I study how the brain processes information. That is, how it takes information in from the outside world, and converts it into patterns of electrical activity, and then how it uses those patterns to allow you to do things -- to see, hear, to reach for an object. So I'm really a basic scientist, not a clinician, but in the last year and a half I've started to switch over, to use what we've been learning about these patterns of activity to develop prosthetic devices, and what I wanted to do today is show you an example of this. It's really our first foray into this. It's the development of a prosthetic device for treating blindness.
Ես հետազոտում եմ, թե ինչպես է ուղեղը մշակում տեղեկատվությունը: Այսինքն, թե ինչպես է այն վերցնում տեղեկատվությունն արտաքին աշխարհից ու վերածում էլեկտրական ակտիվության կաղապարների ու թե ինչպես է այն օգտագործում տվյալ կաղապարները` թույլ տալով ձեզ ինչ-որ բաներ անել` տեսնել, լսել և փորձել իրեր վերցնել: Այսպես, ես իրականում հասարակ գիտնական եմ, այլ ոչ թե բժիշկ, սակայն վերջին մեկ ու կես տարվա ընթացքում սկսեցի միանգամայն նոր ուղղությամբ աշխատել. մշակել նոր իմպլանտանտներ` օգտագործելով այդ ակտիվության կաղապարների մասին մեր ունեցած գիտելիքները: Այսօր ուզում եմ ձեզ ցույց տալ դրանցից մեկը: Սա, իսկապես, դրա ստեղծման առաջին փորձարկումն է: Խոսքը կուրությունը բուժող աչքի իմպլանտանտի մշակման մասին է:
So let me start in on that problem. There are 10 million people in the U.S. and many more worldwide who are blind or are facing blindness due to diseases of the retina, diseases like macular degeneration, and there's little that can be done for them. There are some drug treatments, but they're only effective on a small fraction of the population. And so, for the vast majority of patients, their best hope for regaining sight is through prosthetic devices. The problem is that current prosthetics don't work very well. They're still very limited in the vision that they can provide. And so, you know, for example, with these devices, patients can see simple things like bright lights and high contrast edges, not very much more, so nothing close to normal vision has been possible.
Այսպիսով, նախ եկե՛ք քննարկենք այդ խնդիրը: Մոտ 10 մլն. մարդ ԱՄՆ-ում և ավելի շատ ամբողջ աշխարհում կույր են կամ էլ կանգնած են այդ խնդրի առջև աչքի ցանցաթաղանթի մի շարք հիվանդությունների (ինչպիսին մակուլյար դեգեներացիան է) պատճառով, որոնց բուժման համար շատ բան չենք կարող առաջարկել: Գոյություն ունի դեղորայքային բուժում, սակայն վերջինս հիվանդների միայն փոքր մասի համար է արդյունավետ: Ուստի հիվանդների ճնշող մեծամասնության տեսողությունը վերականգնելու միակ հույսը աչքի իմպլանտանտներն են: Խնդիրն այն է, որ ներկայիս իմպլանտատներն այդքան էլ չեն արդարացնում իրենց: Դրանք դեռևս խիստ սահմանափակ տեսողական հնարավորություն են տալիս: Այսպիսով գիտենք, որ այս սարքի օգնությամբ հիվանդները կարող են տեսնել, օրինակ, այնպիսի պարզ բաներ, ինչպիսին պայծառ լույսն է կամ սուր հակադրությամբ եզրերը, բայց ոչ ավելի, այսինքն դեռևս հնարավոր չի եղել մշակել բնական տեսողությանը հասնող ինչ-որ բան:
So what I'm going to tell you about today is a device that we've been working on that I think has the potential to make a difference, to be much more effective, and what I wanted to do is show you how it works. Okay, so let me back up a little bit and show you how a normal retina works first so you can see the problem that we were trying to solve. Here you have a retina. So you have an image, a retina, and a brain. So when you look at something, like this image of this baby's face, it goes into your eye and it lands on your retina, on the front-end cells here, the photoreceptors. Then what happens is the retinal circuitry, the middle part, goes to work on it, and what it does is it performs operations on it, it extracts information from it, and it converts that information into a code. And the code is in the form of these patterns of electrical pulses that get sent up to the brain, and so the key thing is that the image ultimately gets converted into a code. And when I say code, I do literally mean code. Like this pattern of pulses here actually means "baby's face," and so when the brain gets this pattern of pulses, it knows that what was out there was a baby's face, and if it got a different pattern it would know that what was out there was, say, a dog, or another pattern would be a house. Anyway, you get the idea.
