I grew up watching Star Trek. I love Star Trek. Star Trek made me want to see alien creatures, creatures from a far-distant world. But basically, I figured out that I could find those alien creatures right on Earth.
Jag växte upp med Star Trek. Jag älskar Star Trek. Star Trek fick mig att vilja träffa utomjodringar varelser från en annan värld. Men jag har insett att jag kan hitta sånna varelser här på jorden.
And what I do is I study insects. I'm obsessed with insects, particularly insect flight. I think the evolution of insect flight is perhaps one of the most important events in the history of life. Without insects, there'd be no flowering plants. Without flowering plants, there would be no clever, fruit-eating primates giving TED Talks.
Mitt jobb är att studera insekter. Jag är besatt av insekter, speciellt med hur insekter flyger. Evolutionen i hur insekter flyger är kanske en av de viktigaste händelserna i livets utveckling. Utan insekter skulle det inte finnas blommande växter. Utan blommande växter skulle det inte finnas smarta frukt-ätande apor som presenterar TED Talks.
(Laughter)
(Skratt)
Now, David and Hidehiko and Ketaki gave a very compelling story about the similarities between fruit flies and humans, and there are many similarities, and so you might think that if humans are similar to fruit flies, the favorite behavior of a fruit fly might be this, for example -- (Laughter) but in my talk, I don't want to emphasize on the similarities between humans and fruit flies, but rather the differences, and focus on the behaviors that I think fruit flies excel at doing.
Så David, Hidehiko och Ketaki berättade en väldigt intressant historia om likheterna mellan bananflugor och människor, och det finns många likheter, därför kan man gissa att om människor är lika bananflugor så skulle kanske bananflugornas favoritsysselsättning vara - (Skratt) men i min presentation vill jag inte prata om likheterna mellan människor och bananflugor, snarare om skillnaderna och fokusera på de beteenden som jag tycker att bananflugorna är bättre på.
And so I want to show you a high-speed video sequence of a fly shot at 7,000 frames per second in infrared lighting, and to the right, off-screen, is an electronic looming predator that is going to go at the fly. The fly is going to sense this predator. It is going to extend its legs out. It's going to sashay away to live to fly another day. Now I have carefully cropped this sequence to be exactly the duration of a human eye blink, so in the time that it would take you to blink your eye, the fly has seen this looming predator, estimated its position, initiated a motor pattern to fly it away, beating its wings at 220 times a second as it does so. I think this is a fascinating behavior that shows how fast the fly's brain can process information.
Därför vill jag visa en film i ultrarapid av en fluga filmad i 7000 bilder per sekund i infrarött ljus, till höger utanför bild finns ett elektroniskt väntande rovdjur som kommer att attackera flugan Flugan kommer att känna rovdjurets närhet. Den kommer att sträcka ut benen. Och den kommer dansa bort och kan flyga en dag till. Jag har klippt den här filmsekvensen så att den är precis lika lång som en människas blinkning, under den tiden det skulle ta för er att blinka har flugan redan upptäckt faran, uppskattat dess position, ändrat färdriktning för att fly, och slår sina vingar 220 gånger i sekunden för att undkomma. Det tycker jag är helt fascinerade och det visar hur fort flugans hjärna kan bearbeta information.
Now, flight -- what does it take to fly? Well, in order to fly, just as in a human aircraft, you need wings that can generate sufficient aerodynamic forces, you need an engine sufficient to generate the power required for flight, and you need a controller, and in the first human aircraft, the controller was basically the brain of Orville and Wilbur sitting in the cockpit.
Att flyga -- vad krävs för att kunna flyga? För att kunna flyga, precis som hos människornas flygplan behöver du vingar som kan generera tillräckliga aerodynamiska krafter, du behöver en motor kraftig nog och du behöver en pilot, och i det första flygplanet var piloten hjärnan hos Orville och Wilbur i cockpiten.
