Pawan Sinha on how brains learn to see

64,774 views ・ 2010-02-25

TED


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

Översättare: Shahnaz Moussavian Granskare: Annika Bidner
00:15
If you are a blind child in India,
0
15260
4000
Om man är ett blint barn i Indien
00:19
you will very likely have to contend with
1
19260
3000
kommer man troligen behöva brottas med minst två stora dåliga nyheter.
00:22
at least two big pieces of bad news.
2
22260
3000
00:25
The first bad news
3
25260
2000
Den första dåliga nyheten
00:27
is that the chances of getting treatment
4
27260
3000
är att chansen för att få behandling
00:30
are extremely slim to none,
5
30260
3000
är extremt liten eller ingen,
00:33
and that's because most of the blindness
6
33260
2000
och det beror på att de flesta av de projekt
00:35
alleviation programs in the country
7
35260
2000
som syftar till att lindra blindhet i landet är inriktade på vuxna,
00:37
are focused on adults,
8
37260
2000
00:39
and there are very, very few hospitals
9
39260
3000
och det finns mycket, mycket få sjukhus
00:42
that are actually equipped to treat children.
10
42260
3000
som faktiskt är utrustade för att behandla barn.
00:46
In fact, if you were to be treated,
11
46260
4000
I själva verket, om du skulle behandlas,
00:51
you might well end up being treated
12
51260
3000
kan du mycket väl i slutändan behandlas
00:54
by a person who has no medical credentials
13
54260
3000
av en person som inte har någon medicinsk examen,
00:57
as this case from Rajasthan illustrates.
14
57260
3000
som detta fall från Rajasthan illustrerar.
01:00
This is a three-year-old orphan girl
15
60260
2000
Detta är en treårig föräldralös flicka
01:02
who had cataracts.
16
62260
2000
som hade grå starr.
01:04
So, her caretakers took her
17
64260
2000
Så hennes vårdare tog henne
01:06
to the village medicine man,
18
66260
2000
till medicinmannen i byn
01:08
and instead of suggesting to the caretakers
19
68260
3000
och istället för att föreslå för vårdarna
01:11
that the girl be taken to a hospital,
20
71260
3000
att de skulle ta flickan till sjukhus,
01:14
the person decided to burn her abdomen
21
74260
2000
bestämde sig personen för att bränna hennes buk
01:16
with red-hot iron bars
22
76260
2000
med glödheta järnstänger
01:18
to drive out the demons.
23
78260
2000
för att driva ut demonerna.
01:20
The second piece of bad news
24
80260
3000
Den andra dåliga nyheten
01:23
will be delivered to you
25
83260
2000
kommer att levereras till er
01:25
by neuroscientists, who will tell you
26
85260
3000
av forskare inom neurovetenskapen, som kommer att berätta
01:28
that if you are older than four or five years of age,
27
88260
3000
att om du är äldre än fyra eller fem år,
01:31
that even if you have your eye corrected,
28
91260
3000
och får ditt öga fixat,
01:34
the chances of your brain learning how to see
29
94260
3000
är chansen att din hjärna lär sig se
01:37
are very, very slim --
30
97260
2000
mycket, mycket begränsad ...
01:39
again, slim or none.
31
99260
3000
igen, extremt liten eller ingen.
01:42
So when I heard these two things,
32
102260
2000
Så när jag hörde dessa två saker,
01:44
it troubled me deeply,
33
104260
2000
gjorde det mig djupt oroad,
01:46
both because of personal reasons
34
106260
2000
både av personliga skäl
01:48
and scientific reasons.
35
108260
2000
och vetenskapliga skäl.
01:50
So let me first start with the personal reason.
36
110260
3000
Så låt mig börja med det personliga.
01:53
It'll sound corny, but it's sincere.
37
113260
3000
Det kommer att låta fånigt, men det är sant.
01:56
That's my son, Darius.
38
116260
2000
Det här är min son, Darius.
01:58
As a new father,
39
118260
2000
Som nybliven far,
02:00
I have a qualitatively different sense
40
120260
4000
har jag en nyanserad känsla för
02:04
of just how delicate babies are,
41
124260
3000
precis hur ömtåliga spädbarn är,
02:07
what our obligations are towards them
42
127260
3000
vad våra skyldigheter mot dem är
02:10
and how much love
43
130260
2000
och hur mycket kärlek
02:12
we can feel towards a child.
44
132260
3000
vi kan känna för ett barn.
02:15
I would move heaven and earth
45
135260
2000
Jag skulle röra upp himmel och jord
02:17
in order to get treatment for Darius,
46
137260
3000
för att Darius skulle få behandling,
02:20
and for me to be told
47
140260
2000
och när det berättas för mig
02:22
that there might be other Dariuses
48
142260
2000
att det kan finnas andra Darius
02:24
who are not getting treatment,
49
144260
2000
som inte får behandling,
02:26
that's just viscerally wrong.
50
146260
3000
känns det bara instinktivt fel.
02:29
So that's the personal reason.
51
149260
2000
Så det är det personliga skälet.
