Daniel Wolpert: The real reason for brains

번역: Jung-Eun Kim 검토: Bianca Lee

I'm a neuroscientist.

저는 신경과학자입니다.

And in neuroscience,

신경과학에서

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

우리는 뇌에 대해 수많은 어려운 질문들을 다루죠.

But I want to start with the easiest question

하지만 전 가장 쉬운 질문부터 시작하고자 합니다.

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

그 질문은 당신이 당신의 삶의 여러 부분에서 스스로에게 질문해야만 하는 것으로,

because it's a fundamental question

우리가 뇌의 기능을 이해하기 위해서

if we want to understand brain function.

던져야 하는 기본적인 질문입니다.

And that is, why do we and other animals

바로 "왜 우리 인간과, 그리고 다른 동물들이

have brains?

뇌를 가져야 하는가?"입니다.

Not all species on our planet have brains,

우리 행성에 사는 모든 생물이 뇌를 갖는 것은 아닙니다.

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

뇌가 무엇을 위한 것인지 알기 위한다면,

let's think about why we evolved one.

우리가 왜 진화해왔는지 생각해봐야 합니다.

Now you may reason that we have one

여러분은 아마도 세상을 인지하기 위해,

to perceive the world or to think,

또는 생각하기 위해-라고 대답하시겠지만

and that's completely wrong.

그것은 잘못된 대답입니다.

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

이 질문에 대해 오랜 시간 생각해보면

it's blindingly obvious why we have a brain.

우리가 왜 뇌를 가지고 있는지는 아주 명백합니다.

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

우리는 단 하나의 이유 때문에 뇌를 가집니다.

and that's to produce adaptable and complex movements.

바로 적합하고 복잡한 행동을 만들어내기 위해서죠.

There is no other reason to have a brain.

뇌에게 다른 이유는 없습니다.

Think about it.

생각해보세요.

Movement is the only way you have

움직임이란 당신이 주변 세상에

of affecting the world around you.

영향을 미칠 수 있는 유일한 방법입니다.

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

이것이 완전한 진실은 아닐 수도 있습니다. 땀을 흘리는 것과 같은 방식을 떠올리면요.

But apart from that,

하지만 이를 제외하고 생각해보면,

everything else goes through contractions of muscles.

모든 것은 근육의 수축으로부터 발생합니다.

So think about communication --

의사소통에 대해서 생각해보죠.

speech, gestures, writing, sign language --

말하는 것, 제스처, 글쓰기, 언어적 표현들

they're all mediated through contractions of your muscles.

그 모든 것들이 당신의 근육을 수축시킴으로써 매개됩니다.

So it's really important to remember

감각, 기억과 인지적 과정들이 모두

that sensory, memory and cognitive processes are all important,

중요하다는 점을 기억해야 하는 것도 정말 중요하지만,

but they're only important

그것이 미래의 행동을

to either drive or suppress future movements.

만들어내거나 억제한다는 점에서만 의미를 갖습니다.

There can be no evolutionary advantage

당신의 삶에 어떤 영향을 끼치는 형태가 아니라면

to laying down memories of childhood

어린 시절의 기억을 떠올리며 누워있거나

or perceiving the color of a rose

꽃의 색깔을 인지하는 것은

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

진화적으로 어떤 이점도 갖지 못합니다.

Now for those who don't believe this argument,

이러한 논쟁을 받아들이지 못하는 사람들에게,

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

우리는 지구에 뇌 없이, 나무와 잔디만 있는 가정을 듭니다.

but the clinching evidence is this animal here --

결정적 증거로 이 동물을 들 수 있겠네요--

the humble sea squirt.

보잘 것 없는 멍게입니다.

Rudimentary animal, has a nervous system,

진화 초기의 간단한 동물로, 신경계를 갖추고 있죠.

swims around in the ocean in its juvenile life.

유생 때에는 바다 안을 헤엄쳐 돌아다니다가

And at some point of its life,

특정 시기에 이르면

it implants on a rock.

바위에 달라붙습니다.

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

바위에 달라붙는 과정에서 멍게가 처음으로 하는 일은

is to digest its own brain and nervous system

뇌와 신경계를 먹이로써 분해, 섭취하여

for food.

제거하는 것입니다.

So once you don't need to move,

움직일 필요가 없게 되면,

you don't need the luxury of that brain.

뇌라는 사치를 부릴 필요가 없다는 거죠.

And this animal is often taken

이 생물은 종종

as an analogy to what happens at universities

대학교에서 교수님들이 정년을 보장받았을 때

when professors get tenure,

보이는 모습을 비유하는 데 쓰이죠.

but that's a different subject.

대상이 다르긴 하지만요.

(Applause)

(박수)

So I am a movement chauvinist.

저는 운동성에 대한 광신주의자입니다.

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

저는 뇌의 가장 중요한 기능은 움직임을 유도하는 것이라고 믿으며,

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

다른 사람들의 이의제기에 수긍하지 않습니다.

Now if movement is so important,

운동성이 그렇게 중요하다면,

how well are we doing

뇌가 어떻게 운동을 조절하는지

understanding how the brain controls movement?

우리가 얼마나 잘 이해하고 있을까요?

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

대답은 '거의 이해하지 못하고 있다.'입니다. 매우 어려운 문제죠.

