ABOUT THE SPEAKER
Sheila Nirenberg - Neuroscientist
Sheila Nirenberg studies how the brain encodes information -- possibly allowing us to decode it, and maybe develop prosthetic sensory devices.

Why you should listen

Sheila Nirenberg is a neuroscientist/professor at Weill Medical College of Cornell University, where she studies neural coding – that is, how the brain takes information from the outside world and encodes it in patterns of electrical activity. The idea is to be able to decode the activity, to look at a pattern of electrical pulses and know what an animal is seeing or thinking or feeling.  Recently, she’s been using this work to develop new kinds of prosthetic devices, particularly ones for treating blindness.


More profile about the speaker
Sheila Nirenberg | Speaker | TED.com
TEDMED 2011

Sheila Nirenberg: A prosthetic eye to treat blindness

Sheila Nirenberg: Uma prótese ocular para tratar a cegueira

Filmed:
470,530 views

Na TEDMED, Sheila Nirenberg revela uma forma audaciosa para criar a visão em pessoas com certos tipos de cegueira: ligações ao nervo óptico que enviam sinais directamente para o cérebro a partir de uma câmara.
- Neuroscientist
Sheila Nirenberg studies how the brain encodes information -- possibly allowing us to decode it, and maybe develop prosthetic sensory devices. Full bio

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

00:15
I studyestude how the braincérebro processesprocessos
0
0
2000
Estudo a forma como o cérebro
00:17
informationem formação. That is, how it takes
1
2000
2000
processa informação. Isto é, como recebe
00:19
informationem formação in from the outsidelado de fora worldmundo, and
2
4000
2000
informação do exterior
00:21
convertsConverte it into patternspadrões of electricalelétrico activityatividade,
3
6000
2000
e a converte em padrões de actividade eléctrica,
00:23
and then how it usesusa those patternspadrões
4
8000
2000
e a forma como usa esses padrões
00:25
to allowpermitir you to do things --
5
10000
2000
para que possamos fazer coisas
00:27
to see, hearouvir, to reachalcance for an objectobjeto.
6
12000
2000
- ver, ouvir, alcançar um objecto.
00:29
So I'm really a basicbásico scientistcientista, not
7
14000
2000
Sou uma cientista de ciências básicas,
00:31
a clinicianmédico, but in the last yearano and a halfmetade
8
16000
2000
não sou médica clínica,
00:33
I've startedcomeçado to switchinterruptor over, to use what
9
18000
2000
mas no último ano e meio tenho invertido esse papel,
00:35
we'venós temos been learningAprendendo about these patternspadrões
10
20000
2000
para usar o que aprendemos sobre estes
00:37
of activityatividade to developdesenvolve prostheticprótese devicesdispositivos,
11
22000
3000
padrões de actividade no desenvolvimento de próteses,
00:40
and what I wanted to do todayhoje is showexposição you
12
25000
2000
e o que quero fazer hoje
00:42
an exampleexemplo of this.
13
27000
2000
é mostrar-vos um exemplo disto.
00:44
It's really our first forayincursão into this.
14
29000
2000
É a nossa primeira tentativa do género.
00:46
It's the developmentdesenvolvimento of a prostheticprótese devicedispositivo
15
31000
2000
O desenvolvimento de uma prótese
00:48
for treatingtratando blindnesscegueira.
16
33000
2000
para tratar a cegueira.
00:50
So let me startcomeçar in on that problemproblema.
17
35000
2000
Permitam-me apresentar o problema.
00:52
There are 10 millionmilhão people in the U.S.
18
37000
2000
Há 10 milhões de pessoas nos E.U.A.
00:54
and manymuitos more worldwideno mundo todo who are blindcego
19
39000
2000
e muitas mais no mundo
00:56
or are facingvoltado para blindnesscegueira duevencimento to diseasesdoenças
20
41000
2000
que são cegas ou sofrem de cegueira
00:58
of the retinaretina, diseasesdoenças like
21
43000
2000
devido a doenças da retina,
01:00
macularmacular degenerationdegeneração, and there's little
22
45000
2000
doenças como a degenerescência macular,
01:02
that can be donefeito for them.
23
47000
2000
e não se pode fazer muito por elas.
01:04
There are some drugdroga treatmentstratamentos, but
24
49000
2000
Existem medicamentos, mas só são eficazes
01:06
they're only effectiveeficaz on a smallpequeno fractionfração
25
51000
2000
numa fracção reduzida da população.
