Daniel Wolpert: The real reason for brains

מתרגם: Yubal Masalker מבקר: Ido Dekkers

I'm a neuroscientist.

אני חוקר מערכות עצבים.

And in neuroscience,

במדעי עצב,

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

עלינו להתמודד עם הרבה שאלות קשות בנוגע למוח.

But I want to start with the easiest question

אבל ברצוני להתחיל עם השאלה הכי קלה

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

והשאלה שכולנו היינו צריכים לשאול את עצמנו מתי שהוא,

because it's a fundamental question

כי זו שאלת יסוד

if we want to understand brain function.

אם ברצוננו להבין את פעולת המוח.

And that is, why do we and other animals

השאלה היא, מדוע לנו ולחיות

have brains?

יש מוחות?

Not all species on our planet have brains,

לא לכל המינים יש מוחות,

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

ולכן אם ברצוננו לדעת למה צריך מוח,

let's think about why we evolved one.

יש לחשוב על הסיבה להתפתחותו.

Now you may reason that we have one

אפשר לומר שהוא קיים

to perceive the world or to think,

כדי לתפוס את העולם או כדי לחשוב,

and that's completely wrong.

וזה לגמרי לא נכון.

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

אם חושבים על שאלה זו מספיק זמן,

it's blindingly obvious why we have a brain.

זה ברור מאליו מדוע יש לנו מוח.

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

יש לנו מוח בגלל סיבה אחת ויחידה,

and that's to produce adaptable and complex movements.

והיא ליצור תנועות סגילות ומורכבות.

There is no other reason to have a brain.

אין סיבה אחרת לקיום המוח.

Think about it.

תחשבו על זה.

Movement is the only way you have

תנועה היא הדרך היחידה

of affecting the world around you.

להשפיע על העולם סביבנו.

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

זה לא לגמרי נכון. יש דרך נוספת והיא באמצעות הזעה.

But apart from that,

אבל מלבד זאת,

everything else goes through contractions of muscles.

כל דבר אחר מתבצע באמצעות תנועות שרירים.

So think about communication --

תחשבו על תקשורת --

speech, gestures, writing, sign language --

דיבור, שפת-גוף, כתיבה, שפת סימנים --

they're all mediated through contractions of your muscles.

הכל מתבצע באמצעות תנועות של שרירים.

So it's really important to remember

לכן זה חשוב מאוד לזכור

that sensory, memory and cognitive processes are all important,

שלמרות שתהליכים תחושתיים ותפיסתיים הם חשובים,

but they're only important

הם חשובים רק בשביל

to either drive or suppress future movements.

ליצור או להפסיק תנועות עתידיות.

There can be no evolutionary advantage

אין שום יתרון אבולוציוני

to laying down memories of childhood

בזיכרונות ילדות

or perceiving the color of a rose

או בקליטת צבע של פרח

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

אם אין להן השפעה על הדרך בה אנו עומדים לנוע בעתיד.

Now for those who don't believe this argument,

עבור אלה שאינם מאמינים לטיעון זה,

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

עצים ודשא אין להם מוח,

but the clinching evidence is this animal here --

אבל ההוכחה החותכת היא היצור הזה --

the humble sea squirt.

רכיכת-ים.

Rudimentary animal, has a nervous system,

יצור לא מפותח שיש לה מערכת עצבית

swims around in the ocean in its juvenile life.

והיא שוחה באוקיינוס בצעירותה.

And at some point of its life,

בשלב כלשהו בחייה,

it implants on a rock.

היא נדבקת לסלע. והדבר הראשון

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

שהיא עושה עם הידבקותה לסלע שהיא לעולם לא עוזבת,

is to digest its own brain and nervous system

זה לעכל את המוח ואת המערכת העצבית של עצמה

for food.

בתור מזון.

So once you don't need to move,

כך, ברגע שלא זקוקים לתנועה,

you don't need the luxury of that brain.

אין צורך בלוקסוס של המוח.

And this animal is often taken

ויצור זה משמש לעיתים

as an analogy to what happens at universities

כאנלוגיה למה שמתרחש באוניברסיטאות

when professors get tenure,

כאשר פרופסורים מקבלים קביעות,

but that's a different subject.

אבל זה נושא אחר.

(Applause)

(מחיאות כפיים)

So I am a movement chauvinist.

אם כך, אני קנאי לתנועה. אני מאמין שתנועה

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

היא התיפקוד החשוב ביותר של המוח --

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

ואל תניחו לאף אחד לומר לכם שאין זה נכון.

Now if movement is so important,

אבל אם תנועה היא כה חשובה,

how well are we doing

עד כמה אנו מבינים כהלכה

understanding how the brain controls movement?

כיצד המוח שולט בתנועה?

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

התשובה היא שבמידה מאוד דלה; זו בעיה מאוד קשה.

But we can look at how well we're doing

אבל אפשר גם להתרשם מביצועינו הטובים

by thinking about how well we're doing building machines

אם חושבים על איכות המכונות שאנו בונים

which can do what humans can do.

אשר מבצעות מה שבני-אדם עושים.

Think about the game of chess.

