TEDGlobal 2012
Read Montague: What we're learning from 5,000 brains
Read Montague: Wiedza płynąca z 5 000 umysłów
Filmed:
Readability: 4
763,896 views
Myszy, robaki i chomiki to nie jedyne zwierzęta, dzięki którym możemy badać mózg. Funkcjonalny magnetyczny rezonans jądrowy (fMRI) pozwala na zobrazowanie aktywności mózgowej żywych, podejmujących decyzje ludzi. Read Montague opowiada, jak technologia pomaga zrozumieć złożone interakcje międzyludzkie.
Read Montague - Behavioral Neuroscientist
What does "normal behavior" look like? To find out, Read Montague is imaging thousands of brains at work. Full bio
What does "normal behavior" look like? To find out, Read Montague is imaging thousands of brains at work. Full bio
Double-click the English transcript below to play the video.
00:16
Other people. Everyone is interested in other people.
0
474
2809
Wszyscy interesujemy się innymi ludźmi.
00:19
Everyone has relationships with other people,
1
3283
2123
Wszyscy tworzymy z nimi relacje,
00:21
and they're interested in these relationships
2
5406
1592
a oni wchodzą w nie
00:22
for a variety of reasons.
3
6998
1855
z różnych powodów.
00:24
Good relationships, bad relationships,
4
8853
2012
Relacje dobre, złe,
00:26
annoying relationships, agnostic relationships,
5
10865
3146
irytujące i obojętne.
00:29
and what I'm going to do is focus on the central piece
6
14011
3424
Ja skupię się na kluczowym
punkcie interakcji,
punkcie interakcji,
00:33
of an interaction that goes on in a relationship.
7
17435
3303
które zachodzą w związkach.
00:36
So I'm going to take as inspiration the fact that we're all
8
20738
2336
Za punkt wyjścia potraktowałem fakt,
00:38
interested in interacting with other people,
9
23074
2425
że wszystkich interesują
interakcje z innymi.
interakcje z innymi.
00:41
I'm going to completely strip it of all its complicating features,
10
25499
3832
Znacznie to wszystko uproszczę,
00:45
and I'm going to turn that object, that simplified object,
11
29331
3894
a to, co zostanie, wykorzystam
jako narzędzie badania naukowego,
jako narzędzie badania naukowego,
00:49
into a scientific probe, and provide the early stages,
12
33225
4150
żeby poznać wczesne etapy tego,
00:53
embryonic stages of new insights into what happens
13
37375
2449
co dzieje się w mózgach dwóch osób
00:55
in two brains while they simultaneously interact.
14
39824
3650
podczas interakcji.
00:59
But before I do that, let me tell you a couple of things
15
43474
2293
Przedtem jednak opowiem,
01:01
that made this possible.
16
45767
1699
jak to w ogóle możliwe.
01:03
The first is we can now eavesdrop safely
17
47466
2781
Po pierwsze, za pomocą
dzisiejszych technologii
dzisiejszych technologii
01:06
on healthy brain activity.
18
50247
2711
można bezpiecznie obserwować
działanie mózgu
działanie mózgu
01:08
Without needles and radioactivity,
19
52958
2577
bez igieł, promieniowania,
01:11
without any kind of clinical reason, we can go down the street
20
55535
2863
więc możemy badać etycznie
nie tylko osoby chore.
nie tylko osoby chore.
01:14
and record from your friends' and neighbors' brains
21
58398
3127
Można zarejestrować
działanie mózgu kolegów
działanie mózgu kolegów
01:17
while they do a variety of cognitive tasks, and we use
22
61525
2538
podczas różnych zadań poznawczych,
01:19
a method called functional magnetic resonance imaging.
23
64063
3734
używając funkcjonalnego magnetycznego
rezonansu jądrowego.
rezonansu jądrowego.
01:23
You've probably all read about it or heard about in some
24
67797
2325
Pewnie o tym słyszeliście,
01:26
incarnation. Let me give you a two-sentence version of it.
25
70122
4378
ale dam krótki wstęp.
01:30
So we've all heard of MRIs. MRIs use magnetic fields
26
74500
3484
W technologii MRI
za pomocą pól magnetycznych
za pomocą pól magnetycznych
01:33
and radio waves and they take snapshots of your brain
27
77984
2029
i fal radiowych robią się zdjęcie mózgu,
01:35
or your knee or your stomach,
28
80013
2361
kolana czy żołądka.
01:38
grayscale images that are frozen in time.
29
82374
2045
Są to nieruchome, szare zdjęcia.
01:40
In the 1990s, it was discovered you could use
30
84419
2321
W latach 90. odkryto,
01:42
the same machines in a different mode,
31
86740
2659
że tych maszyn można używać inaczej.
