أنا عالم أعصاب. وفي علم الأعصاب، علينا أن نتعامل مع العديد من الأسئلة الصعبة حول الدماغ. ولكن أريد أن أبدأ مع أسهل سؤال وهو السؤال الذي ينبغي حقا عليكم جميعا أن تطرحوه على أنفسكم في مرحلة ما من حياتكم، لأنّه سؤال أساسيّ إذا ما أردنا أن نفهم وظيفة الدماغ. السؤال هو، لماذا نملك نحن وبعض الحيوانات الأخرى أدمغة؟ ليست كل الأنواع على كوكبنا ذوات أدمغة، لذا إذا أردنا أن نعرف دور الدماغ، دعونا نفكر لماذا قمنا بتطويره. يمكن أن تعتقد أنّ السبب أننا نمتلك دماغا لإدراك العالم أو للتفكير، وهذا خاطئ تماما. إذا قمت بالتفكير في هذه المسألة ولأي مدة من الزمن، فسيكون من الواضح والجلي لماذا لدينا دماغ. لدينا دماغ لسبب واحد وسبب واحد فقط، وهو أداء حركات متكيفة ومعقدة. ليس هناك سبب آخر لكوننا نملك دماغ. فكّروا في الامر. الحركة هي السبيل الوحيد لديك للتأثير في العالم من حولك. هذا ليس صحيحا تماما. هناك إحدى الطرق الأخرى، وذلك عن طريق التعرّق. ولكن بصرف النظر عن ذلك، كل شيء عدا ذلك يمرّ عبر تقلّصات العضلات.
I'm a neuroscientist. And in neuroscience, we have to deal with many difficult questions about the brain. But I want to start with the easiest question and the question you really should have all asked yourselves at some point in your life, because it's a fundamental question if we want to understand brain function. And that is, why do we and other animals have brains? Not all species on our planet have brains, so if we want to know what the brain is for, let's think about why we evolved one. Now you may reason that we have one to perceive the world or to think, and that's completely wrong. If you think about this question for any length of time, it's blindingly obvious why we have a brain. We have a brain for one reason and one reason only, and that's to produce adaptable and complex movements. There is no other reason to have a brain. Think about it. Movement is the only way you have of affecting the world around you. Now that's not quite true. There's one other way, and that's through sweating. But apart from that, everything else goes through contractions of muscles.
فكروا في التواصل -- الكلام والإيماءات والكتابة ولغة الإشارة -- تتمّ جميعها من خلال تقلصات العضلات. لذا فمن المهم حقا أن نتذكر أن العمليات الحسية والذاكرة والإدراك كلها مهمة، ولكنها مهمّة فقط لإنتاج أو لحذف حركات مستقبلية. يمكن أن يكون هناك أي ميزة تطورية لترك ذكريات الطفولة أو إدراك لون زهرة إذا كان ذلك لن يؤثر على طريقة حركتك في وقت لاحق في الحياة.
So think about communication -- speech, gestures, writing, sign language -- they're all mediated through contractions of your muscles. So it's really important to remember that sensory, memory and cognitive processes are all important, but they're only important to either drive or suppress future movements. There can be no evolutionary advantage to laying down memories of childhood or perceiving the color of a rose if it doesn't affect the way you're going to move later in life.
الآن بالنسبة لأولئك الذين لا يعتقدون في الحجة، لدينا الأشجار والأعشاب على كوكبنا دون أن يكون لها دماغ، لكن الدليل الحاسم هو هذا الحيوان هنا -- بخ البحر المتواضع. حيوان بدائيّ، لديه نظام عصبيّ، يقوم بالسّباحة حول المحيطات في أوّل حياته. وعند نقطة معينة من حياته، يلتصق بصخرة. وأول شيء يفعله عند الإلتصاق بالصخرة، والتي لن يتركها أبدا، هو هضم دماغه ونظامه العصبي ليتغذى بهما. لذلك متى انتفت الحاجة لديك للحركة، انتفت معها الحاجة لاكتساب دماغ. وغالبا ما يتم أخذ هذا الحيوان باعتباره قياسا على ما يحدث في الجامعات عندما يتم تثبيت أساتذة في وضيفتهم، ولكن هذا موضوع مختلف.
Now for those who don't believe this argument, we have trees and grass on our planet without the brain, but the clinching evidence is this animal here -- the humble sea squirt. Rudimentary animal, has a nervous system, swims around in the ocean in its juvenile life. And at some point of its life, it implants on a rock. And the first thing it does in implanting on that rock, which it never leaves, is to digest its own brain and nervous system for food. So once you don't need to move, you don't need the luxury of that brain. And this animal is often taken as an analogy to what happens at universities when professors get tenure, but that's a different subject.
(تصفيق)
(Applause)
أنا شوفيني للحركة. أعتقد أن الحركة هي أهم وظيفة للدماغ -- لا تدع احدا يقول لكم انّ هذا ليس صحيحا. الآن إذا كانت الحركة مهمّة لهذا الحدّ، أين وصلنا في فهم كيفية تحكّم الدماغ في حركة؟ والجواب هو أنّ مردودنا سيئ للغاية، انها مشكلة صعبة للغاية. ولكن يمكننا أن نرى الجانب الإيجابيّ من خلال التفكير في مردودنا في بناء الآلات التي يمكنها أن تقوم بما يمكن أن يقوم به البشر.
So I am a movement chauvinist. I believe movement is the most important function of the brain -- don't let anyone tell you that it's not true. Now if movement is so important, how well are we doing understanding how the brain controls movement? And the answer is we're doing extremely poorly; it's a very hard problem. But we can look at how well we're doing by thinking about how well we're doing building machines which can do what humans can do.
