ABOUT THE SPEAKER
Mariano Sigman - Neuroscientist
In his provocative, mind-bending book "The Secret Life of the Mind," neuroscientist Mariano Sigman reveals his life’s work exploring the inner workings of the human brain.

Why you should listen

Mariano Sigman, a physicist by training, is a leading figure in the cognitive neuroscience of learning and decision making. Sigman was awarded a Human Frontiers Career Development Award, the National Prize of Physics, the Young Investigator Prize of "College de France," the IBM Scalable Data Analytics Award and is a scholar of the James S. McDonnell Foundation. In 2016 he was made a Laureate of the Pontifical Academy of Sciences.

In The Secret Life of the Mind, Sigman's ambition is to explain the mind so that we can understand ourselves and others more deeply. He shows how we form ideas during our first days of life, how we give shape to our fundamental decisions, how we dream and imagine, why we feel certain emotions, how the brain transforms and how who we are changes with it. Spanning biology, physics, mathematics, psychology, anthropology, linguistics, philosophy and medicine, as well as gastronomy, magic, music, chess, literature and art, The Secret Life of the Mind revolutionizes how neuroscience serves us in our lives, revealing how the infinity of neurons inside our brains manufacture how we perceive, reason, feel, dream and communicate.

More profile about the speaker
Mariano Sigman | Speaker | TED.com
TED2016

Mariano Sigman: Your words may predict your future mental health

Mariano Sigman: Vos mots pourront prédire votre future santé mentale

Filmed:
3,146,887 views

Est-ce que la façon dont vous parlez et écrivez aujourd'hui peut prédire votre état mental futur, et pourquoi pas un début de psychose ? Dans cette présentation fascinante, le neuroscientifique, Mariano Sigman prend exemple de la Grèce antique et des origines de l'introspection pour chercher comment nos mots révèlent notre vie intérieure et il présente en détail un algorithme de cartographie de mots qui peut prévoir le développement d'une schizophrénie. « Nous verrons peut-être dans le futur une forme très différente de santé mentale », dit-il, « basée sur l'analyse objective, quantitative, et automatisée des mots que l'on écrit, ou que l'on dit. »
- Neuroscientist
In his provocative, mind-bending book "The Secret Life of the Mind," neuroscientist Mariano Sigman reveals his life’s work exploring the inner workings of the human brain. Full bio