02:31
Scientific reason is that this notion
52
151260
3000
Det vetenskapliga skälet är föreställningen från
02:34
from neuroscience of critical periods --
53
154260
2000
neurovetenskapsforskning om kritiska tidsperioder,
02:36
that if the brain is older
54
156260
3000
att om hjärnan är äldre
02:39
than four or five years of age,
55
159260
2000
än fyra eller fem år,
02:41
it loses its ability to learn --
56
161260
2000
förlorar den sin förmåga att lära sig -
02:43
that doesn't sit well with me,
57
163260
2000
det känns inte bra för mig,
02:45
because I don't think that idea
58
165260
2000
eftersom jag inte tror att idén har testats
02:47
has been tested adequately.
59
167260
3000
på ett tillfredsställande sätt.
02:50
The birth of the idea is from
60
170260
2000
Upphovet av idén kommer från
02:52
David Hubel and Torsten Wiesel's work,
61
172260
2000
David Hubel och Torsten Wiesels arbete,
02:54
two researchers who were at Harvard,
62
174260
2000
två forskare vid Harvard,
02:56
and they got the Nobel Prize in 1981
63
176260
3000
och de fick Nobelpriset 1981
02:59
for their studies of visual physiology,
64
179260
2000
för sina studier av synens fysiologi.
03:01
which are remarkably beautiful studies,
65
181260
2000
Det är påfallande vackra studier,
03:03
but I believe some of their work
66
183260
2000
men jag tror att en del av deras arbete
03:05
has been extrapolated
67
185260
2000
har tillämpats på människor alltför tidigt.
03:07
into the human domain prematurely.
68
187260
2000
03:09
So, they did their work with kittens,
69
189260
2000
De gjorde sin forskning på kattungar,
03:11
with different kinds of deprivation regiments,
70
191260
2000
med olika typer av berövanden,
03:13
and those studies,
71
193260
2000
och dessa studier
03:15
which date back to the '60s,
72
195260
2000
vilka dateras tillbaka till sextiotalet,
03:17
are now being applied to human children.
73
197260
3000
tillämpas nu på människobarn.
03:20
So I felt that I needed to do two things.
74
200260
3000
Så jag kände
att jag behövde göra två saker.
03:23
One: provide care
75
203260
3000
Ett: tillhandahålla vård
03:26
to children who are currently
76
206260
2000
för barn som för närvarande
03:28
being deprived of treatment.
77
208260
2000
berövas behandling.
03:30
That's the humanitarian mission.
78
210260
2000
Det är det humanitära uppdraget.
03:32
And the scientific mission would be
79
212260
2000
Och det vetenskapliga uppdraget
skulle vara att testa gränserna
03:34
to test the limits
80
214260
2000
03:36
of visual plasticity.
81
216260
2000
för visuell plasticitet.
03:38
And these two missions, as you can tell,
82
218260
3000
Dessa två uppdrag, som ni förstår, fungerar utmärkt ihop.
03:41
thread together perfectly. One adds to the other;
83
221260
3000
Det ena tillfogar något till det andra;
03:44
in fact, one would be impossible without the other.
84
224260
3000
i själva verket vore det ena omöjligt
utan det andra.
03:49
So, to implement
85
229260
2000
Så, för att genomföra
03:51
these twin missions,
86
231260
2000
dessa dubbla uppdrag,
03:53
a few years ago, I launched Project Prakash.
87
233260
3000
startade jag för några år sedan Projektet Prakash.
03:56
Prakash, as many of you know,
88
236260
2000
Prakash, som många av er vet,
03:58
is the Sanskrit word for light,
89
238260
2000
är Sanskrit för ljus,
04:00
and the idea is that
90
240260
2000
och tanken är
04:02
in bringing light into the lives of children,
91
242260
3000
att föra in ljus i dessa barns liv.
04:05
we also have a chance
92
245260
2000
Vi har också en chans att belysa några av de djupaste mysterierna
04:07
of shedding light on some of the
93
247260
2000
04:09
deepest mysteries of neuroscience.
94
249260
3000
inom neurovetenskapen.
04:12
And the logo -- even though it looks extremely Irish,
95
252260
3000
Och logotypen - även om den ser extremt irländsk ut,
04:15
it's actually derived from
96
255260
2000
härstammar faktiskt från
04:17
the Indian symbol of Diya, an earthen lamp.
97
257260
4000
den indiska symbolen Diya, en oljelampa.
04:21
The Prakash, the overall effort
98
261260
3000
Den övergripande satsningen Prakash
04:24
has three components:
99
264260
2000
har tre komponenter:
04:26
outreach, to identify children in need of care;
100
266260
4000
Uppsökande verksamhet - att identifiera barn i behov av vård -
04:30
medical treatment; and in subsequent study.
101
270260
3000
medicinsk behandling, följd av studier.
04:33
And I want to show you a short video clip
102
273260
3000
Jag vill visa er ett kort videoklipp
04:36
that illustrates the first two components of this work.
103
276260
3000
som illustrerar de två första delarna
i detta arbete.
