TED2017
Mehdi Ordikhani-Seyedlar: What happens in your brain when you pay attention?
Mehdi Ordikhani-Seyedlar: Co się dzieje w mózgu, kiedy skupiamy się na czymś
Filmed:
Readability: 3.9
3,083,456 views
Uwaga nie dotyczy tylko koncentrowania się na danej rzeczy. Uwaga polega również na tym, że nasz mózg potrafi filtrować informacje.
Mehdi Ordikhani-Seyedlar zajmuje się neurobiologią komputerową. Analizuje wzorce i schematy w mózgu badanych osób, które próbują się na czymś skupić. Naukowiec ma nadzieję, że mózg i komputer będą ściśle ze sobą współpracować. W tym celu tworzy modele, które znajdują zastosowanie podczas terapii osób z ADHD albo osób, które straciły zdolność komunikowania się z innymi. Dzięki tej krótkiej, a zarazem fascynującej prelekcji poznamy pokrótce szczegóły tej interesującej dziedziny nauki.
Mehdi Ordikhani-Seyedlar - Neuroscientist
Mehdi Ordikhani-Seyedlar is a computational neuroscientist, researching brain signals and their usage in brain-machine interfaces. Full bio
Mehdi Ordikhani-Seyedlar is a computational neuroscientist, researching brain signals and their usage in brain-machine interfaces. Full bio
Double-click the English transcript below to play the video.
00:12
Paying close attention to something:
0
760
2480
Uważnie się na czymś skupić.
Nie jest łatwo,
00:15
Not that easy, is it?
1
3280
1240
00:17
It's because our attention is pulled
in so many different directions at a time,
in so many different directions at a time,
2
5520
5016
bo nasza uwaga jest ciągle rozpraszana.
00:22
and it's in fact pretty impressive
if you can stay focused.
if you can stay focused.
3
10560
4080
Jeśli jesteście w stanie długo się
na czymś skupić, to gratuluję.
na czymś skupić, to gratuluję.
00:28
Many people think that attention
is all about what we are focusing on,
is all about what we are focusing on,
4
16360
4056
Wielu myśli, że uwaga jest związana z tym,
na czym się koncentrujemy,
na czym się koncentrujemy,
00:32
but it's also about what information
our brain is trying to filter out.
our brain is trying to filter out.
5
20440
4800
ale dotyczy też informacji,
które nasz umysł chce przefiltrować.
które nasz umysł chce przefiltrować.
00:38
There are two ways
you direct your attention.
you direct your attention.
6
26320
2720
Są dwa sposoby na kierowanie uwagi.
00:41
First, there's overt attention.
7
29600
1560
Zacznijmy od uwagi odkrytej,
00:43
In overt attention,
you move your eyes towards something
you move your eyes towards something
8
31640
4136
kiedy kierujemy wzrok na coś,
00:47
in order to pay attention to it.
9
35800
1560
żeby skupić na tym uwagę.
00:50
Then there's covert attention.
10
38360
1976
Mamy też uwagę ukrytą,
00:52
In covert attention,
you pay attention to something,
you pay attention to something,
11
40360
4016
kiedy skupiamy się na czymś,
00:56
but without moving your eyes.
12
44400
1560
nie kierując na to wzroku.
00:59
Think of driving for a second.
13
47040
1640
Pomyślmy o prowadzeniu samochodu.
01:02
Your overt attention,
your direction of the eyes,
your direction of the eyes,
14
50960
3016
W uwadze odkrytej skupiamy wzrok na tym,
01:06
are in front,
15
54000
1656
co jest przed nami,
01:07
but that's your covert attention
16
55680
1776
a w uwadze ukrytej
01:09
which is constantly scanning
the surrounding area,
the surrounding area,
17
57480
3080
cały czas skanujemy otoczenie,
01:13
where you don't actually look at them.
18
61600
1880
choć na nie nie patrzymy.
01:17
I'm a computational neuroscientist,
19
65519
1937
Zajmuję się neurobiologią komputerową.
01:19
and I work on cognitive
brain-machine interfaces,
brain-machine interfaces,
20
67480
3096
Pracuję nad poznawczymi
interfejsami mózg-maszyna
interfejsami mózg-maszyna
01:22
or bringing together
the brain and the computer.
the brain and the computer.
21
70600
3040
lub łączę mózg z komputerem.
01:26
I love brain patterns.
