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.
Sunt neurocercetător. Și în neurocercetare, ne punem multe întrebări dificile legate de creier. Vreau să încep cu cea mai simplă întrebare pe care v-ați pus-o cu toții la un moment dat, fiindcă e o întrebare fundamentală dacă vrem să înțelegem rolul creierului. De ce noi și alte animale avem creiere? Nu toate speciile au, așa că dacă vrem să știm ce rol are creierul, haideți să ne gândim de ce avem unul. Puteți spune că avem creier ca să percepem lumea sau să gândim, dar e complet greșit. Dacă vă gândiți o vreme la această întrebare, devine evident ce de avem creier. Avem creier pentru un singur motiv: să producem mișcări complexe și să le adaptăm. Acesta e singurul motiv. Gândiți-vă. Mișcarea e singurul mod prin care poți influența lumea din jur. Nu e chiar așa. Mai e unul - prin transpirație. Dar în afară de transpirație, totul are loc prin contractarea mușchilor.
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.
Gândiți-vă la comunicare - vorbirea, gesturile, scrisul, limbajul semnelor- toate se fac prin contractarea mușchilor. Trebuie să ținem minte că procesele senzoriale, de memorie și cognitive sunt importante doar pentru a porni sau a opri mișcări viitoare. Nu există niciun avantaj evoluționar să păstrezi amintiri din copilărie sau să vezi culoarea unui trandafir, dacă asta nu influențează modul în care te vei mișca în viață.
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.
Pentru cei care resping acest argument, copacii și iarba nu au creier, dar dovada clară stă în acest animal - ascidia. E un animal primitiv, are sistem nervos și înoată în ocean în primii ani de viață. La un moment dat, se prinde de o rocă. Primul lucru pe care-l face după aceea - nu va părăsi niciodată roca respectivă - e să își digere creierul și sistemul nervos ca să se hrănescă. Dacă nu mai trebuie să te miști, nu ai nevoie de creier. Animalul acesta e folosit adesea pentru a ilustra ce se întâmplă în universități după ce profesorul preia postul, dar asta-i altă treabă.
(Applause)
(Aplauze)
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.
Sunt un șovinist al mișcării. Cred că mișcarea e cea mai importantă funcție a creierului - să nu îi credeți pe cei care spun altceva. Dacă mișcarea e atât de importantă, cât de bine înțelegem modul în care creierul controlează mișcarea? Nu foarte bine, e o problemă complicată. Dar putem găsi un răspuns uitându-ne cât de bine reușim să construim mașini care să facă ce fac oamenii.
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.
Gândiți-vă la șah. Cât ne bine ne descurcăm să mișcăm piesele? Dacă Gary Kasparov, când nu e în închisoare, joacă împotriva Deep Blue al IBM-ului, Deep Blue mai câștigă câteodată. Cred că dacă Deep Blue ar juca împotriva celor de aici, ar câștiga mereu. Problema asta e rezolvată. Cum rămâne cu problema ridicării unei piese de șah, de manipularea ei cu dexteritate și așezarea ei pe tablă? Dacă vei compara dexteritatea unui copil de 5 ani cu cea a unui robot, răspunsul e simplu: copilul câștigă de fiecare dată. Nu există niciun fel de competiție.
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.
De ce problema de sus e ușor de rezolvat, și cea de jos e atât de grea? Un motiv e că un copil isteț de 5 ani îți poate spune algoritmul pentru problema de sus - analizează mișcările posibile până la sfârșitul partidei și o alege pe cea câștigătoare. E un algoritm foarte simplu. Desigur, există și alte mișcări, dar cu ajutorul computerelor le aproximăm și ne apropiem de cea mai bună soluție. Când vine vorba de dexteritate, nici nu e clar care e algoritmul pentru a fi îndemânatic. Trebuie să percepi și să acționezi asupra lumii, unde există multe probleme.
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.
Să vă arăt robotica modernă. Marea ei parte e uimitoare, dar robotica mișcării e de-abia la început. Iată un proiect de doctorat al unuia din cele mai bune institute de robotică. Studentul a învățat robotul să toarne apă în pahar. E greu pentru că apa sare în jur, dar robotul se descurcă. Însă nu are nici pe departe îndemânarea omului. Dacă vrei ca robotul să îndeplinească altă sarcină, asta înseamnă alți trei ani de doctorat. Nu există niciun fel de generalizare de la o sarcină la alta în robotică.