01:08
of the populationpopulação. And so, for the vastgrande
26
53000
2000
Por isso, para a maioria dos doentes,
01:10
majoritymaioria of patientspacientes, theirdeles bestmelhor hopeesperança for
27
55000
2000
a melhor hipótese de recuperar a visão
01:12
regainingRecuperando a sightvista is throughatravés prostheticprótese devicesdispositivos.
28
57000
2000
é através de próteses.
01:14
The problemproblema is that currentatual prostheticspróteses
29
59000
2000
O problema é que as próteses actuais
01:16
don't work very well. They're still very
30
61000
2000
não funcionam muito bem. São ainda muito
01:18
limitedlimitado in the visionvisão that they can provideprovidenciar.
31
63000
2000
limitadas quanto à visão que fornecem.
01:20
And so, you know, for exampleexemplo, with these
32
65000
2000
Por exemplo, com estes aparelhos,
01:22
devicesdispositivos, patientspacientes can see simplesimples things
33
67000
2000
os doentes podem ver coisas simples
01:24
like brightbrilhante lightsluzes and highAlto contrastcontraste edgesarestas,
34
69000
2000
como luzes brilhantes e formas
01:26
not very much more, so nothing closefechar
35
71000
2000
com elevado contraste, mas não muito mais,
01:28
to normalnormal visionvisão has been possiblepossível.
36
73000
3000
não tem sido possível reproduzir nada parecido com a visão normal.
01:31
So what I'm going to tell you about todayhoje
37
76000
2000
Por isso hoje vou falar-vos
01:33
is a devicedispositivo that we'venós temos been workingtrabalhando on
38
78000
2000
de um aparelho no qual temos trabalhado
01:35
that I think has the potentialpotencial to make
39
80000
2000
que penso ter o potencial para
01:37
a differencediferença, to be much more effectiveeficaz,
40
82000
2000
marcar a diferença, ser muito mais eficaz,
01:39
and what I wanted to do is showexposição you
41
84000
2000
e queria então mostrar-vos
01:41
how it workstrabalho. Okay, so let me back up a
42
86000
2000
como funciona. Ok, deixem-me voltar
01:43
little bitpouco and showexposição you how a normalnormal retinaretina
43
88000
2000
um pouco atrás e mostrar-vos como funciona
01:45
workstrabalho first so you can see the problemproblema
44
90000
2000
uma retina normal, para que entendam o problema
01:47
that we were tryingtentando to solveresolver.
45
92000
2000
que estamos a tentar resolver. Temos aqui uma retina.
01:49
Here you have a retinaretina.
46
94000
2000
Temos uma imagem, uma retina e um cérebro.
01:51
So you have an imageimagem, a retinaretina, and a braincérebro.
47
96000
2000
Quando olhamos para algo,
01:53
So when you look at something, like this imageimagem
48
98000
2000
como esta imagem da face de um bebé,
01:55
of this baby'sdo bebê facecara, it goesvai into your eyeolho
49
100000
2000
ela vai para o olho
01:57
and it landsterras on your retinaretina, on the front-endfront-end
50
102000
2000
e pára na retina, nestas células frontais,
01:59
cellscélulas here, the photoreceptorsfotorreceptores.
51
104000
2000
chamadas fotorreceptores.
02:01
Then what happensacontece is the retinalretinal circuitrycircuitos,
52
106000
2000
De seguida, a parte do meio, as ligações retinais,
02:03
the middlemeio partparte, goesvai to work on it,
53
108000
2000
trabalham a imagem,
02:05
and what it does is it performsexecuta operationsoperações
54
110000
2000
operam sobre ela
02:07
on it, it extractsextratos informationem formação from it, and it
55
112000
2000
e extraem informação
02:09
convertsConverte that informationem formação into a codecódigo.
56
114000
2000
que convertem num código.
02:11
And the codecódigo is in the formFormato of these patternspadrões
57
116000
2000
O código tem a forma destes padrões de
02:13
of electricalelétrico pulsespulsos that get sentenviei
58
118000
2000
impulsos eléctricos que são enviados
02:15
up to the braincérebro, and so the keychave thing is
59
120000
2000
para o cérebro, portanto o essencial é que
02:17
that the imageimagem ultimatelyem última análise getsobtém convertedconvertido
60
122000
2000
a imagem acaba convertida
02:19
into a codecódigo. And when I say codecódigo,
61
124000
2000
num código. E quando digo "código",
02:21
I do literallyliteralmente mean codecódigo.
