Nancy Kanwisher: A neural portrait of the human mind

185,323 views ・ 2014-10-02

TED


Dubbelklicka på de engelska undertexterna nedan för att spela upp videon.

00:00
Translator: Joseph Geni Reviewer: Madeleine Aronson
0
0
7000
Översättare: Lina Klingberg Granskare: Annika Bidner
00:12
Today I want to tell you
1
12604
1216
Idag kommer jag berätta
00:13
about a project being carried out
2
13820
1803
om ett projekt som pågår
00:15
by scientists all over the world
3
15623
2687
med forskare över hela världen.
00:18
to paint a neural portrait of the human mind.
4
18310
3288
Att måla upp en nervkarta över det mänskliga sinnet.
00:21
And the central idea of this work
5
21598
2172
Kärnan till detta arbete
00:23
is that the human mind and brain
6
23770
1858
är att det mänskliga sinnet och hjärnan
00:25
is not a single, general-purpose processor,
7
25628
2857
inte är en enskild universalprocessor
00:28
but a collection of highly specialized components,
8
28485
3442
utan en samling högspecialiserade komponenter
00:31
each solving a different specific problem,
9
31927
2983
som var för sig löser olika och specifika problem
00:34
and yet collectively making up
10
34910
2336
men som tillsammans bidrar till
00:37
who we are as human beings and thinkers.
11
37246
4356
vilka vi är som mänskliga varelser och tänkare.
00:41
To give you a feel for this idea,
12
41602
1476
För att ge er en känsla av detta,
00:43
imagine the following scenario:
13
43078
2664
föreställ er följande scenario:
00:45
You walk into your child's day care center.
14
45742
2196
Du går in på ditt barns förskola.
00:47
As usual, there's a dozen kids there
15
47938
2237
Som vanligt är det ett dussin barn där
00:50
waiting to get picked up,
16
50175
1591
som väntar på att bli hämtade
00:51
but this time,
17
51766
1632
men den här gången
00:53
the children's faces look weirdly similar,
18
53398
2985
är alla barnens ansikten snarlika
00:56
and you can't figure out which child is yours.
19
56383
2808
och du kan inte reda ut vilket barn som är ditt.
00:59
Do you need new glasses?
20
59191
1749
Behöver du nya glasögon?
01:00
Are you losing your mind?
21
60940
1908
Håller du på att bli galen?
01:02
You run through a quick mental checklist.
22
62848
2452
Du går igenom en snabb mental checklista.
01:05
No, you seem to be thinking clearly,
23
65300
1894
Nej, du verkar tänka klart
01:07
and your vision is perfectly sharp.
24
67194
2391
och din synskärpa är perfekt.
01:09
And everything looks normal
25
69585
1789
Och allting ser ut som vanligt
01:11
except the children's faces.
26
71374
2162
förutom barnens ansikten.
01:13
You can see the faces,
27
73536
1786
Du kan se deras ansikten
01:15
but they don't look distinctive,
28
75322
1708
men de skiljer sig inte från varandra
01:17
and none of them looks familiar,
29
77030
1858
och inget av dem ser bekant ut
01:18
and it's only by spotting an orange hair ribbon
30
78888
2498
det är bara genom det orangea hårbandet
01:21
that you find your daughter.
31
81386
1896
som du hittar din dotter.
01:23
This sudden loss of the ability to recognize faces
32
83282
3425
Denna plötsliga oförmåga att känna igen ansikten
01:26
actually happens to people.
33
86707
1546
händer faktiskt oss människor.
01:28
It's called prosopagnosia,
34
88253
2054
Det kallas för prosopagnosi
01:30
and it results from damage
35
90307
1181
och orsakas av en skada
01:31
to a particular part of the brain.
36
91488
2126
i en specifik del av hjärnan.
01:33
The striking thing about it
37
93614
1500
Det fascinerande med detta är
01:35
is that only face recognition is impaired;
38
95114
2595
att bara ansiktsigenkänningen är nedsatt,
01:37
everything else is just fine.
39
97709
2439
allt annat fungerar som det ska.
01:40
Prosopagnosia is one of many surprisingly specific
40
100148
3868
Prosopagnosi är en av flera överraskande specifika
01:44
mental deficits that can happen after brain damage.
41
104016
4535
mentala nedsättningar som kan uppstå efter en hjärnskada.
01:48
These syndromes collectively
42
108551
1363
Dessa syndrom har tillsammans,
01:49
have suggested for a long time
43
109914
2239
och under en längre tid, indikerat
01:52
that the mind is divvied up into distinct components,
44
112153
3768
att sinnet är uppdelat i distinkta komponenter
01:55
but the effort to discover those components
45
115921
2385
men arbetet med att upptäcka dessa komponenter
01:58
has jumped to warp speed
46
118306
1614
har gått in i warphastighet
01:59
with the invention of brain imaging technology,
47
119920
2582
genom innovationer som hjärnskanning
02:02
especially MRI.
48
122502
3048
speciellt MRT.
02:05
So MRI enables you to see internal anatomy
49
125550
3240
MRT gör att vi kan se en invärtes anatomi
02:08
at high resolution,
50
128790
1586
i hög upplösning.
02:10
so I'm going to show you in a second
51
130376
1430
Jag kommer strax att visa
02:11
a set of MRI cross-sectional images
52
131806
3352
några tvärsnittsbilder med MRT
02:15
through a familiar object,
53
135158
1618
genom ett bekant objekt,
02:16
and we're going to fly through them
54
136776
875
vi går igenom dem
02:17
and you're going to try to figure out what the object is.
