dalları olan ince capellini gibi.
07:30
Just as one strandStrand of spaghettiSpagetti
160
435000
2000
Nasıl ki bir spagetti teli
07:32
contactskontaklar manyçok other strandslifler on your plateplaka,
161
437000
3000
tabağınızdaki diğer pek çok tele dokunuyorsa
07:35
one neuronnöron touchesdokunuşlar manyçok other neuronsnöronlar
162
440000
2000
bir nöron da başka pek çok nörona
07:37
throughvasitasiyla theironların entangleddolaşmış branchesdalları.
163
442000
2000
dalları aracılığı ile temas eder.
07:39
One neuronnöron can be connectedbağlı to so manyçok other neuronsnöronlar,
164
444000
3000
Bir nöron pek çok bşaka noktalara temas edebilir
07:42
because there can be synapsessinapsların
165
447000
2000
çünkü bu temas noktalarında
07:44
at these pointsmakas of contacttemas.
166
449000
3000
sinapslar olabilir.
07:49
By now, you mightbelki have sortçeşit of lostkayıp perspectiveperspektif
167
454000
3000
Şu anda bu beyin dokusundan oluşan kübün büyüklüğü konusunda
07:52
on how largegeniş this cubeküp of brainbeyin tissuedoku actuallyaslında is.
168
457000
3000
kafanız biraz karışmış olabilir.
07:55
And so let's do a seriesdizi of comparisonskarşılaştırmalar to showgöstermek you.
169
460000
3000
O yüzden birkaç karşılaştırma yapalım.
07:58
I assuresağlamak you, this is very tinyminik. It's just sixaltı micronsmikron on a sideyan.
170
463000
3000
Size göstereyim. Bu çok ince. Bir kenarı sadece altı mikron kalınlığında.
08:03
So, here'sburada how it stacksyığınları up againstkarşısında an entiretüm neuronnöron.
171
468000
3000
Ve işte tüm nörona kıyasla nasıl olduğu
08:06
And you can tell that, really, only the smallestEn küçük fragmentsfragmanları of branchesdalları
172
471000
3000
Şimdi görebiliyorsunuz, bu kübün içinde
08:09
are containediçeriyordu insideiçeride this cubeküp.
173
474000
3000
sadece dalların en küçük kısmı var.
08:12
And a neuronnöron, well, that's smallerdaha küçük than brainbeyin.
174
477000
3000
Ve bir nöron, tabii ki beyinden küçüktür.
08:17
And that's just a mousefare brainbeyin --
175
482000
2000
Ve bu sadece bir fare beyni.
08:21
it's a lot smallerdaha küçük than a humaninsan brainbeyin.
176
486000
3000
İnsan beyninden çok daha küçük.
08:25
So when showgöstermek my friendsarkadaşlar this,
177
490000
2000
Bunu arkadaşlarıma gösterdiğimde
08:27
sometimesara sıra they'veonlar ettik told me,
178
492000
2000
bazen bana şöyle diyorlar,
08:29
"You know, SebastianSebastian, you should just give up.
179
494000
3000
"Sebastian, vazgeçmelisin.
08:32
NeuroscienceNörolojik is hopelessUmutsuz."
180
497000
2000
Nörobilim ümitsiz vaka."
08:34
Because if you look at a brainbeyin with your nakedçıplak eyegöz,
181
499000
2000
Çünkü beyne çıplak gözle bakarsanız,
08:36
you don't really see how complexkarmaşık it is,
182
501000
2000
ne kadar karmaşık olduğunu görmezsiniz,
08:38
but when you use a microscopemikroskop,
183
503000
2000
ama mikroskop kullanırsanız,
08:40
finallyen sonunda the hiddengizli complexitykarmaşa is revealedortaya.
184
505000
3000
saklı karmaşıklı açığa çıkar.
08:45
In the 17thinci centuryyüzyıl,
185
510000
2000
17. yüzyılda
08:47
the mathematicianmatematikçi and philosopherfilozof, BlaiseBlaise PascalPascal,
186
512000
2000
matematiçi ve filozof Blaise Pascal,
08:49
wroteyazdı of his dreaddehşet of the infinitesonsuz,
187
514000
3000
uzayın büyüklüğü üzerine düşünürken
08:52
his feelingduygu of insignificancehiçlik
188
517000
2000
sonzuzluk korkusu ve
08:54
at contemplatingdüşünürken the vastgeniş reachesulaşır of outerdış spaceuzay.
189
519000
3000
kendini ne kadar önemsiz hissetiği üzerine yazmıştır.
08:59
And, as a scientistBilim insanı,
190
524000
2000
Ve ben bir bilimadamı olarak
09:01
I'm not supposedsözde to talk about my feelingsduygular --
191
526000
3000
duygularımdan bahsetmemeliyim.