תחשבו על משחק השחמט.

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

עד כמה טוב ונכון אנו מחליטים להזיז את הכלים ולהיכן?

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

אם נציב את גארי קספארוב, כאשר אינו בכלא,

against IBM's Deep Blue,

כנגד מחשב IBM "כחול עמוק",

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

התשובה תהיה שהמחשב ינצח לעיתים.

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

ואם המחשב ישחק נגד כל מישהו באולם זה, המחשב ינצח תמיד.

That problem is solved.

כאן התשובה ברורה.

What about the problem

מה לגבי הבעיה של

of picking up a chess piece,

הרמת כלי-שחמט,

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

לשלוט בו במיומנות ולהניחו בחזרה על הלוח?

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

אם שמים את מיומנותו של ילד בן 5 כנגד הרובוטים הכי משוכללים של היום,

the answer is simple:

התשובה ברורה:

the child wins easily.

הילד ינצח בקלות.

There's no competition at all.

אין בכלל על מה לדבר.

Now why is that top problem so easy

אז מדוע הבעיה הראשונה כה קלה

and the bottom problem so hard?

והשניה כה קשה?

One reason is a very smart five year-old

סיבה אחת היא שבן 5 שהוא מאוד פיקח

could tell you the algorithm for that top problem --

יכול למצוא את האלגוריתם לבעיה הראשונה --

look at all possible moves to the end of the game

יסתכל על כל המהלכים האפשריים במשחק

and choose the one that makes you win.

ויבחר את זה היכול לנצח.

So it's a very simple algorithm.

לכן זה אלגוריתם מאוד פשוט.

Now of course there are other moves,

ברור שיש מהלכים אחרים,

but with vast computers we approximate

אבל עם מחשבים אנו עושים קירובים

and come close to the optimal solution.

וכך מתקרבים לפיתרון המיטבי.

When it comes to being dexterous,

אבל כאשר זה מגיע למיומנות בתנועה,

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

כלל לא ברור איזה אלגוריתם עלינו לפתור כדי להיות מיומנים.

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

אנו נראה שצריך גם לתפוס את הסביבה וגם לפעול עליה,

which has a lot of problems.

שזה יוצר המון בעיות.

But let me show you cutting-edge robotics.

אראה לכם עכשיו רובוטיקה מתקדמת.

Now a lot of robotics is very impressive,

בהרבה מקרים רובוטיקה זה דבר מרשים ביותר,

but manipulation robotics is really just in the dark ages.

אבל רובוטיקה תפעולית היא עדיין פרימיטיבית.

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

זהו התוצר הסופי של עבודת דוקטורט

from one of the best robotics institutes.

באחד ממכוני הרובוטיקה המתקדמים ביותר.

And the student has trained this robot

הסטודנט לימד את הרובוט

to pour this water into a glass.

לשפוך מים לתוך כוס.

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

זו בעיה קשה כי המים משכשכים, אבל הוא מצליח.

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

אבל הוא אינו עושה זאת באותה מיומנות של אדם.

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

כעת אם רוצים שרובוט זה יבצע משימה אחרת,

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

זו עבודת דוקטורט אחרת של 3 שנים.

There is no generalization at all

אין משהו משותף

from one task to another in robotics.

בין שתי משימות ברובוטיקה.

Now we can compare this

כעת נשווה זאת

to cutting-edge human performance.

לביצועי אנוש בדרגה הכי גבוהה.

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

אתם תראו את אמילי פוקס

winning the world record for cup stacking.

שקבעה שיא עולם בסידור כוסות.

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

האמריקאים בין הצופים פה יודעים הכל על סידור כוסות.

It's a high school sport

זהו ספורט של תיכונים

where you have 12 cups you have to stack and unstack

שבו צריך לסדר ולהפריד 12 כוסות

against the clock in a prescribed order.

כנגד זמן בסדר מסויים.

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

כאן זו היא בזמן קביעת השיא העולמי.

(Laughter)

(צחוק)

(Applause)

(מחיאות כפיים)

And she's pretty happy.

היא שמחה למדי.

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

אין לנו מושג על המתחולל במוחה כאשר היא עשתה זאת,

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

וזה מה שהיינו רוצים לדעת.

So in my group, what we try to do

לכן בצוות שלי, מה שאנו מנסים לעשות

is reverse engineer how humans control movement.

זה לנתח הנדסית כיצד אנשים שולטים בתנועה.

And it sounds like an easy problem.

זה נשמע כמו בעיה פשוטה.

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

פקודה נשלחת, היא גורמת לשרירים להתכווץ.

Your arm or body moves,

הגוף או הזרוע נעים,

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

מקבלים משוב חושי מהעיניים, עור, שרירים וכו'.

The trouble is

הבעיה היא שאותות הללו

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

אינם אותות אידאליים כפי שהיינו רוצים.

So one thing that makes controlling movement difficult

אחד הדברים שהופכים את השליטה

is, for example, sensory feedback is extremely noisy.

על תנועה לקשה הוא הרעש הנלווה למשוב.

Now by noise, I do not mean sound.

ברעש, איני מתכוון לצלילים.

