Daniel Wolpert: The real reason for brains

Překladatel: Ondřej Elleder Korektor: Michaela Jez

I'm a neuroscientist.

Jsem neurovědec.

And in neuroscience,

A v neurovědě

we have to deal with many difficult questions about the brain.

čelíme mnoha složitým otázkám ohledně mozku.

But I want to start with the easiest question

Já bych ale rád začal tou nejjednoduší otázkou,

and the question you really should have all asked yourselves at some point in your life,

kterou si každý z vás už někdy v životě měl položit,

because it's a fundamental question

jelikož se jedná o zásadní otázku,

if we want to understand brain function.

pokud chceme porozumět funkci mozku.

And that is, why do we and other animals

A ta otázka zní, proč my a další živočichové

have brains?

máme mozek?

Not all species on our planet have brains,

Některé živočišné druhy naší planety mozek nemají,

so if we want to know what the brain is for,

takže chceme-li zjistit, k čemu mozek slouží,

let's think about why we evolved one.

přemýšlejme, proč se nám mozek vyvinul.

Now you may reason that we have one

Tak tedy, bylo by pochopitelné, kdybyste ho měli,

to perceive the world or to think,

abyste vnímali svět nebo abyste přemýšleli,

and that's completely wrong.

ale to je velký omyl.

If you think about this question for any length of time,

Pokud si o tom alespoň chvilku popřemýšlíte,

it's blindingly obvious why we have a brain.

bude naprosto zřejmé, proč mozek máme.

We have a brain for one reason and one reason only,

Mozek máme z jednoho jediného důvodu:

and that's to produce adaptable and complex movements.

abychom mohli vyvíjet přizpůsobivé, složité pohyby.

There is no other reason to have a brain.

Jiný důvod, proč mít mozek, neexistuje.

Think about it.

Zvažte to a dáte mi za pravdu.

Movement is the only way you have

Pohyb je jediný způsob,

of affecting the world around you.

kterým můžete ovlivnit svět kolem sebe.

Now that's not quite true. There's one other way, and that's through sweating.

Vlastně ne tak docela - je tu ještě pocení.

But apart from that,

Ale kromě této výjimky

everything else goes through contractions of muscles.

se všechno ostatní děje skrze stahování svalů.

So think about communication --

Vezměte si komunikaci -

speech, gestures, writing, sign language --

řeč, gesta, psaní, znakovou řeč --

they're all mediated through contractions of your muscles.

všechno to zprostředkovávají stahy vašich svalů.

So it's really important to remember

Takže je velmi důležité mít na paměti,

that sensory, memory and cognitive processes are all important,

že smyslové, paměťové a kognitivní procesy jsou všechny důležité,

but they're only important

nicméně důležité jsou jenom proto,

to either drive or suppress future movements.

aby buď poháněly nebo potlačovaly budoucí pohyb.

There can be no evolutionary advantage

Žádná evoluční výhoda nemůže plynout z toho,

to laying down memories of childhood

že jste si uchovali vzpomínky z dětství

or perceiving the color of a rose

nebo z vnímání barvy růže,

if it doesn't affect the way you're going to move later in life.

neovlivní-li to váš budoucí pohyb později v životě.

Now for those who don't believe this argument,

Pro ty, kteří této argumentaci nevěří:

we have trees and grass on our planet without the brain,

máme na naší planetě stromy a trávy, a ty mozek nemají,

but the clinching evidence is this animal here --

rozhodujícím důkazem je však tento živočich --

the humble sea squirt.

prostý pláštěnec.

Rudimentary animal, has a nervous system,

Primitivní živočich, má nervový systém,

swims around in the ocean in its juvenile life.

před dospělostí plave sem a tam oceánem,

And at some point of its life,

až jednou přijde chvíle,

it implants on a rock.

kdy se usadí na kameni.

And the first thing it does in implanting on that rock, which it never leaves,

A jakmile se na té skále usadí (kterou už nikdy neopustí),

is to digest its own brain and nervous system

stráví svůj vlastní mozek a nervstvo

for food.

jako potravu.

So once you don't need to move,

Takže jakmile se nepotřebujete hýbat,

you don't need the luxury of that brain.

nepotřebujete luxus, jakým je mozek.

And this animal is often taken

A tento živočich často slouží

as an analogy to what happens at universities

jako analogie k proměně univerzitních profesorů

when professors get tenure,

po získání definitivy -

but that's a different subject.

ale to bychom mluvili o něčem jiném.

(Applause)

(Potlesk)

So I am a movement chauvinist.

Jsem tedy pohybový šovinista.

I believe movement is the most important function of the brain --

Jsem přesvědčen, že pohyb je tou nejdůležitější funkcí mozku --

don't let anyone tell you that it's not true.

nevěřte nikomu, kdo vám bude tvrdit, že tomu tak není.

Now if movement is so important,

Nuže tedy, je-li pohyb tak důležitý,

how well are we doing

jak se nám daří rozumět tomu,

understanding how the brain controls movement?

jak mozek řídí pohyb?

And the answer is we're doing extremely poorly; it's a very hard problem.

Odpověd zní: mizerně; jedná se o zapeklitý problém.

But we can look at how well we're doing

Abych posoudili, jak se nám v této věci daří,

by thinking about how well we're doing building machines

zamysleme se nad tím, jak se nám daří sestavovat stroje,

which can do what humans can do.

které umí dělat to, co umí lidé.

Think about the game of chess.

Vezměte si třeba šachovou partii.

How well are we doing determining what piece to move where?

Jak se nám daří určovat, kam kterou figurku posunout?