01:45
and in that mode, you could make microscopic blood flow
32
89399
2346
Można nagrać przepływ krwi
01:47
movies from hundreds of thousands of sites independently in the brain.
33
91745
3300
w setkach tysięcy różnych miejsc w mózgu.
01:50
Okay, so what? In fact, the so what is, in the brain,
34
95045
3200
I co nam to daje?
01:54
changes in neural activity, the things that make your brain work,
35
98245
3832
Okazuje się, że zmiany aktywności
neuronów sprawiające,
neuronów sprawiające,
01:57
the things that make your software work in your brain,
36
102077
2010
że mózgowy software działa,
01:59
are tightly correlated with changes in blood flow.
37
104087
2489
są związane ze zmianami przepływu krwi.
02:02
You make a blood flow movie, you have an independent
38
106576
1973
Rejestrując przepływ krwi,
02:04
proxy of brain activity.
39
108549
2339
otrzymujemy obraz aktywności mózgu.
02:06
This has literally revolutionized cognitive science.
40
110888
3034
Zrewolucjonizowało to nauki o poznaniu.
02:09
Take any cognitive domain you want, memory,
41
113922
1991
Każdy proces poznawczy: pamięć,
02:11
motor planning, thinking about your mother-in-law,
42
115913
2141
planowanie ruchu ciała,
myśli o teściowej,
myśli o teściowej,
02:13
getting angry at people, emotional response, it goes on and on,
43
118054
3715
złość, różne reakcje emocjonalne,
02:17
put people into functional MRI devices, and
44
121769
3089
wszystko, co dzieje się w mózgu,
02:20
image how these kinds of variables map onto brain activity.
45
124858
3383
obrazuje się za pomocą funkcjonalnego
magnetycznego rezonansu jądrowego.
magnetycznego rezonansu jądrowego.
02:24
It's in its early stages, and it's crude by some measures,
46
128241
2849
To nowa technologia
i brakuje jej wciąż dokładności,
i brakuje jej wciąż dokładności,
02:26
but in fact, 20 years ago, we were at nothing.
47
131090
2568
ale 20 lat temu nie mieliśmy nic.
02:29
You couldn't do people like this. You couldn't do healthy people.
48
133658
2359
Nie można było robić takich badań
ani badać zdrowych.
ani badać zdrowych.
02:31
That's caused a literal revolution, and it's opened us up
49
136017
2488
Ta rewolucja zainspirowała
nowe doświadczenia.
nowe doświadczenia.
02:34
to a new experimental preparation. Neurobiologists,
50
138505
2818
Ta rewolucja zainspirowała
nowe doświadczenia.
nowe doświadczenia.
02:37
as you well know, have lots of experimental preps,
51
141323
3760
Neurobiolodzy mają wiele
modeli badawczych,
modeli badawczych,
02:40
worms and rodents and fruit flies and things like this.
52
145083
3141
robaki, gryzonie, muszki owocówki.
02:44
And now, we have a new experimental prep: human beings.
53
148224
3397
Nagle doszedł nowy - człowiek.
02:47
We can now use human beings to study and model
54
151621
3761
Obecnie można wykorzystać człowieka,
02:51
the software in human beings, and we have a few
55
155382
2950
żeby zbadać, jak działa jego mózg.
02:54
burgeoning biological measures.
56
158332
2835
Mamy już parę odpowiednich narzędzi.
02:57
Okay, let me give you one example of the kinds of experiments that people do,
57
161167
3887
Podam przykład doświadczenia
03:00
and it's in the area of what you'd call valuation.
58
165054
2677
obejmującego ocenianie.
03:03
Valuation is just what you think it is, you know?
59
167731
2135
To dokładnie to, co myślicie.
03:05
If you went and you were valuing two companies against
60
169866
2804
Oceniając dwie firmy, chcemy wiedzieć,
03:08
one another, you'd want to know which was more valuable.
61
172670
2736
która jest bardziej wartościowa.
03:11
Cultures discovered the key feature of valuation thousands of years ago.
62
175406
3879
Sedno mechanizmu szacowania
odkryto tysiące lat temu.
odkryto tysiące lat temu.
03:15
If you want to compare oranges to windshields, what do you do?
63
179285
2690
Jak porównać pomarańcze do szyby?
03:17
Well, you can't compare oranges to windshields.
64
181975
2356
Nie da się.
03:20
They're immiscible. They don't mix with one another.
65
184331
2255
Nie mają ze sobą nic wspólnego.
