TEDGlobal 2011
Daniel Wolpert: The real reason for brains
Daniel Wolpert: Lý do thực sự cho các hoạt động của bộ não con người
Filmed:
Readability: 3.9
1,994,993 views
Nhà thần kinh học Daniel Wolpert bắt đầu với một giả thuyết gây ngạc nhiên: bộ não của con người tiến hóa, không phải để nghĩ hoặc cảm nhận, mà để kiểm soát sự vận động. Trong bài phát biểu thú vị, giàu thông tin này, ông đưa ra một cái nhìn sơ lược về cách bộ não tạo ra những chuyển động uyển chuyển, nhanh nhẹn của con người.
Daniel Wolpert - Movement expert
A neuroscientist and engineer, Daniel Wolpert studies how the brain controls the body. Full bio
A neuroscientist and engineer, Daniel Wolpert studies how the brain controls the body. Full bio
Double-click the English transcript below to play the video.
00:15
I'm a neuroscientist.
0
0
2000
Tôi là một nhà thần kinh học.
00:17
And in neuroscience,
1
2000
2000
Trong Khoa học Thần kinh (khoa học nghiên cứu thần kinh),
00:19
we have to deal with many difficult questions about the brain.
2
4000
3000
chúng tôi phải đối mặt với nhiều vấn đề hóc búa liên quan đến bộ não con người.
00:22
But I want to start with the easiest question
3
7000
2000
Song, tôi muốn bắt đầu với một câu hỏi đơn giản nhất
00:24
and the question you really should have all asked yourselves at some point in your life,
4
9000
3000
và đây là điều mà bạn thực sự muốn tự hỏi chính mình một lúc nào đó trong cuộc đời của bạn,
00:27
because it's a fundamental question
5
12000
2000
bởi nó là một câu hỏi quan trọng
00:29
if we want to understand brain function.
6
14000
2000
nếu chúng ta muốn hiểu về chức năng của bộ não con người.
00:31
And that is, why do we and other animals
7
16000
2000
Và câu hỏi đó là "Tại sao chúng ta và các loài vật khác
00:33
have brains?
8
18000
2000
có bộ não?"
00:35
Not all species on our planet have brains,
9
20000
3000
Không phải tất các các sinh vật trên hành tinh Trái Đất đều có bộ não,
00:38
so if we want to know what the brain is for,
10
23000
2000
vì thế nếu chúng ta muốn biết bộ não có vai trò gì,
00:40
let's think about why we evolved one.
11
25000
2000
hãy nghĩ về lý do tại sao chúng ta lại trở thành loài sinh vật tiến hóa.
00:42
Now you may reason that we have one
12
27000
2000
Bây giờ các bạn có thể lý luận rằng chúng ta có bộ não
00:44
to perceive the world or to think,
13
29000
2000
để nhận biết thế giới hoặc để suy nghĩ,
00:46
and that's completely wrong.
14
31000
2000
và điều đó hoàn toàn sai.
00:48
If you think about this question for any length of time,
15
33000
3000
Nếu bạn suy nghĩ về câu hỏi này trong bao lâu đi nữa,
00:51
it's blindingly obvious why we have a brain.
16
36000
2000
cũng không thể nào biết được tại sao chúng ta có bộ não.
00:53
We have a brain for one reason and one reason only,
17
38000
3000
Chúng ta có bộ não vì một và chỉ một lý do duy nhất,
00:56
and that's to produce adaptable and complex movements.
18
41000
3000
và đó chính là để tạo ra những vận động phức tạp và linh hoạt.
00:59
There is no other reason to have a brain.
19
44000
2000
Không còn lý do nào khác về sự tồn tại của bộ não.
01:01
Think about it.
20
46000
2000
Hãy suy nghĩ về điều này.
01:03
Movement is the only way you have
21
48000
2000
Vận động là cách duy nhất bạn có
01:05
of affecting the world around you.
22
50000
2000
để gây ảnh hưởng/ tác động đến thế giới xung quanh bạn.
01:07
Now that's not quite true. There's one other way, and that's through sweating.
23
52000
3000
Bây giờ điều này không thực sự đúng đắn. Còn có một cách khác, và đó chính là qua quá trình đổ mồ hôi.
01:10
But apart from that,
24
55000
2000
Nhưng ngoài ra,
01:12
everything else goes through contractions of muscles.
25
57000
2000
mọi thứ khác đều quay quanh sự co rút của các khối cơ
01:14
So think about communication --
26
59000
2000
Vì thế hãy nghĩ về sự giao tiếp --
01:16
speech, gestures, writing, sign language --
27
61000
3000
lời nói, cử chỉ, văn viết, ngôn ngữ ký hiệu --
01:19
they're all mediated through contractions of your muscles.
28
64000
3000
tất cả đều được điều hoà thông qua sự co rút của của các khối cơ.
01:22
So it's really important to remember
29
67000
2000
Vì thế thực sự cần phải nhớ
01:24
that sensory, memory and cognitive processes are all important,
30
69000
4000
rằng các quá trình cảm nhận, ghi nhớ và nhận thức đều rất quan trọng,
01:28
but they're only important
31
73000
2000
nhưng những hoạt động này chỉ quan trọng
01:30
to either drive or suppress future movements.
32
75000
2000
khi thúc đẩy hoặc ngăn cản những vận động trong tương lai.
01:32
There can be no evolutionary advantage
33
77000
2000
Đây có thể không phải là ưu điểm của quá trình tiến hóa
01:34
to laying down memories of childhood
34
79000
2000
để thiết lập nên hồi ức về thời thơ ấu
01:36
or perceiving the color of a rose
35
81000
2000
hoặc để cảm nhận màu sắc của hoa hồng
01:38
if it doesn't affect the way you're going to move later in life.
36
83000
3000
nếu nó không gây ảnh hưởng đến cách bạn sẽ chuyển động sau này
01:41
Now for those who don't believe this argument,
37
86000
2000
Cho những ai không tin vào lập luận này,
01:43
we have trees and grass on our planet without the brain,
38
88000
2000
chúng ta có cây cối và cỏ dại không có bộ não trên hành tinh của chúng ta,
01:45
but the clinching evidence is this animal here --
39
90000
2000
tuy nhiên chứng cứ xác thực là loài vật này ở đây
01:47
the humble sea squirt.
40
92000
2000
con hải tiêu nhỏ bé này.
01:49
Rudimentary animal, has a nervous system,
41
94000
3000
Loài động vật sơ cấp này, có hệ thần kinh,
01:52
swims around in the ocean in its juvenile life.
42
97000
2000
bơi quanh đại dương khi chưa trưởng thành.
01:54
And at some point of its life,
43
99000
2000
Và vào một thời điểm nào đó trong cuộc sống của mình,
01:56
it implants on a rock.
44
101000
2000
hải tiêu bám vào đá.
01:58
And the first thing it does in implanting on that rock, which it never leaves,
45
103000
3000
Và điều đầu tiên nó làm khi bám vào tảng đá, nơi nó không bao giờ rời đi,
02:01
is to digest its own brain and nervous system
46
106000
3000
chính là tiêu hóa cả bộ não và hệ thần kinh của chính nó
02:04
for food.
47
109000
2000
như một loại thức ăn.
02:06
So once you don't need to move,
48
111000
2000
Vì thế một khi bạn không cần vận động,
02:08
you don't need the luxury of that brain.
49
113000
3000
bạn không cần sự xa xỉ của một bộ não.
02:11
And this animal is often taken
50
116000
2000
Và loài động vật này thường được lấy
02:13
as an analogy to what happens at universities
51
118000
2000
làm ví dụ tương tự cho những gì xảy ra trong các trường đại học
02:15
when professors get tenure,
52
120000
2000
khi các giáo sư được phong hàm,
02:17
but that's a different subject.
53
122000
2000
nhưng đây là một chủ đề khác.
02:19
(Applause)
54
124000
2000
(Vỗ tay)
02:21
So I am a movement chauvinist.
55
126000
3000
Vì thế tôi là một người theo chủ nghĩa di chuyển.
02:24
I believe movement is the most important function of the brain --
56
129000
2000
Tôi tin rằng sự vận động là chức năng quan trọng nhất của bộ não con người --
02:26
don't let anyone tell you that it's not true.
57
131000
2000
đừng để bất kỳ ai đó nói với bạn rằng đó không phải là sự thực.
02:28
Now if movement is so important,
58
133000
2000
Bây giờ, nếu chuyển động quan trọng đến vậy,
02:30
how well are we doing
59
135000
2000
chúng ta đã làm tốt đến đâu
02:32
understanding how the brain controls movement?
60
137000
2000
để hiểu phương thức bộ não chỉ huy chuyển động của cơ thể?
02:34
And the answer is we're doing extremely poorly; it's a very hard problem.
