ABOUT THE SPEAKER
Beau Lotto - Neuroscientist, Artist
Beau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system.

Why you should listen

"Let there be perception," was evolution's proclamation, and so it was that all creatures, from honeybees to humans, came to see the world not as it is, but as was most useful. This uncomfortable place--where what an organism's brain sees diverges from what is actually out there--is what Beau Lotto and his team at Lottolab are exploring through their dazzling art-sci experiments and public illusions. Their Bee Matrix installation, for example, places a live bee in a transparent enclosure where gallerygoers may watch it seek nectar in a virtual meadow of luminous Plexiglas flowers. (Bees, Lotto will tell you, see colors much like we humans do.) The data captured isn't just discarded, either: it's put to good use in probing scientific papers, and sometimes in more exhibits.

At their home in London’s Science Museum, the lab holds "synesthetic workshops" where kids and adults make abstract paintings that computers interpret into music, and they host regular Lates--evenings of science, music and "mass experiments." Lotto is passionate about involving people from all walks of life in research on perception--both as subjects and as fellow researchers. One such program, called "i,scientist," in fact led to the publication of the first ever peer-reviewed scientific paper written by schoolchildren ("Blackawton Bees," December 2010). It starts, "Once upon a time ..."

These and Lotto's other conjurings are slowly, charmingly bending the science of perception--and our perceptions of what science can be.

More profile about the speaker
Beau Lotto | Speaker | TED.com
TEDGlobal 2009

Beau Lotto: Optical illusions show how we see

बो लोटो: दृष्टिभ्रम दाखवतात आपण कसे पाहतो

Filmed:
7,158,267 views

बो लोटो यांचे रंगीत खेळ तुमच्या नजरेला कोड्यात टाकतात, पण ते "तुमचा मेंदू काम कसा करतो" यावरही प्रकाश टाकतात. तुमच्या अष्टपैलू दृष्टीचे हे मजेदार दर्शन तुम्हाला तुमच्या सत्याच्या आकलनक्षमतेवर उत्क्रांतीने केलेला परिणाम दाखवून देईल.
- Neuroscientist, Artist
Beau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system. Full bio