فلنأخذ لعبة الشطرنج. ماهي قدرتنا على تحديد أيّ قطعة علينا تحريكها و إلى أين؟ إذا وضعت غاري كاسباروف هنا، إذا لم يكن في السجن، في مقابل حاسوب شركة آي بي إم "ديب بلو"، فإن الجواب هو أنّ حاسوب شركة آي بي إم "ديب بلو" سيفوز في بعض الأحيان. واعتقد انه اذا لعب حاسوب شركة آي بي إم "ديب بلو" ضدّ أيّ شخص في هذه الغرفة، فسيكون الفائز في كل مرة. هذا المشكل تم حله. ماذا عن مشكلة التقاط قطعة شطرنج، وتحريكها بمهارة من ثم وضعها مجدّدا على الرّقعة؟ إذا وضعت مهارة طفل ذو خمس سنوات ضد أفضل الروبوتات الحديثة، فسيكون الجواب بسيطا : سيفوز الطفل بسهولة. ليس هناك مجال للمنافسة على الإطلاق.
Think about the game of chess. How well are we doing determining what piece to move where? If you pit Garry Kasparov here, when he's not in jail, against IBM's Deep Blue, well the answer is IBM's Deep Blue will occasionally win. And I think if IBM's Deep Blue played anyone in this room, it would win every time. That problem is solved. What about the problem of picking up a chess piece, dexterously manipulating it and putting it back down on the board? If you put a five year-old child's dexterity against the best robots of today, the answer is simple: the child wins easily. There's no competition at all.
مالذي يجعل تلك المسألة في الأعلى على هذه الدرجة من السهوله وتلك في الأسفل على هذه الدرجة من الصعوبة؟ أحد الأسباب هو أنّه بإمكان ذي الخمس سنوات ذلك الذكيّ جدا ان يمدّكم بخوارزمية تلك المسألة في الأعلى -- ابحث عن كل التحركات الممكنة حتّى نهاية اللعبة ثم قم باختيار تلك التي تجعلك تفوز. لذلك فهذه تعتبر خوارزمية بسيطة جدا. بالطبع هناك تحركات أخرى، ولكن مع أجهزة الكمبيوتر كبيرة نقوم بعمليّة تقريبيّة تجعلنا أقرب من الحل الأمثل. عندما يتعلق الأمر بالبراعة، ليس واضحا حتى ماهيّة الخوارزمية التي يجب حلّها لتكون بارعا. وسنرى انّه سيكون عليك على حد سواء إدراك العالم والتحرّك في نطاقه، وهو ما يطرح الكثير من المشاكل.
Now why is that top problem so easy and the bottom problem so hard? One reason is a very smart five year-old could tell you the algorithm for that top problem -- look at all possible moves to the end of the game and choose the one that makes you win. So it's a very simple algorithm. Now of course there are other moves, but with vast computers we approximate and come close to the optimal solution. When it comes to being dexterous, it's not even clear what the algorithm is you have to solve to be dexterous. And we'll see you have to both perceive and act on the world, which has a lot of problems.
ولكن اسمحوا لي أن أعرض عليكم أحدث الروبوتات. لدينا حاليّا الكثير من الروبوتات الرائعة، لكن قدرة الروبوتات على تحريك الأشياء لا تزال في خطواتها الأولى. هذا ما انتهى إليه بحث دكتوراه من أحد أفضل المعاهد المختصّة في الروبوتات. وقد قام الطالب بتدريب هذا الروبوت ليسكب هذه المياه في الكأس. انها مشكلة صعبة لان المياه يمكن أن تنسكب جانبا، لكنه يستطيع ان يفعل ذلك. لكنه لا يمكنه أن يقوم بذلك مع أي درجة من خفة الحركة لدى الإنسان. الآن إذا ما أردت من هذا الروبوت أن يقوم بمهمة مختلفة، فهذا يمثّل برنامج لدكتوراه ثانية تدوم ثلاث سنوات. ليس هناك تعميم على الإطلاق من مهمة إلى أخرى في مجال الروبوتات.
But let me show you cutting-edge robotics. Now a lot of robotics is very impressive, but manipulation robotics is really just in the dark ages. So this is the end of a Ph.D. project from one of the best robotics institutes. And the student has trained this robot to pour this water into a glass. It's a hard problem because the water sloshes about, but it can do it. But it doesn't do it with anything like the agility of a human. Now if you want this robot to do a different task, that's another three-year Ph.D. program. There is no generalization at all from one task to another in robotics.
الآن يمكننا مقارنة هذا مع أداء بشري متطور. سأقدّم لكم (إيميلي فوكس) أثناء فوزها بالرقم القياسي العالمي لتكديس الكؤوس. الآن سوف يتعرّف الاميركيوون من بين الحضور على تكديس الكؤوس. انها رياضة في المدرسة الثانوية حيث لديك 12 كوبا عليك أن تجمّعهم في كومة ومن ثم تفرّقهم في أقصر وقت ممكن وفي ترتيب معيّن. وها هي تحصل على الرقم القياسي العالمي في الوقت الحقيقي. (ضحك) (تصفيق) إنها سعيدة جدا. ليس لدينا أي فكرة عما يجري داخل دماغها عندما تقوم بذلك، وهذا ما نود ان نعرفه.
Now we can compare this to cutting-edge human performance. So what I'm going to show you is Emily Fox winning the world record for cup stacking. Now the Americans in the audience will know all about cup stacking. It's a high school sport where you have 12 cups you have to stack and unstack against the clock in a prescribed order. And this is her getting the world record in real time. (Laughter) (Applause) And she's pretty happy. We have no idea what is going on inside her brain when she does that, and that's what we'd like to know.
في مجموعتي، ما نحاول القيام به هو اجراء هندسة عكسيّة لمعرفة كيفيّة سيطرة البشر على الحركة . وهذا يبدو مشكلة سهلة. تقوم بإرسال الأوامر، فينجرّ عن ذلك تقلّص للعضلات. يتحرّك ذراعك أو جسمك، وتحصل على ردود فعل حسية من خلال الرؤية، والجلد، والعضلات وهلم جرا. المشكلة هي أنّ هذه الإشارات ليست بتلك الإشارات الجميلة التي تريدها. لذلك إحدى الأشياء التي تجعل من الصعب السيطرة على الحركة هي، على سبيل المثال، أن ردود الفعل الحسية مشوّشة للغاية. أنا هنا لا أعني بالتشويش الصوت. نستعملها في هندسة وعلم الأعصاب بمعنى الضجيج العشوائي الذي يفسد الإشارة. في الايام الخوالي قبل وجود الاذاعي الرقمي عندما كنت تضبط الراديو الخاص بك وتسمع "كغغغك" على المحطة التي تودّ سماعها، ذلك كان تشويشا. ولكن بشكل عام، هذا الضجيج هو شيء يفسد الإشارة.
