Nancy Kanwisher: A neural portrait of the human mind

191,552 views ・ 2014-10-02

TED


Dubbelklik op de Engelse ondertitels hieronder om de video af te spelen.

00:00
Translator: Joseph Geni Reviewer: Madeleine Aronson
0
0
7000
Vertaald door: Valerie Kerfs Nagekeken door: Els De Keyser
00:12
Today I want to tell you
1
12604
1216
Vandaag wil ik vertellen
00:13
about a project being carried out
2
13820
1803
over een project dat uitgevoerd wordt
00:15
by scientists all over the world
3
15623
2687
door wetenschappers over de hele wereld
00:18
to paint a neural portrait of the human mind.
4
18310
3288
om een neuraal portret van het brein te schetsen
00:21
And the central idea of this work
5
21598
2172
Het centrale idee van dit werk
00:23
is that the human mind and brain
6
23770
1858
is dat het menselijke brein
00:25
is not a single, general-purpose processor,
7
25628
2857
geen afzonderlijke, algemene processor is,
00:28
but a collection of highly specialized components,
8
28485
3442
maar een verzameling van uiterst gespecialiseerde onderdelen,
00:31
each solving a different specific problem,
9
31927
2983
waarvan elk een ander specifiek probleem oplost,
00:34
and yet collectively making up
10
34910
2336
en die toch in hun geheel bepalen
00:37
who we are as human beings and thinkers.
11
37246
4356
wie we zijn als menselijke wezens en denkers.
00:41
To give you a feel for this idea,
12
41602
1476
Om jullie een idee te geven,
00:43
imagine the following scenario:
13
43078
2664
beeld je het volgende scenario in:
00:45
You walk into your child's day care center.
14
45742
2196
Je wandelt de kinderopvang binnen.
00:47
As usual, there's a dozen kids there
15
47938
2237
Zoals gewoonlijk zijn er een tiental kinderen
00:50
waiting to get picked up,
16
50175
1591
die wachten op hun ouder.
00:51
but this time,
17
51766
1632
Maar deze keer
00:53
the children's faces look weirdly similar,
18
53398
2985
lijken de gezichten van de kinderen merkwaardig veel op mekaar
00:56
and you can't figure out which child is yours.
19
56383
2808
en je kan niet uitmaken welk kind van jou is.
00:59
Do you need new glasses?
20
59191
1749
Heb je een nieuwe bril nodig?
01:00
Are you losing your mind?
21
60940
1908
Ben je gek aan het worden?
01:02
You run through a quick mental checklist.
22
62848
2452
Je overloopt een snelle checklist in je hoofd.
01:05
No, you seem to be thinking clearly,
23
65300
1894
Je lijkt toch helder te denken
01:07
and your vision is perfectly sharp.
24
67194
2391
en je zicht is nog scherp.
01:09
And everything looks normal
25
69585
1789
Alles ziet er normaal uit,
01:11
except the children's faces.
26
71374
2162
behalve de gezichten van de kinderen.
01:13
You can see the faces,
27
73536
1786
Je kan de gezichten zien,
01:15
but they don't look distinctive,
28
75322
1708
maar je kan ze niet onderscheiden
01:17
and none of them looks familiar,
29
77030
1858
en geen van hen komt je bekend voor.
01:18
and it's only by spotting an orange hair ribbon
30
78888
2498
Alleen door het herkennen van haar oranje haarlintje
01:21
that you find your daughter.
31
81386
1896
kan je je dochter vinden.
01:23
This sudden loss of the ability to recognize faces
32
83282
3425
Dit plotse verlies van het vermogen om gezichten te herkennen
01:26
actually happens to people.
33
86707
1546
komt werkelijk voor bij mensen.
01:28
It's called prosopagnosia,
34
88253
2054
Het wordt prosopagnosie genoemd
01:30
and it results from damage
35
90307
1181
en is het resultaat van schade aan een specifiek deel van het brein.
01:31
to a particular part of the brain.
36
91488
2126
01:33
The striking thing about it
37
93614
1500
Het gekke is
01:35
is that only face recognition is impaired;
38
95114
2595
dat alleen de gezichtsherkenning beschadigd is;
01:37
everything else is just fine.
39
97709
2439
met de rest is niks mis.
01:40
Prosopagnosia is one of many surprisingly specific
40
100148
3868
Prosopagnosie is één van vele verrassend specifieke stoornissen
01:44
mental deficits that can happen after brain damage.
41
104016
4535
die kunnen voorkomen na hersenschade.
01:48
These syndromes collectively
42
108551
1363
Al deze syndromen
01:49
have suggested for a long time
43
109914
2239
doen al lange tijd vermoeden
01:52
that the mind is divvied up into distinct components,
44
112153
3768
dat het brein verdeeld is in verschillende onderdelen,
01:55
but the effort to discover those components
45
115921
2385
maar de inspanning om deze onderdelen te ontdekken
01:58
has jumped to warp speed
46
118306
1614
heeft een snelle vlucht genomen
01:59
with the invention of brain imaging technology,
47
119920
2582
met de technologie van hersenbeeldvorming,
02:02
especially MRI.
48
122502
3048
vooral de MRI.
02:05
So MRI enables you to see internal anatomy
49
125550
3240
MRI laat toe om de interne anatomie
02:08
at high resolution,
50
128790
1586
in hoge resolutie te zien.
02:10
so I'm going to show you in a second
51
130376
1430
Ik laat jullie zo meteen
02:11
a set of MRI cross-sectional images
52
131806
3352
een aantal dwarsdoorsneden zien
02:15
through a familiar object,
53
135158
1618
van bekende voorwerpen waar we doorheen gaan.