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

00:13
I want to start with a game.
0
1000
3000
मला एका खेळापासून सुरुवात करायची आहे.
00:16
And to win this game,
1
4000
2000
आणि हा खेळ जिंकण्यासाठी,
00:18
all you have to do is see the reality that's in front of you
2
6000
3000
तुम्हाला फक्त तुमच्या समोरील सत्य पाहायचे आहे
00:21
as it really is. All right?
3
9000
2000
जसेच्या तसे. ठीक आहे?
00:23
So, we have two panels here,
4
11000
2000
तर, इथे दोन पुठ्ठे आहेत,
00:25
of colored dots.
5
13000
2000
रंगीबेरंगी ठिपके असलेले.
00:27
And one of those dots is the same
6
15000
3000
आणि दोन्ही पुठ्ठ्यांवर असा एकच ठिपका आहे की
00:30
in the two panels. Okay?
7
18000
3000
ज्याचा रंग समान आहे. ठीक आहे?
00:33
And you have to tell me which one.
8
21000
2000
आणि तुम्ही मला सांगायचे आहे कोणता ते.
00:35
Now, narrow it down to
9
23000
3000
आता, उत्तर फक्त
00:38
the gray one, the green one and, say, the orange one.
10
26000
3000
करड्या, हिरव्या आणि नारिंगी रंगातील ठिपक्यांपैकीच असेल तर
00:41
So, by a show of hands -- we'll start with the easiest one --
11
29000
3000
तर सुरू करुया सोप्यापासून -- हात वर करा --
00:44
Show of hands: how many people think it's the gray one?
12
32000
4000
ज्या लोकांना वाटते की करड्या रंगाचा ठिपका दोन्ही पुठ्ठ्यांवर आहे?
00:48
Really? Okay.
13
36000
2000
खरोखर? बरं.
00:50
How many people think it's the green one?
14
38000
5000
किती लोकांना वाटते की हिरवा ठिपका आहे?
00:55
And how many people think it's the orange one?
15
43000
4000
आणि किती लोकांना वाटते की नारिंगी आहे?
00:59
Pretty even split.
16
47000
3000
जवळजवळ समान विभागणी आहे.
01:02
Let's find out what the reality is.
17
50000
3000
आता पाहूया प्रत्यक्षात काय आहे ते.
01:05
Here is the orange one.
18
53000
3000
हा नारिंगी ठिपका.
01:08
(Laughter)
19
56000
2000
(हशा)
01:10
Here is the green one.
20
58000
3000
हा हिरवा ठिपका.
01:13
And here is the gray one.
21
61000
4000
आणि हा करडा.
01:17
(Laughter)
22
65000
3000
(हशा)
01:20
So, for all of you who saw that, you're a complete realist. All right?
23
68000
4000
तर, ज्यांनी ज्यांनी ते पाहिले, तुम्ही संपूर्ण वास्तवतावादी आहात. ठीक ना?
01:24
(Laughter)
24
72000
2000
(हशा)
01:26
So, this is pretty amazing, actually, isn't it?
25
74000
2000
हे खरोखर एकदम अफलातून आहे, नाही का?
01:28
Because nearly every living system
26
76000
2000
कारण जवळजवळ प्रत्येक जीवंत प्रणाली मध्ये
01:30
has evolved the ability to detect light in one way or another.
27
78000
3000
कोणत्या ना कोणत्या प्रकारे प्रकाश ओळखण्याची क्षमता उत्क्रांत झाली आहे.
01:33
So, for us, seeing color is one of the simplest things the brain does.
28
81000
5000
म्हणूनच, आपल्या मेंदूसाठी, रंग पाहणे ही सगळ्यात सोप्या कामांपैकी एक आहे.
01:38
And yet, even at this most fundamental level,
29
86000
2000
आणि तरीही, या सर्वात मुलभूत पातळीवरही,
01:40
context is everything.
30
88000
3000
आजूबाजूची परिस्थितीच(context) सर्व काही आहे.
01:43
What I want to talk about is not that context is everything,
31
91000
3000
मला "आजूबाजूची परिस्थितीच म्हणजे सर्व काही" याबद्दल बोलायचे नाही आहे,
01:46
but why is context everything.
32
94000
2000
पण ती तशी का आहे, याबद्दल बोलायचे आहे.
01:48
Because it's answering that question that tells us not only
33
96000
4000
कारण त्या प्रश्नाचे उत्तर आपल्याला सांगते
01:52
why we see what we do,
34
100000
2000
फक्त "आपण जे पाहतो ते का पाहतो" एवढेच नाही तर,
01:54
but who we are as individuals,
35
102000
2000
आपण एक व्यक्ती म्हणून कसे आहोत,
01:56
and who we are as a society.
36
104000
3000
आणि समाज म्हणून कसे आहोत, हेही.
01:59
But first, we have to ask another question,
37
107000
2000
पण पहिल्यांदा, आपण आणखी एक प्रश्न विचारायला हवा,
02:01
which is, "What is color for?"
38
109000
2000
जो आहे, "रंग कशासाठी आहे?"
02:03
And instead of telling you, I'll just show you.
39
111000
2000
आणि तुम्हाला सांगण्याऐवजी, मी फक्त तुम्हाला दाखवतो.
02:05
What you see here is a jungle scene,
40
113000
3000
तुम्ही जे पाहता आहात तो एक जंगलातील देखावा आहे.
02:08
and you see the surfaces according to the amount
41
116000
2000
आणि तुम्हाला पृष्ठभाग दिसतात ते त्यावरून परावर्तित होणाऱ्या
02:10
of light that those surfaces reflect.
42
118000
2000
प्रकाशाच्या प्रमाणानुसार
02:12
Now, can any of you see the predator that's about to jump out at you?
43
120000
5000
आता, तुमच्यापैकी कोणाला तुमच्यावर उडी मारण्याच्या बेतात असलेला शिकारी प्राणी दिसतो का?
02:17
And if you haven't seen it yet, you're dead. Right?
44
125000
2000
आणि जर तुम्हाला तो दिसला नाही तर तुम्ही मेलेले असाल. बरोबर?
02:19
(Laughter)
45
127000
2000
(हशा)
02:21
Can anyone see it? Anyone? No?
46
129000
2000
कोणाला दिसतो का? एकतरी? नाही?
02:23
Now, let's see the surfaces according to the quality of light that they reflect.
47
131000
4000
आता, आपण पृष्ठभाग पाहू परावर्तित होणाऱ्या प्रकाशाच्या प्रकारानुसार.
02:27
And now you see it.
48
135000
3000
आणि आता तुम्ही पाहू शकता.
02:30
So, color enables us to see
49
138000
3000
म्हणजे, रंग आपल्याला
02:33
the similarities and differences between surfaces,
50
141000
2000
पृष्ठभागांमधील समानता आणि फरक दाखवण्यास मदत करतात,
02:35
according to the full spectrum of light that they reflect.
51
143000
3000
त्यांच्यावरून परावर्तित होणाऱ्या विविध प्रकारच्या रंगलहरींनुसार.
02:38
But what you've just done is, in many respects, mathematically impossible.
52
146000
4000
पण तुम्ही जे काही केले ते, बऱ्याच अंशी, गणितीय दृष्ट्या अशक्य आहे.
02:42
Why? Because, as Berkeley tells us,
53
150000
3000
का? कारण, जसे बर्कली आपल्याला सांगतात,
02:45
we have no direct access to our physical world,
54
153000
3000
आपल्याला आपल्या भोवतालच्या भौतिकी विश्वाला थेट प्रवेश नाही आहे,
02:48
other than through our senses.
55
156000
2000
तो फक्त आपल्या संवेदनांतर्फे आहे.
02:50
And the light that falls onto our eyes
56
158000
2000
आणि आपल्या डोळ्यांवर पडणारा प्रकाश
02:52
is determined by multiple things in the world --
57
160000
2000
जगातील बऱ्याच गोष्टींवर अवलंबून असतो --
02:54
not only the color of objects,
58
162000
2000
फक्त गोष्टींचा रंगच नाही तर,
02:56
but also the color of their illumination,