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

00:13
We have historicalhistorique recordsEnregistrements that allowpermettre us
to know how the ancientancien GreeksGrecs dressedhabillé,
0
1006
5150
Des preuves historiques nous permettent de
connaître les vêtements des Grecs anciens,
00:18
how they livedvivait,
1
6180
1254
leur manière de vivre,
00:19
how they foughtcombattu ...
2
7458
1522
leur façon de combattre,
00:21
but how did they think?
3
9004
1524
mais comment pensaient-ils ?
00:23
One naturalNaturel ideaidée is that the deepestle plus profond
aspectsaspects of humanHumain thought --
4
11432
4440
C'est un lieu commun de penser
que les aspects les plus profonds
de la pensée --
00:27
our abilitycapacité to imagineimaginer,
5
15896
1872
nos capacités à imaginer,
00:29
to be consciousconscient,
6
17792
1397
à être conscient,
00:31
to dreamrêver --
7
19213
1231
à rêver --
ont toujours été les mêmes.
00:32
have always been the sameMême.
8
20468
1619
00:34
AnotherUn autre possibilitypossibilité
9
22872
1499
Une autre possibilité
00:36
is that the socialsocial transformationstransformations
that have shapeden forme de our cultureCulture
10
24395
3723
est que les transformations sociales
qui ont façonné notre culture
peuvent aussi avoir changé
la structure même de la pensée humaine.
00:40
maymai have alsoaussi changedmodifié
the structuralde construction columnscolonnes of humanHumain thought.
11
28142
3785
00:44
We maymai all have differentdifférent
opinionsdes avis about this.
12
32911
2524
Nous pouvons tous avoir
un avis différent à ce sujet.
00:47
ActuallyEn fait, it's a long-standingde longue date
philosophicalphilosophique debatedébat.
13
35459
2717
En fait, c'est un débat philosophique
de longue date.
00:50
But is this questionquestion
even amenableaccommodable to sciencescience?
14
38644
2727
Mais peut-on poser
cette question à la science ?
00:54
Here I'd like to proposeproposer
15
42834
2506
Je voudrais vous proposer d'avoir
00:57
that in the sameMême way we can reconstructreconstruire
how the ancientancien GreekGrec citiesvilles lookedregardé
16
45364
4772
une approche similaire à la reconstruction
de la forme des anciennes villes grecques
01:02
just basedbasé on a fewpeu bricksbriques,
17
50160
2388
en se basant sur quelques briques,
01:04
that the writingsécrits of a cultureCulture
are the archaeologicalarchéologiques recordsEnregistrements,
18
52572
4126
et considérer les écrits
comme des indices archéologiques,
des fossiles, de la pensée humaine.
01:08
the fossilsfossiles, of humanHumain thought.
19
56722
2143
01:11
And in factfait,
20
59905
1174
Et en fait,
01:13
doing some formforme of psychologicalpsychologique analysisune analyse
21
61103
2206
par une sorte d'analyse psychologique
de quelques-uns des plus anciens livres
de la culture humaine,
01:15
of some of the mostles plus ancientancien
bookslivres of humanHumain cultureCulture,
22
63333
3544
Julian Jaynes formula dans les années 70
une hypothèse assez folle et radicale :
01:18
JulianJulian JaynesJaynes camevenu up in the '70s
with a very wildsauvage and radicalradical hypothesishypothèse:
23
66901
5955
qu'il y a seulement 3 000 ans,
01:24
that only 3,000 yearsannées agodepuis,
24
72880
2413
01:27
humanshumains were what todayaujourd'hui
we would call schizophrenicsschizophrènes.
25
75317
4888
les humains étaient ce que nous appelons
maintenant des schizophrènes.
01:33
And he madefabriqué this claimprétendre
26
81753
1508
Et il base son allégation
01:35
basedbasé on the factfait that the first
humanshumains describeddécrit in these bookslivres
27
83285
3301
sur le fait que les premiers humains
décrits dans ces livres
se comportent toujours,
01:38
behaveds’est comporté consistentlyconstamment,
28
86610
1904
01:40
in differentdifférent traditionstraditions
and in differentdifférent placesdes endroits of the worldmonde,
29
88538
3016
dans des traditions
et des lieux différents,
01:43
as if they were hearingaudition and obeyingobéissant à voicesvoix
30
91578
3532
comme s'ils entendaient des voix
et leur obéissaient,
car ils les percevaient
comme venant des dieux,
01:47
that they perceivedperçue
as comingvenir from the GodsDieux,
31
95134
3040
01:50
or from the musesMuses ...
32
98198
1198
ou des muses...
01:52
what todayaujourd'hui we would call hallucinationshallucinations.
33
100063
2769
Ce que nous appelons aujourd'hui
des hallucinations.
01:55
And only then, as time wentest allé on,
34
103888
2626
Et ce n'est que plus tard,
le temps passant,
01:58
they begana commencé to recognizereconnaître
that they were the creatorscréateurs,
35
106538
3651
qu'il commencèrent à reconnaitre
qu'ils étaient les créateurs,
02:02
the ownerspropriétaires of these innerinterne voicesvoix.
36
110213
2515
les émetteurs de ces voix intérieures.
02:05
And with this, they gainedgagné introspectionintrospection:
37
113316
2715
Et ainsi, ils trouvèrent l'introspection :
02:08
the abilitycapacité to think
about theirleur ownposséder thoughtspensées.
38
116055
2483
La capacité à réfléchir
à leurs propres pensées.
02:11
So Jaynes'sDe Jaynes theorythéorie is that consciousnessconscience,
39
119785
3397
Donc la théorie de Jaynes
est que la conscience,
02:15
at leastmoins in the way we perceivepercevoir it todayaujourd'hui,
40
123206
3166
au moins de la manière
dont nous la percevons aujourd'hui,
02:18
where we feel that we are the pilotspilotes
of our ownposséder existenceexistence --
