ABOUT THE SPEAKER
Miguel Nicolelis - Neuroscientist
Miguel Nicolelis explores the limits of the brain-machine interface.

Why you should listen

At the Nicolelis Laboratory at Duke University, Miguel Nicolelis is best known for pioneering studies in neuronal population coding, Brain Machine Interfaces (BMI) and neuroprosthetics in human patients and non-human primates.His lab's work was seen, famously though a bit too briefly, when a brain-controlled exoskeleton from his lab helped Juliano Pinto, a paraplegic man, kick the first ball at the 2014 World Cup.

But his lab is thinking even bigger. They've developed an integrative approach to studying neurological disorders, including Parkinsons disease and epilepsy. The approach, they hope, will allow the integration of molecular, cellular, systems and behavioral data in the same animal, producing a more complete understanding of the nature of the neurophysiological alterations associated with these disorders. He's the author of the books Beyond Boundaries and The Relativistic Brain.

Miguel was honored as one of Foreign Policy's 2015 Global Thinkers.

More profile about the speaker
Miguel Nicolelis | Speaker | TED.com
TEDMED 2012

Miguel Nicolelis: A monkey that controls a robot with its thoughts. No, really.

Miguel Nicolelis : Un singe qui contrôle un robot avec sa pensée. Oui, c'est vrai.

Filmed:
1,315,130 views

Peut-on utiliser notre cerveau pour contrôler directement des machines -- sans avoir besoin d'un corps pour faire l'intermédiaire ? Miguel Nicolelis présente une expérience étonnante, par laquelle un singe intelligent situé aux États-Unis apprend à contrôler un singe avatar, puis un bras-robot situé au Japon, uniquement à l'aide de sa pensée. Cette recherche a de vastes implications pour les quadraplégiques -- et peut-être pour nous tous. (Filmé à TEDMED 2012.)
- Neuroscientist
Miguel Nicolelis explores the limits of the brain-machine interface. Full bio

Double-click the English transcript below to play the video.

