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.
Јас сум невролог. Во неврологијата, се справуваме со многу тешки прашања кои се однесуваат на мозокот. Меѓутоа сакам да започнам со најлесното прашање кое што веројатно си го имате поставено во одреден период од вашиот живот, бидејќи е суштинско прашање доколку сакаме да разбереме како функционира мозокот. А тоа е, зошто ние и другите животни имаме мозоци? Сите видови од нашата планета немаат мозоци, и ако сакаме да знаеме за што служи мозокот, да размислиме зошто настанал кај нас. Ќе помислите дека имаме мозок за да го перцепираме светот или за да мислиме, а тоа е потполно погрешно. Ако размислите за ова прашање, очигледна е причината за настанокот на мозокот. Ние имаме мозок од една и единствена причина, а тоа е да правиме адаптабилни и сложени движења. Не постои друга причина за мозокот. Размислете за ова. Движењето е единствениот начин што го имате за да влијаете врз светот околу вас. Тоа и не е баш точно. Постои друг начин, а тоа е преку потењето. Но освен тоа, сето друго влијание се одвива преку контракција на мускулите.
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.
Еве размислете за комуникацијата, говорот, гестовите, пишувањето, знаковниот јазик, сите тие се возможни благодарение на контракцијата на мускулите. Значи навистина е важно да запаметите дека сетилните, мемориските и сознајните процеси се важни, но тие се важни само доколку ги поттикнуваат или поттиснуваат идните движења. Не може да постои еволуциска предност за зачувување на детските сеќавања или за перцепирање на бојата на розата доколку тоа не влијае врз вашето движење подоцна во животот.
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.
За оние кои не веруваат во овој аргумент, ги имаме дрвјата и тревата кои се без мозок, но непобитниот доказ е ова животно овде, скромното морско прасе. Рудиментирано животно, има нервен систем, плива низ океанот додека е во раната возраст. И во одреден период од животот, се закачува на карпа. И веднаш по закачувањето за карпата, која никогаш не ја напушта, го јаде сопствениот мозок и нервен систем како храна. Значи доколку не се движите, тогаш не ви треба мозокот како луксуз. Ова животно често пати се зема како аналогија за она што се случува на универзитетите откако професорите ќе добијат позиција, но тоа е друга тема.
(Applause)
(Аплауз)
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.
Значи јас сум шовинист за движењето. Верувам дека движењето е најважната функција на мозокот, и не дозволувајте некој да ви каже дека не е така. Доколку движењето е толку важно, тогаш колку добро разбираме како мозокот ги контролира движењата? Одговорот е многу слабо; тоа е навистина тежок проблем. Колку го разбираме овој процес се гледа преку тоа колку сме добри во правењето машини кои можат да прават она што и луѓето.
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.
Помислете за играта шах. Колку сме добри во одлучувањето која фигура каде да ја поместиме? Доколку го спротивставите Гари Каспаров, кога не е во затвор, наспроти Дип Блу на IBM, одговорот е дека IBM-овата Дип Блу понекогаш ќе победи. Мислам дека, ако IBM-овата Дип Блу игра со било кој од овде, ќе победи секој пат. Тој проблем е решен. А што правиме со подигање на шаховската фигура, нејзиното манипулирање со рака и повторно ставање на таблата? Ако спротивставите едно петгодишно дете со најдобриот робот, одговорот е едноставен: детето лесно победува. Воопшто не постои натпревар.
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.
Зошто горниот проблем е толку лесен додека пак долниот толку тежок? Причината е што многу паметно петгодишно ќе ви го каже алгоритамот за првиот проблем, ќе ги предвиди сите можни потези до крајот на играта и ќе го избере оној што е победнички. Алгоритамот е многу едноставен. Се разбира постојат и други потези, но со големи компјутери се приближуваме и доаѓаме близу до оптималното решение. Кога станува збор за рачната флексибилност, дури и не знаеме кој алгоритам треба да го решите. А истовремено треба и да го перцепирате и да влијаете врз светот, што е навистина проблематично.
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.
Но, да ви ја покажам најсовршената роботика. Голем дел од роботиката е импресивна, но манипулациската роботика е сè уште во мрачната доба. Ова е завршетокот на еден докторат во еден од најдобрите институти за роботика. Студентот го има тренирано овој робот да сипува вода во чаша. Ова е сложен проблем бидејќи водата е нестабилна, но некако успева. Меѓутоа сипувањето не го прави онака агилно како човек. Ако сакате овој робот да извршува поинаква задача, тоа е веќе друг тригодишен докторат. Не постои генерализација воопшто во роботиката од една на друга задача.