Այսպիսով, այսօր ուզում եմ ձեզ պատմել մի սարքի մասին, որի վրա մենք աշխատում ենք: Սա, իմ կարծիքով, կարող է շատ բան փոխել և լինել շատ ավելի արդյունավետ: Նաև ցանկանում եմ ցույց տալ, թե ինչպես է այս սարքն աշխատում: Այժմ թույլ տվեք մի փոքր ետ գնալ ու նախ ցույց տալ, թե ինչպես է աշխատում առողջ աչքի ցանցաթաղանթը, ու դուք կկարողանաք հասկանալ այն խնդիրը, որի լուծումը փորձում ենք գտնել: Ահա և ցանցաթաղանթը: Այստեղ ունենք մի պատկեր, ցանցաթաղանթը և գլխուղեղը: Ուստի երբ նայում եք ինչ-որ բանի, ինչպիսին այս երեխայի դիմապատկերն է, ապա այն մտնում է ձեր աչքի մեջ ու «վայրէջք է կատարում» ձեր ցանցաթաղանթի, ապա արտաքին բջիջների, իսկ հետո էլ ֆոտոռեցեպտորային շերտի վրա: Այնուհետև ցանցաթաղանթի կառուցվածքը` այս միջին շերտը, սկսում է աշխատել և որոշակի գործողություններ է կատարում այդ պատկերի հետ, դրանից քաղում է որոշակի տեղեկատվություն` փոխակերպելով այն կոդի: Վերջինս հանդես է գալիս էլեկտրական ազդակների տեսքով, որոնք ուղարկվում են դեպի գլխուղեղ. այնպես որ այս գործընթացում առանցքայինն այն է, որ տվյալ պատկերը ի վերջո վերածվում է կոդի: Եվ երբ ես ասում եմ «կոդ», բառացի նկատի ունեմ հենց կոդը: Օրինակ, էլեկտրական ազդակների այս կաղապարը իրականում նշանակում է «երեխայի դեմք», և երբ գլխուղեղը ստանում է այս ազդակների կաղապարը, ընկալում է, որ այդ պատկերում հենց երեխայի դեմք էր, իսկ եթե գլխուղեղը ստանար էլեկտրական ազդակների որևէ այլ կաղապար, ապա այն արդեն կընդուներ, որ այնտեղ պատկերված էր, ենթադրենք, շուն կամ տուն: Ինչևէ, կարծում եմ ընդհանուր պատկերացում կազմեցիք:
And, of course, in real life, it's all dynamic, meaning that it's changing all the time, so the patterns of pulses are changing all the time because the world you're looking at is changing all the time too. So, you know, it's sort of a complicated thing. You have these patterns of pulses coming out of your eye every millisecond telling your brain what it is that you're seeing. So what happens when a person gets a retinal degenerative disease like macular degeneration? What happens is is that, the front-end cells die, the photoreceptors die, and over time, all the cells and the circuits that are connected to them, they die too. Until the only things that you have left are these cells here, the output cells, the ones that send the signals to the brain, but because of all that degeneration they aren't sending any signals anymore. They aren't getting any input, so the person's brain no longer gets any visual information -- that is, he or she is blind.