09:04
too much informationbilgi, professorprofesör.
192
529000
2000
Çok fazla bilgi, profesör.
09:06
(LaughterKahkaha)
193
531000
2000
(Gülüşmeler).
09:08
But mayMayıs ayı I?
194
533000
2000
Fakat bahsedebilir miyim?
09:10
(LaughterKahkaha)
195
535000
2000
(Gülüşmeler)
09:12
(ApplauseAlkış)
196
537000
2000
(Alkış)
09:14
I feel curiositymerak,
197
539000
2000
Merak hissediyorum,
09:16
and I feel wondermerak etmek,
198
541000
2000
ve hayranlık duyuyorum
09:18
but at timeszamanlar I have alsoAyrıca feltkeçe despairumutsuzluk.
199
543000
3000
ama bazen de ümitsiz hissediyorum.
09:22
Why did I chooseseçmek to studyders çalışma
200
547000
2000
Neden bu kadar muazzam karmaşık olan
09:24
this organorgan that is so awesomemüthiş in its complexitykarmaşa
201
549000
3000
ve hatta belki sonsuz karmaşıklığa sahip olan
09:27
that it mightbelki well be infinitesonsuz?
202
552000
2000
bu organ üzerine çalışmayı seçtim?
09:29
It's absurdsaçma.
203
554000
2000
Bu çok saçma.
09:31
How could we even darecesaret to think
204
556000
2000
Nasıl olur da tüm bunları anlayabileceğimizi
09:33
that we mightbelki ever understandanlama this?
205
558000
3000
düşünmeye cesaret edebiliyoruz?
09:38
And yethenüz, I persistinat in this quixoticquixotic endeavorçaba.
206
563000
3000
Yine de bu Don Kişotvari çabada ısrar ediyorum.
09:41
And indeedaslında, these daysgünler I harborliman newyeni hopesumutlar.
207
566000
3000
Ve gerçekten de bugünlerde yeni ümitlerim var.
09:45
SomedayBir gün,
208
570000
2000
Bir gün gelecek,
09:47
a fleetFilo of microscopesmikroskoplar will captureele geçirmek
209
572000
2000
bir mikroskop ordusu
09:49
everyher neuronnöron and everyher synapseSYNAPSE
210
574000
2000
çok büyük bir görüntü veri tabanı içindeki
09:51
in a vastgeniş databaseveritabanı of imagesGörüntüler.
211
576000
3000
her nöronu ve her sinapsı tespit edecek.
09:54
And some day, artificiallyyapay intelligentakıllı supercomputerssüper
212
579000
3000
Ve bir gün gelecek, yapay zeka ile donanmış süperbilgisayarlar
09:57
will analyzeçözümlemek the imagesGörüntüler withoutolmadan humaninsan assistanceyardım
213
582000
3000
tüm bu görüntüleri bir konektom olarak özetleyebilmek için
10:00
to summarizeözetlemek them in a connectomeconnectome.
214
585000
3000
insanlardan yardım almadan analiz edebilecek
10:04
I do not know, but I hopeumut that I will livecanlı to see that day,
215
589000
3000
Emin değilim ama o günleri görecek kadar yaşayacağımı umuyorum.
10:08
because findingbulgu an entiretüm humaninsan connectomeconnectome
216
593000
2000
Çünkü tüm bir insan konektomunu bulmak
10:10
is one of the greatestEn büyük technologicalteknolojik challengeszorluklar of all time.
217
595000
3000
tüm zamanların en büyük teknolojik meydan okumalarından biri.
10:13
It will take the work of generationsnesiller to succeedbaşarılı olmak.
218
598000
3000
Başarmak için nesillerce çaba gerekecek.
10:17
At the presentmevcut time, my collaboratorsortak çalışanlar and I,
219
602000
3000
Şu anda benim ve çalışma arkadaşlarımın
10:20
what we're aimingnişan for is much more modestmütevazi --
220
605000
2000
varmaya çalıştığı şey çok daha alçakgönüllü bir hedef;
10:22
just to find partialkısmi connectomesconnectomes
221
607000
2000
sadece insan ve fare beynindeki küçük ve kısmi
10:24
of tinyminik chunksparçaları of mousefare and humaninsan brainbeyin.
222
609000
3000
konektom parçalarını bulmaya çalışmak.
10:27
But even that will be enoughyeterli for the first teststestler of this hypothesishipotez
223
612000
3000
Ama bu kadarı bile
10:30
that I am my connectomeconnectome.
224
615000
3000
konektomum neyse oyum hipotezini test etmeye başlamak için yeterli.