62
126000
2000
quero mesmo dizer "código".
02:23
Like this patternpadronizar of pulsespulsos here actuallyna realidade meanssignifica "baby'sdo bebê facecara,"
63
128000
3000
Este padrão de impulsos aqui significa mesmo
02:26
and so when the braincérebro getsobtém this patternpadronizar
64
131000
2000
"face de bebé", por isso
02:28
of pulsespulsos, it knowssabe that what was out there
65
133000
2000
quando o cérebro recebe este padrão, sabe que
02:30
was a baby'sdo bebê facecara, and if it
66
135000
2000
o que está à sua frente é uma face de bebé,
02:32
got a differentdiferente patternpadronizar it would know
67
137000
2000
e se recebesse um padrão diferente
02:34
that what was out there was, say, a dogcachorro,
68
139000
2000
saberia que tinha à frente, por exemplo, um cão,
02:36
or anotheroutro patternpadronizar would be a housecasa.
69
141000
2000
e outro padrão poderia ser uma casa.
02:38
AnywayDe qualquer forma, you get the ideaidéia.
70
143000
2000
Vocês percebem a ideia.
02:40
And, of coursecurso, in realreal life, it's all dynamicdinâmico,
71
145000
2000
E, claro, na vida real, tudo é dinâmico,
02:42
meaningsignificado that it's changingmudando all the time,
72
147000
2000
ou seja, muda a todo o momento,
02:44
so the patternspadrões of pulsespulsos are changingmudando
73
149000
2000
logo os padrões de impulsos
02:46
all the time because the worldmundo you're
74
151000
2000
mudam a toda a hora porque o
02:48
looking at is changingmudando all the time too.
75
153000
3000
mundo que observamos também está sempre a mudar.
02:51
So, you know, it's sortordenar of a complicatedcomplicado
76
156000
2000
Portanto, vêem como isto é um pouco complicado.
02:53
thing. You have these patternspadrões of pulsespulsos
77
158000
2000
Temos padrões de impulsos vindos do olho
02:55
comingchegando out of your eyeolho everycada millisecondmilissegundo
78
160000
2000
a cada milissegundo,
02:57
tellingdizendo your braincérebro what it is that you're seeingvendo.
79
162000
2000
que dizem ao cérebro o que estamos a ver.
02:59
So what happensacontece when a personpessoa
80
164000
2000
O que acontece quando uma pessoa tem uma doença
03:01
getsobtém a retinalretinal degenerativedegenerativas diseasedoença like
81
166000
2000
degenerativa retinal tal como a degenerescência macular?
03:03
macularmacular degenerationdegeneração? What happensacontece is
82
168000
2000
O que acontece é que
03:05
is that, the front-endfront-end cellscélulas diemorrer,
83
170000
2000
as células frontais morrem,
03:07
the photoreceptorsfotorreceptores diemorrer, and over time,
84
172000
2000
os fotorreceptores morrem,
03:09
all the cellscélulas and the circuitscircuitos that are
85
174000
2000
e com o tempo todas as células e circuitos
03:11
connectedconectado to them, they diemorrer too.
86
176000
2000
ligados a eles morrem também.
03:13
UntilAté the only things that you have left
87
178000
2000
Até que a única coisa que resta
03:15
are these cellscélulas here, the outputsaída cellscélulas,
88
180000
2000
são estas células, as células de saída de dados,
03:17
the onesuns that sendenviar the signalssinais to the braincérebro,
89
182000
2000
as que enviam sinais ao cérebro,
03:19
but because of all that degenerationdegeneração
90
184000
2000
mas com a degenerescência
03:21
they aren'tnão são sendingenviando any signalssinais anymorenão mais.
91
186000
2000
deixam de enviar esses sinais.
03:23
They aren'tnão são gettingobtendo any inputentrada, so
92
188000
2000
Não estão a receber dados, por isso
03:25
the person'spessoas braincérebro no longermais longo getsobtém
93
190000
2000
o cérebro da pessoa deixa de
03:27
any visualvisual informationem formação --
94
192000
2000
receber informação visual, ou seja
03:29
that is, he or she is blindcego.
95
194000
3000
a pessoa está cega.