61
139000
2000
Và câu trả lời là chúng ta chưa làm được gì nhiều cả; đây chính là vấn đề khó khăn nhất.
02:36
But we can look at how well we're doing
62
141000
2000
Tuy nhiên chúng ta có thể biết được chúng ta làm tốt đến đâu
02:38
by thinking about how well we're doing building machines
63
143000
2000
bằng cách nghĩ về việc chúng ta lắp ráp máy móc tốt đến đâu
02:40
which can do what humans can do.
64
145000
2000
đây là những thiết bị có thể làm những việc mà con người có thể làm.
02:42
Think about the game of chess.
65
147000
2000
Hãy nghĩ về trò chơi cờ vua.
02:44
How well are we doing determining what piece to move where?
66
149000
3000
Chúng ta làm tốt đến đâu trong việc quyết định đi nước cờ nào?
02:47
If you pit Garry Kasparov here, when he's not in jail,
67
152000
3000
Nếu bạn muốn cho kỳ thủ Gary Kasparov tại đây, khi ông chưa bị giam,
02:50
against IBM's Deep Blue,
68
155000
2000
thi đấu cờ vua với chiếc máy tính Deep Blue của IBM,
02:52
well the answer is IBM's Deep Blue will occasionally win.
69
157000
3000
thì câu trả lời là chiếc Deep Blue của IBM sẽ thắng.
02:55
And I think if IBM's Deep Blue played anyone in this room, it would win every time.
70
160000
3000
Và tôi nghĩ rằng nếu cho chiếc Deep Blue của IBM thi đấu với bất kỳ ai trong khán phòng này, nó sẽ luôn thắng.
02:58
That problem is solved.
71
163000
2000
Vấn đề này đã được giải quyết.
03:00
What about the problem
72
165000
2000
Thế còn về vấn đề
03:02
of picking up a chess piece,
73
167000
2000
chọn nước cờ để đi,
03:04
dexterously manipulating it and putting it back down on the board?
74
169000
3000
thao tác khéo léo và đặt nó trở lại bàn cờ?
03:07
If you put a five year-old child's dexterity against the best robots of today,
75
172000
3000
Nếu bạn so sánh sự khéo léo của một đứa trẻ 5 tuổi với một chiếc rô-bốt tốt nhất ngày nay,
03:10
the answer is simple:
76
175000
2000
câu trả lời thật đơn giản:
03:12
the child wins easily.
77
177000
2000
đứa trẻ sẽ thắng dễ dàng.
03:14
There's no competition at all.
78
179000
2000
Ở đây không có cuộc thi nào cả.
03:16
Now why is that top problem so easy
79
181000
2000
Tại sao vấn đề này lại quá dễ
03:18
and the bottom problem so hard?
80
183000
2000
và mấu chốt của vấn đề lại quá khó?
03:20
One reason is a very smart five year-old
81
185000
2000
Một lý do là một đứa trẻ 5 tuổi rất thông minh
03:22
could tell you the algorithm for that top problem --
82
187000
2000
có thể cho bạn biết thuật toán cho vấn đề quan trọng đó --
03:24
look at all possible moves to the end of the game
83
189000
2000
tìm tất cả những nước đi có thể để kết thúc trò chơi
03:26
and choose the one that makes you win.
84
191000
2000
và chọn một nước đi có thể khiến bạn thắng.
03:28
So it's a very simple algorithm.
85
193000
2000
Vì thế nó là một thuật toán rất đơn giản.
03:30
Now of course there are other moves,
86
195000
2000
Tất nhiên còn có những nước cờ khác,
03:32
but with vast computers we approximate
87
197000
2000
nhưng với vô số máy tính chúng tôi ước lượng
03:34
and come close to the optimal solution.
88
199000
2000
đưa đến gần hơn với giải pháp tối ưu.
03:36
When it comes to being dexterous,
89
201000
2000
Khi trở nên thành thạo
03:38
it's not even clear what the algorithm is you have to solve to be dexterous.
90
203000
2000
thậm chí là không rõ được thuật toán nào mà bạn phải giải quyết để trở nên khéo léo.
03:40
And we'll see you have to both perceive and act on the world,
91
205000
2000
Và chúng tôi sẽ cho rằng bạn có cả nhận thức và hành động tác động đến thế giới,
03:42
which has a lot of problems.
92
207000
2000
là nơi vốn có nhiều vấn đề.
03:44
But let me show you cutting-edge robotics.
93
209000
2000
Tuy nhiên hãy để tôi cho bạn thấy robot thế hệ mới nhất.
03:46
Now a lot of robotics is very impressive,
94
211000
2000
Ngày nay, có nhiều robot rất ấn tượng,
03:48
but manipulation robotics is really just in the dark ages.
95
213000
3000
nhưng sự thao tác của robot thực sự mới chỉ ở giai đoạn đầu.
03:51
So this is the end of a Ph.D. project
96
216000
2000
Vì vậy, đây là kết thúc của một dự án Tiến Sĩ
03:53
from one of the best robotics institutes.
97
218000
2000
từ một trong những viện nghiên cứu rô-bốt tốt nhất.
03:55
And the student has trained this robot
98
220000
2000
Và những sinh viên đã từng huấn luyện người máy này
03:57
to pour this water into a glass.
99
222000
2000
rót nước vào cốc.
03:59
It's a hard problem because the water sloshes about, but it can do it.
100
224000
3000
Đây là một công việc khó khăn vì nước thường bị bắn tung tóe, nhưng người máy có thể làm việc đó.
04:02
But it doesn't do it with anything like the agility of a human.
101
227000
3000
Tuy nhiên người máy không rót nước khéo léo theo cách mà con người thường làm.
04:05
Now if you want this robot to do a different task,
102
230000
3000
Nếu bạn muốn người máy làm những nhiệm vụ khác,
04:08
that's another three-year Ph.D. program.
103
233000
3000
thì phải cần đến chương trình Tiến Sĩ kéo dài 3 năm nữa.
04:11
There is no generalization at all
104
236000
2000
Không có cái gì gọi là tổng quá hoá hết
04:13
from one task to another in robotics.
105
238000
2000
từ một nhiệm vụ đến nhiệm vụ khác trong ngành nghiên cứu người máy.
04:15
Now we can compare this
106
240000
2000
Bây giờ chúng ta có thể so sánh điều này
04:17
to cutting-edge human performance.
107
242000
2000
với hiệu suất hoạt động tiên tiến nhất của con người
04:19
So what I'm going to show you is Emily Fox
108
244000
2000
Những gì tôi sắp chứng minh cho bạn chính là Emily Fox
04:21
winning the world record for cup stacking.
109
246000
3000
đạt kỷ lục thế giới về xếp chồng cốc.
04:24
Now the Americans in the audience will know all about cup stacking.
110
249000
2000
Những khán giả người Mỹ trong khán phòng này sẽ biết về cuộc thi xếp cốc.
04:26
It's a high school sport
111
251000
2000
Đây là một môn thể thao trong trường học
04:28
where you have 12 cups you have to stack and unstack
112
253000
2000
Với môn này, bạn có 12 chiếc cốc để xếp và tách ra
04:30
against the clock in a prescribed order.
113
255000
2000
ngược chiều kim đồng hồ theo thứ tự cho trước.
04:32
And this is her getting the world record in real time.
114
257000
3000
Và đây là màn thi lập kỷ lục thế giới của cô ấy theo thời gian thực.
04:39
(Laughter)
115
264000
8000
(Cười)
04:47
(Applause)
116
272000
5000
(Vỗ tay)
04:52
And she's pretty happy.
117
277000
2000
Và cô bé khá hạnh phúc.
04:54
We have no idea what is going on inside her brain when she does that,
118
279000
2000
Chúng ta không biết điều gì diễn ra trong bộ não của cô bé khi cô chơi trò này,
04:56
and that's what we'd like to know.
119
281000
2000
và đó chính là điều chúng tôi muốn biết.
04:58
So in my group, what we try to do
120
283000
2000
Vì thế trong nhóm của tôi, những điều chúng tôi cố gắng làm
05:00
is reverse engineer how humans control movement.
121
285000
3000
là khám phá ra cơ chế con người điều khiển chuyển động của mình.
05:03
And it sounds like an easy problem.
122
288000
2000
Và nó dường như là một vấn đề dễ.
05:05
You send a command down, it causes muscles to contract.
123
290000
2000
Các bạn gửi mệnh lệnh xuống, nó khiến các cơ co bóp.
05:07
Your arm or body moves,
124
292000
2000
Cánh tay hay cơ thể của bạn chuyển động,
05:09
and you get sensory feedback from vision, from skin, from muscles and so on.
125
294000
3000
và bạn nhận được phản hồi về cảm giác từ tầm nhìn, da, từ các cơ bắp và vân vân.