We use it in the engineering and neuroscience sense

בהנדסה ומדעי העצב המשמעות היא

meaning a random noise corrupting a signal.

רעש אקראי אשר הורס את האות.

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

זה כמו פעם, לפני הרדיו הדיגיטלי כאשר היינו מכוונים לתחנה

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

ושמענו רעשים צורמים בתחנה שרצינו להאזין לה,

that was the noise.

על רעש כזה מדובר.

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

באופן יותר כללי, רעש כזה הורס את האות.

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

לדוגמא, אם שמים את היד מתחת לשולחן

and try to localize it with your other hand,

ומנסים לאתר אותה בעזרת היד השניה,

you can be off by several centimeters

אפשר לפספס בכמה סנטימטרים

due to the noise in sensory feedback.

בגלל הרעש במשוב מן החושים.

Similarly, when you put motor output on movement output,

באופן דומה, כאשר מערבבים את אותות המנוע עם אותות של תנועה,

it's extremely noisy.

זה מאוד רועש.

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

שלא לדבר על קליעה למטרה באמצעות זריקת חיצים,

just aim for the same spot over and over again.

פשוט לכוון לאותה נקודה שוב ושוב.

You have a huge spread due to movement variability.

יש לנו פיזור רחב מאוד בגלל השתנות התנועה.

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

ואפילו עוד יותר, העולם סביבנו, או המשימה,

is both ambiguous and variable.

הם מעורפלים ומשתנים.

The teapot could be full, it could be empty.

קומקום התה יכול להיות מלא או ריק.

It changes over time.

הוא נתון לשינויים לאורך זמן.

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

כך שאנו פועלים במרק של רעשים הנובעים מעבודת החושים.

Now this noise is so great

רעש זה הוא כה מהותי

that society places a huge premium

שהחברה מעניקה תגמול ענק

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

למי מאיתנו המסוגל לצמצם את השפעות הרעש.

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

כך שאם התמזל למישהו המזל והוא מסוגל להכות בכדור לבן קטן

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

לתוך גומחה במרחק כמה מאות מטרים בעזרת מקל מתכת ארוך,

our society will be willing to reward you

החברה שלנו תרצה לגמול לו

with hundreds of millions of dollars.

במאות מיליוני דולרים.

Now what I want to convince you of

כעת מה שברצוני לשכנע אתכם בו

is the brain also goes through a lot of effort

הוא שהמוח עושה הרבה מאמצים

to reduce the negative consequences

כדי לצמצם את ההשלכות השליליות

of this sort of noise and variability.

של רעשים ושינויים כאלה.

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

כדי לעשות זאת, אספר לכם על מערכת

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

שהיא מאוד נפוצה בסטטיסטיקה ובלימודי מכונה ב-50 השנים האחרונות

called Bayesian decision theory.

והנקראת תיאוריה בייסיאנית להחלטות.

And it's more recently a unifying way

זו דרך כוללנית לחשיבה

to think about how the brain deals with uncertainty.

על כיצד המוח מתמודד עם חוסר וודאות.

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

הרעיון המרכזי הוא שאדם רוצה להסיק מסקנות ולנקוט בפעולות.

So let's think about the inference.

אז בואו נחשוב על הסקת מסקנות.

You want to generate beliefs about the world.

אנו רוצים לייצר אמונות לגבי העולם.

So what are beliefs?

אז מהן אמונות?

Beliefs could be: where are my arms in space?

אמונות יכולות להיות: היכן נמצאות זרועותיי בחלל?

Am I looking at a cat or a fox?

האם אני מביט בחתול או בשועל?

But we're going to represent beliefs with probabilities.

אבל אנו נציג אמונות בצורת הסתברויות.

So we're going to represent a belief

נציג אמונה

with a number between zero and one --

באמצעות מספר בין 0 ל-1 --

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

0 משמעותו שאיני מאמין כלל ו-1 משמעותו שאני בטוח לגמרי.

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

ומספרים ביניהם נותנים דרגות שונות של חוסר וודאות.

And the key idea to Bayesian inference

הרעיון המרכזי של הסקה בייסיאנית

is you have two sources of information

הוא שיש שני מקורות מידע

from which to make your inference.

שמהם מסיקים את המסקנה.

You have data,

יש נתונים,

and data in neuroscience is sensory input.

ונתונים במדעי-עצב זה קלט של חושים.

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

יש לנו קלט חושים שאני יכול לנצל כדי ליצור אמונות.

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

אבל יש מקור נוסף של מידע והוא הידע המוקדם שיש לנו.

You accumulate knowledge throughout your life in memories.

אנו צוברים ידע לאורך חיינו בצורת זיכרונות.

And the point about Bayesian decision theory

והעיקר בתיאוריה בייסיאנית להחלטות הוא

is it gives you the mathematics

שהיא נותנת לנו את המתמטיקה

of the optimal way to combine

של הדרך המיטבית לשילוב בין

your prior knowledge with your sensory evidence

הידע המוקדם והנתונים החושיים

to generate new beliefs.

כדי לייצר אמונות חדשות.

