TED2015
Donald Hoffman: Do we see reality as it is?
Donald Hoffman: Olyannak látjuk a valóságot, amilyen ténylegesen?
Filmed:
Readability: 4.5
2,949,831 views
Donald Hoffman ismeretelmélet-kutató megpróbálja megválaszolni a nagy kérdést: olyannak tapasztaljuk-e meg a világunkat, amilyen ténylegesen ... vagy amilyennek látni szeretnénk? Kissé észvesztően csodálatos előadásában azt latolgatja, hogyan alkotja meg számunkra elménk a valóságot.
Donald Hoffman - Cognitive scientist
Donald Hoffman studies how our visual perception, guided by millions of years of natural selection, authors every aspect of our everyday reality. Full bio
Donald Hoffman studies how our visual perception, guided by millions of years of natural selection, authors every aspect of our everyday reality. Full bio
Double-click the English transcript below to play the video.
00:12
I love a great mystery,
0
835
2066
Szeretem a nagy rejtélyeket,
00:14
and I'm fascinated by the greatest
unsolved mystery in science,
unsolved mystery in science,
1
2901
4412
és elbűvöl a tudomány legnagyobb
megoldatlan rejtélye,
megoldatlan rejtélye,
00:19
perhaps because it's personal.
2
7313
1958
talán mert személyemben érint.
00:21
It's about who we are,
3
9681
1858
A rejtély: kik vagyunk?
00:23
and I can't help but be curious.
4
11539
2117
Nem tudom megállni,
hogy ne legyek kíváncsi.
hogy ne legyek kíváncsi.
00:26
The mystery is this:
5
14186
2089
A rejtély a következő:
00:28
What is the relationship
between your brain
between your brain
6
16275
3435
Milyen kapcsolat van elménk
00:31
and your conscious experiences,
7
19710
1511
és tudatos élményeink között?
00:33
such as your experience
of the taste of chocolate
of the taste of chocolate
8
21221
2670
Ilyen pl. a csokoládé ízének élménye
00:35
or the feeling of velvet?
9
23891
1774
vagy a bársony érintésének élménye.
00:38
Now, this mystery is not new.
10
26805
1584
A rejtély nem új keletű.
00:40
In 1868, Thomas Huxley wrote,
11
28999
3599
1868-ban Thomas Huxley ezt írta:
00:44
"How it is that anything so remarkable
as a state of consciousness comes about
as a state of consciousness comes about
12
32598
5294
"Miért van az, hogy bármi
figyelemre méltó, mint a tudatállapot,
figyelemre méltó, mint a tudatállapot,
00:49
as the result of irritating nervous tissue
13
37892
3367
az idegszövet ingerlésének következménye,
00:53
is just as unaccountable
14
41259
2066
ugyanannyira megmagyarázhatatlan,
00:55
as the appearance of the genie
when Aladdin rubbed his lamp."
when Aladdin rubbed his lamp."
15
43325
4053
mint a dzsinn megjelenése, miután
Aladdin megdörzsölte a lámpáját?"
Aladdin megdörzsölte a lámpáját?"
01:01
Now, Huxley knew that brain activity
16
49268
2277
Huxley tudta, hogy az agyi tevékenység
01:03
and conscious experiences are correlated,
17
51545
3274
és a tudatos élmények összefüggnek,
01:06
but he didn't know why.
18
54819
2159
de a miértjét nem ismerte.
01:08
To the science of his day,
it was a mystery.
it was a mystery.
19
56978
3321
Az akkori tudomány előtt ez rejtély volt.
01:12
In the years since Huxley,
20
60299
2136
A Huxley óta eltelt idő alatt
01:14
science has learned a lot
about brain activity,
about brain activity,
21
62435
3366
a tudomány jobban megismerte
az agy tevékenységét,
az agy tevékenységét,
01:17
but the relationship
between brain activity
between brain activity
22
65801
2021
de az agytevékenység
01:19
and conscious experiences
is still a mystery.
is still a mystery.
23
67822
3088
és a tudatos élmények összefüggése
még mindig rejtélyes.
még mindig rejtélyes.
01:22
Why? Why have we made so little progress?
24
70910
3645
Miért? Miért ily csekély ebben a haladás?
01:26
Well, some experts think
that we can't solve this problem
that we can't solve this problem
25
74555
4859
Egy pár szakértő úgy véli, hogy azért
nem tudjuk megoldani a kérdést,
nem tudjuk megoldani a kérdést,
01:31
because we lack the necessary
concepts and intelligence.
concepts and intelligence.
26
79414
3799
mert nincs meg hozzá a kellő
fogalomkészletünk, s nem érjük föl ésszel.
fogalomkészletünk, s nem érjük föl ésszel.
01:35
We don't expect monkeys to solve
problems in quantum mechanics,
problems in quantum mechanics,
27
83883
4069
Kvantummechanikai kérdések megoldását
nem várjuk el majmoktól,
nem várjuk el majmoktól,
01:39
and as it happens, we can't expect
our species to solve this problem either.
our species to solve this problem either.
28
87952
4165
s ezért arra sem számíthatunk,
hogy fajunk megoldja a problémát.
hogy fajunk megoldja a problémát.
01:44
Well, I disagree. I'm more optimistic.
29
92527
3134
Nem értek egyet ezzel, optimistább vagyok.
01:47
I think we've simply
made a false assumption.
made a false assumption.
30
95661
3042
Azt hiszem, egyszerűen
hamis az előfeltevésünk.
hamis az előfeltevésünk.
01:50
Once we fix it, we just
might solve this problem.
might solve this problem.
31
98703
3506
Megoldhatjuk a problémát,
amint helyrehozzuk a hibát.
amint helyrehozzuk a hibát.
01:54
Today, I'd like tell you
what that assumption is,
what that assumption is,
32
102209
2417
Ma az előfeltevésről szeretnék beszélni,
01:56
why it's false, and how to fix it.
33
104626
2758
arról, hogy miért hamis,
és hogyan hozható rendbe.
és hogyan hozható rendbe.
01:59
Let's begin with a question:
34
107874
1694
Kezdjük egy kérdéssel:
02:01
Do we see reality as it is?
35
109778
3088
Olyannak látjuk a valóságot,
mint amilyen ténylegesen?
mint amilyen ténylegesen?
02:04
I open my eyes
36
112866
1695
Kinyitom a szemem,
02:06
and I have an experience that I describe
as a red tomato a meter away.
as a red tomato a meter away.
37
114561
4937
s van egy élményem, amelyet egy tőlem
méternyire lévő paradicsomként írok le.
méternyire lévő paradicsomként írok le.
02:12
As a result, I come to believe
that in reality,
that in reality,
38
120606
3243
Ebből adódóan az a véleményem alakul ki,
hogy a valóságban
hogy a valóságban
02:15
there's a red tomato a meter away.
39
123849
2642
tőlem méternyire
van egy piros paradicsom.
van egy piros paradicsom.
02:18
I then close my eyes, and my experience
changes to a gray field,
changes to a gray field,
40
126751
4864
Behunyom a szemem, s az élményem
szürke mezővé változik,
szürke mezővé változik,
02:24
but is it still the case that in reality,
there's a red tomato a meter away?
there's a red tomato a meter away?
41
132425
5166
de ugyanaz a helyzet, hogy a valóságban
egy méternyire van egy piros paradicsom?
egy méternyire van egy piros paradicsom?
02:30
I think so, but could I be wrong?
42
138361
3552
Azt hiszem, igen, de lehet, hogy tévedek?
02:33
Could I be misinterpreting
the nature of my perceptions?
the nature of my perceptions?
43
141913
4598
Lehet, hogy félreértem
érzékelésem természetét?
érzékelésem természetét?
02:39
We have misinterpreted
our perceptions before.
our perceptions before.
44
147351
3200
Régebben érzékelésünket
többször félreértettük.
többször félreértettük.
02:42
We used to think the Earth is flat,
because it looks that way.
because it looks that way.