41
126396
3540
où nous sentons que nous sommes
les pilotes de notre existence,
02:21
is a quiteassez recentrécent culturalculturel developmentdéveloppement.
42
129960
2737
est un développement culturel récent.
02:25
And this theorythéorie is quiteassez spectacularspectaculaire,
43
133456
1786
Cette théorie est plutôt étonnante,
02:27
but it has an obviousévident problemproblème
44
135266
1433
mais c'est évidemment biaisé
02:28
whichlequel is that it's builtconstruit on just a fewpeu
and very specificspécifique examplesexemples.
45
136723
3992
car elle est basée sur quelques exemples
très spécifiques seulement.
02:33
So the questionquestion is whetherqu'il s'agisse the theorythéorie
46
141085
1763
Donc il s'agit d'évaluer si
02:34
that introspectionintrospection builtconstruit up in humanHumain
historyhistoire only about 3,000 yearsannées agodepuis
47
142872
4751
l'introspection, arrivée
dans l'histoire humaine il y a 3 000 ans,
02:39
can be examinedexaminé in a quantitativequantitatif
and objectiveobjectif mannermanière.
48
147647
2984
peut être examinée de manière
quantitative et objective.
02:43
And the problemproblème of how
to go about this is quiteassez obviousévident.
49
151543
3563
Et le problème de savoir où aller
avec tout cela, est plutôt simple.
02:47
It's not like PlatoPlaton wokeréveillé up one day
and then he wrotea écrit,
50
155130
3460
Ce n'est pas comme si Platon
se réveillait un jour et écrivait :
02:50
"HelloSalut, I'm PlatoPlaton,
51
158614
1659
« Bonjour, je m'appelle Platon,
02:52
and as of todayaujourd'hui, I have
a fullypleinement introspectiveintrospective consciousnessconscience."
52
160297
2889
et depuis ce matin j'ai une pleine
conscience introspective. »
02:55
(LaughterRires)
53
163210
2293
(Rires)
02:57
And this tellsraconte us actuallyréellement
what is the essenceessence of the problemproblème.
54
165527
3333
Ceci nous révèle en fait
l'essence du problème.
03:01
We need to find the emergenceémergence
of a conceptconcept that's never said.
55
169467
4055
Nous devons trouver l'émergence
d'un concept qui ne s'est jamais déclaré.
03:06
The wordmot introspectionintrospection
does not appearapparaître a singleunique time
56
174434
4310
Le mot introspection n'apparaît pas
une seule fois
03:10
in the bookslivres we want to analyzeanalyser.
57
178768
1919
dans les livres que l'on veut analyser.
03:13
So our way to solverésoudre this
is to buildconstruire the spaceespace of wordsmots.
58
181728
4087
Donc la façon de résoudre ceci
est de construire l'espace des mots.
03:18
This is a hugeénorme spaceespace
that containscontient all wordsmots
59
186571
3287
C'est un énorme espace
contenant tous les mots
de manière que la distance
entre deux d'entre eux
03:21
in suchtel a way that the distancedistance
betweenentre any two of them
60
189882
2802
03:24
is indicativeIndicatif of how
closelyétroitement relateden relation they are.
61
192708
2883
indique leur degré de relation.
03:28
So for instanceexemple,
62
196460
1151
Par exemple,
03:29
you want the wordsmots "dogchien" and "catchat"
to be very closeFermer togetherensemble,
63
197635
2897
les mots « chien » et « chat »
seront très proches,
03:32
but the wordsmots "grapefruitpamplemousse" and "logarithmlogarithme"
to be very farloin away.
64
200556
3831
mais les mots « pamplemousse »
et « logarithme » seront très éloignés.
03:36
And this has to be truevrai
for any two wordsmots withindans the spaceespace.
65
204809
3896
et ceci doit être vrai quels que soient
les deux mots de l'espace.
03:41
And there are differentdifférent waysfaçons
that we can constructconstruction the spaceespace of wordsmots.
66
209626
3341
Nous pouvons construire l'espace des mots
de différentes manières.
03:44
One is just askingdemandant the expertsexperts,
67
212991
1643
Simplement demander aux experts,
03:46
a bitbit like we do with dictionariesdictionnaires.
68
214658
1896
comme on le fait avec un dictionnaire.
03:48
AnotherUn autre possibilitypossibilité
69
216896
1428
Ou une autre possibilité
03:50
is followingSuivant the simplesimple assumptionsupposition
that when two wordsmots are relateden relation,
70
218348
3715
est de suivre la simple idée
que lorsque deux mots sont liés,
03:54
they tendtendre to appearapparaître in the sameMême sentencesphrases,
71
222087
2349
ils ont tendance à être
dans les mêmes phrases,
03:56
in the sameMême paragraphsparagraphes,
72
224460
1453
dans les mêmes paragraphes,
03:57
in the sameMême documentsdes documents,
73
225937
1770
dans les mêmes documents,
03:59
more oftensouvent than would be expectedattendu
just by purepur chancechance.
74
227731
3182
plus souvent
que s'ils l'étaient par hasard.
04:04
And this simplesimple hypothesishypothèse,
75
232231
2050
Et cette simple hypothèse,
04:06
this simplesimple methodméthode,
76
234305
1306
cette méthode simple,
04:07
with some computationalcalcul tricksdes trucs
77
235635
1607
avec quelques trucs de calcul
04:09
that have to do with the factfait
78
237266
1389
qui sont dus au fait
04:10
that this is a very complexcomplexe
and high-dimensionalhaute dimension spaceespace,
79
238679
3064
que c'est un espace multidimensionnel
très complexe,
04:13
turnsse tourne out to be quiteassez effectiveefficace.
80
241767
1665
s'est révélée très efficace.
04:16
And just to give you a flavorsaveur
of how well this workstravaux,
81
244155
2802
Pour vous donner un aperçu
de son efficacité,
04:18