22
74720
1600
Uwielbiam wzorce mózgowe.
01:28
Brain patterns are important for us
23
76720
1696
Są one dla nas istotne,
01:30
because based on them
we can build models for the computers,
we can build models for the computers,
24
78440
3496
bo dzięki nim możemy budować
modele dla komputerów,
modele dla komputerów,
01:33
and based on these models
25
81960
1416
na podstawie których
01:35
computers can recognize
how well our brain functions.
how well our brain functions.
26
83400
4216
komputery sprawdzają,
czy nasz mózg dobrze funkcjonuje.
czy nasz mózg dobrze funkcjonuje.
01:39
And if it doesn't function well,
27
87640
1600
Jeśli funkcjonuje nieprawidłowo,
01:42
then these computers themselves
can be used as assistive devices
can be used as assistive devices
28
90080
3920
komputery mogą służyć
za urządzenia wspomagające terapie.
za urządzenia wspomagające terapie.
01:46
for therapies.
29
94760
1200
01:48
But that also means something,
30
96480
1640
To ma także inne znaczenie.
01:51
because choosing the wrong patterns
31
99360
2496
Jeśli wybierzemy złe wzorce,
01:53
will give us the wrong models
32
101880
1896
otrzymamy złe modele,
01:55
and therefore the wrong therapies.
33
103800
1656
co doprowadzi do złych terapii.
01:57
Right?
34
105480
1200
Zgadza się?
01:59
In case of attention,
35
107640
1656
W przypadku uwagi istotne jest,
02:01
the fact that we can
36
109320
1280
że możemy przekierować ją
02:03
shift our attention not only by our eyes
37
111800
3496
nie tylko dzięki oczom,
02:07
but also by thinking --
38
115320
1320
ale także dzięki myślom.
02:09
that makes covert attention
an interesting model for computers.
an interesting model for computers.
39
117440
4080
Dlatego uwaga ukryta
jest interesująca dla komputerów.
jest interesująca dla komputerów.
02:14
So I wanted to know
what are the brainwave patterns
what are the brainwave patterns
40
122280
3456
Chciałem wiedzieć,
jak wyglądają wzorce fal mózgowych
jak wyglądają wzorce fal mózgowych
02:17
when you look overtly
or when you look covertly.
or when you look covertly.
41
125760
3680
w zależności od rodzaju uwagi.
02:22
I set up an experiment for that.
42
130440
1760
Przeprowadziłem zatem eksperyment.
02:24
In this experiment
there are two flickering squares,
there are two flickering squares,
43
132960
2736
Mamy tu dwa migające kwadraty.
02:27
one of them flickering
at a slower rate than the other one.
at a slower rate than the other one.
44
135720
3360
Jeden miga szybciej, drugi wolniej.
02:32
Depending on which of these flickers
you are paying attention to,
you are paying attention to,
45
140600
3816
W zależności od tego,
na którym kwadracie się skupiamy,
na którym kwadracie się skupiamy,
02:36
certain parts of your brain
will start resonating in the same rate
will start resonating in the same rate
46
144440
3960
pewne części mózgu zaczną rezonować
z tą samą prędkością,
z tą samą prędkością,
02:41
as that flickering rate.
47
149200
1440
co migający kwadrat.
02:44
So by analyzing your brain signals,
48
152000
2936
Analizując sygnały z mózgu,
02:46
we can track where exactly
you are watching
you are watching
49
154960
3040
możemy wyśledzić, na co badany patrzy
02:50
or you are paying attention to.
50
158760
1560
lub na czym się skupia.
02:55
So to see what happens in your brain
when you pay overt attention,
when you pay overt attention,
51
163000
4216
Co się dzieje w mózgu,
kiedy skupiamy na czymś uwagę odkrytą?
kiedy skupiamy na czymś uwagę odkrytą?
02:59
I asked people to look directly
in one of the squares
in one of the squares
52
167240
3256
Poprosiłem kilka osób,
żeby patrzyły wprost na dany kwadrat
żeby patrzyły wprost na dany kwadrat
03:02
and pay attention to it.
53
170520
1280
i skupiły na nim uwagę.
03:04
In this case, not surprisingly,
we saw that these flickering squares
we saw that these flickering squares
54
172760
5296
Nic dziwnego, że migające kwadraty
03:10
appeared in their brain signals
55
178080
1936
pojawiły się w sygnałach z mózgu,
03:12
which was coming
from the back of their head,
from the back of their head,
56
180040
2360
które dochodziły z części potylicznej
03:15
which is responsible for the processing
of your visual information.
of your visual information.