45
150551
3459
Valaha azt hittük, hogy a Föld lapos,
mert olyannak látszik.
mert olyannak látszik.
02:46
Pythagorus discovered that we were wrong.
46
154707
2879
Pitagorasz rájött, hogy tévedünk.
02:49
Then we thought that the Earth
is the unmoving center of the Universe,
is the unmoving center of the Universe,
47
157586
4012
Aztán azt hittük, hogy a Föld
a Világmindenség mozdulatlan középpontja,
a Világmindenség mozdulatlan középpontja,
02:53
again because it looks that way.
48
161603
1903
megint csak azért, mert úgy látszik.
02:56
Copernicus and Galileo discovered,
again, that we were wrong.
again, that we were wrong.
49
164406
4906
Kopernikusz és Galilei rájött,
hogy tévedünk.
hogy tévedünk.
03:01
Galileo then wondered if we might
be misinterpreting our experiences
be misinterpreting our experiences
50
169312
4088
Galilei aztán azon törte a fejét,
hogy élményünket esetleg
hogy élményünket esetleg
03:05
in other ways.
51
173400
1508
másképp is félreérthetjük.
03:06
He wrote: "I think that tastes,
odors, colors, and so on
odors, colors, and so on
52
174908
5009
Azt írta: "Azt hiszem, hogy az érzékek,
szagok, színek stb. helye
szagok, színek stb. helye
03:11
reside in consciousness.
53
179917
2004
a tudatunkban van.
03:14
Hence if the living creature were removed,
all these qualities would be annihilated."
all these qualities would be annihilated."
54
182291
5752
Ezért ha az élőlény eltűnne,
e tulajdonságok mind megsemmisülnének."
e tulajdonságok mind megsemmisülnének."
03:20
Now, that's a stunning claim.
55
188955
1839
Meglepő állítás.
03:23
Could Galileo be right?
56
191184
1811
Igaza lehetett Galileinek?
03:24
Could we really be misinterpreting
our experiences that badly?
our experiences that badly?
57
192995
4598
Tényleg ennyire csúnyán
félreértjük az élményeinket?
félreértjük az élményeinket?
03:29
What does modern science
have to say about this?
have to say about this?
58
197593
2561
Mit mond erről a mai tudomány?
03:32
Well, neuroscientists tell us
that about a third of the brain's cortex
that about a third of the brain's cortex
59
200704
5224
Az idegkutatók szerint
az agykéreg harmadát
az agykéreg harmadát
03:37
is engaged in vision.
60
205928
1858
a látásfunkció foglalja le.
03:39
When you simply open your eyes
and look about this room,
and look about this room,
61
207786
3506
Ha kinyitjuk a szemünket,
és körülnézünk a helyiségben,
és körülnézünk a helyiségben,
03:43
billions of neurons
and trillions of synapses are engaged.
and trillions of synapses are engaged.
62
211292
4272
milliárdnyi neuron
és billiónyi szinapszis kezd működni.
és billiónyi szinapszis kezd működni.
03:47
Now, this is a bit surprising,
63
215564
1608
Ez kissé meglepő,
03:49
because to the extent that
we think about vision at all,
we think about vision at all,
64
217172
2641
hiszen a látást úgy tekintjük
03:51
we think of it as like a camera.
65
219813
2837
mint egy kamerát,
03:54
It just takes a picture
of objective reality as it is.
of objective reality as it is.
66
222650
3940
amely az objektív valóságot
olyannak fényképezi, amilyen ténylegesen.
olyannak fényképezi, amilyen ténylegesen.
03:58
Now, there is a part of vision
that's like a camera:
that's like a camera:
67
226590
3700
A látásnak csak egy része
működik kameraként:
működik kameraként:
04:02
the eye has a lens that focuses
an image on the back of the eye
an image on the back of the eye
68
230290
4639
a szemlencse a képet
a szemfenékre fókuszálja,
a szemfenékre fókuszálja,
04:06
where there are 130 million
photoreceptors,
photoreceptors,
69
234929
3390
ott 130 millió fényreceptorsejt található,
04:10
so the eye is like a 130-megapixel camera.
70
238319
3900
ezért a szem olyan
mint egy 130-megapixeles kamera.
mint egy 130-megapixeles kamera.
04:14
But that doesn't explain
the billions of neurons
the billions of neurons
71
242219
3483
De ez nem ad magyarázatot
a milliárdnyi neuronnak
a milliárdnyi neuronnak
04:17
and trillions of synapses
that are engaged in vision.
that are engaged in vision.
72
245702
3622
és a billiónyi szinapszisnak
a látásban betöltött szerepére.
a látásban betöltött szerepére.
04:21
What are these neurons up to?
73
249324
2299
Mire valók a neuronok?
04:23
Well, neuroscientists tell us
that they are creating, in real time,
that they are creating, in real time,
74
251623
4207
Az idegkutatók szerint
a neuronok jelenítik meg
a neuronok jelenítik meg
04:27
all the shapes, objects, colors,
and motions that we see.
and motions that we see.
75
255830
4330
az általunk látott alakokat,
tárgyakat, színeket és mozgásokat.
tárgyakat, színeket és mozgásokat.
04:32
It feels like we're just taking a snapshot
of this room the way it is,
of this room the way it is,
76
260160
3491
Ez olyan, mintha pillanatfelvételeket
készítenénk a helyiségről,
készítenénk a helyiségről,
04:35
but in fact, we're constructing
everything that we see.
everything that we see.
77
263651
3575
de valójában a látottakat mi alkotjuk meg.
04:39
We don't construct
the whole world at once.
the whole world at once.
78
267226
3181
Nem azonnal alkotjuk meg az egész világot.
04:42
We construct what we need in the moment.
79
270407
2765
Azt alkotjuk meg, amire pillanatnyilag
szükségünk van.
szükségünk van.
04:45
Now, there are many demonstrations
that are quite compelling
that are quite compelling
80
273542
3367
Sokféleképp s lenyűgözően szemléltethető,
04:48
that we construct what we see.
81
276909
1811
hogy azt alkotjuk meg, amit látunk.
04:50
I'll just show you two.
82
278720
2043
Csak két példát mutatok.
04:52
In this example, you see some red discs
with bits cut out of them,
with bits cut out of them,
83
280763
5766
Az egyikben néhány vörös korongot látnak,
melyekből egyes részek hiányoznak.
melyekből egyes részek hiányoznak.
04:58
but if I just rotate
the disks a little bit,
the disks a little bit,
84
286529
2941
De ha egy kicsit elforgatom őket,
05:01
suddenly, you see a 3D cube
pop out of the screen.
pop out of the screen.
85
289470
4737
hirtelen egy háromdimenziós
kockát látunk a képernyőn.
kockát látunk a képernyőn.
05:06
Now, the screen of course is flat,
86
294207
2833
Persze, a képernyő sík,
05:09
so the three-dimensional cube
that you're experiencing
that you're experiencing
87
297040
2600
ezért az észlelt háromdimenziós kocka
05:11
must be your construction.
88
299640
2977
csakis a mi alkotásunk lehet.
05:15
In this next example,
89
303397
1913
A következő példában
05:17
you see glowing blue bars
with pretty sharp edges
with pretty sharp edges
90
305310
4224
jó éles szélű csillogó kék sávokat látunk,
05:21
moving across a field of dots.
91
309534
3184
amelyek pöttyös mezőn haladnak keresztül.
05:25
In fact, no dots move.
92
313708
3137
Valójában a pöttyök nem mozognak.
05:28
All I'm doing from frame to frame
is changing the colors of dots
is changing the colors of dots
93
316845
4621
Én változtatom a pöttyök színét
05:33
from blue to black or black to blue.
94
321466
2461
kékről feketére vagy fordítva.
05:35
But when I do this quickly,
95
323927
1834
Ha gyorsan csinálom,
05:37
your visual system creates
the glowing blue bars
the glowing blue bars
96
325761
3715
a látásuk hozza létre
az egyenetlen szélű
az egyenetlen szélű
05:41
with the sharp edges and the motion.
