ABOUT THE SPEAKER
Daniel Wolpert - Movement expert
A neuroscientist and engineer, Daniel Wolpert studies how the brain controls the body.

Why you should listen

Consider your hand. You use it to lift things, to balance yourself, to give and take, to sense the world. It has a range of interacting degrees of freedom, and it interacts with many different objects under a variety of environmental conditions. And for most of us, it all just works. At his lab in the Engineering department at Cambridge, Daniel Wolpert and his team are studying why, looking to understand the computations underlying the brain's sensorimotor control of the body.

As he says, "I believe that to understand movement is to understand the whole brain. And therefore it’s important to remember when you are studying memory, cognition, sensory processing, they’re there for a reason, and that reason is action.”  Movement is the only way we have of interacting with the world, whether foraging for food or attracting a waiter's attention. Indeed, all communication, including speech, sign language, gestures and writing, is mediated via the motor system. Taking this viewpoint, and using computational and robotic techniques as well as virtual reality systems, Wolpert and his team research the purpose of the human brain and the way it determines future actions.

 

 

More profile about the speaker
Daniel Wolpert | Speaker | TED.com
TEDGlobal 2011

Daniel Wolpert: The real reason for brains

Daniel Wolpert: Miért is van valójában agyunk

Filmed:
1,994,993 views

Daniel Wolpert neurológus egy meglepő feltevéssel indít: agyunk nem azért fejlődött ki, hogy gondolkozzunk, vagy érezzünk, hanem hogy a mozgásunkat irányítsa. Ebben a szórakoztató és információban gazdag előadásban betekintést nyújt abba, hogy agyunk hogyan is hozza létre az emberi mozgás kecsességét és gyorsaságát.
- Movement expert
A neuroscientist and engineer, Daniel Wolpert studies how the brain controls the body. Full bio

