Deborah Gordon: What ants teach us about the brain, cancer and the Internet

78,470 views ・ 2014-05-13

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

Fordító: Orsolya Kiss Lektor: Péter Pallós
00:13
I study ants
0
13099
1619
Hangyákat tanulmányozok
00:14
in the desert, in the tropical forest
1
14718
3297
a sivatagban, az esőerdőkben,
00:18
and in my kitchen,
2
18015
1528
a saját konyhámban,
00:19
and in the hills around Silicon Valley where I live.
3
19543
4020
és a Szilícum-völgy környéki dombok közt, ahol élek.
00:23
I've recently realized that ants
4
23563
1676
Nemrég fedeztem fel,
00:25
are using interactions differently
5
25239
2278
hogy a hangyák az adott környezethez
00:27
in different environments,
6
27517
1828
igazítják interakcióikat.
00:29
and that got me thinking that we could learn from this
7
29345
2000
Emiatt jutott eszembe, hogy talán más rendszerek
00:31
about other systems,
8
31345
1555
is hasonlóan működhetnek.
00:32
like brains and data networks that we engineer,
9
32900
5588
Pl. az agy, vagy az adathálózataink,
00:38
and even cancer.
10
38488
2846
s talán még a rákos megbetegedések is.
00:41
So what all these systems have in common
11
41334
1752
Ezen rendszerek közös vonása,
00:43
is that there's no central control.
12
43086
2857
hogy nincs központi irányításuk.
00:45
An ant colony consists of sterile female workers --
13
45943
3820
Egy hangyakolónia meddő nőstény munkásokból áll.
00:49
those are the ants you see walking around —
14
49763
2386
Ezeket látjuk a felszínen sündörögni.
00:52
and then one or more reproductive females
15
52149
2156
Ezenfelül van még pár termékeny nőstény,
00:54
who just lay the eggs.
16
54305
2103
akik csak petét raknak.
00:56
They don't give any instructions.
17
56408
2009
Bár királynőnek nevezzük őket,
00:58
Even though they're called queens,
18
58417
1984
nem adnak ki parancsokat,
01:00
they don't tell anybody what to do.
19
60401
2165
nem mondják meg senkinek, mit csináljon.
01:02
So in an ant colony, there's no one in charge,
20
62566
3276
Egy hangyakolóniában nincs uralkodó.
01:05
and all systems like this without central control
21
65842
2778
Mint minden központi irányítás nélküli rendszert,
01:08
are regulated using very simple interactions.
22
68620
3919
a hangyakolóniát is rendkívül egyszerű interakciók szabályozzák.
01:12
Ants interact using smell.
23
72549
2727
Ezek szag révén jönnek létre.
01:15
They smell with their antennae,
24
75276
2187
Páros csápjaikkal érzékelik a szagokat,
01:17
and they interact with their antennae,
25
77463
2761
így jön létre köztük interakció.
01:20
so when one ant touches another with its antennae,
26
80224
3009
Ha két hangya összeérinti csápjait,
01:23
it can tell, for example, if the other ant
27
83233
1607
megtudják egymásról,
01:24
is a nestmate
28
84840
1634
hogy azonos fészekből származnak-e,
01:26
and what task that other ant has been doing.
29
86474
4236
s milyen feladatot végez a másik éppen.
01:30
So here you see a lot of ants moving around
30
90710
3200
A felvételen sok-sok hangya futkos
01:33
and interacting in a lab arena
31
93910
1933
ide-oda egy laboratóriumi arénában,
01:35
that's connected by tubes to two other arenas.
32
95843
3438
melyet csövekkel két másikhoz csatoltunk.
01:39
So when one ant meets another,
33
99281
2504
Ha egy hangya találkozik társával,
01:41
it doesn't matter which ant it meets,
34
101785
2089
lényegtelen, hogy melyikkel,
01:43
and they're actually not transmitting
35
103874
1885
nem küldenek egymásnak
01:45
any kind of complicated signal or message.
36
105759
3465
semmiféle bonyolult jelet vagy üzenetet.
01:49
All that matters to the ant is the rate
37
109224
2111
Igazán csak az fontos nekik,
01:51
at which it meets other ants.
38
111335
2821
hogy milyen gyakran találkoznak másokkal.
01:54
And all of these interactions, taken together,
39
114156
2757
Az interakciók összessége
01:56
produce a network.
40
116913
2505
kialakít egy hálózatot.
01:59
So this is the network of the ants
41
119418
2210
Ezt a hálózatot az előző felvételen
02:01
that you just saw moving around in the arena,
42
121628
2644
látható hangyák hozták létre.
