What happens in your brain when you pay attention? | Mehdi Ordikhani-Seyedlar

399,709 views ・ 2017-07-12

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

Fordító: Beatrix Turán Lektor: Péter Pallós
00:12
Paying close attention to something:
0
12580
2480
Igazán odafigyelni valamire
00:15
Not that easy, is it?
1
15100
1240
nem is olyan könnyű, ugye?
00:17
It's because our attention is pulled in so many different directions at a time,
2
17340
5016
Ez azért van, mert oly sok minden követeli egyszerre a figyelmünket,
00:22
and it's in fact pretty impressive if you can stay focused.
3
22380
4080
hogy tényleg komoly teljesítmény összpontosítani valamire.
00:28
Many people think that attention is all about what we are focusing on,
4
28180
4056
Sokan azt hiszik: a figyelem lényege, hogy mire összpontosítunk,
00:32
but it's also about what information our brain is trying to filter out.
5
32260
4800
ám az is ugyanolyan fontos, amit agyunk figyelmen kívül akar hagyni.
00:38
There are two ways you direct your attention.
6
38140
2720
Kétféleképpen irányítjuk figyelmünket.
00:41
First, there's overt attention.
7
41420
1560
Először is van a nyílt figyelem.
00:43
In overt attention, you move your eyes towards something
8
43460
4136
Ilyenkor tekintetünket ráirányítjuk valamire,
00:47
in order to pay attention to it.
9
47620
1560
hogy figyeljünk rá.
00:50
Then there's covert attention.
10
50180
1976
Aztán van a szórt figyelem.
00:52
In covert attention, you pay attention to something,
11
52180
4016
Ilyenkor anélkül figyelünk oda valamire,
00:56
but without moving your eyes.
12
56220
1560
hogy ránéznénk.
00:58
Think of driving for a second.
13
58860
1640
Gondoljanak az autóvezetésre!
01:02
Your overt attention, your direction of the eyes,
14
62780
3016
A nyílt figyelmünk, a tekintetünk
01:05
are in front,
15
65820
1656
előrefele irányul,
01:07
but that's your covert attention
16
67500
1776
ám szórt figyelmünkkel
01:09
which is constantly scanning the surrounding area,
17
69300
3080
folyamatosan pásztázzuk környezetünket,
01:13
where you don't actually look at them.
18
73420
1880
ahová éppen nem is nézünk.
01:17
I'm a computational neuroscientist,
19
77339
1937
Számítógépes idegtudós vagyok,
01:19
and I work on cognitive brain-machine interfaces,
20
79300
3096
kognitív agy–számítógép csatolókon dolgozom,
01:22
or bringing together the brain and the computer.
21
82420
3040
vagyis az agy s a számítógép összekapcsolásán.
01:26
I love brain patterns.
22
86540
1600
Imádom az agyhullám-mintákat.
01:28
Brain patterns are important for us
23
88540
1696
Az agyhullám-minták fontosak,
01:30
because based on them we can build models for the computers,
24
90260
3496
mert azok alapján készíthetünk számítógépes modelleket,
01:33
and based on these models
25
93780
1416
s rájuk alapozva ismerik fel a gépek,
01:35
computers can recognize how well our brain functions.
26
95220
4216
mennyire működik jól az agyunk.
01:39
And if it doesn't function well,
27
99460
1600
Ha pedig nem jól működik,
01:41
then these computers themselves can be used as assistive devices
28
101900
3920
a számítógépek segítő eszközként is felhasználhatók
01:46
for therapies.
29
106580
1200
a kezelés során.
01:48
But that also means something,
30
108300
1640
Ám az is fontos,
01:51
because choosing the wrong patterns
31
111180
2496
hogy a nem megfelelő hullámmintákat választva
01:53
will give us the wrong models
32
113700
1896
rossz modelleket, majd ebből kifolyólag
01:55
and therefore the wrong therapies.
33
115620
1656
rossz terápiákat fejlesztünk ki.
01:57
Right?
34
117300
1200
Igaz?
01:59
In case of attention,
35
119460
1656
Ami a figyelmet illeti,
02:01
the fact that we can
36
121140
1280
a tény,
02:03
shift our attention not only by our eyes
37
123620
3496
hogy a figyelmünket nemcsak a tekintetünkkel irányítjuk,
02:07
but also by thinking --
38
127140
1320
hanem gondolatokkal is,
02:09
that makes covert attention an interesting model for computers.