05:12
The trouble is
126
297000
2000
Vấn đề ở đây là
05:14
these signals are not the beautiful signals you want them to be.
127
299000
2000
những tín hiệu này không phải là những tín hiệu hay như bạn mong đợi.
05:16
So one thing that makes controlling movement difficult
128
301000
2000
Vì thế một điều khiến việc điều khiển chuyể động khó khăn
05:18
is, for example, sensory feedback is extremely noisy.
129
303000
3000
là, ví dụ, phản hồi giác quan thường gây nhiễu.
05:21
Now by noise, I do not mean sound.
130
306000
3000
Với từ "nhiễu", tôi không có ý nhắc đến âm thanh.
05:24
We use it in the engineering and neuroscience sense
131
309000
2000
Chúng tôi sử dụng thuật ngữ này trong ngày kỹ thuật và ngành khoa học nghiên cứu thần kinh
05:26
meaning a random noise corrupting a signal.
132
311000
2000
với ý nghĩa là nhiễu bất kỳ có thể gây gián đoạn đến 1 tín hiệu.
05:28
So the old days before digital radio when you were tuning in your radio
133
313000
3000
Vì thế trước đây khi chưa có vô tuyến kỹ thuật số, khi bạn chuyển kênh trên đài radio
05:31
and you heard "crrcckkk" on the station you wanted to hear,
134
316000
2000
bạn nghe thấy tiếng "crrcckkk" tại kênh bạn muốn nghe,
05:33
that was the noise.
135
318000
2000
đó chính là nhiễu.
05:35
But more generally, this noise is something that corrupts the signal.
136
320000
3000
Nhưng xét trên diện rộng hơn, tiếng nhiễu này là cái gì đó có thể gây gián đoạn tín hiệu.
05:38
So for example, if you put your hand under a table
137
323000
2000
Ví dụ, nếu bạn muốn đặt tay dưới một chiếc bàn
05:40
and try to localize it with your other hand,
138
325000
2000
và cố định vị bằng một tay khác,
05:42
you can be off by several centimeters
139
327000
2000
bạn có thể chệch vài centimet
05:44
due to the noise in sensory feedback.
140
329000
2000
do nhiễu trong quá trình phản hồi cảm giác.
05:46
Similarly, when you put motor output on movement output,
141
331000
2000
Tương tự, khi bạn đặt đầu ra của động cơ lên đầu ra chuyển động,
05:48
it's extremely noisy.
142
333000
2000
nó gây ra nhiễu lớn.
05:50
Forget about trying to hit the bull's eye in darts,
143
335000
2000
Hãy quên việc cố đánh mắt bò...
05:52
just aim for the same spot over and over again.
144
337000
2000
chỉ nhắm đến một điểm liên tục.
05:54
You have a huge spread due to movement variability.
145
339000
3000
Bạn bị phân tán do tính biến đổi của việc vận động.
05:57
And more than that, the outside world, or task,
146
342000
2000
Và hơn thế nữa, thế giới bên ngoài, hay nhiệm vụ
05:59
is both ambiguous and variable.
147
344000
2000
đều mơ hồ và hay thay đổi
06:01
The teapot could be full, it could be empty.
148
346000
2000
Một ấm trà có thể đang đầy, hoặc có thể đang cạn
06:03
It changes over time.
149
348000
2000
Nó thay đổi theo thời gian.
06:05
So we work in a whole sensory movement task soup of noise.
150
350000
4000
Vì vậy chúng ta làm việc trong sự vận động thuộc cảm giác với tín hiệu nhiễu.
06:09
Now this noise is so great
151
354000
2000
Bây giờ tín hiệu nhiễu này lớn đến nỗi
06:11
that society places a huge premium
152
356000
2000
xã hội đặt một phần thưởng khổng lồ
06:13
on those of us who can reduce the consequences of noise.
153
358000
3000
cho ai trong chúng ta có thể giảm được các hậu quả của nhiễu.
06:16
So if you're lucky enough to be able to knock a small white ball
154
361000
3000
Vì vậy nếu bạn đủ may mắn để có thể đánh một trái banh trắng nhỏ
06:19
into a hole several hundred yards away using a long metal stick,
155
364000
3000
vào một lỗ cách xa đó hàng trăm dặm với một cây gậy bằng sắt dài,
06:22
our society will be willing to reward you
156
367000
2000
xã hội chúng ta sẽ sẵn lòng thưởng công cho bạn
06:24
with hundreds of millions of dollars.
157
369000
3000
bằng hàng trăm triệu đô la.
06:27
Now what I want to convince you of
158
372000
2000
Bây giờ, những gì tôi cố gắng thuyết phục các bạn là
06:29
is the brain also goes through a lot of effort
159
374000
2000
bộ não cũng phải trải qua rất nhiều nỗ lực
06:31
to reduce the negative consequences
160
376000
2000
để giảm thiểu các hậu quả xấu
06:33
of this sort of noise and variability.
161
378000
2000
của loại tín hiệu nhiễu và tính biến đổi này.
06:35
And to do that, I'm going to tell you about a framework
162
380000
2000
Và để làm điều đó, tôi sẽ nói với các bạn về một giải pháp
06:37
which is very popular in statistics and machine learning of the last 50 years
163
382000
3000
rất phổ biến trong thống kê và máy học trong vòng 50 năm qua
06:40
called Bayesian decision theory.
164
385000
2000
được gọi là thuyết quyết định Bayes.
06:42
And it's more recently a unifying way
165
387000
3000
Và nó gần như là trở thành một phương thức thống nhất
06:45
to think about how the brain deals with uncertainty.
166
390000
3000
để nghĩ về cách bộ não đối phó với sự không chắc chắn như thế nào.
06:48
And the fundamental idea is you want to make inferences and then take actions.
167
393000
3000
Và ý tưởng cơ bản là bạn muốn thực hiện suy luận và sau đó mới hành động.
06:51
So let's think about the inference.
168
396000
2000
Vậy hãy thử nghĩ về việc suy luận.
06:53
You want to generate beliefs about the world.
169
398000
2000
Bạn muốn tạo ra niềm tin về thế giới
06:55
So what are beliefs?
170
400000
2000
Vậy niềm tin là gì?
06:57
Beliefs could be: where are my arms in space?
171
402000
2000
Niềm tin có thể là: những mục tiêu của tôi ở đâu trong vũ trụ này?
06:59
Am I looking at a cat or a fox?
172
404000
2000
Tôi đang nhìn thấy một con mèo hay một con cáo?
07:01
But we're going to represent beliefs with probabilities.
173
406000
3000
Nhưng chúng tôi sẽ giới thiệu niềm tin bằng xác suất.
07:04
So we're going to represent a belief
174
409000
2000
Vì thế chúng tôi sẽ giới thiệu một niềm tin
07:06
with a number between zero and one --
175
411000
2000
bằng một con số giữa 0 và 1 --
07:08
zero meaning I don't believe it at all, one means I'm absolutely certain.
176
413000
3000
0 nghĩa là: tôi không tin chút nào, 1 nghĩa là tôi hoàn toàn chắc chắn.
07:11
And numbers in between give you the gray levels of uncertainty.
177
416000
3000
Và những con số giữa hai cột mốc này cho biết mức độ không chắc chắn.
07:14
And the key idea to Bayesian inference
178
419000
2000
Và ý tưởng chính cho thuyết suy luận Bayes.
07:16
is you have two sources of information
179
421000
2000
là bạn có hai nguồn thông tin
07:18
from which to make your inference.
180
423000
2000
mà từ đó bạn có thể suy luận.
07:20
You have data,
181
425000
2000
Bạn có dữ liệu.
07:22
and data in neuroscience is sensory input.
182
427000
2000
và dữ liệu trong thần kinh học là những dữ liệu đầu vào thuộc cảm giác.
07:24
So I have sensory input, which I can take in to make beliefs.
183
429000
3000
Vì vậy tôi có dữ liệu đầu vào thuộc cảm giác, mà tôi thể lấy để tao thành niềm tin.
07:27
But there's another source of information, and that's effectively prior knowledge.
184
432000
3000
Nhưng cũng có một nguồn thông tin khác, đó là kiến thức sẵn có.
07:30
You accumulate knowledge throughout your life in memories.
185
435000
3000
Bạn tích lũy kiến thức trong suốt cuộc sống của bạn trong ký ức.
07:33
And the point about Bayesian decision theory
186
438000
2000
Và quan điểm về thuyết quyết định Bayes
07:35
is it gives you the mathematics
187
440000
2000
là nó mang lại cho bạn cơ sở toán học
07:37
of the optimal way to combine
188
442000
2000
của phương thức tối ưu để kết hợp
07:39
your prior knowledge with your sensory evidence
189
444000
2000
kiến thức sẵn có với bằng chứng về cảm giác của bạn
07:41
to generate new beliefs.
