Read Montague: What we're learning from 5,000 brains

46,909 views ・ 2012-09-24

TED


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

00:00
Translator: Joseph Geni Reviewer: Morton Bast
0
0
7000
Vertaald door: Els De Keyser Nagekeken door: Rik Delaet
00:15
Other people. Everyone is interested in other people.
1
15734
2809
Andere mensen. Iedereen heeft interesse voor andere mensen.
00:18
Everyone has relationships with other people,
2
18543
2123
Iedereen heeft relaties met anderen
00:20
and they're interested in these relationships
3
20666
1592
en ze zijn in die relaties geïnteresseerd
00:22
for a variety of reasons.
4
22258
1855
om verschillende redenen.
00:24
Good relationships, bad relationships,
5
24113
2012
Goede relaties, slechte relaties,
00:26
annoying relationships, agnostic relationships,
6
26125
3146
vervelende relaties, neutrale relaties.
00:29
and what I'm going to do is focus on the central piece
7
29271
3424
Ik ga focussen op het centrale deel
00:32
of an interaction that goes on in a relationship.
8
32695
3303
van de interactie in een relatie.
00:35
So I'm going to take as inspiration the fact that we're all
9
35998
2336
Mijn inspiratie is het feit dat wij allen
00:38
interested in interacting with other people,
10
38334
2425
geïnteresseerd zijn in interactie met andere mensen.
00:40
I'm going to completely strip it of all its complicating features,
11
40759
3832
Ik verwijder alle complicerende factoren
00:44
and I'm going to turn that object, that simplified object,
12
44591
3894
en ik zal dat vereenvoudigd object
00:48
into a scientific probe, and provide the early stages,
13
48485
4150
aan wetenschappelijke toetsing onderwerpen
00:52
embryonic stages of new insights into what happens
14
52635
2449
om de embryonale stadia te tonen van nieuwe inzichten in wat gebeurt als twee breinen tegelijk interageren.
00:55
in two brains while they simultaneously interact.
15
55084
3650
om de embryonale stadia te tonen van nieuwe inzichten in wat gebeurt als twee breinen tegelijk interageren.
00:58
But before I do that, let me tell you a couple of things
16
58734
2293
Vooraf vertel ik jullie een paar dingen
01:01
that made this possible.
17
61027
1699
die dit mogelijk maakten.
01:02
The first is we can now eavesdrop safely
18
62726
2781
We kunnen nu veilig gaan luistervinken
01:05
on healthy brain activity.
19
65507
2711
bij de activiteit van een gezond brein.
01:08
Without needles and radioactivity,
20
68218
2577
Zonder naalden en radioactiviteit,
01:10
without any kind of clinical reason, we can go down the street
21
70795
2863
zonder klinische reden kunnen we de straat opgaan
01:13
and record from your friends' and neighbors' brains
22
73658
3127
en opnames maken van het brein van je vrienden en buren
01:16
while they do a variety of cognitive tasks, and we use
23
76785
2538
terwijl ze een reeks cognitieve taken afwerken.
01:19
a method called functional magnetic resonance imaging.
24
79323
3734
Daarvoor gebruiken we functionele magnetische resonantie-beeldvorming (FMRI).
01:23
You've probably all read about it or heard about in some
25
83057
2325
Daar heb je wellicht al van gehoord.
01:25
incarnation. Let me give you a two-sentence version of it.
26
85382
4378
Ik vat het in twee zinnen voor jullie samen.
01:29
So we've all heard of MRIs. MRIs use magnetic fields
27
89760
3484
We hebben allemaal gehoord van MRI's, die magnetische velden gebruiken
01:33
and radio waves and they take snapshots of your brain
28
93244
2029
en radiogolven om foto's van je brein te nemen,
01:35
or your knee or your stomach,
29
95273
2361
of je knie, of je maag,
01:37
grayscale images that are frozen in time.
30
97634
2045
grijswaardenbeelden die bevroren zijn in de tijd.
01:39
In the 1990s, it was discovered you could use
31
99679
2321
In de jaren 90 ontdekte men dat je
01:42
the same machines in a different mode,
32
102000
2659
die machines in een andere modus kon gebruiken, en microscopische bloedstroomfilmpjes
01:44
and in that mode, you could make microscopic blood flow
33
104659
2346
die machines in een andere modus kon gebruiken, en microscopische bloedstroomfilmpjes
01:47
movies from hundreds of thousands of sites independently in the brain.
