TEDxCaltech
Michael Dickinson: How a fly flies
Michael Dickinson: El vuelo de una mosca
Filmed:
Readability: 4.2
1,787,704 views
La capacidad de volar de un insecto es quizá una de las mayores hazañas de la evolución. Michael Dickinson mira como una mosca doméstica común toma vuelo con esas delicadas alas, gracias a un hábil movimiento de aleteo y a los poderosos y ágiles músculos de vuelo. Pero hay un ingrediente secreto: el cerebro increíble de la mosca. (Filmado en TEDxCaltech).
Michael Dickinson - Biologist
Most people are irritated by the buzzing of a fly's wings. But biologist Michael Dickinson views the sound with a deep sense of wonder. Full bio
Most people are irritated by the buzzing of a fly's wings. But biologist Michael Dickinson views the sound with a deep sense of wonder. Full bio
Double-click the English transcript below to play the video.
00:16
I grew up watching Star Trek. I love Star Trek.
0
545
3532
Crecí viendo Star Trek.
Me encanta Star Trek.
Me encanta Star Trek.
00:19
Star Trek made me want to see alien creatures,
1
4077
4462
Star Trek me hizo querer
ver criaturas alienígenas,
ver criaturas alienígenas,
00:24
creatures from a far-distant world.
2
8539
2303
criaturas de un mundo distante.
00:26
But basically, I figured out that I could find
3
10842
2787
Pero básicamente, me di cuenta
de que podía encontrar
de que podía encontrar
00:29
those alien creatures right on Earth.
4
13629
2977
esas criaturas extraterrestres
aquí en la Tierra.
aquí en la Tierra.
00:32
And what I do is I study insects.
5
16606
2653
Y lo que hago es estudiar insectos.
00:35
I'm obsessed with insects, particularly insect flight.
6
19259
3256
Estoy obsesionado con los insectos,
particularmente con el vuelo de los insectos.
particularmente con el vuelo de los insectos.
00:38
I think the evolution of insect flight is perhaps
7
22515
3141
Creo que la evolución del vuelo
de los insectos es quizás
de los insectos es quizás
00:41
one of the most important events in the history of life.
8
25656
2742
uno de los eventos más importantes
en la historia de la vida.
en la historia de la vida.
00:44
Without insects, there'd be no flowering plants.
9
28398
2237
Sin insectos, no habría
ninguna planta de floración.
ninguna planta de floración.
00:46
Without flowering plants, there would be no
10
30635
1916
Sin plantas con flores,
no habría
no habría
00:48
clever, fruit-eating primates giving TED Talks.
11
32551
3137
inteligentes primates comedores
de fruta dando TEDTalks.
de fruta dando TEDTalks.
00:51
(Laughter)
12
35688
2300
(Risas)
00:53
Now,
13
37988
1987
Ahora,
00:55
David and Hidehiko and Ketaki
14
39975
3039
David, Hidehiko y Ketaki
00:58
gave a very compelling story about
15
43014
3445
hicieron una historia
muy convincente sobre
muy convincente sobre
01:02
the similarities between fruit flies and humans,
16
46459
2805
las similitudes entre las moscas de la fruta
y los seres humanos,
y los seres humanos,
01:05
and there are many similarities,
17
49264
1489
y hay muchas similitudes,
01:06
and so you might think that if humans are similar to fruit flies,
18
50753
3002
así que, se podría pensar que si los seres humanos
son similares a las moscas de la fruta,
son similares a las moscas de la fruta,
01:09
the favorite behavior of a fruit fly might be this, for example --
19
53755
3797
el comportamiento preferido de una mosca
de la fruta podría ser este, por ejemplo...
de la fruta podría ser este, por ejemplo...
01:13
(Laughter)
20
57552
2282
(Risas)
01:15
but in my talk, I don't want to emphasize on the similarities
21
59834
3191
pero en mi charla no quiero
hacer hincapié en las semejanzas
hacer hincapié en las semejanzas
01:18
between humans and fruit flies, but rather the differences,
22
63025
3067
entre los seres humanos y las moscas de la fruta,
sino más bien en las diferencias,
sino más bien en las diferencias,
01:21
and focus on the behaviors that I think fruit flies excel at doing.
23
66092
5287
y centrarme en los comportamientos en que creo
que sobresalen las moscas de la fruta.
que sobresalen las moscas de la fruta.
01:27
And so I want to show you a high-speed video sequence
24
71379
2856
Y por eso quiero mostrarles
una secuencia de vídeo de alta velocidad
una secuencia de vídeo de alta velocidad
01:30
of a fly shot at 7,000 frames per second in infrared lighting,
25
74235
3935
de una mosca, a 7000
fotogramas por segundo con luz infrarroja,
fotogramas por segundo con luz infrarroja,
01:34
and to the right, off-screen, is an electronic looming predator
26
78170
4210
y a la derecha, fuera de la pantalla,
hay un depredador electrónico amenazador
hay un depredador electrónico amenazador
01:38
that is going to go at the fly.
27
82380
1435
que atacará a la mosca.
01:39
The fly is going to sense this predator.
28
83815
1838
La mosca va a sentir este depredador.
01:41
It is going to extend its legs out.
29
85653
2455
Va a extender sus piernas hacia fuera.
01:44
It's going to sashay away
30
88108
1613
Va a alejarse
01:45
to live to fly another day.
31
89721
2565
para vivir para volar un día más.
01:48
Now I have carefully cropped this sequence
32
92286
2362
He recortado cuidadosamente
esta secuencia
esta secuencia
01:50
to be exactly the duration of a human eye blink,
33
94648
3160
para que dure exactamente
un parpadeo de ojo humano,
un parpadeo de ojo humano,
01:53
so in the time that it would take you to blink your eye,
34
97808
2834
así que en el tiempo
que tardarían en parpadear,
que tardarían en parpadear,
01:56
the fly has seen this looming predator,
35
100642
3265
la mosca ha visto este
depredador que se avecina,
depredador que se avecina,
01:59
estimated its position, initiated a motor pattern to fly it away,
36
103907
6168
ha estimado su posición, ha iniciado
un patrón motor para irse volando,
un patrón motor para irse volando,
02:05
beating its wings at 220 times a second as it does so.