190
446000
2000
để phát sinh ra niềm tin mới.
07:43
And I've put the formula up there.
191
448000
2000
Và tôi đã viết công thức lên đó.
07:45
I'm not going to explain what that formula is, but it's very beautiful.
192
450000
2000
Tôi sẽ không giải thích công thức đó là gì, nhưng nó trông rất tuyệt.
07:47
And it has real beauty and real explanatory power.
193
452000
3000
Và nó mang vẻ đẹp và sức mạnh giải thích thật sự.
07:50
And what it really says, and what you want to estimate,
194
455000
2000
Và những gì nó thật sự nói lên và những gì bạn muốn ước lượng,
07:52
is the probability of different beliefs
195
457000
2000
là xác suất của các niềm tin khác nhau
07:54
given your sensory input.
196
459000
2000
ứng với dữ liệu đầu vào thuộc cảm giác của bạn.
07:56
So let me give you an intuitive example.
197
461000
2000
Vì vậy, tôi sẽ đưa ra một ví dụ trực quan
07:58
Imagine you're learning to play tennis
198
463000
3000
Thử tưởng tượng là bạn đang học chơi tennis
08:01
and you want to decide where the ball is going to bounce
199
466000
2000
và bạn muốn quyết định quả banh sẽ nảy về hướng nào
08:03
as it comes over the net towards you.
200
468000
2000
khi nó bay qua lưới về hướng bạn.
08:05
There are two sources of information
201
470000
2000
Có hai nguồn thông tin
08:07
Bayes' rule tells you.
202
472000
2000
định luật Bayes cho biết như vậy.
08:09
There's sensory evidence -- you can use visual information auditory information,
203
474000
3000
Có bằng chứng về cảm giác -- bạn có thể sử dụng thông tin trực quan,
08:12
and that might tell you it's going to land in that red spot.
204
477000
3000
và điều đó có thể cho biết là quả bóng sẽ rơi vào điểm đỏ.
08:15
But you know that your senses are not perfect,
205
480000
3000
Nhưng bạn biết rằng các cảm giác của bạn không phải là hoàn hảo,
08:18
and therefore there's some variability of where it's going to land
206
483000
2000
và do đó có một vài biến đổi về nơi quả bóng sẽ rơi
08:20
shown by that cloud of red,
207
485000
2000
được miêu tả bằng một quầng màu đỏ,
08:22
representing numbers between 0.5 and maybe 0.1.
208
487000
3000
biểu diễn các con số ở giữa 0.5 và có thể là 0.1
08:26
That information is available in the current shot,
209
491000
2000
Thông tin đó có sẵn trong bức ảnh hiện tại,
08:28
but there's another source of information
210
493000
2000
nhưng có một nguồn thông tin khác
08:30
not available on the current shot,
211
495000
2000
không có sẵn trong bức ảnh hiện tại,
08:32
but only available by repeated experience in the game of tennis,
212
497000
3000
mà chỉ có sẵn bằng những kinh nghiệm lặp đi lặp lại trong các trận đấu tennis
08:35
and that's that the ball doesn't bounce
213
500000
2000
và rằng quả banh không nảy lên
08:37
with equal probability over the court during the match.
214
502000
2000
với cùng xác suất qua sân trong suốt trận đấu.
08:39
If you're playing against a very good opponent,
215
504000
2000
Nếu bạn đang thi đấu với một đấu thủ rất giỏi,
08:41
they may distribute it in that green area,
216
506000
2000
anh ta có thể phát quả banh vào vùng màu xanh đó,
08:43
which is the prior distribution,
217
508000
2000
là vùng phân phối sẵn có,
08:45
making it hard for you to return.
218
510000
2000
làm cho bạn khó mà đánh trả quả banh ngược về.
08:47
Now both these sources of information carry important information.
219
512000
2000
Bây giờ cả hai nguồn thông tin đều mang thông tin quan trọng.
08:49
And what Bayes' rule says
220
514000
2000
Và định luật Bayes cho biết
08:51
is that I should multiply the numbers on the red by the numbers on the green
221
516000
3000
rằng tôi nên nhân các con số trong vùng màu đỏ với các con số trong vùng màu xanh
08:54
to get the numbers of the yellow, which have the ellipses,
222
519000
3000
để có được các con số trong vùng màu vàng, mang hình eclipse,
08:57
and that's my belief.
223
522000
2000
và đó là niềm tin của tôi.
08:59
So it's the optimal way of combining information.
224
524000
3000
Vì vậy đó là phương thức tối ưu của việc kết hợp thông tin.
09:02
Now I wouldn't tell you all this if it wasn't that a few years ago,
225
527000
2000
Bây giờ tôi sẽ không kể cho các bạn về tất cả những điều này nếu không phải là cách đây một vài năm,
09:04
we showed this is exactly what people do
226
529000
2000
chúng tôi đã chứng minh đây chính xác là những gì mà người ta làm
09:06
when they learn new movement skills.
227
531000
2000
khi họ học về các kỹ năng vận động mới.
09:08
And what it means
228
533000
2000
Và nó có nghĩa
09:10
is we really are Bayesian inference machines.
229
535000
2000
là chúng ta thật sự là các cỗ máy suy luận Bayes
09:12
As we go around, we learn about statistics of the world and lay that down,
230
537000
4000
Khi chúng ta đi xung quanh, chúng ta học về sự thống kê của thế giới và đặt nó xuống
09:16
but we also learn
231
541000
2000
nhưng chúng ta cũng học được
09:18
about how noisy our own sensory apparatus is,
232
543000
2000
rằng bộ máy cảm giác của chính chúng ta bị nhiễu như thế nào,
09:20
and then combine those
233
545000
2000
và khi đó kết hợp những thứ này
09:22
in a real Bayesian way.
234
547000
2000
theo phương thức của Bayes.
09:24
Now a key part to the Bayesian is this part of the formula.
235
549000
3000
Bây giờ, phần chính yếu thuộc về Bayes là phần công thức này.
09:27
And what this part really says
236
552000
2000
Và những gì phần công thức này thật sự cho biết
09:29
is I have to predict the probability
237
554000
2000
là tôi phải dự đoán xác suất
09:31
of different sensory feedbacks
238
556000
2000
của các phản hồi thuộc cảm giác khác nhau
09:33
given my beliefs.
239
558000
2000
ứng với các niềm tin của tôi.
09:35
So that really means I have to make predictions of the future.
240
560000
3000
Điều đó có nghĩa là tôi phải dự đoán về tương lai.
09:38
And I want to convince you the brain does make predictions
241
563000
2000
Và tôi muốn thuyết phục các bạn rằng bộ não thật sự thực hiện việc dự đoán
09:40
of the sensory feedback it's going to get.
242
565000
2000
về các phản hồi cảm giác mà bộ não sắp sửa nhận được.
09:42
And moreover, it profoundly changes your perceptions
243
567000
2000
Và hơn nữa, điều này thay đổi một cách sâu sắc các nhận thức của bạn
09:44
by what you do.
244
569000
2000
với những gì bạn làm.
09:46
And to do that, I'll tell you
245
571000
2000
Và để làm điều đó, tôi sẽ cho các bạn biết
09:48
about how the brain deals with sensory input.
246
573000
2000
về bộ não xử lý như thế nào đối với các dữ liệu đầu vào thuộc cảm giác.
09:50
So you send a command out,
247
575000
3000
Vì vậy khi bạn gửi một mệnh lệnh ra,
09:53
you get sensory feedback back,
248
578000
2000
bạn nhận được một phản hồi thuộc cảm giác trả về,
09:55
and that transformation is governed
249
580000
2000
và phép biến đổi đó được điều khiển
09:57
by the physics of your body and your sensory apparatus.
250
582000
3000
bằng trạng thái vật lý của cơ thể và bộ máy cảm giác của bạn.
10:00
But you can imagine looking inside the brain.
251
585000
2000
Nhưng bạn có thể tưởng tượng nhìn vào bên trong bộ não.
10:02
And here's inside the brain.
252
587000
2000
Và đây thật sự là bên trong bộ não
10:04
You might have a little predictor, a neural simulator,
253
589000
2000
Bạn có thể có một bộ dự đoán nhỏ, một bộ mô phỏng thuộc thần kinh,
10:06
of the physics of your body and your senses.
254
591000
2000
của trạng thái vật lý của cơ thể và các cảm giác của bạn
10:08
So as you send a movement command down,
255
593000
2000
Vì vậy khi bạn gửi một lệnh vận động xuống,
10:10
you tap a copy of that off
256
595000
2000
bạn vỗ nhẹ vào bản sao đó
10:12
and run it into your neural simulator
257
597000
2000
và đưa nó vào bộ giả lập thần kinh
10:14
to anticipate the sensory consequences of your actions.