this is the resultrésultat we get when
we analyzeanalyser this for some familiarfamilier wordsmots.
82
246981
3912
voici le résultat que nous avons obtenu
lors d'une analyse de mots familiers.
04:23
And you can see first
83
251607
1185
Vous pouvez d'abord voir
04:24
that wordsmots automaticallyautomatiquement organizeorganiser
into semanticsémantique neighborhoodsquartiers.
84
252816
3278
que les mots s'organisent automatiquement
en voisinages sémantiques.
04:28
So you get the fruitsfruits, the bodycorps partsles pièces,
85
256118
2217
On a donc les fruits,
les parties du corps,
les pièces d'ordinateur,
les termes scientifiques...
04:30
the computerordinateur partsles pièces,
the scientificscientifique termstermes and so on.
86
258359
2425
04:33
The algorithmalgorithme de alsoaussi identifiesidentifie
that we organizeorganiser conceptsconcepts in a hierarchyhiérarchie.
87
261119
4222
L'algorithme identifie que nous organisons
les concepts hiérarchiquement.
04:37
So for instanceexemple,
88
265852
1151
Par exemple,
vous voyez que les termes scientifiques
se coupent en deux sous-catégories :
04:39
you can see that the scientificscientifique termstermes
breakPause down into two subcategoriessous-catégories
89
267027
3597
04:42
of the astronomicastronomique and the physicsla physique termstermes.
90
270648
2100
les termes astronomiques et physiques.
04:45
And then there are very fine things.
91
273338
2246
Et il y a ensuite des choses très fines.
04:47
For instanceexemple, the wordmot astronomyastronomie,
92
275608
1905
Par exemple, le mot astronomie,
04:49
whichlequel seemssemble a bitbit bizarrebizarre where it is,
93
277537
1815
qui semble être bizarrement placé,
04:51
is actuallyréellement exactlyexactement where it should be,
94
279376
2048
est en fait exactement là où il doit être,
04:53
betweenentre what it is,
95
281448
1595
entre ce qu'il est :
une science exacte,
04:55
an actualréel sciencescience,
96
283067
1270
04:56
and betweenentre what it describesdécrit,
97
284361
1536
et ce qu'il décrit :
les termes astronomiques.
04:57
the astronomicalastronomique termstermes.
98
285921
1492
05:00
And we could go on and on with this.
99
288182
1891
Et nous pouvons continuer sans cesse.
05:02
ActuallyEn fait, if you stareregard
at this for a while,
100
290097
2060
En fait, si vous observez
pendant un moment,
05:04
and you just buildconstruire randomau hasard trajectoriestrajectoires,
101
292181
1858
et suivez des trajectoires aléatoires,
vous verriez que cela donne l'impression
de faire de la poésie.
05:06
you will see that it actuallyréellement feelsse sent
a bitbit like doing poetrypoésie.
102
294063
3166
05:10
And this is because, in a way,
103
298018
1882
C'est parce que, dans un sens,
05:11
walkingen marchant in this spaceespace
is like walkingen marchant in the mindesprit.
104
299924
2940
parcourir cet espace est comme
parcourir notre pensée.
05:16
And the last thing
105
304027
1617
Et le dernier point
05:17
is that this algorithmalgorithme de alsoaussi identifiesidentifie
what are our intuitionsintuitions,
106
305668
4040
est que cet algorithme identifie aussi
ce que sont nos intuitions,
05:21
of whichlequel wordsmots should leadconduire
in the neighborhoodquartier of introspectionintrospection.
107
309732
3896
de quels mots devraient nous conduire
dans le voisinage de l'introspection.
05:25
So for instanceexemple,
108
313652
1223
Par exemple,
05:26
wordsmots suchtel as "selfsoi," "guiltculpabilité,"
"reasonraison," "emotionémotion,"
109
314899
3979
les mots comme « soi-même », « coupable »,
« raison », « émotion »,
05:30
are very closeFermer to "introspectionintrospection,"
110
318902
1889
sont très près de « introspection »,
05:32
but other wordsmots,
111
320815
1151
mais d'autres mots,
comme « rouge », « football »,
« bougie », « banane »,
05:33
suchtel as "redrouge," "footballFootball,"
"candlebougie," "bananabanane,"
112
321990
2167
05:36
are just very farloin away.
113
324181
1452
sont simplement très loin.
05:38
And so onceune fois que we'venous avons builtconstruit the spaceespace,
114
326054
2762
Donc, une fois l'espace construit,
05:40
the questionquestion of the historyhistoire
of introspectionintrospection,
115
328840
2826
la question de l'histoire
de l'introspection,
05:43
or of the historyhistoire of any conceptconcept
116
331690
2333
ou de l'histoire de n'importe quel concept
05:46
whichlequel before could seemsembler abstractabstrait
and somehowen quelque sorte vaguevague,
117
334047
4779
qui pouvait auparavant être abstraite
ou quelque peu vague,
05:50
becomesdevient concretebéton --
118
338850
1604
devient concrète,
05:52
becomesdevient amenableaccommodable to quantitativequantitatif sciencescience.
119
340478
2738
devient posable à la science quantitative.
05:56
All that we have to do is take the bookslivres,
120
344216
2762
Ce qu'il nous reste à faire
est de prendre les livres,
05:59
we digitizenumériser them,
121
347002
1381
de les numériser,
06:00
and we take this streamcourant
of wordsmots as a trajectorytrajectoire
122
348407
2809
et nous prenons ce flux de mots
comme une trajectoire
06:03
and projectprojet them into the spaceespace,
123
351240
1969
que nous projetons dans l'espace,
06:05
and then we askdemander whetherqu'il s'agisse this trajectorytrajectoire
spendsdépense significantimportant time
124
353233
3754
puis nous regardons si cette trajectoire
passe un temps significatif