So in my group, what we try to do is reverse engineer how humans control movement. And it sounds like an easy problem. You send a command down, it causes muscles to contract. Your arm or body moves, and you get sensory feedback from vision, from skin, from muscles and so on. The trouble is these signals are not the beautiful signals you want them to be. So one thing that makes controlling movement difficult is, for example, sensory feedback is extremely noisy. Now by noise, I do not mean sound. We use it in the engineering and neuroscience sense meaning a random noise corrupting a signal. So the old days before digital radio when you were tuning in your radio and you heard "crrcckkk" on the station you wanted to hear, that was the noise. But more generally, this noise is something that corrupts the signal.
فعلى سبيل المثال، إذا وضعت يدك تحت طاولة ثم حاولت تحديد مكانها باستعمال يدك الأخرى، يمكن أن تكون على بعد عدة سنتيمترات بسبب التشويش في ردود الفعل الحسية. على نحو مماثل، عندما تجمع بين نتيجتي قوة دافعة وحركة فإنه يحدث تشويشا كبيرا للغاية. لا تحاولوا اصابة الهدف في لعبة رمي النبال، حاولوا فقط استهداف نفس المكان مرارا وتكرارا. لديك مجال كبير بسبب تغيّر الحركة. وأكثر من ذلك، فإن العالم الخارجي، أو المهمة، على حدٍ سواء غامضة ومتغيرة. إبريق الشاي يمكن أن يكون ممتلئا، ويمكن أن يكون فارغا. يتغير مع مرور الوقت. لذلك فنحن نعمل في مهمّةِ حركةٍ حِسيّةٍ ضمن كمٍّ كبير من التشويش.
So for example, if you put your hand under a table and try to localize it with your other hand, you can be off by several centimeters due to the noise in sensory feedback. Similarly, when you put motor output on movement output, it's extremely noisy. Forget about trying to hit the bull's eye in darts, just aim for the same spot over and over again. You have a huge spread due to movement variability. And more than that, the outside world, or task, is both ambiguous and variable. The teapot could be full, it could be empty. It changes over time. So we work in a whole sensory movement task soup of noise.
هذا التشويش هو من الضخامة بحيث يمنح المجتمع أهميّة كبيرة لأولئك من بيننا الذين يمكنهم الحد من عواقب التشويش. لذا إذا كنت محظوظا بما فيه الكفاية لتكون قادر على رمي كرة بيضاء صغيرة في حفرة تبعد عدة مئات من الياردات باستخدام عصا معدنية طويلة، فسوف يكون مجتمعنا على استعداد أن يكافئك بمئات الملايين من الدولارات.
Now this noise is so great that society places a huge premium on those of us who can reduce the consequences of noise. So if you're lucky enough to be able to knock a small white ball into a hole several hundred yards away using a long metal stick, our society will be willing to reward you with hundreds of millions of dollars.
الآن ما أريد أن أقنعكم به هو أنّ الدماغ يقدّم الكثير من الجهد للحد من الآثار السلبية لهذا النوع من التشويش والتقلب. وللقيام بذلك، سأخبركم بإطار حظى بشعبية كبيرة في مجال الاحصاءات والتعلم الآلي في السنوات الخمسين الماضية يدعى نظرية إتخاذ القرار البايزي. واُعتُبِرَتْ في الآونة الأخيرة طريقة موحدة للتفكير في كيفية تعامل الدماغ مع حالة عدم اليقين. والفكرة الأساسية هي أنك تريد أن تأخذ الاستدلالات ومن ثم اتخاذ الإجراءات.
Now what I want to convince you of is the brain also goes through a lot of effort to reduce the negative consequences of this sort of noise and variability. And to do that, I'm going to tell you about a framework which is very popular in statistics and machine learning of the last 50 years called Bayesian decision theory. And it's more recently a unifying way to think about how the brain deals with uncertainty. And the fundamental idea is you want to make inferences and then take actions.
دعونا نفكر في الاستدلال. تريد توليد المعتقدات حول العالم المحيط. فما هي المعتقدات؟ يمكن أن تكون المعتقدات : أين ذراعيَّ في الفضاء؟ هل أنا أنظر إلى قط أم إلى ثعلب؟ لكننا سنقوم بتمثيل المعتقدات باستعمال الاحتمالات. لذلك سنقوم بتمثيل معتقد برقم بين الصفر والواحد -- الصفر يعني لا أعتقد ذلك على الإطلاق، والواحد يعني أنّي واثق تماما. والأرقام بينهما تعطيك المستويات الرماديّة من عدم اليقين. والفكرة الأساسية للاستدلال البايزي وهو أنّ لديك مصدرين اثنين للمعلومات تقوم بالاستناد عليهما بوضع استدلالك الخاص. لديك بيانات، والبيانات في علم الأعصاب تمثّل المعلومات الحسية. إذن لديّ معلومات حسية، يمكنني أن أجعل منها معتقدات. ولكن هناك مصدر آخر للمعلومات، وهو ما يمثّل في الواقع المعارف المسبقة. أنتم تراكمون المعرفة طوال حياتكم في ذكراتكم. ومفهوم نظرية إتخاذ القرار البايزي أنها تمنحك عن طريق الرياضيّات السبيل اللأمثل لدمج معارفك المسبقة مع أدلّتك الحسية لتوليد معتقدات جديدة.
So let's think about the inference. You want to generate beliefs about the world. So what are beliefs? Beliefs could be: where are my arms in space? Am I looking at a cat or a fox? But we're going to represent beliefs with probabilities. So we're going to represent a belief with a number between zero and one -- zero meaning I don't believe it at all, one means I'm absolutely certain. And numbers in between give you the gray levels of uncertainty. And the key idea to Bayesian inference is you have two sources of information from which to make your inference. You have data, and data in neuroscience is sensory input. So I have sensory input, which I can take in to make beliefs. But there's another source of information, and that's effectively prior knowledge. You accumulate knowledge throughout your life in memories. And the point about Bayesian decision theory is it gives you the mathematics of the optimal way to combine your prior knowledge with your sensory evidence to generate new beliefs.