34
107005
3300
kon maken van ontelbare plaatsen in het brein, onafhankelijk van elkaar.
01:50
Okay, so what? In fact, the so what is, in the brain,
35
110305
3200
En wat dan nog? In je brein zijn de
01:53
changes in neural activity, the things that make your brain work,
36
113505
3832
veranderingen in neurale activiteit, wat je brein doet werken,
01:57
the things that make your software work in your brain,
37
117337
2010
wat de software in je brein doet werken,
01:59
are tightly correlated with changes in blood flow.
38
119347
2489
sterk gecorreleerd met wijzigingen in de bloedstroom.
02:01
You make a blood flow movie, you have an independent
39
121836
1973
Je maakt een filmpje van de bloedstroom en je hebt een onafhankelijke alias voor breinactiviteit.
02:03
proxy of brain activity.
40
123809
2339
Je maakt een filmpje van de bloedstroom en je hebt een onafhankelijke alias voor breinactiviteit.
02:06
This has literally revolutionized cognitive science.
41
126148
3034
Dit was een revolutie in de cognitieve wetenschap.
02:09
Take any cognitive domain you want, memory,
42
129182
1991
Neem om het even welk cognitief domein, geheugen,
02:11
motor planning, thinking about your mother-in-law,
43
131173
2141
bewegingsplanning, denken aan je schoonmoeder,
02:13
getting angry at people, emotional response, it goes on and on,
44
133314
3715
boos worden, emotionele respons, enzovoort --
02:17
put people into functional MRI devices, and
45
137029
3089
stop mensen in functionele MRI-toestellen
02:20
image how these kinds of variables map onto brain activity.
46
140118
3383
en bekijk hoe deze variabelen overeenkomen met breinactiviteit.
02:23
It's in its early stages, and it's crude by some measures,
47
143501
2849
Het zijn de eerste stappen en het is nog ruw,
02:26
but in fact, 20 years ago, we were at nothing.
48
146350
2568
maar 20 jaar geleden stonden we nergens.
02:28
You couldn't do people like this. You couldn't do healthy people.
49
148918
2359
Je kon geen gezonde mensen bekijken.
02:31
That's caused a literal revolution, and it's opened us up
50
151277
2488
Dat heeft voor een revolutie gezorgd
02:33
to a new experimental preparation. Neurobiologists,
51
153765
2818
en nieuwe proeven mogelijk gemaakt.
02:36
as you well know, have lots of experimental preps,
52
156583
3760
Neurobiologen hebben vele proeven,
02:40
worms and rodents and fruit flies and things like this.
53
160343
3141
met wormen en knaagdieren en fruitvliegjes en zo.
02:43
And now, we have a new experimental prep: human beings.
54
163484
3397
Nu is er een nieuw proefdier: de mens.
02:46
We can now use human beings to study and model
55
166881
3761
We kunnen nu mensen gebruiken voor het bestuderen en modelleren
02:50
the software in human beings, and we have a few
56
170642
2950
van de software in mensen
02:53
burgeoning biological measures.
57
173592
2835
en we hebben een paar ontluikende biologische meetmethodes.
02:56
Okay, let me give you one example of the kinds of experiments that people do,
58
176427
3887
Ik geef je een voorbeeld van een experiment.
03:00
and it's in the area of what you'd call valuation.
59
180314
2677
Het betreft zogenaamde 'waardering'.
03:02
Valuation is just what you think it is, you know?
60
182991
2135
Waardering is wat je denkt.
03:05
If you went and you were valuing two companies against
61
185126
2804
Als je twee bedrijven ten opzichte van elkaar waardeert,
03:07
one another, you'd want to know which was more valuable.
62
187930
2736
wil je weten welk bedrijf meer waarde heeft.
03:10
Cultures discovered the key feature of valuation thousands of years ago.
63
190666
3879
Culturen hebben het basiskenmerk ervan al duizenden jaren begrepen.
03:14
If you want to compare oranges to windshields, what do you do?
64
194545
2690
Als je sinaasappels met autoruiten wil vergelijken, wat doe je dan?
03:17
Well, you can't compare oranges to windshields.
65
197235
2356
Dat gaat niet.
03:19
They're immiscible. They don't mix with one another.
66
199591
2255
Je kan ze niet met elkaar mengen.