37
110075
4464
batiendo sus alas 220 veces por segundo
mientras hace todo eso.
mientras hace todo eso.
02:10
I think this is a fascinating behavior
38
114539
1973
Creo que este es un comportamiento fascinante
02:12
that shows how fast the fly's brain can process information.
39
116512
3921
que muestra la rapidez con la que
el cerebro de la mosca puede procesar información.
el cerebro de la mosca puede procesar información.
02:16
Now, flight -- what does it take to fly?
40
120433
2842
Ahora, el vuelo.
¿Qué se necesita para volar?
¿Qué se necesita para volar?
02:19
Well, in order to fly, just as in a human aircraft,
41
123275
2864
Bueno, para poder volar,
al igual que un avión humano,
al igual que un avión humano,
02:22
you need wings that can generate sufficient aerodynamic forces,
42
126139
2735
se necesitan alas que puedan generar
suficientes fuerzas aerodinámicas,
suficientes fuerzas aerodinámicas,
02:24
you need an engine sufficient to generate the power required for flight,
43
128874
3546
se necesita un motor capaz de generar
la energía necesaria para el vuelo,
la energía necesaria para el vuelo,
02:28
and you need a controller,
44
132420
1709
y se necesita un controlador,
02:30
and in the first human aircraft, the controller was basically
45
134129
2626
y en el primer avión humano,
el controlador era básicamente
el controlador era básicamente
02:32
the brain of Orville and Wilbur sitting in the cockpit.
46
136755
4312
el cerebro de Orville y Wilbur
sentados en la cabina.
sentados en la cabina.
02:36
Now, how does this compare to a fly?
47
141067
2753
Ahora, ¿cómo se compara
esto con una mosca?
esto con una mosca?
02:39
Well, I spent a lot of my early career trying to figure out
48
143820
3251
Pasé mucho tiempo al principio
de mi carrera intentando averiguar
de mi carrera intentando averiguar
02:42
how insect wings generate enough force to keep the flies in the air.
49
147071
4336
como las alas de los insectos generan suficiente fuerza
como para mantener las moscas en el aire.
como para mantener las moscas en el aire.
02:47
And you might have heard how engineers proved
50
151407
1610
Y quizás hayan escuchado
cómo los ingenieros probaron
cómo los ingenieros probaron
02:48
that bumblebees couldn't fly.
51
153017
2634
que los abejorros no podían volar.
02:51
Well, the problem was in thinking that the insect wings
52
155651
2620
Bien, el problema fue pensar
que las alas del insecto
que las alas del insecto
02:54
function in the way that aircraft wings work. But they don't.
53
158271
3119
funcionaban de la forma que lo hacían las del avión.
Pero no es así.
Pero no es así.
02:57
And we tackle this problem by building giant,
54
161390
2854
Y abordamos este problema
construyendo un modelo
construyendo un modelo
03:00
dynamically scaled model robot insects
55
164244
3432
gigante, a escala dinámica
de insecto robot
de insecto robot
03:03
that would flap in giant pools of mineral oil
56
167676
3336
que pudiera aletear en piscinas
gigantes de aceite mineral
gigantes de aceite mineral
03:06
where we could study the aerodynamic forces.
57
171012
2274
donde podríamos estudiar
las fuerzas aerodinámicas.
las fuerzas aerodinámicas.
03:09
And it turns out that the insects flap their wings
58
173286
2158
Y resulta que los insectos,
al batir sus alas,
al batir sus alas,
03:11
in a very clever way, at a very high angle of attack
59
175444
2592
de forma muy inteligente,
en un ángulo de ataque muy alto,
en un ángulo de ataque muy alto,
03:13
that creates a structure at the leading edge of the wing,
60
178036
3121
crean una estructura
en el borde de ataque del ala,
en el borde de ataque del ala,
03:17
a little tornado-like structure called a leading edge vortex,
61
181157
3199
una pequeña estructura parecida a un tornado,
llamada vórtice del borde de ataque,
llamada vórtice del borde de ataque,
03:20
and it's that vortex that actually enables the wings
62
184356
2954
y es ese vórtice el que realmente permite a las alas
03:23
to make enough force for the animal to stay in the air.
63
187310
3359
hacer la suficiente fuerza como para que el animal
pueda mantenerse en el aire.
pueda mantenerse en el aire.
03:26
But the thing that's actually most -- so, what's fascinating
64
190669
2428
Pero lo que es realmente más...
lo qué es fascinante
lo qué es fascinante
03:28
is not so much that the wing has some interesting morphology.
65
193097
2975
no es tanto que el ala tenga
una morfología interesante.
una morfología interesante.
03:31
What's clever is the way the fly flaps it,
66
196072
3645
Lo inteligente es la manera
en que la mosca aletea
en que la mosca aletea
03:35
which of course ultimately is controlled by the nervous system,
67
199717
3136
que por supuesto, en definitiva,
es controlado por el sistema nervioso,
es controlado por el sistema nervioso,
03:38
and this is what enables flies to perform
68
202853
2647
y esto es lo que permite
a las moscas realizar
a las moscas realizar
03:41
these remarkable aerial maneuvers.
69
205500
2807
estas notables maniobras aéreas.
03:44
Now, what about the engine?
70
208307
2097
Ahora, ¿qué pasa con el motor?
03:46
The engine of the fly is absolutely fascinating.
71
210404
2492
El motor de la mosca
es absolutamente fascinante.
es absolutamente fascinante.
03:48
They have two types of flight muscle:
72
212896
1898
Tienen dos tipos de músculos de vuelo:
03:50
so-called power muscle, which is stretch-activated,
73
214794
2985
el llamado músculo de la potencia,
que es activado por estiramiento,
que es activado por estiramiento,
03:53
which means that it activates itself and does not need to be controlled
74
217779
3726
que significa que se activa a sí mismo
y no necesita ser controlado
y no necesita ser controlado
03:57
on a contraction-by-contraction basis by the nervous system.
75
221505
3339
contracción por contracción
por el sistema nervioso.
por el sistema nervioso.