55
137651
2473
så gissar ni vad det är.
02:20
Here we go.
56
140124
2111
Då kör vi.
Det är inte lätt. Det är en jordärtskocka.
02:24
It's not that easy. It's an artichoke.
57
144241
1889
02:26
Okay, let's try another one,
58
146130
1630
Okej, vi provar en annan
02:27
starting from the bottom and going through the top.
59
147760
2596
börjar längst ner och går uppåt.
02:32
Broccoli! It's a head of broccoli.
60
152812
1151
Det är ett broccolihuvud!
02:33
Isn't it beautiful? I love that.
61
153963
1664
Är det inte vackert? Jag älskar det.
02:35
Okay, here's another one. It's a brain, of course.
62
155627
2757
Okej, här är en annan. Det är en hjärna så klart.
02:38
In fact, it's my brain.
63
158384
1586
Min hjärna, faktiskt.
02:39
We're going through slices through my head like that.
64
159970
1733
Vi går igenom lagren så här.
02:41
That's my nose over on the right, and now
65
161703
1758
Där är min näsa till höger, och nu
02:43
we're going over here, right there.
66
163461
3409
går vi över hit, precis här.
02:46
So this picture's nice, if I do say so myself,
67
166870
4601
Den här bilden är snygg, om jag får säga det själv
02:51
but it shows only anatomy.
68
171471
1912
men den visar bara anatomin.
02:53
The really cool advance with functional imaging
69
173383
2520
Det riktigt häftiga med funktionella bilder
02:55
happened when scientists figured out how to make
70
175903
1572
uppstod när forskare uppfann
02:57
pictures that show not just anatomy but activity,
71
177475
3395
bilder som visade inte bara anatomi utan också aktivitet,
03:00
that is, where neurons are firing.
72
180870
2435
alltså också var neuron skickar sina impulser.
03:03
So here's how this works.
73
183305
1516
Så här fungerar det.
03:04
Brains are like muscles.
74
184821
1117
Hjärnan är som muskler.
03:05
When they get active,
75
185938
1563
När de är aktiva
03:07
they need increased blood flow to supply that activity,
76
187501
2974
behöver de ett ökat blodflöde för att försörja den aktiviteten,
03:10
and lucky for us, blood flow control to the brain is local,
77
190475
3568
och som tur är sker kontrollen av blodflödet i hjärnan lokalt,
03:14
so if a bunch of neurons, say, right there
78
194043
2162
så om en samling neuron, låt säga här,
03:16
get active and start firing,
79
196205
1500
blir aktiva och skickar impulser
03:17
then blood flow increases just right there.
80
197705
2725
då ökar blodflödet precis här.
03:20
So functional MRI picks up on that blood flow increase,
81
200430
3721
Så funktionell MRT fångar upp ökningen i blodflöde
03:24
producing a higher MRI response
82
204151
2033
vilket ger ett tydligare MRT-utslag
03:26
where neural activity goes up.
83
206184
2926
på den plats där nervaktiviteten ökar.
Så för att ge er en tydligare känsla
03:29
So to give you a concrete feel
84
209110
1700
03:30
for how a functional MRI experiment goes
85
210810
2485
av hur experiment med MRT går till
03:33
and what you can learn from it
86
213295
1439
och vad man kan lära sig
03:34
and what you can't,
87
214734
1384
och inte, ska jag berätta om
03:36
let me describe one of the first studies I ever did.
88
216118
3442
en av de första studierna jag gjorde.
03:39
We wanted to know if there was a special part of the brain for recognizing faces,
89
219560
4138
Vi ville veta om det fanns ett specifikt område i hjärnan för ansiktsigenkänning,
03:43
and there was already reason to think there might be such a thing
90
223698
3072
och det fanns redan anledning att tro att så var fallet
03:46
based on this phenomenon of prosopagnosia
91
226770
1720
utifrån fenomenet prosopagnosi
03:48
that I described a moment ago,
92
228490
2123
som jag förklarade alldeles nyss
03:50
but nobody had ever seen that part of the brain
93
230613
2278
men ingen hade sett den här platsen
03:52
in a normal person,
94
232891
1919
hos en frisk person
03:54
so we set out to look for it.
95
234810
2056
så vi försökte leta reda på den.
03:56
So I was the first subject.
96
236866
1951
Så jag var den första försökspersonen.
03:58
I went into the scanner, I lay on my back,
97
238817
2212
Jag åkte in under magnetkameran liggande på rygg,
04:01
I held my head as still as I could
98
241029
2583
jag höll huvudet så stilla jag kunde
04:03
while staring at pictures of faces like these
99
243612
5017
och stirrade på bilder av ansikten, som de här,
04:08
and objects like these
100
248629
2131
och objekt, som de här,
04:10
and faces and objects for hours.
101
250760
5165
och ansikten och objekt i timmar.
04:15
So as somebody who has pretty close to the world record
102
255925
2772
Som någon som är ganska nära världsrekordet
04:18
of total number of hours spent inside an MRI scanner,
103
258697
3543
i antal timmar som tillbringats under en magnetkamera
04:22
I can tell you that one of the skills
104
262240
1432
kan jag berätta att en förmåga
04:23
that's really important for MRI research
105
263672
2663
som är väldigt viktig inom MRT-forskning
04:26
is bladder control.
106
266335
1778
är kontroll över blåsan.
