Daniel Wolpert: The real reason for brains

Fordító: Orsolya Szemere Lektor: Anna Patai

I'm a neuroscientist.

Neurológus vagyok.

And in neuroscience,

És az idegtudományban nagyon sokféle

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

kérdéssel kell foglalkozunk az agyat illetően.

But I want to start with the easiest question

Én azonban a legegyszerűbbel szeretném elkezdeni,

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

mégpedig azzal, amelyet életünk valamely pontján

because it's a fundamental question

mindannyian felteszünk magunknak,

if we want to understand brain function.

mert annyira alapvető, ha meg akarjuk érteni az agy funkcióját.

And that is, why do we and other animals

A kérdés a következő: miért van az, hogy nekünk

have brains?

és más állatoknak is van agyunk?

Not all species on our planet have brains,

A földön nem minden állatfajnak van agya,

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

úgyhogy ha meg akarjuk tudni, hogy az agy mire való,

let's think about why we evolved one.

gondolkozzunk el azon, hogy miért is fejlesztettük ki!

Now you may reason that we have one

Érvelhetnek azzal, hogy azért fejlesztettük ki,

to perceive the world or to think,

hogy felfogjuk a világot, vagy, hogy gondolkozzunk,

and that's completely wrong.

és ez teljesen téves!

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

Akármeddig is gondolkodunk ezen a kérdésen,

it's blindingly obvious why we have a brain.

vakítóan szembetűnő, hogy miért is van agyunk.

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

Egy és csakis egy ok miatt van az agyunk:

and that's to produce adaptable and complex movements.

hogy alkalmazkodó és összetett mozgásokat hajthassunk végre.

There is no other reason to have a brain.

Semmi más oka nincs annak, hogy agyunk van.

Think about it.

Gondolják csak végig!

Movement is the only way you have

A mozgás az egyetlen lehetséges mód arra,

of affecting the world around you.

hogy a körülöttünk lévő világra hatással legyünk.

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

Jó, azért ez nem teljesen igaz, mert van még egy mód: az izzadás.

But apart from that,

De ettől eltekintve

everything else goes through contractions of muscles.

minden az izmok összehúzódása által megy végbe.

So think about communication --

Gondoljanak csak a kommunikációra --

speech, gestures, writing, sign language --

a beszédre, a gesztikulációkra, az írásra, a jelbeszédre --

they're all mediated through contractions of your muscles.

ezeket mind az izmok összehúzódása viszi végbe.

So it's really important to remember

Ezért nagyon fontos fejben tartani azt,

that sensory, memory and cognitive processes are all important,

hogy mind az érzékszervi, mind a memória és a kognitív folyamatok nagyon fontosak ugyan,

but they're only important

de kizárólag avégett, hogy vagy előidézzenek,

to either drive or suppress future movements.

vagy megszüntessenek jövőbeli mozdulatokat.

There can be no evolutionary advantage

Nem származhat evolúciós értelemben előny abból,

to laying down memories of childhood

hogy memórianyomokat őrizgessünk gyermekkorunkból

or perceiving the color of a rose

egy rózsa színéről, amennyiben az nem befolyásolja

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

a mozgásunkat későbbi életünk során.

Now for those who don't believe this argument,

Nos, azok számára, akik nem bíznak az ilyesfajta érvelésben,

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

ott vannak a földünkön élő fák és füvek agy nélkül,

but the clinching evidence is this animal here --

de az összekötőkapocsként szolgáló bizonyíték inkább ez az állat itt --

the humble sea squirt.

a szerény tengeri zsákállat.

Rudimentary animal, has a nervous system,

Kezdetleges állat, van idegrendszere,

swims around in the ocean in its juvenile life.

úszkál körbe az óceánban fiatalkorában.

And at some point of its life,

És élete egy bizonyos pontján

it implants on a rock.

megtelepszik egy sziklán.

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

És az első dolog, amit ott azon a sziklán tesz,

is to digest its own brain and nervous system

amit többé nem hagy el, hogy felemészti

for food.

saját agyát és idegrendszerét - étel gyanánt.

So once you don't need to move,

Magyarul, amint nem kell többé mozognunk,

you don't need the luxury of that brain.

azt a luxust sem engedhetjük meg többé, hogy agyunk legyen!

And this animal is often taken

És ezt az állatot gyakran idézik analógiaként

as an analogy to what happens at universities

arra, hogy mi történik az egyetemeken,

when professors get tenure,

amikor a professzorokat felveszik állandóra,

but that's a different subject.

no de ez egy másik téma.

(Applause)

(Taps)

So I am a movement chauvinist.

Nos, én magam egy mozgás-soviniszta vagyok.

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

Hiszek abban, hogy a mozgás az agy legfontosabb funkciója --

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

ne hagyják, hogy bárki azt hajtogassa maguknak, hogy ez nem igaz!

Now if movement is so important,

Nos, ha a mozgás ennyire fontos,

how well are we doing

mennyire vagyunk előre abban,

understanding how the brain controls movement?

amit az agy mozgáskoordinációjáról tudunk?

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

Sajnos a válasz az, hogy igencsak el vagyunk maradva; ez egy nagyon kemény dió.

But we can look at how well we're doing

De megnézhetjük azt, hogy mennyire jól értjük

by thinking about how well we're doing building machines

a módját annak, hogy gépeket építsünk olyasmire,

which can do what humans can do.

amit az emberek is meg tudnak csinálni.