But we can look at how well we're doing

하지만 우리는 우리가 사람처럼 움직이는

by thinking about how well we're doing building machines

기계를 만들기 위해 무엇을 해야 하는지 생각하는 과정을 통해

which can do what humans can do.

위 질문에 접근해볼 수 있습니다.

Think about the game of chess.

체스 게임에 대해 생각해보죠.

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

어떤 말을 어디로 움직여야 할 지 어떻게 결정하는 걸까요?

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

게리 카스파로프*가, 감옥에 있지 않다면(*체스 세계 챔피언으로, 정치적 사안과 관련되어 감옥에 갇혔었음)

against IBM's Deep Blue,

IBM의 Deep blue와 겨루게 한다고 해봅시다.

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

IBM의 Deep Blue가 때때로 이길 겁니다.

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

만일 IBM의 Deep Blue가 이 방의 누군가와 겨룬다면, 매번 컴퓨터가 이길 겁니다.

That problem is solved.

문제가 해결됐군요.

What about the problem

체스 조각을

of picking up a chess piece,

들어올리는 데 있어서의 문제는

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

정교하게 그것을 들어올려 판 위에 다시 내려놓는 것일까요?

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

만일 5살짜리 꼬마의 손재주를 오늘 날 가장 뛰어난 로봇과 겨루게 한다면,

the answer is simple:

그 결과는 간단합니다:

the child wins easily.

어린이가 아주 쉽게 이길 수 있죠.

There's no competition at all.

경쟁이라고 할 수도 없을 겁니다.

Now why is that top problem so easy

어째서 가장 위의 문제는 그토록 쉽고

and the bottom problem so hard?

두번째 문제는 그렇게 어려울까요?

One reason is a very smart five year-old

한 이유는 똑똑한 5살 꼬마가 얘기해 줄 수 있습니다.

could tell you the algorithm for that top problem --

가장 위의 문제를 해결하기 위한 알고리듬--

look at all possible moves to the end of the game

게임의 마지막에서 가능한 모든 움직임 중

and choose the one that makes you win.

하나를 선택해 수행할 뿐인 알고리듬은

So it's a very simple algorithm.

매우 매우 간단합니다.

Now of course there are other moves,

물론, 유능한 컴퓨터들은

but with vast computers we approximate

우리가 내는 최적의 해결책에 가까운

and come close to the optimal solution.

다른 움직임들도 계산할 수 있습니다.

When it comes to being dexterous,

손재주가 있는 수준을 만들기 위해서는,

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

당신이 어떤 알고리듬을 써야 하는지가 명확하지 않습니다.

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

당신은 세상을 인지하는 동시에 행동해야 하는데,

which has a lot of problems.

여기에서 많은 문제가 발생합니다.

But let me show you cutting-edge robotics.

최첨단 로봇학을 보여드리죠.

Now a lot of robotics is very impressive,

현재의 수많은 로봇학이 매우 인상깊은데,

but manipulation robotics is really just in the dark ages.

정교한 조작을 위한 로봇학은 발전하지 못해왔습니다.

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

여기 최고의 로봇공학원 중 한 곳에서

from one of the best robotics institutes.

진행된 Ph.D 프로젝트의 결과물을 보시죠.

And the student has trained this robot

로봇이 물을 컵에 붓도록

to pour this water into a glass.

훈련시켰습니다.

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

이 행동은 물이 주변에 튀기 때문에 매우 어려운 일인데, 로봇이 해냈습니다.

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

하지만 인간의 민첩함을 보이며 해내지는 못했죠.

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

이제, 로봇이 다른 작업을 하기를 바라면,

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

또 다른 3년짜리 Ph.D. 프로그램이 됩니다.

There is no generalization at all

로봇학에서 한 작업을 다른 작업으로

from one task to another in robotics.

대치시킬 때 일반화를 사용할 수 없는 거죠.

Now we can compare this

이제 이것을 최첨단의

to cutting-edge human performance.

인간 행동과 비교해봅시다.

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

이제 컵쌓기 대회에서 세계 기록을 기록한

winning the world record for cup stacking.

Emily Fox의 영상을 보여드릴 겁니다.

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

여기 미국인 청중분들은 컵쌓기에 대해 잘 알고 계실 겁니다.

It's a high school sport

고등학교의 운동 종목이고

where you have 12 cups you have to stack and unstack

쌓고 빼기를 반복할 12개의 컵들로 시작합니다.

against the clock in a prescribed order.

규정된 순서에 따라 시간을 측정하면서요.

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

그녀가 세계 기록을 경신하는 순간을 보시죠.

(Laughter)

(웃음)

(Applause)

(박수)

And she's pretty happy.

매우 기뻐하는군요.

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

저 경기 중에 그녀의 뇌에서 무슨 일이 일어나고 있는지 저희는 잘 모릅니다.

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

저희가 알고자 하는 바로 그것이고요.

So in my group, what we try to do

저희 그룹에서는 그래서, 인간이

is reverse engineer how humans control movement.

어떻게 움직임을 조종하는지를 역으로 연구하고자 합니다.

And it sounds like an easy problem.

굉장히 쉬운 문제로 들리실 겁니다.

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

당신이 명령을 전달하면 근육이 수축하고

Your arm or body moves,

팔과 몸이 움직이면서

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

시각, 피부, 근육과 기타 등등의 감각으로부터 피드백을 받습니다.