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

00:15
I'm a neuroscientistneurológus.
0
0
2000
Neurológus vagyok.
00:17
And in neuroscienceidegtudomány,
1
2000
2000
És az idegtudományban nagyon sokféle
00:19
we have to dealüzlet with manysok difficultnehéz questionskérdések about the brainagy.
2
4000
3000
kérdéssel kell foglalkozunk az agyat illetően.
00:22
But I want to startRajt with the easiestlegegyszerűbb questionkérdés
3
7000
2000
Én azonban a legegyszerűbbel szeretném elkezdeni,
00:24
and the questionkérdés you really should have all askedkérdezte yourselvesmagatok at some pointpont in your life,
4
9000
3000
mégpedig azzal, amelyet életünk valamely pontján
00:27
because it's a fundamentalalapvető questionkérdés
5
12000
2000
mindannyian felteszünk magunknak,
00:29
if we want to understandmegért brainagy functionfunkció.
6
14000
2000
mert annyira alapvető, ha meg akarjuk érteni az agy funkcióját.
00:31
And that is, why do we and other animalsállatok
7
16000
2000
A kérdés a következő: miért van az, hogy nekünk
00:33
have brainsagyvelő?
8
18000
2000
és más állatoknak is van agyunk?
00:35
Not all speciesfaj on our planetbolygó have brainsagyvelő,
9
20000
3000
A földön nem minden állatfajnak van agya,
00:38
so if we want to know what the brainagy is for,
10
23000
2000
úgyhogy ha meg akarjuk tudni, hogy az agy mire való,
00:40
let's think about why we evolvedfejlődött one.
11
25000
2000
gondolkozzunk el azon, hogy miért is fejlesztettük ki!
00:42
Now you maylehet reasonok that we have one
12
27000
2000
Érvelhetnek azzal, hogy azért fejlesztettük ki,
00:44
to perceiveérzékeli the worldvilág or to think,
13
29000
2000
hogy felfogjuk a világot, vagy, hogy gondolkozzunk,
00:46
and that's completelyteljesen wrongrossz.
14
31000
2000
és ez teljesen téves!
00:48
If you think about this questionkérdés for any lengthhossz of time,
15
33000
3000
Akármeddig is gondolkodunk ezen a kérdésen,
00:51
it's blindinglyvakítóan obviousnyilvánvaló why we have a brainagy.
16
36000
2000
vakítóan szembetűnő, hogy miért is van agyunk.
00:53
We have a brainagy for one reasonok and one reasonok only,
17
38000
3000
Egy és csakis egy ok miatt van az agyunk:
00:56
and that's to producegyárt adaptablealkalmazható and complexösszetett movementsmozgások.
18
41000
3000
hogy alkalmazkodó és összetett mozgásokat hajthassunk végre.
00:59
There is no other reasonok to have a brainagy.
19
44000
2000
Semmi más oka nincs annak, hogy agyunk van.
01:01
Think about it.
20
46000
2000
Gondolják csak végig!
01:03
MovementMozgás is the only way you have
21
48000
2000
A mozgás az egyetlen lehetséges mód arra,
01:05
of affectingérintő the worldvilág around you.
22
50000
2000
hogy a körülöttünk lévő világra hatással legyünk.
01:07
Now that's not quiteegészen trueigaz. There's one other way, and that's throughkeresztül sweatingizzadás.
23
52000
3000
Jó, azért ez nem teljesen igaz, mert van még egy mód: az izzadás.
01:10
But aparteltekintve from that,
24
55000
2000
De ettől eltekintve
01:12
everything elsemás goesmegy throughkeresztül contractionsösszehúzódások of musclesizmok.
25
57000
2000
minden az izmok összehúzódása által megy végbe.
01:14
So think about communicationközlés --
26
59000
2000
Gondoljanak csak a kommunikációra --
01:16
speechbeszéd, gesturesgesztusok, writingírás, signjel languagenyelv --
27
61000
3000
a beszédre, a gesztikulációkra, az írásra, a jelbeszédre --
01:19
they're all mediatedközvetített throughkeresztül contractionsösszehúzódások of your musclesizmok.
28
64000
3000
ezeket mind az izmok összehúzódása viszi végbe.
01:22
So it's really importantfontos to rememberemlékezik
29
67000
2000
Ezért nagyon fontos fejben tartani azt,
01:24
that sensoryszenzoros, memorymemória and cognitivemegismerő processesfolyamatok are all importantfontos,
30
69000
4000
hogy mind az érzékszervi, mind a memória és a kognitív folyamatok nagyon fontosak ugyan,
01:28
but they're only importantfontos
31
73000
2000
de kizárólag avégett, hogy vagy előidézzenek,
01:30
to eitherbármelyik drivehajtás or suppresselnyom futurejövő movementsmozgások.
32
75000
2000
vagy megszüntessenek jövőbeli mozdulatokat.
01:32
There can be no evolutionaryevolúciós advantageelőny
33
77000
2000
Nem származhat evolúciós értelemben előny abból,
01:34
to layingmegállapításáról szóló down memoriesmemóriák of childhoodgyermekkor
34
79000
2000
hogy memórianyomokat őrizgessünk gyermekkorunkból
01:36
or perceivingészrevette the colorszín of a roserózsa
35
81000
2000
egy rózsa színéről, amennyiben az nem befolyásolja
01:38
if it doesn't affectérint the way you're going to movemozog latera későbbiekben in life.
36
83000
3000
a mozgásunkat későbbi életünk során.
01:41
Now for those who don't believe this argumentérv,
37
86000
2000
Nos, azok számára, akik nem bíznak az ilyesfajta érvelésben,
01:43
we have treesfák and grass on our planetbolygó withoutnélkül the brainagy,
38
88000
2000
ott vannak a földünkön élő fák és füvek agy nélkül,
01:45
but the clinchingmezőnyében evidencebizonyíték is this animalállat here --
39
90000
2000
de az összekötőkapocsként szolgáló bizonyíték inkább ez az állat itt --
01:47
the humblealázatos seatenger squirtSpricc.
40
92000
2000
a szerény tengeri zsákállat.
01:49
RudimentaryKezdetleges animalállat, has a nervousideges systemrendszer,
41
94000
3000
Kezdetleges állat, van idegrendszere,
01:52
swimsúszik around in the oceanóceán in its juvenilefiatalkori life.
42
97000
2000
úszkál körbe az óceánban fiatalkorában.
01:54
And at some pointpont of its life,
43
99000
2000
És élete egy bizonyos pontján
01:56
it implantsimplantátumok on a rockszikla.
44
101000
2000
megtelepszik egy sziklán.
01:58
And the first thing it does in implantingbeültetése on that rockszikla, whichmelyik it never leaveslevelek,
45
103000
3000
És az első dolog, amit ott azon a sziklán tesz,
02:01
is to digestmegemészteni its ownsaját brainagy and nervousideges systemrendszer
46
106000
3000
amit többé nem hagy el, hogy felemészti
02:04
for foodélelmiszer.
47
109000
2000
saját agyát és idegrendszerét - étel gyanánt.
02:06
So onceegyszer you don't need to movemozog,
48
111000
2000
Magyarul, amint nem kell többé mozognunk,
02:08
you don't need the luxuryluxus of that brainagy.
49
113000
3000
azt a luxust sem engedhetjük meg többé, hogy agyunk legyen!
02:11
And this animalállat is oftengyakran takentett
50
116000
2000
És ezt az állatot gyakran idézik analógiaként
02:13
as an analogyanalógia to what happensmegtörténik at universitiesegyetemek
51
118000
2000
arra, hogy mi történik az egyetemeken,
02:15
when professorsprofesszorok get tenurebirtoklás,
52
120000
2000
amikor a professzorokat felveszik állandóra,
02:17
but that's a differentkülönböző subjecttantárgy.
53
122000
2000
no de ez egy másik téma.
02:19
(ApplauseTaps)
54
124000
2000
(Taps)
02:21
So I am a movementmozgalom chauvinistsoviniszta.
55
126000
3000
Nos, én magam egy mozgás-soviniszta vagyok.
02:24
I believe movementmozgalom is the mosta legtöbb importantfontos functionfunkció of the brainagy --
56
129000
2000
Hiszek abban, hogy a mozgás az agy legfontosabb funkciója --
02:26
don't let anyonebárki tell you that it's not trueigaz.
57
131000
2000
ne hagyják, hogy bárki azt hajtogassa maguknak, hogy ez nem igaz!
02:28
Now if movementmozgalom is so importantfontos,
58
133000
2000
Nos, ha a mozgás ennyire fontos,
02:30
how well are we doing
59
135000
2000
mennyire vagyunk előre abban,
02:32
understandingmegértés how the brainagy controlsellenőrzések movementmozgalom?
60
137000
2000
amit az agy mozgáskoordinációjáról tudunk?
02:34
And the answerválasz is we're doing extremelyrendkívüli módon poorlyrosszul; it's a very hardkemény problemprobléma.
61
139000
2000
Sajnos a válasz az, hogy igencsak el vagyunk maradva; ez egy nagyon kemény dió.
02:36
But we can look at how well we're doing
62
141000
2000
De megnézhetjük azt, hogy mennyire jól értjük
02:38
by thinkinggondolkodás about how well we're doing buildingépület machinesgépek
63
143000
2000
a módját annak, hogy gépeket építsünk olyasmire,
02:40
whichmelyik can do what humansemberek can do.
64
145000
2000
amit az emberek is meg tudnak csinálni.
02:42
Think about the gamejátszma, meccs of chesssakk.
65
147000
2000
Gondoljunk csak a sakkjátékra.
02:44
How well are we doing determiningmeghatározó what piecedarab to movemozog where?
66
149000
3000
Milyen jól értünk ahhoz, hogy meghatározzuk, mit hova mozdítsunk?
02:47
If you pitPit GarryGarry KasparovKaszparov here, when he's not in jailbörtön,
67
152000
3000
Ha ideültetjük Gary Kasparovot, mármint amikor épp nincs börtönben,
02:50
againstellen IBM'sAz IBM DeepMély BlueKék,
68
155000
2000
az IBM Deep Blue gépével szembe,
02:52
well the answerválasz is IBM'sAz IBM DeepMély BlueKék will occasionallynéha wingyőzelem.
69
157000
3000
akkor a válasz, hogy a Deep Blue csak néha fog nyerni.
02:55
And I think if IBM'sAz IBM DeepMély BlueKék playedDátum anyonebárki in this roomszoba, it would wingyőzelem everyminden time.
70
160000
3000
Ugyanakkor szerintem, ha itt a teremből bármelyikünk ellen játszana a Deep Blue,
02:58
That problemprobléma is solvedmegoldott.
71
163000
2000
akkor minden alkalommal nyerne. Kérdés megoldva.
03:00
What about the problemprobléma
72
165000
2000
Mi a helyzet a sakkfigura
03:02
of pickingfeltörés up a chesssakk piecedarab,
73
167000
2000
felemelésének kérdésével,
03:04
dexterouslyügyesen manipulatingmanipuláló it and puttingelhelyezés it back down on the boardtábla?
74
169000
3000
ügyesen mozgatva és visszatéve a sakktáblára?
03:07
If you put a fiveöt year-oldéves child'sgyermek dexterityügyesség againstellen the bestlegjobb robotsrobotok of todayMa,
75
172000
3000
Ha egy 5 éves gyerek ügyességét állítjuk szembe a mai legjobb robottal,
03:10
the answerválasz is simpleegyszerű:
76
175000
2000
akkor nagyon egyszerű a válasz:
03:12
the childgyermek winsgyőzelem easilykönnyen.
77
177000
2000
a gyerek könnyedén győz.
03:14
There's no competitionverseny at all.
78
179000
2000
Valójában nincs is verseny.
03:16
Now why is that topfelső problemprobléma so easykönnyen