If you pit Garry Kasparov here, when he's not in jail,

Postavíte-li zde Garyho Kasparova - není-li zrovna ve vězení -

against IBM's Deep Blue,

proti počítači Deep Blue od IBM,

well the answer is IBM's Deep Blue will occasionally win.

pak odpověď zní, že Deep Blue občas vyhraje.

And I think if IBM's Deep Blue played anyone in this room, it would win every time.

A pokud by Deep Blue hrál proti komukoliv v této místnosti, vyhrál by podle mne pokaždé.

That problem is solved.

Tento problém je vyřešen.

What about the problem

A co takhle problém spočívající v tom,

of picking up a chess piece,

jak zvednout šachovou figurku,

dexterously manipulating it and putting it back down on the board?

obratně s ní zacházet a položit ji zpátky na šachovnici?

If you put a five year-old child's dexterity against the best robots of today,

Srovnáte-li pětileté dítě s nejlepšími roboty dnešní doby co do zručnosti,

the answer is simple:

výsledek je jasný:

the child wins easily.

dítě s přehledem vyhraje.

There's no competition at all.

Nemá žádnou opravdovou konkurenci.

Now why is that top problem so easy

Nuže tedy, proč je ten vrchní problém tak snadný

and the bottom problem so hard?

a ten spodní problém tak složitý?

One reason is a very smart five year-old

Jedním z důvodů je, že velice chytré pětileté dítě

could tell you the algorithm for that top problem --

by přišlo na algoritmus k tomu vrchnímu problému --

look at all possible moves to the end of the game

zvažte všechny možné tahy až do konce partie

and choose the one that makes you win.

a vyberty ty, které vám umožní vyhrát.

So it's a very simple algorithm.

Jedná se tedy o velice jednoduchý algoritmus.

Now of course there are other moves,

Pravda, možných tahů je velmi mnoho,

but with vast computers we approximate

ale s pomocí ohromných počítačů můžeme aproximovat

and come close to the optimal solution.

a přiblížit se optimálnímu řešení.

When it comes to being dexterous,

Když ale přijde na zručnost,

it's not even clear what the algorithm is you have to solve to be dexterous.

není ani jasné, jaký algoritmus máte řešit, abyste zručnosti dosáhli.

And we'll see you have to both perceive and act on the world,

A jak uvidíme, musíte jak vnímat, tak působit na svět,

which has a lot of problems.

a to obnáší řadu problémů.

But let me show you cutting-edge robotics.

Nyní vám předvedu ukázku špičkové robotiky.

Now a lot of robotics is very impressive,

Velká část robotiky je velmi působivá,

but manipulation robotics is really just in the dark ages.

ale manipulační robotika je zatím v raném středověku.

So this is the end of a Ph.D. project

Tak tohle je výsledek doktorandského projektu

from one of the best robotics institutes.

z jednoho z nejlepších ústavů robotiky.

And the student has trained this robot

Student naučil robota

to pour this water into a glass.

nalít vodu do sklenice:

It's a hard problem because the water sloshes about, but it can do it.

složitý problém - voda totiž šplouchá - ale dokáže to.

But it doesn't do it with anything like the agility of a human.

Ale co do hbitosti má k člověku velice daleko.

Now if you want this robot to do a different task,

Pokud by ale ten robot měl provést jiný úkol,

that's another three-year Ph.D. program.

máte vystaráno na další tříletý doktorandský program.

There is no generalization at all

Vůbec se nám nedaří zobecňovat

from one task to another in robotics.

z jednoho robotického úkolu na druhý.

Now we can compare this

Můžeme to však porovnat

to cutting-edge human performance.

se špičkovým výkonem u lidí.

So what I'm going to show you is Emily Fox

Nyní vám ukážu Emily Foxovou,

winning the world record for cup stacking.

jak vytváří světový rekord ve vršení kelímků.

Now the Americans in the audience will know all about cup stacking.

Americké části publika bude tento sport důvěrně známý.

It's a high school sport

Jedná se o středoškolskou sportovní disciplínu,

where you have 12 cups you have to stack and unstack

v níž na sebe střídavě vršíte a odebíráte 12 kelímků,

against the clock in a prescribed order.

a to na čas a v předepsaném pořadí.

And this is her getting the world record in real time.

A zde ji vidíme na nezrychlených záběrech, jak vytváří světový rekord.

(Laughter)

(Smích)

(Applause)

(Potlesk)

And she's pretty happy.

A má z toho docela velkou radost.

We have no idea what is going on inside her brain when she does that,

Nemá ani ponětí, co probíhá uvnitř jejího mozku, když tohle dělá,

and that's what we'd like to know.

a právě to bychom rádi věděli.

So in my group, what we try to do

Takže v naší skupině se snažíme

is reverse engineer how humans control movement.

zpětným postupem zjistit, jak člověk řídí pohyb.

And it sounds like an easy problem.

Zní to jako jednoduchý úkol.

You send a command down, it causes muscles to contract.

Pošlete dolů příkaz - a svaly se stáhnou,

Your arm or body moves,

vaše ruka nebo tělo se pohne

and you get sensory feedback from vision, from skin, from muscles and so on.

a vy dostanete smyslovou zpětnou vazbu - ze zraku, kůže, svalstva a tak dále.

The trouble is

Potíž vězí v tom,

these signals are not the beautiful signals you want them to be.

že tyto signály nejsou tak krásné, jak byste si přáli.

So one thing that makes controlling movement difficult

Takže jedním z důvodů, proč je řízení pohybu tak složité,

is, for example, sensory feedback is extremely noisy.

je například to, že smyslovou zpětnou vazbu narušuje šum,

Now by noise, I do not mean sound.

