Gero Miesenboeck reengineers a brain

52,036 views ・ 2010-11-05

TED


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

Översättare: Björn Fredberg Granskare: Annika Bidner
00:15
I have a doppelganger.
0
15260
3000
Jag har en dubbelgångare.
00:18
(Laughter)
1
18260
3000
(Skratt)
00:21
Dr. Gero is a brilliant
2
21260
3000
Doktor Gero är en strålande
00:24
but slightly mad scientist
3
24260
2000
men något galen vetenskapsman
00:26
in the "Dragonball Z: Android Saga."
4
26260
3000
i animen "Dragonball Z: Android Saga".
00:29
If you look very carefully,
5
29260
2000
Om ni tittar noggrant,
00:31
you see that his skull has been replaced
6
31260
3000
ser ni att hans övre kranium har ersatts
00:34
with a transparent Plexiglas dome
7
34260
2000
med en en genomskinlig plexiglas-kupa
00:36
so that the workings of his brain can be observed
8
36260
3000
så att de inre mekanismerna i hjärnan kan observeras,
00:39
and also controlled with light.
9
39260
3000
och även kontrolleras, med ljus.
00:42
That's exactly what I do --
10
42260
2000
Det är exakt vad jag sysslar med -
00:44
optical mind control.
11
44260
2000
optisk tankekontroll.
00:46
(Laughter)
12
46260
2000
(Skratt)
00:48
But in contrast to my evil twin
13
48260
2000
Men till skillnad från min onda tvilling
00:50
who lusts after world domination,
14
50260
3000
som törstar efter att ta över världen,
00:53
my motives are not sinister.
15
53260
3000
är mina motiv inte lömska.
00:56
I control the brain
16
56260
2000
Jag kontrollerar hjärnan
00:58
in order to understand how it works.
17
58260
2000
för att förstå hur den fungerar.
01:00
Now wait a minute, you may say,
18
60260
2000
Men vänta ett ögonblick, kanske ni säger,
01:02
how can you go straight to controlling the brain
19
62260
3000
hur kan du gå direkt in på att kontrollera hjärnan
01:05
without understanding it first?
20
65260
2000
utan att först förstå den?
01:07
Isn't that putting the cart before the horse?
21
67260
3000
Är det inte att spänna vagnen framför hästarna?
01:11
Many neuroscientists agree with this view
22
71260
3000
Många neurologer håller med om detta synsätt
01:14
and think that understanding will come
23
74260
3000
och anser att förståelse kommer
01:17
from more detailed observation and analysis.
24
77260
3000
från mer detaljerad observation och analys.
01:20
They say, "If we could record the activity of our neurons,
25
80260
4000
De säger att, "Om vi kunde spela in aktiviteten i våra neuroner,
01:24
we would understand the brain."
26
84260
3000
skulle vi förstå hjärnan".
01:27
But think for a moment what that means.
27
87260
3000
Men tänk efter ett ögonblick på vad det betyder.
01:30
Even if we could measure
28
90260
2000
Även om vi kunde mäta
01:32
what every cell is doing at all times,
29
92260
2000
vad varje cell gör i varje givet ögonblick,
01:34
we would still have to make sense
30
94260
2000
måste vi fortfarande få ordning på
01:36
of the recorded activity patterns,
31
96260
2000
mönstret i den inspelade aktiviteten,
01:38
and that's so difficult,
32
98260
2000
och det är så svårt,
01:40
chances are we'll understand these patterns
33
100260
2000
risken är att vi kommer förstå precis lika lite av dessa mönster
01:42
just as little as the brains that produce them.
34
102260
3000
som hjärnan som producerar dem.
01:45
Take a look at what brain activity might look like.
35
105260
3000
Ta en titt på vad hjärnaktivitet
kan se ut som.
01:48
In this simulation, each black dot
36
108260
2000
I denna simulering representerar varje svart prick
01:50
is one nerve cell.
37
110260
2000
en enda nervcell.
01:52
The dot is visible
38
112260
2000
Pricken är synlig
01:54
whenever a cell fires an electrical impulse.
39
114260
2000
när en cell avfyrar en elektrisk impuls.
01:56
There's 10,000 neurons here.
40
116260
2000
Det är 10 000 neuroner på den här bilden.
01:58
So you're looking at roughly one percent
41
118260
2000
Så ni tittar på i runda slängar en procent
02:00
of the brain of a cockroach.
42
120260
3000
av hjärnaktiviteten hos en kackerlacka.
02:04
Your brains are about 100 million times
43
124260
3000
Era egna hjärnor är omkring 100 miljoner gånger
02:07
more complicated.
44
127260
2000
mer komplexa.
02:09
Somewhere, in a pattern like this,
45
129260
2000
Någonstans, i ett mönster som detta,
02:11
is you,
46
131260
2000
finns du,
02:13
your perceptions,
47
133260
2000
dina uppfattningar,
02:15
your emotions, your memories,
48
135260
3000
dina känslor, dina minnen,
02:18
your plans for the future.
49
138260
2000
dina planer för framtiden.
02:20
But we don't know where,
50
140260
2000
Men vi vet inte var,
02:22
since we don't know how to read the pattern.
51
142260
3000
eftersom vi inte vet hur vi ska läsa av dessa mönster.