Իհարկե, իրական կյանքում այս ամենը դինամիկ է, նկատի ունեմ, որ այն անընդմեջ փոփոխվում է, ուստի ազդակների կաղապարներն էլ են անընդմեջ փոփոխվում, որովհետև աշխարհը, որին նայում ենք, նույնպես անընդմեջ փոփոխվում է: Հետևաբար տեսնում եք, որ սա բավականին բարդ գործընթաց է: Այդ ազդակների կաղապարները ամեն մեկ միլիոներորդ վայրկյանը մեկ դուրս են գալիս ձեր աչքից և տեղեկացնում ձեր գլխուղեղին, թե ինչ եք դուք տեսնում: Ուրեմն, ի՞նչ է կատարվում այն ժամանակ, երբ մարդը տառապում է ցանցաթաղանթի դեգեներատիվ որևէ հիվանդությամբ, ինչպիսին մակուլյար դեգեներացիան է: Տեղի է ունենում հետևյալը. արտաքին նյարդային բջիջները, ինչպես նաև ֆոտոռեցեպորները, մահանում են, և ժամանակի ընթացքում բոլոր բջիջներն ու դրանց հարակից այլ բաղադրիչները նույնպես մահանում են, մինչև որ «կենդանի» մնում են միայն ահա այս «տեղեկատվություն կրող» բջիջները, որոնք պետք է ազդակներ ուղարկեն գլխուղեղ, սակայն դեգեներացիայի հետևանքով դրանք այևս ազդակներ չեն ուղարկում: Այս բջիջները ոչինչ չեն ստանում դրսից, այդ իսկ պատճառով մարդու ուղեղն այդուհետ անկարող է ձեռք բերել տեսողական որևէ տեղեկատվություն, այլ կերպ ասած` տվյալ անձը արդեն կույր է:
So, a solution to the problem, then, would be to build a device that could mimic the actions of that front-end circuitry and send signals to the retina's output cells, and they can go back to doing their normal job of sending signals to the brain. So this is what we've been working on, and this is what our prosthetic does. So it consists of two parts, what we call an encoder and a transducer. And so the encoder does just what I was saying: it mimics the actions of the front-end circuitry -- so it takes images in and converts them into the retina's code. And then the transducer then makes the output cells send the code on up to the brain, and the result is a retinal prosthetic that can produce normal retinal output. So a completely blind retina, even one with no front-end circuitry at all, no photoreceptors, can now send out normal signals, signals that the brain can understand. So no other device has been able to do this.
Ուստի, այս խնդրի լուծումը միայն այնպիսի սարքի ստեղծման մեջ էր, որը կարող էր նմանակել արտաքին նյարդային բջիջների գործողությունները, և ազդակներ ուղարկել դեպի ցանցաթաղանթի ելքային բջիջներ` այս կերպ թույլ տալով, որ վերջիններս անցնեն իրենց բնականոն աշխատանքին, այսինքն` ազդակներ ուղարկեն դեպի գլխուղեղ: Ահա, թե ինչի վրա էինք աշխատում, և ահա թե ինչ կարող է անել մեր առաջարկած աչքի իմպլանտանտը: Այն կազմված է երկու մասից, որոնք համապատասխանաբար կոչվում են զգայական կոդ (սենսոր) և հաղորդիչ: Եվ այսպես, սենսորը կատարում է այն աշխատանքը, որի մասին քիչ առաջ խոսում էի. այն նմանակում է արտաքին նյարդային շերտի բջիջների գործողությունները` ընկալում է պատկերը, ապա վերածում այն կոդի: Այնուհետև հաղորդիչը «ստիպում է» ելքային բջիջներին այդ կոդն ուղարկել գլխուղեղ: Արդյունքում ստանում ենք աչքի ցանցաթաղանթի այնպիսի իմպլանտանտ, որը կարող է ապահովել առողջ ցանցաթաղանթի բոլոր գործառույթները: Այսպիսով, բոլորովին կույր ցանցաթաղանթը, նույնիսկ առանց որևէ արտաքին բջիջների և ֆոտոռեցեպտորների, այժմ ի վիճակի է լինում պարբերաբար ազդակներ ուղարկել գլխուղեղ. ազդակներ, որոնց օգնությամբ գլխուղեղն ընկալում է տվյալ տեղեկատվությունը: Որևէ այլ սարքի չի հաջողվել հասնել այսպիսի արդյունքի:
Okay, so I just want to take a sentence or two to say something about the encoder and what it's doing, because it's really the key part and it's sort of interesting and kind of cool. I'm not sure "cool" is really the right word, but you know what I mean. So what it's doing is, it's replacing the retinal circuitry, really the guts of the retinal circuitry, with a set of equations, a set of equations that we can implement on a chip. So it's just math. In other words, we're not literally replacing the components of the retina. It's not like we're making a little mini-device for each of the different cell types. We've just abstracted what the retina's doing with a set of equations. And so, in a way, the equations are serving as sort of a codebook. An image comes in, goes through the set of equations, and out comes streams of electrical pulses, just like a normal retina would produce.