And I've put the formula up there.

רשמתי את הנוסחה כאן.

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

לא אסביר את הנוסחה, אבל היא מאוד יפה.

And it has real beauty and real explanatory power.

יש בה יופי אמיתי ויכולת אמיתית להבהיר דברים.

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

היא אומרת שמה שאנו רוצים לאמוד,

is the probability of different beliefs

היא ההסתברות של האמונות השונות

given your sensory input.

בקלט חושים נתון.

So let me give you an intuitive example.

אתן לכם דוגמא אינטואיטיבית.

Imagine you're learning to play tennis

תחשבו שאתם לומדים לשחק טניס

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

ועליכם להחליט היכן הכדור עומד ליפול

as it comes over the net towards you.

כאשר הוא עובר את הרשת בדרכו אליכם.

There are two sources of information

יש שני מקורות מידע,

Bayes' rule tells you.

כך אומר הכלל הבייסיאני.

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

יש נתונים מהחושים -- ניתן להשתמש במידע חזותי או שמיעתי,

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

וזה יכול לומר לך להתרכז בנקודה האדומה ההיא.

But you know that your senses are not perfect,

אבל אתה יודע שחושיך אינם מושלמים, ולכן קיימת אי-וודאות

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

מסויימת לגבי היכן הכדור יפול

shown by that cloud of red,

והיא מתוארת באמצעות הכתם האדום,

representing numbers between 0.5 and maybe 0.1.

המייצג מספרים בין 0.5 ל-0.1 בערך.

That information is available in the current shot,

מידע זה זמין בחבטה הנוכחית,

but there's another source of information

אבל ישנו מקור מידע נוסף

not available on the current shot,

שאינו זמין בחבטה הנוכחית,

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

אלא הוא זמין רק באמצעות ניסיונות חוזרים במשחק הטניס,

and that's that the ball doesn't bounce

והוא שהכדור אינו נופל בהסתברות שווה

with equal probability over the court during the match.

בכל המגרש בזמן המשחק.

If you're playing against a very good opponent,

אם אתה משחק נגד שחקן ברמה גבוהה,

they may distribute it in that green area,

הם יכולים ליפול באזור הירוק ההוא,

which is the prior distribution,

שזה פיזור תאורטי הקיים מראש,

making it hard for you to return.

המקשה עליך להחזיר.

Now both these sources of information carry important information.

שני מקורות המידע נושאים עימם מידע חשוב.

And what Bayes' rule says

מה שחוק בייסיאני אומר הוא שעליי

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

להכפיל את המספרים שבאדום במספרים שבירוק

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

כדי לקבל את המספרים בצהוב, שיש שם את האליפסות,

and that's my belief.

וזו האמונה שלי.

So it's the optimal way of combining information.

זוהי הדרך המיטבית לשילוב בין מקורות מידע.

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

לא הייתי מספר את כל זה אם לפני כמה שנים

we showed this is exactly what people do

לא היינו מוכיחים שזה בדיוק מה שאנשים עושים

when they learn new movement skills.

כאשר הם לומדים מיומנויות תנועה חדשות.

And what it means

ומה שזה אומר הוא שאנחנו באמת

is we really are Bayesian inference machines.

מכונות בייסיאניות להסקת מסקנות.

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

בעודנו מתנהלים בעולם, אנו לומדים עליו סטטיסטיקות וזוכרים אותן,

but we also learn

אבל אנו גם לומדים עד כמה

about how noisy our own sensory apparatus is,

סואנת היא המערכת החושית שלנו,

and then combine those

ואז משלבים ביניהן

in a real Bayesian way.

ממש בדרך בייסיאנית.

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

המפתח עבור הבייסיאנית זהו החלק הזה בנוסחה.

And what this part really says

ומה שחלק זה אומר הוא

is I have to predict the probability

שעליי לחזות את ההסתברות

of different sensory feedbacks

של משובים חושיים שונים

given my beliefs.

בהתאם לאמונות שלי.

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

זה אומר שעליי ממש לחזות את העתיד.

And I want to convince you the brain does make predictions

וברצוני לשכנע אתכם שהמוח שלנו אכן עושה תחזיות

of the sensory feedback it's going to get.

על המשוב החושי שהוא עומד לקבל.

And moreover, it profoundly changes your perceptions

בנוסף, הוא משנה מהותית את התפיסות שלנו

by what you do.

לפי מה שאנו עושים בפועל.

And to do that, I'll tell you

כדי לעשות זאת, אספר לכם

about how the brain deals with sensory input.

כיצד המוח מתמודד עם קלט חושי.

So you send a command out,

אנו שולחים פקודה החוצה,

you get sensory feedback back,

מקבלים בחזרה קלט חושי,

and that transformation is governed

ותהליך זה נשלט

by the physics of your body and your sensory apparatus.

על-ידי הפיזיולוגיה של גופנו והמערכת החושית.

But you can imagine looking inside the brain.

אבל נדמיין שניתן להתבונן לתוך המוח.

And here's inside the brain.

זה פנים המוח.