02:16
and we're going to fly through them
54
136776
875
02:17
and you're going to try to figure out what the object is.
55
137651
2473
Jullie proberen uit te maken welk voorwerp het is.
02:20
Here we go.
56
140124
2111
Daar gaan we.
02:24
It's not that easy. It's an artichoke.
57
144241
1889
Niet makkelijk… Dat was een artisjok.
02:26
Okay, let's try another one,
58
146130
1630
OK, we proberen een andere.
02:27
starting from the bottom and going through the top.
59
147760
2596
Van beneden naar boven.
02:32
Broccoli! It's a head of broccoli.
60
152812
1151
Broccoli!
02:33
Isn't it beautiful? I love that.
61
153963
1664
Mooi, toch?
02:35
Okay, here's another one. It's a brain, of course.
62
155627
2757
OK, nog eentje. Dat is een brein, natuurlijk.
02:38
In fact, it's my brain.
63
158384
1586
Meer bepaald mijn brein.
02:39
We're going through slices through my head like that.
64
159970
1733
Dit zijn doorsneden van mijn hoofd.
02:41
That's my nose over on the right, and now
65
161703
1758
Rechts zit mijn neus,
02:43
we're going over here, right there.
66
163461
3409
en nu gaan we naar dit plekje, hier zo.
02:46
So this picture's nice, if I do say so myself,
67
166870
4601
Dit is een mooi beeld, al zeg ik het zelf...
02:51
but it shows only anatomy.
68
171471
1912
Maar het laat alleen anatomie zien.
02:53
The really cool advance with functional imaging
69
173383
2520
Een heel coole vooruitgang in functionele beeldvorming
02:55
happened when scientists figured out how to make
70
175903
1572
werd gemaakt toen men ontdekte
02:57
pictures that show not just anatomy but activity,
71
177475
3395
hoe beelden te maken die niet alleen anatomie maar ook activiteit tonen,
03:00
that is, where neurons are firing.
72
180870
2435
waar neuronen afgevuurd worden.
03:03
So here's how this works.
73
183305
1516
Dat werkt als volgt.
03:04
Brains are like muscles.
74
184821
1117
Het brein is als een spier.
03:05
When they get active,
75
185938
1563
Wanneer het actief is,
03:07
they need increased blood flow to supply that activity,
76
187501
2974
heeft het meer bloedtoevoer nodig om de activiteit te voorzien,
03:10
and lucky for us, blood flow control to the brain is local,
77
190475
3568
en gelukkig gebeurt de bloedtoevoer naar het brein op lokaal niveau,
03:14
so if a bunch of neurons, say, right there
78
194043
2162
dus als een hoopje neuronen hier zegt,
03:16
get active and start firing,
79
196205
1500
"word actief, vuur af",
03:17
then blood flow increases just right there.
80
197705
2725
dan stijgt de bloedtoevoer op die plek.
03:20
So functional MRI picks up on that blood flow increase,
81
200430
3721
Functionele MRI merkt die bloedtoevoer op,
03:24
producing a higher MRI response
82
204151
2033
met een hogere respons
03:26
where neural activity goes up.
83
206184
2926
waar de neurale activiteit stijgt.
03:29
So to give you a concrete feel
84
209110
1700
Om je een concreet idee te geven
03:30
for how a functional MRI experiment goes
85
210810
2485
over hoe een functioneel MRI-experiment gaat
03:33
and what you can learn from it
86
213295
1439
en wat je ervan kan leren
03:34
and what you can't,
87
214734
1384
en wat niet,
03:36
let me describe one of the first studies I ever did.
88
216118
3442
laat ik eerst één van de eerste studies beschrijven die ik ooit deed.
03:39
We wanted to know if there was a special part of the brain for recognizing faces,
89
219560
4138
We wilden weten of een bepaald deel van het brein gezichten herkende,
03:43
and there was already reason to think there might be such a thing
90
223698
3072
en er waren toen al redenen om te geloven dat dat zo was,
03:46
based on this phenomenon of prosopagnosia
91
226770
1720
gebaseerd op de prosopagnosie
03:48
that I described a moment ago,
92
228490
2123
die ik zojuist beschreef,
03:50
but nobody had ever seen that part of the brain
93
230613
2278
maar niemand had dat deel van het brein
03:52
in a normal person,
94
232891
1919
ooit gezien bij een normale persoon,
03:54
so we set out to look for it.
95
234810
2056
en dus gingen we ernaar op zoek.
03:56
So I was the first subject.
96
236866
1951
Ik was het eerste voorwerp van de studie.
03:58
I went into the scanner, I lay on my back,
97
238817
2212
Ik ging onder de scanner, lag op mijn rug,
04:01
I held my head as still as I could
98
241029
2583
hield mijn hoofd zo stil als ik kon
04:03
while staring at pictures of faces like these
99
243612
5017
terwijl ik naar foto's staarde van gezichten zoals deze...
04:08
and objects like these
100
248629
2131
en voorwerpen als deze...
04:10
and faces and objects for hours.
101
250760
5165
en gezichten… en objecten... urenlang.
04:15
So as somebody who has pretty close to the world record
102
255925
2772
Als wereldrecordhouder
04:18
of total number of hours spent inside an MRI scanner,
103
258697
3543
van het totaal aantal uren gespendeerd onder een MRI-scanner
04:22
I can tell you that one of the skills
104
262240
1432
kan ik je dit vertellen:
04:23
that's really important for MRI research
105
263672
2663
een heel belangrijke vaardigheid bij MRI-onderzoek
04:26
is bladder control.
106
266335
1778
is je blaas onder controle houden.