97
329476
2671
mozgó és fénylő kék sávokat.
05:44
There are many more examples,
but these are just two
but these are just two
98
332147
2670
Sok más példát mutathatnék,
de ez a kettő szemlélteti,
de ez a kettő szemlélteti,
05:46
that you construct what you see.
99
334817
2763
hogyan hozzuk létre, amit látunk.
05:49
But neuroscientists go further.
100
337580
2375
De az idegkutatók ennél is tovább mennek.
05:53
They say that we reconstruct reality.
101
341395
5101
Azt mondják: újraalkotjuk a valóságot.
05:58
So, when I have an experience
that I describe as a red tomato,
that I describe as a red tomato,
102
346496
4226
Amikor az élményemet
piros paradicsomnak írom le,
piros paradicsomnak írom le,
06:02
that experience is actually
an accurate reconstruction
an accurate reconstruction
103
350722
4133
az élmény valójában egy piros paradicsom
06:06
of the properties of a real red tomato
104
354855
2115
tulajdonságainak pontos újraalkotása,
06:08
that would exist
even if I weren't looking.
even if I weren't looking.
105
356970
3295
amely akkor is létezne, ha nem is nézném.
06:13
Now, why would neuroscientists
say that we don't just construct,
say that we don't just construct,
106
361595
3221
Miért szokták mondani az idegkutatók,
hogy nemcsak alkotunk,
hogy nemcsak alkotunk,
06:16
we reconstruct?
107
364816
1880
hanem újraalkotunk?
06:18
Well, the standard argument given
108
366696
2531
A szokásos magyarázat szerint
06:21
is usually an evolutionary one.
109
369227
2554
az ok az evolúcióban keresendő.
A pontosabban látó őseink
06:24
Those of our ancestors
who saw more accurately
who saw more accurately
110
372941
2439
06:27
had a competitive advantage compared
to those who saw less accurately,
to those who saw less accurately,
111
375380
4853
versenyelőnyben voltak
a kevésbé pontosan látókhoz képest,
a kevésbé pontosan látókhoz képest,
06:32
and therefore they were more likely
to pass on their genes.
to pass on their genes.
112
380233
2756
és ezért nagyobb esélyük volt
átörökíteni a génjeiket.
átörökíteni a génjeiket.
06:34
We are the offspring of those
who saw more accurately,
who saw more accurately,
113
382989
3391
Mi a pontosabban látók ivadékai vagyunk,
06:38
and so we can be confident that,
in the normal case,
in the normal case,
114
386380
2769
így normál esetben
biztosak lehetünk benne,
biztosak lehetünk benne,
06:41
our perceptions are accurate.
115
389149
2531
hogy észlelésünk pontos.
06:43
You see this in the standard textbooks.
116
391680
3695
A szokásos tankönyvekben is ez áll.
06:47
One textbook says, for example,
117
395375
1994
Az egyik tankönyv pl. ezt írja:
06:49
"Evolutionarily speaking,
118
397369
1971
"Az evolúció szempontjából
06:51
vision is useful precisely
because it is so accurate."
because it is so accurate."
119
399340
4043
a látás éppen azért hasznos,
mert annyira pontos."
mert annyira pontos."
06:55
So the idea is that accurate perceptions
are fitter perceptions.
are fitter perceptions.
120
403383
4798
Tehát a pontos észlelés van
jobban a hasznunkra.
jobban a hasznunkra.
07:00
They give you a survival advantage.
121
408181
2144
Előnyt ad a túlélésért folytatott harcban.
07:02
Now, is this correct?
122
410325
1915
Ez helyes?
Ez az evolúció elméletének
helyes értelmezése?
helyes értelmezése?
07:04
Is this the right interpretation
of evolutionary theory?
of evolutionary theory?
123
412240
2659
07:06
Well, let's first look at a couple
of examples in nature.
of examples in nature.
124
414899
3381
Hát akkor nézzünk meg egy pár,
természetből vett példát.
természetből vett példát.
07:10
The Australian jewel beetle
125
418800
2438
Az ausztráliai díszbogár kültakarója
07:13
is dimpled, glossy and brown.
126
421238
3111
recés felületű, ragyogó barna színű.
07:16
The female is flightless.
127
424349
2345
A nőstényei röpképtelenek.
07:18
The male flies, looking,
of course, for a hot female.
of course, for a hot female.
128
426694
4017
A hím repül, és természetesen,
a párosodásra kész nőstényt keresi.
a párosodásra kész nőstényt keresi.
07:22
When he finds one, he alights and mates.
129
430711
3948
Ha megtalálja, leereszkedik és párosodik.
07:26
There's another species in the outback,
130
434659
2471
Él még a vadonban más faj is.
07:29
Homo sapiens.
131
437130
1334
A Homo sapiens.
07:30
The male of this species
has a massive brain
has a massive brain
132
438464
3067
E faj hímjének hatalmas az agya,
07:33
that he uses to hunt for cold beer.
133
441531
3948
amelyet arra használ,
hogy jéghideg sört kerítsen magának.
hogy jéghideg sört kerítsen magának.
07:37
(Laughter)
134
445889
1279
(Nevetés)
07:39
And when he finds one, he drains it,
135
447168
2374
S amikor végre sört talál, megissza,
07:41
and sometimes throws the bottle
into the outback.
into the outback.
136
449542
3390
s néha a palackot a vadonba hajítja.
07:44
Now, as it happens, these bottles
are dimpled, glossy,
are dimpled, glossy,
137
452932
4248
Ezek a palackok ragyogó recés felületűek,
07:49
and just the right shade of brown
to tickle the fancy of these beetles.
to tickle the fancy of these beetles.
138
457180
4140
és pont olyan barna színárnyalatúak,
hogy fölgerjesszék a bogarak képzeletét.
hogy fölgerjesszék a bogarak képzeletét.
A hímek a palackok fölött rajzanak,
s párosodni akarnak velük.
s párosodni akarnak velük.
07:54
The males swarm all over
the bottles trying to mate.
the bottles trying to mate.
139
462772
3463
07:59
They lose all interest
in the real females.
in the real females.
140
467582
2787
Minden érdeklődésüket elveszítik
a valódi nőstények iránt.
a valódi nőstények iránt.
08:02
Classic case of the male
leaving the female for the bottle.
leaving the female for the bottle.
141
470369
4203
Klasszikus eset, mikor a hím
hanyagolja a nőstényét a palack miatt.
hanyagolja a nőstényét a palack miatt.
08:06
(Laughter) (Applause)
142
474572
2947
(Nevetés) (Taps)
08:11
The species almost went extinct.
143
479402
2371
A bogárfaj majdnem kihalt.
08:14
Australia had to change its bottles
to save its beetles.
to save its beetles.
144
482443
4309
Ausztráliának le kellett cserélnie
a palackjait, hogy megmentse a bogarait.
a palackjait, hogy megmentse a bogarait.
08:18
(Laughter)
145
486752
3000
(Nevetés)
08:21
Now, the males had successfully
found females for thousands,
found females for thousands,
146
489752
4208
A hímek sikeresen találtak maguknak
08:25
perhaps millions of years.
147
493960
2438
nőstényt évezredeken, vagy évmilliókon át.
08:28
It looked like they saw reality
as it is, but apparently not.
as it is, but apparently not.
148
496398
4434
Valóságnak hitték, amit láttak,
de nyilvánvalóan nem az volt.
de nyilvánvalóan nem az volt.
08:32
Evolution had given them a hack.
149
500832
2857
Az evolúció átverte őket.
08:35
A female is anything dimpled,
glossy and brown,
glossy and brown,
150
503689
4736
A nőstény recés kültakarójú,
ragyogó barna színű.
ragyogó barna színű.
08:40
the bigger the better.
151
508425
2276
annál jobb, minél nagyobb.