03:22
So instead, you convert them to a common currency scale,
66
186586
2351
Zamiast tego porównujemy ich wartość
03:24
put them on that scale, and value them accordingly.
67
188937
2706
w jakiejś wybranej walucie.
03:27
Well, your brain has to do something just like that as well,
68
191643
3436
Nasze umysły działają podobnie.
03:30
and we're now beginning to understand and identify
69
195079
2488
Zaczynamy odnajdywać,
które części mózgu
które części mózgu
03:33
brain systems involved in valuation,
70
197567
2137
biorą udział w takim względnym ocenianiu.
03:35
and one of them includes a neurotransmitter system
71
199704
2632
Jeden z nich to system neurotransmiterów
03:38
whose cells are located in your brainstem
72
202336
2632
zlokalizowanych w komórkach pnia mózgu,
03:40
and deliver the chemical dopamine to the rest of your brain.
73
204968
3175
rozprowadzający po całym mózgu dopaminę.
03:44
I won't go through the details of it, but that's an important
74
208143
2442
Nie będę wchodzić w szczegóły.
03:46
discovery, and we know a good bit about that now,
75
210585
2157
W tym procesie biorą też udział
inne układy,
inne układy,
03:48
and it's just a small piece of it, but it's important because
76
212742
2230
ale to bardzo ważne odkrycie,
03:50
those are the neurons that you would lose if you had Parkinson's disease,
77
214972
3275
bo to właśnie te neurony
zanikają w chorobie Parkinsona,
zanikają w chorobie Parkinsona,
03:54
and they're also the neurons that are hijacked by literally
78
218247
2016
i na nie właśnie wpływają
wszystkie używki.
wszystkie używki.
03:56
every drug of abuse, and that makes sense.
79
220263
2232
i na nie właśnie wpływają
wszystkie używki.
wszystkie używki.
03:58
Drugs of abuse would come in, and they would change
80
222495
2336
Używki zmieniają ocenę świata
04:00
the way you value the world. They change the way
81
224831
1789
i spojrzenie na symbole
04:02
you value the symbols associated with your drug of choice,
82
226620
3199
związane z samą używką,
04:05
and they make you value that over everything else.
83
229819
2514
którą zaczyna się
przedkładać ponad wszystko.
przedkładać ponad wszystko.
04:08
Here's the key feature though. These neurons are also
84
232333
3021
Neurony te biorą także udział
04:11
involved in the way you can assign value to literally abstract ideas,
85
235354
3501
w przypisywaniu wartości
do pojęć abstrakcyjnych.
do pojęć abstrakcyjnych.
04:14
and I put some symbols up here that we assign value to
86
238855
2041
Oto kilka symboli,
04:16
for various reasons.
87
240896
2720
którym przypisujemy wartość.
04:19
We have a behavioral superpower in our brain,
88
243616
2689
Mózg to centrum dowodzenia zachowaniem
04:22
and it at least in part involves dopamine.
89
246305
1753
częściowo rządzone dopaminą.
04:23
We can deny every instinct we have for survival for an idea,
90
248058
4189
Dla jakiejś idei możemy zahamować
instynkt przetrwania.
instynkt przetrwania.
04:28
for a mere idea. No other species can do that.
91
252247
4005
Żaden inny gatunek tego nie potrafi.
04:32
In 1997, the cult Heaven's Gate committed mass suicide
92
256252
3606
W 1997 roku sekta Wrota Niebios
popełniła zbiorowe samobójstwo,
popełniła zbiorowe samobójstwo,
04:35
predicated on the idea that there was a spaceship
93
259858
2215
wierząc, że w warkoczu komety Hale'a-Boppa
04:37
hiding in the tail of the then-visible comet Hale-Bopp
94
262073
3785
czeka statek kosmiczny
04:41
waiting to take them to the next level. It was an incredibly tragic event.
95
265858
4272
mający ich zabrać do innego świata.
To była tragedia.
To była tragedia.
04:46
More than two thirds of them had college degrees.
96
270130
3485
Ponad 2/3 z nich było po studiach.
04:49
But the point here is they were able to deny their instincts for survival
97
273615
3723
Zaprzeczyli instynktowi przetrwania
04:53
using exactly the same systems that were put there
98
277338
2866
z pomocą tych samych mechanizmów,
04:56
to make them survive. That's a lot of control, okay?
99
280204
4042
których używali do przetrwania.
Wymaga to ogromnej samokontroli.
Wymaga to ogromnej samokontroli.
05:00
One thing that I've left out of this narrative
100
284246
2089
W tej historii brakuje jednego elementu,
05:02
is the obvious thing, which is the focus of the rest of my
101
286335
2234
który jest tematem mojej prelekcji,
05:04
little talk, and that is other people.