Now, how does this compare to a fly? Well, I spent a lot of my early career trying to figure out how insect wings generate enough force to keep the flies in the air. And you might have heard how engineers proved that bumblebees couldn't fly. Well, the problem was in thinking that the insect wings function in the way that aircraft wings work. But they don't. And we tackle this problem by building giant, dynamically scaled model robot insects that would flap in giant pools of mineral oil where we could study the aerodynamic forces. And it turns out that the insects flap their wings in a very clever way, at a very high angle of attack that creates a structure at the leading edge of the wing, a little tornado-like structure called a leading edge vortex, and it's that vortex that actually enables the wings to make enough force for the animal to stay in the air. But the thing that's actually most -- so, what's fascinating is not so much that the wing has some interesting morphology. What's clever is the way the fly flaps it, which of course ultimately is controlled by the nervous system, and this is what enables flies to perform these remarkable aerial maneuvers.
Så, hur funkar det hos flugan då? Jag tillbringade en hel del av min tidiga karriär med att försöka lista ut hur insekters vingar kan generera tillräckligt med kraft för att hålla sig i luften. Du har kanske hört om hur ingenjörer bevisat att humlor inte kan flyga. Problemet var att de trodde att insekternas vingar fungerade på samma sätt som flygplansvingar. Men det gör de inte. för att bevisa detta byggde vi gigantiska skalenliga robot-modeller av insekter där vingarna flaxade i stora bassänger av olja så att vi kunde studera aerodynamiken i vingarna. Det visade sig att insekter slår sina vingar på ett väldigt smart sätt, med en väldigt kraftig vinkel i slaget som i den ledande kanten på vingen skapar en tornado-liknande luftvirvel som kallas en "leading edge vortex" och det är den här luftvirveln som gör att vingarna kan skapa tillräckligt med lyftkraft för att djuret ska kunna hålla sig i luften. Det som är mest fascinerade är att det inte är vingens form som är det mest intressanta. Det smarta är hur flugan flaxar med vingarna, vilket naturligtvis styrs utav nervsystemet, och det är det som gör att flugan kan manövrera så på ett så fantasktisk sätt i luften
Now, what about the engine? The engine of the fly is absolutely fascinating. They have two types of flight muscle: so-called power muscle, which is stretch-activated, which means that it activates itself and does not need to be controlled on a contraction-by-contraction basis by the nervous system. It's specialized to generate the enormous power required for flight, and it fills the middle portion of the fly, so when a fly hits your windshield, it's basically the power muscle that you're looking at. But attached to the base of the wing is a set of little, tiny control muscles that are not very powerful at all, but they're very fast, and they're able to reconfigure the hinge of the wing on a stroke-by-stroke basis, and this is what enables the fly to change its wing and generate the changes in aerodynamic forces which change its flight trajectory. And of course, the role of the nervous system is to control all this.
Men vad sägs om motorn då? Motorn hos en fluga är helt fascinerande. De har två typer av flygmuskler: så kallade kraftmuskler som är stretch-activierade, vilket betyder att det inte behöver kontrolleras eftersom det aktiveras automatiskt av nervsystemet varje gång muskeln dras samman. Musklerna är speciellt anpassade för den enorma kraft som behövs för att flyga, och de fyller mittendelen på flugan så att när en fluga träffar din vindruta är det mestadels den kraftiga flygmuskeln du ser. Däremot, i basen på vingen, sitter det det små kontrollmuskler som inte är särskilt kraftfulla men väldigt snabba och de kan styra vinkeln på vingen vid varje vingslag och det är dessa som gör att flugan kan ändra sin vinge och ändra de aerodynamiska krafterna och därmed ändra flygriktning Självklart är allt detta styrt av nervsystemet.
