Read Montague: What we're learning from 5,000 brains

46,909 views ・ 2012-09-24

TED


لطفا برای پخش فیلم روی زیرنویس انگلیسی زیر دوبار کلیک کنید.

00:00
Translator: Joseph Geni Reviewer: Morton Bast
0
0
7000
Translator: Masood Zeinoghli Reviewer: seyedvahid gh
00:15
Other people. Everyone is interested in other people.
1
15734
2809
افراد دیگر. همه به اشخاص دیگر علاقه‌مند هستند.
00:18
Everyone has relationships with other people,
2
18543
2123
همه با اشخاص دیگر رابطه دارند
00:20
and they're interested in these relationships
3
20666
1592
و آن ها با دلایل متنوعی به
00:22
for a variety of reasons.
4
22258
1855
این رابطه‌ها علاقه مندند.
00:24
Good relationships, bad relationships,
5
24113
2012
روابط خوب، روابط بد
00:26
annoying relationships, agnostic relationships,
6
26125
3146
روابط آزاردهنده، روابط آگنوستیک (منکر وجود خدا)
00:29
and what I'm going to do is focus on the central piece
7
29271
3424
و کاری که که قراره انجام بدم اینه که روی بخش محوریِ
00:32
of an interaction that goes on in a relationship.
8
32695
3303
یک تعامل تمرکز کنم.
00:35
So I'm going to take as inspiration the fact that we're all
9
35998
2336
خب,من میخواهم از این واقعیت که همه‌ی ما
00:38
interested in interacting with other people,
10
38334
2425
به تعامل با دیگران علاقه مند هستیم, الهام بگیرم
00:40
I'm going to completely strip it of all its complicating features,
11
40759
3832
میخوام تمام ویژگی‌های پیچیده کننده‌ی این موضوع رو جدا کنم.
00:44
and I'm going to turn that object, that simplified object,
12
44591
3894
و می خوام که این موضوع رو، این موضوع ساده شده را
00:48
into a scientific probe, and provide the early stages,
13
48485
4150
به یک پژوهش علمی تبدیل کنم، و مراحل اولیه‌ی
00:52
embryonic stages of new insights into what happens
14
52635
2449
بینش‌های جدید در مورد اتفاقی که
00:55
in two brains while they simultaneously interact.
15
55084
3650
وقتی دو مغز به صورت همزمان با یکدیگر تعامل می کنند را توضیح دهم.
00:58
But before I do that, let me tell you a couple of things
16
58734
2293
اما قبل از اینکه این کار رو بکنم، اجازه بدید در مورد چند چیز که
01:01
that made this possible.
17
61027
1699
این کار رو ممکن کرد برای شما صحبت کنم
01:02
The first is we can now eavesdrop safely
18
62726
2781
اول اینکه ما الان میتونیم به راحتی از
01:05
on healthy brain activity.
19
65507
2711
فعالیت مغز سالم جاسوسی کنیم.
01:08
Without needles and radioactivity,
20
68218
2577
بدون استفاده از سوزن و رادیواکتیو،
01:10
without any kind of clinical reason, we can go down the street
21
70795
2863
بدون هیچ دلیل بالینی، ما می‌تونیم توی خیابون بریم
01:13
and record from your friends' and neighbors' brains
22
73658
3127
و از مغز همسایه‌ها و دوستان شما تصویربرداری کنیم
01:16
while they do a variety of cognitive tasks, and we use
23
76785
2538
زمانیکه کارهای شناختی انجام می‌دهند، و ما از
01:19
a method called functional magnetic resonance imaging.
24
79323
3734
یک روش عکاسی به نام تشدید مغناطیسی تابعی استفاده می کنیم.
شما احتمالا در این مورد خوندین یا تجسمی از این موضوع رو شنیدین.
01:23
You've probably all read about it or heard about in some
25
83057
2325
01:25
incarnation. Let me give you a two-sentence version of it.
26
85382
4378
اجازه بدین یک نسخه‌ی دو جمله ای از این رو براتون ارائه بدم.
01:29
So we've all heard of MRIs. MRIs use magnetic fields
27
89760
3484
همه‌ی ما در مورد MRI شنیدیم. MRI از میدان‌های مغناطیسی و
01:33
and radio waves and they take snapshots of your brain
28
93244
2029
و امواج رادیویی استفاده می‌کند تا از مغز عکسبرداری کند
01:35
or your knee or your stomach,
29
95273
2361
یا از زانو یا از شکم،
01:37
grayscale images that are frozen in time.
30
97634
2045
عکس‌های سیاه سفیدی که ثابت هستند.
01:39
In the 1990s, it was discovered you could use
31
99679
2321
در دهه‌ی ۱۹۹۰، مشخص شد که شما می‌توانید
01:42
the same machines in a different mode,
32
102000
2659
از همان ماشین‌ها در یک حالت‌ مختلف استفاده کنید،
01:44
and in that mode, you could make microscopic blood flow
33
104659
2346
و در این حالت،با فیلم‌هایی از صدها هزار جای مستقل از مغز
01:47
movies from hundreds of thousands of sites independently in the brain.
34
107005
3300
میتونید جریان خون میکروسکوپی بسازید.