You might have a little predictor, a neural simulator,

יכול להיות שיש אצלנו חזאי קטן, סימולטור עצבי,

of the physics of your body and your senses.

לפיזיולוגיה של גופנו וחושינו.

So as you send a movement command down,

כאשר שולחים פקודת תנועה לגוף,

you tap a copy of that off

לוקחים העתק שלה

and run it into your neural simulator

ומריצים אותה בסימולטור העצבי שלנו

to anticipate the sensory consequences of your actions.

כדי להקדים ולחזות את התוצאות החושיות של פעולתנו.

So as I shake this ketchup bottle,

כך שכאשר אני מנער בקבוק קטשופ,

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

אני מקבל משוב חושי אמיתי כפונקציה של זמן בציר האופקי.

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

אם יש אצלי חזאי טוב, הוא חוזה את אותו הדבר.

Well why would I bother doing that?

מדוע שאטרח לעשות את כל זה?

I'm going to get the same feedback anyway.

בכל מקרה אני הולך לקבל אותו משוב.

Well there's good reasons.

יש לזה סיבות טובות.

Imagine, as I shake the ketchup bottle,

נדמיין שבעודי מנער את בקבוק הקטשופ,

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

מישהו בא וטופח עליו מאחור כדי לעזור לי.

Now I get an extra source of sensory information

כעת יש לי מקור נוסף של מידע חושי

due to that external act.

בגלל הפעולה החיצונית הזו.

So I get two sources.

לכן יש לי שני מקורות.

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

אני מקבל מהטפיחה ואני מקבל מהניעור,

but from my senses' point of view,

אבל מבחינת החושים שלי,

that is combined together into one source of information.

זה משתלב ביחד למקור מידע אחד.

Now there's good reason to believe

יש סיבה טובה להאמין שהיינו רוצים

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

להיות מסוגלים להבחין בין אירועים חיצוניים לאירועים פנימיים.

Because external events are actually much more behaviorally relevant

כי אירועים חיצוניים נוגעים הרבה יותר להתנהגות

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

לעומת התחושה של כל מה שקורה בגוף שלנו.

So one way to reconstruct that

לכן דרך חדשה לסדר את זה

is to compare the prediction --

היא להשוות את התחזית --

which is only based on your movement commands --

המתבססת רק על פקודות התנועה שלנו --

with the reality.

עם המציאות.

Any discrepancy should hopefully be external.

רצוי שכל אי-התאמה תהיה חיצונית.

So as I go around the world,

כך שבעודי מתהלך בעולם,

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

אני עושה תחזיות של מה שאני אמור להיתקל בו ומחסיר אותן.

Everything left over is external to me.

כל מה שנותר הוא חיצוני עבורי.

What evidence is there for this?

איזה ראיות יש לנו על זה?

Well there's one very clear example

יש דוגמא אחת מאוד ברורה

where a sensation generated by myself feels very different

בה תחושה שאני בעצמי יוצר, גורמת הרגשה מאוד שונה

then if generated by another person.

מאשר אותה תחושה הנוצרת על-ידי אדם אחר.

And so we decided the most obvious place to start

לכן החלטנו שהדבר המובן מאליו להתחיל בו

was with tickling.

הוא דיגדוג.

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

ידוע כבר זמן רב שלא ניתן לדגדג את עצמך

as well as other people can.

באותה מידה שבה אחרים יכולים.

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

אבל זה אף פעם לא ממש הודגם כי יש אצלנו סימולטור טבעי,

simulating your own body

המדמה את הגוף שלנו עצמנו

and subtracting off that sense.

והמחסיר את החוש הזה.

So we can bring the experiments of the 21st century

כעת אנו מביאים את הניסויים למאה ה-21

by applying robotic technologies to this problem.

באמצעות יישום טכנולוגיות רובוטיות לבעיה זו.

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

למעשה, יש לנו מין מקל ביד אחת המחוברת לרובוט,

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

והם הולכים להזיז אותה קדימה ואחורה.

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

אנו הולכים לעקוב אחרי זה בעזרת מחשב

and use it to control another robot,

ולהשתמש בו כדי לשלוט על רובוט אחר,

which is going to tickle their palm with another stick.

אשר עומד לדגדג את כף-ידם עם מקל אחר.

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

אנו נבקשם לדרג מספר דברים

including ticklishness.

כולל הרגישות לדיגדוג.

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

אציג לכם רק חלק אחד של המחקר.

And here I've taken away the robots,

כאן הרחקנו את הרובוטים,

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

אבל עדיין אנשים מזיזים את זרועם קדימה ואחורה

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

ואנו משחזרים את התנועה על גבי היד השניה באיחור של זמן.

Either no time delay,

או ללא איחור זמן,

in which case light would just tickle your palm,

שבמקרה כזה כאילו האור מדגדג את כף-היד,

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

או באיחור זמן של שתיים או שלוש עשיריות שניה.

So the important point here

הנקודה החשובה כאן היא

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

שיד ימין עושה תמיד אותו הדבר -- תנועה גלית.

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

יד שמאל היא באותו מצב ורושמת את הדיגדוג הגלי.

All we're playing with is a tempo causality.