04:28
(Laughter)
107
268113
1802
(Skratt)
04:29
When I got out of the scanner,
108
269915
1537
När jag kom ur MRT-skannern
04:31
I did a quick analysis of the data,
109
271452
2316
gjorde jag en snabb analys av våra data,
04:33
looking for any parts of my brain
110
273768
1503
jag sökte områden i min hjärna
04:35
that produced a higher response when I was looking at faces
111
275271
2806
som gav ett tydligare gensvar när jag såg ansikten
04:38
than when I was looking at objects,
112
278077
1870
än när jag såg objekt
04:39
and here's what I saw.
113
279947
2171
och detta var vad jag såg.
Den här bilden ser hemsk ut utifrån dagens standard
04:42
Now this image looks just awful by today's standards,
114
282118
3656
04:45
but at the time I thought it was beautiful.
115
285774
2808
men på den tiden tyckte jag den var vacker.
04:48
What it shows is that region right there,
116
288582
1950
Den visar att området precis här,
04:50
that little blob,
117
290532
1283
den här lilla fläcken,
04:51
it's about the size of an olive
118
291815
1747
stor som en oliv,
04:53
and it's on the bottom surface of my brain
119
293562
2156
i nedre delen av min hjärna
04:55
about an inch straight in from right there.
120
295718
3206
ungefär 2,5 cm rakt in därifrån.
04:58
And what that part of my brain is doing
121
298924
2790
Den här delen av min hjärna
05:01
is producing a higher MRI response,
122
301714
2920
visar ett tydligare gensvar på MRT,
05:04
that is, higher neural activity,
123
304634
1748
alltså, en högre neuronaktivitet,
05:06
when I was looking at faces
124
306382
1482
när jag studerade ansikten
05:07
than when I was looking at objects.
125
307864
2266
jämfört med när jag studerade objekt.
05:10
So that's pretty cool,
126
310130
1360
Det är rätt så häftigt
05:11
but how do we know this isn't a fluke?
127
311490
2318
men hur vet vi att detta inte bara är en lyckoträff?
05:13
Well, the easiest way
128
313808
1420
Ja, det lättaste sättet
05:15
is to just do the experiment again.
129
315228
2114
är helt enkelt att göra om experimentet.
05:17
So I got back in the scanner,
130
317342
1639
Jag la mig i skannern igen,
05:18
I looked at more faces and I looked at more objects
131
318981
2431
jag studerade fler ansikten och fler objekt
05:21
and I got a similar blob,
132
321412
2189
och fick fram en liknande fläck
05:23
and then I did it again
133
323601
1895
och då gjorde jag det igen
05:25
and I did it again
134
325496
1855
och jag gjorde det igen
05:27
and again and again,
135
327351
3072
och igen och igen,
05:30
and around about then
136
330423
1047
och ungefär då
05:31
I decided to believe it was for real.
137
331470
2941
bestämde jag mig för att tro att det var på riktigt.
05:34
But still, maybe this is something weird about my brain
138
334411
3753
Men, det kunde ju vara något konstigt med bara min hjärna
och kanske har ingen annan de här sakerna här inne,
05:38
and no one else has one of these things in there,
139
338164
2462
05:40
so to find out, we scanned a bunch of other people
140
340626
2455
så för att ta reda på detta skannade vi andra personer
05:43
and found that pretty much everyone
141
343081
2446
och upptäckte att i princip alla
05:45
has that little face-processing region
142
345527
2006
har ett litet område för ansiktsbearbetning
05:47
in a similar neighborhood of the brain.
143
347533
2893
i ungefär samma del av hjärnan.
05:50
So the next question was,
144
350426
1888
Så nästa fråga var:
05:52
what does this thing really do?
145
352314
1474
Vad gör det här området?
05:53
Is it really specialized just for face recognition?
146
353788
3932
Är det specialiserat på endast ansiktsigenkänning?
05:57
Well, maybe not, right?
147
357720
1240
Ja, kanske inte?
05:58
Maybe it responds not only to faces
148
358960
1802
Kanske svarar det inte bara på ansikten
06:00
but to any body part.
149
360762
2109
utan vilken kroppsdel som helst.
06:02
Maybe it responds to anything human
150
362871
2369
Det kanske svarar på allt mänskligt
06:05
or anything alive
151
365240
1780
eller allt som lever
06:07
or anything round.
152
367020
1656
eller allt som har en rund form.
06:08
The only way to be really sure that that region
153
368676
2154
Enda sättet att ta reda på om området
06:10
is specialized for face recognition
154
370830
2417
är speciellt för ansiktsigenkänning
06:13
is to rule out all of those hypotheses.
155
373247
2643
är att utesluta alla dessa hypoteser.
06:15
So we spent much of the next couple of years
156
375890
2830
De efterföljande åren gick till stor del åt till
06:18
scanning subjects while they looked at lots
157
378720
1647
att skanna personer som tittade på
06:20
of different kinds of images,
158
380367
1606
olika typer av bilder
06:21
and we showed that that part of the brain
159
381973
1957
och vi kunde visa att den delen av hjärnan
06:23
responds strongly when you look at
160
383930
1950
svarar tydligt när vi ser på
06:25
any images that are faces of any kind,
161
385880
3453
bilder av ansikten, oavsett vilket
06:29
and it responds much less strongly
162
389333
1913
och svarar mindre tydligt
06:31
to any image you show that isn't a face,
163
391246
3149
på bilder som inte är ansikten
06:34
like some of these.
164
394395
1305
som vissa av de här.