03:32
So, a solutionsolução to the problemproblema, then,
96
197000
2000
Ora, uma solução para o problema seria
03:34
would be to buildconstruir a devicedispositivo that could mimicmímico
97
199000
2000
construir um dispositivo que imitasse
03:36
the actionsações of that front-endfront-end circuitrycircuitos
98
201000
2000
as acções daquelas células frontais
03:38
and sendenviar signalssinais to the retina'sa retina outputsaída cellscélulas,
99
203000
2000
e enviasse sinais às células de saída de dados,
03:40
and they can go back to doing theirdeles
100
205000
2000
para elas voltarem a executar a sua função
03:42
normalnormal jobtrabalho of sendingenviando signalssinais to the braincérebro.
101
207000
2000
normal de enviar sinais ao cérebro.
03:44
So this is what we'venós temos been workingtrabalhando on,
102
209000
2000
É então nisto que estamos a trabalhar,
03:46
and this is what our prostheticprótese does.
103
211000
2000
e isto é o que a nossa prótese faz.
03:48
So it consistsconsiste of two partspartes, what we call
104
213000
2000
Consiste em duas partes, a que chamamos
03:50
an encodercodificador and a transducerTransdutor de.
105
215000
2000
um codificador e um transdutor.
03:52
And so the encodercodificador does just
106
217000
2000
O codificador faz aquilo
03:54
what I was sayingdizendo: it mimicsimita the actionsações
107
219000
2000
que referi: imita as acções
03:56
of the front-endfront-end circuitrycircuitos -- so it takes imagesimagens
108
221000
2000
das células frontais - pega nas imagens
03:58
in and convertsConverte them into the retina'sa retina codecódigo.
109
223000
2000
e converte-as no código da retina.
04:00
And then the transducerTransdutor de then makesfaz com que the
110
225000
2000
O transdutor faz com que as
04:02
outputsaída cellscélulas sendenviar the codecódigo on up
111
227000
2000
células de saída de dados enviem o código
04:04
to the braincérebro, and the resultresultado is
112
229000
2000
para o cérebro, e o resultado
04:06
a retinalretinal prostheticprótese that can produceproduzir
113
231000
3000
é uma prótese retinal que pode produzir
04:09
normalnormal retinalretinal outputsaída.
114
234000
2000
dados da retina normais.
04:11
So a completelycompletamente blindcego retinaretina,
115
236000
2000
Desta forma, uma retina completamente cega,
04:13
even one with no front-endfront-end circuitrycircuitos at all,
116
238000
2000
mesmo sem células frontais,
04:15
no photoreceptorsfotorreceptores,
117
240000
2000
sem fotorreceptores,
04:17
can now sendenviar out normalnormal signalssinais,
118
242000
2000
pode agora enviar sinais normais,
04:19
signalssinais that the braincérebro can understandCompreendo.
119
244000
3000
sinais que o cérebro pode entender.
04:22
So no other devicedispositivo has been ablecapaz
120
247000
2000
Nenhum outro aparelho tem sido
04:24
to do this.
121
249000
2000
capaz de fazer isto.
04:26
Okay, so I just want to take
122
251000
2000
Ok, quero agora dizer
04:28
a sentencesentença or two to say something about
123
253000
2000
uma ou duas coisas sobre o codificador
04:30
the encodercodificador and what it's doing, because
124
255000
2000
e sobre o que ele faz, porque
04:32
it's really the keychave partparte and it's
125
257000
2000
trata-se da peça-chave
04:34
sortordenar of interestinginteressante and kindtipo of coollegal.
126
259000
2000
e é interessante e bastante fixe.
04:36
I'm not sure "coollegal" is really the right wordpalavra, but
127
261000
2000
Não sei se "fixe" será a palavra adequada,
04:38
you know what I mean.
128
263000
2000
mas vocês entendem.
04:40
So what it's doing is, it's replacingsubstituindo
129
265000
2000
O que ele faz é substituir
04:42
the retinalretinal circuitrycircuitos, really the gutsculhões of
130
267000
2000
o conjunto das células retinais, todo ele,
04:44
the retinalretinal circuitrycircuitos, with a setconjunto of equationsequações,
131
269000
2000
com um conjunto de equações,
04:46
a setconjunto of equationsequações that we can implementimplemento
132
271000
2000
conjunto que podemos
04:48
on a chiplasca. So it's just mathmatemática.
133
273000
2000
inserir num chip. Portanto, é só matemática.
04:50
In other wordspalavras, we're not literallyliteralmente replacingsubstituindo
134
275000
3000
Por outras palavras, não estamos literalmente a substituir
04:53
the componentscomponentes of the retinaretina.