79
181000
2000
Namost akkor hogy lehet, hogy a fenti kérdés olyan egyszerű,
03:18
and the bottomalsó problemprobléma so hardkemény?
80
183000
2000
a lenti pedig olyan nehéz?
03:20
One reasonok is a very smartOkos fiveöt year-oldéves
81
185000
2000
Az egyik válasz az, hogy az ötéves
03:22
could tell you the algorithmalgoritmus for that topfelső problemprobléma --
82
187000
2000
meg tudná mondani ennek a kérdésnek az algoritmusát --
03:24
look at all possiblelehetséges movesmozog to the endvég of the gamejátszma, meccs
83
189000
2000
megvizsgálva az összes lehetséges lépést
03:26
and chooseválaszt the one that makesgyártmányú you wingyőzelem.
84
191000
2000
a játék végéig, majd kiválasztani a nyerőt.
03:28
So it's a very simpleegyszerű algorithmalgoritmus.
85
193000
2000
Tehát ez egy igen egyszerű algoritmus.
03:30
Now of coursetanfolyam there are other movesmozog,
86
195000
2000
Nos persze vannak más mozdulatok is,
03:32
but with vasthatalmas computersszámítógépek we approximatehozzávetőleges
87
197000
2000
de ezekkel az óriási computerekkel hozzávetőleges számításokat végzünk,
03:34
and come closeBezárás to the optimaloptimális solutionmegoldás.
88
199000
2000
és úgy kerülünk közelebb az optimális megoldáshoz.
03:36
When it comesjön to beinglény dexterousügyes,
89
201000
2000
Amikor arról van szó, hogy mennyire ügyes egy mozdulat,
03:38
it's not even clearegyértelmű what the algorithmalgoritmus is you have to solvemegfejt to be dexterousügyes.
90
203000
2000
még az sem nyilvánvaló, hogy mi az algoritmus, és akkor is
03:40
And we'lljól see you have to bothmindkét perceiveérzékeli and acttörvény on the worldvilág,
91
205000
2000
meg kell oldanod az ügyességet. És látjuk, hogy ilyenkor egyszerre kell
03:42
whichmelyik has a lot of problemsproblémák.
92
207000
2000
felfognunk a világot és cselekedni benne, ami egy sor kérdést vet fel.
03:44
But let me showelőadás you cutting-edgeélvonalbeli roboticsRobotika.
93
209000
2000
De hadd mutassam most be az élvonalbeli robotikát.
03:46
Now a lot of roboticsRobotika is very impressivehatásos,
94
211000
2000
Egy sor robot nagyon lenyűgöző,
03:48
but manipulationmanipuláció roboticsRobotika is really just in the darksötét ageskorosztály.
95
213000
3000
de a manipulációs robotika tényleg a sötét középkorban jár még.
03:51
So this is the endvég of a PhPH-érték.D. projectprogram
96
216000
2000
Ez tehát egy Ph.D projekt eredménye,
03:53
from one of the bestlegjobb roboticsRobotika institutesintézetek.
97
218000
2000
az egyik legjobb robotika intézetből.
03:55
And the studentdiák has trainedkiképzett this robotrobot
98
220000
2000
A hallgató megtanította a robotját arra,
03:57
to pourönt this watervíz into a glassüveg.
99
222000
2000
hogy a vizet a pohárba öntse.
03:59
It's a hardkemény problemprobléma because the watervíz sloshessloshes about, but it can do it.
100
224000
3000
Nagyon nehéz kérdés, mert a víz kiloccsan, de végül is sikerült.
04:02
But it doesn't do it with anything like the agilityAgility of a humanemberi.
101
227000
3000
De gyorsasága egyáltalán nem hasonlítható az emberéhez.
04:05
Now if you want this robotrobot to do a differentkülönböző taskfeladat,
102
230000
3000
Nos, ha azt szeretnénk, hogy ez a robot egy másik feladatot hajtson végre,
04:08
that's anotheregy másik three-yearhárom év PhPH-érték.D. programprogram.
103
233000
3000
az egy újabb 3 éves Ph.D. programba telne!
04:11
There is no generalizationáltalánosítás at all
104
236000
2000
Egyáltalán nem létezik az egyik feladatról
04:13
from one taskfeladat to anotheregy másik in roboticsRobotika.
105
238000
2000
a másikra átvihető általánosítás a robotikában!
04:15
Now we can comparehasonlítsa össze this
106
240000
2000
Összehasonlíthatjuk ezt
04:17
to cutting-edgeélvonalbeli humanemberi performanceteljesítmény.
107
242000
2000
az élvonalbeli emberi teljesítménnyel.
04:19
So what I'm going to showelőadás you is EmilyEmily FoxFox
108
244000
2000
Bemutatom most Önöknek Emily Fox-ot,
04:21
winningnyerő the worldvilág recordrekord for cupcsésze stackingegymásra rakható.
109
246000
3000
amint éppen felállítja a pohár egymásra halmozás világrekordját.
04:24
Now the AmericansAz amerikaiak in the audienceközönség will know all about cupcsésze stackingegymásra rakható.
110
249000
2000
Az amerikaiak a közönségben mind ismerni fogják
04:26
It's a highmagas schooliskola sportSport
111
251000
2000
a pohártoronyépítést. Ez egy gimnáziumi sport,
04:28
where you have 12 cupscsésze you have to stackKazal and unstackunstack
112
253000
2000
ahol is 12 poharat kell egymásra halmozni, majd leszedni
04:30
againstellen the clockóra in a prescribedelőírt ordersorrend.
113
255000
2000
meghatározott sorrendben, miközben mérik az időt.
04:32
And this is her gettingszerzés the worldvilág recordrekord in realigazi time.
114
257000
3000
Ez itt ő, amint felállítja a világrekordot valós időben.
04:39
(LaughterNevetés)
115
264000
8000
(Nevetés)
04:47
(ApplauseTaps)
116
272000
5000
(Taps)
04:52
And she's prettyszép happyboldog.
117
277000
2000
És milyen boldog!
04:54
We have no ideaötlet what is going on insidebelül her brainagy when she does that,
118
279000
2000
Fogalmunk sincs, mi zajlik az agyában,
04:56
and that's what we'dHázasodik like to know.
119
281000
2000
miközben végrehajtja, márpedig épp ezt szeretnénk megtudni!
04:58
So in my groupcsoport, what we try to do
120
283000
2000
Nos a csoportomban mi próbáljuk visszafejteni
05:00
is reversefordított engineermérnök how humansemberek controlellenőrzés movementmozgalom.
121
285000
3000
azt, ahogy az ember a mozgását irányítja.
05:03
And it soundshangok like an easykönnyen problemprobléma.
122
288000
2000
Könnyű feladatnak tűnhet.
05:05
You sendelküld a commandparancs down, it causesokoz musclesizmok to contractszerződés.
123
290000
2000
Leküldünk egy parancsot, az végrehajtja az izomösszehúzódást.
05:07
Your armkar or bodytest movesmozog,
124
292000
2000
A karunk, vagy a testünk mozog,
05:09
and you get sensoryszenzoros feedbackVisszacsatolás from visionlátomás, from skinbőr, from musclesizmok and so on.
125
294000
3000
és érzékszervi visszajelzést kapunk a látás, a bőrünk, az izmok stb. segítségével.
05:12
The troublebaj is
126
297000
2000
A baj az, hogy ezek a jelek nem olyan szépek,
05:14
these signalsjelek are not the beautifulszép signalsjelek you want them to be.
127
299000
2000
mint amilyennek szeretnénk őket.
05:16
So one thing that makesgyártmányú controllingkontrolling movementmozgalom difficultnehéz
128
301000
2000
Az egyik, ami megnehezíti a mozgás irányítását,
05:18
is, for examplepélda, sensoryszenzoros feedbackVisszacsatolás is extremelyrendkívüli módon noisyzajos.
129
303000
3000
például az, hogy az érzékszervek visszajelzése
05:21
Now by noisezaj, I do not mean soundhang.
130
306000
3000
igen "zajos". Itt "zaj" alatt nem a hangot értem.
05:24
We use it in the engineeringmérnöki and neuroscienceidegtudomány senseérzék
131
309000
2000
Mérnöki és neurológiai értelemben használjuk,
05:26
meaningjelentés a randomvéletlen noisezaj corruptingelrontó a signaljel.
132
311000
2000
amikor egy véletlenszerű zaj megzavarja a jelet.
05:28
So the oldrégi daysnapok before digitaldigitális radiorádió when you were tuningtuning in your radiorádió
133
313000
3000
A digitális rádió előtti időkben, amikor rádióhangoláskor
05:31
and you heardhallott "crrcckkkcrrcckkk" on the stationállomás you wanted to hearhall,
134
316000
2000
azt a "hrrrhrr"-t hallottuk az adón,
05:33
that was the noisezaj.
135
318000
2000
amit fogni akartunk, na az a zaj.
05:35
But more generallyáltalában, this noisezaj is something that corruptselront the signaljel.
136
320000
3000
De általánosabb értelemben ez a zaj valami olyan, ami lerontja a jelet.
05:38
So for examplepélda, if you put your handkéz underalatt a tableasztal
137
323000
2000
Például, ha a kezünket az asztal alá tesszük,
05:40
and try to localizehonosítása it with your other handkéz,
138
325000
2000
hogy megpróbáljuk beazonosítani a másik ujjunk helyét,
05:42
you can be off by severalszámos centimeterscentiméter
139
327000
2000
akkor bizony néha több centit is tévedhetünk,
05:44
dueesedékes to the noisezaj in sensoryszenzoros feedbackVisszacsatolás.
140
329000
2000
az érzékszervi zajoknak köszönhetően!
05:46
SimilarlyHasonlóképpen, when you put motormotor outputkibocsátás on movementmozgalom outputkibocsátás,
141
331000
2000
Ugyanígy, amikor a motorteljesítményt
05:48
it's extremelyrendkívüli módon noisyzajos.
142
333000
2000
a mozgáshoz hasonlítjuk, az nagyon zajos.
05:50
ForgetFelejtsd el about tryingmegpróbálja to hittalálat the bull'sbika eyeszem in dartsdarts,
143
335000
2000
Ne is akarjunk a darts táblán telibe találni,
05:52
just aimcél for the sameazonos spotfolt over and over again.
144
337000
2000
csak célozzunk ugyanoda újra és újra.
05:54
You have a hugehatalmas spreadterjedését dueesedékes to movementmozgalom variabilityváltozékonyság.
145
339000
3000
Óriási terjedelemben választhatunk a mozgásvariációkból.
05:57
And more than that, the outsidekívül worldvilág, or taskfeladat,
146
342000
2000
Sőt ennél több is van itt, a külvilág,
05:59
is bothmindkét ambiguousnem egyértelmű and variableváltozó.
147
344000
2000
vagy feladat is többértelmű és változó.
06:01
The teapotteáskanna could be fullteljes, it could be emptyüres.
148
346000
2000
A csésze lehet tele is, vagy üres is.
06:03
It changesváltoztatások over time.
149
348000
2000
Időről időre változik.
06:05
So we work in a wholeegész sensoryszenzoros movementmozgalom taskfeladat soupleves of noisezaj.
150
350000
4000
Tehát a zaj egész érzékszervi mozgás feladat kavalkádjában tevékenykedünk.
06:09
Now this noisezaj is so great
151
354000
2000
Nos ez a zaj akkora,
06:11
that societytársadalom placeshelyek a hugehatalmas premiumprémium
152
356000
2000
hogy a társadalom óriási jutalmat tűz ki nekünk,
06:13
on those of us who can reducecsökkentésére the consequenceskövetkezményei of noisezaj.
153
358000
3000
ha a zaj következményeit le tudjuk csökkenteni.
06:16