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.
Putem compara asta cu cele mai bune performanțe umane. V-o prezint pe Emily Fox, care deține recordul mondial la aranjat pahare. Americanii din public sunt familiarizați cu aranjatul paharelor. E un sport la liceu, unde ai 12 pahare pe care trebuie să le aranjezi contracronometru în ordinea stabilită. Aici. Emily realizează recordul mondial. (Râsete) (Aplauze) E foarte bucuroasă. Nu știm ce se întâmplă în creierul ei când face asta, dar am vrea să știm.
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.
De aceea, în grupul meu încercăm să realizăm ingineria inversă a mișcării umane. Pare simplu. Trimiți o comandă și mușchii se contractă. Brațul sau corpul se mișcă și primești feedback senzorial de la ochi, piele, mușchii etc. Problema e că aceste semnale nu sunt perfecte. Unul dintre lucrurile care îngreunează controlul mișcării e feedback-ul senzorial zgomotos. Și aici nu mă refer la sunet. În termeni inginerești și neurologici înseamnă un zgomot haotic ce modifică semnalul. Înainte de radioul digital, când deschideai radioul, auzeai „crrrcc” pe post, asta era zgomotul. În general, zgomotul e ceva ce modifică semnalul.
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.
De exemplu, dacă pui mâna sub masă și încerci să o localizezi cu cealaltă mână, poți să greșești cu câțiva centimetri din cauza zgomotului din feedback-ul senzorial. La fel se întâmplă când stimulezi efectorii, rezultă mult zgomot. Uitați de lovitul centrului la darts, încercați să ochiți în același loc iar și iar. Apar abateri mari din cauza variației mișcării. În plus, lumea exterioară sau sarcina primită, sunt ambigue și schimbătoare. Ceainicul poate fi plin sau gol. Se schimbă în timp. Deci, ne mișcăm într-un amestec de zgomote senzoriale.
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.
Zgomotul e așa de mare încât societatea acordă un premiu uriaș celor care pot reduce consecințele lui. Dacă ești norocos și bagi o minge mică, albă într-o gaură la zeci de metri depărtare, folosind o crosă, societatea te răsplătește cu sute de milioane de dolari.
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.
Vreau să vă conving că și creierul face eforturi mari să reducă efectele negative ale zgomotului și variabilelor. Pentru asta, vă voi prezenta un cadru folosit des în ultimii 50 de ani în statistică și în învățarea automată, numit teoria decizională Baye. Mai nou, e un mod de a ilustra cum reacționează creierul în fața variabilelor. Ideea de bază e că vrei să faci deducții și să acționezi.
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.
Să ne gândim la deducții. Vrei să generezi deducții despre lume. Ce sunt deducțiile? Exemplu de deducție: unde-mi sunt situate brațele în spațiu? Mă uit la o pisică sau la o vulpe? Vom reprezenta deducțiile prin probabilități. Vom reprezenta o deducție cu o cifră între 0 și 1 - 0 înseamnă că nu cred, 1 că sunt sigur. Cifrele între 0 și 1 ilustreză gradul de nesiguranță. Idea în deducția bayesiană e că ai două surse de informații pe care să-ți bazezi deducțiile. Ai datele și în neuroștiință asta înseamnă informații senzoriale. Primesc informații senzoriale pe care îmi pot fonda deducțiile. Dar mai e o sursă de informații, și anume cunoștințele anterioare. Toată viața acumulezi cunoștințe în memorie. Iar teoria decizională bayesiană îți furnizează cea mai bună cale matematică să combini cunoștințele anterioare cu dovezile senzoriale pentru a crea noi deducții.
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.
Am pus formula aici. N-o să vă explic formula, dar e foarte frumoasă. Conține o frumusețe și o putere de explicație reală. Formula se referă la probabilitatea apariției unor deducții diferite în funcție de informațiile senzoriale. Să vă dau un exemplu intuitiv. Imaginați-vă că învățați să jucați tenis și vreți să decideți unde va sări mingea când trece de plasă și vine către voi. Regula lui Baye îți spune că există două surse de informații. Cele senzoriale - folosești informații vizuale și auditive - care te ajută să identifici punctul roșu. Dar știi că simțurile tale nu sunt perfecte și există variabile legate de locul aterizării mingii, ilustrate prin norul roșu reprezentând numere între 0.5 și 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.
