Аз съм учен-невролог. А в науката неврология ние трябва да отговорим на много трудни въпроси за мозъка. Искам да започна с най-лесния въпрос, а би трябвало всеки от нас да си е задавал този въпрос, защото е основополагащ въпрос ако искаме да разберем как функционира мозъка. И той е -- защо ние и други животни имаме мозъци? Не всички видове на нашата планета имат мозъци, и ако искаме да знаем за какво ни е мозъка, нека помислим защо сме еволюирали така, че да го имаме. Може би ще изтъкнете причината, че имаме мозък, за да възприемаме света или за да мислим, и това е напълно погрешно. Ако отделите на този въпрос каквото и да е време, ще осъзнаете, че е очевидно защо имаме мозък. Имаме го само и единствено поради една причина, и тя е -- за да произвеждаме адаптивни и сложни движения. Няма друга причина да имаме мозък. Помислете за това. Движението е единствения начин, който притежавате, за да въздействате на света около вас. Това не е съвсем истина. Има и друг начин и той е чрез потенето. Но извън това, всичко друго се случва през свиването на мускулите.
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.
Така че, помислете за комуникацията -- реч, жестове, писане, езикът на знаците, всички те са резултат от свиванията на мускулите. Затова е много важно да се запомни, че сетивните, запаметяващите и познавателните процеси са важни, но те са важни само за да предизвикат или да подтиснат бъдещи движения. Няма еволюционно предимство да пазите спомени от детството или да възприемате цвета на розата, ако това не повлияе начина, по който ще се движите по-нататък в живота си.
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.
За тези, които не вярват на това твърдение -- на планетата имаме дървета и треви без мозък, но свързващото доказателство е това животно тук, скромната океанска хорда. Елементарно животно, има нервна система, плува в океана през целия си детски живот. По някое време се прикрепва към скала. И първото нещо, което прави като се прикрепи към скалата, която никога не напуска, е да смели собствените си мозък и нервна система като храна. Защото след като не ви трябва да се движите, нямате нужда от лукса да притежавате мозък. И това животно често е показвано като пример какво се случва в университетите, когато преподавателите влязат във владение, но това е друга тема.
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.
(Ръкопляскане)
(Applause)
Така че аз съм шовинист относно движението. Вярвам, че движението е най-важната функция на мозъка, не се оставяйте някой да ви каже, че това не е истина. Ако движението е толкова важно, колко добре се справяме за да разберем как мозъкът контролира движенията? Отговорът е, че се справяме много зле, това е много тежък проблем. Но можем да разберем как се справяме като помислим колко добре правим строителни машини, които могат да правят неща, които правят и хората.
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.
Помислете за играта на шах. Колко добре определяме коя фигура къде да преместим? Ако доведете Гари Каспаров тук, когато не е в затвора, срещу компютъра Дийп Блу на IBM, отговорът е, че компютърът ще спечели в повечето случаи. И мисля, че срещу когото и да играе в тази зала, компютърът ще спечели всеки път. Проблемът е решен. А какво ща кажете за проблема за взимане на една шахматна фигура, сръчно да я манипулирате и да я поставите обратно на дъската? Ако сравните сръчността на петгодишно дете срещу най-мощният компютър, отговорът е лесен -- детето ще спечели с лекота. Изобщо няма конкуренция.
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.
И така, защо горния проблем е толкова лесен, и защо последния е толкова труден? Една причина е, че много умно петгодишно дете може да ви каже алгоритъма на горния проблем -- вижте всички възможни ходове до края на играта и изберете този, който ще спечели играта. Това е много лесен алгоритъм. Разбира се, има и други ходове, но с мощни компютри ние осредняваме и се приближаваме до най-оптималното решение. Когато става въпрос да бъдем сръчни, дори не е ясен алгоритъма, който трябва да разрешите, за да бъдете сръчни. И ще видите, че трябва едновременно да възприемате и да действате, което по себе си води много проблеми.
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.
Но нека ви покажа най-новото поколение роботи. Много от роботите са впечатляващи, но манипулиращите роботи са все още в зората си. Това е резултата от един докторат на един от най-добрите институти по роботика. И студентът е научил робота да сипва вода в чаша. Това е сложен проблем, защото водата се разлива, но той се справя. Но това няма нищо общо със сръчността на човека. Ако искате този робот да направи друга задача, ще трябва още една тригодишна докторантска програма. Няма обобщаване в роботиката на една задача с друга.