Think about the game of chess.

Gondoljunk csak a sakkjátékra.

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

Milyen jól értünk ahhoz, hogy meghatározzuk, mit hova mozdítsunk?

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

Ha ideültetjük Gary Kasparovot, mármint amikor épp nincs börtönben,

against IBM's Deep Blue,

az IBM Deep Blue gépével szembe,

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

akkor a válasz, hogy a Deep Blue csak néha fog nyerni.

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

Ugyanakkor szerintem, ha itt a teremből bármelyikünk ellen játszana a Deep Blue,

That problem is solved.

akkor minden alkalommal nyerne. Kérdés megoldva.

What about the problem

Mi a helyzet a sakkfigura

of picking up a chess piece,

felemelésének kérdésével,

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

ügyesen mozgatva és visszatéve a sakktáblára?

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

Ha egy 5 éves gyerek ügyességét állítjuk szembe a mai legjobb robottal,

the answer is simple:

akkor nagyon egyszerű a válasz:

the child wins easily.

a gyerek könnyedén győz.

There's no competition at all.

Valójában nincs is verseny.

Now why is that top problem so easy

Namost akkor hogy lehet, hogy a fenti kérdés olyan egyszerű,

and the bottom problem so hard?

a lenti pedig olyan nehéz?

One reason is a very smart five year-old

Az egyik válasz az, hogy az ötéves

could tell you the algorithm for that top problem --

meg tudná mondani ennek a kérdésnek az algoritmusát --

look at all possible moves to the end of the game

megvizsgálva az összes lehetséges lépést

and choose the one that makes you win.

a játék végéig, majd kiválasztani a nyerőt.

So it's a very simple algorithm.

Tehát ez egy igen egyszerű algoritmus.

Now of course there are other moves,

Nos persze vannak más mozdulatok is,

but with vast computers we approximate

de ezekkel az óriási computerekkel hozzávetőleges számításokat végzünk,

and come close to the optimal solution.

és úgy kerülünk közelebb az optimális megoldáshoz.

When it comes to being dexterous,

Amikor arról van szó, hogy mennyire ügyes egy mozdulat,

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

még az sem nyilvánvaló, hogy mi az algoritmus, és akkor is

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

meg kell oldanod az ügyességet. És látjuk, hogy ilyenkor egyszerre kell

which has a lot of problems.

felfognunk a világot és cselekedni benne, ami egy sor kérdést vet fel.

But let me show you cutting-edge robotics.

De hadd mutassam most be az élvonalbeli robotikát.

Now a lot of robotics is very impressive,

Egy sor robot nagyon lenyűgöző,

but manipulation robotics is really just in the dark ages.

de a manipulációs robotika tényleg a sötét középkorban jár még.

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

Ez tehát egy Ph.D projekt eredménye,

from one of the best robotics institutes.

az egyik legjobb robotika intézetből.

And the student has trained this robot

A hallgató megtanította a robotját arra,

to pour this water into a glass.

hogy a vizet a pohárba öntse.

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

Nagyon nehéz kérdés, mert a víz kiloccsan, de végül is sikerült.

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

De gyorsasága egyáltalán nem hasonlítható az emberéhez.

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

Nos, ha azt szeretnénk, hogy ez a robot egy másik feladatot hajtson végre,

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

az egy újabb 3 éves Ph.D. programba telne!

There is no generalization at all

Egyáltalán nem létezik az egyik feladatról

from one task to another in robotics.

a másikra átvihető általánosítás a robotikában!

Now we can compare this

Összehasonlíthatjuk ezt

to cutting-edge human performance.

az élvonalbeli emberi teljesítménnyel.

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

Bemutatom most Önöknek Emily Fox-ot,

winning the world record for cup stacking.

amint éppen felállítja a pohár egymásra halmozás világrekordját.

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

Az amerikaiak a közönségben mind ismerni fogják

It's a high school sport

a pohártoronyépítést. Ez egy gimnáziumi sport,

where you have 12 cups you have to stack and unstack

ahol is 12 poharat kell egymásra halmozni, majd leszedni

against the clock in a prescribed order.

meghatározott sorrendben, miközben mérik az időt.

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

Ez itt ő, amint felállítja a világrekordot valós időben.

(Laughter)

(Nevetés)

(Applause)

(Taps)

And she's pretty happy.

És milyen boldog!

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

Fogalmunk sincs, mi zajlik az agyában,

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

miközben végrehajtja, márpedig épp ezt szeretnénk megtudni!

So in my group, what we try to do

Nos a csoportomban mi próbáljuk visszafejteni

is reverse engineer how humans control movement.

azt, ahogy az ember a mozgását irányítja.

And it sounds like an easy problem.

Könnyű feladatnak tűnhet.

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

Leküldünk egy parancsot, az végrehajtja az izomösszehúzódást.

Your arm or body moves,

A karunk, vagy a testünk mozog,

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

és érzékszervi visszajelzést kapunk a látás, a bőrünk, az izmok stb. segítségével.

The trouble is

A baj az, hogy ezek a jelek nem olyan szépek,

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

mint amilyennek szeretnénk őket.