04:41
This is an outreach station
104
281260
2000
Detta är uppsökande verksamhet
04:43
conducted at a school for the blind.
105
283260
3000
som genomfördes på en skola för blinda.
04:46
(Text: Most of the children are profoundly and permanently blind ...)
106
286260
5000
[De flesta av barnen är helt och permanent blinda ...]
04:51
Pawan Sinha: So, because this is a school for the blind,
107
291260
5000
Pawan Sinha: Så, eftersom detta är en skola för blinda,
04:56
many children have permanent conditions.
108
296260
2000
har många barn bestående tillstånd.
04:58
That's a case of microphthalmos,
109
298260
3000
Det är ett fall av mikroftalmi,
05:01
which is malformed eyes,
110
301260
2000
vilket innebär missformade ögon,
05:03
and that's a permanent condition;
111
303260
2000
och det är ett permanent tillstånd.
05:05
it cannot be treated.
112
305260
2000
Det kan inte behandlas.
05:07
That's an extreme of micropthalmos
113
307260
2000
Det där är en extrem form av mikroftalmi
05:09
called enophthalmos.
114
309260
2000
som kallas enophthalmos.
05:11
But, every so often, we come across children
115
311260
2000
Men då och då stöter vi på barn
05:13
who show some residual vision,
116
313260
3000
som visar viss kvarvarande syn,
05:16
and that is a very good sign
117
316260
3000
och det är ett mycket gott tecken
på att synfelet faktiskt kan vara behandlingsbart.
05:19
that the condition might actually be treatable.
118
319260
2000
05:21
So, after that screening, we bring the children to the hospital.
119
321260
3000
Så efter den sållningen tar vi barnen till sjukhuset.
05:24
That's the hospital we're working with in Delhi,
120
324260
2000
Där är sjukhuset som vi arbetar med i Delhi,
05:26
the Schroff Charity Eye Hospital.
121
326260
3000
Schroffs välgörenhetsögonsjukhus.
05:29
It has a very well-equipped
122
329260
2000
Den har en mycket välutrustad
05:31
pediatric ophthalmic center,
123
331260
3000
pediatrisk ögonavdelning,
05:35
which was made possible in part
124
335260
2000
som delvis möjliggjordes
05:37
by a gift from the Ronald McDonald charity.
125
337260
4000
genom en gåva från Ronald McDonalds välgörenhet.
05:41
So, eating burgers actually helps.
126
341260
3000
Så, att äta hamburgare hjälper faktiskt.
(Skratt)
05:45
(Text: Such examinations allow us to improve
127
345260
2000
[Sådana undersökningar låter oss förbättra ögonhälsan för många barn,]
05:47
eye-health in many children, and ...
128
347260
2000
[och hjälper oss att hitta barn som kan delta i projektet Prakash.]
05:54
... help us find children who can participate in Project Prakash.)
129
354260
3000
05:57
PS: So, as I zoom in to the eyes of this child,
130
357260
2000
PS: När jag zoomar in på detta barns ögon,
05:59
you will see the cause of his blindness.
131
359260
3000
kommer du att se orsaken till hans blindhet.
06:03
The whites that you see in the middle of his pupils
132
363260
3000
De vita som syns i hans pupiller
06:06
are congenital cataracts,
133
366260
3000
är medfödd grå starr,
06:09
so opacities of the lens.
134
369260
2000
vilket gör att linsen blir ogenomskinlig.
06:11
In our eyes, the lens is clear,
135
371260
3000
I våra ögon är linsen genomskinlig,
06:14
but in this child, the lens has become opaque,
136
374260
2000
men hos detta barn har linsen blivit ogenomskinlig,
06:16
and therefore he can't see the world.
137
376260
3000
och därför kan han inte se världen.
06:19
So, the child is given treatment. You'll see shots of the eye.
138
379260
3000
Barnet ges behandling. Här kommer du att se bilder på ögat.
06:22
Here's the eye with the opaque lens,
139
382260
2000
Här är ögat med den ogenomskinliga linsen,
06:24
the opaque lens extracted
140
384260
2000
den linsen tas bort
06:26
and an acrylic lens inserted.
141
386260
3000
och en akryllins sätts dit.
06:29
And here's the same child
142
389260
2000
Här är samma barn
06:31
three weeks post-operation,
143
391260
3000
tre veckor efter operationen,
06:34
with the right eye open.
144
394260
3000
med högra ögat öppet.
06:40
(Applause)
145
400260
6000
(Applåder)
06:46
Thank you.
146
406260
2000
Tack.
06:48
So, even from that little clip, you can begin to get the sense
147
408260
3000
Till och med från det lilla klippet kan vi börja att få känslan
06:51
that recovery is possible,
148
411260
2000
att återhämtning är möjlig
06:53
and we have now
149
413260
2000
och vi har nu
06:55
provided treatment to over 200 children,
150
415260
3000
gett över 200 barn behandling,
06:58
and the story repeats itself.
151
418260
2000
och historien upprepar sig.
07:00
After treatment, the child
152
420260
2000
Efter behandlingen
07:02
gains significant functionality.