02:04
and it's this constantly shifting network
43
124272
3287
Ez az állandóan változó hálózat
02:07
that produces the behavior of the colony,
44
127559
2520
szabályozza a kolónia viselkedését.
02:10
like whether all the ants are hiding inside the nest,
45
130079
2881
Pl. meghatározza, mennyi hangya pihen a fészekben,
02:12
or how many are going out to forage.
46
132960
2694
s hogy mennyien indulnak táplálékot keresni.
02:15
A brain actually works in the same way,
47
135654
1759
Az agyműködés rendkívül hasonló.
02:17
but what's great about ants is
48
137413
1500
A hangyák esete azért kedvező,
02:18
that you can see the whole network as it happens.
49
138913
4867
mert itt pontosan megfigyelhetjük, hogyan jön létre egy hálózat.
02:23
There are more than 12,000 species of ants,
50
143780
3100
Több mint 12000 hangyafaj létezik
02:26
in every conceivable environment,
51
146880
2125
minden elképzelhető élőhelyen.
02:29
and they're using interactions differently
52
149005
2649
Az interakciókat más-másféleképpen,
02:31
to meet different environmental challenges.
53
151654
2768
a környezetüknek megfelelően használják.
02:34
So one important environmental challenge
54
154422
2305
Egy fontos környezeti kihívás,
02:36
that every system has to deal with
55
156727
1870
amellyel minden rendszer megküzd,
02:38
is operating costs, just what it takes
56
158597
2083
a működési költségek,
02:40
to run the system.
57
160680
2265
tehát a rendszer működtetésének ára.
02:42
And another environmental challenge is resources,
58
162945
2548
Egy másik kihívás az erőforrások
02:45
finding them and collecting them.
59
165493
2336
megtalálása és összegyűjtése.
02:47
In the desert, operating costs are high
60
167829
2783
A sivatagban, mivel kevés a víz,
02:50
because water is scarce,
61
170612
1773
magasak a működési költségek.
02:52
and the seed-eating ants that I study in the desert
62
172385
2499
A sivatagi maggyűjtő hangyáknak
02:54
have to spend water to get water.
63
174884
2900
vizet kell használniuk a vízszerzéshez.
02:57
So an ant outside foraging,
64
177784
2139
Egy hangya, amely a kinti forróságban
02:59
searching for seeds in the hot sun,
65
179923
2037
magvakat keres,
03:01
just loses water into the air.
66
181960
2007
sok vizet párologtat.
03:03
But the colony gets its water
67
183967
1664
A kolónia úgy jut vízhez,
03:05
by metabolizing the fats out of the seeds
68
185631
1766
hogy a megevett magvak zsírját
03:07
that they eat.
69
187397
1934
anyagcserével átalakítja.
03:09
So in this environment, interactions are used
70
189331
3159
Ebben a környezetben az interakciók
03:12
to activate foraging.
71
192490
1549
serkentik a táplálékszerzést.
03:14
An outgoing forager doesn't go out unless
72
194039
2264
Egy dolgozó nem indul el, ha nincs közte
03:16
it gets enough interactions with returning foragers,
73
196303
2573
és a visszatérők közt elég interakció.
03:18
and what you see are the returning foragers
74
198876
1990
A felvételen pár dolgozó
03:20
going into the tunnel, into the nest,
75
200866
1824
épp visszatér a fészek járataiba,
03:22
and meeting outgoing foragers on their way out.
76
202690
2636
s találkoznak a kifelé tartó dolgozókkal.
03:25
This makes sense for the ant colony,
77
205326
1623
Ez kifizetődő a kolóniának.
03:26
because the more food there is out there,
78
206949
2323
Minél több odakinn az élelem, a dolgozók
03:29
the more quickly the foragers find it,
79
209272
1851
annál gyorsabban találnak rá,
03:31
the faster they come back,
80
211123
1236
s térnek vissza,
03:32
and the more foragers they send out.
81
212359
2801
s annál több indul ismét útnak.
03:35
The system works to stay stopped,
82
215160
2507
A rendszer nyugalomban marad,
03:37
unless something positive happens.
83
217667
2015
hacsak nincs egy pozitív esemény.
03:39
So interactions function to activate foragers.
84
219682
3881
Ebben az esetben az interakciók munkára serkentik a dolgozókat.
03:43
And we've been studying the evolution of this system.
85
223563
2907
Mi a rendszer evolúciójával foglalkozunk.
03:46
First of all, there's variation.
86
226470
1091
Pl. az eltérésekkel.
03:47
It turns out that colonies are different.
87
227561
2479
Mint kiderült, minden kolónia más.