So let's look at the controller. Now flies excel in the sorts of sensors that they carry to this problem. They have antennae that sense odors and detect wind detection. They have a sophisticated eye which is the fastest visual system on the planet. They have another set of eyes on the top of their head. We have no idea what they do. They have sensors on their wing. Their wing is covered with sensors, including sensors that sense deformation of the wing. They can even taste with their wings. One of the most sophisticated sensors a fly has is a structure called the halteres. The halteres are actually gyroscopes. These devices beat back and forth about 200 hertz during flight, and the animal can use them to sense its body rotation and initiate very, very fast corrective maneuvers. But all of this sensory information has to be processed by a brain, and yes, indeed, flies have a brain, a brain of about 100,000 neurons.
Så låt oss undersöka piloten. Flugor har otroliga sensorer som gör att de kan klara av att flyga. De har antenner som känner lukt och hur vinden blåser. De har sofistikerade ögon som har det snabbaste synsystemet på jorden. de har också ett par ögon uppe på huvudet. Vi har ingen aning om vad de gör. De har sensorer på vingarna. Deras vinge är täckt av sensorer, som inkluderar sensorer som kan känna om vingens form har ändrats. De kan till och med känna smak med vingarna. En av de mest kompliserade sensorerna en fluga har är ett par små vingar som kallas svängkolvar. Svängkolvarna är egentligen ett gyroskop. Dessa vingar slår fram och tillbaka i 200 hertz och flygan kan använda dem till att känna hur dess kropp roterar och korrigera sina manövrer otroligt snabbt. Men alla denna information måste bearbetas av en hjärna, och ja, flugor har faktiskt hjärnor, en hjärna med drygt 100 000 neuroner.
Now several people at this conference have already suggested that fruit flies could serve neuroscience because they're a simple model of brain function. And the basic punchline of my talk is, I'd like to turn that over on its head. I don't think they're a simple model of anything. And I think that flies are a great model. They're a great model for flies. (Laughter)
Flera personer på den här konferensen har redan påstått att bananflugor kan vara av värde för neurovetenskapen eftersom de kan användas som en modell av en enkel hjärnfunktion. Själva syftet med min presentation är att jag vill vända det uttalandet upp-och-ner. Jag tycker inte att de är en enkel modell av någonting. Jag tycker att flugor är en perfekt modell. De är en perfekt modell av en fluga. (Skratt)
And let's explore this notion of simplicity. So I think, unfortunately, a lot of neuroscientists, we're all somewhat narcissistic. When we think of brain, we of course imagine our own brain. But remember that this kind of brain, which is much, much smaller — instead of 100 billion neurons, it has 100,000 neurons — but this is the most common form of brain on the planet and has been for 400 million years. And is it fair to say that it's simple? Well, it's simple in the sense that it has fewer neurons, but is that a fair metric? And I would propose it's not a fair metric. So let's sort of think about this. I think we have to compare -- (Laughter) — we have to compare the size of the brain with what the brain can do. So I propose we have a Trump number, and the Trump number is the ratio of this man's behavioral repertoire to the number of neurons in his brain. We'll calculate the Trump number for the fruit fly. Now, how many people here think the Trump number is higher for the fruit fly?
Nu ska vi undersöka denna så kallade enkelhet. Jag tycker, tyvärr, att många neurovetenskapsmän vi är alla ganska narcissistiska. När vi tänker på en hjärna tänker vi såklart på vår egen hjärna. Men kom ihåg att den här typen an hjärna, som är mycket, mycket mindre -- istället för 100 miljarder nervceller har den 100,000 neuroner -- är den vanligast förekommande typen av hjärna på jorden och har varit det de senaste 400 miljoner åren. Är det rättvist att säga att den är enkel? Nja, den är väl enkel på så sätt att den har färre neuroner, men är det en rättvis grund att mäta på? Jag vill påstå att det inte är det. Om vi funderar på saken så tror jag att vi måste jämföra -- (skratt) vi måste jämföra storleken på hjärnan med vad hjärnan kan göra. Jag föreslår att vi använder oss av ett "Trump tal" ett "Trump tal" är antalet beteenden en människa bemästrar i proportion till antalet neuroner i hjärnan. Nu ska vi räkna ut vad en bananfluga har för "Trump tal". Så, hur många här tror att "Trump talet" är högre hos en bananfluga?
