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: La vera ragion d'essere del cervello

Filmed:
1,994,993 views

Il Neuroscienziato Daniel Wolpert comincia da una premessa sorprendente: il cervello si evolve, non per pensare o sentire, ma per controllare il movimento. In questo divertente discorso ricco di dati ci fa intravedere il cervello nella creazione della grazia e agilità del movimento umano.
- 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 neuroscientistneuroscienziato.
0
0
2000
Sono un neuroscienziato.
00:17
And in neuroscienceneuroscienza,
1
2000
2000
E in neuroscienza,
00:19
we have to dealaffare with manymolti difficultdifficile questionsle domande about the braincervello.
2
4000
3000
abbiamo a che fare con molte domande difficili sul cervello.
00:22
But I want to startinizio with the easiestpiù semplice questiondomanda
3
7000
2000
Ma voglio cominciare con la domanda più facile
00:24
and the questiondomanda you really should have all askedchiesto yourselvesvoi stessi at some pointpunto in your life,
4
9000
3000
e la domanda che avreste dovuto tutti chiedervi a un certo punto della vostra vita,
00:27
because it's a fundamentalfondamentale questiondomanda
5
12000
2000
perché è una domanda fondamentale
00:29
if we want to understandcapire braincervello functionfunzione.
6
14000
2000
se vogliamo capire il funzionamento del cervello.
00:31
And that is, why do we and other animalsanimali
7
16000
2000
Ed è, perché noi e altri animali
00:33
have brainsmente?
8
18000
2000
abbiamo un cervello?
00:35
Not all speciesspecie on our planetpianeta have brainsmente,
9
20000
3000
Non tutte le specie sul pianeta hanno un cervello,
00:38
so if we want to know what the braincervello is for,
10
23000
2000
quindi se vogliamo capire a cosa serve il cervello,
00:40
let's think about why we evolvedevoluto one.
11
25000
2000
cerchiamo di pensare a perché il nostro si è evoluto.
00:42
Now you maypuò reasonragionare that we have one
12
27000
2000
Potreste pensare che ce l'abbiamo
00:44
to perceivepercepire the worldmondo or to think,
13
29000
2000
per percepire il mondo o per pensare,
00:46
and that's completelycompletamente wrongsbagliato.
14
31000
2000
ed è totalmente sbagliato.
00:48
If you think about this questiondomanda for any lengthlunghezza of time,
15
33000
3000
Se pensate a questa domanda per un momento
00:51
it's blindinglyaccecante obviousevidente why we have a braincervello.
16
36000
2000
è assolutamente ovvio il perché abbiamo un cervello.
00:53
We have a braincervello for one reasonragionare and one reasonragionare only,
17
38000
3000
Abbiamo un cervello per una ragione ed una sola,
00:56
and that's to produceprodurre adaptableadattabile and complexcomplesso movementsmovimenti.
18
41000
3000
ed è per produrre movimenti complessi ed adattabili.
00:59
There is no other reasonragionare to have a braincervello.
19
44000
2000
Non ci sono altri motivi per avere un cervello.
01:01
Think about it.
20
46000
2000
Pensateci.
01:03
MovementMovimento is the only way you have
21
48000
2000
Il movimento è l'unico modo che abbiamo
01:05
of affectingche interessano the worldmondo around you.
22
50000
2000
di influenzare il mondo che abbiamo intorno a noi.
01:07
Now that's not quiteabbastanza truevero. There's one other way, and that's throughattraverso sweatingsudorazione.
23
52000
3000
Non è proprio vero. C'è un altro modo, ed è attraverso il sudore.
01:10
But aparta parte from that,
24
55000
2000
Ma a parte questo,
01:12
everything elsealtro goesva throughattraverso contractionscontrazioni of musclesmuscoli.
25
57000
2000
tutto il resto passa attraverso la contrazione dei muscoli.
01:14
So think about communicationcomunicazione --
26
59000
2000
Pensate alla comunicazione -
01:16
speechdiscorso, gesturesgesti, writingscrittura, signsegno languageLingua --
27
61000
3000
linguaggio, gesti, scrittura, linguaggio dei segni -
01:19
they're all mediatedmediata throughattraverso contractionscontrazioni of your musclesmuscoli.
28
64000
3000
passano tutti dalla contrazione dei muscoli.
01:22
So it's really importantimportante to rememberricorda
29
67000
2000
È quindi molto importante ricordare
01:24
that sensorysensoriale, memorymemoria and cognitiveconoscitivo processesprocessi are all importantimportante,
30
69000
4000
che i processi sensoriali, mnemonici e cognitivi sono tutti importanti,
01:28
but they're only importantimportante
31
73000
2000
ma sono importanti solo
01:30
to eithero driveguidare or suppressreprimere futurefuturo movementsmovimenti.
32
75000
2000
per guidare o sopprimere futuri movimenti.
01:32
There can be no evolutionaryevolutiva advantagevantaggio
33
77000
2000
Non ci può essere nessun vantaggio evolutivo
01:34
to layingposa in opera down memoriesricordi of childhoodinfanzia
34
79000
2000
nell'abbandonare ricordi d'infanzia
01:36
or perceivingpercepire the colorcolore of a roserosa
35
81000
2000
o percepire il colore di una rosa
01:38
if it doesn't affectinfluenzare the way you're going to movemossa laterdopo in life.
36
83000
3000
se non influisce sul modo in cui ci muoveremo più avanti nella vita.
01:41
Now for those who don't believe this argumentdiscussione,
37
86000
2000
Per coloro che non credono a questo ragionamento,
01:43
we have treesalberi and grasserba on our planetpianeta withoutsenza the braincervello,
38
88000
2000
ci sono alberi ed erba sul nostro pianeta senza cervello,
01:45
but the clinchingclinciatura evidenceprova is this animalanimale here --
39
90000
2000
ma la prova evidente è questo animale qui -
01:47
the humbleumile seamare squirteiaculazioni femminili.
40
92000
2000
l'umile ascidia.
01:49
RudimentaryRudimentale animalanimale, has a nervousnervoso systemsistema,
41
94000
3000
Animali primitivi, con un sistema nervoso,
01:52
swimsnuota around in the oceanoceano in its juvenilegiovanile life.
42
97000
2000
nuotano nell'oceano nei primi anni di vita.
01:54
And at some pointpunto of its life,
43
99000
2000
A un certo punto della loro vita,
01:56
it implantsimpianti on a rockroccia.
44
101000
2000
si impiantano su uno scoglio.
01:58
And the first thing it does in implantingl'impianto di on that rockroccia, whichquale it never leavesle foglie,
45
103000
3000
E la prima cosa che fanno impiantandosi su uno scoglio, che non lasciano più,
02:01
is to digestdigerire its ownproprio braincervello and nervousnervoso systemsistema
46
106000
3000
è digerire il proprio cervello e il proprio sistema nervoso
02:04
for foodcibo.
47
109000
2000
per alimentarsi.
02:06
So onceuna volta you don't need to movemossa,
48
111000
2000
Quindi una volta che non c'è più bisogno di muoversi,
02:08
you don't need the luxurylusso of that braincervello.
49
113000
3000
non c'è più necessità del lusso di un cervello.
02:11
And this animalanimale is oftenspesso takenprese
50
116000
2000
E questo animale viene spesso preso
02:13
as an analogyanalogia to what happensaccade at universitiesuniversità
51
118000
2000
come analogia a quello che succede nelle università
02:15
when professorsprofessori get tenurepossesso,
52
120000
2000
quando i professori ottengono la cattedra,
02:17
but that's a differentdiverso subjectsoggetto.
53
122000
2000
ma questo è un altro discorso.
02:19
(ApplauseApplausi)
54
124000
2000
(Applausi)
02:21
So I am a movementmovimento chauvinistsciovinista.
55
126000
3000
Sono fanatico del movimento.
02:24
I believe movementmovimento is the mostmaggior parte importantimportante functionfunzione of the braincervello --
56
129000
2000
Credo che il movimento sia la funzione più importante del cervello,
02:26
don't let anyonechiunque tell you that it's not truevero.
57
131000
2000
e non fatevi dire il contrario da nessuno.
02:28
Now if movementmovimento is so importantimportante,
58
133000
2000
Se il movimento è così importante,
02:30
how well are we doing
59
135000
2000
quanto siamo bravi
02:32
understandingcomprensione how the braincervello controlscontrolli movementmovimento?
60
137000
2000
nel capire come il cervello controlla i movimenti?
02:34
And the answerrisposta is we're doing extremelyestremamente poorlymale; it's a very harddifficile problemproblema.
61
139000
2000
E la risposta è che siamo pessimi; è un problema molto difficile.
02:36
But we can look at how well we're doing
62
141000
2000
Ma possiamo vedere quanto siamo bravi
02:38
by thinkingpensiero about how well we're doing buildingcostruzione machinesmacchine
63
143000
2000
pensando a quanto siamo bravi nel costruire macchine
02:40
whichquale can do what humansgli esseri umani can do.
64
145000
2000
che possono fare quello che fanno gli esseri umani.
02:42
Think about the gamegioco of chessscacchi.
65
147000
2000
Pensate al gioco degli scacchi.
02:44
How well are we doing determiningla determinazione what piecepezzo to movemossa where?