135
278000
2000
os componentes da retina.
04:55
It's not like we're makingfazer a little mini-devicemini dispositivo
136
280000
2000
Não estamos propriamente a fazer um mini-dispositivo
04:57
for eachcada of the differentdiferente cellcélula typestipos.
137
282000
2000
para cada tipo diferente de células.
04:59
We'veTemos just abstractedabstraídos what the
138
284000
2000
Simplesmente abstraímos o que
05:01
retina'sa retina doing with a setconjunto of equationsequações.
139
286000
2000
a retina faz num conjunto de equações.
05:03
And so, in a way, the equationsequações are servingservindo
140
288000
2000
De certa forma, as equações funcionam como
05:05
as sortordenar of a codebooklivro de códigos. An imageimagem comesvem in,
141
290000
2000
uma espécie de livro de código.
05:07
goesvai throughatravés the setconjunto of equationsequações,
142
292000
3000
Uma imagem chega, passa pelo conjunto de equações,
05:10
and out comesvem streamscórregos of electricalelétrico pulsespulsos,
143
295000
2000
e saem linhas de impulsos eléctricos,
05:12
just like a normalnormal retinaretina would produceproduzir.
144
297000
4000
tal como uma retina normal o faria.
05:16
Now let me put my moneydinheiro
145
301000
2000
Deixem-me então provar
05:18
where my mouthboca is and showexposição you that
146
303000
2000
aquilo que disse e mostrar-vos que
05:20
we can actuallyna realidade produceproduzir normalnormal outputsaída,
147
305000
2000
conseguimos mesmo produzir dados normais
05:22
and what the implicationsimplicações of this are.
148
307000
2000
e as implicações que isto traz.
05:24
Here are threetrês setsconjuntos of
149
309000
2000
Temos aqui três conjuntos de
05:26
firingfuzilamento patternspadrões. The toptopo one is from
150
311000
2000
padrões de disparo. O de cima é de
05:28
a normalnormal animalanimal, the middlemeio one is from
151
313000
2000
um animal normal, o do meio é de
05:30
a blindcego animalanimal that's been treatedtratado with
152
315000
2000
um animal cego tratado com o nosso
05:32
this encoder-transducercodificador-transdutor devicedispositivo, and the
153
317000
2000
codificador-transdutor,
05:34
bottominferior one is from a blindcego animalanimal treatedtratado
154
319000
2000
e o último é de um animal tratado com uma
05:36
with a standardpadrão prostheticprótese.
155
321000
2000
prótese comum.
05:38
So the bottominferior one is the state-of-the-artEstado da arte
156
323000
2000
O de baixo, trata-se de uma prótese nova,
05:40
devicedispositivo that's out there right now, whichqual is
157
325000
2000
de última geração, que funciona
05:42
basicallybasicamente madefeito up of lightluz detectorsdetectores de,
158
327000
2000
à base de detectores de luz, mas sem codificador.
05:44
but no encodercodificador. So what we did was we
159
329000
2000
O que fizemos foi passar filmes
05:46
presentedapresentado moviesfilmes of everydaytodo dia things --
160
331000
2000
de cenas quotidianas - pessoas, bebés,
05:48
people, babiesbebês, parkparque benchesbancos,
161
333000
2000
bancos de jardim,
05:50
you know, regularregular things happeningacontecendo -- and
162
335000
2000
acontecimentos do dia-a-dia, entendem -
05:52
we recordedgravado the responsesrespostas from the retinasretinas
163
337000
2000
e gravámos as respostas das retinas
05:54
of these threetrês groupsgrupos of animalsanimais.
164
339000
2000
destes três grupos de animais.
05:56
Now just to orientOrient you, eachcada boxcaixa is showingmostrando
165
341000
2000
Só para vos orientar,
05:58
the firingfuzilamento patternspadrões of severalde várias cellscélulas,
166
343000
2000
cada caixa mostra os padrões de disparo
06:00
and just as in the previousanterior slidesslides,
167
345000
2000
de várias células, e tal como
06:02
eachcada rowlinha is a differentdiferente cellcélula,
168
347000
2000
nos slides anteriores, cada coluna
06:04
and I just madefeito the pulsespulsos a little bitpouco smallermenor
169
349000
2000
é uma célula diferente, e eu apenas
06:06
and thinnermais fino so I could showexposição you
170
351000
3000
reduzi o tamanho e grossura dos impulsos para vos
06:09
a long stretchesticam of datadados.