06:35
So have we finally nailed the case
165
395700
2239
Så har vi till slut lyckats bevisa
06:37
that this region is necessary for face recognition?
166
397939
3240
att området är nödvändigt för ansiktsigenkänning?
06:41
No, we haven't.
167
401179
1323
Nej, det har vi inte.
06:42
Brain imaging can never tell you
168
402502
1951
Magnetkameror kan aldrig säga
06:44
if a region is necessary for anything.
169
404453
2440
om området är nödvändigt för någonting.
06:46
All you can do with brain imaging
170
406893
1440
Det man kan göra
06:48
is watch regions turn on and off
171
408333
2048
är att se områden aktiveras och inaktiveras
06:50
as people think different thoughts.
172
410381
1968
när personer tänker på saker.
06:52
To tell if a part of the brain is necessary for a mental function,
173
412349
3611
För att avgöra om området är nödvändigt för mentala funktioner
06:55
you need to mess with it and see what happens,
174
415960
2509
behöver man störa det och se vad som händer.
06:58
and normally we don't get to do that.
175
418469
2275
Vanligtvis får vi inte möjligheten att göra det.
07:00
But an amazing opportunity came about
176
420744
2584
Men en fantastisk möjlighet uppstod
07:03
very recently when a couple of colleagues of mine
177
423328
2464
väldigt nyligen när ett par kollegor till mig
07:05
tested this man who has epilepsy
178
425792
3071
testade den här mannen som har med epilepsi
07:08
and who is shown here in his hospital bed
179
428863
2682
som ligger här i en sjukhussäng
07:11
where he's just had electrodes placed
180
431545
1367
där han har elektroder
07:12
on the surface of his brain
181
432912
2071
på hjärnans yta
07:14
to identify the source of his seizures.
182
434983
2554
för att identifiera källan till anfallen.
07:17
So it turned out by total chance
183
437537
2533
Av ren tur råkade
07:20
that two of the electrodes
184
440070
1949
två av elektroderna
07:22
happened to be right on top of his face area.
185
442019
3223
befinna sig rakt över ansiktsområdet.
07:25
So with the patient's consent,
186
445242
2329
Så med patientens medgivande
07:27
the doctors asked him what happened
187
447571
2587
frågade läkaren vad som hände
07:30
when they electrically stimulated that part of his brain.
188
450158
4166
när detta område utsattes för elektrisk stimulering.
07:34
Now, the patient doesn't know
189
454324
1654
Patienten vet inte
07:35
where those electrodes are,
190
455978
1384
var elektroderna är
07:37
and he's never heard of the face area.
191
457362
2212
och har inte hört talas om detta ansiktsområde
07:39
So let's watch what happens.
192
459574
1991
Det här är vad som hände.
07:41
It's going to start with a control condition
193
461565
1969
Det startar med ett kontrolltest
07:43
that will say "Sham" nearly invisibly
194
463534
2407
där det står "Sham" nästan osynligt
07:45
in red in the lower left,
195
465941
1710
i rött längst ner till vänster
07:47
when no current is delivered,
196
467651
2282
när strömmen inte är på
07:49
and you'll hear the neurologist speaking to the patient first. So let's watch.
197
469933
3815
och man hör neurologen prata med patienten. Vi tittar.
07:53
(Video) Neurologist: Okay, just look at my face
198
473748
2081
(Video) Neurologen: Okej, bara titta på mig
07:55
and tell me what happens when I do this.
199
475829
3285
och berätta vad som händer när jag gör så här.
Okej?
07:59
All right?
200
479114
934
Patienten: Okej.
08:00
Patient: Okay.
201
480048
2823
08:02
Neurologist: One, two, three.
202
482871
4320
Neurologen: Ett, två, tre. (Två knäpp)
Patienten: Ingenting. Neurologen: Ingenting? Okej.
08:07
Patient: Nothing. Neurologist: Nothing? Okay.
203
487191
3015
Jag kommer göra samma sak igen.
08:10
I'm going to do it one more time.
204
490206
2407
08:12
Look at my face.
205
492613
3194
Titta på mitt ansikte.
08:15
One, two, three.
206
495807
4500
Ett, två, tre. (Två knäpp)
08:20
Patient: You just turned into somebody else.
207
500307
2824
Patienten: Du förvandlades precis till någon annan.
08:23
Your face metamorphosed.
208
503131
2137
Ditt ansikte förvandlades.
Din näsa blev sned och drog till vänster.
08:25
Your nose got saggy, it went to the left.
209
505268
3011
08:28
You almost looked like somebody I'd seen before,
210
508279
3536
Du såg nästan ut som någon jag sett förut
08:31
but somebody different.
211
511815
2634
men någon annorlunda.
08:34
That was a trip.
212
514449
2072
Det var helskumt.
08:36
(Laughter)
213
516521
3132
(Skratt)
08:39
Nancy Kanwisher: So this experiment —
214
519653
1615
Nancy Kanwisher: Detta experiment-
08:41
(Applause) —
215
521268
4223
(Applåder)
08:45
this experiment finally nails the case
216
525491
2682
Detta experiment bevisar äntligen
08:48
that this region of the brain is not only
217
528173
1825
att det här området i hjärnan inte bara
08:49
selectively responsive to faces
218
529998
2137
specifikt svarar på ansikten
08:52
but causally involved in face perception.
219
532135
3045
utan även har direkt betydelse för perception av ansikten.