66
149000
3000
Quanto siamo bravi a determinare che pezzo muovere e dove?
02:47
If you pitfossa GarryGarry KasparovKasparov here, when he's not in jailprigione,
67
152000
3000
Se fate sfidare Gary Kasparov, quando non è in galera,
02:50
againstcontro IBM'sDi IBM DeepProfondo BlueBlu,
68
155000
2000
contro l'IBM Deep Blue,
02:52
well the answerrisposta is IBM'sDi IBM DeepProfondo BlueBlu will occasionallydi tanto in tanto winvincere.
69
157000
3000
la risposta è che l'IBM Deep Blue vincerà di tanto in tanto.
02:55
And I think if IBM'sDi IBM DeepProfondo BlueBlu playedgiocato anyonechiunque in this roomcamera, it would winvincere everyogni time.
70
160000
3000
E credo che se l'IBM Deep Blue giocasse con chiunque in questa stanza, vincerebbe sempre.
02:58
That problemproblema is solvedrisolto.
71
163000
2000
Quel problema è risolto.
03:00
What about the problemproblema
72
165000
2000
E che ne dite del problema
03:02
of pickingscelta up a chessscacchi piecepezzo,
73
167000
2000
di afferrare un pezzo degli scacchi,
03:04
dexterouslydestramente manipulatingmanipolazione it and puttingmettendo it back down on the boardtavola?
74
169000
3000
maneggiarlo abilmente e rimetterlo sulla scacchiera?
03:07
If you put a fivecinque year-oldanni child'sdi bambino dexteritydestrezza againstcontro the bestmigliore robotsrobot of todayoggi,
75
172000
3000
Se mettete di fronte l'abilità di un bambino di cinque anni contro i migliori robot di oggi,
03:10
the answerrisposta is simplesemplice:
76
175000
2000
la risposta è semplice:
03:12
the childbambino winsvittorie easilyfacilmente.
77
177000
2000
il bambino vince con facilità.
03:14
There's no competitionconcorrenza at all.
78
179000
2000
Non c'è gara.
03:16
Now why is that topsuperiore problemproblema so easyfacile
79
181000
2000
Perché questo problema è così facile
03:18
and the bottomparte inferiore problemproblema so harddifficile?
80
183000
2000
e l'altro problema è così difficile?
03:20
One reasonragionare is a very smartinteligente fivecinque year-oldanni
81
185000
2000
Un motivo è che un bambino di cinque anni molto sveglio
03:22
could tell you the algorithmalgoritmo for that topsuperiore problemproblema --
82
187000
2000
potrebbe dirvi l'algoritmo di quel problema -
03:24
look at all possiblepossibile movessi muove to the endfine of the gamegioco
83
189000
2000
cercare tutte le possibili mosse fino alla fine del gioco
03:26
and choosescegliere the one that makesfa you winvincere.
84
191000
2000
e scegliere quella che vi fa vincere.
03:28
So it's a very simplesemplice algorithmalgoritmo.
85
193000
2000
È un algoritmo molto semplice.
03:30
Now of coursecorso there are other movessi muove,
86
195000
2000
Ovviamente ci sono altre mosse,
03:32
but with vastvasto computerscomputer we approximateapprossimativo
87
197000
2000
ma con grandi computer è approssimativo
03:34
and come closevicino to the optimalottimale solutionsoluzione.
88
199000
2000
e si avvicina alla soluzione ottimale.
03:36
When it comesviene to beingessere dexterousabile,
89
201000
2000
Quando si tratta di abilità,
03:38
it's not even clearchiaro what the algorithmalgoritmo is you have to solverisolvere to be dexterousabile.
90
203000
2000
non è chiaro quale sia l'algoritmo da seguire per essere abili.
03:40
And we'llbene see you have to bothentrambi perceivepercepire and actatto on the worldmondo,
91
205000
2000
E ci accorgiamo che si deve sia percepire che agire sul mondo,
03:42
whichquale has a lot of problemsi problemi.
92
207000
2000
cosa che comporta molti problemi.
03:44
But let me showmostrare you cutting-edgeall'avanguardia roboticsRobotica.
93
209000
2000
Ma lasciate che vi mostri una robotica d'avanguardia.
03:46
Now a lot of roboticsRobotica is very impressiveimpressionante,
94
211000
2000
Molta robotica è assai impressionante,
03:48
but manipulationmanipolazione roboticsRobotica is really just in the darkbuio agesevo.
95
213000
3000
ma la robotica di manipolazione è ancora in un periodo buio.
03:51
So this is the endfine of a PhPH.D. projectprogetto
96
216000
2000
Questa è la conclusione del progetto di un dottorato
03:53
from one of the bestmigliore roboticsRobotica institutesistituti.
97
218000
2000
che viene da uno dei migliori istituti di robotica.
03:55
And the studentalunno has trainedallenato this robotrobot
98
220000
2000
Lo studente ha formato questo robot
03:57
to pourversare this wateracqua into a glassbicchiere.
99
222000
2000
per versare l'acqua in un bicchiere.
03:59
It's a harddifficile problemproblema because the wateracqua sloshesrovescia about, but it can do it.
100
224000
3000
È un problema difficile perché l'acqua fuoriesce, ma riesce a farlo.
04:02
But it doesn't do it with anything like the agilityagilità of a humanumano.
101
227000
3000
Ma non lo fa neanche lontanamente con l'agilità di un essere umano.
04:05
Now if you want this robotrobot to do a differentdiverso taskcompito,
102
230000
3000
Se volete che questo robot faccia un lavoro diverso
04:08
that's anotherun altro three-yeartre anni PhPH.D. programprogramma.
103
233000
3000
ci vuole un altro programma di dottorato di tre anni.
04:11
There is no generalizationgeneralizzazione at all
104
236000
2000
In robotica, da un compito ad un altro
04:13
from one taskcompito to anotherun altro in roboticsRobotica.
105
238000
2000
non è possibile generalizzare.
04:15
Now we can compareconfrontare this
106
240000
2000
Possiamo confrontare questo
04:17
to cutting-edgeall'avanguardia humanumano performanceprestazione.
107
242000
2000
con l'esecuzione all'avanguardia di un essere umano.
04:19
So what I'm going to showmostrare you is EmilyEmily FoxFox
108
244000
2000
Vi mostrerò Emily Fox
04:21
winningvincente the worldmondo recorddisco for cuptazza stackingaccatastamento.
109
246000
3000
che realizza il record del mondo di impilamento dei bicchierini.
04:24
Now the AmericansAmericani in the audiencepubblico will know all about cuptazza stackingaccatastamento.
110
249000
2000
Gli americani tra il pubblico sapranno tutto di impilamento dei bicchierini.
04:26
It's a highalto schoolscuola sportsport
111
251000
2000
È uno sport che si pratica al liceo
04:28
where you have 12 cupstazze you have to stackpila and unstackunstack
112
253000
2000
dove ci sono 12 bicchierini da impilare e disimpilare
04:30
againstcontro the clockorologio in a prescribedprescritto orderordine.
113
255000
2000
in ordine preciso e contro il tempo.
04:32
And this is her gettingottenere the worldmondo recorddisco in realvero time.
114
257000
3000
E questa è lei mentre realizza il record del mondo in tempo reale.
04:39
(LaughterRisate)
115
264000
8000
(Risate)
04:47
(ApplauseApplausi)
116
272000
5000
(Applausi)
04:52
And she's prettybella happycontento.
117
277000
2000
Ed è abbastanza contenta.
04:54
We have no ideaidea what is going on insidedentro her braincervello when she does that,
118
279000
2000
Non abbiamo nessuna idea di quello che succede nel suo cervello mentre lo fa,
04:56
and that's what we'dsaremmo like to know.
119
281000
2000
ed è quello che vorremmo sapere.
04:58
So in my groupgruppo, what we try to do
120
283000
2000
Quindi nel mio gruppo, quello che cerchiamo di fare
05:00
is reverseinverso engineeringegnere how humansgli esseri umani controlcontrollo movementmovimento.
121
285000
3000
è l'ingegneria inversa di come gli esseri umani controllano il movimento.
05:03
And it soundssuoni like an easyfacile problemproblema.
122
288000
2000
E sembra un problema facile.
05:05
You sendinviare a commandcomando down, it causescause musclesmuscoli to contractcontrarre.
123
290000
2000
Si manda giù un comando, che causa contrazione muscolare.
05:07
Your armbraccio or bodycorpo movessi muove,
124
292000
2000
Il braccio o il corpo si muovono,
05:09
and you get sensorysensoriale feedbackrisposta from visionvisione, from skinpelle, from musclesmuscoli and so on.
125
294000
3000
e si ottiene una reazione sensoriale dalla vista, dalla pelle, dai muscoli e così via.
05:12
The troubleguaio is
126
297000
2000
Il problema è
05:14
these signalssegnali are not the beautifulbellissimo signalssegnali you want them to be.
127
299000
2000
che questi segnali non sono i bei segnali che vorreste.
05:16
So one thing that makesfa controllingcontrollo movementmovimento difficultdifficile
128
301000
2000
Quindi una cosa che rende difficile il controllo del movimento
05:18
is, for exampleesempio, sensorysensoriale feedbackrisposta is extremelyestremamente noisyrumoroso.