Իսկ հիմա ես կցանկանայի մի քանի խոսք ասել զգայական կոդի և վերջինիս աշխատանքի մասին, քանի որ հենց սա է իմպլանտանտի առանցքային մասը: Այն շատ հետաքրքիր է ու զիլ: Համոզված չեմ, որ «զիլ» բառը տեղին էր օգտագործված, բայց կարծում եմ` հասկացաք, թե ինչ նկատի ունեմ: Այսպես, սենսորը փոխարինում է ցանցաթաղանթի կենտրոնական շերտին` դրա ներքին հատվածին մի շարք բանաձևերի միջոցով, որոնք մենք կարող ենք տեղադրել չիպի մեջ: Սա պարզ մաթեմատիկա է: Այլ կերպ ասած`մենք բառացիորեն չենք փոխարինում ցանցաթաղանթի բաղադրիչները: Մենք չենք ստեղծում փոքր սարքեր յուրաքանչյուր տեսակի բջջի համար: Մենք պարզապես սեղմագրում ենք ցանցաթաղանթի կատարած աշխատանքը մի շարք բանաձևերի օգնությամբ: Այսպիսով, բանաձևերը կարծես թե զգայական կոդագրքի դեն են կատարում: Պատկերն ընկնում է աչքի մեջ, անցնում է մի շարք բանաձևերի միջով և դուրս է գալիս արդեն այնպիսի էլեկտրական ազդակների տեսքով, ինչպիսիք կառաջացներ առողջ ցանցաթաղանթը:
Now let me put my money where my mouth is and show you that we can actually produce normal output, and what the implications of this are. Here are three sets of firing patterns. The top one is from a normal animal, the middle one is from a blind animal that's been treated with this encoder-transducer device, and the bottom one is from a blind animal treated with a standard prosthetic. So the bottom one is the state-of-the-art device that's out there right now, which is basically made up of light detectors, but no encoder. So what we did was we presented movies of everyday things -- people, babies, park benches, you know, regular things happening -- and we recorded the responses from the retinas of these three groups of animals. Now just to orient you, each box is showing the firing patterns of several cells, and just as in the previous slides, each row is a different cell, and I just made the pulses a little bit smaller and thinner so I could show you a long stretch of data.
Այժմ, թույլ տվեք ասածս գործով ապացուցել և ցույց տալ, որ մեր առաջարկած սարքն իրականում կարող է առաջացնել նորմալ ազդակներ, և թե ինչ արդյունք կարող է այն ունենալ: Սրանք տեսողական երեք տարբեր կաղապարներ են: Առաջինն առողջ կենդանու տեսողական կաղապարն է, երկրորդը` կույր կենդանու կաղապարը, որը բուժվել է սենսոր-հաղորդիչ սարքի միջոցով, իսկ ստորին նկարը դարձյալ կույր կենդանու տեսողական կաղապար է, որը բուժվել է ստանդարտ իմպլանտանտների շնորհիվ: Վերջին կաղապարը մինչ օրս կիրառվող ամենահաջողված սարքն է, որը հիմնականում պատրաստված է լուսանկարչական սենսորներից, սակայն առանց զգայական կոդերի: Այսպես, ահա թե մենք ինչ արեցինք. այս երեք խումբ կենդանիներին ցուցադրեցինք տեսանյութեր, որտեղ նկարահանված էին ամենօրյա պատկերներ` մարդիկ, երեխաներ, այգում գտնվող նստարաններ, գիտեք էլի սովորական առօրյա իրադարձություններ, և ձայնագրեցինք նրանց ցանցաթաղանթների արձագանքները: Թույլ տվեք ձեզ մի փոքր ուղղություն տալ. յուրաքանչյուր հատվածը ցույց էր տալիս մի քանի բջիջների համատեղ աշխատանքի կաղապարները, և ինչպես նախորդ սլայդի դեպքում, այստեղ ևս բջիջների յուրաքանչյուր շարքը տարբերվում էր մյուսներից. ես պարզապես մի քիչ փոքրացրել ու բարակացրել եմ այդ ազդակները, որպեսզի կարողանամ ներկայացնել ձեզ տվյալների ավելի մեծ բազա:
So as you can see, the firing patterns from the blind animal treated with the encoder-transducer really do very closely match the normal firing patterns -- and it's not perfect, but it's pretty good -- and the blind animal treated with the standard prosthetic, the responses really don't. And so with the standard method, the cells do fire, they just don't fire in the normal firing patterns because they don't have the right code. How important is this? What's the potential impact on a patient's ability to see? So I'm just going to show you one bottom-line experiment that answers this, and of course I've got a lot of other data, so if you're interested I'm happy to show more. So the experiment is called a reconstruction experiment. So what we did is we took a moment in time from these recordings and asked, what was the retina seeing at that moment? Can we reconstruct what the retina was seeing from the responses from the firing patterns?