So one thing that makes controlling movement difficult

Az egyik, ami megnehezíti a mozgás irányítását,

is, for example, sensory feedback is extremely noisy.

például az, hogy az érzékszervek visszajelzése

Now by noise, I do not mean sound.

igen "zajos". Itt "zaj" alatt nem a hangot értem.

We use it in the engineering and neuroscience sense

Mérnöki és neurológiai értelemben használjuk,

meaning a random noise corrupting a signal.

amikor egy véletlenszerű zaj megzavarja a jelet.

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

A digitális rádió előtti időkben, amikor rádióhangoláskor

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

azt a "hrrrhrr"-t hallottuk az adón,

that was the noise.

amit fogni akartunk, na az a zaj.

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

De általánosabb értelemben ez a zaj valami olyan, ami lerontja a jelet.

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

Például, ha a kezünket az asztal alá tesszük,

and try to localize it with your other hand,

hogy megpróbáljuk beazonosítani a másik ujjunk helyét,

you can be off by several centimeters

akkor bizony néha több centit is tévedhetünk,

due to the noise in sensory feedback.

az érzékszervi zajoknak köszönhetően!

Similarly, when you put motor output on movement output,

Ugyanígy, amikor a motorteljesítményt

it's extremely noisy.

a mozgáshoz hasonlítjuk, az nagyon zajos.

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

Ne is akarjunk a darts táblán telibe találni,

just aim for the same spot over and over again.

csak célozzunk ugyanoda újra és újra.

You have a huge spread due to movement variability.

Óriási terjedelemben választhatunk a mozgásvariációkból.

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

Sőt ennél több is van itt, a külvilág,

is both ambiguous and variable.

vagy feladat is többértelmű és változó.

The teapot could be full, it could be empty.

A csésze lehet tele is, vagy üres is.

It changes over time.

Időről időre változik.

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

Tehát a zaj egész érzékszervi mozgás feladat kavalkádjában tevékenykedünk.

Now this noise is so great

Nos ez a zaj akkora,

that society places a huge premium

hogy a társadalom óriási jutalmat tűz ki nekünk,

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

ha a zaj következményeit le tudjuk csökkenteni.

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

Tehát, ha vagyunk oly szerencsések, hogy képesek vagyunk egy kis fehér labdával

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

betalálni egy több száz méterre lévő lyukba egy hosszú fém bot segítségével,

our society will be willing to reward you

akkor a társadalmunk ezért hajlandó

with hundreds of millions of dollars.

többszáz millió dollár jutalmat fizetni!

Now what I want to convince you of

Nos, én arról akarom Önöket meggyőzni,

is the brain also goes through a lot of effort

hogy az agynak is nagyon sok erőfeszítésébe kerül,

to reduce the negative consequences

hogy lecsökkentse az ilyesfajta zajok

of this sort of noise and variability.

és szórások negatív következményeit.

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

És ehhez megismertetek Önökkel egy összefüggést,

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

ami a statisztikában és gépi tanulásban nagyon népszerű lett az elmúlt 50 évben:

called Bayesian decision theory.

ez a Bayes-féle „okok valószínűségének" tétele.

And it's more recently a unifying way

Ez újabban egy egységesítő módszer arra,

to think about how the brain deals with uncertainty.

amikor azon elmélkedünk, hogy az agy hogyan kezeli a bizonytalanságot.

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

Az alapelmélet az, hogy következtetéseket akarunk levonni, és aztán cselekedni.

So let's think about the inference.

Vegyük akkor a következtetéseket.

You want to generate beliefs about the world.

Hiedelmeket akarsz alkotni a világgal kapcsolatban.

So what are beliefs?

Mik is a hiedelmek?

Beliefs could be: where are my arms in space?

Ilyenek lehetnek: hol is helyezkednek el a karjaim a térben?

Am I looking at a cat or a fox?

Macska, vagy kutya ez, amit látok?

But we're going to represent beliefs with probabilities.

Mi azonban valószínűségekkel fogjuk a hiteinket ábrázolni.

So we're going to represent a belief

Tehát a hiedelmeket egy 0 és 1 közti számmal

with a number between zero and one --

fogjuk ábrázolni -- ahol a 0 azt jelenti, hogy egyáltalán nem

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

hiszek benne, az egy azt jelenti, hogy teljesen bizonyos vagyok.

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

A köztes számok pedig a bizonytalanság szürkeárnyalatait mutatják.

And the key idea to Bayesian inference

A Bayes-féle dedukció alapötlete az,

is you have two sources of information

hogy 2 információforrással rendelkezünk,

from which to make your inference.

amiből levonhatjuk a következtetést.

You have data,

Van adatunk, és az idegtudományban

and data in neuroscience is sensory input.

az adat az érzékszervi észlelés.

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

Tehát érzékelek valamit az érzékszerveimmel, amit felhasználhatok hiedelemalkotásra.

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

De van más információforrásom is, ami egyértelműen

You accumulate knowledge throughout your life in memories.

előrébb van a tudásnál. Ugyanis a tudást az emlékek segítségével

And the point about Bayesian decision theory

halmozzuk fel életünk során. És a Bayes-féle döntéselmélet lényege az,

is it gives you the mathematics

hogy megadja az optimális mód matekját,

of the optimal way to combine

amit ötvözni lehet az azt megelőző

your prior knowledge with your sensory evidence

érzéki észlelés által szerzett tapasztalatainkkal

to generate new beliefs.