129
303000
3000
è, per esempio, che il riscontro sensoriale è estremamente rumoroso.
05:21
Now by noiserumore, I do not mean soundsuono.
130
306000
3000
Con rumoroso non intendo sonoro.
05:24
We use it in the engineeringingegneria and neuroscienceneuroscienza sensesenso
131
309000
2000
Usiamo il termine in ingegneria e neuroscieza
05:26
meaningsenso a randomcasuale noiserumore corruptingcorrompendo a signalsegnale.
132
311000
2000
con il significato di rumore casuale che altera il segnale.
05:28
So the oldvecchio daysgiorni before digitaldigitale radioRadio when you were tuningmessa a punto in your radioRadio
133
313000
3000
Ai vecchi tempi prima della radio digitale quando sintonizzavate la radio
05:31
and you heardsentito "crrcckkkcrrcckkk" on the stationstazione you wanted to hearsentire,
134
316000
2000
e sentivate "crrrrckkk" sulla frequenza che volevate sentire,
05:33
that was the noiserumore.
135
318000
2000
quello era il rumore.
05:35
But more generallygeneralmente, this noiserumore is something that corruptscorrompe the signalsegnale.
136
320000
3000
Ma in linea generale, questo rumore è qualcosa che altera il segnale.
05:38
So for exampleesempio, if you put your handmano undersotto a tabletavolo
137
323000
2000
Quindi per esempio, se mettete le mani sotto un tavolo
05:40
and try to localizelocalizzare it with your other handmano,
138
325000
2000
e cercate di localizzarla con l'altra mano,
05:42
you can be off by severalparecchi centimeterscentimetri
139
327000
2000
potete discostarvi di parecchi centimetri
05:44
duedovuto to the noiserumore in sensorysensoriale feedbackrisposta.
140
329000
2000
a causa del rumore del riscontro sensoriale.
05:46
SimilarlyAllo stesso modo, when you put motoril motore outputproduzione on movementmovimento outputproduzione,
141
331000
2000
Allo stesso modo, quando gli effettori vengono stimolati,
05:48
it's extremelyestremamente noisyrumoroso.
142
333000
2000
è estremamente rumoroso.
05:50
ForgetDimenticate about tryingprovare to hitcolpire the bull'sdi Toro eyeocchio in dartsfreccette,
143
335000
2000
Dimenticatevi di colpire il bersaglio con le freccette,
05:52
just aimscopo for the samestesso spotindividuare over and over again.
144
337000
2000
puntando allo stesso punto più e più volte.
05:54
You have a hugeenorme spreaddiffusione duedovuto to movementmovimento variabilityvariabilità.
145
339000
3000
C'è una grossa differenza dovuta alla variabilità del movimento.
05:57
And more than that, the outsideal di fuori worldmondo, or taskcompito,
146
342000
2000
E non solo, il mondo esterno, o il compito,
05:59
is bothentrambi ambiguousambiguo and variablevariabile.
147
344000
2000
sono entrambi ambigui e variabili.
06:01
The teapotteiera could be fullpieno, it could be emptyvuoto.
148
346000
2000
Il bicchiere può essere pieno, può essere vuoto.
06:03
It changesi cambiamenti over time.
149
348000
2000
Cambia col tempo.
06:05
So we work in a wholetotale sensorysensoriale movementmovimento taskcompito soupla minestra of noiserumore.
150
350000
4000
Lavoriamo quindi in un calderone di rumore da movimento sensoriale.
06:09
Now this noiserumore is so great
151
354000
2000
Questo rumore è così fantastico
06:11
that societysocietà placesposti a hugeenorme premiumPremium
152
356000
2000
che la società offre una grossa ricompensa
06:13
on those of us who can reduceridurre the consequencesconseguenze of noiserumore.
153
358000
3000
a coloro che riescono a ridurre le conseguenze del rumore.
06:16
So if you're luckyfortunato enoughabbastanza to be ablecapace to knockKnock a smallpiccolo whitebianca ballpalla
154
361000
3000
Se siete abbastanza fortunati da riuscire a infilare una pallina bianca
06:19
into a holebuco severalparecchi hundredcentinaio yardscantieri away usingutilizzando a long metalmetallo stickbastone,
155
364000
3000
in un buco a centinaia di metri di distanza utilizzando una stecca di metallo,
06:22
our societysocietà will be willingdisposto to rewardricompensa you
156
367000
2000
la nostra società è disposta a ricompensarvi
06:24
with hundredscentinaia of millionsmilioni of dollarsdollari.
157
369000
3000
con centinaia di milioni di dollari.
06:27
Now what I want to convinceconvincere you of
158
372000
2000
Ciò di cui voglio convincervi
06:29
is the braincervello alsoanche goesva throughattraverso a lot of effortsforzo
159
374000
2000
è che il cervello fa molti sforzi
06:31
to reduceridurre the negativenegativo consequencesconseguenze
160
376000
2000
per ridurre le conseguenze negative
06:33
of this sortordinare of noiserumore and variabilityvariabilità.
161
378000
2000
di questo rumore e variabilità.
06:35
And to do that, I'm going to tell you about a frameworkstruttura
162
380000
2000
E per fare questo, vi racconterò di una struttura
06:37
whichquale is very popularpopolare in statisticsstatistica and machinemacchina learningapprendimento of the last 50 yearsanni
163
382000
3000
molto popolare in statistica e nell'apprendimento automatico degli ultimi 50 anni
06:40
calledchiamato BayesianBayesiano decisiondecisione theoryteoria.
164
385000
2000
che si chiama Teoria Decisionale Bayesiana.
06:42
And it's more recentlyrecentemente a unifyingunificante way
165
387000
3000
E oggi è un sistema unificante
06:45
to think about how the braincervello dealsofferte with uncertaintyincertezza.
166
390000
3000
per pensare a come il cervello tratta l'incertezza.
06:48
And the fundamentalfondamentale ideaidea is you want to make inferencesinferenze and then take actionsAzioni.
167
393000
3000
E l'idea fondamentale è che si vogliono fare deduzioni e poi intraprendere azioni.
06:51
So let's think about the inferenceinferenza.
168
396000
2000
Pensiamo alla deduzione.
06:53
You want to generatecreare beliefscredenze about the worldmondo.
169
398000
2000
Si vuole generare una convinzione sul mondo.
06:55
So what are beliefscredenze?
170
400000
2000
Quali sono le vostre convinzioni?
06:57
BeliefsCredenze could be: where are my armsbraccia in spacespazio?
171
402000
2000
Le convinzioni possono essere: dove sono le mie braccia nello spazio?
06:59
Am I looking at a catgatto or a foxVolpe?
172
404000
2000
Assomiglio a un gatto o a una volpe?
07:01
But we're going to representrappresentare beliefscredenze with probabilitiesprobabilità.
173
406000
3000
Ma rappresenteremo le convinzioni con le probabilità.
07:04
So we're going to representrappresentare a beliefcredenza
174
409000
2000
Rappresenteremo una convinzione
07:06
with a numbernumero betweenfra zerozero and one --
175
411000
2000
con un numero tra zero e uno -
07:08
zerozero meaningsenso I don't believe it at all, one meanssi intende I'm absolutelyassolutamente certaincerto.
176
413000
3000
zero significa che non ci credo per niente, uno significa che sono assolutamente certo.
07:11
And numbersnumeri in betweenfra give you the graygrigio levelslivelli of uncertaintyincertezza.
177
416000
3000
E i numeri in mezzo vi danno i livelli di incertezza.
07:14
And the keychiave ideaidea to BayesianBayesiano inferenceinferenza
178
419000
2000
E l'idea chiave della deduzione bayesiana
07:16
is you have two sourcesfonti of informationinformazione
179
421000
2000
è avere due fonti di informazioni
07:18
from whichquale to make your inferenceinferenza.
180
423000
2000
da cui fare la vostra deduzione.
07:20
You have datadati,
181
425000
2000
Avete i dati,
07:22
and datadati in neuroscienceneuroscienza is sensorysensoriale inputingresso.
182
427000
2000
e i dati in neuroscienza è uno stimolo sensoriale.
07:24
So I have sensorysensoriale inputingresso, whichquale I can take in to make beliefscredenze.
183
429000
3000
Quindi ho uno stimolo sensoriale da cui partire per creare le mie convinzioni.
07:27
But there's anotherun altro sourcefonte of informationinformazione, and that's effectivelyefficacemente priorprecedente knowledgeconoscenza.
184
432000
3000
Ma c'è un'altra fonte di informazione, e sono in realtà le conoscenze precedenti.
07:30
You accumulateaccumulare knowledgeconoscenza throughoutper tutto your life in memoriesricordi.
185
435000
3000
Accumulate conoscenza in memoria durante la vita.
07:33
And the pointpunto about BayesianBayesiano decisiondecisione theoryteoria
186
438000
2000
E il punto della Teoria Decisionale Bayesiana
07:35
is it gives you the mathematicsmatematica
187
440000
2000
è che vi dà la matematica
07:37
of the optimalottimale way to combinecombinare
188
442000
2000
della maniera ottimale per combinare
07:39
your priorprecedente knowledgeconoscenza with your sensorysensoriale evidenceprova
189
444000
2000
le vostre conoscenze precedenti con le vostre prove sensoriali
07:41
to generatecreare newnuovo beliefscredenze.