03:21
So instead, you convert them to a common currency scale,
67
201846
2351
Dus zet je ze om in een gemeenschappelijke munt,
03:24
put them on that scale, and value them accordingly.
68
204197
2706
zet je ze op een schaal en waardeer je ze.
03:26
Well, your brain has to do something just like that as well,
69
206903
3436
Je brein moet iets dergelijks doen.
03:30
and we're now beginning to understand and identify
70
210339
2488
We beginnen de breinsystemen die bij waardering betrokken zijn, te begrijpen en te identificeren.
03:32
brain systems involved in valuation,
71
212827
2137
We beginnen de breinsystemen die bij waardering betrokken zijn, te begrijpen en te identificeren.
03:34
and one of them includes a neurotransmitter system
72
214964
2632
Het gaat onder meer om een neurotransmittersysteem
03:37
whose cells are located in your brainstem
73
217596
2632
met cellen in je hersenstam
03:40
and deliver the chemical dopamine to the rest of your brain.
74
220228
3175
die het chemisch element dopamine afgeven aan de rest van je brein.
03:43
I won't go through the details of it, but that's an important
75
223403
2442
Ik bespaar jullie de details, maar dat is een belangrijke ontdekking die we al goed kennen.
03:45
discovery, and we know a good bit about that now,
76
225845
2157
Ik bespaar jullie de details, maar dat is een belangrijke ontdekking die we al goed kennen.
03:48
and it's just a small piece of it, but it's important because
77
228002
2230
Het is een klein stukje, maar wel belangrijk
03:50
those are the neurons that you would lose if you had Parkinson's disease,
78
230232
3275
want die neuronen raak je kwijt als je de ziekte van Parkinson hebt,
03:53
and they're also the neurons that are hijacked by literally
79
233507
2016
en ze worden gekaapt door letterlijk elke verslavende drug, wat logisch is.
03:55
every drug of abuse, and that makes sense.
80
235523
2232
en ze worden gekaapt door letterlijk elke verslavende drug, wat logisch is.
03:57
Drugs of abuse would come in, and they would change
81
237755
2336
Verslavende drugs veranderen
04:00
the way you value the world. They change the way
82
240091
1789
hoe je de wereld waardeert,
04:01
you value the symbols associated with your drug of choice,
83
241880
3199
hoe je de symbolen waardeert die gepaard gaan met de drug van je keuze,
04:05
and they make you value that over everything else.
84
245079
2514
ze maken dat je die boven alles stelt.
04:07
Here's the key feature though. These neurons are also
85
247593
3021
Het komt hierop aan: die neuronen
04:10
involved in the way you can assign value to literally abstract ideas,
86
250614
3501
bepalen ook hoe je waarde hecht aan abstracte ideeën.
04:14
and I put some symbols up here that we assign value to
87
254115
2041
Hier zijn enkele symbolen die we waarderen
04:16
for various reasons.
88
256156
2720
om verschillende redenen.
04:18
We have a behavioral superpower in our brain,
89
258876
2689
In ons brein zit een gedragssupermacht
04:21
and it at least in part involves dopamine.
90
261565
1753
en daar komt minstens gedeeltelijk dopamine aan te pas.
04:23
We can deny every instinct we have for survival for an idea,
91
263318
4189
We kunnen elk overlevingsinstinct ontkennen omwille van een idee,
04:27
for a mere idea. No other species can do that.
92
267507
4005
gewoon een idee. Geen enkele andere soort kan dat.
04:31
In 1997, the cult Heaven's Gate committed mass suicide
93
271512
3606
In 1997 pleegde de sekte Heaven's Gate massaal zelfmoord
04:35
predicated on the idea that there was a spaceship
94
275118
2215
op basis van het idee van een ruimteschip
04:37
hiding in the tail of the then-visible comet Hale-Bopp
95
277333
3785
verborgen in de komeet Hale-Bopp die toen zichtbaar was
04:41
waiting to take them to the next level. It was an incredibly tragic event.
96
281118
4272
en die hen naar het volgende niveau zou brengen. Een uiterst tragisch gebeuren.
04:45
More than two thirds of them had college degrees.
97
285390
3485
Meer dan twee derden waren universitairen.
