Miguel Nicolelis: A monkey that controls a robot with its thoughts. No, really.

247,203 views ・ 2013-02-18

TED


Dobbeltklik venligst på de engelske undertekster nedenfor for at afspille videoen.

00:00
Translator: Timothy Covell Reviewer: Morton Bast
0
0
7000
Translator: David J. Kreps Finnemann Reviewer: Anders Finn Jørgensen
00:15
The kind of neuroscience that I do and my colleagues do
1
15660
2851
Den slags neurovidenskab som jeg laver og mine kolleger laver
00:18
is almost like the weatherman.
2
18511
2166
er næsten ligesom manden fra vejrudsigten.
00:20
We are always chasing storms.
3
20677
3516
Vi jagter altid storme.
00:24
We want to see and measure storms -- brainstorms, that is.
4
24193
4883
Vi vil se og måle storme -- det vil sige, brainstorme.
00:29
And we all talk about brainstorms in our daily lives,
5
29076
2768
Og vi taler om brainstorms i vores daglige liv,
00:31
but we rarely see or listen to one.
6
31844
3450
men vi ser eller lytter sjældent til en.
00:35
So I always like to start these talks
7
35294
1634
Så jeg kan godt lide at starte disse foredrag
00:36
by actually introducing you to one of them.
8
36928
2982
ved faktisk at introducere jer for en af dem.
00:39
Actually, the first time we recorded more than one neuron --
9
39910
3427
Faktisk, den første gang vi optog mere end en neuron --
00:43
a hundred brain cells simultaneously --
10
43337
2223
hundrede hjerneceller samtidig --
00:45
we could measure the electrical sparks
11
45560
2469
kunne vi måle de elektriske gnister
00:48
of a hundred cells in the same animal,
12
48029
2680
af hundrede celler i det samme dyr,
00:50
this is the first image we got,
13
50709
1802
dette er det første billede vi fik,
00:52
the first 10 seconds of this recording.
14
52511
2315
de første 10 sekunder af denne optagelse.
00:54
So we got a little snippet of a thought,
15
54826
3351
Så vi fik en lille bid af en tanke,
00:58
and we could see it in front of us.
16
58177
2905
og vi kunne se det foran os.
01:01
I always tell the students
17
61082
1012
Jeg fortæller altid de studerende
01:02
that we could also call neuroscientists some sort of astronomer,
18
62094
4106
at vi også kunne kalder neuroforskere en slags astronomer,
01:06
because we are dealing with a system
19
66200
1626
fordi vi har at gøre med et system
01:07
that is only comparable in terms of number of cells
20
67826
2917
der kun er sammenligneligt med hensyn til antallet af celler
01:10
to the number of galaxies that we have in the universe.
21
70743
2936
med antallet af galakser som vi har i universet.
01:13
And here we are, out of billions of neurons,
22
73679
3030
Og her er vi, ud af milliarder af neuroner,
01:16
just recording, 10 years ago, a hundred.
23
76709
2818
kun optagelser, 10 år siden, et hundrede.
01:19
We are doing a thousand now.
24
79527
1583
Vi laver tusind nu.
01:21
And we hope to understand something fundamental about our human nature.
25
81110
5400
Og vi håber på at kunne forstå noget fundamentalt om vores menneskelige natur.
01:26
Because, if you don't know yet,
26
86510
1932
Fordi, hvis I ikke ved det endnu,
01:28
everything that we use to define what human nature is comes from these storms,
27
88442
5250
alt det vi bruger til at definere hvad den menneskelige natur er, kommer fra disse storme,
01:33
comes from these storms that roll over the hills and valleys of our brains
28
93692
4651
det kommer fra disse storme der ruller hen over bakkerne og dalene i vores hjerne
01:38
and define our memories, our beliefs,
29
98343
3885
og definere vores minder, vores overbevisninger,
01:42
our feelings, our plans for the future.
30
102228
2700
vores følelser, vores planer for fremtiden.
01:44
Everything that we ever do,
31
104928
2398
Det eneste vi nogensinde gør,
01:47
everything that every human has ever done, do or will do,
32
107326
5067
alt det mennesket nogensinde har gjort, gør eller vil gøre,
01:52
requires the toil of populations of neurons producing these kinds of storms.
33
112393
5434
kræver mange neuroners hårde arbejde at producere denne slags storme.
01:57
And the sound of a brainstorm, if you've never heard one,
34
117827
2483
Og lyden af en brainstorm, hvis I nogensinde har hørt en,
02:00
is somewhat like this.
35
120310
3349
er noget der ligner dette.
02:03
You can put it louder if you can.
36
123659
3146
Man kan sætte det højere hvis man kan.
02:06
My son calls this "making popcorn while listening to a badly-tuned A.M. station."
37
126805
6403
Min søn kalder dette "at lave popcorn mens man lytter til en dårlig indstillet A.M. station."
02:13
This is a brain.
38
133208
1485
Dette er hjernen.
02:14
This is what happens when you route these electrical storms to a loudspeaker
39
134693
3434
Dette er hvad der sker når man tilslutter disse elektriske storme til en højtaler
02:18
and you listen to a hundred brain cells firing,
40
138127
2866
og man lytter til hundrede aktive hjerneceller,
02:20
your brain will sound like this -- my brain, any brain.
41
140993
4622
vil ens hjerne lyde som dette -- min hjerne, enhver hjerne.
02:25
And what we want to do as neuroscientists in this time
42
145615
3762
Og det vi vil gøre som neuroforskere på denne tid
02:29
is to actually listen to these symphonies, these brain symphonies,
43
149377
5350
er faktisk at lytte til disse symfonier, disse hjernesymfonier,
02:34
and try to extract from them the messages they carry.
44
154727
3400
og prøve at udtrække de signaler der kommer fra dem.
02:38
In particular, about 12 years ago
45
158127
2851
I særdeleshed, for omkring 12 år siden
02:40
we created a preparation that we named brain-machine interfaces.
46
160978
3048
skabte vi en forberedelse som vi kaldte hjerne-maskine grænseflader.
02:44
And you have a scheme here that describes how it works.
47
164026
2702
Og der er et skema her der beskriver hvordan det fungerer.
02:46
The idea is, let's have some sensors that listen to these storms, this electrical firing,
48
166728
5566
Ideen er, lad os have nogle sensorer der lytter til disse storme, disse elektriske udledninger,
02:52
and see if you can, in the same time that it takes
49
172294
3082
og se om I kan, på den samme tid som det tager
02:55
for this storm to leave the brain and reach the legs or the arms of an animal --
50
175376
4969
for denne storm at forlade hjernen og nå benene eller armene af et dyr --
03:00
about half a second --
51
180345
2864
omkring et halvt sekund --
03:03
let's see if we can read these signals,
52
183209
2351
lad os se om vi kan læse disse signaler,
03:05
extract the motor messages that are embedded in it,
53
185560
3400
udtrække de motoriske signaler der er indlejret i dem,
03:08
translate it into digital commands
54
188960
2272
oversætte dem til digitale kommandoer
03:11
and send it to an artificial device
55
191232
1886
og sende dem til et kunstigt apparat
03:13
that will reproduce the voluntary motor wheel of that brain in real time.
56
193118
5893
der vil reproducere det motoriske arbejde for den hjerne i realtid.
03:19
And see if we can measure how well we can translate that message
57
199011
3848
Og se om vi kan måle hvor godt vi kan oversætte det signal
03:22
when we compare to the way the body does that.
58
202859
3518
når vi sammenligner det med måden som kroppen gør det.
03:26
And if we can actually provide feedback,
59
206377
2866
Og hvis vi faktisk kan give feedback,
03:29
sensory signals that go back from this robotic, mechanical, computational actuator
60
209243
5734
kan sanse signaler der går tilbage fra denne robotagtige, mekaniske
03:34
that is now under the control of the brain,
61
214977
2251
beregningsmæssige aktiveringsenhed, der nu er under hjernens kontrol,
03:37
back to the brain,
62
217228
1311
tilbage til hjernen,
03:38
how the brain deals with that,
63
218539
2121
hvordan hjernen håndterer det,
03:40
of receiving messages from an artificial piece of machinery.
64
220660
4901
at modtage signaler fra et kunstigt stykke maskineri.
03:45
And that's exactly what we did 10 years ago.
65
225561
2321
Og det er faktisk hvad vi gjorde for 10 år siden.
03:47
We started with a superstar monkey called Aurora
66
227882
2961
Vi begyndte med en superstjerneabe der hedder Aurora
03:50
that became one of the superstars of this field.
67
230843
2468
der blev en af superstjernerne i dette felt.
03:53
And Aurora liked to play video games.
68
233311
2299
Og Aurora kunne godt lide at spille computerspil.
03:55
As you can see here,
69
235610
1373
Som I kan se her,
03:56
she likes to use a joystick, like any one of us, any of our kids, to play this game.
70
236983
4944
hun kan godt lide at bruge et joystick, ligesom vi, ligesom jeres børn, at spille dette spil.
04:01
And as a good primate, she even tries to cheat before she gets the right answer.
71
241927
4671
Og som en god primat, prøver hun endda at snyde inden hun giver det rigtige svar.
04:06
So even before a target appears that she's supposed to cross
72
246598
4283
Så selv inden der viser sig et mål som hun skal krydse af
04:10
with the cursor that she's controlling with this joystick,
73
250881
2850
med markøren som hun kontrollerer med dette joystick,
04:13
Aurora is trying to find the target, no matter where it is.
74
253731
3951
prøver Aurora at finde målet, uanset hvor det er.
04:17
And if she's doing that,
75
257682
1469
Og hvis hun gør det,
04:19
because every time she crosses that target with the little cursor,
76
259151
3314
fordi hver gang hun krydser det mål med den lille markør,
04:22
she gets a drop of Brazilian orange juice.
77
262465
2950
får hun en dråbe brasiliansk appelsinjuice.
04:25
And I can tell you, any monkey will do anything for you
78
265415
2950
Og jeg kan fortælle jer, at enhver abe vil gøre hvad som helst for dig
04:28
if you get a little drop of Brazilian orange juice.
79
268365
3100
hvis man får en lille dråbe brasiliansk appelsinjuice.
04:31
Actually any primate will do that.
80
271465
2731
Det vil alle primater faktisk.
04:34
Think about that.
81
274196
1334
Tænk over det.
04:35
Well, while Aurora was playing this game, as you saw,
82
275530
3400
Jamen, mens Aurora spillede dette spil, som I så,
04:38
and doing a thousand trials a day
83
278930
2435
og lavede tusinde forsøg hver dag
04:41
and getting 97 percent correct and 350 milliliters of orange juice,
84
281365
3883
og fik 97 procent rigtige og 350 milliliter appelsinjuice,
04:45
we are recording the brainstorms that are produced in her head
85
285248
3399
optager vi de brainstorms der bliver produceret i hendes hoved
04:48
and sending them to a robotic arm
86
288647
1647
og sender dem tilbage til en robotarm
04:50
that was learning to reproduce the movements that Aurora was making.
87
290294
3871
der lærte at reproducere bevægelserne som Aurora lavede.
04:54
Because the idea was to actually turn on this brain-machine interface
88
294165
3783
Fordi ideen var faktisk at tænde for denne hjerne-maskine grænseflade
04:57
and have Aurora play the game just by thinking,
89
297948
4700
og få Aurora til at spille spillet bare ved at tænke,
05:02
without interference of her body.
90
302648
2617
uden at blive forstyrret af hendes krop.
05:05
Her brainstorms would control an arm
91
305265
2916
Hendes brainstorms ville kontrollere en arm
05:08
that would move the cursor and cross the target.
92
308181
2709
der ville flytte markøren og krydse målet.
05:10
And to our shock, that's exactly what Aurora did.
93
310890
3191
Og til vores chok, er det præcis det Aurora gjorde.
05:14
She played the game without moving her body.
94
314081
4200
Hun spillede spillet uden at flytte sin krop.
05:18
So every trajectory that you see of the cursor now,
95
318281
2237
Så enhver kurs som I ser markøren lave nu,
05:20
this is the exact first moment she got that.
96
320518
3212
dette er præcis det første øjeblik hun forstod det.
05:23
That's the exact first moment
97
323730
1784
Det er præcis det første øjeblik
05:25
a brain intention was liberated from the physical domains of a body of a primate
98
325514
6767
en hjerneintention blev frigjort fra det fysiske domæne af en primatkrop
05:32
and could act outside, in that outside world,
99
332281
3700
og kunne agere udenfor, i den verden udenfor,
05:35
just by controlling an artificial device.
100
335981
2966
bare ved at kontrollere et kunstigt apparat.
05:38
And Aurora kept playing the game, kept finding the little target
101
338947
4917
Og Aurora blev ved med at spille spillet, blev ved med at finde målet
05:43
and getting the orange juice that she wanted to get, that she craved for.
102
343864
3917
og fik den appelsinjuice som hun ville have, som hun havde trang til.
05:47
Well, she did that because she, at that time, had acquired a new arm.
103
347781
6701
Jamen, hun gjorde det fordi hun, på det tidspunkt, havde fået en ny arm.
05:54
The robotic arm that you see moving here 30 days later,
104
354482
2963
Den robotarm I kan se flytte sig her 30 dage senere,
05:57
after the first video that I showed to you,
105
357445
2686
efter det første videoklip jeg viste jer,
06:00
is under the control of Aurora's brain
106
360131
2650
bliver kontrolleret af Auroras hjerne
06:02
and is moving the cursor to get to the target.
107
362781
3168
og flytter markøren for at komme hen til målet.
06:05
And Aurora now knows that she can play the game with this robotic arm,
108
365949
3899
Og Aurora ved nu at hun kan spille spillet med denne robotarm,
06:09
but she has not lost the ability to use her biological arms to do what she pleases.
109
369848
5716
men hun har ikke mistet mulighederne for at bruge hendes biologiske arme til at gøre hvad hun vil.
06:15
She can scratch her back, she can scratch one of us, she can play another game.
110
375564
4067
Hun kan klø sig på ryggen, hun kan klø en af os, hun kan spille endnu et spil.
06:19
By all purposes and means,
111
379631
1600
I alle hensigter og betydninger,
06:21
Aurora's brain has incorporated that artificial device
112
381231
4116
havde Auroras hjerne integreret det kunstige apparat
06:25
as an extension of her body.
113
385347
2750
som en forlængelse af hendes krop.
06:28
The model of the self that Aurora had in her mind
114
388097
3533
Modellen af det selv som Aurora havde i sit sind
06:31
has been expanded to get one more arm.
115
391630
4084
er blevet udvidet til at få endnu en arm.
06:35
Well, we did that 10 years ago.
116
395714
2350
Jamen, det gjorde vi for 10 år siden.
06:38
Just fast forward 10 years.
117
398064
2833
Bare spol 10 år frem.
06:40
Just last year we realized that you don't even need to have a robotic device.
118
400897
4983
Bare sidste år blev vi klar over at man ikke engang har brug for et robotagtige apparat.
06:45
You can just build a computational body, an avatar, a monkey avatar.
119
405880
5484
Man kan bare bygge en beregningsmæssig krop, en avatar, en abeavatar.
06:51
And you can actually use it for our monkeys to either interact with them,
120
411364
4250
Og man kan faktisk bruge den til vores aber til enten at interagere med dem,
06:55
or you can train them to assume in a virtual world
121
415614
4439
eller man kan træne dem til at indtage i en virtuel verden
07:00
the first-person perspective of that avatar
122
420053
3044
et førstepersons perspektiv med den avatar
07:03
and use her brain activity to control the movements of the avatar's arms or legs.
123
423097
5651
og bruge hendes hjerneaktivitet til at kontrollere bevægelserne af avatarens arme eller ben.
07:08
And what we did basically was to train the animals
124
428748
2766
Og det vi dybest set gjorde var at træne dyrene
07:11
to learn how to control these avatars
125
431514
3050
til at lære hvordan man kontrollerer disse avatarer
07:14
and explore objects that appear in the virtual world.
126
434564
3899
og udforske objekter der forekommer i den virtuelle verden.
07:18
And these objects are visually identical,
127
438463
2301
Og disse objekter er visuelt identiske,
07:20
but when the avatar crosses the surface of these objects,
128
440764
3883
men når en avatar overskrider disse objekters overflade,
07:24
they send an electrical message that is proportional to the microtactile texture of the object
129
444647
6400
sender de et elektrisk signal der er proportionalt med den mikrotaktile tekstur af objektet
07:31
that goes back directly to the monkey's brain,
130
451047
4016
der går direkte tilbage til abens hjerne,
07:35
informing the brain what it is the avatar is touching.
131
455063
5052
og informerer hjernen om hvad det er avataren rører.
07:40
And in just four weeks, the brain learns to process this new sensation
132
460115
4765
Og på bare fire uger, lærer hjernen at behandle denne nye oplevelse
07:44
and acquires a new sensory pathway -- like a new sense.
133
464880
6434
og tilegner sig en ny sanse sti -- som en ny sans.
07:51
And you truly liberate the brain now
134
471314
2416
Og man kan i sandhed frigøre hjernen nu
07:53
because you are allowing the brain to send motor commands to move this avatar.
135
473730
4384
fordi man tillader hjernen at sende motorsignaler til at flytte denne avatar.
07:58
And the feedback that comes from the avatar is being processed directly by the brain
136
478114
5000
Og feedbacken der kommer fra avataren bliver behandlet direkte i hjernen
08:03
without the interference of the skin.
137
483114
2433
uden hudens interferens.
08:05
So what you see here is this is the design of the task.
138
485547
2534
Så det man ser her er designet af opgaven.
08:08
You're going to see an animal basically touching these three targets.
139
488081
4250
Man vil se et dyr der dybest set rører disse tre mål.
08:12
And he has to select one because only one carries the reward,
140
492331
4349
Og han skal selektere en, fordi kun en bærer på belønningen,
08:16
the orange juice that they want to get.
141
496680
1867
appelsinjuicen som de vil have.
08:18
And he has to select it by touch using a virtual arm, an arm that doesn't exist.
142
498547
5633
Og han skal vælge den ved at røre ved den, ved hjælp af en virtuel arm, en arm der ikke eksisterer.
08:24
And that's exactly what they do.
143
504180
2000
Og det er præcis det de gør.
08:26
This is a complete liberation of the brain
144
506180
3435
Dette er en komplet frigørelse af hjernen
08:29
from the physical constraints of the body and the motor in a perceptual task.
145
509615
4282
fra kroppens og motorikkens fysiske begrænsninger i en perceptuel opgave.
08:33
The animal is controlling the avatar to touch the targets.
146
513897
4167
Dyret kontrollerer avataren for at røre ved målene.
08:38
And he's sensing the texture by receiving an electrical message directly in the brain.
147
518064
5651
Og han mærker teksturen ved at modtage et elektrisk signal direkte ind i hjernen.
08:43
And the brain is deciding what is the texture associated with the reward.
148
523715
3883
Og hjernen beslutter hvad hvilken tekstur der er forbundet med belønningen.
08:47
The legends that you see in the movie don't appear for the monkey.
149
527598
3832
Signaturforklaringerne som man ser i filmen viser sig ikke for aben.
08:51
And by the way, they don't read English anyway,
150
531430
2484
Og for øvrigt, kan de alligevel ikke læse engelsk,
08:53
so they are here just for you to know that the correct target is shifting position.
151
533914
5216
så de er der bare så I ved at det rigtige mål flytter sig.
08:59
And yet, they can find them by tactile discrimination,
152
539130
3934
Og alligevel, kan de finde dem gennem berøringsmæssig sondring,
09:03
and they can press it and select it.
153
543064
3217
og de kan trykke på den og selektere den.
09:06
So when we look at the brains of these animals,
154
546281
2682
Så når vi ser på disse dyrs hjerner,
09:08
on the top panel you see the alignment of 125 cells
155
548963
3667
i det øverste panel ser man grupperingen af 125 celler
09:12
showing what happens with the brain activity, the electrical storms,
156
552630
4201
der viser hvad der sker med hjerneaktiviteten, de elektriske storme,
09:16
of this sample of neurons in the brain
157
556831
2067
af denne prøve af neuroner i hjernen
09:18
when the animal is using a joystick.
158
558898
2116
når dyret bruger joysticket.
09:21
And that's a picture that every neurophysiologist knows.
159
561014
2600
Og det er et billede som alle neurofysiologer kender.
09:23
The basic alignment shows that these cells are coding for all possible directions.
160
563614
5183
Den grundlæggende gruppering viser at disse celler koder i alle mulige retninger.
09:28
The bottom picture is what happens when the body stops moving
161
568797
5683
Det nederste billede er det der sker når kroppen holder op med at bevæge sig
09:34
and the animal starts controlling either a robotic device or a computational avatar.
162
574480
6134
og dyret begynder at kontrollere enten et robotagtigt apparat eller en beregningsmæssig avatar.
09:40
As fast as we can reset our computers,
163
580614
3066
Så hurtigt som vi kan genstarte vores computere,
09:43
the brain activity shifts to start representing this new tool,
164
583680
5818
begynder hjerneaktiviteten at repræsentere dette nye redskab,
09:49
as if this too was a part of that primate's body.
165
589498
5250
som om dette også er en del af den primats krop.
09:54
The brain is assimilating that too, as fast as we can measure.
166
594748
4715
Hjernen assimilerer også det, så hurtigt som vi kan måle det.
09:59
So that suggests to us that our sense of self
167
599463
3618
Så for os tyder det på at vores jeg-følelse
10:03
does not end at the last layer of the epithelium of our bodies,
168
603081
4150
ikke ender ved det sidste lag af epitel af vores krop,
10:07
but it ends at the last layer of electrons of the tools that we're commanding with our brains.
169
607231
5718
men det ender ved det sidste lag af elektroner af de redskaber som vi kontrollerer med vores hjerner.
10:12
Our violins, our cars, our bicycles, our soccer balls, our clothing --
170
612949
4764
Vores violiner, vores biler, vores cykler, vores fodbolde, vores tøj --
10:17
they all become assimilated by this voracious, amazing, dynamic system called the brain.
171
617713
6851
de bliver alle assimileret af dette forslugne, fantastiske, dynamiske system der hedder hjernen.
10:24
How far can we take it?
172
624564
1699
Hvor langt kan vi gå med dette?
10:26
Well, in an experiment that we ran a few years ago, we took this to the limit.
173
626263
4218
Jamen, i et eksperiment vi udførte for nogle år siden, tog vi dette til grænsen.
10:30
We had an animal running on a treadmill
174
630481
2482
Vi havde et dyr der løb i en trædemølle
10:32
at Duke University on the East Coast of the United States,
175
632963
2267
ved Duke University på USAs østkyst,
10:35
producing the brainstorms necessary to move.
176
635230
2700
der producerede de brainstorms der var nødvendige for at bevæge sig.
10:37
And we had a robotic device, a humanoid robot,
177
637930
4091
Og vi havde et robotagtige apparat, en humanoid robot,
10:42
in Kyoto, Japan at ATR Laboratories
178
642021
2394
i Kyoto, Japan ved ATR Laboratories
10:44
that was dreaming its entire life to be controlled by a brain,
179
644415
6094
der hele sit liv drømte om at blive kontrolleret af en hjerne,
10:50
a human brain, or a primate brain.
180
650509
3273
en menneskelig hjerne, eller en primat hjerne.
10:53
What happens here is that the brain activity that generated the movements in the monkey
181
653782
4598
Det der sker her er at hjerne aktiviteten der genererede bevægelserne i aben
10:58
was transmitted to Japan and made this robot walk
182
658380
3467
blev sendt til Japan og fik denne robot til at gå
11:01
while footage of this walking was sent back to Duke,
183
661847
4067
mens optagelser af denne gang blev sendt tilbage til Duke,
11:05
so that the monkey could see the legs of this robot walking in front of her.
184
665914
5233
så aben kunne se benene af denne robot der gik rundt foran hende.
11:11
So she could be rewarded, not by what her body was doing
185
671147
4067
Så hun kunne belønnes, ikke ved det hendes krop gjorde
11:15
but for every correct step of the robot on the other side of the planet
186
675214
4961
men for hvert af robottens korrekte skridt, på den anden side af planeten
11:20
controlled by her brain activity.
187
680175
2609
kontrolleret af hendes hjerneaktivitet.
11:22
Funny thing, that round trip around the globe took 20 milliseconds less
188
682784
7118
En sjov ting, den tur rundt om jorden var 20 millisekunder hurtigere
11:29
than it takes for that brainstorm to leave its head, the head of the monkey,
189
689902
4150
end det tager for hendes hjernestorm at forlade hovedet, abens hoved,
11:34
and reach its own muscle.
190
694052
3870
og nå dens egne muskler.
11:37
The monkey was moving a robot that was six times bigger, across the planet.
191
697922
6030
Aben bevægede en robot der var seks gange større, tværs over planeten.
11:43
This is one of the experiments in which that robot was able to walk autonomously.
192
703952
6400
Dette er et af eksperimenterne hvor robotten var i stand til at gå selvstændigt.
11:50
This is CB1 fulfilling its dream in Japan
193
710352
5267
Dette er CB1 der opfylder sin drøm i Japan
11:55
under the control of the brain activity of a primate.
194
715619
3700
under primatens hjerneaktivitets kontrol.
11:59
So where are we taking all this?
195
719319
1989
Så hvor vil vi hen med alt dette?
12:01
What are we going to do with all this research,
196
721308
2343
Hvad vil vi gøre med al denne forskning,
12:03
besides studying the properties of this dynamic universe that we have between our ears?
197
723651
5668
ud over at studere egenskaberne ved dette dynamiske univers vi har mellem vores ører?
12:09
Well the idea is to take all this knowledge and technology
198
729319
4833
Jamen ideen er at tage al denne viden og teknologi
12:14
and try to restore one of the most severe neurological problems that we have in the world.
199
734152
5484
og prøve at genoprette en af de mest alvorlige neurologiske problemer som vi har i verden.
12:19
Millions of people have lost the ability to translate these brainstorms
200
739636
4583
Millioner af mennesker har mistet evnen til at oversætte disse brainstorms
12:24
into action, into movement.
201
744219
2116
til handling, til bevægelse.
12:26
Although their brains continue to produce those storms and code for movements,
202
746335
5234
Selvom deres hjerner fortsætter med at producere disse storme og kode bevægelserne,
12:31
they cannot cross a barrier that was created by a lesion on the spinal cord.
203
751569
5167
de kan ikke krydse en barriere der blev skabt af en kvæstelse på rygraden.
12:36
So our idea is to create a bypass,
204
756736
2450
Så vores ide er at skabe en omledning,
12:39
is to use these brain-machine interfaces to read these signals,
205
759186
4032
at bruge disse hjerne-maskine grænseflader til at læse disse signaler,
12:43
larger-scale brainstorms that contain the desire to move again,
206
763218
4050
større brainstorms der indeholder ønsket om at bevæge sig igen,
12:47
bypass the lesion using computational microengineering
207
767268
3969
omlede kvæstelsen ved hjælp af beregningsmæssig mikroingeniørarbejde
12:51
and send it to a new body, a whole body called an exoskeleton,
208
771237
7114
og sende det til en ny krop, en hel krop der hedder et exoskelet,
12:58
a whole robotic suit that will become the new body of these patients.
209
778351
5567
en hel robotagtig dragt der bliver den nye krop af disse patienter.
13:03
And you can see an image produced by this consortium.
210
783918
4126
Og man kan se et billede der er produceret af dette konsortium.
13:08
This is a nonprofit consortium called the Walk Again Project
211
788044
4059
Dette er et nonprofit konsortium der hedder Walk Again Project
13:12
that is putting together scientists from Europe,
212
792103
2783
der samler forskere fra Europa,
13:14
from here in the United States, and in Brazil
213
794886
1865
her fra USA, og i Brasilien
13:16
together to work to actually get this new body built --
214
796751
4517
til at arbejde sammen og faktisk bygge denne nye krop --
13:21
a body that we believe, through the same plastic mechanisms
215
801268
3334
en krop som vi mener, gennem de samme plastic mekanisme
13:24
that allow Aurora and other monkeys to use these tools through a brain-machine interface
216
804602
5802
der tillader Aurora og andre aber til at bruge disse redskaber gennem en hjerne-maskine grænseflade
13:30
and that allows us to incorporate the tools that we produce and use in our daily life.
217
810404
5630
og det tillader os at inkorporere de redskaber som vi producerer og bruger i vores daglige liv.
13:36
This same mechanism, we hope, will allow these patients,
218
816034
3684
Denne samme mekanisme, håber vi, vil tillade disse patienter,
13:39
not only to imagine again the movements that they want to make
219
819718
3768
ikke kun igen at forestille sig de bevægelser som de vil lave
13:43
and translate them into movements of this new body,
220
823486
3207
og oversætte dem til bevægelser af denne nye krop,
13:46
but for this body to be assimilated as the new body that the brain controls.
221
826693
6758
men for at denne krop kan assimilere sig som den nye krop som hjernen kontrollerer.
13:53
So I was told about 10 years ago
222
833451
3851
For 10 år siden fik jeg fortalt
13:57
that this would never happen, that this was close to impossible.
223
837302
5066
at dette aldrig ville ske, at dette var tæt på umuligt.
14:02
And I can only tell you that as a scientist,
224
842368
2451
Og jeg kan kun fortælle jer at som forsker,
14:04
I grew up in southern Brazil in the mid-'60s
225
844819
2986
voksede jeg op i det sydlige Brasilien i midten af 60'erne
14:07
watching a few crazy guys telling [us] that they would go to the Moon.
226
847805
5048
og så et par skøre gutter der fortalte [os] at de ville tage til månen.
14:12
And I was five years old,
227
852853
1461
Og jeg var fem år gammel,
14:14
and I never understood why NASA didn't hire Captain Kirk and Spock to do the job;
228
854314
4240
og jeg forstod aldrig hvorfor NASA ikke hyrede kaptajn Kirk og Spock til at klare jobbet;
14:18
after all, they were very proficient --
229
858554
2432
de var trods alt meget dygtige --
14:20
but just seeing that as a kid
230
860986
3450
men bare at se det som barn
14:24
made me believe, as my grandmother used to tell me,
231
864436
2985
fik mig til at tro på, som min bedstemor plejede at fortælle mig,
14:27
that "impossible is just the possible
232
867421
1845
at "det umulige er bare det mulige
14:29
that someone has not put in enough effort to make it come true."
233
869266
3904
som nogen ikke har lagt nok anstrengelse i at gøre sandt."
14:33
So they told me that it's impossible to make someone walk.
234
873170
3799
Så de fortalte mig at det er umuligt at få nogen til at gå.
14:36
I think I'm going to follow my grandmother's advice.
235
876969
3251
Jeg tror at jeg vil følge min bedstemors råd.
14:40
Thank you.
236
880220
1450
Tak.
14:41
(Applause)
237
881670
8029
(Bifald)
Om denne hjemmeside

På dette websted kan du se YouTube-videoer, der er nyttige til at lære engelsk. Du vil se engelskundervisning, der er udført af førsteklasses lærere fra hele verden. Dobbeltklik på de engelske undertekster, der vises på hver videoside, for at afspille videoen derfra. Underteksterne ruller i takt med videoafspilningen. Hvis du har kommentarer eller ønsker, bedes du kontakte os ved hjælp af denne kontaktformular.

https://forms.gle/WvT1wiN1qDtmnspy7