02:25
We don't understand the code used by the brain.
52
145260
3000
Vi förstår inte koden som hjärnan använder.
02:28
To make progress,
53
148260
2000
För att ta oss framåt,
02:30
we need to break the code.
54
150260
2000
måste vi knäcka koden.
02:32
But how?
55
152260
2000
Men hur?
Erfarna dechiffrerare skulle säga
02:35
An experienced code-breaker will tell you
56
155260
2000
02:37
that in order to figure out what the symbols in a code mean,
57
157260
3000
att för att kunna förstå vad symbolerna i en kod betyder,
02:40
it's essential to be able to play with them,
58
160260
3000
är det grundläggande att ha möjlighet att leka med dem,
02:43
to rearrange them at will.
59
163260
2000
att arrangera om dem efter egna önskemål.
02:45
So in this situation too,
60
165260
2000
Så även i denna situation,
02:47
to decode the information
61
167260
2000
för att avkoda informationen
02:49
contained in patterns like this,
62
169260
2000
som ett sånt här mönstret innehåller,
02:51
watching alone won't do.
63
171260
2000
kommer det inte räcka att enbart se på det.
02:53
We need to rearrange the pattern.
64
173260
2000
Vi måste arrangera om mönstret.
02:55
In other words,
65
175260
2000
Med andra ord,
02:57
instead of recording the activity of neurons,
66
177260
2000
istället för att spela in neuronernas aktivitet,
02:59
we need to control it.
67
179260
2000
måste vi kontrollera den.
03:01
It's not essential that we can control
68
181260
2000
Det är inte nödvändigt att vi kontrollerar
03:03
the activity of all neurons in the brain, just some.
69
183260
3000
samtliga neuroners aktivitet i hjärnan, endast några.
03:06
The more targeted our interventions, the better.
70
186260
2000
Ju mer inriktad interventionen är,
desto bättre.
03:08
And I'll show you in a moment
71
188260
2000
Jag kommer strax visa er
03:10
how we can achieve the necessary precision.
72
190260
3000
hur vi kan uppnå den nödvändiga precisionen.
03:13
And since I'm realistic, rather than grandiose,
73
193260
3000
Och eftersom jag är realist, snarare än storslagen,
kommer jag inte hävda att förmågan att kontrollera
03:16
I don't claim that the ability to control the function of the nervous system
74
196260
3000
funktionen hos nervsystemet
03:19
will at once unravel all its mysteries.
75
199260
3000
kommer att avslöja alla dess hemligheter.
03:22
But we'll certainly learn a lot.
76
202260
3000
Men vi kommer sannerligen lära oss en hel del.
03:27
Now, I'm by no means
77
207260
2000
Men, jag är inte på långa vägar
03:29
the first person to realize
78
209260
2000
den första personen som inser
03:31
how powerful a tool intervention is.
79
211260
3000
vilket kraftfullt verktyg intervention är.
03:34
The history of attempts
80
214260
2000
Försöken att manipulera
03:36
to tinker with the function of the nervous system
81
216260
2000
funktionen hos nervsystemet
03:38
is long and illustrious.
82
218260
2000
har en lång och berömd historia.
03:40
It dates back at least 200 years,
83
220260
3000
Den börjar för åtminstone 200 år sedan,
03:43
to Galvani's famous experiments
84
223260
2000
i Galvanis kända experiment
03:45
in the late 18th century and beyond.
85
225260
3000
under sent 1700-tal och framåt.
03:49
Galvani showed that a frog's legs twitched
86
229260
3000
Galvani visade att en grodas ben ryckte
03:52
when he connected the lumbar nerve
87
232260
2000
när han anslöt nerverna i ländryggen
03:54
to a source of electrical current.
88
234260
3000
till en elektrisk strömkälla.
03:57
This experiment revealed the first, and perhaps most fundamental,
89
237260
3000
Detta experiment avslöjade den första och kanske mest grundläggande
04:00
nugget of the neural code:
90
240260
2000
byggstenen hos den neurologiska koden:
04:02
that information is written in the form
91
242260
2000
att information skrivs
04:04
of electrical impulses.
92
244260
3000
i form av elektriska impulser.
04:08
Galvani's approach
93
248260
2000
Galvanis metod
04:10
of probing the nervous system with electrodes
94
250260
2000
av att sondera nervsystemet med elektroder
04:12
has remained state-of-the-art until today,
95
252260
3000
har fortsatt vara spjutspetsteknologi fram till våra dagar,
04:15
despite a number of drawbacks.
96
255260
3000
trots ett antal bakslag.
04:18
Sticking wires into the brain is obviously rather crude.
97
258260
3000
Att sticka in trådar i hjärnan är självklart en ganska grov metod.
04:21
It's hard to do in animals that run around,
98
261260
2000
Det är svårt att göra på djur som rör på sig,
04:23
and there is a physical limit
99
263260
2000
och det finns en fysisk gräns
04:25
to the number of wires
100
265260
2000
för hur många trådar
04:27
that can be inserted simultaneously.
101
267260
3000
som kan stickas in samtidigt.