(Applause)
(Applåder)
It's a very smart, smart audience. Yes, the inequality goes in this direction, or I would posit it.
Vi har en väldigt smart publik. Ja, det pekar åt det hållet, det verkar så.
Now I realize that it is a little bit absurd to compare the behavioral repertoire of a human to a fly. But let's take another animal just as an example. Here's a mouse. A mouse has about 1,000 times as many neurons as a fly. I used to study mice. When I studied mice, I used to talk really slowly. And then something happened when I started to work on flies. (Laughter) And I think if you compare the natural history of flies and mice, it's really comparable. They have to forage for food. They have to engage in courtship. They have sex. They hide from predators. They do a lot of the similar things. But I would argue that flies do more. So for example, I'm going to show you a sequence, and I have to say, some of my funding comes from the military, so I'm showing this classified sequence and you cannot discuss it outside of this room. Okay? So I want you to look at the payload at the tail of the fruit fly. Watch it very closely, and you'll see why my six-year-old son now wants to be a neuroscientist. Wait for it. Pshhew. So at least you'll admit that if fruit flies are not as clever as mice, they're at least as clever as pigeons. (Laughter)
Jag förstår att det är lite absurt att jämföra beteendet hos en människa med en fluga. Låt oss ta ett annat djur som exempel. Här har vi en mus. En mus har runt 1000 gånger fler neuroner än en fluga. Jag har studerat möss. När jag studerade möss brukade jag prata väldigt långsamt. Sen hände något när jag började studera flugor istället. (Skratt) Om man jämför den biologiska bakgrunden hos flugor och möss så hittar man många likheter. De måste leta efter mat. De måste hitta sig en partner. De har sex. De gömmer sig från rovdjur. De gör många liknande saker. Jag skulle däremot vilja påstå att flugor gör fler saker. Till exempel, jag ska visa er en filmsekvens och eftersom mycket av min finansiering kommer ifrån det militära så visar jag er en hemligstämplad film och ni får inte diskutera den utanför det här rummet. Okej? Jag vill att ni tittar på självaste lasten där bak på flugan. Titta väldigt noga så får ni se varför min sexåriga son vill bli neurovetenskapsman. Vänta... Pshhew. Så ni håller med om att om flugor inte är lika smarta som möss så är de minst lika smarta som duvor. (skratt)
Now, I want to get across that it's not just a matter of numbers but also the challenge for a fly to compute everything its brain has to compute with such tiny neurons. So this is a beautiful image of a visual interneuron from a mouse that came from Jeff Lichtman's lab, and you can see the wonderful images of brains that he showed in his talk. But up in the corner, in the right corner, you'll see, at the same scale, a visual interneuron from a fly. And I'll expand this up. And it's a beautifully complex neuron. It's just very, very tiny, and there's lots of biophysical challenges with trying to compute information with tiny, tiny neurons.
Jag vill få fram att detta inte bara handlar om siffror, utan också om den utmaning det är för en fluga att kunna bearbeta allt dess hjärna måste kunna beräkna trots att den har så små neuroner. Detta är en otroligt vacker bild av en neuron från en mus som kom från Jeff Lichtmans labb, och man kan se dessa underbara bilder av hjärnor som han visade i sin presentation. Men uppe i det högra hörnet, ser ni, är en skalenlig bild av en neuron från en fluga. Jag förstorar bilden. Det är en otroligt vacker och komplicerad neuron. Den är bara väldigt, väldigt liten och rent fysiskt är det väldigt svårt att bearbeta information med pyttesmå neuroner.
How small can neurons get? Well, look at this interesting insect. It looks sort of like a fly. It has wings, it has eyes, it has antennae, its legs, complicated life history, it's a parasite, it has to fly around and find caterpillars to parasatize, but not only is its brain the size of a salt grain, which is comparable for a fruit fly, it is the size of a salt grain. So here's some other organisms at the similar scale. This animal is the size of a paramecium and an amoeba, and it has a brain of 7,000 neurons that's so small -- you know these things called cell bodies you've been hearing about, where the nucleus of the neuron is? This animal gets rid of them because they take up too much space. So this is a session on frontiers in neuroscience. I would posit that one frontier in neuroscience is to figure out how the brain of that thing works.