00:16
The kindgentil of neuroscienceneuroscience that I do and my colleaguescollègues do
0
330
2851
Le genre de neurosciences à laquelle
mes collègues et moi nous nous consacrons,
00:19
is almostpresque like the weathermanfaiseur de pluie.
1
3181
2166
est presque comme le présentateur de la météo.
00:21
We are always chasingciselure stormstempêtes.
2
5347
3516
On est à la recherche d'orages
en permanence.
00:24
We want to see and measuremesure stormstempêtes -- brainstormsremue-méninges, that is.
3
8863
4883
On veut voir et mesurer des orages -- c'est-à-dire des orages de cerveau -- ou brainstorm.
00:29
And we all talk about brainstormsremue-méninges in our dailydu quotidien livesvies,
4
13746
2768
Et on parle tous de brainstorming
00:32
but we rarelyrarement see or listen to one.
5
16514
3450
au quotidien, mais on en voit
ou en écoute rarement un.
00:35
So I always like to startdébut these talkspourparlers
6
19964
1634
Alors j'aime bien commencer ces discours
00:37
by actuallyréellement introducingintroduire you to one of them.
7
21598
2982
en en présentant un.
00:40
ActuallyEn fait, the first time we recordedenregistré more than one neuronneurone --
8
24580
3427
En fait, la première fois qu'on a enregistré
plus d'un neurone --
00:43
a hundredcent braincerveau cellscellules simultaneouslysimultanément --
9
28007
2223
une centaine de cellules cérébrales en même temps --
00:46
we could measuremesure the electricalélectrique sparksdes étincelles
10
30230
2469
on a pu mesurer les étincelles électriques
00:48
of a hundredcent cellscellules in the sameMême animalanimal,
11
32699
2680
d'une centaine de cellules dans le même animal,
00:51
this is the first imageimage we got,
12
35379
1802
voici la première image qu'on a obtenue,
00:53
the first 10 secondssecondes of this recordingenregistrement.
13
37181
2315
les 10 premières secondes
de cet enregistrement.
00:55
So we got a little snippetextrait of a thought,
14
39496
3351
Donc on a obtenu un petit fragment de pensée,
00:58
and we could see it in frontde face of us.
15
42847
2905
qu'on pouvait voir devant nos yeux.
01:01
I always tell the studentsélèves
16
45752
1012
Je dis tout le temps aux étudiants
01:02
that we could alsoaussi call neuroscientistsneuroscientifiques some sortTrier of astronomerastronome,
17
46764
4106
qu'on pourrait aussi appeler les neuro-scientifiques des astronomes d'une certaine sorte,
01:06
because we are dealingtransaction with a systemsystème
18
50870
1626
parce qu'on a affaire à un système
01:08
that is only comparablecomparable in termstermes of numbernombre of cellscellules
19
52496
2917
qui est uniquement comparable
en termes de nombre de cellules
01:11
to the numbernombre of galaxiesgalaxies that we have in the universeunivers.
20
55413
2936
au nombre de galaxies dans l'univers.
01:14
And here we are, out of billionsdes milliards of neuronsneurones,
21
58349
3030
Et nous y voilà, enregistrant il y a 10 ans
01:17
just recordingenregistrement, 10 yearsannées agodepuis, a hundredcent.
22
61379
2818
une centaine de neurones
sur les milliards qui existent.
01:20
We are doing a thousandmille now.
23
64197
1583
Maintenant, on en enregistre un millier.
01:21
And we hopeespérer to understandcomprendre something fundamentalfondamental about our humanHumain naturela nature.
24
65780
5400
Et on espère comprendre quelque chose
de fondamental sur notre nature humaine.
01:27
Because, if you don't know yetencore,
25
71180
1932
Parce que, au cas où vous ne le sauriez pas déjà,
01:29
everything that we use to definedéfinir what humanHumain naturela nature is comesvient from these stormstempêtes,
26
73112
5250
tout ce qu'on utilise pour définir ce qu'est
la nature humaine vient de ces orages,
01:34
comesvient from these stormstempêtes that rollrouleau over the hillscollines and valleysvallées of our brainscerveaux
27
78362
4651
de ces orages qui éclatent sur les collines
et les vallées de nos cerveaux
01:38
and definedéfinir our memoriessouvenirs, our beliefscroyances,
28
83013
3885
et définissent nos souvenirs, nos croyances,
01:42
our feelingssentiments, our plansdes plans for the futureavenir.
29
86898
2700
nos sentiments, nos plans pour le futur.
01:45
Everything that we ever do,
30
89598
2398
Tout ce qu'on a fait jusqu'ici,
01:47
everything that everychaque humanHumain has ever doneterminé, do or will do,
31
91996
5067
tout ce que chaque être humain a fait, fait ou fera,
01:52
requiresa besoin the toildur labeur of populationspopulations of neuronsneurones producingproduisant these kindssortes of stormstempêtes.
32
97063
5434
nécessite le dur labeur de populations entières de neurones qui produisent ce genre d'orages.
01:58
And the sounddu son of a brainstormremue-méninges, if you've never heardentendu one,
33
102497
2483
Et le son d'un orage de cerveau, au cas où
vous n'en avez jamais entendu un,
02:00
is somewhatquelque peu like this.
34
104980
3349
ça ressemble à ça.
02:04
You can put it louderPlus fort if you can.
35
108329
3146
On peut monter le son si vous voulez.
02:07
My sonfils callsappels this "makingfabrication popcornmaïs soufflé while listeningécoute to a badly-tunedmal réglé A.M. stationgare."
36
111475
6403
Mon fils appelle ça "faire du popcorn en écoutant une station de radio grandes ondes mal réglée."
02:13
This is a braincerveau.
37
117878
1485
Ceci est un cerveau.
02:15
This is what happensarrive when you routeroute these electricalélectrique stormstempêtes to a loudspeakerhaut-parleur
38
119363
3434
Voici ce qui arrive quand on branche
ces orages électriques à des enceintes
02:18
and you listen to a hundredcent braincerveau cellscellules firingmise à feu,
39
122797
2866
et qu'on écoute une centaine de cellules
du cerveau s'activer,
02:21