10:35
For now, let me try to convinceikna etmek you of the plausibilityolasılık of this hypothesishipotez,
225
620000
3000
Şimdilik izin verin sizi bu hipotezin akla yatkın olduğuna ikna etmeye çalışayım,
10:38
that it's actuallyaslında worthdeğer takingalma seriouslycidden mi.
226
623000
3000
gerçekten peşinden gitmeye değer bir hipotez olduğuna.
10:42
As you growbüyümek duringsırasında childhoodçocukluk
227
627000
2000
Çocukluğunuz süresince büyürken
10:44
and ageyaş duringsırasında adulthoodyetişkinlik,
228
629000
3000
ve yetişkinliğiniz süresince yaşlanırken
10:47
your personalkişisel identityKimlik changesdeğişiklikler slowlyyavaşça.
229
632000
3000
kişisel kimliğiniz yavaş yavaş değişir.
10:50
LikewiseAynı şekilde, everyher connectomeconnectome
230
635000
2000
Benzer şekilde her konektom da
10:52
changesdeğişiklikler over time.
231
637000
2000
zaman içinde değişir.
10:55
What kindsçeşit of changesdeğişiklikler happenolmak?
232
640000
2000
Ne tür değişiklikler olur?
10:57
Well, neuronsnöronlar, like treesağaçlar,
233
642000
2000
Nöronlar da tıpkı ağaçlar gibi
10:59
can growbüyümek newyeni branchesdalları,
234
644000
2000
yeni dallar çıkarabilir
11:01
and they can losekaybetmek oldeski onesolanlar.
235
646000
3000
ve eskilerini kaybedebilir.
11:04
SynapsesSinapsların can be createdoluşturulan,
236
649000
3000
Sinapslar oluşabilir
11:07
and they can be eliminatedelimine.
237
652000
3000
ya da yok olabilir.
11:10
And synapsessinapsların can growbüyümek largerdaha büyük,
238
655000
2000
Sinapslar büyüyebilir
11:12
and they can growbüyümek smallerdaha küçük.
239
657000
3000
ya da küçülebilir.
11:15
Secondİkinci questionsoru:
240
660000
2000
İkinci soru:
11:17
what causesnedenleri these changesdeğişiklikler?
241
662000
3000
Bu değişimlere ne yol açar?
11:20
Well, it's truedoğru.
242
665000
2000
Belli bir dereceye kadar
11:22
To some extentderece, they are programmedprogramlanmış by your genesgenler.
243
667000
3000
genlerimiz tarafından programlandıkları doğrudur.
11:25
But that's not the wholebütün storyÖykü,
244
670000
2000
Faka bu, hikayenin tamamı değildir
11:27
because there are signalssinyalleri, electricalelektrik signalssinyalleri,
245
672000
2000
çünkü nöronların dalları boyunca iletilen
11:29
that travelseyahat alonguzun bir the branchesdalları of neuronsnöronlar
246
674000
2000
ve bir daldan diğerine atlayan
11:31
and chemicalkimyasal signalssinyalleri
247
676000
2000
elektriksel ve kimyasal
11:33
that jumpatlama acrosskarşısında from branchşube to branchşube.
248
678000
2000
sinyaller vardır.
11:35
These signalssinyalleri are calleddenilen neuralsinirsel activityaktivite.
249
680000
3000
Bu sinyallere sinirsel (nöral) etkinlik denir.
11:38
And there's a lot of evidencekanıt
250
683000
2000
Ve sinirsel etkinliğin
11:40
that neuralsinirsel activityaktivite
251
685000
3000
düşüncelerimizi, duygularımızı ve algılarımızı,
11:43
is encodingkodlama our thoughtsdüşünceler, feelingsduygular and perceptionsalgılamalar,
252
688000
3000
zihinsel deneyimimizi kodladığına dair
11:46
our mentalzihinsel experiencesdeneyimler.
253
691000
2000
pek çok delil var.
11:48
And there's a lot of evidencekanıt that neuralsinirsel activityaktivite
254
693000
3000
Ve yine pek çok delil
11:51
can causesebeb olmak your connectionsbağlantıları to changedeğişiklik.
255
696000
3000
sinirsel etkinliğin bağlantıları değiştirebildiğine işaret ediyor.
11:54
And if you put those two factsGerçekler togetherbirlikte,
256
699000
3000
Şimdi bu iki bilgiyi bir araya getirirseniz
11:57
it meansanlamına geliyor that your experiencesdeneyimler
257
702000
2000
deneyimlerinizin
11:59
can changedeğişiklik your connectomeconnectome.
258
704000
3000
bağlantılarınızı değiştirdiği ortaya çıkar.
12:02
And that's why everyher connectomeconnectome is uniquebenzersiz,
259
707000
2000
İşte bu yüzden her konektom eşsizdir,
12:04
even those of geneticallygenetik olarak identicalözdeş twinsİkizler.