08:42
(Laughter)
152
510701
1834
(Nevetés)
08:44
Even when crawling all over the bottle,
the male couldn't discover his mistake.
the male couldn't discover his mistake.
153
512535
4840
A hím még akkor sem jön rá a tévedésére,
mikor végigmászik a palackon.
mikor végigmászik a palackon.
08:49
Now, you might say, beetles, sure,
they're very simple creatures,
they're very simple creatures,
154
517945
3645
Azt mondhatják, hogy a bogarak
nyilván túl egyszerű lények,
nyilván túl egyszerű lények,
08:53
but surely not mammals.
155
521590
1858
de nem úgy az emlősök.
08:55
Mammals don't rely on tricks.
156
523448
2717
Az emlősök nem trükköznek.
08:58
Well, I won't dwell on this,
but you get the idea. (Laughter)
but you get the idea. (Laughter)
157
526165
6013
Nem fogok ezen leragadni,
de értik, miről van szó. (Nevetés)
de értik, miről van szó. (Nevetés)
09:04
So this raises an important
technical question:
technical question:
158
532178
3158
De ez fölvet egy fontos technikai kérdést:
09:07
Does natural selection really favor
seeing reality as it is?
seeing reality as it is?
159
535336
5991
A természetes kiválasztódás
tényleg elősegíti,
tényleg elősegíti,
hogy a valóságot olyannak lássuk amilyen?
Szerencsére nem kell saccolnunk:
Szerencsére nem kell saccolnunk:
09:13
Fortunately, we don't have
to wave our hands and guess;
to wave our hands and guess;
160
541877
3536
09:17
evolution is a mathematically
precise theory.
precise theory.
161
545413
3181
az evolúció matematikailag
pontos elmélet.
pontos elmélet.
09:20
We can use the equations of evolution
to check this out.
to check this out.
162
548594
3553
Az evolúciós egyenletekkel
ellenőrizhetjük.
ellenőrizhetjük.
09:24
We can have various organisms
in artificial worlds compete
in artificial worlds compete
163
552147
4153
Késztethetünk egyes szervezeteket,
hogy mesterséges helyzetben küzdjenek,
hogy mesterséges helyzetben küzdjenek,
09:28
and see which survive and which thrive,
164
556300
1953
majd megfigyelhetjük, ki éli túl
09:30
which sensory systems are more fit.
165
558253
3553
és szaporodik, s mely érzékszerv
válik be jobban.
válik be jobban.
09:33
A key notion in those
equations is fitness.
equations is fitness.
166
561806
4085
Az egyenletekben a kulcsfogalom
az alkalmazkodás.
az alkalmazkodás.
09:37
Consider this steak:
167
565891
2695
Nézzük ezt a hússzeletet:
Mit tesz ez a hússzelet
egy állat alkalmazkodása érdekében?
egy állat alkalmazkodása érdekében?
09:41
What does this steak do
for the fitness of an animal?
for the fitness of an animal?
168
569956
2962
09:45
Well, for a hungry lion looking to eat,
it enhances fitness.
it enhances fitness.
169
573438
6016
Jó, egy élelmet kereső éhes oroszlán
alkalmazkodását javítja.
alkalmazkodását javítja.
09:52
For a well-fed lion looking to mate,
it doesn't enhance fitness.
it doesn't enhance fitness.
170
580179
4594
egy jóllakott, párzásra készülő oroszlán
alkalmazkodását nem javítja.
alkalmazkodását nem javítja.
Egy nyúlnak semmilyen helyzetben
nem javítja az alkalmazkodását,
nem javítja az alkalmazkodását,
09:58
And for a rabbit in any state,
it doesn't enhance fitness,
it doesn't enhance fitness,
171
586053
3871
10:01
so fitness does depend
on reality as it is, yes,
on reality as it is, yes,
172
589924
4124
tehát igen: az alkalmazkodás
a tényleges valóságtól függ,
a tényleges valóságtól függ,
de még a szervezettől, a szervezet
állapotától és a tevékenységétől is.
állapotától és a tevékenységétől is.
10:06
but also on the organism,
its state and its action.
its state and its action.
173
594048
4188
10:10
Fitness is not the same thing
as reality as it is,
as reality as it is,
174
598236
3553
Az alkalmazkodás nem ugyanaz,
mint amilyen ténylegesen a valóság,
mint amilyen ténylegesen a valóság,
10:13
and it's fitness,
and not reality as it is,
and not reality as it is,
175
601789
3483
ez az alkalmazkodás,
nem pedig ténylegesen a valóság,
nem pedig ténylegesen a valóság,
10:17
that figures centrally
in the equations of evolution.
in the equations of evolution.
176
605272
4179
amely központi szerepet játszik
az evolúciós egyenletben.
az evolúciós egyenletben.
10:21
So, in my lab,
177
609451
3191
A laboromban
több százezer evolúciós
szimulációs játékot játszottunk le,
szimulációs játékot játszottunk le,
10:24
we have run hundreds of thousands
of evolutionary game simulations
of evolutionary game simulations
178
612642
3775
10:28
with lots of different
randomly chosen worlds
randomly chosen worlds
179
616417
3065
melyekben véletlenszerűen
változtattuk a környezetet
változtattuk a környezetet
10:31
and organisms that compete
for resources in those worlds.
for resources in those worlds.
180
619482
4179
és az erőforrásokért egymással
küzdő szervezeteket.
küzdő szervezeteket.
10:35
Some of the organisms
see all of the reality,
see all of the reality,
181
623661
4319
Egyes szervezetek
az egész valóságot látják,
az egész valóságot látják,
mások a valóságnak csak egy részét,
10:39
others see just part of the reality,
182
627980
1889
10:41
and some see none of the reality,
183
629869
2105
mások semmit sem látnak a valóságból,
10:43
only fitness.
184
631974
1766
csak az alkalmazkodást.
Ki nyer?
10:46
Who wins?
185
634240
1580
Nem akarom önöket elkeseríteni,
de a valóságérzékelők kihalnak
de a valóságérzékelők kihalnak
10:48
Well, I hate to break it to you,
but perception of reality goes extinct.
but perception of reality goes extinct.
186
636290
5965
10:54
In almost every simulation,
187
642255
1909
majdnem minden esetben,
10:56
organisms that see none of reality
188
644164
2182
és a valóságot nem látó,
10:58
but are just tuned to fitness
189
646346
2090
csak az alkalmazkodásra ráhangolódottak
11:00
drive to extinction all the organisms
that perceive reality as it is.
that perceive reality as it is.
190
648436
5224
a tényleges valóságot érzékelő
valamennyi szervezetet kipusztítják.
valamennyi szervezetet kipusztítják.
11:05
So the bottom line is, evolution
does not favor vertical,
does not favor vertical,
191
653660
4590
Összegezve: az evolúció
nem kedvez a vertikális,
nem kedvez a vertikális,
11:10
or accurate perceptions.
192
658250
1656
azaz pontos érzékelésnek.
11:11
Those perceptions of reality go extinct.
193
659906
3762
A valóságérzékelők kihalnak.
11:15
Now, this is a bit stunning.
194
663668
2020
Ez kissé meghökkentő.
11:17
How can it be that not seeing
the world accurately
the world accurately
195
665688
3682
Hogy létezik, hogy ha nem pontosan
látjuk a környezetünket,
látjuk a környezetünket,
11:21
gives us a survival advantage?
196
669370
1820
ez a túlélés szempontjából előnyös?
11:23
That is a bit counterintuitive.
197
671190
2113
Ez egy kissé ellentmond a megérzésünknek.
11:25
But remember the jewel beetle.
198
673303
1835
De idézzük föl a díszbogarat.
11:27
The jewel beetle survived
for thousands, perhaps millions of years,
for thousands, perhaps millions of years,
199
675138
3761
A díszbogár ezernyi
vagy talán milliónyi évet túlélt
vagy talán milliónyi évet túlélt
11:30
using simple tricks and hacks.
200
678899
2694
egyszerű trükköket
és megtévesztéseket alkalmazva.