04:00
It's specialized to generate the enormous power required for flight,
76
224844
4609
Se ha especializado para generar
la enorme potencia necesaria para el vuelo,
la enorme potencia necesaria para el vuelo,
04:05
and it fills the middle portion of the fly,
77
229453
2079
y llena la parte media de la mosca,
04:07
so when a fly hits your windshield,
78
231532
1547
así que cuando una mosca
golpea su parabrisas,
golpea su parabrisas,
04:08
it's basically the power muscle that you're looking at.
79
233079
2406
básicamente, están viendo
el músculo de la potencia.
el músculo de la potencia.
04:11
But attached to the base of the wing
80
235485
2146
Pero conectado a la base del ala,
04:13
is a set of little, tiny control muscles
81
237631
2638
hay un conjunto de diminutos músculos de control,
04:16
that are not very powerful at all, but they're very fast,
82
240269
3301
que no son muy poderosos, pero sí muy rápidos,
04:19
and they're able to reconfigure the hinge of the wing
83
243570
3206
y son capaces de reconfigurar la bisagra del ala
04:22
on a stroke-by-stroke basis,
84
246776
1762
a cada golpe,
04:24
and this is what enables the fly to change its wing
85
248538
3142
y esto es lo que permite
a la mosca transformar su ala
a la mosca transformar su ala
04:27
and generate the changes in aerodynamic forces
86
251680
2971
y generar los cambios
en las fuerzas aerodinámicas
en las fuerzas aerodinámicas
04:30
which change its flight trajectory.
87
254651
2573
que modifican su trayectoria de vuelo.
04:33
And of course, the role of the nervous system is to control all this.
88
257224
3563
Y por supuesto, el papel del sistema nervioso
es controlar todo esto.
es controlar todo esto.
04:36
So let's look at the controller.
89
260787
1512
Así que analicemos el controlador.
04:38
Now flies excel in the sorts of sensors
90
262299
2647
Las moscas sobresalen
en las clases de sensores
en las clases de sensores
04:40
that they carry to this problem.
91
264946
2284
que llevan a este problema.
04:43
They have antennae that sense odors and detect wind detection.
92
267230
4127
Tienen antenas que perciben olores
y detectan la dirección del viento.
y detectan la dirección del viento.
04:47
They have a sophisticated eye which is
93
271357
1675
Tienen un ojo sofisticado que es
04:48
the fastest visual system on the planet.
94
273032
2456
el sistema visual más rápido del planeta.
04:51
They have another set of eyes on the top of their head.
95
275488
2036
Tienen otro par de ojos
en la parte superior de su cabeza.
en la parte superior de su cabeza.
04:53
We have no idea what they do.
96
277524
2052
No tenemos idea de lo que hacen.
04:55
They have sensors on their wing.
97
279576
2954
Tienen sensores en su ala.
04:58
Their wing is covered with sensors, including sensors
98
282530
3760
Su ala está cubierta de sensores,
incluyendo sensores
incluyendo sensores
05:02
that sense deformation of the wing.
99
286290
2046
que detectan la deformación del ala.
05:04
They can even taste with their wings.
100
288336
2109
Incluso pueden degustar con sus alas.
05:06
One of the most sophisticated sensors a fly has
101
290445
2555
Uno de los más sofisticados
sensores que tiene una mosca
sensores que tiene una mosca
05:08
is a structure called the halteres.
102
293000
1807
es una estructura llamada halterio.
05:10
The halteres are actually gyroscopes.
103
294807
1879
Los halterios son realmente giroscopios.
05:12
These devices beat back and forth about 200 hertz during flight,
104
296686
4449
Estos dispositivos oscilan
a unos 200 hercios durante el vuelo,
a unos 200 hercios durante el vuelo,
05:17
and the animal can use them to sense its body rotation
105
301135
2673
y el animal puede utilizarlos
para detectar la rotación de su cuerpo
para detectar la rotación de su cuerpo
05:19
and initiate very, very fast corrective maneuvers.
106
303808
3968
e iniciar maniobras
correctivas muy, muy rápidas.
correctivas muy, muy rápidas.
05:23
But all of this sensory information has to be processed
107
307776
2329
Pero toda esta información
sensorial debe ser procesada
sensorial debe ser procesada
05:26
by a brain, and yes, indeed, flies have a brain,
108
310105
3720
por un cerebro, y sí, en efecto,
las moscas tienen un cerebro,
las moscas tienen un cerebro,
05:29
a brain of about 100,000 neurons.
109
313825
3159
un cerebro de unas 100 000 neuronas.
05:32
Now several people at this conference
110
316984
2193
Ahora varias personas en esta conferencia
05:35
have already suggested that fruit flies could serve neuroscience
111
319177
4808
ya han sugerido que las moscas de la fruta
podrían servir a la neurociencia
podrían servir a la neurociencia
05:39
because they're a simple model of brain function.
112
323985
3247
porque son un modelo simple
de la función cerebral.
de la función cerebral.
05:43
And the basic punchline of my talk is,
113
327232
2077
Y el punto fuerte básico de mi charla
05:45
I'd like to turn that over on its head.
114
329309
2658
es que me gustaría
voltear esto cabeza abajo.
voltear esto cabeza abajo.
05:47
I don't think they're a simple model of anything.
115
331967
2628
No pienso que sean
un modelo simple de nada.
un modelo simple de nada.
05:50
And I think that flies are a great model.
116
334595
2477
Y creo que las moscas
son un gran modelo.
son un gran modelo.
05:52
They're a great model for flies.
117
337072
2516
Son un gran modelo para moscas.
05:55
(Laughter)
118
339588
2481
(Risas)
05:57
And let's explore this notion of simplicity.
119
342069
3003
Y permítanme explorar
esta noción de simplicidad.
esta noción de simplicidad.
06:00
So I think, unfortunately, a lot of neuroscientists,
120
345072
2431
Creo que, infortunadamente,
muchos de los neurocientíficos,
muchos de los neurocientíficos,
06:03
we're all somewhat narcissistic.
121
347503
1832
somos todos un poco narcisistas.
06:05
When we think of brain, we of course imagine our own brain.
