TED2017
Mehdi Ordikhani-Seyedlar: What happens in your brain when you pay attention?
مهدي أورديكاني-سييدلار: ماذا يحدث داخل دماغك عندما تعير شيئاً انتباهك؟
Filmed:
Readability: 3.9
3,083,456 views
لا يقتصر الانتباه فقط على ما نركز فيه -- بل أيضاً حول ما تعمل أدمغتنا على تصفيته. عن طريق دراسة أنماط الدماغ عندما يحاول الناس التركيز، يأمل عالم الأعصاب الحسابية مهدي أورديكاني-سييدلار في الجمع بين الدماغ والحاسوب، لبناء نماذج يمكن استخدامها لمعالجة اضطراب قصور الانتباه وفرط الحركة ولمساعدت أولئك الذين فقدوا القدرة على التواصل. تعرف على المزيد عن هذا العلم المثير في هذه المحادثة القصيرة والرائعة.
Mehdi Ordikhani-Seyedlar - Neuroscientist
Mehdi Ordikhani-Seyedlar is a computational neuroscientist, researching brain signals and their usage in brain-machine interfaces. Full bio
Mehdi Ordikhani-Seyedlar is a computational neuroscientist, researching brain signals and their usage in brain-machine interfaces. Full bio
Double-click the English transcript below to play the video.
00:12
Paying close attention to something:
0
760
2480
التركيز الشديد على شيء ما
00:15
Not that easy, is it?
1
3280
1240
ليس أمراً سهلاً، أليس كذلك؟
00:17
It's because our attention is pulled
in so many different directions at a time,
in so many different directions at a time,
2
5520
5016
السبب في ذلك أن دماغنا ينجذب ناحية
اتجاهات مختلفة في نفس الوقت،
اتجاهات مختلفة في نفس الوقت،
00:22
and it's in fact pretty impressive
if you can stay focused.
if you can stay focused.
3
10560
4080
وإنه لمن الملفت حقاً أن تظل منتبهاً.
00:28
Many people think that attention
is all about what we are focusing on,
is all about what we are focusing on,
4
16360
4056
يعتقد الكثير من الناس أن الانتباه
يتمحور حول ما نركّز فيه،
يتمحور حول ما نركّز فيه،
00:32
but it's also about what information
our brain is trying to filter out.
our brain is trying to filter out.
5
20440
4800
ولكنه أيضاً يشمل المعلومات
التي يحاول دماغنا تصفيتها.
التي يحاول دماغنا تصفيتها.
00:38
There are two ways
you direct your attention.
you direct your attention.
6
26320
2720
يوجد طريقتان لتوجيه الانتباه.
00:41
First, there's overt attention.
7
29600
1560
أولاً، هناك الانتباه الصريح.
00:43
In overt attention,
you move your eyes towards something
you move your eyes towards something
8
31640
4136
حيث تحرك عينيك تجاه شيء ما
00:47
in order to pay attention to it.
9
35800
1560
من أجل أن توليه اهتماماً.
00:50
Then there's covert attention.
10
38360
1976
ثم هناك الاهتمام السري.
00:52
In covert attention,
you pay attention to something,
you pay attention to something,
11
40360
4016
وفيه تولي اهتماماً لشيء ما،
00:56
but without moving your eyes.
12
44400
1560
ولكن من دون تحريك عينيك.
00:59
Think of driving for a second.
13
47040
1640
فكّر في القيادة لثانية.
01:02
Your overt attention,
your direction of the eyes,
your direction of the eyes,
14
50960
3016
اهتمامك الصريح، اتجاه نظرك،
01:06
are in front,
15
54000
1656
يكون ناحية الأمام،
01:07
but that's your covert attention
16
55680
1776
ولكنه اهتمامك السري
01:09
which is constantly scanning
the surrounding area,
the surrounding area,
17
57480
3080
الذي يمسح المنطقة المحيطة باستمرار،
01:13
where you don't actually look at them.
18
61600
1880
حيث لا تنظر إليهم في الواقع.
01:17
I'm a computational neuroscientist,
19
65519
1937
أنا عالم أعصاب حسابية،
01:19
and I work on cognitive
brain-machine interfaces,
brain-machine interfaces,
20
67480
3096
ومجال عملي هو واجهات الدماغ
الآلية المعرفية،
الآلية المعرفية،
01:22
or bringing together
the brain and the computer.
the brain and the computer.
21
70600
3040
أو الجمع بين الدماغ والحاسوب،
01:26
I love brain patterns.
22
74720
1600
أحب أنماط الدماغ.
01:28
Brain patterns are important for us
23
76720
1696
أنماط الدماغ مهمة بالنسبة لنا
01:30
because based on them
we can build models for the computers,
we can build models for the computers,
24
78440
3496
لأنه بالاستناد عليها نستطيع
بناء نماذج للحواسيب،
بناء نماذج للحواسيب،
01:33
and based on these models
25
81960
1416
وبناءً على هذه النماذج
01:35
computers can recognize
how well our brain functions.
how well our brain functions.