102
288569
2159
mianowicie innych ludzi.
05:06
These same valuation systems are redeployed
103
290728
2996
Tych samych mechanizmów używamy,
05:09
when we're valuing interactions with other people.
104
293724
2492
kiedy oceniamy interakcje z innymi.
05:12
So this same dopamine system that gets addicted to drugs,
105
296216
3271
Ten sam układ dopaminowy
reguluje uzależnienie,
reguluje uzależnienie,
05:15
that makes you freeze when you get Parkinson's disease,
106
299487
2524
paraliżuje w chorobie Parkinsona,
05:17
that contributes to various forms of psychosis,
107
302011
3077
bierze udział w powstawianiu psychoz,
05:20
is also redeployed to value interactions with other people
108
305088
3920
w ocenianiu naszych interakcji z innymi
05:24
and to assign value to gestures that you do
109
309008
2896
oraz w przypisywaniu wartości gestom
05:27
when you're interacting with somebody else.
110
311904
2574
wykonywanym podczas interakcji.
05:30
Let me give you an example of this.
111
314478
2577
Podam przykład.
05:32
You bring to the table such enormous processing power
112
317055
2967
Ta moc przetwarzania
danych jest tak ogromna,
danych jest tak ogromna,
05:35
in this domain that you hardly even notice it.
113
320022
2624
że ledwo ją zauważamy.
05:38
Let me just give you a few examples. So here's a baby.
114
322646
1467
Oto trzymiesięczna dziewczynka.
05:40
She's three months old. She still poops in her diapers and she can't do calculus.
115
324113
3730
Nadal robi w pieluchy i nie umie liczyć.
05:43
She's related to me. Somebody will be very glad that she's up here on the screen.
116
327843
3353
Jest ze mną spokrewniona.
05:47
You can cover up one of her eyes, and you can still read
117
331196
2376
Nawet gdy zakryjemy jej jedno oko,
05:49
something in the other eye, and I see sort of curiosity
118
333572
2755
nadal wyczytamy coś w drugim.
05:52
in one eye, I see maybe a little bit of surprise in the other.
119
336327
3597
W jednym widzę ciekawość,
w drugim zdumienie.
w drugim zdumienie.
05:55
Here's a couple. They're sharing a moment together,
120
339924
3179
Ta para przeżywa coś razem.
05:59
and we've even done an experiment where you can cut out
121
343103
1318
Widać to nawet wtedy,
kiedy wytniemy część zdjęcia.
kiedy wytniemy część zdjęcia.
06:00
different pieces of this frame and you can still see
122
344421
3007
Widać to nawet wtedy,
kiedy wytniemy część zdjęcia.
kiedy wytniemy część zdjęcia.
06:03
that they're sharing it. They're sharing it sort of in parallel.
123
347428
2504
Nadal rozumiemy,
że to wspólne doświadczenie.
że to wspólne doświadczenie.
06:05
Now, the elements of the scene also communicate this
124
349932
2463
Zrozumienie ułatwiają też
inne elementy zdjęcia,
inne elementy zdjęcia,
06:08
to us, but you can read it straight off their faces,
125
352395
2235
ale wystarcza nam wyraz twarzy,
06:10
and if you compare their faces to normal faces, it would be a very subtle cue.
126
354630
3503
który wbrew pozorom niewiele
różnią się od zwyczajnego.
różnią się od zwyczajnego.
06:14
Here's another couple. He's projecting out at us,
127
358133
3347
Tutaj mężczyzna wyraża uczucia.
06:17
and she's clearly projecting, you know,
128
361480
2888
On skierowany jest do nas.
06:20
love and admiration at him.
129
364368
2263
Ona na niego,
wyraźnie darzy go miłością.
wyraźnie darzy go miłością.
06:22
Here's another couple. (Laughter)
130
366631
3635
A tu inna para. (Śmiech)
06:26
And I'm thinking I'm not seeing love and admiration on the left. (Laughter)
131
370266
5150
Po lewej nie widzę wielkiej miłości. (Śmiech)
06:31
In fact, I know this is his sister, and you can just see
132
375416
2560
Można wyobrazić sobie, jak mówi siostrze:
06:33
him saying, "Okay, we're doing this for the camera,
133
377976
2513
"Na zdjęciu się uśmiechamy,
06:36
and then afterwards you steal my candy and you punch me in the face." (Laughter)
134
380489
5702
ale potem zabierzesz mi cukierki
i dasz mi w twarz". (Śmiech)
i dasz mi w twarz". (Śmiech)
06:42
He'll kill me for showing that.
135
386191
2106
Zabije mnie, że to pokazałem.