171
354000
2000
poder mostrar uma fila longa de dados.
06:11
So as you can see, the firingfuzilamento patternspadrões
172
356000
2000
Como podem ver,
06:13
from the blindcego animalanimal treatedtratado with
173
358000
2000
os padrões de disparo do animal cego
06:15
the encoder-transducercodificador-transdutor really do very
174
360000
2000
tratado com o codificador-transdutor
06:17
closelyde perto matchpartida the normalnormal firingfuzilamento patternspadrões --
175
362000
2000
assemelham-se muito a
06:19
and it's not perfectperfeito, but it's prettybonita good --
176
364000
2000
padrões de disparo normais
06:21
and the blindcego animalanimal treatedtratado with
177
366000
2000
- não são perfeitos, mas são bastante bons -
06:23
the standardpadrão prostheticprótese,
178
368000
2000
e no animal cego com a prótese comum,
06:25
the responsesrespostas really don't.
179
370000
2000
as respostas não se assemelham nada.
06:27
And so with the standardpadrão methodmétodo,
180
372000
3000
Desta forma, com o método comum,
06:30
the cellscélulas do firefogo, they just don't firefogo
181
375000
2000
as células disparam, mas não
06:32
in the normalnormal firingfuzilamento patternspadrões because
182
377000
2000
segundo os padrões normais,
06:34
they don't have the right codecódigo.
183
379000
2000
porque não têm o código certo.
06:36
How importantimportante is this?
184
381000
2000
Qual a importância disto?
06:38
What's the potentialpotencial impactimpacto
185
383000
2000
Qual o impacto potencial na
06:40
on a patient'spacientes abilityhabilidade to see?
186
385000
3000
capacidade de ver de um doente?
06:43
So I'm just going to showexposição you one
187
388000
2000
Vou apenas mostrar-vos uma
06:45
bottom-lineao que interessa experimentexperimentar that answersresponde this,
188
390000
2000
experiência prática que responde à questão,
06:47
and of coursecurso I've got a lot of other datadados,
189
392000
2000
e é claro que tenho muito mais dados,
06:49
so if you're interestedinteressado I'm happyfeliz
190
394000
2000
por isso se vos interessar, tenho todo
06:51
to showexposição more. So the experimentexperimentar
191
396000
2000
o gosto em mostrar mais. A experiência
06:53
is calledchamado a reconstructionreconstrução experimentexperimentar.
192
398000
2000
chama-se experiência de reconstrução.
06:55
So what we did is we tooktomou a momentmomento
193
400000
2000
O que fizemos foi pegar num determinado
06:57
in time from these recordingsgravações and askedperguntei,
194
402000
3000
momento destas gravações e perguntar,
07:00
what was the retinaretina seeingvendo at that momentmomento?
195
405000
2000
o que via a retina naquele momento?
07:02
Can we reconstructreconstruir what the retinaretina
196
407000
2000
Poderíamos reconstruir o que a retina via
07:04
was seeingvendo from the responsesrespostas
197
409000
2000
a partir das respostas
07:06
from the firingfuzilamento patternspadrões?
198
411000
2000
dos padrões de disparo?
07:08
So, when we did this for responsesrespostas
199
413000
3000
Fizemo-lo para as respostas
07:11
from the standardpadrão methodmétodo and from
200
416000
3000
do método comum e para
07:14
our encodercodificador and transducerTransdutor de.
201
419000
2000
as do nosso codificador e transdutor.
07:16
So let me showexposição you, and I'm going to
202
421000
2000
Deixem-me mostrar-vos, e começo
07:18
startcomeçar with the standardpadrão methodmétodo first.
203
423000
2000
com as do método comum primeiro.
07:20
So you can see that it's prettybonita limitedlimitado,
204
425000
2000
Conseguem ver que são muito limitadas,
07:22
and because the firingfuzilamento patternspadrões aren'tnão são
205
427000
2000
e como os padrões de disparo não estão
07:24
in the right codecódigo, they're very limitedlimitado in
206
429000
2000
no código certo, são muito limitados
07:26
what they can tell you about
207
431000
2000
naquilo que nos podem dizer sobre o que vêem.
07:28
what's out there. So you can see that
208
433000
2000
Podem ver que está algo à frente,
07:30
there's something there, but it's not so clearClaro
209
435000
2000
mas não é tão claro saber o que é.