04:48
But the point here is they were able to deny their instincts for survival
98
288875
3723
Het punt is dat ze hun overlevingsinstinct konden ontkennen
04:52
using exactly the same systems that were put there
99
292598
2866
met exact dezelfde systemen die dienen
04:55
to make them survive. That's a lot of control, okay?
100
295464
4042
om te overleven. Dat is veel controle, niet?
04:59
One thing that I've left out of this narrative
101
299506
2089
Wat ik uit het verhaal heb weggelaten,
05:01
is the obvious thing, which is the focus of the rest of my
102
301595
2234
is wat voor de hand ligt, de focus van de rest van mijn talk,
05:03
little talk, and that is other people.
103
303829
2159
andere mensen.
05:05
These same valuation systems are redeployed
104
305988
2996
Dezelfde waarderingssystemen worden gebruikt
05:08
when we're valuing interactions with other people.
105
308984
2492
als we interactie met anderen waarderen.
05:11
So this same dopamine system that gets addicted to drugs,
106
311476
3271
Hetzelfde dopaminesysteem dat aan drugs verslaaft,
05:14
that makes you freeze when you get Parkinson's disease,
107
314747
2524
dat je doet verstijven als je de ziekte van Parkinson krijgt,
05:17
that contributes to various forms of psychosis,
108
317271
3077
dat bijdraagt aan een aantal psychosen,
05:20
is also redeployed to value interactions with other people
109
320348
3920
wordt ook gebruikt om interactie met anderen te waarderen
05:24
and to assign value to gestures that you do
110
324268
2896
en de waarde te bepalen van je gebaren
05:27
when you're interacting with somebody else.
111
327164
2574
als je interageert met iemand anders.
05:29
Let me give you an example of this.
112
329738
2577
Ik geef je een paar voorbeelden.
05:32
You bring to the table such enormous processing power
113
332315
2967
Je brengt zoveel verwerkingscapaciteit mee
05:35
in this domain that you hardly even notice it.
114
335282
2624
op dit gebied, dat je het nauwelijks merkt.
05:37
Let me just give you a few examples. So here's a baby.
115
337906
1467
Dit is een baby.
05:39
She's three months old. She still poops in her diapers and she can't do calculus.
116
339373
3730
Ze is drie maanden oud. Ze doet het in haar luier en ze kent geen hogere wiskunde.
05:43
She's related to me. Somebody will be very glad that she's up here on the screen.
117
343103
3353
We zijn verwant. Iemand is nu heel blij dat ze hier op het scherm staat.
05:46
You can cover up one of her eyes, and you can still read
118
346456
2376
Je kan één van haar ogen bedekken en dan lees je nog steeds
05:48
something in the other eye, and I see sort of curiosity
119
348832
2755
iets in het andere oog, een soort nieuwsgierigheid,
05:51
in one eye, I see maybe a little bit of surprise in the other.
120
351587
3597
en in het andere iets van verrassing.
05:55
Here's a couple. They're sharing a moment together,
121
355184
3179
Dit is een koppel. Ze delen een moment samen.
05:58
and we've even done an experiment where you can cut out
122
358363
1318
We deden een experiment waarbij je
05:59
different pieces of this frame and you can still see
123
359681
3007
stukken van dit beeld kan weglaten en nog steeds zie je
06:02
that they're sharing it. They're sharing it sort of in parallel.
124
362688
2504
dat ze het delen, zowat parallel.
06:05
Now, the elements of the scene also communicate this
125
365192
2463
De elementen van de scène verraden dit ook,
06:07
to us, but you can read it straight off their faces,
126
367655
2235
maar je kan het van hun gezicht aflezen.
06:09
and if you compare their faces to normal faces, it would be a very subtle cue.
127
369890
3503
Als je die vergelijkt met normale gezichten, zou het een subtiele aanwijzing zijn.
06:13
Here's another couple. He's projecting out at us,
128
373393
3347
Nog een koppel. Hij projecteert naar ons
06:16
and she's clearly projecting, you know,
129
376740
2888
en zij projecteert duidelijk
06:19
love and admiration at him.
130
379628
2263
liefde en bewondering naar hem.