The trouble is

문제는,

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

이러한 신호들이 당신이 원하는 것처럼 아름답지는 못하다는 겁니다.

So one thing that makes controlling movement difficult

움직임 조절을 어렵게 하는 이유 중 하나는,

is, for example, sensory feedback is extremely noisy.

감각적 피드백에 잡음이 심하다는 점입니다.

Now by noise, I do not mean sound.

잡음이 소리를 의미하는 것은 아닙니다.

We use it in the engineering and neuroscience sense

엔지니어링과 신경학적 감지에 있어서 잡음이란

meaning a random noise corrupting a signal.

신호 감지를 어렵게 하는 임의의 방해물들을 의미합니다.

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

디지털 라디오가 보급되지 않았을 때, 라디오 주파수를 돌려

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

원하는 채널에 맞췄는데 "치지지직" 소리가 난 적이 있을 겁니다.

that was the noise.

그것이 잡음입니다.

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

일반적으로, 잡음은 신호 감지를 방해합니다.

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

예를 들어보죠. 당신이 테이블 아래 손을 두고 있고,

and try to localize it with your other hand,

다른 손을 그 손 위에 위치시키려고 하면

you can be off by several centimeters

당신은 감각 피드백 상의 잡음으로 인해

due to the noise in sensory feedback.

몇 센티미터의 간격을 두게 될 겁니다.

Similarly, when you put motor output on movement output,

비슷하게, 당신이 움직임을 위해 근육에 명령을 내릴 때도

it's extremely noisy.

잡음이 아주 심합니다.

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

다트에서 정중앙을 맞추려는 건 차치하고,

just aim for the same spot over and over again.

같은 위치를 반복해서 겨냥한다고 해 봅시다.

You have a huge spread due to movement variability.

움직임의 가변성이 아주 넓다는 걸 알게 될겁니다.

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

나아가, 바깥 세상이나 작업에 있어서

is both ambiguous and variable.

모호성과 변이성이 항상 존재합니다.

The teapot could be full, it could be empty.

주전자는 가득 차 있을 수도, 비어 있을 수도 있죠.

It changes over time.

시간에 따라 달라집니다.

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

우리는 감각과 움직임 모두를 잡음 속에서 수행해야 합니다.

Now this noise is so great

잡음은 아주 거대해서

that society places a huge premium

우리 사회는 잡음의 영향을

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

줄인 사람들에게 큰 이익을 부여합니다.

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

당신이 긴 금속 막대기를 이용해 작고 하얀 공을

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

몇 백 야드 떨어져 있는 구멍 안에 넣는다면

our society will be willing to reward you

사회가 당신에게 수억 달러의

with hundreds of millions of dollars.

상금으로 보상해줄 겁니다.

Now what I want to convince you of

이제 저는, 우리의 뇌가 이러한 잡음과

is the brain also goes through a lot of effort

가변성에 의한 부정적 결과들을 줄이기 위해

to reduce the negative consequences

엄청나 노력을 한다는 점을

of this sort of noise and variability.

여러분에게 확신시켜 드리려고 합니다.

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

이를 위해서 통계와 기계 부문에서 아주 유명한,

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

지난 50년에 걸쳐 베이시안 결정 이론이라고 불려온 이론적 틀에 대해

called Bayesian decision theory.

말씀드리고자 합니다.

And it's more recently a unifying way

두뇌가 불확실성을 어떻게 다루는지를

to think about how the brain deals with uncertainty.

이해하는, 보다 최근의 합일화된 방식입니다.

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

기본적인 생각은 당신이 추론을 만들길 바랄 때 행동을 취한다는 겁니다.

So let's think about the inference.

추론에 대해 생각해보죠.

You want to generate beliefs about the world.

세계에 대한 믿음들을 만들려고 합니다.

So what are beliefs?

믿음들이란 뭘까요?

Beliefs could be: where are my arms in space?

이런 겁니다. '내 팔이 어디에 있지?'

Am I looking at a cat or a fox?

'내가 보고 있는 게 고양이야, 여우야?'

But we're going to represent beliefs with probabilities.

믿음들을 우선 가능성으로 다루죠.

So we're going to represent a belief

이제 이 믿음을

with a number between zero and one --

0과 1사이의 숫자들로 표현해봅시다.

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

0은 전혀 믿지 않는다, 1은 확실하게 믿는다는 것을 의미합니다.

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

이 사이의 숫자들은 당신의 확신성에 대한 *그레이레벨입니다. (*색깔 대신 흑백의 명암을 지정하여 화상을 형성하는 것)

And the key idea to Bayesian inference

베이시안 추론의 핵심 아이디어는

is you have two sources of information

당신이 추론을 만들 수 있는 것으로부터 얻을

from which to make your inference.

정보의 근원을 두 가지 갖는다는 것입니다.

You have data,

자료와,

and data in neuroscience is sensory input.

감각을 통해 유입되는 신경 속의 자료입니다.

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

감각적 유입에서 저는 믿음들을 만들어낼 수 있죠.

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

하지만 효과적인 사전 지식이라는 정보의 다른 근원도 존재합니다.

You accumulate knowledge throughout your life in memories.

여러분은 삶 속에서 기억을 통해 지식을 축적합니다.

And the point about Bayesian decision theory

베이시안 결정 이론에 대한 요점은

is it gives you the mathematics

새로운 믿음을 만들기 위해

of the optimal way to combine

당신이 감각적 정보와

your prior knowledge with your sensory evidence

기존 지식을 병합하는 최적의 방법을 찾는 데

to generate new beliefs.