لقد قمت بوضع القاعدة هناك. أنا لن أقوم بشرح ما هيّة هذه الصيغة، لكنها غاية في جميلة. ولديها جمال حقيقي وقوة تفسيرية حقيقية. وما تفيدنا به في الوقع، وما تود أن تقوم بتقديره، هو احتمال معتقدات مختلفة مع الأخذ بعين الإعتبارالمعلومة الحسيّة التي لديك. لذلك اسمحوا لي أن أقدم لكم مثالا بديهيّا. تخيل أنك تتعلّم لعب التنس وتريد أن تقرر مكان ارتداد الكرة بعد تجاوزها الشبكة في اتجاهك. هناك مصدران للمعلومات بالإستناد إلى قاعدة (بايز). هناك أدلة حسية -- يمكنك استخدام المعلومات السمعية المعلومات البصرية، وهو ما يمكن أن يسمح لكم باعتماد تلك البقعة الحمراء. لكنك تعلم أن حواسك ليست مثالية، وبالتالي هناك بعض التباين من حيث مكان سقوطها على الأرض يظهر من خلال تلك السحابة الحمراء، تمثل أرقاما ما بين 0.5 و 0.1 ربما.
And I've put the formula up there. I'm not going to explain what that formula is, but it's very beautiful. And it has real beauty and real explanatory power. And what it really says, and what you want to estimate, is the probability of different beliefs given your sensory input. So let me give you an intuitive example. Imagine you're learning to play tennis and you want to decide where the ball is going to bounce as it comes over the net towards you. There are two sources of information Bayes' rule tells you. There's sensory evidence -- you can use visual information auditory information, and that might tell you it's going to land in that red spot. But you know that your senses are not perfect, and therefore there's some variability of where it's going to land shown by that cloud of red, representing numbers between 0.5 and maybe 0.1.
هذه المعلومات متوفرة بالنسبة للرمية الحالية، ولكن هناك مصدر آخر للمعلومات غير متوفر بالنسبة للرمية الحالية، ولكنها متاحة فقط من خلال التجربة المتكررة في لعبة التنس، وهي ان الكرة لا ترتد مع احتمالات متساوية على كامل الملعب خلال المباراة. إذا كنت تلعب ضد منافس جيد للغاية، فإنه قد يوزّعها نحو تلك المنطقة الخضراء، وهو ما يمثّل التوزيع الأمثل، مما يجعل من الصعب عليك أن تصدّها. كِلا هذه المصادر من المعلومات تحمل معلومات هامة. ما تفيدنا به قاعدة (بايز) هو أنه عليّ ضرب أرقام المنطقة الحمراء في أرقام المنطقة الخضراء للحصول على أرقام المنطقة الصفراء، ذات الأشكال البيضاوية، وهذا ما يمثّل اعتقادي. هذه هي الطريقة المثلى لدمج المعلومات.
That information is available in the current shot, but there's another source of information not available on the current shot, but only available by repeated experience in the game of tennis, and that's that the ball doesn't bounce with equal probability over the court during the match. If you're playing against a very good opponent, they may distribute it in that green area, which is the prior distribution, making it hard for you to return. Now both these sources of information carry important information. And what Bayes' rule says is that I should multiply the numbers on the red by the numbers on the green to get the numbers of the yellow, which have the ellipses, and that's my belief. So it's the optimal way of combining information.
لم أكن لأخبركم بهذا لو لم نكن أثبتنا منذ بضع سنوات، أنّ هذا هو بالضبط ما يفعله الناس عند تعلّم مهارات حركة جديدة. وهذا ما يعني وأنّنا نمثّل حقّا آلات استدلال بايزيّ. وكلّما مضينا قدما، تعرّفنا على الإحصاءات في العالم وقمنا بأخذ الدّروس، ولكن تعلّمنا أيضا كم هي صاخبة أجهزتنا الحسية، ثم قمنا بجمع كلّ ذلك بطريقة بايزيّة حقيقية.
Now I wouldn't tell you all this if it wasn't that a few years ago, we showed this is exactly what people do when they learn new movement skills. And what it means is we really are Bayesian inference machines. As we go around, we learn about statistics of the world and lay that down, but we also learn about how noisy our own sensory apparatus is, and then combine those in a real Bayesian way.
الجزء الأساسيّ في بايز هو هذا الجزء من القاعدة. وما يخبرنا به في الواقع هذا الجزء هو أنّه عليّ توقع احتمال تقييمات حسية مختلفة مع الأخذ بعين الإعتبار معتقداتي. وهذا يعني في الواقع أنّه عليّ وضع توقعات للمستقبل. وأريد أن أقنعكم بأنّ الدماغ يقوم بتـنبؤات لردود الفعل الحسية التي سوف يحصل عليها. وعلاوة على ذلك، فإنه يغير بعمق ادراكك من خلال ما تقوم به. لتحقيق ذلك، سوف أخبركم عن كيفيّة تعامل الدماغ مع المعلومات الحسية. تقوم بإرسال أمر بها، فتحصل على ردود الفعل الحسية، ويخضع هذا التحول إلى فيزياء جسمك ولأجهزتك الحسية.
Now a key part to the Bayesian is this part of the formula. And what this part really says is I have to predict the probability of different sensory feedbacks given my beliefs. So that really means I have to make predictions of the future. And I want to convince you the brain does make predictions of the sensory feedback it's going to get. And moreover, it profoundly changes your perceptions by what you do. And to do that, I'll tell you about how the brain deals with sensory input. So you send a command out, you get sensory feedback back, and that transformation is governed by the physics of your body and your sensory apparatus.