Šumem nemám ale na mysli zvuk,

We use it in the engineering and neuroscience sense

nýbrž význam používaný v inženýrství a neurovědě,

meaning a random noise corrupting a signal.

tedy náhodný šum narušující signál.

So the old days before digital radio when you were tuning in your radio

Takže za starých časů, před digitalizací rozhlasu, když jste si ladili stanici

and you heard "crrcckkk" on the station you wanted to hear,

a slyšeli jste "crrcckkk" na stanici, kterou jste chtěli poslouchat,

that was the noise.

tak to byl šum.

But more generally, this noise is something that corrupts the signal.

Obecněji vzato je ale šum něco, co ruší signál.

So for example, if you put your hand under a table

Když si třeba dáte ruku pod stůl

and try to localize it with your other hand,

a snažíte se ji najít druhou rukou,

you can be off by several centimeters

stává se, že ji o několik centimetrů minete -

due to the noise in sensory feedback.

kvůli šumu rušícímu zpětnou vazbu od smyslů.

Similarly, when you put motor output on movement output,

Obdobně, když graficky znázorníte motorické nebo pohybové výstupy,

it's extremely noisy.

je tam nesmírné množství šumu.

Forget about trying to hit the bull's eye in darts,

Zapomeňte na pokusy trefit se šipkou do černého -

just aim for the same spot over and over again.

prostě miřte na stejný bod pořád dokola.

You have a huge spread due to movement variability.

Dostanete široké rozpětí výsledků kvůli variabilitě pohybu.

And more than that, the outside world, or task,

Ba co víc, vnější svět nebo dotyčný úkon

is both ambiguous and variable.

je nejasný a zároveň proměnlivý.

The teapot could be full, it could be empty.

Čajová konvice může být plná nebo prázdná;

It changes over time.

mění se v závislosti na čase.

So we work in a whole sensory movement task soup of noise.

Takže fungujeme v jakési smyslově pohybově úkonové polévce z šumu.

Now this noise is so great

Ten šum je ale tak silný,

that society places a huge premium

že společnost si cení nesmírně vysoko těch z nás,

on those of us who can reduce the consequences of noise.

kteří umí potlačovat důsledky šumu.

So if you're lucky enough to be able to knock a small white ball

Takže máte-li to štěstí, že umíte uhodit dlouhou kovovou tyčí do bílého míčku tak,

into a hole several hundred yards away using a long metal stick,

aby spadl do díry vzdálené několik set metrů,

our society will be willing to reward you

naše společnost vás ráda odmění

with hundreds of millions of dollars.

stovkami miliónů dolarů.

Now what I want to convince you of

Nuže tedy, chci vás přesvědčit,

is the brain also goes through a lot of effort

že mozek také vynakládá velkou snahu,

to reduce the negative consequences

aby potlačil záporné důsledky

of this sort of noise and variability.

takovéhoto šumu a variability.

And to do that, I'm going to tell you about a framework

K tomu používá jistou vztažnou soustavu -

which is very popular in statistics and machine learning of the last 50 years

velmi oblíbenou ve statistice a strojovém učení posledních padesáti let -

called Bayesian decision theory.

která se nazývá bayesovská teorie rozhodování.

And it's more recently a unifying way

A nedávno se stala sjednocujícím vysvětlením toho,

to think about how the brain deals with uncertainty.

jak se mozek vypořádává s neurčitostí.

And the fundamental idea is you want to make inferences and then take actions.

Její podstata tkví v tom, že činíme dedukce a pak jednáme.

So let's think about the inference.

Zamysleme se tedy nad dedukcemi.

You want to generate beliefs about the world.

Cílem je vytvářet si představy o skutečnosti.

So what are beliefs?

Jaké představy?

Beliefs could be: where are my arms in space?

Například: kde se v prostoru nacházejí mé ruce?

Am I looking at a cat or a fox?

Dívám se na kočku nebo na lišku?

But we're going to represent beliefs with probabilities.

Ale my budeme představy vyjadřovat pravděpodobnostmi.

So we're going to represent a belief

Představu tedy vyjádříme

with a number between zero and one --

číslem mezi nulou a jedničkou -

zero meaning I don't believe it at all, one means I'm absolutely certain.

nula znamená "vůbec tomu nevěřím", jednička pak "jsem si zcela jist".

And numbers in between give you the gray levels of uncertainty.

A čísla mezi vyjadřují ony šedé mezistupně nejistoty.

And the key idea to Bayesian inference

Klíčovým konceptem v bayesovské dedukci je to,

is you have two sources of information

že máte dva zdroje informací,

from which to make your inference.

na nichž stavíte svou dedukci.

You have data,

Máte údaje -

and data in neuroscience is sensory input.

a údaje v neurovědě, to jsou vstupní údaje od smyslů.

So I have sensory input, which I can take in to make beliefs.

Tyto smyslové vstupy mohu přijmout - a vytvořit představy.

But there's another source of information, and that's effectively prior knowledge.

Máme ale další zdroj informací, a tím je již získané poznání.

You accumulate knowledge throughout your life in memories.

Celý svůj život hromadíte poznání v podobě vzpomínek.

And the point about Bayesian decision theory

A podstatou bayesovské teorie rozhodování je,

is it gives you the mathematics

že vám umožňuje matematicky zpracovat

of the optimal way to combine

optimální způsob, jak spojit

your prior knowledge with your sensory evidence

již získané poznání se svědectvím smyslů

to generate new beliefs.

a vytvářet tak nové představy.

And I've put the formula up there.