08:55
So I went through all of these details
220
535180
2130
Jag gick igenom alla dessa detaljer
08:57
about the face region to show you what it takes
221
537310
2464
kring ansiktsområdet för att visa vad som krävs
08:59
to really establish that a part of the brain
222
539774
2339
för att säkerställa att en del av hjärnan
09:02
is selectively involved in a specific mental process.
223
542113
3128
är enskilt involverad i en specifik mental process.
09:05
Next, I'll go through much more quickly
224
545241
2159
Jag kommer nu ha en snabbare genomgång
09:07
some of the other specialized regions of the brain
225
547400
2660
av några andra specialiserade områden i hjärnan
09:10
that we and others have found.
226
550060
2100
som vi och andra har upptäckt.
09:12
So to do this, I've spent a lot of time
227
552160
2114
För att göra det har jag tillbringat mycket tid
09:14
in the scanner over the last month
228
554274
1867
under magnetkameran den senaste månaden
09:16
so I can show you these things in my brain.
229
556141
2261
för att kunna visa er dessa områden i min hjärna.
09:18
So let's get started. Here's my right hemisphere.
230
558402
3233
Så vi kör igång. Detta är min högra hemisfär.
09:21
So we're oriented like that. You're looking at my head this way.
231
561635
2662
Vi befinner oss här. Ni ser mitt huvud härifrån.
09:24
Imagine taking the skull off
232
564297
1093
Tänk er utan skallbenet
09:25
and looking at the surface of the brain like that.
233
565390
2268
och att ni ser hjärnans yta så här.
09:27
Okay, now as you can see,
234
567658
1758
Okej, som ni ser
09:29
the surface of the brain is all folded up.
235
569416
1503
har hjärnans yta massor av veck.
09:30
So that's not good. Stuff could be hidden in there.
236
570919
1721
Det är inte bra. Saker kan vara gömda.
09:32
We want to see the whole thing,
237
572640
1434
Vi vill se hela hjärnan
09:34
so let's inflate it so we can see the whole thing.
238
574074
3312
så vi blåser upp allting.
09:37
Next, let's find that face area I've been talking about
239
577386
2829
Sedan letar vi reda på det här ansiktsområdet jag pratade om
09:40
that responds to images like these.
240
580215
2227
som svarar på den här typen av bilder.
09:42
To see that, let's turn the brain around
241
582442
1519
För att se det vrider vi hjärnan
09:43
and look on the inside surface on the bottom,
242
583961
2019
och tittar på insidans yta längst ner
09:45
and there it is, that's my face area.
243
585980
2305
och där är det, mitt ansiktsområde.
09:48
Just to the right of that is another region
244
588285
2707
Precis till höger finns ett annat område
09:50
that is shown in purple
245
590992
1638
som visas i lila
09:52
that responds when you process color information,
246
592630
3072
som svarar på färgbearbetning
09:55
and near those regions are other regions
247
595702
2691
och nära dessa områden finns andra områden
09:58
that are involved in perceiving places,
248
598393
2363
som har betydelse för rumsorientering
10:00
like right now, I'm seeing this layout of space around me
249
600756
2838
som nu, jag ser den här utformningen av utrymmet omkring mig
10:03
and these regions in green right there
250
603594
1752
och dessa områden i grönt precis här
10:05
are really active.
251
605346
1274
är väldigt aktiva.
10:06
There's another one out on the outside surface again
252
606620
2370
Det finns ett område till på ytans utsida,
10:08
where there's a couple more face regions as well.
253
608990
2805
där finns även fler ansiktsområden.
10:11
Also in this vicinity
254
611795
2345
Inom denna avgränsade region
finns den del som har betydelse för
10:14
is a region that's selectively involved
255
614140
1645
10:15
in processing visual motion,
256
615785
1936
bearbetningen av visuella rörelser
10:17
like these moving dots here,
257
617721
1504
som de här rörliga prickarna här
10:19
and that's in yellow at the bottom of the brain,
258
619225
2689
och det syns i gult längst ner i hjärnan,
10:21
and near that is a region that responds
259
621914
3168
och i närheten av det finns ett område som aktiveras
10:25
when you look at images of bodies and body parts
260
625082
2897
när vi tittar på bilder av kroppar och kroppsdelar
10:27
like these, and that region is shown in lime green
261
627979
2745
som de här, och det området visas i limegrönt
10:30
at the bottom of the brain.
262
630724
2003
längst ner i hjärnan.
10:32
Now all these regions I've shown you so far
263
632727
2632
Alla dessa områden som jag har visat er hittills
10:35
are involved in specific aspects of visual perception.
264
635359
4432
har betydelse för specifika aspekter gällande visuell perception.
10:39
Do we also have specialized brain regions
265
639791
2148
Har vi även specialiserade områden i hjärnan
10:41
for other senses, like hearing?
266
641939
2813
för andra sinnen, som hörsel?
10:44
Yes, we do. So if we turn the brain around a little bit,
267
644752
3037
Ja, det har vi. Om vi vrider hjärnan lite
10:47
here's a region in dark blue
268
647789
2401
finns ett område i mörkblått
10:50
that we reported just a couple of months ago,
269
650190
2346
som vi upptäckte för några månader sedan
10:52
and this region responds strongly
270
652536
1634
och detta område reagerar starkt
10:54
when you hear sounds with pitch, like these.
271
654170
3429
när vi hör ljud med hög tonhöjd, som de här.