260
709000
3000
genetik olarak tıpatıp aynı olan ikizlerin konektomları bile.
12:08
The connectomeconnectome is where naturedoğa meetskarşılayan nurturebeslemek.
261
713000
3000
Konektom doğuştan gelen ile sonradan edinilen şeyin kesişmesidir.
12:12
And it mightbelki truedoğru
262
717000
2000
Ve belki de
12:14
that just the meresırf actdavranmak of thinkingdüşünme
263
719000
2000
sadece düşünmek bile
12:16
can changedeğişiklik your connectomeconnectome --
264
721000
2000
konektomunuzu değiştirebilir;
12:18
an ideaFikir that you mayMayıs ayı find empoweringgüçlendirici.
265
723000
3000
bunu heyecan verici bulabilirsiniz.
12:24
What's in this pictureresim?
266
729000
2000
Bu resimde ne var?
12:28
A coolgüzel and refreshingyenileme streamakım of waterSu, you say.
267
733000
3000
Serin ve ferahlatıcı bir akarsu diyeceksiniz.
12:32
What elsebaşka is in this pictureresim?
268
737000
2000
Peki ama bu resimde başka ne var?
12:37
Do not forgetunutmak that grooveGroove in the EarthDünya
269
742000
2000
Akarsu yatağı denen ve toprakta bulunan
12:39
calleddenilen the streamakım bedyatak.
270
744000
3000
yarığı unutmayın.
12:42
WithoutOlmadan it, the waterSu would not know in whichhangi directionyön to flowakış.
271
747000
3000
O olmadan su hangi yönde akacağını bilemezdi.
12:45
And with the streamakım,
272
750000
2000
Ve akarsu ile
12:47
I would like to proposeteklif etmek, önermek a metaphormecaz
273
752000
2000
bir metafor önermek istiyorum,
12:49
for the relationshipilişki betweenarasında neuralsinirsel activityaktivite
274
754000
2000
sinirsel etkinlik ile
12:51
and connectivitybağlantı.
275
756000
2000
bağlantı arasında bir metafor.
12:54
NeuralSinir activityaktivite is constantlysürekli changingdeğiştirme.
276
759000
3000
Sinirsel etkinlik sürekli değişir.
12:57
It's like the waterSu of the streamakım; it never sitsoturur still.
277
762000
3000
Akıp giden su gibidir, asla olduğu gibi kalmaz.
13:00
The connectionsbağlantıları
278
765000
2000
Beynin sinir ağının
13:02
of the brain'sbeyni neuralsinirsel network
279
767000
2000
bağlantıları ise
13:04
determinesbelirleyen the pathwaysyolları
280
769000
2000
sinirsel etkinliğin
13:06
alonguzun bir whichhangi neuralsinirsel activityaktivite flowsakar.
281
771000
2000
hangi yöne doğru akacağını belirler.
13:08
And so the connectomeconnectome is like bedyatak of the streamakım;
282
773000
3000
Yani konektom bir tür akarsu yatağıdır.
13:13
but the metaphormecaz is richerzengin than that,
283
778000
3000
Ama metafor bundan daha zengindir.
13:16
because it's truedoğru that the streamakım bedyatak
284
781000
3000
Çünkü akarsu yatağı
13:19
guideskılavuzları the flowakış of the waterSu,
285
784000
2000
uzun süre boyunca
13:21
but over long timescaleszaman ölçeği,
286
786000
2000
suyun akışını yönlendirir
13:23
the waterSu alsoAyrıca reshapesyeniden şekillendirir the bedyatak of the streamakım.
287
788000
3000
ama su da akarsu yatağını yeniden şekillendirir.
13:26
And as I told you just now,
288
791000
2000
Az önce dediğim gibi
13:28
neuralsinirsel activityaktivite can changedeğişiklik the connectomeconnectome.
289
793000
3000
sinirsel etkinlik konektomu değiştirebilir.
13:33
And if you'llEğer olacak allowizin vermek me to ascendAscend
290
798000
2000
Ve eğer metaforun zirvesine
13:35
to metaphoricalMecazi heightsyükseklikleri,
291
800000
3000
çıkmama izin verirseniz
13:38
I will remindhatırlatmak you that neuralsinirsel activityaktivite
292
803000
3000
hatırlatmam gerekir ki sinirsel etkinlik
13:41
is the physicalfiziksel basistemel -- or so neuroscientistsnörologlar think --
293
806000
2000
nörobilimcilere göre düşüncelerin, duyguların ve algıların
13:43
of thoughtsdüşünceler, feelingsduygular and perceptionsalgılamalar.
294
808000
3000
temelidir.