So if you're luckyszerencsés enoughelég to be ableképes to knockknock a smallkicsi whitefehér balllabda
154
361000
3000
Tehát, ha vagyunk oly szerencsések, hogy képesek vagyunk egy kis fehér labdával
06:19
into a holelyuk severalszámos hundredszáz yardsyard away usinghasználva a long metalfém stickrúd,
155
364000
3000
betalálni egy több száz méterre lévő lyukba egy hosszú fém bot segítségével,
06:22
our societytársadalom will be willinghajlandó to rewardjutalom you
156
367000
2000
akkor a társadalmunk ezért hajlandó
06:24
with hundredsszáz of millionsTöbb millió of dollarsdollár.
157
369000
3000
többszáz millió dollár jutalmat fizetni!
06:27
Now what I want to convincemeggyőz you of
158
372000
2000
Nos, én arról akarom Önöket meggyőzni,
06:29
is the brainagy alsois goesmegy throughkeresztül a lot of efforterőfeszítés
159
374000
2000
hogy az agynak is nagyon sok erőfeszítésébe kerül,
06:31
to reducecsökkentésére the negativenegatív consequenceskövetkezményei
160
376000
2000
hogy lecsökkentse az ilyesfajta zajok
06:33
of this sortfajta of noisezaj and variabilityváltozékonyság.
161
378000
2000
és szórások negatív következményeit.
06:35
And to do that, I'm going to tell you about a frameworkkeretrendszer
162
380000
2000
És ehhez megismertetek Önökkel egy összefüggést,
06:37
whichmelyik is very popularnépszerű in statisticsstatisztika and machinegép learningtanulás of the last 50 yearsévek
163
382000
3000
ami a statisztikában és gépi tanulásban nagyon népszerű lett az elmúlt 50 évben:
06:40
calledhívott BayesianBayes-féle decisiondöntés theoryelmélet.
164
385000
2000
ez a Bayes-féle „okok valószínűségének" tétele.
06:42
And it's more recentlymostanában a unifyingegyesítő way
165
387000
3000
Ez újabban egy egységesítő módszer arra,
06:45
to think about how the brainagy dealsajánlatok with uncertaintybizonytalanság.
166
390000
3000
amikor azon elmélkedünk, hogy az agy hogyan kezeli a bizonytalanságot.
06:48
And the fundamentalalapvető ideaötlet is you want to make inferenceskövetkeztetéseket von le and then take actionsakciók.
167
393000
3000
Az alapelmélet az, hogy következtetéseket akarunk levonni, és aztán cselekedni.
06:51
So let's think about the inferencekövetkeztetés.
168
396000
2000
Vegyük akkor a következtetéseket.
06:53
You want to generategenerál beliefshiedelmek about the worldvilág.
169
398000
2000
Hiedelmeket akarsz alkotni a világgal kapcsolatban.
06:55
So what are beliefshiedelmek?
170
400000
2000
Mik is a hiedelmek?
06:57
BeliefsHiedelmek could be: where are my armsfegyver in spacehely?
171
402000
2000
Ilyenek lehetnek: hol is helyezkednek el a karjaim a térben?
06:59
Am I looking at a catmacska or a foxróka?
172
404000
2000
Macska, vagy kutya ez, amit látok?
07:01
But we're going to representképvisel beliefshiedelmek with probabilitiesvalószínűség.
173
406000
3000
Mi azonban valószínűségekkel fogjuk a hiteinket ábrázolni.
07:04
So we're going to representképvisel a beliefhit
174
409000
2000
Tehát a hiedelmeket egy 0 és 1 közti számmal
07:06
with a numberszám betweenközött zeronulla and one --
175
411000
2000
fogjuk ábrázolni -- ahol a 0 azt jelenti, hogy egyáltalán nem
07:08
zeronulla meaningjelentés I don't believe it at all, one meanseszközök I'm absolutelyteljesen certainbizonyos.
176
413000
3000
hiszek benne, az egy azt jelenti, hogy teljesen bizonyos vagyok.
07:11
And numbersszám in betweenközött give you the grayszürke levelsszintek of uncertaintybizonytalanság.
177
416000
3000
A köztes számok pedig a bizonytalanság szürkeárnyalatait mutatják.
07:14
And the keykulcs ideaötlet to BayesianBayes-féle inferencekövetkeztetés
178
419000
2000
A Bayes-féle dedukció alapötlete az,
07:16
is you have two sourcesforrás of informationinformáció
179
421000
2000
hogy 2 információforrással rendelkezünk,
07:18
from whichmelyik to make your inferencekövetkeztetés.
180
423000
2000
amiből levonhatjuk a következtetést.
07:20
You have dataadat,
181
425000
2000
Van adatunk, és az idegtudományban
07:22
and dataadat in neuroscienceidegtudomány is sensoryszenzoros inputbemenet.
182
427000
2000
az adat az érzékszervi észlelés.
07:24
So I have sensoryszenzoros inputbemenet, whichmelyik I can take in to make beliefshiedelmek.
183
429000
3000
Tehát érzékelek valamit az érzékszerveimmel, amit felhasználhatok hiedelemalkotásra.
07:27
But there's anotheregy másik sourceforrás of informationinformáció, and that's effectivelyhatékonyan priorelőzetes knowledgetudás.
184
432000
3000
De van más információforrásom is, ami egyértelműen
07:30
You accumulatefelhalmozódnak knowledgetudás throughoutegész your life in memoriesmemóriák.
185
435000
3000
előrébb van a tudásnál. Ugyanis a tudást az emlékek segítségével
07:33
And the pointpont about BayesianBayes-féle decisiondöntés theoryelmélet
186
438000
2000
halmozzuk fel életünk során. És a Bayes-féle döntéselmélet lényege az,
07:35
is it givesad you the mathematicsmatematika
187
440000
2000
hogy megadja az optimális mód matekját,
07:37
of the optimaloptimális way to combinekombájn
188
442000
2000
amit ötvözni lehet az azt megelőző
07:39
your priorelőzetes knowledgetudás with your sensoryszenzoros evidencebizonyíték
189
444000
2000
érzéki észlelés által szerzett tapasztalatainkkal
07:41
to generategenerál newúj beliefshiedelmek.
190
446000
2000
új hitek kifejlesztése érdekében.
07:43
And I've put the formulaképlet up there.
191
448000
2000
Felírtam ide a képletet.
07:45
I'm not going to explainmegmagyarázni what that formulaképlet is, but it's very beautifulszép.
192
450000
2000
Nem fogom elmagyarázni, mi ez a képlet, de nagyon szép.
07:47
And it has realigazi beautyszépség and realigazi explanatorymagyarázó powererő.
193
452000
3000
Valódi szépség és valódi magyarázat rejlik benne.
07:50
And what it really saysmondja, and what you want to estimatebecslés,
194
455000
2000
És ami a lényege, s amit meg is tippelhetünk,
07:52
is the probabilityvalószínűség of differentkülönböző beliefshiedelmek
195
457000
2000
az az érzéki észlelésünk következtében
07:54
givenadott your sensoryszenzoros inputbemenet.
196
459000
2000
keletkező különböző hiedelmek valószínűsége.
07:56
So let me give you an intuitiveintuitív examplepélda.
197
461000
2000
Hadd hozzak fel egy intuitív példát.
07:58
ImagineKépzeld el you're learningtanulás to playjáték tennistenisz
198
463000
3000
Képzeljük el, hogy teniszezni tanulunk,
08:01
and you want to decidedöntsd el where the balllabda is going to bounceugrál
199
466000
2000
és azt szeretnénk kiszámítani, hogy a labda hol fog lepattanni,
08:03
as it comesjön over the netháló towardsfelé you.
200
468000
2000
amint közeledik felénk a háló felett.
08:05
There are two sourcesforrás of informationinformáció
201
470000
2000
Két információforrásunk van ehhez,
08:07
Bayes'Bayes ruleszabály tellsmegmondja you.
202
472000
2000
a Bayes-féle törvény szerint.
08:09
There's sensoryszenzoros evidencebizonyíték -- you can use visualvizuális informationinformáció auditoryhallási informationinformáció,
203
474000
3000
Van az érzékszervi észlelés -- használhatjuk a vizuális és a hallott információkat
08:12
and that mightesetleg tell you it's going to landföld in that redpiros spotfolt.
204
477000
3000
és ezek szerint arra juthatunk, hogy azon a piros folton fog földet érni.
08:15
But you know that your sensesérzékek are not perfecttökéletes,
205
480000
3000
Tudjuk azonban, hogy az érzékszerveink nem tökéletesek,
08:18
and thereforeebből adódóan there's some variabilityváltozékonyság of where it's going to landföld
206
483000
2000
ezért némileg tágabb eshetőséget adunk
08:20
shownLátható by that cloudfelhő of redpiros,
207
485000
2000
a földet érésre, amit ez a piros felhő mutat,
08:22
representingképviselő numbersszám betweenközött 0.5 and maybe 0.1.
208
487000
3000
és a 0,5 és 0,1 közti számokat jelzi.
08:26
That informationinformáció is availableelérhető in the currentjelenlegi shotlövés,
209
491000
2000
Ez az információ ezen a képen jelenik meg,
08:28
but there's anotheregy másik sourceforrás of informationinformáció
210
493000
2000
van azonban még egy információforrás,
08:30
not availableelérhető on the currentjelenlegi shotlövés,
211
495000
2000
ami nem látható ezen a képen,
08:32
but only availableelérhető by repeatedmegismételt experiencetapasztalat in the gamejátszma, meccs of tennistenisz,
212
497000
3000
hanem csak a teniszezés ismételt megtapasztalása által ismerhető fel,
08:35
and that's that the balllabda doesn't bounceugrál
213
500000
2000
hogy a labda egyáltalán nem egyenlő valószínűséggel
08:37
with equalegyenlő probabilityvalószínűség over the courtbíróság duringalatt the matchmérkőzés.
214
502000
2000
pattan a térfelekre a szett során.
08:39
If you're playingjátszik againstellen a very good opponentellenfél,
215
504000
2000
Ha nagyon jó ellenféllel játszunk,
08:41
they maylehet distributeterjeszteni it in that greenzöld areaterület,
216
506000
2000
akkor ütheti a zöld területre is,
08:43
whichmelyik is the priorelőzetes distributionterjesztés,
217
508000
2000
ami a fő szerva célpont,
08:45
makinggyártás it hardkemény for you to returnVisszatérés.
218
510000
2000
mert azt nehéz visszaadni.
08:47
Now bothmindkét these sourcesforrás of informationinformáció carryvisz importantfontos informationinformáció.
219
512000
2000
Szóval mindkét információforrás hordoz fontos információkat.
08:49
And what Bayes'Bayes ruleszabály saysmondja
220
514000
2000
És a Bayes-féle szabály azt sugallja,
08:51
is that I should multiplyszaporodnak the numbersszám on the redpiros by the numbersszám on the greenzöld
221
516000
3000
hogy meg kéne szoroznom a piroson lévő számokat a zöldön lévő számokkal,
08:54
to get the numbersszám of the yellowsárga, whichmelyik have the ellipsesellipszisek,
222
519000
3000
hogy megkapjuk a sárgán lévőket, ahol az ellipszisek vannak,
08:57
and that's my beliefhit.
223
522000
2000
és az lesz a hiedelmem.
08:59
So it's the optimaloptimális way of combiningkombinálásával informationinformáció.
224
524000
3000
Tehát ez az információk optimális összegzése.
09:02