03:50
On dry days, some colonies forage less,
88
230040
2696
Száraz napokon némely kolónia kevesebb táplálékot szerez.
03:52
so colonies are different in how
89
232736
1505
Mindegyik kolónia másképp
03:54
they manage this trade-off
90
234241
1354
állítja elő az egyensúlyt
03:55
between spending water to search for seeds
91
235595
3168
a táplálékszerzésre kiadott
03:58
and getting water back in the form of seeds.
92
238763
3320
és magokban visszanyert víz között.
04:02
And we're trying to understand why
93
242083
1719
Mi azt kutatjuk, hogy egyes kolóniák
04:03
some colonies forage less than others
94
243802
2140
miért érik be másoknál kevesebb táplálékkal.
04:05
by thinking about ants as neurons,
95
245942
2325
Ehhez a hangyákat neuronoknak tekintjük,
04:08
using models from neuroscience.
96
248267
2338
és az idegtudománytól átvett modelleket használunk.
04:10
So just as a neuron adds up its stimulation
97
250605
2674
Ahogy a neuron összegzi, mielőtt továbbadná,
04:13
from other neurons to decide whether to fire,
98
253279
2006
a más neuronoktól kapott ingerületeket,
04:15
an ant adds up its stimulation from other ants
99
255285
2885
a hangya is összegzi a többiektől kapott ingerületeket,
04:18
to decide whether to forage.
100
258170
2023
mielőtt elindulna táplálékért.
04:20
And what we're looking for is whether there might be
101
260193
1637
Arra voltunk kíváncsiak,
04:21
small differences among colonies
102
261830
1992
hogy vannak-e a kolóniák közt eltérések.
04:23
in how many interactions each ant needs
103
263822
3314
Pl. hány interakció szükséges ahhoz,
04:27
before it's willing to go out and forage,
104
267136
1926
hogy egy hangya elinduljon táplálékért?
04:29
because a colony like that would forage less.
105
269062
3767
Magas szám esetén a kolónia "lustább".
04:32
And this raises an analogous question about brains.
106
272829
3139
Ez az agyról is hasonló kérdést vet fel.
04:35
We talk about the brain,
107
275968
1412
"Az" agyról beszélünk,
04:37
but of course every brain is slightly different,
108
277380
2890
de nyilván minden agy egyedi,
04:40
and maybe there are some individuals
109
280270
1379
s lehetnek olyan példányok,
04:41
or some conditions
110
281649
1319
illetve olyan körülmények,
04:42
in which the electrical properties of neurons are such
111
282968
3222
amelyekben a neuronok elektromos tulajdonságai miatt
04:46
that they require more stimulus to fire,
112
286190
3870
egy neuron több ingerületet igényel egy ingerület továbbadásához.
04:50
and that would lead to differences in brain function.
113
290060
3726
Emiatt különbségek jelennek meg az egyének agyműködése közt.
04:53
So in order to ask evolutionary questions,
114
293786
2334
Hogy evolucíós kérdéseket tehessünk fel,
04:56
we need to know about reproductive success.
115
296120
2679
ismernünk kell a reprodukció sikerességét.
04:58
This is a map of the study site
116
298799
2325
Ez a kutatási hely térképe,
05:01
where I have been tracking this population
117
301124
2553
ahol 28 éve követek nyomon
05:03
of harvester ant colonies for 28 years,
118
303677
3293
maggyűjtő hangyakolóniákat.
05:06
which is about as long as a colony lives.
119
306970
2262
Kb. ennyi ideig él egy kolónia.
05:09
Each symbol is a colony,
120
309232
2099
Mindegyik jel egy kolóniát jelképez,
05:11
and the size of the symbol is how many offspring it had,
121
311331
3266
a jelkép mérete pedig azt, hány utódkolóniája van.
05:14
because we were able to use genetic variation
122
314597
1913
A genetikai variációkból kiderült,
05:16
to match up parent and offspring colonies,
123
316510
2711
hogy melyek a szülő-, s melyek az utódkolóniák.
05:19
that is, to figure out which colonies
124
319221
3297
Más szóval azt, hogy melyik kolóniát
05:22
were founded by a daughter queen
125
322518
1925
alapította olyan királynő,
05:24
produced by which parent colony.
126
324443
2068
amely egy szülőkolóniából származott.
05:26
And this was amazing for me, after all these years,
127
326511
2002
Lélegzetelállító felfedezés volt számomra,
05:28
to find out, for example, that colony 154,
128
328513
3128
hogy a 154-es kolónia,
05:31
whom I've known well for many years,
129
331641
2176
amelyet már sok éve jól ismerek,
05:33
is a great-grandmother.