122
349335
3433
Cuando pensamos en un cerebro, nos imaginamos,
por supuesto, nuestro cerebro.
por supuesto, nuestro cerebro.
06:08
But remember that this kind of brain,
123
352768
1960
Pero recuerden que esta clase de cerebro,
06:10
which is much, much smaller
124
354728
1768
que es mucho, mucho más pequeño
06:12
— instead of 100 billion neurons, it has 100,000 neurons —
125
356496
2678
— en vez de 100 mil millones de neuronas,
tiene 100 000 —
tiene 100 000 —
06:15
but this is the most common form of brain on the planet
126
359174
2882
pero esta es la forma más común
de cerebro en el planeta
de cerebro en el planeta
06:17
and has been for 400 million years.
127
362056
2904
y lo ha sido por 400 millones de años.
06:20
And is it fair to say that it's simple?
128
364960
2288
¿Es justo decir que es sencillo?
06:23
Well, it's simple in the sense that it has fewer neurons,
129
367248
2095
Bueno, es simple en el sentido
de que tiene menos neuronas,
de que tiene menos neuronas,
06:25
but is that a fair metric?
130
369343
1754
¿pero es una medida justa?
06:26
And I would propose it's not a fair metric.
131
371097
2276
Y propongo que no es una medida justa.
06:29
So let's sort of think about this. I think we have to compare --
132
373373
3100
Así que vamos a pensar en esto.
Creo que debemos comparar
Creo que debemos comparar
06:32
(Laughter) —
133
376473
1559
— (Risas) —
06:33
we have to compare the size of the brain
134
378032
5121
tenemos que comparar
el tamaño del cerebro
el tamaño del cerebro
06:39
with what the brain can do.
135
383153
2030
con lo que el cerebro puede hacer.
06:41
So I propose we have a Trump number,
136
385183
2881
Lo que propongo es tener un 'número Trump',
06:43
and the Trump number is the ratio of this man's
137
388064
2865
y el 'número Trump' es la relación
entre el repertorio conductual
entre el repertorio conductual
06:46
behavioral repertoire to the number of neurons in his brain.
138
390929
3679
de este hombre y la cantidad
de neuronas de su cerebro.
de neuronas de su cerebro.
06:50
We'll calculate the Trump number for the fruit fly.
139
394608
2668
Calcularemos el 'número Trump'
para la mosca de la fruta.
para la mosca de la fruta.
06:53
Now, how many people here think the Trump number
140
397276
2684
Ahora, ¿cuántas personas aquí
creen que el 'número Trump'
creen que el 'número Trump'
06:55
is higher for the fruit fly?
141
399960
2489
es mayor para la mosca de la fruta?
06:58
(Applause)
142
402449
2431
(Aplausos)
07:00
It's a very smart, smart audience.
143
404880
3428
Es un público muy,
muy inteligente.
muy inteligente.
07:04
Yes, the inequality goes in this direction, or I would posit it.
144
408308
3327
Sí, la desigualdad va
en esta dirección, o lo postulamos.
en esta dirección, o lo postulamos.
07:07
Now I realize that it is a little bit absurd
145
411635
2382
Ahora me doy cuenta
de que es un poco absurdo
de que es un poco absurdo
07:09
to compare the behavioral repertoire of a human to a fly.
146
414017
3558
comparar el repertorio conductual
de un ser humano con una mosca.
de un ser humano con una mosca.
07:13
But let's take another animal just as an example. Here's a mouse.
147
417575
4143
Pero tomemos otro animal como ejemplo.
Aquí hay un ratón.
Aquí hay un ratón.
07:17
A mouse has about 1,000 times as many neurons as a fly.
148
421718
4305
Un ratón tiene cerca de 1000 veces
más neuronas que una mosca.
más neuronas que una mosca.
07:21
I used to study mice. When I studied mice,
149
426023
2027
Yo solía estudiar ratones.
Cuando estudiaba los ratones,
Cuando estudiaba los ratones,
07:23
I used to talk really slowly.
150
428050
2837
solía hablar muy despacio.
07:26
And then something happened when I started to work on flies.
151
430887
2576
Y entonces algo sucedió cuando comencé
a trabajar con las moscas.
a trabajar con las moscas.
07:29
(Laughter)
152
433463
2412
(Risas)
07:31
And I think if you compare the natural history of flies and mice,
153
435875
3460
Y creo que si comparan
la historia natural de moscas y ratones,
la historia natural de moscas y ratones,
07:35
it's really comparable. They have to forage for food.
154
439335
3313
es realmente comparable.
Tienen que buscarse la comida.
Tienen que buscarse la comida.
07:38
They have to engage in courtship.
155
442648
2447
Tienen que practicar
el ritual del cortejo.
el ritual del cortejo.
07:40
They have sex. They hide from predators.
156
445095
3471
Tienen sexo. Se esconden
de los depredadores.
de los depredadores.
07:44
They do a lot of the similar things.
157
448566
1980
Hacen un montón de cosas similares.
07:46
But I would argue that flies do more.
158
450546
1718
Pero yo diría que las moscas hacen más.
07:48
So for example, I'm going to show you a sequence,
159
452264
3378
Por ejemplo, voy a mostrarles una secuencia,
07:51
and I have to say, some of my funding comes from the military,
160
455642
4205
y tengo que decir, algunos de mis fondos
provienen de las fuerzas armadas,
provienen de las fuerzas armadas,
07:55
so I'm showing this classified sequence
161
459847
2072
así que estoy mostrando
esta secuencia clasificada
esta secuencia clasificada
07:57
and you cannot discuss it outside of this room. Okay?
162
461919
4093
y Uds. no pueden discutirla
fuera de esta sala. ¿Está bien?
fuera de esta sala. ¿Está bien?
08:01
So I want you to look at the payload
163
466012
1908
Así que quiero que vean la carga
08:03
at the tail of the fruit fly.
164
467920
3026
en la cola de la mosca de la fruta.
08:06
Watch it very closely,
165
470946
2101
Mírenlo muy de cerca,
08:08
and you'll see why my six-year-old son
166
473047
4297
y verán por qué mi hijo de seis años
08:13
now wants to be a neuroscientist.
167
477344
4729
ahora quiere ser un neurocientífico.