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.
Може да сравним това с най-доброто човешко изпълнение. Ще ви покажа Емили Фокс, световен шампион по нареждане на чаши. Американците в залата със сигурност знаят всичко за подреждането на чаши. Това е училищен спорт, в който 12 чаши трябва да бъдат подредени и преподредени за определно време в предварително избран ред. И това е нейният рекорд в реално време. (Смях) (Ръкопляскане) И тя е много щастлива. Нямаме представа какво се случва в нейния мозък докато прави това, а това е, което бихме искали да знаем.
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.
В моята група, това което се опитваме да правим, е да разберем как хората контролират движенията Това звучи като лесен проблем. Изпращате команда надолу, тя кара мускулите да се свият. Вашата ръка или тяло се движат, и получавате обратно сетивна информация от зрението, кожата, мускулите и т.н. Проблемът е, че тези сигнали не са красивите сигнали, които искате да бъдат. Едно нещо, което прави контролирането на движенията трудно е например това, че сетивната обратна връзка е много шумна. И под шум нямам предвид звука. Използваме израза в инжинерен и неврологичен смисъл, което означава произволен шум, който нарушава сигнала. В миналото преди дигиталното радио, когато настройвахте радиото и чуехте "шхшхшхшхш" от станцията, която искате да слушате, това беше шума. Но общо казано, този шум е нещо, което заглушава сигнала.
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.
Например, ако сложите едната си ръка под масата и с другата се опитате да я намерите, можете да сте на сантиметри разлика, заради шума от подаваната обратно сетивна информация. Подобно е когато полезната мощност на двигателя се предава в движение, невероятно шумно е. Забравете да се опитате да уцелите центъра на дартс таблото, просто се целете в една и съща точка отново и отново. Ще имате широк обхват заради променливостта на движението. Още по темата -- външният свят, или задача, е едновременно неясен и променлив. Чайникът може да е пълен, но може и да е празен. Променя се във времето. И така, ние работим в едно голямо поле от усещания, пълно с шум.
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.
Този шум е толкова силен, че обществото дава големи предимства на тези от нас, които могат да намалят последствията от него. Така че ако имате достатъчно късмет да изпратите малка бяла топка в дупка на няколкостотин метра, използвайки метална пръчка, нашето общество е готово да ви възнагради със стотици милиони долари.
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.
Това, в което искам да ви убедя е, че мозъкът прави много опити да намали негативните последствия на този тип шум и променливост. И затова, ще ви разкажа за една теория, която е много популярна в статистиката и роботиката през последните 50 години, наречена Теория за вземане на решения на Бейс. Това е по-скоро уеднаквяваща теория за това как мозъкът се справя с несигурността. Основополагащата идея е, че бихте искали първо да направите заключения и тогава да действате.
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.
Нека помислим за умозаключенията. Вие искате да имате определени вярвания за света. Какво са вярванията? Те могат да бъдат: Къде в пространството са ръцете ми? Котка ли виждам или лисица? Сега ще ви представим вярвания с вероятности. Ще ви представим вярване с число между 0 и 1 -- 0 означава "не вярвам изобщо," 1 означава "абсолютно сигурен." И числата между тях ви дават стойности на несигурност. Основната идея в теорията на Бейс е, че имате два източника на информация, от които да направите своето заключение. Имате информация, а това в невронауката са сетивните възприятия. И така, аз имам сетивно възприятие, което може да доведе до вярване. Но има и друг източник на информация и това са ефективни предварителни познания. Вие събирате знания през целия си живот чрез спомените. И важното в тази теория е, че тя ви дава решението за най-доброто комбиниране на вашите предварителни знания с вашите сетивни доказателства, което генерира нови вярвания.
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.
Ще ви покажа формулата тук. Няма да ви обяснявам какво представлява, но пък е много красива. Има истинска красота и истинска обясняваща сила. И това, което казва наистина, и което искате да определите, е вероятността на различните вярвания, като резултат от вашите сетивни възприятия. Нека ви дам интуитивен пример. Представете си, че се учите да играете тенис и трябва да решите накъде ще отскочи топката, докато се връща през мрежата към вас. Има два източника на информация според теорията на Бейс. Имате доказателство от сетивата -- визуално и слухово, и това може да ви каже, че топката ще падне в тази червена точка. Но знаете, че сетивата ви не са идеални, и затова има някаква вероятност за това къде да се приземи, показано от този червен облак, представящ числа между 0,5 и може би 0,1.