수학을 이용한다는 겁니다.

And I've put the formula up there.

여기 공식을 보여드리죠.

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

공식에 대해 설명하지는 않겠지만, 정말 아름다운 공식입니다.

And it has real beauty and real explanatory power.

정말 아름답고, 실제로 현상을 설명하는 힘을 가집니다.

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

이것이 이야기하는 바는, 당신이 평가하고자 하는 것은,

is the probability of different beliefs

당신의 감각적 유입으로부터 주어진

given your sensory input.

다양한 믿음들의 가능성입니다.

So let me give you an intuitive example.

직관적 예를 하나 들어보죠.

Imagine you're learning to play tennis

당신이 테니스를 배우고 있는데

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

네트 너머에서 당신을 향해 날라오는 공이 바닥을 튀기고

as it comes over the net towards you.

어디로 날아올 지 판단하고 싶습니다.

There are two sources of information

베이시안 룰이 당신에게 말했듯,

Bayes' rule tells you.

두 가지 정보가 있죠.

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

감각적 정보를 보면 - 당신은 시청각적 정보를 이용해

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

레드스팟을 유추할 겁니다.

But you know that your senses are not perfect,

하지만 당신은 당신의 감각이 완벽하지 않다는 걸 알고 있고,

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

공이 바닥에 닿는 지점들이 다양할 수 있다는 것을 인지하고,

shown by that cloud of red,

0.5에서 0.1 정도의 숫자로 표현되는

representing numbers between 0.5 and maybe 0.1.

붉은 점들의 구름을 보게 될 겁니다.

That information is available in the current shot,

이 정보는 현재의 슛에서 가능한 것들이고,

but there's another source of information

현재의 슛을 통해서는 얻을 수 있는

not available on the current shot,

정보를 얻을 다른 자료가 있지만,

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

테니스 게임을 반복해 경험함으로써만 얻을 수 있죠.

and that's that the ball doesn't bounce

경기가 진행되는 동안 코트 전역에서

with equal probability over the court during the match.

똑같은 가능성으로 공이 튀기지는 않는단 정보입니다.

If you're playing against a very good opponent,

당신이 매우 좋은 상대 선수와 경기를 한다면

they may distribute it in that green area,

공은 이전에 그래왔듯이

which is the prior distribution,

당신을 되돌아가기 어렵게 만드는

making it hard for you to return.

녹색 영역에 튀길 겁니다.

Now both these sources of information carry important information.

이 두 종류의 정보처는 모두 중요한 정보를 줍니다.

And what Bayes' rule says

베이시안 룰이 이야기하는 바는

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

붉은 영역에 해당하는 숫자와 녹색 영역에 해당하는 숫자를 곱해

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

타원 모양의, 노란 영역의 숫자를 얻는단 것입니다.

and that's my belief.

제가 믿는 바죠.

So it's the optimal way of combining information.

정보를 종합하는 최적의 방법입니다.

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

몇 년 전이었다면 이 모든 얘기들을 하지는 않았을 겁니다.

we showed this is exactly what people do

우리가 사람들이 새로운 운동 기술을 배울 때

when they learn new movement skills.

정확히 이러한 일들을 한다는 걸 증명했죠.

And what it means

이것은 우리가 정말로

is we really are Bayesian inference machines.

베이시안 추론 기계들이라는 것을 의미합니다.

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

주변을 거닐 때, 우리는 세계의 통계들을 배우고, 그것들을 따르지만,

but we also learn

동시에 감각 기관의

about how noisy our own sensory apparatus is,

잡음들이 얼마나 많은지를 배우고,

and then combine those

이를 바탕으로 베이시안 방법으로

in a real Bayesian way.

정보들을 통합합니다.

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

베이시안 공식의 가장 중요한 부분은 이 부분입니다.

And what this part really says

이 부분은 내 믿음들로부터 얻어지는

is I have to predict the probability

다양한 감각적 피드백들의

of different sensory feedbacks

가능성을 예측해야만 함을

given my beliefs.

의미합니다.

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

이것은 제가 미래를 예측해야 함을 의미하죠.

And I want to convince you the brain does make predictions

이제 두뇌가 감각적 피드백을 통해 예측을 만든다는 것을

of the sensory feedback it's going to get.

여러분에게 확신시켜 드리겠습니다.

And moreover, it profoundly changes your perceptions

심지어 뇌는 당신이 무엇을 하느냐에 따라 당신의 인식을

by what you do.

크게 바꾸기도 합니다.

And to do that, I'll tell you

이 이야기에 앞서, 뇌가 감각을

about how the brain deals with sensory input.

어떻게 다루는지에 대해 먼저 말씀드리겠습니다.

So you send a command out,

당신이 명령을 내보내면,

you get sensory feedback back,

감각적 피드백이 돌아오고,

and that transformation is governed

이 변형이 당신 몸과 당신 감각 기관들의

by the physics of your body and your sensory apparatus.

물리적 관계에 의해 지배됩니다.

But you can imagine looking inside the brain.

뇌 안을 바라본다고 상상해봅시다.

And here's inside the brain.

이 곳이 뇌의 안쪽입니다.