153
422260
3000
klarar sig barnet mycket bättre.
07:05
In fact, the story holds true
154
425260
3000
I själva verket är detta sant
07:08
even if you have a person who got sight
155
428260
2000
även för en person som återfick sin syn
07:10
after several years of deprivation.
156
430260
2000
efter flera års blindhet.
07:12
We did a paper a few years ago
157
432260
2000
Vi skrev en artikel för några år sedan
07:14
about this woman that you see on the right, SRD,
158
434260
4000
om denna kvinna som visas till höger, SRD,
07:18
and she got her sight late in life,
159
438260
2000
och hon fick sin syn sent i livet,
07:20
and her vision is remarkable at this age.
160
440260
4000
och hennes syn var anmärkningsvärd
för hennes ålder.
07:24
I should add a tragic postscript to this --
161
444260
3000
Jag bör göra ett tragiskt tillägg ...
07:27
she died two years ago
162
447260
2000
Hon dog för två år sedan
07:29
in a bus accident.
163
449260
2000
i en bussolycka.
07:31
So, hers is just a truly inspiring story --
164
451260
4000
Så hennes berättelse är verkligt inspirerande -
07:35
unknown, but inspiring story.
165
455260
3000
okänd, men en inspirerande berättelse.
07:38
So when we started finding these results,
166
458260
2000
Så när vi började få dessa resultat,
07:40
as you might imagine, it created quite a bit of stir
167
460260
3000
som ni kan föreställa er, skapades det en hel del uppståndelse
07:43
in the scientific and the popular press.
168
463260
3000
i den vetenskapliga pressen och i populärpressen.
07:46
Here's an article in Nature
169
466260
2000
Här är en artikel i Nature
07:48
that profiled this work,
170
468260
2000
som porträtterade detta arbete,
07:50
and another one in Time.
171
470260
2000
och en annan i Time.
07:52
So, we were fairly convinced -- we are convinced --
172
472260
2000
Så vi var ganska övertygade om - vi är övertygade om -
07:54
that recovery is feasible,
173
474260
2000
att återhämtning är möjlig,
07:56
despite extended visual deprivation.
174
476260
3000
trots en längre period utan syn.
07:59
The next obvious question to ask:
175
479260
2000
Nästa uppenbara fråga att ställa:
08:01
What is the process of recovery?
176
481260
3000
Hur ser processen för återhämtning ut?
08:04
So, the way we study that is,
177
484260
3000
Så, sättet vi studerar detta på är,
08:07
let's say we find a child who has light sensitivity.
178
487260
2000
att vi hittar ett barn med hög ljuskänslighet.
08:09
The child is provided treatment,
179
489260
2000
Barnet ges behandling,
08:11
and I want to stress that the treatment
180
491260
2000
och jag vill betona att behandlingen
08:13
is completely unconditional;
181
493260
2000
är helt villkorslös;
08:15
there is no quid pro quo.
182
495260
2000
det behövs ingen motprestation.
08:17
We treat many more children then we actually work with.
183
497260
3000
Vi behandlar många fler barn än vi faktiskt arbetar med.
08:20
Every child who needs treatment is treated.
184
500260
3000
Alla barn som behöver behandling behandlas.
08:23
After treatment, about every week,
185
503260
2000
Efter behandlingen, i stort sett varje vecka,
08:25
we run the child
186
505260
2000
ger vi barnet
08:27
on a battery of simple visual tests
187
507260
3000
en uppsättning enkla syntest
08:30
in order to see how their visual skills
188
510260
2000
för att se hur deras visuella färdighet
08:32
are coming on line.
189
512260
2000
utvecklas.
08:34
And we try to do this for as long as possible.
190
514260
3000
Och vi försöker göra det under en så lång period som möjligt.
08:37
This arc of development
191
517260
2000
Denna utvecklingskurva ger oss information -
08:39
gives us unprecedented
192
519260
2000
som är utan motstycke och mycket värdefull -
08:41
and extremely valuable information
193
521260
2000
08:43
about how the scaffolding of vision
194
523260
2000
om hur synens grundstruktur är uppbyggd och ställs in.
08:45
gets set up.
195
525260
2000
08:47
What might be the causal connections
196
527260
2000
Vad skulle kunna vara det kausala förhållandet
08:49
between the early developing skills
197
529260
2000
mellan kompetenser som utvecklas tidigt
08:51
and the later developing ones?
198
531260
2000
och de som utvecklas senare?
08:53
And we've used this general approach to study
199
533260
2000
Vi har använt denna allmänna strategi
08:55
many different visual proficiencies,
200
535260
3000
för att studera många olika visuella färdigheter,
08:58
but I want to highlight one particular one,
201
538260
4000
men jag vill framhäva en viss färdighet,
09:02
and that is image parsing into objects.
202
542260
3000
och det är att tolka bilder till objekt.