új hitek kifejlesztése érdekében.

And I've put the formula up there.

Felírtam ide a képletet.

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

Nem fogom elmagyarázni, mi ez a képlet, de nagyon szép.

And it has real beauty and real explanatory power.

Valódi szépség és valódi magyarázat rejlik benne.

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

És ami a lényege, s amit meg is tippelhetünk,

is the probability of different beliefs

az az érzéki észlelésünk következtében

given your sensory input.

keletkező különböző hiedelmek valószínűsége.

So let me give you an intuitive example.

Hadd hozzak fel egy intuitív példát.

Imagine you're learning to play tennis

Képzeljük el, hogy teniszezni tanulunk,

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

és azt szeretnénk kiszámítani, hogy a labda hol fog lepattanni,

as it comes over the net towards you.

amint közeledik felénk a háló felett.

There are two sources of information

Két információforrásunk van ehhez,

Bayes' rule tells you.

a Bayes-féle törvény szerint.

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

Van az érzékszervi észlelés -- használhatjuk a vizuális és a hallott információkat

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

és ezek szerint arra juthatunk, hogy azon a piros folton fog földet érni.

But you know that your senses are not perfect,

Tudjuk azonban, hogy az érzékszerveink nem tökéletesek,

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

ezért némileg tágabb eshetőséget adunk

shown by that cloud of red,

a földet érésre, amit ez a piros felhő mutat,

representing numbers between 0.5 and maybe 0.1.

és a 0,5 és 0,1 közti számokat jelzi.

That information is available in the current shot,

Ez az információ ezen a képen jelenik meg,

but there's another source of information

van azonban még egy információforrás,

not available on the current shot,

ami nem látható ezen a képen,

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

hanem csak a teniszezés ismételt megtapasztalása által ismerhető fel,

and that's that the ball doesn't bounce

hogy a labda egyáltalán nem egyenlő valószínűséggel

with equal probability over the court during the match.

pattan a térfelekre a szett során.

If you're playing against a very good opponent,

Ha nagyon jó ellenféllel játszunk,

they may distribute it in that green area,

akkor ütheti a zöld területre is,

which is the prior distribution,

ami a fő szerva célpont,

making it hard for you to return.

mert azt nehéz visszaadni.

Now both these sources of information carry important information.

Szóval mindkét információforrás hordoz fontos információkat.

And what Bayes' rule says

És a Bayes-féle szabály azt sugallja,

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

hogy meg kéne szoroznom a piroson lévő számokat a zöldön lévő számokkal,

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

hogy megkapjuk a sárgán lévőket, ahol az ellipszisek vannak,

and that's my belief.

és az lesz a hiedelmem.

So it's the optimal way of combining information.

Tehát ez az információk optimális összegzése.

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

Nem mesélném el mindezt, ha nem néhány éve történt volna,

we showed this is exactly what people do

hogy megmutattuk, hogy éppen ezt teszik az emberek,

when they learn new movement skills.

amikor új mozgáskoordinációt tanulnak.

And what it means

Ez pedig azt jelenti,

is we really are Bayesian inference machines.

hogy tényleg Bayes-féle következtető gépezetek vagyunk!

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

Ahogy körbenézünk, megfigyeljük a világ statisztikáit, és megfogalmazzuk őket,

but we also learn

de tudomást szerzünk közben

about how noisy our own sensory apparatus is,

saját érzékszervi aparátusunk zajosságáról is,

and then combine those

majd összevetjük azokat

in a real Bayesian way.

valódi Bayes-féle módon.

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

Nos a képletnek ez a része a Bayes-féle elmélet kulcsgondolatául szolgál.

And what this part really says

És valójában arról szól,

is I have to predict the probability

hogy meg kell jósolnom a különböző

of different sensory feedbacks

érzékszervi jelzések valószínűségét

given my beliefs.

a hiedelmeim alapján.

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

Ez ténylegesen azt jelenti, hogy jósolnom kell a jövőre vonatkozólag.

And I want to convince you the brain does make predictions

És szeretném Önöket arról meggyőzni, hogy az agy bizony végez jóslatokat

of the sensory feedback it's going to get.

az érzékszervi jelzésekre vonatkozólag, amik be fognak érkezni.

And moreover, it profoundly changes your perceptions

Sőt, alapvetően megváltoztatja az észlelésünket

by what you do.

azáltal, amit teszünk.

And to do that, I'll tell you

És hogy ez bekövetkezzen, elmondom most Önöknek,

about how the brain deals with sensory input.

hogyan kezeli az agy az érzékszervi észleléseket.

So you send a command out,

Kiküldünk egy parancsot,

you get sensory feedback back,

kapunk egy érzékszervi észlelést visszafele,

and that transformation is governed

és ezt az átalakulást a testünk fizikája

by the physics of your body and your sensory apparatus.

valamint az érzékszervi berendezésünk irányítja.

But you can imagine looking inside the brain.

De elképzelhetjük azt is, hogy bekukkantunk az agyba.

And here's inside the brain.

Itt van az agy belülről.

You might have a little predictor, a neural simulator,

Lehet, hogy van egy kis jelzőkénk, egy idegi szimulátorunk,

of the physics of your body and your senses.

amely a testünk fizikai állapotáról és az érzékszervekről ad jelzést.