190
446000
2000
per generare nuove convinzioni.
07:43
And I've put the formulaformula up there.
191
448000
2000
E ho messo qui la formula.
07:45
I'm not going to explainspiegare what that formulaformula is, but it's very beautifulbellissimo.
192
450000
2000
Non starò qui a spiegarvi cos'è questa formula, ma è molto bella.
07:47
And it has realvero beautybellezza and realvero explanatoryesplicativo powerenergia.
193
452000
3000
Ed è veramente bella e ha un reale potere esplicativo.
07:50
And what it really saysdice, and what you want to estimatestima,
194
455000
2000
Quello che dice veramente, e quello che volete stimare,
07:52
is the probabilityprobabilità of differentdiverso beliefscredenze
195
457000
2000
è la probabilità di diverse convinzioni
07:54
givendato your sensorysensoriale inputingresso.
196
459000
2000
dati i vostri stimoli sensoriali.
07:56
So let me give you an intuitiveintuitivo exampleesempio.
197
461000
2000
Lasciatemi fare un esempio intuitivo.
07:58
ImagineImmaginate you're learningapprendimento to playgiocare tennistennis
198
463000
3000
Immaginate di imparare a giocare a tennis
08:01
and you want to decidedecidere where the ballpalla is going to bouncerimbalzo
199
466000
2000
e volete decidere dove rimbalzerà la palla
08:03
as it comesviene over the netnetto towardsin direzione you.
200
468000
2000
mentre si avvicina dalla rete verso di voi.
08:05
There are two sourcesfonti of informationinformazione
201
470000
2000
Ci sono due fonti di informazioni.
08:07
Bayes'Bayes ruleregola tellsdice you.
202
472000
2000
La regola di Baye ve lo dice.
08:09
There's sensorysensoriale evidenceprova -- you can use visualvisivo informationinformazione auditoryuditorio informationinformazione,
203
474000
3000
Ci sono prove sensoriali - potete usare l'informazione visiva, l'informazione uditiva,
08:12
and that mightpotrebbe tell you it's going to landsbarcare in that redrosso spotindividuare.
204
477000
3000
e potrebbe darvi quell'area rossa.
08:15
But you know that your sensessensi are not perfectperfezionare,
205
480000
3000
Ma sapete che i vostri sensi non sono perfetti,
08:18
and thereforeperciò there's some variabilityvariabilità of where it's going to landsbarcare
206
483000
2000
e quindi c'è una certa dose di variabilità sul punto in cui atterrerà
08:20
shownmostrato by that cloudnube of redrosso,
207
485000
2000
evidenziata da quell'area rossa,
08:22
representingche rappresentano numbersnumeri betweenfra 0.5 and maybe 0.1.
208
487000
3000
che rappresenta numeri tra 0,5 e forse 0,1.
08:26
That informationinformazione is availablea disposizione in the currentattuale shottiro,
209
491000
2000
Quell'informazione è disponibile per il colpo in corso,
08:28
but there's anotherun altro sourcefonte of informationinformazione
210
493000
2000
ma c'è un'altra fonte di informazione
08:30
not availablea disposizione on the currentattuale shottiro,
211
495000
2000
non disponibile nel colpo in corso,
08:32
but only availablea disposizione by repeatedripetuto experienceEsperienza in the gamegioco of tennistennis,
212
497000
3000
ma solo disponibile da esperienze ripetute nel tennis,
08:35
and that's that the ballpalla doesn't bouncerimbalzo
213
500000
2000
ed è che la pallina non rimbalza
08:37
with equalpari probabilityprobabilità over the courtTribunale duringdurante the matchincontro.
214
502000
2000
con la stessa probabilità sul campo durante la partita.
08:39
If you're playinggiocando againstcontro a very good opponentavversario,
215
504000
2000
Se giocate contro un avversario molto bravo,
08:41
they maypuò distributedistribuire it in that greenverde areala zona,
216
506000
2000
potrebbe distribuirsi su quest'area verde,
08:43
whichquale is the priorprecedente distributiondistribuzione,
217
508000
2000
che è la distribuzione precedente,
08:45
makingfabbricazione it harddifficile for you to returnritorno.
218
510000
2000
mettendovi in difficoltà nel rispondere.
08:47
Now bothentrambi these sourcesfonti of informationinformazione carrytrasportare importantimportante informationinformazione.
219
512000
2000
Entrambe le fonti di informazioni contengono informazioni importanti.
08:49
And what Bayes'Bayes ruleregola saysdice
220
514000
2000
E quello che dice la regola di Bayes
08:51
is that I should multiplymoltiplicare the numbersnumeri on the redrosso by the numbersnumeri on the greenverde
221
516000
3000
è che dovreste moltiplicare i numeri sull'area rossa per i numeri sull'area verde
08:54
to get the numbersnumeri of the yellowgiallo, whichquale have the ellipsesellissi,
222
519000
3000
per ottenere i numeri del giallo, che hanno le ellissi,
08:57
and that's my beliefcredenza.
223
522000
2000
e questa è la mia convinzione.
08:59
So it's the optimalottimale way of combiningcombinando informationinformazione.
224
524000
3000
È la maniera ottimale di combinare l'informazione.
09:02
Now I wouldn'tno tell you all this if it wasn'tnon era that a fewpochi yearsanni agofa,
225
527000
2000
Non vi direi tutto questo se non fosse che qualche anno fa,
09:04
we showedha mostrato this is exactlydi preciso what people do
226
529000
2000
abbiamo mostrato che questo è esattamente quello fa la gente
09:06
when they learnimparare newnuovo movementmovimento skillsabilità.
227
531000
2000
quando impara nuovi movimenti.
09:08
And what it meanssi intende
228
533000
2000
E ciò che significa
09:10
is we really are BayesianBayesiano inferenceinferenza machinesmacchine.
229
535000
2000
è che siamo veramente delle macchine di deduzione bayesiana.
09:12
As we go around, we learnimparare about statisticsstatistica of the worldmondo and layposare that down,
230
537000
4000
Mentre andiamo in giro, impariamo le statistiche del mondo e le mettiamo giù,
09:16
but we alsoanche learnimparare
231
541000
2000
ma impariamo anche
09:18
about how noisyrumoroso our ownproprio sensorysensoriale apparatusapparato is,
232
543000
2000
quanto sia rumoroso il nostro apparato sensoriale,
09:20
and then combinecombinare those
233
545000
2000
e combiniamo le due cose
09:22
in a realvero BayesianBayesiano way.
234
547000
2000
in maniera bayesiana.
09:24
Now a keychiave partparte to the BayesianBayesiano is this partparte of the formulaformula.
235
549000
3000
Un elemento chiave della deduzione bayesiana è questa parte della formula.
09:27
And what this partparte really saysdice
236
552000
2000
E quello che dice questa parte
09:29
is I have to predictpredire the probabilityprobabilità
237
554000
2000
è che devo prevedere la probabilità
09:31
of differentdiverso sensorysensoriale feedbacksfeedback
238
556000
2000
dei diversi riscontri sensoriali
09:33
givendato my beliefscredenze.
239
558000
2000
date le mie convinzioni.
09:35
So that really meanssi intende I have to make predictionsPrevisioni of the futurefuturo.
240
560000
3000
Questo significa quindi che devo fare delle previsioni sul futuro.
09:38
And I want to convinceconvincere you the braincervello does make predictionsPrevisioni
241
563000
2000
E voglio convincerci che il cervello fa veramente delle previsioni
09:40
of the sensorysensoriale feedbackrisposta it's going to get.
242
565000
2000
dai riscontri sensoriali che recepirà.
09:42
And moreoverinoltre, it profoundlyprofondamente changesi cambiamenti your perceptionspercezioni
243
567000
2000
Inoltre, cambia profondamente le vostre percezioni
09:44
by what you do.
244
569000
2000
a seconda di quello che fate.
09:46
And to do that, I'll tell you
245
571000
2000
E per fare questo, vi spiegherò
09:48
about how the braincervello dealsofferte with sensorysensoriale inputingresso.
246
573000
2000
come il cervello si interfaccia con gli stimoli sensoriali.
09:50
So you sendinviare a commandcomando out,
247
575000
3000
Allora, inviate un comando,
09:53
you get sensorysensoriale feedbackrisposta back,
248
578000
2000
e avete in cambio un riscontro sensoriale,
09:55
and that transformationtrasformazione is governedgovernati
249
580000
2000
e quella trasformazione viene gestita
09:57
by the physicsfisica of your bodycorpo and your sensorysensoriale apparatusapparato.
250
582000
3000
dalla fisica del vostro corpo e dal vostro apparato sensoriale.
10:00
But you can imagineimmaginare looking insidedentro the braincervello.
251
585000
2000
Ma potete immaginarlo guardando all'interno del cervello.
10:02
And here'secco insidedentro the braincervello.
252
587000
2000
Ecco l'interno del cervello.
10:04
You mightpotrebbe have a little predictorPredictor, a neuralneurale simulatorsimulatore,
253
589000
2000
Potreste avere un piccolo indovino, un simulatore neurale,
10:06
of the physicsfisica of your bodycorpo and your sensessensi.
254
591000
2000
della fisica del vostro corpo e dei vostri sensi.