09:05
So, any image of the kind that you see on the left,
203
545260
2000
Så en bild av det slag som vi ser till vänster,
09:07
be it a real image or a synthetic image,
204
547260
3000
vare sig det är en verklig bild eller en syntetisk bild,
09:10
it's made up of little regions
205
550260
2000
består av små regioner
09:12
that you see in the middle column,
206
552260
2000
som visas i kolumnen i mitten,
09:14
regions of different colors, different luminances.
207
554260
3000
regioner i olika färger, olika ljusstyrka.
09:17
The brain has this complex task
208
557260
3000
Hjärnan har den komplexa uppgiften
09:20
of putting together, integrating,
209
560260
3000
att sätta ihop, integrera,
09:23
subsets of these regions
210
563260
2000
undergrupper av dessa områden
09:25
into something that's more meaningful,
211
565260
2000
till något mer meningsfullt,
09:27
into what we would consider to be objects,
212
567260
2000
till vad vi skulle beakta som objekt,
09:29
as you see on the right.
213
569260
2000
som vi ser till höger.
09:31
And nobody knows how this integration happens,
214
571260
2000
Ingen vet hur den här integrationen sker,
09:33
and that's the question we asked with Project Prakash.
215
573260
4000
och det är frågan vi ställde med projektet Prakash.
09:37
So, here's what happens
216
577260
2000
Så, det här är vad som händer
09:39
very soon after the onset of sight.
217
579260
3000
mycket snart efter att man fått tillbaka synen.
09:42
Here's a person who had gained sight just a couple of weeks ago,
218
582260
3000
Här är en person som återfått sin syn för bara ett par veckor sedan,
09:45
and you see Ethan Myers, a graduate student from MIT,
219
585260
3000
och vi ser Ethan Myers, en doktorand från MIT,
09:48
running the experiment with him.
220
588260
3000
som gör experimentet med honom.
09:51
His visual-motor coordination is quite poor,
221
591260
4000
Hans visualmotoriska samordning är ganska dålig,
09:55
but you get a general sense
222
595260
2000
men man ser på ett ungefär
09:57
of what are the regions that he's trying to trace out.
223
597260
3000
vilka områden det är som han försöker att rita ut.
10:00
If you show him real world images,
224
600260
2000
Om vi visar honom verkliga bilder,
10:02
if you show others like him real world images,
225
602260
3000
och visar andra som honom verkliga bilder,
10:05
they are unable to recognize most of the objects
226
605260
2000
känner de inte igen de flesta av objekten
10:07
because the world to them is over-fragmented;
227
607260
3000
eftersom världen är överfragmenterad för dem;
10:10
it's made up of a collage, a patchwork,
228
610260
3000
den består av ett collage, ett lapptäcke,
10:13
of regions of different colors and luminances.
229
613260
2000
av regioner i olika färger och ljusstyrka.
10:15
And that's what's indicated in the green outlines.
230
615260
2000
Och det är vad som syns i de gröna linjerna.
10:17
When you ask them,
231
617260
2000
När du ber dem,
10:19
"Even if you can't name the objects, just point to where the objects are,"
232
619260
3000
"Även om du inte kan namnge ett objekt, peka bara där objekten är."
10:22
these are the regions that they point to.
233
622260
2000
är detta de områden de pekar på.
10:24
So the world is this complex
234
624260
2000
Så världen är detta komplexa
10:26
patchwork of regions.
235
626260
2000
lapptäcke av regioner.
10:28
Even the shadow on the ball
236
628260
2000
Även bollens skugga
10:30
becomes its own object.
237
630260
3000
blir ett eget objekt.
10:33
Interestingly enough,
238
633260
2000
Intressant nog
10:35
you give them a few months,
239
635260
2000
ger vi dem några månader
10:37
and this is what happens.
240
637260
3000
och detta är vad som händer.
10:43
Doctor: How many are these?
241
643260
2000
Läkaren: Hur många är dessa?
10:45
Patient: These are two things.
242
645260
2000
Patienten: Det är två saker.
10:47
Doctor: What are their shapes?
243
647260
2000
Läkaren: Vilka är deras former?
10:49
Patient: Their shapes ...
244
649260
2000
Patienten: Deras former...
10:51
This one is a circle,
245
651260
3000
Det här är en cirkel,
10:54
and this
246
654260
2000
och detta
10:56
is a square.
247
656260
2000
är en kvadrat.
10:58
PS: A very dramatic transformation has come about.
248
658260
3000
PS: En mycket dramatisk förändring har skett.
11:01
And the question is:
249
661260
2000
Och frågan är:
11:03
What underlies this transformation?
250
663260
2000
Vad ligger bakom denna omvandling?
11:05
It's a profound question,
251
665260
2000
Det är en djup fråga,
11:07
and what's even more amazing is how simple
252
667260
2000
och vad som är ännu mer häpnadsväckande
11:09
the answer is.
253
669260
2000
är hur enkelt svaret är.
11:11
The answer lies in motion
254
671260
2000
Svaret ligger i rörelse
11:13
and that's what I want to show you in the next clip.
255
673260
3000
och det är vad jag vill visa er
i nästa klipp.
11:18
Doctor: What shape do you see here?