Acele informații vin din lovitura respectivă, dar mai există altă sursă de informații care nu vine din acea lovitură, ci se dezvoltă prin experiențe repetate în jocul de tenis și anume - mingea nu sare cu aceeași probabilitate pe teren în timpul meciului. Dacă adversarul tău e foarte bun, el poate trimite mingea în zona verde, bazându-se pe experiența lui, iar mingea este greu de returnat. Ambele surse transmit informații importante. Legea lui Baye îmi spune să înmulțesc numerele din zona roșie cu cele din zona verde pentru a obține numerele din zona galbenă, care au elipsele, și aceea e deducția mea. E cea mai bună cale de a combina informațiile.
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.
Nu v-aș povești asta, dacă în urmă cu câțiva ani, nu am fi arătat că exact asta fac oamenii când învață mișcări noi. Înseamnă că suntem mașini bayesiane de făcut deducții. În viață, ne însușim statistici despre lume și le stocăm, dar învățăm și cât de zgomots e aparatul nostru senzorial și apoi combinăm datele după legea lui Baye.
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.
Asta e o parte-cheie a formulei lui Baye. Ea spune că trebuie să prevăd probabilitatea diferitelor reacții senzoriale în funcție de deducțiile mele. Înseamnă că trebuie să fac predicții despre viitor. Vreau să vă conving că mintea chiar prevede feedback-ul senzorial pe care-l va primi și îți schimbă profund percepțiile prin ce faci. Vă voi arăta cum prelucrează creierul informațiile senzoriale. Trimiți o comandă, primești feedback senzorial și acea transformare e controlată de legile fizicii din corpul și sistemul tău senzorial.
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.
Să ne imaginăm interiorul creierului. Iată cum arată creierul pe interior. Ai un simulator neuronal care indică legile fizicii din corpul și simțurile tale. Când trimiți o comandă de mișcare, copiezi acea comandă și o treci prin simulatorul tău neuronal pentru a anticipa consecințele senzoriale ale acțiunilor tale. Când scutur această sticlă de ketchup, primesc un feedback senzorial real pe rândul de jos. Un simulator bun, va prevede același lucru.
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.
De ce m-aș obosi să fac asta? Oricum voi primi același feedback. Există niște motive bune. Imaginați-vă, pe când agit sticla de ketchup, vine cineva și atinge fundul sticlei. Acum primesc informații senzoriale suplimentare datorită actului extern. Deci am două surse. Tu atingi sticla și eu o agit, dar simțurile mele combină aceste lucruri într-o singură sursă de informații.
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.
Există un motiv bun să crezi că ai vrea să poți distinge evenimente externe de cele interne. Cele externe îmi spun mai multe despre comportament decât dacă aș simți tot ce se petrece în interiorul meu. O cale de a reconstrui asta e să compari predicția - care se bazează doar pe comenzile de mișcare - cu realitatea. Orice discrepanțe ar trebuie să fie externe. În viața de zi cu zi, fac predicții despre ce ar trebui să primesc. Restul mi se par elemente externe.
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.
Ce dovadă există în acest sens? Există un exemplu foarte clar când o senzație produsă de mine e foarte diferită decât cea produsă de altă persoană. Ne-am decis că locul cel mai bun punct de plecare e gâdilatul. Se știe, nu te poți gâdila singur la fel de bine cum te gâdilă ceilalți. Dar nu s-a demonstrat că simulatorul neuronal e de vină, care îți imită corpul și extrage acel simț. Putem aduce experimentele în secolul al XXI-lea folosind tehnologii robotice pentru această chestiune. Avem un fel de băț legat de brațul unui robot, care va mișca bățul înainte și înapoi. Vom urmări mișcarea cu ajutorul unui computer și o vom folosi pentru a controla alt robot care-și va gâdila palma cu alt băț. Apoi îi vom ruga să evalueze o serie de lucruri, inclusiv gradul de gâdilare.
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.