10:57
(Sirens)
272
657599
2143
(Sirener)
10:59
(Cello music)
273
659742
2081
(Cello)
11:01
(Doorbell)
274
661823
1917
(Dörrklocka)
11:03
In contrast, that same region does not respond strongly
275
663740
3608
Däremot aktiveras inte detta område
11:07
when you hear perfectly familiar sounds
276
667348
1562
när vi hör bekanta ljud som inte har
11:08
that don't have a clear pitch, like these.
277
668910
2362
en tydlig tonhöjd, som de här:
11:11
(Chomping)
278
671272
2469
(Tuggande)
11:13
(Drum roll)
279
673741
2200
(Trumvirvel)
11:15
(Toilet flushing)
280
675941
2767
(Spolande toalett)
11:18
Okay. Next to the pitch region
281
678708
2498
Okej. Bredvid området för tonhöjd
11:21
is another set of regions that are selectively responsive
282
681206
2474
finns en annan uppsättning områden som svarar specifikt
11:23
when you hear the sounds of speech.
283
683680
2765
på ljudet av mänskligt tal.
11:26
Okay, now let's look at these same regions.
284
686445
1840
Okej, om vi tittar på dessa områden
11:28
In my left hemisphere, there's a similar arrangement —
285
688285
2468
i min vänstra hemisfär, finns ett liknande arrangemang,
11:30
not identical, but similar —
286
690753
1473
inte identiskt men liknande
11:32
and most of the same regions are in here,
287
692226
2209
och de flesta av dessa områden finns här
11:34
albeit sometimes different in size.
288
694435
2002
även om de ibland varierar i storlek.
11:36
Now, everything I've shown you so far
289
696437
2014
Allt jag har visar er så här långt
11:38
are regions that are involved in different aspects of perception,
290
698451
3026
är områden som är delaktiga vid olika typer av perception,
11:41
vision and hearing.
291
701477
1833
syn och hörsel.
11:43
Do we also have specialized brain regions
292
703310
1660
Har vi även specialiserade områden
11:44
for really fancy, complicated mental processes?
293
704970
3435
för riktigt invecklade, avancerade mentala processer?
11:48
Yes, we do.
294
708405
1429
Ja, det har vi.
11:49
So here in pink are my language regions.
295
709834
3389
I rosa finns mina språkområden.
11:53
So it's been known for a very long time
296
713223
1428
Det har länge varit känt
11:54
that that general vicinity of the brain
297
714651
2035
att det här ungefärliga området i hjärnan
11:56
is involved in processing language,
298
716686
2193
är aktivt i bearbetningen av språk,
11:58
but we showed very recently
299
718879
1732
men vi visade rätt så nyligen
12:00
that these pink regions
300
720611
1710
att dessa rosa områden
12:02
respond extremely selectively.
301
722321
2205
är väldigt selektiva i sina svar.
12:04
They respond when you understand the meaning of a sentence,
302
724526
2812
De aktiveras när du förstår betydelsen i en mening
12:07
but not when you do other complex mental things,
303
727338
2838
men inte när du gör andra mentalt avancerade saker
12:10
like mental arithmetic
304
730176
2179
som abstrakt aritmetik
12:12
or holding information in memory
305
732355
2396
eller håller kvar information i minnet
12:14
or appreciating the complex structure
306
734751
2655
eller uppskattar en avancerad uppbyggnad
12:17
in a piece of music.
307
737406
2284
i ett musikstycke.
12:21
The most amazing region that's been found yet
308
741664
2889
Det mest fantastiska området vi har hittat hittills
12:24
is this one right here in turquoise.
309
744553
3307
är det här i turkost.
12:27
This region responds
310
747860
2190
Det här området aktiveras
12:30
when you think about what another person is thinking.
311
750050
4268
när vi föreställer oss vad en annan person tänker.
12:34
So that may seem crazy,
312
754318
1644
Det här kan verka helt galet
12:35
but actually, we humans do this all the time.
313
755962
3868
men vi människor gör faktiskt det här hela tiden.
12:39
You're doing this when you realize
314
759830
2193
Du gör det när du inser
12:42
that your partner is going to be worried
315
762023
1631
att din partner kommer bli orolig
12:43
if you don't call home to say you're running late.
316
763654
2507
om du inte ringer hem och meddelar att du blir sen.
12:46
I'm doing this with that region of my brain right now
317
766161
3469
Jag gör det med detta området i min hjärna just nu
12:49
when I realize that you guys
318
769630
2281
när jag tänker på att ni
12:51
are probably now wondering about
319
771911
1598
antagligen undrar över
12:53
all that gray, uncharted territory in the brain,
320
773509
2547
det här gråa, outforskade området i hjärnan
12:56
and what's up with that?
321
776056
1964
och vad är det till för?
12:58
Well, I'm wondering about that too,
322
778020
1685
Ja, det undrar jag också
12:59
and we're running a bunch of experiments in my lab right now
323
779705
2395
och vi genomför en hel serie experiment i labbet nu
13:02
to try to find a number of other
324
782100
2013
för att hitta andra
13:04
possible specializations in the brain
325
784113
2032
möjliga specialiserade områden i hjärnan
13:06
for other very specific mental functions.
326
786145
3368
för andra, väldigt specifika mentala funktioner.
13:09
But importantly, I don't think we have
327
789513
2621
Men viktigt är, jag tror inte att vi har
13:12
specializations in the brain
328
792134
1564
specialiserade områden i hjärnan
13:13
for every important mental function,
329
793698
2746
för varje viktig mental funktion
13:16
even mental functions that may be critical for survival.
330
796444
3409
inte ens mentala funktioner som är livsviktiga för vår överlevnad.