כל מה שאנו משנים זה התיזמון.

And as we go from naught to 0.1 second,

כאשר עוברים מאפס ל-0.1 שניה,

it becomes more ticklish.

הרגישות לדיגדוג עולה.

As you go from 0.1 to 0.2,

כאשר עוברים מ-0.1 ל-0.2,

it becomes more ticklish at the end.

הרגישות עולה עוד.

And by 0.2 of a second,

ב-0.2 שניות,

it's equivalently ticklish

זה מדגדג באותה מידה

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

כמו הרובוט שדיגדג מבלי שהמשתתף עשה משהו.

So whatever is responsible for this cancellation

לא משנה מה אחראי לביטול זה,

is extremely tightly coupled with tempo causality.

זה קשור באופן הדוק לתיזמון.

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

בהתבסס על המחשה זו, הגענו למסקנה

that the brain's making precise predictions

שהמוח עושה חיזויים מדוייקים

and subtracting them off from the sensations.

ומחסיר אותם מהתחושות.

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

אבל עליי להודות שאלה המחקרים הכי גרועים שבוצעו במעבדה שלי.

Because the tickle sensation on the palm comes and goes,

כי בגלל שתחושת הדיגדוג על כף-היד באה והולכת,

you need large numbers of subjects

יש צורך במספר גדול של משתתפים

with these stars making them significant.

כדי שזה יהיה משמעותי.

So we were looking for a much more objective way

לכן אנו מחפשים דרך הרבה יותר אובייקטיבית

to assess this phenomena.

כדי לאמוד את התופעה.

And in the intervening years I had two daughters.

בינתיים נולדו לי שתי בנות.

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

ואחד הדברים שמבחינים בהם בנוגע לילדים במושבים אחוריים של מכונית

they get into fights --

הוא שהם מתחילים לריב --

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

זה מתחיל עם אחד שעושה משהו לאחר וזה מגיב.

It quickly escalates.

וזה מסלים במהירות.

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

ילדים נוטים להתחיל מריבות המסלימות במונחים של כוח.

Now when I screamed at my children to stop,

כאשר צרחתי על ילדותיי להפסיק,

sometimes they would both say to me

לפעמים שתיהן היו אומרות לי

the other person hit them harder.

שהשניה הרביצה יותר חזק.

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

אני יודע שילדותיי לא משקרות,

so I thought, as a neuroscientist,

לכן חשבתי, בתור חוקר מערכות עצב,

it was important how I could explain

שזה חשוב יהיה להסביר

how they were telling inconsistent truths.

כיצד הן סיפרו אמיתות לא קוהרנטיות.

And we hypothesize based on the tickling study

הנחנו בהתבסס על מחקר הדיגדוג

that when one child hits another,

שכאשר ילד אחד מכה את השני,

they generate the movement command.

הוא מייצר פקודת תנועה.

They predict the sensory consequences and subtract it off.

הוא חוזה את התוצאות החושיות ומחסיר אותן.

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

לכן הוא למעשה חושב שהוא היכה פחות חזק מאשר בפועל --

rather like the tickling.

בערך כמו הדיגדוג.

Whereas the passive recipient

בעוד שהסופג הפסיבי

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

אינו עושה חיזוי ולכן מרגיש את מלוא העוצמה.

So if they retaliate with the same force,

אם הוא מחזיר באותה עוצמה,

the first person will think it's been escalated.

הראשון יחשוב שהמצב הסלים.

So we decided to test this in the lab.

לכן החלטנו לבדוק זאת במעבדה.

(Laughter)

(צחוק)

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

אנו לא עובדים עם ילדים ולא עם מכות,

but the concept is identical.

אבל הרעיון נשאר.

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

מביאים שני בוגרים. מספרים להם שהם הולכים לשחק משחק.

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

הנה שני השחקנים היושבים זה מול זה.

And the game is very simple.

המשחק מאוד פשוט.

We started with a motor

התחלנו עם מנוע

with a little lever, a little force transfuser.

שיש לו ידית המעבירה כוח.

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

משתמשים במנוע להפעיל כוח כלפי מטה על אצבע

for three seconds and then it stops.

של שחקן 1 במשך 3 שניות ואז להפסיק.

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

מבקשים מאותו שחקן שיזכור את תחושת הכוח

and use your other finger

ושישתמש באצבעו האחרת

to apply the same force

להפעיל את אותו הכוח

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

על אצבע השחקן האחר באמצעות הידית, וכך הם עשו.

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

לשחקן 2 אומרים שיזכור את תחושת הכוח.

Use your other hand to apply the force back down.

שישתמש בידו השניה להפעיל כוח בחזרה.

And so they take it in turns

וכך זה קורה במחזוריות

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

בה הם מפעילים כוח שהם חוו זה עתה.

But critically,

אבל יש דבר אחד חשוב,

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

הם מתודרכים בנפרד זה מזה על חוקי המשחק.

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

לכן הם אינם מכירים את החוקים לפיהם האחר משחק.

And what we've measured

ומה שמדדנו

is the force as a function of terms.

זה את הכוח כפונקציה של מחזורים.