So as you send a movement command down,

Tehát amint kiküldünk egy mozgásparancsot lefelé,

you tap a copy of that off

annak egy másolatát kijelöljük,

and run it into your neural simulator

és bevezetjük az idegi szimulátorunkba,

to anticipate the sensory consequences of your actions.

hogy felfogja a tetteink érzékszervi következményeit.

So as I shake this ketchup bottle,

Tehát ahogy ezt a kecsapos üveget rázom,

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

Kapok némi valódi érzékszervi visszajelzést az alsó sor időbeli függvényeként.

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

És ha jó jelzőkém van, az ugyanazt jósolja meg előre.

Well why would I bother doing that?

Nos, hogy minek törődöm ilyesmivel?

I'm going to get the same feedback anyway.

Megkapom ugyanazt a visszajelzést úgyis!

Well there's good reasons.

Nos, vannak jó okok erre.

Imagine, as I shake the ketchup bottle,

Képzeljék csak el, hogy rázom a kecsapos üveget,

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

és valaki nagyon gyengéden megközelít és megérinti hátulról nekem.

Now I get an extra source of sensory information

Akkor egy plussz érzékszervi információt szereztem be

due to that external act.

a külső történés következtében.

So I get two sources.

Így 2 forrásom volt.

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

Veled is megfogattam, és én magam is ráztam,

but from my senses' point of view,

de a saját érzékszerveim szemszögéből nézve

that is combined together into one source of information.

ez összefolyik egy információforrássá.

Now there's good reason to believe

Namost jó okom van azt hinni, hogy valószínűleg meg akarják majd

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

különböztetni a külső eseményeket és a belsőket.

Because external events are actually much more behaviorally relevant

Mivel a külső események sokkal valószínűben függenek a viselkedéstől,

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

mint amit belül érzünk, hogy történik a testünkben.

So one way to reconstruct that

Tehát az egyik mód ennek létrehozására az,

is to compare the prediction --

hogy összehasonlítjuk a kizárólag

which is only based on your movement commands --

az Önök mozgásparancsaira épülő

with the reality.

előrejelzéseket a valósággal.

Any discrepancy should hopefully be external.

És akkor minden eltérés remélhetőleg kívülről fog érkezni.

So as I go around the world,

Tehát miközben megyek körben a világban,

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

jóslásokat végzek arról, amit valószínűleg tapasztalok majd, levonva őket,

Everything left over is external to me.

minden, ami megmarad, az számomra külsődleges.

What evidence is there for this?

Mi a bizonyíték erre?

Well there's one very clear example

Nos, van egy nagyon világos példa

where a sensation generated by myself feels very different

ahol az általam generált érzékelés nagyon más érzés,

then if generated by another person.

mint ha azt egy másik ember váltotta volna ki.

And so we decided the most obvious place to start

Így a legnyilvánvalóbb helyet választottuk kezdésképpen,

was with tickling.

mégpedig a csiklandozást.

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

Nagyon régóta ismeretes, hogy magunkat nem tudjuk megcsikizni,

as well as other people can.

míg mások viszont meg tudnak.

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

De azt nem igazán mutatta ki senki, hogy ez amiatt van,

simulating your own body

hogy létezik egy idegi szimulátor, ami az egész testünket szimulálja,

and subtracting off that sense.

és levonja ezeket az érzékeléseket!

So we can bring the experiments of the 21st century

Így aztán vehetjük a 21. századi kísérleteket,

by applying robotic technologies to this problem.

alkalmazva a robottechnológiát erre a kérdésre.

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

És láthatjuk, hogy az egyik kezünkben egy botféleség van, ami egy robothoz kapcsolódik,

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

és ezek fogják mozgatni a botot előre és hátra.

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

Ezt pedig lekövetjük számítógéppel,

and use it to control another robot,

és arra használjuk, hogy egy másik robotot irányítsunk vele,

which is going to tickle their palm with another stick.

ami egy másik bottal fogja csikizni a kezünket.

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

Aztán egy csomó kérdést fogunk feltenni nekik,

including ticklishness.

köztük a csikisségre vonatkozót.

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

A kutatásunk egyik részét mutatom most csak be.

And here I've taken away the robots,

Itt elvettem a robotokat,

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

de alapvetően az ember mozgatja itt a jobb kezét szinuszosan oda és vissza.

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

Megismételjük ezt a másik kézzel is egy kis időbeli eltéréssel.

Either no time delay,

Vagy egyáltalán nincs időbeli elcsúszás,

in which case light would just tickle your palm,

amikor csak kissé lesz csiklandós a kezünk,

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

vagy pedig 2-3 tized másodperc eltéréssel.

So the important point here

A fontos itt az lesz,

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

hogy a jobb kéz mindig ugyanazt csinálja -- a szinuszos mozgást.

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

A bal kéz pedig szintén mindig ugyanazt teszi, szinuszos csiklandozást végez.

All we're playing with is a tempo causality.

Mindössze az időbeli elcsúszással játszunk.

And as we go from naught to 0.1 second,

És ahogy haladunk a zérótól az 1 tized másodperc felé,

it becomes more ticklish.

egyre csiklandósabbá válik.

As you go from 0.1 to 0.2,

Ahogy haladunk az 1 tizedtől a 2 tized felé,

it becomes more ticklish at the end.

egyre csiklandósabbá válik.