13:19
In fact, a few years ago,
331
799853
2102
För ett par år sedan var det faktiskt
13:21
there was a scientist in my lab
332
801955
1117
en forskare i mitt labb
13:23
who became quite convinced
333
803072
1409
som blev rätt så övertygad om
13:24
that he'd found a brain region
334
804481
1749
att han hade hittat ett område
13:26
for detecting food,
335
806230
1912
vars uppgift var att upptäcka föda
för det gav ett tydligt utslag i skannern
13:28
and it responded really strongly in the scanner
336
808142
1918
13:30
when people looked at images like this.
337
810060
2728
när människor såg på bilder som den här.
13:32
And further, he found a similar response
338
812788
2912
Vidare fann han liknande gensvar
13:35
in more or less the same location
339
815700
1939
i mer eller mindre samma område
13:37
in 10 out of 12 subjects.
340
817639
2001
hos 10 av 12 försökspersoner.
13:39
So he was pretty stoked,
341
819640
2294
Så han var ganska uppspelt
13:41
and he was running around the lab
342
821934
1260
och sprang runt i labbet
13:43
telling everyone that he was going to go on "Oprah"
343
823194
2002
och sa att han skulle få vara med på "Oprah"
13:45
with his big discovery.
344
825196
2018
med sin stora upptäckt.
13:47
But then he devised the critical test:
345
827214
3022
Men sedan satte han ihop det avgörande testet:
13:50
He showed subjects images of food like this
346
830236
3183
Han visade subjekten bilder på mat, som de här
13:53
and compared them to images with very similar
347
833419
2741
och jämförde dem med bilder som hade snarlik
13:56
color and shape, but that weren't food, like these.
348
836160
3810
färg och form men som inte var mat, som de här.
13:59
And his region responded the same
349
839970
2131
Och detta område gav samma svar
14:02
to both sets of images.
350
842101
1949
vid båda uppsättningarna av bilder.
Det var inte området för mat,
14:04
So it wasn't a food area,
351
844050
1327
14:05
it was just a region that liked colors and shapes.
352
845377
2771
det var bara ett område som gillade färg och form.
14:08
So much for "Oprah."
353
848148
2561
Där fick han för "Oprah".
14:12
But then the question, of course, is,
354
852483
2225
Men frågan kvarstår så klart,
14:14
how do we process all this other stuff
355
854708
2126
hur bearbetar vi alla dessa andra saker
14:16
that we don't have specialized brain regions for?
356
856834
2970
som vi inte har specialiserade områden i hjärnan för?
14:19
Well, I think the answer is that in addition
357
859804
1811
Alltså, jag tror att tillsammans
14:21
to these highly specialized components that I've been describing,
358
861615
3554
med dessa högspecialiserade komponenterna som jag har beskrivit
14:25
we also have a lot of very general- purpose machinery in our heads
359
865169
3679
har vi även ett universalmaskineri
i våra huvuden som möjliggör hanteringen
14:28
that enables us to tackle
360
868848
1494
14:30
whatever problem comes along.
361
870342
2106
av vilka problem som än kan uppstå.
14:32
In fact, we've shown recently that
362
872448
2055
Vi har faktiskt nyligen visat
14:34
these regions here in white
363
874503
2068
att dessa områden i vitt
14:36
respond whenever you do any difficult mental task
364
876571
3411
aktiveras när vi utför någon slags mentalt utmanande uppgifter,
14:39
at all —
365
879982
1101
vilken som helst,
14:41
well, of the seven that we've tested.
366
881083
3571
eller, av de sju vi har testat i alla fall.
14:44
So each of the brain regions that I've described
367
884654
2169
Varje område i hjärnan som jag har beskrivit
14:46
to you today
368
886823
1306
för er idag
14:48
is present in approximately the same location
369
888129
2767
är närvarande i ungefär samma område
14:50
in every normal subject.
370
890896
1742
hos varje frisk försöksperson.
14:52
I could take any of you,
371
892638
1623
Jag kan ta vem som helst av er,
14:54
pop you in the scanner,
372
894261
1226
lägga er i skannern
14:55
and find each of those regions in your brain,
373
895487
2285
och hitta alla dessa områden i din hjärna
14:57
and it would look a lot like my brain,
374
897772
1905
och det skulle se ut som i min hjärna
14:59
although the regions would be slightly different
375
899677
2070
även om områdena skulle skilja sig något
15:01
in their exact location and in their size.
376
901747
3564
i placering och storlek.
15:05
What's important to me about this work
377
905311
2365
Den största betydelsen för mig när det gäller detta
15:07
is not the particular locations of these brain regions,
378
907676
2969
är inte den exakta placeringen av dessa områden i hjärnan
15:10
but the simple fact that we have
379
910645
2587
utan den enkla vetskapen om att vi har
selektiva och specifika komponenter hos sinnet och hjärnan
15:13
selective, specific components of mind and brain
380
913232
2568
15:15
in the first place.
381
915800
1648
till att börja med.
15:17
I mean, it could have been otherwise.
382
917448
2011
Jag menar, det kunde ha varit tvärtom.
15:19
The brain could have been a single,
383
919459
2441
Hjärnan kunde ha varit en enskild
15:21
general-purpose processor,
384
921900
1495
universalprocessor,
15:23
more like a kitchen knife
385
923395
1472
mer som en kökskniv
15:24
than a Swiss Army knife.
386
924867
1683
än en schweizisk armékniv.