04:30
So around the turn of the last century,
102
270260
2000
Så vid omkring det senaste sekelskiftet
04:32
I started to think,
103
272260
2000
började jag tänka,
04:34
"Wouldn't it be wonderful if one could take this logic
104
274260
3000
"Hade det inte varit fantastiskt om man kunde ta denna logik
04:37
and turn it upside down?"
105
277260
2000
och vända upp och ner på den?"
04:39
So instead of inserting a wire
106
279260
2000
Så istället för att sticka in en tråd
04:41
into one spot of the brain,
107
281260
3000
på en punkt i hjärnan,
04:44
re-engineer the brain itself
108
284260
2000
skulle man omarbeta själva hjärnan
04:46
so that some of its neural elements
109
286260
3000
så att några av dess neurologiska element
04:49
become responsive to diffusely broadcast signals
110
289260
3000
blev mottagliga för diffust utsända signaler
04:52
such as a flash of light.
111
292260
3000
som exempelvis en ljusblixt.
04:55
Such an approach would literally, in a flash of light,
112
295260
3000
Ett sånt tillvägagångssätt skulle bokstavligen, som en blixt,
04:58
overcome many of the obstacles to discovery.
113
298260
3000
övervinna många av de hinder som finns för ytterligare upptäckter.
05:01
First, it's clearly a non-invasive,
114
301260
3000
Först och främst är det en icke-invasiv
05:04
wireless form of communication.
115
304260
3000
trådlös form av kommunikation.
05:07
And second, just as in a radio broadcast,
116
307260
2000
Och för det andra, precis som vid en radioutsändning,
05:09
you can communicate with many receivers at once.
117
309260
3000
kan man kommunicera med många mottagare samtidigt.
05:12
You don't need to know where these receivers are,
118
312260
3000
Man måste inte veta var dessa mottagare finns,
05:15
and it doesn't matter if these receivers move --
119
315260
2000
och det spelar ingen roll om mottagarna rör på sig --
05:17
just think of the stereo in your car.
120
317260
3000
jämför det exempelvis med radion i din bil.
05:20
It gets even better,
121
320260
3000
Det blir ännu bättre,
05:23
for it turns out that we can fabricate the receivers
122
323260
3000
för det visade sig att vi kan tillverka mottagarna
05:26
out of materials that are encoded in DNA.
123
326260
3000
i material som är kodade i DNA.
05:29
So each nerve cell
124
329260
2000
Så varje nervcell
05:31
with the right genetic makeup
125
331260
2000
med rätt genetiska uppbyggnad
05:33
will spontaneously produce a receiver
126
333260
3000
kommer spontant att producera en mottagare
05:36
that allows us to control its function.
127
336260
3000
som låter oss kontrollera dess funktion.
05:39
I hope you'll appreciate
128
339260
2000
Jag hoppas att ni kommer uppskatta
05:41
the beautiful simplicity
129
341260
2000
den vackra enkelheten
05:43
of this concept.
130
343260
2000
i detta koncept.
Det finns inga tekniska manicker här,
05:45
There's no high-tech gizmos here,
131
345260
2000
05:47
just biology revealed through biology.
132
347260
3000
bara biologi som visar sig genom biologi.
05:51
Now let's take a look at these miraculous receivers up close.
133
351260
3000
Men låt oss ta en närmare titt på dessa mirakulösa mottagare.
05:54
As we zoom in on one of these purple neurons,
134
354260
3000
När vi zoomar in på en av dessa lila neuroner
05:57
we see that its outer membrane
135
357260
2000
kan vi se dess yttre membran
05:59
is studded with microscopic pores.
136
359260
2000
är översållat med mikroskopiska porer.
06:01
Pores like these conduct electrical current
137
361260
2000
Porer som dessa leder elektrisk ström
06:03
and are responsible
138
363260
2000
och är ansvariga
06:05
for all the communication in the nervous system.
139
365260
2000
för all kommunikation i nervsystemet.
06:07
But these pores here are special.
140
367260
2000
Men dessa porer är speciella.
06:09
They are coupled to light receptors
141
369260
2000
De är sammankopplade med ljusreceptorer
06:11
similar to the ones in your eyes.
142
371260
3000
liknande de som finns i era ögon.
06:14
Whenever a flash of light hits the receptor,
143
374260
2000
När en ljusblixt träffar receptorerna,
06:16
the pore opens, an electrical current is switched on,
144
376260
3000
öppnas porerna, en elektrisk ström slås på,
06:19
and the neuron fires electrical impulses.
145
379260
3000
och neuronen avfyrar elektriska impulser.
06:22
Because the light-activated pore is encoded in DNA,
146
382260
3000
Eftersom de ljusaktiverade porerna är kodade i DNA,
06:25
we can achieve incredible precision.
147
385260
3000
kan vi uppnå otrolig precision.
06:28
This is because,
148
388260
2000
Det beror på att,
06:30
although each cell in our bodies
149
390260
2000
fastän varje cell i våra kroppar
06:32
contains the same set of genes,
150
392260
2000
innehåller samma uppsättning gener,
06:34
different mixes of genes get turned on and off
151
394260
2000
kan olika blandningar av gener bli på- och avslagna
06:36
in different cells.
152
396260
2000
i olika celler.