59
164000
2000
त्यांच्यावर पडणाऱ्या प्रकाशाचा रंग,
02:58
and the color of the space between us and those objects.
60
166000
3000
आणि त्यांच्या आणि डोळ्यांमधील माध्यमाचा रंग यांच्यावरही.
03:01
You vary any one of those parameters,
61
169000
2000
तुम्ही यातील एकही गोष्ट बदला,
03:03
and you'll change the color of the light that falls onto your eye.
62
171000
5000
आणि तुमच्या डोळ्यावर पडणाऱ्या प्रकाशाचा रंग तुम्ही बदललेला असेल.
03:08
This is a huge problem because it means that
63
176000
2000
ही मोठी अवघड गोष्ट आहे कारण याचा अर्थ
03:10
the same image could have an infinite number
64
178000
3000
कारण एकाच चित्राचे खऱ्या जगात
03:13
of possible real-world sources.
65
181000
3000
अनंत स्रोत असू शकतात.
03:16
So let me show you what I mean. Imagine that this is the back of your eye.
66
184000
3000
मला काय म्हणायचे आहे ते मला दाखवू दे. समजा, ही तुमच्या डोळ्याची मागची बाजू आहे.
03:19
And these are two projections from the world.
67
187000
3000
आणि या बाहेरील जगातून आलेल्या दोन प्रतिमा आहेत.
03:22
They are identical in every single way.
68
190000
3000
त्या सर्व प्रकारे एकसारख्याच आहेत.
03:25
Identical in shape, size, spectral content.
69
193000
4000
आकारानुसार, लहान-मोठेपणानुसार, किंवा प्रकाशाच्या तरंगलांबीनुसार.
03:29
They are the same, as far as your eye is concerned.
70
197000
4000
आपल्याला डोळ्यांच्या दृष्टीने त्या समानच आहेत.
03:33
And yet they come from completely different sources.
71
201000
5000
आणि तरीही त्या दोन संपूर्णतः वेगळ्या स्रोतांपासून तयार झाल्या आहेत.
03:38
The one on the right
72
206000
2000
उजवीकडची
03:40
comes from a yellow surface,
73
208000
3000
पिवळ्या पृष्ठभागापासून येते,
03:43
in shadow, oriented facing the left,
74
211000
2000
सावलीतील, डावीकडे तोंड असलेल्या,
03:45
viewed through a pinkish medium.
75
213000
3000
गुलाबी माध्यमातून पाहिले तर.
03:48
The one on the left comes from an orange surface,
76
216000
3000
आणि डावीकडील प्रतिमा तयार होते एका नारिंगी पृष्ठभागापासून,
03:51
under direct light, facing to the right,
77
219000
2000
थेट प्रकाशातील, उजवीकडे तोंड असलेल्या,
03:53
viewed through a sort of a bluish medium.
78
221000
2000
निळ्या माध्यमातून पाहिली असता.
03:55
Completely different meanings,
79
223000
3000
संपूर्णतः वेगळे अर्थ,
03:58
giving rise to the exact same retinal information.
80
226000
3000
पण दृष्टिपटलावर अगदी एकसारखीच माहिती.
04:01
And yet it's only the retinal information
81
229000
2000
आणि आपल्याला फक्त दृष्टिपटलावर असेल
04:03
that we get.
82
231000
2000
तेवढीच माहिती मिळते.
04:05
So how on Earth do we even see?
83
233000
3000
मग आपल्याला पाहता येणे शक्य तरी कसे आहे?
04:08
So, if you remember anything in this next 18 minutes,
84
236000
4000
म्हणून, जर तुम्हाला पुढच्या १८ मिनीटांतील काही लक्षात ठेवायचे असेल,
04:12
remember this: that the light that falls on to your eye,
85
240000
3000
तर हे ठेवा: जो प्रकाश तुमच्या डोळ्यावर पडतो,
04:15
sensory information, is meaningless,
86
243000
2000
ज्ञानेंद्रियांतर्फे मिळणारी माहिती, अर्थशून्य आहे.
04:17
because it could mean literally anything.
87
245000
3000
कारण तिचा अक्षरशः काहीही अर्थ असू शकतो.
04:20
And what's true for sensory information is true for information generally.
88
248000
3000
आणि जे ज्ञानेंद्रियांच्या माहितीबद्दल खरे हे ते कोणत्याही माहिती विषयी खरे आहे.
04:23
There is no inherent meaning in information.
89
251000
2000
माहितीमध्ये अंतर्भूत अर्थ नसतो.
04:25
It's what we do with that information that matters.
90
253000
4000
आपण जे त्या माहितीबरोबर करतो त्याला महत्त्व आहे.
04:29
So, how do we see? Well, we see by learning to see.
91
257000
3000
तर, आपण कसे पाहतो? आपण पाहतो पाहायला शिकून.
04:32
So, the brain evolved the mechanisms for finding patterns,
92
260000
4000
मेंदूने आकृतीबंध शोधून काढण्याची पद्धती उत्क्रांतीतून विकसित केली आहे,
04:36
finding relationships in information
93
264000
2000
विविध माहितीमधील नाते-संबंध शोधून काढण्यासाठी,
04:38
and associating those relationships
94
266000
2000
आणि त्या नात्यांचा
04:40
with a behavioral meaning,
95
268000
2000
आपल्या वागणूकीतील अर्थांशी संबंध जोडण्यासाठी,
04:42
a significance, by interacting with the world.
96
270000
3000
महत्त्वाच्या गोष्टींशी, जगाबरोबर चालत-बोलत असताना.
04:45
We're very aware of this
97
273000
2000
आपल्याला याची जाण आहे
04:47
in the form of more cognitive attributes, like language.
98
275000
3000
संज्ञानात्मक/आकालनात्मक गुणांच्या स्वरूपावरून, "भाषेसारख्या".
04:50
So, I'm going to give you some letter strings. And I want you to read them out for me,
99
278000
2000
मी तुम्हाला काही अक्षर मालिका दाखवणार आहे. आणि तुम्ही मला त्या वाचून दाखवा,
04:52
if you can.
100
280000
2000
जर तुम्हाला जमत असेल तर.
04:54
Audience: "Can you read this?"
101
282000
3000
प्रेक्षक: "Can you read this?"
04:57
"You are not reading this."
102
285000
2000
"You are not reading this."
04:59
"What are you reading?"
103
287000
2000
"What are you reading?"
05:01
Beau Lotto: "What are you reading?" Half the letters are missing. Right?
104
289000
3000
बो लोटो : "What are you reading?" यातील अर्धी अक्षरे गायब आहेत. बरोबर?
05:04
There is no a priori reason why an "H" has to go
105
292000
2000
"H" ला "W" आणि "A" च्या मध्ये असण्याचे
05:06
between that "W" and "A."
106
294000
2000
मूलतः किंवा आधीपासून काही कारण नाही.
05:08
But you put one there. Why?
107
296000
2000
पण तुम्ही तिथे ते जोडता. का?
05:10
Because in the statistics of your past experience
108
298000
2000
कारण तुमच्या जुन्या अनुभवांच्या सांख्यिकीनुसार
05:12
it would have been useful to do so. So you do so again.
109
300000
3000
तसे केल्याने तुम्हाला पूर्वी उपयोग झाला आहे. म्हणून तुम्ही तसे परत करता.
05:15
And yet you don't put a letter after that first "T."
110
303000
3000
आणि तरी तुम्ही पहिल्या "T" च्या आधी अक्षर जोडत नाही,
05:18
Why? Because it wouldn't have been useful in the past.
111
306000
3000
का? कारण पूर्वी तसे करण्याचा काही उपयोग झाला नव्हता.
05:21
So you don't do it again.
112
309000
2000
म्हणून आताही तुम्ही तसे करत नाही.
05:23
So let me show you how quickly our brains can redefine normality,
113
311000