Ten vzorec jsem vám promítl:

I'm not going to explain what that formula is, but it's very beautiful.

nebudu jej ale vysvětlovat. Je však velice krásný.

And it has real beauty and real explanatory power.

Má v sobě opravdovou krásu a opravdovou objasňující sílu.

And what it really says, and what you want to estimate,

To, co vlastně říká, a to, co chceme odhadnout,

is the probability of different beliefs

je pravděpodobnost jednotlivých představ,

given your sensory input.

vycházíme-li ze vstupních údajů od smyslů.

So let me give you an intuitive example.

Dám vám intuitivní příklad.

Imagine you're learning to play tennis

Představte si, že se učíte hrát tenis

and you want to decide where the ball is going to bounce

a chcete vydedukovat, kde se odrazí míček

as it comes over the net towards you.

letítící k vám přes síť.

There are two sources of information

Máme dva zdroje informací,

Bayes' rule tells you.

jak nám říká Bayesovo pravidlo.

There's sensory evidence -- you can use visual information auditory information,

Máme smyslové poznatky - můžeme využít zrakových a sluchových údajů

and that might tell you it's going to land in that red spot.

a usoudit tak, že míček dopadne na to červené místo.

But you know that your senses are not perfect,

Ale jak víte, smysly nejsou dokonalé,

and therefore there's some variability of where it's going to land

takže čelíme jisté variabilitě v tom, kam míček dopadne -

shown by that cloud of red,

znázorněné onou červenou skvrnou

representing numbers between 0.5 and maybe 0.1.

představující čísla mezi 0,5 a zhruba tak 0,1.

That information is available in the current shot,

Tyto informance jsou k dispozici při této ráně,

but there's another source of information

ale existuje jiný zdroj informací,

not available on the current shot,

které při této ráně k dispozici nejsou

but only available by repeated experience in the game of tennis,

a ke kterým se dostaneme jen opakovaným prožitkem tenisového utkání:

and that's that the ball doesn't bounce

díky němu víme, že míček během utkání nedopadá

with equal probability over the court during the match.

se stejnou pravděpodobností po celém kurtu.

If you're playing against a very good opponent,

Máte-li opravdu schopného protihráče,

they may distribute it in that green area,

může míčky rozmísťovat po té zelené ploše,

which is the prior distribution,

která představuje předchozí distribuci

making it hard for you to return.

a kde je pro vás těžší je vrátit.

Now both these sources of information carry important information.

Oba tyto informační zdroje poskytují důležité údaje.

And what Bayes' rule says

A podle Bayesova pravidla

is that I should multiply the numbers on the red by the numbers on the green

máme vynásobit červená čísla zelenými čísly,

to get the numbers of the yellow, which have the ellipses,

abychom dostali čísla žlutá, k nimž patří ty elipsy,

and that's my belief.

a to je pak moje představa.

So it's the optimal way of combining information.

A to je optimální způsob, jak spojovat informace.

Now I wouldn't tell you all this if it wasn't that a few years ago,

Tohle všechno bych vám neříkal, kdybychom před několika lety

we showed this is exactly what people do

nedokázali, že přesně tohle lidé dělají,

when they learn new movement skills.

když se učí novým pohybovým dovednostem.

And what it means

A to znamená,

is we really are Bayesian inference machines.

že jsme vlastně bayesovské dedukční stroje.

As we go around, we learn about statistics of the world and lay that down,

Chodíme po světě a zaznamenáváme si statistické údaje -

but we also learn

také ale poznáváme,

about how noisy our own sensory apparatus is,

kolik je v našem smyslovém aparátu šumu -

and then combine those

a pak je spojujeme

in a real Bayesian way.

skutečně bayesovským způsobem.

Now a key part to the Bayesian is this part of the formula.

Důležitým prvkem bayesovského přístupu je tato část vzorce.

And what this part really says

A ta část ve skutečnosti znamená,

is I have to predict the probability

že musím předpovědět pravděpodobnost

of different sensory feedbacks

různých zpětnovazebných údajů od smyslů,

given my beliefs.

vycházeje ze svých představ.

So that really means I have to make predictions of the future.

Vlastně to znamená, že musím předpovídat budoucnost.

And I want to convince you the brain does make predictions

A já vás chci přesvědčit, že mozek opravdu předpovídá,

of the sensory feedback it's going to get.

jakou zpětnou vazbu od smyslů dostane.

And moreover, it profoundly changes your perceptions

Ba co víc, zásadně mění vaše vnímání

by what you do.

podle toho, co děláte.

And to do that, I'll tell you

A proto vám povím o tom,

about how the brain deals with sensory input.

jak náš mozek zachází se vstupními údaji od smyslů.

So you send a command out,

Tak tedy, když vyšlete příkaz,

you get sensory feedback back,

dostanete zpětnou vazbu od smyslů,

and that transformation is governed

a tato transformace se řídí

by the physics of your body and your sensory apparatus.

fyzikálními vlastnostmi vašeho těla a vašeho smyslového ústrojí.

But you can imagine looking inside the brain.

Můžete si ale představit, že nahlížete do mozku -

And here's inside the brain.

a tady máme vnitřek mozku znázorněn.

You might have a little predictor, a neural simulator,

Možná tam je jakýsi malý ukazatel, neurální simulátor toho,

of the physics of your body and your senses.

jak se budou podle fyzikálních zákonů chovat vaše tělo a smysly.

So as you send a movement command down,

Takže když vyšlete dolů příkaz k pohybu,

you tap a copy of that off

odeberete také jeho kopii

and run it into your neural simulator

necháte ji projet vaším neurálním simulátorem,

to anticipate the sensory consequences of your actions.

abyste tak předpověděli smyslové důsledky svého jednání.