06:21
Here's another couple. (Laughter)
131
381891
3635
Nog een koppel. (Gelach)
06:25
And I'm thinking I'm not seeing love and admiration on the left. (Laughter)
132
385526
5150
En ik denk: ik zie geen liefde en bewondering links. (Gelach)
06:30
In fact, I know this is his sister, and you can just see
133
390676
2560
Ik weet dat dit zijn zus is, en je ziet hem zeggen:
06:33
him saying, "Okay, we're doing this for the camera,
134
393236
2513
"We doen dit voor de foto,
06:35
and then afterwards you steal my candy and you punch me in the face." (Laughter)
135
395749
5702
en daarna steel jij mijn snoep en verkoopt me een klap." (Gelach)
06:41
He'll kill me for showing that.
136
401451
2106
Hij vermoordt me omdat ik dit toonde.
06:43
All right, so what does this mean?
137
403557
2797
Wat betekent dit?
06:46
It means we bring an enormous amount of processing power to the problem.
138
406354
3350
Dat we een enorme verwerkingscapaciteit hebben voor deze kwestie.
06:49
It engages deep systems in our brain, in dopaminergic
139
409704
3648
Het zet systemen diep in ons brein aan het werk, dopaminesystemen
06:53
systems that are there to make you chase sex, food and salt.
140
413352
2818
die je doen jagen op seks, eten en zout.
06:56
They keep you alive. It gives them the pie, it gives
141
416170
2894
Ze houden je in leven. Het geeft hun de taart,
06:59
that kind of a behavioral punch which we've called a superpower.
142
419064
2904
de soort gedragspunch die we een supermacht noemen.
07:01
So how can we take that and arrange a kind of staged
143
421968
3654
Hoe zetten we daarmee nu sociale interactie op en een wetenschappelijk experiment?
07:05
social interaction and turn that into a scientific probe?
144
425622
2698
Hoe zetten we daarmee nu sociale interactie op en een wetenschappelijk experiment?
07:08
And the short answer is games.
145
428320
2691
Het korte antwoord luidt: spellen.
07:11
Economic games. So what we do is we go into two areas.
146
431011
4404
Economische spellen, in twee domeinen.
07:15
One area is called experimental economics. The other area is called behavioral economics.
147
435415
3336
Het ene heet experimentele economie, het andere gedragseconomie.
07:18
And we steal their games. And we contrive them to our own purposes.
148
438751
4078
We stelen hun spellen en zetten ze in voor ons doel.
07:22
So this shows you one particular game called an ultimatum game.
149
442829
2967
Dit is een zogenaamd ultimatumspel.
07:25
Red person is given a hundred dollars and can offer
150
445796
1845
De rode persoon krijgt 100 dollar
07:27
a split to blue. Let's say red wants to keep 70,
151
447641
3723
en kan een verdeling voorstellen aan blauw. Rood wil 70 houden
07:31
and offers blue 30. So he offers a 70-30 split with blue.
152
451364
4086
en biedt blauw 30. Hij stelt een 70/30-verdeling voor.
07:35
Control passes to blue, and blue says, "I accept it,"
153
455450
2851
Blauw is aan zet en zegt: "Ik aanvaard het",
07:38
in which case he'd get the money, or blue says,
154
458301
1956
waarna hij het geld krijgt, of blauw zegt
07:40
"I reject it," in which case no one gets anything. Okay?
155
460257
4307
"Ik weiger het", waarna niemand iets krijgt.
07:44
So a rational choice economist would say, well,
156
464564
3392
Een rationele-keuze-econoom zegt:
07:47
you should take all non-zero offers.
157
467956
2056
je moet alle niet-nul-voorstellen aannemen.
07:50
What do people do? People are indifferent at an 80-20 split.
158
470012
3762
Wat doen mensen? Ze zijn onverschillig bij een 80/20-verdeling.
07:53
At 80-20, it's a coin flip whether you accept that or not.
159
473774
3524
Bij 80/20 is het kop of munt of je aanvaardt of niet.
07:57
Why is that? You know, because you're pissed off.
160
477298
2891
Waarom is dat? Omdat het je ergert.
08:00
You're mad. That's an unfair offer, and you know what an unfair offer is.
161
480189
3609
Je bent boos. Het is een onfair aanbod, en jij weet wat dat is.
08:03
This is the kind of game done by my lab and many around the world.
162
483798
2704
Dat soort spellen doen mijn lab en vele andere op de wereld.
08:06
That just gives you an example of the kind of thing that
163
486502
2544
Het is een voorbeeld van het soort dingen
08:09
these games probe. The interesting thing is, these games
164
489046
3738
die deze spellen aantonen. Het interessante is
08:12
require that you have a lot of cognitive apparatus on line.