és megtévesztéseket alkalmazva.
11:33
What the equations
of evolution are telling us
of evolution are telling us
201
681593
3177
Az evolúciós egyenletek figyelmeztetnek,
hogy minden szervezet,
hogy minden szervezet,
11:36
is that all organisms, including us,
are in the same boat as the jewel beetle.
are in the same boat as the jewel beetle.
202
684770
5643
bennünket is beleértve,
a díszbogárral azonos helyzetben van.
a díszbogárral azonos helyzetben van.
11:42
We do not see reality as it is.
203
690413
1930
Nem látjuk a tényleges valóságot.
11:44
We're shaped with tricks
and hacks that keep us alive.
and hacks that keep us alive.
204
692343
4272
Trükkök és megtévesztések alakítanak
bennünket, így maradunk életben.
bennünket, így maradunk életben.
11:48
Still,
205
696615
2020
Mégis,
11:50
we need some help with our intuitions.
206
698635
2067
kell, hogy a megérzésünk segítsen nekünk.
11:52
How can not perceiving
reality as it is be useful?
reality as it is be useful?
207
700702
4783
Hogyan lehet a tényleges valóság
érzékelésének hiánya hasznos?
érzékelésének hiánya hasznos?
11:57
Well, fortunately, we have
a very helpful metaphor:
a very helpful metaphor:
208
705485
3669
Szerencsére van erre egy nagyon
találó hasonlatunk:
találó hasonlatunk:
12:01
the desktop interface on your computer.
209
709154
2832
számítógépünk képernyője.
12:03
Consider that blue icon
for a TED Talk that you're writing.
for a TED Talk that you're writing.
210
711986
4133
Képzeljük el, hogy a kék ikon
a készülő TED előadás fájljáé.
a készülő TED előadás fájljáé.
12:08
Now, the icon is blue and rectangular
211
716119
4004
Az ikon kék, szögletes,
12:12
and in the lower right corner
of the desktop.
of the desktop.
212
720123
2381
és a képernyő jobb alsó sarkában látható.
12:15
Does that mean that the text file itself
in the computer is blue,
in the computer is blue,
213
723324
4186
Ez hát azt jelenti, hogy a számítógépben
tárolt szövegfájl maga is kék, szögletes,
tárolt szövegfájl maga is kék, szögletes,
12:20
rectangular, and in the lower
right-hand corner of the computer?
right-hand corner of the computer?
214
728200
3755
és a képernyő jobb alsó
sarkában található?
sarkában található?
12:23
Of course not.
215
731955
1323
Nyilván nem.
12:25
Anyone who thought that misinterprets
the purpose of the interface.
the purpose of the interface.
216
733278
4709
Aki úgy gondolta,
félreérti e felület rendeltetését.
félreérti e felület rendeltetését.
12:29
It's not there to show you
the reality of the computer.
the reality of the computer.
217
737987
2768
Nem azért van ott, hogy
a számítógép valóságát mutassa.
a számítógép valóságát mutassa.
12:32
In fact, it's there to hide that reality.
218
740755
2925
Éppen azért van ott, hogy elfedje.
12:35
You don't want to know about the diodes
219
743680
1875
Nem érdekelnek bennünket a diódák,
12:37
and resistors and all
the megabytes of software.
the megabytes of software.
220
745555
2250
az ellenállások,
meg a szoftverek megabyte-jai.
meg a szoftverek megabyte-jai.
12:39
If you had to deal with that,
you could never write your text file
you could never write your text file
221
747805
3131
Ha azokkal kellene törődnünk,
talán soha nem készülnénk el
talán soha nem készülnénk el
12:42
or edit your photo.
222
750936
1475
a szövegfájllal vagy a képpel.
12:44
So the idea is that evolution
has given us an interface
has given us an interface
223
752411
4717
Tehát a tanulság, hogy az evolúciótól
olyan felületet kaptunk,
olyan felületet kaptunk,
12:49
that hides reality and guides
adaptive behavior.
adaptive behavior.
224
757128
4315
amely elrejti a valóságot,
és alkalmazkodó viselkedésre tanít.
és alkalmazkodó viselkedésre tanít.
12:53
Space and time, as you
perceive them right now,
perceive them right now,
225
761443
3018
Az általunk most érzékelt tér és idő
12:56
are your desktop.
226
764461
2174
a számítógépünk képernyője.
12:58
Physical objects are simply icons
in that desktop.
in that desktop.
227
766635
4737
A kézzelfogható tárgyak egyszerűen
csak ikonok ezen a képernyőn.
csak ikonok ezen a képernyőn.
13:04
There's an obvious objection.
228
772192
2221
De van egy kézenfekvő ellenvetés.
13:06
Hoffman, if you think that train
coming down the track at 200 MPH
coming down the track at 200 MPH
229
774413
3948
Hoffman úr, ha úgy gondolja,
hogy egy 320 km/óra sebességű vonat
hogy egy 320 km/óra sebességű vonat
13:10
is just an icon of your desktop,
230
778361
2461
csak egy ikon a képernyőn,
13:12
why don't you step in front of it?
231
780822
2125
miért nem lép elé?
13:14
And after you're gone,
and your theory with you,
and your theory with you,
232
782947
2293
S miután az elméletével együtt elpatkol,
13:17
we'll know that there's more
to that train than just an icon.
to that train than just an icon.
233
785240
3314
tudni fogjuk, hogy az a vonat
nem csak egy ikon.
nem csak egy ikon.
13:20
Well, I wouldn't step
in front of that train
in front of that train
234
788554
2043
Nem lépek a vonat elé
13:22
for the same reason
235
790597
1556
ugyanazon okból,
13:24
that I wouldn't carelessly drag
that icon to the trash can:
that icon to the trash can:
236
792153
4295
amiért az ikont nem húzom
szórakozottan a lomtárba:
szórakozottan a lomtárba:
13:28
not because I take the icon literally --
237
796448
3181
nem azért, mert az ikont ikonnak tekintem,
13:31
the file is not literally blue
or rectangular --
or rectangular --
238
799629
3005
— a fájl nem kék vagy szögletes
a szó szoros értelmében —
a szó szoros értelmében —
13:34
but I do take it seriously.
239
802934
2326
hanem azért, mert komolyan veszem.
13:37
I could lose weeks of work.
240
805260
2031
Hetek munkája veszhet kárba.
13:39
Similarly, evolution has shaped us
241
807291
2554
Hasonlóképpen, az evolúció
úgy alakított bennünket
úgy alakított bennünket
13:41
with perceptual symbols
that are designed to keep us alive.
that are designed to keep us alive.
242
809845
4436
érzékelhető jelképek segítségével,
hogy ezek tartsanak bennünket életben.
hogy ezek tartsanak bennünket életben.
13:46
We'd better take them seriously.
243
814811
2465
Jobb, ha komolyan vesszük őket.
13:49
If you see a snake, don't pick it up.
244
817276
2205
Ha meglátnak egy kígyót, ne szedjék föl.
13:52
If you see a cliff, don't jump off.
245
820391
2759
Ha meglátnak egy sziklát,
ne ugorjanak le róla.
ne ugorjanak le róla.
13:55
They're designed to keep us safe,
and we should take them seriously.
and we should take them seriously.
246
823150
3576
A jelképek tartanak bennünket
biztonságban, s vegyük is őket komolyan.
biztonságban, s vegyük is őket komolyan.
13:58
That does not mean that we
should take them literally.
should take them literally.
247
826726
2691
Ami nem azt jelenti,
hogy szó szerint vegyük őket.
hogy szó szerint vegyük őket.
14:01
That's a logical error.
248
829417
2254
Az hibás logika lenne.
14:03
Another objection: There's
nothing really new here.
nothing really new here.
249
831671
3205
Egy másik ellenvetés:
Hát, ebben semmi új sincs.
Hát, ebben semmi új sincs.