06:38
You can exploit this to make sure
153
398260
2000
Man kan utnyttja detta för att säkerställa
06:40
that only some neurons
154
400260
2000
att endast ett antal neuroner
06:42
contain our light-activated pore and others don't.
155
402260
3000
innehåller våra ljusaktiverade porer och andra inte gör det.
06:45
So in this cartoon, the bluish white cell
156
405260
2000
Så i denna animation reagerar den blåaktigt vita cellen
06:47
in the upper-left corner
157
407260
2000
i övre vänstra hörnet inte på ljus
06:49
does not respond to light
158
409260
2000
eftersom den saknar de ljuskänsliga porerna.
06:51
because it lacks the light-activated pore.
159
411260
3000
06:54
The approach works so well
160
414260
2000
Detta tillvägagångssätt fungerar bra
06:56
that we can write purely artificial messages
161
416260
2000
för att skriva helt artificiella meddelanden
06:58
directly to the brain.
162
418260
2000
direkt till hjärnan.
07:00
In this example, each electrical impulse,
163
420260
2000
I detta exempel är varje elektrisk impuls,
07:02
each deflection on the trace,
164
422260
3000
varje avvikelse i utskriften
07:05
is caused by a brief pulse of light.
165
425260
3000
orsakad av en kort ljuspuls.
07:08
And the approach, of course, also works
166
428260
2000
Och detta tillvägagångssätt fungerar självklart
07:10
in moving, behaving animals.
167
430260
3000
även på djur i rörelse eller annat naturligt beteende.
07:13
This is the first ever such experiment,
168
433260
2000
Det här är det allra första experimentet,
07:15
sort of the optical equivalent of Galvani's.
169
435260
3000
på sätt och vis
den optiska motsvarigheten till Galvanis.
07:18
It was done six or seven years ago
170
438260
2000
Det gjordes sju eller åtta år sedan
07:20
by my then graduate student, Susana Lima.
171
440260
3000
av en av mina doktorander, Susana Lima.
07:23
Susana had engineered the fruit fly on the left
172
443260
3000
Susana hade omarbetat bananflugan till vänster
07:26
so that just two out of the 200,000 cells in its brain
173
446260
4000
så att endast två av de 200 000 cellerna i hjärnan
07:30
expressed the light-activated pore.
174
450260
3000
hade de ljuskänsliga porerna.
07:33
You're familiar with these cells
175
453260
2000
Du känner till dessa celler
07:35
because they are the ones that frustrate you
176
455260
2000
eftersom de är de som gör dig frustrerad
07:37
when you try to swat the fly.
177
457260
2000
när du försöker slå till flugan.
07:39
They trained the escape reflex that makes the fly jump into the air
178
459260
3000
De tränade upp flyktreflexen som får den att hoppa upp i luften
07:42
and fly away whenever you move your hand in position.
179
462260
3000
och flyga iväg när du förflyttar din hand till en position för att slå.
07:46
And you can see here that the flash of light has exactly the same effect.
180
466260
3000
Och ni kan se här att ljusblixten har precis samma effekt.
07:49
The animal jumps, it spreads its wings, it vibrates them,
181
469260
3000
När djuret hoppar, sträcker den ut sina vingar,
den vibrerar dem, men kan faktiskt inte lyfta
07:52
but it can't actually take off
182
472260
2000
07:54
because the fly is sandwiched between two glass plates.
183
474260
3000
eftersom flugan är inklämd mellan två glasplattor.
07:58
Now to make sure that this was no reaction of the fly
184
478260
2000
Men för att säkerställa att det här inte var en reaktion hos flugan
08:00
to a flash it could see,
185
480260
3000
till ett ljus som den såg med ögonen,
08:03
Susana did a simple
186
483260
2000
använde Susana en simpel
08:05
but brutally effective experiment.
187
485260
2000
men brutalt effektiv experimentmetod.
08:07
She cut the heads off of her flies.
188
487260
3000
Hon skar av huvudet på sina flugor.
08:11
These headless bodies can live for about a day,
189
491260
3000
Dessa huvudlösa kroppar kan överleva i ungefär en dag,
08:14
but they don't do much.
190
494260
2000
men de gör inte mycket.
08:16
They just stand around
191
496260
3000
De bara står still
08:19
and groom excessively.
192
499260
3000
och putsar sig överdrivet mycket.
Så det verkar som att det enda karaktärsdrag
08:22
So it seems that the only trait that survives decapitation is vanity.
193
502260
3000
som överlever halshuggning är fåfänga.
08:25
(Laughter)
194
505260
3000
(Skratt)
08:30
Anyway, as you'll see in a moment,
195
510260
2000
Nåja, som ni kommer se snart,
08:32
Susana was able to turn on the flight motor
196
512260
3000
lyckades Susana stänga av flygstyrningen
08:35
of what's the equivalent of the spinal cord of these flies
197
515260
3000
i vad som är motsvarigheten till ryggraden i dessa flugor
08:38
and get some of the headless bodies
198
518260
2000
och därmed få några av de huvudlösa kropparna
08:40
to actually take off and fly away.
199
520260
3000
att faktiskt lyfta och flyga iväg.
08:47
They didn't get very far, obviously.
200
527260
2000
De kom dock inte så långt, såklart.