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.
Можеме да го споредиме ова со совршената човечка изведба. Она што ќе ви го покажам е Емили Фокс како постигнува светски рекорд во редење чаши. Американците во публиката знаат сè за редењето на чаши. Тоа е средношколски спорт, имате 12 чаши кои што треба да ги наместите и разместите што побрзо по одреден редослед. Еве је како го постигнува светскиот рекорд. (Смеа) (Аплауз) Прилично е среќна. Не знаеме што се случува во нејзиниот мозок во тој момент, а тоа сакаме да го дознаеме.
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.
Во мојата група, се обидуваме преку анализа да откриеме како луѓето го контролираат движењето. Звучи како лесен проблем. Испраќате наредба, а тоа предизвикува мускулна контракција Вашата рака или тело се движат, а потоа добивате сетилен фидбек од вашиот вид, кожа, од мускулите итн. Проблемот е што овие сигнали не се онолку убави колку што би сакале. Една работа што ја отежнува контролата на движењето е фактот што сетилниот фидбек е екстремно бучен. Кога велам бучава, не мислам на звук. За неа зборуваме во инжинерска и невролошка смисла подразбирајќи случајна бучава што го оневозможува сигналот. Порано пред да се појави дигиталното радио кога го подесувавте радиото и слушавте "ххрркк" на станицата што ја баравте токму за таква бучава зборувам. Во основа, оваа бучава е нешто што го оневозможува сигналот.
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.
На пример, ако ја ставите раката под маса и се обидете да ја лоцирате со другата рака, може да промашите за неколку сантиметри поради бучавата во сетилниот фидбек. Слично, влијанието на моторниот аутпут врз движењето, е екстремно бучно. Не мора да се обидувате да го погодите центарот на пикадото, само целете кон истата точка постојано. Ќе добиете голема распрсканост поради варијабилноста на движењето. Уште поважно, надворешниот свет, или задача, се истовремено и нејасни и варијабилни. Чајникот може да биде полн, или празен. Се менува со тек на време. Значи ние изведуваме сензорно-движечки задачи опкружени со огромна бучава.
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.
Оваа бучава е толку голема што општеството ги вреднува оние од нас кои можат да ги намалат последиците од бучавата. Доколку сте доволно среќни да успеете да уфрлите мала бела топка во дупка оддалечена неколку стотици метри користејќи долг метален стап, нашето општество со задоволство ќе ве награди со стотици милиони долари.
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.
Она што сакам да ве убедам е дека мозокот исто така вложува многу напор за да ги намали негативните последици од овој вид на бучава и варијабилност. Затоа, ќе зборувам за една концепција што е многу популарна во статистиката и машинското учење во изминативе 50 години и се вика Бејзијанска теорија на одлучување. И од неодамна стана консензуален начин за објаснување како мозокот се справува со неизвесноста. Основната идеја е дека најпрвин донесувате заклучоци а потоа превземате акции.
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.
Ајде да размислиме за заклучувањето. Сакате да создадете верувања за светот. Што се верувањата? Верувања можат да бидат: каде ми се рацете во просторот? Гледам во мачка или во лисица? Но ние ќе ги претставиме верувањата како веројатности. Ќе го претставиме верувањето со број од нула до еден, нула означува не верувам воопшто, еден означува потполно сум сигурен. Броевите во средината ги претставуваат сивите нивоа на неизвесноста. Клучната идеја во Бејзијанското заклучување е дека имате два извора на информации врз чија основа ги донесувате заклучоците. Имате податоци, а податоци во неврологијата се сетилните инпути. Имам сетилен инпут, а врз негова основа ги градам моите верувања. Но, има друг извор на информации, а тоа е претходното знаење. Вие собирате знаење во текот на животот во сеќавањата. Важното за Бејзијанската теорија на одлучување е дека ви ја дава математиката за оптималниот начин на комбинирање на вашето претходно знаење со вашиот сетилен доказ како би изградиле нови верувања.
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.
Овде ја напишав формулата. Нема да објаснувам што значи формулата, но е многу убава. Има вистинска убавина и вистинска поучна моќ. Со оваа формула можете да ја пресметате веројатноста на различните верувања земајќи го во предвид сетилниот инпут. Да ви дадам еден секојдневен пример. Замислете дека учите да играте тенис и сакате да утврдите каде ќе отскокне топчето додека се движи од мрежата кон вас. Постојат два извори на информации Бејзијанското правило вели. Постои сетилен доказ - може да ги користите визуелните, аудиторните информации, и тоа ќе ви каже да се насочите кон црвената област. Но вие знаете дека вашите сетила не се совршени, и дека постои одредена варијабилност за тоа каде ќе падне топчето, тоа го гледаме во црвениот облак, претставувајќи ги броевите од 0.5 до можеби 0.1.