And by 0.2 of a second,

És mire elérjük a mp 2 tizedét,

it's equivalently ticklish

ugyanannyira lesz csiklandós

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

a robot csikizésére, anélkül, hogy mi bármit tettünk volna.

So whatever is responsible for this cancellation

Tehát legyen bármi is felelős ezért a "törlésért",

is extremely tightly coupled with tempo causality.

nagyon szoros összefüggésben van az időbeliséggel.

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

És ezen illusztráció alapján, tényleg komoly meggyőződésünkké vált az,

that the brain's making precise predictions

hogy az agy nagyon precíz előrejelzéseket végez

and subtracting them off from the sensations.

és levonja azokat az érzékelésekből.

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

Be kell azonban vallanom, hogy ezek a legszörnyebb kísérletek, amiket a laboromban

Because the tickle sensation on the palm comes and goes,

valaha is végeztünk. Mert a tenyér csiklandóssága jön és megy,

you need large numbers of subjects

egy csomó tárgy kell ahhoz,

with these stars making them significant.

hogy ezekkel a csillagokkal érzékelhetővé tegyük őket.

So we were looking for a much more objective way

Ezért aztán egy jóval objektívabb módot kutattunk,

to assess this phenomena.

ennek a jelenségnek a megközelítésére.

And in the intervening years I had two daughters.

Az évek során közben született két lányom.

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

És az egyik, amit megfigyelhetünk a kocsi hátsó ülésén ülő gyerekeknél

they get into fights --

a hosszú utak során, hogy összevesznek --

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

ami rendszerint azzal kezdődik, hogy az egyik bosszantja a másikat, a másik pedig visszavág.

It quickly escalates.

Gyorsan felpörög ez.

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

És a gyerekek gyakran bonyolódnak olyan vitákba, ami egyre csak erősödik.

Now when I screamed at my children to stop,

Namost, amikor rákiáltok a gyerekeimre, hogy hagyják már abba,

sometimes they would both say to me

néha egyszerre mondták nekem azt,

the other person hit them harder.

hogy a másik erősebben ütött.

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

Történetesen tudom, hogy a gyerekeim nem hazudnak,

so I thought, as a neuroscientist,

ezért idegtudósként arra gondoltam,

it was important how I could explain

hogy fontos lehet, hogy meg tudjam magyarázni,

how they were telling inconsistent truths.

hogy lehet az, hogy egymásnak ellentmondó igazságokat állítanak.

And we hypothesize based on the tickling study

Ezért a csikis kutatásunkat alapul véve feltettük,

that when one child hits another,

hogy amikor egy gyerek megüt egy másikat,

they generate the movement command.

azzal mozgásparancsot váltanak ki.

They predict the sensory consequences and subtract it off.

Előrejelzik az érzékszervi következményt és levonják.

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

Emiatt aztán úgy érzik, hogy kevésbé erősen ütötték meg a másikat,

rather like the tickling.

mint a másik őket -- épp ahogy a csikizésnél.

Whereas the passive recipient

Ahol a passzív 'befogadó'

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

viszont nem végzi el az előrejelzést, így teljességgel érzékeli a csapást.

So if they retaliate with the same force,

Amikor egyforma erővel vágnak vissza,

the first person will think it's been escalated.

az első azt érzékeli, hogy erősödött az ütés.

So we decided to test this in the lab.

Úgy döntöttünk, hogy leteszteljük ezt laborban is.

(Laughter)

(Nevetés)

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

Nem dolgozunk gyerekekkel, és ütlegeléssel sem,

but the concept is identical.

de a koncepció ugyanez.

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

Két felnőttet vettünk. Azt mondtuk nekik, hogy egy játékban vesznek részt.

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

Itt ül egymással szemben az egyes és a kettes számú játékos.

And the game is very simple.

A játék nagyon egyszerű.

We started with a motor

Egy motorral kezdtünk,

with a little lever, a little force transfuser.

egy kis erőátvivő fogantyúval.

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

Arra használjuk ezt a motort, hogy az egyes számú játékos ujjaira fejtsen ki nyomást,

for three seconds and then it stops.

3 mp-ig, aztán abbahagyja.

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

Annak a játékosnak azt mondtuk, hogy jegyezze meg azt a nyomás-élményt,

and use your other finger

és használja a másik ujját

to apply the same force

arra, hogy ugyanakkora nyomást fejtsen ki

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

a másik alany ujjára egy erőátvivő karon keresztül -- és így is tettek.

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

A kettes számú játékosnak azt mondtuk, hogy jegyezze meg azt az erőt.

Use your other hand to apply the force back down.

A másik kezével pedig fejtsen ki ugyanakkora nyomást a másikra.

And so they take it in turns

Így váltogatják egymást

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

egymás kezére gyakorolva a nyomást, oda-vissza.

But critically,

A fontos itt az,

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

hogy különböző szobában kaptak instrukciókat a szabályokra vonatkozóan.

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

Nem ismerték tehát a szabályokat, ami szerint a társuk játszott.

And what we've measured

Az lett a mérés eredménye,

is the force as a function of terms.

hogy az erőkifejtés az egymásután következéstől függött.

And if we look at what we start with,

Ha megnézzük, hogy mivel indultunk,

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

egy negyed Newtonnal, akkor egy jópár forduló után,

perfect would be that red line.

az a piros vonal lenne a megfelelő.