08:17
Wait for it.
168
482073
1179
Esperen.
08:19
Pshhew.
169
483252
1569
¡Uf!
08:20
So at least you'll admit that if fruit flies are not as clever as mice,
170
484821
3084
Al menos admitirán que si las moscas de la fruta
no son tan inteligentes como los ratones,
no son tan inteligentes como los ratones,
08:23
they're at least as clever as pigeons. (Laughter)
171
487905
4916
lo son como mínimo como las palomas. (Risas)
08:28
Now, I want to get across that it's not just a matter of numbers
172
492821
3967
Ahora, quiero transmitir que no es solo
una cuestión de números,
una cuestión de números,
08:32
but also the challenge for a fly to compute
173
496788
2598
sino también el reto de una mosca de calcular
08:35
everything its brain has to compute with such tiny neurons.
174
499386
2849
todo lo que su cerebro tiene que calcular
con unas neuronas tan pequeñas.
con unas neuronas tan pequeñas.
08:38
So this is a beautiful image of a visual interneuron from a mouse
175
502235
2988
Así que esta es una bella imagen
de una interneurona visual de un ratón
de una interneurona visual de un ratón
08:41
that came from Jeff Lichtman's lab,
176
505223
2768
que viene del laboratorio
de Jeff Lichtman,
de Jeff Lichtman,
08:43
and you can see the wonderful images of brains
177
507991
3247
y pueden ver las maravillosas
imágenes de cerebros
imágenes de cerebros
08:47
that he showed in his talk.
178
511238
3193
que mostró en su charla.
08:50
But up in the corner, in the right corner, you'll see,
179
514431
2368
Pero arriba en la esquina,
en la esquina derecha, verán,
en la esquina derecha, verán,
08:52
at the same scale, a visual interneuron from a fly.
180
516799
4112
en la misma escala,
una interneurona visual de una mosca.
una interneurona visual de una mosca.
08:56
And I'll expand this up.
181
520911
1841
Voy a ampliarla.
08:58
And it's a beautifully complex neuron.
182
522752
2170
Y es una neurona maravillosamente compleja.
09:00
It's just very, very tiny, and there's lots of biophysical challenges
183
524922
3485
Solo que es muy, muy pequeña,
y hay un montón de desafíos biofísicos
y hay un montón de desafíos biofísicos
09:04
with trying to compute information with tiny, tiny neurons.
184
528407
3623
al intentar calcular información
con neuronas tan pequeñas.
con neuronas tan pequeñas.
09:07
How small can neurons get? Well, look at this interesting insect.
185
532030
3537
¿Cuán pequeñas pueden ser las neuronas?
Bueno, miren este insecto interesante.
Bueno, miren este insecto interesante.
09:11
It looks sort of like a fly. It has wings, it has eyes,
186
535567
2212
Parece algo como una mosca.
Tiene alas, tiene ojos,
Tiene alas, tiene ojos,
09:13
it has antennae, its legs, complicated life history,
187
537779
2799
tiene antenas, sus piernas,
una historia de vida complicada,
una historia de vida complicada,
09:16
it's a parasite, it has to fly around and find caterpillars
188
540578
3096
es un parásito,
tiene que volar y encontrar orugas
tiene que volar y encontrar orugas
09:19
to parasatize,
189
543674
1382
que parasitar,
09:20
but not only is its brain the size of a salt grain,
190
545056
4115
pero no es que su cerebro
sea del tamaño de un grano de sal,
sea del tamaño de un grano de sal,
09:25
which is comparable for a fruit fly,
191
549171
1969
lo que sería comparable
al de una mosca de la fruta,
al de una mosca de la fruta,
09:27
it is the size of a salt grain.
192
551140
2926
él mismo es del tamaño
de un grano de sal.
de un grano de sal.
09:29
So here's some other organisms at the similar scale.
193
554066
3635
Así que aquí tenemos algunos
otros organismos a escala similar.
otros organismos a escala similar.
09:33
This animal is the size of a paramecium and an amoeba,
194
557701
4130
Este animal es del tamaño
de un paramecio y una ameba,
de un paramecio y una ameba,
09:37
and it has a brain of 7,000 neurons that's so small --
195
561831
3880
y tiene un cerebro de 7000 neuronas
que es tan pequeño,
que es tan pequeño,
09:41
you know these things called cell bodies you've been hearing about,
196
565711
2456
—saben, ¿estas cosas llamadas cuerpos celulares
de las que han oído hablar,
de las que han oído hablar,
09:44
where the nucleus of the neuron is?
197
568167
1651
donde está el núcleo de la neurona?
09:45
This animal gets rid of them because they take up too much space.
198
569818
3460
Este animal se deshace de ellos,
porque ocupan demasiado espacio.
porque ocupan demasiado espacio.
09:49
So this is a session on frontiers in neuroscience.
199
573278
2473
Esta es una sesión sobre
las fronteras en la neurociencia.
las fronteras en la neurociencia.
09:51
I would posit that one frontier in neuroscience is to figure out how the brain of that thing works.
200
575751
5360
Postularía que una de las fronteras de la neurociencia
es averiguar cómo funciona el cerebro de esa cosa.
es averiguar cómo funciona el cerebro de esa cosa.
09:57
But let's think about this. How can you make a small number of neurons do a lot?
201
581111
5633
Pero vamos a pensar en esto. ¿Cómo puede
con un pequeño número de neuronas hacer tanto?
con un pequeño número de neuronas hacer tanto?
10:02
And I think, from an engineering perspective,
202
586744
2522
Y creo que, desde una
perspectiva de ingeniería,
perspectiva de ingeniería,
10:05
you think of multiplexing.
203
589266
1729
piensan en la multiplexación.
10:06
You can take a hardware and have that hardware
204
590995
2703
Se puede tomar un hardware
y hacer que ese hardware
y hacer que ese hardware
10:09
do different things at different times,
205
593698
1613
haga cosas diferentes
en diferentes momentos,
en diferentes momentos,
10:11
or have different parts of the hardware doing different things.
206
595311
2995
o tener diferentes partes del hardware
haciendo cosas diferentes.
haciendo cosas diferentes.