165
492784
3707
dat je er een sterk cognitief apparaat voor moet inzetten.
08:16
You have to be able to come to the table with a proper model of another person.
166
496491
2928
Je moet een correct model hebben van een andere persoon.
08:19
You have to be able to remember what you've done.
167
499419
3213
Je moet je kunnen herinneren wat je gedaan hebt.
08:22
You have to stand up in the moment to do that.
168
502632
1420
Je moet in de situatie beslissen en je model aanpassen op basis van de signalen die terugkomen.
08:24
Then you have to update your model based on the signals coming back,
169
504052
3350
Je moet in de situatie beslissen en je model aanpassen op basis van de signalen die terugkomen.
08:27
and you have to do something that is interesting,
170
507402
2972
Je moet nog iets doen:
08:30
which is you have to do a kind of depth of thought assay.
171
510374
2597
een soort analyse van de diepte van de gedachte.
08:32
That is, you have to decide what that other person expects of you.
172
512971
3333
Je moet beslissen wat de ander van jou verwacht.
08:36
You have to send signals to manage your image in their mind.
173
516304
2954
Je moet signalen uitsturen om jouw beeld in hun geest te beheren.
08:39
Like a job interview. You sit across the desk from somebody,
174
519258
2853
Zoals bij een sollicitatie. Je zit aan de andere kant van de tafel.
08:42
they have some prior image of you,
175
522111
1369
Zij hebben een beeld van jou,
08:43
you send signals across the desk to move their image
176
523480
2751
jij zend signalen naar de overkant om dat beeld bij te sturen
08:46
of you from one place to a place where you want it to be.
177
526231
3920
in de richting die jij wil.
08:50
We're so good at this we don't really even notice it.
178
530151
3385
We doen dit zo goed dat we het nauwelijks beseffen.
08:53
These kinds of probes exploit it. Okay?
179
533536
3767
Deze soort proeven buiten dat uit.
08:57
In doing this, what we've discovered is that humans
180
537303
1807
Daarbij ontdekten we dat mensen kanaries zijn in sociale uitwisselingen.
08:59
are literal canaries in social exchanges.
181
539110
2331
Daarbij ontdekten we dat mensen kanaries zijn in sociale uitwisselingen.
09:01
Canaries used to be used as kind of biosensors in mines.
182
541441
3397
Kanaries werden als biosensoren ingezet in de mijnen.
09:04
When methane built up, or carbon dioxide built up,
183
544838
3560
Als methaan of koolstofdioxide zich ophoopte,
09:08
or oxygen was diminished, the birds would swoon
184
548398
4186
of er minder zuurstof was, vielen de vogels
09:12
before people would -- so it acted as an early warning system:
185
552584
2326
eerder flauw dan de mensen, dus dit gaf een vroege waarschuwing:
09:14
Hey, get out of the mine. Things aren't going so well.
186
554910
2980
maak je uit de voeten, het gaat niet zo goed.
09:17
People come to the table, and even these very blunt,
187
557890
2954
Mensen treden aan, en zelfs in deze ruwe,
09:20
staged social interactions, and they, and there's just
188
560844
2990
opgezette sociale interacties --
09:23
numbers going back and forth between the people,
189
563834
3016
het gaat maar om cijfers die over en weer gaan tussen mensen --
09:26
and they bring enormous sensitivities to it.
190
566850
2199
brengen ze enorme gevoeligheid mee.
09:29
So we realized we could exploit this, and in fact,
191
569049
2689
We beseften dat we dit konden uitbuiten.
09:31
as we've done that, and we've done this now in
192
571738
2556
We hebben dit intussen gedaan
09:34
many thousands of people, I think on the order of
193
574294
2694
bij duizenden mensen, ik geloof ongeveer
09:36
five or six thousand. We actually, to make this
194
576988
2165
vijf- of zesduizend.
09:39
a biological probe, need bigger numbers than that,
195
579153
2224
Om er een biologische test van te maken heb je grotere getallen nodig, vreemd genoeg.
09:41
remarkably so. But anyway,
196
581377
3674
Om er een biologische test van te maken heb je grotere getallen nodig, vreemd genoeg.