your braincerveau will sounddu son like this -- my braincerveau, any braincerveau.
40
125663
4622
votre cerveau va faire ce genre de bruit
-- mon cerveau, n'importe quel cerveau.
02:26
And what we want to do as neuroscientistsneuroscientifiques in this time
41
130285
3762
Et nous, neuroscientifiques,
ce qu'on veut faire à cet instant,
02:29
is to actuallyréellement listen to these symphoniessymphonies, these braincerveau symphoniessymphonies,
42
134047
5350
c'est écouter ces symphonies,
ces symphonies de cerveau,
02:35
and try to extractextrait from them the messagesmessages they carryporter.
43
139397
3400
et essayer d'en extraire
les messages qu'elles contiennent.
02:38
In particularparticulier, about 12 yearsannées agodepuis
44
142797
2851
En particulier, il y a environ 12 ans,
02:41
we createdcréé a preparationpréparation that we namednommé brain-machinecerveau-machine interfacesinterfaces.
45
145648
3048
nous avons créé une préparation que nous avons appelée interfaces cerveau-machine.
02:44
And you have a schemeschème here that describesdécrit how it workstravaux.
46
148696
2702
Et voici un schéma qui montre
comment ça marche.
02:47
The ideaidée is, let's have some sensorscapteurs that listen to these stormstempêtes, this electricalélectrique firingmise à feu,
47
151398
5566
L'idée c'est d'avoir des senseurs qui écoutent
ces orages, ces incendies électriques,
02:52
and see if you can, in the sameMême time that it takes
48
156964
3082
et voir si on peut, pendant le temps
que ça prend
02:55
for this stormorage to leavelaisser the braincerveau and reachatteindre the legsjambes or the armsbras of an animalanimal --
49
160046
4969
à cet orage pour quitter le cerveau
et atteindre les jambes ou les bras d'un animal
03:00
about halfmoitié a secondseconde --
50
165015
2864
-- environ une demi-seconde --
03:03
let's see if we can readlis these signalssignaux,
51
167879
2351
voir si on peut lire ces signaux,
03:06
extractextrait the motormoteur messagesmessages that are embeddedintégré in it,
52
170230
3400
extraire les messages moteurs
qui y sont intégrés,
03:09
translateTraduire it into digitalnumérique commandscommandes
53
173630
2272
les traduire en commandes digitales
03:11
and sendenvoyer it to an artificialartificiel devicedispositif
54
175902
1886
et les envoyer à un équipement artificiel
03:13
that will reproducereproduire the voluntaryvolontaire motormoteur wheelroue of that braincerveau in realréal time.
55
177788
5893
qui reproduira la roue motrice volontaire
de ce cerveau en temps réel.
03:19
And see if we can measuremesure how well we can translateTraduire that messagemessage
56
183681
3848
Et voir si on peut mesurer la qualité
de la traduction de ce message
03:23
when we comparecomparer to the way the bodycorps does that.
57
187529
3518
en le comparant à la manière
dont le corps se comporte.
03:26
And if we can actuallyréellement providefournir feedbackretour d'information,
58
191047
2866
Et si on arrive à fournir un retour,
03:29
sensorysensoriel signalssignaux that go back from this roboticrobotique, mechanicalmécanique, computationalcalcul actuatoractionneur
59
193913
5734
des signaux sensoriels qui vont de cet
équipement informatique, robotique, mécanique
03:35
that is now underen dessous de the controlcontrôle of the braincerveau,
60
199647
2251
qui est maintenant
sous l'emprise du cerveau,
03:37
back to the braincerveau,
61
201898
1311
vers le cerveau,
03:39
how the braincerveau dealsoffres with that,
62
203209
2121
comment le cerveau se comporte,
03:41
of receivingrecevoir messagesmessages from an artificialartificiel piecepièce of machinerymachinerie.
63
205330
4901
quand il reçoit des messages
d'une machine artificielle.
03:46
And that's exactlyexactement what we did 10 yearsannées agodepuis.
64
210231
2321
Et c'est exactement
ce qu'on a fait il y a 10 ans.
03:48
We startedcommencé with a superstarSuperstar monkeysinge calledappelé AuroraAurora
65
212552
2961
On a commencé avec un singe superstar
qui s'appelle Aurora
03:51
that becamedevenu one of the superstarsSuperstars of this fieldchamp.
66
215513
2468
et qui est devenu
une des superstars dans ce domaine.
03:53
And AuroraAurora likedaimé to playjouer videovidéo gamesJeux.
67
217981
2299
Aurora aimait jouer aux jeux vidéo.
03:56
As you can see here,
68
220280
1373
Comme vous pouvez le voir ici,
03:57
she likesaime to use a joystickmanette, like any one of us, any of our kidsdes gamins, to playjouer this gameJeu.
69
221653
4944
elle aime utiliser un joystick, comme nous tous, comme tous nos enfants, pour jouer à ce jeu.
04:02
And as a good primateprimate, she even triesessais to cheattriche before she getsobtient the right answerrépondre.
70
226597
4671
Et en bon primate, elle essaie même
de tricher avant d'obtenir la bonne réponse.
04:07
So even before a targetcible appearsapparaît that she's supposedsupposé to crosstraverser
71
231268
4283
Alors, avant même que n'apparaisse une cible qu'elle est censée marquer d'une croix
04:11
with the cursorcurseur that she's controllingcontrôler with this joystickmanette,
72
235551
2850
à l'aide du curseur qu'elle contrôle avec le joystick,
04:14
AuroraAurora is tryingen essayant to find the targetcible, no mattermatière where it is.
73
238401
3951
Aurora essaie de trouver la cible,
peu importe où elle est.
04:18
And if she's doing that,
74
242352
1469
Et si elle fait ça,
04:19
because everychaque time she crossescroisements that targetcible with the little cursorcurseur,
75
243821
3314
c'est parce que chaque fois qu'elle marque
d'une croix cette cible avec le curseur,
04:23
she getsobtient a droplaissez tomber of BrazilianBrésilien orangeOrange juicejus.
76
247135
2950
on lui donne une goutte
de jus d'orange du Brésil.
04:25