4000
तर मी तुम्हाला दाखवतो मेंदूची साधारणपणाची व्याख्या किती लगेच बदलते,
05:27
even at the simplest thing the brain does, which is color.
114
315000
2000
अगदी सोप्या गोष्टीची, जसे की रंग.
05:29
So, if I could have the lights down up here.
115
317000
3000
आता, जर येथील वरचा प्रकाश थोडा कमी करता आला तर.
05:32
I want you to first notice that those two desert scenes are physically the same.
116
320000
3000
पहिल्यांदा याची नोंद करा की ती वाळवंटाची चित्रे अगदी एकच आहेत.
05:35
One is simply the flipping of the other. Okay?
117
323000
5000
एक दुसऱ्याचे प्रतिबिंब आहे. ठीक?
05:40
Now I want you to look at that dot
118
328000
2000
आता तुम्ही पाहा त्या बिंदूकडे
05:42
between the green and the red. Okay?
119
330000
3000
हिरव्या आणि लाल चौकटींमधील. ठीक आहे?
05:45
And I want you to stare at that dot. Don't look anywhere else.
120
333000
3000
आणि त्याकडे टक लावून पाहा. आणखी कोठेही पाहू नका.
05:48
And we're going to look at that for about 30 seconds,
121
336000
1000
आणि आपण त्याकडे पाहणार आहोत जवळजवळ ३० सेकंद,
05:49
which is a bit of a killer in an 18-minute talk.
122
337000
3000
१८-मिनीटांच्या भाषणात फार जास्त वेळ आहे हा.
05:52
(Laughter)
123
340000
1000
(हशा)
05:53
But I really want you to learn.
124
341000
2000
पण तुम्ही खरोखर हे शिकावे असे वाटते.
05:55
And I'll tell you -- don't look anywhere else --
125
343000
3000
आणि मी तुम्हाला सांगेन -- कोठेही दुसरीकडे पाहू नका --
05:58
and I'll tell you what's happening inside your head.
126
346000
2000
आणि मी तुम्हाला सांगतो तुमच्या डोक्यात काय होत आहे.
06:00
Your brain is learning. And it's learning that the right side of its visual field
127
348000
3000
तुमचा मेंदू शिकत आहे. तो शिकत आहे की उजव्या बाजूच्या दृष्टिक्षेत्रावर
06:03
is under red illumination;
128
351000
2000
लाल रंगाचा प्रकाश आहे;
06:05
the left side of its visual field is under green illumination.
129
353000
3000
आणि डाव्याबाजूला हिरव्या रंगाचा प्रकाश आहे.
06:08
That's what it's learning. Okay?
130
356000
3000
तो हे शिकत आहे. ठीक ना?
06:11
Now, when I tell you, I want you to look at the dot between the two desert scenes.
131
359000
5000
आता, जेव्हा मी सांगेन, त्यावेळी दोन वाळवंटांच्या चित्रांच्या मधल्या बिंदूकडे पाहा.
06:16
So why don't you do that now?
132
364000
2000
तुम्ही लगेचच का नाही पाहात?
06:18
(Laughter)
133
366000
3000
(हशा)
06:21
Can I have the lights up again?
134
369000
2000
कृपया प्रकाश वाढवणार का?
06:23
I take it from your response they don't look the same anymore. Right?
135
371000
4000
तुमच्या प्रतिसादावरून असे वाटते आहे की ती चित्रे आता एक सारखी दिसत नाहीत. खरे ना?
06:27
(Applause)
136
375000
1000
(टाळ्या)
06:28
Why? Because your brain is seeing that same information
137
376000
3000
का? कारण तुमचा मेंदू तीच माहिती पाहतो आहे,
06:31
as if the right one is still under red light,
138
379000
2000
ज्यात उजवी बाजू लाल प्रकाशात आणि,
06:33
and the left one is still under green light.
139
381000
2000
आणि डावी बाजू हिरव्या प्रकाशात होती.
06:35
That's your new normal.
140
383000
2000
ते तुमच्यासाठी नवीन "साधारण" बनले.
06:37
So, what does this mean for context?
141
385000
2000
तर आजूबाजूच्या परिस्थितीबद्दल याचा अर्थ काय होतो?
06:39
It means that I can take these two identical squares,
142
387000
2000
याचा अर्थ असा होतो की मी हे दोन समान चौरस घेऊन,
06:41
and I can put them in light and dark surrounds.
143
389000
2000
प्रकाशित किंवा अंधाऱ्या भागात ठेवले तर
06:43
And now the one on the dark surround looks lighter than the one on the light surround.
144
391000
3000
अंधाऱ्या भागातील चौरस, प्रकाशित भागातील चौरसापेक्षा जास्त फिकट दिसतो.
06:46
What's significant is not simply the light and dark surrounds that matter.
145
394000
4000
महत्त्वाचे हे नाही की भोवतालचा रंग काळपट किंवा फिकट आहे.
06:50
It's what those light and dark surrounds meant for your behavior in the past.
146
398000
4000
महत्त्वाचे हे आहे की काळपट किंवा फिकट रंग भोवताली असण्याचा तुमच्या वागण्यावर पूर्वी काय परिणाम झाला आहे.
06:54
So I'll show you what I mean. Here we have
147
402000
2000
मी तुम्हाला दाखवतो मला काय म्हणायचे आहे. येथे आपल्याकडे आहे
06:56
that exact same illusion.
148
404000
2000
अगदी तोच दृष्टिभ्रम.
06:58
We have two identical tiles, on the left,
149
406000
2000
आपल्याकडे आहेत दोन एकसारख्या फरशा, डावीकडे,
07:00
one in a dark surround, one in a light surround.
150
408000
2000
भोवताली अंधार असलेली, आणि एक प्रकाशात.
07:02
And the same thing over on the right.
151
410000
2000
आणि तशाच उजवीकडे.
07:04
Now, what I'm going to do is I'm going to review those two scenes.
152
412000
3000
आता, मी परत त्या देखाव्याकडे पाहणार आहे.
07:07
But I'm not going to change anything within those boxes,
153
415000
2000
पण त्या डब्यांतील काहीही मी बदलणार नाही,
07:09
except their meaning.
154
417000
2000
पण त्यांचा अर्थ बदलेन.
07:11
And see what happens to your perception.
155
419000
2000
आणि पाहा काय होते तुमच्या आकलनशक्तीला.
07:13
Notice that on the left
156
421000
2000
नोंद करा की डावीकडे
07:15
the two tiles look nearly completely opposite:
157
423000
3000
दोन्ही फरशा एकमेकीच्या एकदम विरुद्ध दिसतायत:
07:18
one very white and one very dark.
158
426000
2000
एक अगदी पांढरी आणि एक अगदी काळी.
07:20
All right? Whereas on the right,
159
428000
2000
ठीक आहे? पण, उजवीकडे,
07:22
the two tiles look nearly the same.
160
430000
2000
दोन्ही फरशा एकसारख्याच दिसतायत.
07:24
And yet there is still one on a dark surround and one on a light surround.
161
432000
4000
जरी त्यातील एकीच्या भोवताली अंधार आहे आणि एकीच्या भोवताली प्रकाश.
07:28
Why? Because if the tile in that shadow
162
436000
3000
का? कारण सावलीतील ती फरशी
07:31
were in fact in shadow,
163
439000
2000
जर खरोखर सावलीत असेल,
07:33
and reflecting the same amount of light to your eye
164
441000
2000
आणि जर तेवढाच प्रकाश तुमच्या डोळ्यांकडे परावर्तित करत असेल
07:35
as the one outside the shadow,
165
443000
2000
जेवढा सावली बाहेरील फरशी करते,
07:37
it would have to be more reflective -- just the laws of physics.
166
445000
3000
तर ती जास्त परावर्तनशील असली पाहिजे -- भौतिकशास्त्रातल एक नियम.
07:40