04:28
(Laughter)
107
268113
1802
(Gelach)
04:29
When I got out of the scanner,
108
269915
1537
Toen ik eronderuit kwam,
04:31
I did a quick analysis of the data,
109
271452
2316
deed ik een snelle analyse van de gegevens.
04:33
looking for any parts of my brain
110
273768
1503
Ik zocht naar plaatsen
04:35
that produced a higher response when I was looking at faces
111
275271
2806
met een hogere respons bij gezichten
04:38
than when I was looking at objects,
112
278077
1870
dan bij voorwerpen.
04:39
and here's what I saw.
113
279947
2171
Ik zag dit.
04:42
Now this image looks just awful by today's standards,
114
282118
3656
Dit beeld ziet er naar huidige maatstaven verschrikkelijk uit,
04:45
but at the time I thought it was beautiful.
115
285774
2808
maar ik vond het prachtig.
04:48
What it shows is that region right there,
116
288582
1950
Dit gebied hier,
04:50
that little blob,
117
290532
1283
dat kleine vlekje,
04:51
it's about the size of an olive
118
291815
1747
ongeveer zo groot als een olijf
04:53
and it's on the bottom surface of my brain
119
293562
2156
en aan de onderkant van mijn brein
04:55
about an inch straight in from right there.
120
295718
3206
2,5 centimeter van hier,
04:58
And what that part of my brain is doing
121
298924
2790
dat deel van mijn brein
05:01
is producing a higher MRI response,
122
301714
2920
genereerde een hogere MRI-respons,
05:04
that is, higher neural activity,
123
304634
1748
een hogere neurale activiteit,
05:06
when I was looking at faces
124
306382
1482
wanneer ik naar gezichten keek
05:07
than when I was looking at objects.
125
307864
2266
dan wanneer ik naar voorwerpen keek.
05:10
So that's pretty cool,
126
310130
1360
Dat is heel cool,
05:11
but how do we know this isn't a fluke?
127
311490
2318
maar hoe weten we dat dit geen toeval is?
05:13
Well, the easiest way
128
313808
1420
Wel, de gemakkelijkste manier
05:15
is to just do the experiment again.
129
315228
2114
is het experiment gewoon opnieuw te doen.
05:17
So I got back in the scanner,
130
317342
1639
Dus ging ik terug in de scanner,
05:18
I looked at more faces and I looked at more objects
131
318981
2431
keek naar meer gezichten en meer voorwerpen
05:21
and I got a similar blob,
132
321412
2189
en kreeg hetzelfde vlekje...
05:23
and then I did it again
133
323601
1895
En ik deed het opnieuw...
05:25
and I did it again
134
325496
1855
en opnieuw...
05:27
and again and again,
135
327351
3072
en opnieuw en opnieuw...
05:30
and around about then
136
330423
1047
en tegen die tijd
05:31
I decided to believe it was for real.
137
331470
2941
besloot ik te geloven dat het echt was.
05:34
But still, maybe this is something weird about my brain
138
334411
3753
Maar toch, misschien is dit gewoon iets eigenaardigs in mijn brein
05:38
and no one else has one of these things in there,
139
338164
2462
dat niet voorkomt bij anderen.
05:40
so to find out, we scanned a bunch of other people
140
340626
2455
Om dat uit te zoeken, scanden we andere mensen
05:43
and found that pretty much everyone
141
343081
2446
en kwamen we tot het besluit dat bijna iedereen
05:45
has that little face-processing region
142
345527
2006
dat plekje heeft dat gezichten verwerkt
05:47
in a similar neighborhood of the brain.
143
347533
2893
in een gelijkaardig gebied van het brein.
05:50
So the next question was,
144
350426
1888
De volgende vraag was:
05:52
what does this thing really do?
145
352314
1474
wat doet dat ding nu eigenlijk?
05:53
Is it really specialized just for face recognition?
146
353788
3932
Is het echt gespecialiseerd in gezichtsherkenning?
05:57
Well, maybe not, right?
147
357720
1240
Misschien niet?
05:58
Maybe it responds not only to faces
148
358960
1802
Misschien reageert het
06:00
but to any body part.
149
360762
2109
ook op andere lichaamsdelen?
06:02
Maybe it responds to anything human
150
362871
2369
Misschien reageert het op alles wat menselijk is
06:05
or anything alive
151
365240
1780
of alles dat leeft
06:07
or anything round.
152
367020
1656
of alles dat rond is.
06:08
The only way to be really sure that that region
153
368676
2154
De enige manier om heel zeker te zijn
06:10
is specialized for face recognition
154
370830
2417
dat het gespecialiseerd is in gezichtsherkenning,
06:13
is to rule out all of those hypotheses.
155
373247
2643
is al die hypotheses uit te sluiten.
06:15
So we spent much of the next couple of years
156
375890
2830
En dus brachten we de volgende jaren door met het scannen
06:18
scanning subjects while they looked at lots
157
378720
1647
van proefpersonen terwijl ze
06:20
of different kinds of images,
158
380367
1606
naar allerlei foto's keken,
06:21
and we showed that that part of the brain
159
381973
1957
en toonden aan dat dat deel van het brein
06:23
responds strongly when you look at
160
383930
1950
sterk reageert wanneer je naar gezichten
06:25
any images that are faces of any kind,
161
385880
3453
van elke aard kijkt,
06:29
and it responds much less strongly
162
389333
1913
en dat het veel minder sterk reageert
06:31
to any image you show that isn't a face,
163
391246
3149
op elk beeld dat geen gezicht is,
06:34
like some of these.
164
394395
1305
zoals deze.