258
599000
4000
để lường trước những hậu quả cảm giác hành động của bạn
10:18
So as I shake this ketchup bottle,
259
603000
2000
Vì vậy khi tôi lắc cái hộp tương cà này,
10:20
I get some true sensory feedback as the function of time in the bottom row.
260
605000
3000
Tôi nhận được các phản hồi cảm giác thật sự như hàm số theo thời gian ở hàng dưới cùng
10:23
And if I've got a good predictor, it predicts the same thing.
261
608000
3000
Và khi tôi đã có được một thiết bị dự báo tốt, nó sẽ dự đoán cùng một kiểu.
10:26
Well why would I bother doing that?
262
611000
2000
Tại sao tôi lại phải làm điều đó ?
10:28
I'm going to get the same feedback anyway.
263
613000
2000
dù sao đi nữa, tôi cũng sẽ nhận được cùng một phản hồi
10:30
Well there's good reasons.
264
615000
2000
Sau đây là các lý do để giải thích cho việc này.
10:32
Imagine, as I shake the ketchup bottle,
265
617000
2000
Thử tưởng tượng, khi tôi lắc cái lọ tương cà này,
10:34
someone very kindly comes up to me and taps it on the back for me.
266
619000
3000
và có một người nào đó tiến về phía tôi và vỗ lên mặt sau của hộp tương cà hộ tôi.
10:37
Now I get an extra source of sensory information
267
622000
2000
Khi đó, tôi nhận được một nguồn thông tin cảm giác nữa
10:39
due to that external act.
268
624000
2000
gây ra bởi sự tương tác bên ngoài này.
10:41
So I get two sources.
269
626000
2000
Vì vậy tôi nhận được hai nguồn cảm giác
10:43
I get you tapping on it, and I get me shaking it,
270
628000
3000
Tôi có được cảm giác là bạn đang vỗ lên nó và cảm giác là tôi đang lắc nó.
10:46
but from my senses' point of view,
271
631000
2000
nhưng xét trên quan điểm giác quan của tôi
10:48
that is combined together into one source of information.
272
633000
3000
chúng được kết hợp với nhau thành một nguồn thông tin.
10:51
Now there's good reason to believe
273
636000
2000
Bây giờ, có lý do để bạn tin
10:53
that you would want to be able to distinguish external events from internal events.
274
638000
3000
rằng bạn muốn có thể phân biệt được các sự kiện xảy ra bên ngoài cơ thể với các sự kiện xảy ra từ bên trong cơ thể
10:56
Because external events are actually much more behaviorally relevant
275
641000
3000
Bởi vì các sự kiện xảy ra từ bên ngoài cơ thể có liên quan nhiều nhiều đến hành vi
10:59
than feeling everything that's going on inside my body.
276
644000
3000
hơn là cảm giác mọi thứ đang diễn ra trong cơ thể tôi.
11:02
So one way to reconstruct that
277
647000
2000
Vì vậy có một phương pháp để tái tạo lại điều đó
11:04
is to compare the prediction --
278
649000
2000
là so sánh các dự đoán
11:06
which is only based on your movement commands --
279
651000
2000
( chỉ căn cứ trên các mệnh lệnh vận động của bạn)
11:08
with the reality.
280
653000
2000
so với thực tế.
11:10
Any discrepancy should hopefully be external.
281
655000
3000
Nếu có bất kỳ sự khác nhau nào thì hầu như là nó là từ bên ngoài cơ thể.
11:13
So as I go around the world,
282
658000
2000
Vì vậy khi tôi đi vòng quanh thế giới
11:15
I'm making predictions of what I should get, subtracting them off.
283
660000
3000
Tôi đang dự đoán những gì tôi sẽ nhận được, và loại trừ chúng ra.
11:18
Everything left over is external to me.
284
663000
2000
Mọi thứ còn lại đối với tôi là từ bên ngoài
11:20
What evidence is there for this?
285
665000
2000
Có chứng cứ nào cho việc này không ?
11:22
Well there's one very clear example
286
667000
2000
Có một ví dụ minh hoạ rất rõ
11:24
where a sensation generated by myself feels very different
287
669000
2000
khi một cảm giác được phát sinh ra từ chính bản thân tôi sẽ rất khác biệt
11:26
then if generated by another person.
288
671000
2000
so với nếu nó được phát sinh ra bởi một người nào khác.
11:28
And so we decided the most obvious place to start
289
673000
2000
Và vì vậy chúng ta đã biết được nơi nên bắt đầu
11:30
was with tickling.
290
675000
2000
là với việc gây kích thích.
11:32
It's been known for a long time, you can't tickle yourself
291
677000
2000
Người ta đã biết từ lâu rằng bản thân con người không thể tự gây kích thích
11:34
as well as other people can.
292
679000
2000
cũng như là những người khác có thể làm điều đó.
11:36
But it hasn't really been shown, it's because you have a neural simulator,
293
681000
3000
Nhưng nó chưa thật sự được chứng minh, đó là bởi vì khi bạn có một bộ giả lập thần kinh
11:39
simulating your own body
294
684000
2000
mô phỏng theo chính cơ thể bạn
11:41
and subtracting off that sense.
295
686000
2000
và loại trừ cảm giác đó ra.
11:43
So we can bring the experiments of the 21st century
296
688000
3000
Vì vậy chúng ta có thể mang các thí nghiệm của thế kỉ 21
11:46
by applying robotic technologies to this problem.
297
691000
3000
bằng cách áp dụng các công nghệ robot vào vấn đề này.
11:49
And in effect, what we have is some sort of stick in one hand attached to a robot,
298
694000
3000
Và trên thực tế, chúng ta sẽ dùng một thiết bị như cây gậy trên một tay và được gắn vào một robot,
11:52
and they're going to move that back and forward.
299
697000
2000
và chúng có thể chuyển động tới lui.
11:54
And then we're going to track that with a computer
300
699000
2000
Và kế tiếp chúng ta theo dõi chuyển động đó với một máy vi tính
11:56
and use it to control another robot,
301
701000
2000
và sử dụng nó để điều khiển một robot khác,
11:58
which is going to tickle their palm with another stick.
302
703000
2000
mà con robot này sẽ kích thích bàn tay với một cây gậy khác.
12:00
And then we're going to ask them to rate a bunch of things
303
705000
2000
Và khi đó chúng ta có thể ước lượng được nhiều thứ
12:02
including ticklishness.
304
707000
2000
bao gồm cả triệu chứng "đụng vào là cười"
12:04
I'll show you just one part of our study.
305
709000
2000
Tôi sẽ trình diễn cho các bạn thấy chỉ một phần trong nghiên cứu của chúng tôi.
12:06
And here I've taken away the robots,
306
711000
2000
Và đây, khi tôi di chuyển robot,
12:08
but basically people move with their right arm sinusoidally back and forward.
307
713000
3000
nhưng thật sự là di chuyển tay phải tới lui theo hình sin
12:11
And we replay that to the other hand with a time delay.
308
716000
3000
Và khi làm lại điều đó với tay còn lại với một khoảng thời gian chờ
12:14
Either no time delay,
309
719000
2000
hoặc không có thời gian chờ,
12:16
in which case light would just tickle your palm,
310
721000
2000
trong trường hợp đó, ánh sáng chỉ kích thích vào bàn tay bạn,
12:18
or with a time delay of two-tenths of three-tenths of a second.
311
723000
4000
hoặc là với một khoảng thời gian chờ khoảng 2/10 hoặc 3/10 của một giây.
12:22
So the important point here
312
727000
2000
Và điều quan trọng là
12:24
is the right hand always does the same things -- sinusoidal movement.
313
729000
3000
tay phải luôn luôn chỉ làm đúng một chuyện -- di chuyển theo hình sin.
12:27
The left hand always is the same and puts sinusoidal tickle.
314
732000
3000
tay trái luôn luôn giữ thiết bị chiếu sáng hình sin
12:30
All we're playing with is a tempo causality.
315
735000
2000
Những gì chúng ta đang thực hiện là phương pháp nhân quả có nhịp độ.
12:32
And as we go from naught to 0.1 second,
316
737000
2000
Và khi chúng ta đi từ 0 đến 0.1 giây,
12:34
it becomes more ticklish.
317
739000
2000
nó trở nên càng bị kích thích
12:36
As you go from 0.1 to 0.2,
318
741000
2000
Khi bạn đi từ 0.1 đến 0.2,
12:38
it becomes more ticklish at the end.
319
743000
2000
nó trở nên bị kích thích về phía cuối.
12:40
And by 0.2 of a second,
320
745000
2000
Và ở mức 0.2 của một giây
12:42
it's equivalently ticklish
321
747000
2000
nó bị kích thích một cách tương đương
12:44
to the robot that just tickled you without you doing anything.
322
749000
2000
với con robot mà chỉ vừa mới kích thích bạn trong khi bạn không làm gì cả.