So you see it that way.
167
448000
2000
म्हणूनच तुम्हाला ती तशी दिसते.
07:42
Whereas on the right, the information is consistent
168
450000
3000
पण उजवीकडे माहिती एकसारखीच आहे,
07:45
with those two tiles being under the same light.
169
453000
2000
कारण दोन्ही फरशा समान प्रकाशाखाली आहेत.
07:47
If they are under the same light, reflecting the same amount of light
170
455000
2000
जर समप्रकाशित फरशा समान प्रमाणात प्रकाश परावर्तित करत असतील तर
07:49
to your eye,
171
457000
2000
तुमच्या डोळ्यांसाठी,
07:51
then they must be equally reflective.
172
459000
2000
त्या समान परावर्तनशील असल्या पाहिजेत.
07:53
So you see it that way.
173
461000
2000
म्हणून तुम्हाला त्या तशा दिसतात.
07:55
Which means we can bring all this information together
174
463000
2000
याचा अर्थ असा की आपण ही माहिती एकत्र आणून
07:57
to create some incredibly strong illusions.
175
465000
2000
अशक्य ताकदीचे भ्रम तयार करू शकतो.
07:59
This is one I made a few years ago.
176
467000
2000
हा एक मी काही वर्षांपूर्वी केला.
08:01
And you'll notice you see a dark brown tile at the top,
177
469000
3000
आणि तुम्हाला एक गडद तपकिरी रंगाची फरशी वरच्याबाजूला दिसेल,
08:04
and a bright orange tile at the side.
178
472000
3000
आणि एक प्रकाशमान नारिंगी बाजूला.
08:07
That is your perceptual reality. The physical reality
179
475000
2000
ते आपण आकलन केलेले सत्य आहे. भौतिक सत्य हे आहे की
08:09
is that those two tiles are the same.
180
477000
5000
दोन्ही फरशा एकसारख्याच आहेत.
08:14
Here you see four gray tiles on your left,
181
482000
3000
येथे डावीकडे तुम्हाला दिसतायत ४ करड्या फरशा,
08:17
seven gray tiles on the right.
182
485000
2000
आणि सात करड्या फरशा उजवीकडे.
08:19
I'm not going to change those tiles at all,
183
487000
2000
मी त्या फरशा जराही बदलणार नाही आहे.
08:21
but I'm going to reveal the rest of the scene
184
489000
2000
पण मी बाकीचे चित्र तुमच्यासमोर उघड करणार आहे.
08:23
and see what happens to your perception.
185
491000
3000
आणि पाहा काय होते तुमच्या आकलनाला.
08:26
The four blue tiles on the left are gray.
186
494000
4000
डावीकडील चार निळ्या फरशा करडया आहेत.
08:30
The seven yellow tiles on the right are also gray.
187
498000
3000
उजवीकडील सात पिवळ्या फरशाही करड्या आहेत.
08:33
They are the same. Okay?
188
501000
2000
त्या एकसारख्याच आहेत. ठीक?
08:35
Don't believe me? Let's watch it again.
189
503000
4000
माझ्यावर विश्वास नाही बसत? आपण परत पाहू.
08:39
What's true for color is also true for complex perceptions of motion.
190
507000
4000
जे रंगांबद्दल खरे आहे ते हालचालींसारख्या क्लिष्ट गोष्टींच्या आकलनाबाबतही खरे आहे.
08:43
So here we have --
191
511000
3000
तर इथे आपल्याकडे आहे --
08:46
let's turn this around -- a diamond.
192
514000
5000
आपण हे फिरवू -- एक हिऱ्याचा सांगाडा.
08:51
And what I'm going to do is, I'm going to hold it here,
193
519000
2000
आणि मी काय करणार आहे -- मी इथे धरणार आहे,
08:53
and I'm going to spin it.
194
521000
4000
आणि मी तो फिरवणार आहे.
08:57
And for all of you, you'll see it probably spinning this direction.
195
525000
3000
आणि तुम्हा सर्वांसाठी तो बहुधा या दिशेला फिरत असलेला दिसेल.
09:00
Now I want you to keep looking at it.
196
528000
3000
आता त्याकडे पाहत राहा.
09:03
Move your eyes around, blink, maybe close one eye.
197
531000
2000
तुमचे डोळे थोडे बाजूला न्या, एक डोळा मिटा किंवा उघडझाप करा.
09:05
And suddenly it will flip, and start spinning the opposite direction.
198
533000
4000
आणि एकदम ते बदलेल आणि दुसऱ्या दिशेला फिरताना दिसेल.
09:09
Yes? Raise your hand if you got that. Yes?
199
537000
3000
कोणाला तसे दिसले असले तर हात वर करा.
09:12
Keep blinking. Every time you blink it will switch. Alright?
200
540000
4000
उघडझाप करत राहा. प्रत्येक वेळी दिशा बदलेल. बरोबर?
09:16
So I can ask you, which direction is it rotating?
201
544000
4000
जर मी तुम्हाला विचारले की कोणत्या दिशेला फिरत आहे?
09:20
How do you know?
202
548000
2000
तुम्हाला कसे कळेल?
09:22
Your brain doesn't know. Because both are equally likely.
203
550000
3000
तुमच्या मेंदूला माहिती नाही कारण दोन्ही दिशांना फिरणे शक्य आहे.
09:25
So depending on where it looks, it flips
204
553000
2000
म्हणून पाहण्याच्या पद्धतीनुसार दिशा बदलते
09:27
between the two possibilities.
205
555000
3000
दोन शक्यतांमध्ये.
09:30
Are we the only ones that see illusions?
206
558000
2000
फक्त आपल्यालाच भ्रम होतात का?
09:32
The answer to this question is no.
207
560000
2000
त्या प्रश्नाचे उत्तर नाही असे आहे.
09:34
Even the beautiful bumblebee,
208
562000
2000
सुंदर भुंगाही,
09:36
with its mere one million brain cells,
209
564000
2000
ज्याच्या मेंदूत फक्त दशलक्ष पेशी आहेत,
09:38
which is 250 times fewer cells than you have in one retina,
210
566000
3000
म्हणजे तुमच्या डोळ्यांतील पेशींपेक्षा २५० पटीने कमी,
09:41
sees illusions, does the most complicated things
211
569000
3000
भ्रम पाहतो, आणि अती क्लिष्ट गोष्टी करतो
09:44
that even our most sophisticated computers can't do.
212
572000
3000
ज्या आपले नवीनतम संगणकही करू शकत नाहीत.
09:47
So in my lab, we of course work on bumblebees.
213
575000
2000
म्हणून माझ्या प्रयोगशाळेत, आम्ही भुंग्यावरच काम करतो.
09:49
Because we can completely control their experience,
214
577000
2000
कारण आम्ही त्यांच्या संपुर्ण अनुभवावर नियंत्रण ठेवू शकतो,
09:51
and see how that alters the architecture of their brain.
215
579000
2000
आणी त्याचा त्यांच्या मेंदूच्या रचनेवर काय परिणाम होतो याचे निरीक्षण करतो.
09:53
And we do this in what we call the Bee Matrix.
216
581000
3000
आणि आम्ही हे करतो 'बी मॅट्रीक्स' मध्ये.
09:56
And here you have the hive. You can see the queen bee,
217
584000
2000
आणि इथे आहे पोळे. तुम्ही राणी माशी पाहू शकता,
09:58
that large bee in the middle there. Those are all her daughters, the eggs.
218
586000
3000
मध्ये बसलेली मोठी माशी. ती अंडी आणि बाकीच्या माश्या तिच्या मुली.
10:01
And they go back and forth between this hive
219
589000
3000
आणि त्या ये-जा करत असतात पोळ्यापासून ते
10:04
and the arena, via this tube.
220
592000
5000
मध्यभागापर्यंत, या नळीद्वारे .
10:09
And you'll see one of the bees come out here.
221
597000
2000
आणि तुम्ही पाहाल एक माशी बाहेर येईल.