130
333817
1819
dédanya.
05:35
Here's her daughter colony,
131
335636
1740
Ez a kolónia a "leánya",
05:37
here's her granddaughter colony,
132
337376
2684
ez a kolónia az unokája,
05:40
and these are her great-granddaughter colonies.
133
340060
2392
ezek pedig a dédunokái.
05:42
And by doing this, I was able to learn
134
342452
2025
Így figyeltem fel a szülő-
05:44
that offspring colonies resemble parent colonies
135
344477
3283
és utódkolóniák közti hasonlóságokra.
05:47
in their decisions about which days are so hot
136
347760
2217
Pl. hasonlóan döntenek arról, mely napok
05:49
that they don't forage,
137
349977
1778
túl forrók táplálékszerzésre.
05:51
and the offspring of parent colonies
138
351755
1464
A kolóniák olyan messze vannak egymástól,
05:53
live so far from each other that the ants never meet,
139
353219
2906
hogy a hangyák sosem találkoznak.
05:56
so the ants of the offspring colony
140
356125
2289
Így nem tanulhatják el
05:58
can't be learning this from the parent colony.
141
358414
2244
a viselkedést az anyakolóniától.
06:00
And so our next step is to look
142
360658
1381
A következő logikus lépés
06:02
for the genetic variation underlying this resemblance.
143
362039
5276
megkeresni a hasonlóság alapjául szolgáló genetikai variációt.
06:07
So then I was able to ask, okay, who's doing better?
144
367315
4125
Ezután arra voltam kíváncsi, melyik kolónia sikeresebb.
06:11
Over the time of the study,
145
371440
1460
A kutatás idején
06:12
and especially in the past 10 years,
146
372900
1465
s főleg az utóbbi évtizedben
06:14
there's been a very severe and deepening drought
147
374365
3308
egyre komolyabb aszály sújtotta
06:17
in the Southwestern U.S.,
148
377673
2127
az USA délnyugati részét.
06:19
and it turns out that the colonies that conserve water,
149
379800
3053
Kutatásunk szerint a vizet megőrző kolóniáknak,
06:22
that stay in when it's really hot outside,
150
382853
4429
tehát azoknak, amelyek dolgozói hőségben a fészekben maradnak,
06:27
and thus sacrifice getting as much food as possible,
151
387282
2632
s így lemondanak a maximális táplálékszerzésről,
06:29
are the ones more likely to have offspring colonies.
152
389914
2945
gyakrabban van utódkolóniájuk.
06:32
So all this time, I thought that colony 154
153
392859
2269
Bevallom, úgy véltem, hogy a 154-es kolónia
06:35
was a loser, because on really dry days,
154
395128
2670
nincs a helyzet magaslatán, mert igazán száraz napokon
06:37
there'd be just this trickle of foraging,
155
397798
1868
csak egy pár dolgozó járt-kelt ki-be,
06:39
while the other colonies were out
156
399666
1591
míg a többi kolónia
06:41
foraging, getting lots of food,
157
401257
2117
teljes gőzzel gyűjtögetett.
06:43
but in fact, colony 154 is a huge success.
158
403374
3020
Mint kiderült, a 154-es kolónia rendkívül sikeres.
06:46
She's a matriarch.
159
406394
1332
Királynője matriárka,
06:47
She's one of the rare great-grandmothers on the site.
160
407726
3052
a helyszínünkön található kevés dédanya egyike.
06:50
To my knowledge, this is the first time
161
410778
2785
Tudomásom szerint ez az első alkalom,
06:53
that we've been able to track
162
413563
1639
hogy figyelemmel követhettük
06:55
the ongoing evolution of collective behavior
163
415202
3001
egy kollektív viselkedésforma folyamatban levő evolúcióját
06:58
in a natural population of animals
164
418203
2117
egy állatfaj természetes populációjában
07:00
and find out what's actually working best.
165
420320
4657
és felfedezhettük, hogy melyik a legsikeresebb viselkedésforma.
07:04
Now, the Internet uses an algorithm
166
424977
2421
Az internet egy algoritmust használ
07:07
to regulate the flow of data
167
427398
2853
az adatáramlás szabályozására.
07:10
that's very similar to the one
168
430251
2227
Ez nagyon hasonlít a maggyűjtő hangyák
07:12
that the harvester ants are using to regulate
169
432478
2376
algoritmusára, amellyel dolgozóik
07:14
the flow of foragers.
170
434854
1541
áramlását szabályozzák.
07:16
And guess what we call this analogy?
171
436395
3366
Találják ki, mi a hasonlóság neve?
07:19
The anternet is coming.