10:14
And these are the two concepts I'd like to explore.
207
598306
3271
Y estos son los dos conceptos
que me gustaría explorar.
que me gustaría explorar.
10:17
And they're not concepts that I've come up with,
208
601577
1658
Y no son conceptos
que haya descubierto yo,
que haya descubierto yo,
10:19
but concepts that have been proposed by others in the past.
209
603235
4545
sino conceptos que han sido propuestos
por otros en el pasado.
por otros en el pasado.
10:23
And one idea comes from lessons from chewing crabs.
210
607780
3075
Y una idea proviene de las lecciones
de masticación de los cangrejos.
de masticación de los cangrejos.
10:26
And I don't mean chewing the crabs.
211
610855
1867
Y no me refiero a masticar los cangrejos.
10:28
I grew up in Baltimore, and I chew crabs very, very well.
212
612722
3599
Crecí en Baltimore,
y mastico cangrejos muy, muy bien.
y mastico cangrejos muy, muy bien.
10:32
But I'm talking about the crabs actually doing the chewing.
213
616321
2857
Sino que estoy hablando
de los cangrejos mismos que mastican.
de los cangrejos mismos que mastican.
10:35
Crab chewing is actually really fascinating.
214
619178
2030
La masticación del cangrejo
es realmente fascinante.
es realmente fascinante.
10:37
Crabs have this complicated structure under their carapace
215
621208
3259
Los cangrejos tienen esta estructura complicada
bajo su caparazón,
bajo su caparazón,
10:40
called the gastric mill
216
624467
1310
llamada molino gástrico,
10:41
that grinds their food in a variety of different ways.
217
625777
2430
que tritura su comida
en una variedad de maneras diferentes.
en una variedad de maneras diferentes.
10:44
And here's an endoscopic movie of this structure.
218
628207
5259
Esta es una película endoscópica
de esta estructura.
de esta estructura.
10:49
The amazing thing about this is that it's controlled
219
633466
2560
Lo sorprendente de esto es
que está controlada
que está controlada
10:51
by a really tiny set of neurons, about two dozen neurons
220
636026
3432
por un grupo de neuronas muy pequeño,
cerca de dos docenas,
cerca de dos docenas,
10:55
that can produce a vast variety of different motor patterns,
221
639458
4963
que pueden producir una gran variedad
de diferentes patrones motores,
de diferentes patrones motores,
11:00
and the reason it can do this is that this little tiny ganglion
222
644421
4347
y la razón de que puedan hacer esto
es que este minúsculo ganglio
es que este minúsculo ganglio
11:04
in the crab is actually inundated by many, many neuromodulators.
223
648768
4184
en el cangrejo está realmente inundado
por muchos, muchos neuromoduladores.
por muchos, muchos neuromoduladores.
11:08
You heard about neuromodulators earlier.
224
652952
2141
Han escuchado hablar
de los neuromoduladores antes.
de los neuromoduladores antes.
11:10
There are more neuromodulators
225
655093
2225
En la estructura hay
más neuromoduladores
más neuromoduladores
11:13
that alter, that innervate this structure than actually neurons in the structure,
226
657318
5485
que la alteran y la inervan,
que neuronas en sí,
que neuronas en sí,
11:18
and they're able to generate a complicated set of patterns.
227
662803
4242
y son capaces de generar
un conjunto complicado de patrones.
un conjunto complicado de patrones.
11:22
And this is the work by Eve Marder and her many colleagues
228
667045
3441
Esta es la obra de Eve Marder
y sus muchos colegas
y sus muchos colegas
11:26
who've been studying this fascinating system
229
670486
2295
que han estado estudiando
este sistema fascinante
este sistema fascinante
11:28
that show how a smaller cluster of neurons
230
672781
2152
que muestran cómo un grupo
más pequeño de neuronas
más pequeño de neuronas
11:30
can do many, many, many things
231
674933
1825
puede hacer muchas,
muchas, muchas cosas
muchas, muchas cosas
11:32
because of neuromodulation that can take place on a moment-by-moment basis.
232
676758
4856
debido a la neuromodulación
que se produce en cada instante.
que se produce en cada instante.
11:37
So this is basically multiplexing in time.
233
681614
2439
Así que esto es básicamente
multiplexación en el tiempo.
multiplexación en el tiempo.
11:39
Imagine a network of neurons with one neuromodulator.
234
684053
2785
Imaginen una red de neuronas
con un neuromodulador.
con un neuromodulador.
11:42
You select one set of cells to perform one sort of behavior,
235
686838
3478
Seleccionan un conjunto de células
para realizar un tipo de comportamiento,
para realizar un tipo de comportamiento,
11:46
another neuromodulator, another set of cells,
236
690316
2618
otro neuromodulador,
otro conjunto de células,
otro conjunto de células,
11:48
a different pattern, and you can imagine
237
692934
1713
un patrón diferente,
y pueden imaginar
y pueden imaginar
11:50
you could extrapolate to a very, very complicated system.
238
694647
3878
que se podría extrapolar
a un sistema muy, muy complicado.
a un sistema muy, muy complicado.
11:54
Is there any evidence that flies do this?
239
698525
2094
¿Hay alguna evidencia
de que las moscas hagan esto?
de que las moscas hagan esto?
11:56
Well, for many years in my laboratory and other laboratories around the world,
240
700619
3375
Bien, durante muchos años en mi laboratorio
y en otros alrededor del mundo,
y en otros alrededor del mundo,
11:59
we've been studying fly behaviors in little flight simulators.
241
703994
2648
hemos estado estudiando el comportamiento
de las moscas en pequeños simuladores de vuelo.
de las moscas en pequeños simuladores de vuelo.
12:02
You can tether a fly to a little stick.
242
706642
1706
Uno puede atar una mosca a un palito.
12:04
You can measure the aerodynamic forces it's creating.
243
708348
2501
Se pueden medir las fuerzas aerodinámicas
que está creando.
que está creando.
12:06
You can let the fly play a little video game
244
710849
2546
Se puede dejar a la mosca
jugar un pequeño videojuego
jugar un pequeño videojuego
12:09
by letting it fly around in a visual display.