13:46
And so we mightbelki even speakkonuşmak of
295
811000
2000
Dolayısı ile
13:48
the streamakım of consciousnessbilinç.
296
813000
2000
bilinç akışından dahi bahsedebiliriz.
13:50
NeuralSinir activityaktivite is its waterSu,
297
815000
3000
Sinirsel etkinlik su gibidir
13:53
and the connectomeconnectome is its bedyatak.
298
818000
3000
ve konektom da akarsu yatağıdır.
13:57
So let's returndönüş from the heightsyükseklikleri of metaphormecaz
299
822000
2000
O halde metaforun zirvesinden
13:59
and returndönüş to scienceBilim.
300
824000
2000
bilime geri dönelim.
14:01
SupposeVarsayalım our technologiesteknolojiler for findingbulgu connectomesconnectomes
301
826000
2000
Var sayalım ki konektom bulma teknolojimiz
14:03
actuallyaslında work.
302
828000
2000
gerçekten de çalışıyor.
14:05
How will we go about testingtest yapmak the hypothesishipotez
303
830000
2000
"Konektomum neyse oyum" hipotezini
14:07
"I am my connectomeconnectome?"
304
832000
3000
nasıl test edeceğiz?
14:10
Well, I proposeteklif etmek, önermek a directdirekt testÖlçek.
305
835000
3000
Ben doğrudan bir test öneriyorum.
14:13
Let us attemptgirişim
306
838000
2000
Konektomdan hafızamızı
14:15
to readokumak out memorieshatıralar from connectomesconnectomes.
307
840000
3000
okumaya çalışalım.
14:18
ConsiderDüşünün the memorybellek
308
843000
2000
Bir Beethoven sonatı çalan
14:20
of long temporalgeçici sequencesdizileri of movementshareketler,
309
845000
3000
piyanistin hareketleri gibi uzun hareket dizilerinin
14:23
like a pianistpiyanist playingoynama a BeethovenBeethoven sonataSonata.
310
848000
3000
hafızasını düşünün.
14:26
AccordingAccording to a theoryteori that datestarihleri back to the 19thinci centuryyüzyıl,
311
851000
3000
Geçmişi 19. yüzyıla kadar uzanan bir teoriye göre
14:29
suchböyle memorieshatıralar are storeddepolanan
312
854000
2000
bu tür hatıralar
14:31
as chainszincirler of synapticSinaptik connectionsbağlantıları insideiçeride your brainbeyin.
313
856000
3000
beyninizde bir sinaptik bağlantılar zinciri olarak saklanır.
14:35
Because, if the first neuronsnöronlar in the chainzincir are activatedaktif,
314
860000
3000
Çünkü zincirdeki ilk nöronlar etkin hale getirilirse
14:38
throughvasitasiyla theironların synapsessinapsların they sendgöndermek messagesmesajları to the secondikinci neuronsnöronlar, whichhangi are activatedaktif,
315
863000
3000
sinapsları boyunca bu etkinliği diğer nöronlara iletirler
14:41
and so on down the linehat,
316
866000
2000
ve bu işlem tıpkı devrilen domino taşları gibi
14:43
like a chainzincir of fallingdüşen dominoesDomino.
317
868000
2000
peşi sıra devam eder.
14:45
And this sequencesıra of neuralsinirsel activationetkinleştirme
318
870000
2000
Ve bu sinirsel etkinlik dizisinin
14:47
is hypothesizedonaylanmadığına karar to be the neuralsinirsel basistemel
319
872000
3000
o fiziksel hareket dizisinin
14:50
of those sequencesıra of movementshareketler.
320
875000
2000
temeli olduğu düşünülür.
14:52
So one way of tryingçalışıyor to testÖlçek the theoryteori
321
877000
2000
Bu yüzden teoriyi test etmenin yollarından biri
14:54
is to look for suchböyle chainszincirler
322
879000
2000
konektomlar içinde
14:56
insideiçeride connectomesconnectomes.
323
881000
2000
bu tür zincirleri aramaktır.
14:58
But it won'talışkanlık be easykolay, because they're not going to look like this.
324
883000
3000
Ama bu kolay olmayacak çünkü onlar buna benzemeyecek.
15:01
They're going to be scrambledşifreli up.
325
886000
2000
Karman çorman halde olacaklar.
15:03
So we'lliyi have to use our computersbilgisayarlar
326
888000
2000
Bu yüzden biz de bilgisayarlarımızı
15:05
to try to unscrambleokunabilmesini the chainzincir.
327
890000
3000
kullanacağız o karmaşık zinciri çözmek için.