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.
Таа информација е достапна на сегашната снимка, но има друг извор на информација кој не е достапен на оваа снимка, туку само преку искуството стекнато од повеќекратно играње на тенис, а тоа е дека топчето не отскокнува со еднаква веројатност низ теренот за време на мечот. Ако играте против многу добар противник, топчињата можеби ќе паѓаат во зелената област, претходниот приказ, отежнувајќи ви го повратниот удар. Овие два извори на информации носат важна информација. Бејзијанското правило вели дека треба да ги помножам броевите во црвеното со броевите во зеленото за да ги добијам броевите во жолтото, елипсата, и тоа е моето верување. Тоа е оптималниот начин за комбинирање на информации.
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.
Пред неколку години, покажавме дека луѓето всушност на овој начин ги учат новите вештини т.е. движења. Тоа значи дека сме Бејзијански инференцијални машини. Движејќи се наоколу, учиме за статистиките на светот и ги зачувуваме, но исто така учиме колку е непрецизен нашиот сетилен апарат, и потоа ова го комбинираме на вистински Бејзијански начин.
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.
Клучниот дел кога станува збор за Бејзијан е овој дел од формулата. Она што всушност вели овој дел е дека морам да ја предвидам веројатноста на различни сетилни фидбеци врз основа на моите верувања Тоа значи дека морам да правам предвидувања за иднината. Сакам да ве убедам дека мозокот навистина го предвидува сензорниот фидбек што подоцна ќе го добие. Уште повеќе, тоа суштински ја менува вашата прецепција на она што го правите. За да ве убедам, ќе ви кажам за тоа како мозокот се справува со сетилниот инпут. Значи праќате наредба надвор, а добивате сетилен фидбек за возврат, а таа трансформација е водена од физиката на вашето тело и вашиот сетилен апарат.
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.
Замислете дека гледате внатре во мозокот. Ова е внатре во мозокот. Замислете дека имате мал предвидувач, нервен симулатор, за физиката на вашето тело и вашите сетила. Како што праќате наредба за движење, правите копија од тоа и ја одигрувате во вашиот нервен симулатор со цел да ги антиципирате сетилните последици од вашите движења. Значи додека го тресам ова шише кечап, добивам вистински сетилен фидбек како функција на времето. Ако имам добар предвидувач, тој ќе го предвиде истото.
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.
Тогаш зошто морам да го правам ова? И онака ќе го добијам истиот фидбек. Па, има добри причини. Замислете дека, тресејќи го шишето кечап, некој тивко доаѓа до мене и го удира шишето отпозади наместо мене. Овој пат добивам дополнителна сетилна информација поради овој надворешен акт. Значи имам два извора. Некој од надвор го удира, и јас го тресам, но од гледна точка на моите сетила, ова се комбинира во еден извор на информации.
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.
Има добра причина да веруваме дека сакате да правите разлика помеѓу надворешни и внатрешни настани. Бидејќи надворешните настани се многу порелевантни за однесувањето одошто чувствата кои доаѓаат од внатрешноста на телото. Еден начин за реконструкција на тоа е да се спореди предвидувањето, кое што единствено се базира на наредбите за движење, со реалноста. И разликата ќе претставува она што доаѓа од надвор. Значи, движејќи се низ светот, правам предвидувања за фидбеците што треба да ги добијам, потоа ги одземам. Она што останува е надвор од мене.
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.
Какви се доказите за ова? Има еден многу очигледен пример, чувството што јас сум го предизвикал се доживува поинаку од чувството предизвикано од некој друг. Одлучивме дека најочигледното место за почеток е скокоткањето. Се знае дека не можете да се скокоткате онака како што можат другите да ве скокоткаат. Но не беше покажано зошто, а тоа е бидејќи имате нервен симулатор, кој го симулира вашето тело и кој го намалува тоа чувство. Сега можеме да ги спроведеме експериментите со примена на роботска технологија врз овој проблем. Во експериментот, имаме еден стап во едната рака прикачен за робот, субјектот ќе го движи стапот напред-назад. Движењето ќе го следиме со компјутер а ќе го користиме за да контролираме друг робот, кој што ќе ја скокотка неговата дланка со друг стап. Потоа ќе го замолиме да изврши рангирање на многу нешта, а тука е и скокотливоста.