57
183560
3400
odpowiadającej za przetwarzanie
danych wizualnych.
danych wizualnych.
03:20
But I was really interested
58
188280
2336
Ciekawiło mnie jednak,
03:22
to see what happens in your brain
when you pay covert attention.
when you pay covert attention.
59
190640
3160
co się dzieje w mózgu,
kiedy skupiamy na czymś uwagę ukrytą.
kiedy skupiamy na czymś uwagę ukrytą.
03:26
So this time I asked people
to look in the middle of the screen
to look in the middle of the screen
60
194480
3896
Poprosiłem badanych,
żeby patrzyli na środek ekranu
żeby patrzyli na środek ekranu
03:30
and without moving their eyes,
61
198400
1880
i bez poruszania gałkami ocznymi,
03:33
to pay attention
to either of these squares.
to either of these squares.
62
201120
2720
skupili się na którymś z kwadratów.
03:37
When we did that,
63
205120
1616
Kiedy to zbadaliśmy,
03:38
we saw that both of these flickering rates
appeared in their brain signals,
appeared in their brain signals,
64
206760
3936
okazało się, że obie prędkości
pojawiły się w sygnałach z mózgu.
pojawiły się w sygnałach z mózgu.
03:42
but interestingly,
65
210720
1200
Co ciekawe,
03:44
only one of them,
which was paid attention to,
which was paid attention to,
66
212640
3536
silniejszy sygnał dawał kwadrat,
03:48
had stronger signals,
67
216200
1656
na którym skupialiśmy uwagę,
03:49
so there was something in the brain
68
217880
2256
a zatem w mózgu znajduje się coś,
03:52
which was handling this information
69
220160
2536
co zajmowało się tą informacją,
03:54
so that thing in the brain was basically
the activation of the frontal area.
the activation of the frontal area.
70
222720
6200
co aktywowało część czołową mózgu,
04:02
The front part of your brain
is responsible
is responsible
71
230440
2976
która jest odpowiedzialna
04:05
for higher cognitive functions as a human.
72
233440
2880
za wytworzenie wyższych
funkcji poznawczych u człowieka.
funkcji poznawczych u człowieka.
04:09
The frontal part,
it seems that it works as a filter
it seems that it works as a filter
73
237160
4440
Część czołowa działa jak filtr.
04:14
trying to let information come in
only from the right flicker
only from the right flicker
74
242640
4376
Przepuszcza informację,
która dochodzi z prawej strony,
która dochodzi z prawej strony,
04:19
that you are paying attention to
75
247040
1640
na której się skupiamy.
04:21
and trying to inhibit the information
coming from the ignored one.
coming from the ignored one.
76
249400
3960
Tym samym blokuje informację
ze strony, którą ignorujemy.
ze strony, którą ignorujemy.
04:27
The filtering ability of the brain
is indeed a key for attention,
is indeed a key for attention,
77
255400
5296
Umiejętność filtrowania
jest kluczem dla działania uwagi.
jest kluczem dla działania uwagi.
04:32
which is missing in some people,
78
260720
2776
Niektórzy tej umiejętności nie mają.
04:35
for example in people with ADHD.
79
263520
2480
Na przykład osoby z ADHD.
04:38
So a person with ADHD
cannot inhibit these distractors,
cannot inhibit these distractors,
80
266640
5016
Osoba z ADHD nie potrafi
zablokować bodźców rozpraszających.
zablokować bodźców rozpraszających.
04:43
and that's why they can't focus
for a long time on a single task.
for a long time on a single task.
81
271680
4760
Dlatego nie może skupić się
na jednym zadaniu przez dłuższy czas.
na jednym zadaniu przez dłuższy czas.
04:49
But what if this person
82
277600
1536
Co, jeśli taka osoba
04:51
could play a specific computer game
83
279160
3536
mogłaby grać w określoną grę komputerową,
04:54
with his brain connected to the computer,
84
282720
2880
mając mózg podłączony do komputera
04:58
and then train his own brain
85
286440
2120
i wówczas ćwiczyć mózg,
05:01
to inhibit these distractors?
86
289360
2440
żeby blokował bodźce rozpraszające.
05:05
Well, ADHD is just one example.