Այսպիսով, ինչպես տեսնում եք, սենսոր-հաղորդիչ իմպլանտանտի միջոցով բուժված կույր կենդանու տեսողական կաղապարը շատ նման է առողջ տեսողության կաղապարին. այն կատարյալ չէ, սակայն բավականին հաջող է, իսկ ինչ վերաբերում է սովորական իմպլանտանտի միջոցով բուժված կույր կենդանուն, ապա արդյունքը գոհացնող չէ: Դասական մեթոդի կիրառման դեպքում բջիջներն, իրոք, գործում են, սակայն չեն հաղորդում ճշգրիտ ազդակներ, քանի որ չունեն ճիշտ կոդը: Որքա՞նով է սա կարևոր: Ի՞նչ ազդեցություն կարող է այն ունենալ հիվանդի տեսողության բարելավման վրա: Այժմ ես ձեզ ցույց կտամ մեր կատարած փորձերից մեկի վերջնական արդյունքը, որը պատասխանում է այս հարցերին: Իհարկե, ես ունեմ այլ տվյալներ ևս, ու եթե ձեզ հետաքրքրում է, հաճույքով կարող եմ դրանք ցույց տալ: Այս փորձը կոչվում է «վերականգնողական» փորձարկում: Մենք վերցրել ենք այդ ձայնագրություններից մի որևէ պահ և փորձել ենք պարզել, թե ինչ էր այդ պահին տեսնում ցանցաթաղանթը: Արդյոք կարո՞ղ ենք վերարտադրել ցանցաթաղանթի` տվյալ պահին արձանագրած պատկերը` ելնելով ազդակներ հաղորդող կաղապարի արձագանքից:
So, when we did this for responses from the standard method and from our encoder and transducer. So let me show you, and I'm going to start with the standard method first. So you can see that it's pretty limited, and because the firing patterns aren't in the right code, they're very limited in what they can tell you about what's out there. So you can see that there's something there, but it's not so clear what that something is, and this just sort of circles back to what I was saying in the beginning, that with the standard method, patients can see high-contrast edges, they can see light, but it doesn't easily go further than that. So what was the image? It was a baby's face. So what about with our approach, adding the code? And you can see that it's much better. Not only can you tell that it's a baby's face, but you can tell that it's this baby's face, which is a really challenging task. So on the left is the encoder alone, and on the right is from an actual blind retina, so the encoder and the transducer. But the key one really is the encoder alone, because we can team up the encoder with the different transducer.
Այսպիսով, մենք կիրառել ենք այս եղանակը` դասական մեթոդի և մեր սենսոր-հաղորդիչ իմպլանտանտի տեսողական կաղապարների արձագանքները համեմատելու նպատակով: Թույլ տվեք ձեզ ցույց տալ դրանք: Սկսենք դասական կաղապարից: Ինչպես տեսնում եք, դասական մեթոդը բավականին սահմանափակ է, և քանի որ ազդակներ հաղորդող կաղապարը չունի ճիշտ կոդը, դրանք կարող են ձեզ խիստ սահմանափակ տեղեկություն տալ տվյալ պատկերի վերաբերյալ: Դուք կարող եք տեսնել, որ այնտեղ ինչ-որ բան կա, սակայն պարզ չէ, թե այդ ինչ-որ բանը ինչ է, և սա ևս մեկ անգամ ապացույցն է այն փաստի, ինչ ես ասացի ելույթի սկզբում. դասական մեթոդի միջոցով հիվանդներն ի վիճակի են տեսնելու սուր հակադրությամբ եզրերը, լույսը, բայց ոչ ավելին: Դե, ի՞նչ է պատկերված այս նկարում: Սա երեխայի դեմք է: Իսկ ի՞նչ կլինի, եթե մենք ըստ մեր մոտեցման` որևէ կոդ հաղորդենք դրան: Դուք էական առաջընթաց կտեսնեք: Ոչ միայն կասեք, որ դա երեխայի դեմք է, այլև` որ հենց այս երեխայի դեմքն է, ինչը բավականին բարդ խնդիր է: Ձախ կողմում միայն զգայական կոդն է գտնվում, իսկ աջ կողմում` հենց կույր ցանցաթաղանթը, այսինքն` այստեղ գտնվում են սենսորն ու հաղորդիչը: Սակայն առանցքայինը այստեղ միայն զգայական կոդն է, քանի որ մենք կարող ենք այն միացնել մեկ այլ հաղորդչի:
This is just actually the first one that we tried. I just wanted to say something about the standard method. When this first came out, it was just a really exciting thing, the idea that you even make a blind retina respond at all. But there was this limiting factor, the issue of the code, and how to make the cells respond better, produce normal responses, and so this was our contribution. Now I just want to wrap up, and as I was mentioning earlier of course I have a lot of other data if you're interested, but I just wanted to give this sort of basic idea of being able to communicate with the brain in its language, and the potential power of being able to do that. So it's different from the motor prosthetics where you're communicating from the brain to a device. Here we have to communicate from the outside world into the brain and be understood, and be understood by the brain.