07:32
what that something is, and this just sortordenar of
210
437000
2000
E aqui estamos a voltar ao que já disse
07:34
circlescírculos back to what I was sayingdizendo in the
211
439000
2000
no início, que com o método comum,
07:36
beginningcomeçando, that with the standardpadrão methodmétodo,
212
441000
2000
os doentes conseguem ver
07:38
patientspacientes can see high-contrastalto contraste edgesarestas, they
213
443000
2000
formas com elevado contraste, ver luz
07:40
can see lightluz, but it doesn't easilyfacilmente go
214
445000
2000
mas não vêem muito mais que isso.
07:42
furthermais distante than that. So what was
215
447000
2000
Qual era então a imagem?
07:44
the imageimagem? It was a baby'sdo bebê facecara.
216
449000
3000
Era a face de um bebé.
07:47
So what about with our approachabordagem,
217
452000
2000
O que acontece com a nossa abordagem,
07:49
addingadicionando the codecódigo? And you can see
218
454000
2000
acrescentando o código? Podemos ver
07:51
that it's much better. Not only can you
219
456000
2000
que é muito melhor. Conseguimos não apenas
07:53
tell that it's a baby'sdo bebê facecara, but you can
220
458000
2000
identificar a cara do bebé, mas saber também
07:55
tell that it's this baby'sdo bebê facecara, whichqual is a
221
460000
2000
que é a cara daquele bebé em especial,
07:57
really challengingdesafiador tasktarefa.
222
462000
2000
o que é algo muito difícil.
07:59
So on the left is the encodercodificador
223
464000
2000
Temos à esquerda o codificador isolado,
08:01
alonesozinho, and on the right is from an actualreal
224
466000
2000
e à direita uma retina cega,
08:03
blindcego retinaretina, so the encodercodificador and the transducerTransdutor de.
225
468000
2000
com o codificador e o transdutor.
08:05
But the keychave one really is the encodercodificador alonesozinho,
226
470000
2000
Mas o que interessa é a que tem só o codificador,
08:07
because we can teamequipe up the encodercodificador with
227
472000
2000
porque podemos combinar o codificador
08:09
the differentdiferente transducerTransdutor de.
228
474000
2000
com um transdutor diferente. Esta foi simplesmente
08:11
This is just actuallyna realidade the first one that we triedtentou.
229
476000
2000
a nossa primeira tentativa. Queria apenas acrescentar algo
08:13
I just wanted to say something about the standardpadrão methodmétodo.
230
478000
2000
sobre o método comum.
08:15
When this first cameveio out, it was just a really
231
480000
2000
Quando saiu, era algo muito excitante,
08:17
excitingemocionante thing, the ideaidéia that you
232
482000
2000
esta ideia de que se podia fazer com que
08:19
even make a blindcego retinaretina respondresponder at all.
233
484000
3000
uma retina cega respondesse de todo.
08:22
But there was this limitinglimitando factorfator,
234
487000
3000
Mas havia um factor limitante,
08:25
the issuequestão of the codecódigo, and how to make
235
490000
2000
a questão do código, e como fazer com que
08:27
the cellscélulas respondresponder better,
236
492000
2000
as células respondessem melhor,
08:29
produceproduzir normalnormal responsesrespostas,
237
494000
2000
produzissem respostas normais,
08:31
and so this was our contributioncontribuição.
238
496000
2000
e portanto esta foi a nossa contribuição.
08:33
Now I just want to wrapembrulho up,
239
498000
2000
Para terminar,
08:35
and as I was mentioningmencionando earliermais cedo
240
500000
2000
como dizia anteriormente,
08:37
of coursecurso I have a lot of other datadados
241
502000
2000
tenho muitos outros dados
08:39
if you're interestedinteressado, but I just wanted to give
242
504000
2000
se estiverem interessados, mas queria apenas
08:41
this sortordenar of basicbásico ideaidéia
243
506000
2000
partilhar esta ideia relativamente geral
08:43
of beingser ablecapaz to communicatecomunicar
244
508000
3000
de que somos capazes de comunicar
08:46
with the braincérebro in its languagelíngua, and
245
511000
2000
com o cérebro na sua linguagem,
08:48
the potentialpotencial powerpoder of beingser ablecapaz to do that.
246
513000
3000
e o que se poderá conseguir com isso.