01:50
Okay, so what? In fact, the so what is, in the brain,
35
110305
3200
خب، حالا چی؟ در واقع، «حالا چی» اینه: داخل مغز،
01:53
changes in neural activity, the things that make your brain work,
36
113505
3832
تغییرات در فعالیت‌های عصبی، چیزهایی که باعث میشن مغز کار کنند،
01:57
the things that make your software work in your brain,
37
117337
2010
چیزهایی که باعث می‌ شوند نرم‌افزار در مغز کار کند،
01:59
are tightly correlated with changes in blood flow.
38
119347
2489
به شدت وابسته به تغییرات جریان خون هستند.
02:01
You make a blood flow movie, you have an independent
39
121836
1973
یک فیلم از جریان خون بسازید، و یک پروکسی مستقل
02:03
proxy of brain activity.
40
123809
2339
از فعالیت مغز دارید.
02:06
This has literally revolutionized cognitive science.
41
126148
3034
این به معنای واقعی کلمه موجب انقلاب در علوم شناختی شده است،
02:09
Take any cognitive domain you want, memory,
42
129182
1991
هر حوزه‌ای از علوم شناختی رو که میخواین در نظر بگیرین، حافظه،
02:11
motor planning, thinking about your mother-in-law,
43
131173
2141
برنامه‌ریزی موتور، فکر کردن در مورد مادرزنتون،
02:13
getting angry at people, emotional response, it goes on and on,
44
133314
3715
عصبانی شدن از مردم، پاسخ احساسی، همین‌طور ادامه داره،
02:17
put people into functional MRI devices, and
45
137029
3089
مردم رو در دستگاه‌های MRI تابعی بگذارید،
02:20
image how these kinds of variables map onto brain activity.
46
140118
3383
و نحوه‌ی قرارگیری این متغیرها بر فعالیت مغز را ترسیم کنید.
02:23
It's in its early stages, and it's crude by some measures,
47
143501
2849
هنوز در مراحل اولیه قرار داره، و در بعضی معیارها خامِ،
02:26
but in fact, 20 years ago, we were at nothing.
48
146350
2568
اما در واقع، ۲۰ سال پیش، ما در نقطه‌ی صفر بودیم.
02:28
You couldn't do people like this. You couldn't do healthy people.
49
148918
2359
نمی‌شد این کار رو با مردم کرد. با مردم سالم نمی‌شد.
02:31
That's caused a literal revolution, and it's opened us up
50
151277
2488
اون باعث یک انقلاب شد، و ما را
02:33
to a new experimental preparation. Neurobiologists,
51
153765
2818
در معرض یک آماده سازیِ آزمایش جدید قرار داد
02:36
as you well know, have lots of experimental preps,
52
156583
3760
عصب شناسان، همان‌طور که می‌دانید، مواد اولیه‌ی زیادی برای آزمایش دارند،
02:40
worms and rodents and fruit flies and things like this.
53
160343
3141
کرم‌ها و جوندگان و حشره‌های میوه‌ و چیزهایی از این قبیل
02:43
And now, we have a new experimental prep: human beings.
54
163484
3397
و حالا، ما یک ماده‌ی اولیه‌ی جدید برای آزمایش داریم: انسان‌ها
02:46
We can now use human beings to study and model
55
166881
3761
حالا میتونیم از انسان ها برای مطالعه استفاده کنیم و
02:50
the software in human beings, and we have a few
56
170642
2950
نرم‌افزار انسان‌ها رو مدل کنیم.
و ما چند معیار رو به رشد بیولوژیکی داریم.
02:53
burgeoning biological measures.
57
173592
2835
02:56
Okay, let me give you one example of the kinds of experiments that people do,
58
176427
3887
اجازه بدید یک مثال از انواع آزمایش‌هایی که مردم انجام میدن بهتون ارئه بدم،
03:00
and it's in the area of what you'd call valuation.
59
180314
2677
و این در حوزه‌ای است که بهش ارزشگذاری گفته میشه
03:02
Valuation is just what you think it is, you know?
60
182991
2135
ارزش‌گذاری همون چیزیه که فکر میکنین، میدونید؟
03:05
If you went and you were valuing two companies against
61
185126
2804
اگر شما بخواهید دو کمپانی رو در مقابل یکدیگر ارزش‌گذاری کنید،
03:07
one another, you'd want to know which was more valuable.
62
187930
2736
تا بدونید که کدام یک پرارزش‌تر است.
03:10
Cultures discovered the key feature of valuation thousands of years ago.
63
190666
3879
تمدن‌ها ویژگیِ کلیدیِ ارزیابی رو هزاران سال قبل کشف کردند.
03:14
If you want to compare oranges to windshields, what do you do?
64
194545
2690
اگر بخواهید پرتقال رو با شیشه‌ی اتومبیل مقایسه کنید، چکار می کنید؟
03:17
Well, you can't compare oranges to windshields.
65
197235
2356
خب، نمیشه پرتقال رو با شیشه‌ی اتومبیل مقایسه کرد.
03:19
They're immiscible. They don't mix with one another.
66
199591
2255
آن‌ها مخلوط نشدنی اند. با هم جور نمی شوند.
03:21
So instead, you convert them to a common currency scale,
67
201846
2351
پس به جای اینکار، آن‌ها رو به یک مقیاس ارزی معمول تبدیل می کنیم،
03:24
put them on that scale, and value them accordingly.
68
204197
2706
آن‌ها را مقایسه می‌کنیم، و بر این اساس آن‌ها را ارزش گذاری می‌کنیم.