Hur små kan neuroner bli då? Kolla på den är intressanta insekten. Den är lik en fluga. Den har vingar, den har ögon, den har antenner, ben, en komplicerad livshistoria, Det är en parasit, den måste flyga runt och hitta larver som den kan parasitera, men dess hjärna är inte bara lika liten som ett sandkorn, ungefär som en bananfluga, själva insekten är lika liten som ett saltkorn. Här har vi några organismer på samma skala. Det här djuret är lika stort som ett toffeldjur eller en amöba, Och har en hjärna med 7000 neuroner som är så liten -- ni kanske har hör talas om någonting som heter cellkroppar, där cellkärnan i neuronen finns? Det här djuret har gjort sig av med dem för de tar för stor plats. Så det här är ett föredrag om frontlinjer inom neurovetenskap. Jag påstår att en av frontlinjerna inom neurovetenskap är att lista ut hur hjärnan hos det djuret funkar.
But let's think about this. How can you make a small number of neurons do a lot? And I think, from an engineering perspective, you think of multiplexing. You can take a hardware and have that hardware do different things at different times, or have different parts of the hardware doing different things. And these are the two concepts I'd like to explore. And they're not concepts that I've come up with, but concepts that have been proposed by others in the past.
Låt oss fundera på det här. Hur kan man få så få neuroner att göra mycket? Jag tror, från ett injengörsmässigt perspektiv handlar det om multiplexing. Man kan ta hårdvaran och få den hårdvaran att göra flera saker på samma gång eller att olika delar i hårdvaran gör olika saker. Dom här två koncepten vill jag undersöka närmare. Det är inte två koncept som jag hittat på, utan koncept som andra har kommit fram till före mig.
And one idea comes from lessons from chewing crabs. And I don't mean chewing the crabs. I grew up in Baltimore, and I chew crabs very, very well. But I'm talking about the crabs actually doing the chewing. Crab chewing is actually really fascinating. Crabs have this complicated structure under their carapace called the gastric mill that grinds their food in a variety of different ways. And here's an endoscopic movie of this structure. The amazing thing about this is that it's controlled by a really tiny set of neurons, about two dozen neurons that can produce a vast variety of different motor patterns, and the reason it can do this is that this little tiny ganglion in the crab is actually inundated by many, many neuromodulators. You heard about neuromodulators earlier. There are more neuromodulators that alter, that innervate this structure than actually neurons in the structure, and they're able to generate a complicated set of patterns. And this is the work by Eve Marder and her many colleagues who've been studying this fascinating system that show how a smaller cluster of neurons can do many, many, many things because of neuromodulation that can take place on a moment-by-moment basis. So this is basically multiplexing in time. Imagine a network of neurons with one neuromodulator. You select one set of cells to perform one sort of behavior, another neuromodulator, another set of cells, a different pattern, and you can imagine you could extrapolate to a very, very complicated system.
En idé kommer från tuggande krabbor. Jag menar inte att tugga på krabbor. Jag växte upp i Baltimore så jag är väldigt duktig på att tugga krabbor. Jag menar att det är krabborna som gör själva tuggandet. Sättet som krabbor tuggar på är fascinerande. Krabbor har den här komplicerade strukturen under sina skal, den kallas kvarnen som maler maten på flera olika sätt. Här är en endoskopisk film av strukturen. Det fantastiska med det här är att den styrs av ett väldigt litet antal neuroner, ett par dussin neuroner ungefär som kan kan styra ett stort antal rörelser, och anledningen till att de kan göra det är den här lilla nervknuten i krabban som är full av många, många nervmoduler. Ni hörde om neuromodulering tidigare. Det finns fler neuromodulatorer som ändrar, som förser den här strukturen med nerver, än det faktiskt finns nervceller i strukturen, och de kan skapa en komplicerad uppsättning mönster. Den här kunskapen kommer från Eve Marder och hennes många kollegor som har studerat detta fascinerande system som visar hur en mindre grupp av nervceller kan göra många, många, många saker på grund av neuromodulering som kan ske i varje ögonblick. Så det här är i princip multiplexing. Tänk dig ett nätverk av nervceller med en neuromodulator. Du väljer en grupp celler för att utföra en sorts beteende, en annan neuromodulering, en annan uppsättning celler, ett annat mönster, och du kan tänka dig att du kan utvidga detta till ett mycket komplicerat system.