87
293680
2480
ADHD to tylko jeden z przykładów.
05:09
We can use these cognitive
brain-machine interfaces
brain-machine interfaces
88
297200
3256
Te poznawcze interfejsy
mózg-maszyna można zastosować
mózg-maszyna można zastosować
05:12
for many other cognitive fields.
89
300480
2200
w wielu innych dziedzinach.
05:15
It was just a few years ago
90
303760
1776
Kilka lat temu
05:17
that my grandfather had a stroke,
and he lost complete ability to speak.
and he lost complete ability to speak.
91
305560
5720
mój dziadek miał wylew
i stracił zdolność mówienia.
i stracił zdolność mówienia.
05:24
He could understand everybody,
but there was no way to respond,
but there was no way to respond,
92
312640
3336
Rozumiał innych,
ale nie mógł im odpowiadać.
ale nie mógł im odpowiadać.
05:28
even not writing
because he was illiterate.
because he was illiterate.
93
316000
2480
Nawet nie mógł pisać, bo był analfabetą.
05:32
So he passed away in silence.
94
320000
2520
Odszedł w ciszy.
05:36
I remember thinking at that time:
95
324800
2336
Zastanawiałem się wtedy,
05:39
What if we could have a computer
96
327160
3896
co by było, gdybyśmy mieli komputer,
05:43
which could speak for him?
97
331080
1360
który mówiłby za niego?
05:45
Now, after years that I am in this field,
98
333840
2216
Pracuję od lat w tej branży i widzę,
05:48
I can see that this might be possible.
99
336080
2320
że to może być realne.
05:52
Imagine if we can find brainwave patterns
100
340240
2856
Gdybyśmy znaleźli wzorce fal mózgowych,
05:55
when people think
about images or even letters,
about images or even letters,
101
343120
3440
kiedy ludzie myślą
o obrazach lub literach.
o obrazach lub literach.
05:59
like the letter A generates
a different brainwave pattern
a different brainwave pattern
102
347720
2936
Przykładowo litera A generuje inny wzorzec
niż litera B i tak dalej.
06:02
than the letter B, and so on.
103
350680
1720
06:04
Could a computer one day
communicate for people who can't speak?
communicate for people who can't speak?
104
352960
3680
Wielu ludzi nie mówi,
może komputery ich w tym wyręczą?
może komputery ich w tym wyręczą?
06:09
What if a computer
105
357640
1440
Może komputery pomogą nam zrozumieć
06:11
can help us understand
the thoughts of a person in a coma?
the thoughts of a person in a coma?
106
359960
4560
myśli osób w śpiączce?
Jeszcze nie jesteśmy na tym etapie,
06:17
We are not there yet,
107
365840
1616
06:19
but pay close attention.
108
367480
2736
ale bądźcie czujni.
06:22
We will be there soon.
109
370240
1696
Wkrótce będziemy.
06:23
Thank you.
110
371960
1496
Dziękuję.
06:25
(Applause)
111
373480
5632
(Brawa)
ABOUT THE SPEAKER
Mehdi Ordikhani-Seyedlar - NeuroscientistMehdi Ordikhani-Seyedlar is a computational neuroscientist, researching brain signals and their usage in brain-machine interfaces.
Why you should listen
Mehdi Ordikhani-Seyedlar is a research scientist interested in brain-wave patterns generated by neural activities in the brain. Since embarking on his research on neuroscience, Ordikhani-Seyedlar has been working on different brain functions such as learning, memory, pain and, more recently, visual attention in humans. He also conducted a part of his research on monkeys when he was in Dr. Miguel Nicolelis' lab at Duke University. His findings help implement more accurate brain-machine interfaces to treat people who are suffering from attention deficiency.
After receiving his Ph.D in Biomedical Engineering, Ordikhani-Seyedlar was offered a postdoctoral position by Duke University to develop algorithms to process large-scale neuronal activity and brain-machine interfaces. However, due to political complications in the United States, Ordikhani-Seyedlar -- an Iranian citizen -- changed his plan to continue his brain research outside the US for some time.
As a passionate neuroscientist and neuroengineer, Ordikhani-Seyedlar's aim is to improve brain pattern detectability in computers. This enhances the ability of brain-machine interfaces substantially to better target the defected brain function which in turn enhances the sustainability of treatment effect.
Mehdi Ordikhani-Seyedlar | Speaker | TED.com