You might have a little predictor, a neural simulator,

당신의 몸과 감각들의 물리적 관계에 대해 예측자 역할을 하는

of the physics of your body and your senses.

작은 신경 시뮬레이터가 있습니다.

So as you send a movement command down,

당신이 움직임을 위한 명령을 내리면

you tap a copy of that off

동시에 그 명령의 복사본이

and run it into your neural simulator

신경 시뮬레이터로 전달됩니다.

to anticipate the sensory consequences of your actions.

행동의 감각적 결과를 예측하기 위해서죠.

So as I shake this ketchup bottle,

제가 케첩 병을 흔들면,

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

시간에 따라 바닥에서부터 실제의 감각적 피드백을 얻게 되죠.

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

제가 좋은 예측자를 가지고 있다면, 같은 피드백이 예측됩니다.

Well why would I bother doing that?

어째서 제가 그걸 방해하겠어요?

I'm going to get the same feedback anyway.

저도 예측과 감각적 피드백을 동일하게 얻으려 하죠.

Well there's good reasons.

여기엔 좋은 이유들이 있죠.

Imagine, as I shake the ketchup bottle,

제가 케첩 병을 흔들고 있는데

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

어떤 사람이 제 등 뒤로 다가와 저를 친다고 상상해봅시다.

Now I get an extra source of sensory information

저는 이제 외부 행동에서 기인한 감각적 정보의

due to that external act.

외부 정보처를 갖게 됩니다.

So I get two sources.

이제 두 가지 정보처가 생겼죠.

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

제가 절 두드린 사람을 보고, 악수를 하지만

but from my senses' point of view,

제 감각의 관점에서 보자면,

that is combined together into one source of information.

정보가 한 근원으로 병합됐다고 볼 수 있습니다.

Now there's good reason to believe

당신이 외부에서 발생한 사건을

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

내부에서 발생한 사건과 구별하고자 한다는 증거들이 있습니다.

Because external events are actually much more behaviorally relevant

외부 사건은 내 몸 안에서 모든 것이 일어났다고 믿는 것보다

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

훨씬 행동적으로 적절하기 때문입니다.

So one way to reconstruct that

적절한 재구성을 위한 한 방법은

is to compare the prediction --

당신이 실제로 발생한 감각과

which is only based on your movement commands --

움직임 명령으로부터만 유래한 예측을

with the reality.

비교하는 겁니다.

Any discrepancy should hopefully be external.

불일치들은 거의 모두 외부로부터 발생합니다.

So as I go around the world,

제가 전 세계를 돌아다니며,

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

제가 얻어야만 하는 것들을 제외한 예측을 만들어 보았습니다.

Everything left over is external to me.

제 외적인 것들만 남았죠.

What evidence is there for this?

이에 대한 증거가 무엇일까요?

Well there's one very clear example

여기 한 가지 매우 명백한 예가 있습니다.

where a sensation generated by myself feels very different

제 자신으로부터 유래된 감각은 다른 사람으로부터 유래된 감각과

then if generated by another person.

매우 다르게 느껴집니다.

And so we decided the most obvious place to start

우리는 이 명백한 것으로 연구를 시작하기로 했죠.

was with tickling.

간지럼입니다.

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

다른 사람들이 나를 간지럽히는 것만큼 스스로를 간지럽힐 수 없다는 것은

as well as other people can.

오래 전부터 알려져 있었습니다.

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

하지만 그것이 당신 몸을 시뮬레이션 하고 관련 감각들을 제거하는

simulating your own body

당신의 신경 시뮬레이터 때문이라는 점은,

and subtracting off that sense.

증명된 적이 없었죠.

So we can bring the experiments of the 21st century

우리는 이 문제를, 로봇 공학을 적용함으로써

by applying robotic technologies to this problem.

21세기의 실험으로 가져왔습니다.

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

사실상, 우리가 가지고 있는 것은 로봇에 부착된 한 손이 쥐고 있는 막대기로,

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

앞 뒤로 움직일 수 있는 것이었습니다.

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

우리는 컴퓨터로 이 움직임을 추적하고

and use it to control another robot,

다른 로봇을 조절하는 데 이용해,

which is going to tickle their palm with another stick.

다른 막대로 그들의 손바닥을 간지럽히게 했죠.

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

그리고 그들에게 간지러움을 포함한 감각들에 대해

including ticklishness.

점수를 매기게 했습니다.

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

연구 중 한 부분을 보여드리죠.

And here I've taken away the robots,

여기서 저는 로봇을 떼어냈지만

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

기본적으로 사람들은 그들의 오른팔을 앞 뒤로 사인 운동을 계속했습니다.

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

그리고 이것을 시간적 격차를 두고 다른 손으로 반복했죠.

Either no time delay,

시간 격차가 없거나

in which case light would just tickle your palm,

아주 작을 때 당신은 간지러움을 느끼지만,

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

2/10초나 3/10초의 시간 격차에서는 그렇지 않습니다.

So the important point here

중요한 점은 이것입니다.

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

오른쪽 손은 항상 같은 일 - 사인 운동을 계속했죠.

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

왼쪽 손은 항상 같은 일, 사인 운동으로 간지럽히는 것을 계속했습니다.

All we're playing with is a tempo causality.

우리가 조절한 것은 속도 일치성이었죠.

And as we go from naught to 0.1 second,

우리가 지연을 0초에서 0.1초로 늘림에 따라,

it becomes more ticklish.