tout autour du concept d'introspection.
06:09
circlingencerclant closelyétroitement to the conceptconcept
of introspectionintrospection.
125
357011
2992
06:12
And with this,
126
360760
1196
Et avec ceci,
06:13
we could analyzeanalyser
the historyhistoire of introspectionintrospection
127
361980
2112
on peut tracer l'histoire
de l'introspection
06:16
in the ancientancien GreekGrec traditiontradition,
128
364116
1921
dans la tradition de la grecque antique,
pour laquelle les meilleures
traces écrites sont disponibles.
06:18
for whichlequel we have the bestmeilleur
availabledisponible writtenécrit recordrecord.
129
366061
2602
06:21
So what we did is we tooka pris all the bookslivres --
130
369631
2255
Nous avons donc pris tous les livres,
06:23
we just orderedcommandé them by time --
131
371910
2284
nous les avons ordonnés chronologiquement,
06:26
for eachchaque booklivre we take the wordsmots
132
374218
1752
et pour chacun, on a pris les mots
et les avons projetés dans l'espace,
06:27
and we projectprojet them to the spaceespace,
133
375994
1961
nous avons demandé pour chacun
sa distance à « introspection »,
06:29
and then we askdemander for eachchaque wordmot
how closeFermer it is to introspectionintrospection,
134
377979
3032
06:33
and we just averagemoyenne that.
135
381035
1230
et avons fait la moyenne.
06:34
And then we askdemander whetherqu'il s'agisse,
as time goesva on and on,
136
382590
3198
Puis nous avons regardé si,
avec le temps,
06:37
these bookslivres get closerplus proche,
and closerplus proche and closerplus proche
137
385812
3252
ces livres se rapprochaient
06:41
to the conceptconcept of introspectionintrospection.
138
389088
1754
du concept d'introspection.
06:42
And this is exactlyexactement what happensarrive
in the ancientancien GreekGrec traditiontradition.
139
390866
3801
Et c'est exactement ce qui est arrivé
dans la tradition de la grecque antique.
06:47
So you can see that for the oldestplus ancienne bookslivres
in the HomericHomérique traditiontradition,
140
395698
3127
Vous pouvez voir que pour les plus vieux
livres d'Homère,
06:50
there is a smallpetit increaseaugmenter with bookslivres
gettingobtenir closerplus proche to introspectionintrospection.
141
398849
3412
il y a une légère progression des livres
vers l'introspection
06:54
But about fourquatre centuriesdes siècles before ChristChrist,
142
402285
2206
Mais environ 4 siècles avant notre ère,
06:56
this startsdéparts rampingmontée en puissance up very rapidlyrapidement
to an almostpresque five-foldcinq fois increaseaugmenter
143
404515
4708
cela commence à monter très rapidement,
presque d'un facteur 5,
07:01
of bookslivres gettingobtenir closerplus proche,
and closerplus proche and closerplus proche
144
409247
2500
pour des livres se rapprochant
de plus en plus
07:03
to the conceptconcept of introspectionintrospection.
145
411771
1682
du concept d'introspection.
07:06
And one of the niceagréable things about this
146
414159
2424
Et ce qui est sympathique,
07:08
is that now we can askdemander
147
416607
1198
est que maintenant
07:09
whetherqu'il s'agisse this is alsoaussi truevrai
in a differentdifférent, independentindépendant traditiontradition.
148
417829
4147
on peut savoir si c'est aussi vrai dans
une tradition différente, indépendante.
07:14
So we just rancouru this sameMême analysisune analyse
on the Judeo-ChristianJudéo-chrétienne traditiontradition,
149
422962
3176
Donc nous avons lancé cette analyse
sur le corpus judéo-chrétien,
07:18
and we got virtuallyvirtuellement the sameMême patternmodèle.
150
426162
2721
et nous avons eu à peu près
le même schéma.
07:21
Again, you see a smallpetit increaseaugmenter
for the oldestplus ancienne bookslivres in the OldVieux TestamentTestament,
151
429548
4635
Là aussi, on voit un léger accroissement
dans les livres de l'Ancien Testament,
07:26
and then it increasesaugmente much more rapidlyrapidement
152
434207
1914
puis ça monte beaucoup plus rapidement
07:28
in the newNouveau bookslivres of the NewNouveau TestamentTestament.
153
436145
1839
dans les livres du Nouveau Testament.
07:30
And then we get the peakde pointe of introspectionintrospection
154
438008
2032
Puis nous avons un pic d'introspection
07:32
in "The ConfessionsAveux of SaintSaint AugustineAugustine,"
155
440064
2127
dans « Les Confessions
de Saint Augustin »,
07:34
about fourquatre centuriesdes siècles after ChristChrist.
156
442215
1857
environ 4 siècles après Jésus Christ.
07:36
And this was very importantimportant,
157
444897
1944
Et c'est très important,
07:38
because SaintSaint AugustineAugustine
had been recognizedreconnu by scholarssavants,
158
446865
3373
car Saint Augustin,
a été reconnu par les universitaires,
07:42
philologistsphilologues, historianshistoriens,
159
450262
2172
les philologues, les historiens,
07:44
as one of the foundersfondateurs of introspectionintrospection.
160
452458
2078
comme l'un des fondateurs
de l'introspection.
07:47
ActuallyEn fait, some believe him to be
the fatherpère of modernmoderne psychologypsychologie.
161
455060
3297
En fait, certains pensent qu'il est
le père de la psychologie moderne.
07:51
So our algorithmalgorithme de,
162
459012
1839
Donc notre algorithme,
07:52
whichlequel has the virtuevertu
of beingétant quantitativequantitatif,
163
460875
2842
qui a la vertu d'être quantitatif,
07:55
of beingétant objectiveobjectif,
164
463741
1263
d'être objectif,
07:57