39
129260
4080
érdekes modellezési feladattá teszi a szórt figyelmet.
02:14
So I wanted to know what are the brainwave patterns
40
134100
3456
Tudni akartam, milyen mintázatokat alkotnak az agyhullámok,
02:17
when you look overtly or when you look covertly.
41
137580
3680
amikor nyíltan és amikor szórtan figyelünk valamire.
02:22
I set up an experiment for that.
42
142260
1760
Kigondoltam erre egy kísérletet.
02:24
In this experiment there are two flickering squares,
43
144780
2736
A kísérletben két villódzó négyzetet mutatunk,
02:27
one of them flickering at a slower rate than the other one.
44
147540
3360
az egyik lassabban villódzik, a másik gyorsabban.
02:32
Depending on which of these flickers you are paying attention to,
45
152420
3816
Attól függően, hogy melyikre összpontosítunk,
02:36
certain parts of your brain will start resonating in the same rate
46
156260
3960
az agy bizonyos területei a villódzással megegyező frekvenciával
02:41
as that flickering rate.
47
161020
1440
kezdenek rezonálni.
02:43
So by analyzing your brain signals,
48
163820
2936
Az agy elektromos jeleinek elemzésével követni tudjuk,
02:46
we can track where exactly you are watching
49
166780
3040
pontosan hova irányul a tekintet,
02:50
or you are paying attention to.
50
170580
1560
és mire irányul a figyelem.
02:54
So to see what happens in your brain when you pay overt attention,
51
174820
4216
Hogy kiderítsem, mi történik az agyban nyílt odafigyelés közben,
arra kértem kísérleti alanyokat, nézzenek egyenesen az egyik négyzetre,
02:59
I asked people to look directly in one of the squares
52
179060
3256
03:02
and pay attention to it.
53
182340
1280
és összpontosítsanak rá.
03:04
In this case, not surprisingly, we saw that these flickering squares
54
184580
5296
Ekkor nyilvánvalóan azt láttuk,
hogy a villódzás leképeződött az elektromos jelekben,
03:09
appeared in their brain signals
55
189900
1936
03:11
which was coming from the back of their head,
56
191860
2360
amelyek az agy hátsó részéről jöttek,
03:15
which is responsible for the processing of your visual information.
57
195380
3400
a vizuális információt feldolgozó területről.
03:20
But I was really interested
58
200100
2336
Nagyon kíváncsi voltam,
03:22
to see what happens in your brain when you pay covert attention.
59
202460
3160
mi történik az agyban, amikor szórtan figyelünk valamire.
03:26
So this time I asked people to look in the middle of the screen
60
206300
3896
Ezúttal arra kértem az alanyokat, nézzenek a képernyő közepére,
03:30
and without moving their eyes,
61
210220
1880
és a tekintetük elfordítása nélkül
03:32
to pay attention to either of these squares.
62
212940
2720
összpontosítsanak a két négyzet valamelyikére.
03:36
When we did that,
63
216940
1616
Ez esetben azt láttuk,
03:38
we saw that both of these flickering rates appeared in their brain signals,
64
218580
3936
hogy mindkét villódzás frekvenciája megjelent az agy elektromos jeleiben,
03:42
but interestingly,
65
222540
1200
de érdekes módon
03:44
only one of them, which was paid attention to,
66
224460
3536
az a jel volt az erősebb,
03:48
had stronger signals,
67
228020
1656
amelyikre a figyelem irányult.
03:49
so there was something in the brain
68
229700
2256
Történt tehát valami
az információt feldolgozó agyban:
03:51
which was handling this information
69
231980
2536
03:54
so that thing in the brain was basically the activation of the frontal area.
70
234540
6200
megélénkült a homloklebeny működése.
04:02
The front part of your brain is responsible
71
242260
2976
A homloklebenyben zajlik
az ember magas szintű kognitív tevékenysége.
04:05
for higher cognitive functions as a human.