06:44
All right, so what does this mean?
136
388297
2797
Co to wszystko znaczy?
06:46
It means we bring an enormous amount of processing power to the problem.
137
391094
3350
Że mamy ogromną moc przetwarzania danych,
06:50
It engages deep systems in our brain, in dopaminergic
138
394444
3648
wykorzystującą szlaki
dopaminergiczne sprawiające,
dopaminergiczne sprawiające,
06:53
systems that are there to make you chase sex, food and salt.
139
398092
2818
że walczymy o jedzenie czy seks.
06:56
They keep you alive. It gives them the pie, it gives
140
400910
2894
Utrzymującą nas przy życiu,
06:59
that kind of a behavioral punch which we've called a superpower.
141
403804
2904
dającą nagrodę i siłę przebicia.
07:02
So how can we take that and arrange a kind of staged
142
406708
3654
Jak można na podstawie tego
zaaranżować interakcję
zaaranżować interakcję
07:06
social interaction and turn that into a scientific probe?
143
410362
2698
i przekształcić ją w doświadczenie?
07:08
And the short answer is games.
144
413060
2691
Dzięki grom.
07:11
Economic games. So what we do is we go into two areas.
145
415751
4404
Grom gospodarczym, które pożyczyliśmy
07:16
One area is called experimental economics. The other area is called behavioral economics.
146
420155
3336
z ekonomii eksperymentalnej i behawioralnej
07:19
And we steal their games. And we contrive them to our own purposes.
147
423491
4078
i użyliśmy do własnych celów.
07:23
So this shows you one particular game called an ultimatum game.
148
427569
2967
Oto gra ultimatum.
07:26
Red person is given a hundred dollars and can offer
149
430536
1845
Czerwony dostaje 100 dolarów
07:28
a split to blue. Let's say red wants to keep 70,
150
432381
3723
i może podzielić się z niebieskim.
Jeśli chce zatrzymać 70, musi oddać 30.
Jeśli chce zatrzymać 70, musi oddać 30.
07:32
and offers blue 30. So he offers a 70-30 split with blue.
151
436104
4086
Potem kontrola przechodzi
w ręce niebieskiego.
w ręce niebieskiego.
07:36
Control passes to blue, and blue says, "I accept it,"
152
440190
2851
Jeśli zaakceptuje podział,
dostanie pieniądze,
dostanie pieniądze,
07:38
in which case he'd get the money, or blue says,
153
443041
1956
a jeśli nie, oboje odejdą z niczym.
07:40
"I reject it," in which case no one gets anything. Okay?
154
444997
4307
a jeśli nie, oboje odejdą z niczym.
07:45
So a rational choice economist would say, well,
155
449304
3392
Ekonomista przy takim wyborze stwierdzi,
07:48
you should take all non-zero offers.
156
452696
2056
że warto brać każdą ofertę wyższą niż 0.
07:50
What do people do? People are indifferent at an 80-20 split.
157
454752
3762
Co robią ludzie?
Na podział 80-20 są obojętni.
Na podział 80-20 są obojętni.
07:54
At 80-20, it's a coin flip whether you accept that or not.
158
458514
3524
Akceptują tak samo często jak odrzucają,
07:57
Why is that? You know, because you're pissed off.
159
462038
2891
ponieważ są wściekli.
08:00
You're mad. That's an unfair offer, and you know what an unfair offer is.
160
464929
3609
Wiedzą, że to niesprawiedliwa oferta.
08:04
This is the kind of game done by my lab and many around the world.
161
468538
2704
W życiu otrzymujemy ją cały czas.
08:07
That just gives you an example of the kind of thing that
162
471242
2544
Te gry obrazują właśnie takie zjawiska.
08:09
these games probe. The interesting thing is, these games
163
473786
3738
Co ciekawe, każda z nich wymaga użycia
08:13
require that you have a lot of cognitive apparatus on line.
164
477524
3707
znacznej części mechanizmów poznawczych.
08:17
You have to be able to come to the table with a proper model of another person.
165
481231
2928
Należy opracować model drugiej osoby,
08:20
You have to be able to remember what you've done.
166
484159
3213
pamiętać, co się zrobiło.
08:23
You have to stand up in the moment to do that.
167
487372
1420
W odpowiedniej chwili zadziałać
zgodnie z otrzymanymi sygnałami,
zgodnie z otrzymanymi sygnałami,
08:24
Then you have to update your model based on the signals coming back,
168
488792
3350
W odpowiedniej chwili zadziałać
zgodnie z otrzymanymi sygnałami,
zgodnie z otrzymanymi sygnałami,
08:28
and you have to do something that is interesting,
169
492142
2972
a także, co ciekawe,
08:31
which is you have to do a kind of depth of thought assay.