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

Ám a következő történt minden vizsgált párnál:

a 70 percent escalation in force

minden fordulónál 70 %-kal

on each go.

nőtt az erőkifejtés.

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

Ebből tényleg az látszik következni, hogy ha ilyet csinálunk,

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

-- ennek, és más ilyen kísérleteknek az alapján --

that the brain is canceling the sensory consequences

hogy az agy kitörli az érzékszervi következtetéseket,

and underestimating the force it's producing.

és alábecsüli az általa kifejtendő erőt.

So it re-shows the brain makes predictions

Ez megint csak azt mutatja, hogy az agy végez jóslásokat,

and fundamentally changes the precepts.

és alapjában megváltoztatja az érzékelést.

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

Vontunk le következtetéseket, végeztünk előrejelzéseket,

now we have to generate actions.

most akkor cselekvést kell kiváltanunk.

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

És a Bayes feltevés szerint, hitem szerint,

the action should in some sense be optimal.

a cselekedet valahogyan optimális lesz végül.

But we've got a problem.

De van ám egy kis bökkenő.

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

A feladatok szimbolikusak -- inni szeretnék, táncolni szeretnék --

but the movement system has to contract 600 muscles

a mozgásrendszernek azonban 600 izmot kell mozgatnia

in a particular sequence.

egy bizonyos sorrendben!

And there's a big gap

És bizony nagy hézag van

between the task and the movement system.

a feladat és a mozgásrendszer közt!

So it could be bridged in infinitely many different ways.

Magyarul végtelenül sokféleképpen lehetnének összeköttetésben.

So think about just a point to point movement.

Gondoljanak csak egy egyik ponttól a másikig végrehajtott mozgásra.

I could choose these two paths

Választhatom ezt a két utat,

out of an infinite number of paths.

a végtelenül sok rendelkezésre álló közül.

Having chosen a particular path,

Ha kiválasztottam egy utat,

I can hold my hand on that path

akkor rajta tarthatom a kezemet azon az úton,

as infinitely many different joint configurations.

a végtelenül sok ízületi konfiguráció szerint.

And I can hold my arm in a particular joint configuration

És tarthatom a kezemet egy bizonyos ízületi tartással,

either very stiff or very relaxed.

ami lehet nagyon merev, vagy akár nagyon ellazult.

So I have a huge amount of choice to make.

Tehát egy rakás döntéshelyzetem van.

Now it turns out, we are extremely stereotypical.

Az derült ki, hogy végletesen sablonosak vagyunk.

We all move the same way pretty much.

Mindannyian eléggé hasonlóan mozgunk.

And so it turns out we're so stereotypical,

Sőt, az derült ki, hogy annyira sablonosak vagyunk,

our brains have got dedicated neural circuitry

hogy az agyunknak rá kellett állni arra,

to decode this stereotyping.

hogy dekódolja ezeket a sablonokat!

So if I take some dots

Ha veszek tehát néhány pontot,

and set them in motion with biological motion,

és biológiai mozgás segítségével megmozgatom őket,

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

az agyunk áramkörei azonnal felfogják, hogy mi történik.

Now this is a bunch of dots moving.

Itt egy csomó pont mozog.

You will know what this person is doing,

Mi tudjuk, hogy ez a személy mit csinál,

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

akár vidám, szomorú, idős, vagy fiatal -- ami rengeteg információ.

If these dots were cars going on a racing circuit,

Ha ezek a pontok kocsik lennének egy versenypályán,

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

akkor viszont fogalmunk sem lenne, hogy mi zajlik!

So why is it

Akkor miért van tehát,

that we move the particular ways we do?

hogy bizonyos módon mozgunk?

Well let's think about what really happens.

Gondoljuk csak végig, mi is történik valójában.

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

Lehet, hogy nem mind mozgunk teljesen egyformán.

Maybe there's variation in the population.

Lehet, hogy vannak variációk a népességben.

And maybe those who move better than others

És lehet, hogy azoknak, akik a többieknél jobban mozognak,

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

nagyobb az esélyük arra, hogy a gyerekeik bekerüljenek a következő generációba.

So in evolutionary scales, movements get better.

Tehát evolúciós léptékkel nézve, a mozgások egyre jobbak lesznek.

And perhaps in life, movements get better through learning.

És lehet, hogy az életben a mozgások tanulással fejlődnek.

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

Mi a helyzet tehát egy mozgással, ami jó vagy rossz?

Imagine I want to intercept this ball.

Képzeljük el, hogy el akarjuk kapni ezt a labdát.

Here are two possible paths to that ball.

Itt van két lehetséges út a labdához.

Well if I choose the left-hand path,

Nos, ha a baloldali utat választom,

I can work out the forces required

kitalálhatom, mekkora erőbefektetést igényel ez az idő függvényében

in one of my muscles as a function of time.

az egyik izmom számára.

But there's noise added to this.

Hozzáadódik azonban 'zaj' is!

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

Ami tehát kapok végül ezen szép, sima, megfelelő erő alapján,

is a very noisy version.

bizony egy nagyon 'zajos' verzió lesz.

So if I pick the same command through many times,

Ha veszem ugyanazt a parancsot sok alkalommal,

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

minden alkalommal különböző zajos verziókat fogok kapni, mivel a zaj mindig változik.