06:35
So have we finally nailed the case
165
395700
2239
Hebben we dan eindelijk bewezen
06:37
that this region is necessary for face recognition?
166
397939
3240
dat dit gebied nodig is voor gezichtsherkenning?
06:41
No, we haven't.
167
401179
1323
Nee hoor.
06:42
Brain imaging can never tell you
168
402502
1951
Hersenbeeldvorming kan nooit bepalen
06:44
if a region is necessary for anything.
169
404453
2440
of een gebied ergens voor nodig is.
06:46
All you can do with brain imaging
170
406893
1440
Het enige wat je ziet
06:48
is watch regions turn on and off
171
408333
2048
is dat gebieden aan- en uitgeschakeld worden
06:50
as people think different thoughts.
172
410381
1968
wanneer je verschillende gedachten denkt.
06:52
To tell if a part of the brain is necessary for a mental function,
173
412349
3611
Om uit te maken of een deel van het brein nodig is voor een mentale functie,
06:55
you need to mess with it and see what happens,
174
415960
2509
moet je ermee spelen en nagaan wat er gebeurt.
06:58
and normally we don't get to do that.
175
418469
2275
Normaal gezien kunnen we dat niet.
07:00
But an amazing opportunity came about
176
420744
2584
Maar onlangs deed zich een uitgelezen kans voor
07:03
very recently when a couple of colleagues of mine
177
423328
2464
toen een paar van mijn collega's
07:05
tested this man who has epilepsy
178
425792
3071
deze man met epilepsie testten
07:08
and who is shown here in his hospital bed
179
428863
2682
en die hier in zijn ziekenhuisbed ligt
07:11
where he's just had electrodes placed
180
431545
1367
waar hij net elektroden
07:12
on the surface of his brain
181
432912
2071
op zijn hoofd geplaatst kreeg
07:14
to identify the source of his seizures.
182
434983
2554
om de oorzaak van zijn aanvallen te achterhalen.
07:17
So it turned out by total chance
183
437537
2533
Toevallig bleek het
07:20
that two of the electrodes
184
440070
1949
dat twee elektroden
07:22
happened to be right on top of his face area.
185
442019
3223
op het gezichtsgebied plakten.
07:25
So with the patient's consent,
186
445242
2329
Met de toestemming van de patiënt
07:27
the doctors asked him what happened
187
447571
2587
vroegen de dokters hem wat er gebeurde
07:30
when they electrically stimulated that part of his brain.
188
450158
4166
wanneer ze dat deel van zijn brein elektrisch stimuleerden.
07:34
Now, the patient doesn't know
189
454324
1654
Nu, de patiënt weet niet
07:35
where those electrodes are,
190
455978
1384
waar de elektroden zitten en
07:37
and he's never heard of the face area.
191
457362
2212
weet niet wat het gezichtsgebied is.
07:39
So let's watch what happens.
192
459574
1991
Laten we eens kijken wat er gebeurt.
07:41
It's going to start with a control condition
193
461565
1969
Het begint met een controlevoorwaarde
07:43
that will say "Sham" nearly invisibly
194
463534
2407
waarbij bijna onzichtbaar "Sham"
07:45
in red in the lower left,
195
465941
1710
in het rood links beneden staat,
07:47
when no current is delivered,
196
467651
2282
als er geen stroom wordt gegeven.
07:49
and you'll hear the neurologist speaking to the patient first. So let's watch.
197
469933
3815
Je zal de neuroloog eerst tegen de patiënt horen spreken.
07:53
(Video) Neurologist: Okay, just look at my face
198
473748
2081
(Video) Neuroloog: Kijk naar mijn gezicht
07:55
and tell me what happens when I do this.
199
475829
3285
en vertel me wat er gebeurt wanneer ik dit doe,
07:59
All right?
200
479114
934
OK?
08:00
Patient: Okay.
201
480048
2823
Patiënt: OK.
08:02
Neurologist: One, two, three.
202
482871
4320
Neuroloog: Eén, twee, drie.
08:07
Patient: Nothing. Neurologist: Nothing? Okay.
203
487191
3015
Patiënt: Niets. Neuroloog: Niets? OK.
08:10
I'm going to do it one more time.
204
490206
2407
Ik doe het nog een keer.
08:12
Look at my face.
205
492613
3194
Kijk naar mijn gezicht.
08:15
One, two, three.
206
495807
4500
Eén, twee, drie.
08:20
Patient: You just turned into somebody else.
207
500307
2824
Patiënt: Je veranderde in iemand anders.
08:23
Your face metamorphosed.
208
503131
2137
Je gezicht veranderde.
08:25
Your nose got saggy, it went to the left.
209
505268
3011
Je neus zakte in en ging naar links.
08:28
You almost looked like somebody I'd seen before,
210
508279
3536
Je zag er bijna uit als iemand die ik al ooit gezien had,
08:31
but somebody different.
211
511815
2634
maar iemand anders.
08:34
That was a trip.
212
514449
2072
Te gek!
08:36
(Laughter)
213
516521
3132
(Gelach)
08:39
Nancy Kanwisher: So this experiment —
214
519653
1615
Nancy Kanwisher: Dit experiment -
08:41
(Applause) —
215
521268
4223
(Applaus) -
08:45
this experiment finally nails the case
216
525491
2682
Dit experiment bewijst eindelijk
08:48
that this region of the brain is not only
217
528173
1825
dat dit deel van het brein niet alleen
08:49
selectively responsive to faces
218
529998
2137
selectief reageert op gezichten,
08:52
but causally involved in face perception.
219
532135
3045
maar ook actief betrokken is bij gezichtsherkenning.