03:26
Well, your brain has to do something just like that as well,
69
206903
3436
خب مغز هم کار مشابهی با این باید انجام بده
03:30
and we're now beginning to understand and identify
70
210339
2488
و ما تازه شروع به فهمیدن و مشخص کردنِ
03:32
brain systems involved in valuation,
71
212827
2137
سیستم‌های مغزی که در ارزش‌گذاری دخیل هستند کرده ایم
03:34
and one of them includes a neurotransmitter system
72
214964
2632
و یکی از آن‌ها شامل یک سیستم انتقال دهنده‌ی عصبی است که
03:37
whose cells are located in your brainstem
73
217596
2632
سلول‌های آن روی ساقه‌ی مغز قرار گرفته‌اند.
03:40
and deliver the chemical dopamine to the rest of your brain.
74
220228
3175
و دوپامین شیمیایی به بقیه‌ی نقاط مغز تحویل می دهد.
03:43
I won't go through the details of it, but that's an important
75
223403
2442
وارد جزئیاتش نمی‌شوم، اما اون کشف مهمیه،
03:45
discovery, and we know a good bit about that now,
76
225845
2157
و ما مقدار مناسبی درباره‌ی اون می دونیم،
03:48
and it's just a small piece of it, but it's important because
77
228002
2230
و این فقط یک بخش بسیار کوچک از اونه، اما مهمه چون
03:50
those are the neurons that you would lose if you had Parkinson's disease,
78
230232
3275
آن‌ها نورون‌هایی هستند که اگر بیماری پارکینسون بگیریم از دست می‌دهیم.
03:53
and they're also the neurons that are hijacked by literally
79
233507
2016
و آن‌ها نورون‌هایی هستند که تقریبا توسط
03:55
every drug of abuse, and that makes sense.
80
235523
2232
همه‌ی مواد مخدر ربوده می‌شوند، و این منطقیه.
03:57
Drugs of abuse would come in, and they would change
81
237755
2336
مواد مخدر داخل می‌شوند و آن‌ها روشی که شما با آن
دنیا را ارزش‌گذاری می‌کنید را عوض می‌کنند.
04:00
the way you value the world. They change the way
82
240091
1789
04:01
you value the symbols associated with your drug of choice,
83
241880
3199
‍اون‌ها ارزش‌گذاریِ نمادهای مرتبط با مواد مخدر انتخاب شده را عوض می‌کنند.
04:05
and they make you value that over everything else.
84
245079
2514
و باعث می‌شوند که برای آن بیشتر از هر چیز دیگری ارزش بگذارید.
04:07
Here's the key feature though. These neurons are also
85
247593
3021
به هرحال این ویژگیِ کلیدی است. این نورون‌ها همچنین در
04:10
involved in the way you can assign value to literally abstract ideas,
86
250614
3501
شیوه‌ی ارزش‌گذاری ایده‌های انتزاعی هم دخیل هستند.
04:14
and I put some symbols up here that we assign value to
87
254115
2041
و من نمادهایی رو اینجا قرار می‌دهم که ما برای آن‌ها به دلایل مختلف
04:16
for various reasons.
88
256156
2720
ارزش‌گذاری می‌کنیم.
04:18
We have a behavioral superpower in our brain,
89
258876
2689
ما یک ابرقدرت رفتاری در مغزهامون داریم.
04:21
and it at least in part involves dopamine.
90
261565
1753
و حداقل در بخشی شامل دوپامین است.
04:23
We can deny every instinct we have for survival for an idea,
91
263318
4189
ما می‌توانیم هرانگیزه‌ای که برای بقا داریم رو برای یک ایده انکار کنیم،
04:27
for a mere idea. No other species can do that.
92
267507
4005
برای یک ایده‌ی محض.هیچ گونه‌ی دیگری از موجودات نمی‌تواند این کار را انجام دهد
04:31
In 1997, the cult Heaven's Gate committed mass suicide
93
271512
3606
در ۱۹۹۷، فرقه‌ی «دروازه‌ی بهشت» اقدام به خودکشی دسته جمعی کردند
با استناد بر این پیش‌بینی که یک بشقاب پرنده بر روی
04:35
predicated on the idea that there was a spaceship
94
275118
2215
04:37
hiding in the tail of the then-visible comet Hale-Bopp
95
277333
3785
دنباله‌ی ستاره‌ی دنباله‌دارِ هیل-باپ که آن موقع دیده می‌شد مخفی شده است
04:41
waiting to take them to the next level. It was an incredibly tragic event.
96
281118
4272
تا آن‌ها را به سطح بعدی ببرد. این یک رویداد به شدت غم انگیز بود.
04:45
More than two thirds of them had college degrees.
97
285390
3485
بیش از دو سوم آن‌ها مدرک دانشگاهی داشتند.
04:48
But the point here is they were able to deny their instincts for survival
98
288875
3723
اما نکته اینه که آن‌ها قادر بودند انگیزه‌های بقای خود رو انکار کنند.
04:52
using exactly the same systems that were put there
99
292598
2866
با استفاده از دقیقا همان سیستم‌هایی که آنجا بود تا آن‌ها را مجبور به بقا کند.
04:55
to make them survive. That's a lot of control, okay?
100
295464
4042
این مقدار بسیار زیادی کنترل است، باشه؟
04:59
One thing that I've left out of this narrative
101
299506
2089
چیزی که از این داستان خارج گذاشتم
05:01
is the obvious thing, which is the focus of the rest of my
102
301595
2234
چیز مشخصیِ که تمرکز ادامه‌یِ
05:03
little talk, and that is other people.