And I can tell you, any monkeysinge will do anything for you
77
250085
2950
Et je peux vous dire que n'importe quel singe
fait tout ce que vous voulez
04:28
if you get a little droplaissez tomber of BrazilianBrésilien orangeOrange juicejus.
78
253035
3100
tant que vous lui donnez une goutte
de jus d'orange du Brésil.
04:32
ActuallyEn fait any primateprimate will do that.
79
256135
2731
En fait, c'est vrai pour n'importe quel primate.
04:34
Think about that.
80
258866
1334
Pensez-y.
04:36
Well, while AuroraAurora was playingen jouant this gameJeu, as you saw,
81
260200
3400
Alors pendant qu'Aurora jouait à ce jeu,
comme vous venez de le voir,
04:39
and doing a thousandmille trialsessais a day
82
263600
2435
faisant un millier de tentatives par jour
04:41
and gettingobtenir 97 percentpour cent correctcorrect and 350 millilitersmillilitres of orangeOrange juicejus,
83
266035
3883
et obtenant 97% de réponses correctes
et 350 millilitres de jus d'orange,
04:45
we are recordingenregistrement the brainstormsremue-méninges that are producedproduit in her headtête
84
269918
3399
on enregistrait les orages de cerveau
qui se produisaient dans sa tête
04:49
and sendingenvoi them to a roboticrobotique armbras
85
273317
1647
et on les envoyait à un bras robotique
04:50
that was learningapprentissage to reproducereproduire the movementsmouvements that AuroraAurora was makingfabrication.
86
274964
3871
qui apprenait à reproduire
les mouvements d'Aurora.
04:54
Because the ideaidée was to actuallyréellement turntour on this brain-machinecerveau-machine interfaceinterface
87
278835
3783
Parce que l'idée était en fait de faire fonctionner
cette interface entre le cerveau et la machine
04:58
and have AuroraAurora playjouer the gameJeu just by thinkingen pensant,
88
282618
4700
afin qu'Aurora puisse jouer
en ne faisant que penser,
05:03
withoutsans pour autant interferenceingérence of her bodycorps.
89
287318
2617
sans interférence avec son corps.
05:05
Her brainstormsremue-méninges would controlcontrôle an armbras
90
289935
2916
Ses orages de cerveau contrôleraient un bras
05:08
that would movebouge toi the cursorcurseur and crosstraverser the targetcible.
91
292851
2709
qui ferait bouger le curseur et
marquerait la cible d'une croix.
05:11
And to our shockchoc, that's exactlyexactement what AuroraAurora did.
92
295560
3191
Et à notre grande surprise,
c'est exactement ce qu'Aurora a fait.
05:14
She playedjoué the gameJeu withoutsans pour autant movingen mouvement her bodycorps.
93
298751
4200
Elle a joué à ce jeu
sans bouger son corps.
05:18
So everychaque trajectorytrajectoire that you see of the cursorcurseur now,
94
302951
2237
Alors la trajectoire du curseur
que vous voyez maintenant,
05:21
this is the exactexact first momentmoment she got that.
95
305188
3212
est exactement le premier mouvement
qu'elle a fait.
05:24
That's the exactexact first momentmoment
96
308400
1784
C'est l'instant même
05:26
a braincerveau intentionintention was liberatedlibéré from the physicalphysique domainsdomaines of a bodycorps of a primateprimate
97
310184
6767
où l'intention du cerveau a été libérée
du domaine physique du corps d'un primate
05:32
and could actacte outsideà l'extérieur, in that outsideà l'extérieur worldmonde,
98
316951
3700
et a pu agir à l'extérieur,
dans ce monde extérieur,
05:36
just by controllingcontrôler an artificialartificiel devicedispositif.
99
320651
2966
en contrôlant simplement
un équipement artificiel.
05:39
And AuroraAurora keptconservé playingen jouant the gameJeu, keptconservé findingdécouverte the little targetcible
100
323617
4917
Et Aurora a continué à jouer,
a continué à trouver la petite cible
05:44
and gettingobtenir the orangeOrange juicejus that she wanted to get, that she cravedimploré for.
101
328534
3917
et a continué à obtenir le jus d'orange
qu'elle souhaitait, auquel elle aspirait.
05:48
Well, she did that because she, at that time, had acquiredacquis a newNouveau armbras.
102
332451
6701
Elle a continué parce qu'à ce moment-là,
elle avait un nouveau bras.
05:55
The roboticrobotique armbras that you see movingen mouvement here 30 daysjournées laterplus tard,
103
339152
2963
Le bras robotique que vous voyez
bouger ici 30 jours plus tard,
05:58
after the first videovidéo that I showedmontré to you,
104
342115
2686
après la première vidéo
que je vous ai montrée,
06:00
is underen dessous de the controlcontrôle of Aurora'sAurora braincerveau
105
344801
2650
et sous le contrôle du cerveau d'Aurora
06:03
and is movingen mouvement the cursorcurseur to get to the targetcible.
106
347451
3168
et qui déplace le curseur
pour atteindre la cible.
06:06
And AuroraAurora now knowssait that she can playjouer the gameJeu with this roboticrobotique armbras,
107
350619
3899
Aurora sait maintenant qu'elle peut jouer
à ce jeu en utilisant ce bras robotique,
06:10
but she has not lostperdu the abilitycapacité to use her biologicalbiologique armsbras to do what she pleasesplaît.
108
354518
5716
mais elle n'a pas pour autant perdu
sa capacité à utiliser son bras biologique
pour faire ce qui lui plaît.
06:16
She can scratchrayure her back, she can scratchrayure one of us, she can playjouer anotherun autre gameJeu.
109
360234
4067
Elle peut se gratter le dos, elle peut gratter
l'un d'entre-nous, et peut jouer à un autre jeu.
06:20
By all purposesfins and meansveux dire,
110
364301
1600
À toute fin utile et par tous les moyens,
06:21
Aurora'sAurora braincerveau has incorporatedincorporé that artificialartificiel devicedispositif
111
365901
4116
le cerveau d'Aurora s'est approprié
cet équipement artificiel
06:25
as an extensionextension of her bodycorps.
112
370017
2750
comme une extension de son corps.
06:28