172
439761
1518
Anternet! [Hangya-net.]
07:21
(Applause)
173
441279
1721
(Taps)
07:23
So data doesn't leave the source computer
174
443000
3454
Az adatok nem hagyják el a forrásgépet
07:26
unless it gets a signal that there's enough bandwidth
175
446454
2861
amíg nem kap egy jelet,
07:29
for it to travel on.
176
449315
2729
hogy elegendő a sávszélesség.
07:32
In the early days of the Internet,
177
452044
1441
Az internet hajnalán
07:33
when operating costs were really high
178
453485
2274
az üzemeltetés költségei igen magasak voltak,
07:35
and it was really important not to lose any data,
179
455759
3227
s fontos volt az adatok pontos megőrzése,
07:38
then the system was set up for interactions
180
458986
2157
akkor építették be
07:41
to activate the flow of data.
181
461143
3062
az adatáramlást serkentő interakciókat.
07:44
It's interesting that the ants are using an algorithm
182
464205
2385
Érdekes, hogy a hangyák algoritmusa
07:46
that's so similar to the one that we recently invented,
183
466590
3896
ennyire hasonlít az internet adatáramlást irányító protokolljához.
07:50
but this is only one of a handful of ant algorithms
184
470486
2953
De a hangyák algoritmusa csak egyike azoknak,
07:53
that we know about,
185
473439
1419
amelyeket sikerült leírnunk.
07:54
and ants have had 130 million years
186
474858
3193
A hangyáknak pedig 130 millió évük volt
07:58
to evolve a lot of good ones,
187
478051
2026
sok ötletes algoritmus kifejlesztésére.
08:00
and I think it's very likely
188
480077
1506
Szerintem szinte biztos,
08:01
that some of the other 12,000 species
189
481583
2557
hogy a 12,000 másik hangyafaj közül
08:04
are going to have interesting algorithms
190
484140
2697
némelyik kirukkolt már egy-két hasznos algoritmussal
08:06
for data networks
191
486837
1024
pl. adathálózatokhoz,
08:07
that we haven't even thought of yet.
192
487861
2697
ami nekünk még álmunkban sem jutott eszünkbe.
08:10
So what happens when operating costs are low?
193
490558
3085
S mi van akkor, ha alacsonyak az üzemeltetési költségek?
08:13
Operating costs are low in the tropics,
194
493643
1787
Ez a helyzet pl. a trópusokon,
08:15
because it's very humid, and it's easy for the ants
195
495430
2096
mert ott nagyon párás a levegő,
08:17
to be outside walking around.
196
497526
2824
s a hangyák könnyen mászkálhatnak odakinn.
08:20
But the ants are so abundant
197
500350
1653
A trópusokon olyan nagyszámú
08:22
and diverse in the tropics
198
502003
1818
és sok fajtájú hangya él,
08:23
that there's a lot of competition.
199
503821
2598
hogy igen komoly versenyhelyzet alakul ki köztük.
08:26
Whatever resource one species is using,
200
506419
1952
Ha egy faj új erőforrásra bukkan,
08:28
another species is likely to be using that
201
508371
3172
várható, hogy egy másik faj is
08:31
at the same time.
202
511543
2379
használni fogja.
08:33
So in this environment, interactions are used
203
513922
2608
Ebben a környezetben ellenkező célt
08:36
in the opposite way.
204
516530
1945
szolgálnak az interakciók.
08:38
The system keeps going
205
518475
1395
Negatív esemény híján
08:39
unless something negative happens,
206
519870
1554
a rendszer tovább működik.
08:41
and one species that I study makes circuits
207
521424
2167
Pl. egy faj, melyet megfigyeltem,
08:43
in the trees of foraging ants
208
523591
2159
a fészektől az élelemforrásig vezető,
08:45
going from the nest to a food source and back,
209
525750
2981
kör alakú utakat alakít ki a dolgozó hangyák fáin.
08:48
just round and round,
210
528731
1329
Addig köröznek rajtuk,
08:50
unless something negative happens,
211
530060
1442
amíg nincsen negatív esemény,
08:51
like an interaction
212
531502
1609
pl. egy interakció
08:53
with ants of another species.
213
533111
2739
egy másik faj dolgozóival.
08:55
So here's an example of ant security.
214
535850
2937
Itt a kolóniabiztonság egy példáját látjuk.
08:58
In the middle, there's an ant
215
538787
1858
Középen egy hangya betömi
09:00
plugging the nest entrance with its head
216
540645
2463
a fészek bejáratát a fejével,
09:03
in response to interactions with another species.
217
543108
2993
válaszképpen egy másik faj képviselőivel történt interakcióra.