170
495114
2597
dokonać głębokiej analizy myśli.
08:33
That is, you have to decide what that other person expects of you.
171
497711
3333
Wyobrazić sobie,
czego oczekuje druga osoba.
czego oczekuje druga osoba.
08:36
You have to send signals to manage your image in their mind.
172
501044
2954
Odpowiednimi sygnałami
zmienić jej obraz nas.
zmienić jej obraz nas.
08:39
Like a job interview. You sit across the desk from somebody,
173
503998
2853
Jak na rozmowie o pracę.
08:42
they have some prior image of you,
174
506851
1369
Rozmówca ma o nas jakieś wyobrażenie,
08:44
you send signals across the desk to move their image
175
508220
2751
a my staramy się je zmienić
08:46
of you from one place to a place where you want it to be.
176
510971
3920
na obraz, jaki chcemy zaprezentować.
08:50
We're so good at this we don't really even notice it.
177
514891
3385
Nawet nie zauważamy,
jak jesteśmy w tym dobrzy,
jak jesteśmy w tym dobrzy,
08:54
These kinds of probes exploit it. Okay?
178
518276
3767
ale takie doświadczenia to udowadniają.
08:57
In doing this, what we've discovered is that humans
179
522043
1807
Ludzie są jak kanarki
08:59
are literal canaries in social exchanges.
180
523850
2331
w środowisku relacji społecznych.
09:02
Canaries used to be used as kind of biosensors in mines.
181
526181
3397
Kanarków używano
jako biosensorów w kopalniach.
jako biosensorów w kopalniach.
09:05
When methane built up, or carbon dioxide built up,
182
529578
3560
Gdy było zbyt dużo metanu, dwutlenku węgla,
09:09
or oxygen was diminished, the birds would swoon
183
533138
4186
albo za mało tlenu, kanarek dusił się,
a to ostrzegało ludzi.
a to ostrzegało ludzi.
09:13
before people would -- so it acted as an early warning system:
184
537324
2326
Kanarek reagował wcześniej, niż ludzie,
09:15
Hey, get out of the mine. Things aren't going so well.
185
539650
2980
dzięki temu powstawał sygnał,
że czas uciekać.
że czas uciekać.
09:18
People come to the table, and even these very blunt,
186
542630
2954
Nawet w tych reżyserowanych interakcjach,
09:21
staged social interactions, and they, and there's just
187
545584
2990
w których chodzi rzekomo
tylko o matematykę
tylko o matematykę
09:24
numbers going back and forth between the people,
188
548574
3016
i uzyskanie najlepszej oferty,
09:27
and they bring enormous sensitivities to it.
189
551590
2199
w grę wchodzi wyczucie społeczne.
09:29
So we realized we could exploit this, and in fact,
190
553789
2689
Uznaliśmy, że można to wykorzystać
09:32
as we've done that, and we've done this now in
191
556478
2556
i zbadaliśmy już około 5-6 tys. osób.
09:34
many thousands of people, I think on the order of
192
559034
2694
i zbadaliśmy już około 5-6 tys. osób.
09:37
five or six thousand. We actually, to make this
193
561728
2165
By nazwać to próbką biologiczną
potrzebujemy jednak większych ilości.
potrzebujemy jednak większych ilości.
09:39
a biological probe, need bigger numbers than that,
194
563893
2224
By nazwać to próbką biologiczną
potrzebujemy jednak większych ilości.
potrzebujemy jednak większych ilości.
09:42
remarkably so. But anyway,
195
566117
3674
Tak czy inaczej,
09:45
patterns have emerged, and we've been able to take
196
569791
2004
znaleźliśmy zależności,
09:47
those patterns, convert them into mathematical models,
197
571795
3836
przekształciliśmy je w matematyczne wzory
09:51
and use those mathematical models to gain new insights
198
575631
2689
i wykorzystaliśmy, żeby lepiej zrozumieć
ludzkie interakcje.
ludzkie interakcje.
09:54
into these exchanges. Okay, so what?
199
578320
2131
Co z tego wynika?
09:56
Well, the so what is, that's a really nice behavioral measure,
200
580451
3313
Powstaje behawioralna miara.
09:59
the economic games bring to us notions of optimal play.
201
583764
3319
Takie gry finansowe pozwalają
zbudować model "optymalnej rozgrywki".
zbudować model "optymalnej rozgrywki".
10:02
We can compute that during the game.
202
587083
2484
Można to obliczyć w trakcie gry
10:05
And we can use that to sort of carve up the behavior.