10:11
You see how she has a little number on her?
222
599000
3000
तुम्ही पाहाल की कशी तिच्यावर एक क्रमांक आहे?
10:14
Yeah there is another one coming out. She has another number on her.
223
602000
3000
हां, आणखी एक बाहेर येत आहे. तिच्यावर दुसरा एक क्रमांक आहे.
10:17
Now, they are not born that way. Right?
224
605000
3000
आता, त्या तशा जन्मलेल्या नव्हत्या. बरोबर ना?
10:20
We pull them out, put them in the fridge, and they fall asleep.
225
608000
2000
आम्ही त्यांना बाहेर काढतो, फ्रिजमध्ये ठेवतो, आणि त्या झोपतात.
10:22
And then you can superglue little numbers on them.
226
610000
2000
आणि आम्ही चांगल्या डिंकाने क्रमांक त्यांच्यावर चिकटवतो.
10:24
(Laughter)
227
612000
2000
(हशा)
10:26
And now, in this experiment they get rewarded if they go to the blue flowers.
228
614000
4000
आणि या प्रयोगात त्या निळ्या फुलांकडे गेल्यातर त्यांना बक्षिस मिळते.
10:30
And they land on the flower. They stick their tongue in there,
229
618000
3000
त्या फुलांवर बसतात. त्यांची जीभ(डंख) आत घालतात,
10:33
called a proboscis, and they drink sugar water.
230
621000
2000
ज्याला 'proboscis' असे म्हणतात, आणि त्यातील साखरेचे पाणी पितात.
10:35
Now she is drinking a glass of water that's about that big to you and I,
231
623000
3000
आता ती पाणी पिते आहे एका पेल्यातून जो आपल्यासाठी तेवढाच मोठा असेल,
10:38
will do that about three times, and then fly.
232
626000
6000
तसे तीन वेळा करेल आणि उडेल.
10:44
And sometimes they learn not to go to the blue,
233
632000
2000
आणि काहीवेळा त्या निळ्या फुलांकडे दुर्लक्ष करण्यास शिकतात,
10:46
but to go to where the other bees go.
234
634000
2000
पण जेथे दुसऱ्या माशा जातील तेथे जातात.
10:48
So they copy each other. They can count to five. They can recognize faces.
235
636000
3000
म्हणजे त्या एकमेकींची नक्कल करतात. त्या पाच पर्यंत मोजू शकतात. त्यांना चेहरे कळतात.
10:51
And here she comes down the ladder.
236
639000
3000
आणि येथे ती शिडीवरून खाली आली.
10:54
And she'll come into the hive, find an empty honey pot
237
642000
2000
ती पोळ्यात येईल आणि मधाचे रिकामे भांडे शोधेल,
10:56
and throw up, and that's honey.
238
644000
2000
आणि ओकेल, आणि तो असेल मध.
10:58
(Laughter)
239
646000
1000
(हशा)
10:59
Now remember -- (Laughter)
240
647000
3000
आता लक्षात ठेवा -- (हशा)
11:02
-- she's supposed to be going to the blue flowers.
241
650000
2000
-- तिच्याकडून निळ्या फुलांकडे जाण्याची अपेक्षा आहे.
11:04
But what are these bees doing in the upper right corner?
242
652000
3000
पण या वरील बाजूला उजवीकडे माशा काय करतायत?
11:07
It looks like they're going to green flowers.
243
655000
2000
असे दिसतेय की त्या हिरव्या फुलांकडे जातायत.
11:09
Now, are they getting it wrong?
244
657000
3000
आता, त्यांच्याकडून काही चुक होती आहे का?
11:12
And the answer to the question is no. Those are actually blue flowers.
245
660000
3000
त्या प्रश्नाचे उत्तर नाही असे आहे. ती निळी फुले आहेत.
11:15
But those are blue flowers under green light.
246
663000
4000
पण आहेत हिरव्या रंगाच्या प्रकाशाखाली.
11:19
So they are using the relationships between the colors to solve the puzzle,
247
667000
4000
म्हणजे त्या रंगांतील संबंधांचा उपयोग कोडे सोडवायला करत आहेत.
11:23
which is exactly what we do.
248
671000
2000
अगदी जसा आपण करतो तसाच.
11:25
So, illusions are often used,
249
673000
2000
म्हणजे, भ्रम बऱ्याचदा,
11:27
especially in art, in the words of a more contemporary artist,
250
675000
4000
विशेषतः कलेमध्ये, एका जास्त समकालीन कलाकराच्या शब्दांत,
11:31
"to demonstrate the fragility of our senses."
251
679000
2000
"आपल्या संवेदनांची नाजूकपणा दाखवतात."
11:33
Okay, this is complete rubbish.
252
681000
3000
हां, त्याला काहीच अर्थ नाही.
11:36
The senses aren't fragile. And if they were, we wouldn't be here.
253
684000
3000
संवेदन नाजूक नाहीत. आणि तश्या असत्या तर आपण येथे नसतो.
11:39
Instead, color tells us something completely different,
254
687000
4000
उलट रंग आपल्याला संपुर्ण वेगळी अशी ही गोष्ट सांगतात की,
11:43
that the brain didn't actually evolve to see the world the way it is.
255
691000
3000
मेंदू जगाचे खरे रूप पाहण्यास उत्क्रांत झालेला नाही.
11:46
We can't. Instead, the brain evolved to see the world
256
694000
4000
आपण पाहू शकत नाही. त्याऐवजी मेंदू उत्क्रांत झाला आहे जग असे पाहण्यासाठी
11:50
the way it was useful to see in the past.
257
698000
3000
की ज्या पद्धतीने पाहणे पूर्वी उपयुक्त झाले होते.
11:53
And how we see is by continually redefining normality.
258
701000
6000
आणि आपण पाहतो साधारणपणाची नेहमी नव्याने व्याख्या करत.
11:59
So how can we take this
259
707000
4000
तर आपण ही मेंदूची असाधारण रूप बदलण्याची शक्ती
12:03
incredible capacity of plasticity of the brain
260
711000
3000
आणि लोकांना जग वेगळ्या पद्धतीने दाखवण्याची क्षमता
12:06
and get people to experience their world differently?
261
714000
3000
कशा पद्धतीने समजून घ्यायची?
12:09
Well, one of the ways we do in my lab and studio
262
717000
3000
एक पद्धत जी आम्ही आमच्या प्रयोगशाळेत आणि स्टुडियोमध्ये वापरतो
12:12
is we translate the light into sound
263
720000
3000
ती म्हणजे प्रकाशाचे ध्वनीत रूपांतर
12:15
and we enable people to hear their visual world.
264
723000
4000
आम्ही लोकांना त्यांचे दृष्य जग ऐकवतो.
12:19
And they can navigate the world using their ears.
265
727000
3000
आणि ते कान वापरून जगातून विहार करू शकतात.
12:22
Here is David, in the right. And he is holding a camera.
266
730000
3000
येथे आहेत डेव्हीड, उजवीकडे. आणि त्यांनी एक कॅमेरा पकडला आहे.
12:25
On the left is what his camera sees.
267
733000
2000
डावीकडे कॅमेऱ्यातील दृष्य दिसत आहे.
12:27
And you'll see there is a line, a faint line going across that image.
268
735000
3000
आणि त्या चित्रावरून फिरताना तुम्हाला एक फिकटशी रेषा दिसेल.
12:30
That line is broken up into 32 squares.
269
738000
3000
ती रेषा ३२ चौरसांत विभागली आहे.
12:33
In each square we calculate the average color.
270
741000
2000
प्रत्येक चौरसात आम्ही मोजतो सरासरी रंग.
12:35
And then we just simply translate that into sound.
271
743000
2000
आणि तो एकदम सोप्यापद्धतीने आवाजात बदलतो.
12:37
And now he's going to
272
745000
3000
आणि आता ते फिरणार आहेत