Now I wouldn'tnem tell you all this if it wasn'tnem volt that a fewkevés yearsévek agoezelőtt,
225
527000
2000
Nem mesélném el mindezt, ha nem néhány éve történt volna,
09:04
we showedkimutatta, this is exactlypontosan what people do
226
529000
2000
hogy megmutattuk, hogy éppen ezt teszik az emberek,
09:06
when they learntanul newúj movementmozgalom skillsszakértelem.
227
531000
2000
amikor új mozgáskoordinációt tanulnak.
09:08
And what it meanseszközök
228
533000
2000
Ez pedig azt jelenti,
09:10
is we really are BayesianBayes-féle inferencekövetkeztetés machinesgépek.
229
535000
2000
hogy tényleg Bayes-féle következtető gépezetek vagyunk!
09:12
As we go around, we learntanul about statisticsstatisztika of the worldvilág and layvilági that down,
230
537000
4000
Ahogy körbenézünk, megfigyeljük a világ statisztikáit, és megfogalmazzuk őket,
09:16
but we alsois learntanul
231
541000
2000
de tudomást szerzünk közben
09:18
about how noisyzajos our ownsaját sensoryszenzoros apparatuskészülék is,
232
543000
2000
saját érzékszervi aparátusunk zajosságáról is,
09:20
and then combinekombájn those
233
545000
2000
majd összevetjük azokat
09:22
in a realigazi BayesianBayes-féle way.
234
547000
2000
valódi Bayes-féle módon.
09:24
Now a keykulcs partrész to the BayesianBayes-féle is this partrész of the formulaképlet.
235
549000
3000
Nos a képletnek ez a része a Bayes-féle elmélet kulcsgondolatául szolgál.
09:27
And what this partrész really saysmondja
236
552000
2000
És valójában arról szól,
09:29
is I have to predictmegjósolni the probabilityvalószínűség
237
554000
2000
hogy meg kell jósolnom a különböző
09:31
of differentkülönböző sensoryszenzoros feedbacksvisszajelzések
238
556000
2000
érzékszervi jelzések valószínűségét
09:33
givenadott my beliefshiedelmek.
239
558000
2000
a hiedelmeim alapján.
09:35
So that really meanseszközök I have to make predictionselőrejelzések of the futurejövő.
240
560000
3000
Ez ténylegesen azt jelenti, hogy jósolnom kell a jövőre vonatkozólag.
09:38
And I want to convincemeggyőz you the brainagy does make predictionselőrejelzések
241
563000
2000
És szeretném Önöket arról meggyőzni, hogy az agy bizony végez jóslatokat
09:40
of the sensoryszenzoros feedbackVisszacsatolás it's going to get.
242
565000
2000
az érzékszervi jelzésekre vonatkozólag, amik be fognak érkezni.
09:42
And moreoverráadásul, it profoundlymélységesen changesváltoztatások your perceptionsfelfogás
243
567000
2000
Sőt, alapvetően megváltoztatja az észlelésünket
09:44
by what you do.
244
569000
2000
azáltal, amit teszünk.
09:46
And to do that, I'll tell you
245
571000
2000
És hogy ez bekövetkezzen, elmondom most Önöknek,
09:48
about how the brainagy dealsajánlatok with sensoryszenzoros inputbemenet.
246
573000
2000
hogyan kezeli az agy az érzékszervi észleléseket.
09:50
So you sendelküld a commandparancs out,
247
575000
3000
Kiküldünk egy parancsot,
09:53
you get sensoryszenzoros feedbackVisszacsatolás back,
248
578000
2000
kapunk egy érzékszervi észlelést visszafele,
09:55
and that transformationátalakítás is governedszabályozott
249
580000
2000
és ezt az átalakulást a testünk fizikája
09:57
by the physicsfizika of your bodytest and your sensoryszenzoros apparatuskészülék.
250
582000
3000
valamint az érzékszervi berendezésünk irányítja.
10:00
But you can imagineKépzeld el looking insidebelül the brainagy.
251
585000
2000
De elképzelhetjük azt is, hogy bekukkantunk az agyba.
10:02
And here'sitt insidebelül the brainagy.
252
587000
2000
Itt van az agy belülről.
10:04
You mightesetleg have a little predictorPredictor, a neuralideg- simulatorszimulátor,
253
589000
2000
Lehet, hogy van egy kis jelzőkénk, egy idegi szimulátorunk,
10:06
of the physicsfizika of your bodytest and your sensesérzékek.
254
591000
2000
amely a testünk fizikai állapotáról és az érzékszervekről ad jelzést.
10:08
So as you sendelküld a movementmozgalom commandparancs down,
255
593000
2000
Tehát amint kiküldünk egy mozgásparancsot lefelé,
10:10
you tapKoppintson a a copymásolat of that off
256
595000
2000
annak egy másolatát kijelöljük,
10:12
and runfuss it into your neuralideg- simulatorszimulátor
257
597000
2000
és bevezetjük az idegi szimulátorunkba,
10:14
to anticipateszámít the sensoryszenzoros consequenceskövetkezményei of your actionsakciók.
258
599000
4000
hogy felfogja a tetteink érzékszervi következményeit.
10:18
So as I shakeráz this ketchupketchup bottleüveg,
259
603000
2000
Tehát ahogy ezt a kecsapos üveget rázom,
10:20
I get some trueigaz sensoryszenzoros feedbackVisszacsatolás as the functionfunkció of time in the bottomalsó rowsor.
260
605000
3000
Kapok némi valódi érzékszervi visszajelzést az alsó sor időbeli függvényeként.
10:23
And if I've got a good predictorPredictor, it predictsazt jósolja the sameazonos thing.
261
608000
3000
És ha jó jelzőkém van, az ugyanazt jósolja meg előre.
10:26
Well why would I botherkellemetlenség doing that?
262
611000
2000
Nos, hogy minek törődöm ilyesmivel?
10:28
I'm going to get the sameazonos feedbackVisszacsatolás anywayakárhogyan is.
263
613000
2000
Megkapom ugyanazt a visszajelzést úgyis!
10:30
Well there's good reasonsokok.
264
615000
2000
Nos, vannak jó okok erre.
10:32
ImagineKépzeld el, as I shakeráz the ketchupketchup bottleüveg,
265
617000
2000
Képzeljék csak el, hogy rázom a kecsapos üveget,
10:34
someonevalaki very kindlykedves comesjön up to me and tapscsapok it on the back for me.
266
619000
3000
és valaki nagyon gyengéden megközelít és megérinti hátulról nekem.
10:37
Now I get an extrakülön- sourceforrás of sensoryszenzoros informationinformáció
267
622000
2000
Akkor egy plussz érzékszervi információt szereztem be
10:39
dueesedékes to that externalkülső acttörvény.
268
624000
2000
a külső történés következtében.
10:41
So I get two sourcesforrás.
269
626000
2000
Így 2 forrásom volt.
10:43
I get you tappingmegcsapolás on it, and I get me shakingrázás it,
270
628000
3000
Veled is megfogattam, és én magam is ráztam,
10:46
but from my senses'érzékek' pointpont of viewKilátás,
271
631000
2000
de a saját érzékszerveim szemszögéből nézve
10:48
that is combinedkombinált togetheregyütt into one sourceforrás of informationinformáció.
272
633000
3000
ez összefolyik egy információforrássá.
10:51
Now there's good reasonok to believe
273
636000
2000
Namost jó okom van azt hinni, hogy valószínűleg meg akarják majd
10:53
that you would want to be ableképes to distinguishkülönbséget tesz externalkülső eventsesemények from internalbelső eventsesemények.
274
638000
3000
különböztetni a külső eseményeket és a belsőket.
10:56
Because externalkülső eventsesemények are actuallytulajdonképpen much more behaviorallyviselkedési relevantide vonatkozó
275
641000
3000
Mivel a külső események sokkal valószínűben függenek a viselkedéstől,
10:59
than feelingérzés everything that's going on insidebelül my bodytest.
276
644000
3000
mint amit belül érzünk, hogy történik a testünkben.
11:02
So one way to reconstructVisszaépítés that
277
647000
2000
Tehát az egyik mód ennek létrehozására az,
11:04
is to comparehasonlítsa össze the predictionjóslás --
278
649000
2000
hogy összehasonlítjuk a kizárólag
11:06
whichmelyik is only basedszékhelyű on your movementmozgalom commandsparancsok --
279
651000
2000
az Önök mozgásparancsaira épülő
11:08
with the realityvalóság.
280
653000
2000
előrejelzéseket a valósággal.
11:10
Any discrepancyeltérés should hopefullyremélhetőleg be externalkülső.
281
655000
3000
És akkor minden eltérés remélhetőleg kívülről fog érkezni.
11:13
So as I go around the worldvilág,
282
658000
2000
Tehát miközben megyek körben a világban,
11:15
I'm makinggyártás predictionselőrejelzések of what I should get, subtractingkivonás them off.
283
660000
3000
jóslásokat végzek arról, amit valószínűleg tapasztalok majd, levonva őket,
11:18
Everything left over is externalkülső to me.
284
663000
2000
minden, ami megmarad, az számomra külsődleges.
11:20
What evidencebizonyíték is there for this?
285
665000
2000
Mi a bizonyíték erre?
11:22
Well there's one very clearegyértelmű examplepélda
286
667000
2000
Nos, van egy nagyon világos példa
11:24
where a sensationszenzáció generatedgenerált by myselfmagamat feelsérzi very differentkülönböző
287
669000
2000
ahol az általam generált érzékelés nagyon más érzés,
11:26
then if generatedgenerált by anotheregy másik personszemély.
288
671000
2000
mint ha azt egy másik ember váltotta volna ki.
11:28
And so we decidedhatározott the mosta legtöbb obviousnyilvánvaló placehely to startRajt
289
673000
2000
Így a legnyilvánvalóbb helyet választottuk kezdésképpen,
11:30
was with ticklingcsiklandozás.
290
675000
2000
mégpedig a csiklandozást.
11:32
It's been knownismert for a long time, you can't tickleCsiki yourselfsaját magad
291
677000
2000
Nagyon régóta ismeretes, hogy magunkat nem tudjuk megcsikizni,
11:34
as well as other people can.
292
679000
2000
míg mások viszont meg tudnak.
11:36
But it hasn'tmég nem really been shownLátható, it's because you have a neuralideg- simulatorszimulátor,
293
681000
3000
De azt nem igazán mutatta ki senki, hogy ez amiatt van,
11:39
simulatingszimuláló your ownsaját bodytest
294
684000
2000
hogy létezik egy idegi szimulátor, ami az egész testünket szimulálja,
11:41
and subtractingkivonás off that senseérzék.
295
686000
2000
és levonja ezeket az érzékeléseket!
11:43
So we can bringhoz the experimentskísérletek of the 21stutca centuryszázad
296
688000
3000
Így aztán vehetjük a 21. századi kísérleteket,
11:46
by applyingalkalmazó roboticrobot technologiestechnológiák to this problemprobléma.
297
691000
3000
alkalmazva a robottechnológiát erre a kérdésre.
11:49
And in effecthatás, what we have is some sortfajta of stickrúd in one handkéz attachedcsatolt to a robotrobot,
298
694000
3000
És láthatjuk, hogy az egyik kezünkben egy botféleség van, ami egy robothoz kapcsolódik,
11:52
and they're going to movemozog that back and forwardelőre.
299
697000
2000
és ezek fogják mozgatni a botot előre és hátra.
11:54
And then we're going to tracknyomon követni that with a computerszámítógép
300
699000
2000
Ezt pedig lekövetjük számítógéppel,