203
589567
2953
i użyć, żeby zanalizować zachowanie.
10:08
Here's the cool thing. Six or seven years ago,
204
592520
4330
Jakieś 7 lat temu w Huston w Teksasie
10:12
we developed a team. It was at the time in Houston, Texas.
205
596850
2550
zebraliśmy zespół badaczy.
10:15
It's now in Virginia and London. And we built software
206
599400
3394
Obecnie pracuje w stanie Virginia i Londynie.
10:18
that'll link functional magnetic resonance imaging devices
207
602794
3207
Stworzyliśmy program,
który łączy skanery fMRI internetowo.
który łączy skanery fMRI internetowo.
10:21
up over the Internet. I guess we've done up to six machines
208
606001
4035
Udało nam się nawet
z sześcioma maszynami,
z sześcioma maszynami,
10:25
at a time, but let's just focus on two.
209
610036
1981
ale opowiem o łączeniu dwóch.
10:27
So it synchronizes machines anywhere in the world.
210
612017
3058
Program synchronizuje maszyny
10:30
We synchronize the machines, set them into these
211
615075
3169
badające osoby biorące udział
w zaaranżowanych interakcjach,
w zaaranżowanych interakcjach,
10:34
staged social interactions, and we eavesdrop on both
212
618244
1983
a my podglądamy oba mózgi
10:36
of the interacting brains. So for the first time,
213
620227
1666
na żywo, w działaniu.
10:37
we don't have to look at just averages over single individuals,
214
621893
3607
Po raz pierwszy mamy więcej
niż średnie wyniki jednej osoby w czasie,
niż średnie wyniki jednej osoby w czasie,
10:41
or have individuals playing computers, or try to make
215
625500
2897
więcej niż dane z interakcji
człowieka z komputerem.
człowieka z komputerem.
10:44
inferences that way. We can study individual dyads.
216
628397
2763
Obserwujemy interakcje dwóch osób.
10:47
We can study the way that one person interacts with another person,
217
631160
2785
Badamy sposób interakcji międzyludzkiej.
10:49
turn the numbers up, and start to gain new insights
218
633945
2564
Dzięki zaangażowaniu
większej liczby badanych
większej liczby badanych
10:52
into the boundaries of normal cognition,
219
636509
2515
poznajemy granice
zdolności poznawczych.
zdolności poznawczych.
10:54
but more importantly, we can put people with
220
639024
2732
A co ważniejsze,
10:57
classically defined mental illnesses, or brain damage,
221
641756
3337
możemy też włączyć w badania
osoby z chorobami umysłowymi
osoby z chorobami umysłowymi
11:00
into these social interactions, and use these as probes of that.
222
645093
3551
lub wadami mózgu.
11:04
So we've started this effort. We've made a few hits,
223
648644
2350
Udało nam się dokonać
11:06
a few, I think, embryonic discoveries.
224
650994
2449
kilku ważnych odkryć.
11:09
We think there's a future to this. But it's our way
225
653443
2812
W tym jest przyszłość.
11:12
of going in and redefining, with a new lexicon,
226
656255
2560
To nasz sposób na nową,
11:14
a mathematical one actually, as opposed to the standard
227
658815
4022
matematyczną definicję
11:18
ways that we think about mental illness,
228
662837
2578
chorób umysłowych.
11:21
characterizing these diseases, by using the people
229
665415
2067
Opisujemy je dzięki naszym badanym,
11:23
as birds in the exchanges. That is, we exploit the fact
230
667482
3007
których używamy
niczym kanarków w kopalniach.
niczym kanarków w kopalniach.
11:26
that the healthy partner, playing somebody with major depression,
231
670489
4244
Wykorzystujemy fakt, że zdrowa osoba
11:30
or playing somebody with autism spectrum disorder,
232
674733
2910
w parze z kimś z depresją, ADHD
11:33
or playing somebody with attention deficit hyperactivity disorder,
233
677643
3850
albo z zaburzeniem
ze spektrum autystycznego
ze spektrum autystycznego
11:37
we use that as a kind of biosensor, and then we use
234
681493
3219
zadziała jak biosensor.
11:40
computer programs to model that person, and it gives us
235
684712
2644
Za pomocą programu komputerowego
11:43
a kind of assay of this.
236
687356
2470
możemy stworzyć
odpowiedni model takiej osoby.
odpowiedni model takiej osoby.
11:45
Early days, and we're just beginning, we're setting up sites
237
689826
2131
To dopiero początki projektu.
11:47
around the world. Here are a few of our collaborating sites.
238
691957
3410
Współpracujemy z kilkoma ośrodkami
na całym świecie.
na całym świecie.