14:06
Physicists have told us for a long time
that the metal of that train looks solid
that the metal of that train looks solid
250
834876
3924
A fizikusok már rég megmondták,
hogy a vonatban lévő fém szemre tömör,
hogy a vonatban lévő fém szemre tömör,
14:10
but really it's mostly empty space
with microscopic particles zipping around.
with microscopic particles zipping around.
251
838800
4388
de a zöme puszta tér,
melyet parányi részecskék vesznek körül.
melyet parányi részecskék vesznek körül.
14:15
There's nothing new here.
252
843188
1488
Ebben semmi új sincs.
14:16
Well, not exactly.
253
844676
2204
Nem egészen van így.
14:18
It's like saying, I know that
that blue icon on the desktop
that blue icon on the desktop
254
846880
4040
Mintha azt mondanám,
hogy a képernyőn a kék ikon
hogy a képernyőn a kék ikon
14:22
is not the reality of the computer,
255
850920
2299
nem a számítógép valósága.
14:25
but if I pull out my trusty
magnifying glass and look really closely,
magnifying glass and look really closely,
256
853219
3459
Ám ha derék nagyítómmal
tüzetesebben megnézem,
tüzetesebben megnézem,
14:28
I see little pixels,
257
856678
1811
apró pixeleket látok,
14:30
and that's the reality of the computer.
258
858489
2461
az pedig a számítógép valósága.
14:32
Well, not really -- you're still
on the desktop, and that's the point.
on the desktop, and that's the point.
259
860950
3808
Jó, nem egészen — még csak
a képernyőig jutottunk, s ez a lényeg.
a képernyőig jutottunk, s ez a lényeg.
14:36
Those microscopic particles
are still in space and time:
are still in space and time:
260
864758
2996
Azok a pici részecskék még
ott vannak a térben és az időben:
ott vannak a térben és az időben:
14:39
they're still in the user interface.
261
867754
2391
ott vannak a felhasználói felületben.
14:42
So I'm saying something far more radical
than those physicists.
than those physicists.
262
870145
3762
Olyat mondok, ami radikálisabb
a fizikusok kijelentésénél.
a fizikusok kijelentésénél.
Végül is, ellentmondhatnak,
14:46
Finally, you might object,
263
874727
1473
14:48
look, we all see the train,
264
876200
2559
hiszen mindannyian látjuk a vonatot,
14:50
therefore none of us constructs the train.
265
878759
3042
tehát egyikünk sem hozta létre.
14:53
But remember this example.
266
881801
2090
De idézzék föl ezt a példát,
14:55
In this example, we all see a cube,
267
883891
2716
melyben mindannyian látjuk a kockát,
de a képernyő sík,
14:59
but the screen is flat,
268
887597
2093
ezért a látott kockát önök hozzák létre.
15:01
so the cube that you see
is the cube that you construct.
is the cube that you construct.
269
889690
2737
15:05
We all see a cube
270
893736
2043
Mindannyian látjuk a kockát,
15:07
because we all, each one of us,
constructs the cube that we see.
constructs the cube that we see.
271
895779
4859
mert mindannyian külön-külön
hozzuk létre a látott kockát.
hozzuk létre a látott kockát.
15:12
The same is true of the train.
272
900638
2060
Ugyanez a helyzet a vonattal is.
15:14
We all see a train because
we each see the train that we construct,
we each see the train that we construct,
273
902698
4482
Mindannyian látunk egy vonatot,
amit mindannyian külön-külön létre hozunk,
amit mindannyian külön-külön létre hozunk,
15:19
and the same is true
of all physical objects.
of all physical objects.
274
907180
3553
s így áll a helyzet minden
kézzelfogható tárggyal.
kézzelfogható tárggyal.
Azt gondolhatnánk: az érzékelés olyan,
mint egy ablak a tényleges valóságra.
mint egy ablak a tényleges valóságra.
15:24
We're inclined to think that perception
is like a window on reality as it is.
is like a window on reality as it is.
275
912343
5053
15:29
The theory of evolution is telling us
that this is an incorrect interpretation
that this is an incorrect interpretation
276
917396
5004
Az evolúciós elmélet arra tanít,
hogy ez az érzékelés
hogy ez az érzékelés
hibás értelmezése.
15:34
of our perceptions.
277
922400
1465
A valóság inkább olyan,
mint egy 3D-s képernyő,
mint egy 3D-s képernyő,
15:37
Instead, reality is more like a 3D desktop
278
925095
3544
15:40
that's designed to hide
the complexity of the real world
the complexity of the real world
279
928639
3297
melyet arra terveztek, hogy elrejtse
a való világ bonyolultságát,
a való világ bonyolultságát,
15:43
and guide adaptive behavior.
280
931936
1866
és alkalmazkodó viselkedésre tanítson.
15:46
Space as you perceive it is your desktop.
281
934282
2928
Az érzékelt tér az önök képernyője.
A kézzelfogható tárgyak
csak ikonok azon a képernyőn.
csak ikonok azon a képernyőn.
15:49
Physical objects are just
the icons in that desktop.
the icons in that desktop.
282
937210
3026
15:53
We used to think that the Earth is flat
because it looks that way.
because it looks that way.
283
941456
3670
Valaha azt hittük, hogy a Föld lapos,
mert úgy látszik.
mert úgy látszik.
15:57
Then we thought that the Earth
is the unmoving center of reality
is the unmoving center of reality
284
945520
3134
Aztán meg, hogy a valóság
mozdulatlan középpontja,
mozdulatlan középpontja,
16:00
because it looks that way.
285
948654
1724
mert úgy látszik.
16:02
We were wrong.
286
950378
1142
Tévedtünk.
16:03
We had misinterpreted our perceptions.
287
951520
2670
Tévesen értelmeztük az észleléseinket.
Ma azt hisszük, hogy a téridő és a tárgyak
16:06
Now we believe that spacetime and objects
288
954910
3409
16:10
are the nature of reality as it is.
289
958319
2614
a tényleges valóság természetét mutatják.
16:13
The theory of evolution is telling us
that once again, we're wrong.
that once again, we're wrong.
290
961453
3924
Az evolúciós elmélet arra tanít,
hogy ismét tévedünk.
hogy ismét tévedünk.
16:17
We're misinterpreting the content
of our perceptual experiences.
of our perceptual experiences.
291
965377
5039
Félreértjük az észlelésünkből fakadó
élményeink tartalmát.
élményeink tartalmát.
16:22
There's something that exists
when you don't look,
when you don't look,
292
970416
2531
Van valami, ami akkor is létezik,
mikor nem nézzük,
mikor nem nézzük,
16:24
but it's not spacetime
and physical objects.
and physical objects.
293
972947
3403
de ez nem a téridő
és nem a kézzelfogható tárgyak.
és nem a kézzelfogható tárgyak.
Nekünk ugyanolyan nehéz
figyelmen kívül hagynunk
figyelmen kívül hagynunk
16:28
It's as hard for us to let go
of spacetime and objects
of spacetime and objects
294
976350
3028
16:31
as it is for the jewel beetle
to let go of its bottle.
to let go of its bottle.
295
979378
3483
a téridőt és a tárgyakat,
mint a díszbogárnak a palackjait.
mint a díszbogárnak a palackjait.
16:34
Why? Because we're blind
to our own blindnesses.
to our own blindnesses.
296
982861
4418
Miért? Mert nem látjuk a fától az erdőt.
De a díszbogárhoz képest előnyben vagyunk:
16:40
But we have an advantage
over the jewel beetle:
over the jewel beetle:
297
988409
2347
16:42
our science and technology.
298
990756
1788
van tudományunk és technológiánk.
16:44
By peering through the lens of a telescope
299
992544
2391
Mikor belepillantottunk a teleszkópba,
16:46
we discovered that the Earth
is not the unmoving center of reality,
is not the unmoving center of reality,
300
994935
4636
fölfedeztük, hogy a Föld nem
a valóság mozdulatlan központja,
a valóság mozdulatlan központja,
16:51
and by peering through the lens
of the theory of evolution
of the theory of evolution
301
999571
2878
s mikor belepillantottunk
az evolúciós elméletbe,
az evolúciós elméletbe,
16:54
we discovered that spacetime and objects
302
1002449
2322
fölfedeztük, hogy a téridő és a tárgyak
16:56
are not the nature of reality.