So as I shake this ketchup bottle,

Takže zatímco třepu touto lahví s kečupem,

I get some true sensory feedback as the function of time in the bottom row.

dostávám pravou zpětnou vazbu od smyslů jako funkci času ve spodní řadě.

And if I've got a good predictor, it predicts the same thing.

A mám-li dobrý simulátor, bude jeho přepověď totožná.

Well why would I bother doing that?

Tak proč to tedy vůbec dělám?

I'm going to get the same feedback anyway.

Stejně dostanu zpětnou vazbu, která je totožná.

Well there's good reasons.

Tak tedy - existují dobré důvody.

Imagine, as I shake the ketchup bottle,

Představte si, že jak tak třepu onou lahví s kečupem,

someone very kindly comes up to me and taps it on the back for me.

tak někdo ochotně přistoupí a poklepe mi na dno lahve.

Now I get an extra source of sensory information

Teď mám další zdroj smyslových informací

due to that external act.

kvůli tomuto vnějšímu působení.

So I get two sources.

Mám tedy dva zdroje:

I get you tapping on it, and I get me shaking it,

vás, který na to klepete, a mě, který tím třepu.

but from my senses' point of view,

ale z pohledu mých smyslů

that is combined together into one source of information.

je to sloučeno do jediného informačního zdroje.

Now there's good reason to believe

Máme pádný důvod k tomu se domnívat,

that you would want to be able to distinguish external events from internal events.

že byste chtěli být schopni rozeznat vnější události od vnitřních.

Because external events are actually much more behaviorally relevant

To proto, že vnější události mají větší dopad na chování,

than feeling everything that's going on inside my body.

než schopnost rozeznat vše, co se děje v mém těle.

So one way to reconstruct that

Jedním způsobem, jak to rekonstruovat,

is to compare the prediction --

je porovnat předpověď --

which is only based on your movement commands --

která vychází pouze z vašich pohybových příkazů --

with the reality.

s tím, co se ve skutečnosti stane.

Any discrepancy should hopefully be external.

Případná nesrovnalost by měla být dána - doufejme - vnějším vlivem.

So as I go around the world,

Takže jak tak chodím po světě,

I'm making predictions of what I should get, subtracting them off.

předpovídám, co by se mělo stát - a odečítám to.

Everything left over is external to me.

A to, co zbude, to je vůči mně vnější.

What evidence is there for this?

Jaké jsou pro to důkazy?

Well there's one very clear example

Tak tedy, existuje jeden velmi jednoznačný příklad toho,

where a sensation generated by myself feels very different

kde můj pocit, který vyvolám já,

then if generated by another person.

se velice liší od pocitu vyvolaného někým jiným.

And so we decided the most obvious place to start

Usoudili jsme, že nejvhodnější by bylo začít

was with tickling.

lechtáním.

It's been known for a long time, you can't tickle yourself

Jak je už dlouho známo, člověk sám sebe nemůže lechtat

as well as other people can.

tak dobře, jak to dokáže někdo jiný.

But it hasn't really been shown, it's because you have a neural simulator,

Nebylo ale ještě dokázáno, že za tím stojí neurální simulátor,

simulating your own body

simulující činnost našeho těla

and subtracting off that sense.

a odečítající příslušné pocity.

So we can bring the experiments of the 21st century

My ale můžeme tyto pokusy přivést do 21. století

by applying robotic technologies to this problem.

a při řešení využít robotických technologií.

And in effect, what we have is some sort of stick in one hand attached to a robot,

To v praxi znamená, že někdo jednou rukou drží tyčku připojenou k robotu -

and they're going to move that back and forward.

a tou tyčkou hýbe sem a tam.

And then we're going to track that with a computer

Tento pohyb sledujeme v počítači

and use it to control another robot,

a pomocí něho řídíme druhého robota,

which is going to tickle their palm with another stick.

který toho člověka lechtá na dlani jinou tyčkou.

And then we're going to ask them to rate a bunch of things

A po tom člověku pak chceme, aby vyhodnotil řadu věcí,

including ticklishness.

mezi nimiž je lechtivost.

I'll show you just one part of our study.

Ukážu vám jen část naší studie.

And here I've taken away the robots,

Tady už nevidíte roboty, v podstatě ale nejde o nic jiného,

but basically people move with their right arm sinusoidally back and forward.

než že ten člověk hýbe pravou rukou sem a tam po jakési sinusoidě.

And we replay that to the other hand with a time delay.

A tento pohyb převádíme na druhou ruku, ale s prodlevou.

Either no time delay,

Buď s nulovou prodlevou,

in which case light would just tickle your palm,

v kterémžto případě pravá ruka lechtá dlaň přímo,

or with a time delay of two-tenths of three-tenths of a second.

nebo s prodlevou 1/10, 2/10 nebo 3/10 vteřiny.

So the important point here

Zde je důležité připomenout,

is the right hand always does the same things -- sinusoidal movement.

že pravá ruka vykonává pořád totéž - sinusoidní pohyb.

The left hand always is the same and puts sinusoidal tickle.

Levá ruka také pořád dělá totéž a vyvolává sinusoidní lechtivost.

All we're playing with is a tempo causality.

Hrajeme si pouze a jenom s časovou kauzalitou.

And as we go from naught to 0.1 second,

A jak prodlevu zvyšujeme z nuly na 0,1 vteřiny,

it becomes more ticklish.

lechtivost roste.

As you go from 0.1 to 0.2,

A když pak prodlevu zvyšujeme z 0,1 na 0,2 vteřiny,

it becomes more ticklish at the end.

lechtivost stále roste.