So what I can show you here

Itt azt tudom bemutatni Önöknek,

is how the variability of the movement will evolve

hogyan fejlődik a mozgás variálhatósága,

if I choose that way.

amennyiben ezt az utat választom.

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

Ha egy másik utat választok a végrehajtáshoz -- jobbra pl. --

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

akkor más lesz a parancs, mások a zajok,

playing through a noisy system, very complicated.

egy zajos rendszeren keresztül játszani nagyon bonyolult.

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

Amiben biztosak lehetünk, az az, hogy a variálhatóság különbözni fog.

If I move in this particular way,

Ha így mozgok,

I end up with a smaller variability across many movements.

végül is egy kisebb variációval jövök ki belőle, a sok mozdulat következtében.

So if I have to choose between those two,

Ha tehét e kettő közt kell választanom,

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

a jobboldalit választanám, mert ott kevesebb a variáció.

And the fundamental idea

Az alapelv itt az,

is you want to plan your movements

hogy úgy akarjuk megtervezni a mozgásunkat,

so as to minimize the negative consequence of the noise.

hogy minimalizáljuk a zaj negatív következményét.

And one intuition to get

És az egyik, amit itt megsejtünk az,

is actually the amount of noise or variability I show here

valójában a zaj mennyisége, vagy variálhatóság, amit itt mutatok,

gets bigger as the force gets bigger.

egyre erősödik a nyomás erősödésével.

So you want to avoid big forces as one principle.

tehát az egyik alapelv az, hogy el akarjuk kerülni a nagy erőkifejtéseket.

So we've shown that using this,

Megmutattuk, hogy ennek felhasználásával

we can explain a huge amount of data --

rengeteg adatot meg tudunk magyarázni --

that exactly people are going about their lives planning movements

ahogyan az emberek egész pontosan haladnak az életükben, megtervezve a mozgásukat,

so as to minimize negative consequences of noise.

hogy minimalizálják általa a zajok negatív következményeit.

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

Remélem, sikerült Önöket mgegyőznöm arról,

and evolved to control movement.

hogy az agyunk azért van és felődött ilyenre, hogy a mozgásokat koordinálja.

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

Komoly intellektuális kihívás megérteni, hogyan visszük ezt végbe.

But it's also relevant

Lényeges ez azonban

for disease and rehabilitation.

a betegségek és a rehabilitáció miatt is.

There are many diseases which effect movement.

Rengeteg betegség van hatással a mozgásra.

And hopefully if we understand how we control movement,

És ha megértjük, hogyan végezzük a mozgást, akkor remélhetőleg

we can apply that to robotic technology.

alkalmazhatjuk majd a robottechnológiában is.

And finally, I want to remind you,

Végezetül szeretném Önöket arra emlékeztetni,

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

hogy amikor állatokat látunk, amint nagyon egyszerűnek tűnő feladatokat hajtanak végre,

the actual complexity of what is going on inside their brain

az agyukban ténylegesen végbemenő komplexitás

is really quite dramatic.

valójában igen drámai!

Thank you very much.

Nagyon köszönöm.

(Applause)

(Taps)

Chris Anderson: Quick question for you, Dan.

Chris Anderson: Egy gyors kérdés, Dan.

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

Szóval mozgás soviniszta vagy.

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

Ez azt jelenti, hogy szerinted a többi dolog, amiről azt hisszük, hogy az agyunk arra való,

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

-- mint pl. az álmodozás, vágyakozás, szerelembe esés, meg ilyesmik --

are a kind of side show, an accident?

valamiféle melléktermékek, véletlen velejárók?

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

DW: Nem, nem, szerintem is nagyon fontos mindez ahhoz, hogy vezérelje

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

a megfelelő mozgást a viselkedés érdekében, hogy végül bekövetkezzen a reprodukció.

So I think people who study sensation or memory

Szerintem az érzékelést és a memóriát úgy tanulmányozzák,

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

hogy nem számítják be közben, hogy mi végett is gyűjtjük a gyermekkori emlékeket.

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

Pl. az a tény, hogy gyermekkorunk agy része kiesik a fejünkből,

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

valószínűleg azért nem gond, mivel nem befolyásolja későbbi életünk mozgásait!

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

Csak olyan dolgokat kell elraktározni, amelyek tényleg befolyásolni fogják a mozgást!

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

CA: Akkor tehát úgy gondolja, hogy azok, akik az agyról és tudatról

could get real insight

általában elmélkednek, akkor jutnak valódi felismerésekhez

by saying, where does movement play in this game?

amikor rájönnek, hogy hol játszik szerepet ebben a játékban a mozgás?

DW: So people have found out for example

DW: Pl. rájöttek az emberek arra,

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

hogy a látás tanulmányozása anélkül,

is a mistake.

hogy figyelembe vennék, mire is való - hiba.

You have to study vision with the realization

A látást annak a felismerésnek a beszámításával együtt kell tanulmányozni,

of how the movement system is going to use vision.

hogy a mozgásrendszer hogyan fogja felhasználni a látást.

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

És bizony nagyon másra használja, ha egyszer így is végiggondljuk!

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

CA: Hát ez mondhatom, nagyon érdekes. Tényleg nagyon köszönjük.

(Applause)

(Taps)