26
83400
4216
تستطيع الحواسيب التعرف
على مدى الكفاءة التي تعمل بها أدمغتنا.
على مدى الكفاءة التي تعمل بها أدمغتنا.
01:39
And if it doesn't function well,
27
87640
1600
وإن كانت لا تؤدي وظائفها جيداً،
01:42
then these computers themselves
can be used as assistive devices
can be used as assistive devices
28
90080
3920
بعدها سوف تستخدم هذه الحواسيب
نفسها كأجهزة مساعدة
نفسها كأجهزة مساعدة
01:46
for therapies.
29
94760
1200
للعلاجات.
01:48
But that also means something,
30
96480
1640
ولكن ذلك أيضاً يعني شيئاً ما،
01:51
because choosing the wrong patterns
31
99360
2496
لأن اختيار النمط الخاطئ
01:53
will give us the wrong models
32
101880
1896
سيعطينا النماذج الخاطئة
01:55
and therefore the wrong therapies.
33
103800
1656
وبالتالي العلاجات الخاطئة.
01:57
Right?
34
105480
1200
أليس كذلك؟
01:59
In case of attention,
35
107640
1656
في حالة الانتباه،
02:01
the fact that we can
36
109320
1280
الحقيقة أننا نستطيع
02:03
shift our attention not only by our eyes
37
111800
3496
تحريك انتباهنا ليس فقط عن طريق أعيننا
02:07
but also by thinking --
38
115320
1320
بل عن طريق تفكيرنا أيضاً --
02:09
that makes covert attention
an interesting model for computers.
an interesting model for computers.
39
117440
4080
الشيء الذي يجعل الانتباه الخفي
نموذجاً مثيراً للاهتمام بالنسبة للحواسيب.
نموذجاً مثيراً للاهتمام بالنسبة للحواسيب.
02:14
So I wanted to know
what are the brainwave patterns
what are the brainwave patterns
40
122280
3456
لذلك أردت معرفة أنماط الموجات الدماغية
02:17
when you look overtly
or when you look covertly.
or when you look covertly.
41
125760
3680
عندما تنظر صراحةً أو خفية.
02:22
I set up an experiment for that.
42
130440
1760
أعددت تجربة لذلك.
02:24
In this experiment
there are two flickering squares,
there are two flickering squares,
43
132960
2736
تحتوي هذه التجربة على مربعين يومضان،
02:27
one of them flickering
at a slower rate than the other one.
at a slower rate than the other one.
44
135720
3360
أحدهما يومض بمعدل أقل من الآخر.
02:32
Depending on which of these flickers
you are paying attention to,
you are paying attention to,
45
140600
3816
استنادً على أي من هذه الومضات
توليها انتباهك،
توليها انتباهك،
02:36
certain parts of your brain
will start resonating in the same rate
will start resonating in the same rate
46
144440
3960
ستبدأ أجزاء معينة في دماغك
بالاستجابة بنفس المعدل
بالاستجابة بنفس المعدل
02:41
as that flickering rate.
47
149200
1440
بما يساوي معدل الوميض.
02:44
So by analyzing your brain signals,
48
152000
2936
لذلك، عن طريق تحليل إشارات دماغك،
02:46
we can track where exactly
you are watching
you are watching
49
154960
3040
نستطيع تتبع أين تنظر بالتحديد
02:50
or you are paying attention to.
50
158760
1560
أو أين تركز انتباهك.
02:55
So to see what happens in your brain
when you pay overt attention,
when you pay overt attention,
51
163000
4216
لذلك، من أجل معرفة ما يحدث
في دماغك عندما تنتبه على نحو صريح،
في دماغك عندما تنتبه على نحو صريح،
02:59
I asked people to look directly
in one of the squares
in one of the squares
52
167240
3256
طلبت من المشاركين أن ينظروا
مباشرة إلى أحد المربعات
مباشرة إلى أحد المربعات
03:02
and pay attention to it.
53
170520
1280
ويركزوا انتباههم عليه.
03:04
In this case, not surprisingly,
we saw that these flickering squares
we saw that these flickering squares
54
172760
5296
في هذه الحالة، كما هو متوقع،
وجدنا أن هذه المربعات الوامضة
وجدنا أن هذه المربعات الوامضة
03:10
appeared in their brain signals
55
178080
1936
ظهرت ضمن إشارات أدمغتهم
03:12
which was coming
from the back of their head,
from the back of their head,
56
180040
2360
والتي كانت تأتي من مؤخرة رؤوسهم،
03:15
which is responsible for the processing
of your visual information.
of your visual information.