08:55
So I went through all of these details
220
535180
2130
Ik bekeek al deze details over het gezichtsgebied
08:57
about the face region to show you what it takes
221
537310
2464
om te tonen wat vereist is om te bewijzen dat een deel van het brein
08:59
to really establish that a part of the brain
222
539774
2339
selectief betrokken is bij een specifiek mentaal proces.
09:02
is selectively involved in a specific mental process.
223
542113
3128
09:05
Next, I'll go through much more quickly
224
545241
2159
Nu overloop ik wat sneller
09:07
some of the other specialized regions of the brain
225
547400
2660
enkele andere gespecialiseerde gebieden van het brein
09:10
that we and others have found.
226
550060
2100
die wij en anderen ontdekt hebben.
09:12
So to do this, I've spent a lot of time
227
552160
2114
De voorbije maand heb ik veel tijd
09:14
in the scanner over the last month
228
554274
1867
in de scanner doorgebracht
09:16
so I can show you these things in my brain.
229
556141
2261
om jullie deze dingen in mijn brein te tonen.
09:18
So let's get started. Here's my right hemisphere.
230
558402
3233
Hier gaan we. Dit is mijn rechter hersenhelft.
09:21
So we're oriented like that. You're looking at my head this way.
231
561635
2662
We zijn zo georiënteerd. Je kijkt zo naar mijn hoofd.
09:24
Imagine taking the skull off
232
564297
1093
Denk de schedel weg
09:25
and looking at the surface of the brain like that.
233
565390
2268
en beeld je in dat je zo naar het brein kijkt.
09:27
Okay, now as you can see,
234
567658
1758
Zoals je kan zien, is het oppervlak
09:29
the surface of the brain is all folded up.
235
569416
1503
van het brein opgevouwen.
09:30
So that's not good. Stuff could be hidden in there.
236
570919
1721
Misschien zit daar iets verborgen.
09:32
We want to see the whole thing,
237
572640
1434
We willen alles zien,
09:34
so let's inflate it so we can see the whole thing.
238
574074
3312
dus laten we het opblazen.
09:37
Next, let's find that face area I've been talking about
239
577386
2829
Nu gaan we het gebied zoeken waarover ik het had
09:40
that responds to images like these.
240
580215
2227
dat op beelden als deze reageert.
09:42
To see that, let's turn the brain around
241
582442
1519
We draaien het brein om
09:43
and look on the inside surface on the bottom,
242
583961
2019
en kijken naar de binnenkant beneden.
09:45
and there it is, that's my face area.
243
585980
2305
Daar ligt mijn gezichtsgebied.
09:48
Just to the right of that is another region
244
588285
2707
Net rechts daarvan ligt een ander gebied
09:50
that is shown in purple
245
590992
1638
in het paars aangeduid
09:52
that responds when you process color information,
246
592630
3072
dat reageert wanneer je kleureninformatie verwerkt,
09:55
and near those regions are other regions
247
595702
2691
en dichtbij die gebieden liggen andere gebieden
09:58
that are involved in perceiving places,
248
598393
2363
die betrokken zijn bij het waarnemen van plaatsen.
10:00
like right now, I'm seeing this layout of space around me
249
600756
2838
Nu zie ik bijvoorbeeld deze ruimte rondom mij
10:03
and these regions in green right there
250
603594
1752
en deze gebieden in het groen
10:05
are really active.
251
605346
1274
zijn heel actief.
10:06
There's another one out on the outside surface again
252
606620
2370
Er is er nog een op het buitenoppervlak
10:08
where there's a couple more face regions as well.
253
608990
2805
waar ook een aantal gezichtsgebieden liggen.
10:11
Also in this vicinity
254
611795
2345
Hier dichtbij ligt een gebied
10:14
is a region that's selectively involved
255
614140
1645
dat selectief betrokken is
10:15
in processing visual motion,
256
615785
1936
bij het verwerken van visuele beweging
10:17
like these moving dots here,
257
617721
1504
zoals deze bewegende stipjes,
10:19
and that's in yellow at the bottom of the brain,
258
619225
2689
aangeduid in het geel aan de onderkant van het brein.
10:21
and near that is a region that responds
259
621914
3168
Dicht daarbij ligt een gebied dat reageert
10:25
when you look at images of bodies and body parts
260
625082
2897
als je naar beelden van lichamen en lichaamsdelen kijkt,
10:27
like these, and that region is shown in lime green
261
627979
2745
zoals deze, en dat gebied is aangeduid in het groen
10:30
at the bottom of the brain.
262
630724
2003
aan de onderkant van het brein.
10:32
Now all these regions I've shown you so far
263
632727
2632
Alle gebieden die ik tot nu toe getoond heb,
10:35
are involved in specific aspects of visual perception.
264
635359
4432
zijn betrokken bij specifieke aspecten van visuele waarneming.
10:39
Do we also have specialized brain regions
265
639791
2148
Hebben we dan ook gespecialiseerde gebieden
10:41
for other senses, like hearing?
266
641939
2813
voor andere zintuigen, zoals het gehoor?
10:44
Yes, we do. So if we turn the brain around a little bit,
267
644752
3037
Jazeker: als we het brein een beetje draaien,
10:47
here's a region in dark blue
268
647789
2401
zie je hier een gebied in het blauw
10:50
that we reported just a couple of months ago,
269
650190
2346
dat we pas een paar maanden geleden opmerkten
10:52
and this region responds strongly
270
652536
1634
en dit gebied reageert sterk
10:54
when you hear sounds with pitch, like these.