303
1004771
2368
nem a valóság természetéből fakadnak.
16:59
When I have a perceptual experience
that I describe as a red tomato,
that I describe as a red tomato,
304
1007139
4285
Mikor érzékeléssel kapcsolatos élményemet
piros paradicsomként írom le,
piros paradicsomként írom le,
17:03
I am interacting with reality,
305
1011424
2937
kölcsönhatásban vagyok a valósággal,
17:06
but that reality is not a red tomato
and is nothing like a red tomato.
and is nothing like a red tomato.
306
1014361
5210
de a valóság nem egy piros paradicsom,
s nem hasonlít egy piros paradicsomhoz.
s nem hasonlít egy piros paradicsomhoz.
17:11
Similarly, when I have an experience
that I describe as a lion or a steak,
that I describe as a lion or a steak,
307
1019571
5401
Hasonlóképpen, mikor egy élményemet
oroszlánként vagy hússzeletként írom le,
oroszlánként vagy hússzeletként írom le,
17:16
I'm interacting with reality,
308
1024972
1848
kölcsönhatásban vagyok a valósággal,
17:18
but that reality is not a lion or a steak.
309
1026820
3158
de a valóság sem nem oroszlán,
sem nem hússzelet.
sem nem hússzelet.
17:21
And here's the kicker:
310
1029978
2020
De most ugrik a majom a vízbe:
17:23
When I have a perceptual experience
that I describe as a brain, or neurons,
that I describe as a brain, or neurons,
311
1031998
4690
Mikor érzékeléssel kapcsolatos élményemet
agyként vagy neuronként írom le,
agyként vagy neuronként írom le,
17:28
I am interacting with reality,
312
1036688
2090
kölcsönhatásban vagyok a valósággal,
17:30
but that reality is not a brain or neurons
313
1038778
3529
de a valóság sem nem agy, sem nem neuron,
17:34
and is nothing like a brain or neurons.
314
1042307
3498
s nem hasonlít sem az agyhoz,
sem a neuronhoz.
sem a neuronhoz.
17:37
And that reality, whatever it is,
315
1045805
4779
S az a valóság, bármi legyen is,
17:42
is the real source of cause and effect
316
1050584
3611
az ok és okozat valódi forrása a világban:
17:46
in the world -- not brains, not neurons.
317
1054195
4032
nem az agy, nem a neuronok.
17:50
Brains and neurons
have no causal powers.
have no causal powers.
318
1058227
2600
Egyiküknek sincs ok-okozati ereje.
17:52
They cause none of our
perceptual experiences,
perceptual experiences,
319
1060827
2601
Egyikük sem okoz nekünk
érzékelésből fakadó élményt,
érzékelésből fakadó élményt,
17:55
and none of our behavior.
320
1063428
1788
sem nem vált ki viselkedést.
17:57
Brains and neurons are a species-specific
set of symbols, a hack.
set of symbols, a hack.
321
1065216
5376
Az agy és a neuron egy, fajra specifikus
jelképgyűjtemény, egy megtévesztés.
jelképgyűjtemény, egy megtévesztés.
18:02
What does this mean
for the mystery of consciousness?
for the mystery of consciousness?
322
1070592
2681
Mit jelent ez a tudat
rejtélye szempontjából?
rejtélye szempontjából?
18:05
Well, it opens up new possibilities.
323
1073923
3993
Ez új lehetőségeket tár elénk.
18:09
For instance,
324
1077916
1695
Például lehet,
18:11
perhaps reality is some vast machine
that causes our conscious experiences.
that causes our conscious experiences.
325
1079611
6979
hogy a valóság egy hatalmas gépezet,
s az okozza tudatos élményeinket.
s az okozza tudatos élményeinket.
18:18
I doubt this, but it's worth exploring.
326
1086590
3670
Kétlem, de azért érdemes megkutatni.
18:22
Perhaps reality is some vast,
interacting network of conscious agents,
interacting network of conscious agents,
327
1090260
5349
Lehet, hogy a valóság: tudatos cselekvők
kölcsönhatásban lévő hatalmas hálózata,
kölcsönhatásban lévő hatalmas hálózata,
18:27
simple and complex, that cause
each other's conscious experiences.
each other's conscious experiences.
328
1095609
5573
egyszerű és összetett, ez okozza
egymás tudatos élményeit.
egymás tudatos élményeit.
18:33
Actually, this isn't as crazy
an idea as it seems,
an idea as it seems,
329
1101182
3250
Valójában ez nem olyan őrült ötlet,
mint első hallásra vélnék,
mint első hallásra vélnék,
18:36
and I'm currently exploring it.
330
1104432
1620
s most épp ezt tanulmányozom.
18:38
But here's the point:
331
1106592
2066
De a lényeg a következő:
18:40
Once we let go of our massively intuitive
332
1108658
3321
Ha mellőzzük a zömmel intuitív,
18:43
but massively false assumption
about the nature of reality,
about the nature of reality,
333
1111979
3924
de zömében hamis feltételezésünket
a valóság természetéről,
a valóság természetéről,
18:47
it opens up new ways to think
about life's greatest mystery.
about life's greatest mystery.
334
1115903
4388
akkor az élet legnagyobb rejtélyéről való
gondolkodásunk új módszere tárul elénk.
gondolkodásunk új módszere tárul elénk.
18:53
I bet that reality will end up
turning out to be more fascinating
turning out to be more fascinating
335
1121251
4609
Lefogadom, úgy járunk majd a valósággal,
hogy a végén sokkal érdekesebb
hogy a végén sokkal érdekesebb
18:57
and unexpected than we've ever imagined.
336
1125860
3974
és meglepőbb lesz,
mint valaha gondoltuk volna.
mint valaha gondoltuk volna.
19:01
The theory of evolution presents us
with the ultimate dare:
with the ultimate dare:
337
1129834
4388
Az evolúciós elmélet kiváltja
belőlünk a kemény dacot:
belőlünk a kemény dacot:
19:06
Dare to recognize that perception
is not about seeing truth,
is not about seeing truth,
338
1134222
5142
Merjük fölismerni, hogy az érzékelés
nem az, hogy látjuk az igazságot,
nem az, hogy látjuk az igazságot,
19:11
it's about having kids.
339
1139364
4096
hanem az, hogy családot alapítunk.
Egyébként még ez a TED is
csak a fejükben létezik.
csak a fejükben létezik.
19:15
And by the way, even this TED
is just in your head.
is just in your head.
340
1143460
4740
19:20
Thank you very much.
341
1148200
2044
Köszönöm szépen.
19:22
(Applause)
342
1150244
3388
(Taps)
19:32
Chris Anderson: If that's
really you there, thank you.
really you there, thank you.
343
1160786
3435
Chris Anderson: Ha itt ez tényleg
te vagy, úgy köszönöm szépen.
te vagy, úgy köszönöm szépen.
19:36
So there's so much from this.
344
1164221
2931
Ebből sok minden következik.
19:39
I mean, first of all, some people
may just be profoundly depressed
may just be profoundly depressed
345
1167152
3269
Úgy értem: először is sokan
mélyen kétségbe eshetnek a gondolatra,
mélyen kétségbe eshetnek a gondolatra,
19:42
at the thought that,
if evolution does not favor reality,
if evolution does not favor reality,
346
1170421
5549
ha az evolúció nem kedvez a valóságnak.
19:47
I mean, doesn't that to some extent
undermine all our endeavors here,
undermine all our endeavors here,
347
1175970
3330
Nem dönti-e ez romba valahogy
minden törekvésünket, képességünket,
minden törekvésünket, képességünket,
19:51
all our ability to think
that we can think the truth,
that we can think the truth,
348
1179300
2684
hogy helyesen gondolkozhatunk
az igazságról,
az igazságról,
19:53
possibly even including
your own theory, if you go there?
your own theory, if you go there?