Vă voi arăta o parte din studiul nostru. Aici am eliminat roboții - oamenii își mișcă brațul drept sinusoidal înainte și înapoi. Fac același lucru cu cealaltă mână, cu o oarecare întârziere. Fie nu există întârziere, caz în care lumina doar îți gâdilă palma sau cu o întâziere de 2/10 sau 3/10 dintr-o secundă. E important ca mâna dreaptă să facă mereu mișcări sinusoidale. Mâna stângă e mereu aceeași și provoacă gâdilăturile sinusoidale. Ne jucăm cu o cauzalitate temporală. Când trecem de la 0 la 0.1 secunde, gâdilatul e mai puternic. Când treci de la 0.1 la 0.2, gândilatul e mai puternic la sfârșit. Când ajungi la 0.2 dintr-o secundă, senzația de gâdilat e la fel de puternică pentru robotul care te-a gâdilat fără ca tu să faci nimic. Orice anulează acest lucru e legat de cauzalitatea temporală. Bazându-ne pe acest exemplu, suntem convinși de asta: creierul face predicții precise și le extrage din senzații.
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.
Recunosc, astea sunt cele mai proaste studii din laboratorul meu. Findcă senzația de gâdilat din palmă vine și trece, ai nevoie de mulți subiecți ca rezultatele să fie semnificative. Căutam un mod mai obiectiv de a evalua fenomenul. Între timp, mi s-au născut două fiice. În mașină, în timpul călătoriilor lungi, copiii de pe bancheta din spate, încep să se bată - unul îi face ceva celuilalt, care retaliază. Lucrurile degenerează repede. Copii tind să folosească prea multă forță când se ceartă. Când țipam la ele să înceteze, uneori îmi spuneau amândouă că cealaltă a lovit mai tare.
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.
Știu că fetele mele nu mint, și, ca neurocercetător, m-am gândit că era important să pot explica cum de spuneau adevăruri contradictorii. Pe baza studiului despre gâdilat, am presupus că după ce un copil îl lovește pe altul, se declanșează comanda de mișcare. Prevăd consecința senzorială și o extrag. Cred că l-au lovit pe celălalt mai puțin tare decât în realitate - ca la gâdilat. Pe când cel pasiv nu face predicția, ci simte lovitura din plin. Dacă răspunde cu aceeași forță, primul va crede că a lovit mai tare.
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.
Am hotărât să testăm ideea în laborator. (Râsete) Nu lucrăm cu copii, nu lovim, dar conceptul e identic. Luăm doi adulți. Le spunem că vor juca în joc. Jucătorii stau față în față. Jocul e foarte simplu. Am început cu un motor, cu o pârghie și un transmițător de forțe. Motorul aplică o forță pe degetele primului jucător, timp de trei secunde. I-am spus să țină minte intensitatea forței și să-și folosească celălalt deget pentru a aplica aceeași forță pe degetul celuilalt subiect prin transmițătorul de forțe. I-am spus și celuilalt jucător să rețină intensitatea forței și să aplice forța cu cealaltă mână. Pe rând, ei aplică celuilalt forța pe care au simțit-o.
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.
Atenție, li s-au explicat regulile jocului în săli separate. Nu știu după ce reguli joacă celălalt. Și am măsurat variațiile forței. Dacă ne uităm cu ce am început, 0.25 N aici, idealul ar fi ca forța să se mențină pe linia roșie. În cazul tuturor perechilor am constatat că forța crește cu 70% după fiecare apăsare. Iată ce reiese din acest experiment și altele pe care le-am făcut: creierul anulează consecințele senzoriale și subestimează forța pe care o folosește. Creierul face predicții și schimbă fundamental principiile. Am făcut deducții, predicții, acum trebuie să acționăm. Baye spune că, în funcție de deducțiile mele, acțiunea ar trebui să fie optimă.
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.
Dar avem o problemă. Sarcinile sunt simbolice - vreau să beau, să dansez - dar corpul trebuie să contracteze 600 de mușchi într-o ordine precisă. Există o diferență mare între sarcină și sistemul de mișcare. Diferența poate fi compensată în multe moduri. Gândiți-vă la mișcarea de deplasare dintr-un punct în altul. Pot alege aceste două mișcări sau un număr infinit de mișcări. După ce am ales o mișcare, pot să fac mișcarea respectivă având multe poziții diferite ale încheieturilor. Pot să îmi țin mâna într-o anumită poziție, fie să o încordez sau o relaxez. Avem multe alegeri de făcut. Se pare că respectăm niște stereotipuri. Ne mișcăm cu toții cam în același mod.