And by 0.2 of a second,

A než prodleva dosáhne 0,2 vteřiny,

it's equivalently ticklish

lechtivost je stejná,

to the robot that just tickled you without you doing anything.

jako když vás robot lechtá sám, aniž vy byste cokoliv dělal.

So whatever is responsible for this cancellation

Cokoliv tedy zapříčiňuje ono rušení

is extremely tightly coupled with tempo causality.

musí být nesmírně pevně spojeno s časovou kauzalitou.

And based on this illustration, we really convinced ourselves in the field

Tato a další studie nás badatele z tohoto oboru přesvědčily,

that the brain's making precise predictions

že mozek činí přesné předpovědi

and subtracting them off from the sensations.

a odečítá je od vjemů.

Now I have to admit, these are the worst studies my lab has ever run.

Musím přiznat, že to byly ty nejobtížnější studie v historii naší laboratoře.

Because the tickle sensation on the palm comes and goes,

Protože lechtivost dlaně kolísá,

you need large numbers of subjects

potřebujete značný počet subjektů,

with these stars making them significant.

abyste získali statisticky signifikantní výsledky.

So we were looking for a much more objective way

Takže jsme hledali daleko objektivnější způsob,

to assess this phenomena.

jak tento jev vyhodnotit.

And in the intervening years I had two daughters.

No a mezitím se mi narodily dvě dcery.

And one thing you notice about children in backseats of cars on long journeys,

Děti, když sedí na zadních sedadlech auta při dlouhých jízdách,

they get into fights --

se začnou prát, jak si všimnete --

which started with one of them doing something to the other, the other retaliating.

začne to tím, že jeden něco druhému provede, a ten mu to oplatí.

It quickly escalates.

A situace se kvapem hrotí.

And children tend to get into fights which escalate in terms of force.

A dětské rvačky se často stupňují co do použité síly.

Now when I screamed at my children to stop,

Když na své děti zařvu, aby toho nechaly,

sometimes they would both say to me

tak mi někdy obě řekly,

the other person hit them harder.

že ta druhá ji praštila silněji.

Now I happen to know my children don't lie,

No a já náhodou vím, že moje děti nelžou,

so I thought, as a neuroscientist,

takže jsem si řekl - jako neurovědec -

it was important how I could explain

že by mělo význam vysvětlit,

how they were telling inconsistent truths.

jak je možné, že si jejich pravdivá sdělení navzájem odporují.

And we hypothesize based on the tickling study

Vycházejíce ze studie o lechtání jsme přišli s hypotézou,

that when one child hits another,

že když jedno dítě uhodí druhé,

they generate the movement command.

zadá pohybový příkaz.

They predict the sensory consequences and subtract it off.

Předpoví smyslové následky a odečtou je.

So they actually think they've hit the person less hard than they have --

Takže si vlastně myslí, že druhého uděřil slaběji, než tomu skutečně bylo,

rather like the tickling.

poněkud jako u příkladu s lechtáním.

Whereas the passive recipient

Kdežto pasivní příjemce rány

doesn't make the prediction, feels the full blow.

žádnou předpověď nečiní - a cítí náraz v plném rozsahu.

So if they retaliate with the same force,

Pokud mu ji oplatí stejnou silou,

the first person will think it's been escalated.

bude si ten první myslet, že došlo k eskalaci.

So we decided to test this in the lab.

No a tak jsme se rozhodli vyzkoušet to v laboratoři.

(Laughter)

(Smích)

Now we don't work with children, we don't work with hitting,

S dětmi nepracujeme, s údery také ne -

but the concept is identical.

ale koncept je stejný.

We bring in two adults. We tell them they're going to play a game.

Přivedeme dva dospělé a řekneme jim, že si zahrají hru.

And so here's player one and player two sitting opposite to each other.

Tady je hráč jedna a hráč dvě - sedí proti sobě.

And the game is very simple.

Hra je to velice prostá.

We started with a motor

Začali jsme s motorem,

with a little lever, a little force transfuser.

s malou páčkou - malým zesilovačem.

And we use this motor to apply force down to player one's fingers

Pomocí toho motorku vyvíjíme tlak na hráčovy prsty -

for three seconds and then it stops.

tři vteřiny a dost.

And that player's been told, remember the experience of that force

Tomu hráči jsme řekli, aby si zapamatoval pocit z toho tlaku

and use your other finger

a pak druhým prstem

to apply the same force

vyvinul tentýž tlak

down to the other subject's finger through a force transfuser -- and they do that.

na prst svého protihráče pomocí zesilovače - což učiní.

And player two's been told, remember the experience of that force.

A hráči dvě jsme řekli, aby si zapamatoval pocit z onoho tlaku

Use your other hand to apply the force back down.

a druhou rukou ten tlak zopakoval.

And so they take it in turns

Takto se tedy střídají

to apply the force they've just experienced back and forward.

ve vyvíjení tlaku, který právě pocítili - tam a zpátky.

But critically,

Klíčové je ale to,

they're briefed about the rules of the game in separate rooms.

že jsme je poučili o pravidlech hry v oddělených místnostech.

So they don't know the rules the other person's playing by.

Takže neví, jakými pravidly se řídí protihráč.

And what we've measured

Při tomto pokusu jsme měřili

is the force as a function of terms.

sílu jako funkci počtu střídání.

And if we look at what we start with,

A podíváme-li se na první naměřenou hodnotu -

a quarter of a Newton there, a number of turns,

čtvrt Newtonu... a počet střídání...

perfect would be that red line.

ideálním výsledkem by byla ta červená čára.