57
183560
3400
وهي المنطقة المسؤولة
عن معالجة معلوماتك المرئية.
عن معالجة معلوماتك المرئية.
03:20
But I was really interested
58
188280
2336
ولكنني كنت مهتماً حقاً
03:22
to see what happens in your brain
when you pay covert attention.
when you pay covert attention.
59
190640
3160
بمعرفة ما يحدث في دماغك
عندما تولي اهتماماً خفياً.
عندما تولي اهتماماً خفياً.
03:26
So this time I asked people
to look in the middle of the screen
to look in the middle of the screen
60
194480
3896
لذا، في هذه المرة طلبت من المشاركين
أن ينظروا إلى منتصف الشاشة
أن ينظروا إلى منتصف الشاشة
03:30
and without moving their eyes,
61
198400
1880
ومن دون تحريك أعينهم،
03:33
to pay attention
to either of these squares.
to either of these squares.
62
201120
2720
وأن يولوا اهتماماً بأي من هذه المربعات.
03:37
When we did that,
63
205120
1616
عندما فعلنا ذلك،
03:38
we saw that both of these flickering rates
appeared in their brain signals,
appeared in their brain signals,
64
206760
3936
وجدنا أن كلا معدلي الوميض
هذين ظهرا في إشارات أدمغتهم،
هذين ظهرا في إشارات أدمغتهم،
03:42
but interestingly,
65
210720
1200
وعلى نحو مثير للاهتمام،
03:44
only one of them,
which was paid attention to,
which was paid attention to,
66
212640
3536
واحد منهم فقط، والذي تم التركيز عليه،
03:48
had stronger signals,
67
216200
1656
سجل إشارات أقوى،
03:49
so there was something in the brain
68
217880
2256
بالتالي هناك شيء في الدماغ
03:52
which was handling this information
69
220160
2536
يتولى أمر هذه المعلومات
03:54
so that thing in the brain was basically
the activation of the frontal area.
the activation of the frontal area.
70
222720
6200
أساساً، كان ذلك الشيء في الدماغ
هو تنشيط المنطقة الأمامية.
هو تنشيط المنطقة الأمامية.
04:02
The front part of your brain
is responsible
is responsible
71
230440
2976
الجزء الأمامي من دماغك مسؤول عن
04:05
for higher cognitive functions as a human.
72
233440
2880
وظائفك الإدراكية العليا كإنسان.
04:09
The frontal part,
it seems that it works as a filter
it seems that it works as a filter
73
237160
4440
يبدو الجزء الأمامي وكأنه يعمل كمصفاة
04:14
trying to let information come in
only from the right flicker
only from the right flicker
74
242640
4376
يحاول السماح بالدخول للمعلومات
التي تأتي من الوميض الصحيح
التي تأتي من الوميض الصحيح
04:19
that you are paying attention to
75
247040
1640
الذي توليه اهتمامك
04:21
and trying to inhibit the information
coming from the ignored one.
coming from the ignored one.
76
249400
3960
كما يحاول كبح المعلومات القادمة
من الجزء الذي تم تجاهله.
من الجزء الذي تم تجاهله.
04:27
The filtering ability of the brain
is indeed a key for attention,
is indeed a key for attention,
77
255400
5296
مقدرة الدماغ على التصفية هي أساس الانتباه،
04:32
which is missing in some people,
78
260720
2776
وهو الشيء المفقود عند بعض الناس،
04:35
for example in people with ADHD.
79
263520
2480
كالمصابين باضطراب
قصور الانتباه وفرط الحركة.
قصور الانتباه وفرط الحركة.
04:38
So a person with ADHD
cannot inhibit these distractors,
cannot inhibit these distractors,
80
266640
5016
الشخص المصاب باضطراب قصور الانتباه
لا يستطيع كبح هذه المشتتات،
لا يستطيع كبح هذه المشتتات،
04:43
and that's why they can't focus
for a long time on a single task.
for a long time on a single task.
81
271680
4760
وهو السبب في كونهم لا يستطيعون التركيز
لفترة طويلة على مهمة واحدة.
لفترة طويلة على مهمة واحدة.
04:49
But what if this person
82
277600
1536
ولكن ماذا لو تمكن هذا الشخص
04:51
could play a specific computer game
83
279160
3536
من مزاولة لعبة حاسوب معينة
04:54
with his brain connected to the computer,
84
282720
2880
أثناء ما يكون دماغه متصلاً بجهاز حاسوب،
04:58
and then train his own brain
85
286440
2120
ومن خلالها يدرّب دماغه
05:01
to inhibit these distractors?
86
289360
2440
على كبح هذه المشتتات؟
05:05
Well, ADHD is just one example.
87
293680
2480
حسناً، اضطراب قصور الانتباه
هو مثال واحد فحسب.
هو مثال واحد فحسب.