The modelmaquette of the selfsoi that AuroraAurora had in her mindesprit
113
372767
3533
La perception qu'Aurora
avait d'elle-même à l'esprit
06:32
has been expandedétendu to get one more armbras.
114
376300
4084
s'est trouvée modifiée par l'addition
d'un bras supplémentaire.
06:36
Well, we did that 10 yearsannées agodepuis.
115
380384
2350
Eh bien, on a fait ça il y a 10 ans.
06:38
Just fastvite forwardvers l'avant 10 yearsannées.
116
382734
2833
Nous allons avancer de 10 ans.
06:41
Just last yearan we realizedréalisé that you don't even need to have a roboticrobotique devicedispositif.
117
385567
4983
L'année dernière, on a réalisé qu'on n'a
même pas besoin d'un équipement robotique.
06:46
You can just buildconstruire a computationalcalcul bodycorps, an avataravatar, a monkeysinge avataravatar.
118
390550
5484
Il suffit de créer un corps virtuel,
un avatar, un singe avatar.
06:51
And you can actuallyréellement use it for our monkeyssinges to eithernon plus interactinteragir with them,
119
396034
4250
Et en fait on peut l'utiliser
soit pour interagir avec nos singes
06:56
or you can traintrain them to assumeassumer in a virtualvirtuel worldmonde
120
400284
4439
soit pour les entraîner à s'approprier,
dans un monde virtuel,
07:00
the first-personpremière personne perspectivela perspective of that avataravatar
121
404723
3044
la perspective de cet avatar lui-même
07:03
and use her braincerveau activityactivité to controlcontrôle the movementsmouvements of the avatar'savatar armsbras or legsjambes.
122
407767
5651
et utiliser leur activité cérébrale pour contrôler
le mouvement des bras ou des jambes de l'avatar.
07:09
And what we did basicallyen gros was to traintrain the animalsanimaux
123
413418
2766
En gros ce qu'on a fait,
c'est entraîner les animaux
07:12
to learnapprendre how to controlcontrôle these avatarsAvatars
124
416184
3050
à apprendre comment contrôler ces avatars
07:15
and exploreexplorer objectsobjets that appearapparaître in the virtualvirtuel worldmonde.
125
419234
3899
et examiner des objets qui apparaissent
dans le monde virtuel.
07:19
And these objectsobjets are visuallyvisuellement identicalidentique,
126
423133
2301
Et ces objets sont visuellement identiques
07:21
but when the avataravatar crossescroisements the surfacesurface of these objectsobjets,
127
425434
3883
mais quand l'avatar touche
la surface de ces objets,
07:25
they sendenvoyer an electricalélectrique messagemessage that is proportionalproportionnel to the microtactilemicrotactile texturetexture of the objectobjet
128
429317
6400
ils envoient un message électrique qui est proportionnel à la texture micro tactile de l'objet
07:31
that goesva back directlydirectement to the monkey'sde singe braincerveau,
129
435717
4016
qui est envoyé directement
au cerveau du singe,
07:35
informingdélation the braincerveau what it is the avataravatar is touchingémouvant.
130
439733
5052
informant ainsi le cerveau
de ce que l'avatar touche.
07:40
And in just fourquatre weekssemaines, the braincerveau learnsapprend to processprocessus this newNouveau sensationsensation
131
444785
4765
Et en seulement quatre semaines, le cerveau apprend à incorporer cette nouvelle sensation
07:45
and acquiresfait l’acquisition a newNouveau sensorysensoriel pathwaysentier -- like a newNouveau sensesens.
132
449550
6434
et acquiert un nouveau chemin sensoriel
-- comme un nouveau sens.
07:51
And you trulyvraiment liberatelibérer the braincerveau now
133
455984
2416
À ce stade, on libère réellement le cerveau
07:54
because you are allowingen permettant the braincerveau to sendenvoyer motormoteur commandscommandes to movebouge toi this avataravatar.
134
458400
4384
parce qu'on lui permet d'envoyer des commandes motrices afin de déplacer cet avatar.
07:58
And the feedbackretour d'information that comesvient from the avataravatar is beingétant processedtraitées directlydirectement by the braincerveau
135
462784
5000
Et le feedback qui vient de l'avatar
est traité directement par le cerveau
08:03
withoutsans pour autant the interferenceingérence of the skinpeau.
136
467784
2433
sans interférence de la peau.
08:06
So what you see here is this is the designconception of the tasktâche.
137
470217
2534
Ce que vous voyez ici,
c'est la conception de la tâche.
08:08
You're going to see an animalanimal basicallyen gros touchingémouvant these threeTrois targetscibles.
138
472751
4250
Vous allez voir un animal qui touche
tout simplement ces trois cibles.
08:12
And he has to selectsélectionner one because only one carriesporte the rewardrécompense,
139
477001
4349
Et il doit en sélectionner une car seule l'une
d'entre elles donne droit à une récompense,
08:17
the orangeOrange juicejus that they want to get.
140
481350
1867
le jus d'orange qu'il veut obtenir.
08:19
And he has to selectsélectionner it by touchtoucher usingen utilisant a virtualvirtuel armbras, an armbras that doesn't existexister.
141
483217
5633
Et il doit la sélectionner en utilisant
un bras virtuel, un bras qui n'existe pas.
08:24
And that's exactlyexactement what they do.
142
488850
2000
Et c'est exactement ce qu'il fait.
08:26
This is a completeAchevée liberationlibération of the braincerveau
143
490850
3435
C'est une libération totale du cerveau
08:30
from the physicalphysique constraintscontraintes of the bodycorps and the motormoteur in a perceptualperceptuel tasktâche.
144
494285
4282
des contraintes physiques du corps
et de la motricité pour une tâche conceptuelle.
08:34
The animalanimal is controllingcontrôler the avataravatar to touchtoucher the targetscibles.
145
498567
4167
L'animal contrôle l'avatar
pour atteindre les cibles.
08:38
And he's sensingdétecter the texturetexture by receivingrecevoir an electricalélectrique messagemessage directlydirectement in the braincerveau.