08:50
Since we took these first steps,
201
530260
2000
Sedan vi tog dessa första trevande steg,
08:52
the field of optogenetics has exploded.
202
532260
3000
har optogenetik som akademiskt område fullkomligt exploderat.
08:55
And there are now hundreds of labs
203
535260
2000
Det finns idag hundratals laboratorium
08:57
using these approaches.
204
537260
2000
som använder detta tillvägagångssätt.
08:59
And we've come a long way
205
539260
2000
Och vi har kommit långt sedan Galvanis
09:01
since Galvani's and Susana's first successes
206
541260
3000
och Susanas första framgångar
09:04
in making animals twitch or jump.
207
544260
2000
i att få djur att rycka till eller hoppa.
09:06
We can now actually interfere with their psychology
208
546260
3000
Vi kan nu faktiskt påverka deras psykologi
09:09
in rather profound ways,
209
549260
2000
på rätt omfattande vis,
09:11
as I'll show you in my last example,
210
551260
2000
som jag kommer visa er i mitt sista exempel,
09:13
which is directed at a familiar question.
211
553260
3000
som är inriktat på en välkänd fråga.
09:16
Life is a string of choices
212
556260
3000
Livet består av en rad val
09:19
creating a constant pressure to decide what to do next.
213
559260
3000
vilket skapar en konstant press att bestämma vad man ska göra härnäst.
09:23
We cope with this pressure by having brains,
214
563260
3000
Vi uthärdar denna press genom att ha hjärnor,
09:26
and within our brains, decision-making centers
215
566260
3000
och inom våra hjärnor, finns beslutsfattande centra
09:29
that I've called here the "Actor."
216
569260
3000
som jag valt att kalla för "Aktören".
09:33
The Actor implements a policy that takes into account
217
573260
3000
I Aktören inrättas en policy som tar hänsyn till
09:36
the state of the environment
218
576260
2000
vilket tillstånd omgivningen har
09:38
and the context in which we operate.
219
578260
3000
och kontexten inom vilken vi agerar.
09:41
Our actions change the environment, or context,
220
581260
3000
Våra handlingar förändrar omgivningen,
eller kontexten, och dessa förändringar
09:44
and these changes are then fed back into the decision loop.
221
584260
3000
matas då tillbaka in i beslutsprocessen.
09:48
Now to put some neurobiological meat
222
588260
3000
Men för att ge lite neurologisk tyngd
09:51
on this abstract model,
223
591260
2000
till denna abstrakta modell,
09:53
we constructed a simple one-dimensional world
224
593260
2000
konstruerade vi en enkel endimensionell värld
09:55
for our favorite subject, fruit flies.
225
595260
3000
för våra favoritförsöksdjur, bananflugorna.
09:58
Each chamber in these two vertical stacks
226
598260
2000
Varje kammare i dessa två vertikala staplar
10:00
contains one fly.
227
600260
2000
innehåller en fluga.
10:02
The left and the right halves of the chamber
228
602260
3000
I de vänstra och högre halvorna av kammaren
10:05
are filled with two different odors,
229
605260
2000
finns två olika luktämnen,
10:07
and a security camera watches
230
607260
2000
och en övervakningskamera registrerar
10:09
as the flies pace up and down between them.
231
609260
3000
hur flugorna rör sig fram och tillbaka mellan halvorna.
10:12
Here's some such CCTV footage.
232
612260
2000
Här ser ni lite inspelat material.
10:14
Whenever a fly reaches the midpoint of the chamber
233
614260
3000
När en fluga rör sig över mittpunkten i kammaren
10:17
where the two odor streams meet,
234
617260
2000
där de två strömmarna av luktämnen möts,
10:19
it has to make a decision.
235
619260
2000
måste den ta ett beslut.
10:21
It has to decide whether to turn around
236
621260
2000
Den måste bestämma om den ska vända sig om
10:23
and stay in the same odor,
237
623260
2000
och stanna i samma lukt,
10:25
or whether to cross the midline
238
625260
2000
eller om den ska korsa mittlinjen
10:27
and try something new.
239
627260
2000
och försöka något nytt.
10:29
These decisions are clearly a reflection
240
629260
3000
Dessa val är tydligt en återspegling
10:32
of the Actor's policy.
241
632260
3000
av Aktörens policy.
10:36
Now for an intelligent being like our fly,
242
636260
3000
Men för en smart varelse som vår fluga
10:39
this policy is not written in stone
243
639260
3000
är denna policy inte skriven i sten,
10:42
but rather changes as the animal learns from experience.
244
642260
3000
utan förändras i takt med att djuret lär sig genom erfarenhet.
10:45
We can incorporate such an element
245
645260
2000
Vi kan ta med ett sådant element
10:47
of adaptive intelligence into our model
246
647260
3000
av adaptiv intelligens i vår modell
10:50
by assuming that the fly's brain
247
650260
2000
genom att anta att flugans hjärna
10:52
contains not only an Actor,
248
652260
2000
innehåller inte bara en Aktör,
10:54
but a different group of cells,
249
654260
2000
utan också en annan grupp hjärnceller,
10:56
a "Critic," that provides a running commentary
250
656260
3000
en "Kritiker", som ger löpande kommentarer
10:59
on the Actor's choices.
251
659260
2000
om Aktörens val.