12:40
turn around, close his eyes,
273
748000
4000
डोळे बंद करून,
12:44
and find a plate on the ground with his eyes closed.
274
752000
3000
आणि जमिनीवरची ताटली शोधणार आहेत.
13:06
He finds it. Amazing. Right?
275
774000
2000
त्यांना ती मिळाली. आहे ना अफलातून?
13:08
So not only can we create a prosthetic for the visually impaired,
276
776000
2000
तर यातून आपल्याला दृष्टिदोष असलेल्यांसाठी कृत्रिम अवयव तर तयार करता येतातच,
13:10
but we can also investigate how people
277
778000
3000
पण आपल्याला लोक जगाचे आकलन कसे करतात
13:13
literally make sense of the world.
278
781000
3000
याचाही अभ्यास करता येतो.
13:16
But we can also do something else. We can also make music with color.
279
784000
4000
पण आपण आणखीही काही करू शकतो. आपण रंगांतून संगीत तयार करू शकतो.
13:20
So, working with kids,
280
788000
2000
तर मुलांबरोबर काम करताना,
13:22
they created images,
281
790000
2000
त्यांनी काही चित्रे तयार केली,
13:24
thinking about what might the images you see
282
792000
2000
असा विचार करून जर ही चित्रे ऐकता आली तर
13:26
sound like if we could listen to them.
283
794000
2000
कशी वाटतील.
13:28
And then we translated these images.
284
796000
2000
आणि आम्ही त्या चित्रांचे ध्वनीत भाषांतर केले.
13:30
And this is one of those images.
285
798000
2000
आणि हे त्यापैकी एक चित्र आहे.
13:32
And this is a six-year-old child composing a piece of music
286
800000
3000
आणि हा आहे सहा वर्षांचा मुलगा संगीत रचताना
13:35
for a 32-piece orchestra.
287
803000
3000
३२ वाद्यांच्या ऑर्केस्ट्रासाठी.
13:38
And this is what it sounds like.
288
806000
2000
आणि ते असे ऐकू येते. ♫
14:06
So, a six-year-old child. Okay?
289
834000
3000
तर, फक्त सहा वर्षाचा मुलगा. ठीक?
14:09
Now, what does all this mean?
290
837000
3000
आता, या सर्वाचा अर्थ काय आहे?
14:12
What this suggests is that no one is an outside observer
291
840000
3000
हे असे सुचविते की निसर्गाला बाहेरचा असा कोणी
14:15
of nature. Okay?
292
843000
2000
निरीक्षक नाही आहे.
14:17
We are not defined by our central properties,
293
845000
2000
आपली व्याख्या आपल्या केंद्रीय गुणधर्मांवरून नाही,
14:19
by the bits that make us up.
294
847000
2000
तर आपल्याला घडवणाऱ्या छोट्या छोट्या गुणधर्मांवरून बनते.
14:21
We're defined by our environment and our interaction with that environment --
295
849000
3000
आपली व्याख्या बनते आपल्या पर्यावरणावरून आणि आपल्या पर्यावरणाशी होणाऱ्या वागणुकीवरून --
14:24
by our ecology.
296
852000
2000
म्हणजेच आपल्या पारिस्थितीकीवरून.
14:26
And that ecology is necessarily relative,
297
854000
4000
आणि पारिस्थितीकी ही सापेक्ष,
14:30
historical and empirical.
298
858000
2000
ऐतिहासिक आणि व्यवहारिकच असते.
14:32
So what I'd like to finish with is this over here.
299
860000
6000
म्हणून मला हि इथली गोष्ट सांगून हे भाषण संपवायचे आहे.
14:38
Because what I've been trying to do is really celebrate uncertainty.
300
866000
3000
कारण मी जे करतो तो म्हणजे अनिश्चिततेचा सोहळा असतो.
14:41
Because I think only through uncertainty is there potential for understanding.
301
869000
4000
कारण मला वाटते की अनिश्चिततेतूनच आपल्या जग समजण्याची शक्ती मिळते.
14:45
So, if some of you are still feeling a bit too certain,
302
873000
3000
तर, तुम्हाला थोडी जरी निश्चिती जाणवत असेल,
14:48
I'd like to do this one.
303
876000
2000
मला हे करायला आवडेल,
14:50
So, if we have the lights down.
304
878000
2000
आपण जरा प्रकाश कमी केला तर,
14:52
And what we have here --
305
880000
6000
आणि येथे आहे --
14:58
Can everyone see 25 purple surfaces
306
886000
3000
तुम्हा सर्वांना २५ जांभळे पृष्ठभाग दिसतायत का,
15:01
on your left,
307
889000
2000
तुमच्या डाव्या बाजूला?
15:03
and 25, call it yellowish, surfaces on your right?
308
891000
4000
आणि २५ पिवळसर पृष्ठभाग तुमच्या उजव्या बाजूला?
15:07
So, now, what I want to do:
309
895000
2000
मला असे करायचे आहे की:
15:09
I'm going to put the middle nine surfaces here
310
897000
2000
मी मधले ९ पृष्ठभाग
15:11
under yellow illumination
311
899000
2000
पिवळ्या प्रकाशात ठेवणार आहे
15:13
by simply putting a filter behind them.
312
901000
4000
त्यांच्या मागे एक पारदर्शक पडदा ठेऊन.
15:17
All right. Now you can see that changes the light
313
905000
3000
ठीक आहे. आता तुम्हाला दिसेल की त्यामुळे तेथून येणारा
15:20
that's coming through there. Right?
314
908000
2000
प्रकाश बदलला. बरोबर?
15:22
Because now the light is going through a yellowish filter
315
910000
2000
कारण प्रकाश आता पिवळ्या पारदर्शकातून
15:24
and then a purplish filter.
316
912000
2000
आणि नंतर जांभळ्या पारदर्शकातून येत आहे.
15:26
I'm going to do this opposite on the left here.
317
914000
5000
मी याच्या बरोबर उलटे, डाव्याबाजूला करणार आहे.
15:31
I'm going to put the middle nine under a purplish light.
318
919000
7000
मधले ९ जांभळसर प्रकाशाखाली ठेवणार आहे.
15:38
Now, some of you will notice that the consequence is that
319
926000
4000
आता, तुमच्यातील काही जणांनी नोंद केली असेल,
15:42
the light coming through those middle nine on the right,
320
930000
3000
उजवीकडील मधल्या ९ पृष्ठभागावरून येणारा प्रकाश
15:45
or your left,
321
933000
2000
किंवा तुमच्या डाव्या बाजूकडील
15:47
is exactly the same as the light coming through
322
935000
2000
हा डावीकडील मधल्या ९ पृष्ठभागावरून येणारा प्रकाश
15:49
the middle nine on your right.
323
937000
2000
हा अगदी एकसारखाच आहे
15:51
Agreed? Yes?
324
939000
3000
मान्य ना? हो?
15:54
Okay. So they are physically the same.
325
942000
2000
ठीक. तर ते भौतिक दृष्ट्या एक सारखेच आहेत.
15:56
Let's pull the covers off.
326
944000
6000
आता आपण उघड करू.
16:02
Now remember,
327
950000
4000
लक्षात ठेवा,
16:06
you know the middle nine are exactly the same.
328
954000
3000
मधले ९ अगदी एकच आहेत.
16:09
Do they look the same? No.
329
957000
4000
पण ते एक सारखे दिसतायत का? नाही.
16:13
The question is, "Is that an illusion?"
330
961000
2000
प्रश्न हा आहे की, "तो एक भ्रम आहे का?"
16:15
And I'll leave you with that.
331
963000
2000
आणि त्या प्रश्नाने मी तुमची रजा घेतो.
16:17
So, thank you very much.
332
965000
2000
अनेक धन्यवाद.
16:19
(Applause)
333
967000
3000
(टाळ्या)
Translated by Pratik Dixit
Reviewed by Abhishek Payal