103
303829
2159
صحبت کوچکِ من بر آن است و آن بقیه‌ی مردم است.
05:05
These same valuation systems are redeployed
104
305988
2996
همین سیستم‌های ارزش‌گذاری وقتی که ارتباطمون با
05:08
when we're valuing interactions with other people.
105
308984
2492
بقیه را ارزش‌گذاری می‌کنیم دوباره استفاده می‌شوند.
05:11
So this same dopamine system that gets addicted to drugs,
106
311476
3271
پس همین سیستم دوپامین که به مواد معتاد می‌شود،
05:14
that makes you freeze when you get Parkinson's disease,
107
314747
2524
که باعث فلج شدن شدن هنگام بیماریِ پارکینسون می‌شود،
05:17
that contributes to various forms of psychosis,
108
317271
3077
که به انواع گوناگونی از جنون کمک می‌کند،
05:20
is also redeployed to value interactions with other people
109
320348
3920
همچنین هنگام ارزش‌گذاری ارتباط با دیگران دوباره استفاده می‌شود.
05:24
and to assign value to gestures that you do
110
324268
2896
و تا اختصاص دادن حرکات وقتی که
05:27
when you're interacting with somebody else.
111
327164
2574
با شخص دیگری ارتباط داریم.
05:29
Let me give you an example of this.
112
329738
2577
اجازه بدید یک مثال از این به شما ارائه دهم
05:32
You bring to the table such enormous processing power
113
332315
2967
در این حوزه حجم وسیعی از قدرت پردازش
05:35
in this domain that you hardly even notice it.
114
335282
2624
را استفاده می‌کنیم و حتی به سختی متوجه آن می‌شویم.
05:37
Let me just give you a few examples. So here's a baby.
115
337906
1467
بگذارید چند مثال به ارائه کنم. این یک بچه است.
05:39
She's three months old. She still poops in her diapers and she can't do calculus.
116
339373
3730
اون سه ماهشه. هنوز توی پوشکش خرابکاری میکنه و نمیتونه محاسبات انجام بده.
05:43
She's related to me. Somebody will be very glad that she's up here on the screen.
117
343103
3353
اون با من نسبت داره. یک نفرخیلی خوشحال میشه که اون روی صفحه قرار گرفته.
05:46
You can cover up one of her eyes, and you can still read
118
346456
2376
میشه یکی از چشم‌هاش رو بپوشونیم و و هنوز هم از چشم دیگر او
05:48
something in the other eye, and I see sort of curiosity
119
348832
2755
می‌تونیم چیزی رو بخونیم، من نوعی کنجکاوی در یک چشم و
05:51
in one eye, I see maybe a little bit of surprise in the other.
120
351587
3597
مقداری سوپرایز شدن در چشم دیگرش می‌بینم.
05:55
Here's a couple. They're sharing a moment together,
121
355184
3179
این‌ها یک زوج هستند.آن‌ها لحظه‌ای رو با هم به اشتراک گذاشته اند
05:58
and we've even done an experiment where you can cut out
122
358363
1318
و ما یک آزمایش‌ انجام دادیم که در آن
05:59
different pieces of this frame and you can still see
123
359681
3007
بخش‌هایی از این عکس رو جدا کردیم و همچنان می‌شد این اشتراک‌گذاری رو دید
06:02
that they're sharing it. They're sharing it sort of in parallel.
124
362688
2504
آن‌ها به نوعی به صورت موازی این اشتراک گذاری رو انجام دادند.
06:05
Now, the elements of the scene also communicate this
125
365192
2463
عناصر این صحنه هم این رو به ما می‌رسونند
06:07
to us, but you can read it straight off their faces,
126
367655
2235
اما مستقیما از چهره‌هاشون می‌تونید بخونید
06:09
and if you compare their faces to normal faces, it would be a very subtle cue.
127
369890
3503
و اگر چهره‌هاشون رو با چهره‌های طبیعی مقایسه کنیم، نشانه‌های دقیقی خواهیم دید.
06:13
Here's another couple. He's projecting out at us,
128
373393
3347
این هم یک زوج دیگر. اون مرد داره به سمت ما نگاه می‌کنه
06:16
and she's clearly projecting, you know,
129
376740
2888
و اون خانم هم به وضوح داره با
06:19
love and admiration at him.
130
379628
2263
عشق و تحسین به او نگاه می‌کنه
06:21
Here's another couple. (Laughter)
131
381891
3635
این هم یک زوج دیگر. (خنده‌ی حضار)
06:25
And I'm thinking I'm not seeing love and admiration on the left. (Laughter)
132
385526
5150
و من فکر میکنم که عشق و تحسینی در سمت چپ نمی‌بینم.(خنده‌ی حضار)
06:30
In fact, I know this is his sister, and you can just see
133
390676
2560
در واقع، من می‌دونم که این خواهرشه و می‌تونیم ببینیم که داره میگه:
06:33
him saying, "Okay, we're doing this for the camera,
134
393236
2513
«خیله خوب، ما این کاررو برای دوربین انجام می‌دیم و
06:35
and then afterwards you steal my candy and you punch me in the face." (Laughter)
135
395749
5702
بعدش تو شکلاتِ منو می‌دزدی و به صورت من مشت میزنی.» (خنده‌ی حضار)
06:41
He'll kill me for showing that.
136
401451
2106
به خاطر نشون دادن این منو می‌کشه.
06:43
All right, so what does this mean?