사람들은 더 간지럽다고 느꼈습니다.

As you go from 0.1 to 0.2,

당신이 0.1초에서 0.2초로 지연을 늘린다면

it becomes more ticklish at the end.

지연이 클 수록 더 간지러울 겁니다.

And by 0.2 of a second,

0.2초의 지연에서,

it's equivalently ticklish

당신의 행동과는 상관 없이

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

로봇이 간지럽히는 만큼 간지럽다고 느낄 겁니다.

So whatever is responsible for this cancellation

이러한 상쇄 효과를 일으키는 것은

is extremely tightly coupled with tempo causality.

시간 일치성과 깊은 관련이 있습니다.

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

이러한 착각을 기반으로, 우리는 뇌가 정확한 예측을 만들고

that the brain's making precise predictions

이 예측을 실제의 감각들로부터 구별해낸다는 점을

and subtracting them off from the sensations.

우리 분야에서 공고히 할 수 있었습니다.

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

이제, 저희 랩에서 진행된 가장 안 좋은 연구에 대해 보여드리죠.

Because the tickle sensation on the palm comes and goes,

손바닥에 간지럽히는 느낌이 생겼다 없어졌다 했기 때문에,

you need large numbers of subjects

이 차이들을 보다 명백히 만들기 위한

with these stars making them significant.

실험 수를 충분히 늘려야 했습니다.

So we were looking for a much more objective way

이 현상에 접근하기 위해 보다 객관적인 방식을

to assess this phenomena.

찾기 위해 노력했죠.

And in the intervening years I had two daughters.

그 사이에, 저는 두 딸을 얻었습니다.

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

여러분이 알아야 할 것이 있습니다. 긴 여행 도중 차의 뒷좌석에 있는 아이들은

they get into fights --

싸우게 된다는 점입니다.

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

한 명이 다른 한 명에게 무언가를 하면 그 아이가 보복을 하면서 싸움이 시작됩니다.

It quickly escalates.

그리고 싸움이 확대되죠.

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

아이들은 힘이라는 요소가 점차 확대되는 싸움을 합니다.

Now when I screamed at my children to stop,

제가 아이들에게 멈추라고 소리를 지르면,

sometimes they would both say to me

가끔 그들은 둘이 동시에

the other person hit them harder.

상대방이 더 세게 때렸다고 말하곤 합니다.

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

이제 저는 제 아이들이 거짓말을 하는 게 아니란 걸 알고,

so I thought, as a neuroscientist,

신경과학자로서 생각합니다.

it was important how I could explain

어째서 그들이 서로 일치하지 않는

how they were telling inconsistent truths.

진실을 말하는지 설명해내는 게 중요하다고요.

And we hypothesize based on the tickling study

간지럼 실험을 바탕으로 우리는 한 아이가

that when one child hits another,

다른 아이를 때릴 때 운동 명령을

they generate the movement command.

내린다고 가정했습니다.

They predict the sensory consequences and subtract it off.

그리고 감각적 결과가 이것을 상쇄한다고 예상했죠.

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

따라서 그들은 그들이 상대방에 비해 더 약하게 때렸다고 생각하게 됩니다.

rather like the tickling.

간지럼 때처럼요.

Whereas the passive recipient

수동적인 수령인이 예측을

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

만들지 않는데 비해, 느낌은 충분히 거셉니다.

So if they retaliate with the same force,

따라서 그들이 서로를 같은 힘으로 앙갚음한다면,

the first person will think it's been escalated.

처음의 상대는 힘이 강해졌다고 생각할겁니다.

So we decided to test this in the lab.

이것을 실험실에서 실험해보기로 했죠.

(Laughter)

(웃음)

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

이제 우리는 아이들, 때리는 것에서 벗어났지만

but the concept is identical.

개념은 동일합니다.

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

두 명의 성인을 모시고, 게임을 할 거라고 얘기했죠.

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

플레이어 1은 여기 있고, 2는 반대쪽에 앉습니다.

And the game is very simple.

게임은 아주 간단합니다.

We started with a motor

작은 레버와 작은 힘 생성기가

with a little lever, a little force transfuser.

달린 모터를 준비했습니다.

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

그리고 이 모터로 플레이어 1의 손가락에 힘을 가했죠.

for three seconds and then it stops.

3초간 힘을 가하고 멈췄습니다.

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

그리고 플레이어에게 그 힘의 정도를 기억하라고 얘기한 후

and use your other finger

다른 손가락을 이용해

to apply the same force

힘 생성기를 통해

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

상대방 플레이어의 손가락에 같은 힘을 가하도록 했습니다.

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

플레이어 2에게도 그 힘의 세기를 기억하도록 요청했습니다.

Use your other hand to apply the force back down.

그리고 다른 손을 이용해 힘을 되돌려주도록 했죠.

And so they take it in turns

결국 서로 주고 받은 경험들을 바탕으로

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

같은 정도의 강도를 돌려주도록 한 거죠.

But critically,

중요한 점은,

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

각 플레이어에게 분리된 방에서 따로 규칙을 설명했다는 점입니다.

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

따라서 상대방이 어떤 규칙으로 플레이하는지 알 수 없었죠.

And what we've measured

우리는 용어 그대로의

is the force as a function of terms.

힘을 측정했습니다.