05:09
We can use these cognitive
brain-machine interfaces
brain-machine interfaces
88
297200
3256
نستطيع استخدام
واجهات الدماغ الآلية الإدراكية هذه
واجهات الدماغ الآلية الإدراكية هذه
05:12
for many other cognitive fields.
89
300480
2200
في العديد من المجالات الإدراكية الأخرى.
05:15
It was just a few years ago
90
303760
1776
قبل بضعة سنين خلت
05:17
that my grandfather had a stroke,
and he lost complete ability to speak.
and he lost complete ability to speak.
91
305560
5720
تعرض جدي لسكتة دماغية،
ففقد نتيجتها القدرة على الكلام تماماً.
ففقد نتيجتها القدرة على الكلام تماماً.
05:24
He could understand everybody,
but there was no way to respond,
but there was no way to respond,
92
312640
3336
كان باستطاعته فهم الجميع،
ولكن لا مجال للرد،
ولكن لا مجال للرد،
05:28
even not writing
because he was illiterate.
because he was illiterate.
93
316000
2480
ولا حتى بالكتابة لكونه أمِّياً.
05:32
So he passed away in silence.
94
320000
2520
لذا غادر الحياة في صمت.
05:36
I remember thinking at that time:
95
324800
2336
أتذكر أني كنت أفكر حينها:
05:39
What if we could have a computer
96
327160
3896
ماذا لو استطعنا توفير جهاز حاسوب
05:43
which could speak for him?
97
331080
1360
ليتحدث بدلاً عنه؟
05:45
Now, after years that I am in this field,
98
333840
2216
الآن، وبعد قضائي سنيناً في هذا المجال،
05:48
I can see that this might be possible.
99
336080
2320
أرى أن ذلك ممكن الحدوث.
05:52
Imagine if we can find brainwave patterns
100
340240
2856
تخيّل لو كان بوسعنا
إيجاد أنماط موجات دماغية
إيجاد أنماط موجات دماغية
05:55
when people think
about images or even letters,
about images or even letters,
101
343120
3440
عندما يفكر الناس في الصور أو حتى الحروف،
05:59
like the letter A generates
a different brainwave pattern
a different brainwave pattern
102
347720
2936
مثل أن يولد الحرف أ
أنماط موجات دماغية مختلفة
أنماط موجات دماغية مختلفة
06:02
than the letter B, and so on.
103
350680
1720
عن الحرف ب وهكذا.
06:04
Could a computer one day
communicate for people who can't speak?
communicate for people who can't speak?
104
352960
3680
هل سوف يستطيع حاسوب يوماً ما أن يتواصل
مع الأشخاص غير القادرين على الكلام؟
مع الأشخاص غير القادرين على الكلام؟
06:09
What if a computer
105
357640
1440
ماذا لو تمكن حاسوب
06:11
can help us understand
the thoughts of a person in a coma?
the thoughts of a person in a coma?
106
359960
4560
من مساعدتنا على فهم أفكار شخص
مرمي في غيبوبة؟
مرمي في غيبوبة؟
06:17
We are not there yet,
107
365840
1616
لم نصل إلى هناك بعد،
06:19
but pay close attention.
108
367480
2736
ولكن أعيروني انتباهكم جيداً.
06:22
We will be there soon.
109
370240
1696
سنكون هناك قريباً.
06:23
Thank you.
110
371960
1496
شكراً لكم.
06:25
(Applause)
111
373480
5632
(تصفيق)
ABOUT THE SPEAKER
Mehdi Ordikhani-Seyedlar - NeuroscientistMehdi Ordikhani-Seyedlar is a computational neuroscientist, researching brain signals and their usage in brain-machine interfaces.
Why you should listen
Mehdi Ordikhani-Seyedlar is a research scientist interested in brain-wave patterns generated by neural activities in the brain. Since embarking on his research on neuroscience, Ordikhani-Seyedlar has been working on different brain functions such as learning, memory, pain and, more recently, visual attention in humans. He also conducted a part of his research on monkeys when he was in Dr. Miguel Nicolelis' lab at Duke University. His findings help implement more accurate brain-machine interfaces to treat people who are suffering from attention deficiency.
After receiving his Ph.D in Biomedical Engineering, Ordikhani-Seyedlar was offered a postdoctoral position by Duke University to develop algorithms to process large-scale neuronal activity and brain-machine interfaces. However, due to political complications in the United States, Ordikhani-Seyedlar -- an Iranian citizen -- changed his plan to continue his brain research outside the US for some time.
As a passionate neuroscientist and neuroengineer, Ordikhani-Seyedlar's aim is to improve brain pattern detectability in computers. This enhances the ability of brain-machine interfaces substantially to better target the defected brain function which in turn enhances the sustainability of treatment effect.
Mehdi Ordikhani-Seyedlar | Speaker | TED.com