and of coursecours of beingétant extremelyextrêmement fastvite --
165
465028
2016
et bien sûr d'être très rapide,
07:59
it just runsfonctionne in a fractionfraction of a secondseconde --
166
467068
2397
il tourne en une fraction de seconde,
08:01
can captureCapturer some of the mostles plus
importantimportant conclusionsconclusions
167
469489
3503
peut mettre en évidence
les conclusions les plus importantes
08:05
of this long traditiontradition of investigationenquête.
168
473016
2222
de ces investigations de longue date.
08:08
And this is in a way
one of the beautiesbeautés of sciencescience,
169
476317
3651
Et c'est une des beautés de la science,
08:11
whichlequel is that now this ideaidée
can be translatedtraduit
170
479992
3476
que cette idée puisse
maintenant être transposée
08:15
and generalizedgénéralisées to a wholeentier lot
of differentdifférent domainsdomaines.
171
483492
2571
et généralisée à un grand nombre
de domaines.
08:18
So in the sameMême way that we askeda demandé
about the pastpassé of humanHumain consciousnessconscience,
172
486769
4767
Donc de la même manière que nous avons
cherché le passé de la conscience humaine,
08:23
maybe the mostles plus challengingdifficile questionquestion
we can posepose to ourselvesnous-mêmes
173
491560
3406
nous pouvons nous poser peut-être
le plus grand défi qu'il soit,
08:26
is whetherqu'il s'agisse this can tell us something
about the futureavenir of our ownposséder consciousnessconscience.
174
494990
4137
de savoir si ça peut nous dire quelque
chose sur le futur de notre conscience.
08:31
To put it more preciselyprécisément,
175
499550
1470
Pour être plus précis,
08:33
whetherqu'il s'agisse the wordsmots we say todayaujourd'hui
176
501044
2416
si les mots que nous utilisons aujourd'hui
08:35
can tell us something
of where our mindsesprits will be in a fewpeu daysjournées,
177
503484
5197
peuvent nous prédire où sera notre esprit
dans quelques jours,
08:40
in a fewpeu monthsmois
178
508705
1151
quelques mois,
08:41
or a fewpeu yearsannées from now.
179
509880
1182
ou quelques années.
08:43
And in the sameMême way manybeaucoup of us
are now wearingportant sensorscapteurs
180
511597
3020
Et de la même manière que certains
qui portent des capteurs
08:46
that detectdétecter our heartcœur ratetaux,
181
514641
1786
pour détecter leur pouls,
08:48
our respirationrespiration,
182
516451
1269
leur respiration,
08:49
our genesgènes,
183
517744
1667
leurs gènes,
08:51
on the hopesespère that this maymai
help us preventprévenir diseasesmaladies,
184
519435
3651
dans l'espoir que ça leur permette
d'éviter des maladies,
nous pouvons nous demander
si analyser les mots quand on parle
08:55
we can askdemander whetherqu'il s'agisse monitoringsurveillance
and analyzinganalyse the wordsmots we speakparler,
185
523110
3521
08:58
we tweetTweet, we emailemail, we writeécrire,
186
526655
2683
quand on fait des tweets, des e-mails,
quand on écrit,
09:01
can tell us aheaddevant of time whetherqu'il s'agisse
something maymai go wrongfaux with our mindsesprits.
187
529362
4808
peut nous prédire si quelque chose
peut aller plus mal dans notre esprit.
09:07
And with GuillermoGuillermo CecchiCecchi,
188
535087
1534
Et avec Guillaume Cecchi,
09:08
who has been my brotherfrère in this adventureaventure,
189
536645
3001
qui a été mon frère dans cette aventure,
09:11
we tooka pris on this tasktâche.
190
539670
1555
nous nous sommes attelés à la tâche.
09:14
And we did so by analyzinganalyse
the recordedenregistré speechdiscours of 34 youngJeune people
191
542228
5532
Nous l'avons fait en analysant
l'enregistrement de 34 jeunes
09:19
who were at a highhaute riskrisque
of developingdéveloppement schizophreniaschizophrénie.
192
547784
2801
qui avaient un risque élevé
de schizophrénie.
09:23
And so what we did is,
we measuredmesuré speechdiscours at day one,
193
551434
2881
Nous avons mesuré
leurs discours le premier jour,
09:26
and then we askeda demandé whetherqu'il s'agisse the propertiesPropriétés
of the speechdiscours could predictprédire,
194
554339
3242
puis nous avons demandé si
leurs caractéristiques pouvaient prédire,
09:29
withindans a windowfenêtre of almostpresque threeTrois yearsannées,
195
557605
2496
à environ 3 ans,
09:32
the futureavenir developmentdéveloppement of psychosispsychose.
196
560125
2035
le développement futur de leur psychose.
09:35
But despitemalgré our hopesespère,
197
563427
2366
Mais malheureusement,
09:37
we got failureéchec after failureéchec.
198
565817
3117
ce fut échec sur échec.
09:41
There was just not enoughassez
informationinformation in semanticssémantique
199
569793
3882
Il n'y avait pas assez d'information
de sémantique
09:45
to predictprédire the futureavenir
organizationorganisation of the mindesprit.
200
573699
2793
pour prédire l'organisation
future de la pensée.
09:48
It was good enoughassez
201
576516
1809
C'était par contre assez bon
09:50
to distinguishdistinguer betweenentre a groupgroupe
of schizophrenicsschizophrènes and a controlcontrôle groupgroupe,
202
578349
4175
pour faire la distinction entre un groupe
de schizophrènes et un groupe témoin,
09:54
a bitbit like we had doneterminé
for the ancientancien textstextes,
203
582548
2712
un peu comme nous l'avons fait,
pour les textes anciens,
mais pas assez pour prédire un futur
démarrage de la psychose.
09:57
but not to predictprédire the futureavenir
onsetdébut of psychosispsychose.
204
585284
2994
10:01