10:08
So as you sendinviare a movementmovimento commandcomando down,
255
593000
2000
Quindi mentre inviate un comando di movimento,
10:10
you taprubinetto a copycopia of that off
256
595000
2000
ne registrate una copia
10:12
and runcorrere it into your neuralneurale simulatorsimulatore
257
597000
2000
e la fate girare nel vostro simulatore neurale
10:14
to anticipateanticipare the sensorysensoriale consequencesconseguenze of your actionsAzioni.
258
599000
4000
per anticipare le conseguenze sensoriali delle vostre azioni.
10:18
So as I shakescuotere this ketchupketchup bottlebottiglia,
259
603000
2000
Quindi, mentre agito questa bottiglia di ketchup,
10:20
I get some truevero sensorysensoriale feedbackrisposta as the functionfunzione of time in the bottomparte inferiore rowriga.
260
605000
3000
ne ricavo dei riscontri sensoriali in funzione del tempo del risultato.
10:23
And if I've got a good predictorPredictor, it predictspredice the samestesso thing.
261
608000
3000
E se il mio sistema prevede bene, prevede la stessa cosa.
10:26
Well why would I botherperdete tempo doing that?
262
611000
2000
Perché dovrei disturbarmi a fare tutto ciò?
10:28
I'm going to get the samestesso feedbackrisposta anywaycomunque.
263
613000
2000
Otterrò comunque lo stesso riscontro.
10:30
Well there's good reasonsmotivi.
264
615000
2000
Ci sono buone ragioni.
10:32
ImagineImmaginate, as I shakescuotere the ketchupketchup bottlebottiglia,
265
617000
2000
Immaginate, mentre agito la bottiglia di ketchup,
10:34
someonequalcuno very kindlygentilmente comesviene up to me and tapsrubinetti it on the back for me.
266
619000
3000
appare qualcuno che gentilmente dà qualche colpetto per me.
10:37
Now I get an extraextra sourcefonte of sensorysensoriale informationinformazione
267
622000
2000
Ricevo una fonte extra di informazioni sensoriali
10:39
duedovuto to that externalesterno actatto.
268
624000
2000
dovute ad un atto esterno.
10:41
So I get two sourcesfonti.
269
626000
2000
Ho quindi due fonti.
10:43
I get you tappingmaschiatura on it, and I get me shakingtremante it,
270
628000
3000
Ci siete voi che date colpetti e io che agito,
10:46
but from my senses'dei sensi pointpunto of viewvista,
271
631000
2000
entrambi dal punto di vista dei miei sensi,
10:48
that is combinedcombinato togetherinsieme into one sourcefonte of informationinformazione.
272
633000
3000
che si combinano in un'unica fonte di informazione.
10:51
Now there's good reasonragionare to believe
273
636000
2000
Ci sono buone ragioni per credere
10:53
that you would want to be ablecapace to distinguishdistinguere externalesterno eventseventi from internalinterno eventseventi.
274
638000
3000
che vorreste essere in grado di distinguere eventi esterni da eventi interni.
10:56
Because externalesterno eventseventi are actuallyin realtà much more behaviorallyrelativamente al comportamento relevantpertinente
275
641000
3000
Perché gli eventi esterni sono molto più rilevanti dal punto di vista comportamentale
10:59
than feelingsensazione everything that's going on insidedentro my bodycorpo.
276
644000
3000
del sentire tutto ciò che accade all'interno del mio corpo.
11:02
So one way to reconstructricostruire that
277
647000
2000
Un modo per ricostruirlo
11:04
is to compareconfrontare the predictionpredizione --
278
649000
2000
è confrontare la previsione -
11:06
whichquale is only basedbasato on your movementmovimento commandscomandi --
279
651000
2000
che è basato solo sui vostri comandi di movimento -
11:08
with the realityla realtà.
280
653000
2000
con la realtà.
11:10
Any discrepancydiscrepanza should hopefullyfiduciosamente be externalesterno.
281
655000
3000
Qualunque discrepanza dovrebbe, se tutto va bene, essere esterna.
11:13
So as I go around the worldmondo,
282
658000
2000
Mentre me ne vado in giro,
11:15
I'm makingfabbricazione predictionsPrevisioni of what I should get, subtractingsottraendo them off.
283
660000
3000
faccio previsioni di quello che dovrebbe succedere e le sottraggo.
11:18
Everything left over is externalesterno to me.
284
663000
2000
Tutto ciò che rimane mi è esterno.
11:20
What evidenceprova is there for this?
285
665000
2000
Quali prove ci sono di tutto ciò?
11:22
Well there's one very clearchiaro exampleesempio
286
667000
2000
C'è un esempio molto chiaro
11:24
where a sensationsensazione generatedgenerato by myselfme stessa feelssi sente very differentdiverso
287
669000
2000
dove una sensazione generata da me stesso sembra molto diversa
11:26
then if generatedgenerato by anotherun altro personpersona.
288
671000
2000
da quella generata da un'altra persona.
11:28
And so we decideddeciso the mostmaggior parte obviousevidente placeposto to startinizio
289
673000
2000
Abbiamo quindi deciso il punto più ovvio da cui cominciare
11:30
was with ticklingsolletico.
290
675000
2000
ossia il solletico.
11:32
It's been knownconosciuto for a long time, you can't ticklesolletico yourselfte stesso
291
677000
2000
È noto da tempo che non si può solleticare sé stessi
11:34
as well as other people can.
292
679000
2000
così come riescono a fare gli altri.
11:36
But it hasn'tnon ha really been shownmostrato, it's because you have a neuralneurale simulatorsimulatore,
293
681000
3000
Ma non è stato veramente dimostrato, è perché avete un simulatore neurale,
11:39
simulatingsimulazione your ownproprio bodycorpo
294
684000
2000
che simula il vostro corpo
11:41
and subtractingsottraendo off that sensesenso.
295
686000
2000
e sottrae quel senso.
11:43
So we can bringportare the experimentsesperimenti of the 21stst centurysecolo
296
688000
3000
Possiamo allora avviare l'esperimento del 21° secolo
11:46
by applyingl'applicazione roboticrobotica technologiestecnologie to this problemproblema.
297
691000
3000
applicando la robotica a questo problema.
11:49
And in effecteffetto, what we have is some sortordinare of stickbastone in one handmano attachedallegato to a robotrobot,
298
694000
3000
E in effetti, abbiamo questo bastoncino attaccato alla mano di un robot,
11:52
and they're going to movemossa that back and forwardinoltrare.
299
697000
2000
che lo muoverà avanti e indietro.
11:54
And then we're going to tracktraccia that with a computercomputer
300
699000
2000
E lo tracceremo con un computer
11:56
and use it to controlcontrollo anotherun altro robotrobot,
301
701000
2000
e lo useremo per controllare un altro robot,
11:58
whichquale is going to ticklesolletico theirloro palmpalma with anotherun altro stickbastone.
302
703000
2000
che gli farà il solletico sul palmo della mano con un altro bastoncino.
12:00
And then we're going to askChiedere them to rateVota a bunchmazzo of things
303
705000
2000
E poi si chiederà loro di valutare tutta una serie di cose
12:02
includingCompreso ticklishnesssolletico.
304
707000
2000
incluso il solletico.
12:04
I'll showmostrare you just one partparte of our studystudia.
305
709000
2000
Vi mostrerò solo una parte dello studio.
12:06
And here I've takenprese away the robotsrobot,
306
711000
2000
E qui ho tolto i robot,
12:08
but basicallyfondamentalmente people movemossa with theirloro right armbraccio sinusoidallysinusoidalmente back and forwardinoltrare.
307
713000
3000
ma sostanzialmente le persone muovono il braccio destro avanti e indietro.
12:11
And we replayReplay that to the other handmano with a time delayritardo.
308
716000
3000
E lo replichiamo dall'altra parte con un certo ritardo.
12:14
EitherEntrambi no time delayritardo,
309
719000
2000
O senza ritardo,
12:16
in whichquale casecaso lightleggero would just ticklesolletico your palmpalma,
310
721000
2000
nel qual caso la luce semplicemente vi solletica il palmo,
12:18
or with a time delayritardo of two-tenthsdue decimi of three-tenthstre decimi of a secondsecondo.
311
723000
4000
o con un certo ritardo di 2 decimi o 3 decimi di secondo.
12:22
So the importantimportante pointpunto here
312
727000
2000
Il punto importante qui
12:24
is the right handmano always does the samestesso things -- sinusoidalsinusoidale movementmovimento.
313
729000
3000
è che la mano destra fa sempre le stesse cose - lo stesso movimento ondeggiante.
12:27
The left handmano always is the samestesso and putsmette sinusoidalsinusoidale ticklesolletico.
314
732000
3000
La mano sinistra è sempre la stessa e fa un solletico ondeggiante.
12:30
All we're playinggiocando with is a tempotempo causalitycausalità.
315
735000
2000
Tutto quello con cui stiamo giocando è la causalità temporale.
12:32
And as we go from naughtnulla to 0.1 secondsecondo,
316
737000
2000
E mentre passiamo da niente a 0,1 secondo,
12:34
it becomesdiventa more ticklishil solletico.
317
739000
2000
comincia a soffrire il solletico.