12:46
So whatever is responsible for this cancellation
323
751000
2000
Vì vậy cho dù là cái gì đi nữa chịu trách nhiệm cho sự triệt tiêu này
12:48
is extremely tightly coupled with tempo causality.
324
753000
3000
thì cũng kết hợp cực kỳ chặt chẽ với phương pháp nhân quả có nhịp độ.
12:51
And based on this illustration, we really convinced ourselves in the field
325
756000
3000
Và dựa trên sự minh hoạ này, chúng ta đã thật sự thuyết phục chúng ta rằng trong lĩnh vực này
12:54
that the brain's making precise predictions
326
759000
2000
bộ não đã tạo nên các dự đoán chính xác
12:56
and subtracting them off from the sensations.
327
761000
3000
và loại trừ chúng khỏi từ các sự cảm nhận.
12:59
Now I have to admit, these are the worst studies my lab has ever run.
328
764000
3000
Bây giờ, tôi phải thừa nhận rằng, đây là những nghiên cứu tệ hại nhất của tôi được thực hiện ở phòng thí nghiệm.
13:02
Because the tickle sensation on the palm comes and goes,
329
767000
2000
Bởi vì việc cảm nhận kích thích trên lòng bàn tay chỉ thoáng qua,
13:04
you need large numbers of subjects
330
769000
2000
bạn cần số lượng lớn các đối tượng
13:06
with these stars making them significant.
331
771000
2000
đóng vai trò chính làm cho chúng trở nên đáng kể.
13:08
So we were looking for a much more objective way
332
773000
2000
Vì vậy chúng tôi đã tìm kiếm một phương pháp khách quan hơn
13:10
to assess this phenomena.
333
775000
2000
để đánh giá hiện tượng này.
13:12
And in the intervening years I had two daughters.
334
777000
2000
Và trong những năm vào thời điểm đó, tôi có hai con gái.
13:14
And one thing you notice about children in backseats of cars on long journeys,
335
779000
3000
Và một điều mà bạn thấy rằng khi trẻ con ngồi ở ghế sau của xe trên các chuyến đi dài,
13:17
they get into fights --
336
782000
2000
đó là chúng đánh đấm lẫn nhau --
13:19
which started with one of them doing something to the other, the other retaliating.
337
784000
3000
mà bắt đầu là đứa này làm điều gì đó với đứa kia, và đứa kia đánh trả lại.
13:22
It quickly escalates.
338
787000
2000
Và càng lúc trở nên gay cấn hơn.
13:24
And children tend to get into fights which escalate in terms of force.
339
789000
3000
Và khi trẻ con có xu hướng chuyển đánh đấm lên đến mức bạo lực.
13:27
Now when I screamed at my children to stop,
340
792000
2000
Khi đó tôi phải thét lên gọi bọn trẻ ngừng lại,
13:29
sometimes they would both say to me
341
794000
2000
thỉnh thoảng chúng đều nói với tôi rằng
13:31
the other person hit them harder.
342
796000
3000
đứa kia đánh chúng mạnh hơn.
13:34
Now I happen to know my children don't lie,
343
799000
2000
Và bây giờ tôi tình cờ biết là bọn trẻ không nói dối,
13:36
so I thought, as a neuroscientist,
344
801000
2000
vì vậy tôi nghĩ, với tư cách là một nhà khoa học về thần kinh,
13:38
it was important how I could explain
345
803000
2000
điều quan trọng là tôi có thể giải thích như thế nào
13:40
how they were telling inconsistent truths.
346
805000
2000
như thế nào mà chúng nói những sự thật mâu thuẫn nhau.
13:42
And we hypothesize based on the tickling study
347
807000
2000
Và chúng ta đặt ra giả thiết dựa trên nghiên cứu của việc kích thích
13:44
that when one child hits another,
348
809000
2000
rằng khi một đứa trẻ đánh vào đứa kia,
13:46
they generate the movement command.
349
811000
2000
chúng tạo ra mệnh lệnh vận động.
13:48
They predict the sensory consequences and subtract it off.
350
813000
3000
Chúng dự đoán các hậu quả dựa trên cảm giác và loại trừ nó đi.
13:51
So they actually think they've hit the person less hard than they have --
351
816000
2000
Vì vậy chúng thật sự nghĩ là chúng đã đánh đứa kía ít mạnh hơn hơn là đứa kia đánh chúng --
13:53
rather like the tickling.
352
818000
2000
cũng giống như việc kích thích.
13:55
Whereas the passive recipient
353
820000
2000
Trong khi đứa bị đánh thụ động
13:57
doesn't make the prediction, feels the full blow.
354
822000
2000
không dự đoán, cảm nhận trọn vẹn lực của cú đánh.
13:59
So if they retaliate with the same force,
355
824000
2000
Vì vậy nếu chúng trả đũa lại với cũng một lực,
14:01
the first person will think it's been escalated.
356
826000
2000
đứa đầu tiên sẽ nghĩ lực đó mạnh hơn.
14:03
So we decided to test this in the lab.
357
828000
2000
Vì vậy chúng tôi đã quyết định thực hiện kiểm tra điều này trong phòng thí nghiệm.
14:05
(Laughter)
358
830000
3000
(tiếng cười)
14:08
Now we don't work with children, we don't work with hitting,
359
833000
2000
Bấy giờ chúng tôi không thực nghiệm với trẻ con, không thực nghiệm bằng việc đánh nhau,
14:10
but the concept is identical.
360
835000
2000
nhưng ý tưởng thực nghiệm là giống nhau.
14:12
We bring in two adults. We tell them they're going to play a game.
361
837000
3000
Chúng tôi mang vào hai người lớn. Chúng tôi bảo họ chơi một trò chơi.
14:15
And so here's player one and player two sitting opposite to each other.
362
840000
2000
Và người chơi thứ nhất và thứ hai ngồi đối diện với nhau.
14:17
And the game is very simple.
363
842000
2000
và trò chơi thì đơn giản.
14:19
We started with a motor
364
844000
2000
Chúng tôi bắt đầu với một động cơ môtô
14:21
with a little lever, a little force transfuser.
365
846000
2000
với một đòn bẩy nhỏ, một bộ phận truyền lực nhỏ.
14:23
And we use this motor to apply force down to player one's fingers
366
848000
2000
Và chúng tôi sử dụng cái động cơ này để tạo áp lực xuống ngón tay của người chơi
14:25
for three seconds and then it stops.
367
850000
3000
trong vòng ba giây và ngừng lại.
14:28
And that player's been told, remember the experience of that force
368
853000
3000
Và người chơi được dặn trước rằng hãy ghi nhớ lực tác động đó
14:31
and use your other finger
369
856000
2000
và sử dụng ngón tay kia
14:33
to apply the same force
370
858000
2000
tạo ra cùng một lực tác động
14:35
down to the other subject's finger through a force transfuser -- and they do that.
371
860000
3000
xuống ngón tay của người kia thông qua bộ phận truyền lực -- và họ sẽ làm như vậy.
14:38
And player two's been told, remember the experience of that force.
372
863000
3000
Người chơi thứ hai cũng được dặn trước rằng hãy ghi nhớ lực tác động đó.
14:41
Use your other hand to apply the force back down.
373
866000
3000
Sử dụng tay kia để tạo lực tác động ngược lại.
14:44
And so they take it in turns
374
869000
2000
Và họ cứ làm như vậy lần lượt
14:46
to apply the force they've just experienced back and forward.
375
871000
2000
đế tạo lực tác động mà họ vừa mới trải nghiệm lẫn nhau.
14:48
But critically,
376
873000
2000
Nhưng một cách nghiêm túc mà nói,
14:50
they're briefed about the rules of the game in separate rooms.
377
875000
3000
họ đã tường thuật lại quy tắc của trò chơi trong các gian phòng khác nhau.
14:53
So they don't know the rules the other person's playing by.
378
878000
2000
Vì vậy họ không biết về quy tắc của người chơi còn lại.
14:55
And what we've measured
379
880000
2000
Và những gì chúng tôi đo lường được
14:57
is the force as a function of terms.
380
882000
2000
là lực tác động như là một hàm số trong một khoảng thời gian ngắn.
14:59
And if we look at what we start with,
381
884000
2000
Và nếu chúng ta xem lại những gì lúc bắt đầu,
15:01
a quarter of a Newton there, a number of turns,
382
886000
2000
một phần tư lực Newton, với một số lượt,
15:03
perfect would be that red line.
383
888000
2000
tốt nhất là ở đường gạch đỏ.
15:05
And what we see in all pairs of subjects is this --
384
890000
3000
Và những gì chúng ta thấy trong cặp đối tượng này là --
15:08
a 70 percent escalation in force
385
893000
2000
một mức tăng thêm 70% của lực tác động
15:10
on each go.
386
895000
2000
cho mỗi lượt.