And if we look at what we start with,

אם מסתכלים עם מה התחלנו,

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

רבע ניוטון שם, מס' מחזורים,

perfect would be that red line.

הדבר המושלם זה הקו האדום שם.

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

ומה שרואים בכל הזוגות שהשתתפו זה --

a 70 percent escalation in force

עליה של 70 אחוז בכוח

on each go.

בכל מחזור.

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

זה מרמז שכאשר עושים את זה --

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

לפי מחקר זה ומחקרים אחרים שעשינו --

that the brain is canceling the sensory consequences

המוח מבטל את התחושות החושיות

and underestimating the force it's producing.

וממעיט בערך של הכוח שהוא מייצר.

So it re-shows the brain makes predictions

זה מוכיח מחדש שהמוח עושה תחזיות

and fundamentally changes the precepts.

ומיסודו משנה את הפקודות.

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

אם כך, הסקנו מסקנות, עשינו תחזיות,

now we have to generate actions.

כעת עלינו לייצר פעולות.

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

ומה שחוק בייסיאני אומר הוא שבאמונותיי הנתונות,

the action should in some sense be optimal.

הפעולה במובן מסויים צריכה להיות המיטבית.

But we've got a problem.

אבל יש כאן בעיה.

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

משימות הן סימבוליות -- אני רוצה לשתות, רוצה לרקוד --

but the movement system has to contract 600 muscles

אבל מערכת התנועה צריכה לכווץ 600 שרירים

in a particular sequence.

בסדר מאוד מסויים.

And there's a big gap

וזה הפער הגדול

between the task and the movement system.

בין המשימה ומערכת התנועה.

So it could be bridged in infinitely many different ways.

ניתן לגשר על זה בהמון דרכים שונות.

So think about just a point to point movement.

תחשבו רק על תנועה מנקודה אחת לשניה.

I could choose these two paths

ניתן לבחור בשני מסלולים הללו

out of an infinite number of paths.

מתוך מספר אין-סופי של מסלולים.

Having chosen a particular path,

בהיבחר מסלול מסויים,

I can hold my hand on that path

אפשר להחזיק את היד מעל אותו מסלול

as infinitely many different joint configurations.

באופנים שונים כמספר מצבי המפרק השונים.

And I can hold my arm in a particular joint configuration

וניתן להחזיק את היד בתנוחת מפרק מסויימת,

either very stiff or very relaxed.

או במצב קשיח או במצב נרפה.

So I have a huge amount of choice to make.

כך שיש מספר עצום של בחירות לעשות.

Now it turns out, we are extremely stereotypical.

כעת מתברר שאנו מאוד צפויים.

We all move the same way pretty much.

כולנו נעים בקירוב באותו אופן.

And so it turns out we're so stereotypical,

מסתבר שאנו כה צפויים

our brains have got dedicated neural circuitry

שבמוחנו קיים מעגל עצבי ייעודי

to decode this stereotyping.

כדי לפענח את צופן ההתנהגות הצפויה הזו.

So if I take some dots

כך שאם לוקחים כמה נקודות

and set them in motion with biological motion,

ומניעים אותן בתנועה ביולוגית,

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

המעגל במוחנו יתפוס מייד מה קורה כאן.

Now this is a bunch of dots moving.

זו קבוצת נקודות נעה.

You will know what this person is doing,

ישר יודעים מה הדמות הזו עושה,

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

אם שמחה, עצובה, קשישה, צעירה -- כמות מידע אדירה.

If these dots were cars going on a racing circuit,

אם נקודות הללו היו מכוניות במסלול מרוצים,

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

לא היה לכם מושג מה קורה כאן.

So why is it

אז מדוע

that we move the particular ways we do?

אנו נעים במסלולים מסויימים?

Well let's think about what really happens.

הבה נחשוב מה באמת מתרחש כאן.

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

אולי אנו לא לגמרי נעים באותו מסלול.

Maybe there's variation in the population.

אולי יש שוני באוכלוסיה.

And maybe those who move better than others

ואולי כאלה הנעים יותר טוב מאחרים

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

הם בעלי סיכויים יותר טובים להוליד צאצאים.

So in evolutionary scales, movements get better.

לכן בקנה-מידה אבולוציוני, התנועות משתפרות.

And perhaps in life, movements get better through learning.

ואולי בחיים, התנועות משתפרות דרך למידה.

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

אז מה טוב ומה רע בתנועה?

Imagine I want to intercept this ball.

תחשבו שברצוני לתפוס כדור זה.

Here are two possible paths to that ball.

הנה שני מסלולים אפשריים אל אותו כדור.

Well if I choose the left-hand path,

אם אני בוחר את המסלול השמאלי,

I can work out the forces required

אוכל לחשב את הכוחות הדרושים

in one of my muscles as a function of time.

באחד משריריי כפונקציה של זמן.

But there's noise added to this.

אבל נוסף לזה רעש.

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

לכן מה שאקבל, בהתבסס על הכוח החמוד, החלק והרצוי,

is a very noisy version.

זו גירסה מאוד רועשת.