12:36
As you go from 0.1 to 0.2,
318
741000
2000
Mentre passiamo da 0,1 a 0,2,
12:38
it becomesdiventa more ticklishil solletico at the endfine.
319
743000
2000
soffre ancora di più il solletico.
12:40
And by 0.2 of a secondsecondo,
320
745000
2000
E a 0,2 secondi,
12:42
it's equivalentlyequivalentemente ticklishil solletico
321
747000
2000
soffre il solletico come quando
12:44
to the robotrobot that just tickledsolleticato you withoutsenza you doing anything.
322
749000
2000
il robot faceva il solletico e lui non faceva niente.
12:46
So whateverqualunque cosa is responsibleresponsabile for this cancellationcancellazione
323
751000
2000
Qualunque cosa sia responsabile di questa cancellazione
12:48
is extremelyestremamente tightlystrettamente coupledaccoppiato with tempotempo causalitycausalità.
324
753000
3000
è estremamente legato alla casualità temporale.
12:51
And basedbasato on this illustrationillustrazione, we really convincedconvinto ourselvesnoi stessi in the fieldcampo
325
756000
3000
E basandoci su questa illustrazione, ci siamo veramente convinti in questo campo
12:54
that the brain'sIl cervello di makingfabbricazione precisepreciso predictionsPrevisioni
326
759000
2000
che il cervello fa previsioni precise
12:56
and subtractingsottraendo them off from the sensationssensazioni.
327
761000
3000
e le sottrae dalle sensazioni.
12:59
Now I have to admitammettere, these are the worstpeggio studiesstudi my lablaboratorio has ever runcorrere.
328
764000
3000
Devo ammettere, questi sono gli studi peggiori che il mio laboratorio abbia mai fatto.
13:02
Because the ticklesolletico sensationsensazione on the palmpalma comesviene and goesva,
329
767000
2000
Perché la sensazione di solletico sul palmo va e viene,
13:04
you need largegrande numbersnumeri of subjectssoggetti
330
769000
2000
bisogna avere un numero più ampio di soggetti
13:06
with these starsstelle makingfabbricazione them significantsignificativo.
331
771000
2000
con queste stelle che li rendono più significativi.
13:08
So we were looking for a much more objectiveobbiettivo way
332
773000
2000
Stiamo quindi cercando un modo più obiettivo
13:10
to assessvalutare this phenomenafenomeni.
333
775000
2000
di valutare il fenomeno.
13:12
And in the interveningintervenire yearsanni I had two daughtersfiglie.
334
777000
2000
E nel frattempo ho avuto due bambine.
13:14
And one thing you noticeAvviso about childrenbambini in backseatsbackseats of carsautomobili on long journeysViaggi,
335
779000
3000
E una cosa che si nota nei bambini nei sedili posteriori delle macchine nei viaggi lunghi,
13:17
they get into fightscombatte --
336
782000
2000
litigano -
13:19
whichquale startediniziato with one of them doing something to the other, the other retaliatingritorsione.
337
784000
3000
cominciano con uno che fa qualcosa all'altro, l'altro che si vendica.
13:22
It quicklyvelocemente escalatessi aggravi.
338
787000
2000
Si intensifica rapidamente.
13:24
And childrenbambini tendtendere to get into fightscombatte whichquale escalateinoltrare la richiesta in termscondizioni of forcevigore.
339
789000
3000
E i bambini tendono a innescare litigi che si intensificano.
13:27
Now when I screamedurlato at my childrenbambini to stop,
340
792000
2000
Quando urlo alle mie figlie di smettere,
13:29
sometimesa volte they would bothentrambi say to me
341
794000
2000
qualche volta mi dicono entrambe
13:31
the other personpersona hitcolpire them harderPiù forte.
342
796000
3000
che l'altra l'ha colpita più forte.
13:34
Now I happenaccadere to know my childrenbambini don't liemenzogna,
343
799000
2000
Per fortuna so che le mie bambine non mentono.
13:36
so I thought, as a neuroscientistneuroscienziato,
344
801000
2000
quindi ho pensato, in quanto neuroscienziato,
13:38
it was importantimportante how I could explainspiegare
345
803000
2000
che fosse importante cercare di spiegare
13:40
how they were tellingraccontare inconsistentincoerente truthsverità.
346
805000
2000
come potessero raccontare verità incoerenti.
13:42
And we hypothesizeipotizzare basedbasato on the ticklingsolletico studystudia
347
807000
2000
E ipotizziamo, basandoci sugli studi sul solletico,
13:44
that when one childbambino hitscolpi anotherun altro,
348
809000
2000
che quando un bambino ne colpisce un altro,
13:46
they generatecreare the movementmovimento commandcomando.
349
811000
2000
generano un comando di movimento.
13:48
They predictpredire the sensorysensoriale consequencesconseguenze and subtractsottrarre it off.
350
813000
3000
Prevedono le conseguenze sensoriali e le sottraggono.
13:51
So they actuallyin realtà think they'veessi hanno hitcolpire the personpersona lessDi meno harddifficile than they have --
351
816000
2000
Quindi in realtà pensano di avere colpito la persona meno forte di loro -
13:53
ratherpiuttosto like the ticklingsolletico.
352
818000
2000
un po' come nel solletico.
13:55
WhereasConsiderando che the passivepassivo recipientdestinatario
353
820000
2000
Mentre il destinatario passivo
13:57
doesn't make the predictionpredizione, feelssi sente the fullpieno blowsoffio.
354
822000
2000
non fa previsioni, sente tutta l'intensità della botta.
13:59
So if they retaliateritorsione with the samestesso forcevigore,
355
824000
2000
Quindi se reagiscono con la stessa forza,
14:01
the first personpersona will think it's been escalatedescalation.
356
826000
2000
la prima persona penserà che è stata intensificata.
14:03
So we decideddeciso to testTest this in the lablaboratorio.
357
828000
2000
Allora abbiamo deciso di testarlo in laboratorio.
14:05
(LaughterRisate)
358
830000
3000
(Risate)
14:08
Now we don't work with childrenbambini, we don't work with hittingcolpire,
359
833000
2000
Non lavoriamo con i bambini, non lavoriamo con la forza,
14:10
but the conceptconcetto is identicalidentico.
360
835000
2000
ma il concetto è identico.
14:12
We bringportare in two adultsadulti. We tell them they're going to playgiocare a gamegioco.
361
837000
3000
Portiamo due adulti. Diciamo loro che giocheranno a un gioco.
14:15
And so here'secco playergiocatore one and playergiocatore two sittingseduta oppositedi fronte to eachogni other.
362
840000
2000
E quindi ecco il giocatore uno e il giocatore due seduti l'uno di fronte all'altro.
14:17
And the gamegioco is very simplesemplice.
363
842000
2000
E il gioco è molto semplice.
14:19
We startediniziato with a motoril motore
364
844000
2000
Abbiamo cominciato con un motore
14:21
with a little leverleva, a little forcevigore transfusertrasfusore.
365
846000
2000
con una piccola leva, che trasmetta forza.
14:23
And we use this motoril motore to applyapplicare forcevigore down to playergiocatore one'suno è fingersdita
366
848000
2000
E usiamo questo motore per imprimere la forza sulle dita del giocatore uno
14:25
for threetre secondssecondi and then it stopsfermate.
367
850000
3000
per tre secondi e poi si ferma.
14:28
And that player'sdi giocatore been told, rememberricorda the experienceEsperienza of that forcevigore
368
853000
3000
E a quel giocatore viene detto, ricordati l'esperienza di quella forza
14:31
and use your other fingerdito
369
856000
2000
e usa l'altro dito
14:33
to applyapplicare the samestesso forcevigore
370
858000
2000
per imprimere la stessa forza
14:35
down to the other subject'sdi soggetto fingerdito throughattraverso a forcevigore transfusertrasfusore -- and they do that.
371
860000
3000
sulle dita dell'altro soggetto con una trasmissione della forza - e lo fanno.
14:38
And playergiocatore two'sdi due been told, rememberricorda the experienceEsperienza of that forcevigore.
372
863000
3000
E al giocatore due viene detto, ricordati l'esperienza di quella forza.
14:41
Use your other handmano to applyapplicare the forcevigore back down.
373
866000
3000
Usa l'altra mano per restituire la stessa forza.
14:44
And so they take it in turnsgiri
374
869000
2000
E quindi a turno
14:46
to applyapplicare the forcevigore they'veessi hanno just experiencedesperto back and forwardinoltrare.
375
871000
2000
applicano la stessa forza che hanno risentito avanti e indietro.
14:48
But criticallycriticamente,
376
873000
2000
Importante però,
14:50
they're briefedha informato about the rulesregole of the gamegioco in separateseparato roomscamere.
377
875000
3000
è che vengono istruiti sulle regole del gioco in stanze separate.
14:53
So they don't know the rulesregole the other person'spersona di playinggiocando by.
378
878000
2000
Quindi non sanno le regole con cui sta giocando l'altra persona.
14:55
And what we'venoi abbiamo measuredmisurato
379
880000
2000
E quello che abbiamo misurato
14:57
is the forcevigore as a functionfunzione of termscondizioni.
380
882000
2000
è la forza in funzione delle regole.