256
678260
2000
Läkaren: Vilken form ser du här?
11:20
Patient: I can't make it out.
257
680260
3000
Patienten: Jag kan inte urskilja den.
11:28
Doctor: Now?
258
688260
2000
Läkaren: Nu?
11:31
Patient: Triangle.
259
691260
2000
Patienten: Triangel.
11:35
Doctor: How many things are these?
260
695260
3000
Läkaren: Hur många saker finns det här?
11:48
Now, how many things are these?
261
708260
3000
Hur många finns det nu?
11:51
Patient: Two.
262
711260
2000
Patienten: Två.
11:53
Doctor: What are these things?
263
713260
2000
Läkaren: Vilka är dessa saker?
11:56
Patient: A square and a circle.
264
716260
2000
Patienten: En kvadrat och en cirkel.
11:58
PS: And we see this pattern over and over again.
265
718260
3000
PS: Och vi ser detta mönster om och om igen.
12:01
The one thing the visual system needs
266
721260
3000
Det enda visuella system behöver
12:04
in order to begin parsing the world
267
724260
2000
för att börja tolka världen
12:06
is dynamic information.
268
726260
2000
är dynamisk information.
12:08
So the inference we are deriving from this,
269
728260
2000
Så slutsatsen vi drar från detta,
12:10
and several such experiments,
270
730260
2000
och flera sådana experiment,
12:12
is that dynamic information processing,
271
732260
2000
är att dynamisk informationsbearbetning,
12:14
or motion processing,
272
734260
2000
eller rörelsebearbetning,
12:16
serves as the bedrock for building
273
736260
2000
fungerar som bas för att konstruera
12:18
the rest of the complexity of visual processing;
274
738260
4000
resten av komplexiteten i visuell bearbetning.
12:22
it leads to visual integration
275
742260
2000
Det leder till en visuell integration
12:24
and eventually to recognition.
276
744260
3000
och så småningom till igenkännande.
12:27
This simple idea has far reaching implications.
277
747260
3000
Denna enkla idé har långtgående konsekvenser.
12:30
And let me just quickly mention two,
278
750260
3000
Låt mig bara snabbt nämna två,
12:33
one, drawing from the domain of engineering,
279
753260
2000
en från teknikområdet
12:35
and one from the clinic.
280
755260
2000
och en från kliniken.
12:37
So, from the perspective of engineering,
281
757260
2000
Ur ett tekniskt perspektiv kan vi ställa oss frågan:
12:39
we can ask: Goven that we know
282
759260
3000
Eftersom vi vet
12:42
that motion is so important for the human visual system,
283
762260
2000
att rörelse är så viktig för det mänskliga visuella systemet,
12:44
can we use this as a recipe
284
764260
3000
kan vi använda detta som ett recept
12:47
for constructing machine-based vision systems
285
767260
3000
för att konstruera maskinbaserade synsystem
12:50
that can learn on their own, that don't need to be programmed
286
770260
3000
som kan lära sig på egen hand, som inte behöver programmeras
12:53
by a human programmer?
287
773260
2000
av mänskliga programmerare?
12:55
And that's what we're trying to do.
288
775260
2000
Och det är vad vi försöker göra.
12:57
I'm at MIT, at MIT you need to apply
289
777260
3000
Jag är vid MIT, där man måste tillämpa
13:00
whatever basic knowledge you gain.
290
780260
2000
samtliga grundkunskaper man införskaffar.
13:02
So we are creating Dylan,
291
782260
2000
Så skapar vi Dylan,
13:04
which is a computational system
292
784260
2000
som är ett datasystem
13:06
with an ambitious goal
293
786260
2000
med det ambitiösa målet
13:08
of taking in visual inputs
294
788260
2000
att ta in visuell information
13:10
of the same kind that a human child would receive,
295
790260
3000
av samma slag som ett mänskligt barn skulle få,
13:13
and autonomously discovering:
296
793260
2000
och självständigt upptäcka:
13:15
What are the objects in this visual input?
297
795260
3000
Vad är objekten i denna visuella input?
13:18
So, don't worry about the internals of Dylan.
298
798260
3000
Så vi behöver inte oroa oss för Dylans insida.
13:21
Here, I'm just going to talk about
299
801260
3000
Här kommer jag bara att tala om
13:24
how we test Dylan.
300
804260
2000
hur vi testar Dylan.
13:26
The way we test Dylan is by giving it
301
806260
2000
Det sättet som vi testar Dylan är genom att ge den
13:28
inputs, as I said, of the same kind
302
808260
3000
information, som sagt, av samma slag
13:31
that a baby, or a child in Project Prakash would get.
303
811260
3000
som ett spädbarn eller ett barn i projektet Prakash skulle få.
13:34
But for a long time we couldn't quite figure out:
304
814260
3000
Men under lång tid kunde vi inte helt räkna ut:
13:37
Wow can we get these kinds of video inputs?
305
817260
3000
Hur vi kan få till dessa typer av rörlig visuell information?