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.
Тази информация е налична в настоящия удар, но има и друг източник на информация, който не е застъпен тук, но е наличен чрез повтарящи се опити в тенис игрите, и това е, че топката не отскача над мрежата с еднаква вероятност по време на мача. Ако играете срещу много добър съперник, той може да я изпраща в това зелено поле, което е предварителното разпределение, правейки я трудна да я върнете обратно. И двата източника носят важна имформация. Това, което казва правилото на Бейс е, че трябва да умножа числата от червената част по числата от зелената, за да получа числата от жълтата, които са в тези елипси, и това е, в което вярвам аз. Това а най-добрия начин за обединяване на информация.
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.
Не бих ви разказал за това, ако не бяхме показали преди няколко години, че точно това правят хората, когато придобиват нови двигателни умения. Това означава, че ние наистина сме машини за заключения на Бейс. Докато работим над това, научаваме за световни статистики, но и научаваме колко "шум" произвежда нашият сенситивен апарат, и после комбинираме двете по един истински метод на Бейс.
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.
Ключов момент в тази теория е тази част от формулата. А това, което тя показва е, че трябва да предвидя вероятността на различна информация обратно до моите сетива, имайки предвид моите вярвания. Това всъщност означава, че трябва да правя прогнози за бъдещето. Искам да ви убедя, че мозъкът прави прогнози, за информацията, която ще получи от нашите сетива. И още повече, това дълбоко променя вашите възприятия, чрез това, което правите. И за да ви убедя, ще ви разкажа как мозъкът се справя със сетивните възприятия. И така вие изпращате команда, получавате обратно информация, и тази трансформация се управлява от физиката на тялото ви и от сетивната ви система.
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.
Но си представете какво има в мозъка. Тук виждате какво има там. Може би имате един малък пророк, нервен стимулатор на физиката ви и на вашите сетива. Когато изпратите команда за движение надолу, правите копие на това и ги изпращате по вашия нервен симулатор, за да предвидите сетивните последици от вашите действия. И когато разклатя тази бутилка кетчуп, получавам истинска сетивна информация като функцията от времето най-отдолу. И ако имам добър пророк, той предсказва същото.
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.
За какво ми е да правя това? Аз ще получа същата информация така или иначе. Има добри причини за това. Представете си, че докато разклащам бутилката с кетчуп, някой идва близо до мен и ме потупва по гърба. Така получавам допълнителен източник на сетивна информация, благодарение на тази външна намеса. И така имам два източника. Имам потупването, както и разклащането, но от гледна точка на моите сетива, това е комбинирано в един източник на информация.
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.
Има добра причина да вярвам, че бихте искали да различавате вътрешните от външните събития. Защото външните случки са свързани с поведението много повече, отколкото усещането за това, което се случва с тялото ми. Един начин да възстановя това е да сравня предсказанието, което е подчинено единствено на двигателните команди, с реалността. Всяко несъответствие би трябвало да идва отвън. И докато обикалям из света, аз правя предсказания какво ще получа, вадейки тези части. Това, което остава, е външно за мен.
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.
Какво е доказателството за това? Има един много ясен пример за това как усещане, породено от мен се чувства различно от това, породено от друг човек. И така ние решихме, че най-очевидното място, от което да започнем, е гъделичкането. Отдавна се знае, че не можете да се гъделичкате по начина, по който другите хора могат да го правят. Но не е било показвано, че това е защото имате нервен стимулатор, симулиращ вашето тяло и премахващ това усещане. И така, ние въвеждаме този експеримент в 21 век като прилагаме роботизирани технологии към този проблем. Като резултат, това което имаме е пръчка в едната ръка, закачена за робот, и тя е движена напред и назад. И после ние проследяваме това с компютър, и го използваме за да контролираме друг робот, който гъделичка техните длани с друга пръчка. И после ги молим да оценят куп неща, включително гъдела.
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.