14:59
And if we look at what we startinizio with,
381
884000
2000
E se guardiamo quello con cui abbiamo iniziato,
15:01
a quartertrimestre of a NewtonNewton there, a numbernumero of turnsgiri,
382
886000
2000
lì un quarto di Newton, un numero di giri,
15:03
perfectperfezionare would be that redrosso linelinea.
383
888000
2000
l'ideale sarebbe quella linea rossa.
15:05
And what we see in all pairscoppie of subjectssoggetti is this --
384
890000
3000
E quello che vediamo in ogni coppia è questo -
15:08
a 70 percentper cento escalationescalation in forcevigore
385
893000
2000
un aumento del 70% della forza
15:10
on eachogni go.
386
895000
2000
ad ogni passaggio.
15:12
So it really suggestssuggerisce, when you're doing this --
387
897000
2000
Suggerisce quindi, quando lo facciamo -
15:14
basedbasato on this studystudia and othersaltri we'venoi abbiamo donefatto --
388
899000
2000
basandoci su questi studi e altri che abbiamo fatto -
15:16
that the braincervello is cancelingl'annullamento the sensorysensoriale consequencesconseguenze
389
901000
2000
che il cervello cancella le conseguenze sensoriali
15:18
and underestimatingsottovalutando the forcevigore it's producingproduzione.
390
903000
2000
e sottovaluta la forza che produce.
15:20
So it re-showsri-Mostra the braincervello makesfa predictionsPrevisioni
391
905000
2000
Quindi mostra di nuovo che il cervello fa previsioni
15:22
and fundamentallyfondamentalmente changesi cambiamenti the preceptsprecetti.
392
907000
3000
e in sostanza cambia le regole.
15:25
So we'venoi abbiamo madefatto inferencesinferenze, we'venoi abbiamo donefatto predictionsPrevisioni,
393
910000
3000
Quindi abbiamo fatto delle deduzioni, abbiamo fatto delle previsioni,
15:28
now we have to generatecreare actionsAzioni.
394
913000
2000
ora dobbiamo generare delle azioni.
15:30
And what Bayes'Bayes ruleregola saysdice is, givendato my beliefscredenze,
395
915000
2000
E quello che dice la regola di Baye è, date le mie convinzioni,
15:32
the actionazione should in some sensesenso be optimalottimale.
396
917000
2000
l'azione dovrebbe in qualche modo essere ottimale.
15:34
But we'venoi abbiamo got a problemproblema.
397
919000
2000
Ma c'è un problema.
15:36
TasksAttività are symbolicsimbolico -- I want to drinkbere, I want to dancedanza --
398
921000
3000
I compiti sono simbolici - voglio bere, voglio ballare -
15:39
but the movementmovimento systemsistema has to contractcontrarre 600 musclesmuscoli
399
924000
2000
ma il sistema motorio deve contrarre 600 muscoli
15:41
in a particularparticolare sequencesequenza.
400
926000
2000
in una particolare sequenza.
15:43
And there's a biggrande gapdivario
401
928000
2000
E c'è una grossa differenza
15:45
betweenfra the taskcompito and the movementmovimento systemsistema.
402
930000
2000
tra il compito e il sistema motorio.
15:47
So it could be bridgeda ponte in infinitelyinfinitamente manymolti differentdiverso waysmodi.
403
932000
2000
Potrebbe quindi essere colmato in infiniti modi diversi.
15:49
So think about just a pointpunto to pointpunto movementmovimento.
404
934000
2000
Pensate a un solo punto a cui indirizzare il movimento.
15:51
I could choosescegliere these two pathspercorsi
405
936000
2000
Potrei scegliere questi due percorsi
15:53
out of an infiniteinfinito numbernumero of pathspercorsi.
406
938000
2000
da un infinito numero di percorsi.
15:55
HavingAvendo chosenscelto a particularparticolare pathsentiero,
407
940000
2000
Avendo scelto un particolare tracciato,
15:57
I can holdtenere my handmano on that pathsentiero
408
942000
2000
posso tenere la mano su quel tracciato
15:59
as infinitelyinfinitamente manymolti differentdiverso jointcomune configurationsconfigurazioni.
409
944000
2000
con infinite differenti configurazioni dell'articolazione.
16:01
And I can holdtenere my armbraccio in a particularparticolare jointcomune configurationconfigurazione
410
946000
2000
E posso tenere il mio braccio in una particolare configurazione congiunta
16:03
eithero very stiffrigido or very relaxedrilassato.
411
948000
2000
molto rigida o molto rilassata.
16:05
So I have a hugeenorme amountquantità of choicescelta to make.
412
950000
3000
Ho una grande quantità di scelte da fare.
16:08
Now it turnsgiri out, we are extremelyestremamente stereotypicalstereotipata.
413
953000
3000
Scopriamo che siamo estremamente stereotipati.
16:11
We all movemossa the samestesso way prettybella much.
414
956000
3000
Ci muoviamo più o meno tutti nello stesso modo.
16:14
And so it turnsgiri out we're so stereotypicalstereotipata,
415
959000
2000
Si scopre che siamo così stereotipati,
16:16
our brainsmente have got dedicateddedito neuralneurale circuitrycircuiteria
416
961000
2000
che i nostri cervelli hanno un circuito neurale dedicato
16:18
to decodedecodificare this stereotypinggli stereotipi.
417
963000
2000
per decodificare questi stereotipi.
16:20
So if I take some dotspunti
418
965000
2000
Con qualche puntino
16:22
and setimpostato them in motionmovimento with biologicalbiologico motionmovimento,
419
967000
3000
che metto in movimento con un movimento biologico,
16:25
your brain'sIl cervello di circuitrycircuiteria would understandcapire instantlyimmediatamente what's going on.
420
970000
3000
i circuiti del vostro cervello capiscono istantaneamente cosa sta succedendo.
16:28
Now this is a bunchmazzo of dotspunti movingin movimento.
421
973000
2000
Questa è una serie di puntini in movimento.
16:30
You will know what this personpersona is doing,
422
975000
3000
Sapete cosa sta facendo questa persona,
16:33
whetherse happycontento, sadtriste, oldvecchio, younggiovane -- a hugeenorme amountquantità of informationinformazione.
423
978000
3000
se è felice, triste, vecchia, giovane - tantissime informazioni.
16:36
If these dotspunti were carsautomobili going on a racingda corsa circuitcircuito,
424
981000
2000
Se questi puntini fossero auto in un circuito di gara,
16:38
you would have absolutelyassolutamente no ideaidea what's going on.
425
983000
3000
non avreste assolutamente idea di quello che sta succedendo.
16:41
So why is it
426
986000
2000
Allora perché
16:43
that we movemossa the particularparticolare waysmodi we do?
427
988000
2000
ci muoviamo in quel modo particolare?
16:45
Well let's think about what really happensaccade.
428
990000
2000
Pensiamo a quello che succede veramente.
16:47
Maybe we don't all quiteabbastanza movemossa the samestesso way.
429
992000
3000
Magari non ci muoviamo tutti nello stesso modo.
16:50
Maybe there's variationvariazione in the populationpopolazione.
430
995000
2000
Magari c'è qualche differenza tra la popolazione.
16:52
And maybe those who movemossa better than othersaltri
431
997000
2000
E forse coloro che si muovono meglio di altri
16:54
have got more chanceopportunità of gettingottenere theirloro childrenbambini into the nextIl prossimo generationgenerazione.
432
999000
2000
hanno più possibilità di mandare avanti la propria prole nella generazione successiva.
16:56
So in evolutionaryevolutiva scalesbilancia, movementsmovimenti get better.
433
1001000
3000
Quindi sulla scala dell'evoluzione, i movimenti migliorano.
16:59
And perhapsForse in life, movementsmovimenti get better throughattraverso learningapprendimento.
434
1004000
3000
E forse nella vita, i movimenti migliorano imparando.
17:02
So what is it about a movementmovimento whichquale is good or badcattivo?
435
1007000
2000
Allora com'è un buon movimento e uno cattivo?
17:04
ImagineImmaginate I want to interceptintercetta this ballpalla.
436
1009000
2000
Immaginate che voglia intercettare questa palla.
17:06
Here are two possiblepossibile pathspercorsi to that ballpalla.
437
1011000
3000
Ci sono due possibili percorsi per prendere la palla.
17:09
Well if I choosescegliere the left-handmano sinistra pathsentiero,
438
1014000
2000
Se scelgo la mano sinista,
17:11
I can work out the forcesforze requirednecessario
439
1016000
2000
posso tirare fuori la forza richiesta
17:13
in one of my musclesmuscoli as a functionfunzione of time.
440
1018000
2000
in uno dei miei muscoli in funzione del tempo.
17:15
But there's noiserumore addedaggiunto to this.
441
1020000
2000
Ma a questo si aggiunge rumore.
17:17
So what I actuallyin realtà get, basedbasato on this lovelybello, smoothliscio, desireddesiderata forcevigore,
442
1022000
3000
Quello che si ottiene, basandoci su questa splendida e regolare forza desiderata,
17:20
is a very noisyrumoroso versionversione.
443
1025000
2000
è una versione molto rumorosa.
17:22
So if I pickraccogliere the samestesso commandcomando throughattraverso manymolti timesvolte,
444
1027000
3000
Se do lo stesso comando molte volte,
17:25
I will get a differentdiverso noisyrumoroso versionversione eachogni time, because noiserumore changesi cambiamenti eachogni time.