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.
Ќе ви покажам само еден дел. Овде ги отстранив роботите, но во основа луѓето ја движат десната рака синусоидно напред-назад. Тоа го повторуваме на другата рака со временско задоцнување. Или без временско задоцнување, при што светлина ќе ви ја скокотка дланката, или со временско задоцнување од две десетини, три десетини од секундата. Важното овде е дека десната рака секогаш го прави истото - синусоидно движење. Левата рака е статична и добива синусоидно скокоткање. Она што манипулираме е временската-каузалност. Како што одиме од нула до 0.1 секунда, скокотливоста се зголемува. Како што одиме од 0.1 до 0.2, скокотливоста се зголемува на крајот. И на 0.2 од секундата, скокотливоста е еднаква на онаа кога роботот ве скокоткаше, а вие бевте статични. Било што да е одговорно за ова одложување тоа е екстремно тесно поврзано со временската поврзаност. Врз основа на оваа илустрација, бевме убедени дека мозоците прават прецизни предвидувања и истите нив ги одземаат од сензациите.
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.
Морам да признаам, овие ми се едни од најлошите истражувања. Бидејќи скокоткањето на дланката доаѓа и си оди, затоа ви требаат голем број на субјекти за наодот да биде статистички значаен. Затоа баравме пообјективен начин за да го истражиме овој феномен. Имам две ќерки. За време на долгите патувања на задните седишта од колата честопати тие се препираат, тоа започнува така што едната и прави нешто на другата, а другата враќа. Тоа брзо ескалира. Децата влегуваат во закачки кои ескалираат до употреба на сила. Кога ќе им викнев да престанат, понекогаш и двете ќе речеа дека другата ги удрила посилно.
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.
Знам дека моите деца не лажат, така си мислев, како невролог, дека е важно да објаснам зошто кажуваат неконзистентни вистини. Врз основа на студијата за скокоткање претпоставивме дека кога едното дете ќе го удри другото, тие создаваат наредба за движење. Тие ги предвидуваат сетилните последици и ги одземаат. Значи тие мислат дека го удриле лицето со помала сила одошто е случајот, слично на скокоткањето. Додека пак удрениот не прави предвидување, го чувствува целиот удар. И ако удрениот врати со истата сила, првото лице ќе мисли дека всушност ударот е посилен.
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.
Ова го тестиравме во лабораторија. (Смеа) Не работиме со деца, не работиме со удирање, но концептот е идентичен. Имаме двајца возрасни. Им кажуваме дека ќе играат игра. Двајцата играчи седат на спротивни страни еден од друг. Играта е многу едноставна. Користевме мотор со мала полуга, мал пренесувач на сила. Овој мотор служи за да примениме сила врз прстите на првиот играч околу три секунди и потоа прекинуваме. На тој играч му е кажано, запамети го доживувањето од таа сила и со другиот прст примени ја истата сила врз прстите на другиот субјект со помош на преносникот на сила - и тие тоа и го прават. На вториот играч му е кажано, запамети го доживувањето од таа сила. Со другата рака примени ја истата сила за возврат. Така во неколку наврати ја применуваат силата што ја доживеале во моментот.
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 важно е дека правилата за игра ги добиваат во различни соби. Значи тие не ги знаат правилата по кои другото лице игра. Она што меревме е силата како функција на овие правила. Да го погледнеме графикот, почнува со четвртина од Њутн, неколку обиди, иделното би била оваа црвена линија. Кај сите парови на субјекти го видовме ова, 70 процентно ескалирање на силата во секој наврат. Ова ни кажува, врз основа на ова истражување и другите, дека мозокот ги поништува сетилните последици и ја потценува силата што ја создава. И повторно покажува дека мозокот предвидува и суштински ја менува перцепцијата. Донесовме заклучоци, направивме предвидувања, сега треба да создадеме движења. Бејзовото правило вели, имајќи ги во предвид верувањата, движењата треба да бидат оптимални.
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.
Но, имаме проблем. Задачите се симболични: Сакам да пијам, сакам да играм, а, моторниот систем треба да придвижи 600 мускули по одреден редослед. Постои голем јаз помеѓу задачата и моторниот систем. Јазот може да биде надминат на многу различни начини. Размислете за движењето од точка до точка. Можам да ги изберам овие два патишта од бесконечниот број на патишта. Откако сум избрал одреден пат, можам да ја држам раката на тој пат во безброј различни свиткувања. И можам да ја држам раката на одреден начин свиткана или многу стегнато или многу опуштено. Значи имам голем простор за избор. Но се покажа, дека сме екстремно стереотипни. Сите се движиме воглавно на ист начин.