15:08
And if we can do that,
328
893000
2000
Ve eğer bunu yapabilirsek
15:10
the sequencesıra of the neuronsnöronlar we recoverkurtarmak from that unscramblingçözme
329
895000
3000
o karmaşık diziden elde ettiğimiz nöron dizisi
15:13
will be a predictiontahmin of the patternmodel of neuralsinirsel activityaktivite
330
898000
3000
biz o hareketleri hatırlarken beynimizde gerçekleşen
15:16
that is replayedreplayed in the brainbeyin duringsırasında memorybellek recallhatırlama.
331
901000
3000
sinirsel etkinliğin örüntüsünün bir tahmini olacak.
15:19
And if that were successfulbaşarılı,
332
904000
2000
Ve eğer bu başarılı olursa
15:21
that would be the first exampleörnek of readingokuma a memorybellek from a connectomeconnectome.
333
906000
3000
bir konektomdan hafızayı okumanın ilk örneği olacak.
15:28
(LaughterKahkaha)
334
913000
2000
(Gülüşmeler)
15:30
What a messdağınıklık --
335
915000
2000
Ne karmaşa ama.
15:33
have you ever trieddenenmiş to wiretel up a systemsistem
336
918000
2000
Hiç bu kadar karmaşık bir sistem
15:35
as complexkarmaşık as this?
337
920000
2000
kurmaya çalıştınız mı?
15:37
I hopeumut not.
338
922000
2000
Umarım denememişsinizdir.
15:39
But if you have, you know it's very easykolay to make a mistakehata.
339
924000
3000
Ama eğer denediyseniz hata yapmanın ne kadar kolay olduğunu bilirsiniz.
15:45
The branchesdalları of neuronsnöronlar are like the wiresteller of the brainbeyin.
340
930000
2000
Nöronların dalları beynin kabloları gibidir.
15:47
Can anyonekimse guesstahmin: what's the totalGenel Toplam lengthuzunluk of wiresteller in your brainbeyin?
341
932000
4000
Beyninizdeki kabloların uzunluğunu tahmin edebilir misiniz?
15:54
I'll give you a hintipucu. It's a bigbüyük numbernumara.
342
939000
2000
İpucu vereyim. Epey büyük bir sayı.
15:56
(LaughterKahkaha)
343
941000
2000
(Gülüşmeler)
15:59
I estimatetahmin, millionsmilyonlarca of milesmil,
344
944000
3000
Tahminen milyonlarca kilometre.
16:02
all packedpaketlenmiş in your skullkafatası.
345
947000
3000
Hepsi de kafatasınızın içinde.
16:05
And if you appreciateanlamak that numbernumara,
346
950000
2000
Ve eğer bu sayıyı takdir ederseniz,
16:07
you can easilykolayca see
347
952000
2000
beyindeki kabloların yanlış bağlanması için
16:09
there is hugeKocaman potentialpotansiyel for mis-wiringyanlış kablo of the brainbeyin.
348
954000
2000
epey potansiyel olduğunu görürsünüz.
16:11
And indeedaslında, the popularpopüler pressbasın lovessever headlineshaber başlıkları like,
349
956000
3000
Ve gerçekten de basında şu tür manşetleri severler
16:14
"AnorexicAnoreksik brainsbeyin are wiredtelli differentlyfarklı olarak,"
350
959000
2000
"Anoreksi hastası olanların beynindeki bağlantılar farklı,"
16:16
or "AutisticOtistik brainsbeyin are wiredtelli differentlyfarklı olarak."
351
961000
2000
veya "Otistik beyinlerdeki bağlantılar farklı."
16:18
These are plausiblemakul claimsiddialar,
352
963000
2000
Bunlar akla yatkın iddialar
16:20
but in truthhakikat,
353
965000
2000
ama aslında
16:22
we can't see the brain'sbeyni wiringkablolama clearlyAçıkça enoughyeterli
354
967000
2000
bunların doğru olup olmadığını söyleyebilecek kadar
16:24
to tell if these are really truedoğru.
355
969000
2000
iyi göremiyoruz beynin içindeki bağlantıları.
16:26
And so the technologiesteknolojiler for seeinggörme connectomesconnectomes
356
971000
3000
Bir gün konektomları görme teknolojileri
16:29
will allowizin vermek us to finallyen sonunda
357
974000
2000
nihayet beyindeki yanlış bağlantıları
16:31
readokumak mis-wiringyanlış kablo of the brainbeyin,
358
976000
2000
okumamıza izin verecek
16:33
to see mentalzihinsel disordersbozukluklar in connectomesconnectomes.
359
978000
3000
ve böylece konektomlardaki zihinsel hastalıkları görebileceğiz.
16:40
SometimesBazen the besten iyi way to testÖlçek a hypothesishipotez
360
985000
3000
Belki de bir hipotezi test etmenin en iyi yolu
16:43
is to considerdüşünmek its mostçoğu extremeaşırı implicationdolaylı.