137
403557
2797
خوب، این چه معنی می‌ده؟
06:46
It means we bring an enormous amount of processing power to the problem.
138
406354
3350
این یعنی ما حجم وسیعی از قدرت پردازش رو به مواجهه‌ی مشکل فرا می‌خوانیم.
06:49
It engages deep systems in our brain, in dopaminergic
139
409704
3648
این سیستم‌های عمیقی در ذهن ما رو درگیر می‌کنه
سیستم‌های وابسته به دوپامین که باعث می‌شن ما دنبال رابطه‌ی جنسی، غذا و نمک باشیم.
06:53
systems that are there to make you chase sex, food and salt.
140
413352
2818
06:56
They keep you alive. It gives them the pie, it gives
141
416170
2894
آن‌ها ما رو زنده نگه می‌دارند
این آنچنان ضربه‌ی مشت رفتاری که بهش ابرقدرت گفتم رو وارد میکنه.
06:59
that kind of a behavioral punch which we've called a superpower.
142
419064
2904
07:01
So how can we take that and arrange a kind of staged
143
421968
3654
خب ما چجوری می‌تونیم اینو داشته باشیم و یک ارتباط اجتماعی مرحله‌بندی شده را
07:05
social interaction and turn that into a scientific probe?
144
425622
2698
برنامه‌ریزی کنیم و آن را به یک مسئله‌ی علمی تبدیل کنیم؟
07:08
And the short answer is games.
145
428320
2691
و جواب کوتاه اینه: بازی
07:11
Economic games. So what we do is we go into two areas.
146
431011
4404
بازی‌های اقتصادی. پس کاری که می‌کنیم اینه: وارد دو حوزه می‌شویم.
07:15
One area is called experimental economics. The other area is called behavioral economics.
147
435415
3336
اسم یکی از این حوزه‌ها اقتصاد تجربی است. و نام دیگری اقتصاد رفتاری است.
07:18
And we steal their games. And we contrive them to our own purposes.
148
438751
4078
و ما بازی‌های آن‌ها را می‌دزدیم و برای هدف‌های خودمون از آن‌ها استفاده می‌کنیم.
07:22
So this shows you one particular game called an ultimatum game.
149
442829
2967
این به شما یک بازی خاص به نام بازی اولتیماتوم را نشون می‌ده.
07:25
Red person is given a hundred dollars and can offer
150
445796
1845
به فرد قرمز ۱۰۰ دلار داده شده و او می‌تونه
07:27
a split to blue. Let's say red wants to keep 70,
151
447641
3723
یک پیشنهاد به آبی بده. بیاید فرض کنیم قرمز می‌خواد ۷۰ تا نگه داره و
07:31
and offers blue 30. So he offers a 70-30 split with blue.
152
451364
4086
به آبی ۳۰ تا پیشنهاد بده. پس به آبی یک پیشنهاد تقسیم ۷۰ به ۳۰ میده.
07:35
Control passes to blue, and blue says, "I accept it,"
153
455450
2851
کنترل دست آبی میافته و او میگه: «قبول می‌کنم»
07:38
in which case he'd get the money, or blue says,
154
458301
1956
در این حالت او پول رو می‌گیره، یا آبی می‌گه:
07:40
"I reject it," in which case no one gets anything. Okay?
155
460257
4307
«رد می‌کنم»، در این حالت هیچکس پولی نمی‌گیره.خب؟
07:44
So a rational choice economist would say, well,
156
464564
3392
پس یک اقتصاددان منطقی ممکنه بگه که
07:47
you should take all non-zero offers.
157
467956
2056
ما باید تمام پیشنهادهای غیر صفر رو قبول کنیم.
07:50
What do people do? People are indifferent at an 80-20 split.
158
470012
3762
مردم چکار می‌کنند؟ مردم در یک تقسیم ۸۰ به ۲۰ بی‌تفاوت هستند.
07:53
At 80-20, it's a coin flip whether you accept that or not.
159
473774
3524
در تقسیم ۸۰ به ۲۰ احتمال قبولِ پیشنهاد برابر با احتمال سکه انداختن است.(۵۰ درصد)
07:57
Why is that? You know, because you're pissed off.
160
477298
2891
چرا؟ چون ما عصبانی هستیم.
ما خشمگینیم. اون یک پیشنهاد غیرمنصفانه است و ما می‌دونیم یک پیشنهاد غیرمنصفانه چیه.
08:00
You're mad. That's an unfair offer, and you know what an unfair offer is.
161
480189
3609
08:03
This is the kind of game done by my lab and many around the world.
162
483798
2704
این نوعی از بازی است که در آزمایشگاه من و آزمایشگاه‌های بسیاری در دنیا انجام شده.
08:06
That just gives you an example of the kind of thing that
163
486502
2544
این به شما فقط مثالی از نوع چیزی که این بازی‌ها تحقیق می‌کنند نشان داد.
08:09
these games probe. The interesting thing is, these games
164
489046
3738
چیز جالب این است که، این بازی‌ها
08:12
require that you have a lot of cognitive apparatus on line.
165
492784
3707
نیازمند این هستند که دستگاه‌های شناختی بسیاری را آماده داشته باشید.
08:16
You have to be able to come to the table with a proper model of another person.
166
496491
2928
باید بتونیم با یک مدل مناسب از یک فرد دیگر کار رو آغاز کنیم.
08:19
You have to be able to remember what you've done.