Is there any evidence that flies do this? Well, for many years in my laboratory and other laboratories around the world, we've been studying fly behaviors in little flight simulators. You can tether a fly to a little stick. You can measure the aerodynamic forces it's creating. You can let the fly play a little video game by letting it fly around in a visual display. So let me show you a little tiny sequence of this. Here's a fly and a large infrared view of the fly in the flight simulator, and this is a game the flies love to play. You allow them to steer towards the little stripe, and they'll just steer towards that stripe forever. It's part of their visual guidance system. But very, very recently, it's been possible to modify these sorts of behavioral arenas for physiologies. So this is the preparation that one of my former post-docs, Gaby Maimon, who's now at Rockefeller, developed, and it's basically a flight simulator but under conditions where you actually can stick an electrode in the brain of the fly and record from a genetically identified neuron in the fly's brain. And this is what one of these experiments looks like. It was a sequence taken from another post-doc in the lab, Bettina Schnell. The green trace at the bottom is the membrane potential of a neuron in the fly's brain, and you'll see the fly start to fly, and the fly is actually controlling the rotation of that visual pattern itself by its own wing motion, and you can see this visual interneuron respond to the pattern of wing motion as the fly flies. So for the first time we've actually been able to record from neurons in the fly's brain while the fly is performing sophisticated behaviors such as flight. And one of the lessons we've been learning is that the physiology of cells that we've been studying for many years in quiescent flies is not the same as the physiology of those cells when the flies actually engage in active behaviors like flying and walking and so forth. And why is the physiology different? Well it turns out it's these neuromodulators, just like the neuromodulators in that little tiny ganglion in the crabs. So here's a picture of the octopamine system. Octopamine is a neuromodulator that seems to play an important role in flight and other behaviors. But this is just one of many neuromodulators that's in the fly's brain. So I really think that, as we learn more, it's going to turn out that the whole fly brain is just like a large version of this stomatogastric ganglion, and that's one of the reasons why it can do so much with so few neurons.
Men finns det några bevis att flugor gör detta? Tja, i mitt laboratorium och andra laboratorier runt om i världen har vi i många år studerat flugors beteenden i små flygsimulatorer. Du kan binda fast en fluga vid en liten pinne. Du kan mäta de aerodynamiska krafterna som flugan skapar. Du kan låta flugan spela ett litet TV-spel genom att låta den flyga runt i en visuell display. Låt mig visa er en liten filmsekvens av detta. Här är en fluga och en stor infraröd bild av flugan i flygsimulatorn detta är ett spel som flugorna älskar att spela. Du låter dem att styra mot den lilla randen, och de kommer styra mot randen för alltid. Det är en del av deras system för visuell vägledning. Men mycket, mycket nyligen har det varit möjligt att modifiera dessa typer av beteendemässiga fysiologiska arenor. Detta är utvecklat av en av mina tidigare doktorander, Gaby Maimon, som nu går på Rockefeller Universitet, och det är i grunden en flygsimulator men under förhållanden där man faktiskt kan sticka en elektrod i hjärnan på flugan och spela in från en genetiskt identifierad neuron i hjärnan på flugan. Så här ser ett av dom här experimenten ut. Detta var en sekvens tagen av en annan forskare i labbet, Bettina Schnell. Det gröna spåret längst ner visar elektrisk verksamhet i en neuron i hjärnan på flugan, ni kommer se hur flugan börjar flyga, och att flugan faktiskt styr rotationen av det visuella mönstret runt sig själv genom sina egna vingars rörelse, och ni kan se hur denna interneuron svarar