15:26
Instead, what brain imaging has delivered
387
926550
3111
Istället har magnetisk hjärnskanning
15:29
is this rich and interesting picture of the human mind.
388
929661
3846
gett oss denna rika och intressanta bild av det mänskliga sinnet.
15:33
So we have this picture of very general-purpose
389
933507
2463
Vi har bilden av ett väldigt universiellt
15:35
machinery in our heads
390
935970
1070
maskineri i vårt huvud
15:37
in addition to this surprising array
391
937040
2357
tillsammans med en överraskande stor samling
15:39
of very specialized components.
392
939397
3435
av väldigt specialiserade komponenter.
15:43
It's early days in this enterprise.
393
943712
2153
Vi är i startgroparna för detta företag.
15:45
We've painted only the first brushstrokes
394
945865
2776
Vi har endast målat de första penseldragen
15:48
in our neural portrait of the human mind.
395
948641
2927
av vår karta över det mänskliga sinnet.
15:51
The most fundamental questions remain unanswered.
396
951568
3082
De mest fundamentala frågorna förblir obesvarade.
15:54
So for example, what does each of these regions do exactly?
397
954650
3800
Vad exakt gör varje område, till exempel?
15:58
Why do we need three face areas
398
958450
2142
Varför behöver vi tre områden för ansikten
16:00
and three place areas,
399
960592
1465
och tre områden för platser
16:02
and what's the division of labor between them?
400
962057
2868
och hur ser arbetsfördelningen ut mellan dem?
16:04
Second, how are all these things
401
964925
2693
För det andra, hur är alla dessa
16:07
connected in the brain?
402
967618
1712
sammankopplade i hjärnan?
16:09
With diffusion imaging,
403
969330
1587
Med vätskediffusions-MRT
16:10
you can trace bundles of neurons
404
970917
2179
kan vi spåra nervknippen
16:13
that connect to different parts of the brain,
405
973096
2575
som kopplar samman olika delar av hjärnan
16:15
and with this method shown here,
406
975671
1631
och med metoden som visas här
16:17
you can trace the connections of individual neurons in the brain,
407
977302
3697
kan vi spåra kontakten mellan enskilda neuron i hjärnan
16:20
potentially someday giving us a wiring diagram
408
980999
2718
som har potential att en dag ge oss ett kopplingsschema
16:23
of the entire human brain.
409
983717
2066
över hela den mänskliga hjärnan.
16:25
Third, how does all of this
410
985783
2047
För det tredje, hur går det till när denna
16:27
very systematic structure get built,
411
987830
3149
väldigt systematiska struktur bildas
16:30
both over development in childhood
412
990979
2956
både i utvecklingen i barndomen
16:33
and over the evolution of our species?
413
993935
2812
och genom vår arts evolution?
16:36
To address questions like that,
414
996747
1900
För att svara på dessa frågor
16:38
scientists are now scanning
415
998647
1783
använder forskarna skanning av
16:40
other species of animals,
416
1000430
2157
andra djurarter
16:42
and they're also scanning human infants.
417
1002587
5386
och de skannar även spädbarn.
16:48
Many people justify the high cost of neuroscience research
418
1008931
3651
Många rättfärdigar de höga kostnaderna för forskning inom neurovetenskapen
16:52
by pointing out that it may help us someday
419
1012582
2754
genom att peka på möjligheten att det en dag kan hjälpa oss
16:55
to treat brain disorders like Alzheimer's and autism.
420
1015336
3457
att behandla hjärnsjukdomar som Alzheimers och autism.
16:58
That's a hugely important goal,
421
1018793
1947
Det är ett otroligt viktigt mål
17:00
and I'd be thrilled if any of my work contributed to it,
422
1020740
3221
och jag skulle vara överlycklig om min forskning bidrog till det,
17:03
but fixing things that are broken in the world
423
1023961
2998
men att laga det som är sönder i världen
17:06
is not the only thing that's worth doing.
424
1026959
2801
är inte det enda som är värt att göra.
17:09
The effort to understand the human mind and brain
425
1029760
3228
Arbetet med att förstå mänskligt sinne och hjärna
17:12
is worthwhile even if it never led to the treatment
426
1032988
2818
är värt allt arbete även om det aldrig leder till
17:15
of a single disease.
427
1035806
1677
ett botemedel för en enda sjukdom.
17:17
What could be more thrilling
428
1037483
2037
Vad som skulle kunna vara mer spännande
17:19
than to understand the fundamental mechanisms
429
1039520
3141
än att förstå de grundläggande mekanismer
17:22
that underlie human experience,
430
1042661
2296
som ligger till grund för mänskliga upplevelser
17:24
to understand, in essence, who we are?
431
1044957
2926
att förstå vilka vi, i grund och botten, är?
17:27
This is, I think, the greatest scientific quest
432
1047883
3449
Det tycker jag är den största vetenskapliga utmaningen
17:31
of all time.
433
1051332
2713
genom tiderna.
17:34
(Applause)
434
1054045
5470
(Applåder)
Om denna webbplats

På den här webbplatsen hittar du YouTube-videor som är användbara för att lära sig engelska. Du kommer att få se engelska lektioner som ges av förstklassiga lärare från hela världen. Dubbelklicka på de engelska undertexterna som visas på varje videosida för att spela upp videon därifrån. Undertexterna rullar i takt med videouppspelningen. Om du har några kommentarer eller önskemål kan du kontakta oss via detta kontaktformulär.

https://forms.gle/WvT1wiN1qDtmnspy7