And if we look at what we start with,

어떻게 시작했는지 보면,

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

1/4 뉴턴의 힘으로 시작했고, 주고 받으면서

perfect would be that red line.

빨간 선으로 진행됐습니다.

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

모든 참가자들 결과에서 우리가 발견한 것은

a 70 percent escalation in force

각 턴마다 70%의 힘 강화가

on each go.

일어났다는 점입니다.

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

따라서, 이 실험 결과와 다른 근거들을 바탕으로

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

우리가 판단내릴 수 있는 점은

that the brain is canceling the sensory consequences

뇌가 감각 결과를 상쇄시키기 때문에

and underestimating the force it's producing.

자신이 실제 생성되는 힘을 과소평가한다는 것입니다.

So it re-shows the brain makes predictions

이것은 다시, 뇌가 기본적으로 인지를 변화시킴으로써

and fundamentally changes the precepts.

예상을 만든다는 것을 의미합니다.

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

우리는 추론을 만들고, 예측을 수행하며,

now we have to generate actions.

행동을 발생시킵니다.

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

제가 믿는 바로는, Bayes' 규칙은

the action should in some sense be optimal.

행동은 감각적으로 최적화 되어 발생한다는 것입니다.

But we've got a problem.

여기서 문제가 생기죠.

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

작업은 상징적인 것으로 --마시고 싶고, 춤추고 싶은--

but the movement system has to contract 600 muscles

실제 운동 체계는 특정 결과에 있어서는,

in a particular sequence.

600여개의 근육을 수축시켜야 합니다.

And there's a big gap

여기서 작업과

between the task and the movement system.

운동체계 사이에 괴리가 발생합니다.

So it could be bridged in infinitely many different ways.

따라서 굉장히 많은 방법을 통한 연결들이 생성되죠.

So think about just a point to point movement.

움직임을 만드는 연결 부분 부분들을 생각해봅시다.

I could choose these two paths

저는 여기 이 무한한 경로들 중

out of an infinite number of paths.

이 두 경로를 선택할 수 있었습니다.

Having chosen a particular path,

특정한 한 경로를 선택한 경우에,

I can hold my hand on that path

무한히 많은 관절들을

as infinitely many different joint configurations.

제 손이 그 경로로 가도록 배치시키겠죠.

And I can hold my arm in a particular joint configuration

저는 제 팔의 특정 관절들을 조종해서

either very stiff or very relaxed.

긴장시키거나 이완시킬 수도 있습니다.

So I have a huge amount of choice to make.

제가 만들어낼 수 있는 선택이 정말 많은거죠.

Now it turns out, we are extremely stereotypical.

이제, 우리가 극단적으로 전형적이라는 점을 알 수 있습니다.

We all move the same way pretty much.

우리는 거의 똑같은 방식으로 움직입니다.

And so it turns out we're so stereotypical,

이것이 우리가 많이 전형적이라는 것을 의미하며,

our brains have got dedicated neural circuitry

우리의 뇌가 이러한 전형성을 내포하는

to decode this stereotyping.

신경망을 형성하는 데 쓰이죠.

So if I take some dots

그리고 그 덕에 제가 점 몇 개를

and set them in motion with biological motion,

특정 형태로 맞추고자 움직일 때,

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

여러분의 뇌에 있는 회로가 무슨 일이 일어날 지 즉각 이해합니다.

Now this is a bunch of dots moving.

여러 점들의 움직임 집합이죠.

You will know what this person is doing,

이 사람이 무슨 일을 하는지, 기쁜지 슬픈지,

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

나이 들었는지, 젊은지 등의 수많은 정보를 쉽게 알 수 있습니다.

If these dots were cars going on a racing circuit,

만일 이 점들이 경기장을 도는 자동차들이었다면,

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

당신은 무슨 일이 일어날 지 절대로 알 수 없을 겁니다.

So why is it

그렇다면 어째서

that we move the particular ways we do?

우리는 이런 특정한 방식으로 움직이는 걸까요?

Well let's think about what really happens.

실제로 어떤 일이 일어나는지 생각해봅시다.

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

우리가 정확히 같은 방식으로 움직이는 것은 아닐겁니다.

Maybe there's variation in the population.

사람들 간에 다양성이 존재하겠죠.

And maybe those who move better than others

다른 사람들보다 움직임을 더 잘 제어하는 사람이

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

후에 후손을 얻을 확률이 높습니다.

So in evolutionary scales, movements get better.

진화적으로, 움직임이 점점 나아집니다.

And perhaps in life, movements get better through learning.

살아가면서 배움을 통해서도 움직임이 더 나아지고요.

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

그렇다면 좋은 움직임과 나쁜 움직임이란 뭘까요?

Imagine I want to intercept this ball.

제가 이 공을 가로채려고 한다고 상상해보세요.

Here are two possible paths to that ball.

이 공은 두 가지 경로가 가능합니다.

Well if I choose the left-hand path,

제가 왼쪽 손 경로를 선택한다면,

I can work out the forces required

적시에 원하는 기능을 수행할 근육에

in one of my muscles as a function of time.

힘을 가해 작동시켜야 합니다.

But there's noise added to this.

하지만 여기에 교란이 일어나죠.

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

이 사랑스럽고 부드러운, 원하는 힘을 바탕으로 제가 실제로 얻는 것은

is a very noisy version.

잡음이 매우 심한 정보입니다.