167
499419
3213
باید بتونیم کاری که انجام دادیم رو به خاطر بیاوریم.
08:22
You have to stand up in the moment to do that.
168
502632
1420
باید برای لحظه‌ی مناسب برای انجام آن صبر کنیم.
08:24
Then you have to update your model based on the signals coming back,
169
504052
3350
سپس باید مدل را براساس سیگنال‌های بازگشتی به روزرسانی کنیم.
08:27
and you have to do something that is interesting,
170
507402
2972
و باید یک کار جالب انجام بدیم:
08:30
which is you have to do a kind of depth of thought assay.
171
510374
2597
باید نوعی سنجش ذهنی عمیق انجام بدیم.
08:32
That is, you have to decide what that other person expects of you.
172
512971
3333
که یعنی، باید تصمیم بگیریم که فرد دیگر چه انتظاری از ما دارد.
باید سیگنال‌هایی بفرستیم تا تصویری که از ما در ذهن خود دارند را مدیریت کنیم.
08:36
You have to send signals to manage your image in their mind.
173
516304
2954
08:39
Like a job interview. You sit across the desk from somebody,
174
519258
2853
مثل یک مصاحبه‌ی شغلی. ما روبه‌روی یک فرد در طرف دیگر میز می‌نشینیم،
08:42
they have some prior image of you,
175
522111
1369
آن‌ها یک تصویر از قبل از ما دارند،
08:43
you send signals across the desk to move their image
176
523480
2751
ما سیگنال‌هایی به آن سوی میز می‌فرستیم تا تصویری که از ما دارند را
08:46
of you from one place to a place where you want it to be.
177
526231
3920
از یک جا به جایی که می‌خواهیم باشد منتقل کنیم.
08:50
We're so good at this we don't really even notice it.
178
530151
3385
آنقدر در اینکار خوب هستیم که حتی متوجه آن هم نمی‌شویم.
08:53
These kinds of probes exploit it. Okay?
179
533536
3767
این تحقیق‌ها این را نشان دادند. خیلی خوب؟
08:57
In doing this, what we've discovered is that humans
180
537303
1807
در حین انجام این کار چیزی که کشف کردیم این بود که:
08:59
are literal canaries in social exchanges.
181
539110
2331
انسان‌ها در مبادلات اجتماعی مثل قناری‌ها هستند.
09:01
Canaries used to be used as kind of biosensors in mines.
182
541441
3397
از قناری‌ها به عنوان نوعی حسگر زیستی در معدن‌ها استفاده می‌شد.
09:04
When methane built up, or carbon dioxide built up,
183
544838
3560
هنگامی که متان زیاد می‌شد، یا کربن دی‌اکسید زیاد می‌شد،
09:08
or oxygen was diminished, the birds would swoon
184
548398
4186
یا اکسیژن کاهش پیدا می‌کرد، پرنده‌ها قبل مردم
غش می‌کردند -- پس به عنوان یک سیستم هشدار اولیه عمل می‌کرد:
09:12
before people would -- so it acted as an early warning system:
185
552584
2326
09:14
Hey, get out of the mine. Things aren't going so well.
186
554910
2980
«هی، از معدن بیرون برید. اوضاع خوب نیست.»
09:17
People come to the table, and even these very blunt,
187
557890
2954
مردم به پای میز مذاکره می‌آیند و حتی این تعاملات اجتماعی مرحله بندی شده‌ی بدون پرده
09:20
staged social interactions, and they, and there's just
188
560844
2990
09:23
numbers going back and forth between the people,
189
563834
3016
که در آن‌ها فقط اعداد مابینِ
مردم رد و بدل می‌شود،
09:26
and they bring enormous sensitivities to it.
190
566850
2199
و مردم احساست بسیار زیادی را به این فرآیند اضافه می کنند.
09:29
So we realized we could exploit this, and in fact,
191
569049
2689
پس ما فهمیدیم که می‌تونیم از این بهره برداری کنیم و در واقع
09:31
as we've done that, and we've done this now in
192
571738
2556
ما این کار رو انجام دادیم. ما این کار رو بر روی
09:34
many thousands of people, I think on the order of
193
574294
2694
هزاران نفر از مردم انجام دادیم، فکر می‌کنم در حدودِ
09:36
five or six thousand. We actually, to make this
194
576988
2165
پنج یا شش هزار نفر.
در واقع برای اینکه این را به یک تحقیق بیولیژیکی تبدیل کنیم،
09:39
a biological probe, need bigger numbers than that,
195
579153
2224
09:41
remarkably so. But anyway,
196
581377
3674
به اعدادِ بسیار بیشتری نیاز داریم. اما به هرحال
الگوهایی پدید آمدند و ما توانستیم آن الگوها را
09:45
patterns have emerged, and we've been able to take
197
585051
2004
09:47
those patterns, convert them into mathematical models,
198
587055
3836
به مدل‌های ریاضی تبدیل کنیم و
09:50
and use those mathematical models to gain new insights
199
590891
2689
از آن مدل‌های ریاضی استفاده کردیم تا
09:53
into these exchanges. Okay, so what?
200
593580
2131
بینش‌های جدیدی به این تعاملات به دست آوریم. خب، حالا چی؟
09:55
Well, the so what is, that's a really nice behavioral measure,
201
595711
3313
خب این یک سنجش رفتاریِ مناسب است،
09:59
the economic games bring to us notions of optimal play.
202
599024
3319
بازی‌های اقتصادی مفاهیمی از بازی بهینه را برای ما به ارمغان می‌آورند.