72
245260
2880
04:08
The frontal part, it seems that it works as a filter
73
248980
4440
A homloklebeny, úgy tűnik, szűrőként működik,
04:14
trying to let information come in only from the right flicker
74
254460
4376
csak azt az információt engedi be, amely abból a forrásból érkezik,
04:18
that you are paying attention to
75
258860
1640
amelyre épp próbálunk odafigyelni,
04:21
and trying to inhibit the information coming from the ignored one.
76
261220
3960
és igyekszik útját állni a más forrásból érkező infónak.
04:27
The filtering ability of the brain is indeed a key for attention,
77
267220
5296
Az agyunk szűrőképessége kulcsfontosságú a figyelem szempontjából,
04:32
which is missing in some people,
78
272540
2776
s egyesekből hiányzik e képesség,
04:35
for example in people with ADHD.
79
275340
2480
pl. a figyelemhiányos hiperaktivitás-zavarral küzdőkből.
04:38
So a person with ADHD cannot inhibit these distractors,
80
278460
5016
Ők nem tudják kizárni a zavaró ingereket,
04:43
and that's why they can't focus for a long time on a single task.
81
283500
4760
ezért nem képesek hosszasan koncentrálni egyetlen feladatra.
04:49
But what if this person
82
289420
1536
Mi volna viszont, ha ez az ember
04:50
could play a specific computer game
83
290980
3536
számítógépes játékkal játszva,
04:54
with his brain connected to the computer,
84
294540
2880
miközben agya számítógéppel van összekötve,
04:58
and then train his own brain
85
298260
2120
megtaníthatná az agyát
05:01
to inhibit these distractors?
86
301180
2440
a zavaró infó kiszűrésére?
05:05
Well, ADHD is just one example.
87
305500
2480
A figyelemhiányos hiperaktivitás csak egyetlen példa.
05:09
We can use these cognitive brain-machine interfaces
88
309020
3256
Számos más kognitív területen is hasznosíthatjuk
05:12
for many other cognitive fields.
89
312300
2200
a kognitív agy–számítógép csatolókat.
05:15
It was just a few years ago
90
315580
1776
Alig néhány éve történt,
05:17
that my grandfather had a stroke, and he lost complete ability to speak.
91
317380
5720
hogy nagyapámat szélütés érte, s elvesztette beszédképességét.
05:24
He could understand everybody, but there was no way to respond,
92
324460
3336
Értett mindenkit, de nem tudott válaszolni,
05:27
even not writing because he was illiterate.
93
327820
2480
még írásban sem, mert írástudatlan volt.
05:31
So he passed away in silence.
94
331820
2520
Csöndben halt meg.
05:36
I remember thinking at that time:
95
336620
2336
Emlékszem, arra gondoltam akkor,
05:38
What if we could have a computer
96
338980
3896
mi volna, ha lenne egy számítógép,
05:42
which could speak for him?
97
342900
1360
amely beszélhetne helyette?
05:45
Now, after years that I am in this field,
98
345660
2216
Most, hogy évek óta e területen dolgozom,
05:47
I can see that this might be possible.
99
347900
2320
látom, hogy talán ez is lehetséges.
05:52
Imagine if we can find brainwave patterns
100
352060
2856
Képzeljék csak el, ha felfedezzük az agyhullám-mintákat,
05:54
when people think about images or even letters,
101
354940
3440
amelyek megfeleltethetők bizonyos képeknek vagy akár betűknek!
05:59
like the letter A generates a different brainwave pattern
102
359540
2936
Lehet, hogy az A betű más mintának felel meg,
06:02
than the letter B, and so on.
103
362500
1720
mint a B betű, és így tovább.
06:04
Could a computer one day communicate for people who can't speak?
104
364780
3680
Képes lesz rá valaha a számítógép, hogy helyettünk beszéljen?
06:09
What if a computer
105
369460
1440
Mi volna, ha a számítógép
06:11
can help us understand the thoughts of a person in a coma?
106
371780
4560
segíthetne megérteni a kómában fekvő betegek gondolatait?
06:17
We are not there yet,
107
377660
1616
Még nem tartunk itt,
06:19
but pay close attention.
108
379300
2736
de csak figyeljenek jól!
06:22
We will be there soon.
109
382060
1696
Nincs már messze ez az idő.
06:23
Thank you.
110
383780
1496
Köszönöm.
(Taps)
06:25
(Applause)
111
385300
5632
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