271
654170
3429
wanneer je geluiden met een toonhoogte als deze hoort
10:57
(Sirens)
272
657599
2143
(Sirene)
10:59
(Cello music)
273
659742
2081
(Cello)
11:01
(Doorbell)
274
661823
1917
(Deurbel)
11:03
In contrast, that same region does not respond strongly
275
663740
3608
Maar datzelfde gebied reageert niet sterk
11:07
when you hear perfectly familiar sounds
276
667348
1562
als je bekende geluiden hoort
11:08
that don't have a clear pitch, like these.
277
668910
2362
die geen duidelijke toonhoogte hebben, zoals deze -
11:11
(Chomping)
278
671272
2469
(Gekauw)
11:13
(Drum roll)
279
673741
2200
(Trommelgeroffel)
11:15
(Toilet flushing)
280
675941
2767
(Doorspoelen van toilet)
11:18
Okay. Next to the pitch region
281
678708
2498
Naast dat gebied
11:21
is another set of regions that are selectively responsive
282
681206
2474
ligt een aantal gebieden die selectief reageren
11:23
when you hear the sounds of speech.
283
683680
2765
als je spraakgeluiden hoort.
11:26
Okay, now let's look at these same regions.
284
686445
1840
Laten we deze gebieden eens bekijken.
11:28
In my left hemisphere, there's a similar arrangement —
285
688285
2468
Mijn linker hersenhelft is gelijkaardig,
11:30
not identical, but similar —
286
690753
1473
maar niet identiek
11:32
and most of the same regions are in here,
287
692226
2209
en de meeste gebieden liggen ook aan deze kant,
11:34
albeit sometimes different in size.
288
694435
2002
zij het soms in een andere grootte.
11:36
Now, everything I've shown you so far
289
696437
2014
Alles wat ik tot nu toe heb laten zien,
11:38
are regions that are involved in different aspects of perception,
290
698451
3026
zijn gebieden voor verschillende aspecten van waarneming,
11:41
vision and hearing.
291
701477
1833
zien en horen.
11:43
Do we also have specialized brain regions
292
703310
1660
Zijn er ook zulke gebieden
11:44
for really fancy, complicated mental processes?
293
704970
3435
voor heel chique, ingewikkelde mentale processen?
11:48
Yes, we do.
294
708405
1429
Ja, die hebben we.
11:49
So here in pink are my language regions.
295
709834
3389
Hier in het roze liggen mijn taalgebieden.
11:53
So it's been known for a very long time
296
713223
1428
Het is al heel lang geweten
11:54
that that general vicinity of the brain
297
714651
2035
dat dit algemene gebied in het brein
11:56
is involved in processing language,
298
716686
2193
betrokken is bij taalverwerking,
11:58
but we showed very recently
299
718879
1732
maar heel recent toonden we aan
12:00
that these pink regions
300
720611
1710
dat deze roze gebieden
12:02
respond extremely selectively.
301
722321
2205
extreem selectief reageren.
12:04
They respond when you understand the meaning of a sentence,
302
724526
2812
Ze reageren wanneer je de betekenis van een zin begrijpt,
12:07
but not when you do other complex mental things,
303
727338
2838
maar niet wanneer je andere ingewikkelde mentale dingen doet
12:10
like mental arithmetic
304
730176
2179
zoals hoofdrekenen
12:12
or holding information in memory
305
732355
2396
of informatie in het geheugen houden
12:14
or appreciating the complex structure
306
734751
2655
of de complexe structuur
12:17
in a piece of music.
307
737406
2284
van een muziekstuk bevatten.
12:21
The most amazing region that's been found yet
308
741664
2889
Het meest verbazende gebied dat we tot nu toe gevonden hebben
12:24
is this one right here in turquoise.
309
744553
3307
is het turkooizen gebied hier.
12:27
This region responds
310
747860
2190
Dit gebied reageert
12:30
when you think about what another person is thinking.
311
750050
4268
wanneer je denkt aan wat een andere persoon aan het denken is.
12:34
So that may seem crazy,
312
754318
1644
Dat lijkt misschien gek,
12:35
but actually, we humans do this all the time.
313
755962
3868
maar eigenlijk doen wij mensen dat voortdurend.
12:39
You're doing this when you realize
314
759830
2193
Je doet het wanneer je beseft
12:42
that your partner is going to be worried
315
762023
1631
dat je partner bezorgd zal zijn
12:43
if you don't call home to say you're running late.
316
763654
2507
als je niet naar huis belt als je later zal komen.
12:46
I'm doing this with that region of my brain right now
317
766161
3469
Ik doe het nu met dat gebied van mijn brein
12:49
when I realize that you guys
318
769630
2281
wanneer ik besef dat jullie zich nu
12:51
are probably now wondering about
319
771911
1598
waarschijnlijk afvragen wat
12:53
all that gray, uncharted territory in the brain,
320
773509
2547
dat grijze onbekende gebied in het brein is,
12:56
and what's up with that?
321
776056
1964
en wat doet dat juist?
12:58
Well, I'm wondering about that too,
322
778020
1685
Wel, ik vraag me dat ook af
12:59
and we're running a bunch of experiments in my lab right now
323
779705
2395
en we zijn bezig met een aantal experimenten
13:02
to try to find a number of other
324
782100
2013
om een aantal andere mogelijke specialisaties te vinden
13:04
possible specializations in the brain
325
784113
2032
13:06
for other very specific mental functions.
326
786145
3368
voor andere zeer specifieke mentale functies.
13:09
But importantly, I don't think we have
327
789513
2621
Maar ik denk niet
13:12
specializations in the brain
328
792134
1564
dat er specialisaties zijn
13:13
for every important mental function,
329
793698
2746
voor elke belangrijke mentale functie,
13:16
even mental functions that may be critical for survival.