146
502734
5651
Et il ressent la texture grâce à la réception d'un message électrique directement dans le cerveau.
08:44
And the braincerveau is decidingdécider what is the texturetexture associatedassocié with the rewardrécompense.
147
508385
3883
Et le cerveau décide quelle texture
associer à la récompense.
08:48
The legendslégendes that you see in the moviefilm don't appearapparaître for the monkeysinge.
148
512268
3832
Le singe ne voit pas la légende
que vous voyez dans la vidéo.
08:52
And by the way, they don't readlis EnglishAnglais anywayen tous cas,
149
516100
2484
Et de toute façon, les singes ne parlent pas anglais,
08:54
so they are here just for you to know that the correctcorrect targetcible is shiftingdéplacement positionposition.
150
518584
5216
donc elle est là uniquement pour que vous
sachiez que la bonne cible change de position.
08:59
And yetencore, they can find them by tactiletactile discriminationdiscrimination,
151
523800
3934
Et ils arrivent à la trouver
grâce à la reconnaissance tactile,
09:03
and they can presspresse it and selectsélectionner it.
152
527734
3217
et ils arrivent à appuyer sur la cible
et à la sélectionner.
09:06
So when we look at the brainscerveaux of these animalsanimaux,
153
530951
2682
Alors quand on regarde
le cerveau de ces animaux,
09:09
on the topHaut panelpanneau you see the alignmentalignement of 125 cellscellules
154
533633
3667
sur le panneau du haut, on voit
l'alignement de 125 cellules
09:13
showingmontrer what happensarrive with the braincerveau activityactivité, the electricalélectrique stormstempêtes,
155
537300
4201
qui exposent l'activité cérébrale,
les orages électriques,
09:17
of this sampleéchantillon of neuronsneurones in the braincerveau
156
541501
2067
de cet échantillon de neurones du cerveau
09:19
when the animalanimal is usingen utilisant a joystickmanette.
157
543568
2116
quand l'animal utilise un joystick.
09:21
And that's a picturephoto that everychaque neurophysiologistneurophysiologiste knowssait.
158
545684
2600
Et c'est une photo
que tout neurophysiologue connaît.
09:24
The basicde base alignmentalignement showsmontre that these cellscellules are codingcodage for all possiblepossible directionsdirections.
159
548284
5183
L'alignement basique montre que ces cellules
ont un code pour toutes les directions possibles.
09:29
The bottombas picturephoto is what happensarrive when the bodycorps stopsarrêts movingen mouvement
160
553467
5683
La photo du bas montre ce qui se passe
quand le corps est immobile
09:35
and the animalanimal startsdéparts controllingcontrôler eithernon plus a roboticrobotique devicedispositif or a computationalcalcul avataravatar.
161
559150
6134
et que l'animal commence à contrôler soit
un appareil robotique, soit un avatar informatique.
09:41
As fastvite as we can resetremise à zéro our computersdes ordinateurs,
162
565284
3066
Aussi vite qu'on arrive
à redémarrer nos ordinateurs,
09:44
the braincerveau activityactivité shiftséquipes to startdébut representingreprésentant this newNouveau tooloutil,
163
568350
5818
l'activité cérébrale se modifie
pour représenter ce nouvel outil,
09:50
as if this too was a partpartie of that primate'sPrimatial bodycorps.
164
574168
5250
comme s'il faisait partie intégrante
du corps du primate.
09:55
The braincerveau is assimilatingassimiler les that too, as fastvite as we can measuremesure.
165
579418
4715
Le cerveau assimile ça aussi,
aussi vite qu'on arrive à le mesurer.
10:00
So that suggestssuggère to us that our sensesens of selfsoi
166
584133
3618
Donc cela suggère que la perception
que nous avons de nous-mêmes
10:03
does not endfin at the last layercouche of the epitheliumépithélium of our bodiescorps,
167
587751
4150
ne s'arrête pas à la dernière couche
d'épithélium de notre corps,
10:07
but it endsprend fin at the last layercouche of electronsélectrons of the toolsoutils that we're commandingcommandant with our brainscerveaux.
168
591901
5718
elle prend fin avec la dernière couche d'électrons des outils que nous contrôlons avec notre cerveau.
10:13
Our violinsviolons, our carsdes voitures, our bicyclesbicyclettes, our soccerfootball ballsdes balles, our clothingVêtements --
169
597619
4764
Nos violons, nos voitures, nos vélos,
nos ballons de football, nos vêtements --
10:18
they all becomedevenir assimilatedassimilés by this voraciousvorace, amazingincroyable, dynamicdynamique systemsystème calledappelé the braincerveau.
170
602383
6851
tous sont assimilés par cet incroyable et vorace système dynamique qu'on appelle le cerveau.
10:25
How farloin can we take it?
171
609234
1699
Jusqu'où peut-on aller ?
10:26
Well, in an experimentexpérience that we rancouru a fewpeu yearsannées agodepuis, we tooka pris this to the limitlimite.
172
610933
4218
Eh bien, lors d'une expérience que
nous avons menée il y a quelques années,
on est allé jusqu'au bout.
10:31
We had an animalanimal runningfonctionnement on a treadmilltapis de course
173
615151
2482
Un animal courait sur un tapis de course
10:33
at DukeDuc UniversityUniversité on the EastEast CoastCôte of the UnitedUnie StatesÉtats,
174
617633
2267
à l'Université de Duke
sur la côte Est des États-Unis,
10:35
producingproduisant the brainstormsremue-méninges necessarynécessaire to movebouge toi.
175
619900
2700
et produisait les orages de cerveau
nécessaires au mouvement.
10:38
And we had a roboticrobotique devicedispositif, a humanoidHumanoïde robotrobot,
176
622600
4091
Et on avait disposé un appareil robotique,
un robot humanoïde,
10:42
in KyotoKyoto, JapanJapon at ATRRTA LaboratoriesLaboratoires
177
626691
2394
à Kyoto, au Japon,
dans les laboratoires ATR
10:44
that was dreamingrêver its entiretout life to be controlledcontrôlé by a braincerveau,