Ще ви покажа само една част от нашето проучване. И тук съм премахнал роботите, но хора движат техните десни ръце по синусоида -- назад и напред. И после повтаряме това на другата ръка със забавяне. Или няма забавяне, като в този случай светлина ще гъделичка дланта ви, или ще има забавяне от две или три десети от секундата. Важното тук е, че дясната ръка винаги прави същото нещо -- синусоидално движение. Лявата ръка винаги си остава същата, и прави синусоидално гъделичкане. Това, с което си играем е темпото на причинно-следствената връзка. И докато преминаваме от нула към 0,1 секунди, гъделичкането става по-силно. Преминавайки от 0,1 към 0,2, става по-силно към края. И при 0,2 секунди, гъделът е равен на този, при който роботът ви гъделичка без вие да правите нещо. Без значение коя част е отговорна за това анулиране, то е силно свързано с темпото на причинно-следствените връзки. И въз основа на тази илюстрация, ние се убедихме, че мозъкът прави точни предсказания и ги вади от другите усещания.
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.
Трябва да призная, че това са най-лошите проучвания, които моята лаборатория е правила някога. Защото гъделичкащото усещане в дланта идва и си отива, имате нужда от голям брой субекти, като тези звезди ги правят значителни. Затова търсихме много по-обективен начин да оценим този феномен. И през тези години аз се сдобих с две дъщери. И това, което забелязвате при децата, когато стоят на задните седалки в колите при дълги пътувания, те се сбиват, което започва като едната прави нещо на другата, и другата й отвръща. Нещата бързо ескалират. Децата лесно започват да се бият, което ескалира по отношение на сила. Когато се разкрещя на моите деца да спрат, понякога и двете ми казват, че другата е ударила по-силно.
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.
Знам, че моите деца не лъжат, затова си помислих, като невролог, че е важно как бих могъл да обясня как те казват несъвместими истини. И на базата на проучването за гъдела имахме хипотеза, че когато едното дете удря другото, те генерират двигателна команда. Те предвиждат сетивните последствия и я изваждат от общото. И така смятат, че са ударили другия човек по-леко, отколкото в действителност са, точно както при гъделичкането. От друга страна пасивният приемател не прави това предсказание и усеща целия удар. И ако отвърне със същата сила, първият човек ще си помисли, че ударът е бил по-силен.
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.
Решихме да проверим това в лабораторията. (Смях) Не работим с деца и не работим с удряне, но идеята е подобна. Довеждаме двама възрастни. Казваме им, че ще играят игра. И така имаме двама играчи, седящи един срещу друг. Играта е много проста. Стартираме с двигател с малък лост, слаб силов преобразувател. Използваме този двигател, за да приложим сила върху пръста на единия играч за три секунди и после спира. И на този играч е казано: помни силата на натиск и използвай другия си пръст, за да приложиш същата сила върху пръста на другия играч чрез сила -- и те го правят. На втория играч е казано, да помни силата на това усещане. И да използва другата си ръка за да отвърне със същото. И така, те се редуват да прилагат силата, която са изпитали един върху друг.
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.
Но критичното тук е, че те са обучени накратко в правилата на играта в отделни стаи. Така че те не знаят правилата, по които играе другия играч. И това, което измерихме е силата като функция на опита. И ако погледнем с какво сме започнали, четвърт нютон, след няколко опита, идеална ще е тази червена линия. И това, което видяхме при всички двойки е това -- 70 процента увеличение на силата при всеки опит. Така че това наистина подсказва, че когато правите това -- въз основа на това проучване и други, които сме направили -- че мозъкът анулира сетивните последици и подценява силата, която се произвежда. Така че това показва отново, че мозъкът прави предсказания и фундаментално променя схващанията. Така че ние направихме изводи, направихме предсказания, сега трябва да генерираме действия. И това, което казва законът на Бейс, като се имат предвид моите убеждения, че действието в известен смисъл трябва да бъде оптимално.
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.
Но имаме проблем. Задачите са символични -- искам да пия, искам да танцувам -- но двигателната система трябва да свие 600 мускули в определена последователност. И има голяма разлика между задачата и двигателната система. Може да се свърже по безкрайно много различни начини. Мислете си само за движението от точка до точка. Мога да избера тези два пътя от безброй много пътища. След като съм избрал определен път, мога да държа ръката си по този път по безкрайно много различни ставни конфигурации. И мога да държа ръката си в определена ставна конфигурация или много стегнато или много отпуснато. Така че имам огромно количество от избори. Оказва се, че сме изключително стереотипни. Ние всички се движим по еднакъв начин до голяма степен.
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.