09:45
patterns have emerged, and we've been able to take
197
585051
2004
We zagen patronen verschijnen
09:47
those patterns, convert them into mathematical models,
198
587055
3836
die we vastlegden in mathematische modellen,
09:50
and use those mathematical models to gain new insights
199
590891
2689
die we gebruiken om nieuwe inzichten te verwerven
09:53
into these exchanges. Okay, so what?
200
593580
2131
in deze uitwisselingen. Wat dan nog?
09:55
Well, the so what is, that's a really nice behavioral measure,
201
595711
3313
Wel, dat is leuke gedragsmaatstaf.
09:59
the economic games bring to us notions of optimal play.
202
599024
3319
De economische spellen bieden ons de notie van optimaal spel.
10:02
We can compute that during the game.
203
602343
2484
We kunnen dat tijdens het spel berekenen.
10:04
And we can use that to sort of carve up the behavior.
204
604827
2953
Daarmee kunnen we het gedrag ontleden.
10:07
Here's the cool thing. Six or seven years ago,
205
607780
4330
Het leuke is: zes of zeven jaar geleden
10:12
we developed a team. It was at the time in Houston, Texas.
206
612110
2550
vormden we een team, destijds in Houston, Texas,
10:14
It's now in Virginia and London. And we built software
207
614660
3394
nu in Virginia en Londen. We maakten software
10:18
that'll link functional magnetic resonance imaging devices
208
618054
3207
die functionele MRI-toestellen
10:21
up over the Internet. I guess we've done up to six machines
209
621261
4035
over het internet verbindt. We hebben tot 6 machines
10:25
at a time, but let's just focus on two.
210
625296
1981
aan elkaar gekoppeld, maar houden het hier bij twee.
10:27
So it synchronizes machines anywhere in the world.
211
627277
3058
Het synchroniseert machines overal ter wereld.
10:30
We synchronize the machines, set them into these
212
630335
3169
We synchroniseren, stellen ze in voor onze
10:33
staged social interactions, and we eavesdrop on both
213
633504
1983
opgezette sociale interacties en gaan luistervinken bij beide
10:35
of the interacting brains. So for the first time,
214
635487
1666
breinen in interactie. Voor het eerst kijken we niet allen naar gemiddelden van individuen,
10:37
we don't have to look at just averages over single individuals,
215
637153
3607
breinen in interactie. Voor het eerst kijken we niet allen naar gemiddelden van individuen,
10:40
or have individuals playing computers, or try to make
216
640760
2897
of individuen die spelen op de computer.
10:43
inferences that way. We can study individual dyads.
217
643657
2763
We bestuderen individuele dyaden,
10:46
We can study the way that one person interacts with another person,
218
646420
2785
de manier waarop één mens met een andere interageert,
10:49
turn the numbers up, and start to gain new insights
219
649205
2564
we drijven de cijfers op en verwerven nieuwe inzichten
10:51
into the boundaries of normal cognition,
220
651769
2515
in de grenzen van normale cognitie.
10:54
but more importantly, we can put people with
221
654284
2732
Belangrijker: we kunnen ook mensen inzetten
10:57
classically defined mental illnesses, or brain damage,
222
657016
3337
met klassiek gedefinieerde geestesziekte, of hersenschade,
11:00
into these social interactions, and use these as probes of that.
223
660353
3551
in deze sociale interactie, die als proef dienen.
11:03
So we've started this effort. We've made a few hits,
224
663904
2350
We begonnen ermee en deden een paar
11:06
a few, I think, embryonic discoveries.
225
666254
2449
embryonale ontdekkingen.
11:08
We think there's a future to this. But it's our way
226
668703
2812
We denken dat dit een toekomst heeft.
11:11
of going in and redefining, with a new lexicon,
227
671515
2560
We herdefiniëren, met een nieuw, wiskundig lexicon,
11:14
a mathematical one actually, as opposed to the standard
228
674075
4022
We herdefiniëren, met een nieuw, wiskundig lexicon,
11:18
ways that we think about mental illness,
229
678097
2578
in plaats van onze standaardvisie op geestesziekte.
11:20
characterizing these diseases, by using the people
230
680675
2067
We karakteriseren de ziekte door de mensen te gebruiken
11:22
as birds in the exchanges. That is, we exploit the fact
231
682742
3007
als vogels in de interactie. We gebruiken het feit
11:25
that the healthy partner, playing somebody with major depression,
232
685749
4244
dat de gezonde partner, die speelt met iemand met een diepe depressie,
11:29
or playing somebody with autism spectrum disorder,
233
689993
2910
of met een autismespectrumstoornis,
11:32
or playing somebody with attention deficit hyperactivity disorder,
234
692903
3850
of met ADHD,
11:36
we use that as a kind of biosensor, and then we use
235
696753
3219
een soort biosensor is.