178
629085
6094
qui rêvait depuis toujours
d'être contrôlé par un cerveau,
10:51
a humanHumain braincerveau, or a primateprimate braincerveau.
179
635179
3273
un cerveau humain,
ou un cerveau de primate.
10:54
What happensarrive here is that the braincerveau activityactivité that generatedgénéré the movementsmouvements in the monkeysinge
180
638452
4598
Et ce qui s'est passé, c'est qu'on a transmis
au Japon l'activité cérébrale
10:58
was transmittedtransmis to JapanJapon and madefabriqué this robotrobot walkmarche
181
643050
3467
qui générait les mouvements du singe
et on a fait marcher le robot,
11:02
while footagemétrage of this walkingen marchant was sentenvoyé back to DukeDuc,
182
646517
4067
et on a renvoyé à Duke les images
de cette marche,
11:06
so that the monkeysinge could see the legsjambes of this robotrobot walkingen marchant in frontde face of her.
183
650584
5233
afin que le singe puisse voir les jambes
de ce robot marcher face à elle.
11:11
So she could be rewardedrécompensé, not by what her bodycorps was doing
184
655817
4067
Ainsi elle pouvait être récompensée,
non pas pour ce que son corps faisait
11:15
but for everychaque correctcorrect stepétape of the robotrobot on the other sidecôté of the planetplanète
185
659884
4961
mais pour chaque pas correct du robot
à l'autre bout de la planète,
11:20
controlledcontrôlé by her braincerveau activityactivité.
186
664845
2609
contrôlé à l'aide son activité cérébrale.
11:23
FunnyDrôle thing, that roundrond tripvoyage around the globeglobe tooka pris 20 millisecondsmillisecondes lessMoins
187
667454
7118
Ce qui est amusant, c'est que cet aller-retour
d'un point à l'autre du globe a pris
20 millisecondes de moins
11:30
than it takes for that brainstormremue-méninges to leavelaisser its headtête, the headtête of the monkeysinge,
188
674572
4150
que le temps nécessaire à l'orage de cerveau
pour quitter la tête, la tête du singe,
11:34
and reachatteindre its ownposséder musclemuscle.
189
678722
3870
et atteindre son propre muscle.
11:38
The monkeysinge was movingen mouvement a robotrobot that was sixsix timesfois biggerplus gros, acrossà travers the planetplanète.
190
682592
6030
Le singe déplaçait un robot qui était six fois
plus gros, à l'autre bout de la planète.
11:44
This is one of the experimentsexpériences in whichlequel that robotrobot was ablecapable to walkmarche autonomouslyde manière autonome.
191
688622
6400
C'est l'une des expériences durant laquelle
ce robot a réussi à marcher de manière autonome,
11:50
This is CBCB1 fulfillingsatisfaisant its dreamrêver in JapanJapon
192
695022
5267
Il s'agit de CB1 accomplissant
son rêve au Japon
11:56
underen dessous de the controlcontrôle of the braincerveau activityactivité of a primateprimate.
193
700289
3700
sous le contrôle de l'activité cérébrale
d'un primate.
11:59
So where are we takingprise all this?
194
703989
1989
Mais que va-t-on faire de tout ça ?
12:01
What are we going to do with all this researchrecherche,
195
705978
2343
Que va-t-on faire grâce à cette recherche,
12:04
besidesoutre studyingen train d'étudier the propertiesPropriétés of this dynamicdynamique universeunivers that we have betweenentre our earsoreilles?
196
708321
5668
si ce n'est étudier les propriétés de cet univers dynamique qui est entre nos oreilles ?
12:09
Well the ideaidée is to take all this knowledgeconnaissance and technologyLa technologie
197
713989
4833
Eh bien l'idée, grâce à ce savoir
et cette technologie
12:14
and try to restorerestaurer one of the mostles plus severesévère neurologicalneurologique problemsproblèmes that we have in the worldmonde.
198
718822
5484
c'est d'essayer de résoudre un des problèmes neurologiques les plus graves qui existent.
12:20
MillionsMillions of people have lostperdu the abilitycapacité to translateTraduire these brainstormsremue-méninges
199
724306
4583
Des millions de personnes perdent leur capacité
à traduire ces orages de cerveau
12:24
into actionaction, into movementmouvement.
200
728889
2116
en action, en mouvement.
12:26
AlthoughBien que theirleur brainscerveaux continuecontinuer to produceproduire those stormstempêtes and codecode for movementsmouvements,
201
731005
5234
Bien que leur cerveau continue à produire
ces orages et codes pour les mouvements,
12:32
they cannotne peux pas crosstraverser a barrierbarrière that was createdcréé by a lesionlésion on the spinalspinal cordcorde.
202
736239
5167
ils n'arrivent pas à franchir la barrière
créée par une lésion à la moelle épinière.
12:37
So our ideaidée is to createcréer a bypassBypass,
203
741406
2450
Alors notre idée est
de créer un détour,
12:39
is to use these brain-machinecerveau-machine interfacesinterfaces to readlis these signalssignaux,
204
743856
4032
d'utiliser ces interfaces cerveau-machine
pour lire ces signaux,
12:43
larger-scaleà plus grande échelle brainstormsremue-méninges that containcontenir the desireenvie to movebouge toi again,
205
747888
4050
des orages de cerveau à grande échelle qui contiennent le désir de bouger à nouveau,
12:47
bypassBypass the lesionlésion usingen utilisant computationalcalcul microengineeringmicrotechnique
206
751938
3969
de contourner la lésion en utilisant
un micro-procédé informatique
12:51
and sendenvoyer it to a newNouveau bodycorps, a wholeentier bodycorps calledappelé an exoskeletonexosquelette,
207
755907
7114
et de l'envoyer à un corps nouveau,
un corps entier appelé exosquelette,
12:58
a wholeentier roboticrobotique suitcostume that will becomedevenir the newNouveau bodycorps of these patientsles patients.
208
763021
5567
un costume robotique entier qui deviendra
le nouveau corps de ces patients.
13:04
And you can see an imageimage producedproduit by this consortiumConsortium.