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.
Излезе дека сме толку многу стеротипни, што нашите мозоци имаат нервни мрежи за препознавање на оваа стеротипност. Ако земам неколку точки и направам да се движат како живо суштество, овие центри од вашиот мозок веднаш ќе сфатат што се случува. Ова се еден куп на точки што се движат. Ќе знаете што прави оваа личност, дали е среќна, тажна, стара, млада - големо количество на информации. Ако овие точки беа автомобили кои возат тркачки круг, воопшто немаше да знаете што се случува.
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.
Зошто тогаш се движиме на овие карактеристични начини? Да размислиме што всушност се случува. Можеби и не баш сите се движиме на ист начин. Можеби има варијации во популацијата. И можеби тие што се движат подобро од другите имаат поголема шанса да остават потомци во следната генерација. Во еволуциски рамки, движењата се подобруваат. И можеби во животот, движењата се подобруваат преку учење.
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.
Кое движење е добро, а кое лошо? Замислете дека сакам да ја фатам оваа топка. Ова се два начина за фаќање на топката. Ако ја изберам стратегијата од лево, ќе можам да пресметам колку сила ми треба во еден од моите мускули како функција на време. Меѓутоа ќе ја додадеме бучавата. Она што добиваме, базирано на оваа убава, мазна, посакувана сила, е многу бучна верзија. Значи ако ја изберам истата наредба во повеќе наврати, секој пат ќе добивам различна верзија, бидејќи бучавата се менува постојано. Она што можам да ви покажам е како варијабилноста на движењето ќе се менува доколку ја изберам таа стратегија. Доколку изберам друга стратегија - од десно на пример, тогаш ќе имам поинаква наредба, поинаква бучава, која се одигрува во бучен многу сложен систем. Единствено сме сигурни дека варијабилноста ќе биде различна. Ако се движам на овој начин, ќе добијам помала варијабилност во движењата. Ако треба да бирам помеѓу тие две, ќе ја изберам десната бидејќи е помалку варијабилна.
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.
Основната идеја е дека треба да ги планирате движењата како би ги намалиле негативните последици од бучавата. Треба да запаметите дека големината на бучавата или варијабилноста станува поголема со зголемување на силата. Во принцип треба да избегнувате големи сили. Со ова покажавме дека, можеме, да го објасниме огромното количество на податоци, дека луѓето во нивните животи ги планираат движењата со цел да ги намалат негативните последици од бучавата.
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.
Се надевам ве убедив дека мозокот служи и еволуирал за да го контролира движењето. Како го правиме тоа претставува интелектуален предизвик. Тоа е исто така релевантно за болести и рехабилитација. Има многу болести што го засегаат движењето. Се надевам дека ако разбереме како го контролираме движењето, потоа ќе можеме да го примениме во роботиката. И на крај, сакам да ве потсетам, кога ќе видите животни како прават нешто многу едноставно, имајте на ум дека сложеноста внатре нивниот мозок е прилично драматична.
Thank you very much.
Ви благодарам многу.
(Applause)
(Аплауз)
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?
Крис Андерсон: Кратко прашање за тебе, Ден. Значи ти си шовинист за движењето. Дали тоа значи дека другите работи поради кои мислиме дека постојат нашите мозоци, сонувањето, мечтаењето, заљубувањето и сите други нешта, се еден вид нус појава, случајност?
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.
ДВ: Не, не. Мислам дека сите тие се многу важни и влијаат врз движењето кое има крајна цел, размножување. Мислев на луѓето кои ги проучуваат сетилата или меморијата без да сфатат зошто ги зачувуваме сеќавањата од детството. Фактот дека го забораваме поголемиот дел од детството, на пример, е веројатно во ред, бидејќи не влијае врз нашите движења подоцна во животот. Треба да ги зачувате работите кои што навистина ќе влијаат врз движењето.
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?
КА: Мислиш ли дека луѓето што го изучуваат мозокот ќе можат да добијат вистински увид доколку се прашаат каде се вклопува движењето во сето тоа?
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.
ДВ: Луѓето увидоа на пример дека доколку ја изучувате визијата, без притоа да сфатите зошто имате визија е погрешно. Мора да ја изучувате визијата имајќи на ум како моторниот систем ќе ја користи визијата. На крај ќе видите дека го користи на многу поинаков начин.
CA: Well that was quite fascinating. Thank you very much indeed.
КА: Ова беше навистина фасцинатно. Ви благодарам многу.
(Applause)
(Аплауз)