So if I pick the same command through many times,

לכן אם אבחר באותה פקודה הרבה פעמים,

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

אקבל כל פעם גירסה רועשת אחרת, כי הרעש משתנה בכל פעם.

So what I can show you here

לכן מה שאוכל להראות לכם כאן

is how the variability of the movement will evolve

זה כיצד תתפתח ההשתנות של התנועה

if I choose that way.

אם אני בוחר בדרך ההיא.

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

אם אבחר בדרך אחרת של תנועה -- הימנית לדוגמא --

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

תהיה לי פקודה אחרת, רעש אחר.

playing through a noisy system, very complicated.

מאוד מסובך לתפקד במערכת רועשת.

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

ניתן רק להיות בטוח שההשתנות תהיה שונה.

If I move in this particular way,

אם אנוע במסלול מסויים זה,

I end up with a smaller variability across many movements.

אסיים בהשתנות יותר נמוכה לאחר תנועות רבות.

So if I have to choose between those two,

לכן אם עליי לבחור בין שתי אלו,

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

אבחר את הימנית כי היא פחות משתנה.

And the fundamental idea

הרעיון הבסיסי הוא

is you want to plan your movements

שרוצים לתכנן את התנועות כך

so as to minimize the negative consequence of the noise.

שההשפעה השלילית של הרעש תהיה מינימלית.

And one intuition to get

תובנה אחת שמתקבלת היא

is actually the amount of noise or variability I show here

שכמות הרעש או ההשתנות שאני מראה כאן

gets bigger as the force gets bigger.

עולה ככל שהכוח מתגבר.

So you want to avoid big forces as one principle.

לכן כדאי להימנע מכוחות גדולים בתור עיקרון ראשון.

So we've shown that using this,

הראנו שבאמצעות זה,

we can explain a huge amount of data --

ניתן להסביר כמות אדירה של נתונים --

that exactly people are going about their lives planning movements

שאנשים מתנהלים בחייהם ומתכננים תנועות

so as to minimize negative consequences of noise.

כך שההשפעות השליליות של רעש יהיו מינימליות.

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

אני מקוה ששיכנעתי אתכם שהמוח קיים

and evolved to control movement.

והתפתח כדי לשלוט בתנועה.

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

וזה אתגר מחשבתי להבין כיצד אנו משיגים זאת.

But it's also relevant

אבל זה גם נוגע

for disease and rehabilitation.

למחלות ושיקום.

There are many diseases which effect movement.

ישנן הרבה מחלות המשפיעות על תנועה.

And hopefully if we understand how we control movement,

כולי תקוה שאם נבין כיצד שולטים בתנועה,

we can apply that to robotic technology.

נוכל ליישם זאת על טכנולוגיה רובוטית.

And finally, I want to remind you,

לבסוף, ברצוני להזכירכם, שכאשר אתם

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

רואים חיות העושות מה שנראה כמשימה פשוטה,

the actual complexity of what is going on inside their brain

המורכבות בפועל של מה שמתרחש במוחן

is really quite dramatic.

היא באמת מדהימה.

Thank you very much.

תודה רבה לכם.

(Applause)

(מחיאות כפיים)

Chris Anderson: Quick question for you, Dan.

כריס אנדרסון: שאלה קצרה דן.

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

ובכן אתה קנאי לתנועה -- (ד.ו.: קנאי) .

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

האם זה אומר שלפי דעתך הדברים האחרים שאנו סבורים שהמוח קיים עבורם --

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

החלומות, הגעגוע, ההתאהבות ודברים כאלה --

are a kind of side show, an accident?

הם מין מופע צדדי, מקריות?

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

ד.ו.: לא, לא, למעשה אני סבור שהם כולם חשובים

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

כדי לכוון להתנהגות תנועתית נכונה למען הרבייה בסוף.

So I think people who study sensation or memory

לכן אני חושב שאנשים החוקרים תחושות או זיכרון

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

מבלי לגלות מדוע אנו שוכחים זיכרונות ילדות.

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

העובדה שאנו שוכחים את רוב ילדותינו, לדוגמא,

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

זה כנראה בסדר גמור, כי זה לא משפיע על תנועותינו בשלב יותר מאוחר בחיים.

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

אנו רק זקוקים לאיחסון של מה שבאמת הולך להשפיע על תנועה.

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

כ.א.: אז אתה סבור שאנשים החושבים על המוח ותודעה,

could get real insight

יכולים להגיע לתובנות ממשיות

by saying, where does movement play in this game?

אם יחשבו איך התנועה ממלאת כאן תפקיד?

DW: So people have found out for example

ד.ו.: כך אנשים גילו לדוגמא שחקר הראיה

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

ללא הבנת הסיבה לקיום הראיה

is a mistake.

הוא שגיאה.

You have to study vision with the realization

צריך לחקור ראיה בהקשר של

of how the movement system is going to use vision.

כיצד מערכת התנועה משתמשת בראיה.

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

והיא משתמשת בה באופן מאוד שונה כאשר חושבים עליה בהקשר זה.

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

כ.א.: זה מרתק. תודה רבה לך.

(Applause)

(מחיאות כפיים)