And what we see in all pairs of subjects is this --

Co ale vidíme u každého páru subjektů je toto:

a 70 percent escalation in force

70 procentní stupňování síly

on each go.

při každém střídání.

So it really suggests, when you're doing this --

To opravdu svědčí o tom, že při této hře --

based on this study and others we've done --

vycházíme zde z této a jiných studií, které jsme uskutečnili --

that the brain is canceling the sensory consequences

mozek odečítá smyslové následky

and underestimating the force it's producing.

a podhodnocuje sílu, kterou vyvíjí.

So it re-shows the brain makes predictions

Takže to skutečně dokazuje, že mozek činí předpovědi,

and fundamentally changes the precepts.

a mění samu podstatu vnímání.

So we've made inferences, we've done predictions,

Po dedukcích a předpovědích

now we have to generate actions.

musí přijít samotné jednání.

And what Bayes' rule says is, given my beliefs,

A tady bayesovo pravidlo říká, že vycházím-li ze svých představ,

the action should in some sense be optimal.

tak by jednání mělo být v jistém smyslu optimální.

But we've got a problem.

Narážíme ale na překážku.

Tasks are symbolic -- I want to drink, I want to dance --

Úkony jsou symbolické - chcí se napít, chci tancovat -

but the movement system has to contract 600 muscles

ale pohybové ústrojí musí stáhnout 600 různých svalů

in a particular sequence.

v určitém sledu.

And there's a big gap

Zeje tedy velký rozdíl

between the task and the movement system.

mezi úkonem a pohybovým ústrojím.

So it could be bridged in infinitely many different ways.

Způsobů, jak tento rozdíl překonat, je nekonečně mnoho.

So think about just a point to point movement.

Vezměme si třeba obyčejný pohyb z bodu do bodu.

I could choose these two paths

Mohu zvolit tyto dvě dráhy -

out of an infinite number of paths.

z nekonečného počtu možných drah.

Having chosen a particular path,

Jakmile jsem si zvolil konkrétní dráhu,

I can hold my hand on that path

mohu svou ruku na ní držet

as infinitely many different joint configurations.

v nekonečném počtu různých kloubních konfigurací.

And I can hold my arm in a particular joint configuration

A když si vyberu konkrétní kloubní konfiguraci,

either very stiff or very relaxed.

můžu v ní ruku držet velmi zaťatou nebo velmi uvolněnou.

So I have a huge amount of choice to make.

Takže si musím vybrat z ohromného množství možností.

Now it turns out, we are extremely stereotypical.

A jak se ukázalo, jsme velice stereotypní.

We all move the same way pretty much.

Všichni děláme téměr totožné pohyby.

And so it turns out we're so stereotypical,

A jelikož jsme se ukázali býti tak stereotypními,

our brains have got dedicated neural circuitry

naše mozky mají specializovaný neurální systém

to decode this stereotyping.

na dešifrování těchto stereotypů.

So if I take some dots

Takže když vezmu pár teček

and set them in motion with biological motion,

a rozpohybuji je biologickým pohybem,

your brain's circuitry would understand instantly what's going on.

tento neurální systém ve vašem mozku by okamžitě pochopil, o co se jedná.

Now this is a bunch of dots moving.

Tohle je shluk pohybujících se teček,

You will know what this person is doing,

ale vy poznáte, co ten člověk dělá,

whether happy, sad, old, young -- a huge amount of information.

zda je spokojený, smutný, starý, mladý - ohromné množství informací.

If these dots were cars going on a racing circuit,

Ale kdyby tyto tečky představovaly auta na závodní dráze,

you would have absolutely no idea what's going on.

neměli byste nejmenší tušení, co se děje.

So why is it

Proč se tedy pohybujeme

that we move the particular ways we do?

pouze určitými způsoby?

Well let's think about what really happens.

Tak tedy, zamysleme se nad tím, co se skutečně děje.

Maybe we don't all quite move the same way.

Možná se všichni nepohybujeme úplně stejně.

Maybe there's variation in the population.

Možná je v populaci rozmanitost.

And maybe those who move better than others

A možná ti, kdo se dovedou pohybovat lépe než ostatní,

have got more chance of getting their children into the next generation.

mají větší šanci dostat své potomky do dalšího pokolení.

So in evolutionary scales, movements get better.

Takže na evoluční stupnici se pohybové schopnosti zlepšují.

And perhaps in life, movements get better through learning.

A možná že se naše pohyby během života učením zlepšují.

So what is it about a movement which is good or bad?

Čím to tedy je, že nějaký pohyb je dobrý a jiný špatný?

Imagine I want to intercept this ball.

Představte si, že chci chytit tento míček.

Here are two possible paths to that ball.

Tady vidíte dvě možné dráhy k tomu míčku.

Well if I choose the left-hand path,

Zvolím-li tu nalevo,

I can work out the forces required

mohu přijít na to, jaké síly je třeba

in one of my muscles as a function of time.

v tom kterém svalu v závislosti na čase.

But there's noise added to this.

Nicméně do toho vstupuje také šum.

So what I actually get, based on this lovely, smooth, desired force,

Takže nakonec skončím, místo té krásné, hladké, kýžené síly,

is a very noisy version.

je tato šumem zamořená verze.

So if I pick the same command through many times,

Takže zvolím-li opakovaně tentýž příkaz,

I will get a different noisy version each time, because noise changes each time.

dostanu díky šumu pokaždé jinou verzi, jelikož šum je pokaždé jiný.

So what I can show you here

Takže tady vám mohu ukázat,

is how the variability of the movement will evolve

jak se ta variabilita pohybu bude vyvíjet,

if I choose that way.

když si zvolím tuhle dráhu.