But then we realizedréalisé
205
589164
1706
Nous avons alors réalisé
10:02
that maybe the mostles plus importantimportant thing
was not so much what they were sayingen disant,
206
590894
4088
que peut-être la chose la plus importante
n'était pas ce qu'ils disaient,
10:07
but how they were sayingen disant it.
207
595006
1673
mais comment ils le disaient.
10:09
More specificallyPlus précisément,
208
597679
1220
Plus précisément,
10:10
it was not in whichlequel semanticsémantique
neighborhoodsquartiers the wordsmots were,
209
598923
2827
ce n'était pas le champ sémantique
où étaient les mots,
10:13
but how farloin and fastvite they jumpedsauté
210
601774
2600
mais la distance et la rapidité de passage
10:16
from one semanticsémantique neighborhoodquartier
to the other one.
211
604398
2301
d'un champ sémantique à l'autre.
10:19
And so we camevenu up with this measuremesure,
212
607247
1731
Donc on est arrivés à cette mesure,
10:21
whichlequel we termedqualifié de semanticsémantique coherencela cohérence,
213
609002
2389
que nous appelons la cohérence sémantique,
10:23
whichlequel essentiallyessentiellement measuresles mesures the persistencepersistance
of speechdiscours withindans one semanticsémantique topicsujet,
214
611415
4804
qui mesure surtout la persistance
du discours dans un sujet sémantique,
d'une catégorie sémantique.
10:28
withindans one semanticsémantique categoryCatégorie.
215
616243
1529
10:31
And it turnedtourné out to be
that for this groupgroupe of 34 people,
216
619294
4047
Et il se révéla que pour ce groupe
de 34 personnes,
10:35
the algorithmalgorithme de basedbasé on semanticsémantique
coherencela cohérence could predictprédire,
217
623365
3659
l'algorithme basé sur la cohérence
sémantique a pu prédire,
10:39
with 100 percentpour cent accuracyprécision,
218
627048
2500
à 100%,
10:41
who developeddéveloppé psychosispsychose and who will not.
219
629572
2507
qui développa une psychose et qui non.
10:44
And this was something
that could not be achievedatteint --
220
632976
2937
Ceci est quelque chose
qui n'a pas pu être réalisé,
10:47
not even closeFermer --
221
635937
1508
et de loin,
10:49
with all the other
existingexistant clinicalclinique measuresles mesures.
222
637469
3126
avec n'importe quelle autre
mesure clinique existante.
10:54
And I rememberrappelles toi vividlyvivement,
while I was workingtravail on this,
223
642525
3579
Et je me souviens très bien,
quand je travaillais là-dessus,
10:58
I was sittingséance at my computerordinateur
224
646128
2317
j'étais assis devant mon ordinateur
11:00
and I saw a bunchbouquet of tweetsTweets by PoloPolo --
225
648469
2635
et j'ai vu un flot de tweets de Polo,
11:03
PoloPolo had been my first studentétudiant
back in BuenosBuenos AiresAires,
226
651128
3167
Polo était mon premier étudiant
à Buenos Aires,
11:06
and at the time
he was livingvivant in NewNouveau YorkYork.
227
654319
2070
et pendant qu'il vivait à New-York.
11:08
And there was something in this tweetsTweets --
228
656413
2088
Il y avait quelque chose dans ses tweets,
11:10
I could not tell exactlyexactement what
because nothing was said explicitlyexplicitement --
229
658525
3501
je ne pouvais pas dire quoi,
car ce n'était pas explicite,
11:14
but I got this strongfort hunchintuition,
230
662050
2021
mais j'ai eu ce fort pressentiment,
11:16
this strongfort intuitionintuition,
that something was going wrongfaux.
231
664095
2955
cette intuition forte
que quelque chose n'allait pas.
11:20
So I pickedchoisi up the phonetéléphone,
and I calledappelé PoloPolo,
232
668347
2723
Donc j'ai appelé Polo,
11:23
and in factfait he was not feelingsentiment well.
233
671094
1919
il n'allait pas très bien.
11:25
And this simplesimple factfait,
234
673362
1937
Et ce simple fait,
11:27
that readingen train de lire in betweenentre the lineslignes,
235
675323
2491
qu'en lisant entre les lignes,
11:29
I could sensesens,
throughpar wordsmots, his feelingssentiments,
236
677838
4262
j'ai pu deviner ses sensations,
à travers les mots
11:34
was a simplesimple, but very
effectiveefficace way to help.
237
682124
2619
était un moyen simple
et efficace pour l'aider.
11:37
What I tell you todayaujourd'hui
238
685987
1638
Ce que je vous dis aujourd'hui,
11:39
is that we're gettingobtenir
closeFermer to understandingcompréhension
239
687649
2508
c'est que nous sommes de comprendre
11:42
how we can convertconvertir this intuitionintuition
that we all have,
240
690181
4286
comment convertir cette intuition,
que nous avons tous,
11:46
that we all sharepartager,
241
694491
1365
que nous partageons tous,
11:47
into an algorithmalgorithme de.
242
695880
1197
en un algorithme.
11:50
And in doing so,
243
698102
1461
Et ce faisant,
11:51
we maymai be seeingvoyant in the futureavenir
a very differentdifférent formforme of mentalmental healthsanté,
244
699587
4650
nous verrons peut-être dans le futur
une forme différente de santé mentale,
11:56
basedbasé on objectiveobjectif, quantitativequantitatif
and automatedautomatique analysisune analyse
245
704261
5621
basée sur l'analyse objective,
quantitative et automatisée
12:01
of the wordsmots we writeécrire,
246
709906
1709
des mots que l'on écrit,
12:03
of the wordsmots we say.
247
711639
1537
et des mots que l'on dit.
Merci.
12:05
GraciasGracias.
248
713200
1151
12:06
(ApplauseApplaudissements)
249
714375
6883
(Applaudissements)
Translated by Francois Girod
Reviewed by Morgane Quilfen