So if I pick the same command through many times,

제가 여러 번에 걸쳐 같은 명령을 내릴 때,

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

잡음이 매번 달라질 것이기 때문에 저는 다양하게 잡음이 들어간 정보를 얻게 됩니다.

So what I can show you here

여기서 제가 보여드리고자 하는 것은

is how the variability of the movement will evolve

이 다양한 잡음들이 제가 이 경로를 선택했을 때

if I choose that way.

어떻게 발달되어 가는가 하는 점입니다.

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

다른 방식으로 움직이길 선택한다면 -- 예를 들어 오른쪽으로 --

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

저는 다른 명령을 내릴테고 잡음이 심하고 복잡한 체계에서

playing through a noisy system, very complicated.

또 다시 다양한 잡음들을 바탕으로 움직이겠죠.

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

이 잡음들의 양상이 다양할 것이라는 점은 자명합니다.

If I move in this particular way,

제가 이런 특정한 경로로 움직이면,

I end up with a smaller variability across many movements.

수많은 움직임들에 걸쳐 매우 적은 다양성을 보이며 행동을 끝내겠죠.

So if I have to choose between those two,

만일 제가 둘 중 하나를 선택해야 했다면,

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

저는 다양성이 적은 오른쪽 경로를 선택했을 겁니다.

And the fundamental idea

여기서, 당신이 잡음에 의한

is you want to plan your movements

부정적인 결과들을 최소화하기 위해

so as to minimize the negative consequence of the noise.

움직임을 계획한다는 것이 기본적인 생각입니다.

And one intuition to get

그리고 이를 바탕으로

is actually the amount of noise or variability I show here

움직이려는 힘이 강해질수록 잡음이나 그 다양성의 양이

gets bigger as the force gets bigger.

점점 커진다는 점을 알 수 있습니다.

So you want to avoid big forces as one principle.

거대한 힘을 피하고자 한다는 것을 원리로 볼 수 있죠.

So we've shown that using this,

이 방대한 자료가

we can explain a huge amount of data --

그 원리를 보여줍니다.

that exactly people are going about their lives planning movements

사람들이 잡음에 의한 부정적인 결과를 최소화하기 위한 방향으로

so as to minimize negative consequences of noise.

움직임을 계획함으로써 살아간다는 원리요.

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

제가 당신의 뇌가 움직임을 조절하기 위해

and evolved to control movement.

진화해왔다는 확신을 당신에게 주었길 바랍니다.

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

우리거 어떻게 그 일을 하는지 이해하는 것은 지적인 도전입니다.

But it's also relevant

병과 사회복귀에

for disease and rehabilitation.

이를 적용해봅시다.

There are many diseases which effect movement.

움직임에 영향을 주는 많은 병들이 있습니다.

And hopefully if we understand how we control movement,

우리가 움직임을 어떻게 제어하는지 이해한다면,

we can apply that to robotic technology.

로봇 공학에 이를 적용할 수 있을 겁니다.

And finally, I want to remind you,

궁극적으로 저는 당신에게,

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

당신이 간단한 작업을 수행하는 동물을 바라볼 때

the actual complexity of what is going on inside their brain

당신의 뇌에서 일어나는 일의 복잡성이 얼마나 극적인지를

is really quite dramatic.

상기시켜드리고 싶습니다.

Thank you very much.

감사합니다.

(Applause)

(박수)

Chris Anderson: Quick question for you, Dan.

크리스 앤더슨: 댄, 질문 하나 할게요.

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

움직임 신봉자로서 당신은

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

우리가 뇌에 대해 생각하는 다른 것들 - 꿈꾸는 것, 동경하는 것, 사랑에 빠지거나

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

다른 다양한 것들을 하는 것이 그저 우연에 의해 만들어진

are a kind of side show, an accident?

부가적 현상에 불과하다고 생각하는 건가요?

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

댄: 아뇨, 아닙니다. 저는 그 모든 것이 결국에는

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

생식 활동에 이르는 올바른 움직임들을 이끌어내는 데 중요하다고 생각합니다.

So I think people who study sensation or memory

왜 어린시절의 기억들을 회고하는지를 깨닫지 못한 채

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

감각이나 기억을 연기하는 사람들에 있어서요.

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

예를 들어 우리가 어린 시절의 대부분을 잊어버리는 것은

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

우리 생애 후반의 움직임들에 그것이 거의 영향을 주지 못하기 때문일 겁니다.

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

움직임에 진정으로 영향을 주는 것들만을 기억해두면 된다는 거죠.

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

크리스: 그렇다면 뇌와 일반적인 무의식에 대해 생각하는 사람들이

could get real insight

실제 움직임이 어디에서

by saying, where does movement play in this game?

발생하는지를 봄으로써 통찰을 얻을 수 있다고 생각하시는 건가요?

DW: So people have found out for example

댄: 예를 들어 당신이 왜 시각을 가지고 있는지에

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

대한 깨달음 없이 시각을 연구하는 것은

is a mistake.

실수라는 거죠.

You have to study vision with the realization

움직임을 위한 체계가 어떻게 시각을 이용하는지에

of how the movement system is going to use vision.

대한 깨달음 위에서 시각을 연구해야 합니다.

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

그 방식에 대해 생각하고 나면 매우 다른 접근을 할 수 있을 겁니다.

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

크리스: 정말 흥미로운 강연이었습니다. 감사합니다.

(Applause)

(박수)