15:12
So it really suggests, when you're doing this --
387
897000
2000
Vì vậy nó thực sự gợi ra rằng, khi thực hiện điều này --
15:14
based on this study and others we've done --
388
899000
2000
dựa trên nghiên cứu này và những nghiên cứu khác mà chúng tôi đã thực hiện --
15:16
that the brain is canceling the sensory consequences
389
901000
2000
rằng bộ não đang bỏ qua các hậu quả thuộc cảm giác
15:18
and underestimating the force it's producing.
390
903000
2000
và đánh giá thấp lực tác động mà nó sản sinh ra.
15:20
So it re-shows the brain makes predictions
391
905000
2000
Vì vậy điều đó lại cho thấy rằng bộ não tạo ra các dự đoán
15:22
and fundamentally changes the precepts.
392
907000
3000
và về cơ bản là thay đổi các nguyên lý.
15:25
So we've made inferences, we've done predictions,
393
910000
3000
Vì vậy chúng ta đã tạo ra các suy luận, chúng ta tạo ra các dự đoán,
15:28
now we have to generate actions.
394
913000
2000
bây giờ chúng ta phải phát sinh ra các hành động.
15:30
And what Bayes' rule says is, given my beliefs,
395
915000
2000
Và định luật Bayes nói rằng, với sự tin tưởng của tôi,
15:32
the action should in some sense be optimal.
396
917000
2000
hành động nên ở một mức độ tối ưu.
15:34
But we've got a problem.
397
919000
2000
Nhưng chúng ta có một vấn đề ở đây.
15:36
Tasks are symbolic -- I want to drink, I want to dance --
398
921000
3000
Các nhiệm vụ mang tính tượng trưng -- Tôi muốn uống, tôi muốn nhảy --
15:39
but the movement system has to contract 600 muscles
399
924000
2000
nhưng hệ vận động phải co rút lại 600 cơ bắp
15:41
in a particular sequence.
400
926000
2000
theo một trình tự cụ thể nào đó.
15:43
And there's a big gap
401
928000
2000
Và có một khoảng cách lớn
15:45
between the task and the movement system.
402
930000
2000
giữa nhiệm vụ và hệ vận động.
15:47
So it could be bridged in infinitely many different ways.
403
932000
2000
Vì vậy nó có thể là cầu nối theo nhiều cách khác nhau.
15:49
So think about just a point to point movement.
404
934000
2000
hãy nghĩ về việc chuyển động từ một điểm đến một điểm khác.
15:51
I could choose these two paths
405
936000
2000
Tôi có thể chọn hai đường này
15:53
out of an infinite number of paths.
406
938000
2000
trong vô số các con đường.
15:55
Having chosen a particular path,
407
940000
2000
Sau khi đã chọn một đường cụ thể nào đó,
15:57
I can hold my hand on that path
408
942000
2000
Tôi có thể giữ tay trên đường đó
15:59
as infinitely many different joint configurations.
409
944000
2000
theo nhiều kiểu cấu hình khớp xương khác nhau.
16:01
And I can hold my arm in a particular joint configuration
410
946000
2000
Và tôi cũng có thể giữ tay theo một kiểu cấu hình khớp nhất định nào đó
16:03
either very stiff or very relaxed.
411
948000
2000
hoặc là rất là cứng nhắc hoặc là rất thoải mái
16:05
So I have a huge amount of choice to make.
412
950000
3000
Vì vậy tôi có rất rất nhiều sự lựa chọn khác nhau.
16:08
Now it turns out, we are extremely stereotypical.
413
953000
3000
Nhưng hoá ra là chúng ta cực kỳ theo khuôn mẫu.
16:11
We all move the same way pretty much.
414
956000
3000
Chúng ta di chuyển hầu như theo cùng một cách.
16:14
And so it turns out we're so stereotypical,
415
959000
2000
Và vì vậy hoá ra là chúng ta quá theo khuôn mẫu,
16:16
our brains have got dedicated neural circuitry
416
961000
2000
bộ não của chúng ta có các mạch thần kinh chuyên dụng
16:18
to decode this stereotyping.
417
963000
2000
để giải mã kiểu khuôn mẫu này.
16:20
So if I take some dots
418
965000
2000
Vì vậy nếu tôi lấy một vài điểm
16:22
and set them in motion with biological motion,
419
967000
3000
và đặt chúng trong sự chuyển động với chuyển động sinh học,
16:25
your brain's circuitry would understand instantly what's going on.
420
970000
3000
mạch trong bộ não sẽ hiểu ngay lập tức cái gì đang xảy ra.
16:28
Now this is a bunch of dots moving.
421
973000
2000
Bây giờ nếu là một chùm điểm chuyển động.
16:30
You will know what this person is doing,
422
975000
3000
bạn sẽ biết rằng người này đang làm gì đó,
16:33
whether happy, sad, old, young -- a huge amount of information.
423
978000
3000
có thể là vui, buồn, già, trẻ -- một lượng thông tin khổng lồ.
16:36
If these dots were cars going on a racing circuit,
424
981000
2000
Nếu các điểm này là các xe đang trên đường đua,
16:38
you would have absolutely no idea what's going on.
425
983000
3000
bạn sẽ tuyệt đối không biết cái gì đang xảy ra.
16:41
So why is it
426
986000
2000
Tại sao lại như vậy
16:43
that we move the particular ways we do?
427
988000
2000
rằng chúng ta di chuyển theo các cách cụ thể ?
16:45
Well let's think about what really happens.
428
990000
2000
Hãy nghĩ về những gì thật sự xảy ra.
16:47
Maybe we don't all quite move the same way.
429
992000
3000
Có thể là chúng ta không hoàn toàn di chuyển theo cùng một cách.
16:50
Maybe there's variation in the population.
430
995000
2000
Có thể là có sự biến động trong dân số.
16:52
And maybe those who move better than others
431
997000
2000
Và có thể một số người, mà di chuyển tốt hơn những người còn lại,
16:54
have got more chance of getting their children into the next generation.
432
999000
2000
có nhiều cơ hội hơn trong việc đưa con cái của họ vào thế hệ kế tiếp.
16:56
So in evolutionary scales, movements get better.
433
1001000
3000
Vì vậy trong các nấc thang tiến hoá, sự vận động trở nên tốt hơn.
16:59
And perhaps in life, movements get better through learning.
434
1004000
3000
Và có lẽ là trong cuộc sống, sự vận động trở nên tốt hơn thông qua việc học.
17:02
So what is it about a movement which is good or bad?
435
1007000
2000
Vậy thế nào là một sự di chuyển tốt hoặc xấu ?
17:04
Imagine I want to intercept this ball.
436
1009000
2000
Thử tưởng tượng là tôi muốn chặn trái banh này lại.
17:06
Here are two possible paths to that ball.
437
1011000
3000
Có hai đường có thể dẫn đến trái banh đó.
17:09
Well if I choose the left-hand path,
438
1014000
2000
Nếu tôi chọn con đường bên tay trái,
17:11
I can work out the forces required
439
1016000
2000
Tôi có thể tính toán được các lực tác động cần thiết
17:13
in one of my muscles as a function of time.
440
1018000
2000
trong các cơ bắp của tôi như là các hàm số của thời gian.
17:15
But there's noise added to this.
441
1020000
2000
Nhưng có sự nhiễu thêm vào đây.
17:17
So what I actually get, based on this lovely, smooth, desired force,
442
1022000
3000
Vì vậy những gì tôi thật sự có được, với lực tác động bằng phẳng và mong đợi
17:20
is a very noisy version.
443
1025000
2000
là một phiên bản bị nhiễu
17:22
So if I pick the same command through many times,
444
1027000
3000
Vì vậy nếu tôi chọn cùng một mệnh lệnh qua nhiều lần,
17:25
I will get a different noisy version each time, because noise changes each time.
445
1030000
3000
tôi sẽ có được một phiên bản bị nhiễu cho mỗi lần, bởi vì tín hiệu nhiễu thay đổi cho mỗi lần.
17:28
So what I can show you here
446
1033000
2000
Những gì tôi có thể trình diễn cho các bạn thấy là
17:30
is how the variability of the movement will evolve
447
1035000
2000
tính biến đổi của sự vận động sẽ tiến triển như thế nào
17:32
if I choose that way.
448
1037000
2000
nếu tôi chọn cách đó.
17:34
If I choose a different way of moving -- on the right for example --
449
1039000
3000
Nếu tôi chọn cách thức di chuyển khác -- chẳng hạn về bên tay phải --
17:37
then I'll have a different command, different noise,
450
1042000
2000
khi đó tôi sẽ có một mệnh lệnh khác, một tín hiệu nhiễu khác,
17:39
playing through a noisy system, very complicated.
451
1044000
3000
thực hiện thông qua một hệ thống bị nhiễu, là rất phức tạp.