245
713395
3878
dejándola volar alrededor
en una representación visual.
en una representación visual.
12:13
So let me show you a little tiny sequence of this.
246
717273
2337
Así que permítanme mostrarles
una pequeña secuencia de esto.
una pequeña secuencia de esto.
12:15
Here's a fly
247
719610
1227
Aquí tenemos una mosca
12:16
and a large infrared view of the fly in the flight simulator,
248
720837
3437
y una ampliación infrarroja de la mosca
en el simulador de vuelo,
en el simulador de vuelo,
12:20
and this is a game the flies love to play.
249
724274
1955
y este es un juego que
a las moscas les encanta jugar.
a las moscas les encanta jugar.
12:22
You allow them to steer towards the little stripe,
250
726229
2437
Se les permite dirigirse
hacia la pequeña franja,
hacia la pequeña franja,
12:24
and they'll just steer towards that stripe forever.
251
728666
2825
y ellas se dirigirán
hacia esa raya para siempre.
hacia esa raya para siempre.
12:27
It's part of their visual guidance system.
252
731491
3558
Es parte de su sistema
de orientación visual.
de orientación visual.
12:30
But very, very recently, it's been possible
253
735049
2345
Pero muy, muy recientemente, se ha podido
12:33
to modify these sorts of behavioral arenas for physiologies.
254
737394
4940
modificar este tipo de escenarios
de comportamiento para las fisiologías.
de comportamiento para las fisiologías.
12:38
So this is the preparation that one of my former post-docs,
255
742334
2488
Así que esta es la preparación
que uno de mis expostdoctorandos,
que uno de mis expostdoctorandos,
12:40
Gaby Maimon, who's now at Rockefeller, developed,
256
744822
2443
Gaby Maimon, que está ahora
en el Rockefeller, desarrolló,
en el Rockefeller, desarrolló,
12:43
and it's basically a flight simulator
257
747265
1686
y básicamente es un simulador de vuelo,
12:44
but under conditions where you actually can stick an electrode
258
748951
3075
pero en condiciones donde uno realmente
puede pegar un electrodo
puede pegar un electrodo
12:47
in the brain of the fly and record
259
752026
2264
en el cerebro de la mosca y grabar
12:50
from a genetically identified neuron in the fly's brain.
260
754290
3656
desde una neurona genéticamente identificada
en el cerebro de la mosca.
en el cerebro de la mosca.
12:53
And this is what one of these experiments looks like.
261
757946
2298
Y así es cómo se ve uno de estos experimentos.
12:56
It was a sequence taken from another post-doc in the lab,
262
760244
2971
Es una secuencia de otro
postdoctorando en el laboratorio,
postdoctorando en el laboratorio,
12:59
Bettina Schnell.
263
763215
1199
Bettina Schnell.
13:00
The green trace at the bottom is the membrane potential
264
764414
3392
El rastro verde en la parte inferior
es el potencial de membrana
es el potencial de membrana
13:03
of a neuron in the fly's brain,
265
767806
2030
de una neurona en el cerebro de la mosca,
13:05
and you'll see the fly start to fly, and the fly is actually
266
769836
2942
y verán que la mosca empieza a volar,
y la mosca realmente
y la mosca realmente
13:08
controlling the rotation of that visual pattern itself
267
772778
3279
controla por si misma
la rotación de ese patrón visual
la rotación de ese patrón visual
13:11
by its own wing motion,
268
776057
1479
con el movimiento de su ala,
13:13
and you can see this visual interneuron
269
777536
2110
y se puede ver esta interneurona visual
13:15
respond to the pattern of wing motion as the fly flies.
270
779646
3908
responder al patrón de movimiento del ala
mientras la mosca vuela.
mientras la mosca vuela.
13:19
So for the first time we've actually been able to record
271
783554
2376
Así que realmente por primera vez
hemos conseguidos grabar
hemos conseguidos grabar
13:21
from neurons in the fly's brain while the fly
272
785930
2908
desde las neuronas en el cerebro
de la mosca mientras
de la mosca mientras
13:24
is performing sophisticated behaviors such as flight.
273
788838
4468
realiza comportamientos
sofisticados, como volar.
sofisticados, como volar.
13:29
And one of the lessons we've been learning
274
793306
1855
Y una de las lecciones
que hemos aprendido
que hemos aprendido
13:31
is that the physiology of cells that we've been studying
275
795161
2420
es que la fisiología de las células
que hemos estado estudiando
que hemos estado estudiando
13:33
for many years in quiescent flies
276
797581
2421
durante muchos años en moscas quietas,
13:35
is not the same as the physiology of those cells
277
800002
2648
no es la misma que
la fisiología de estas células
la fisiología de estas células
13:38
when the flies actually engage in active behaviors
278
802650
2736
cuando las moscas realmente se involucran
en comportamientos activos,
en comportamientos activos,
13:41
like flying and walking and so forth.
279
805386
2539
como volar y caminar y así sucesivamente.
13:43
And why is the physiology different?
280
807925
2925
Y ¿por qué difiere la fisiología?
13:46
Well it turns out it's these neuromodulators,
281
810850
2057
Bien, resulta que se debe
a estos neuromoduladores,
a estos neuromoduladores,
13:48
just like the neuromodulators in that little tiny ganglion in the crabs.
282
812907
3951
exactamente como los neuromoduladores
en ese diminuto ganglio en los cangrejos.
en ese diminuto ganglio en los cangrejos.
13:52
So here's a picture of the octopamine system.
283
816858
2550
Así que aquí tenemos una imagen
del sistema de la octopamina.
del sistema de la octopamina.
13:55
Octopamine is a neuromodulator
284
819408
1754
La octopamina es un neuromodulador
13:57
that seems to play an important role in flight and other behaviors.
285
821162
4336
que parece desempeñar un papel importante
en el vuelo y otros comportamientos.
en el vuelo y otros comportamientos.
14:01
But this is just one of many neuromodulators
286
825498
2472
Pero este es apenas uno
de los muchos neuromoduladores
de los muchos neuromoduladores
14:03
that's in the fly's brain.
287
827970
1071
que hay en el cerebro de la mosca.