209
768588
4126
Et vous voyez une image
produite par ce consortium.
13:08
This is a nonprofitnon lucratif consortiumConsortium calledappelé the WalkÀ pied Again ProjectProjet
210
772714
4059
Il s'agit d'un consortium sans but lucratif,
appelé le Projet Marcher à Nouveau,
13:12
that is puttingen mettant togetherensemble scientistsscientifiques from EuropeL’Europe,
211
776773
2783
qui rassemble des scientifiques d'Europe,
13:15
from here in the UnitedUnie StatesÉtats, and in BrazilBrésil
212
779556
1865
d'ici aux États-Unis et du Brésil
13:17
togetherensemble to work to actuallyréellement get this newNouveau bodycorps builtconstruit --
213
781421
4517
pour travailler à la réalisation
effective de ce nouveau corps --
13:21
a bodycorps that we believe, throughpar the sameMême plasticPlastique mechanismsmécanismes
214
785938
3334
un corps qui selon nous,
grâce aux mêmes mécanismes de plastique
13:25
that allowpermettre AuroraAurora and other monkeyssinges to use these toolsoutils throughpar a brain-machinecerveau-machine interfaceinterface
215
789272
5802
qui permettent à Aurora et à d'autres singes d'utiliser ces outils à l'aide d'une
interface cerveau-machine,
13:30
and that allowspermet us to incorporateincorporer the toolsoutils that we produceproduire and use in our dailydu quotidien life.
216
795074
5630
permette d'incorporer les outils que nous fabriquons et utilisons dans notre vie courante.
13:36
This sameMême mechanismmécanisme, we hopeespérer, will allowpermettre these patientsles patients,
217
800704
3684
Nous espérons que ce même mécanisme
permettra à ces patients
13:40
not only to imagineimaginer again the movementsmouvements that they want to make
218
804388
3768
non seulement d'imaginer à nouveau
les mouvements qu'ils souhaitent faire
13:44
and translateTraduire them into movementsmouvements of this newNouveau bodycorps,
219
808156
3207
et les traduire en mouvements
de ce nouveau corps,
13:47
but for this bodycorps to be assimilatedassimilés as the newNouveau bodycorps that the braincerveau controlscontrôles.
220
811363
6758
mais aussi d'assimiler ce nouveau corps contrôlé par le cerveau comme étant leur propre corps.
13:54
So I was told about 10 yearsannées agodepuis
221
818121
3851
Alors on m'a dit il y a environ 10 ans
13:57
that this would never happense produire, that this was closeFermer to impossibleimpossible.
222
821972
5066
que ça n'arriverait jamais,
que c'était quasiment impossible.
14:02
And I can only tell you that as a scientistscientifique,
223
827038
2451
Et je ne peux que vous dire
en tant que scientifique,
14:05
I grewgrandi up in southerndu sud BrazilBrésil in the mid-'milieu-'60s
224
829489
2986
que j'ai grandi dans la partie Sud
du Brésil au milieu des années 60
14:08
watchingen train de regarder a fewpeu crazyfou guys tellingrécit [us] that they would go to the MoonLune.
225
832475
5048
et je regardais quelques fous
qui nous disaient qu'ils iraient sur la lune.
14:13
And I was fivecinq yearsannées oldvieux,
226
837523
1461
J'avais alors cinq ans,
14:14
and I never understoodcompris why NASANASA didn't hirelouer CaptainCapitaine KirkKirk and SpockSpock to do the jobemploi;
227
838984
4240
et je n'ai jamais compris pourquoi la NASA n'a pas engagé le Capitaine Kirk et Spock pour faire ça ;
14:19
after all, they were very proficientutilisateur expérimenté --
228
843224
2432
après tout, ils étaient des experts --
14:21
but just seeingvoyant that as a kidenfant
229
845656
3450
mais le fait d'avoir vu ça
quand j'étais enfant
14:25
madefabriqué me believe, as my grandmothergrand-mère used to tell me,
230
849106
2985
m'a porté à croire,
comme ma grand-mère me disait,
14:27
that "impossibleimpossible is just the possiblepossible
231
852091
1845
que « ce qui est impossible est tout
simplement quelque chose de possible
14:29
that someoneQuelqu'un has not put in enoughassez efforteffort to make it come truevrai."
232
853936
3904
sans que quelqu'un n'aie fait l'effort
suffisant pour que ça se réalise. »
14:33
So they told me that it's impossibleimpossible to make someoneQuelqu'un walkmarche.
233
857840
3799
Donc, on m'a dit que c'est impossible
de faire marcher quelqu'un.
14:37
I think I'm going to followsuivre my grandmother'sgrand-mère adviceConseil.
234
861639
3251
Je pense que je vais suivre
le conseil de ma grand-mère.
14:40
Thank you.
235
864890
1450
Merci.
14:42
(ApplauseApplaudissements)
236
866340
8029
(Applaudissements)
Translated by Serge Pizot
Reviewed by Hichem Merouche

▲Back to top

ABOUT THE SPEAKER
Miguel Nicolelis - Neuroscientist
Miguel Nicolelis explores the limits of the brain-machine interface.

Why you should listen

At the Nicolelis Laboratory at Duke University, Miguel Nicolelis is best known for pioneering studies in neuronal population coding, Brain Machine Interfaces (BMI) and neuroprosthetics in human patients and non-human primates.His lab's work was seen, famously though a bit too briefly, when a brain-controlled exoskeleton from his lab helped Juliano Pinto, a paraplegic man, kick the first ball at the 2014 World Cup.

But his lab is thinking even bigger. They've developed an integrative approach to studying neurological disorders, including Parkinsons disease and epilepsy. The approach, they hope, will allow the integration of molecular, cellular, systems and behavioral data in the same animal, producing a more complete understanding of the nature of the neurophysiological alterations associated with these disorders. He's the author of the books Beyond Boundaries and The Relativistic Brain.

Miguel was honored as one of Foreign Policy's 2015 Global Thinkers.

More profile about the speaker
Miguel Nicolelis | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy