Daniel Wolpert: The real reason for brains

Daniel Wolpert: Der wahre Grund für Gehirne

341,413 views ・ 2011-11-03

TED


Bitte doppelklicken Sie auf die englischen Untertitel unten, um das Video abzuspielen.

Übersetzung: Sandra Holtermann Lektorat: Angelika Lueckert Leon
00:15
I'm a neuroscientist.
0
15260
2000
Ich bin Neurowissenschaftler.
00:17
And in neuroscience,
1
17260
2000
Und in der Neurowissenschaft
00:19
we have to deal with many difficult questions about the brain.
2
19260
3000
beschäftigen wir uns mit vielen schwierigen Fragen zum Gehirn.
00:22
But I want to start with the easiest question
3
22260
2000
Aber ich beginne mit der einfachsten Frage,
00:24
and the question you really should have all asked yourselves at some point in your life,
4
24260
3000
die Sie sich alle einmal in Ihrem Leben gestellt haben sollten,
00:27
because it's a fundamental question
5
27260
2000
denn es ist eine fundamentale Frage,
00:29
if we want to understand brain function.
6
29260
2000
wenn wir die Funktionsweise des Gehirns verstehen wollen.
00:31
And that is, why do we and other animals
7
31260
2000
Sprich, warum haben wir und andere Tiere
00:33
have brains?
8
33260
2000
ein Gehirn?
00:35
Not all species on our planet have brains,
9
35260
3000
Nicht alle Spezies auf unserem Planeten haben Gehirne,
00:38
so if we want to know what the brain is for,
10
38260
2000
wenn wir also wissen wollen, wozu das Gehirn da ist,
00:40
let's think about why we evolved one.
11
40260
2000
sollten wir überlegen, warum wir eines ausgebildet haben.
00:42
Now you may reason that we have one
12
42260
2000
Jetzt können Sie argumentieren, dass wir eines haben,
00:44
to perceive the world or to think,
13
44260
2000
um die Welt wahrzunehmen und zu denken,
00:46
and that's completely wrong.
14
46260
2000
aber das ist komplett falsch.
00:48
If you think about this question for any length of time,
15
48260
3000
Wenn Sie eine zeitlang über diese Frage nachdenken,
00:51
it's blindingly obvious why we have a brain.
16
51260
2000
ist es offensichtlich, warum wir ein Gehirn haben.
00:53
We have a brain for one reason and one reason only,
17
53260
3000
Wir haben aus einem einzigem Grund ein Gehirn,
00:56
and that's to produce adaptable and complex movements.
18
56260
3000
nämlich um anpassungsfähige, komplexe Bewegungen auszuführen.
00:59
There is no other reason to have a brain.
19
59260
2000
Es gibt keine anderen Grund, warum wir ein Gehirn haben.
01:01
Think about it.
20
61260
2000
Denken Sie mal drüber nach.
01:03
Movement is the only way you have
21
63260
2000
Bewegung ist Ihre einzige Möglichkeit,
01:05
of affecting the world around you.
22
65260
2000
die Welt um Sie herum zu beeinflussen.
01:07
Now that's not quite true. There's one other way, and that's through sweating.
23
67260
3000
Nun, das stimmt nicht ganz. Sie können das auch durch Schwitzen machen.
01:10
But apart from that,
24
70260
2000
Aber abgesehen davon
01:12
everything else goes through contractions of muscles.
25
72260
2000
läuft alles über Muskelkontraktionen.
01:14
So think about communication --
26
74260
2000
Denken Sie an Kommunikation –
01:16
speech, gestures, writing, sign language --
27
76260
3000
Sprache, Gesten, Schreiben, Gebärdensprache –
01:19
they're all mediated through contractions of your muscles.
28
79260
3000
sie werden alle über Ihre Muskelkontraktionen übertragen.
01:22
So it's really important to remember
29
82260
2000
Daher ist es wichtig, darauf hinzuweisen,
01:24
that sensory, memory and cognitive processes are all important,
30
84260
4000
dass Sinnes-, Gedächtnis- und Erkenntnisprozesse alle wichtig sind,
01:28
but they're only important
31
88260
2000
aber sie sind nur wichtig,
01:30
to either drive or suppress future movements.
32
90260
2000
um zukünftige Bewegungen zu erzeugen oder zu unterdrücken.
01:32
There can be no evolutionary advantage
33
92260
2000
Es gibt keinen evolutionären Vorteil,
01:34
to laying down memories of childhood
34
94260
2000
Kindheitserinnerungen zu speichern
01:36
or perceiving the color of a rose
35
96260
2000
oder die Farbe einer Rose wahrzunehmen,
01:38
if it doesn't affect the way you're going to move later in life.
36
98260
3000
wenn es nicht die Art beeinflusst, wie man sich später im Leben bewegt.
01:41
Now for those who don't believe this argument,
37
101260
2000
Für alle, die diesem Argument nicht vertrauen,
01:43
we have trees and grass on our planet without the brain,
38
103260
2000
es gibt Bäume und Gräser auf unserem Planeten ohne Gehirn,
01:45
but the clinching evidence is this animal here --
39
105260
2000
aber der entscheidende Beleg ist dieses Tier hier –
01:47
the humble sea squirt.
40
107260
2000
die bescheidene Seescheide.
01:49
Rudimentary animal, has a nervous system,
41
109260
3000
Ein rudimentäres Tier, mit einem Nervensystem,
01:52
swims around in the ocean in its juvenile life.
42
112260
2000
das in seiner Jugend im Ozean umherschwimmt.
01:54
And at some point of its life,
43
114260
2000
Und zu einer bestimmten Zeit seines Lebens
01:56
it implants on a rock.
44
116260
2000
siedeln sie sich auf Felsen an.
01:58
And the first thing it does in implanting on that rock, which it never leaves,
45
118260
3000
Und beim Ansiedeln auf dem Felsen, wo sie immer bleiben wird, verdaut sie
02:01
is to digest its own brain and nervous system
46
121260
3000
als erstes ihr eigenes Gehirn und Nervensystem
02:04
for food.
47
124260
2000
als Nahrung.
02:06
So once you don't need to move,
48
126260
2000
Sobald man sich nicht mehr bewegen muss,
02:08
you don't need the luxury of that brain.
49
128260
3000
braucht man den Luxus eines Gehirns nicht mehr.
02:11
And this animal is often taken
50
131260
2000
Und diese Tier wird oft als
02:13
as an analogy to what happens at universities
51
133260
2000
Analogie für das genommen, was an den Universitäten passiert,
02:15
when professors get tenure,
52
135260
2000
wenn Professoren ihre Festanstellung erhalten,
02:17
but that's a different subject.
53
137260
2000
aber das ist ein anderes Thema.
02:19
(Applause)
54
139260
2000
(Applaus)
02:21
So I am a movement chauvinist.
55
141260
3000
Ich bin also ein Bewegungs-Chauvinist.
02:24
I believe movement is the most important function of the brain --
56
144260
2000
Ich bin überzeugt, dass Bewegung die wichtigste Gehirnfunktion ist –
02:26
don't let anyone tell you that it's not true.
57
146260
2000
lassen Sie sich von niemandem erzählen, dass das nicht stimmt.
02:28
Now if movement is so important,
58
148260
2000
Wenn Bewegung nun so wichtig ist,
02:30
how well are we doing
59
150260
2000
wie gut sind wir darin,
02:32
understanding how the brain controls movement?
60
152260
2000
zu verstehen, wie das Gehirn Bewegung kontrolliert?
02:34
And the answer is we're doing extremely poorly; it's a very hard problem.
61
154260
2000
Und wir sind sehr schlecht darin; es ist ein sehr schwieriges Problem.
02:36
But we can look at how well we're doing
62
156260
2000
Aber wir können uns ansehen, wie gut wir darin sind,
02:38
by thinking about how well we're doing building machines
63
158260
2000
indem wir darüber nachdenken, wie gut wir Maschinen bauen,
02:40
which can do what humans can do.
64
160260
2000
die das tun können, was Menschen tun können.
02:42
Think about the game of chess.
65
162260
2000
Denken Sie ans Schachspielen.
02:44
How well are we doing determining what piece to move where?
66
164260
3000
Wie gut können wir bestimmen, welche Figur wir wohin ziehen müssen?
02:47
If you pit Garry Kasparov here, when he's not in jail,
67
167260
3000
Wenn man Gary Kasparov hier angreift, wenn er nicht im Gefängnis ist,
02:50
against IBM's Deep Blue,
68
170260
2000
gegen IBMs Deep Blue,
02:52
well the answer is IBM's Deep Blue will occasionally win.
69
172260
3000
dann wird IBM Deep Blue gelegentlich gewinnen.
02:55
And I think if IBM's Deep Blue played anyone in this room, it would win every time.
70
175260
3000
Und wenn IBMs Deep Blue gegen alle hier im Raum spielen würde, würde es jedesmal gewinnen.
02:58
That problem is solved.
71
178260
2000
Das Problem ist gelöst.
03:00
What about the problem
72
180260
2000
Aber was ist mit dem Problem,
03:02
of picking up a chess piece,
73
182260
2000
eine Schachfigur zu nehmen,
03:04
dexterously manipulating it and putting it back down on the board?
74
184260
3000
sie geschickt zu manipulieren und sie wieder zurückzustellen?
03:07
If you put a five year-old child's dexterity against the best robots of today,
75
187260
3000
Wenn man die Geschicklichkeit eines 5-jährigen Kindes mit der der besten Roboter vergleicht,
03:10
the answer is simple:
76
190260
2000
ist die Antwort einfach:
03:12
the child wins easily.
77
192260
2000
Das Kind gewinnt mit Leichtigkeit.
03:14
There's no competition at all.
78
194260
2000
Es gibt überhaupt keine Konkurrenz.
03:16
Now why is that top problem so easy
79
196260
2000
Aber warum ist die obere Frage so einfach
03:18
and the bottom problem so hard?
80
198260
2000
und die untere so schwer?
03:20
One reason is a very smart five year-old
81
200260
2000
Ein Grund ist, dass ein sehr schlauer 5-Jähriger
03:22
could tell you the algorithm for that top problem --
82
202260
2000
Ihnen den Algorithmus für das obere Problem nennen könnte –
03:24
look at all possible moves to the end of the game
83
204260
2000
sich alle möglichen Züge bis zum Ende des Spiels anzusehen
03:26
and choose the one that makes you win.
84
206260
2000
und den zu wählen, der einen gewinnen lässt.
03:28
So it's a very simple algorithm.
85
208260
2000
Es ist also ein sehr einfacher Algorithmus.
03:30
Now of course there are other moves,
86
210260
2000
Es gibt natürlich andere Züge,
03:32
but with vast computers we approximate
87
212260
2000
aber mit gewaltigen Computern
03:34
and come close to the optimal solution.
88
214260
2000
nähern wir uns der optimalen Lösung.
03:36
When it comes to being dexterous,
89
216260
2000
Wenn es um Finger Geschicklichkeit geht,
03:38
it's not even clear what the algorithm is you have to solve to be dexterous.
90
218260
2000
ist nicht mal klar, welchen Algorithmus man lösen muss, um geschickt zu sein.
03:40
And we'll see you have to both perceive and act on the world,
91
220260
2000
Man muss die Welt also sowohl wahrnehmen als auch darauf einwirken,
03:42
which has a lot of problems.
92
222260
2000
was viele Probleme erzeugt.
03:44
But let me show you cutting-edge robotics.
93
224260
2000
Aber lassen Sie mich Ihnen die neuste Robotertechnik zeigen.
03:46
Now a lot of robotics is very impressive,
94
226260
2000
Ein großer Teil der Robotertechnik ist sehr beeindruckend,
03:48
but manipulation robotics is really just in the dark ages.
95
228260
3000
aber die Manipulation durch Roboter steckt noch in den Kinderschuhen.
03:51
So this is the end of a Ph.D. project
96
231260
2000
Dies ist das Ergebnis eines Promotionsvorhabens
03:53
from one of the best robotics institutes.
97
233260
2000
von einem der besten Institute für Robotik.
03:55
And the student has trained this robot
98
235260
2000
Der Student hat diesem Roboter beigebracht,
03:57
to pour this water into a glass.
99
237260
2000
Wasser in ein Glas zu füllen.
03:59
It's a hard problem because the water sloshes about, but it can do it.
100
239260
3000
Das ist schwierig, da das Wasser herumspritzt, aber er bekommt es hin.
04:02
But it doesn't do it with anything like the agility of a human.
101
242260
3000
Aber es ist kaum mit der Beweglichkeit eines Menschen vergleichbar.
04:05
Now if you want this robot to do a different task,
102
245260
3000
Wenn Sie jetzt aber wollen, dass der Roboter etwas anderes macht,
04:08
that's another three-year Ph.D. program.
103
248260
3000
ist das ein weiteres 3-jähriges Doktorandenprojekt.
04:11
There is no generalization at all
104
251260
2000
Man kann in der Robotik überhaupt nicht
04:13
from one task to another in robotics.
105
253260
2000
von einer Aufgabe zur anderen generalisieren.
04:15
Now we can compare this
106
255260
2000
Jetzt können wir das mit der Spitze des
04:17
to cutting-edge human performance.
107
257260
2000
menschlichem Leistungsvermögen vergleichen.
04:19
So what I'm going to show you is Emily Fox
108
259260
2000
Daher zeige ich Ihnen Emily Fox,
04:21
winning the world record for cup stacking.
109
261260
3000
wie sie den Weltrekord für Becherstapeln aufstellt.
04:24
Now the Americans in the audience will know all about cup stacking.
110
264260
2000
Die Amerikaner im Publikum wissen sicher alles über das Becherstapeln.
04:26
It's a high school sport
111
266260
2000
Es ist ein Highschool-Sport,
04:28
where you have 12 cups you have to stack and unstack
112
268260
2000
bei dem man 12 Becher stapeln und entstapeln muss,
04:30
against the clock in a prescribed order.
113
270260
2000
gegen die Uhr und in einer bestimmten Reihenfolge.
04:32
And this is her getting the world record in real time.
114
272260
3000
Und hier sieht man wie sie den Weltrekord in Echtzeit schafft.
04:39
(Laughter)
115
279260
8000
(Lachen)
04:47
(Applause)
116
287260
5000
(Applaus)
04:52
And she's pretty happy.
117
292260
2000
Und sie ist ziemlich glücklich.
04:54
We have no idea what is going on inside her brain when she does that,
118
294260
2000
Wir haben keine Ahnung, was in ihrem Gehirn passiert, wenn sie das macht.
04:56
and that's what we'd like to know.
119
296260
2000
Aber wir wüssten das gerne.
04:58
So in my group, what we try to do
120
298260
2000
Was wir in meiner Gruppe versuchen, ist,
05:00
is reverse engineer how humans control movement.
121
300260
3000
zu rekonstruieren, wie Menschen Bewegung kontrollieren.
05:03
And it sounds like an easy problem.
122
303260
2000
Es klingt wie ein einfaches Problem.
05:05
You send a command down, it causes muscles to contract.
123
305260
2000
Man sendet einen Befehl, der eine Muskelkontraktion auslöst.
05:07
Your arm or body moves,
124
307260
2000
Ihr Arm oder Körper bewegt sich
05:09
and you get sensory feedback from vision, from skin, from muscles and so on.
125
309260
3000
und man erhält eine sensorische Rückmeldung mittels Sehen, Haut, Muskeln, usw.
05:12
The trouble is
126
312260
2000
Das Problem ist,
05:14
these signals are not the beautiful signals you want them to be.
127
314260
2000
dass es nicht die schönen Signale sind, wie man sich das vorstellt.
05:16
So one thing that makes controlling movement difficult
128
316260
2000
Die Steuerung der Bewegung wird etwa dadurch erschwert,
05:18
is, for example, sensory feedback is extremely noisy.
129
318260
3000
dass die sensorische Rückmeldung extrem rauscht.
05:21
Now by noise, I do not mean sound.
130
321260
3000
Mit Rauschen ist kein Laut gemeint.
05:24
We use it in the engineering and neuroscience sense
131
324260
2000
Wir verwenden es in der ingenieur- und neurowissenschaftlichen Bedeutung.
05:26
meaning a random noise corrupting a signal.
132
326260
2000
Gemeint ist ein Zufallsrauschen, das ein Signal beschädigt.
05:28
So the old days before digital radio when you were tuning in your radio
133
328260
3000
Wenn man früher, vor dem digitalen Radio, den Radiosender einstellte
05:31
and you heard "crrcckkk" on the station you wanted to hear,
134
331260
2000
und "krrckkk" auf dem gewünschten Sender hörte,
05:33
that was the noise.
135
333260
2000
das war dieses Rauschen.
05:35
But more generally, this noise is something that corrupts the signal.
136
335260
3000
Ganz allgemein stört so ein Rauschen das Signal.
05:38
So for example, if you put your hand under a table
137
338260
2000
Wenn Sie etwa Ihre Hand unter den Tisch tun
05:40
and try to localize it with your other hand,
138
340260
2000
und versuchen, sie mit der anderen Hand zu lokalisieren,
05:42
you can be off by several centimeters
139
342260
2000
können Sie ein paar Zentimeter daneben liegen,
05:44
due to the noise in sensory feedback.
140
344260
2000
wegen dem Rauschen der sensorischen Rückmeldung.
05:46
Similarly, when you put motor output on movement output,
141
346260
2000
Ungefähr so als wenn Sie Motorleistung in Bewegungsleistung geben,
05:48
it's extremely noisy.
142
348260
2000
das ist sehr geräuschvoll.
05:50
Forget about trying to hit the bull's eye in darts,
143
350260
2000
Versuchen Sie erst gar nicht mitten ins Ziel zu treffen,
05:52
just aim for the same spot over and over again.
144
352260
2000
zielen Sie einfach immer wieder auf die gleiche Stelle.
05:54
You have a huge spread due to movement variability.
145
354260
3000
Sie verfügen über ein große Spanne infolge der Variabilität der Bewegung.
05:57
And more than that, the outside world, or task,
146
357260
2000
Und mehr als das, die Außenwelt, oder die Aufgabe,
05:59
is both ambiguous and variable.
147
359260
2000
ist mehrdeutig und variabel.
06:01
The teapot could be full, it could be empty.
148
361260
2000
Die Teekanne könnte voll oder leer sein.
06:03
It changes over time.
149
363260
2000
Das ändert sich im Lauf der Zeit.
06:05
So we work in a whole sensory movement task soup of noise.
150
365260
4000
Wir arbeiten also in einer richtigen Rausch-Suppe von sensorischen Bewegungsaufgaben.
06:09
Now this noise is so great
151
369260
2000
Dieses Rauschen ist so stark,
06:11
that society places a huge premium
152
371260
2000
dass die Gesellschaft eine große Prämie ausschreibt
06:13
on those of us who can reduce the consequences of noise.
153
373260
3000
für jene, die die Konsequenzen dieses Rauschens reduzieren können.
06:16
So if you're lucky enough to be able to knock a small white ball
154
376260
3000
Wenn man also in der glücklichen Lage ist, einen kleinen weißen Ball
06:19
into a hole several hundred yards away using a long metal stick,
155
379260
3000
mit einem Metallstab in ein mehrere hundert Meter entferntes Loch zu schlagen,
06:22
our society will be willing to reward you
156
382260
2000
ist unsere Gesellschaft bereit, einen mit
06:24
with hundreds of millions of dollars.
157
384260
3000
einigen hundert Millionen Dollar zu belohnen.
06:27
Now what I want to convince you of
158
387260
2000
Ich möchte Sie davon überzeugen,
06:29
is the brain also goes through a lot of effort
159
389260
2000
dass das Gehirn viele Anstrengungen unternimmt,
06:31
to reduce the negative consequences
160
391260
2000
um die negativen Konsequenzen von
06:33
of this sort of noise and variability.
161
393260
2000
dieser Sorte von Rauschen und Variabilität zu reduzieren.
06:35
And to do that, I'm going to tell you about a framework
162
395260
2000
Um das zu tun, erzähle ich Ihnen von einem System,
06:37
which is very popular in statistics and machine learning of the last 50 years
163
397260
3000
das in der Statistik und beim maschinellen Lernen in den letzten 50 Jahren sehr beliebt ist,
06:40
called Bayesian decision theory.
164
400260
2000
namens Bayesianische Entscheidungstheorie.
06:42
And it's more recently a unifying way
165
402260
3000
Und in jüngster Zeit ist es ein vereinheitlichende
06:45
to think about how the brain deals with uncertainty.
166
405260
3000
Denkensart daüber, wie das Gehirn mit Ungewissheit umgeht.
06:48
And the fundamental idea is you want to make inferences and then take actions.
167
408260
3000
Die grundlegende Idee ist, dass man schlussfolgert und dann handelt.
06:51
So let's think about the inference.
168
411260
2000
Lassen Sie uns über das Rückschließen nachdenken.
06:53
You want to generate beliefs about the world.
169
413260
2000
Sie wollen Vorstellungen über die Welt hervorrufen.
06:55
So what are beliefs?
170
415260
2000
Was sind das für Vorstellungen?
06:57
Beliefs could be: where are my arms in space?
171
417260
2000
Vorstellungen könnten sein: Wo sind meine Arme im Raum?
06:59
Am I looking at a cat or a fox?
172
419260
2000
Sehe ich eine Katze oder einen Fuchs?
07:01
But we're going to represent beliefs with probabilities.
173
421260
3000
Aber wir stellen Vorstellungen als Wahrscheinlichkeiten dar.
07:04
So we're going to represent a belief
174
424260
2000
Wir verkörpern also eine Vorstellungen
07:06
with a number between zero and one --
175
426260
2000
durch eine Nummer zwischen Null und Eins –
07:08
zero meaning I don't believe it at all, one means I'm absolutely certain.
176
428260
3000
Null heißt, ich glaube gar nicht daran, Eins, ich bin absolut sicher.
07:11
And numbers in between give you the gray levels of uncertainty.
177
431260
3000
Und die Nummern dazwischen zeigen die Grauwerte der Ungewissheit.
07:14
And the key idea to Bayesian inference
178
434260
2000
Die Grundidee der bayesianischen Inferenz
07:16
is you have two sources of information
179
436260
2000
ist, dass man zwei Informationsquellen hat,
07:18
from which to make your inference.
180
438260
2000
aus denen sich die Schlussfolgerungen speisen.
07:20
You have data,
181
440260
2000
Es gibt die Daten,
07:22
and data in neuroscience is sensory input.
182
442260
2000
und Daten bedeuten in der Neurowissenschaft Sinnesreize.
07:24
So I have sensory input, which I can take in to make beliefs.
183
444260
3000
Es gibt also Sinnesreize, aus denen sich Ansichten ergeben können.
07:27
But there's another source of information, and that's effectively prior knowledge.
184
447260
3000
Aber es gibt noch eine andere Informationsquelle, und das sind schließlich Vorkenntnisse.
07:30
You accumulate knowledge throughout your life in memories.
185
450260
3000
Man sammelt ein Leben lang Wissen im Gedächtnis.
07:33
And the point about Bayesian decision theory
186
453260
2000
Und der Punkt bei der bayesianischen Entscheidungstheorie ist,
07:35
is it gives you the mathematics
187
455260
2000
dass man berechnen kann,
07:37
of the optimal way to combine
188
457260
2000
wie man auf optimale Weise
07:39
your prior knowledge with your sensory evidence
189
459260
2000
Ihr Vorwissen mit Ihren Sinneseindrücken kombiniert,
07:41
to generate new beliefs.
190
461260
2000
um neue Ansichten zu erzeugen.
07:43
And I've put the formula up there.
191
463260
2000
Ich habe die Formel hier oben aufgeführt.
07:45
I'm not going to explain what that formula is, but it's very beautiful.
192
465260
2000
Ich werde die Formel nicht erklären, aber sie ist wunderschön.
07:47
And it has real beauty and real explanatory power.
193
467260
3000
Sie zeigt wahre Schönheit und Erklärungskraft.
07:50
And what it really says, and what you want to estimate,
194
470260
2000
Im Grunde sagt sie aus – und was man damit abschätzen will,
07:52
is the probability of different beliefs
195
472260
2000
dass die Wahrscheinlichkeit für verschiedene Überzeugungen
07:54
given your sensory input.
196
474260
2000
basierend auf Ihren Sinneseindrücken.
07:56
So let me give you an intuitive example.
197
476260
2000
Lassen Sie mich Ihnen ein eingängiges Beispiel geben.
07:58
Imagine you're learning to play tennis
198
478260
3000
Stellen Sie sich vor, Sie lernen Tennis spielen
08:01
and you want to decide where the ball is going to bounce
199
481260
2000
und Sie wollen entscheiden, wo der Ball aufschlagen wird,
08:03
as it comes over the net towards you.
200
483260
2000
wenn er über das Netz auf einen zukommt.
08:05
There are two sources of information
201
485260
2000
Es gibt zwei Informationsquellen,
08:07
Bayes' rule tells you.
202
487260
2000
laut der Bayes-Regel.
08:09
There's sensory evidence -- you can use visual information auditory information,
203
489260
3000
Es gibt sensorische Hinweise – man kann visuelle und auditive Information nutzen,
08:12
and that might tell you it's going to land in that red spot.
204
492260
3000
und das kann einem sagen, dass es in dem roten Punkt landen wird.
08:15
But you know that your senses are not perfect,
205
495260
3000
Aber Sie wissen, dass Ihre Sinne nicht perfekt sind,
08:18
and therefore there's some variability of where it's going to land
206
498260
2000
und daher kann man nicht genau vorhersagen, wo es landen wird,
08:20
shown by that cloud of red,
207
500260
2000
was durch diese rote Wolke gezeigt wird,
08:22
representing numbers between 0.5 and maybe 0.1.
208
502260
3000
die die Zahlen zwischen 0,5 und 0,1 darstellt.
08:26
That information is available in the current shot,
209
506260
2000
Diese Information ist für den aktuellen Wurf verfügbar,
08:28
but there's another source of information
210
508260
2000
aber ist gibt eine weitere Informationsquelle,
08:30
not available on the current shot,
211
510260
2000
die nicht für den aktuellen Wurf verfügbar ist,
08:32
but only available by repeated experience in the game of tennis,
212
512260
3000
sondern nur durch wiederholte Erfahrung beim Tennisspiel,
08:35
and that's that the ball doesn't bounce
213
515260
2000
und diese besagt, dass der Ball nicht mit gleicher
08:37
with equal probability over the court during the match.
214
517260
2000
Wahrscheinlichkeit während des Spiels im Spielfeld aufschlägt.
08:39
If you're playing against a very good opponent,
215
519260
2000
Wenn Sie gegen einen sehr guten Gegner spielen,
08:41
they may distribute it in that green area,
216
521260
2000
können sie sich im grünen Bereich verteilen,
08:43
which is the prior distribution,
217
523260
2000
was der A-priori-Verteilung entspricht,
08:45
making it hard for you to return.
218
525260
2000
dadurch haben Sie es schwer zurückzuschlagen.
08:47
Now both these sources of information carry important information.
219
527260
2000
Beide Informationsquellen beinhalten wichtige Informationen.
08:49
And what Bayes' rule says
220
529260
2000
Und was die Bayes-Regel aussagt, ist,
08:51
is that I should multiply the numbers on the red by the numbers on the green
221
531260
3000
dass man die Anzahl im Roten mit der Anzahl im Grünen multiplizieren sollte,
08:54
to get the numbers of the yellow, which have the ellipses,
222
534260
3000
um die Anzahl der Gelben zu erhalten, die die Ellipsen aufweisen,
08:57
and that's my belief.
223
537260
2000
und das ist meine Überzeugung.
08:59
So it's the optimal way of combining information.
224
539260
3000
Es ist der optimale Weg, Information zu kombinieren.
09:02
Now I wouldn't tell you all this if it wasn't that a few years ago,
225
542260
2000
Ich würde Ihnen das alles nicht erzählen, wenn wir nicht vor einigen Jahren
09:04
we showed this is exactly what people do
226
544260
2000
gezeigt hätten, dass Menschen genau das tun,
09:06
when they learn new movement skills.
227
546260
2000
wenn sie neue Bewegungsabläufe lernen.
09:08
And what it means
228
548260
2000
Und das bedeutet, dass wir
09:10
is we really are Bayesian inference machines.
229
550260
2000
wirklich bayesianische Inferenz-Maschinen sind.
09:12
As we go around, we learn about statistics of the world and lay that down,
230
552260
4000
Im Leben lernen wir etwas über die Statistiken der Welt und speichern das,
09:16
but we also learn
231
556260
2000
aber wir lernen auch,
09:18
about how noisy our own sensory apparatus is,
232
558260
2000
wie unruhig unser Sinnesapparat ist,
09:20
and then combine those
233
560260
2000
und dann kombinieren wir diese
09:22
in a real Bayesian way.
234
562260
2000
in echter bayesianischer Manier.
09:24
Now a key part to the Bayesian is this part of the formula.
235
564260
3000
Ein Schlüssel für das Bayesianische ist dieser Teil der Formel.
09:27
And what this part really says
236
567260
2000
Dieser Teil besagt im Grunde,
09:29
is I have to predict the probability
237
569260
2000
dass ich die Wahrscheinlichkeit vorhersagen muss
09:31
of different sensory feedbacks
238
571260
2000
für verschiedene sensorische Rückmeldungen,
09:33
given my beliefs.
239
573260
2000
angesichts meiner Überzeugungen.
09:35
So that really means I have to make predictions of the future.
240
575260
3000
Das bedeutet, dass ich Vorhersagen über die Zukunft machen muss.
09:38
And I want to convince you the brain does make predictions
241
578260
2000
Und ich möchte Sie davon überzeugen, dass das Gehirn Vorhersagen über
09:40
of the sensory feedback it's going to get.
242
580260
2000
die zukünftige sensorische Rückmeldung macht.
09:42
And moreover, it profoundly changes your perceptions
243
582260
2000
Und außerdem ändert es grundlegend Ihre Wahrnehmung
09:44
by what you do.
244
584260
2000
durch das, was Sie tun.
09:46
And to do that, I'll tell you
245
586260
2000
Um das zu tun, erzähle ich Ihnen,
09:48
about how the brain deals with sensory input.
246
588260
2000
wie das Gehirn mit Sinnesreizen umgeht.
09:50
So you send a command out,
247
590260
3000
Sie schicken einen Befehl raus
09:53
you get sensory feedback back,
248
593260
2000
und Sie erhalten eine sensorische Rückmeldung,
09:55
and that transformation is governed
249
595260
2000
und diese Information wird von
09:57
by the physics of your body and your sensory apparatus.
250
597260
3000
der Physik Ihres Körpers und Ihres Sinnesapparates beeinflusst.
10:00
But you can imagine looking inside the brain.
251
600260
2000
Aber stellen Sie sich vor, Sie schauen in das Gehirn.
10:02
And here's inside the brain.
252
602260
2000
Und hier sind wir im Gehirn.
10:04
You might have a little predictor, a neural simulator,
253
604260
2000
Sie haben vielleicht einen kleinen Prädiktor, einen neuralen Simulator,
10:06
of the physics of your body and your senses.
254
606260
2000
von der Physik Ihres Körpers und Ihrer Sinne.
10:08
So as you send a movement command down,
255
608260
2000
Wenn Sie also einen Bewegungsbefehl senden,
10:10
you tap a copy of that off
256
610260
2000
zapfen Sie eine Kopie davon ab
10:12
and run it into your neural simulator
257
612260
2000
und lassen sie in Ihrem neuralen Simulator laufen,
10:14
to anticipate the sensory consequences of your actions.
258
614260
4000
um die sensorischen Folgen Ihrer Handlungen vorherzusehen.
10:18
So as I shake this ketchup bottle,
259
618260
2000
Wenn ich also die Ketchup-Flasche schüttle,
10:20
I get some true sensory feedback as the function of time in the bottom row.
260
620260
3000
erhalte ich ein echte sensorische Rückmeldung als Zeitfunktion
10:23
And if I've got a good predictor, it predicts the same thing.
261
623260
3000
Und wenn ich einen guten Prädiktor habe, sagt er genau das voraus.
10:26
Well why would I bother doing that?
262
626260
2000
Warum ich mir diese Mühe mache?
10:28
I'm going to get the same feedback anyway.
263
628260
2000
Ich erhalte doch sowieso diese Rückmeldung.
10:30
Well there's good reasons.
264
630260
2000
Es gibt gute Gründe dafür.
10:32
Imagine, as I shake the ketchup bottle,
265
632260
2000
Angenommen ich schüttle gerade die Ketchup-Flasche
10:34
someone very kindly comes up to me and taps it on the back for me.
266
634260
3000
und jemand kommt auf mich zu und klopft für mich auf die Unterseite.
10:37
Now I get an extra source of sensory information
267
637260
2000
Nun erhalte ich eine zusätzliche Quelle von Sinnesinformationen
10:39
due to that external act.
268
639260
2000
durch diese äußere Einwirkung.
10:41
So I get two sources.
269
641260
2000
Also habe ich zwei Quellen.
10:43
I get you tapping on it, and I get me shaking it,
270
643260
3000
Sie klopfen darauf und ich schüttle sie,
10:46
but from my senses' point of view,
271
646260
2000
aber aus Sicht meiner Sinne
10:48
that is combined together into one source of information.
272
648260
3000
wird beides in einer Informationsquelle zusammengefasst.
10:51
Now there's good reason to believe
273
651260
2000
Nun gibt es einen guten Grund dafür zu glauben,
10:53
that you would want to be able to distinguish external events from internal events.
274
653260
3000
dass Sie in der Lage sein wollen externe von internen Vorgängen zu unterscheiden.
10:56
Because external events are actually much more behaviorally relevant
275
656260
3000
Denn externe Ereignisse sind viel verhaltensrelevanter
10:59
than feeling everything that's going on inside my body.
276
659260
3000
als alles zu fühlen, was in meinem Körper passiert.
11:02
So one way to reconstruct that
277
662260
2000
Ein Weg das nachzuvollziehen ist,
11:04
is to compare the prediction --
278
664260
2000
die Vorhersage zu vergleichen –
11:06
which is only based on your movement commands --
279
666260
2000
die auf den Bewegungsbefehlen basiert –
11:08
with the reality.
280
668260
2000
mit der Wirklichkeit.
11:10
Any discrepancy should hopefully be external.
281
670260
3000
Und die Abweichung sollte hoffentlich extern sein.
11:13
So as I go around the world,
282
673260
2000
Wenn ich also durch die Welt gehe,
11:15
I'm making predictions of what I should get, subtracting them off.
283
675260
3000
treffe ich Vorhersagen darüber, was eintreffen sollte, abzüglich der Abweichungen.
11:18
Everything left over is external to me.
284
678260
2000
Alles Übrige ist für mich extern.
11:20
What evidence is there for this?
285
680260
2000
Welche Beweise gibt es dafür?
11:22
Well there's one very clear example
286
682260
2000
Nun, es gibt ein sehr deutliches Beispiel,
11:24
where a sensation generated by myself feels very different
287
684260
2000
wo sich ein von mir erzeugter Sinneseindruck ganz anders anfühlt,
11:26
then if generated by another person.
288
686260
2000
als wenn er von einer anderen Person erzeugt worden wäre.
11:28
And so we decided the most obvious place to start
289
688260
2000
Also entschieden wir, dass der naheliegendste Untersuchungsbereich
11:30
was with tickling.
290
690260
2000
das Kitzeln war.
11:32
It's been known for a long time, you can't tickle yourself
291
692260
2000
Es ist seit langem bekannt, dass man sich nicht selbst kitzeln kann,
11:34
as well as other people can.
292
694260
2000
so wie andere das können.
11:36
But it hasn't really been shown, it's because you have a neural simulator,
293
696260
3000
Aber man hat nicht nachgewiesen, dass das an dem neuralen Simulator liegt,
11:39
simulating your own body
294
699260
2000
der Ihren eigenen Körper simuliert
11:41
and subtracting off that sense.
295
701260
2000
und diesen Sinn abzieht.
11:43
So we can bring the experiments of the 21st century
296
703260
3000
Wir nutzen Experimente des 21. Jahrhunderts,
11:46
by applying robotic technologies to this problem.
297
706260
3000
indem wir bei diesem Problem Robotertechnologien anwenden.
11:49
And in effect, what we have is some sort of stick in one hand attached to a robot,
298
709260
3000
Wir haben in einer Hand einen Stab, der mit einem Roboter verbunden ist,
11:52
and they're going to move that back and forward.
299
712260
2000
und sie werden ihn vor und zurück bewegen.
11:54
And then we're going to track that with a computer
300
714260
2000
Und dann verfolgen wir das mit dem Computer
11:56
and use it to control another robot,
301
716260
2000
und nutzen das, um einen anderen Roboter zu steuern,
11:58
which is going to tickle their palm with another stick.
302
718260
2000
der die Handfläche mit einem anderen Stab kitzelt.
12:00
And then we're going to ask them to rate a bunch of things
303
720260
2000
Und dann werden wir sie bitten, eine Reihe von Dinge zu bewerten,
12:02
including ticklishness.
304
722260
2000
inklusive der Kitzelhaftigkeit.
12:04
I'll show you just one part of our study.
305
724260
2000
Ich zeige Ihnen einen Teil unserer Studie.
12:06
And here I've taken away the robots,
306
726260
2000
Und hier habe ich die Roboter entfernt,
12:08
but basically people move with their right arm sinusoidally back and forward.
307
728260
3000
aber grundsätzlich bewegen die Leute ihren rechten Arm sinusförmig vor und zurück.
12:11
And we replay that to the other hand with a time delay.
308
731260
3000
Und wir übertragen das mit Zeitverzug auf die andere Hand.
12:14
Either no time delay,
309
734260
2000
Sowohl ohne Zeitverzögerung,
12:16
in which case light would just tickle your palm,
310
736260
2000
wo Licht nur Ihre Handfläche kitzelt,
12:18
or with a time delay of two-tenths of three-tenths of a second.
311
738260
4000
oder mit Zeitverzug von 2/10 oder 3/10 Sekunden.
12:22
So the important point here
312
742260
2000
Der wichtigste Aspekt hierbei ist,
12:24
is the right hand always does the same things -- sinusoidal movement.
313
744260
3000
dass die rechte Hand immer das Gleiche tut – in sinusförmiger Bewegung.
12:27
The left hand always is the same and puts sinusoidal tickle.
314
747260
3000
Die linke Hand ist immer gleich und liefert ein sinusförmiges Kitzeln.
12:30
All we're playing with is a tempo causality.
315
750260
2000
Wir spielen nur mit einer Zeitkausalität.
12:32
And as we go from naught to 0.1 second,
316
752260
2000
Und während wir von nichts zu 0,1 Sekunden kommen,
12:34
it becomes more ticklish.
317
754260
2000
wird es immer kitzliger.
12:36
As you go from 0.1 to 0.2,
318
756260
2000
Wenn man von 0,1 auf 0,2 geht,
12:38
it becomes more ticklish at the end.
319
758260
2000
wird es zum Ende immer kitzliger
12:40
And by 0.2 of a second,
320
760260
2000
Und bei 0,2 Sekunden
12:42
it's equivalently ticklish
321
762260
2000
ist es genauso kitzlig,
12:44
to the robot that just tickled you without you doing anything.
322
764260
2000
für den Roboter, der sie gerade gekitzelt hat, ohne irgendwas zu tun.
12:46
So whatever is responsible for this cancellation
323
766260
2000
Was immer daher für die Unterdrückung verantwortlich ist,
12:48
is extremely tightly coupled with tempo causality.
324
768260
3000
ist sehr eng mit der Zeitkausalität verbunden.
12:51
And based on this illustration, we really convinced ourselves in the field
325
771260
3000
Und basierend auf dieser Veranschaulichung überzeugten wir uns selbst in diesem Bereich,
12:54
that the brain's making precise predictions
326
774260
2000
dass das Gehirn präzise Vorhersagen macht
12:56
and subtracting them off from the sensations.
327
776260
3000
und diese von den Sinneseindrücken abzieht.
12:59
Now I have to admit, these are the worst studies my lab has ever run.
328
779260
3000
Zugegeben sind das die schlechtesten Studien, die mein Labor je gemacht hat.
13:02
Because the tickle sensation on the palm comes and goes,
329
782260
2000
Denn das Kitzelgefühl auf der Handfläche kommt und geht,
13:04
you need large numbers of subjects
330
784260
2000
man braucht ein große Anzahl von Versuchspersonen
13:06
with these stars making them significant.
331
786260
2000
mit diesen Sternen, die sie bedeutsam machen.
13:08
So we were looking for a much more objective way
332
788260
2000
Daher suchten wir nach einem viel objektiveren Weg,
13:10
to assess this phenomena.
333
790260
2000
um dieses Phänomen zu bewerten.
13:12
And in the intervening years I had two daughters.
334
792260
2000
Und in der Zwischenzeit bekam ich zwei Töchter.
13:14
And one thing you notice about children in backseats of cars on long journeys,
335
794260
3000
Und bei Kindern in Autorücksitzen fällt einem bei langen Reisen auf,
13:17
they get into fights --
336
797260
2000
dass sie Streit anfangen –
13:19
which started with one of them doing something to the other, the other retaliating.
337
799260
3000
das beginnt damit, dass einer dem anderen etwas antut und sich der andere rächt.
13:22
It quickly escalates.
338
802260
2000
Es eskaliert schnell.
13:24
And children tend to get into fights which escalate in terms of force.
339
804260
3000
Und Kinder neigen dazu, in Streit zu geraten, der in Gewalt eskaliert.
13:27
Now when I screamed at my children to stop,
340
807260
2000
Wenn ich meine Kinder anschrie, dass sie aufhören sollten,
13:29
sometimes they would both say to me
341
809260
2000
sagten sie manchmal beide zu mir,
13:31
the other person hit them harder.
342
811260
3000
dass der andere sie härter geschlagen hätte.
13:34
Now I happen to know my children don't lie,
343
814260
2000
Nun weiß ich, dass meine Kinder nicht lügen,
13:36
so I thought, as a neuroscientist,
344
816260
2000
deshalb dachte ich als Neurowissenschaftler,
13:38
it was important how I could explain
345
818260
2000
dass es wichtig wäre ihnen zu erklären,
13:40
how they were telling inconsistent truths.
346
820260
2000
dass sie widersprüchliche Wahrheiten erzählten.
13:42
And we hypothesize based on the tickling study
347
822260
2000
Und wir stellten auf Basis der Kitzel-Studie Hypothesen auf,
13:44
that when one child hits another,
348
824260
2000
dass wenn ein Kind ein anderes schlägt,
13:46
they generate the movement command.
349
826260
2000
sie einen Bewegungsbefehl erzeugen.
13:48
They predict the sensory consequences and subtract it off.
350
828260
3000
Sie sagen die sensorischen Folgen voraus und zogen es ab.
13:51
So they actually think they've hit the person less hard than they have --
351
831260
2000
Also dachten sie tatsächlich, dass sie die Person weniger hart schlugen, als das der Fall war –
13:53
rather like the tickling.
352
833260
2000
so ähnlich wie beim Kitzeln.
13:55
Whereas the passive recipient
353
835260
2000
Während der passive Empfänger
13:57
doesn't make the prediction, feels the full blow.
354
837260
2000
die Vorhersage nicht macht, und die volle Stärke fühlt.
13:59
So if they retaliate with the same force,
355
839260
2000
Wenn sie also mit gleicher Kraft Vergeltung üben,
14:01
the first person will think it's been escalated.
356
841260
2000
denkt die erste Person, dass es eskaliert ist.
14:03
So we decided to test this in the lab.
357
843260
2000
Wir beschlossen also, das im Labor zu testen.
14:05
(Laughter)
358
845260
3000
(Lachen)
14:08
Now we don't work with children, we don't work with hitting,
359
848260
2000
Wir arbeiten aber nicht mit Kindern, wir arbeiten auch nicht mit Schlägen,
14:10
but the concept is identical.
360
850260
2000
aber das Konzept ist identisch.
14:12
We bring in two adults. We tell them they're going to play a game.
361
852260
3000
Wir nehmen zwei Erwachsene. Wir erzählen ihnen, dass sie ein Spiel spielen werden.
14:15
And so here's player one and player two sitting opposite to each other.
362
855260
2000
Hier sitzen sich also Spieler Eins und Spieler Zwei einander gegenüber.
14:17
And the game is very simple.
363
857260
2000
Und das Spiel ist sehr einfach.
14:19
We started with a motor
364
859260
2000
Wir begannen mit einem Motor
14:21
with a little lever, a little force transfuser.
365
861260
2000
mit einem kleinen Hebel, und kleiner Kraftübertragung.
14:23
And we use this motor to apply force down to player one's fingers
366
863260
2000
Und wir nutzten diesen Motor, um Kraft auf die Finger des ersten Spielers zu leiten,
14:25
for three seconds and then it stops.
367
865260
3000
3 Sekunden lang und dann stoppt es.
14:28
And that player's been told, remember the experience of that force
368
868260
3000
Und diesem Spieler wird gesagt, dass er die Erfahrung dieser Kraft abspeichern soll
14:31
and use your other finger
369
871260
2000
und seinen anderen Finger benutzen soll,
14:33
to apply the same force
370
873260
2000
um dieselbe Kraft mittels
14:35
down to the other subject's finger through a force transfuser -- and they do that.
371
875260
3000
Kraftübertragung auf den Finger der anderen Versuchsperson anzuwenden – und sie tun das.
14:38
And player two's been told, remember the experience of that force.
372
878260
3000
Und dem zweiten Spieler wird gesagt, dass er sich an diese Erfahrung erinnern soll.
14:41
Use your other hand to apply the force back down.
373
881260
3000
Nutze die andere Hand und gib die Kraft nach unten zurück.
14:44
And so they take it in turns
374
884260
2000
Und sie wenden abwechselnd
14:46
to apply the force they've just experienced back and forward.
375
886260
2000
die Kraft, die sie gerade erlebten, hin und her an.
14:48
But critically,
376
888260
2000
Aber entscheidend ist,
14:50
they're briefed about the rules of the game in separate rooms.
377
890260
3000
sie wurden in getrennten Räumen über die Spielregeln informiert.
14:53
So they don't know the rules the other person's playing by.
378
893260
2000
Sie kannten also die Regeln nicht, nach denen die andere Person spielt.
14:55
And what we've measured
379
895260
2000
Und was wir gemessen haben,
14:57
is the force as a function of terms.
380
897260
2000
ist die Kraft als Begriffsfunktion.
14:59
And if we look at what we start with,
381
899260
2000
Und wenn wir uns anschauen, womit wir beginnen,
15:01
a quarter of a Newton there, a number of turns,
382
901260
2000
ein Viertel Newton hier, eine Anzahl von Runden,
15:03
perfect would be that red line.
383
903260
2000
wäre diese rote Linie perfekt.
15:05
And what we see in all pairs of subjects is this --
384
905260
3000
Und was wir bei all den Versuchspaaren sehen ist –
15:08
a 70 percent escalation in force
385
908260
2000
eine 70%-Eskalation in der Kraft
15:10
on each go.
386
910260
2000
bei jedem Mal.
15:12
So it really suggests, when you're doing this --
387
912260
2000
Das weist wirklich darauf hin, dass wenn man das macht –
15:14
based on this study and others we've done --
388
914260
2000
basierend auf dieser und anderer von uns durchgeführten Studien –
15:16
that the brain is canceling the sensory consequences
389
916260
2000
dass das Gehirn die sensorischen Folgen löscht
15:18
and underestimating the force it's producing.
390
918260
2000
und die Kraft unterschätzt, die es produziert.
15:20
So it re-shows the brain makes predictions
391
920260
2000
Das zeigt erneut, dass das Gehirn Vorhersagen macht
15:22
and fundamentally changes the precepts.
392
922260
3000
und Regeln fundamental ändert.
15:25
So we've made inferences, we've done predictions,
393
925260
3000
Wir haben also Schlussfolgerungen gezogen und Vorhersagen gemacht,
15:28
now we have to generate actions.
394
928260
2000
jetzt müssen wir handeln.
15:30
And what Bayes' rule says is, given my beliefs,
395
930260
2000
Und die Bayes-Regel besagt, bei gegebenen Vorstellungen,
15:32
the action should in some sense be optimal.
396
932260
2000
dass die Handlung in gewisser Hinsicht optimal sein sollte.
15:34
But we've got a problem.
397
934260
2000
Aber wir haben ein Problem.
15:36
Tasks are symbolic -- I want to drink, I want to dance --
398
936260
3000
Aufgaben sind symbolisch, – ich will trinken, ich will tanzen –
15:39
but the movement system has to contract 600 muscles
399
939260
2000
aber das Bewegungssystem muss 600 Muskeln
15:41
in a particular sequence.
400
941260
2000
in einer bestimmten Abfolge kontrahieren.
15:43
And there's a big gap
401
943260
2000
Und es gibt eine große Diskrepanz
15:45
between the task and the movement system.
402
945260
2000
zwischen der Aufgabe und dem Bewegungssystem.
15:47
So it could be bridged in infinitely many different ways.
403
947260
2000
Das könnte auf verschiedenste Weise überbrückt werden.
15:49
So think about just a point to point movement.
404
949260
2000
Ich denke nur an eine Punkt-zu-Punkt-Bewegung.
15:51
I could choose these two paths
405
951260
2000
Ich könnte diese beiden Nervenbahnen
15:53
out of an infinite number of paths.
406
953260
2000
aus einer unendlichen Zahl von Nervenbahnen wählen.
15:55
Having chosen a particular path,
407
955260
2000
Durch die Auswahl einer bestimmten Nervenbahn,
15:57
I can hold my hand on that path
408
957260
2000
kann ich meine Hand auf diese Nervenbahn legen,
15:59
as infinitely many different joint configurations.
409
959260
2000
wie unendlich viele verschiedene Gelenkformationen.
16:01
And I can hold my arm in a particular joint configuration
410
961260
2000
Und ich kann meinen Arm einer bestimmten Gelenkformation halten,
16:03
either very stiff or very relaxed.
411
963260
2000
entweder sehr steif oder sehr entspannt.
16:05
So I have a huge amount of choice to make.
412
965260
3000
Also muss ich jede Menge Entscheidungen treffen.
16:08
Now it turns out, we are extremely stereotypical.
413
968260
3000
Nun zeigt sich, dass wir extrem stereotypisch sind.
16:11
We all move the same way pretty much.
414
971260
3000
Wir bewegen uns alle ziemlich gleich.
16:14
And so it turns out we're so stereotypical,
415
974260
2000
Und es zeigt sich, dass wir so stereotypisch sind,
16:16
our brains have got dedicated neural circuitry
416
976260
2000
dass sich unsere Gehirne ganz der neuronalen Verschaltung widmen,
16:18
to decode this stereotyping.
417
978260
2000
um dieses Stereotypische zu dekodieren.
16:20
So if I take some dots
418
980260
2000
Wenn ich nun ein paar Punkte nehme
16:22
and set them in motion with biological motion,
419
982260
3000
und sie in biologische Bewegung umsetze,
16:25
your brain's circuitry would understand instantly what's going on.
420
985260
3000
wüssten Ihre Gehirnschaltkreise sofort, was abläuft.
16:28
Now this is a bunch of dots moving.
421
988260
2000
Dies ist ein Haufen sich bewegender Punkte.
16:30
You will know what this person is doing,
422
990260
3000
Sie wüssten, was diese Person macht,
16:33
whether happy, sad, old, young -- a huge amount of information.
423
993260
3000
ob sie glücklich, traurig, alt, jung ist – riesige Informationsmengen.
16:36
If these dots were cars going on a racing circuit,
424
996260
2000
Wenn diese Punkte Autos auf einem Rennparcours wären,
16:38
you would have absolutely no idea what's going on.
425
998260
3000
hätten Sie keine Ahnung was los ist.
16:41
So why is it
426
1001260
2000
Warum bewegen wir uns
16:43
that we move the particular ways we do?
427
1003260
2000
auf diese bestimmten Weisen?
16:45
Well let's think about what really happens.
428
1005260
2000
Lassen Sie uns überlegen, was wirklich passiert.
16:47
Maybe we don't all quite move the same way.
429
1007260
3000
Vielleicht bewegen wir uns nicht alle gleich.
16:50
Maybe there's variation in the population.
430
1010260
2000
Es gibt vielleicht eine Variation in der Bevölkerung.
16:52
And maybe those who move better than others
431
1012260
2000
Vielleicht haben die, die sich besser bewegen,
16:54
have got more chance of getting their children into the next generation.
432
1014260
2000
eine größere Chance ihre Kinder in die nächste Generation zu bekommen.
16:56
So in evolutionary scales, movements get better.
433
1016260
3000
Auf evolutionären Maßstab wird Bewegung besser.
16:59
And perhaps in life, movements get better through learning.
434
1019260
3000
Im Leben verbessert sich Bewegung vielleicht durch Übung.
17:02
So what is it about a movement which is good or bad?
435
1022260
2000
Was ist an einer Bewegung gut oder schlecht?
17:04
Imagine I want to intercept this ball.
436
1024260
2000
Angenommen ich will diesen Ball abfangen.
17:06
Here are two possible paths to that ball.
437
1026260
3000
Hier sind zwei mögliche Bahnen für den Ball.
17:09
Well if I choose the left-hand path,
438
1029260
2000
Wenn ich nun die Bahn linkerhand wähle,
17:11
I can work out the forces required
439
1031260
2000
kann ich die nötigen Kräfte
17:13
in one of my muscles as a function of time.
440
1033260
2000
in einem meiner Muskel als Zeitfunktion berechnen.
17:15
But there's noise added to this.
441
1035260
2000
Aber hinzu kommt das Rauschen.
17:17
So what I actually get, based on this lovely, smooth, desired force,
442
1037260
3000
Was ich also bezogen auf diese hübsche, sanfte, erwünschte Kraft tatsächlich erhalte,
17:20
is a very noisy version.
443
1040260
2000
ist eine sehr geräuschvolle Version.
17:22
So if I pick the same command through many times,
444
1042260
3000
Wenn man denselben Befehl mehrmals auswählt,
17:25
I will get a different noisy version each time, because noise changes each time.
445
1045260
3000
erhält man jedes Mal ein andere Geräuschversion, denn das Rauschen ändert sich jedes Mal.
17:28
So what I can show you here
446
1048260
2000
Hier kann ich Ihnen zeigen,
17:30
is how the variability of the movement will evolve
447
1050260
2000
wie sich die Variabilität der Bewegung entwickelt,
17:32
if I choose that way.
448
1052260
2000
wenn ich diesen Weg wähle.
17:34
If I choose a different way of moving -- on the right for example --
449
1054260
3000
Wenn ich mich anders bewege – rechts zum Beispiel –
17:37
then I'll have a different command, different noise,
450
1057260
2000
dann gibt es einen anderen Befehl, ein anderes Rauschen,
17:39
playing through a noisy system, very complicated.
451
1059260
3000
das durch unser Lärmsystem läuft – ziemlich kompliziert.
17:42
All we can be sure of is the variability will be different.
452
1062260
3000
Wir wissen nur, dass die Variabilität unterschiedlich sein wird.
17:45
If I move in this particular way,
453
1065260
2000
Wenn ich mich auf diese Art bewege,
17:47
I end up with a smaller variability across many movements.
454
1067260
3000
erhalte ich eine geringere Variabilität über viele Bewegungen hinweg.
17:50
So if I have to choose between those two,
455
1070260
2000
Wenn ich mich zwischen diesen beiden entscheiden muss,
17:52
I would choose the right one because it's less variable.
456
1072260
2000
würde ich das Rechte wählen, weil es weniger variabel ist.
17:54
And the fundamental idea
457
1074260
2000
Und der Grundgedanke ist,
17:56
is you want to plan your movements
458
1076260
2000
dass man seine Bewegungen so plant,
17:58
so as to minimize the negative consequence of the noise.
459
1078260
3000
dass die negativen Konsequenzen des Rauschens verringert werden.
18:01
And one intuition to get
460
1081260
2000
Und eine Intuition, um das zu erreichen,
18:03
is actually the amount of noise or variability I show here
461
1083260
2000
ist, dass die Menge an Rauschen oder Variabilität,
18:05
gets bigger as the force gets bigger.
462
1085260
2000
größer wird, je größer die Kraft wird.
18:07
So you want to avoid big forces as one principle.
463
1087260
3000
Ein Prinzip ist es also große Kräfte zu vermeiden.
18:10
So we've shown that using this,
464
1090260
2000
Wir haben gezeigt, dass wir damit
18:12
we can explain a huge amount of data --
465
1092260
2000
einen großen Teil der Daten erklären können –
18:14
that exactly people are going about their lives planning movements
466
1094260
3000
Menschen planen tatsächlich ihre Bewegungen ganz genau,
18:17
so as to minimize negative consequences of noise.
467
1097260
3000
um die negativen Folgen des Rauschens zu mindern.
18:20
So I hope I've convinced you the brain is there
468
1100260
2000
Ich konnte Sie hoffentlich überzeugen, dass das Gehirn da ist
18:22
and evolved to control movement.
469
1102260
2000
und sich entwickelt hat, um Bewegung zu steuern.
18:24
And it's an intellectual challenge to understand how we do that.
470
1104260
3000
Es ist eine intellektuelle Herausforderung zu verstehen, wie wir das machen.
18:27
But it's also relevant
471
1107260
2000
Aber es ist auch relevant
18:29
for disease and rehabilitation.
472
1109260
2000
bei Krankheit und Rehabilitation.
18:31
There are many diseases which effect movement.
473
1111260
3000
Es gibt viele Krankheiten, die Bewegung beeinflussen.
18:34
And hopefully if we understand how we control movement,
474
1114260
2000
Und wenn wir verstehen, wie wir Bewegung kontrollieren,
18:36
we can apply that to robotic technology.
475
1116260
2000
können wir das hoffentlich auf Robotertechnik anwenden.
18:38
And finally, I want to remind you,
476
1118260
2000
Und abschließend will ich Sie daran erinnern,
18:40
when you see animals do what look like very simple tasks,
477
1120260
2000
dass wenn Sie sehen, wie Tiere anscheinend einfache Aufgaben ausführen,
18:42
the actual complexity of what is going on inside their brain
478
1122260
2000
die wahre Komplexität der Vorgänge in deren Gehirn
18:44
is really quite dramatic.
479
1124260
2000
wirklich ziemlich dramatisch ist.
18:46
Thank you very much.
480
1126260
2000
Vielen Dank.
18:48
(Applause)
481
1128260
8000
(Applaus)
18:56
Chris Anderson: Quick question for you, Dan.
482
1136260
2000
Chris Anderson: Eine schnelle Frage für Sie, Dan.
18:58
So you're a movement -- (DW: Chauvinist.) -- chauvinist.
483
1138260
4000
Sie sind also ein Bewegungs- – (DW: Chauvinist.) – chauvinist.
19:02
Does that mean that you think that the other things we think our brains are about --
484
1142260
3000
Bedeutet dass, das Sie glauben, die anderen Dinge, zu denen Gehirne für uns dienen –
19:05
the dreaming, the yearning, the falling in love and all these things --
485
1145260
3000
Träumen, Sehnsucht, sich Verlieben und alle diese Sachen –
19:08
are a kind of side show, an accident?
486
1148260
3000
sind nur ein Nebenschauplatz, ein Unfall?
19:11
DW: No, no, actually I think they're all important
487
1151260
2000
DW: Nein, ich denke, dass sie alle wichtig sind,
19:13
to drive the right movement behavior to get reproduction in the end.
488
1153260
3000
um das richtige Bewegungsverhalten zu steuern, um sich letztendlich fortzupflanzen.
19:16
So I think people who study sensation or memory
489
1156260
3000
Menschen, die die Wahrnehmung oder Erinnerung untersuchen,
19:19
without realizing why you're laying down memories of childhood.
490
1159260
2000
ohne festzustellen, warum Erinnerungen an die Kindheit aufgezeichnet werden.
19:21
The fact that we forget most of our childhood, for example,
491
1161260
3000
Die Tatsache, dass wir etwa unsere Kindheit großteils vergessen,
19:24
is probably fine, because it doesn't effect our movements later in life.
492
1164260
3000
ist wohl ok, weil es unsere Bewegungen im späteren Leben nicht herbeiführt.
19:27
You only need to store things which are really going to effect movement.
493
1167260
3000
Man muss nur Dinge speichern, die wirklich die Bewegung beeinflussen.
19:30
CA: So you think that people thinking about the brain, and consciousness generally,
494
1170260
3000
CA: Sie glauben also, dass Menschen, die über das Gehirn und das Bewusstsein allgemein nachdenken,
19:33
could get real insight
495
1173260
2000
einen echten Einblick erhalten,
19:35
by saying, where does movement play in this game?
496
1175260
2000
wenn sie sich fragen, wo Bewegung mitspielt?
19:37
DW: So people have found out for example
497
1177260
2000
DW: Die Leute haben etwa festgestellt,
19:39
that studying vision in the absence of realizing why you have vision
498
1179260
2000
dass es ein Fehler ist, die Sehkraft zu untersuchen,
19:41
is a mistake.
499
1181260
2000
ohne zu beachten, wofür sie da ist.
19:43
You have to study vision with the realization
500
1183260
2000
Man muss das Sehvermögen mit der Erkenntnis untersuchen,
19:45
of how the movement system is going to use vision.
501
1185260
2000
wie das Bewegungssystem das Sehen nutzt.
19:47
And it uses it very differently once you think about it that way.
502
1187260
2000
Und es gebraucht es ziemlich anders, sobald man einmal so darüber denkt.
19:49
CA: Well that was quite fascinating. Thank you very much indeed.
503
1189260
3000
CA: Das war ziemlich faszinierend. Vielen Dank.
19:52
(Applause)
504
1192260
2000
(Applaus)
Über diese Website

Auf dieser Seite finden Sie YouTube-Videos, die zum Englischlernen nützlich sind. Sie sehen Englischlektionen, die von hochkarätigen Lehrern aus der ganzen Welt unterrichtet werden. Doppelklicken Sie auf die englischen Untertitel, die auf jeder Videoseite angezeigt werden, um das Video von dort aus abzuspielen. Die Untertitel laufen synchron mit der Videowiedergabe. Wenn Sie irgendwelche Kommentare oder Wünsche haben, kontaktieren Sie uns bitte über dieses Kontaktformular.

https://forms.gle/WvT1wiN1qDtmnspy7