ولكن يمكنك أن تتخيل أنّك تنظر داخل الدماغ. هذا هو داخل الدماغ. قد يكون لديك جهاز توقع صغير، وجهاز محاكاة عصبية، لفيزياء جسمك وحواسك. بحيث مع قيامك بإرسال أمر الحركة إلى الأسفل، تقوم بأخذ نسخة منه وتقوم بتشغيله في جهاز المحاكاة العصبيّ خاصّتك لاستباق النتائج الحسية لحركاتك. ولذا فمع قيامي بهز زجاجة الكاتشب هذه، أحصل على بعض ردود الفعل الحسية الحقيقيّة بمرور الوقت في السّطر السفلي. وإذا كنت أملك جهاز توقع جيد، فإنه سيتوقع نفس الشيء.
But you can imagine looking inside the brain. And here's inside the brain. You might have a little predictor, a neural simulator, of the physics of your body and your senses. So as you send a movement command down, you tap a copy of that off and run it into your neural simulator to anticipate the sensory consequences of your actions. So as I shake this ketchup bottle, I get some true sensory feedback as the function of time in the bottom row. And if I've got a good predictor, it predicts the same thing.
ولكن لماذا أتحمّل عناء القيام بذلك؟ فأنا سأحصل على ردود الفعل نفسها على أي حال. هناك أسباب وجيهة. تخيل، بينما أنا بصدد هزّ زجاجة الكاتشب، يأتي شخص ويقوم بكلّ لطف بمساعدتي بضرب الزجاجة من فوق. الآن حصلت على مصدر اضافي للمعلومات الحسية نتيجة لذلك الفعل الخارجي. لذلك حصلت على مصادرين اثنين. أنت قمت بضربه من فوق، وأنا قمت بهزّه، ولكن من وجهة نظر حواسّي، يقترن هذان معا في مصدر واحد للمعلومات.
Well why would I bother doing that? I'm going to get the same feedback anyway. Well there's good reasons. Imagine, as I shake the ketchup bottle, someone very kindly comes up to me and taps it on the back for me. Now I get an extra source of sensory information due to that external act. So I get two sources. I get you tapping on it, and I get me shaking it, but from my senses' point of view, that is combined together into one source of information.
الآن هناك سبب وجيه للاعتقاد إنذك تريد أن تكون قادرا على التمييز بين الأحداث الخارجية والأحداث الداخلية. لأنّ الأحداث الخارجية هي في الواقع أكثر صلة بالموضوع سلوكيا من الشعور بأن كل شيء يجري داخل جسدي. إحدى طرق إعادة بناء هذا هو مقارنة التنبؤ -- والمستند فقط على أوامرك للحركة -- مع الواقع. ونتمنّى أن يكون أي تباين مصدره خارجيّ. بينما أجوب العالم، فأنا أقوم بتنبؤات لما ينبغي أن يحصل لي، ثم أقوم بطرحها. كل ما يبقى بعد ذلك هو خارجي بالنسبة لي.
Now there's good reason to believe that you would want to be able to distinguish external events from internal events. Because external events are actually much more behaviorally relevant than feeling everything that's going on inside my body. So one way to reconstruct that is to compare the prediction -- which is only based on your movement commands -- with the reality. Any discrepancy should hopefully be external. So as I go around the world, I'm making predictions of what I should get, subtracting them off. Everything left over is external to me.
ما هو الدليل على ذلك؟ هناك مثال واحد واضح جدا حيث يكون احساس صادر منّي مختلفا جدا عن آخر صادر عن شخص آخر. ولذا قررنا أنّ المثال الأكثر وضوحا لنبدء منه كان الدغدغة. من المعروف منذ وقت طويل، أنّه لا يمكنك دغدغة نفسك وكما يمكن للأشخاص آخرين أن يفعلوا. ولكن لم يكن قد ثبت حقا، لأنه لديك جهاز محاكاة عصبيّ، يقوم بمحاكاة جسمك ثمّ يقوم بطرح ذك الإحساس. يمكن جلب خبرات القرن الواحد والعشرين من خلال تطبيق تقنيات الروبوت على هذه المشكلة. وفي الواقع، لدينا عصا في احدى اليدين مربوطة إلى روبوت، وسيقومون بتحريكها إلى الخلف وإلى الأمام. ومن ثم سنقوم بتتبّعها عن طريق جهاز كمبيوتر وسنستخدمها للتحكّم في روبوت آخر، سيقوم بدغدغة كفّ يده باستعمال عصا أخرى. ثم سنطلب منهم يقيّموا مجموعة من الأشياء بما في ذلك الدغدغة.
What evidence is there for this? Well there's one very clear example where a sensation generated by myself feels very different then if generated by another person. And so we decided the most obvious place to start was with tickling. It's been known for a long time, you can't tickle yourself as well as other people can. But it hasn't really been shown, it's because you have a neural simulator, simulating your own body and subtracting off that sense. So we can bring the experiments of the 21st century by applying robotic technologies to this problem. And in effect, what we have is some sort of stick in one hand attached to a robot, and they're going to move that back and forward. And then we're going to track that with a computer and use it to control another robot, which is going to tickle their palm with another stick. And then we're going to ask them to rate a bunch of things including ticklishness.
سأكتفي بأن أعرض عليكم جزءا واحدا من دراستنا. قمت هنا بأخذ الروبوتات بعيدا، ولكن يقوم الناس أساسا بتحريك ذراعهم إلى الخلف و إلى الأمام بطريقة جيـبـية. ونقوم بتكرار ذلك مع اليد الأخرى مع تأخير في الوقت. أو بدون أيّ تأخير، في تلك الحالة يقوم الضوء بدغدغة كفّ يدك، أو مع تأخير في الوقت لعشرين أو ثلاثة أعشار من الثانية. وبالتالي فإن الأمر المهم هنا هو أنّ اليد اليمنى تقوم دائما بنفس الأشياء -- الحركة الجيبية. كما تقوم اليد اليسرى بالشيء نفسه دائما وتقوم بدغدغة جيبية. كل ما نقوم به هو إيقاع سببيّ. وبانطلاقنا من صفر إلى 0.1 ثانية، يصبح أكثر دغدغة. و بذهابنا من 0,1 إلى 0,2، يصبح أكثر دغدغة في النهاية. وعند بلوغنا 0.2 من الثانية، فانها تدغدغ بنفس القدر الذي يقوم روبوت بدغدغتك من دون أن تقوم بأي شيء. أيا كان المسؤول عن هذا الإلغاء فالأمر مقرون بإحكام مع الإيقاع السببيّ. وبناء على هذا التوضيح، فنحن مقتنعون تماما أنّنا في مجال أن الدماغ يقوم بتنبؤات دقيقة ويقوم بطرحها من الأحاسيس.