13:41
So, I thought,
306
821260
2000
Jag tänkte,
13:43
could we have Darius
307
823260
2000
kan vi få Darius
13:45
serve as our babycam carrier,
308
825260
3000
att ha på sig vår babykamera,
13:48
and that way get the inputs that we feed into Dylan?
309
828260
3000
och på så sätt få den information som vi matar in i Dylan?
13:51
So that's what we did.
310
831260
2000
Så det är vad vi gjorde.
13:53
(Laughter)
311
833260
7000
(Skratt)
14:00
I had to have long conversations with my wife.
312
840260
3000
Jag var tvungen att ha långa samtal med min fru.
14:03
(Laughter)
313
843260
5000
(Skratt)
14:08
In fact, Pam, if you're watching this,
314
848260
2000
Pam, om du ser det här,
14:10
please forgive me.
315
850260
2000
snälla förlåt mig.
14:13
So, we modified the optics of the camera
316
853260
4000
Så vi modifierade kamerans optik
14:17
in order to mimic the baby's visual acuity.
317
857260
3000
för att efterlikna bebisens synskärpa.
14:20
As some of you might know,
318
860260
2000
Som några av er kanske redan vet,
14:22
babyies are born pretty much legally blind.
319
862260
4000
föds bebisar i stort sett blinda.
14:26
Their acuity -- our acuity is 20/20;
320
866260
3000
Vår synskärpa är 20/20;
14:29
babies' acuity is like 20/800,
321
869260
3000
bebisars synskärpa är 20/800,
14:32
so they are looking at the world
322
872260
2000
så de ser världen
14:34
in a very, very blurry fashion.
323
874260
3000
betydligt suddigare.
14:37
Here's what a baby-cam video looks like.
324
877260
3000
Så här kan en video från en babykamera se ut.
14:41
(Laughter)
325
881260
9000
(Skratt)
14:50
(Applause)
326
890260
3000
(Applåder)
14:53
Thankfully, there isn't any audio
327
893260
2000
Tack och lov att det inte finns något ljud
14:55
to go with this.
328
895260
3000
kopplat till detta.
14:58
What's amazing is that working with such
329
898260
2000
Det är fantastiskt att bebisar,
15:00
highly degraded input,
330
900260
2000
trots att de jobbar med försämrad indata,
15:02
the baby, very quickly, is able
331
902260
2000
mycket snabbt kan upptäcka betydelse
15:04
to discover meaning in such input.
332
904260
3000
i sådan information.
15:07
But then two or three days afterward,
333
907260
2000
Men två eller tre dagar senare
15:09
babies begin to pay attention
334
909260
2000
börjar bebisen lägga märke till
15:11
to their mother's or their father's face.
335
911260
2000
sin mor eller sin fars ansikte.
15:13
How does that happen? We want Dylan to be able to do that,
336
913260
3000
Hur sker det?
Vi vill att Dylan ska kunna göra det,
15:16
and using this mantra of motion,
337
916260
3000
och med detta mantra av rörelse,
15:19
Dylan actually can do that.
338
919260
2000
kan Dylan faktiskt göra detta.
15:21
So, given that kind of video input,
339
921260
3000
Med tanke på den typen av videoinformation
15:24
with just about six or seven minutes worth of video,
340
924260
3000
med bara sex sju minuters videomaterial,
15:27
Dylan can begin to extract patterns
341
927260
3000
kan Dylan börja extrahera mönster
15:30
that include faces.
342
930260
3000
som innehåller ansikten.
15:33
So, it's an important demonstration
343
933260
2000
Så det är ett viktigt bevis
15:35
of the power of motion.
344
935260
2000
på rörelsens makt.
15:37
The clinical implication, it comes from the domain of autism.
345
937260
3000
Den kliniska slutsatsen blir att orsaken är autism.
15:40
Visual integration has been associated with autism
346
940260
2000
Visuell integrering har kopplats till autism
15:42
by several researchers.
347
942260
2000
av flera forskare.
15:44
When we saw that, we asked:
348
944260
2000
När vi såg detta frågade vi:
15:46
Could the impairment in visual integration
349
946260
3000
Skulle en nedsatt visuell integrering
15:49
be the manifestation of something underneath,
350
949260
3000
kunna vara ett uttryck för något annat under ytan,
15:52
of dynamic information processing deficiencies in autism?
351
952260
3000
en bristande bearbetning av dynamisk information i autism?
15:55
Because, if that hypothesis were to be true,
352
955260
3000
Eftersom, om den hypotesen skulle vara sann,
15:58
it would have massive repercussions in our understanding
353
958260
3000
skulle det innebära stora återverkningar i vår bild
16:01
of what's causing the many different aspects
354
961260
2000
av vad som orsakar
16:03
of the autism phenotype.
355
963260
3000
de många olika varianterna av autism.
16:06
What you're going to see are
356
966260
2000
Det ni kommer att se är ett videoklipp av två barn -
16:08
video clips of two children -- one neurotypical,
357
968260
3000
en neurotisk, en med autism,
16:11
one with autism, playing Pong.
358
971260
2000
som spelar Pong.