09:06
Those are the little ones running around
218
546101
1659
Azok ott pici hangyák,
09:07
with their abdomens up in the air.
219
547760
2751
amelyek levegőbe meresztett potrohhal szaladgálnak.
09:10
But as soon as the threat is passed,
220
550511
2046
Amint a veszély elhárult,
09:12
the entrance is open again,
221
552557
2755
nyitva áll megint a fészek bejárata.
09:15
and maybe there are situations
222
555312
1790
Talán a számítógépes biztonságnál
09:17
in computer security
223
557102
1089
is előadódhat,
09:18
where operating costs are low enough
224
558191
2206
hogy alacsony működési költségek miatt
09:20
that we could just block access temporarily
225
560397
3375
csak ideiglenesen kell leszűkíteni a hozzáférést
09:23
in response to an immediate threat,
226
563772
2193
válaszképp egy közvetlen veszélyre,
09:25
and then open it again,
227
565965
2026
s ezután ismét mehet minden tovább.
09:27
instead of trying to build
228
567991
1269
Nem kell állandó tűzfal
09:29
a permanent firewall or fortress.
229
569260
3980
vagy erődítmény.
09:33
So another environmental challenge
230
573240
1940
Egy másik környezeti kihívás,
09:35
that all systems have to deal with
231
575180
1695
mellyel minden rendszernek
09:36
is resources, finding and collecting them.
232
576875
5452
meg kell birkóznia, az erőforrások felderítése és begyűjtése.
09:42
And to do this, ants solve the problem
233
582327
1673
A hangyák megoldották
09:44
of collective search,
234
584000
1258
a csoportos keresést.
09:45
and this is a problem that's of great interest
235
585258
1576
Ma ez a dilemma leginkább
09:46
right now in robotics,
236
586834
1484
a robotika lényeges kérdése.
09:48
because we've understood that,
237
588318
1732
Ma már tudjuk,
09:50
rather than sending a single,
238
590050
1614
hogy kevésbé hatékony
09:51
sophisticated, expensive robot out
239
591664
3495
egyetlen kifinomult, drága robotot
09:55
to explore another planet
240
595159
1417
egy bolygó felderítésére
09:56
or to search a burning building,
241
596576
2567
vagy égő épület átkutatására kiküldeni.
09:59
that instead, it may be more effective
242
599143
2600
Sokkal eredményesebb, ha egy csoport olcsó,
10:01
to get a group of cheaper robots
243
601743
4377
egymással csak kevés információt közlő
10:06
exchanging only minimal information,
244
606120
2545
robotot vetünk be ezekre a célokra.
10:08
and that's the way that ants do it.
245
608665
2799
A hangyák is ezt a megoldást választották.
10:11
So the invasive Argentine ant
246
611464
1765
Az argentin hangya például
10:13
makes expandable search networks.
247
613229
2330
bővíthető keresőhálózatokat hoz létre.
10:15
They're good at dealing with the main problem
248
615559
2273
Ügyes megoldást találtak pl.
10:17
of collective search,
249
617832
1331
a csoportos keresésre.
10:19
which is the trade-off between
250
619163
2566
Módszerük kompromisszum
10:21
searching very thoroughly
251
621729
1336
az alapos keresés és
10:23
and covering a lot of ground.
252
623065
1997
a nagy terep átkutatása között.
10:25
And what they do is,
253
625062
895
10:25
when there are many ants in a small space,
254
625957
2387
Úgy működik ez,
hogy mikor sok hangya van kis területen,
10:28
then each one can search very thoroughly
255
628344
2213
akkor mindegyikük alaposan keres.
10:30
because there will be another ant nearby
256
630557
1624
Azért, mert közeli társai
10:32
searching over there,
257
632181
1357
szintén alaposan kutatnak.
10:33
but when there are a few ants
258
633538
1647
De mikor csak kevés hangya jut
10:35
in a large space,
259
635185
2055
nagy területre,
10:37
then they need to stretch out their paths
260
637240
2414
akkor mindegyik
10:39
to cover more ground.
261
639654
1803
igyekszik nagyobb területet lefedni.
10:41
I think they use interactions to assess density,
262
641457
2954
Az interakciókkal nyilván felmérik
10:44
so when they're really crowded,
263
644411
1229
a népsűrűséget; tömegben
10:45
they meet more often,
264
645640
1102
gyakrabban találkoznak,
10:46
and they search more thoroughly.
265
646742
2465
tehát alaposabban keresnek.