330
796444
3409
zelfs mentale functies die essentieel zijn voor overleving.
13:19
In fact, a few years ago,
331
799853
2102
Een aantal jaar geleden
13:21
there was a scientist in my lab
332
801955
1117
was een wetenschapper uit mijn labo ervan overtuigd
13:23
who became quite convinced
333
803072
1409
13:24
that he'd found a brain region
334
804481
1749
dat hij een gebied had gevonden
13:26
for detecting food,
335
806230
1912
voor het opsporen van voedsel.
13:28
and it responded really strongly in the scanner
336
808142
1918
Het reageerde sterk in de scanner
13:30
when people looked at images like this.
337
810060
2728
wanneer mensen naar beelden als deze keken.
13:32
And further, he found a similar response
338
812788
2912
Verder vond hij een gelijkaardige reactie
13:35
in more or less the same location
339
815700
1939
op ongeveer dezelfde plaats
13:37
in 10 out of 12 subjects.
340
817639
2001
bij 10 op de 12 subjecten.
13:39
So he was pretty stoked,
341
819640
2294
Hij was dus nogal in de wolken
13:41
and he was running around the lab
342
821934
1260
en rende door het labo
13:43
telling everyone that he was going to go on "Oprah"
343
823194
2002
en riep dat hij naar 'Oprah' zou gaan
13:45
with his big discovery.
344
825196
2018
met deze grote ontdekking.
13:47
But then he devised the critical test:
345
827214
3022
Maar toen bedacht hij de beslissende test:
13:50
He showed subjects images of food like this
346
830236
3183
hij liet beelden zien van voedsel zoals deze
13:53
and compared them to images with very similar
347
833419
2741
en vergeleek ze met beelden met zeer gelijkaardige
13:56
color and shape, but that weren't food, like these.
348
836160
3810
kleuren en vormen, maar geen voedsel, zoals deze.
13:59
And his region responded the same
349
839970
2131
En het gebied reageerde op dezelfde manier
14:02
to both sets of images.
350
842101
1949
op beide beelden.
14:04
So it wasn't a food area,
351
844050
1327
Het was geen voedselgebied,
14:05
it was just a region that liked colors and shapes.
352
845377
2771
alleen een gebied dat graag kleuren en vormen ziet.
14:08
So much for "Oprah."
353
848148
2561
Geen "Oprah" dus.
14:12
But then the question, of course, is,
354
852483
2225
De vraag is natuurlijk,
14:14
how do we process all this other stuff
355
854708
2126
hoe verwerken we alle andere dingen
14:16
that we don't have specialized brain regions for?
356
856834
2970
waar we geen gespecialiseerde gebieden voor hebben?
14:19
Well, I think the answer is that in addition
357
859804
1811
Wel, ik denk dat we buiten de gespecialiseerde onderdelen
14:21
to these highly specialized components that I've been describing,
358
861615
3554
die ik beschreven heb
14:25
we also have a lot of very general- purpose machinery in our heads
359
865169
3679
ook veel algemene machinerie in ons hoofd hebben
14:28
that enables us to tackle
360
868848
1494
die ons toelaat
14:30
whatever problem comes along.
361
870342
2106
om welk probleem dan ook aan te pakken.
14:32
In fact, we've shown recently that
362
872448
2055
We hebben onlangs aangetoond dat
14:34
these regions here in white
363
874503
2068
de gebieden hier in het wit
14:36
respond whenever you do any difficult mental task
364
876571
3411
reageren wanneer je een moeilijke mentale taak uitvoert, of toch ten minste
14:39
at all —
365
879982
1101
een van de zeven taken die we hebben getest.
14:41
well, of the seven that we've tested.
366
881083
3571
14:44
So each of the brain regions that I've described
367
884654
2169
Elk van de gebieden
14:46
to you today
368
886823
1306
die ik beschreven heb,
14:48
is present in approximately the same location
369
888129
2767
is aanwezig op ongeveer dezelfde plaats
14:50
in every normal subject.
370
890896
1742
bij elke normale persoon.
14:52
I could take any of you,
371
892638
1623
Ik zou iemand kunnen uitkiezen,
14:54
pop you in the scanner,
372
894261
1226
hem in de scanner leggen,
14:55
and find each of those regions in your brain,
373
895487
2285
en elk van die gebieden kunnen terugvinden,
14:57
and it would look a lot like my brain,
374
897772
1905
en ze zouden erg op mijn brein lijken,
14:59
although the regions would be slightly different
375
899677
2070
zij het lichtjes verschillend
15:01
in their exact location and in their size.
376
901747
3564
in hun exacte locatie en grootte.
15:05
What's important to me about this work
377
905311
2365
Wat voor mij belangrijk is aan dit werk,
15:07
is not the particular locations of these brain regions,
378
907676
2969
zijn niet de specifieke locaties van deze gebieden,
15:10
but the simple fact that we have
379
910645
2587
maar het simpele feit dat we selectieve,
15:13
selective, specific components of mind and brain
380
913232
2568
überhaupt specifieke onderdelen in ons brein hebben.
15:15
in the first place.
381
915800
1648
15:17
I mean, it could have been otherwise.
382
917448
2011
Het had namelijk anders kunnen zijn.
15:19
The brain could have been a single,
383
919459
2441
Het brein zou een enkele,
15:21
general-purpose processor,
384
921900
1495
algemene processor kunnen zijn,
15:23
more like a kitchen knife
385
923395
1472
meer een keukenmes
15:24
than a Swiss Army knife.
386
924867
1683
dan een Zwitsers mes.