И се оказва, че сме толкова стереотипни, че мозъците ни имат посветена невронна мрежа, за декодиране на такива стереотипи. Така че, ако взема някои точки и ги поставя в движение посредством биологично движение, мрежите на мозъка ви ще разберат веднага какво се случва. Това са куп от движещи се точки. Ще разберете какво прави този човек, дали е щастлив, тъжен, стар, млад -- огромно количество информация. Ако тези точки бяха коли на състезателна писта, нямаше да имате абсолютно никаква представа какво се случва.
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.
И така, защо се движим по начина, по който го правим? Ами нека да помислим за това какво наистина се случва. Може би всички ние не се движим по същия начин. Вероятно има различия в населението. И може би тези, които се движат по-добре от другите имат по-голям шанс да отведат децата си в следващото поколение. Така че в еволюционни мащаби, движенията се подобряват. И може би в живота, движенията стават по-добри чрез учене.
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.
Така че какво при движението е добро или лошо? Представете си, че искам да засека тази топка. Ето два възможни пътя към тази топка. Ако избера левият път, мога да разбера необходимите сили в един от мускулите ми като функция на времето. Но има и добавен шум към това. Така че това, което получавам в действителност, на базата на тази прекрасна, гладка, желана сила, е много шумна версия. Така че, ако избера същата команда много пъти, ще получа различна шумна версия всеки път, защото шума се променя всеки път. Така че това, което мога да ви покажа тук е как ще се развива променливостта на движението, ако избера този път. Ако избера друг начин на придвижване, надясно например, тогава ще има различна команда, различен шум, играейки чрез една шумна система, много сложно. Всичко, което можем да бъдем сигурни е, че променливостта ще бъде различна. Ако се движа по този конкретен начин, ще се окажа с по-малки колебания при повече движения. Така че, ако трябваше да избирам между тези два пътя, щях да избера десния, понеже той е по-малко променлив.
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.
И основната идея е, че искате да планирате вашите движения, така че да сведете до минимум отрицателното последствие от шума. И интуиция, която може да получите е, че всъщност размера на шума или променливостта, която показвам тук, се увеличава, когато силата се увеличава. Така че е желателно да избягвате големите сили по принцип. Така че ние показахме, че използвайки това, можем да обясним огромно количество данни -- че точно хората прекарват живота си, планирайки движения, така че да сведат до минимум негативните последици от шума.
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.
Надявам се, че ви убедих, че мозъка съществува и се развива, за да контролира движението. И е интелектуално предизвикателство да разберем как правим това. Но това е също от значение за болестите и рехабилитацията. Има много заболявания, които въздействат на движението. И се надявам, че ако разберем как можем да контролираме движението, ще можем да приложим това в роботиката. И накрая, искам да ви напомня, че когато видите животни да извършват много прости задачи, действителната сложност на това, което се случва вътре в мозъците им е наистина доста драматична.
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.
Много ви благодаря.
Thank you very much.
(Ръкопляскане)
(Applause)
Крис Андерсън: Бърз въпрос към теб, Дан. Значи твоето движение -- (ДУ: Шовинистично) -- шовинистично. Означава ли това, че смяташ, че другите неща, за които смятаме, че служат мозъците ни -- като мечтаене, копнеене, влюбване и всички тези неща -- дали са един вид странично явление, случайност?
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?
ДУ: Не, не, всъщност мисля, че всички те са важни за задвижване на правилното двигателно поведение, за да достигнем до възпроизвеждане в края. Затова мисля, че хората, които изучават усещането или паметта без да осъзнават защо имате спомени от детството. Фактът, че забравяме по-голямата част от нашето детство, например, вероятно е нормален, защото не влияе върху нашите движения по-късно в живота. Трябва само да съхраняваме неща, които наистина ще повлияят на движението.
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.
КА: Значи мислиш, че хората, които мислят за мозъка и съзнанието, като цяло, могат да получат реална представа като кажат, къде движението играе роля в тази игра?
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?
ДУ: Хората са установили, например, че изучаването на зрението при отсъствието на осъзнаване защо имате зрение е грешка. Трябва да изучавате зрението с осъзнаването как двигателната система ще използва зрението. И тя го използва много по-различно, щом си мислите за него по този начин
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.
КА: Ами това беше доста интересно. Много благодаря, наистина.
CA: Well that was quite fascinating. Thank you very much indeed.
(Ръкопляскане)
(Applause)