361
988000
3000
onun en uç noktadaki sonucuna bakmaktır.
16:46
PhilosophersFilozoflar know this gameoyun very well.
362
991000
3000
Felsefeciler bu oyunu iyi bilir.
16:50
If you believe that I am my connectomeconnectome,
363
995000
3000
Eğer ben ve konektomum aynı şeydir diye inanırsanız,
16:53
I think you mustşart alsoAyrıca acceptkabul etmek the ideaFikir
364
998000
3000
Ölümün sizin konektomunuzun
16:56
that deathölüm is the destructionimha
365
1001000
2000
yok olması anlamına geleceğini de
16:58
of your connectomeconnectome.
366
1003000
3000
kabul etmelisiniz.
17:02
I mentionsöz etmek this because there are prophetspeygamberler todaybugün
367
1007000
3000
Bundan bahsediyorum çünkü
17:05
who claimİddia that technologyteknoloji
368
1010000
3000
çünkü günümüzde teknolojinin
17:08
will fundamentallyesasen alterALTER the humaninsan conditionşart
369
1013000
3000
insanlık durumunu kökünden değiştireceğini
17:11
and perhapsbelki even transformdönüştürmek the humaninsan speciesTürler.
370
1016000
3000
ve hatta belki de insanlık türünü dönüştüreceğini iddia eden peygamberler var.
17:14
One of theironların mostçoğu cherishedAziz dreamsrüyalar
371
1019000
3000
En sevdikleri rüyalardan biri
17:17
is to cheathile deathölüm
372
1022000
2000
'cryonics' olarak da bilinen yöntemle
17:19
by that practiceuygulama knownbilinen as cryonicsCryonics.
373
1024000
2000
ölümü alt etmek.
17:21
If you payödeme 100,000 dollarsdolar,
374
1026000
2000
100.000 dolar öderseniz
17:23
you can arrangedüzenlemek to have your bodyvücut frozendondurulmuş after deathölüm
375
1028000
3000
bedeninizin ölümden sonra dondurulmasını
17:26
and storeddepolanan in liquidsıvı nitrogenazot
376
1031000
2000
ve Arizona'daki depolarda bulunan şu tanklardan birinde
17:28
in one of these tankstanklar in an ArizonaArizona warehousedepo,
377
1033000
2000
sıvı nitrojen içinde saklanmasını sağlayabilirsiniz.
17:30
awaitingbekliyor a futuregelecek civilizationmedeniyet
378
1035000
2000
Böylece gelecekteki bir uygarlığın
17:32
that is advancedileri to resurrectdiriltmek you.
379
1037000
3000
sizi hayata döndürmesini bekleyebilirsiniz.
17:36
Should we ridiculealay the modernmodern seekersarayanlar of immortalityölümsüzlük,
380
1041000
2000
Ölümsüzlük peşinde koşan bu insanlarla
17:38
callingçağrı them foolsAptallar?
381
1043000
2000
alay etmeli miyiz?
17:40
Or will they somedaybirgün chucklekıkırdama
382
1045000
2000
Yoksa bir gün mezarlarımız başında
17:42
over our gravesmezarlar?
383
1047000
2000
onlar mı bizimle dalga geçecek?
17:45
I don't know --
384
1050000
2000
Bilmiyorum.
17:47
I prefertercih etmek to testÖlçek theironların beliefsinançlar, scientificallybilimsel.
385
1052000
3000
Onların inançlarını bilimsel olarak test etmeyi tercih edrim.
17:50
I proposeteklif etmek, önermek that we attemptgirişim to find a connectomeconnectome
386
1055000
2000
Dondurulmuş bir beynin
17:52
of a frozendondurulmuş brainbeyin.
387
1057000
2000
konektomunu bulalım.
17:54
We know that damagehasar to the brainbeyin
388
1059000
2000
Ölümden sonra ve dondurma esnasında
17:56
occursoluşur after deathölüm and duringsırasında freezingbuz gibi.
389
1061000
2000
beyinde hasar oluştuğunu biliyoruz.
17:58
The questionsoru is: has that damagehasar erasedsildim the connectomeconnectome?
390
1063000
3000
Soru şu: bu hasar konektomu silmiş midir?
18:01
If it has, there is no way that any futuregelecek civilizationmedeniyet
391
1066000
3000
Eğer öyle ise gelecekteki bir uygarlığın
18:04
will be ableyapabilmek to recoverkurtarmak the memorieshatıralar of these frozendondurulmuş brainsbeyin.
392
1069000
3000
donmuş beyinlerden hatıraları çıkarması mümkün olamaz.
18:07
ResurrectionDiriliş mightbelki succeedbaşarılı olmak for the bodyvücut,
393
1072000
2000
Beden hayata dönebilir
18:09
but not for the mindus.