14:04
So I really think that, as we learn more,
288
829041
2666
Así que realmente creo que,
conforme sepamos más,
conforme sepamos más,
14:07
it's going to turn out that the whole fly brain
289
831707
2527
va a resultar que el cerebro entero de la mosca
14:10
is just like a large version of this stomatogastric ganglion,
290
834234
3089
es como una versión en grande
de este ganglio estomatogástrico,
de este ganglio estomatogástrico,
14:13
and that's one of the reasons why it can do so much with so few neurons.
291
837323
4360
y esa es una de las razones por las que
puede hacer tanto con tan pocas neuronas.
puede hacer tanto con tan pocas neuronas.
14:17
Now, another idea, another way of multiplexing
292
841683
2787
Ahora, otra idea,
otra forma de multiplexación
otra forma de multiplexación
14:20
is multiplexing in space,
293
844470
1656
es multiplexar en el espacio,
14:22
having different parts of a neuron
294
846126
1694
tener diferentes partes de una neurona
14:23
do different things at the same time.
295
847820
2122
hacer cosas diferentes al mismo tiempo.
14:25
So here's two sort of canonical neurons
296
849942
1833
Así que aquí tenemos dos tipos
de neuronas canónicas,
de neuronas canónicas,
14:27
from a vertebrate and an invertebrate,
297
851775
2285
de un vertebrado y un invertebrado,
14:29
a human pyramidal neuron from Ramon y Cajal,
298
854060
3250
una neurona piramidal humana
de Ramón y Cajal,
de Ramón y Cajal,
14:33
and another cell to the right, a non-spiking interneuron,
299
857310
4003
y otra célula a la derecha,
una interneurona no espinosa,
una interneurona no espinosa,
14:37
and this is the work of Alan Watson and Malcolm Burrows many years ago,
300
861313
4147
y esta es la obra de Alan Watson
y Malcolm Burrows hace muchos años,
y Malcolm Burrows hace muchos años,
14:41
and Malcolm Burrows came up with a pretty interesting idea
301
865460
3075
y Malcolm Burrows sugirió
una idea bastante interesante,
una idea bastante interesante,
14:44
based on the fact that this neuron from a locust
302
868535
2882
basado en el hecho de que
esta neurona de una langosta
esta neurona de una langosta
14:47
does not fire action potentials.
303
871417
1959
no descarga potenciales de acción.
14:49
It's a non-spiking cell.
304
873376
1748
Es una célula no espinosa.
14:51
So a typical cell, like the neurons in our brain,
305
875124
2780
Por lo tanto una célula típica,
como las neuronas en nuestro cerebro,
como las neuronas en nuestro cerebro,
14:53
has a region called the dendrites that receives input,
306
877904
2752
tiene una región, llamada las dendritas,
que recibe estímulos,
que recibe estímulos,
14:56
and that input sums together
307
880656
2589
y estos estímulos todos juntos
14:59
and will produce action potentials
308
883245
2296
producen potenciales de acción
15:01
that run down the axon and then activate
309
885541
2331
que corren por el axón y luego activan
15:03
all the output regions of the neuron.
310
887872
2296
todas las regiones de emisión
de impulsos de la neurona.
de impulsos de la neurona.
15:06
But non-spiking neurons are actually quite complicated
311
890168
2876
Pero las neuronas no espinosas
son realmente muy complicadas
son realmente muy complicadas
15:08
because they can have input synapses and output synapses
312
893044
3112
porque pueden recibir
y enviar las sinapsis
y enviar las sinapsis
15:12
all interdigitated, and there's no single action potential
313
896156
3663
todas interdigitadas,
y no hay un único potencial de acción
y no hay un único potencial de acción
15:15
that drives all the outputs at the same time.
314
899819
3126
que mueva todos los impulsos
enviados al mismo tiempo.
enviados al mismo tiempo.
15:18
So there's a possibility that you have computational compartments
315
902945
3907
Por lo tanto existe la posibilidad
de que tengan compartimientos computacionales
de que tengan compartimientos computacionales
15:22
that allow the different parts of the neuron
316
906852
3978
que permiten a las diferentes
partes de la neurona
partes de la neurona
15:26
to do different things at the same time.
317
910830
2560
hacer cosas diferentes
al mismo tiempo.
al mismo tiempo.
15:29
So these basic concepts of multitasking in time
318
913390
4671
Así que estos conceptos básicos
de multitarea en el tiempo
de multitarea en el tiempo
15:33
and multitasking in space,
319
918061
2361
y multitarea en el espacio,
15:36
I think these are things that are true in our brains as well,
320
920422
2832
creo que son ciertos también
en nuestros cerebros,
en nuestros cerebros,
15:39
but I think the insects are the true masters of this.
321
923254
2577
pero que los insectos
son los verdaderos maestros en esto.
son los verdaderos maestros en esto.
15:41
So I hope you think of insects a little bit differently next time,
322
925831
3116
Así que espero que piensen en los insectos
de manera un poco diferente la próxima vez,
de manera un poco diferente la próxima vez,
15:44
and as I say up here, please think before you swat.
323
928947
2935
y, como digo aquí, por favor
piensen antes de aplastarlos.
piensen antes de aplastarlos.
15:47
(Applause)
324
931882
2953
(Aplausos)
ABOUT THE SPEAKER
Michael Dickinson - BiologistMost people are irritated by the buzzing of a fly's wings. But biologist Michael Dickinson views the sound with a deep sense of wonder.
Why you should listen
Some things are so commonplace that they barely register our attention. Michael Dickinson has dedicated much of his research to one such thing -- the flight of the fly. Dickinson aims to understand how a fly's nervous system allows it to accomplish such incredible aerodynamic feats. Affectionately dubbed the "Fly Guy" by The Scientist, Dickinson's research brings together zoology, neuroscience and fluid mechanics.
Dickinson was named a MacArthur Fellow in 2001. He is now a professor of biology at the University of Washington, where he heads The Dickinson Lab. The lab conducts research into insect flight control, animal brain recordings, animal/robot interactions and animal visual navigation and welcomes students with an interest in studying insect flight, behavior and evolution from an interdisciplinary approach perspective.
Michael Dickinson | Speaker | TED.com