If I choose a different way of moving -- on the right for example --

Když si zvolím jinou dráhu - třeba tu napravo -

then I'll have a different command, different noise,

tak to bude obnášet jiné příkazy, jiný šum,

playing through a noisy system, very complicated.

a jelikož se to vše odehrává v nelineárním systému, je to velice složité.

All we can be sure of is the variability will be different.

Můžeme být jisti jedině tím, že ona variabilita bude odlišná.

If I move in this particular way,

Zvolím-li tuto konkrétní dráhu,

I end up with a smaller variability across many movements.

dostanu, napříč celou řadou jednotlivých pohybů, menší variabilitu.

So if I have to choose between those two,

Takže pokud si musím vybrat mezi těmito dvěma,

I would choose the right one because it's less variable.

vybral bych si tu napravo, protože obnáší menší variabilitu.

And the fundamental idea

Klíčovou myšlenkou je tedy to,

is you want to plan your movements

že chcete rozvrhnout své pohyby tak,

so as to minimize the negative consequence of the noise.

aby ony nepříznivé důsledky šumu byly co nejmenší.

And one intuition to get

A jeden intuitivní vhled, který je třeba pochopit,

is actually the amount of noise or variability I show here

je to, že množství šumu či variability, které zde ukazuji,

gets bigger as the force gets bigger.

je tím větší, čím větší je síla.

So you want to avoid big forces as one principle.

Takže jednou zásadou je vyhnout se velkým silám.

So we've shown that using this,

Takže jsme ukázali,

we can explain a huge amount of data --

že takto můžeme vysvětlit ohromné množství dat --

that exactly people are going about their lives planning movements

že, přesně takto, lidé ve svém praktickém životě plánují své pohyby tak,

so as to minimize negative consequences of noise.

aby snížili na nejmenší míru nepříznivé důsledky šumu.

So I hope I've convinced you the brain is there

Doufám, že jsem vás přesvědčil, že mozek je důležitý

and evolved to control movement.

a že se vyvinul proto, aby řídil pohyb.

And it's an intellectual challenge to understand how we do that.

A porozumět tomu, jak to děláme, je intelektuální výzvou.

But it's also relevant

Má to ale také význam

for disease and rehabilitation.

u nemocí a rehabilitace.

There are many diseases which effect movement.

Mnohé nemoci ovlivňují pohyb.

And hopefully if we understand how we control movement,

A doufejme, že když porozumíme tomu, jak řídíme pohyb,

we can apply that to robotic technology.

tak to budeme moci využít v robotické technologii.

And finally, I want to remind you,

A závěrem bych vám chtěl připomenout,

when you see animals do what look like very simple tasks,

že když vidíte zvířata dělat něco, co vypadá velice jednoduše,

the actual complexity of what is going on inside their brain

tak ty složité procesy, které ve skutečnosti probíhají v jejich mozku,

is really quite dramatic.

jsou opravdu naprosto úžasné.

Thank you very much.

Velice vám děkuji.

(Applause)

(Potlesk)

Chris Anderson: Quick question for you, Dan.

Chris Anderson: Měl bych pro tebe jeden rychlý dotaz, Dane.

So you're a movement -- (DW: Chauvinist.) -- chauvinist.

Takže ty jsi pohybový -- (DW: Šovinista) -- šovinista.

Does that mean that you think that the other things we think our brains are about --

Znamená to, že podle tebe ty další věci, které našim mozkům připisujeme -

the dreaming, the yearning, the falling in love and all these things --

snění, toužení, zamilovávání se a všechny takovéto věci --

are a kind of side show, an accident?

odvádějí pozornost od podstaty a jsou jen nahodilostmi?

DW: No, no, actually I think they're all important

DW: Ne, ne, naopak, myslím si, že jsou všechny důležité

to drive the right movement behavior to get reproduction in the end.

jako hnací síla správného pohybového chování vedoucího nakonec k rozmnožení.

So I think people who study sensation or memory

Takže podle mne lidé, kteří zkoumají smyslové vnímání nebo paměť,

without realizing why you're laying down memories of childhood.

si neuvědomují, proč si uchováváme vzpomínky z dětství.

The fact that we forget most of our childhood, for example,

Například to, že většinu svého dětství zapomeneme,

is probably fine, because it doesn't effect our movements later in life.

je nejspíše v pořádku, protože to neovlivňuje naše pohyby později v životě.

You only need to store things which are really going to effect movement.

Potřebujete uchovávat jenom věci, které budou mít skutečný vliv na pohyb.

CA: So you think that people thinking about the brain, and consciousness generally,

CA: Takže podle tebe lidé, kteří přemítají o mozku nebo obecně o vědomí,

could get real insight

by mohli dosáhnout důležitých vhledů,

by saying, where does movement play in this game?

pokud by si řekli, "jakou roli zde hraje pohyb?"

DW: So people have found out for example

DW: Takhle lidé přišli například na to,

that studying vision in the absence of realizing why you have vision

že zkoumání zraku, aniž bychom si uvědomovali, k čemu zrak máme,

is a mistake.

je mylné.

You have to study vision with the realization

Při zkoumání zraku si musíte uvědomovat,

of how the movement system is going to use vision.

jak pohybové ústrojí bude zrak využívat.

And it uses it very differently once you think about it that way.

A využívá ho docela jinak - jakmile o tom budete takto uvažovat.

CA: Well that was quite fascinating. Thank you very much indeed.

CA: Tak tedy, tohle bylo zcela strhující. Opravdu ti velice děkuji.

(Applause)

(Potlesk)