15:26
Instead, what brain imaging has delivered
387
926550
3111
Maar wat hersenbeeldvorming ons gegeven heeft,
15:29
is this rich and interesting picture of the human mind.
388
929661
3846
is een rijk en interessant beeld van het menselijk brein.
15:33
So we have this picture of very general-purpose
389
933507
2463
Zo hebben we een beeld van de algemene machinerie
15:35
machinery in our heads
390
935970
1070
in ons hoofd
15:37
in addition to this surprising array
391
937040
2357
bovenop de verrassende waaier
15:39
of very specialized components.
392
939397
3435
aan zeer gespecialiseerde onderdelen.
15:43
It's early days in this enterprise.
393
943712
2153
Maar we zijn er nog lang niet.
15:45
We've painted only the first brushstrokes
394
945865
2776
We zijn nog maar aan de eerste penseelstrekenntoe
15:48
in our neural portrait of the human mind.
395
948641
2927
van ons neuraal portret.
15:51
The most fundamental questions remain unanswered.
396
951568
3082
De meest fundamentele vragen blijven nog onbeantwoord.
15:54
So for example, what does each of these regions do exactly?
397
954650
3800
Bijvoorbeeld, wat doet elk van deze gebieden precies?
15:58
Why do we need three face areas
398
958450
2142
Waarom hebben we drie gezichtsgebieden nodig
16:00
and three place areas,
399
960592
1465
en drie locatiegebieden,
16:02
and what's the division of labor between them?
400
962057
2868
en wat is de werkverdeling onderling?
16:04
Second, how are all these things
401
964925
2693
Ten tweede, hoe zijn deze dingen
16:07
connected in the brain?
402
967618
1712
met elkaar verbonden in het brein?
16:09
With diffusion imaging,
403
969330
1587
Met diffusiebeeldvorming
16:10
you can trace bundles of neurons
404
970917
2179
kan je hoopjes neuronen opsporen
16:13
that connect to different parts of the brain,
405
973096
2575
verbonden met verschillende delen van het brein
16:15
and with this method shown here,
406
975671
1631
en met deze methode hier
16:17
you can trace the connections of individual neurons in the brain,
407
977302
3697
kan je de verbindingen van individuele neuronen opsporen,
16:20
potentially someday giving us a wiring diagram
408
980999
2718
wat ons ooit een bedradingsdiagram zou kunnen opleveren
16:23
of the entire human brain.
409
983717
2066
van het volledige menselijke brein.
16:25
Third, how does all of this
410
985783
2047
Ten derde, hoe wordt deze
16:27
very systematic structure get built,
411
987830
3149
zeer systematische structuur gebouwd
16:30
both over development in childhood
412
990979
2956
doorheen de ontwikkeling in de kindertijd
16:33
and over the evolution of our species?
413
993935
2812
en doorheen de evolutie van onze soort?
16:36
To address questions like that,
414
996747
1900
Om zulke vragen te beantwoorden,
16:38
scientists are now scanning
415
998647
1783
zijn wetenschappers bezig
16:40
other species of animals,
416
1000430
2157
met het scannen van andere diersoorten
16:42
and they're also scanning human infants.
417
1002587
5386
en ook met het scannen van baby's.
16:48
Many people justify the high cost of neuroscience research
418
1008931
3651
Veel mensen rechtvaardigen de hoge kosten van neurowetenschappelijk onderzoek
16:52
by pointing out that it may help us someday
419
1012582
2754
door erop te wijzen dat het ons ooit zou kunnen helpen
16:55
to treat brain disorders like Alzheimer's and autism.
420
1015336
3457
om stoornissen als Alzheimer en autisme te behandelen.
16:58
That's a hugely important goal,
421
1018793
1947
Dat is een enorm belangrijk doel
17:00
and I'd be thrilled if any of my work contributed to it,
422
1020740
3221
en ik zou het fantastisch vinden als mijn werk daartoe bijdroeg.
17:03
but fixing things that are broken in the world
423
1023961
2998
Maar dingen herstellen die gebroken zijn,
17:06
is not the only thing that's worth doing.
424
1026959
2801
is niet het enige dat de moeite waard is.
17:09
The effort to understand the human mind and brain
425
1029760
3228
De inspanning om het menselijke brein te begrijpen is waardevol,
17:12
is worthwhile even if it never led to the treatment
426
1032988
2818
ook al heeft het nooit geleid tot de behandeling
17:15
of a single disease.
427
1035806
1677
van een ziekte.
17:17
What could be more thrilling
428
1037483
2037
Wat zou er boeiender zijn
17:19
than to understand the fundamental mechanisms
429
1039520
3141
dan de fundamentele mechanismen te begrijpen
17:22
that underlie human experience,
430
1042661
2296
die aan de grondslag liggen van het menszijn,
17:24
to understand, in essence, who we are?
431
1044957
2926
om in essentie te begrijpen wie we zijn?
17:27
This is, I think, the greatest scientific quest
432
1047883
3449
Dat is, denk ik, de grootste wetenschappelijke zoektocht aller tijden.
17:31
of all time.
433
1051332
2713
17:34
(Applause)
434
1054045
5470
(Applaus)
Over deze website

Deze site laat u kennismaken met YouTube-video's die nuttig zijn om Engels te leren. U ziet Engelse lessen gegeven door topdocenten uit de hele wereld. Dubbelklik op de Engelse ondertitels op elke videopagina om de video af te spelen. De ondertitels scrollen synchroon met het afspelen van de video. Heeft u opmerkingen of verzoeken, neem dan contact met ons op via dit contactformulier.

https://forms.gle/WvT1wiN1qDtmnspy7