349
1181984
3506
talán beleértve a te elméletedet is?
19:57
Donald Hoffman: Well, this does not
stop us from a successful science.
stop us from a successful science.
350
1185490
4454
Donald Hoffman: De ez nem
akadályozza meg a tudomány sikereit.
akadályozza meg a tudomány sikereit.
20:01
What we have is one theory
that turned out to be false,
that turned out to be false,
351
1189944
2812
Van egy elméletünk,
melyről kiderült, hogy hamis,
melyről kiderült, hogy hamis,
20:04
that perception is like reality
and reality is like our perceptions.
and reality is like our perceptions.
352
1192756
4459
hogy az érzékelés olyan mint a valóság,
és a valóság mint az érzékelésünk.
és a valóság mint az érzékelésünk.
20:09
That theory turns out to be false.
353
1197215
1685
Kiderült, hogy az az elmélet hamis.
20:10
Okay, throw that theory away.
354
1198900
1418
Dobjuk ki azt az elméletet.
20:12
That doesn't stop us from now postulating
all sorts of other theories
all sorts of other theories
355
1200318
3254
Ettől még a valóság természetéről szóló
más elméleteket is
más elméleteket is
20:15
about the nature of reality,
356
1203572
1358
lehetségesnek tarthatunk,
20:16
so it's actually progress to recognize
that one of our theories was false.
that one of our theories was false.
357
1204930
3605
s ez arra indít, hogy belássuk:
egyik elméletünk hamis volt.
egyik elméletünk hamis volt.
20:20
So science continues as normal.
There's no problem here.
There's no problem here.
358
1208535
2658
A tudomány rendben halad, nincs gond vele.
20:23
CA: So you think it's possible
-- (Laughter) --
-- (Laughter) --
359
1211193
2601
CA: Úgyhogy azt gondolod, lehetséges ...
(Nevetés)
(Nevetés)
20:25
This is cool, but what you're saying
I think is it's possible that evolution
I think is it's possible that evolution
360
1213794
4110
Ez frankó, de azt mondod, hogy az evolúció
20:29
can still get you to reason.
361
1217904
2647
még közelebb vihet bennünket
az értelemhez.
az értelemhez.
20:32
DH: Yes. Now that's a very,
very good point.
very good point.
362
1220551
2313
DH: Igen, ez kiváló gondolat.
20:34
The evolutionary game simulations that I
showed were specifically about perception,
showed were specifically about perception,
363
1222864
4527
Az érzékeléssel kapcsolatos evolúciós
kísérletek, amelyeket ismertettem,
kísérletek, amelyeket ismertettem,
20:39
and they do show that our perceptions
have been shaped
have been shaped
364
1227391
2578
arra utalnak, hogy az érzékelésünk
úgy alakult,
úgy alakult,
20:41
not to show us reality as it is,
365
1229969
1880
hogy ne a tényleges valóságot mutassa,
20:43
but that does not mean the same thing
about our logic or mathematics.
about our logic or mathematics.
366
1231849
4273
de ez nem vonatkozik a logikára
vagy a matematikára.
vagy a matematikára.
20:48
We haven't done these simulations,
but my bet is that we'll find
but my bet is that we'll find
367
1236122
3622
Ezekre nem végeztünk szimulációs
kísérleteket, de lefogadom,
kísérleteket, de lefogadom,
20:51
that there are some selection pressures
for our logic and our mathematics
for our logic and our mathematics
368
1239744
3622
hogy logikánkat és matematikánkat
éri kiválasztódási nyomás,
éri kiválasztódási nyomás,
20:55
to be at least in the direction of truth.
369
1243366
2206
hogy legalább közelítse az igazságot.
20:57
I mean, if you're like me,
math and logic is not easy.
math and logic is not easy.
370
1245572
2647
Ha neked is mint nekem,
nehéz a matek és a logika.
nehéz a matek és a logika.
21:00
We don't get it all right, but at least
the selection pressures are not
the selection pressures are not
371
1248219
3351
Nem könnyű megértenünk,
de legalább a kiválasztódási nyomás
de legalább a kiválasztódási nyomás
21:03
uniformly away from true math and logic.
372
1251570
2338
eltérő távolságú
az igazi matektól és logikától.
az igazi matektól és logikától.
21:05
So I think that we'll find that we have
to look at each cognitive faculty
to look at each cognitive faculty
373
1253908
3320
Megismerési képességünk minden szeletét
egyenként kell vizsgálnunk,
egyenként kell vizsgálnunk,
21:09
one at a time and see
what evolution does to it.
what evolution does to it.
374
1257228
2624
s így kell megfigyelnünk
az evolúció hatását.
az evolúció hatását.
21:11
What's true about perception may not
be true about math and logic.
be true about math and logic.
375
1259852
3761
Ami áll az érzékelésre, nem biztos,
hogy áll a matekra és a logikára.
hogy áll a matekra és a logikára.
21:15
CA: I mean, really what you're proposing
is a kind of modern-day Bishop Berkeley
is a kind of modern-day Bishop Berkeley
376
1263613
3994
CA: Úgy értsem, hogy javaslatod
egyfajta modern
egyfajta modern
Berkeley püspök-féle értelmezés
a világról:
a világról:
21:19
interpretation of the world:
377
1267607
2391
21:21
consciousness causes matter,
not the other way around.
not the other way around.
378
1269998
2949
a tudatosság eredményezi az anyagot,
nem pedig fordítva.
nem pedig fordítva.
21:24
DH: Well, it's slightly
different than Berkeley.
different than Berkeley.
379
1272947
2392
DH: Nem, ez egy kicsit más,
mint Berkeley-nél.
mint Berkeley-nél.
21:27
Berkeley thought that, he was a deist,
and he thought that the ultimate
and he thought that the ultimate
380
1275339
3362
Berkeley úgy gondolta, hogy ő deista,
és a valóság végső természete Isten stb.
21:30
nature of reality is God
and so forth,
and so forth,
381
1278701
2039
21:32
and I don't need to go
where Berkeley's going,
where Berkeley's going,
382
1280740
3110
Nem kell ott kalandoznom,
ahol Berkeley járt,
ahol Berkeley járt,
21:35
so it's quite a bit
different from Berkeley.
different from Berkeley.
383
1283850
2695
ezért ez egy kicsit más,
mint Berkeley-nél.
mint Berkeley-nél.
Ezt tudatos realizmusnak nevezem,
s ez nagyon más felfogás.
s ez nagyon más felfogás.
21:39
I call this conscious realism.
It's actually a very different approach.
It's actually a very different approach.
384
1287725
3510
21:43
CA: Don, I could literally talk with you
for hours, and I hope to do that.
for hours, and I hope to do that.
385
1291235
3590
CA: Órákig tudnék veled beszélgetni,
s remélem, lesz rá még módom.
s remélem, lesz rá még módom.
21:46
Thanks so much for that.
DH: Thank you. (Applause)
DH: Thank you. (Applause)
386
1294825
2473
Nagyon szépen köszönöm.
DH: Köszönöm. (Taps)
DH: Köszönöm. (Taps)
ABOUT THE SPEAKER
Donald Hoffman - Cognitive scientistDonald Hoffman studies how our visual perception, guided by millions of years of natural selection, authors every aspect of our everyday reality.
Why you should listen
In his research to uncover the underlying secrets of human perception, Donald Hoffman has discovered important clues pointing to the subjective nature of reality.
Rather than as a set of absolute physical principles, reality is best understood as a set of phenomena our brain constructs to guide our behavior. To put it simply: we actively create everything we see, and there is no aspect of reality that does not depend on consciousness.
Hoffman is a faculty member at UC Irvine and a recipient of the Troland Award of the US National Academy of Sciences.
Donald Hoffman | Speaker | TED.com