10:02
We can compute that during the game.
203
602343
2484
ما می‌توانیم آن را در حین بازی محاسبه کنیم
10:04
And we can use that to sort of carve up the behavior.
204
604827
2953
و ما می‌توانیم از آن استفاده کنیم تا به نوعی رفتار را بسازیم.
10:07
Here's the cool thing. Six or seven years ago,
205
607780
4330
این هم قسمت جالب ماجرا. شش یا هفت سال پیش،
10:12
we developed a team. It was at the time in Houston, Texas.
206
612110
2550
ما یک تیم درست کردیم. آن موقع در هیستونِ تکزاس بود.
10:14
It's now in Virginia and London. And we built software
207
614660
3394
الان در ویرجینیا و لندن است. و ما یک نرم افزار درست کردیم که
10:18
that'll link functional magnetic resonance imaging devices
208
618054
3207
دستگاه‌هایِ تصویربرداریِ تشدیدِ مغناطیسی را از طریق اینترنت به یکدیگر ارتباط می‌داد
10:21
up over the Internet. I guess we've done up to six machines
209
621261
4035
فکر می‌کنم که تا شش دستگاه را در آن زمان متصل کردیم،
10:25
at a time, but let's just focus on two.
210
625296
1981
اما بگذارید فقط بر روی دو تا از آن‌ها تمرکز کنیم.
10:27
So it synchronizes machines anywhere in the world.
211
627277
3058
پس این ماشین‌ها را در هر جای دنیا که باشند با یکدیگر همگام می‌کند.
10:30
We synchronize the machines, set them into these
212
630335
3169
ما ماشین‌ها را همگام می‌کنیم، برای تعاملات اجتماعیِ مرحله‌بندی شده تنظیم می‌کنیم
10:33
staged social interactions, and we eavesdrop on both
213
633504
1983
و از هر دو مغزی که با یکدیگر تعامل می‌کنند جاسوسی می‌کنیم.
10:35
of the interacting brains. So for the first time,
214
635487
1666
10:37
we don't have to look at just averages over single individuals,
215
637153
3607
پس برای اولین بار
نیازی نیست که فقط میانگینِ تک نفره‌ی افراد را بررسی کنیم،
10:40
or have individuals playing computers, or try to make
216
640760
2897
یا افراد را مجبور کنیم که با کامپیوتر بازی کنند یا سعی کنیم که
10:43
inferences that way. We can study individual dyads.
217
643657
2763
اینگونه استنتاج کنیم. ما می‌توانیم جفت های مجزا را بررسی کنیم.
10:46
We can study the way that one person interacts with another person,
218
646420
2785
ما می‌توانیم روشی که یک فرد با فرد دیگر تعامل می‌کند را مطالعه کنیم.
10:49
turn the numbers up, and start to gain new insights
219
649205
2564
اعدادمون را بیشتر کنیم و بینش‌های جدیدی را
10:51
into the boundaries of normal cognition,
220
651769
2515
به مرزهای معمولِ شناخت اضافه کنیم
10:54
but more importantly, we can put people with
221
654284
2732
اما مهمتر از این، ما می‌توانیم افرادی که به صورت کلاسیک با عنوانِ
10:57
classically defined mental illnesses, or brain damage,
222
657016
3337
بیماریِ روانی یا آسیب مغزی تعریف شده اند را
11:00
into these social interactions, and use these as probes of that.
223
660353
3551
در این تعاملاتِ اجتماعی قرار دهیم و از این‌ها به عنوان پژوهش استفاده کنیم
11:03
So we've started this effort. We've made a few hits,
224
663904
2350
پس ما این تلاش را آغاز کردیم و موفقیت‌هایی به دست آوردیم،
11:06
a few, I think, embryonic discoveries.
225
666254
2449
بعضی کشف‌های ابتدایی.
11:08
We think there's a future to this. But it's our way
226
668703
2812
فکر می‌کنیم برای این آینده‌ای وجود دارد. اما الان این راه ماست که
11:11
of going in and redefining, with a new lexicon,
227
671515
2560
وارد شویم و با یک روش جدید، در واقع یک روش وابسته به ریآضیات،
11:14
a mathematical one actually, as opposed to the standard
228
674075
4022
در مقابل نوعی که درباره‌ی بیماری‌های روانی فکر می‌کنیم
11:18
ways that we think about mental illness,
229
678097
2578
تعریف جدیدی ارائه دهیم.
11:20
characterizing these diseases, by using the people
230
680675
2067
مشخص کردن این بیماری‌ها با استفاده از
11:22
as birds in the exchanges. That is, we exploit the fact
231
682742
3007
مردم به عنوان پرنده در این تعاملات.
11:25
that the healthy partner, playing somebody with major depression,
232
685749
4244
ما از این حقیقت که بازیکن سالم با کسی که افسردگیِ شدید دارد یا
11:29
or playing somebody with autism spectrum disorder,
233
689993
2910
کسی که اختلال طیفیِ اوتیسم دارد یا
11:32
or playing somebody with attention deficit hyperactivity disorder,
234
692903
3850
کسی که اختلال نقص توجه بیش‌فعالی دارد.
11:36
we use that as a kind of biosensor, and then we use
235
696753
3219
ما از آن به عنوان نوعی حسگر زیستی استفاده می‌کنیم
11:39
computer programs to model that person, and it gives us
236
699972
2644
و سپس از برنامه‌های کامپیوتری استفاده می‌کنیم تا آن فرد را مدل‌سازی کنیم
11:42
a kind of assay of this.