11:51
The hub, ironically enough,
239
695367
2309
Jedno z centrów jest w Roanoke w Virginii.
11:53
is centered in little Roanoke, Virginia.
240
697676
2889
Jedno z centrów jest w Roanoke w Virginii.
11:56
There's another hub in London, now, and the rest
241
700565
2269
Kolejne w Londynie.
Dochodzą następne.
Dochodzą następne.
11:58
are getting set up. We hope to give the data away
242
702834
4009
Chcemy te dane kiedyś upublicznić.
12:02
at some stage. That's a complicated issue
243
706843
3673
Powszechne udostępnianie takich danych
12:06
about making it available to the rest of the world.
244
710516
2994
to skomplikowana sprawa.
12:09
But we're also studying just a small part
245
713510
1847
Nasze badania obejmują tylko ułamek tego,
12:11
of what makes us interesting as human beings, and so
246
715357
2267
co czyni z ludzi ciekawe istoty.
12:13
I would invite other people who are interested in this
247
717624
2041
Niech zainteresowani tematem
12:15
to ask us for the software, or even for guidance
248
719665
2569
zwrócą się do nas po oprogramowanie,
12:18
on how to move forward with that.
249
722234
2219
lub wskazówki, jak działać.
12:20
Let me leave you with one thought in closing.
250
724453
2341
Ostatnia sprawa.
12:22
The interesting thing about studying cognition
251
726794
1942
Przy badaniu zdolności poznawczych
12:24
has been that we've been limited, in a way.
252
728736
3732
byliśmy bardzo ograniczeni.
12:28
We just haven't had the tools to look at interacting brains
253
732468
2943
Nie było urządzeń
do równoległej obserwacji
do równoległej obserwacji
12:31
simultaneously.
254
735411
1200
aktywności dwóch mózgów.
12:32
The fact is, though, that even when we're alone,
255
736611
2470
Nawet bez innych ludzi w otoczeniu
jesteśmy bardzo towarzyscy.
jesteśmy bardzo towarzyscy.
12:34
we're a profoundly social creature. We're not a solitary mind
256
739081
4111
Człowiek jest istotą społeczną,
nie samotnym umysłem
nie samotnym umysłem
12:39
built out of properties that kept it alive in the world
257
743192
4373
złożonym z funkcji,
które umożliwiałyby przeżycie
które umożliwiałyby przeżycie
12:43
independent of other people. In fact, our minds
258
747565
3948
bez konieczności interakcji z innymi.
12:47
depend on other people. They depend on other people,
259
751513
2870
Nasze umysły zależą od innych,
12:50
and they're expressed in other people,
260
754383
1541
wyrażają się w innych.
12:51
so the notion of who you are, you often don't know
261
755924
3652
Nie znamy samych siebie
12:55
who you are until you see yourself in interaction with people
262
759576
2688
nim nie doświadczymy
12:58
that are close to you, people that are enemies of you,
263
762264
2406
interakcji z innymi osobami,
13:00
people that are agnostic to you.
264
764670
2545
bliskimi, wrogami, obojętnymi.
13:03
So this is the first sort of step into using that insight
265
767215
3776
Wychodząc z tego założenia,
tworzymy teraz narzędzie,
tworzymy teraz narzędzie,
13:06
into what makes us human beings, turning it into a tool,
266
770991
3295
które pomoże zbadać,
co czyni nas ludźmi
co czyni nas ludźmi
13:10
and trying to gain new insights into mental illness.
267
774286
1978
i zbudować nowe rozumienie
chorób umysłowych.
chorób umysłowych.
13:12
Thanks for having me. (Applause)
268
776264
3121
Dziękuję. (Brawa)
13:15
(Applause)
269
779385
3089
(Brawa)
ABOUT THE SPEAKER
Read Montague - Behavioral NeuroscientistWhat does "normal behavior" look like? To find out, Read Montague is imaging thousands of brains at work.
Why you should listen
Until recently, the world's curiosity about our brains seemed to focus on abnormal behavior. Which of course left a big question unanswered: Do we even know what "normal behavior" is? Through the landmark Roanoke Brain Study, Read Montague is hoping to find that out, exploring the everyday tasks of brains -- making decisions, understanding social context, and relating to others -- by neuroimaging some 5,000 people, ages 18-85, over a period of many years.
Montague's teams in Virginia and in London lead fascinating research in computational neuroscience (how the brain's "machinery" works), offering insight into the relationship between the social and cognitive functions. For instance, a recent study from his group found that in small social groups, some people will alter the expression of their IQ in reaction to social pressures -- revising, in almost all cases, downward.
Read Montague | Speaker | TED.com