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.
Respectăm atât de multe stereotipurile încât creierul are circuite neuronale speciale pentru a le decoda. Dacă iau niște puncte și le pun în mișcare printr-o mișcare biologică, circuitul din creier înțelege imediat ce se petrece. Multe puncte se mișcă. Vei știi ce face acea persoană, fie că e fericită, tristă, bătrână, tânără - sunt multe informații. Dacă punctele ar fi mașini pe un circuit de curse, nu ai ști deloc ce se întâmplă.
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.
De ce ne mișcăm astfel? Să ne gândim la ce se întâmplă. Poate că nu ne mișcăm cu toții la fel. Poate că există variații printre indivizi. Poate că cei care se mișcă mai bine au mai multe șanse să își crească copiii. Pe scară evoluționară, mișcarea se perfecționează. Poate că în viață, mișcarea e perfecționată prin învățare.
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.
Ce o mișcare bună și una proastă? Imaginați-vă că vreau să interceptez mingea. Există două drumuri posibile către ea. Dacă-l aleg pe cel din stânga, pot să evaluez forța necesară în unul din mușchi ca o funcție temporală. Dar există zgomot. Pe baza acestei forțe estimate, primesc o versiune foarte zgomotoasă. Dacă repet aceeași comandă de multe ori, primesc mereu o versiune zgomotoasă diferită, fiindcă zgomotul se schimbă mereu. Așadar, pot să vă arăt cum evoluează variabilitatea dacă aleg acel drum. Dacă aleg să mă mișc altfel - ca în imaginea din dreapta - folosesc o comandă diferită, un zgomot diferit, mă joc în acel sistem zgomotos complicat. Ce e sigur e că variabilitatea e diferită. Dacă mă mișc în această manieră, variabilitate mișcărilor e mai redusă. Dacă trebuie să aleg între cele două, aș alege mișcarea din stânga, e mai puțin variabilă.
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.
Ideea fundamentală e că vrei să îți plănuiește mișcările ca să minimizezi consecințele negative ale zgomotului. Una din concluzii e că zgomotul sau variabilitatea crește pe măsură ce forța crește. Un prim principiu e să eviți forțele mari. Folosindu-ne de acest lucru, am arătat că putem explica multe informații - că oamenii își plănuiesc mișcările pentru a minimiza consecințele negative ale zgomotelor.
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.
Sper că v-am convins că rolul creierului e să controleze mișcarea. E o provocare intelectuală să înțelegem cum facem asta. Dar e un lucru important pentru înțelegerea și tratarea bolilor. Există multe boli care afectează mișcarea. Sperăm să înțelegem cum controlăm mișcarea, și să aplicăm asta în robotică. La final, vreau să vă reamintesc - când animalele îndeplinesc sarcini aparent simple, complexitatea proceselor cerebrale este imensă.
Thank you very much.
Vă mulțumesc!
(Applause)
(Aplauze)
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?
C.A. Am o întrebare pentru tine, Dan. Ești un șovinist al mișcării. Crezi că toate lucrurile de care creierul nostru e responsabil - visele, dorințele, iubirea și altele - reprezintă un accident?
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.
DW: Nu, cred că sunt foarte importante pentru a genera mișcarea comportamentală de reproducere. Cred că oamenii studiază senzațiile sau memoria fără să știe de ce păstrăm amintiri din copilărie. Uităm cea mai mare parte a copilăriei, probabil că e în regulă fiindcă asta nu ne afectează mișcările în viață. Stochezi doar lucrurile care îți vor influența mișcarea.
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?
CA: Crezi că cei care studiază creierul și conștiința, ar afla mai multe dacă ar studia ce rol are mișcarea pentru creier și conștiință?
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.
DW: Am aflat că studierea văzului, fără să înțelegi rolul văzului, e o greșeală. Trebuie să studiezi văzul înțelegând cum e folosit în mișcare. Văzul e folosit diferit în mișcare, dacă te gândești așa.
CA: Well that was quite fascinating. Thank you very much indeed.
CA: A fost foarte interesant. Îți mulțumesc!
(Applause)
(Aplauze)