11:39
computer programs to model that person, and it gives us
236
699972
2644
Dan gebruiken we computerprogramma's om hem te modelleren,
11:42
a kind of assay of this.
237
702616
2470
wat ons een soort analyse geeft.
11:45
Early days, and we're just beginning, we're setting up sites
238
705086
2131
We zijn nog maar net gestart en we beginnen
11:47
around the world. Here are a few of our collaborating sites.
239
707217
3410
overal ter wereld sites op te zetten. Hier zie je een paar van onze partners.
11:50
The hub, ironically enough,
240
710627
2309
De hub is ironisch genoeg
11:52
is centered in little Roanoke, Virginia.
241
712936
2889
gevestigd in het kleine Roanoke, Virginia.
11:55
There's another hub in London, now, and the rest
242
715825
2269
Nog een Hub in Londen,
11:58
are getting set up. We hope to give the data away
243
718094
4009
en de rest wordt opgezet. We hopen de data weg te geven
12:02
at some stage. That's a complicated issue
244
722103
3673
op een bepaald moment. Een ingewikkelde kwestie,
12:05
about making it available to the rest of the world.
245
725776
2994
ze beschikbaar maken voor de rest van de wereld.
12:08
But we're also studying just a small part
246
728770
1847
We bestuderen ook een klein deel
12:10
of what makes us interesting as human beings, and so
247
730617
2267
van wat ons interessant maakt als mensen.
12:12
I would invite other people who are interested in this
248
732884
2041
Ik wil dus andere geïnteresseerden uitnodigen
12:14
to ask us for the software, or even for guidance
249
734925
2569
om ons de software te vragen, of hulp te vragen
12:17
on how to move forward with that.
250
737494
2219
bij het betreden van dit pad.
12:19
Let me leave you with one thought in closing.
251
739713
2341
Dit is mijn slotgedachte voor jullie.
12:22
The interesting thing about studying cognition
252
742054
1942
Het interessante aan de studie van cognitie
12:23
has been that we've been limited, in a way.
253
743996
3732
was vroeger dat we beperkt waren.
12:27
We just haven't had the tools to look at interacting brains
254
747728
2943
We hadden niet de middelen om breinen in interactie te bestuderen, tegelijk.
12:30
simultaneously.
255
750671
1200
We hadden niet de middelen om breinen in interactie te bestuderen, tegelijk.
12:31
The fact is, though, that even when we're alone,
256
751871
2470
Het feit is dat we zelfs als we alleen zijn,
12:34
we're a profoundly social creature. We're not a solitary mind
257
754341
4111
een diep sociaal wezen zijn. We zijn geen eenzame geest
12:38
built out of properties that kept it alive in the world
258
758452
4373
gebaseerd op eigenschappen die hem in leven hielden,
12:42
independent of other people. In fact, our minds
259
762825
3948
onafhankelijk van anderen. Onze geesten
12:46
depend on other people. They depend on other people,
260
766773
2870
hangen van anderen af,
12:49
and they're expressed in other people,
261
769643
1541
zijn in anderen uitgedrukt.
12:51
so the notion of who you are, you often don't know
262
771184
3652
Je weet vaak niet wie je bent
12:54
who you are until you see yourself in interaction with people
263
774836
2688
tot je jezelf ziet in interactie met anderen
12:57
that are close to you, people that are enemies of you,
264
777524
2406
die dicht bij je staan, mensen die je vijand zijn,
12:59
people that are agnostic to you.
265
779930
2545
mensen die neutraal staan tegenover jou.
13:02
So this is the first sort of step into using that insight
266
782475
3776
Dit is de eerste stap in het gebruik van dat inzicht
13:06
into what makes us human beings, turning it into a tool,
267
786251
3295
in wat ons mens maakt. We maken er een tool van
13:09
and trying to gain new insights into mental illness.
268
789546
1978
en proberen inzicht te verwerven in geestesziekte.
13:11
Thanks for having me. (Applause)
269
791524
3121
Bedankt dat ik mocht komen. (Applaus)
13:14
(Applause)
270
794645
3089
(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