16:13
So, while the child is playing Pong, we are tracking where they're looking.
359
973260
3000
Så medan barnet spelar Pong spårar vi var de tittar.
16:16
In red are the eye movement traces.
360
976260
3000
Det röda är ögats rörelsespår.
16:19
This is the neurotypical child, and what you see
361
979260
3000
Detta är det neurotypiska barnet,
och vad vi ser
16:22
is that the child is able to make cues
362
982260
2000
är att barnet har förmåga att skapa ledtrådar
16:24
of the dynamic information
363
984260
2000
av den dynamiska informationen
16:26
to predict where the ball is going to go.
364
986260
2000
för att förutsäga vart bollen tar vägen.
16:28
Even before the ball gets to a place,
365
988260
3000
Så innan bollen har hamnat någonstans,
16:31
the child is already looking there.
366
991260
3000
ser barnet i förväg åt det hållet.
16:34
Contrast this with a child
367
994260
2000
Jämför detta med när ett barn med autism
16:36
with autism playing the same game.
368
996260
2000
spelar samma spel.
16:38
Instead of anticipating,
369
998260
2000
I stället för att förutse,
16:40
the child always follows where the ball has been.
370
1000260
3000
följer barnet alltid var bollen har varit.
16:43
The efficiency of the use
371
1003260
2000
Effektiviteten i användandet
16:45
of dynamic information
372
1005260
2000
av dynamisk information
16:47
seems to be significantly compromised in autism.
373
1007260
3000
verkar väsentligt nedsatt i autism.
16:51
So we are pursuing this line of work
374
1011260
3000
Vi jobbar med det den här inriktningen
16:54
and hopefully we'll have
375
1014260
2000
och kommer förhoppningsvis ha fler resultat att rapportera snart.
16:56
more results to report soon.
376
1016260
2000
16:58
Looking ahead, if you think of this disk
377
1018260
3000
När vi ser framåt, om vi säger att den här cirkeln
17:01
as representing all of the children
378
1021260
2000
föreställer alla barn
17:03
we've treated so far,
379
1023260
2000
som vi har behandlat hittills,
17:05
this is the magnitude of the problem.
380
1025260
2000
då är detta omfattningen av problemet.
17:07
The red dots are the children we have not treated.
381
1027260
3000
Röda prickar är de barn som vi inte har behandlat.
17:10
So, there are many, many more children who need to be treated,
382
1030260
2000
Det finns många fler barn som behöver få behandling,
17:12
and in order to expand the scope of the project,
383
1032260
3000
och för att utvidga projektet
17:15
we are planning on launching
384
1035260
2000
planerar vi att lansera
17:17
The Prakash Center for Children,
385
1037260
2000
Prakash Center för barn,
17:19
which will have a dedicated pediatric hospital,
386
1039260
3000
som kommer att ha ett eget barnsjukhus,
17:22
a school for the children we are treating
387
1042260
2000
en skola för de barn som vi behandlar
17:24
and also a cutting-edge research facility.
388
1044260
2000
och även en anläggning för högteknologisk forskning.
17:26
The Prakash Center will integrate health care,
389
1046260
3000
Prakash Center kommer att integrera hälso- och sjukvård,
17:29
education and research in a way
390
1049260
2000
utbildning och forskning på ett sätt
17:31
that truly creates the whole
391
1051260
2000
som verkligen skapar en helhet
17:33
to be greater than the sum of the parts.
392
1053260
3000
som är större än summan av delarna.
17:36
So, to summarize: Prakash, in its five years of existence,
393
1056260
3000
För att sammanfatta: Prakash har under de fem åren det funnits,
17:39
it's had an impact in multiple areas,
394
1059260
3000
haft en inverkan på många områden,
17:42
ranging from basic neuroscience
395
1062260
2000
alltifrån grundläggande neurovetenskap,
17:44
plasticity and learning in the brain,
396
1064260
2000
plasticitet och lärande i hjärnan,
17:46
to clinically relevant hypotheses like in autism,
397
1066260
4000
till kliniskt relevanta hypoteser
som för autism,
17:50
the development of autonomous machine vision systems,
398
1070260
3000
utveckling av autonoma maskinella synsystem,
17:53
education of the undergraduate and graduate students,
399
1073260
3000
utbildning på grundnivå och högre nivå,
17:56
and most importantly in the alleviation
400
1076260
2000
och allra viktigast, avhjälpa blindhet hos barn.
17:58
of childhood blindness.
401
1078260
2000
18:00
And for my students and I, it's been
402
1080260
2000
För mig och mina elever har det varit
18:02
just a phenomenal experience
403
1082260
2000
en enastående erfarenhet
18:04
because we have gotten to do interesting research,
404
1084260
4000
eftersom vi har fått utföra intressant forskning
18:08
while at the same time
405
1088260
2000
samtidigt som vi hjälpte de många barn som vi har arbetat med.
18:10
helping the many children that we have worked with.
406
1090260
2000
18:12
Thank you very much.
407
1092260
2000
Tack så mycket.
18:14
(Applause)
408
1094260
2000
(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