11:01
You can think of this nagging inner voice
252
661260
3000
Du kan tänka på denna inre gnatande röst
11:04
as sort of the brain's equivalent
253
664260
2000
som en sorts hjärnans motsvarighet
11:06
of the Catholic Church,
254
666260
2000
till Katolska kyrkan,
11:08
if you're an Austrian like me,
255
668260
3000
om du är österrikare som jag,
11:11
or the super-ego, if you're Freudian,
256
671260
3000
eller överjaget, om du är Freudian,
11:14
or your mother, if you're Jewish.
257
674260
2000
eller din moder, om du är jude.
11:16
(Laughter)
258
676260
4000
(Skratt)
11:20
Now obviously,
259
680260
2000
Men uppenbarligen,
11:22
the Critic is a key ingredient
260
682260
3000
är Kritikern en nyckelingrediens
11:25
in what makes us intelligent.
261
685260
2000
i det som gör oss intelligenta.
11:27
So we set out to identify
262
687260
2000
Så vi inriktar oss på att identifiera
11:29
the cells in the fly's brain
263
689260
2000
de hjärnceller i flugans hjärna
11:31
that played the role of the Critic.
264
691260
2000
som spelar Kritikerns roll.
11:33
And the logic of our experiment was simple.
265
693260
3000
Och logiken i vårt experiment är enkel.
11:36
We thought if we could use our optical remote control
266
696260
3000
Vi trodde att om vi kunde använda vår optiska fjärrkontroll
11:39
to activate the cells of the Critic,
267
699260
3000
för att aktivera de celler som innehåller Kritikern,
11:42
we should be able, artificially, to nag the Actor
268
702260
3000
borde vi på konstgjord väg kunna gnata på Aktören
11:45
into changing its policy.
269
705260
2000
för att förändra dess policy.
11:47
In other words,
270
707260
2000
Med andra ord,
flugan borde lära sig från misstag
11:49
the fly should learn from mistakes
271
709260
2000
11:51
that it thought it had made
272
711260
2000
som den trodde att den hade gjort
11:53
but, in reality, it had not made.
273
713260
3000
men som den inte hade begått i verkligheten.
11:56
So we bred flies
274
716260
2000
Så vi födde upp flugor vars hjärnor var
11:58
whose brains were more or less randomly peppered
275
718260
3000
mer eller mindre slumpmässigt översållade
12:01
with cells that were light addressable.
276
721260
2000
med celler som var ljuskänsliga.
12:03
And then we took these flies
277
723260
2000
Och sedan tog vi dessa flugor
12:05
and allowed them to make choices.
278
725260
2000
och tillät dem att göra val.
12:07
And whenever they made one of the two choices,
279
727260
2000
Och när de gjorde ett av två val,
12:09
chose one odor,
280
729260
2000
valde ett luktämne,
12:11
in this case the blue one over the orange one,
281
731260
2000
i detta fall det blå över det orange,
12:13
we switched on the lights.
282
733260
2000
så slog vi på lamporna.
12:15
If the Critic was among the optically activated cells,
283
735260
3000
Om Kritikern fanns med bland de optiskt aktiverade cellerna,
12:18
the result of this intervention
284
738260
2000
så skulle resultatet av denna intervention bli
12:20
should be a change in policy.
285
740260
3000
att den förändrade sin beteendepolicy.
12:23
The fly should learn to avoid
286
743260
2000
Flugan skulle lära sig att undvika
12:25
the optically reinforced odor.
287
745260
2000
den optiskt förstärkta lukten.
12:27
Here's what happened in two instances:
288
747260
3000
Här är vad som hände i två fall:
12:30
We're comparing two strains of flies,
289
750260
3000
Vi jämför två stammar av flugor,
12:33
each of them having
290
753260
2000
var och en av dem med cirka 100 ljuskänsliga celler
12:35
about 100 light-addressable cells in their brains,
291
755260
2000
i sina hjärnor,
12:37
shown here in green on the left and on the right.
292
757260
3000
de syns i grönt till vänster och höger.
12:40
What's common among these groups of cells
293
760260
3000
Det som är gemensamt bland dessa grupper av celler
12:43
is that they all produce the neurotransmitter dopamine.
294
763260
3000
är att de alla producerar signalsubstansen dopamin.
12:46
But the identities of the individual
295
766260
2000
Men identiteten hos de individuella
12:48
dopamine-producing neurons
296
768260
2000
dopamin-producerande neuronerna
12:50
are clearly largely different on the left and on the right.
297
770260
3000
är klart olika till vänster och höger.
12:53
Optically activating
298
773260
2000
Att optiskt aktivera
12:55
these hundred or so cells
299
775260
2000
dessa omkring hundra celler
12:57
into two strains of flies
300
777260
2000
i dessa två stammar av flugor
12:59
has dramatically different consequences.
301
779260
2000
har dramatiskt skilda konsekvenser.
13:01
If you look first at the behavior
302
781260
2000
Om ni först tar en titt på beteendet
13:03
of the fly on the right,
303
783260
2000
hos flugan till höger,
13:05
you can see that whenever it reaches the midpoint of the chamber
304
785260
3000
kan ni se att när den når mittpunkten i kammaren
13:08
where the two odors meet,
305
788260
2000
där de två luktämnena möts,
13:10
it marches straight through, as it did before.