11:56
and use it to controlellenőrzés anotheregy másik robotrobot,
301
701000
2000
és arra használjuk, hogy egy másik robotot irányítsunk vele,
11:58
whichmelyik is going to tickleCsiki theirazok palmtenyér with anotheregy másik stickrúd.
302
703000
2000
ami egy másik bottal fogja csikizni a kezünket.
12:00
And then we're going to askkérdez them to ratearány a bunchcsokor of things
303
705000
2000
Aztán egy csomó kérdést fogunk feltenni nekik,
12:02
includingbeleértve ticklishnessticklishness.
304
707000
2000
köztük a csikisségre vonatkozót.
12:04
I'll showelőadás you just one partrész of our studytanulmány.
305
709000
2000
A kutatásunk egyik részét mutatom most csak be.
12:06
And here I've takentett away the robotsrobotok,
306
711000
2000
Itt elvettem a robotokat,
12:08
but basicallyalapvetően people movemozog with theirazok right armkar sinusoidallyszinuszosan back and forwardelőre.
307
713000
3000
de alapvetően az ember mozgatja itt a jobb kezét szinuszosan oda és vissza.
12:11
And we replayReplay that to the other handkéz with a time delaykésleltetés.
308
716000
3000
Megismételjük ezt a másik kézzel is egy kis időbeli eltéréssel.
12:14
EitherVagy no time delaykésleltetés,
309
719000
2000
Vagy egyáltalán nincs időbeli elcsúszás,
12:16
in whichmelyik caseügy lightfény would just tickleCsiki your palmtenyér,
310
721000
2000
amikor csak kissé lesz csiklandós a kezünk,
12:18
or with a time delaykésleltetés of two-tenthskét tized of three-tenthsháromtized of a secondmásodik.
311
723000
4000
vagy pedig 2-3 tized másodperc eltéréssel.
12:22
So the importantfontos pointpont here
312
727000
2000
A fontos itt az lesz,
12:24
is the right handkéz always does the sameazonos things -- sinusoidalszinuszos movementmozgalom.
313
729000
3000
hogy a jobb kéz mindig ugyanazt csinálja -- a szinuszos mozgást.
12:27
The left handkéz always is the sameazonos and putshelyezi sinusoidalszinuszos tickleCsiki.
314
732000
3000
A bal kéz pedig szintén mindig ugyanazt teszi, szinuszos csiklandozást végez.
12:30
All we're playingjátszik with is a tempotempó causalitykauzalitás.
315
735000
2000
Mindössze az időbeli elcsúszással játszunk.
12:32
And as we go from naughtértéktelen to 0.1 secondmásodik,
316
737000
2000
És ahogy haladunk a zérótól az 1 tized másodperc felé,
12:34
it becomesválik more ticklishcsiklandós.
317
739000
2000
egyre csiklandósabbá válik.
12:36
As you go from 0.1 to 0.2,
318
741000
2000
Ahogy haladunk az 1 tizedtől a 2 tized felé,
12:38
it becomesválik more ticklishcsiklandós at the endvég.
319
743000
2000
egyre csiklandósabbá válik.
12:40
And by 0.2 of a secondmásodik,
320
745000
2000
És mire elérjük a mp 2 tizedét,
12:42
it's equivalentlyegyenértékűen ticklishcsiklandós
321
747000
2000
ugyanannyira lesz csiklandós
12:44
to the robotrobot that just tickledcsiklandozta you withoutnélkül you doing anything.
322
749000
2000
a robot csikizésére, anélkül, hogy mi bármit tettünk volna.
12:46
So whatevertök mindegy is responsiblefelelős for this cancellationlemondás
323
751000
2000
Tehát legyen bármi is felelős ezért a "törlésért",
12:48
is extremelyrendkívüli módon tightlyszorosan coupledpárosított with tempotempó causalitykauzalitás.
324
753000
3000
nagyon szoros összefüggésben van az időbeliséggel.
12:51
And basedszékhelyű on this illustrationábra, we really convincedmeggyőződéses ourselvesminket in the fieldmező
325
756000
3000
És ezen illusztráció alapján, tényleg komoly meggyőződésünkké vált az,
12:54
that the brain'sagyvelő makinggyártás precisepontos predictionselőrejelzések
326
759000
2000
hogy az agy nagyon precíz előrejelzéseket végez
12:56
and subtractingkivonás them off from the sensationsérzés.
327
761000
3000
és levonja azokat az érzékelésekből.
12:59
Now I have to admitbeismerni, these are the worstlegrosszabb studiestanulmányok my lablabor has ever runfuss.
328
764000
3000
Be kell azonban vallanom, hogy ezek a legszörnyebb kísérletek, amiket a laboromban
13:02
Because the tickleCsiki sensationszenzáció on the palmtenyér comesjön and goesmegy,
329
767000
2000
valaha is végeztünk. Mert a tenyér csiklandóssága jön és megy,
13:04
you need largenagy numbersszám of subjectstárgyak
330
769000
2000
egy csomó tárgy kell ahhoz,
13:06
with these starscsillagok makinggyártás them significantjelentős.
331
771000
2000
hogy ezekkel a csillagokkal érzékelhetővé tegyük őket.
13:08
So we were looking for a much more objectivecélkitűzés way
332
773000
2000
Ezért aztán egy jóval objektívabb módot kutattunk,
13:10
to assessértékeli this phenomenajelenségek.
333
775000
2000
ennek a jelenségnek a megközelítésére.
13:12
And in the interveningbeavatkozó yearsévek I had two daughterslányai.
334
777000
2000
Az évek során közben született két lányom.
13:14
And one thing you noticeértesítés about childrengyermekek in backseatsbekiáltotta of carsautók on long journeysutazások,
335
779000
3000
És az egyik, amit megfigyelhetünk a kocsi hátsó ülésén ülő gyerekeknél
13:17
they get into fightsharcol --
336
782000
2000
a hosszú utak során, hogy összevesznek --
13:19
whichmelyik startedindult with one of them doing something to the other, the other retaliatingmegtorlás.
337
784000
3000
ami rendszerint azzal kezdődik, hogy az egyik bosszantja a másikat, a másik pedig visszavág.
13:22
It quicklygyorsan escalatesfokozódik.
338
787000
2000
Gyorsan felpörög ez.
13:24
And childrengyermekek tendhajlamosak to get into fightsharcol whichmelyik escalatekiterjeszt in termsfeltételek of forceerő.
339
789000
3000
És a gyerekek gyakran bonyolódnak olyan vitákba, ami egyre csak erősödik.
13:27
Now when I screamedfelsikoltott at my childrengyermekek to stop,
340
792000
2000
Namost, amikor rákiáltok a gyerekeimre, hogy hagyják már abba,
13:29
sometimesnéha they would bothmindkét say to me
341
794000
2000
néha egyszerre mondták nekem azt,
13:31
the other personszemély hittalálat them hardernehezebb.
342
796000
3000
hogy a másik erősebben ütött.
13:34
Now I happentörténik to know my childrengyermekek don't liefekszik,
343
799000
2000
Történetesen tudom, hogy a gyerekeim nem hazudnak,
13:36
so I thought, as a neuroscientistneurológus,
344
801000
2000
ezért idegtudósként arra gondoltam,
13:38
it was importantfontos how I could explainmegmagyarázni
345
803000
2000
hogy fontos lehet, hogy meg tudjam magyarázni,
13:40
how they were tellingsokatmondó inconsistentkövetkezetlen truthsigazságok.
346
805000
2000
hogy lehet az, hogy egymásnak ellentmondó igazságokat állítanak.
13:42
And we hypothesizeazt feltételezik basedszékhelyű on the ticklingcsiklandozás studytanulmány
347
807000
2000
Ezért a csikis kutatásunkat alapul véve feltettük,
13:44
that when one childgyermek hitstalálatok anotheregy másik,
348
809000
2000
hogy amikor egy gyerek megüt egy másikat,
13:46
they generategenerál the movementmozgalom commandparancs.
349
811000
2000
azzal mozgásparancsot váltanak ki.
13:48
They predictmegjósolni the sensoryszenzoros consequenceskövetkezményei and subtractkivonás it off.
350
813000
3000
Előrejelzik az érzékszervi következményt és levonják.
13:51
So they actuallytulajdonképpen think they'veők már hittalálat the personszemély lessKevésbé hardkemény than they have --
351
816000
2000
Emiatt aztán úgy érzik, hogy kevésbé erősen ütötték meg a másikat,
13:53
ratherInkább like the ticklingcsiklandozás.
352
818000
2000
mint a másik őket -- épp ahogy a csikizésnél.
13:55
WhereasMivel the passivepasszív recipientcímzett
353
820000
2000
Ahol a passzív 'befogadó'
13:57
doesn't make the predictionjóslás, feelsérzi the fullteljes blowfúj.
354
822000
2000
viszont nem végzi el az előrejelzést, így teljességgel érzékeli a csapást.
13:59
So if they retaliatemegtorlás with the sameazonos forceerő,
355
824000
2000
Amikor egyforma erővel vágnak vissza,
14:01
the first personszemély will think it's been escalatedeszkalálódott.
356
826000
2000
az első azt érzékeli, hogy erősödött az ütés.
14:03
So we decidedhatározott to testteszt this in the lablabor.
357
828000
2000
Úgy döntöttünk, hogy leteszteljük ezt laborban is.
14:05
(LaughterNevetés)
358
830000
3000
(Nevetés)
14:08
Now we don't work with childrengyermekek, we don't work with hittingütő,
359
833000
2000
Nem dolgozunk gyerekekkel, és ütlegeléssel sem,
14:10
but the conceptkoncepció is identicalazonos.
360
835000
2000
de a koncepció ugyanez.
14:12
We bringhoz in two adultsfelnőttek. We tell them they're going to playjáték a gamejátszma, meccs.
361
837000
3000
Két felnőttet vettünk. Azt mondtuk nekik, hogy egy játékban vesznek részt.
14:15
And so here'sitt playerjátékos one and playerjátékos two sittingülés oppositeszemben to eachminden egyes other.
362
840000
2000
Itt ül egymással szemben az egyes és a kettes számú játékos.
14:17
And the gamejátszma, meccs is very simpleegyszerű.
363
842000
2000
A játék nagyon egyszerű.
14:19
We startedindult with a motormotor
364
844000
2000
Egy motorral kezdtünk,
14:21
with a little leverkar, a little forceerő transfusertransfuser.
365
846000
2000
egy kis erőátvivő fogantyúval.
14:23
And we use this motormotor to applyalkalmaz forceerő down to playerjátékos one'sazok fingersujjak
366
848000
2000
Arra használjuk ezt a motort, hogy az egyes számú játékos ujjaira fejtsen ki nyomást,
14:25
for threehárom secondsmásodperc and then it stopsmegálló.
367
850000
3000
3 mp-ig, aztán abbahagyja.
14:28
And that player'sjátékos been told, rememberemlékezik the experiencetapasztalat of that forceerő
368
853000
3000
Annak a játékosnak azt mondtuk, hogy jegyezze meg azt a nyomás-élményt,
14:31
and use your other fingerujj
369
856000
2000
és használja a másik ujját
14:33
to applyalkalmaz the sameazonos forceerő
370
858000
2000
arra, hogy ugyanakkora nyomást fejtsen ki
14:35
down to the other subject'salany fingerujj throughkeresztül a forceerő transfusertransfuser -- and they do that.
371
860000
3000
a másik alany ujjára egy erőátvivő karon keresztül -- és így is tettek.
14:38
And playerjátékos two'skettes been told, rememberemlékezik the experiencetapasztalat of that forceerő.
372
863000
3000