▲Back to top

ABOUT THE SPEAKER
Mariano Sigman - Neuroscientist
In his provocative, mind-bending book "The Secret Life of the Mind," neuroscientist Mariano Sigman reveals his life’s work exploring the inner workings of the human brain.

Why you should listen

Mariano Sigman, a physicist by training, is a leading figure in the cognitive neuroscience of learning and decision making. Sigman was awarded a Human Frontiers Career Development Award, the National Prize of Physics, the Young Investigator Prize of "College de France," the IBM Scalable Data Analytics Award and is a scholar of the James S. McDonnell Foundation. In 2016 he was made a Laureate of the Pontifical Academy of Sciences.

In The Secret Life of the Mind, Sigman's ambition is to explain the mind so that we can understand ourselves and others more deeply. He shows how we form ideas during our first days of life, how we give shape to our fundamental decisions, how we dream and imagine, why we feel certain emotions, how the brain transforms and how who we are changes with it. Spanning biology, physics, mathematics, psychology, anthropology, linguistics, philosophy and medicine, as well as gastronomy, magic, music, chess, literature and art, The Secret Life of the Mind revolutionizes how neuroscience serves us in our lives, revealing how the infinity of neurons inside our brains manufacture how we perceive, reason, feel, dream and communicate.

More profile about the speaker
Mariano Sigman | Speaker | TED.com