306
790260
3000
fortsätter den rakt genom, som den gjorde tidigare.
13:13
Its behavior is completely unchanged.
307
793260
2000
Dess beteende är fullständigt oförändrat.
13:15
But the behavior of the fly on the left is very different.
308
795260
3000
Men beteendet hos flugan till vänster är helt annorlunda.
13:18
Whenever it comes up to the midpoint,
309
798260
3000
När den kommer fram till mittpunkten,
13:21
it pauses,
310
801260
2000
stannar den upp,
13:23
it carefully scans the odor interface
311
803260
2000
den undersöker noggrant luktgränssnittet
13:25
as if it was sniffing out its environment,
312
805260
2000
som om den sniffade av sin omgivning,
13:27
and then it turns around.
313
807260
2000
och vänder sedan om.
13:29
This means that the policy that the Actor implements
314
809260
3000
Det betyder att policyn som Aktören inrättat
13:32
now includes an instruction to avoid the odor
315
812260
2000
nu även inkluderar en instruktion att undvika den lukt
13:34
that's in the right half of the chamber.
316
814260
3000
som finns i den högre halvan av kammaren.
13:37
This means that the Critic
317
817260
2000
Det betyder att Kritikern
måste ha uttalat sig hos detta djur,
13:39
must have spoken in that animal,
318
819260
2000
och att Kritikern måste ha funnits
13:41
and that the Critic must be contained
319
821260
2000
13:43
among the dopamine-producing neurons on the left,
320
823260
3000
bland de dopamin-producerande neuronerna på vänstra sidan, men inte
13:46
but not among the dopamine producing neurons on the right.
321
826260
3000
bland de dopamin-producerande neuronerna till höger.
13:49
Through many such experiments,
322
829260
3000
Genom många sådana experiment,
13:52
we were able to narrow down
323
832260
2000
hade vi möjlighet att spåra Kritikerns ursprung
13:54
the identity of the Critic
324
834260
2000
13:56
to just 12 cells.
325
836260
2000
till endast 12 hjärnceller.
13:58
These 12 cells, as shown here in green,
326
838260
3000
Dessa 12 celler, som visas här i grönt,
14:01
send the output to a brain structure
327
841260
2000
skickar ut signaler till hjärnstrukturen
14:03
called the "mushroom body,"
328
843260
2000
som kallas "svampkroppen",
14:05
which is shown here in gray.
329
845260
2000
vilket här visas i grått.
14:07
We know from our formal model
330
847260
2000
Vi vet från vår tidigare modell
14:09
that the brain structure
331
849260
2000
att i hjärnstrukturen
14:11
at the receiving end of the Critic's commentary is the Actor.
332
851260
3000
är Aktören mottagare av Kritikerns kommentarer.
14:14
So this anatomy suggests
333
854260
2000
Så denna anatomi föreslår
14:16
that the mushroom bodies have something to do
334
856260
3000
att svampkropparna har någonting att göra med
14:19
with action choice.
335
859260
2000
val av handling.
14:21
Based on everything we know about the mushroom bodies,
336
861260
2000
Baserat på allt vi tidigare vet om svampkropparna,
14:23
this makes perfect sense.
337
863260
2000
verkar detta fullständigt rimligt.
14:25
In fact, it makes so much sense
338
865260
2000
Faktum är, det verkar så rimligt
14:27
that we can construct an electronic toy circuit
339
867260
3000
att vi kan konstruera en elektronisk modellkrets
14:30
that simulates the behavior of the fly.
340
870260
3000
som simulerar beteendet hos flugan.
14:33
In this electronic toy circuit,
341
873260
3000
I denna elektroniska modellkrets,
14:36
the mushroom body neurons are symbolized
342
876260
2000
symboliseras svampkroppsneuronerna
14:38
by the vertical bank of blue LEDs
343
878260
3000
av den vertikala rad av blå LED-lampor
14:41
in the center of the board.
344
881260
3000
som finns i mitten av kretskortet.
14:44
These LED's are wired to sensors
345
884260
2000
Dessa LED-lampor är kopplade till sensorer
14:46
that detect the presence of odorous molecules in the air.
346
886260
3000
som upptäcker närvaron av luktmolekyler i luften.
14:50
Each odor activates a different combination of sensors,
347
890260
3000
Varje luktämne aktiverar olika kombinationer av sensorer,
14:53
which in turn activates
348
893260
2000
vilket i sin tur aktiverar
14:55
a different odor detector in the mushroom body.
349
895260
3000
en annan luktsensor i svampkroppen.
14:58
So the pilot in the cockpit of the fly,
350
898260
2000
Så piloten i cockpit på flugan,
15:00
the Actor,
351
900260
2000
Aktören,
15:02
can tell which odor is present
352
902260
2000
kan avgöra vilken lukt som är närvarande
15:04
simply by looking at which of the blue LEDs lights up.
353
904260
4000
helt enkelt genom att se efter vilka blå LED som tänds.