Սա ընդամենը մեր առաջին փորձարկումն է: Կցանկանայի մի քանի խոսք ասել դասական մեթոդի վերաբերյալ: Հենց որ այն առաջին անգամ ի հայտ եկավ, իսկապես հետաքրքրություն առաջացրեց. միայն այն գաղափարը, որ կույր ցանցաթաղանթն իրականում կարող է արձագանքել, արդեն հրաշալի էր: Սակայն այն ուներ մի քանի սահմանափակող գործոններ. դա կոդի բացակայությունն էր, և այն, թե ինչ էր պետք անել բջիջների արձագանքի բարելավման ու նորմալ արձագանքներ տալու համար: Եվ սա էլ հենց դարձավ մեր նվաճումը: Վերջում կցանկանայի ամփոփելով ասել, որ ինչպես արդեն նշեցի, ինձ մոտ, անշուշտ, այլ տվյալներ նույնպես կան, եթե ձեզ հետաքրքրում է, սակայն ես ցանկացա ներկայացնել այն հիմնական գաղափարը, որ մենք կարող ենք հաղորդակցվել մեր ուղեղի հետ իր իսկ լեզվով և ունենալ այս ամենն անելու հնարավությունը: Սա տարբերվում է շարժիչ իմպլանտավորման ընթացակարգից, որի շրջանակներում հաղորդակցումը տեղի է ունենում գլխուղեղից դեպի սարք: Այստեղ մենք պետք է տեղեկատվություն ստանանք դրսից, փոխանցենք այն դեպի գլխուղեղ և այնպես անենք, որպեսզի մեր ուղեղը կարողանա ընկալել այն:
And then the last thing I wanted to say, really, is to emphasize that the idea generalizes. So the same strategy that we used to find the code for the retina we can also use to find the code for other areas, for example, the auditory system and the motor system, so for treating deafness and for motor disorders. So just the same way that we were able to jump over the damaged circuitry in the retina to get to the retina's output cells, we can jump over the damaged circuitry in the cochlea to get the auditory nerve, or jump over damaged areas in the cortex, in the motor cortex, to bridge the gap produced by a stroke.
Վերջում կցանկանայի շեշտել, որ այս գաղափարը կարող է ընդհանրացվել: Այնպես որ, ցանցաթաղանթի ազդակների համար կիրառած նույն ռազմավարությունը կարելի է կիրառել նաև այլ բնագավառներում կոդի որոնման համար, օրինակ` լսողական ապարատի և շարժողական համակարգի, խլության կամ հենաշարժողական խանգարումների բուժման դեպքում: Հենց այն մեթոդով, որով կարողացանք ելքային բջիջները վերականգնելու նպատակով շրջանցել ցանցաթաղանթի վնասված հատվածը, այժմ կարող ենք շրջանցել ականջի խոռոչի վնասված հատվածը, որպեսզի բուժենք լսողական նյարդը, կամ էլ շրջանցել գլխուղեղի կեղևի վնասված հատվածները` կաթվածի հետևանքները հաղթահարելու նպատակով:
I just want to end with a simple message that understanding the code is really, really important, and if we can understand the code, the language of the brain, things become possible that didn't seem obviously possible before. Thank you.
Կցանկանայի ավարտել ելույթս այն պարզ մտքով, որ կոդի ճիշտ ըմբռնումը չափազանց կարևոր է, ու եթե մենք հասկանանք փոխանցվող կոդը, գլխուղեղի լեզուն, ապա նախկինում անհնար թվացող բաները, այժմ կդառնան հնարավոր: Շնորհակալություն:
(Applause)
(Ծափահարություններ)