10:49
Different ant species must use different algorithms,
266
649207
3400
Minden fajnak más és más algoritmust kell használnia,
10:52
because they've evolved to deal with
267
652607
2522
mert másféle erőforrások
10:55
different resources,
268
655129
1671
kiaknázására adaptálódtak.
10:56
and it could be really useful to know about this,
269
656800
2559
Hasznos lenne ezt felmérni.
10:59
and so we recently asked ants
270
659359
1642
Nemrég szélsőséges körülmények közt
11:01
to solve the collective search problem
271
661001
2450
vizsgáltuk a hangyák csoportos
11:03
in the extreme environment
272
663451
1368
keresési viselkedését:
11:04
of microgravity
273
664819
1558
a Nemzetközi Űrállomás
11:06
in the International Space Station.
274
666377
1976
mikrogravitációs mezőjében.
11:08
When I first saw this picture, I thought,
275
668353
1545
A felvétel láttán megijedtem:
11:09
Oh no, they've mounted the habitat vertically,
276
669898
2857
"Jaj, függőlegesen szerelték be be az élőhelyet",
11:12
but then I realized that, of course, it doesn't matter.
277
672755
2618
de persze ez édesmindegy.
11:15
So the idea here is that the ants
278
675373
2637
Az alapötlet az volt,
11:18
are working so hard to hang on
279
678010
1970
hogy a hangyák olyan erővel kapaszkodnak
11:19
to the wall or the floor or whatever you call it
280
679980
3057
a falba, a padlóba, vagy akárhogy is hívjuk,
11:23
that they're less likely to interact,
281
683037
3009
hogy valószínűleg kevesebb interakcióra lesz alkalmuk,
így a számuk és a találkozásaik
11:26
and so the relationship between
282
686046
1244
11:27
how crowded they are and how often they meet
283
687290
2120
gyakorisága közti viszony
11:29
would be messed up.
284
689410
1725
összezavarodna.
11:31
We're still analyzing the data.
285
691135
1395
Még elemezzük az adatokat,
11:32
I don't have the results yet.
286
692530
1964
hivatalos eredmény nincs még.
11:34
But it would be interesting to know
287
694494
1694
De érdekes lenne kideríteni,
11:36
how other species solve this problem
288
696188
2459
hogy más fajok hogyan birkóznak meg
11:38
in different environments on Earth,
289
698647
2564
ezzel a nehézséggel a Föld különböző pontjain.
11:41
and so we're setting up a program
290
701211
1266
Erre programot szervezünk,
11:42
to encourage kids around the world
291
702477
2160
melynek keretében világszerte
11:44
to try this experiment with different species.
292
704637
2536
gyerekek folytatnák ugyanezt a kísérletet.
11:47
It's very simple.
293
707173
1767
Nagyon egyszerű az egész.
11:48
It can be done with cheap materials.
294
708940
2090
Olcsó alapanyagokkal megoldható.
11:51
And that way, we could make a global map
295
711030
2833
Ily módon készíthetnénk egy világtérképet
11:53
of ant collective search algorithms.
296
713863
3347
a hangyák csoportos kereső algoritmusairól.
11:57
And I think it's pretty likely that the invasive species,
297
717210
2483
Szinte biztos, hogy azok a fajok,
11:59
the ones that come into our buildings,
298
719693
2149
amelyek az épületeinkbe is bemerészkednek,
12:01
are going to be really good at this,
299
721842
1742
kitűnő megoldásokat találtak.
12:03
because they're in your kitchen
300
723584
1848
Azért masíroznak fel-le a konyhában
12:05
because they're really good at finding food and water.
301
725432
3907
mert tehetséges élelem- és vízfelderítők.
12:09
So the most familiar resource for ants
302
729339
3265
A hangyák legismertebb erőforrása
12:12
is a picnic,
303
732604
1315
a piknikkosár,
12:13
and this is a clustered resource.
304
733919
2145
tehát egy halmozott erőforrás.
12:16
When there's one piece of fruit,
305
736064
999
Ha van ott egy körte,
12:17
there's likely to be another piece of fruit nearby,
306
737063
2515
lesz ott talán más gyümölcs is.
12:19
and the ants that specialize on clustered resources
307
739578
3432
A halmozott erőforrásokra specializálódott hangyák
12:23
use interactions for recruitment.
308
743010
1942
interakcióikat toborzásra használják.
12:24
So when one ant meets another,
309
744952
1277
Mikor két hangya összefut,
12:26
or when it meets a chemical deposited
310
746229
1625
vagy belebotlik egy társa
12:27
on the ground by another,
311
747854
1736
talajon hagyott feromonjaiba,
12:29
then it changes direction to follow
312
749590
1833
rögvest irányt változtat,
12:31
in the direction of the interaction,
313
751423
1573
s már megy is az interakció felé.