I'll show you just one part of our study. And here I've taken away the robots, but basically people move with their right arm sinusoidally back and forward. And we replay that to the other hand with a time delay. Either no time delay, in which case light would just tickle your palm, or with a time delay of two-tenths of three-tenths of a second. So the important point here is the right hand always does the same things -- sinusoidal movement. The left hand always is the same and puts sinusoidal tickle. All we're playing with is a tempo causality. And as we go from naught to 0.1 second, it becomes more ticklish. As you go from 0.1 to 0.2, it becomes more ticklish at the end. And by 0.2 of a second, it's equivalently ticklish to the robot that just tickled you without you doing anything. So whatever is responsible for this cancellation is extremely tightly coupled with tempo causality. And based on this illustration, we really convinced ourselves in the field that the brain's making precise predictions and subtracting them off from the sensations.
لا بد لي من الاعتراف الآن، أنّ هذه هي أسوأ الدراسات التي قام بها مخبري على الإطلاق. لأن الإحساس بالدغدغة يأتي ويذهب، تحتاج إلى أعداد كبيرة من المتطوّعين مع هذه النجوم التي تجعلها ذات معنى. لذا كنا نبحث عن وسيلة أكثر موضوعية لتقييم هذه الظواهر. وفي السنوات التي تلت كان لدي ابنتان. ستلاحظ أمرا واحد عن الأطفال عندما يجلسون في المقاعد الخلفية للسيارة في الرحلات الطويلة، أنّهم يقومون بمعارك -- تبدأ بقيام احد منهم بفعل شيئ للآخر، يردّ الآخر الفعل. فيتصاعد الأمر بسرعة. يميل الأطفال إلى الدخول في المعارك التي تتصاعد من حيث القوة. الآن عندما أصرخ في وجه أطفالي ليتوقفوا، في بعض الأحيان يجيبني الإثنان بأنّ الآخر ضربه بشدّة.
Now I have to admit, these are the worst studies my lab has ever run. Because the tickle sensation on the palm comes and goes, you need large numbers of subjects with these stars making them significant. So we were looking for a much more objective way to assess this phenomena. And in the intervening years I had two daughters. And one thing you notice about children in backseats of cars on long journeys, they get into fights -- which started with one of them doing something to the other, the other retaliating. It quickly escalates. And children tend to get into fights which escalate in terms of force. Now when I screamed at my children to stop, sometimes they would both say to me the other person hit them harder.
أنا على يقين أنّ أولادي لا يكذبون، حتى ظننت، بصفتي عالم أعصاب، أنّه من المهم كيف يمكنني أن أفسّر كيف كانوا يدلون بحقائق غير متناسقة. ونحن نفترض استنادا إلى دراسة الدغدغة أنه عندما يضرب طفل الآخر، فهم يولّدون أمر الحركة. ويتوقعون النتائج حسية ويقومون بطرحها. لذلك فانهم يعتقدون فعلا انهم قاموا بضرب الشخص أقل حدّة مما كانت يجب عليهم -- وليس مثل الدغدغة. في حين أن المتلقي السلبي لا يقوم بعمليّة التنبؤ، ويشعر بالضربة كاملة. لذا إذا قاموا بردّ الفعل بنفس القوة، سيعتقد الشخص الأوّل بأنّ الأمر قد تصاعد.
Now I happen to know my children don't lie, so I thought, as a neuroscientist, it was important how I could explain how they were telling inconsistent truths. And we hypothesize based on the tickling study that when one child hits another, they generate the movement command. They predict the sensory consequences and subtract it off. So they actually think they've hit the person less hard than they have -- rather like the tickling. Whereas the passive recipient doesn't make the prediction, feels the full blow. So if they retaliate with the same force, the first person will think it's been escalated.
لذلك قررنا اختبار هذا في المختبر. (ضحك) نحن الآن لا نتعامل مع الأطفال، ونحن لا نتعامل مع الضرب، لكن المفهوم هو ذاته. نأتي بشخصين بالغين. و نخبرهم أنّهم سيلعبون مباراة. ولدينا أحد اللاعبين وهنا الثاني جالسين قبالة بعضهما البعض. واللعبة بسيطة جدا. بدأنا مع محرك مع رافعة صغيرة، وناقل قوة صغير. ونستخدم هذا المحرك لتطبيق قوّة على أحد أصابع اللاعب لمدة ثلاث ثوان ومن ثم فإنه يتوقف. قد تم الطلب من ذلك اللاعب، أن يتذكّر تجربة تلك القوة وأن يستخدم إصبعه الآخر لتطبيق نفس القوة على إصبع الشّخص الآخر من خلال ناقل القوة -- وذلك ما يقومون به. قد تم الطلب من اللاعب الثاني، أن يتذكّر تجربة تلك القوة واستخدم يدك الأخرى في تطبيق القوة. ثمّ يتناوبون على القيام لتطبيق القوة التي قاموا بتجربتها جيئة و ذهابا.
So we decided to test this in the lab. (Laughter) Now we don't work with children, we don't work with hitting, but the concept is identical. We bring in two adults. We tell them they're going to play a game. And so here's player one and player two sitting opposite to each other. And the game is very simple. We started with a motor with a little lever, a little force transfuser. And we use this motor to apply force down to player one's fingers for three seconds and then it stops. And that player's been told, remember the experience of that force and use your other finger to apply the same force down to the other subject's finger through a force transfuser -- and they do that. And player two's been told, remember the experience of that force. Use your other hand to apply the force back down. And so they take it in turns to apply the force they've just experienced back and forward.