08:51
So it's differentdiferente from the motormotor prostheticspróteses
247
516000
2000
É diferente das próteses motoras
08:53
where you're communicatingcomunicando from the braincérebro
248
518000
2000
onde se comunica com um dispositivo
08:55
to a devicedispositivo. Here we have to communicatecomunicar
249
520000
2000
a partir do cérebro. Aqui temos que comunicar
08:57
from the outsidelado de fora worldmundo
250
522000
2000
desde o mundo exterior
08:59
into the braincérebro and be understoodEntendido,
251
524000
2000
até ao cérebro, e sermos
09:01
and be understoodEntendido by the braincérebro.
252
526000
2000
entendidos pelo cérebro.
09:03
And then the last thing I wanted
253
528000
2000
A última coisa que queria fazer,
09:05
to say, really, is to emphasizeenfatizar
254
530000
2000
na verdade, é sublinhar que esta ideia
09:07
that the ideaidéia generalizesgeneraliza.
255
532000
2000
pode ser generalizada.
09:09
So the samemesmo strategyestratégia that we used
256
534000
2000
A mesma estratégia que usámos
09:11
to find the codecódigo for the retinaretina we can alsoAlém disso
257
536000
2000
para encontrar o código para a retina pode
09:13
use to find the codecódigo for other areasáreas,
258
538000
2000
ser usada para encontrar o código para outras áreas,
09:15
for exampleexemplo, the auditoryauditivo systemsistema and
259
540000
2000
como por exemplo o sistema auditivo,
09:17
the motormotor systemsistema, so for treatingtratando deafnesssurdez
260
542000
2000
ou o sistema motor, para o tratamento da surdez
09:19
and for motormotor disordersdesordens.
261
544000
2000
e deficiências motoras.
09:21
So just the samemesmo way that we were ablecapaz to
262
546000
2000
Da mesma forma que conseguimos
09:23
jumpsaltar over the damagedestragado
263
548000
2000
ultrapassar os circuitos danificados da retina
09:25
circuitrycircuitos in the retinaretina to get to the retina'sa retina
264
550000
2000
para chegar às células de saída de dados,
09:27
outputsaída cellscélulas, we can jumpsaltar over the
265
552000
2000
podemos ultrapassar
09:29
damagedestragado circuitrycircuitos in the cochleacóclea
266
554000
2000
circuitos danificados da cóclea,
09:31
to get the auditoryauditivo nervenervo,
267
556000
2000
para chegar ao nervo auditivo,
09:33
or jumpsaltar over damagedestragado areasáreas in the cortexcórtex,
268
558000
2000
ou ultrapassar áreas danificadas do córtex,
09:35
in the motormotor cortexcórtex, to bridgeponte the gapgap
269
560000
3000
no córtex motor, para ultrapassar a falha
09:38
producedproduzido by a strokeacidente vascular encefálico.
270
563000
2000
provocada por um AVC.
09:40
I just want to endfim with a simplesimples
271
565000
2000
Queria terminar com uma mensagem simples.
09:42
messagemensagem that understandingcompreensão the codecódigo
272
567000
2000
Que entender o código
09:44
is really, really importantimportante, and if we
273
569000
2000
é muito, muito importante,
09:46
can understandCompreendo the codecódigo,
274
571000
2000
e que se entendermos o código,
09:48
the languagelíngua of the braincérebro, things becometornar-se
275
573000
2000
a linguagem do cérebro, há coisas que
09:50
possiblepossível that didn't seemparecem obviouslyobviamente
276
575000
2000
se tornam possíveis que anteriormente
09:52
possiblepossível before. Thank you.
277
577000
2000
nos pareciam impossíveis. Obrigada.
09:54
(ApplauseAplausos)
278
579000
5000
(Aplausos)

▲Back to top

ABOUT THE SPEAKER
Sheila Nirenberg - Neuroscientist
Sheila Nirenberg studies how the brain encodes information -- possibly allowing us to decode it, and maybe develop prosthetic sensory devices.

Why you should listen

Sheila Nirenberg is a neuroscientist/professor at Weill Medical College of Cornell University, where she studies neural coding – that is, how the brain takes information from the outside world and encodes it in patterns of electrical activity. The idea is to be able to decode the activity, to look at a pattern of electrical pulses and know what an animal is seeing or thinking or feeling.  Recently, she’s been using this work to develop new kinds of prosthetic devices, particularly ones for treating blindness.


More profile about the speaker
Sheila Nirenberg | Speaker | TED.com