12:32
and that's how you get the trail of ants
314
752996
1977
Így lesz egy kíváncsiskodóból
12:34
sharing your picnic.
315
754973
1413
seregnyi falatozó hangya.
12:36
Now this is a place where I think we might be able
316
756386
1695
Itt akár a rákkezeléshez hasznos
12:38
to learn something from ants about cancer.
317
758081
3741
dolgokat is elleshetnénk a hangyáktól.
12:41
I mean, first, it's obvious that we could do a lot
318
761822
1981
Persze a legtöbbet úgy tehetnénk
12:43
to prevent cancer
319
763803
1610
a rák megelőzése érdekében,
12:45
by not allowing people to spread around
320
765413
2577
ha nem engedélyeznénk
12:47
or sell the toxins that promote
321
767990
1944
a rákkeltő anyagok széleskörű
12:49
the evolution of cancer in our bodies,
322
769934
2780
terjesztését illetve eladását.
12:52
but I don't think the ants can help us much with this
323
772714
2346
A hangyák itt nem tudnak segíteni,
12:55
because ants never poison their own colonies.
324
775060
3358
ugyanis sosem mérgezik a kolóniáikat.
12:58
But we might be able to learn something from ants
325
778418
1332
De talán mégis elleshetnénk
12:59
about treating cancer.
326
779750
1763
rákkezeléshez hasznos dolgokat tőlük.
13:01
There are many different kinds of cancer.
327
781513
2225
Sokféle rákmegbetegedés létezik.
13:03
Each one originates in a particular part of the body,
328
783738
2978
A test más-más részére specializálódtak.
13:06
and then some kinds of cancer will spread
329
786716
2966
Van olyan rákos megbetegedés is,
13:09
or metastasize to particular other tissues
330
789682
2830
amely a test távoli szöveteiben áttétesedik,
13:12
where they must be getting resources that they need.
331
792512
2880
ahol nyilván létfontosságú erőforrásokhoz jut.
13:15
So if you think from the perspective
332
795392
1808
Az áttétesedő ráksejtek
13:17
of early metastatic cancer cells
333
797200
1950
kicsit mintha a számukra létfontosságú
13:19
as they're out searching around
334
799150
1623
erőforrásokat fürkésznék,
13:20
for the resources that they need,
335
800773
2317
s ha valahol ezekre
13:23
if those resources are clustered,
336
803090
1983
halmozottan bukkannak rá, akkor alighanem
13:25
they're likely to use interactions for recruitment,
337
805073
3013
toborzásra használják interakciókat.
13:28
and if we can figure out how cancer cells are recruiting,
338
808086
3093
Ha kiderítjük, hogyan toborozzák az új ráksejteket,
13:31
then maybe we could set traps
339
811179
2347
akkor talán csapdába csalhatjuk őket,
13:33
to catch them before they become established.
340
813526
4049
s kialakulása előtt elcsíphetnénk az áttétet.
13:37
So ants are using interactions in different ways
341
817575
3235
A hangyák környezetüktől függően
13:40
in a huge variety of environments,
342
820810
2602
más-más célra vetik be az interakcióikat.
13:43
and we could learn from this
343
823412
1821
Ebből sokat tanulhatnánk
13:45
about other systems that operate
344
825233
1777
más központi irányítás
13:47
without central control.
345
827010
2337
nélküli rendszerekről.
13:49
Using only simple interactions,
346
829347
1979
Egyszerű interakciók felhasználásával
13:51
ant colonies have been performing
347
831326
1795
a hangyakolóniák
13:53
amazing feats for more than 130 million years.
348
833121
3633
hihetetlen eredményeket értek el az utóbbi 130 millió évben.
13:56
We have a lot to learn from them.
349
836754
2140
Érdemes őket figyelemmel kísérni.
13:58
Thank you.
350
838894
2738
Köszönöm a figyelmüket.
14:01
(Applause)
351
841632
2733
(Taps)
Erről a weboldalról

Ez az oldal olyan YouTube-videókat mutat be, amelyek hasznosak az angol nyelvtanuláshoz. A világ minden tájáról származó, kiváló tanárok által tartott angol leckéket láthatsz. Az egyes videók oldalán megjelenő angol feliratokra duplán kattintva onnan játszhatja le a videót. A feliratok a videó lejátszásával szinkronban gördülnek. Ha bármilyen észrevétele vagy kérése van, kérjük, lépjen kapcsolatba velünk ezen a kapcsolatfelvételi űrlapon.

https://forms.gle/WvT1wiN1qDtmnspy7