A kettes számú játékosnak azt mondtuk, hogy jegyezze meg azt az erőt.
14:41
Use your other handkéz to applyalkalmaz the forceerő back down.
373
866000
3000
A másik kezével pedig fejtsen ki ugyanakkora nyomást a másikra.
14:44
And so they take it in turnsmenetek
374
869000
2000
Így váltogatják egymást
14:46
to applyalkalmaz the forceerő they'veők már just experiencedtapasztalt back and forwardelőre.
375
871000
2000
egymás kezére gyakorolva a nyomást, oda-vissza.
14:48
But criticallykritikusan,
376
873000
2000
A fontos itt az,
14:50
they're briefedtájékoztatta about the rulesszabályok of the gamejátszma, meccs in separatekülönálló roomsszobák.
377
875000
3000
hogy különböző szobában kaptak instrukciókat a szabályokra vonatkozóan.
14:53
So they don't know the rulesszabályok the other person'sszemély playingjátszik by.
378
878000
2000
Nem ismerték tehát a szabályokat, ami szerint a társuk játszott.
14:55
And what we'vevoltunk measuredmért
379
880000
2000
Az lett a mérés eredménye,
14:57
is the forceerő as a functionfunkció of termsfeltételek.
380
882000
2000
hogy az erőkifejtés az egymásután következéstől függött.
14:59
And if we look at what we startRajt with,
381
884000
2000
Ha megnézzük, hogy mivel indultunk,
15:01
a quarternegyed of a NewtonNewton there, a numberszám of turnsmenetek,
382
886000
2000
egy negyed Newtonnal, akkor egy jópár forduló után,
15:03
perfecttökéletes would be that redpiros linevonal.
383
888000
2000
az a piros vonal lenne a megfelelő.
15:05
And what we see in all pairspárok of subjectstárgyak is this --
384
890000
3000
Ám a következő történt minden vizsgált párnál:
15:08
a 70 percentszázalék escalationeszkalációs in forceerő
385
893000
2000
minden fordulónál 70 %-kal
15:10
on eachminden egyes go.
386
895000
2000
nőtt az erőkifejtés.
15:12
So it really suggestsjavasolja, when you're doing this --
387
897000
2000
Ebből tényleg az látszik következni, hogy ha ilyet csinálunk,
15:14
basedszékhelyű on this studytanulmány and othersmások we'vevoltunk doneKész --
388
899000
2000
-- ennek, és más ilyen kísérleteknek az alapján --
15:16
that the brainagy is cancelingmegszakítása the sensoryszenzoros consequenceskövetkezményei
389
901000
2000
hogy az agy kitörli az érzékszervi következtetéseket,
15:18
and underestimatingalábecsülte the forceerő it's producingtermelő.
390
903000
2000
és alábecsüli az általa kifejtendő erőt.
15:20
So it re-showsújra mutatja the brainagy makesgyártmányú predictionselőrejelzések
391
905000
2000
Ez megint csak azt mutatja, hogy az agy végez jóslásokat,
15:22
and fundamentallyalapvetően changesváltoztatások the preceptsparancsolata.
392
907000
3000
és alapjában megváltoztatja az érzékelést.
15:25
So we'vevoltunk madekészült inferenceskövetkeztetéseket von le, we'vevoltunk doneKész predictionselőrejelzések,
393
910000
3000
Vontunk le következtetéseket, végeztünk előrejelzéseket,
15:28
now we have to generategenerál actionsakciók.
394
913000
2000
most akkor cselekvést kell kiváltanunk.
15:30
And what Bayes'Bayes ruleszabály saysmondja is, givenadott my beliefshiedelmek,
395
915000
2000
És a Bayes feltevés szerint, hitem szerint,
15:32
the actionakció should in some senseérzék be optimaloptimális.
396
917000
2000
a cselekedet valahogyan optimális lesz végül.
15:34
But we'vevoltunk got a problemprobléma.
397
919000
2000
De van ám egy kis bökkenő.
15:36
TasksFeladatok are symbolicszimbolikus -- I want to drinkital, I want to dancetánc --
398
921000
3000
A feladatok szimbolikusak -- inni szeretnék, táncolni szeretnék --
15:39
but the movementmozgalom systemrendszer has to contractszerződés 600 musclesizmok
399
924000
2000
a mozgásrendszernek azonban 600 izmot kell mozgatnia
15:41
in a particularkülönös sequencesorrend.
400
926000
2000
egy bizonyos sorrendben!
15:43
And there's a bignagy gaprés
401
928000
2000
És bizony nagy hézag van
15:45
betweenközött the taskfeladat and the movementmozgalom systemrendszer.
402
930000
2000
a feladat és a mozgásrendszer közt!
15:47
So it could be bridgedÁthidalt in infinitelyvégtelenül manysok differentkülönböző waysmódokon.
403
932000
2000
Magyarul végtelenül sokféleképpen lehetnének összeköttetésben.
15:49
So think about just a pointpont to pointpont movementmozgalom.
404
934000
2000
Gondoljanak csak egy egyik ponttól a másikig végrehajtott mozgásra.
15:51
I could chooseválaszt these two pathsutak
405
936000
2000
Választhatom ezt a két utat,
15:53
out of an infinitevégtelen numberszám of pathsutak.
406
938000
2000
a végtelenül sok rendelkezésre álló közül.
15:55
HavingMiután chosenválasztott a particularkülönös pathpálya,
407
940000
2000
Ha kiválasztottam egy utat,
15:57
I can holdtart my handkéz on that pathpálya
408
942000
2000
akkor rajta tarthatom a kezemet azon az úton,
15:59
as infinitelyvégtelenül manysok differentkülönböző jointközös configurationskonfigurációk.
409
944000
2000
a végtelenül sok ízületi konfiguráció szerint.
16:01
And I can holdtart my armkar in a particularkülönös jointközös configurationkonfiguráció
410
946000
2000
És tarthatom a kezemet egy bizonyos ízületi tartással,
16:03
eitherbármelyik very stiffmerev or very relaxednyugodt.
411
948000
2000
ami lehet nagyon merev, vagy akár nagyon ellazult.
16:05
So I have a hugehatalmas amountösszeg of choiceválasztás to make.
412
950000
3000
Tehát egy rakás döntéshelyzetem van.
16:08
Now it turnsmenetek out, we are extremelyrendkívüli módon stereotypicalsztereotip.
413
953000
3000
Az derült ki, hogy végletesen sablonosak vagyunk.
16:11
We all movemozog the sameazonos way prettyszép much.
414
956000
3000
Mindannyian eléggé hasonlóan mozgunk.
16:14
And so it turnsmenetek out we're so stereotypicalsztereotip,
415
959000
2000
Sőt, az derült ki, hogy annyira sablonosak vagyunk,
16:16
our brainsagyvelő have got dedicateddedikált neuralideg- circuitryáramkör
416
961000
2000
hogy az agyunknak rá kellett állni arra,
16:18
to decodedekódolni this stereotypingsztereotípiák.
417
963000
2000
hogy dekódolja ezeket a sablonokat!
16:20
So if I take some dotspontok
418
965000
2000
Ha veszek tehát néhány pontot,
16:22
and setkészlet them in motionmozgás with biologicalbiológiai motionmozgás,
419
967000
3000
és biológiai mozgás segítségével megmozgatom őket,
16:25
your brain'sagyvelő circuitryáramkör would understandmegért instantlyazonnal what's going on.
420
970000
3000
az agyunk áramkörei azonnal felfogják, hogy mi történik.
16:28
Now this is a bunchcsokor of dotspontok movingmozgó.
421
973000
2000
Itt egy csomó pont mozog.
16:30
You will know what this personszemély is doing,
422
975000
3000
Mi tudjuk, hogy ez a személy mit csinál,
16:33
whetherakár happyboldog, sadszomorú, oldrégi, youngfiatal -- a hugehatalmas amountösszeg of informationinformáció.
423
978000
3000
akár vidám, szomorú, idős, vagy fiatal -- ami rengeteg információ.
16:36
If these dotspontok were carsautók going on a racingverseny circuitáramkör,
424
981000
2000
Ha ezek a pontok kocsik lennének egy versenypályán,
16:38
you would have absolutelyteljesen no ideaötlet what's going on.
425
983000
3000
akkor viszont fogalmunk sem lenne, hogy mi zajlik!
16:41
So why is it
426
986000
2000
Akkor miért van tehát,
16:43
that we movemozog the particularkülönös waysmódokon we do?
427
988000
2000
hogy bizonyos módon mozgunk?
16:45
Well let's think about what really happensmegtörténik.
428
990000
2000
Gondoljuk csak végig, mi is történik valójában.
16:47
Maybe we don't all quiteegészen movemozog the sameazonos way.
429
992000
3000
Lehet, hogy nem mind mozgunk teljesen egyformán.
16:50
Maybe there's variationvariáció in the populationnépesség.
430
995000
2000
Lehet, hogy vannak variációk a népességben.
16:52
And maybe those who movemozog better than othersmások
431
997000
2000
És lehet, hogy azoknak, akik a többieknél jobban mozognak,
16:54
have got more chancevéletlen of gettingszerzés theirazok childrengyermekek into the nextkövetkező generationgeneráció.
432
999000
2000
nagyobb az esélyük arra, hogy a gyerekeik bekerüljenek a következő generációba.
16:56
So in evolutionaryevolúciós scalesMérleg, movementsmozgások get better.
433
1001000
3000
Tehát evolúciós léptékkel nézve, a mozgások egyre jobbak lesznek.
16:59
And perhapstalán in life, movementsmozgások get better throughkeresztül learningtanulás.
434
1004000
3000
És lehet, hogy az életben a mozgások tanulással fejlődnek.
17:02
So what is it about a movementmozgalom whichmelyik is good or badrossz?
435
1007000
2000
Mi a helyzet tehát egy mozgással, ami jó vagy rossz?
17:04
ImagineKépzeld el I want to interceptMetszéspont this balllabda.
436
1009000
2000
Képzeljük el, hogy el akarjuk kapni ezt a labdát.
17:06
Here are two possiblelehetséges pathsutak to that balllabda.
437
1011000
3000
Itt van két lehetséges út a labdához.
17:09
Well if I chooseválaszt the left-handbal kéz pathpálya,
438
1014000
2000
Nos, ha a baloldali utat választom,
17:11
I can work out the forceserők requiredkívánt
439
1016000
2000
kitalálhatom, mekkora erőbefektetést igényel ez az idő függvényében
17:13
in one of my musclesizmok as a functionfunkció of time.
440
1018000
2000
az egyik izmom számára.
17:15
But there's noisezaj addedhozzáadott to this.
441
1020000
2000
Hozzáadódik azonban 'zaj' is!
17:17
So what I actuallytulajdonképpen get, basedszékhelyű on this lovelybájos, smoothsima, desiredkívánt forceerő,
442
1022000
3000
Ami tehát kapok végül ezen szép, sima, megfelelő erő alapján,
17:20
is a very noisyzajos versionváltozat.
443
1025000
2000
bizony egy nagyon 'zajos' verzió lesz.
17:22
So if I pickszed the sameazonos commandparancs throughkeresztül manysok timesalkalommal,
444
1027000
3000
Ha veszem ugyanazt a parancsot sok alkalommal,
17:25
I will get a differentkülönböző noisyzajos versionváltozat eachminden egyes time, because noisezaj changesváltoztatások eachminden egyes time.
445
1030000
3000
minden alkalommal különböző zajos verziókat fogok kapni, mivel a zaj mindig változik.
17:28
So what I can showelőadás you here
446
1033000
2000
Itt azt tudom bemutatni Önöknek,
17:30
is how the variabilityváltozékonyság of the movementmozgalom will evolvefejlődik