▲Back to top

ABOUT THE SPEAKER
Beau Lotto - Neuroscientist, Artist
Beau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system.

Why you should listen

"Let there be perception," was evolution's proclamation, and so it was that all creatures, from honeybees to humans, came to see the world not as it is, but as was most useful. This uncomfortable place--where what an organism's brain sees diverges from what is actually out there--is what Beau Lotto and his team at Lottolab are exploring through their dazzling art-sci experiments and public illusions. Their Bee Matrix installation, for example, places a live bee in a transparent enclosure where gallerygoers may watch it seek nectar in a virtual meadow of luminous Plexiglas flowers. (Bees, Lotto will tell you, see colors much like we humans do.) The data captured isn't just discarded, either: it's put to good use in probing scientific papers, and sometimes in more exhibits.

At their home in London’s Science Museum, the lab holds "synesthetic workshops" where kids and adults make abstract paintings that computers interpret into music, and they host regular Lates--evenings of science, music and "mass experiments." Lotto is passionate about involving people from all walks of life in research on perception--both as subjects and as fellow researchers. One such program, called "i,scientist," in fact led to the publication of the first ever peer-reviewed scientific paper written by schoolchildren ("Blackawton Bees," December 2010). It starts, "Once upon a time ..."

These and Lotto's other conjurings are slowly, charmingly bending the science of perception--and our perceptions of what science can be.

More profile about the speaker
Beau Lotto | Speaker | TED.com