445
1030000
3000
otterrò una versione rumorosa ogni volta, perché il rumore cambia ogni volta.
17:28
So what I can showmostrare you here
446
1033000
2000
Quello che posso mostrarvi
17:30
is how the variabilityvariabilità of the movementmovimento will evolveevolvere
447
1035000
2000
è come la variabilità del movimento si evolve
17:32
if I choosescegliere that way.
448
1037000
2000
se scelgo quella strada.
17:34
If I choosescegliere a differentdiverso way of movingin movimento -- on the right for exampleesempio --
449
1039000
3000
Se scelgo un diverso modo di muovermi - quello a destra per esempio -
17:37
then I'll have a differentdiverso commandcomando, differentdiverso noiserumore,
450
1042000
2000
avrò un comando diverso, un rumore diverso,
17:39
playinggiocando throughattraverso a noisyrumoroso systemsistema, very complicatedcomplicato.
451
1044000
3000
giocando in un sistema molto rumoroso, molto complicato.
17:42
All we can be sure of is the variabilityvariabilità will be differentdiverso.
452
1047000
3000
E quello di cui possiamo essere certi è che la variabilità sarà diversa.
17:45
If I movemossa in this particularparticolare way,
453
1050000
2000
Se mi muovo in questo particolare modo,
17:47
I endfine up with a smallerpiù piccola variabilityvariabilità acrossattraverso manymolti movementsmovimenti.
454
1052000
3000
finisco con una variabilità più piccola tra tanti movimenti.
17:50
So if I have to choosescegliere betweenfra those two,
455
1055000
2000
Quindi se scelgo tra questi due,
17:52
I would choosescegliere the right one because it's lessDi meno variablevariabile.
456
1057000
2000
sceglierei quello di destra perché è meno variabile.
17:54
And the fundamentalfondamentale ideaidea
457
1059000
2000
E l'idea fondamentale
17:56
is you want to planPiano your movementsmovimenti
458
1061000
2000
è che volete pianificare i vostri movimenti
17:58
so as to minimizeminimizzare the negativenegativo consequenceconseguenza of the noiserumore.
459
1063000
3000
allo scopo di minimizzare le conseguenze negative del rumore.
18:01
And one intuitionintuizione to get
460
1066000
2000
E un'intuizione da recepire
18:03
is actuallyin realtà the amountquantità of noiserumore or variabilityvariabilità I showmostrare here
461
1068000
2000
in realtà è che la quantità di rumore o di variabilità che vi mostro qui
18:05
getsprende biggerpiù grande as the forcevigore getsprende biggerpiù grande.
462
1070000
2000
diventa sempre più grande al crescere della forza.
18:07
So you want to avoidevitare biggrande forcesforze as one principleprincipio.
463
1072000
3000
Quindi per principio volete evitare le grandi forze.
18:10
So we'venoi abbiamo shownmostrato that usingutilizzando this,
464
1075000
2000
Abbiamo mostrato che usando questo,
18:12
we can explainspiegare a hugeenorme amountquantità of datadati --
465
1077000
2000
possiamo spiegare molti dati -
18:14
that exactlydi preciso people are going about theirloro livesvite planningpianificazione movementsmovimenti
466
1079000
3000
che la gente gestisce la vita pianficando i movimenti
18:17
so as to minimizeminimizzare negativenegativo consequencesconseguenze of noiserumore.
467
1082000
3000
in modo da minimizzare le conseguenze del rumore.
18:20
So I hopesperanza I've convincedconvinto you the braincervello is there
468
1085000
2000
Spero di avervi convinto che il cervello esiste
18:22
and evolvedevoluto to controlcontrollo movementmovimento.
469
1087000
2000
e si è evoluto per controllare il movimento.
18:24
And it's an intellectualintellettuale challengesfida to understandcapire how we do that.
470
1089000
3000
Ed è una sfida intellettuale capire come farlo.
18:27
But it's alsoanche relevantpertinente
471
1092000
2000
Ma è anche rilevante
18:29
for diseasemalattia and rehabilitationriabilitazione.
472
1094000
2000
per le malattie e la riabilitazione.
18:31
There are manymolti diseasesmalattie whichquale effecteffetto movementmovimento.
473
1096000
3000
Ci sono molte malattie che compromettono il movimento.
18:34
And hopefullyfiduciosamente if we understandcapire how we controlcontrollo movementmovimento,
474
1099000
2000
E se tutto va bene se capiamo come controllare il movimento,
18:36
we can applyapplicare that to roboticrobotica technologytecnologia.
475
1101000
2000
possiamo applicarlo alla robotica.
18:38
And finallyfinalmente, I want to remindricordare you,
476
1103000
2000
E infine, voglio ricordarvi,
18:40
when you see animalsanimali do what look like very simplesemplice taskscompiti,
477
1105000
2000
quando vedete animali fare compiti che sembrano molto facili,
18:42
the actualeffettivo complexitycomplessità of what is going on insidedentro theirloro braincervello
478
1107000
2000
la reale complessità di quello che succede nel loro cervello
18:44
is really quiteabbastanza dramaticdrammatico.
479
1109000
2000
in realtà è impressionante.
18:46
Thank you very much.
480
1111000
2000
Grazie infinite.
18:48
(ApplauseApplausi)
481
1113000
8000
(Applausi)
18:56
ChrisChris AndersonAnderson: QuickRapido questiondomanda for you, DanDan.
482
1121000
2000
Chris Anderson: Una domanda veloce, Dan.
18:58
So you're a movementmovimento -- (DWDW: ChauvinistSciovinista.) -- chauvinistsciovinista.
483
1123000
4000
Quindi lei è un fanatico - DW: fanatico del movimento
19:02
Does that mean that you think that the other things we think our brainsmente are about --
484
1127000
3000
Questo significa che pensa che le altre cose che pensiamo sia il cervello -
19:05
the dreamingsognare, the yearninganelito, the fallingcaduta in love and all these things --
485
1130000
3000
sognare, desiderare, innamorarsi e tutte quelle cose -
19:08
are a kindgenere of sidelato showmostrare, an accidentincidente?
486
1133000
3000
sono solo un effetto collaterale, un incidente?
19:11
DWDW: No, no, actuallyin realtà I think they're all importantimportante
487
1136000
2000
DW: No, no, in realtà credo che siano tutte importanti
19:13
to driveguidare the right movementmovimento behaviorcomportamento to get reproductionriproduzione in the endfine.
488
1138000
3000
per guidare il comportamento giusto per portare a termine la riproduzione.
19:16
So I think people who studystudia sensationsensazione or memorymemoria
489
1141000
3000
Credo quindi che la gente che studia le sensazioni o la memoria
19:19
withoutsenza realizingrendersene conto why you're layingposa in opera down memoriesricordi of childhoodinfanzia.
490
1144000
2000
senza rendersi conto perché consolidiamo le memorie dell'infanzia.
19:21
The factfatto that we forgetdimenticare mostmaggior parte of our childhoodinfanzia, for exampleesempio,
491
1146000
3000
Il fatto che dimentichiamo molto della nostra infanzia, per esempio,
19:24
is probablyprobabilmente fine, because it doesn't effecteffetto our movementsmovimenti laterdopo in life.
492
1149000
3000
probabilmente va bene, perché non influisce sui nostri movimenti più avanti nella vita.
19:27
You only need to storenegozio things whichquale are really going to effecteffetto movementmovimento.
493
1152000
3000
Dobbiamo solo memorizzare le cose che influiranno veramente sul movimento.
19:30
CACA: So you think that people thinkingpensiero about the braincervello, and consciousnesscoscienza generallygeneralmente,
494
1155000
3000
CA: Crede quindi che la gente che pensa al cervello e alla consapevolezza in generale,
19:33
could get realvero insightintuizione
495
1158000
2000
potrebbe avere veri indizi
19:35
by sayingdetto, where does movementmovimento playgiocare in this gamegioco?
496
1160000
2000
dicendo, che ruolo ha il movimento in questo gioco?
19:37
DWDW: So people have foundtrovato out for exampleesempio
497
1162000
2000
DW: Si è scoperto per esempio
19:39
that studyingstudiando visionvisione in the absenceassenza of realizingrendersene conto why you have visionvisione
498
1164000
2000
che studiare la vista senza rendersi conto del perché abbiamo la vista
19:41
is a mistakesbaglio.
499
1166000
2000
è un errore.
19:43
You have to studystudia visionvisione with the realizationrealizzazione
500
1168000
2000
Bisogna studiare la vista avendo presente
19:45
of how the movementmovimento systemsistema is going to use visionvisione.
501
1170000
2000
come il sistema motorio utilizzerà la vista.
19:47
And it usesusi it very differentlydiversamente onceuna volta you think about it that way.
502
1172000
2000
E la usa in modi diversi una volta che la pensate in quel modo.
19:49
CACA: Well that was quiteabbastanza fascinatingaffascinante. Thank you very much indeedinfatti.
503
1174000
3000
CA: È stato appassionante. Grazie molte.
19:52
(ApplauseApplausi)
504
1177000
2000
(Applausi)
Translated by Anna Cristiana Minoli
Reviewed by Ana María Pérez

▲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