17:42
All we can be sure of is the variability will be different.
452
1047000
3000
Những gì chúng ta có thể chắc chắn là tính biến đổi sẽ khác nhau.
17:45
If I move in this particular way,
453
1050000
2000
Nếu tôi di chuyển theo cách thức cụ thể này,
17:47
I end up with a smaller variability across many movements.
454
1052000
3000
tôi sau cùng có được một sự biến thiên nhỏ hơn qua nhiều lần chuyển động.
17:50
So if I have to choose between those two,
455
1055000
2000
Vì vậy nếu tôi phải chọn giữa hai cách thức này,
17:52
I would choose the right one because it's less variable.
456
1057000
2000
tôi sẽ chọn cách bên phải bởi vì nó ít bị biến đổi hơn.
17:54
And the fundamental idea
457
1059000
2000
Và ý tưởng cơ bản
17:56
is you want to plan your movements
458
1061000
2000
là bạn muốn lập kế hoạch cho các sự vận động
17:58
so as to minimize the negative consequence of the noise.
459
1063000
3000
để tối thiểu hoá các hậu quả xấu của tín hiệu nhiễu.
18:01
And one intuition to get
460
1066000
2000
Và một nhận thức có được
18:03
is actually the amount of noise or variability I show here
461
1068000
2000
là thật sự số lượng nhiễu hoặc tính biến đổi mà tôi trình bày ở đây
18:05
gets bigger as the force gets bigger.
462
1070000
2000
trở nên lớn hơn khi lực tác động mạnh hơn.
18:07
So you want to avoid big forces as one principle.
463
1072000
3000
Vì vậy nên tránh các lực tác động mạnh là một nguyên lý.
18:10
So we've shown that using this,
464
1075000
2000
Chúng ta đã chứng minh rằng sử dụng điều này
18:12
we can explain a huge amount of data --
465
1077000
2000
sẽ có thể giải thích được một lượng lớn dữ liệu --
18:14
that exactly people are going about their lives planning movements
466
1079000
3000
rằng chính xác là con người chuẩn bị cho cuộc sống bằng cách lên kế hoạch cho các sự vận động
18:17
so as to minimize negative consequences of noise.
467
1082000
3000
để tối thiểu hoá các hậu quả xấu của tín hiệu nhiễu.
18:20
So I hope I've convinced you the brain is there
468
1085000
2000
Vì vậy tôi hy vọng rằng tôi đã thuyết phục được các bạn rằng bộ não hiện hữu
18:22
and evolved to control movement.
469
1087000
2000
và tiến hoá để điều khiển sự vận động
18:24
And it's an intellectual challenge to understand how we do that.
470
1089000
3000
và đó là một thử thách về mặt trí óc để hiểu được chúng ta làm điều đó như thế nào.
18:27
But it's also relevant
471
1092000
2000
Nhưng điều này cũng có liên quan
18:29
for disease and rehabilitation.
472
1094000
2000
đến bệnh tật và sự hồi phục.
18:31
There are many diseases which effect movement.
473
1096000
3000
Có nhiều bệnh tật gây ảnh hưởng đến sự vận động.
18:34
And hopefully if we understand how we control movement,
474
1099000
2000
và hy vọng là nếu chúng ta hiểu được cách chúng ta điều khiển sự vận động như thế nào
18:36
we can apply that to robotic technology.
475
1101000
2000
chúng ta có thể áp dụng vào công nghệ robot.
18:38
And finally, I want to remind you,
476
1103000
2000
Và sau cùng, tôi muốn nhắc nhở các bạn rằng,
18:40
when you see animals do what look like very simple tasks,
477
1105000
2000
khi các bạn thấy các con vật làm những gì trông giống như là các tác vụ đơn giản,
18:42
the actual complexity of what is going on inside their brain
478
1107000
2000
thực chất của sự phức tạp đang diễn ra bên trong bộ não của chúng
18:44
is really quite dramatic.
479
1109000
2000
là hoàn toàn ấn tượng.
18:46
Thank you very much.
480
1111000
2000
Cám ơn các bạn rất nhiều.
18:48
(Applause)
481
1113000
8000
(tiếng vỗ tay)
18:56
Chris Anderson: Quick question for you, Dan.
482
1121000
2000
Chris Anderson: một câu hỏi nhanh cho ông, Dan.
18:58
So you're a movement -- (DW: Chauvinist.) -- chauvinist.
483
1123000
4000
vậy ông vận động -- (DW: Người yêu nước) -- người yêu nước.
19:02
Does that mean that you think that the other things we think our brains are about --
484
1127000
3000
Có phải điều đó có nghĩa là ông nghĩ rằng những thứ khác chúng ta đang nghĩ trong não về --
19:05
the dreaming, the yearning, the falling in love and all these things --
485
1130000
3000
giấc mơ, sự khát khao, sự yêu đương và tất cả những thứ này --
19:08
are a kind of side show, an accident?
486
1133000
3000
là một loại thứ yếu, một sự tình cờ ?
19:11
DW: No, no, actually I think they're all important
487
1136000
2000
DW: Không, không, thật sự tôi nghĩ chúng tất cả đều quan trọng
19:13
to drive the right movement behavior to get reproduction in the end.
488
1138000
3000
để điều khiển hành vi vận động một cách đúng đắn để có thể tái tạo lại khi kết thúc.
19:16
So I think people who study sensation or memory
489
1141000
3000
Vì vậy tôi nghĩ người ta học cảm nhận hoặc ghi nhớ
19:19
without realizing why you're laying down memories of childhood.
490
1144000
2000
mà không nhận biết tại sao họ đang thiết lập các hồi ức của thời thơ ấu
19:21
The fact that we forget most of our childhood, for example,
491
1146000
3000
Chẳng hạn, việc chúng ta quên hầu hết thời thơ ấu,
19:24
is probably fine, because it doesn't effect our movements later in life.
492
1149000
3000
có lẽ là cũng tốt thôi, bởi vì nó không ảnh hưởng đến sự vận động sau này của chúng ta trong cuộc sống.
19:27
You only need to store things which are really going to effect movement.
493
1152000
3000
Bạn chỉ cần lưu trữ những thứ thật sự có ảnh hưởng đến việc vận động.
19:30
CA: So you think that people thinking about the brain, and consciousness generally,
494
1155000
3000
CA: vì vậy ông nghĩ là người ta nghĩ về bộ não, sự nhận thức nói chung,
19:33
could get real insight
495
1158000
2000
có thể có được sự hiểu biết thấu đáo
19:35
by saying, where does movement play in this game?
496
1160000
2000
bằng cách nói rằng, sự vận động đóng vai trò ở đâu trong trò chơi này ?
19:37
DW: So people have found out for example
497
1162000
2000
DW: chẳng hạn người ta đã nhận ra
19:39
that studying vision in the absence of realizing why you have vision
498
1164000
2000
rằng học tưởng tượng mà thiếu nhận thức rằng tại sao họ lại có sự tưởng tượng
19:41
is a mistake.
499
1166000
2000
là một sai lầm
19:43
You have to study vision with the realization
500
1168000
2000
Phải học tưởng tượng với sự nhận thức
19:45
of how the movement system is going to use vision.
501
1170000
2000
rằng hệ vận động đang sử dụng sự tưởng tượng như thế nào
19:47
And it uses it very differently once you think about it that way.
502
1172000
2000
và hệ vận động sử dụng nó rất khác nhau mỗi khi bạn nghĩ về nó theo cách đó.
19:49
CA: Well that was quite fascinating. Thank you very much indeed.
503
1174000
3000
CA: Điều này hoàn toàn là rất thú vị. Thật sự các ơn ông.
19:52
(Applause)
504
1177000
2000
(tiếng vỗ tay)
ABOUT THE SPEAKER
Daniel Wolpert - Movement expertA neuroscientist and engineer, Daniel Wolpert studies how the brain controls the body.
Why you should listen
Consider your hand. You use it to lift things, to balance yourself, to give and take, to sense the world. It has a range of interacting degrees of freedom, and it interacts with many different objects under a variety of environmental conditions. And for most of us, it all just works. At his lab in the Engineering department at Cambridge, Daniel Wolpert and his team are studying why, looking to understand the computations underlying the brain's sensorimotor control of the body.
As he says, "I believe that to understand movement is to understand the whole brain. And therefore it’s important to remember when you are studying memory, cognition, sensory processing, they’re there for a reason, and that reason is action.” Movement is the only way we have of interacting with the world, whether foraging for food or attracting a waiter's attention. Indeed, all communication, including speech, sign language, gestures and writing, is mediated via the motor system. Taking this viewpoint, and using computational and robotic techniques as well as virtual reality systems, Wolpert and his team research the purpose of the human brain and the way it determines future actions.
Daniel Wolpert | Speaker | TED.com