15:09
What the Actor does with this information
354
909260
2000
Vad Aktören gör med denna information
15:11
depends on its policy,
355
911260
2000
beror på dess policy,
15:13
which is stored in the strengths of the connection,
356
913260
2000
vilken är lagrad i styrkan hos kopplingen,
15:15
between the odor detectors
357
915260
2000
mellan de luktsensorer
15:17
and the motors
358
917260
2000
och motorer
15:19
that power the fly's evasive actions.
359
919260
2000
som styr flugans undflyende handlingar.
15:22
If the connection is weak, the motors will stay off
360
922260
2000
Om kopplingen är svag, förblir motorerna avslagna
15:24
and the fly will continue straight on its course.
361
924260
3000
och flugan kommer fortsätta rakt på samma kurs.
15:27
If the connection is strong, the motors will turn on
362
927260
3000
Om kopplingen är stark, kommer motorerna att slås på
15:30
and the fly will initiate a turn.
363
930260
3000
och flugan kommer påbörja en gir.
15:33
Now consider a situation
364
933260
2000
Men föreställ er en situation
15:35
in which the motors stay off,
365
935260
2000
i vilken motorerna fortsätter vara av,
15:37
the fly continues on its path
366
937260
3000
flugan fortsätter rakt fram
15:40
and it suffers some painful consequence
367
940260
2000
vilket får smärtsamma följder
15:42
such as getting zapped.
368
942260
2000
som till exempelvis att bli bränd.
15:44
In a situation like this,
369
944260
2000
I en sådan situation,
15:46
we would expect the Critic to speak up
370
946260
2000
så förväntar man sig att Kritikern kommer att säga ifrån
15:48
and to tell the Actor
371
948260
2000
och säga åt Aktören
15:50
to change its policy.
372
950260
2000
att förändra sin policy.
15:52
We have created such a situation, artificially,
373
952260
3000
Vi har skapat en sådan situation på konstgjord väg
15:55
by turning on the critic with a flash of light.
374
955260
3000
genom att slå på Kritikern med en ljusblixt.
15:58
That caused a strengthening of the connections
375
958260
3000
Detta orsakar en förstärkning i de kopplingar
16:01
between the currently active odor detector
376
961260
3000
som finns mellan
den för tillfället aktiverade luktsensorn
16:04
and the motors.
377
964260
2000
och motorerna.
16:06
So the next time
378
966260
2000
Så nästa gång
flugan ställs inför samma luktämne igen,
16:08
the fly finds itself facing the same odor again,
379
968260
3000
16:11
the connection is strong enough to turn on the motors
380
971260
3000
kommer kopplingen vara stark nog för att slå på motorerna
16:14
and to trigger an evasive maneuver.
381
974260
3000
och utlösa en undvikande manöver.
16:19
I don't know about you,
382
979260
3000
Jag vet inte hur ni känner,
16:22
but I find it exhilarating to see
383
982260
3000
men jag finner det uppiggande att se
16:25
how vague psychological notions
384
985260
3000
hur vaga föreställningar om psykologi
16:28
evaporate and give rise
385
988260
2000
försvinner och ger plats
16:30
to a physical, mechanistic understanding of the mind,
386
990260
3000
för en fysisk, mekanisk förståelse av sinnet,
16:33
even if it's the mind of the fly.
387
993260
3000
även om det är sinnet hos en fluga.
16:36
This is one piece of good news.
388
996260
3000
Det här är en god nyhet.
16:39
The other piece of good news,
389
999260
2000
Den andra goda nyheten,
16:41
for a scientist at least,
390
1001260
2000
för forskare åtminstone,
16:43
is that much remains to be discovered.
391
1003260
3000
är att mycket kvarstår att utforska.
16:46
In the experiments I told you about,
392
1006260
2000
I experimenten som jag berättat om för er,
16:48
we have lifted the identity of the Critic,
393
1008260
3000
har vi lyft fram Kritikerns identitet,
16:51
but we still have no idea
394
1011260
2000
men vi har fortfarande ingen aning
16:53
how the Critic does its job.
395
1013260
2000
om hur Kritikern utför sitt jobb.
16:55
Come to think of it, knowing when you're wrong
396
1015260
2000
På tal om det, att veta när man har fel
16:57
without a teacher, or your mother, telling you,
397
1017260
3000
utan en lärare eller din mor som rättar dig
17:00
is a very hard problem.
398
1020260
2000
är ett väldigt svårt problem.
17:02
There are some ideas in computer science
399
1022260
2000
Det finns idéer inom datavetenskapen
17:04
and in artificial intelligence
400
1024260
2000
och inom artificiell intelligens
17:06
as to how this might be done,
401
1026260
2000
om hur detta skulle kunna tänkas göras,
17:08
but we still haven't solved
402
1028260
2000
men vi har fortfarande inte lösningen
17:10
a single example
403
1030260
2000
på ett enda exempel
17:12
of how intelligent behavior
404
1032260
3000
av hur intelligent beteende
17:15
springs from the physical interactions
405
1035260
2000
träder fram ur fysiska interaktioner
17:17
in living matter.
406
1037260
2000
hos levande materia.
17:19
I think we'll get there in the not too distant future.
407
1039260
3000
Jag tror att vi kommer dit inom en inte allt för avlägsen framtid.
17:22
Thank you.
408
1042260
2000
Tack så mycket.
17:24
(Applause)
409
1044260
4000
(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