ولكن الأهم من ذلك، تم إطلاعهم على قواعد اللعبة في غرف منفصلة. حتى لا يعرف كلّ منهما القواعد التي يتّبعها الشخص الآخر في اللعب. وما قمنا بقياسه كانت القوة بوصفها تابعا من الشروط. وإذا نظرنا إلى ما بدأنا به، رُبْع نيوتن هناك، عدد الأدوار، ذلك الخط الأحمر سيكون مثاليّا. وما نلاحظه مع جميع أزواج اللاعبين هو هذا -- تصعيد بنسبة 70 في المئة في القوة على كل شوط. هذا يبيّن حقا، إذا ما فعلتم هذا -- استنادا إلى هذه الدراسة وغيرها مما قمنا به -- أن الدماغ قام بإلغاء النتائج الحسية والتقليل من شأن القوة المنتجة. لذلك فهذا يظهر من جديد انّ الدماغ يقوم بالتنبؤات ويحدث تغيرات جوهرية في الادراك. لذلك فقد وضعنا استدلالات، وقمنا بالتنبؤات، والآن علينا توليد الحركة. وما يبيّنه قانون (بايز) هو، بالنظر الى معتقداتي، ينبغي أن تكون الحركة بشكل ما مثاليّة.
But critically, they're briefed about the rules of the game in separate rooms. So they don't know the rules the other person's playing by. And what we've measured is the force as a function of terms. And if we look at what we start with, a quarter of a Newton there, a number of turns, perfect would be that red line. And what we see in all pairs of subjects is this -- a 70 percent escalation in force on each go. So it really suggests, when you're doing this -- based on this study and others we've done -- that the brain is canceling the sensory consequences and underestimating the force it's producing. So it re-shows the brain makes predictions and fundamentally changes the precepts. So we've made inferences, we've done predictions, now we have to generate actions. And what Bayes' rule says is, given my beliefs, the action should in some sense be optimal.
ولكن لدينا مشكلة. المهام هي رمزية -- أريد أن أشرب، أريد أن الرقص -- ولكن على نظام الحركة تحريك 600 عضلة في تسلسل معين. وهناك فجوة كبيرة بين المهام ونظام الحركة. بحيث يمكن أن يتمّ ردم الهوّة بعدد لانهائي من الطرق المختلفة. فكّروا فقط في الحركة من نقطة إلى نقطة. يمكنني اختيار هذه المسارين من بين عدد لانهائي من المسارات. بعد اختيار مسار معين، يمكن أن أضع يدي على هذا المسار في عدد لا متناهي من التكوينات المختلفة. ويمكنني تثبيت ذراعي ضمن ترتيب خاص إما مقبوضة جدا أو مرتخية جدا. لذا فإن لدي مجموعة كبيرة من الخيارات لعمل ذلك. اتضح الآن، أنّنا نمطيّون للغاية. نحن نتحرك جميعا الى حد كبير بنفس الطريقة.
But we've got a problem. Tasks are symbolic -- I want to drink, I want to dance -- but the movement system has to contract 600 muscles in a particular sequence. And there's a big gap between the task and the movement system. So it could be bridged in infinitely many different ways. So think about just a point to point movement. I could choose these two paths out of an infinite number of paths. Having chosen a particular path, I can hold my hand on that path as infinitely many different joint configurations. And I can hold my arm in a particular joint configuration either very stiff or very relaxed. So I have a huge amount of choice to make. Now it turns out, we are extremely stereotypical. We all move the same way pretty much.
وهكذا اتضح أنّنا نمطيّون جدّا، قد قامت أدمغتنا بتخصيص الدوائر العصبية لفك هذا التنميط. فإذا قمت بأخذ بعض النقاط ثم قمت بتحريكها وفق حركة بيولوجية، سوف تتمكّن دوائر دماغنا على الفور من فهم ما يجري. الآن لدينا مجموعة من النقاط المتحركة. سوف تتمكّنون من معرفة ما يفعله هذا الشخص، سواء أكان سعيدا، حزينا، كبيرا، شابّا -- كمية هائلة من المعلومات. إذا كانت هذه النقاط تمثّل سيارات تسير على حلبة السباق، لن يكون لديك مطلقا اي فكرة عما يحدث.
And so it turns out we're so stereotypical, our brains have got dedicated neural circuitry to decode this stereotyping. So if I take some dots and set them in motion with biological motion, your brain's circuitry would understand instantly what's going on. Now this is a bunch of dots moving. You will know what this person is doing, whether happy, sad, old, young -- a huge amount of information. If these dots were cars going on a racing circuit, you would have absolutely no idea what's going on.
فلماذا نتحرّك بتلك الطّريقة الخاصّة بنا؟ دعونا نفكر في ما يحدث حقا. ربما لا نتحرّك جميعنا تماما بنفس الطريقة. ربما هناك تباين بين الأشخاص. وربما كان أولئك الذين يتحرّكون على نحو أفضل من غيرهم لديهم فرصة أكبر لإيصال أبنائهم إلى الجيل القادم. في سلّم التطوّر، تتحسن الحركات. وربما في الحياة، نحصل على حركات أفضل من خلال التعلم.
So why is it that we move the particular ways we do? Well let's think about what really happens. Maybe we don't all quite move the same way. Maybe there's variation in the population. And maybe those who move better than others have got more chance of getting their children into the next generation. So in evolutionary scales, movements get better. And perhaps in life, movements get better through learning.
فمالذي يجعل حركة جيدة أو سيئة؟ تخيل انّي أريد اعتراض هذه الكرة. لدينا هنا مسارين ممكنين للكرة. إذا قمت باختيارالمسار المقابل لليد اليسرى، أستطيع حساب القوّة المطلوبة في أحد عضلاتي بوصفها دالة في الزمن. ولكن هناك ضجيج وأضاف على ذلك. ما أحصل عليه في الواقع، بالإعتماد على هذه القوّة الرائعة، السلسة، المطلوبة، هي نسخة مشوّشة جدّا. فإذا قمت بإعادة نفس الأمر عدة مرات، فسوف أحصل في كل مرة على نسخة مختلفة مشوّشة، لأن التشويش يتغيّر في كل مرة. ما يمكنني أن أريكم هنا هي كيف سيتطور تغيّر الحركة إذا اخترت هذا الطريق. إذا اخترت طريقة مختلفة للحركة -- إلى اليمين على سبيل المثال -- ثم سأحصل على أمر مختلف، وتشويش مختلف، لعب من خلال نظام مشوّش ومعقد للغاية. كل ما يمكن أن نكون متأكّدين منه هو أنّ التغيّر سيكون مختلف. إذا قُمْتُ بالتحرك بهذه الطريقة الخاصة، سأنتهي مع أصغر تغيّر عبر العديد من الحركات. لذا إذا كنت مخيّرا بين هذين، فسأختار الأيمن لأنه أقل تغيّرا.