447
1035000
2000
hogyan fejlődik a mozgás variálhatósága,
17:32
if I chooseválaszt that way.
448
1037000
2000
amennyiben ezt az utat választom.
17:34
If I chooseválaszt a differentkülönböző way of movingmozgó -- on the right for examplepélda --
449
1039000
3000
Ha egy másik utat választok a végrehajtáshoz -- jobbra pl. --
17:37
then I'll have a differentkülönböző commandparancs, differentkülönböző noisezaj,
450
1042000
2000
akkor más lesz a parancs, mások a zajok,
17:39
playingjátszik throughkeresztül a noisyzajos systemrendszer, very complicatedbonyolult.
451
1044000
3000
egy zajos rendszeren keresztül játszani nagyon bonyolult.
17:42
All we can be sure of is the variabilityváltozékonyság will be differentkülönböző.
452
1047000
3000
Amiben biztosak lehetünk, az az, hogy a variálhatóság különbözni fog.
17:45
If I movemozog in this particularkülönös way,
453
1050000
2000
Ha így mozgok,
17:47
I endvég up with a smallerkisebb variabilityváltozékonyság acrossát manysok movementsmozgások.
454
1052000
3000
végül is egy kisebb variációval jövök ki belőle, a sok mozdulat következtében.
17:50
So if I have to chooseválaszt betweenközött those two,
455
1055000
2000
Ha tehét e kettő közt kell választanom,
17:52
I would chooseválaszt the right one because it's lessKevésbé variableváltozó.
456
1057000
2000
a jobboldalit választanám, mert ott kevesebb a variáció.
17:54
And the fundamentalalapvető ideaötlet
457
1059000
2000
Az alapelv itt az,
17:56
is you want to planterv your movementsmozgások
458
1061000
2000
hogy úgy akarjuk megtervezni a mozgásunkat,
17:58
so as to minimizeminimalizálása the negativenegatív consequencekövetkezmény of the noisezaj.
459
1063000
3000
hogy minimalizáljuk a zaj negatív következményét.
18:01
And one intuitionintuíció to get
460
1066000
2000
És az egyik, amit itt megsejtünk az,
18:03
is actuallytulajdonképpen the amountösszeg of noisezaj or variabilityváltozékonyság I showelőadás here
461
1068000
2000
valójában a zaj mennyisége, vagy variálhatóság, amit itt mutatok,
18:05
getsjelentkeznek biggernagyobb as the forceerő getsjelentkeznek biggernagyobb.
462
1070000
2000
egyre erősödik a nyomás erősödésével.
18:07
So you want to avoidelkerül bignagy forceserők as one principleelv.
463
1072000
3000
tehát az egyik alapelv az, hogy el akarjuk kerülni a nagy erőkifejtéseket.
18:10
So we'vevoltunk shownLátható that usinghasználva this,
464
1075000
2000
Megmutattuk, hogy ennek felhasználásával
18:12
we can explainmegmagyarázni a hugehatalmas amountösszeg of dataadat --
465
1077000
2000
rengeteg adatot meg tudunk magyarázni --
18:14
that exactlypontosan people are going about theirazok liveséletét planningtervezés movementsmozgások
466
1079000
3000
ahogyan az emberek egész pontosan haladnak az életükben, megtervezve a mozgásukat,
18:17
so as to minimizeminimalizálása negativenegatív consequenceskövetkezményei of noisezaj.
467
1082000
3000
hogy minimalizálják általa a zajok negatív következményeit.
18:20
So I hoperemény I've convincedmeggyőződéses you the brainagy is there
468
1085000
2000
Remélem, sikerült Önöket mgegyőznöm arról,
18:22
and evolvedfejlődött to controlellenőrzés movementmozgalom.
469
1087000
2000
hogy az agyunk azért van és felődött ilyenre, hogy a mozgásokat koordinálja.
18:24
And it's an intellectualszellemi challengekihívás to understandmegért how we do that.
470
1089000
3000
Komoly intellektuális kihívás megérteni, hogyan visszük ezt végbe.
18:27
But it's alsois relevantide vonatkozó
471
1092000
2000
Lényeges ez azonban
18:29
for diseasebetegség and rehabilitationrehabilitációs.
472
1094000
2000
a betegségek és a rehabilitáció miatt is.
18:31
There are manysok diseasesbetegségek whichmelyik effecthatás movementmozgalom.
473
1096000
3000
Rengeteg betegség van hatással a mozgásra.
18:34
And hopefullyremélhetőleg if we understandmegért how we controlellenőrzés movementmozgalom,
474
1099000
2000
És ha megértjük, hogyan végezzük a mozgást, akkor remélhetőleg
18:36
we can applyalkalmaz that to roboticrobot technologytechnológia.
475
1101000
2000
alkalmazhatjuk majd a robottechnológiában is.
18:38
And finallyvégül, I want to remindemlékeztet you,
476
1103000
2000
Végezetül szeretném Önöket arra emlékeztetni,
18:40
when you see animalsállatok do what look like very simpleegyszerű tasksfeladatok,
477
1105000
2000
hogy amikor állatokat látunk, amint nagyon egyszerűnek tűnő feladatokat hajtanak végre,
18:42
the actualtényleges complexitybonyolultság of what is going on insidebelül theirazok brainagy
478
1107000
2000
az agyukban ténylegesen végbemenő komplexitás
18:44
is really quiteegészen dramaticdrámai.
479
1109000
2000
valójában igen drámai!
18:46
Thank you very much.
480
1111000
2000
Nagyon köszönöm.
18:48
(ApplauseTaps)
481
1113000
8000
(Taps)
18:56
ChrisChris AndersonAnderson: QuickGyors questionkérdés for you, DanDan.
482
1121000
2000
Chris Anderson: Egy gyors kérdés, Dan.
18:58
So you're a movementmozgalom -- (DWDW: ChauvinistSoviniszta.) -- chauvinistsoviniszta.
483
1123000
4000
Szóval mozgás soviniszta vagy.
19:02
Does that mean that you think that the other things we think our brainsagyvelő are about --
484
1127000
3000
Ez azt jelenti, hogy szerinted a többi dolog, amiről azt hisszük, hogy az agyunk arra való,
19:05
the dreamingábrándozás, the yearningvágyat, the fallingeső in love and all these things --
485
1130000
3000
-- mint pl. az álmodozás, vágyakozás, szerelembe esés, meg ilyesmik --
19:08
are a kindkedves of sideoldal showelőadás, an accidentbaleset?
486
1133000
3000
valamiféle melléktermékek, véletlen velejárók?
19:11
DWDW: No, no, actuallytulajdonképpen I think they're all importantfontos
487
1136000
2000
DW: Nem, nem, szerintem is nagyon fontos mindez ahhoz, hogy vezérelje
19:13
to drivehajtás the right movementmozgalom behaviorviselkedés to get reproductionreprodukció in the endvég.
488
1138000
3000
a megfelelő mozgást a viselkedés érdekében, hogy végül bekövetkezzen a reprodukció.
19:16
So I think people who studytanulmány sensationszenzáció or memorymemória
489
1141000
3000
Szerintem az érzékelést és a memóriát úgy tanulmányozzák,
19:19
withoutnélkül realizingfelismerve why you're layingmegállapításáról szóló down memoriesmemóriák of childhoodgyermekkor.
490
1144000
2000
hogy nem számítják be közben, hogy mi végett is gyűjtjük a gyermekkori emlékeket.
19:21
The facttény that we forgetelfelejt mosta legtöbb of our childhoodgyermekkor, for examplepélda,
491
1146000
3000
Pl. az a tény, hogy gyermekkorunk agy része kiesik a fejünkből,
19:24
is probablyvalószínűleg fine, because it doesn't effecthatás our movementsmozgások latera későbbiekben in life.
492
1149000
3000
valószínűleg azért nem gond, mivel nem befolyásolja későbbi életünk mozgásait!
19:27
You only need to storebolt things whichmelyik are really going to effecthatás movementmozgalom.
493
1152000
3000
Csak olyan dolgokat kell elraktározni, amelyek tényleg befolyásolni fogják a mozgást!
19:30
CACA: So you think that people thinkinggondolkodás about the brainagy, and consciousnessöntudat generallyáltalában,
494
1155000
3000
CA: Akkor tehát úgy gondolja, hogy azok, akik az agyról és tudatról
19:33
could get realigazi insightbepillantás
495
1158000
2000
általában elmélkednek, akkor jutnak valódi felismerésekhez
19:35
by sayingmondás, where does movementmozgalom playjáték in this gamejátszma, meccs?
496
1160000
2000
amikor rájönnek, hogy hol játszik szerepet ebben a játékban a mozgás?
19:37
DWDW: So people have foundtalál out for examplepélda
497
1162000
2000
DW: Pl. rájöttek az emberek arra,
19:39
that studyingtanul visionlátomás in the absencetávollét of realizingfelismerve why you have visionlátomás
498
1164000
2000
hogy a látás tanulmányozása anélkül,
19:41
is a mistakehiba.
499
1166000
2000
hogy figyelembe vennék, mire is való - hiba.
19:43
You have to studytanulmány visionlátomás with the realizationmegvalósítása
500
1168000
2000
A látást annak a felismerésnek a beszámításával együtt kell tanulmányozni,
19:45
of how the movementmozgalom systemrendszer is going to use visionlátomás.
501
1170000
2000
hogy a mozgásrendszer hogyan fogja felhasználni a látást.
19:47
And it usesfelhasználások it very differentlyeltérően onceegyszer you think about it that way.
502
1172000
2000
És bizony nagyon másra használja, ha egyszer így is végiggondljuk!
19:49
CACA: Well that was quiteegészen fascinatingelbűvölő. Thank you very much indeedvalóban.
503
1174000
3000
CA: Hát ez mondhatom, nagyon érdekes. Tényleg nagyon köszönjük.
19:52
(ApplauseTaps)
504
1177000
2000
(Taps)
Translated by Orsolya Szemere
Reviewed by Anna Patai

▲Back to top

ABOUT THE SPEAKER
Daniel Wolpert - Movement expert
A neuroscientist and engineer, Daniel Wolpert studies how the brain controls the body.

Why you should listen

Consider your hand. You use it to lift things, to balance yourself, to give and take, to sense the world. It has a range of interacting degrees of freedom, and it interacts with many different objects under a variety of environmental conditions. And for most of us, it all just works. At his lab in the Engineering department at Cambridge, Daniel Wolpert and his team are studying why, looking to understand the computations underlying the brain's sensorimotor control of the body.

As he says, "I believe that to understand movement is to understand the whole brain. And therefore it’s important to remember when you are studying memory, cognition, sensory processing, they’re there for a reason, and that reason is action.”  Movement is the only way we have of interacting with the world, whether foraging for food or attracting a waiter's attention. Indeed, all communication, including speech, sign language, gestures and writing, is mediated via the motor system. Taking this viewpoint, and using computational and robotic techniques as well as virtual reality systems, Wolpert and his team research the purpose of the human brain and the way it determines future actions.

 

 

More profile about the speaker
Daniel Wolpert | Speaker | TED.com