394
1074000
2000
ama zihin dönemez.
18:11
On the other handel, if the connectomeconnectome is still intactsağlam,
395
1076000
3000
Diğer yandan eğer konektom korundu ise
18:14
we cannotyapamam ridiculealay the claimsiddialar of cryonicsCryonics so easilykolayca.
396
1079000
3000
cryonics ile uğraşanların iddialarıyla kolayca dalga geçemeyiz.
18:20
I've describedtarif edilen a questQuest
397
1085000
2000
Size bir arayışı anlattım,
18:22
that beginsbaşlar in the worldDünya of the very smallküçük,
398
1087000
3000
çok küçük şeylerin dünyasından başlayan
18:25
and propelspropels us to the worldDünya of the faruzak futuregelecek.
399
1090000
3000
ve bizi çok ileri geleceğin dünyasına doğru götüren bir arayış.
18:28
ConnectomesConnectomes will markişaret a turningdöndürme pointpuan in humaninsan historytarih.
400
1093000
3000
Konektomlar insanlık tarihinde bir dönüm noktası olacak.
18:32
As we evolvedgelişti from our ape-likemaymun gibi ancestorsatalarımız
401
1097000
2000
Afrika'nın ormanlarındaki
18:34
on the AfricanAfrika savannasavana,
402
1099000
2000
maymun benzeri atalarımızdan evrim geçirirken
18:36
what distinguishedseçkin us was our largerdaha büyük brainsbeyin.
403
1101000
3000
bizi diğerlerinden ayıran büyük beyinlerimizdi.
18:40
We have used our brainsbeyin to fashionmoda
404
1105000
2000
Beyinlerimizi her seferinde
18:42
ever more amazingşaşırtıcı technologiesteknolojiler.
405
1107000
3000
teknolojiler geliştirmek için kullandık.
18:45
EventuallySonunda, these technologiesteknolojiler will becomeolmak so powerfulgüçlü
406
1110000
3000
Bir gün bu teknolojiler o kadar güçlü olacak ki
18:48
that we will use them to know ourselveskendimizi
407
1113000
3000
beynimizi bozup yeniden yaparak
18:51
by deconstructingDeconstructing and reconstructingyeniden yapılandırma
408
1116000
3000
kendimizi daha iyi tanımak için
18:54
our ownkendi brainsbeyin.
409
1119000
3000
bu teknolojileri kullanacağız.
18:57
I believe that this voyageyolculuk of self-discoverykendini keşif
410
1122000
3000
Bu kendini keşfediş yolculuğunun
19:00
is not just for scientistsBilim adamları,
411
1125000
3000
sadece bilim insanları için değil
19:03
but for all of us.
412
1128000
2000
hepimiz için olduğunu düşünüyorum.
19:05
And I'm gratefulminnettar for the opportunityfırsat to sharepay this voyageyolculuk with you todaybugün.
413
1130000
3000
Ve bugün bu yolculuğu sizinle paylaşma fırsatına kavuştuğum için minnetarım.
19:08
Thank you.
414
1133000
2000
Teşekkürler.
19:10
(ApplauseAlkış)
415
1135000
8000
(Alkış)
Translated by Emre Sevinc
Reviewed by Sancak Gülgen

▲Back to top

ABOUT THE SPEAKER
Sebastian Seung - Computational neuroscientist
Sebastian Seung is a leader in the new field of connectomics, currently the hottest space in neuroscience, which studies, in once-impossible detail, the wiring of the brain.

Why you should listen

In the brain, neurons are connected into a complex network. Sebastian Seung and his lab at MIT are inventing technologies for identifying and describing the connectome, the totality of connections between the brain's neurons -- think of it as the wiring diagram of the brain. We possess our entire genome at birth, but things like memories are not "stored" in the genome; they are acquired through life and accumulated in the brain. Seung's hypothesis is that "we are our connectome," that the connections among neurons is where memories and experiences get stored.

Seung and his collaborators, including Winfried Denk at the Max Planck Institute and Jeff Lichtman at Harvard University, are working on a plan to thin-slice a brain (probably starting with a mouse brain) and trace, from slice to slice, each neural pathway, exposing the wiring diagram of the brain and creating a powerful new way to visualize the workings of the mind. They're not the first to attempt something like this -- Sydney Brenner won a Nobel for mapping all the 7,000 connections in the nervous system of a tiny worm, C. elegans. But that took his team a dozen years, and the worm only had 302 nerve cells. One of Seung's breakthroughs is in using advanced imagining and AI to handle the crushing amount of data that a mouse brain will yield and turn it into richly visual maps that show the passageways of thought and sensation.

More profile about the speaker
Sebastian Seung | Speaker | TED.com