So what is it about a movement which is good or bad? Imagine I want to intercept this ball. Here are two possible paths to that ball. Well if I choose the left-hand path, I can work out the forces required in one of my muscles as a function of time. But there's noise added to this. So what I actually get, based on this lovely, smooth, desired force, is a very noisy version. So if I pick the same command through many times, I will get a different noisy version each time, because noise changes each time. So what I can show you here is how the variability of the movement will evolve if I choose that way. If I choose a different way of moving -- on the right for example -- then I'll have a different command, different noise, playing through a noisy system, very complicated. All we can be sure of is the variability will be different. If I move in this particular way, I end up with a smaller variability across many movements. So if I have to choose between those two, I would choose the right one because it's less variable.
والفكرة الأساسية هي أنّك تريد تنظيم حركاتك بحيث تحدّ من النّتائج السلبية للتشويش. وإحدى البديهيّات التي نحصل عليها هي أنّه تغيّر كمية التشويش في الواقع التي أعرضها هنا تَكبر كلّما كَبُرت القوة. لذلك ترغب في تجنب القوات الكبيرة بصورة مبدئيّة. لقد أظهرنا أنه باستخدام هذا، يمكن أن نفسر كمية هائلة من البيانات -- انّ الناس يعيشون حياتهم بتخطيط الحركات وذلك بهدف تقليل الآثار السلبية للتشويش.
And the fundamental idea is you want to plan your movements so as to minimize the negative consequence of the noise. And one intuition to get is actually the amount of noise or variability I show here gets bigger as the force gets bigger. So you want to avoid big forces as one principle. So we've shown that using this, we can explain a huge amount of data -- that exactly people are going about their lives planning movements so as to minimize negative consequences of noise.
لذا آمل أن أكون قد قمت باقناعكم بأنّ الدماغ موجود ويتطوّر للتحكّم في الحركة. وأن فهم الكيفيّة التي نفعل بها ذلك يُشكّل تحديّا فكريّا. لكنها أيضا ذات صلة بالمرض وإعادة التأهيل. هناك العديد من الأمراض التي تصيب الحركة. ونأمل أنّنا إذا تمكّنا من فهم كيفيّة سيطرتنا على الحركة، فسنستطيع أن نطبق ذلك على تكنولوجيا الروبوت. وأخيرا، أودّ أن أذكّركم، عندما تشاهدون الحيوانات تقوم بما يبدو وكأنها مهام بسيطة للغاية، أنّ درجة تعقيد ما يجري داخل دماغها هو حقا مثير للغاية.
So I hope I've convinced you the brain is there and evolved to control movement. And it's an intellectual challenge to understand how we do that. But it's also relevant for disease and rehabilitation. There are many diseases which effect movement. And hopefully if we understand how we control movement, we can apply that to robotic technology. And finally, I want to remind you, when you see animals do what look like very simple tasks, the actual complexity of what is going on inside their brain is really quite dramatic.
شكرا جزيلا.
Thank you very much.
(تصفيق)
(Applause)
كريس اندرسون : سؤال سريع لك، دان. إذن أنت بالنسبة للحركة -- (د. و. : شوفينيّ) -- شوفينيّ. هل يعني ذلك أنك تعتقد أن أشياء أخرى نعتقد أدمغتنا هي المسؤولة عنها -- الحلم، التّوق، والوقوع في الحب وجميع هذه الأمور -- هي نوعا ما حدث جانبيّ، مجرّد حادث؟
Chris Anderson: Quick question for you, Dan. So you're a movement -- (DW: Chauvinist.) -- chauvinist. Does that mean that you think that the other things we think our brains are about -- the dreaming, the yearning, the falling in love and all these things -- are a kind of side show, an accident?
د. و.: لا، لا، في الواقع اعتقد أنّها جميعا هامة لتتحكّم في سلوك الحركة السّليمة للحصول على التكاثر في نهاية المطاف. لذا أعتقد أن الناس الذين يدرسون الإحساس أو الذاكرة دون أن يدركوا لماذا نضع جانبا ذكريات الطفولة. حقيقة أننا ننسى معظم طفولتنا، على سبيل المثال، لا يشكّل عائقا، لأن ليس لها تأثير على حركاتنا في وقت لاحق في الحياة. نحتاج فقط لتخزين الأشياء التي لها حقا تأثير على الحركة.
DW: No, no, actually I think they're all important to drive the right movement behavior to get reproduction in the end. So I think people who study sensation or memory without realizing why you're laying down memories of childhood. The fact that we forget most of our childhood, for example, is probably fine, because it doesn't effect our movements later in life. You only need to store things which are really going to effect movement.
ك. أ. : إذا أنت تعتقد أن الناس الذين يفكّرون في الدماغ، والوعي بصفة عامة، مكنهم الحصول على رؤية واقعية بقولهم : أين دور الحركة في هذا؟
CA: So you think that people thinking about the brain, and consciousness generally, could get real insight by saying, where does movement play in this game?
د. و. : اكتشف الناس على سبيل المثال أنّ دراسة البصر في غياب ادراك لماذا لدينا بصر هو خطأ. عليك دراسة البصر مع إدراك كيف يمكن لنظام الحركة أن يستخدم البصر. وهو يستخدمه بشكل مختلف جدا بمجرّد ما تفكّر فيه بهذه الطريقة.
DW: So people have found out for example that studying vision in the absence of realizing why you have vision is a mistake. You have to study vision with the realization of how the movement system is going to use vision. And it uses it very differently once you think about it that way.
ك. أ. : حسنا كان ذلك رائعا جدا. شكرا جزيلا لك.
CA: Well that was quite fascinating. Thank you very much indeed.
(تصفيق)
(Applause)