237
702616
2470
و این به ما نوعی سنجش از این موضوع می‌دهد.
11:45
Early days, and we're just beginning, we're setting up sites
238
705086
2131
روزهای اولیه است و ما تازه شروع کردیم، در حال راه‌ اندازیِ
11:47
around the world. Here are a few of our collaborating sites.
239
707217
3410
مقرهایی در اطراف دنیا هستیم. این‌ها تعدادی از مقرهای همکار ما هستند.
11:50
The hub, ironically enough,
240
710627
2309
مرکز فعالیت، از قضا
11:52
is centered in little Roanoke, Virginia.
241
712936
2889
در لیتل روانُک ویرجینیا واقع شده.
11:55
There's another hub in London, now, and the rest
242
715825
2269
در حال حاضر یک مرکز دیگر در لندن است و مابقی در حال آماده سازی هستند.
11:58
are getting set up. We hope to give the data away
243
718094
4009
امیدواریم که داده‌ها را در مرحله‌ای منتشر کنیم.
12:02
at some stage. That's a complicated issue
244
722103
3673
در دسترس قرار دادن این اطلاعات
12:05
about making it available to the rest of the world.
245
725776
2994
برای بقیه‌ی دنیا موضوع پیچیده‌ای است.
12:08
But we're also studying just a small part
246
728770
1847
اما ما فقط بخش کوچکی از چیزی که
12:10
of what makes us interesting as human beings, and so
247
730617
2267
ما را به عنوان انسان جذاب می‌کند، مطالعه می‌کنیم
12:12
I would invite other people who are interested in this
248
732884
2041
من از بقیه‌ی افرادی که به این موضوع علاقه دارند دعوت می‌کنم
12:14
to ask us for the software, or even for guidance
249
734925
2569
که از ما نرم‌افزار را درخواست کنند، یا حتی برای راهنمایی که
12:17
on how to move forward with that.
250
737494
2219
این موضوع را چگونه پیش ببرند.
12:19
Let me leave you with one thought in closing.
251
739713
2341
بگذارید با یک فکر پایانی شما رو تنها بگذارم
12:22
The interesting thing about studying cognition
252
742054
1942
چیز جالب در مورد مطالعه‌ی شناختی این است که
12:23
has been that we've been limited, in a way.
253
743996
3732
ما به نوعی محدود بوده‌ایم.
12:27
We just haven't had the tools to look at interacting brains
254
747728
2943
ما ابزار نگاه کردن به مغزهای در حال تعامل
12:30
simultaneously.
255
750671
1200
به صورت همزمان را نداشتیم.
12:31
The fact is, though, that even when we're alone,
256
751871
2470
حقیقت این است که ما حتی وقتی تنها هستیم،
12:34
we're a profoundly social creature. We're not a solitary mind
257
754341
4111
موجوداتی به شدت اجتماعی هستیم. ما ذهنی منفرد ساخته شده با خصوصیاتی که
12:38
built out of properties that kept it alive in the world
258
758452
4373
آن را در جهان مستقل از افراد دیگر زنده نگه دارد، نیستیم
12:42
independent of other people. In fact, our minds
259
762825
3948
در واقع، ذهن‌های ما
12:46
depend on other people. They depend on other people,
260
766773
2870
به بقیه‌ی مردم وابسته است.
به بقیه‌ی مردم وابسته است و در بقیه ابراز می‌شود.
12:49
and they're expressed in other people,
261
769643
1541
12:51
so the notion of who you are, you often don't know
262
771184
3652
پس مفهوم اینکه چه کسی هستیم را تا زمانی که خودمان را در تعامل
12:54
who you are until you see yourself in interaction with people
263
774836
2688
با بقیه‌ی مردمی که به ما نزدیک هستند
12:57
that are close to you, people that are enemies of you,
264
777524
2406
یا دشمن ما هستند یا منکر ما هستند
12:59
people that are agnostic to you.
265
779930
2545
نمی‌دانیم
13:02
So this is the first sort of step into using that insight
266
782475
3776
پس این به نوعی اولین قدم در استفاده از این بینش
و نگاه کردن به چیزی که ما را به انسان تبدیل می‌کند است و تبدیل آن به یک ابزار
13:06
into what makes us human beings, turning it into a tool,
267
786251
3295
13:09
and trying to gain new insights into mental illness.
268
789546
1978
و تلاش برای یافتن بینش‌هایی جدید به بیماری‌های ذهنی
13:11
Thanks for having me. (Applause)
269
791524
3121
ممنون که به صحبت‌های من گوش کردید.
(تشویق حضار)
13:14
(Applause)
270
794645
3089
درباره این وب سایت

این سایت ویدیوهای یوتیوب را به شما معرفی می کند که برای یادگیری زبان انگلیسی مفید هستند. دروس انگلیسی را خواهید دید که توسط معلمان درجه یک از سراسر جهان تدریس می شود. روی زیرنویس انگلیسی نمایش داده شده در هر صفحه ویدیو دوبار کلیک کنید تا ویدیو از آنجا پخش شود. زیرنویس‌ها با پخش ویدیو همگام می‌شوند. اگر نظر یا درخواستی دارید، لطفا با استفاده از این فرم تماس با ما تماس بگیرید.

https://forms.gle/WvT1wiN1qDtmnspy7