på mönstret av vingens rörelse när flugan flyger. Så för första gången har vi faktiskt kunnat spela in från nervceller i flugans hjärna medan den flyger och utför avancerade beteenden som till exempel att flyga. En sak som vi har lärt oss av detta är att fysiologin hos de celler som vi har studerat i många år hos inaktiva flugor inte är densamma som fysiologin hos dessa celler när flugorna faktiskt är aktiva som när de flyger eller går och så vidare. Så, varför är fysiologin olika? Det visar sig att det är på grund av neuromodulering precis som neuromodulering i det lilla cellknuten hos krabbor. Här är en bild av oktopamin-systemet. Oktopamin är en neuromodulator som verkar spela en viktig roll i flygning och andra beteenden. Men detta är bara en av många neuromodulatorer som finns i flugans hjärna. Så jag tror att allt eftersom vi lär oss mer så kommer att visa sig att hela flugas hjärnan är precis som en stor version detta stomatogastriska ganglion och det är en av anledningarna till varför det kan göra så mycket med så få nervceller.
Now, another idea, another way of multiplexing is multiplexing in space, having different parts of a neuron do different things at the same time. So here's two sort of canonical neurons from a vertebrate and an invertebrate, a human pyramidal neuron from Ramon y Cajal, and another cell to the right, a non-spiking interneuron, and this is the work of Alan Watson and Malcolm Burrows many years ago, and Malcolm Burrows came up with a pretty interesting idea based on the fact that this neuron from a locust does not fire action potentials. It's a non-spiking cell. So a typical cell, like the neurons in our brain, has a region called the dendrites that receives input, and that input sums together and will produce action potentials that run down the axon and then activate all the output regions of the neuron. But non-spiking neurons are actually quite complicated because they can have input synapses and output synapses all interdigitated, and there's no single action potential that drives all the outputs at the same time. So there's a possibility that you have computational compartments that allow the different parts of the neuron to do different things at the same time.
Nu, en annan idé, en annan typ av multiplexing är multiplexing på flera ställen där olika delar av en neuron gör olika saker samtidigt. Här har vi två slags kanoniska neuroner, en från ett ryggradsdjur och en från ett ryggradslöst djur, en mänsklig pyramidalcell från Ramon y Cajal, och en annan cell till höger, en inaktiv interneuron, Alan Watson och Malcolm Burrows studerade detta för många år sedan, och Malcolm Burrows kom fram till en ganska intressant idé som bygger på det faktum att denna neuron från en syrsa inte har någon elektrisk aktivitet. Det är en inaktiv cell. En typisk cell, som nervcellerna i vår hjärna, har ett område som kallas dendriter som tar emot input, och denna input sätts samman och producerar elektrisk aktivitet som leds igenom axonet och sedan aktiverar alla områden för output i nervcellen. Men inaktiva nervceller är faktiskt ganska komplicerade eftersom de kan ta emot information från båda hållen samtidigt, och det finns ingen enstaka impuls som styr all utgående information samtidigt. Så det finns en möjlighet att det finns databearbetande sektioner som tillåter de olika delarna av nervcellen att göra flera saker samtidigt.
So these basic concepts of multitasking in time and multitasking in space, I think these are things that are true in our brains as well, but I think the insects are the true masters of this. So I hope you think of insects a little bit differently next time, and as I say up here, please think before you swat.
Så detta grundläggande koncept att kunna hantera och bearbeta saker samtidigt och med samma celler, jag tror att detta även sker i våra hjärnor, men jag tror att insekter är de sanna mästarna på detta. Så jag hoppas ni tänker lite ¨ annorlunda om insekter nästa gång, och som jag brukar säga, tänk efter innan du tar fram flugsmällan.
(Applause)
(Applåder)